CN117459577A - 虚拟物品信息推送方法、装置、计算机设备和存储介质 - Google Patents
虚拟物品信息推送方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117459577A CN117459577A CN202311254303.1A CN202311254303A CN117459577A CN 117459577 A CN117459577 A CN 117459577A CN 202311254303 A CN202311254303 A CN 202311254303A CN 117459577 A CN117459577 A CN 117459577A
- Authority
- CN
- China
- Prior art keywords
- information
- area
- virtual article
- virtual
- priority
- 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
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000004590 computer program Methods 0.000 claims abstract description 25
- 238000005457 optimization Methods 0.000 claims description 46
- 238000011156 evaluation Methods 0.000 claims description 37
- 238000000605 extraction Methods 0.000 claims description 27
- 230000002787 reinforcement Effects 0.000 claims description 25
- 238000013473 artificial intelligence Methods 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 20
- 238000004458 analytical method Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000001960 triggered effect Effects 0.000 description 4
- 238000013475 authorization Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000005284 excitation Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 229910021389 graphene Inorganic materials 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- 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
-
- 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
- H04L67/52—Network services specially adapted for the location of the user terminal
-
- 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
- H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
- H04L67/61—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources taking into account QoS or priority requirements
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及人工智能领域，具体涉及一种虚拟物品信息推送方法、装置、计算机设备、存储介质和计算机程序产品。所述方法包括：获取多个对象各自的定位信息与虚拟物品交易信息；基于定位信息与虚拟物品交易信息，分别确定每一区域内各类虚拟物品之间的初始优先级关系；按照初始优先级关系，分别对每一区域内的各对象推送虚拟物品信息，得到每一区域内各对象的反馈信息；基于反馈信息，对每一区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一区域内各类虚拟物品之间的目标优先级关系；根据目标优先级关系，分别对每一区域内的各对象推送虚拟物品信息。采用本方法能够提高消息推送的准确率。
Description
技术领域
本申请涉及人工智能技术领域，特别是涉及一种虚拟物品信息推送方法、装置、计算机设备、存储介质和计算机程序产品。
背景技术
