CN114422584A - 资源的推送方法、设备和存储介质 - Google Patents

资源的推送方法、设备和存储介质 Download PDF

Info

Publication number
CN114422584A
CN114422584A CN202111546924.8A CN202111546924A CN114422584A CN 114422584 A CN114422584 A CN 114422584A CN 202111546924 A CN202111546924 A CN 202111546924A CN 114422584 A CN114422584 A CN 114422584A
Authority
CN
China
Prior art keywords
user
conversion rate
users
resource
pushed
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.)
Granted
Application number
CN202111546924.8A
Other languages
English (en)
Other versions
CN114422584B (zh
Inventor
刘昊骋
徐靖宇
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN202111546924.8A priority Critical patent/CN114422584B/zh
Publication of CN114422584A publication Critical patent/CN114422584A/zh
Priority to US18/060,736 priority patent/US20230095947A1/en
Priority to EP22211331.8A priority patent/EP4123999B1/en
Application granted granted Critical
Publication of CN114422584B publication Critical patent/CN114422584B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/535—Tracking the activity of the user

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Computer Hardware Design (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Machine Translation (AREA)

Abstract

本公开提供了一种资源的推送方法、设备和存储介质，涉及计算机技术领域，尤其涉及大数据挖掘、人工智能等技术领域。具体实现方案为：在将资源向用户推送的过程中，结合用户针对资源的预估转化率，对用户进行分组，以得到多个用户组，对一个用户组，结合该用户组所对应的转化率区间所对应的已推送用户的真实转化率，对用户组中的用户进行选择，并将选择出的用户作为目标用户，并向目标用户推送该资源。由此，实现了资源的准确推送，继而可提高资源的用户转化率。

