[发明专利]信息推送方法、装置、计算机设备和存储介质

权利要求书

1.一种信息推送方法，其特征在于，所述方法包括：

接收共享车辆的关锁信息，根据所述关锁信息获取所述共享车辆的位置信息以及当前关锁的用户账号对应的用户特征信息，所述用户特征信息包括用户基本信息和用户行为特征信息；

根据所述共享车辆的位置信息获取设定范围内的待推送信息，所述待推送信息包括与当前时间匹配的用于交换资源的多个电子凭证；

根据当前关锁的用户账号对应的用户特征信息预测所述多个电子凭证的使用概率；

向当前关锁的用户账号推送使用概率较高的目标个数的电子凭证。

2.根据权利要求1所述的方法，其特征在于，通过采用深度学习的使用概率预测模型，并根据当前关锁的用户账号对应的用户特征信息预测所述多个电子凭证的使用概率，所述使用概率预测模型的生成方法包括：

获取训练数据集，所述训练数据集是通过向若干个使用共享车辆的样本用户账号推送电子凭证后得到的，所述训练数据集中包括每个样本用户账号对应的用户特征信息、向所述样本用户账号推送的电子凭证的特征信息以及所述电子凭证是否被使用的标记信息，所述用户特征信息包括用户基本信息和用户行为特征信息；

通过所述训练数据集训练梯度提升迭代决策树网络，得到所述使用概率预测模型。

3.根据权利要求2所述的方法，其特征在于，所述根据所述共享车辆的位置信息获取设定范围内的待推送信息，包括：

通过调用数据传输接口获取以所述共享车辆的位置信息为中心的设定范围内的多个电子凭证以及每个所述电子凭证的特征信息，所述电子凭证的特征信息包括电子凭证所属的类型、所述电子凭证对应资源的属性信息以及所述电子凭证的使用地点与所述共享车辆的位置之间的距离，并将所述多个电子凭证确定为待推送信息；

所述通过采用深度学习的使用概率预测模型，并根据当前关锁的用户账号对应的用户特征信息预测所述多个电子凭证的使用概率，包括：

对当前关锁的用户账号对应的用户特征信息以及每个电子凭证的特征信息进行预处理，得到与每个电子凭证对应的待预测数据；

将与每个电子凭证对应的待预测数据分别输入所述深度学习的使用概率预测模型，分别得到预测的每一个电子凭证的使用概率。

4.根据权利要求3所述的方法，其特征在于，所述对当前关锁的用户账号对应的用户特征信息以及每个电子凭证的特征信息进行预处理，得到与每个电子凭证对应的待预测数据，包括：

根据设定的数据拼接规则对当前关锁的用户账号对应的用户特征信息以及每个电子凭证的特征信息进行拼接，得到拼接后的与每个电子凭证对应的待预测数据。

5.根据权利要求3所述的方法，其特征在于，所述向当前关锁的用户账号推送使用概率较高的目标个数的电子凭证之后，所述方法还包括：

获取所述用户账号对推送的目标个数的电子凭证的使用结果；

根据所述用户账号对应的用户特征信息、推送的每个电子凭证的特征信息以及对应的使用结果，训练所述使用概率预测模型，得到重新训练后的使用概率预测模型。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述向当前关锁的用户账号推送使用概率较高的目标个数的电子凭证，包括：

根据预测的所述多个电子凭证的使用概率的大小对所述多个电子凭证进行排序；

将排序结果中排序靠前的目标个数的电子凭证确定为使用概率较高的电子凭证。

7.一种信息推送方法，其特征在于，所述方法包括：

响应于对共享车辆的关锁触发指令，获取所述共享车辆的位置信息以及当前关锁的用户账号对应的用户特征信息，所述用户特征信息包括用户基本信息和用户行为特征信息；

向服务端发送所述共享车辆的位置信息以及当前关锁的用户账号对应的用户特征信息，以指示所述服务端根据所述共享车辆的位置信息以及当前关锁的用户账号对应的用户特征信息，获取使用概率较高的目标个数的电子凭证；

接收所述服务端返回的使用概率较高的目标个数的电子凭证。