CN113393286A - 一种信息处理方法及装置、存储介质 - Google Patents
一种信息处理方法及装置、存储介质 Download PDFInfo
- Publication number
- CN113393286A CN113393286A CN202110413217.5A CN202110413217A CN113393286A CN 113393286 A CN113393286 A CN 113393286A CN 202110413217 A CN202110413217 A CN 202110413217A CN 113393286 A CN113393286 A CN 113393286A
- Authority
- CN
- China
- Prior art keywords
- time period
- information
- active time
- target object
- information processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 147
- 238000003672 processing method Methods 0.000 title claims abstract description 20
- 230000015654 memory Effects 0.000 claims description 28
- 238000000034 method Methods 0.000 claims description 24
- 230000000694 effects Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000004891 communication Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 12
- 238000012545 processing Methods 0.000 description 7
- 239000000463 material Substances 0.000 description 5
- 230000003203 everyday effect Effects 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000004927 fusion Effects 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003252 repetitive effect Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000006403 short-term memory Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0202—Market predictions or forecasting for commercial activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
Landscapes
- Business, Economics & Management (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例公开了一种信息处理方法及装置、存储介质,包括:在获取到待推送信息的情况下,确定与待推送信息对应的目标对象;基于目标对象的历史活跃时间段确定目标对象的活跃时间段;并在活跃时间段内向目标对象发送待推送信息。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种信息处理方法及装置、存储介质。
背景技术
随着大数据和人工智能的发展,越来越多的用户倾向于从互联网上获取信息,互联网也会向用户推送一些信息,以方便用户获取信息。
在现有技术中,是在获取到推送信息的情况下,就直接向用户发送该推送信息,而有些用户就不会看这些推送信息,如此,降低了推送信息的推送效率。
发明内容
为解决上述技术问题,本发明实施例期望提供一种信息处理方法及装置、存储介质,能够提高推送信息推送时的效率。
本发明的技术方案是这样实现的:
本申请实施例提供一种信息处理方法,所述信息处理方法包括:
在获取到待推送信息的情况下,确定与所述待推送信息对应的目标对象;
基于所述目标对象的历史活跃时间段确定所述目标对象的活跃时间段;并在所述活跃时间段内向所述目标对象发送所述待推送信息,所述活跃时间段为所述目标对象查看推送信息的时间段。
本申请实施例提供了一种信息处理装置,所述装置包括:
确定单元,用于在获取到待推送信息的情况下,确定与所述待推送信息对应的目标对象;基于所述目标对象的历史活跃时间段确定所述目标对象的活跃时间段,所述活跃时间段为所述目标对象查看推送信息的时间段;
发送单元,用于在所述活跃时间段内向所述目标对象发送所述待推送信息。
