一种信息的提供方法及装置制造方法及图纸

本说明书公开了一种信息的提供方法及装置，首先可根据当前用户的信息，确定当前用户所属的类别，作为指定类别，然后可获取指定类别的属性信息，并判断属性信息是否满足预设的条件，其中，属性信息包括指定类别中包含的各第一用户的数量，第一用户为历史上通过第一模型确定展示的信息的用户，当判断结果为是时，将当前用户的信息输入第二模型，通过第二模型，在各信息中，确定指定信息，第二模型是预先以各类别的用户中所包含的第二用户为样本用户对第一模型进行训练得到的模型，第二用户为历史上通过随机选择的方式确定展示的信息的用户，当判断结果为否时，在各信息中，随机选择信息作为指定信息，最后可向当前用户提供指定信息。

【技术实现步骤摘要】
一种信息的提供方法及装置
本说明书涉及互联网金融
，尤其涉及一种信息的提供方法及装置。
技术介绍
目前，基于大数据的精准营销技术在提升营销效率上得到较快发展，例如，可获取用户的特征，通过机器学习模型，确定向用户提供的产品的信息并提供给用户，以达到精准营销的目的。以互联网金融为例，可对用户进行风险评估，当用户的风险评估结果达到预设的风险等级后，可基于机器学习模型，向用户提供指定的产品信息。随着产品信息的多样化以及对预设的风险等级的调整，可向越来越多的用户提供产品信息。
技术实现思路
本说明书实施例提供一种信息的提供方法及装置，以部分解决现有技术存在的上述问题。本说明书实施例采用下述技术方案：本说明书提供的一种信息的提供方法，所述方法包括：根据当前用户的信息，确定所述当前用户所属的类别，作为指定类别；获取所述指定类别的属性信息，并判断所述属性信息是否满足预设的条件，其中，所述属性信息包括所述指定类别中包含的各第一用户的数量，所述第一用户为历史上通过第一模型确定展示的信息的用户；当判断结果为是时，将所述当前用户的信息输入第二模型，通过所述第二模型，在各信息中，确定指定信息，所述第二模型是预先以各类别的用户中所包含的第二用户为样本用户对所述第一模型进行训练得到的模型，所述第二用户为历史上通过随机选择的方式确定展示的信息的用户；当判断结果为否时，在各信息中，随机选择信息作为所述指定信息；向所述当前用户提供所述指定信息。可选地，根据当前用户的信息，确定所述当前用户所属的类别，具体包括：针对包含所述当前用户的各用户，根据该用户的信息，提取该用户的用户特征；根据各用户的用户特征，确定任意两个用户之间的用户权重，所述任意两个用户之间的用户权重与所述任意两个用户的用户特征的差异负相关；根据各用户之间的用户权重，对各用户进行聚类，得到聚类结果；根据所述聚类结果以及所述当前用户的信息，确定所述指定类别；或者，获取预先对除所述当前用户之外的其他各用户进行聚类得到的各类别的信息；根据所述当前用户的信息以及各类别的信息，在各类别中，选择所述指定类别。可选地，判断所述属性信息是否满足预设的条件，具体包括：生成选择概率，并且，根据所述指定类别中包含的各第一用户的数量，确定选择概率阈值，所述选择概率阈值与所述指定类别中包含的各第一用户的数量正相关；判断所述选择概率是否大于所述选择概率阈值；若大于，则判断所述属性信息满足预设的条件；若不大于，则判断所述属性信息不满足预设的条件。可选地，所述属性信息包括所述指定类别中包含的各用户的总量；判断所述属性信息是否满足预设的条件，具体包括：确定所述指定类别中包含的各第一用户的数量与各用户的总量之间的差异，并根据所述差异，确定用户分布值，所述用户分布值与所述差异负相关；判断所述用户分布值是否大于预设的用户分布阈值；当判断结果为大于时，则判断所述属性信息满足预设的条件；当判断结果为不大于时，则判断所述属性信息不满足预设的条件。可选地，预先以各类别的用户中所包含的第二用户为样本用户对所述第一模型进行训练，具体包括：获取各样本用户的历史用户信息，并且，获取各样本用户历史上对展示的信息作出的响应信息作为标注信息；将各样本用户的历史用户信息输入所述第一模型，得到所述第一模型输出的各样本用户的预测响应信息；根据各样本用户的标注信息以及预测响应信息，对所述第一模型进行训练。可选地，将所述当前用户的信息输入第二模型，通过所述第二模型，在各信息中，确定指定信息，具体包括：将所述当前用户的信息输入所述第二模型，得到所述第二模型输出的所述当前用户针对各信息的响应信息；根据所述当前用户针对各信息的响应信息，对各信息进行排序；根据排序结果，在各信息中，确定所述指定信息。可选地，在各信息中，随机选择信息作为所述指定信息，具体包括：获取预先确定的各信息与预设的各概率取值区间之间的对应关系；确定随机概率，并根据所述随机概率以及所述对应关系，确定所述随机概率所在的概率取值区间对应的信息作为所述指定信息。本说明书提供一种信息的提供装置，所述装置包括：确定模块，用于根据当前用户的信息，确定所述当前用户所属的类别，作为指定类别；判断模块，用于获取所述指定类别的属性信息，并判断所述属性信息是否满足预设的条件，其中，所述属性信息包括所述指定类别中包含的各第一用户的数量，所述第一用户为历史上通过第一模型确定展示的信息的用户；第一选择模块，用于当判断结果为是时，将所述当前用户的信息输入第二模型，通过所述第二模型，在各信息中，确定指定信息，所述第二模型是预先以各类别的用户中所包含的第二用户为样本用户对所述第一模型进行训练得到的模型，所述第二用户为历史上通过随机选择的方式确定展示的信息的用户；第二选择模块，用于当判断结果为否时，在各信息中，随机选择信息作为所述指定信息；展示模块，用于向所述当前用户提供所述指定信息。本说明书提供的一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述信息的提供方法。本说明书提供的一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述信息的提供方法。本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：本说明书可根据当前用户的信息，确定当前用户所属的类别，作为指定类别，然后可获取指定类别的属性信息，并判断属性信息是否满足预设的条件，其中，属性信息包括指定类别中包含的各第一用户的数量，第一用户为历史上通过第一模型确定展示的信息的用户，当判断结果为是时，将当前用户的信息输入第二模型，通过第二模型，在各信息中，确定指定信息，第二模型是预先以各类别的用户中所包含的第二用户为样本用户对第一模型进行训练得到的模型，第二用户为历史上通过随机选择的方式确定展示的信息的用户，当判断结果为否时，在各信息中，随机选择信息作为指定信息，最后可向当前用户提供指定信息。本说明书可根据当前用户所属的类别选择采用基于第二模型的方式或者随机选择的方式确定指定信息，由于第二模型是以第二用户为样本用户进行训练得到的，采用随机选择的方式可进一步更新第二模型，采用基于第二模型的方式可得到更加准确的指定信息，更加能够触达用户。附图说明此处所说明的附图用来提供对本说明书的进一步理解，构成本说明书的一部分，本说明书的示意性实施例及其说明用于解释本说明书，并不构成对本说明书的不当限定。在附图中：图1为本说明书实施例提供的一种信息的提供方法流程图；图2为本说明书实施例提供的一种信息的提供装置的结构示意图；图3为本说明书实施例提供的对应于图1的电子设备示意图。...

