[发明专利]一种信息推荐的方法以及装置

说明书

本说明书公开了一种信息推荐的方法以及装置，获取用户的用户数据，并确定用户对应的特征数据，其次，针对预先训练的每个推荐模型，将特征数据输入到该推荐模型中，以确定在该推荐模型下向用户进行信息推荐的第一推荐概率。而后，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。最后，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。本方法通过推荐模型在模型训练时所对应的样本采样率，对推荐模型对应的第一推荐概率进行校正，提高了推荐模型输出的结果的准确性，从而保证了向用户进行信息推荐的准确性。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种信息推荐的方法以及装置。

背景技术

目前，业务方为用户提供了众多的线上业务，而为了给用户的日常生活提供更多的便利，可以基于用户的用户数据，向用户进行信息推荐，以使用户基于接收到的推荐信息，执行符合自身实际需求的业务。

在实际应用中，通常采用预先训练好的推荐模型在向用户推荐信息。而在推荐模型的训练过程中，由于用户数据规模太大，导致在现有计算资源下，无法将所有的样本输入到推荐模型中进行训练，所以，通常都是采用一部分样本对推荐模型进行训练。但是，由于部分样本实际上只能反映出全量样本的部分情况，因此，采用部分样本对推荐模型进行训练时，往往会导致推荐模型输出的结果并不准确。

因此，如何能够有效地提高推荐模型输出的结果的准确性，则是一个亟待解决的问题。

发明内容

本说明书提供一种信息推荐的方法、装置、存储介质及电子设备，以部分的解决现有技术存在的上述问题。

本说明书采用下述技术方案：

本说明书提供了一种信息推荐的方法，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；

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。

可选地，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。

可选地，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。