[发明专利]服务数据的推送方法、装置、电子设备及存储介质

权利要求书

1.一种服务数据的推送方法，其特征在于，包括：

当检测到目标用户终端发送的用于请求为目标用户推荐服务的服务请求时，基于所述服务请求获取所述目标用户的授权信息；

基于所述授权信息和预先建立的服务特征预测模型，确定所述目标用户的目标服务特征；

基于所述目标服务特征和所述授权信息，确定与所述目标用户对应的目标服务数据，并将所述目标服务数据推送至所述目标用户终端。

2.根据权利要求1所述的方法，其特征在于，所述服务特征预测模型包括线性回归模型；

所述基于所述授权信息和预先建立的服务特征预测模型，确定所述目标用户的目标服务特征，包括：

基于所述授权信息和所述线性回归模型，确定所述目标用户的服务频率特征和单位时间总价值特征。

3.根据权利要求1或2所述的方法，其特征在于，所述服务特征预测模型包括协同过滤模型；

所述基于所述授权信息和预先建立的服务特征预测模型，确定所述目标用户的目标服务特征，包括：

基于所述授权信息和所述协同过滤模型，确定所述目标用户的服务多样性特征。

4.根据权利要求1所述的方法，其特征在于，在所述基于所述授权信息和预先建立的服务特征预测模型，确定所述目标用户的目标服务特征之前，还包括：

获取各样本用户对应的样本授权信息和样本服务信息；

基于所述样本授权信息、所述样本服务信息对预先建立的特征预测模型进行训练，得到所述服务特征预测模型。

5.根据权利要求4所述的方法，其特征在于，所述基于所述样本授权信息、所述样本服务信息对预先建立的特征预测模型进行训练，包括：

基于所述样本服务信息，确定样本服务特征；

采用独热编码的方式对所述样本授权信息进行向量化处理，以得到样本授权向量信息；

基于所述样本授权向量信息与所述样本服务特征，生成样本数据集；

基于所述样本数据集，对所述预先建立的特征预测模型进行训练。

6.根据权利要求5所述的方法，其特征在于，所述基于所述样本数据集，对所述预先建立的特征预测模型进行训练，包括：

基于数据可视化降维算法，对所述样本数据集进行降维处理以生成降维样本数据集；基于所述降维样本数据集对所述预先建立的特征预测模型进行训练。

7.根据权利要求5所述的方法，其特征在于，所述样本授权向量信息包括样本年龄信息和样本性别信息；

所述基于所述样本授权向量信息与所述样本服务特征，生成样本数据集，包括：

对所述样本年龄信息和所述样本性别信息进行归一化处理，基于所述本服务特征、归一化处理后的样本年龄信息和样本性别信息，生成所述样本数据集。

8.一种服务数据的推送装置，其特征在于，包括：

获取授权信息模块，用于当检测到目标用户终端发送的用于请求为目标用户推荐服务的服务请求时，基于所述服务请求获取所述目标用户的授权信息；

确定目标服务特征模块，用于基于所述授权信息和预先建立的服务特征预测模型，确定所述目标用户的目标服务特征；

推送模块，用于基于所述目标服务特征和所述授权信息，确定与所述目标用户对应的目标服务数据，并将所述目标服务数据推送至所述目标用户终端。

9.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的服务数据的推送方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-7中任一所述的服务数据的推送方法。