信息推送方法、装置、电子设备和计算机可读介质制造方法及图纸

本申请实施例公开了信息推送方法、装置、电子设备和计算机可读介质。该方法的实施例包括：从目标用户的用户数据中提取特征信息；将特征信息输入至预先训练的会员用户预测模型，得到目标用户办理会员的概率；若基于概率确定出目标用户为潜在会员用户，则基于特征信息和预先训练的会员权益偏好模型，确定目标用户对会员权益的偏好顺序；按照偏好顺序选取预设数量的目标会员权益，并向目标用户推送目标会员权益的介绍信息。该实施方式能够准确定位推送所针对的用户以及能够准确推送匹配其偏好的会员权益的介绍信息，实现了富于针对性的信息推送，提高了所推送信息的有效性。提高了所推送信息的有效性。提高了所推送信息的有效性。

【技术实现步骤摘要】
信息推送方法、装置、电子设备和计算机可读介质


[0001]本申请实施例涉及通信
，具体涉及信息推送方法、装置、电子设备和计算机可读介质。

技术介绍

[0002]信息推送，是通过一定的技术标准或协议，在互联网上通过推送用户需要的信息来减少信息过载的一项技术。信息推送技术通过主动推送信息给用户，可以减少用户在网络上搜索所花的时间。
[0003]现有技术中，运营通常会为用户推送一些会员权益信息，以方便用户享受更优质的通信服务。然而，由于对推送内容或者目标用户定位不准确，部分用户所接收到的推送信息并非该用户所需，从而给用户带来打扰，以致所推送的信息的有效性较低。

