[发明专利]信息的处理方法、装置、存储介质和电子设备

说明书

本公开涉及一种信息的处理方法、装置、存储介质和电子设备，涉及电子信息处理技术领域，该方法包括：获取用于表征目标用户的目标用户向量，针对多个待选信息中的每个待选信息，根据目标用户向量、该待选信息对应的特征向量和预先训练的预测模型，预测该待选信息对应的转化率的分布，转化率用于表征目标用户的反馈指标满足预设条件的概率，特征向量用于表征该待选信息，根据该待选信息对应的转化率的分布，确定该待选信息对应的增量指标，根据每个待选信息对应的增量指标，在多个待选信息中确定目标信息，并向目标用户发送目标信息。本公开能够考虑用户和待选信息之间的不确定性，有效提高目标信息与目标用户的匹配度。

技术领域

本公开涉及电子信息处理技术领域，具体地，涉及一种信息的处理方法、装置、存储介质和电子设备。

背景技术

随着电子信息技术的不断发展，应用市场上出现了各种各样的应用程序，以满足用户多样化的需求。在应用程序的运营过程中，会向用户推送一些信息，例如活动信息或者促销信息，以促进用户与应用程序的互动。为了提高信息推送的准确度，避免对用户造成打扰，会针对具体用户，推送适用于该用户的信息。通常情况下，一种方式是先预估多种信息的倾向性分数，再根据倾向性分数训练一个模型，来预测推送每种信息的效果。然而，这种方式中模型的有效性，依赖于倾向性分数的准确度，而倾向性分数往往很难准确计算，降低了模型的准确度。另一种方式是利用随机推送的方式训练一个模型，然而这种方式无法支持多种信息的推送，并且也不支持有偏的推送方式，很难适用于真实场景。

发明内容

为了解决现有技术中存在的相关问题，本公开提供一种信息的处理方法、装置、存储介质和电子设备。

根据本公开实施例的第一方面，提供一种信息的处理方法，所述方法包括：

获取用于表征目标用户的目标用户向量；

针对多个待选信息中的每个所述待选信息，根据所述目标用户向量、该待选信息对应的特征向量和预先训练的预测模型，预测该待选信息对应的转化率的分布，所述转化率用于表征所述目标用户的反馈指标满足预设条件的概率，所述特征向量用于表征该待选信息；

根据该待选信息对应的转化率的分布，确定该待选信息对应的增量指标；

根据每个所述待选信息对应的增量指标，在多个所述待选信息中确定目标信息，并向所述目标用户发送所述目标信息。

可选地，所述反馈指标包括第一数量种反馈值，所述根据所述目标用户向量、该待选信息对应的特征向量和预先训练的预测模型，预测该待选信息对应的转化率的分布，包括：

将所述目标用户向量、该待选信息对应的特征向量输入所述预测模型，以得到每种所述反馈值的预测数量；

根据每种所述反馈值的预测数量，和预先训练的每种所述反馈值的先验数量，确定该待选信息对应的转化率的分布，并将该待选信息对应的转化率的分布作为所述预测模型的输出。

可选地，所述根据该待选信息对应的转化率的分布，确定该待选信息对应的增量指标，包括：

根据该待选信息对应的转化率的分布，确定该待选信息对应的转化率的期望和标准差；

根据该待选信息对应的转化率的期望和标准差、空信息对应的转化率的期望和标准差、预设的不确定性权重，确定该待选信息对应的增量指标。

可选地，所述根据该待选信息对应的转化率的期望和标准差、空信息对应的转化率的期望和标准差、预设的不确定性权重，确定该待选信息对应的增量指标，包括：

将该待选信息对应的转化率的标准差与所述空信息对应的转化率的标准差的和，与所述不确定性权重相乘，以得到相乘结果；

将该待选信息对应的转化率的期望与所述空信息对应的转化率的期望的差值，和所述相乘结果相加，以得到所述增量指标。