本申请实施例提供了一种信息处理装置,所述装置包括:
存储器、处理器和通信总线,所述存储器通过所述通信总线与所述处理器进行通信,所述存储器存储所述处理器可执行的信息处理的程序,当所述信息处理的程序被执行时,通过所述处理器执行上述所述的信息处理方法。
本申请实施例提供了一种存储介质,其上存储有计算机程序,应用于信息处理装置,该计算机程序被处理器执行时实现上述所述的信息处理方法。
本发明实施例提供了一种信息处理方法及装置、存储介质,信息处理方法包括:在获取到待推送信息的情况下,确定与待推送信息对应的目标对象;基于目标对象的历史活跃时间段确定目标对象的活跃时间段;并在活跃时间段内向目标对象发送待推送信息。采用上述方法实现方案,信息处理装置在确定出待推送信息对应的目标对象的情况下,信息处理装置就会基于该目标对象的历史活跃时间段来确定该目标对象的活跃时间段,使得信息处理装置可以在目标对象的活跃时间段向该目标对象发送该待推送信息,由于该获取时间段为目标对象查看推送信息的活跃时间段,通过在目标对象查看推送信息的活跃时间段向目标对象发送待推荐信息,提高了目标对象查看该待推荐信息的概率,提高了推送信息推送时的效率。
附图说明
图1为本申请实施例提供的一种信息处理方法流程图;
图2为本申请实施例提供的一种示例性的信息处理装置组成结构示意图;
图3为本申请实施例提供的一种示例性的信息处理方法流程图;
图4为本申请实施例提供的一种信息处理装置的组成结构示意图一;
图5为本申请实施例提供的一种信息处理装置组成结构示意图二。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
实施例一
本申请实施例提供了一种信息处理方法,图1为本申请实施例提供的一种信息处理方法流程图,如图1所示,信息处理方法可以包括:
S101、在获取到待推送信息的情况下,确定与待推送信息对应的目标对象。
本申请实施例提供的一种信息处理方法适用于向目标对象发送待推荐信息的场景下。
在本申请实施例中,信息处理装置可以以各种形式来实施。例如,本申请中描述的信息处理装置可以包括诸如手机、照相机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant,PDA)、便捷式媒体播放器(Portable Media Player,PMP)、导航装置、可穿戴设备、智能手环、计步器等装置,以及诸如数字TV、台式计算机、服务器等装置。
示例性的,若信息处理装置为服务器,则信息处理装置具体可以为某电商购物平台中心的服务器。
在本申请实施例中,待推送信息可以为用户所关注的时事新闻、也可以为用户所关注的商品的动态信息,还可以为其他的信息,具体的可根据实际情况进行确定,本申请实施例对此不作限定。
示例性的,若待推送信息可以为用户所关注的商品的动态信息,则待推送信息可以为用户所关注的商品的降价信息、用户所关注的商品的支付信息或者用户所关注的商品的购物券信息等,具体的可根据实际情况进行确定,本申请实施例对此不作限定。
在本申请实施例中,待推送信息可以为信息处理装置中产生的信息,也可以为信息处理装置从其他装置处获取到的信息,具体的信息处理装置获取待推送信息的方式可以根据实际情况进行确定,本申请实施例对此不作限定。
在本申请实施例中,若待推送信息为信息处理装置中产生的信息,信息处理装置在生成待推送信息的情况下,信息处理装置也就获取到了该待推送信息。
在本申请实施例中,目标对象可以为接收该待推送信息的用户,该目标对象的数量可以为一个,目标对象的数量也可以为两个,目标对象的数量也可以为多个,具体的目标对象的数量可根据实际情况进行确定,本申请实施例对此不作限定。
在本申请实施例中,信息处理装置中存储有用户信息,信息处理装置可以从该用户信息中筛选得到与待推送信息对应的目标对象。
在本申请实施例中,若信息处理装置为某电商购物平台中心的服务器,则信息处理装置中存储有用户在该电商品台的注册信息,即用户信息,信息处理装置可以该用户信息中确定出目标对象。
需要说明的是,信息处理装置可以通过hive表来存储用户信息,信息处理装置也可以通过其他的方式来存储用户信息,具体的可根据实际情况进行确定,本申请实施例对此不作限定。
在本申请实施例中,信息处理装置确定与待推送信息对应的目标对象的过程,包括:信息处理装置从预设对象群中筛选出与待推荐信息相关的待推荐对象;信息处理装置在待推荐对象中去除非目标对象,得到目标对象。
需要说明的是,非目标对象包括查看推送信息的频率低于频率下限阈值的对象、重复对象和虚假对象。
需要说明的是,预设对象群为推送信息接收开关为打开状态时的对象群具体的,预设对象群可以为从用户信息中筛选的推送信息接收开关为打开状态时的对象群。
在本申请实施例中,若待推荐信息为商品的相关信息,信息处理装置可以先确定出关注该商品的用户,之后信息处理装置就可以将关注该商品的用户作为待推荐对象。
在本申请实施例中,信息处理装置确定出待推荐对象之后,信息处理装置就可以从待推荐对象中,出去重复对象、虚假对象和查看推送信息的频率低于频率下限阈值的对象。
需要说明的是,信息处理装置会向目标对象的目标设备发送该待推送信息,以供目标对象利用该目标设备获取到该待推送信息。其中,信息处理装置中存储的用户信息中包括该用户对应的设备的设备号。
