[发明专利]一种内容推广方法、装置、计算机设备和存储介质

权利要求书

1.一种内容推广方法，其特征在于，包括：

获取用户集合，所述用户集合包括候选正类用户集合、负类用户集合以及参考用户集合，所述负类用户集合包括至少一个对推广内容感兴趣的可能性低于候选正类用户的用户，所述参考用户集合包括至少一个对推广内容感兴趣的可能性高于候选正类用户的用户；

基于所述候选正类用户集合和所述参考用户集合对初始分类模型进行训练，得到训练后分类模型；

通过所述训练后分类模型对所述候选正类用户集合进行优化，得到正类用户集合；

基于所述正类用户集合和所述负类用户集合对初始推广模型进行训练，得到训练后推广模型；

通过所述训练后推广模型对所述用户集合进行筛选，得到目标用户，向所述目标用户对应的终端推广内容。

2.根据权利要求1所述的方法，其特征在于，所述基于所述候选正类用户集合和所述参考用户集合对初始分类模型进行训练，得到训练后分类模型，包括：

获取候选正类用户的行为信息，根据所述行为信息确定所述候选正类用户集合的匹配值；

若所述匹配值小于预设阈值，则基于所述候选正类用户集合和所述参考用户集合对初始分类模型进行训练，得到训练后分类模型。

3.根据权利要求2所述的方法，其特征在于，所述基于所述候选正类用户集合和所述参考用户集合对初始分类模型进行训练，得到训练后分类模型，包括：

将所述参考用户集合分为第一参考用户集合和第二参考用户集合；

将所述第一参考用户集合作为正样本，所述第二参考用户集合和所述候选正类用户集合作为负样本对所述初始分类模型进行训练，得到训练后分类模型。

4.根据权利要求1所述的方法，其特征在于，所述通过所述训练后分类模型所述候选正类用户集合进行优化，得到正类用户集合，包括：

通过所述训练后分类模型计算所述候选正类用户集合中每个候选正类用户为目标正类用户的概率值；

从所述候选正类用户集合中筛选出概率值大于预设概率阈值的候选正类用户，得到目标候选正类用户集合；

将所述目标候选正类用户集合作为所述候选正类用户集合，返回执行基于所述候选正类用户集合和所述参考用户集合对分类模型进行训练，得到训练后分类模型，通过所述训练后分类模型计算所述候选正类用户集合中每个候选正类用户为目标正类用户的概率值，从所述候选正类用户集合中筛选出概率值大于预设概率阈值的候选正类用户的操作，直至训练迭代次数或筛选得到的目标候选正类用户集合符合预设条件，得到正类用户集合。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述获取用户集合，包括：

获取内容推广请求，所述内容推广请求携带标识信息和预设参数；

若所述标识信息为目标标识，则获取终端发送的所述用户集合；

若所述标识信息不为目标标识，则根据所述预设参数从数据库中获取所述用户集合。

6.根据权利要求5所述的方法，其特征在于，所述内容推广请求携带模型参数，所述初始推广模型包括多个初始推广模型，所述基于所述正类用户集合和所述负类用户集合对初始推广模型进行训练，得到训练后推广模型，包括：

从所述多个初始推广模型中选择与所述模型参数匹配的初始推广模型，得到目标初始推广模型；

基于所述正类用户集合和所述负类用户集合对所述目标初始推广模型进行训练，得到所述训练后推广模型。

7.根据权利要求6所述的方法，其特征在于，所述正类用户集合和所述负类用户集合携带目标预测结果，所述基于所述正类用户集合和所述负类用户集合对初始推广模型进行训练，得到训练后推广模型，包括：

通过所述初始推广模型对所述正类用户集合和所述负类用户集合进行预测，得到预测结果；

基于损失函数将所述预测结果和所述目标预测结果进行收敛，以得到训练后推广模型。