[发明专利]信息推送方法、装置、设备和存储介质

权利要求书

1.一种信息推送方法，其特征在于，包括：

获取目标用户对应的用户属性数据；

将所述目标用户对应的用户属性数据以及待推广信息对应的信息属性数据输入推广信息点击预测模型，获取所述目标用户对所述待推广信息的点击预测结果；

在输入推广信息点击预测模型之前包括：

按照设定比例将所有训练样本数据划分为常规样本数据和检验样本数据；

使用常规样本数据训练基础模型，得到待检验模型；

使用检验样本数据检验待检验模型的输出数据的准确率是否大于设定阈值，若是，则将满足所述准确率大于设定阈值的基础模型中的样本数据使用梯度提升决策树进行梯度分类处理；

所述推广信息点击预测模型通过至少两个用户分别对应的推广信息点击数据和用户属性数据训练生成；所述推广信息点击数据至少包括：向对应的用户推送的推广信息、所述推广信息对应的属性信息以及所述对应的用户对所述推广信息的点击次数；

根据所述点击预测结果确定是否向所述目标用户推送所述待推广信息；

所述点击预测结果为点击或不点击；

所述根据所述点击预测结果确定是否向所述目标用户推送所述待推广信息，包括：

如果所述点击预测结果为点击，则判断所述目标用户对应的用户属性数据是否与所述待推广信息对应的推送人群的属性相匹配；

若所述目标用户对应的用户属性数据与所述待推广信息对应的推送人群的属性相匹配，则向所述目标用户推送所述待推广信息。

2.根据权利要求1所述的方法，其特征在于，在所述获取目标用户对应的用户属性数据之前，还包括：

获取与所述至少两个用户分别对应的所述推广信息点击数据和用户属性数据；

将所述至少两个用户中的任一个用户对应的所述推广信息点击数据中的任一个推广信息对应的所有数据，以及该任一个用户的用户属性数据作为一份训练样本数据，其中，所述任一个推广信息对应的所有数据至少包括：该推广信息、该推广信息对应的属性信息以及所述任一个用户对该推广信息的点击次数；

使用所述训练样本数据训练基础模型，得到所述推广信息点击预测模型。

3.根据权利要求2所述的方法，其特征在于，所述使用所述训练样本数据训练基础模型，得到所述推广信息点击预测模型，包括：

将包括的所述对应的用户对所述推广信息的点击次数大于设定阈值的所述训练样本数据划分为正样本数据；

将包括的所述对应的用户对所述推广信息的点击次数小于等于设定阈值的所述训练样本数据划分为负样本数据；

使用所述正样本数据和所述负样本数据训练基础模型，得到所述推广信息点击预测模型。

4.根据权利要求2所述的方法，其特征在于，所述使用所述训练样本数据训练基础模型，得到所述推广信息点击预测模型，包括：

若所述待检验模型的输出数据的准确率大于所述设定阈值，则将所述待检验模型作为所述推广信息点击预测模型。

5.根据权利要求4所述的方法，其特征在于，所述将所述待检验模型作为所述推广信息点击预测模型，包括：

将所述常规样本数据输入梯度提升决策树，得到梯度样本数据；

使用所述梯度样本数据训练所述基础模型，得到所述推广信息点击预测模型。

6.根据权利要求1-5中任一项所述的方法，其特征在于，所述点击预测结果为预测点击概率；

所述根据所述点击预测结果确定是否向所述目标用户推送所述待推广信息，包括：

判断所述预测点击概率是否大于所述待推广信息对应的推送点击概率；

若所述预测点击概率大于所述待推广信息对应的推送点击概率，则向所述目标用户推送所述待推广信息。