需要说明的是,重复对象为待推荐对象中存在的与其他设备的设备号不同,但是与其他设备对应的对象相同的设备。虚假对象为设备号为空的对象。
在本申请实施例中,频率下限阈值为信息处理装置中配置的频率阈值,也可以为信息处理装置执行在待推荐对象中去除非目标对象,得到目标对象步骤之前,获取到的频率阈值,还可以为信息处理装置以其他的方式获取的到频率阈值,具体的可根据实际情况进行确定,本申请实施例对此不作限定。
在本申请实施例中,频率下线阈值可以为过去三个月用户有七次打开了推送信息的频率,也可以为过去一个月用户有两次打开了推送信息的频率,还可以为其他的频率,具体的可根据实际情况进行确定,本申请实施例对此不作限定。
S102、基于目标对象的历史活跃时间段确定目标对象的活跃时间段;并在活跃时间段内向目标对象发送待推送信息,活跃时间段为目标对象查看推送信息的时间段。
在本申请实施例中,信息处理装置确定出与待推送信息对应的目标对象之后,信息处理装置就可以基于目标对象的历史活跃时间段确定目标对象的活跃时间段确定目标对象的活跃时间段;并在活跃时间段内向目标对象发送待推送信息了。
需要说明的是,活跃时间段为目标对象查看推送信息的时间段。
在本申请实施例中,信息处理装置可以根据用户的历史活跃时间段来确定该用户的活跃时间段,信息处理装置也可以利用活跃时间预测模型来确定该用户的活跃时间段,信息处理装置还可以利用其他的方式来确定该用户的活跃时间段,具体的可根据实际情况进行确定,本申请实施例对此不作限定。
在本申请实施例中,信息处理装置基于目标对象的历史活跃时间段确定目标对象的活跃时间段之前,信息处理装置还会获取目标对象的历史活跃时间段,相应的,信息处理装置基于目标对象的历史活跃时间段确定目标对象的活跃时间段的过程,包括:信息处理装置确定目标对象的历史活跃时间段;信息处理装置将历史活跃时间段信息输入活跃时间预测模型,得到活跃时间段。
在本申请实施例中,信息处理装置中配置有活跃时间预测模型,该活跃时间预测模型具体为信息处理装置利用用户的历史活跃时间段对初始活跃时间预测模型进行训练,得到的模型。
需要说明的是,该活跃时间预测模型可以为利用长短期记忆网络(Long Short-Term Memory,LSTM)得到的模型,也可以为信息处理装置利用其他的神经网络得到的模型,具体的可根据实际情况进行确定,本申请实施例对此不作限定。
在本申请实施例中,信息处理装置在得到活跃时间预测模型之后,信息处理装置就可以存储该活跃时间预测模型,并在预设时间段内对该活跃时间预测模型进行更新。
需要说明的是,信息处理装置可以将该活跃时间预测模型存储至缓存云中,信息处理装置也可以将该活跃时间预测模型存储至存储器中,具体的信息处理装置存储该活跃时间预测模型的区域可以根据实际情况进行确定,本申请实施例对此不作限定。
需要说明的是,历史活跃时间段可以为用户在历史7天内的活跃时间段,即信息处理装置利用历史7天的活跃时间段预测用户在第8天内的活跃时间段。
在本申请实施例中,历史活跃时间段也可以为用户在历史15天内的活跃时间段,历史活跃时间段也可以为用户在历史20天内的活跃时间段,具体的历史活跃时间段对应的历史时间期限可根据实际情况进行确定,本申请实施例对此不作限定。
在本申请实施例中,信息处理装置获取目标对象的历史活跃时间段的过程,包括信息处理装置获取目标对象在第一时间段内查看目标应用的时间长度;在时间长度大于或者等于预设时长阈值的情况下,将第一时间段作为历史活跃时间段。
需要说明的是,目标应用为接收推送信息的应用。
在本申请实施例中,目标对象的数量可以为多个,信息处理装置可以获取每一个目标对象在第一时间段内查看目标应用的时间长度,从而确定出每一个目标对象对应的历史活跃时间。
需要说明的是,第一时间段为目标对象对应的历史查看目标应用的时间段。
在本申请实施例中,预设时长阈值可以为信息处理装置中配置的时长阈值,也可以为信息处理装置在时间长度大于或者等于预设时长阈值的情况下,将第一时间段作为历史活跃时间段之前,信息处理装置接收到的时长阈值,还可以为信息处理装置利用其他的方式获取到的时长阈值,具体的可根据实际情况进行确定,本申请实施例对此不作限定。
在本申请实施例中,信息处理装置也可以确定用户在第一时间段内请求目标应用的请求次数,在该请求次数大于或者等于预设次数阈值的情况下,信息处理装置就将该第一时间段作为历史活跃时间段。
在本申请实施例中,信息处理装置还可以确定用户在第一时间段内在目标应用中的点击次数,在信息处理装置确定出该点击次数大于或者等于预设点击次数的情况下,信息处理装置就在将该第一时间段作为历史活跃时间段,具体的信息处理装置确定目标对象的历史活跃时间段的方式可以根据实际情况进行确定,本申请实施例对此不作限定。
在本申请实施例中,信息处理装置将历史活跃时间段信息输入活跃时间预测模型,得到活跃时间段之后,信息处理装置还会在预设时间段内,更新活跃时间预测模型,得到更新后的活跃时间预测模型,并基于更新后的活跃时间预测模型和历史活跃时间段确定下一轮目标对象的活跃时间段。
