[发明专利]一种信息推荐方法、装置及设备

权利要求书

1.一种信息推荐方法，其特征在于，包括：

获取目标用户的画像信息；所述画像信息包括行为信息和个人属性信息；所述行为信息包括目标用户在使用第一交通设备时生成的信息；所述个人属性信息至少包括下述之一：用户浏览关于第二交通设备的信息、用户点击关于第二交通设备信息的次数、用户领取关于第二交通设备的优惠券信息；

基于所述画像信息生成所述目标用户使用第二交通设备的使用概率；所述基于所述画像信息生成所述目标用户使用第二交通设备的使用概率，包括：利用使用概率预测模型对所述画像信息进行处理，获得所述目标用户使用第二交通设备的使用概率；其中，所述使用概率预测模型根据用户的画像信息和类别标签训练获得；所述类别标签根据用户在预设时间内是否使用第二交通设备确定；所述使用概率预测模型通过下述方式获得：获取用户的画像信息；所述画像信息包括行为信息和个人属性信息；所述行为信息包括用户在使用第一交通设备时生成的信息；根据用户在预设时间内是否使用第二交通设备，为每个用户分配类别标签；利用用户的画像信息和类别标签，对预设机器学习模型进行训练，获得使用概率预测模型；

基于所述目标用户使用第二交通设备的使用概率，向所述目标用户推荐与所述第二交通设备对应的信息。

2.根据权利要求1所述的方法，其特征在于，所述行为信息至少包括下述之一：用户使用第一交通设备的频率、使用第一交通设备的时间段分布、使用第一交通设备的起始位置、使用第一交通设备时是否跨区域。

3.根据权利要求1所述的方法，其特征在于，所述预设机器学习模型为基于Spark的GBDT算法。

4.根据权利要求1所述的方法，其特征在于，所述第一交通设备包括两轮车；所述两轮车包括两轮单车和/或两轮助力车；所述第二交通设备包括四轮车。

5.根据权利要求4所述的方法，其特征在于，所述第一交通设备包括两轮单车和两轮助力车时，所述利用使用概率预测模型对所述画像信息进行处理，获得所述目标用户使用第二交通设备的使用概率，包括：

利用所述使用概率预测模型包括的第一使用概率预测模型对所述画像信息进行处理，获得所述目标用户使用第二交通设备的的第一概率；其中，在训练所述第一使用概率预测模型时，所述行为信息包括用户在使用两轮单车时生成的信息；

利用所述使用概率预测模型包括的第二使用概率预测模型对所述画像信息进行处理，获得所述目标用户使用第二交通设备的的第二概率；其中，在训练所述第二使用概率预测模型时，所述行为信息包括用户在使用两轮助力车时生成的信息；

选择所述第一概率和第二概率中最大值作为所述目标用户使用第二交通设备的使用概率。

6.一种信息推荐装置，其特征在于，包括：

画像信息获取模块，用于获取目标用户的画像信息；所述画像信息包括行为信息和个人属性信息；所述行为信息包括目标用户在使用第一交通设备时生成的信息；所述个人属性信息至少包括下述之一：用户浏览关于第二交通设备的信息、用户点击关于第二交通设备信息的次数、用户领取关于第二交通设备的优惠券信息；

使用概率生成模块，用于基于所述画像信息生成所述目标用户使用第二交通设备的使用概率；所述基于所述画像信息生成所述目标用户使用第二交通设备的使用概率，包括：利用使用概率预测模型对所述画像信息进行处理，获得所述目标用户使用第二交通设备的使用概率；其中，所述使用概率预测模型根据用户的画像信息和类别标签训练获得；所述类别标签根据用户在预设时间内是否使用第二交通设备确定；所述使用概率预测模型通过下述方式获得：获取用户的画像信息；所述画像信息包括行为信息和个人属性信息；所述行为信息包括用户在使用第一交通设备时生成的信息；根据用户在预设时间内是否使用第二交通设备，为每个用户分配类别标签；利用用户的画像信息和类别标签，对预设机器学习模型进行训练，获得使用概率预测模型；

信息推荐模块，用于基于所述目标用户使用第二交通设备的使用概率，向所述目标用户推荐与所述第二交通设备对应的信息。