Description

资源的推送方法、设备和存储介质
技术领域
本公开涉及计算机技术领域，尤其涉及大数据挖掘、人工智能等技术领域，具体涉及资源的推送方法、设备和存储介质。
背景技术
随着互联网技术的高速发展，通过互联网进行资源推送逐渐成为一种主流的推送方式。在将资源向用户推送的过程中，推送策略的准确程度直接影响用户对资源的使用。
发明内容
本公开提供了一种用于资源的推送方法、设备和存储介质。
根据本公开的一方面，提供了一种资源的推送方法，所述方法包括：获取资源的待推送的用户集合，其中，所述用户集合包括多个用户；获取各个所述用户针对所述资源的预估转化率；根据各个所述用户对应的预估转化率，对多个所述用户进行分组，以得到多个用户组，其中，每个用户组所对应的转化率区间不同；针对每个用户组，根据所述用户组对应的转化率区间所对应的已推送用户的真实转化率，对所述用户组中的用户进行选择，并将选择出的用户作为目标用户，并向所述目标用户推送所述资源。
根据本公开的另一方面，提供了一种资源的推送装置，所述装置包括：第一获取模块，用于获取资源推送的待推送的用户集合，其中，所述用户集合包括多个用户；第二获取模块，用于获取各个所述用户针对所述资源的预估转化率；分组模块，用于根据各个所述用户对应的预估转化率，对多个所述用户进行分组，以得到多个用户组，其中，每个用户组所对应的转化率区间不同；处理模块，用于针对每个用户组，根据所述用户组对应的转化率区间所对应的已推送用户的真实转化率，对所述用户组中的用户进行选择，并将选择出的用户作为目标用户，并向所述目标用户推送所述资源。
根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行本公开的资源的推送方法。
根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行本公开实施例公开的资源的推送方法。
根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现本公开的资源的推送方法。
上述技术方案中的一个技术方案具有如下优点或有益效果：
在将资源向用户推送的过程中，结合用户针对资源的预估转化率，对用户进行分组，以得到多个用户组，对一个用户组，结合该用户组所对应的转化率区间所对应的已推送用户的真实转化率，对用户组中的用户进行选择，并将选择出的用户作为目标用户，并向目标用户推送该资源。由此，实现了资源的准确推送，继而可提高资源的用户转化率。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开第一实施例的资源的推送方法的流程示意图；
图2是根据本公开第二实施例的资源的推送方法的流程示意图；
图3是根据本公开第三实施例的资源的推送方法的流程示意图；
图4是根据本公开第四实施例的资源的推送方法的流程示意图；
图5是根据本公开第五实施例的资源的推送方法的流程示意图；
图6是根据本公开第六实施例的资源的推送装置的结构示意图；
图7是根据本公开第七实施例的资源的推送装置的结构示意图；
图8是用来实现本公开实施例的资源的推送方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
下面参考附图描述本公开实施例的资源的推送方法、设备和存储介质。
图1是根据本公开第一实施例的资源的推送方法的流程示意图。
如图1所示，该资源的推送方法可以包括：
步骤101，获取资源的待推送的用户集合，其中，用户集合包括多个用户。
其中，资源是待推送的对象进行推送时所产生的资源，其中，资源可以包括与待推送的对象所对应的文本信息、图像信息和视频信息中的至少一种。
其中，上述待推送的对象可以包括但不限于商品对象、金融产品对象、课程对象、公众号对象等。
步骤102，获取各个用户针对资源的预估转化率。
其中，预估转化率是指对该用户推送该资源后，预估该用户点击该资源，并在该资源所对应的落地页面上完成指定操作的概率。
其中，上述指定操作与待推送的对象有关，也就是说，上述指定操作与待推送的对象对应。例如，上述待推送的对象为商品对象，与该商品对象所对应的指定操作可以为购买操作。例如，上述待推送的对象为金融产品对象，上述与该金融产品对象所对应的指定操作可以为注册操作。又例如，上述待推送的对象为公众号对象的情况下，与该公众号对象所对应的指定操作可以为关注操作。
其中，可以理解的是，不同的待推送的对象所对应的指定操作可以相同或者不同，在实际应用中，可以根据实际业务需求来设置与待推送的对象的指定操作。
步骤103，根据各个用户对应的预估转化率，对多个用户进行分组，以得到多个用户组，其中，每个用户组所对应的转化率区间不同。
在本公开的一些实施例中，可结合预设的转化率区间，以及各个用户对应的预估转化率，对多个用户进行分组。
其中，可以理解的是，针对每个用户组，处于该用户组中的各个用户所对应的预估转化率均在转化率区间内。
其中，本实施例中的转化率区间所对应的长度可以是相同的，也可以是不同的，该实施例对此不作具体限定。
