[发明专利]基于机器学习的产品数据推送方法、装置和计算机设备

说明书

本申请涉及一种基于机器学习的产品数据推送方法、装置、计算机设备和存储介质。所述方法包括：接收用户终端根据信息调查页面发送的资源获取请求，资源获取请求携带了用户标识；根据信息调查页面获取对应的用户信息；获取分类器，通过分类器对用户信息进行分类，并对分类后的用户信息添加所属类别对应的类别标签；根据类别标签获取对应的产品数据；根据资源获取请求按照预设规则生成对应的资源分配结果；将产品数据和资源分配结果推送至用户标识对应的用户终端。采用本方法能够有效地提高产品数据推送后的点击成功率。

技术领域

本申请涉及计算机技术领域，特别是涉及一种基于机器学习的产品数据推送方法、装置和计算机设备。

背景技术

随着互联网技术的迅速发展，网络广告的推送形式层出不穷。通过各种公众号、应用程序和网页推送产品信息，可以有效地对产品进行推广。一般常见的广告推送形式是通过弹出广告框、浮动网页广告等，这种广告推送方式不仅会影响视觉效果，而且用户的点击率较低。因此，出现了通过有奖活动来推送广告信息的方式。目前，很多平台通过推送活动页面，让用户参与各种有奖活动以提高用户的参与性。

这种通过有奖活动推送广告信息的方式，虽然能够吸引大量用户，然而用户或许对推送的广告信息并不感兴趣，并不会使用户有效地关注相关的产品信息，导致产品信息推送后点击成功率较低。因此，如何有效地提高产品信息推送后的点击成功率成为目前需要解决的技术问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够有效提高产品数据推送后的点击成功率的基于机器学习的产品数据推送方法、装置和计算机设备。

一种基于机器学习的产品数据推送方法，包括：

接收用户终端根据信息调查页面发送的资源获取请求，所述资源获取请求携带了用户标识；

根据所述信息调查页面获取对应的用户信息；

获取分类器，通过所述分类器对所述用户信息进行分类，并对分类后的用户信息添加所属类别对应的类别标签；

根据所述类别标签获取对应的产品数据；

根据所述资源获取请求按照预设规则生成对应的资源分配结果；

将所述产品数据和所述资源分配结果推送至所述用户标识对应的用户终端。

在其中一个实施例中，所述获取分类器之前，还包括：

获取多个调查信息和用户信息；

利用多个调查信息和用户信息生成训练集和验证集；

将所述训练集中的数据输入至预设的神经网络模型中进行训练，得到初始分类器；

根据所述验证集中的数据对所述初始分类器进行验证；

当所述验证集中预设数量的数据达到预设阈值时，得到训练完成的分类器。

在其中一个实施例中，通过所述分类器对所述用户信息进行分类，包括：

对所述用户信息进行特征提取，得到用户信息特征；

将所述用户信息特征输入至所述分类器，通过所述分类器计算出所述用户信息特征所属类别的概率值；

提取所述概率值达到预设概率值的类别，并对所述用户信息添加所属类别对应的类别标签。

在其中一个实施例中，服务器中包括主节点和多个从节点，所述接收所述用户终端根据信息调查页面发送的资源获取请求之后，还包括：

主节点对所述多个从节点的当前负载权重进行轮询，得到每个从节点的当前负载均衡；

根据每个从节点的当前负载均衡为所述资源获取请求选择对应的从节点标识；