【技术实现步骤摘要】
本申请涉及计算机，具体涉及一种内容推送方法、装置、电子设备和存储介质。
技术介绍
1、近年来，随着互联网的兴起，使人们可以在浏览相同的页面时看到不同的媒体内容，实现媒体内容的个性化展示。
2、目前，通过对点击数、曝光等数据进行测试，可以了解不同用户感兴趣的媒体内容，从而向每个用户更精准的展示对应的媒体内容，以提高媒体内容的推送效率，改善媒体内容投放效果和页面的访问量。
3、然而，只使用曝光、点击等数据会对用户兴趣刻画不准确，例如，曝光数据只表示广告或内容被展示给用户的次数，但并不能确定用户是否真正关注或感兴趣。用户可能在浏览页面时忽略了广告或内容，或者只是简单地滚动过去而没有真正注意到它们。而点击数据只表示用户对广告或内容进行了点击操作，但不能确定用户的具体兴趣，用户可能只是出于好奇、误点或其他原因进行了点击，而并不代表他们对该广告或内容有真正的兴趣。因此，目前的内容推送方法无法保证推送准确性，不仅影响了用户体验，而且导致了资源浪费。
技术实现思路
1、本申请实施例提供一种内容推送方法、装置、电子设备和存储介质，可以提升内容推送。
2、本申请实施例提供一种内容推送方法，包括：
3、获取推送对象的对象信息以及多个推送内容的内容信息，所述内容信息包括所述推送内容被浏览时的浏览时长；
4、根据所述内容信息和所述对象信息，确定所述推送内容的目标点击率和目标转化率；
5、根据所述浏览时长，对所述多个推送内容进行排序，得到
6、根据所述排序结果、所述预测点击率和所述预测转化率，从所述多个推送内容中筛选出至少一个目标推送内容；
7、将所述目标推送内容推送给所述推送对象。
8、本申请实施例还提供一种内容推送装置，包括：
9、获取单元，用于获取推送对象的对象信息以及多个推送内容的内容信息，所述内容信息包括所述推送内容被浏览时的浏览时长；
10、确定单元，用于根据所述内容信息和所述对象信息，确定所述推送内容的目标点击率和目标转化率；
11、排序单元，用于根据所述浏览时长，对所述多个推送内容进行排序，得到排序结果；
12、筛选单元，用于根据所述排序结果、所述预测点击率和所述预测转化率，从所述多个推送内容中筛选出至少一个目标推送内容；
13、推送单元，用于将所述目标推送内容推送给所述推送对象。
14、在一些实施例中，确定单元，具体用于：
15、基于所述内容信息和所述对象信息，采用点击率预测模型对所述推送内容的点击率进行预测，得到所述预测点击率；
16、基于所述内容信息和所述对象信息，采用采用转化率预测模型对所述推送内容的转化率进行预测，得到所述目标转化率。
17、在一些实施例中，该装置还包括：
18、数据样本获取单元，用于获取多个与浏览时长相关的数据样本，所述数据样本包括对象信息样本和内容信息样本；
19、训练权重确定单元，用于基于所述数据样本对应的浏览时长，确定所述数据样本的目标训练权重；
20、点击率预测模型训练单元，用于基于所述数据样本和所述目标训练权重进行模型训练，以得到所述点击率预测模型。
21、在一些实施例中，训练权重确定单元，包括：
22、权重获取子单元，用于获取所述数据样本的初始训练权重；
23、调整量确定子单元，用于根据所述数据样本对应的浏览时长，确定所述数据样本的权重调整量；
24、更新子单元，用于基于所述权重调整量对所述初始训练权重进行更新，得到所述目标训练权重，其中，所有所述数据样本的目标训练权重的总和等于所有所述数据样本的初始训练权重的总和。
25、在一些实施例中，点击率预测模型训练单元，具体用于：
26、采用预设点击率预测模型对所述数据样本进行点击率预测，得到预测点击率；
27、获取所述数据样本对应的真实点击率；
28、根据所述真实点击率、所述预测点击率以及所述数据样本对应的目标训练权重，确定所述预设点击率预测模型的模型损失；
29、基于所述模型损失，对所述预设点击率预测模型进行收敛，得到所述点击率预测模型。
30、在一些实施例中，点击率预测模型训练单元，具体用于：
31、对所述预测点击率进行对数计算，得到第一对数值，并计算所述真实点击率与所述第一对数值的积，得到第一计算值；
32、计算1与所述真实点击率的差值，得到第一差值，并计算1与所述预测点击率的差值，得到第二差值；
33、对所述第二差值进行对数计算，得到第二对数值，并计算所述第一差值与所述第二对数值的积，得到第二计算值；
34、计算所述第一计算值和第二计算值的和的负数，得到第三计算值；
35、将所述第三计算值与所述目标训练权重的积，确定为所述模型损失。
36、在一些实施例中，该装置还包括：
37、训练样本获取单元，用于获取训练样本，所述训练样本包括对象信息样本、内容信息样本以及包含浏览时长的数据样本；
38、转化率预测模型训练单元，用于基于所述训练样本对预设转化率预测模型进行模型训练，得到所述转化率预测模型，其中，所述预设转化率预测模型包括用于预测转化率的转化率预测塔和用于预测浏览时长的时长预测塔。
39、在一些实施例中，转化率预测模型训练单元，具体用于：
40、获取所述转化率预测塔的第一损失权重和所述时长预测塔的第二损失权重，其中，所述第一损失权重大于所述第二损失权重；
41、基于所述训练样本、所述第一损失权重、所述第二损失权重，对所述预设转化率预测模型中的所述转化率预测塔和所述时长预测塔进行训练，得到所述转化率预测模型。
42、在一些实施例中，所述训练样本包括点击率样本和转化率样本，其中，所述点击率样本为浏览时长大于指定时长的点击次数与总点击次数之间的比值，所述转化率样本为转化次数与浏览时长大于指定时长的点击次数之间的比值。
43、在一些实施例中，筛选单元，具体用于：
44、所述根据所述排序结果、所述预测点击率和所述预测转化率，从所述多个推送内容中筛选出至少一个目标推送内容，包括：
45、获取所述每一推送内容在所述排序结果中的次序，其中，所述次序与浏览时长正相关；
46、基于所述推送内容的次序、预测点击率以及预测转化率，确定所述推送内容的评分值；
47、将所述多个推送内容中评分值满足预设条件的推送内容，确定为目标推送内容。
48、在一些实施例中，筛选单元，具体还用于：
49、获取所述推送内容的次序对应的第一权重、预测点击率对应的第二权重以及预测转化率对应的第三权重；
50、基于所述第一权重、所述第一权重以及第三权重，将所述推送内容的次本文档来自技高网...