在本申请实施例中,预设时间段可以为信息处理装置中配置的时间段,也可以为信息处理装置更新该活跃时间预测模型之前,信息处理装置接收到的时间段,还可以为信息处理装置以其他的方式获取到的时间段,具体的可根据实际情况进行确定,本申请实施例对此不作限定。
示例性的,该预设时间段可以为五个月,该预设时间段也可以为一年,该预设时间段还可以为两年,具体的预设时间段的时长可以根据实际情况进行确定,本申请实施例对此不作限定。
在本申请实施例中,信息处理装置在得到更新后的活跃时间预测模型之后,信息处理装置就在存储活跃时间预测模型的区域将该活跃时间预测模型删除,并在此区域存储更新后的活跃时间预测模型。
示例性的,如图2所示:若待推荐信息对应的推荐对象为商品,信息处理装置可以从消息画像中获取到商品信息,信息处理装置就将该商品信息存储于消息素材底池,信息处理装置可以将利用用户圈选模块从用户画像中确定出与该商品信息对应的目标对象,之后信息处理装置再根据消息候选集构造模块确定出向目标对象发送商品信息对应的对待推送信息的时间段,并在该时间段内向目标对象推送该待推送信息。具体的,用户圈选模块中包括模型融合圈选、规则圈选和业务直接圈选,信息处理装置可以利用模型融合圈选、规则圈选或者业务直接圈选任一圈选模型来确定出目标对象,若信息处理装置利用模型融合圈选来确定目标对象,则信息处理装置可以利用流失预警模型、活跃度模型、消息敏感度模型等任一模型来确定出目标对象。信息处理装置在利用消息候选集构造模块确定目标对象的获取时间段的过程中,信息处理装置可以利用用户集划分来确定是基于消息偏好时段(活跃时间段)向目标对象发送该商品信息还是实时触发来向目标对象发送商品信息,若信息处理装置确定出是基于消息偏好时段向目标对象发送商品信息,信息处理装置就通过用户定时调度模块,定时从多路素材调用模块中获取该商品信息,并通过文案拼接模块中的文件管理与生成模块生成该商品信息对应的文案,在利用消息体组装模块对该文案进行组装,从而得到待推荐信息,之后信息处理装置就可以在消息偏好时段向目标对象发送待推荐信息。
需要说明的是,该多路素材调用模块具体可以是推荐服务模块,也可以为中台服务模块,还可以是规则计算脚本模块。
示例性的,如图3所示:信息处理装置也可以通过业务场景、推送时间方案、数据分析、时序模型训练和上线推理来得到并保存活跃时间预测模型,以利用活跃时间预测模型预测目标对象的活跃时间段,通过对比在该活跃时间段内向目标对象发送待推荐信息和在信息处理装置在获取到待推送信息的情况下,直接向目标对象发送待推荐信息进行实验效果AB试验。其中,业务场景包括推送背景、用户圈选、消息候选和消息发送。信息处理装置通过推送背景确定出需要发送待推荐信息的情况下,信息处理装置就利用用户圈选来确定目标对象,利用消息候选来确定是在活跃时间段向目标对象发送待推荐信息还是实时向目标对象发送待推荐信息,或者是周期定时的向目标对象发送待推荐信息,在确定出是在活跃时间段向目标对象发送待推荐信息的情况下,信息处理装置就通过消息发送来确定是基于规则优先级向目标对象发送待推荐信息还是基于排序模型来向目标对象发送待推荐信息。信息处理装置通过推送时间方案来确定推送信息的发送方案属于分类问题还是时序问题,若是属于分类问题,则利用分类问题模块将信息发送时间点粗粒度计算比如上午或下午,通过构建用户特征和标签,分类预测用户属于不同类别的概率,即上午还是下午打开推送信息。若是属于时序问题,则通过时序模型对推动信息发送时间点进行端到端预测,提取用户历史活跃时间段,然后使用LSTM模型,设计滑动窗口,预测用户的活跃时间段。通过数据需求从曝光表中统计用户每天请求目标应用的时间,划分时间段,初步定义用户请求目标应用次数最多的那个时间段为用户活跃时间。再关联消息推送中心的hive表,计算每天需要发送消息的用户,打包成pin包。利用数据预处理对pin包中的数据进行筛选,剔除脏数据和重复数据,得到目标对象。信息处理装置通过库表调研,来调研推送信息的日志表,包括推送信息产生的时间戳,推送信息的状态(10表示推送信息被处理,20表示推送信息发送成功,30表示推送信息到达用户设备,40表示推送信息被打开,98表示不存在有效设备或绑定关系,99表示没有通过开关判断)。信息处理装置基于每天打开推送信息的时间筛选出预设对象群,之后再从预设对象群中筛选出与待推荐信息相关的待推荐对象,从待推荐对象中去除查看推送信息的频率低于频率下限阈值的对象、重复对象和虚假对象,再通过时间转换即归一化处理,得到活跃时间预测模型客户识别的序列数据。通过活跃度定义来获取目标对象在第一时间段内查看目标应用的时间长度,在时间长度大于或者等于预设时长阈值的情况下,将所述第一时间段作为历史活跃时间段来定义活跃度,利用序列长度设计来将历史7天的历史活跃时间段作为序列长度,并利用该序列长度来训练初始活跃时间预测模型。信息处理装置通过设置序列滑动窗口的序列为7,以利用历史7天的历史活跃时间段来预测目标对象在第8天时的活跃时间段。信息处理装置利用历史7天的历史活跃时间段来训练初始活跃时间预测模型(LSTM模型),从而得到训练后的初始活跃时间预测模型,之后信息处理装置通过参数调试来调试训练后的初始活跃时间预测模型中的参数,之后再通过优化器调试来调试训练后的初始活跃时间预测模型,从而得到活跃时间预测模型。