在用户使用终端访问金融机构的应用软件，且访问应用软件的活动页面时，为使用户可以准确、优先地获取到感兴趣的活动信息，应用软件的后台通常需要在用户授权下，基于人工智能技术，分析用户感兴趣的内容，并向用户智能推送用户感兴趣的活动信息。其中，活动信息具体可以为活动页面中各类虚拟物品的虚拟物品信息。
传统技术中，在分析用户感兴趣的内容的过程中，通常只根据大量用户在活动页面的历史行为数据进行分析，即分析过程使用的数据类型较为单一，导致分析结果不够具有泛化性、不够准确，进而导致消息推送准确率不高。
发明内容
基于此，有必要针对上述技术问题，提供一种能够提高消息推送准确率的虚拟物品信息推送方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
第一方面，本申请提供了一种虚拟物品信息推送方法，包括：
获取多个对象各自的定位信息与虚拟物品交易信息；定位信息用于确定对象所处的区域；虚拟物品交易信息包括对象针对每类虚拟物品的交易信息；
基于定位信息与虚拟物品交易信息，分别确定每一区域内各类虚拟物品之间的初始优先级关系；
按照初始优先级关系，分别对每一区域内的各对象推送虚拟物品信息，得到每一区域内各对象的反馈信息；
基于反馈信息，对每一区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一区域内各类虚拟物品之间的目标优先级关系；
根据目标优先级关系，分别对每一区域内的各对象推送虚拟物品信息。
在其中一个实施例中，基于定位信息与虚拟物品交易信息，分别确定每一区域内各类虚拟物品之间的初始优先级关系，包括：
将定位信息与虚拟物品交易信息输入强化学习网络中的关系提取网络；
从关系提取网络的输出数据中，得到每一区域内各类虚拟物品之间的初始优先级关系；
关系提取网络用于：根据输入的定位信息与虚拟物品交易信息，确定多个区域、每一区域内的多个对象、以及每一区域内多个对象各自的虚拟物品交易信息；根据每一区域内的多个对象各自的虚拟物品交易信息，确定每一区域内各类虚拟物品之间的初始优先级关系并输出。
在其中一个实施例中，虚拟物品信息推送方法还包括：
确定每一区域各自对应的可推送虚拟物品信息的信息数量阈值；
针对每一区域，基于区域对应的初始优先级关系与信息数量阈值，从各类虚拟物品的虚拟物品信息中选取至少一部分虚拟物品信息作为待推送虚拟物品信息；待推送虚拟物品信息的总数量小于区域对应的信息数量阈值；
按照初始优先级关系，分别对每一区域内的各对象推送虚拟物品信息，得到每一区域内各对象的反馈信息，包括：
针对每一区域，按照区域对应的初始优先级关系，向区域内的各对象推送各待推送虚拟物品信息，得到区域内各对象的反馈信息。
在其中一个实施例中，基于反馈信息，对每一区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一区域内各类虚拟物品之间的目标优先级关系，包括：
针对每一区域，将区域内的反馈信息输入强化学习网络中的关系优化网络；
从关系优化网络的输出数据中，得到关系优化网络针对区域内各类虚拟物品之间的初始优先级关系的评价结果；
根据针对初始优先级关系的评价结果，对初始优先级关系进行调整，得到区域内各类虚拟物品之间的目标优先级关系；
关系优化网络用于：根据输入的区域内的反馈信息，确定向区域内各对象推送的各待推送虚拟物品信息各自的推送准确率；基于推送准确率，输出针对区域内各类虚拟物品之间的初始优先级关系的评价结果。
在其中一个实施例中，根据针对初始优先级关系的评价结果，对初始优先级关系进行调整，得到区域内各类虚拟物品之间的目标优先级关系，包括：
根据针对初始优先级关系的评价结果，对初始优先级关系进行调整，得到区域内各类虚拟物品之间的更新优先级关系；
基于区域对应的更新优先级关系、可推送虚拟物品信息的信息数量阈值，从各类虚拟物品的虚拟物品信息中选取至少一部分虚拟物品信息作为新的待推送虚拟物品信息；
按照更新优先级关系，向区域内各对象推送新的待推送虚拟物品信息，得到区域内各对象的更新反馈信息；
基于更新反馈信息对更新优先级关系进行调整，直至得到的更新反馈信息满足优化停止条件，得到区域内各类虚拟物品之间的目标优先级关系。
在其中一个实施例中，根据针对初始优先级关系的评价结果，对初始优先级关系进行调整，得到区域内各类虚拟物品之间的更新优先级关系，包括：
根据针对初始优先级关系的评价结果，将推送准确率超出准确率阈值的待推送虚拟物品信息作为目标虚拟物品信息；
确定目标虚拟物品信息在初始优先级关系中的优先级；
按照设定的优先级更新规则，提高目标虚拟物品信息在初始优先级关系中的优先级，得到区域内各类虚拟物品之间的更新优先级关系。
第二方面，本申请还提供了一种虚拟物品信息推送装置，包括：
信息获取模块，用于获取多个对象各自的定位信息与虚拟物品交易信息；定位信息用于确定对象所处的区域；虚拟物品交易信息包括对象针对每类虚拟物品的交易信息；
优先级确定模块，用于基于定位信息与虚拟物品交易信息，分别确定每一区域内各类虚拟物品之间的初始优先级关系；
反馈信息获得模块，用于按照初始优先级关系，分别对每一区域内的各对象推送虚拟物品信息，得到每一区域内各对象的反馈信息；
优先级调整模块，用于基于反馈信息，对每一区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一区域内各类虚拟物品之间的目标优先级关系；
