[发明专利]基于机器学习模型的信息推送方法、装置、设备及介质

权利要求书

1.一种基于机器学习模型的信息推送方法，其特征在于，包括：

获取信息推送请求，所述信息推送请求中包括推送信息和推送对象；

获取所述推送对象对应的候选推送通道集合，所述候选推送通道集合中包括多个候选推送通道；

获取所述推送对象的对象特征以及所述推送对象在各个候选推送通道上针对历史推送信息的历史点击信息，并基于预训练的通道推荐模型对所述对象特征和所述历史点击信息进行概率预测，得到所述各个候选推送通道的推送概率；

根据所述各个候选推送通道的推送概率从所述候选推送通道集合中确定目标推送通道，并利用所述目标推送通道将所述推送信息推送至所述推送对象。

2.根据权利要求1所述的方法，其特征在于，所述获取所述推送对象对应的候选推送通道集合，包括：

获取所述推送对象对应的初始推送通道集合，所述初始推送通道集合包括多个初始推送通道；

获取各个初始推送通道上向所述推送对象所推送的历史推送信息的第一信息数量以及所述历史推送信息的第一被点击数量；

根据所述第一信息数量和所述第一被点击数量，确定所述推送对象在所述各个初始推送通道上针对所述历史推送信息的第一历史点击率；

将第一历史点击率超过预设点击率对应的初始推送通道确定为候选推送通道，并将所述候选推送通道添加到所述候选推送通道集合中。

3.根据权利要求1所述的方法，其特征在于，所述基于预训练的通道推荐模型对所述对象特征和所述历史点击信息进行概率预测，得到所述各个候选推送通道的推送概率之前，还包括：

获取训练样本集，所述训练样本集包括一个或多个训练样本，每个训练样本包括一个训练对象的训练对象特征和训练历史推送信息的训练点击信息；

为所述训练样本集中的各个训练样本添加训练标签，任一训练样本对应的训练标签用于指示所述任一训练样本中所包括的各个训练推送通道的训练推送概率；

将添加训练标签的各个训练样本输入预设的机器学习模型进行训练，得到所述通道推荐模型；

所述基于预训练的通道推荐模型对所述对象特征和所述历史点击信息进行概率预测，得到所述各个候选推送通道的推送概率，包括：

将所述对象特征和所述历史点击信息输入所述通道推荐模型，得到所述各个候选推送通道的推送概率。

4.根据权利要求3所述的方法，其特征在于，所述训练样本集包括第一训练样本，所述获取训练样本集，包括：

获取训练对象对应的训练对象特征以及训练推送通道集合，所述训练推送通道集合包括多个训练推送通道，并确定所述训练推送通道集合中各个训练推送通道的训练历史推送信息的训练点击信息；

确定所述训练对象对应的训练对象特征、以及所述各个训练推送通道的训练历史推送信息的训练点击信息为所述第一训练样本。

5.根据权利要求4所述的方法，其特征在于，所述第一训练样本中的训练历史推送信息的训练点击信息包括：所述第一训练样本中的各个训练推送通道上向所述训练对象所推送的训练历史推送信息的第二信息数量、以及所述训练历史推送信息的第二被点击数量；所述为所述训练样本集中的各个训练样本添加训练标签，包括：

分别计算所述各个训练推送通道对应的第二被点击数量和第二信息数量之间的比值，得到所述各个训练推送通道分别对应的训练推荐概率；

基于所述各个训练推送通道对应的训练推荐概率确定所述第一训练样本的训练标签。

6.根据权利要求1所述的方法，其特征在于，所述根据所述各个候选推送通道的推送概率从所述候选推送通道集合中确定目标推送通道，包括：

获取所述推送信息对应的推送信息类型，并获取所述各个候选推送通道对应的参考信息类型；

将所述推送信息类型与所述各个候选推送通道对应的参考信息类型进行匹配，确定所述推送信息与所述各个候选推送通道的匹配得分；

根据所述推送信息与所述各个候选推送通道的匹配得分以及所述各个候选推送通道的推送概率，从所述候选推送通道集合中确定目标推送通道。