[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

说明书

本申请涉及人工智能技术领域，揭露一种基于神经网络的消息推荐方法、装置、设备及存储介质，其中方法包括获取用户信息数据，并对用户信息数据进行特征提取，并基于预设序列，将职业信息、年龄信息与预设维度信息进行向量化处理，得到初始数据；将初始数据输入误差逆向神经网络模型中进行训练，得到预测模型；将待推荐用户信息数据进行向量化处理，得到目标数据；通过预测模型将目标数据进行预测计算，得到目标预测值；基于目标预测值，将待推荐消息推送给待推荐用户。本申请还涉及区块链技术，用户信息数据存储于区块链中。本申请结合多个维度计算待推荐用户的特征，输出其最佳的推荐方案，能够有利于提高推荐信息的点击效率。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种基于神经网络的消息推荐方法、装置、设备及存储介质。

背景技术

随着互联网的高速发展，用户的数据重要性与日俱增，对用户线上和线下行为深度洞察，构建全面、精准、多维的用户画像体系，为企业提供丰富的用户画像数据以及实时的场景识别能力，帮助企业全方位了解用户，个性化推荐由此应运而生，多维标签分类，实时场景甄别，实现千人千面运营。这些都属于利用AI与机器学习进行内容创建、利用AI与机器学习进行内容推荐优化。

现有的向用户推送消息的方法是通过工作人员对所有用户设定统一的信息推送时间和通知渠道，并在设定的时间向用户进行推送。然而，有的用户在收到推送信息时由于处于工作状态等原因，不会打开推送的信息，甚至有些通知渠道并不是所有用户都拥有，从而导致推送消息的触达率较低，导致用户对推送消息的点击率较低。现亟需一种能够提高用户对推送消息点击率的方法。

发明内容

本申请实施例的目的在于提出一种基于神经网络的消息推荐方法、装置、设备及存储介质，以提高用户对推送消息的点击率。

为了解决上述技术问题，本申请实施例提供一种基于神经网络的消息推荐方法，包括：

获取用户信息数据，并对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，将职业信息、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，初始数据分为训练数据以及验证数据，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，并对待推荐用户信息数据进行向量化处理，得到目标数据，其中，目标数据包括各个时间段、日期以及通知渠道的多维向量；

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

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

为了解决上述技术问题，本申请实施例提供一种基于神经网络的消息推荐装置，包括：

用户信息数据获取模块，用于获取用户信息数据，并对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；

初始数据获取模块，用于基于预设序列，将职业信息、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，初始数据分为训练数据以及验证数据，预设维度信息包括时间段、日期以及通知渠道；

初始数据处理模块，用于基于梯度下降法，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；

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

目标数据计算模块，用于通过预测模型将目标数据进行预测计算，得到目标预测值，其中，目标预测值包括多维向量对应的目标时间段、目标日期以及目标通知渠道；