信息推送模块，用于根据目标优先级关系，分别对每一区域内的各对象推送虚拟物品信息。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时实现上述各方法中的实施例。
第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法中的实施例。
第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法中的实施例。
上述虚拟物品信息推送方法、装置、计算机设备、存储介质和计算机程序产品，先获取多个对象各自的定位信息与虚拟物品交易信息，其中，定位信息用于确定对象所处的区域，虚拟物品交易信息包括对象针对每类虚拟物品的交易信息，可以确保用于进行分析的数据的多样性、丰富性，从而基于定位信息与虚拟物品交易信息，分别确定每一区域内各类虚拟物品之间的初始优先级关系，并按照初始优先级关系，分别对每一区域内的各对象推送虚拟物品信息，得到每一区域内各对象的反馈信息，从而基于反馈信息，对每一区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一区域内各类虚拟物品之间的目标优先级关系，即基于多种类型、非单一的数据，对每个区域内各类虚拟物品之间的优先级关系进行优化调整，使得最终得到的每一区域对应的目标优化级关系具有泛化性，进而根据目标优先级关系，分别对每一区域内的各对象推送虚拟物品信息，可以确保按照目标优先级推送至各对象的虚拟物品消息是经过分析确定的、各对象感兴趣的活动消息，从而提高消息推送的准确率。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为一个实施例中虚拟物品信息推送方法的应用环境图；
图2为一个实施例中虚拟物品信息推送方法的流程示意图；
图3为一个实施例中关系提取网络的示意图；
图4为一个实施例中关系优化网络的示意图；
图5为一个实施例中优先级调整过程的流程示意图；
图6为另一个实施例中虚拟物品信息推送的流程示意图；
图7为一个实施例中虚拟物品信息推送装置的结构框图；
图8为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的虚拟物品信息推送方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104进行通信。数据存储系统可以存储服务器104需要处理的数据。数据存储系统可以集成在服务器104上，也可以放在云上或其他网络服务器上。在各对象的授权下，服务器104可以通过与各对象的终端102通信，获取多个对象各自的定位信息与虚拟物品交易信息，其中，定位信息用于确定对象所处的区域，虚拟物品交易信息包括对象针对每类虚拟物品的交易信息，从而基于定位信息与虚拟物品交易信息，分别确定每一区域内各类虚拟物品之间的初始优先级关系，并按照初始优先级关系，分别对每一区域内的各对象推送虚拟物品信息，得到每一区域内各对象的反馈信息，进而基于反馈信息，对每一区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一区域内各类虚拟物品之间的目标优先级关系，最后，服务器104可以根据目标优先级关系，分别对每一区域内的各对象推送虚拟物品信息。
其中，终端102具体可以为对象访问金融机构的应用软件中活动页面时使用的终端，可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑、物联网设备等。服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现，具体可以为金融机构的服务器。当对象在其使用的终端102触发操作指令时，金融机构的应用软件将会响应对象触发的操作指令，而金融机构的服务器将会处理对象触发的操作指令。
在一个示例性的实施例中，如图2所示，提供了一种虚拟物品信息推送方法，以该方法应用于图1中的服务器为例进行说明，包括以下步骤202至步骤210。其中：
步骤202，获取多个对象各自的定位信息与虚拟物品交易信息；定位信息用于确定对象所处的区域；虚拟物品交易信息包括对象针对每类虚拟物品的交易信息。
其中，针对每一对象而言，虚拟物品交易信息具体可以包括：对象产生交易的虚拟物品的种类、对象针对每类虚拟物品的交易次数。
可选地，若存在多个对象使用终端访问金融机构的应用软件，服务器可以并行与多个终端通信，通过安装于各终端的金融机构的应用软件，获取多个对象各自的定位信息与虚拟物品交易信息。
示例性地，在对象使用终端访问金融机构的应用软件中活动页面时，在不影响对象使用应用软件，且获得对象授权的情况下，金融机构的应用软件会将对象使用应用软件时的定位信息、虚拟物品交易信息存储至数据库中，以便后续进行加密处理后发送至服务器。即安装于终端的金融机构的应用软件会在软件运行过程中，在不影响客户使用前提下，记录并保存对象使用软件时的定位信息、虚拟物品交易信息。
示例性地，为确保数据安全，金融机构的应用软件会对要传输的定位信息与虚拟物品交易信息进行加密处理，进而将加密后的定位信息与虚拟物品交易信息传输至服务器。
示例性地，金融机构的应用软件记录、保存、加密传输定位信息与虚拟物品交易信息的过程，均不影响应用软件响应对象在终端触发的操作指令，而金融机构的服务器在优先级调整的过程，也不影响服务器处理对象触发的操作指令，即优先级调整过程不影响金融机构的应用软件快速、高效地处理业务。