推理数据构造利用活跃时间预测模型预测待推送信息对应的目标对象,并通过模型保存将活跃时间预测模型存储至缓存云中,定期更新该活跃时间预测模型,通过预测结果落盘将目标对象按照下游合适需求进行处理,并保存至分布式文件系统(Hadoop Distributed FileSystem,HDFS)中。之后再利用技术导入工具将HDFS保存好的目标对象导入资源管理平台指定的区域,做成自动更新的调度任务。信息处理装置通过对照组设置对照实验A和实验B,实验A为每天下午7点给所有的用户发送待推送信息,实验B是先确定出第一部分的用户的活跃时间段为上午10点,第二部分的用户的活跃时间段为中午1点,第三部分的用户的活跃时间段为晚上7点,然后分别在上午10点给第一部分的用户发送待推送信息;在中午1点给第二部分的用户发送待推送信息;在下午7点给第三部分的用户发送待推送信息,之后利用推送打开率来确定待推送信息的推送打开率,利用推送召回率来计算待推送信息的推送召回率,利用推送关闭率来计算待推算信息的推送关闭率。其中,推送打开率为打开待推送信息用户数量/成功接收待推送信息的用户数量。需要说明的是,打开待推送信息的用户数量在推送日志表中,使用推送状态为40来表示,成功接收待推送信息的用户数量在推送日志表中,使用推送状态为30表示。需要说明的是,推送召回率为曝光待推送信息的用户数量/推送日志表中处理消息的用户数量。其中曝光待推送信息的用户数量在曝光表中通过推荐条件统计,推送日志表中处理待推送信息的用户数量,在推送日志表中使用推送状态为10,20,30,40,98,99(10表示待推送信息被处理,20表示待推送信息发送成功,30表示待推送信息到达手机,40表示待推送信息被打开,98表示不存在有效设备或绑定关系,99表示用户对待推送信息没有通过开关判断)。需要说明的是,推送关闭率为收到待推送信息但主动关闭的用户数量/成功接收待推送信息的用户数量。其中,收到待推送信息但主动关闭的用户数量,在另一张消息拉链日志表中通过推送使能字段是否为0来标记。成功接收待推送信息的用户数量在推送日志表中,使用推送状态为30表示。
需要说明的是,基于规则优先级的方式可以为若目标对象在过去一段时间内一直没有登录过目标应用(即目标对象的历史消息打开率、历史消息活跃用户数量(Dailyactive user,DAU)贡献率、用户画像、消息画像消息素材正负反馈、素材商品优惠券异构特征等信息确定目标对象在过去一段时间内一直没有登录过目标应用),则信息处理装置就不向该目标对象发送待推荐信息的规则,若目标对象在过去一段时间内有登录过目标应用,则信息处理装置就向该目标对象发送待推荐信息的规则。排序模型用于检测目标对象对推送信息的敏感度,若目标对象对推送信息敏感,则向目标对象发送与目标对象相关的所有推荐信息,目标对象对推送信息不敏感,则向目标对象发送与目标对象相关的部分推荐信息。信息处理装置还可以通过商品频控、文案频控、品类频控等优化待推荐信息的发送方式。
还需要说明的是,排序模型可以是多模型融合打分模型、多目标MMOE预测模型、重排序模型等。
需要说明的是,LSTM模型包括输入门、遗忘门、记忆门和输出门。遗忘门用于忽略掉序列中不重要的信息,只留下重要的信息,给循环神经网络提供了容错性。输入门和记忆门共同控制从特征嵌入(embedding)得到的输入,是信息的来源。分别使用两组权重计算输入门和记忆门。神经网络得到记忆门和输入门,然后更新记忆门中的数据。
需要说明的是,参设调试部分的学习率随着迭代步数自动衰减,将归一化之后的梯度限制在5之内。并设置了L2正则,以防止过拟合。
需要说明的是,优化器可以为adagrad优化器。
可以理解的是,信息处理装置在确定出待推送信息对应的目标对象的情况下,信息处理装置就会基于该目标对象的历史活跃时间段来确定该目标对象的活跃时间段,使得信息处理装置可以在目标对象的活跃时间段向该目标对象发送该待推送信息,由于该获取时间段为目标对象查看推送信息的活跃时间段,通过在目标对象查看推送信息的活跃时间段向目标对象发送待推荐信息,提高了目标对象查看该待推荐信息的概率,提高了推送信息推送时的效率。
实施例二
基于实施例一同一发明构思,本申请实施例提供了一种信息处理装置1,对应于一种信息处理方法;图4为本申请实施例提供的一种信息处理装置的组成结构示意图一,该信息处理装置1可以包括:
确定单元11,用于在获取到待推送信息的情况下,确定与所述待推送信息对应的目标对象;基于所述目标对象的历史活跃时间段确定所述目标对象的活跃时间段,所述活跃时间段为所述目标对象查看推送信息的时间段;
发送单元12,用于在所述活跃时间段内向所述目标对象发送所述待推送信息。
在本申请的一些实施例中,所述装置还包括输入单元和获取单元;
所述获取单元,用于获取所述历史活跃时间段;
相应的,所述输入单元,用于将所述历史活跃时间段信息输入活跃时间预测模型,得到所述活跃时间段。
在本申请的一些实施例中,所述装置还包括获取单元;
所述获取单元,用于获取所述目标对象在第一时间段内查看目标应用的时间长度;在所述时间长度大于或者等于预设时长阈值的情况下,将所述第一时间段作为所述历史活跃时间段,所述目标应用为接收推送信息的应用。
