[发明专利]内容推送方法、装置及计算机设备

权利要求书

1.一种内容推送方法，其特征在于，包括以下步骤：

获取曝光应用程序的用户的特征和对应用程序的点击行为；

根据所述用户的特征及对应用程序的点击行为，生成样本；包括：以所述用户的特征作为输入变量，以所述点击行为作为目标变量，生成样本；

将所述样本输入到分群模型中，确定所述样本在所述分群模型中所属的群体；

将所述样本输入到所述群体对应的点击率预估模型中，获得所述用户对所述应用程序的预估点击率；

根据应用程序的预估点击率，向所述用户推送内容。

2.根据权利要求1所述的内容推送方法，其特征在于，所述根据应用程序的预估点击率，向所述用户推送内容，包括：

根据应用程序的预估点击率，向所述用户推送所述应用程序。

3.根据权利要求2所述的内容推送方法，其特征在于，所述根据应用程序的预估点击率，向所述用户推送所述应用程序，包括：

确认应用程序的预估点击率大于阈值，向所述用户推送所述应用程序。

4.根据权利要求2所述的内容推送方法，其特征在于，所述根据应用程序的预估点击率，向所述用户推送所述应用程序，包括：

计算所述用户对应用商场中全部应用程序的预估点击率，按预估点击率从高到低对应用程序进行排序，向所述用户推送排在最前面的预置数量的应用程序。

5.根据权利要求1所述的内容推送方法，其特征在于，所述获取曝光应用程序的用户的特征和对应用程序的点击行为之前，还包括：

获取曝光应用程序的历史用户的特征和对应用程序的点击行为；

根据所述历史用户的特征及对应用程序的点击行为，生成样本；

使用所述样本训练包含若干群体的分群模型和群体对应的点击率预估模型。

6.根据权利要求5所述的内容推送方法，其特征在于，所述使用所述样本训练包含若干群体的分群模型，包括：

根据决策树算法使用所述样本训练分群模型。

7.根据权利要求5所述的内容推送方法，其特征在于，所述使用所述样本训练包含若干群体的分群模型和群体对应的点击率预估模型，包括：

使用所述样本训练包含若干群体的分群模型，将所述样本按群体进行分类，使用群体对应分类的样本训练该群体的点击率预估模型。

8.根据权利要求7所述的内容推送方法，其特征在于，所述使用群体对应分类的样本训练该群体的点击率预估模型，包括：

使用群体对应分类的样本，利用逻辑斯蒂算法，训练所述点击率预估模型。

9.根据权利要求8所述的内容推送方法，其特征在于，所述点击率预估模型为根据逻辑斯蒂回归的公式获得的点击率预估模型；所述逻辑斯蒂回归的公式为：

其中X表示输入变量，β表示不同特征的权重向量。

10.根据权利要求8所述的内容推送方法，其特征在于，所述使用群体对应分类的样本，利用逻辑斯蒂算法，训练所述点击率预估模型，包括：

根据梯度下降法利用逻辑斯蒂算法对所述群体进行训练，训练对应群体中的点击率预估模型。

11.根据权利要求1所述的内容推送方法，其特征在于，所述用户的特性包括用户的自然属性、社会属性或偏好属性。