[发明专利]信息推送方法和装置

说明书

本申请公开了一种信息推送方法和装置，属于计算机技术领域。该信息推送方法包括向第一设备发送推送信息，推送信息包括对象推送模型输出得到的多个推送对象，多个推送对象包括目标对象；在第一设备接收到用户针对目标对象的第一输入的情况下，获取第一输入对应的收益值；根据收益值，对对象推送模型进行更新；根据更新后的对象推送模型，向第二设备发送更新后的推送信息。采用本申请提供的信息推送方法和电子设备，至少解决现有技术中推送效果不佳的问题。

技术领域

本申请属于计算机技术领域，具体涉及一种信息推送方法和装置。

背景技术

近年来，随着互联网技术的不断发展，人们越来越倾向于通过网络来搜索信息，各种信息推送平台应运而生，为用户与推送对象之间建立信息桥梁。

现有信息推送平台中，主要采用的信息推送机制是通过机器学习中的监督学习算法，向用户推送该用户最有可能选择的推送对象。

在实现本申请过程中，发明人发现现有技术中至少存在如下问题：由于仅考虑到用户是否会选择该推送对象这一单一因素的影响，导致推送效果不佳。

发明内容

本申请实施例的目的是提供一种信息推送方法和装置，能够解决推送效果不佳的问题。

为了解决上述技术问题，本申请是这样实现的：

第一方面，本申请实施例提供了一种信息推送方法，该方法包括：

向第一设备发送推送信息，所述推送信息包括对象推送模型输出得到的多个推送对象，所述多个推送对象包括目标对象；

在所述第一设备接收到用户针对所述目标对象的第一输入的情况下，获取所述第一输入对应的收益值；

根据所述收益值，对所述对象推送模型进行更新；

根据更新后的对象推送模型，向第二设备发送更新后的推送信息。

第二方面，本申请实施例提供了一种信息推送装置，该装置包括：

信息发送模块，用于向第一设备发送推送信息，所述推送信息包括对象推送模型输出得到的多个推送对象，所述多个推送对象包括目标对象；

收益获取模块，用于在所述第一设备接收到用户针对所述目标对象的第一输入的情况下，获取所述第一输入对应的收益值；

模型更新模块，用于根据所述收益值，对所述对象推送模型进行更新；

推送更新模块，用于根据更新后的对象推送模型，向第二设备发送更新后的推送信息。

第三方面，本申请实施例提供了一种电子设备，该电子设备包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的程序或指令，所述程序或指令被所述处理器执行时实现如第一方面所述的方法的步骤。

第四方面，本申请实施例提供了一种可读存储介质，所述可读存储介质上存储程序或指令，所述程序或指令被处理器执行时实现如第一方面所述的方法的步骤。

第五方面，本申请实施例提供了一种芯片，所述芯片包括处理器和通信接口，所述通信接口和所述处理器耦合，所述处理器用于运行程序或指令，实现如第一方面所述的方法。

在本申请实施例中，通过采用强化学习算法构建的对象推送模型，为用户提供推送信息，利用用户与对象推送模型之间长期的交互和学习，使得对象推送模型得到不断更新优化，由于强化学习算法不仅能考虑到用户选择倾向的影响因素，还能兼顾用户每次选择所带来的后续收益量等多种因素，根据用户每次对象选择结果带来的收益值更新对象推送模型，进而向用户提供不断更新的推送信息，以期获得长期累积收益的最大化，因此，能够提高推送效果。

附图说明

图1是根据一示例性实施例示出的一种信息推送过程的架构图；