[发明专利]信息推送方法、装置及存储介质

说明书

本发明实施例提供了一种信息推送方法、装置及存储介质，该方法包括：获取正样本和负样本，并基于所述正样本和所述负样本进行模型训练得到信息推送模型，其中，所述正样本包括推送成功用户的数据，所述负样本包括从待推送集合中获取的待推送用户的数据，所述待推送集合包括所有待推送用户的数据；根据所述信息推送模型执行信息推送。通过本发明，解决了相关技术中因数据量和数据范围不足导致的信息推送模型的构建不准确的问题，提高了信息推送模型的准确性，增大了信息推送的成功率。

技术领域

本发明实施例涉及计算机领域，具体而言，涉及一种信息推送方法、装置及存储介质。

背景技术

近几年结合高新技术描绘用户画像的智能信息推送方式(例如，智能营销)广受推崇，简单来说，就是通过大数据分析、机器学习等方法更深入地挖掘用户的喜好、分析用户的潜在需求、进而转化信息推送的效果。

按照相关技术的智能信息推送模式，各机构只能基于自身系统中的用户画像挖掘用户需求，因为机构间的用户画像信息(例如，用户资产、消费行为等相关的画像信息)是相互割裂的，该数据不仅涉及用户个人隐私，具有一定敏感性，也是机构的核心数据之一，具有较高价值，难以以明文形式公开共享使用。

可见，信息推送模型的构建过程中，往往会涉及因数据量和数据范围不足导致的信息推送模型的构建不准确的问题。

发明内容

本发明实施例提供了一种信息推送方法、装置及存储介质，以至少解决相关技术中因数据量和数据范围不足导致的信息推送模型的构建不准确的问题。

根据本发明的一个实施例，提供了一种信息推送方法，包括：

获取正样本和负样本，并基于所述正样本和所述负样本进行模型训练得到信息推送模型，其中，所述正样本包括推送成功用户的数据，所述负样本包括从待推送集合中获取的待推送用户的数据，所述待推送集合包括所有待推送用户的数据；

根据所述信息推送模型执行信息推送。

在至少一个示例性实施例中，获取正样本和负样本，并基于所述正样本和所述负样本进行模型训练得到信息推送模型包括：

样本获取步骤：获取所述正样本，并从所述待推送集合中获取所述负样本；

训练步骤：基于所述正样本和所述负样本进行模型训练得到所述信息推送模型；

调整步骤：根据所述信息推送模型预测所述待推送集合中的所有待推送用户的推送成功率，根据所述推送成功率从所述待推送集合中确定潜在推送用户，将所述潜在推送用户的数据加入正样本，并从所述待推送集合中删除所述潜在推送用户的数据；

控制步骤：控制循环迭代执行所述样本获取步骤、所述训练步骤和所述调整步骤，直到所述信息推送模型满足预定条件。

在至少一个示例性实施例中，根据所述推送成功率从所述待推送集合中确定潜在推送用户包括以下之一：

将所述待推送集合中所述推送成功率高于潜在推送阈值的用户确定为所述潜在推送用户；

将所述待推送集合中所述推送成功率最高的预定数量的用户确定为所述潜在推送用户。

在至少一个示例性实施例中，所述预定条件包括以下之一：

所述信息推送模型满足业务要求；

所述信息推送模型达到收敛条件。

在至少一个示例性实施例中，所述正样本的数量为第一值，所述负样本的数量为第二值，其中，所述第二值相对于所述第一值的差值小于预设偏差数值。

在至少一个示例性实施例中，所述负样本包括从待推送集合中随机抽取的待推送用户的数据。