在本申请的一些实施例中,所述装置还包括更新单元;
所述更新单元,用于在预设时间段内,更新所述活跃时间预测模型,得到更新后的活跃时间预测模型,并基于所述更新后的活跃时间预测模型确定下一轮目标对象的活跃时间段。
在本申请的一些实施例中,所述装置还包括筛选单元和去除单元;
所述筛选单元,用于从预设对象群中筛选出与所述待推荐信息相关的待推荐对象,所述预设对象群为推送信息接收开关为打开状态时的对象群;
所述去除单元,用于在所述待推荐对象中去除非目标对象,得到所述目标对象,所述非目标对象包括查看推送信息的频率低于频率下限阈值的对象、重复对象和虚假对象。
需要说明的是,在实际应用中,上述确定单元11和发送单元12可由信息处理装置1上的处理器13实现,具体为CPU(Central Processing Unit,中央处理器)、MPU(Microprocessor Unit,微处理器)、DSP(Digital Signal Processing,数字信号处理器)或现场可编程门阵列(FPGA,Field Programmable Gate Array)等实现;上述数据存储可由信息处理装置1上的存储器14实现。
本发明实施例还提供了一种信息处理装置1,如图5所示,所述信息处理装置1包括:处理器13、存储器14和通信总线15,所述存储器14通过所述通信总线15与所述处理器13进行通信,所述存储器14存储所述处理器13可执行的程序,当所述程序被执行时,通过所述处理器13执行如上述所述的信息处理方法。
在实际应用中,上述存储器14可以是易失性存储器(volatile memory),例如随机存取存储器(Random-Access Memory,RAM);或者非易失性存储器(non-volatile memory),例如只读存储器(Read-Only Memory,ROM),快闪存储器(flash memory),硬盘(Hard DiskDrive,HDD)或固态硬盘(Solid-State Drive,SSD);或者上述种类的存储器的组合,并向处理器13提供指令和数据。
本发明实施例提供了一种计算机可读存储介质,其上有计算机程序,所述程序被处理器13执行时实现如上述所述的信息处理方法。
可以理解的是,信息处理装置在确定出待推送信息对应的目标对象的情况下,信息处理装置就会基于该目标对象的历史活跃时间段来确定该目标对象的活跃时间段,使得信息处理装置可以在目标对象的活跃时间段向该目标对象发送该待推送信息,由于该获取时间段为目标对象查看推送信息的活跃时间段,通过在目标对象查看推送信息的活跃时间段向目标对象发送待推荐信息,提高了目标对象查看该待推荐信息的概率,提高了推送信息推送时的效率。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用硬件实施例、软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上所述,仅为本发明的较佳实施例而已,并非用于限定本发明的保护范围。
Claims (10)
1.一种信息处理方法,其特征在于,所述方法包括:
在获取到待推送信息的情况下,确定与所述待推送信息对应的目标对象;
基于所述目标对象的历史活跃时间段确定所述目标对象的活跃时间段;并在所述活跃时间段内向所述目标对象发送所述待推送信息,所述活跃时间段为所述目标对象查看推送信息的时间段。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标对象的历史活跃时间段确定所述目标对象的活跃时间段之前,所述方法还包括:
获取所述历史活跃时间段;
相应的,所述基于所述目标对象的历史活跃时间段确定所述目标对象的活跃时间段,包括:
将所述历史活跃时间段信息输入活跃时间预测模型,得到所述活跃时间段。
3.根据权利要求2述的方法,其特征在于,所述获取所述历史活跃时间段,包括:
获取所述目标对象在第一时间段内查看目标应用的时间长度,所述目标应用为接收推送信息的应用;
在所述时间长度大于或者等于预设时长阈值的情况下,将所述第一时间段作为所述历史活跃时间段。
4.根据权利要求2所述的方法,其特征在于,所述将所述历史活跃时间段信息输入活跃时间预测模型,得到所述活跃时间段之后,所述方法还包括:
在预设时间段内,更新所述活跃时间预测模型,得到更新后的活跃时间预测模型,并基于所述更新后的活跃时间预测模型和所述历史活跃时间段确定下一轮目标对象的活跃时间段。
5.根据权利要求1所述的方法,其特征在于,所述确定与所述待推送信息对应的目标对象,包括:
从预设对象群中筛选出与所述待推荐信息相关的待推荐对象,所述预设对象群为推送信息接收开关为打开状态时的对象群;
在所述待推荐对象中去除非目标对象,得到所述目标对象,所述非目标对象包括查看推送信息的频率低于频率下限阈值的对象、重复对象和虚假对象。
6.一种信息处理装置,其特征在于,所述装置包括:
确定单元,用于在获取到待推送信息的情况下,确定与所述待推送信息对应的目标对象;基于所述目标对象的历史活跃时间段确定所述目标对象的活跃时间段,所述活跃时间段为所述目标对象查看推送信息的时间段;
