[发明专利]信息推送方法、装置、计算机设备和存储介质

说明书

本申请涉及一种信息推送方法、装置、计算机设备和存储介质。其中方法通过接收共享车辆的关锁信息，根据关锁信息获取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，并根据共享车辆的位置信息获取设定范围内的待推送信息，根据当前关锁的用户账号对应的用户特征信息预测待推送信息中多个电子凭证的使用概率，以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，不仅实现了精准推送，且能够提高信息推送的成功率，而且还避免了在共享车辆上张贴广告影响市容的问题。

技术领域

本申请涉及信息处理技术领域，特别是涉及一种信息推送方法、装置、计算机设备和存储介质。

背景技术

随着共享经济的发展，共享车辆已遍布全国各地，且成为一种重要的出行方式，但是目前其使用方式较为单一，仅能用于单纯的代步，而不能提供更多的扩展服务。

由于目前共享车辆已达到百万级甚至千万级，因此也逐渐的被用于信息传播，如有些商家试图通过在共享车辆上张贴广告的形式推送自己的产品，但是由于是随机推送，且共享车辆的位置不断发生变化，因此无法获知哪些用户对推送的产品感兴趣，哪些用户不感兴趣，导致其推送成功率并不高。且这种张贴广告的形式还会影响市容。因此，如何充分利用共享单车向用户精准推送信息成为目前亟待解决的问题。

发明内容

基于此，有必要针对上述通过在共享单车上张贴广告的形式推送成功率不高的问题，提供一种充分利共享单车进行信息推送的方法、装置、计算机设备和存储介质。

一种信息推送方法，所述方法包括：

接收共享车辆的关锁信息，根据关锁信息获取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；

根据共享车辆的位置信息获取设定范围内的待推送信息，其中，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。

在其中一个实施例中，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多个电子凭证的使用概率，其中，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、向样本用户账号推送的电子凭证的特征信息以及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；通过训练数据集训练梯度提升迭代决策树网络，得到使用概率预测模型。

在其中一个实施例中，根据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、电子凭证对应资源的属性信息以及电子凭证的使用地点与共享车辆的位置之间的距离，并将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。

在其中一个实施例中，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。