[发明专利]一种信息推荐的方法、装置、电子设备和可读存储介质

说明书

本申请属于数据处理技术领域，公开了一种信息推荐的方法、装置、电子设备及可读存储介质，该方法包括，获取目标用户的应用程序操作数据；采用训练好的性别预测模型，基于应用程序操作数据，对目标用户的性别进行预测，获得目标用户的预测性别；根据目标用户的预测性别以及应用程序操作数据，向目标用户进行信息推荐，提高了信息推荐的准确度。

技术领域

本申请涉及数据处理技术领域，具体而言，涉及一种信息推荐的方法、装置、电子设备和可读存储介质。

背景技术

随着互联网技术的发展，互联网在人们日常的学习、工作和生活中得到广泛的应用。人们日常的各种事务都可以通过互联网来处理和呈现。

现有技术中，服务器通常向不同用户推送相同的信息，使得用户通常会接收到大量的无用信息，给用户带来了不便。

因此，如何向用户进行精准地信息推荐，是一个需要考虑的技术问题。

发明内容

本申请实施例的目的在于提供一种信息推荐的方法、装置、电子设备和可读存储介质，用以在向用户进行信息推荐时，提高信息推荐的准确度。

一方面，提供一种信息推荐的方法，包括：

获取目标用户的应用程序操作数据；

采用训练好的性别预测模型，基于应用程序操作数据，对目标用户的性别进行预测，获得目标用户的预测性别；

根据目标用户的预测性别以及应用程序操作数据，向目标用户进行信息推荐；

其中，性别预测模型是基于梯度提升树算法构建的，用于预测用户的性别。

在上述实现过程中，提高了信息推荐的准确度。

较佳的，采用训练好的性别预测模型，基于应用程序操作数据，对目标用户的性别进行预测，获得目标用户的预测性别，包括：

根据应用程序操作数据，建立目标用户的目标稠密矩阵，其中，应用程序操作数据包括目标用户操作各目标应用程序的操作信息；

将目标稠密矩阵，输入至性别预测模型，获得目标用户的预测性别。

在上述实现过程中，对数据进行了数据转换，以便模型处理。

较佳的，在获取目标用户的应用程序操作数据之前，进一步包括：

获取多个用户的训练样本数据，训练样本数据包括用户的应用程序操作数据以及性别样本信息；

根据各用户的训练样本数据，生成稠密矩阵样本；

根据稠密矩阵样本，对初始分类模型进行训练，获得训练好的性别预测模型；

其中，初始分类模型是基于梯度提升树算法构建的。

在上述实现过程中，通过样本数据进行模型训练。

较佳的，根据稠密矩阵样本和性别样本信息，对初始分类模型进行训练，获得训练好的性别预测模型，包括：

将稠密矩阵样本，输入至初始分类模型，获得各用户的预测性别；

采用损失函数，基于根据各用户的预测性别以及相应的性别样本信息，确定预测误差；

根据预测误差，对初始分类模型的参数进行初步调整，获得第一分类模型；

基于获取的各应用程序的权值，从各应用程序中筛选出多个目标应用程序，其中，权值是根据各用户的训练样本数据确定的；

基于各用户的训练样本数据中包含的各目标应用程序对应的操作信息以及性别样本信息，对第一分类模型进行训练，获得训练好的性别预测模型。