发送单元,用于在所述活跃时间段内向所述目标对象发送所述待推送信息。
7.根据权利要求6所述的装置,其特征在于,所述装置还包括输入单元和获取单元;
所述获取单元,用于获取所述历史活跃时间段;
相应的,所述输入单元,用于将所述历史活跃时间段信息输入活跃时间预测模型,得到所述活跃时间段。
8.根据权利要求6所述的装置,其特征在于,
所述获取单元,用于获取所述目标对象在第一时间段内查看目标应用的时间长度;在所述时间长度大于或者等于预设时长阈值的情况下,将所述第一时间段作为所述历史活跃时间段,所述目标应用为接收推送信息的应用。
9.一种信息处理装置,其特征在于,所述装置包括:
存储器、处理器和通信总线,所述存储器通过所述通信总线与所述处理器进行通信,所述存储器存储所述处理器可执行的信息处理的程序,当所述信息处理的程序被执行时,通过所述处理器执行如权利要求1至5任一项所述的方法。
10.一种存储介质,其上存储有计算机程序,应用于信息处理装置,其特征在于,该计算机程序被处理器执行时实现权利要求1至5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110413217.5A CN113393286A (zh) | 2021-04-16 | 2021-04-16 | 一种信息处理方法及装置、存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110413217.5A CN113393286A (zh) | 2021-04-16 | 2021-04-16 | 一种信息处理方法及装置、存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113393286A true CN113393286A (zh) | 2021-09-14 |
Family
ID=77617747
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110413217.5A Pending CN113393286A (zh) | 2021-04-16 | 2021-04-16 | 一种信息处理方法及装置、存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113393286A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114430426A (zh) * | 2022-01-10 | 2022-05-03 | 成都易达数安科技有限公司 | 一种基于行为特征和消息策略的app用户日活智能激活方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103812889A (zh) * | 2012-11-09 | 2014-05-21 | 阿里巴巴集团控股有限公司 | 一种传输时效性信息的方法和装置 |
CN107291755A (zh) * | 2016-04-01 | 2017-10-24 | 中国移动通信有限公司研究院 | 一种终端推送方法及装置 |
CN110134872A (zh) * | 2019-05-27 | 2019-08-16 | 北京字节跳动网络技术有限公司 | 资讯通知时机的确定方法、装置、服务器及可读介质 |
CN112202663A (zh) * | 2020-09-28 | 2021-01-08 | 厦门美柚股份有限公司 | 消息推送方法、装置、终端及介质 |
CN112464096A (zh) * | 2020-12-03 | 2021-03-09 | 北京五八信息技术有限公司 | 一种信息处理方法及装置 |
-
2021
- 2021-04-16 CN CN202110413217.5A patent/CN113393286A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103812889A (zh) * | 2012-11-09 | 2014-05-21 | 阿里巴巴集团控股有限公司 | 一种传输时效性信息的方法和装置 |
CN107291755A (zh) * | 2016-04-01 | 2017-10-24 | 中国移动通信有限公司研究院 | 一种终端推送方法及装置 |
CN110134872A (zh) * | 2019-05-27 | 2019-08-16 | 北京字节跳动网络技术有限公司 | 资讯通知时机的确定方法、装置、服务器及可读介质 |
CN112202663A (zh) * | 2020-09-28 | 2021-01-08 | 厦门美柚股份有限公司 | 消息推送方法、装置、终端及介质 |