【技术保护点】
1.一种内容推送方法，其特征在于，包括：
2.根据权利要求1所述的内容推送方法，其特征在于，所述根据所述内容信息和所述对象信息，确定所述推送内容的预测点击率和预测转化率，包括：
3.根据权利要求2所述的内容推送方法，其特征在于，在所述基于所述内容信息和所述对象信息，采用点击率预测模型对所述推送内容的点击率进行预测，得到所述目标点击率之前，所述方法还包括：
4.根据权利要求3所述的内容推送方法，其特征在于，所述基于所述数据样本对应的浏览时长，确定所述数据样本的目标训练权重，包括：
5.根据权利要求3所述的内容推送方法，其特征在于，所述基于所述数据样本和所述目标训练权重进行模型训练，以得到所述点击率预测模型，包括：
6.根据权利要求5所述的内容推送方法，其特征在于，所述根据所述真实点击率、所述预测点击率以及所述数据样本对应的目标训练权重，确定所述预设点击率预测模型的模型损失，包括：
7.根据权利要求2所述的内容推送方法，其特征在于，在所述基于所述内容信息和所述对象信息，采用采用转化率预测模型对所述推送内容的转化率
8.根据权利要求7所述的内容推送方法，其特征在于，所述基于所述训练样本对预设转化率预测模型进行模型训练，得到所述转化率预测模型，包括：
9.根据权利要求7所述的内容推送方法，其特征在于，所述训练样本包括点击率样本和转化率样本，其中，所述点击率样本为浏览时长大于指定时长的点击次数与总点击次数之间的比值，所述转化率样本为转化次数与浏览时长大于指定时长的点击次数之间的比值。
10.根据权利要求1至9任一项所述的内容推送方法，其特征在于，所述根据所述排序结果、所述预测点击率和所述预测转化率，从所述多个推送内容中筛选出至少一个目标推送内容，包括：
11.根据权利要求10所述的内容推送方法，其特征在于，所述基于所述推送内容的次序、预测点击率以及预测转化率，确定所述推送内容的评分值，包括：
12.一种内容推送装置，其特征在于，包括：
13.一种电子设备，其特征在于，包括处理器和存储器，所述存储器存储有多条指令；所述处理器从所述存储器中加载指令，以执行如权利要求1～11任一项所述的内容推送方法中的步骤。
14.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行权利要求1～11任一项所述的内容推送方法中的步骤。
15.一种计算机程序产品，其特征在于，包括计算机程序/指令，所述计算机程序/指令被处理器执行时实现权利要求1～11任一项所述的内容推送方法中的步骤。
...【技术特征摘要】
1.一种内容推送方法，其特征在于，包括：
2.根据权利要求1所述的内容推送方法，其特征在于，所述根据所述内容信息和所述对象信息，确定所述推送内容的预测点击率和预测转化率，包括：
3.根据权利要求2所述的内容推送方法，其特征在于，在所述基于所述内容信息和所述对象信息，采用点击率预测模型对所述推送内容的点击率进行预测，得到所述目标点击率之前，所述方法还包括：
4.根据权利要求3所述的内容推送方法，其特征在于，所述基于所述数据样本对应的浏览时长，确定所述数据样本的目标训练权重，包括：
5.根据权利要求3所述的内容推送方法，其特征在于，所述基于所述数据样本和所述目标训练权重进行模型训练，以得到所述点击率预测模型，包括：
6.根据权利要求5所述的内容推送方法，其特征在于，所述根据所述真实点击率、所述预测点击率以及所述数据样本对应的目标训练权重，确定所述预设点击率预测模型的模型损失，包括：
7.根据权利要求2所述的内容推送方法，其特征在于，在所述基于所述内容信息和所述对象信息，采用采用转化率预测模型对所述推送内容的转化率进行预测，得到所述目标转化率之前，所述方法还包括：
8.根据权利要求7所述的内容推送方法，其特征在于，所述基于所述训练样本对预设转化率预测模型进行模型训练，得到所述转化率预测...
【专利技术属性】
技术研发人员：石鑫，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。