[发明专利]一种消息推送方法、装置、电子设备及介质

权利要求书

1.一种消息推送方法，其特征在于，所述方法包括：

获取候选消息；

获取目标对象的状态数据；

确定出与所述候选消息的类型对应的点击率预测模型，以及将所述状态数据输入所述点击率预测模型进行点击率预测；

当预测得到的点击率符合点击率阈值的要求时，向客户端推送所述候选消息；

其中，所述点击率预测模型是通过多个状态样本数据进行机器学习训练获得的，所述状态样本数据携带有同类消息的实际点击率，所述同类消息与所述候选消息属于同一类型。

2.根据权利要求1所述的方法，其特征在于，所述当预测得到的点击率符合点击率阈值的要求时，向客户端推送所述候选消息，包括：

当所述预测得到的点击率符合所述点击率阈值的要求时，将所述候选消息作为目标消息；

在参考时间段上确定出当前时间点所在的子时间段，所述参考时间段包括至少两个子时间段，每个子时间段对应着一个历史点击率分布信息；

确定出在所述所在的子时间段之后的目标时间段；

比较所述预测得到的点击率和目标时间段对应的点击率；

当所述预测得到的点击率大于所述目标时间段对应的点击率时，向所述客户端推送所述目标消息。

3.根据权利要求2所述的方法，其特征在于，所述历史点击率分布信息的得到过程包括如下步骤：

获取历史时间段内每个所述同类消息的第一点击情况；

确定所述参考时间段，以及在所述参考时间段上确定出所述至少两个子时间段；

根据所述第一点击情况以及所述历史时间段与所述参考时间段的对应关系，得到所述每个子时间段内所述每个所述同类消息的第二点击情况；

将所述第二点击情况作为所述历史点击率分布信息。

4.根据权利要求1-3任一所述的方法：

所述获取候选消息，包括：

获取至少两个所述候选消息；

所述确定出与所述候选消息的类型对应的点击率预测模型，以及将所述状态数据输入所述点击率预测模型进行点击率预测，包括：

分别确定出与所述至少两个所述候选消息的类型对应的点击率预测模型；

将所述状态数据分别输入所述对应的点击率预测模型进行点击率预测；

所述当预测得到的点击率符合点击率阈值的要求时，向客户端推送所述候选消息，之前包括：

根据所述至少两个所述候选消息对应的预测点击率得到用于消息推送的优先级级别序列。

5.根据权利要求1所述的方法，其特征在于：

所述将所述状态数据输入所述点击率预测模型进行点击率预测，之前还包括：

从所述状态数据中提取至少两个维度的特征，所述至少两个维度包括历史状态维度、当前状态维度、活跃度和反馈情况；

相应的，所述将所述状态数据输入所述点击率预测模型进行点击率预测，包括：

将所述至少两个维度的特征输入所述点击率预测模型进行点击率预测。

6.根据权利要求1所述的方法，其特征在于，所述获取目标对象的状态数据，包括：

基于当前时间段和历史时间段采集所述目标对象的多个行为数据，每个行为数据携带有对应的属性信息；

根据所述对应的属性信息，对所述多个行为数据作结构化处理得到所述状态数据。

7.根据权利要求1所述的方法，其特征在于，所述点击率预测模型的训练过程包括如下步骤：

获取所述状态样本数据；

将所述状态样本数据输入神经网络模型进行点击率预测训练；

在训练过程中，调整所述神经网络模型的模型参数至所述神经网络模型输出的点击率与输入的所述状态样本数据携带的所述实际点击率相匹配；

将调整后的模型参数对应的神经网络模型作为所述点击率预测模型。