步骤104，针对每个用户组，根据用户组对应的转化率区间所对应的已推送用户的真实转化率，对用户组中的用户进行选择，并将选择出的用户作为目标用户，并向目标用户推送该资源。
在一些实施例中，可基于预先保存的转化率区间与真实转化率两者之间的对应关系，获取该用户组对应的转化率区间所对应的已推送用户的真实转化率。
其中，已推送用户是指已推送该资源的用户。
其中，对于任意一个转化率区间而言，该转化率区间所对应的已推送用户的真实转化率的确定方式为：可统计已推送用户中的转化用户的数量，并基于转化用户的数量和已推送用户的总数量，确定该转化率区间所对应的已推送用户的真实转化率。
在一些实施例中，根据真实转化率，对用户组中的用户进行选择的示例性实现方式可以为：可将真实转化率与用户组中的用户的数量进行相乘，以得到待抽取的用户数量，并基于该用户数量，对该用户组中的用户进行随机抽取。
在另一些实施例中，根据真实转化率，对用户组中的用户进行选择的示例性实现方式可以为：可将真实转化率与用户组中的用户的数量进行相乘，以得到待抽取的用户数量N，可根据预估转化率从大到小的顺序，对该用户组中的用户进行排序，以得到排序结果，并从排序结果中选择排序在前N位的用户作为目标用户。
在另一些实施例中，根据真实转化率，对用户组中的用户进行选择的示例性实现方式可以为：可根据该用户组所对应的真实转化率，对该用户组中的用户进行等距选择，并将选择出的用户作为目标用户。
本公开的实施例，在将资源向用户推送的过程中，结合用户针对该资源的预估转化率，并根据预估转化率，对用户进行分组，以得到多个用户组，并结合该用户组所对应的转化率区间所对应的真实转化率，对用户组中的用户进行选择，以得到目标用户，并向该目标用户推送该资源。由此，对待资源所对应的待推送的用户结合预估转化率以及真实转化率，对待推送的用户进行进一步选择，并向选择出的用户推送该资源，实现了资源的准确推送，继而可提高资源的用户转化率。
本公开实施例的资源的推送方法，在将资源向用户推送的过程中，结合用户针对资源的预估转化率，对用户进行分组，以得到多个用户组，对一个用户组，结合该用户组所对应的转化率区间所对应的已推送用户的真实转化率，对用户组中的用户进行选择，并将选择出的用户作为目标用户，并向目标用户推送该资源。由此，实现了资源的准确推送，继而可提高资源的用户转化率。
图2是根据本公开第二实施例的资源的推送方法的流程示意图。其中，需要说明的是，本实施例是对上述实施例的进一步细化。
如图2所示，该资源的推送方法可以包括：
步骤201，获取资源所对应的转化用户的用户行为数据。
其中，转化用户是指点击该资源后，并在该资源所对应的落地页面上完成了指定操作的用户。
其中，上述用户行为数据可以包括观看行为数据、浏览行为数据、点击行为数据、搜索行为数据等中的一种或几种。
可以理解的是，上述用户行为数据与推广渠道有关，推广渠道不同所对应的用户行为数据是不同的，例如，推广渠道为搜索引擎，上述用户行为数据包括用户搜索行为数据。又例如，推广渠道为视频类服务平台，上述用户行为数据可以包括用户观看行为数据。又例如，上述推广渠道为分享简短实时信息的社交平台，上述用户行为数据可以包括用户历史发布信息以及用户浏览行为数据等。
在本公开的一些实施例中，为了进一步提高该资源的推送准确性，可获取该资源待使用的推广渠道，并获取该资源在该推广渠道进行推广时所对应的转化用户的用户行为数据。
步骤202，根据用户行为数据，获取资源的待推送的用户集合，其中，该用户集合包括多个用户。
在本实施例中，结合该资源的转化用户的用户行为数据，准确确定出该资源的待推送的用户。由此，可以进一步提高后续资源的推送准确率以及转化率。
在本公开的一些实施例中，上述用户集合中的用户为使用该推广渠道的用户。
步骤203，获取各个用户针对资源的预估转化率。
步骤204，根据各个用户对应的预估转化率，对多个用户进行分组，以得到多个用户组，其中，每个用户组所对应的转化率区间不同。
步骤205，针对每个用户组，根据用户组对应的转化率区间所对应的已推送用户的真实转化率，对用户组中的用户进行选择，并将选择出的用户作为目标用户，并向目标用户推送该资源。
其中，需要说明的是，关于步骤204至步骤205的具体描述，可参见上述实施例的相关描述，此处不再赘述。
在本实施例中，在获取资源的待推送的用户的过程中，结合该资源的转化用户的用户行为数据，准确确定出了该资源所对应的待推送的用户，并结合所确定出的待推送用户对应的预估转化率，对该待推送的用户进行选择，并向用户选择出的目标用户推送该资源，可进一步提高资源的推送准确性，有助于提高该资源的用户转化率。
其中，可以理解的是，本公开实施例公开的资源的推送方法可以适用于各种推广渠道。也就是说，针对各种推广渠道，可基于本公开实施例所公开的方法来确定该资源在对应推广渠道上的目标用户。
图3是根据本公开第三实施例的资源的推送方法的流程示意图。其中，本实施例中以用户行为数据包括搜索文本为例进行描述。
如图3所示，该方法可以包括：
步骤301，获取资源所对应的转化用户的搜索文本。
步骤302，从搜索文本中提取出关键词。
其中，上述从搜索文本中提取出关键词可通过多种方式实现，示例性说明如下：
作为一种示例性的实施方式，可将搜索文本输入至关键词提取模型中，以通过该关键词提取模型确定出该搜索文本中的关键词。