技术实现思路

[0004]本申请实施例提出了信息推送方法、装置、电子设备和计算机可读介质，以解决上述
技术介绍
所提到的技术问题。
[0005]第一方面，本申请实施例提供了一种信息推送方法，该方法包括：从目标用户的用户数据中提取特征信息；将所述特征信息输入至预先训练的会员用户预测模型，得到所述目标用户办理会员的概率；若基于所述概率确定出所述目标用户为潜在会员用户，则基于所述特征信息和预先训练的会员权益偏好模型，确定所述目标用户对会员权益的偏好顺序；按照所述偏好顺序选取预设数量的目标会员权益，并向所述目标用户推送所述目标会员权益的介绍信息。
[0006]第二方面，本申请实施例提供了一种信息推送装置，该装置包括：提取单元，用于从目标用户的用户数据中提取特征信息；概率预测单元，用于将所述特征信息输入至预先训练的会员用户预测模型，得到所述目标用户办理会员的概率；偏好预测单元，用于若基于所述概率确定出所述目标用户为潜在会员用户，则基于所述特征信息和预先训练的会员权益偏好模型，确定所述目标用户对会员权益的偏好顺序；推送单元，用于按照所述偏好顺序选取预设数量的目标会员权益，并向所述目标用户推送所述目标会员权益的介绍信息。
[0007]第三方面，本申请实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述第一方面中所描述的方法。
[0008]第四方面，本申请实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面中所描述的方法。
[0009]本申请实施例提供的信息推送方法、装置、电子设备和计算机可读介质，通过从目标用户的用户数据中提取特征信息，而后将特征信息输入至预先训练的会员用户预测模型，得到目标用户办理会员的概率，并在基于概率确定出目标用户为潜在会员用户时，基于特征信息和预先训练的会员权益偏好模型，确定目标用户对会员权益的偏好顺序，最后按
照偏好顺序选取预设数量的目标会员权益，并向目标用户推送目标会员权益的介绍信息，由此，可以在用户为潜在会员用户时，向其针对性地推送能够匹配其偏好的会员权益的介绍信息，从而实现了富于针对性的信息推送。所推送的信息有助于使对会员权益更感兴趣的用户更方便快捷地了解和办理会员权益，因此提高了所推送信息的有效性。
附图说明
[0010]通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
[0011]图1是根据本申请的信息推送方法的一个实施例的流程图；
[0012]图2是根据本申请的信息推送方法的历史特征信息的提取过程的示意图；
[0013]图3是根据本申请的信息推送方法的多任务模型的结构示意图；
[0014]图4是根据本申请的信息推送方法的一种推送方式的示意图；
[0015]图5是根据本申请的信息推送方法的另一种推送方式的示意图；
[0016]图6是根据本申请的信息推送装置的一个实施例的结构示意图；
[0017]图7是用于实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0018]下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。
[0019]需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
[0020]请参考图1，其示出了根据本申请的信息推送方法的一个实施例的流程100。该信息推送方法，包括以下步骤：
[0021]步骤101，从目标用户的用户数据中提取特征信息。
[0022]在本实施例中，信息推送方法的执行主体(如服务器等电子设备)可以从目标用户的用户数据中提取特征信息。其中，目标用户的用户数据可以是目标用户与其所使用运营商所提供的服务相关的数据。
[0023]作为示例，上述用户数据可以包括但不限于包括以下至少一项：计费数据、套餐数据(如流量、语音通话时长、短信用量)、行为数据(如点击行为数据、浏览行为数据等)、订单数据、权益领取数据、权益使用数据。其中，权益可以包括但不限于对各类APP(application，应用程序)的流量使用权益。上述APP可包括但不限于短视频APP、直播APP、影视APP等。权益使用数据可包括但不限于对各类APP的使用时长、使用流量等。
[0024]作为示例，特征信息可以包括但不限于以下至少一项：近N(N为正整数)月的流量、语音通话时长、短信使用量均值/最大值、短信超出套餐用量均值/最大值等，以及，针对会员权益包含的APP的使用流量、使用时长、流量均值/最大值等。
[0025]步骤102，将特征信息输入至预先训练的会员用户预测模型，得到目标用户办理会员的概率。
[0026]在本实施例中，上述执行主体中可以存储有预先训练的会员用户预测模型。会员
用户预测模型可以是一个概率模型，用以基于某用户的特征信息确定该用户为会员用户的概率。上述执行主体可以将特征信息输入至预先训练的会员用户预测模型，得到目标用户办理会员的概率。其中，会员用户预测模型可采用机器学习方法(如有监督学习方法)预先训练得到，具体可使用接收到会员推荐信息的用户的历史特征信息训练得到。训练该会员用户预测模型所使用的基础模型可以是各种具有预测功能的模型，如卷积神经网络等。
[0027]在一些可选的实施例中，步骤102中的会员用户预测模型可以通过对多任务模型进行有监督训练后得到。具体地，可通过如下子步骤S11至步骤S13训练得到会员用户预测模型：
[0028]子步骤S11，将接收到会员推荐信息的用户作为候选用户，从各候选用户的历史用户数据中提取历史特征信息，将历史特征信息作为样本，生成第一样本集。
[0029]此处，在选取候选用户时，也可以进行时间显示和接收方式的限制，如可限制为可近M个月(M为正整数)通过短信或者线上客户端接收到会员推荐信息的用户。
[0030]此处，在采集各候选用户的历史用户数据时，可获取计本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推送方法，其特征在于，所述方法包括：从目标用户的用户数据中提取特征信息；将所述特征信息输入至预先训练的会员用户预测模型，得到所述目标用户办理会员的概率；若基于所述概率确定出所述目标用户为潜在会员用户，则基于所述特征信息和预先训练的会员权益偏好模型，确定所述目标用户对会员权益的偏好顺序；按照所述偏好顺序选取预设数量的目标会员权益，并向所述目标用户推送所述目标会员权益的介绍信息。2.根据权利要求1所述的方法，其特征在于，所述会员用户预测模型通过如下步骤训练得到：将接收到会员推荐信息的用户作为候选用户，从各候选用户的历史用户数据中提取历史特征信息，将所述历史特征信息作为样本，生成第一样本集；基于各候选用户对所述会员推荐信息的点击情况和会员办理情况，为所述第一样本集中的各样本添加第一标注和第二标注；基于所述第一样本集，对多任务模型进行有监督训练，得到会员用户预测模型。3.根据权利要求2所述的方法，其特征在于，所述多任务模型包括特征提取网络、点击通过率预测子网络和转化率预测子网络；所述基于所述第一样本集，对多任务模型进行有监督训练，得到会员用户预测模型，包括：迭代执行如下训练步骤：提取所述样本集中的样本并作为目标样本，将所述目标样本输入至所述特征提取网络，将所述特征提取网络输出的数据分别输入至所述点击通过率预测子网络和转化率预测子网络，得到点击通过率预测结果和转化率预测结果；基于所述目标样本的第一标注、第二标注、所述点击通过率预测结果和转化率预测结果，确定所述多任务模型的损失值；基于所述损失值更新所述多任务模型的参数；在满足目标条件时，停止迭代，得到会员用户预测模型。4.根据权利要求2所述的方法，其特征在于，所述会员权益偏好模型通过如下步骤训练得到：从所述第一样本集中选取已办理会员的会员用户的历史特征信息，得到第二样本集；基于所述第二样本集以及各会员用户对各会员权益的领取情况，对梯度提...

【专利技术属性】
技术研发人员：仲籽彦，魏丫丫，龚滨，张明哲，汪利伟，洪迪，
申请(专利权)人：中国电信股份有限公司，
类型：发明
国别省市：