[发明专利]信息推送方法、装置及计算机可读存储介质

权利要求书

1.一种信息推送方法，其特征在于，所述方法包括：

获取至少两项产品对应的至少两个用户的用户信息，得到用户信息集；

对所述用户信息集进行去异常预处理，得到初始用户信息集；

对所述初始用户信息集进行特征提取，得到标准用户信息集；

将所述标准用户信息集输入至训练完成的分类模型进行分类，得到分类结果，所述分类结果包含不同类别用户集合；

利用预设的权重算法，计算分类结果中目标类别用户集合所包含的用户对应的各项产品在所述目标类别用户集合中的占比权重值；

获取最大的占比权重值对应的目标产品以及目标用户，向所述目标类别用户集合中所述目标用户以外的其他用户推送所述目标产品的信息。

2.如权利要求1所述的信息推送方法，其特征在于，所述对所述用户信息集进行去异常预处理，得到初始用户信息集，包括：

将所述用户信息集进行数值化处理，得到数值集；

通过阈值区间对所述数值集进行筛选，得到异常数值集和正常数值集；

计算所述正常数值集的平均值，将所述异常数值集中的数据用所述平均值进行替换，得到修正异常数值集；

确定所述正常数值集与所述修正异常数值集的集合为所述初始用户信息集。

3.如权利要求2所述的信息推送方法，其特征在于，所述方法还包括：

获取所述数值集内的中位数q；

将所述中位数的作为下界，将所述中位数的作为上界，得到以所述下界和所述上界标识的所述阈值区间其中nm，n、m为预设常数。

4.如权利要求1至3任一项所述的信息推送方法，其特征在于，所述对所述初始用户信息集进行特征提取，得到标准用户信息集，包括：

步骤A：随机生成训练用户信息集，以及所述训练用户信息集对应的标准用户特征信息集；

步骤B：利用特征提取模型对所述训练用户信息集进行特征提取，得到特征用户信息集；

步骤C：将所述特征用户信息集和所述标准用户特征信息集进行对比，若所述特征用户信息集与所述标准用户特征信息集的差异大于预设误差，则调整所述特征提取模型的参数后返回步骤B再次进行特征提取；

步骤D：若所述特征用户信息集与所述标准用户特征信息集的差异小于所述预设误差，则确认训练完成，生成训练完成的特征提取模型；

步骤E：利用训练完成的特征提取模型对所述初始用户信息集进行特征提取，得到标准用户信息集。

5.如权利要求4所述的信息推送方法，其特征在于，所述将所述特征用户信息集和所述标准用户特征信息集进行对比，包括：

采用相似度计算函数进行相似度计算，得到计算结果，所述相似度计算函数为：

Sim_topic＝Pearson(TP_S,TP_T)

其中，TP_T为所述特征用户信息集，TP_S为所述标准用户特征信息集。

6.如权利要求1至3任一项所述的信息推送方法，其特征在于，所述将所述标准用户信息集输入至训练完成的分类模型进行分类之前，所述方法还包括：

步骤a：从所述标准用户信息集中随机选取k个标准用户信息并汇集为样本信息集；

步骤b：从所述样本信息集中随机选取n个样本信息作为样本中心构建分类模型，其中nk；

步骤c：随机选取所述样本信息集中剩余的样本信息输入至所述分类模型进行距离值分类，将所述样本信息和所述距离值最小的样本中心进行汇集，得到更新的样本中心；

步骤d：计算每一个所述更新的样本中心中距离值的总值，得到距离值集；

步骤e：重复步骤b，直到所述距离值集中的每个距离值均小于预设的距离阈值，得到所述训练完成的分类模型。