[发明专利]一种信息推送方法及装置

权利要求书

1.一种信息推送方法，其特征在于，该方法包括：

获取用户信息、商品信息、用户历史行为商品序列信息；

根据所获取的信息，采用强化学习的方法训练用户-商品兴趣模型；采用深度学习的方法训练用户-商品复购周期模型；

当前用户进行在线访问时，查找当前用户的用户信息、商品信息、用户历史行为商品序列信息，根据用户-商品兴趣模型和用户-商品复购周期模型得到当前用户对商品列表中各商品的复购周期；

根据当前用户的历史购买记录时间，与商品列表中各商品的复购周期进行比较，对商品列表中的非复购商品进行过滤后，得到当前用户的推荐商品列表。

2.如权利要求1所述的方法，其特征在于，采用强化学习的方法训练用户-商品兴趣模型具体包括：

构建eval神经网络和target神经网络两个相同的神经网络，其中eval神经网络用于获取推荐商品列表以及推荐结果好坏程度的预测值，target神经网络用于完成对eval神经网络参数的更新；

初始化eval神经网络参数θ^Q和θ^μ；初始化target神经网络参数θ^Q′＝θ^Q，θ^μ′＝θ^μ；

将每一用户的用户信息、商品信息、用户历史行为商品序列信息，作为一条训练数据s_i；将(s_i,a_i,r_i,s_i+1)作为强化学习训练集N个样本中的第i个样本；其中，a_i为第i个样本的推荐商品列表，r_i为第i个样本的用户反馈，s_i+1为第i个样本下一状态的用户信息、商品信息、用户历史行为商品序列信息；

根据第i个样本的推荐结果好坏程度的目标值和推荐结果好坏程度的预测值，构造第一损失函数；在eval神经网络中，将第一损失函数取小值进行优化，更新eval神经网络参数θ^Q；

在eval神经网络中，将用户反馈的期望函数取小值进行优化，更新eval神经网络参数θ^μ；

根据θ^Q和θ^μ更新target神经网络的参数为θ^Q′和θ^μ′，得到训练后的用户-商品兴趣模型。

3.如权利要求1所述的方法，其特征在于，采用深度学习的方法训练用户-商品复购周期模型具体包括：

将每一用户的用户信息和用户所买商品信息作为深度学习训练集M个样本中的第i个样本，i∈M，M为自然数；

将第i个样本的用户信息和用户所买商品信息输入用户-商品复购周期模型，得到商品复购周期训练值；

根据第i个样本的商品复购周期训练值和复购周期真实值，构造第二损失函数，对第二损失函数取最小值进行优化，更新网络权值参数，得到训练后的用户-商品复购周期模型。

4.如权利要求1所述的方法，其特征在于，所述当前用户进行在线访问时，查找当前用户的用户信息、商品信息、用户历史行为商品序列信息，根据用户-商品兴趣模型和用户-商品复购周期模型得到当前用户对商品列表中各商品的复购周期，具体包括：

当前用户进行访问时，根据当前用户标识获取用户信息、商品信息、用户历史行为商品序列信息；

将所述用户信息、商品信息、用户历史行为商品序列信息输入到用户-商品兴趣模型，得到当前用户的商品列表；

将当前用户信息和商品列表中的商品信息分别输入到用户-商品复购周期模型，得到当前用户对商品列表中各商品的复购周期。