步骤204，基于定位信息与虚拟物品交易信息，分别确定每一区域内各类虚拟物品之间的初始优先级关系。
其中，初始优先级关系即推送区域内各类虚拟物品的顺序，虚拟物品的优先级越高，越优先推送。而虚拟物品在某一区域内的优先级越高，表征该区域内的各对象对该虚拟物品越感兴趣。
可选地，服务器可以基于每一对象的定位信息，按照设定的区域划分规则，分别确定每一对象所处的区域，从而确定每一区域内包括的对象，进而基于每一对象的虚拟物品交易信息，分别确定每一区域内各对象的虚拟物品交易信息。进一步的，服务器可以对每一区域内的各虚拟物品交易信息进行数据分析，分别确定每一区域内各类虚拟物品之间的初始优先级关系。其中，区域划分规则可以根据实际应用场景灵活配置。
示例性地，针对每一区域，服务器可以根据区域内的各虚拟物品信息，针对每类虚拟物品，分别进行数据汇总，从而确定区域内各类虚拟物品各自的交易总次数、交易频率。其中，针对每一区域而言，区域内某类虚拟物品的交易总次数，即该区域内所有对象针对该类虚拟物品的交易次数之和，而区域内某类虚拟物品的交易频率，即该类虚拟物品的交易总次数占该区域内所有虚拟物品的交易总次数之和的比例。
示例性地，针对每一区域，服务器可以基于区域内各类虚拟物品各自的交易频率，分别确定区域内各类虚拟物品之间的初始优先级关系，使得交易频率越高的虚拟物品对应越高的优先级。
步骤206，按照初始优先级关系，分别对每一区域内的各对象推送虚拟物品信息，得到每一区域内各对象的反馈信息。
其中，推送方式具体可以为：在金融机构的应用软件中以弹窗的形式推送。
可选地，针对每一区域，服务器可以根据区域对应的初始优先级关系，筛选出优先级高于设定优先级的一部分虚拟物品，并按照优先级从高到低的顺序，分别对每一区域内的各对象推送选取出的虚拟物品的虚拟物品信息，得到每一区域内各对象的反馈信息。
示例性地，针对每一区域，服务器可以先向区域内的各对象依次推送优先级等级较高的多类虚拟物品，即只先推送少量虚拟物品的信息，以降低初步推送阶段的推送错误率。
步骤208，基于反馈信息，对每一区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一区域内各类虚拟物品之间的目标优先级关系。
其中，反馈信息具体可以为：在对象接收到推送的虚拟物品信息后，是否查看虚拟物品信息、是否购买虚拟物品信息对应的虚拟物品。
可选地，针对每一区域，服务器可以基于区域内的反馈信息，确定区域内各类虚拟物品各自的推送准确率，从而基于区域内各类虚拟物品各自的推送准确率，对区域内各类虚拟物品之间的初始优先级关系分别进行调整，从而得到区域内各类虚拟物品之间的目标优先级关系。
示例性地，在对象接收到某一虚拟物品的虚拟物品信息后，若对象选择了点击或者购买，服务器会确定该虚拟物品消息推送准确，否则确定推送不准确。
步骤210，根据目标优先级关系，分别对每一区域内的各对象推送虚拟物品信息。
可选地，针对每一区域，服务器可以按照区域内的目标优先级关系，将区域内优先级最高的多个虚拟物品筛选出，并按照优先级从高到低的顺序，在该区域内存在对象访问金融机构的应用软件中活动页面的情况下，依次向区域内访问活动页面的各对象推送选取出的虚拟物品的虚拟物品消息。
上述虚拟物品信息推送方法中，先获取多个对象各自的定位信息与虚拟物品交易信息，其中，定位信息用于确定对象所处的区域，虚拟物品交易信息包括对象针对每类虚拟物品的交易信息，可以确保用于进行分析的数据的多样性、丰富性，从而基于定位信息与虚拟物品交易信息，分别确定每一区域内各类虚拟物品之间的初始优先级关系，并按照初始优先级关系，分别对每一区域内的各对象推送虚拟物品信息，得到每一区域内各对象的反馈信息，从而基于反馈信息，对每一区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一区域内各类虚拟物品之间的目标优先级关系，即基于多种类型、非单一的数据，对每个区域内各类虚拟物品之间的优先级关系进行优化调整，使得最终得到的每一区域对应的目标优化级关系具有泛化性，进而根据目标优先级关系，分别对每一区域内的各对象推送虚拟物品信息，可以确保按照目标优先级推送至各对象的虚拟物品消息是经过分析确定的、各对象感兴趣的活动消息，从而提高消息推送的准确率。
在其中一个实施例中，基于定位信息与虚拟物品交易信息，分别确定每一区域内各类虚拟物品之间的初始优先级关系，包括：
将定位信息与虚拟物品交易信息输入强化学习网络中的关系提取网络；
从关系提取网络的输出数据中，得到每一区域内各类虚拟物品之间的初始优先级关系；
关系提取网络用于：根据输入的定位信息与虚拟物品交易信息，确定多个区域、每一区域内的多个对象、以及每一区域内多个对象各自的虚拟物品交易信息；根据每一区域内的多个对象各自的虚拟物品交易信息，确定每一区域内各类虚拟物品之间的初始优先级关系并输出。