作为另一种示例性的实施方式，可对搜索文本进行分词，以得到分词结果，分词结果包括多个词语，而后，对多个词语进行聚类处理，以得到多个词语聚类结果，并根据多个词语聚类结果，确定搜索文本中的关键词。
在本公开的实施例中，通过对搜索文本的分词结果进行聚类，并根据聚类结果，准确确定出搜索文本中的关键词。
在一些实施例中，为了准确确定出搜索文本中的关键词，上述根据多个词语聚类结果，确定搜索文本中的关键词的一种示例性的实现方式可以为：确定各个词语聚类结果所对应的聚类中心词；获取各个聚类中心词在搜索文本中的词频；将词频最高的聚类中心词，作为搜索文本中的关键词。
其中，上述词频最高的聚类中心词的数量可以为一个或者多个。
在本公开的一些实施例中，上述确定各个词语聚类结果所对应的聚类中心词的一种可能实现方式为：针对各个词语聚类结果，可确定出该词语聚类结果中各个词语与该词聚类结果中的其他词语之间的距离总和，并选择距离总和最小的词语，作为该词语聚类结果的聚类中心词。
步骤303，获取搜索过关键词，且未推送过资源的多个用户，以形成资源的待推送的用户集合，其中，该用户集合包括多个用户。
步骤304，获取各个用户针对资源的预估转化率。
在一些实施例中，为了可以准确获取各个用户针对资源的预估转化率，针对各个用户，获取用户在资源所推送的对象所属的服务平台上的用户特征信息，并根据用户特征信息，确定用户针对资源的预估转化率。
在一些实施例中，上述获取用户在资源所推送的对象所属的服务平台上的用户特征信息的一种实现方式：获取该用户在该资源所推送的对象所属的服务平台上的用户行为数据，从该用户行为数据中提取出与转化率有关的用户特征信息。
其中，在不同应用场景中，上述根据用户特征信息，确定用户针对资源的预估转化率的实现方式有多种，示例性说明如下：
作为一种示例性的实施方式，可获取该资源所推送的对象的特征信息，并将用户特征信息以及该对象所对应的特征信息输入至转化率预估模型，以通过该转化率预估模型来确定出该用户针对该资源的预估转化率。
作为另一种示例性的实施方式，为了进一步提高所确定出的预估转化率的准确性，可以获取资源所对应的转化率预估模型；将用户特征数据输入至转化率预估模型中，以得到用户针对资源的预估转化率。
步骤305，根据各个用户对应的预估转化率，对多个用户进行分组，以得到多个用户组，其中，每个用户组所对应的转化率区间不同。
步骤306，针对每个用户组，根据用户组对应的转化率区间所对应的已推送用户的真实转化率，对用户组中的用户进行选择，并将选择出的用户作为目标用户，并向目标用户推送该资源。
其中，需要说明的是，关于步骤305至步骤306的具体描述，可参见上述实施例的相关描述，此处不再赘述。
在本公开的实施例中，获取资源所对应的转化用户的搜索文本，并从该搜索文本中提取出关键词，并基于获取搜索过关键词，且未推送过资源的用户作为该资源所对应的待推送的用户。由此，结合搜索文本中的关键词，准确确定出了该资源所对应的待推送的用户。
下面结合图4对该实施例的资源的推送的方法进行进一步描述。其中，需要说明的是，本实施例中以推广渠道为搜索引擎推广渠道为例进行描述。
如图4所示，可以包括：
步骤401，获取资源的转化用户的搜索文本。
步骤402，从搜索文本中提取出关键词。
其中，从搜索文本中提取出关键词的示例性过程，如图5所示，具体而，步骤501，对搜索文本进行分词，以得到分词结果；步骤502，对分词结果中的各个词语，确定该各个词语的词向量；步骤503，将各个词语的词向量输入至高斯混合模型中，以通过该高斯混合模型对分词结果中的词语进行聚类处理，以得到多个聚类结果；步骤504，基于多个聚类结果，确定出该搜索文本中的关键词。
具体地，统计各个聚类结果中的聚类中心词的词频，并将词频最高的多个聚类中心词作为该搜索文本的关键词。
步骤403，基于该关键词，对搜索日志库进行搜索，以获取搜索过该关键词，且未推送过资源的待推送的多个用户。
步骤404，针对待推送的各个用户，获取该用户在资源所推送的对象所属的服务平台上的用户特征信息。
步骤405，将用户特征信息输入至转化率预估模型中，以得到该用户针对该资源的预估转化率。
步骤406，根据各个用户对应的预估转化率，对多个用户进行分组，以得到多个用户组，其中，每个用户组所对应的转化率区间不同。
步骤407，针对每个用户组，根据用户组对应的转化率区间所对应的已推送用户的真实转化率，对用户组中的用户进行选择，并将选择出的用户作为目标用户，并向目标用户推送该资源。
其中，需要说明的是，关于步骤406至步骤407的具体描述，可参见上述实施例的相关描述，此处不再赘述。
在一些实施例中，为了进一步扩大目标用户的数量，对于上述真实转化率还可以进一步同比扩大预设倍数。
举例而言，预设倍数为10倍，其中，多个转化率区间所对应的真实转化率的示例，如表1所示，在对各个转化率区间所对应的真实转化率同比扩大10后，多个转化率区间所对应的扩大后的真实转化率的示例，如表1中的第三列所示。
Figure BDA0003416023500000091
为了实现上述实施例，本公开实施例还提供一种资源的推送装置。