CN112464096A (zh) * | 2020-12-03 | 2021-03-09 | 北京五八信息技术有限公司 | 一种信息处理方法及装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114430426A (zh) * | 2022-01-10 | 2022-05-03 | 成都易达数安科技有限公司 | 一种基于行为特征和消息策略的app用户日活智能激活方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110619423B (zh) | 多任务预测方法、装置、电子设备及存储介质 | |
DE112020000860T5 (de) | Risikovorhersage basierend auf automatisierter dokumentenanalyse | |
US10747898B2 (en) | Determining privacy for a user and a product in a particular context | |
US20200342337A1 (en) | Machine learning classifier for identifying internet service providers from website tracking | |
WO2017003547A1 (en) | Method and system for a mobile health platform | |
CN108985823A (zh) | 一种信息投放方法、装置、服务器及存储介质 | |
CN106097043A (zh) | 一种信用数据的处理方法及服务器 | |
CN111062518B (zh) | 基于人工智能的处理催收业务的方法、装置及存储介质 | |
Kumar et al. | Predicting customer churn using artificial neural network | |
US20200175522A1 (en) | Predicting online customer service requests based on clickstream key patterns | |
EP3126997A1 (en) | Multi-variable assessment systems and methods that evaluate and predict entrepreneurial behavior | |
US10387795B1 (en) | Systems and methods for training and employing a machine learning system in providing service level upgrade offers | |
US20170032252A1 (en) | Method and system for performing digital intelligence | |
CN111611478A (zh) | 信息推荐方法、装置和电子设备 | |
CN113869931A (zh) | 广告投放策略确定方法、装置、计算机设备和存储介质 | |
CN104657457A (zh) | 一种用户评价视频的数据处理方法、视频推荐方法及装置 | |
Huynh et al. | Efficient integration of multi-order dynamics and internal dynamics in stock movement prediction | |
CN113393286A (zh) | 一种信息处理方法及装置、存储介质 | |
US20200380376A1 (en) | Artificial Intelligence Based System And Method For Predicting And Preventing Illicit Behavior | |
CN110990706A (zh) | 语料推荐方法及装置 | |
WO2015179717A1 (en) | Determination of initial value for automated delivery of news items | |
Baldwa et al. | A combined simulation and machine learning approach for real-time delay prediction for waitlisted neurosurgery candidates | |
AU2021218217A1 (en) | Systems and methods for preventative monitoring using AI learning of outcomes and responses from previous experience. | |
CN112532692A (zh) | 一种信息推送方法及装置、存储介质 | |
CN114693325A (zh) | 基于神经网络的用户口碑智能保障方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |