[发明专利]用于信息推送的方法、装置、系统及介质

权利要求书

1.一种用于信息推送的方法，包括：

获取第一用户的至少一个有效特征变量，其中所述至少一个有效特征变量属于N个初始特征变量中对第一分类模型的构建影响最重要的R个候选特征变量，其中，所述第一分类模型是通过第一组训练数据训练获得的，所述第一组训练数据包括所述N个初始特征变量，N和R为整数，并且N＞R≥2；

基于所述第一用户的至少一个有效特征变量以及第二分类模型，获得所述第一用户成为潜在用户的潜在值，其中所述第二分类模型是通过第二组训练数据获得的，所述第二组训练数据包括所述R个候选特征变量；以及

在所述潜在值满足第一条件时，向所述第一用户推送消息；

其中：

所述第一分类模型与所述第二分类模型不同。

2.根据权利要求1所述的方法，还包括：

通过所述第一组训练数据训练所述第一分类模型；

基于所述第一分类模型，从所述N个初始特征变量中筛选出所述R个候选特征变量；

通过所述第二组训练数据训练所述第二分类模型。

3.根据权利要求2所述的方法，还包括：

基于训练过程中所述第二分类模型的输出与所述R个候选特征变量中每一个特征变量的相关性，确定出所述至少一个有效特征变量。

4.根据权利要求1～3任意一项所述的方法，其中，所述第一分类模型包括xgboost极端梯度上升模型，和/或所述第二分类模型包括逻辑回归模型。

5.根据权利要求4所述的方法，其中，所述R个候选特征变量为通过所述xgboost极端梯度上升模型的xgb.importance功能筛选获得的特征变量。

6.根据权利要求4所述的方法，其中，基于所述第一用户的至少一个有效特征变量以及第二分类模型，获得所述第一用户成为潜在用户的潜在值，包括：

获取所述逻辑回归模型中所述至少一个有效特征变量中每一个特征变量的回归系数；以及

基于所述第一用户的至少一个有效特征变量与所述回归系数，获得所述潜在值。

7.一种用于信息推送的装置，包括：

用户特征获取模块，用于获取第一用户的至少一个有效特征变量，其中所述至少一个有效特征变量属于N个初始特征变量中对第一分类模型的构建影响最重要的R个候选特征变量，其中，所述第一分类模型是通过第一组训练数据训练获得的，所述第一组训练数据包括所述N个初始特征变量，N和R为整数，并且N＞R≥2；

潜在值计算模块，用于基于所述第一用户的至少一个有效特征变量以及第二分类模型，预测所述第一用户成为潜在用户的潜在值，其中所述第二分类模型是通过第二组训练数据获得的，所述第二组训练数据包括所述R个候选特征变量；以及

推送模块，用于在所述潜在值满足第一条件时，向所述第一用户推送消息：

其中：

所述第一分类模型与所述第二分类模型不同。

8.根据权利要求7所述的装置，还包括：

第一训练模块，用于通过所述第一组训练数据训练所述第一分类模型；

第一筛选模块，用于基于所述第一分类模型从所述N个初始特征变量中筛选出所述R个候选特征变量；

第二训练模块，用于通过所述第二组训练数据训练所述第二分类模型。

9.根据权利要求8所述的装置，还包括：

第二筛选模块，用于基于训练过程中所述第二分类模型的输出与所述R个候选特征变量中每一个特征变量的相关性，确定出所述至少一个有效特征变量。

10.根据权利要求7～9任意一项所述的装置，其中，所述第一分类模型包括xgboost极端梯度上升模型，和/或所述第二分类模型包括逻辑回归模型。

11.根据权利要求10所述的装置，其中，所述R个候选特征变量为通过所述xgboost极端梯度上升模型的xgb.importance功能筛选获得的特征变量。