【技术保护点】
1.一种信息的提供方法，其特征在于，所述方法包括：/n根据当前用户的信息，确定所述当前用户所属的类别，作为指定类别；/n获取所述指定类别的属性信息，并判断所述属性信息是否满足预设的条件，其中，所述属性信息包括所述指定类别中包含的各第一用户的数量，所述第一用户为历史上通过第一模型确定展示的信息的用户；/n当判断结果为是时，将所述当前用户的信息输入第二模型，通过所述第二模型，在各信息中，确定指定信息，所述第二模型是预先以各类别的用户中所包含的第二用户为样本用户对所述第一模型进行训练得到的模型，所述第二用户为历史上通过随机选择的方式确定展示的信息的用户；/n当判断结果为否时，在各信息中，随机选择信息作为所述指定信息；/n向所述当前用户提供所述指定信息。/n

【技术特征摘要】
1.一种信息的提供方法，其特征在于，所述方法包括：
根据当前用户的信息，确定所述当前用户所属的类别，作为指定类别；
获取所述指定类别的属性信息，并判断所述属性信息是否满足预设的条件，其中，所述属性信息包括所述指定类别中包含的各第一用户的数量，所述第一用户为历史上通过第一模型确定展示的信息的用户；
当判断结果为是时，将所述当前用户的信息输入第二模型，通过所述第二模型，在各信息中，确定指定信息，所述第二模型是预先以各类别的用户中所包含的第二用户为样本用户对所述第一模型进行训练得到的模型，所述第二用户为历史上通过随机选择的方式确定展示的信息的用户；
当判断结果为否时，在各信息中，随机选择信息作为所述指定信息；
向所述当前用户提供所述指定信息。


2.如权利要求1所述的方法，其特征在于，根据当前用户的信息，确定所述当前用户所属的类别，具体包括：
针对包含所述当前用户的各用户，根据该用户的信息，提取该用户的用户特征；
根据各用户的用户特征，确定任意两个用户之间的用户权重，所述任意两个用户之间的用户权重与所述任意两个用户的用户特征的差异负相关；
根据各用户之间的用户权重，对各用户进行聚类，得到聚类结果；
根据所述聚类结果以及所述当前用户的信息，确定所述指定类别；
或者，获取预先对除所述当前用户之外的其他各用户进行聚类得到的各类别的信息；
根据所述当前用户的信息以及各类别的信息，在各类别中，选择所述指定类别。


3.如权利要求1所述的方法，其特征在于，判断所述属性信息是否满足预设的条件，具体包括：
生成选择概率，并且，根据所述指定类别中包含的各第一用户的数量，确定选择概率阈值，所述选择概率阈值与所述指定类别中包含的各第一用户的数量正相关；
判断所述选择概率是否大于所述选择概率阈值；
若大于，则判断所述属性信息满足预设的条件；
若不大于，则判断所述属性信息不满足预设的条件。


4.如权利要求1所述的方法，其特征在于，所述属性信息包括所述指定类别中包含的各用户的总量；
判断所述属性信息是否满足预设的条件，具体包括：
确定所述指定类别中包含的各第一用户的数量与各用户的总量之间的差异，并根据所述差异，确定用户分布值，所述用户分布值与所述差异负相关；
判断所述用户分布值是否大于预设的用户分布阈值；
当判断结果为大于时，则判断所述属性信息满足预设的条件；
当判断结果为不大于时，则判断所述属性信息不满足预设的条件。

【专利技术属性】
技术研发人员：黄子扬，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：北京;11