[发明专利]基于神经网络的消息推荐方法、装置、设备及存储介质

权利要求书

1.一种基于神经网络的消息推荐方法，其特征在于，包括：

获取用户信息数据，并对所述用户信息数据进行特征提取，得到每一个用户的职业信息和年龄信息；

基于预设序列，将所述职业信息、所述年龄信息与预设维度信息进行向量化处理，得到初始数据，其中，所述初始数据分为训练数据以及验证数据，所述预设维度信息包括时间段、日期以及通知渠道；

基于梯度下降法，通过所述初始数据对误差逆向神经网络进行训练，得到预测模型；

获取待推荐用户信息数据，并对所述待推荐用户信息数据进行向量化处理，得到目标数据，其中，所述目标数据包括各个时间段、日期以及通知渠道的多维向量；

通过所述预测模型将所述目标数据进行预测计算，得到目标预测值，其中，所述目标预测值包括所述多维向量对应的目标时间段、目标日期以及目标通知渠道；

基于所述目标预测值，将待推荐消息按照所述目标时间段、目标日期以及目标通知渠道推送给待推荐用户。

2.根据权利要求1所述的基于神经网络的消息推荐方法，其特征在于，所述获取用户信息数据，并对所述用户信息数据进行特征提取，得到每一个用户的职业信息和年龄信息，包括：

从数据库中获取所述用户信息数据；

对所述用户信息数据进行数据清洗，得到基础数据；

采用正则匹配的方式，从所述基础数据中提取身份信息、工作信息以及年龄信息，并将所述身份信息、工作信息转换为对应的职业信息。

3.根据权利要求1所述的基于神经网络的消息推荐方法，其特征在于，所述基于预设序列，将所述职业信息、所述年龄信息与预设维度信息进行向量化处理，得到初始数据，包括：

将所述职业信息以及所述通知渠道按照预设顺序排列，得到第一排列结果；

将所述年龄信息、所述时间段以及所述日期按照预设级别进行排列，得到第二排列结果，并将所述第一排列结果和第二排列结果进行组合，得到预设排列结果；

将每个所述用户数据与所述预设排列结果中的因素进行对比，得到对比结果，并根据所述对比结果对所述用户数据进行向量化标记，得到所述初始数据。

4.根据权利要求1所述的基于神经网络的消息推荐方法，其特征在于，所述基于梯度下降法，通过所述初始数据对误差逆向神经网络进行训练，得到预测模型，包括：

将所述训练数据输入到所述误差逆向神经网络中进行计算，得到输出值，并基于预设的期望输出与所述输出值，确定误差值；

基于所述误差值调整所述误差逆向神经网络模型中的权重和偏置参数，得到调整后的误差逆向神经网络模型；

基于梯度下降法，将所述训练数据以及所述预设的期望输出计算调整后的所述误差逆向神经网络模型的误差值，并结合所述误差值调整所述误差逆向神经网络模型中的权重和偏置参数，直至所述误差值小于预设值时，得到所述预测模型。

5.根据权利要求4所述的基于神经网络的消息推荐方法，其特征在于，所述将所述训练数据输入到所述误差逆向神经网络中进行计算，得到输出值，并基于预设的期望输出与所述输出值，确定误差值，包括：

获取所述误差逆向神经网络模型中预设初始权重以及预设初始偏置系数；

根据Sigmoid函数，将所述训练数据依次输入到所述误差逆向神经网络模型中的输入层、隐含层以及输出层进行计算，得到隐含层的输出结果以及输出层的输出结果；

获取所述预设的期望输出，基于所述预设的期望输出与所述输出层的输出结果计算处理，得到所述误差值。

6.根据权利要求3所述的基于神经网络的消息推荐方法，其特征在于，所述获取待推荐用户信息数据，并对所述待推荐用户信息数据进行向量化处理，得到目标数据，包括：

获取所述待推荐用户信息数据；

将所述待推荐用户信息数据按照所述预设顺序排列以及按照所述预设级别进行排序，得到待推荐用户排列结果；

将所述待推荐用户信息数据与所述待推荐用户排列结果进行向量匹配，得到所述目标数据。