[发明专利]一种信息推荐的方法以及装置

权利要求书

1.一种信息推荐的方法，其特征在于，包括：

获取用户的用户数据，所述用户数据包括：所述用户的属性数据、所述用户针对目标业务的历史行为数据、所述用户对应的业务风险信息、所述用户对应的历史业务数据，以及向所述用户发送的各历史推荐信息对应的相关信息中的至少一种；

根据所述用户的用户数据，确定所述用户对应的特征数据；

针对预先训练的每个推荐模型，将所述特征数据输入到该推荐模型中，以确定在该推荐模型下向所述用户进行信息推荐的第一推荐概率，作为该推荐模型对应的第一推荐概率；

根据该推荐模型在模型训练时所对应的样本采样率，对该推荐模型对应的第一推荐概率进行校正，确定该推荐模型对应的校正推荐概率，该推荐模型所对应的样本采样率是指该推荐模型对应的样本集中负样本在全量样本集中的占比，所述样本集是通过从全量样本集中选取所有的正样本以及基于样本采样率所确定出的部分负样本构建的；

根据各推荐模型对应的校正推荐概率，向所述用户进行信息推荐。

2.如权利要求1所述的方法，其特征在于，根据各推荐模型对应的校正推荐概率，向所述用户进行信息推荐，具体包括：

根据各推荐模型对应的校正推荐概率，向所述用户发送针对所述目标业务的推荐信息。

3.如权利要求1所述的方法，其特征在于，训练推荐模型，具体包括：

针对每个推荐模型，确定该推荐模型对应的样本采样率，不同推荐模型对应的样本采样率不同；

根据该推荐模型对应的样本采样率，从各用户在历史上的用户数据中选取所有的正样本以及部分负样本，并构建该推荐模型对应的样本集，所述正样本用于表示用户通过获取到的推荐信息执行所述推荐信息对应的业务，所述负样本用于表示用户获取到推荐信息后未执行所述推荐信息对应的业务；

针对所述样本集中的每个训练样本，将该训练样本对应的特征数据输入到该推荐模型，得到该训练样本对应的预测推荐概率；

以最小化所述预测推荐概率与该训练样本对应的样本标签之间的偏差为优化目标，对该推荐模型进行训练。

4.如权利要求1所述的方法，其特征在于，根据该推荐模型在模型训练时所对应的样本采样率，对该推荐模型对应的第一推荐概率进行校正，确定该推荐模型对应的校正推荐概率，具体包括：

获取预先确定出的该推荐模型对应的基于条件概率的概率校正规则；

根据所述概率校正规则、该推荐模型在模型训练时所对应的样本采样率以及该推荐模型对应的第一推荐概率，确定该推荐模型对应的校正推荐概率。

5.如权利要求4所述的方法，其特征在于，确定该推荐模型对应的概率校正规则，具体包括：

针对该推荐模型在模型训练时所采用的样本集中包含的每个训练样本，根据该推荐模型对应的样本采样率，确定该推荐模型通过全量样本集进行训练后得到的针对该训练样本的推荐概率，与该推荐模型通过所述样本集进行训练后得到的针对该训练样本的推荐概率之间的对应关系，所述样本集中包含的训练样本为所述全量样本集中的部分训练样本；

根据所述对应关系，确定该推荐模型对应的概率校正规则。

6.如权利要求1或2所述的方法，其特征在于，根据各推荐模型对应的校正推荐概率，向所述用户进行信息推荐，具体包括：

根据各推荐模型对应的校正推荐概率，确定向所述用户进行信息推荐的第二推荐概率；

根据所述第二推荐概率，向所述用户进行信息推荐。

7.如权利要求6所述的方法，其特征在于，根据各推荐模型对应的校正推荐概率，确定向所述用户进行信息推荐的第二推荐概率，具体包括：

根据预先确定出的各推荐模型对应的权重以及各推荐模型对应的校正推荐概率，得到所述第二推荐概率。