其中，强化学习网络具体可以为最大化熵强化学习网络(Soft-Actor-Critic，SAC)，关系提取网络具体可以为：Policy Network。Soft-Actor-Critic具体为一种基于最大化熵的深度强化学习算法，普通的强化学习算法严重依赖调参，极大限制了强化学习在虚拟物品推荐场景的应用，而最大化熵强化学习在算法训练过程中，会同时最大化期望和策略分布的熵，可以保证算法推荐的可靠性和准确性。Policy Network具体为一种神经网络，可以通过观察当前的环境状态，预测每个动作所对应的概率。在本实施例中，PolicyNetwork可以用于根据定位信息与虚拟物品交易信息，预测每一区域内各类虚拟物品的优先级(推送顺序)。
可选地，服务器可以将定位信息与虚拟物品交易信息输入强化学习网络中的关系提取网络，由关系提取网络对每一区域内各类虚拟物品之间的优先级分别进行预测，从而从关系提取网络的输出数据中，得到每一区域内各类虚拟物品之间的初始优先级关系。
示例性地，服务器可以将加密后的定位信息与虚拟物品交易信息输入关系提取网络，由关系提取网络进行解密，并从加密信息中提取特征数据，即定位信息与虚拟物品交易信息，并对提取出的特征数据进行数据处理，从而输出每一区域内各类虚拟物品之间的初始优先级关系。
示例性地，如图3所示，本实施例中关系提取网络(Policy Network)具体可以由5层的网络结构组成，具体为：输入层、由256个节点构成的网络层、由128个节点构成的网络层、由64个节点构成的网络层、由32个节点构成的网络层，该关系提取网络中还使用了Adams优化器训练，学习率为0.0001。关系提取网络中的多数据输入即服务器输入的定位数据、虚拟物品交易信息，系提取网络中的输出即每一区域内各类虚拟物品之间的初始优先级关系。
本实施例中，可以基于关系提取网络，准确提取出定位信息与虚拟物品交易信息中的关键特征，从而准确得到每一区域内各类虚拟物品之间的初始优先级关系。
在其中一个实施例中，虚拟物品信息推送方法还包括：
确定每一区域各自对应的可推送虚拟物品信息的信息数量阈值；
针对每一区域，基于区域对应的初始优先级关系与信息数量阈值，从各类虚拟物品的虚拟物品信息中选取至少一部分虚拟物品信息作为待推送虚拟物品信息；待推送虚拟物品信息的总数量小于区域对应的信息数量阈值；
按照初始优先级关系，分别对每一区域内的各对象推送虚拟物品信息，得到每一区域内各对象的反馈信息，包括：
针对每一区域，按照区域对应的初始优先级关系，向区域内的各对象推送各待推送虚拟物品信息，得到区域内各对象的反馈信息。
其中，每一区域各自对应的信息数量阈值可以根据实际需求灵活配置。
可选地，服务器可以先分别确定每一区域各自对应的可推送虚拟物品信息的信息数量阈值。针对每一区域，服务器可以基于区域对应的初始优先级关系与信息数量阈值，从各类虚拟物品的虚拟物品信息中选取出数量少于信息数据量阈值的多个虚拟物品信息作为待推送虚拟物品信息，进而按照区域对应的初始优先级关系中各待推送虚拟物品信息各自对应的优先级，确定各待推送虚拟物品信息的推送顺序，从而依次向区域内的各对象推送各待推送虚拟物品信息，得到区域内各对象的反馈信息。
示例性地，以A区域为例，若A区域的初始优先级关系中，各类虚拟物品的优先级按照从高到低的顺序依次为a1、a2、a3…，服务器可以将优先级为a1、a2的各类虚拟物品作为A区域内的待推送虚拟物品，并按照优先级从高到低的顺序，依次向A区域内的各对象依次推送各待推送虚拟物品。其中，优先级为a1、a2的各类虚拟物品的虚拟物品信息数量之和，低于A区域的信息数量阈值。
本实施例中，考虑到初始优先级关系未达到目标优先级关系的推送准确率，针对每一区域，仅从各类虚拟物品的虚拟物品信息中，选取出数量少于信息数据量阈值的多个虚拟物品信息作为待推送虚拟物品信息，即少量地推送虚拟物品信息，以提高初期推送消息的准确率，降低误推率。
在其中一个实施例中，基于反馈信息，对每一区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一区域内各类虚拟物品之间的目标优先级关系，包括：
针对每一区域，将区域内的反馈信息输入强化学习网络中的关系优化网络；
从关系优化网络的输出数据中，得到关系优化网络针对区域内各类虚拟物品之间的初始优先级关系的评价结果；
根据针对初始优先级关系的评价结果，对初始优先级关系进行调整，得到区域内各类虚拟物品之间的目标优先级关系；
关系优化网络用于：根据输入的区域内的反馈信息，确定向区域内各对象推送的各待推送虚拟物品信息各自的推送准确率；基于推送准确率，输出针对区域内各类虚拟物品之间的初始优先级关系的评价结果。
其中，强化学习网络具体可以为最大化熵强化学习网络(Actor-Critic)，关系优化网络具体可以为：Q Network(Deep Q-network，Q网络)，Q Network具体是指基于深度学习的Q学习算法，主要结合了值函数近似技术与神经网络技术，并采用了目标网络和经历回放的方法进行网络训练。
可选地，针对每一区域，服务器可以将区域内的反馈信息输入强化学习网络中的关系优化网络，由关系优化网络基于反馈信息对初始优先级关系进行评价，从而从关系优化网络的输出数据中，得到关系优化网络针对区域内各类虚拟物品之间的初始优先级关系的评价结果。
进一步的，针对每一区域，服务器可以根据针对初始优先级关系的评价结果，并引入新增的定位数据与虚拟物品交易信息，基于关系提取网络，对初始优先级关系进行调整，即有关系提取网络输出更新优先级关系，再将关系提取网络的输出作为关系优化网络的输入，由关系优化网络对更新优先级关系进行评价，得到更新评价结果，依此循环优先级调整过程，直至满足优化停止条件，得到区域内各类虚拟物品之间的目标优先级关系。
