[发明专利]一种信息推荐的方法及装置

说明书

本申请涉及计算机领域，提供了一种信息推荐的方法及装置，以解决预测准确度低的问题，该方法包括：响应于信息推荐指令，获取推荐信息集合；再基于推荐预测模型中的信息点击率预测子模型、购买行为预测子模型和信息转化率预测子模型，获得推荐信息集合中各个推荐信息对应的信息点击率、购买行为预测率和信息转化率；基于各个推荐信息对应的信息点击率、购买行为预测率和信息转化率，获得对应的第一推荐概率，并将第一推荐概率超过设定门限值的推荐信息推送给目标对象。在推荐预测模型中增加用于预测目标对象购买意愿的模型，可有效提高整体模型的预测准确度。

背景技术

随着科学技术的发展，转化率预测技术越来越普及地应用于各个互联网平台之中，以使互联网平台精准预测用户的意图，为用户提供更好的服务。

在相关技术中提供了以下几种转化率预测方案：

方案一，调用多个预测模型，预测用户的外卖成单转化率；方案二，将待推荐信息的特征和用户的特征，输入到与该用户所属群体相对应的预测模型中，以获得该用户的推荐概率。

但是，采用上述提出的技术方案，可能存在以下技术问题：

方案一的多个预测模型是独立训练获得的，导致各个预测模型的预测准确度较低；

方案二的预测模型是针对用户群体在目标场景下的特定行为建模得到的，该预测模型只能预测少量的影响推荐概率的因素，导致预测模型的预测准确度较低。

发明内容

本申请实施例提供了一种信息推荐的方法及装置，以解决相关技术提供的转化率预测方案的预测准确度低的问题。

第一方面，本申请实施例提供了一种信息推荐的方法，包括：

响应于信息推荐指令，获取推荐信息集合；

基于推荐预测模型中的信息点击率预测子模型、购买行为预测子模型和信息转化率预测子模型，获得所述推荐信息集合中各个推荐信息对应的信息点击率、购买行为预测率和信息转化率；

基于所述各个推荐信息对应的信息点击率、购买行为预测率和信息转化率，获得对应的第一推荐概率，并将第一推荐概率超过设定门限值的推荐信息推送给目标对象。

可选的，所述推荐预测模型还包括信息播放率预测子模型，所述方法还包括：

基于所述信息播放率预测子模型、信息点击率预测子模型、购买行为预测子模型和信息转化率预测子模型，获得所述各个推荐信息对应的信息播放率、信息点击率、购买行为预测率和信息转化率；

基于所述各个推荐信息对应的信息播放率、信息点击率、信息转化率和购买行为预测率，获得对应的第二推荐概率，并将第二推荐概率超过设定门限值的推荐信息推送给所述目标对象。

可选的，所述基于所述信息播放率预测子模型、信息点击率预测子模型、购买行为预测子模型和信息转化率预测子模型，获得所述各个推荐信息对应的信息播放率、信息点击率、购买行为预测率和信息转化率，包括：

获取目标对象的历史推荐特征集合；

依次读取所述各个推荐信息，其中，每读取一个推荐信息，基于当前读取的所述一个推荐信息，更新所述历史推荐特征集合，并将更新后的历史推荐特征集合分别输入到所述信息播放率预测子模型、所述信息点击率预测子模型、所述购买行为预测子模型和所述信息转化率预测子模型中，获得对应的信息播放率、信息点击率、购买行为预测率和信息转化率。

可选的，所述历史推荐特征集合至少包括：目标对象特征信息、历史推荐资源的特征信息、目标对象的资源偏好特征信息、资源使用行为特征信息；

所述基于当前读取的所述一个推荐信息，更新所述历史推荐特征集合，包括：