[发明专利]信息推送对象更新方法、装置和计算机设备

权利要求书

1.一种信息推送对象更新方法，包括：

获取目标信息推送业务的目标标识集；

提取所述目标标识集中各标识对应的用户的特征，根据所述特征训练得到预测模型；

获取待选用户的标识和特征，将所述待选用户的特征输入到所述预测模型进行预测，得到所述待选用户的预测数值；

根据预测数值选取预设数量的待选用户的标识，得到待选标识集；

根据所述待选标识集更新所述目标信息推送业务的目标标识集。

2.根据权利要求1所述的方法，其特征在于，所述获取目标信息推送业务的目标标识集，包括：

从更新所述目标标识集后开始计时；

当达到预设时长时，获取目标信息推送业务的目标标识集。

3.根据权利要求1所述的方法，其特征在于，所述将所述待选用户的特征输入到所述预测模型进行预测，得到所述待选用户的预测数值，包括：

根据所述待选用户的特征确定所述待选用户属于所述预测模型中的各分类的概率；

获取所述预测模型中的各分类对应的权重；

根据所述概率和权重，确定所述待选用户的预测数值。

4.根据权利要求1所述的方法，其特征在于，所述提取所述目标标识集中各标识对应的用户的特征，根据所述特征训练得到预测模型，包括：

将所述目标标识集中各标识对应的用户分类为正样本和负样本；

提取所述正样本的特征和所述负样本的特征，所述正样本的特征和所述负样本的特征包括用户的属性信息、个人兴趣和垂直行业中的至少一个；

根据所述正样本的特征和所述负样本的特征训练得到预测模型。

5.根据权利要求4所述的方法，其特征在于，在所述定时获取目标信息推送业务的目标标识集之后，还包括：

检测所述目标标识集中各标识对应的用户为正样本的数量；

将所述正样本的数量与预设样本数量对比；

当所述正样本的数量小于所述预设样本数量时，获取与所述目标信息推送业务类型相同的信息推送业务对应的用户的特征；

所述提取所述目标标识集中各标识对应的用户的特征，根据所述特征训练得到预测模型，包括：

提取所述目标标识集中各标识对应的用户的特征；

根据所述目标标识集中各标识对应的用户的特征和所述类型相同的信息推送业务对应的用户的特征训练得到预测模型。

6.根据权利要求1所述的方法，其特征在于，所述预测模型包括因子分解机模型和集成树模型；所述根据所述特征训练得到预测模型，包括：

通过所述因子分解机模型对所述特征进行特征转换和特征拼接处理；

将所述因子分解机模型的输出输入到所述集成树模型进行模型训练，得到预测模型。

7.根据权利要求6所述的方法，其特征在于，所述通过因子分解机模型对所述特征进行特征转换，包括：

将所述目标标识集中的每个标识对应的用户的特征与预设特征分别进行匹配；

将与所述每个标识对应的用户的特征相匹配的预设特征的特征向量，作为所述每个标识对应的特征向量。

8.根据权利要求7所述的方法，其特征在于，通过所述因子分解机模型对所述特征进行特征拼接处理，包括：

针对所述目标标识集中任一标识，获取所述标识对应的特征向量中的第一维特征向量；

将所述第一维特征向量进行降维处理，得到第二维特征向量，所述第二维特征向量的维度小于所述第一维特征向量的维度；

将所述第二维特征向量与所述标识对应的特征向量中除第一维特征向量外的其余特征向量进行拼接处理。

9.根据权利要求1所述的方法，其特征在于，所述根据所述待选标识集更新所述目标信息推送业务的目标标识集，包括：

确定所述待选标识集和所述目标标识集中不相同的标识；

将所述目标标识集中不相同的标识替换为所述待选标识集中不相同的标识。