[发明专利]一种信息推送方法及装置

说明书

本发明实施例公开了一种信息推送方法及装置，该方法包括：接收针对目标用户的信息推送请求；从预设的用户信息数据库中获得所述目标用户对预设的第一信息库中记录的各条第一信息的预估点击概率，其中，所述预设的用户信息数据库用于记录各个用户对所述预设的第一信息库中记录的各条第一信息的预估点击概率；根据所获得的预估点击概率由高到低的顺序，从所述预设的第一信息库中记录的各条第一信息中确定待推送信息；推送所述待推送信息。应用本发明实施例提供的方案能够准确预估信息的点击概率，提高信息推送效果。

技术领域

本发明涉及互联网技术领域，特别涉及一种信息推送方法及装置。

背景技术

近年来随着网络技术的快速发展，网络用户逐年递增，为进行信息推广，越来越多的商家倾向于通过网络运营商进行信息推送，例如，广告主为了能够以较大的力度推广其产品，越来越倾向于通过网络推送广告。

以广告为例，广告系统在进行广告推送时，都是使用了基于广告点击概率预估的方法，优先推送点击概率高的广告，具体为，通过统计或者机器学习(如逻辑回归)的方法预估待投放广告的点击概率。

现有的广告点击概率预估方法主要是点估计法，又称定值估计，都是根据广告的历史点击数据进行预估，输出一个固定的概率值作为该广告的广告点击概率，例如一个广告A在历史上展现过1000次，被点击过50次，那么基于传统的方法，预估其广告点击概率为50/1000＝5％。

但是，单纯的根据历史点击数据预估广告点击概率，预估的广告点击概率是基于所有用户的，对于单个用户来说，预估结果不够准确，导致广告推送的效果较差。

发明内容

本发明实施例的目的在于提供一种信息推送方法及装置，以准确预估信息的点击概率，提高信息推送效果。

为达到上述目的，本发明实施例公开了一种信息推送方法，所述方法包括：

接收针对目标用户的信息推送请求；

从预设的用户信息数据库中获得所述目标用户对预设的第一信息库中记录的各条第一信息的预估点击概率，其中，所述预设的用户信息数据库用于记录各个用户对所述预设的第一信息库中记录的各条第一信息的预估点击概率；

根据所获得的预估点击概率由高到低的顺序，从所述预设的第一信息库中记录的各条第一信息中确定待推送信息；

推送所述待推送信息。

可选的，按照以下方式生成所述预设的用户信息数据库：

获得预设的第一信息库中记录的各条第一信息的表现数据；

提取各条第一信息的特征信息；

根据用户的行为数据，确定各个用户对应的用户信息；

将所述表现数据、特征信息和用户信息作为预设深度神经网络模型的输入，利用所述预设深度神经网络模型，计算各个用户对各条第一信息的预估点击概率；

根据所述预估点击概率，生成所述预设的用户信息数据库。

可选的，所述表现数据包括以下信息中的至少一种：

历史推送时间、推送量、点击量、下载量、用户设备标识、用户地域信息、用户年龄信息、用户性别信息。

可选的，所述特征信息包括以下信息中的至少一种：

信息的内容分类、信息的素材类型、信息面向的用户、信息的显示位置、文本特征信息、图片特征信息。

可选的，所述第一信息包含文本信息和/或图片信息，所述提取各条第一信息的特征信息，包括：