图6是根据本公开第六实施例的资源的推送装置的结构示意图。
如图6所示，该资源的推送装置600可以包括第一获取模块601、第二获取模块602、分组模块603、处理模块604，其中：
第一获取模块601，用于获取资源的待推送的用户集合，其中，用户集合包括多个用户。
第二获取模块602，用于获取各个用户针对资源的预估转化率。
分组模块603，用于根据各个用户对应的预估转化率，对多个用户进行分组，以得到多个用户组，其中，每个用户组所对应的转化率区间不同。
处理模块604，用于针对每个用户组，根据用户组对应的转化率区间所对应的已推送用户的真实转化率，对用户组中的用户进行选择，并将选择出的用户作为目标用户，并向目标用户推送该资源。
其中，需要说明的是，前述对资源的推送方法实施例的解释说明也适用于本实施例，本实施对此不再赘述。
本公开实施例的资源的推送装置，在将资源向用户推送的过程中，结合用户针对资源的预估转化率，对用户进行分组，以得到多个用户组，对一个用户组，结合该用户组所对应的转化率区间所对应的已推送用户的真实转化率，对用户组中的用户进行选择，并将选择出的用户作为目标用户，并向目标用户推送该资源。由此，实现了资源的准确推送，继而可提高资源的用户转化率。
在本公开的一个实施例中，如图7所示，该资源的推送装置700可以包括：第一获取模块701、第二获取模块702、分组模块703、处理模块704，其中，第一获取模块701可以包括：第一获取子模块7011、第二获取子模块7012；第二获取子模块7011可以包括：提取单元70111、获取单元70112；其中，提取单元70111可以包括：分词子单元701111、聚类子单元701112和确定子单元701113；第二获取模块702可以包括：第三获取子模块7021和确定子模块7022。
其中，需要说明的是，关于分组模块703、处理模块704的详细描述可参考图6所示实施例中的分组模块603、处理模块604的说明，此处不再进行描述。
在本公开的一个实施例中，第一获取模块701，可以包括：
第一获取子模块7011，用于获取资源所对应的转化用户的用户行为数据。
第二获取子模块7012，用于根据用户行为数据，获取资源的待推送的用户集合。
在本公开的一个实施例中，用户行为数据包括搜索文本，第二获取子模块7011，可以包括：
提取单元70111，用于从搜索文本中提取出关键词；
获取单元70112，用于获取搜索过关键词，且未推送过资源的多个用户，以形成资源的待推送的用户集合。
在本公开的一个实施例中，提取单元70111，可以包括：
分词子单元701111，用于对搜索文本进行分词，以得到分词结果，分词结果包括多个词语；
聚类子单元701112，用于对多个词语进行聚类处理，以得到多个词语聚类结果；
确定子单元701113，用于根据多个词语聚类结果，确定搜索文本中的关键词。
在本公开的一个实施例中，确定子单元701113，还用于：确定各个词语聚类结果所对应的聚类中心词；获取各个聚类中心词在搜索文本中的词频；将词频最高的聚类中心词，作为搜索文本中的关键词。
在本公开的一个实施例中，上述第二获取模块702，可以包括：
第三获取子模块7021，用于针对各个用户，获取用户在资源所推送的对象所属的服务平台上的用户特征信息；
确定子模块7022，用于根据用户特征信息，确定用户针对资源的预估转化率。
在本公开的一个实施例中，确定子模块7022，还用于：获取资源所对应的转化率预估模型；将用户特征数据输入至转化率预估模型中，以得到用户针对资源的预估转化率。
其中，需要说明的是，前述对资源的推送方法实施例的解释说明也适用于本实施例中的资源的推送装置，此处不再赘述。
根据本公开的实施例，本公开还提供了一种电子设备和一种可读存储介质和一种计算机程序产品。
其中，需要说明的是，本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示，该电子设备800可以包括计算单元801，其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序，来执行各种适当的动作和处理。在RAM 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805，包括：输入单元806，例如键盘、鼠标等；输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如资源的推送方法。例如，在一些实施例中，资源的推送方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时，可以执行上文描述的资源的推送方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行资源的推送方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器可以是云服务器，也可以为分布式系统的服务器，或者是结合了区块链的服务器。
其中，需要说明的是，人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。