示例性地，如图4所示，本实施例中的关系优化网络(Q Network)具体可以由5层的网络结构组成，具体为：输入层、由256个节点构成的网络层、由128个节点构成的网络层、由64个节点构成的网络层、由32个节点构成的网络层。其中，关系优化网络中Q函数的奖励函数的折扣因子为0.99，经验池的大小为100。关系优化网络的输入为关系提取网络输出的优先级关系、以及对象针对优先级关系的反馈信息，关系优化网络的输出为针对关系提取网络输出的优先级关系的评价结果。
本实施例中，可以基于关系优化网络，准确评价关系提取网络输出的优先级关系，从而准确得到关系优化网络针对区域内初始优先级关系的评价结果，进而根据针对初始优先级关系的评价结果，对初始优先级关系进行优化，并通过循环优化，确保最终得到的目标优化级关系具有较高准确率，使得按照目标优先级关系推送消息时，可以准确推送对象感兴趣的活动消息。
在其中一个实施例中，根据针对初始优先级关系的评价结果，对初始优先级关系进行调整，得到区域内各类虚拟物品之间的目标优先级关系，包括：
根据针对初始优先级关系的评价结果，对初始优先级关系进行调整，得到区域内各类虚拟物品之间的更新优先级关系；
基于区域对应的更新优先级关系、可推送虚拟物品信息的信息数量阈值，从各类虚拟物品的虚拟物品信息中选取至少一部分虚拟物品信息作为新的待推送虚拟物品信息；
按照更新优先级关系，向区域内各对象推送新的待推送虚拟物品信息，得到区域内各对象的更新反馈信息；
基于更新反馈信息对更新优先级关系进行调整，直至得到的更新反馈信息满足优化停止条件，得到区域内各类虚拟物品之间的目标优先级关系。
其中，优化停止条件具体可以为：反馈信息表征区域内各对象接收到的虚拟物品信息的推送准确率达到设定准确率。设定准确率可以根据实际应用场景灵活配置。
可选地，针对每一区域，服务器可以根据针对该区域对应的初始优先级关系的评价结果，对初始优先级关系进行调整，得到区域内各类虚拟物品之间的更新优先级关系，并基于区域对应的更新优先级关系、可推送虚拟物品信息的信息数量阈值，在提高待推送虚拟物品信息的数量的前提下，从各类虚拟物品的虚拟物品信息中选取至少一部分虚拟物品信息作为新的待推送虚拟物品信息，进而按照更新优先级关系，向区域内各对象推送新的待推送虚拟物品信息，得到区域内各对象的更新反馈信息，并基于更新反馈信息对更新优先级关系进行调整，直至得到的更新反馈信息满足优化停止条件，得到区域内各类虚拟物品之间的目标优先级关系。
示例性地，针对每一区域，在对区域内的优先级关系进行优化的过程中，虽然初期只选择少量的虚拟物品信息进行推送，但随着优先级关系的优化，在结束每次的优化后，会逐步增加待推送虚拟物品的数量，以提高样本的丰富性，即逐步提高接收到的反馈信息的丰富性，使得最终优化得到的目标优先级关系可以准确反映区域内各对象对各类虚拟物品的感兴趣程度。其中，虚拟物品在目标优先级关系中优先级越高，区域内各对象对该虚拟物品越感兴趣。
示例性地，如图5所示，提供了一种优先级调整过程的流程示意图，针对每一区域，服务器可以将加密处理过的定位信息、虚拟物品交易信息输入强化学习网络，得到强化学习网络输出的表征虚拟物品信息的推送顺序的优先级关系，从而向区域内各对象推送待推送虚拟物品信息。进一步的，在推送消息后，服务器可以收集区域内各对象的反馈信息，并将反馈信息、获得的优先级关系再次输入强化学习网络，且考虑到区域内的对象可能存在新增的情况，还会将新的定位信息与虚拟物品交易信息也输入强化学习网络，以丰富训练样本，进而对优先级关系进行调整，并循环优先级调整过程，直至得到目标优先级关系。
示例性地，以推送的消息是弹窗形式为例，在根据反馈信息调整优先级关系的过程中，若存在虚拟物品消息的弹窗被对象关闭，便减少该虚拟物品消息的推送，即作为优先级调整过程的反向激励，而当对象点击虚拟物品消息的弹窗时，便增加该虚拟物品消息的推送，即作为优先级调整过程的正向激励。
本实施例中，在优先级调整过程中，为了保证对象可以准确获得感兴趣的虚拟物品的消息，通过最大化熵强化学习网络，不断地对每一区域内各类虚拟物品之间的优先级关系进行优化，使得最终优化得到的目标优先级可以准确反映每一区域内各对象对各类虚拟物品的感兴趣程度，以便后续按照目标优先级关系推送活动消息时，可以准确推送对象感兴趣的消息。
在其中一个实施例中，根据针对初始优先级关系的评价结果，对初始优先级关系进行调整，得到区域内各类虚拟物品之间的更新优先级关系，包括：
根据针对初始优先级关系的评价结果，将推送准确率超出准确率阈值的待推送虚拟物品信息作为目标虚拟物品信息；
确定目标虚拟物品信息在初始优先级关系中的优先级；
按照设定的优先级更新规则，提高目标虚拟物品信息在初始优先级关系中的优先级，得到区域内各类虚拟物品之间的更新优先级关系。
其中，准确率阈值可以根据实际需求灵活配置，可以取值大于60％。评价结果中具体可以包括：每一推送至区域内各对象的虚拟物品信息的推送准确率。
可选地，针对每一区域，服务器可以根据针对该区域内初始优先级关系的评价结果，分别确定推送至该区域内各对象的虚拟物品信息的推送准确率，即该区域内各待推送虚拟物品信息的推送准确率。进一步的，服务器可以将推送准确率超出准确率阈值的待推送虚拟物品信息作为目标虚拟物品信息，并确定目标虚拟物品信息在初始优先级关系中的优先级，从而按照设定的优先级更新规则，提高目标虚拟物品信息在初始优先级关系中的优先级，得到区域内各类虚拟物品之间的更新优先级关系。其中，优先级更新规则可以根据实际需求灵活配置。
