[发明专利]媒体资源的推送方法和装置、存储介质及电子设备

说明书

本发明公开了一种媒体资源的的推送方法和装置、存储介质及电子设备。其中，该方法包括：获取目标帐号的目标帐号特征以及目标媒体资源的目标媒体资源特征，并将目标帐号特征转换成第一特征向量，将目标媒体资源特征转换成第二特征向量；根据第一特征向量与第二特征向量，生成目标特征向量；根据目标帐号特征，在多个多层神经网络MLP结构中选择目标MLP结构；将目标特征向量输入到目标MLP结构，得到第一预测值，并将目标特征向量输入到目标公共MLP结构，得到第二预测值；在第一预测值和第二预测值满足预设的推送条件的情况下，向目标帐号推送目标媒体资源。本发明解决了相关技术中在媒体资源的推送过程中出现的准确率较低的技术问题。

技术领域

本发明涉及机器学习技术领域，具体而言，涉及一种媒体资源的推送方法和装置、存储介质及设备。

背景技术

相关技术中，媒体资源的推送主要依赖于目标帐号(或目标对象)的特征进行数据建模，例如，根据目标帐号在一段历史周期内产生的数据(如访问的广告类型、广告内容及访问时间等)，得到目标帐号的帐号特征，从而创建广告推送模型，并依据该推送模型的计算结果向不同的帐号群组推送其感兴趣的广告。

然而，由于不同帐号群组之间的特征分布存在一定差异，采用上述共用的广告推送模型中的模型参数(例如，多层神经网络(Multi layer Perceptron，简称MLP)结构中的参数)去拟合不同帐号群组的特征，使得对不同帐号群组的刻画存在一定偏差，使得推送的广告与部分帐号不匹配，降低了广告的点击率和转化率，造成了媒体资源的推送的准确率较低的技术问题。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种媒体资源的推送方法和装置、存储介质及电子设备，以至少解决相关技术中媒体资源的推送的准确率较低的技术问题。

根据本发明实施例的一个方面，提供了一种媒体资源的推送方法，包括：获取目标帐号的目标帐号特征以及目标媒体资源的目标媒体资源特征，并将目标帐号特征转换成第一特征向量，将目标媒体资源特征转换成第二特征向量；根据第一特征向量与第二特征向量，生成目标特征向量；根据目标帐号特征，在多个多层神经网络MLP结构中选择目标MLP结构，其中，多个MLP结构中的每个MLP结构对应不同的帐号群组，目标MLP结构对应目标帐号所在的帐号群组；将目标特征向量输入到目标MLP结构，得到第一预测值，并将目标特征向量输入到目标公共MLP结构，得到第二预测值，其中，第一预测值和第二预测值用于表示目标帐号对目标媒体资源执行目标操作的预测概率；在第一预测值和第二预测值满足预设的推送条件的情况下，向目标帐号推送目标媒体资源。

可选地，上述根据目标帐号特征，在多个多层神经网络MLP结构中选择目标MLP结构，包括：将目标帐号特征输入到目标选择神经网络结构，得到目标预测向量，其中，多个MLP结构为N个MLP结构，目标预测向量中包括N个比特，每个比特对应多个MLP结构中的一个MLP结构，每个比特的取值用于表示对应的一个MLP结构是否被选中，N为大于或等于2的正整数；在目标预测向量中与目标MLP结构对应的比特的取值表示目标MLP结构被选中的情况下，在多个MLP结构中选择目标MLP结构。

可选地，上述将目标帐号特征输入到目标选择神经网络结构，得到目标预测向量，包括：在目标帐号特征包括U个帐号特征的情况下，将U个帐号特征中的每个帐号特征分别转换成特征向量，得到U个特征向量，其中，U为大于或等于2的正整数；将U个特征向量拼接成第三特征向量；将第三特征向量输入到目标选择神经网络结构中的全连接层，得到全连接层输出的目标预测向量。