Claims (17)

1.一种资源的推送方法，包括：
获取资源的待推送的用户集合，其中，所述用户集合包括多个用户；
获取各个所述用户针对所述资源的预估转化率；
根据各个所述用户对应的预估转化率，对多个所述用户进行分组，以得到多个用户组，其中，每个用户组所对应的转化率区间不同；
针对每个用户组，根据所述用户组对应的转化率区间所对应的已推送用户的真实转化率，对所述用户组中的用户进行选择，并将选择出的用户作为目标用户，并向所述目标用户推送所述资源。
2.根据权利要求1所述的方法，其中，所述获取资源的待推送的用户集合，包括：
获取所述资源所对应的转化用户的用户行为数据；
根据所述用户行为数据，获取所述资源的待推送的用户集合。
3.根据权利要求2所述的方法，其中，所述用户行为数据包括搜索文本，所述根据所述用户行为数据，获取所述资源的待推送的用户集合，包括：
从所述搜索文本中提取出关键词；
获取搜索过所述关键词，且未推送过所述资源的多个用户，以形成所述资源的待推送的用户集合。
4.根据权利要求3所述的方法，其中，所述从所述搜索文本中提取出关键词，包括：
对所述搜索文本进行分词，以得到分词结果，所述分词结果包括多个词语；
对多个所述词语进行聚类处理，以得到多个词语聚类结果；
根据多个词语聚类结果，确定所述搜索文本中的所述关键词。
5.根据权利要求4所述的方法，其中，所述根据多个词语聚类结果，确定所述搜索文本中的所述关键词，包括：
确定各个所述词语聚类结果所对应的聚类中心词；
获取各个所述聚类中心词在所述搜索文本中的词频；
将词频最高的聚类中心词，作为所述搜索文本中的所述关键词。
6.根据权利要求1所述的方法，其中，所述获取各个所述用户针对所述资源的预估转化率，包括：
针对各个用户，获取所述用户在所述资源所推送的对象所属的服务平台上的用户特征信息；
根据所述用户特征信息，确定所述用户针对所述资源的预估转化率。
7.根据权利要求6所述的方法，其中，所述根据所述用户特征信息，确定所述用户针对所述资源的预估转化率，包括：
获取所述资源所对应的转化率预估模型；
将所述用户特征数据输入至所述转化率预估模型中，以得到所述用户针对所述资源的预估转化率。
8.一种资源的推送装置，包括：
第一获取模块，用于获取资源的待推送的用户集合，其中，所述用户集合包括多个用户；
第二获取模块，用于获取各个所述用户针对所述资源的预估转化率；
分组模块，用于根据各个所述用户对应的预估转化率，对多个所述用户进行分组，以得到多个用户组，其中，每个用户组所对应的转化率区间不同；
处理模块，用于针对每个用户组，根据所述用户组对应的转化率区间所对应的已推送用户的真实转化率，对所述用户组中的用户进行选择，并将选择出的用户作为目标用户，并向所述目标用户推送所述资源。
9.根据权利要求8所述的装置，其中，所述第一获取模块，包括：
第一获取子模块，用于获取所述资源所对应的转化用户的用户行为数据；
第二获取子模块，用于根据所述用户行为数据，获取所述资源的待推送的用户集合。
10.根据权利要求9所述的装置，其中，所述用户行为数据包括搜索文本，所述第二获取子模块，包括：
提取单元，用于从所述搜索文本中提取出关键词；
获取单元，用于获取搜索过所述关键词，且未推送过所述资源的多个用户，以形成所述资源的待推送的用户集合。
11.根据权利要求10所述的装置，其中，所述提取单元，包括：
分词子单元，用于对所述搜索文本进行分词，以得到分词结果，所述分词结果包括多个词语；
聚类子单元，用于对多个所述词语进行聚类处理，以得到多个词语聚类结果；
确定子单元，用于根据多个词语聚类结果，确定所述搜索文本中的所述关键词。
12.根据权利要求10所述的装置，其中，所述确定子单元，还用于：
确定各个所述词语聚类结果所对应的聚类中心词；
获取各个所述聚类中心词在所述搜索文本中的词频；
将词频最高的聚类中心词，作为所述搜索文本中的所述关键词。
13.根据权利要求8所述的装置，其中，所述第二获取模块，包括：
第三获取子模块，用于针对各个用户，获取所述用户在所述资源所推送的对象所属的服务平台上的用户特征信息；
确定子模块，用于根据所述用户特征信息，确定所述用户针对所述资源的预估转化率。
14.根据权利要求13所述的装置，其中，所述确定子模块，还用于：
获取所述资源所对应的转化率预估模型；
将所述用户特征数据输入至所述转化率预估模型中，以得到所述用户针对所述资源的预估转化率。
15.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
16.一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使所述计算机执行权利要求1-7中任一项所述的方法。
17.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现权利要求1-7中任一项所述的方法的步骤。
CN202111546924.8A 2021-12-16 2021-12-16 资源的推送方法、设备和存储介质 Active CN114422584B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202111546924.8A CN114422584B (zh) 2021-12-16 2021-12-16 资源的推送方法、设备和存储介质
US18/060,736 US20230095947A1 (en) 2021-12-16 2022-12-01 Method and apparatus for pushing resource, and storage medium
EP22211331.8A EP4123999B1 (en) 2021-12-16 2022-12-05 Method and apparatus for pushing a resource, and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111546924.8A CN114422584B (zh) 2021-12-16 2021-12-16 资源的推送方法、设备和存储介质

