[发明专利]一种物品推送方法及装置、计算机可读存储介质

权利要求书

1.一种物品推送方法，其特征在于，包括：

获取物品推送平台上真实对象的真实对象信息，所述真实对象信息表征所述真实对象的个人相关信息；

利用物品推送模型，对所述真实对象信息进行推送策略模拟，得到与所述真实对象信息对应的模拟推送策略，所述物品推送模型用于生成向所述真实对象推荐虚拟物品信息的模拟推送策略；

利用模拟平台模型，对所述模拟推送策略进行推送目标评估，得到所述模拟推送策略的评估值，所述模拟平台模型用于模拟与所述物品推送平台相似的平台环境；

根据所述评估值对所述物品推送模型进行迭代更新，直至所述评估值达到预设推送目标时，得到目标推送策略；

在所述物品推送平台上，向所述真实对象推送所述目标推送策略。

2.根据权利要求1所述的方法，所述利用模拟平台模型，对所述模拟推送策略进行推送目标评估，得到所述模拟推送策略的评估值，包括：

根据所述模拟推送策略，在所述模拟平台模型中进行物品推送，得到推送结果，所述推送结果为所述模拟平台模型输出的与所述推送目标相关的数据；

将所述推送结果作为参数，通过预设评估函数计算出所述模拟推送策略的评估值。

3.根据权利要求1所述的方法，其特征在于，所述利用模拟平台模型，对所述模拟推送策略进行推送目标评估，得到所述模拟推送策略的评估值之前，所述方法还包括：

获取所述物品推送平台中的真实历史数据集，所述真实历史数据集包含真实历史对象信息与真实历史推送数据，所述真实历史对象信息表征真实历史对象的个人相关信息，所述真实历史推送数据包括向所述真实历史对象已推送的真实物品信息；

根据所述真实历史数据集，对初始模拟平台模型进行持续训练，得到所述模拟平台模型。

4.根据权利要求3所述的方法，其特征在于，所述模拟平台模型包含平台推荐策略子模型和虚拟对象策略子模型，所述根据所述真实历史数据集，对初始模拟平台模型进行持续训练，得到所述模拟平台模型，包括：

利用虚拟对象生成模型对所述真实历史对象信息进行模拟，生成虚拟对象；

使用所述虚拟对象，对初始平台推荐策略子模型和初始虚拟对象策略子模型进行组合训练，得到虚拟数据集；

根据所述真实历史数据集与所述虚拟数据集，对所述初始模拟平台模型进行迭代更新，得到训练中的模拟平台模型；

持续更新直至所述真实历史数据集与所述虚拟数据集满足预设条件时，结束更新，得到所述模拟平台模型。

5.根据权利要求4所述的方法，其特征在于，所述虚拟对象包含虚拟对象信息与虚拟对象行为；所述虚拟数据集包含所述虚拟对象、虚拟推送数据以及虚拟对象行为，所述虚拟推送数据包含向所述虚拟对象推荐的物品信息；所述使用所述虚拟对象，对初始平台推荐策略子模型和初始虚拟对象策略子模型进行组合训练，得到虚拟数据集，包括：

将所述虚拟对象输入所述初始平台推荐策略子模型，进行对所述初始平台推荐策略子模型的训练，输出初始虚拟推送数据；所述初始平台策略子模型用于根据所述虚拟对象信息与虚拟对象行为生成初始虚拟推送数据，所述初始虚拟推送数据包含向所述虚拟对象推荐的虚拟物品信息；

将所述初始虚拟推送数据作为样本数据输入所述初始虚拟对象策略子模型，进行对所述初始虚拟对象策略子模型的训练，输出初始虚拟对象行为；所述初始虚拟对象策略子模型用于输出与所述初始虚拟推送数据对应的初始虚拟对象行为；

根据所述初始虚拟对象行为，对所述初始平台策略子模型进行更新，得到第一中间平台策略子模型；

将所述虚拟对象与所述初始虚拟对象行为输入所述第一中间平台策略子模型，输出更新的第一虚拟推送数据；

根据所述更新的第一虚拟推送数据，对所述初始虚拟对象策略子模型进行更新，得到第一中间虚拟对象策略子模型，所述第一中间虚拟对象策略子模型用于输出与所述更新的第一虚拟推送数据对应的更新的虚拟对象行为；

持续对所述第一中间平台策略子模型与所述第一中间虚拟对象策略子模型进行训练，直至所述更新的虚拟对象行为达到预设行为条件时，将每次训练中的输出数据和对应的虚拟对象，作为所述虚拟数据集。