本实施例中，在更新优先级关系的过程中，会将推送准确率较高的虚拟物品的优先级(推送顺序)提高，可以使得最终得到的目标优先级中各虚拟物品的优先级与推送准确率正相关。
在一个实施例中，如图6所示，提供了另一种虚拟物品信息推送方法的流程示意图，主要包括以下步骤：
步骤602，获取多个对象各自的定位信息与虚拟物品交易信息；
步骤604，将定位信息与虚拟物品交易信息输入强化学习网络中的关系提取网络；
步骤606，从关系提取网络的输出数据中，得到每一区域内各类虚拟物品之间的初始优先级关系；
步骤608，确定每一区域各自对应的可推送虚拟物品信息的信息数量阈值；
步骤610，针对每一区域，基于区域对应的初始优先级关系与信息数量阈值，从各类虚拟物品的虚拟物品信息中选取至少一部分虚拟物品信息作为待推送虚拟物品信息；
步骤612，针对每一区域，按照区域对应的初始优先级关系，向区域内的各对象推送各待推送虚拟物品信息，得到区域内各对象的反馈信息；
步骤614，将区域内的反馈信息输入强化学习网络中的关系优化网络；
步骤616，从关系优化网络的输出数据中，得到关系优化网络针对区域内各类虚拟物品之间的初始优先级关系的评价结果；
步骤618，根据针对初始优先级关系的评价结果，将推送准确率超出准确率阈值的待推送虚拟物品信息作为目标虚拟物品信息；
步骤620，确定目标虚拟物品信息在初始优先级关系中的优先级；
步骤622，按照设定的优先级更新规则，提高目标虚拟物品信息在初始优先级关系中的优先级，得到区域内各类虚拟物品之间的更新优先级关系；
步骤624，基于区域对应的更新优先级关系、可推送虚拟物品信息的信息数量阈值，从各类虚拟物品的虚拟物品信息中选取至少一部分虚拟物品信息作为新的待推送虚拟物品信息；
步骤626，按照更新优先级关系，向区域内各对象推送新的待推送虚拟物品信息，得到区域内各对象的更新反馈信息；
步骤628，基于更新反馈信息对更新优先级关系进行调整，直至得到的更新反馈信息满足优化停止条件，得到区域内各类虚拟物品之间的目标优先级关系；
步骤630，根据目标优先级关系，分别对每一区域内的各对象推送虚拟物品信息。
应该理解的是，虽然如上的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的虚拟物品信息推送方法的虚拟物品信息推送装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个虚拟物品信息推送装置实施例中的具体限定可以参见上文中对于虚拟物品信息推送方法的限定，在此不再赘述。
在一个示例性的实施例中，如图7所示，提供了一种虚拟物品信息推送装置，包括：信息获取模块702、优先级确定模块704、反馈信息获得模块706、优先级调整模块708和信息推送模块710，其中：
信息获取模块702，用于获取多个对象各自的定位信息与虚拟物品交易信息；定位信息用于确定对象所处的区域；虚拟物品交易信息包括对象针对每类虚拟物品的交易信息；
优先级确定模块704，用于基于定位信息与虚拟物品交易信息，分别确定每一区域内各类虚拟物品之间的初始优先级关系；
反馈信息获得模块706，用于按照初始优先级关系，分别对每一区域内的各对象推送虚拟物品信息，得到每一区域内各对象的反馈信息；
优先级调整模块708，用于基于反馈信息，对每一区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一区域内各类虚拟物品之间的目标优先级关系；
信息推送模块710，用于根据目标优先级关系，分别对每一区域内的各对象推送虚拟物品信息。
上述虚拟物品信息推送装置中，先获取多个对象各自的定位信息与虚拟物品交易信息，其中，定位信息用于确定对象所处的区域，虚拟物品交易信息包括对象针对每类虚拟物品的交易信息，可以确保用于进行分析的数据的多样性、丰富性，从而基于定位信息与虚拟物品交易信息，分别确定每一区域内各类虚拟物品之间的初始优先级关系，并按照初始优先级关系，分别对每一区域内的各对象推送虚拟物品信息，得到每一区域内各对象的反馈信息，从而基于反馈信息，对每一区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一区域内各类虚拟物品之间的目标优先级关系，即基于多种类型、非单一的数据，对每个区域内各类虚拟物品之间的优先级关系进行优化调整，使得最终得到的每一区域对应的目标优化级关系具有泛化性，进而根据目标优先级关系，分别对每一区域内的各对象推送虚拟物品信息，可以确保按照目标优先级推送至各对象的虚拟物品消息是经过分析确定的、各对象感兴趣的活动消息，从而提高消息推送的准确率。
在其中一个实施例中，优先级确定模块还用于将定位信息与虚拟物品交易信息输入强化学习网络中的关系提取网络；从关系提取网络的输出数据中，得到每一区域内各类虚拟物品之间的初始优先级关系；关系提取网络用于：根据输入的定位信息与虚拟物品交易信息，确定多个区域、每一区域内的多个对象、以及每一区域内多个对象各自的虚拟物品交易信息；根据每一区域内的多个对象各自的虚拟物品交易信息，确定每一区域内各类虚拟物品之间的初始优先级关系并输出。
