[发明专利]信息推送方法、装置、设备和存储介质

说明书

本申请提供一种信息推送方法、装置、设备和存储介质，其中，该方法包括：获取客户端当前所展示的推荐场景对应的场景模型，根据推荐场景对应的场景模型，预估用户在推荐场景中偏好的产品，在推荐场景中推荐用户偏好的产品的信息。该技术方案中，通过使用多个推荐场景的联合数据和场景任务训练得到的场景模型，预估用户在每个推荐场景中偏好的产品，能够实现不同推荐场景的数据共享，充分考虑不同推荐场景下每个场景任务之间的关联性，更加符合用户反馈数据的实际情况，能够更加准确的预估出用户的产品偏好，提升信息的推荐效果。

技术领域

本申请涉及机器学习技术领域，尤其涉及一种信息推送方法、装置、设备和存储介质。

背景技术

随着大数据和机器学习技术的发展，其在个性化推荐技术领域得到应用，个性化推荐是指通过挖掘用户的历史行为特征，分析用户的偏好，从而可以通过客户端的推荐页面，向用户推荐其偏好的信息和产品等。

现有技术中，点击通过率(CTR，Click-Through-Rate)预估模型被广泛的应用于个性化推荐系统，CTR预估模型用来学习和预测用户的反馈，通过收集海量的训练预料，进行学习训练，预测出用户偏好的信息和产品。

但是，在多推荐场景中，不同的场景任务之间存在有相互关联性，由于CTR预估模型使用的是单任务学习方式，其未考虑场景任务之间的互相联系，忽略了用户在不同推荐场景下的行为数据，导致在多推荐场景下，使用CTR预估模型无法准确的推送用户偏好的信息和产品。

发明内容

本申请提供一种信息推送方法、装置、设备和存储介质，用于解决现有的预估模型无法在多推荐场景下，准确的推送用户偏好的信息和产品的问题。

第一方面，本申请实施例提供一种信息推送方法，包括：

获取客户端当前所展示的推荐场景对应的场景模型，所述推荐场景用于表征客户端的产品推荐页，所述场景模型通过多个推荐场景的联合数据和场景任务训练得到，所述场景任务包括点击任务和下单任务；

根据所述推荐场景对应的场景模型，预估用户在所述推荐场景中偏好的产品；

在所述推荐场景中推荐用户偏好的产品的信息。

第二方面，本申请实施例提供一种信息推送装置，包括：

获取模块，用于获取客户端当前所展示的推荐场景对应的场景模型，所述推荐场景用于表征客户端的产品推荐页，所述场景模型通过多个推荐场景的联合数据和场景任务训练得到，所述场景任务包括点击任务和下单任务；

预估模块，用于根据所述推荐场景对应的场景模型，预估用户在所述推荐场景中偏好的产品；

推送模块，用于在所述推荐场景中推荐用户偏好的产品的信息。

第三方面，本申请实施例提供一种处理设备，包括存储器和至少一个处理器；

所述存储器存储计算机执行指令；

所述至少一个处理器执行所述存储器存储的计算机执行指令，使得所述至少一个处理器执行如上述的方法。

第四方面，本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机可读存储介质中存储有计算机指令，所述计算机指令被处理器执行时用于实现如上述的方法。

第五方面，本申请实施例提供一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现如上述的方法。

本申请实施例提供的信息推送方法、装置、设备和存储介质，通过使用多个推荐场景的联合数据和场景任务训练得到的场景模型，预估用户在每个推荐场景中偏好的产品，能够实现不同推荐场景的数据共享，充分考虑不同推荐场景下每个场景任务之间的关联性，更加符合用户反馈数据的实际情况，能够更加准确的预估出用户的产品偏好，提升信息的推荐效果。