Publications (2)

Publication Number Publication Date
CN114422584A true CN114422584A (zh) 2022-04-29
CN114422584B CN114422584B (zh) 2023-07-07

Family

ID=81267229

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111546924.8A Active CN114422584B (zh) 2021-12-16 2021-12-16 资源的推送方法、设备和存储介质

Country Status (3)

Country Link
US (1) US20230095947A1 (zh)
EP (1) EP4123999B1 (zh)
CN (1) CN114422584B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103310003A (zh) * 2013-06-28 2013-09-18 华东师范大学 一种基于点击日志的新广告点击率预测方法及系统
EP2960849A1 (en) * 2014-06-26 2015-12-30 Deutsche Telekom AG Method and system for recommending an item to a user
CN108241667A (zh) * 2016-12-26 2018-07-03 百度在线网络技术（北京）有限公司 用于推送信息的方法和装置
CN108259546A (zh) * 2017-01-16 2018-07-06 广州市动景计算机科技有限公司 消息推送方法、设备及可编程设备
WO2018153179A1 (zh) * 2017-02-27 2018-08-30 广州市动景计算机科技有限公司 消息推送方法、设备及可编程设备
WO2019169977A1 (zh) * 2018-03-07 2019-09-12 阿里巴巴集团控股有限公司 一种信息转化率的预测、信息推荐方法和装置
CN111130984A (zh) * 2018-10-31 2020-05-08 北京字节跳动网络技术有限公司 用于处理信息的方法和装置
CN111160959A (zh) * 2019-12-20 2020-05-15 深圳前海微众银行股份有限公司 一种用户点击转化预估方法及装置
CN111626780A (zh) * 2020-05-27 2020-09-04 喜大（上海）网络科技有限公司 信息推送方法、装置、服务端及存储介质
CN113239275A (zh) * 2021-05-28 2021-08-10 北京百度网讯科技有限公司 信息推送方法、装置、电子设备和存储介质
CN113515696A (zh) * 2021-05-17 2021-10-19 上海众源网络有限公司 推荐方法、装置、电子设备及存储介质

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9996853B2 (en) * 2015-04-02 2018-06-12 Vungle, Inc. Systems and methods for selecting an ad campaign among advertising campaigns having multiple bid strategies
CN110390548A (zh) * 2018-04-20 2019-10-29 北京嘀嘀无限科技发展有限公司 优惠券派发策略的选择方法及装置

