[发明专利]信息推送方法、装置、设备及计算机可读存储介质

权利要求书

1.一种信息推送方法，其特征在于，包括：

获取至少一个用户在目标应用中的历史使用数据；

将所述历史使用数据输入至预设的预测模型中，获得各所述用户办理目标使用权限的概率；

获取办理目标使用权限的概率超过预设的概率阈值的至少一个目标用户；

向所述至少一个目标用户推送与所述使用权限对应的推送信息。

2.根据权利要求1所述的方法，其特征在于，所述预测模型包括向量化子网络、低阶特征提取子网络、中阶特征提取子网络以及高阶特征提取子网络；

所述将所述历史使用数据输入至预设的预测模型中，获得各所述用户办理目标使用权限的概率，包括：

将所述历史使用数据输入至所述向量化子网络中，获得所述历史使用数据对应的目标向量；

将所述目标向量输入至所述低阶特征提取子网络获得所述历史使用数据对应的低阶特征数据；以及，将所述目标向量输入至所述中阶特征提取子网络获得所述历史使用数据对应的中阶特征数据；以及，所述目标向量输入至所述高阶特征提取子网络获得所述历史使用数据对应的高阶特征数据；

根据所述低阶特征数据、中阶特征数据以及高阶特征数据确定各所述用户办理目标使用权限的概率。

3.根据权利要求2所述的方法，其特征在于，所述低阶特征提取子网络为FM模型；

相应地，所述将所述目标向量输入至所述低阶特征提取子网络获得所述历史使用数据对应的低阶特征数据，包括：

将所述目标向量输入至所述FM模型中进行数据处理；

通过预设的防止过拟合技术随机丢弃所述FM模型数据处理过程中的交互路径。

4.根据权利要求2所述的方法，其特征在于，所述中阶特征提取子网络包括卷积层、池化层以及全连接层；

相应地，所述将所述目标向量输入至所述中阶特征提取子网络获得所述历史使用数据对应的中阶特征数据，包括：

通过所述卷积层以及所述池化层获取所述目标向量对应的特征信息；

通过所述全连接层拼接所述特征信息，获得所述中阶特征数据。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述将所述历史使用数据输入至预设的预测模型中之前，还包括：

从所述数据服务器中获取预设的待处理数据集，所述待处理数据集中包括多个用户的历史使用数据以及所述多个用户对应的使用权限办理信息；

通过所述使用权限办理信息对所述多个用户的历史使用数据进行标注，获得第一待训练数据集；

通过所述第一待训练数据集对预设的待训练模型进行训练，获得所述预测模型。

6.根据权利要求5所述的方法，其特征在于，所述从所述数据服务器中获取预设的待处理数据集，包括：

从所述数据服务器中获取预设的第一时间阈值内存在历史订单，和/或，预设的第二时间阈值内浏览目标网页数量超过预设的次数阈值，和/或，对任一目标项目偏好分数超过预设的分数阈值的用户对应的历史使用数据，作为所述待处理数据集，其中，所述偏好分数是通过预设的分数计算模型计算获得的。

7.根据权利要求5所述的方法，其特征在于，所述待处理数据集中还包括多个用户对应的使用权限类型的信息；所述方法还包括：

通过所述使用权限类型的信息对所述多个用户的历史使用数据进行标注，获得第二待训练数据集；

通过所述第二待训练数据集对预设的待训练模型进行训练，获得类型预测模型；

将所述历史使用数据输入至所述类型预测模型中，获得各所述用户办理使用权限的类型信息。

8.根据权利要求5所述的方法，其特征在于，所述待处理数据集中还包括多个用户对应的个性化浏览信息；所述方法还包括：

通过所述个性化浏览信息对所述多个用户的历史使用数据进行标注，获得第三待训练数据集；

通过所述第三待训练数据集对预设的待训练模型进行训练，获得浏览页面预测模型；

将所述历史使用数据输入至所述浏览页面预测模型中，获得各所述用户个性化浏览页面信息；

向所述至少一个用户推送所述个性化浏览页面信息。