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103310003A (zh) * 2013-06-28 2013-09-18 华东师范大学 一种基于点击日志的新广告点击率预测方法及系统
EP2960849A1 (en) * 2014-06-26 2015-12-30 Deutsche Telekom AG Method and system for recommending an item to a user
CN108241667A (zh) * 2016-12-26 2018-07-03 百度在线网络技术（北京）有限公司 用于推送信息的方法和装置
CN108259546A (zh) * 2017-01-16 2018-07-06 广州市动景计算机科技有限公司 消息推送方法、设备及可编程设备
WO2018153179A1 (zh) * 2017-02-27 2018-08-30 广州市动景计算机科技有限公司 消息推送方法、设备及可编程设备
WO2019169977A1 (zh) * 2018-03-07 2019-09-12 阿里巴巴集团控股有限公司 一种信息转化率的预测、信息推荐方法和装置
CN111130984A (zh) * 2018-10-31 2020-05-08 北京字节跳动网络技术有限公司 用于处理信息的方法和装置
CN111160959A (zh) * 2019-12-20 2020-05-15 深圳前海微众银行股份有限公司 一种用户点击转化预估方法及装置
CN111626780A (zh) * 2020-05-27 2020-09-04 喜大（上海）网络科技有限公司 信息推送方法、装置、服务端及存储介质
CN113515696A (zh) * 2021-05-17 2021-10-19 上海众源网络有限公司 推荐方法、装置、电子设备及存储介质
CN113239275A (zh) * 2021-05-28 2021-08-10 北京百度网讯科技有限公司 信息推送方法、装置、电子设备和存储介质

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
崔艳萍;阎知知;王小巍;彭媛;: "互联网信息资源用户获取优化推送仿真研究", no. 07 *
纪文迪;王晓玲;周傲英;: "广告点击率估算技术综述", no. 03 *
邓娟;: "用户兴趣变化下的协同过滤最优推荐仿真", no. 08 *

Also Published As

Publication number Publication date
EP4123999A2 (en) 2023-01-25
EP4123999A3 (en) 2023-05-03
CN114422584B (zh) 2023-07-07
US20230095947A1 (en) 2023-03-30
EP4123999B1 (en) 2024-03-06

Similar Documents

Publication Publication Date Title
CN114549874A (zh) 多目标图文匹配模型的训练方法、图文检索方法及装置
CN113128209B (zh) 用于生成词库的方法及装置
CN113836314B (zh) 知识图谱构建方法、装置、设备以及存储介质
CN112925883B (zh) 搜索请求处理方法、装置、电子设备及可读存储介质
CN113836925A (zh) 预训练语言模型的训练方法、装置、电子设备及存储介质
CN112528641A (zh) 建立信息抽取模型的方法、装置、电子设备和可读存储介质
CN113033194A (zh) 语义表示图模型的训练方法、装置、设备和存储介质
CN112699237B (zh) 标签确定方法、设备和存储介质
CN114048315A (zh) 确定文档标签的方法、装置、电子设备和存储介质
CN113408280A (zh) 负例构造方法、装置、设备和存储介质
CN115248890A (zh) 用户兴趣画像的生成方法、装置、电子设备以及存储介质
CN115186163B (zh) 搜索结果排序模型的训练与搜索结果排序方法、装置
CN114491232B (zh) 信息查询方法、装置、电子设备和存储介质
CN114422584B (zh) 资源的推送方法、设备和存储介质
CN114329206A (zh) 标题生成方法和装置、电子设备、计算机可读介质
CN114328855A (zh) 文档查询方法、装置、电子设备和可读存储介质
CN114048376A (zh) 广告的业务信息挖掘方法、装置、电子设备以及存储介质
CN114417862A (zh) 文本匹配方法、文本匹配模型的训练方法和装置
CN114201568A (zh) 信息处理方法、生成方法、装置、电子设备以及存储介质
CN114861062B (zh) 信息过滤方法和装置
CN113377921B (zh) 用于匹配信息的方法、装置、电子设备以及介质
CN116244413B (zh) 新意图确定方法、设备和存储介质
CN116069914B (zh) 训练数据的生成方法、模型训练方法以及装置
CN114491040B (zh) 信息挖掘方法及装置
US20230199277A1 (en) Video generation method, electronic device, and non-transitory computer-readable storage medium

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
GR01 Patent grant
GR01 Patent grant