在其中一个实施例中，虚拟物品信息推送装置中还包括待推送虚拟物品信息选取模块，待推送虚拟物品信息选取模块用于确定每一区域各自对应的可推送虚拟物品信息的信息数量阈值；针对每一区域，基于区域对应的初始优先级关系与信息数量阈值，从各类虚拟物品的虚拟物品信息中选取至少一部分虚拟物品信息作为待推送虚拟物品信息；待推送虚拟物品信息的总数量小于区域对应的信息数量阈值。
在其中一个实施例中，反馈信息获得模块还用于针对每一区域，按照区域对应的初始优先级关系，向区域内的各对象推送各待推送虚拟物品信息，得到区域内各对象的反馈信息。
在其中一个实施例中，优先级调整模块还用于针对每一区域，将区域内的反馈信息输入强化学习网络中的关系优化网络；从关系优化网络的输出数据中，得到关系优化网络针对区域内各类虚拟物品之间的初始优先级关系的评价结果；根据针对初始优先级关系的评价结果，对初始优先级关系进行调整，得到区域内各类虚拟物品之间的目标优先级关系；关系优化网络用于：根据输入的区域内的反馈信息，确定向区域内各对象推送的各待推送虚拟物品信息各自的推送准确率；基于推送准确率，输出针对区域内各类虚拟物品之间的初始优先级关系的评价结果。
在其中一个实施例中，虚拟物品信息推送装置中还包括优先级调整模块，优先级调整模块用于根据针对初始优先级关系的评价结果，对初始优先级关系进行调整，得到区域内各类虚拟物品之间的更新优先级关系；基于区域对应的更新优先级关系、可推送虚拟物品信息的信息数量阈值，从各类虚拟物品的虚拟物品信息中选取至少一部分虚拟物品信息作为新的待推送虚拟物品信息；按照更新优先级关系，向区域内各对象推送新的待推送虚拟物品信息，得到区域内各对象的更新反馈信息；基于更新反馈信息对更新优先级关系进行调整，直至得到的更新反馈信息满足优化停止条件，得到区域内各类虚拟物品之间的目标优先级关系。
在其中一个实施例中，虚拟物品信息推送装置中还包括更新优先级获得模块，更新优先级获得模块还用于根据针对初始优先级关系的评价结果，将推送准确率超出准确率阈值的待推送虚拟物品信息作为目标虚拟物品信息；确定目标虚拟物品信息在初始优先级关系中的优先级；按照设定的优先级更新规则，提高目标虚拟物品信息在初始优先级关系中的优先级，得到区域内各类虚拟物品之间的更新优先级关系。
上述虚拟物品信息推送装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储虚拟物品信息推送数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种虚拟物品信息推送方法。
本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述各方法实施例中的步骤。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
需要说明的是，本申请所涉及的对象(用户)信息(包括但不限于对象设备信息、对象个人信息等)和数据(包括但不限于用于分析的数据、存储的数据、展示的数据等)，均为经对象授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。本申请中推送的消息，对象(用户)均可以拒绝、便捷拒绝推送信息。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(FerroelectricRandom Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(StaticRandom Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种虚拟物品信息推送方法，其特征在于，所述方法包括：
获取多个对象各自的定位信息与虚拟物品交易信息；所述定位信息用于确定对象所处的区域；所述虚拟物品交易信息包括对象针对每类虚拟物品的交易信息；
基于所述定位信息与所述虚拟物品交易信息，分别确定每一所述区域内各类虚拟物品之间的初始优先级关系；
按照所述初始优先级关系，分别对每一所述区域内的各对象推送虚拟物品信息，得到每一所述区域内各对象的反馈信息；
基于所述反馈信息，对每一所述区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一所述区域内各类虚拟物品之间的目标优先级关系；
根据所述目标优先级关系，分别对每一所述区域内的各对象推送虚拟物品信息。
2.根据权利要求1所述的方法，其特征在于，所述基于所述定位信息与所述虚拟物品交易信息，分别确定每一所述区域内各类虚拟物品之间的初始优先级关系，包括：
将所述定位信息与所述虚拟物品交易信息输入强化学习网络中的关系提取网络；
从所述关系提取网络的输出数据中，得到每一所述区域内各类虚拟物品之间的初始优先级关系；
所述关系提取网络用于：根据输入的所述定位信息与所述虚拟物品交易信息，确定多个区域、每一所述区域内的多个对象、以及每一所述区域内多个对象各自的虚拟物品交易信息；根据每一所述区域内的多个对象各自的虚拟物品交易信息，确定每一所述区域内各类虚拟物品之间的初始优先级关系并输出。
3.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定每一所述区域各自对应的可推送虚拟物品信息的信息数量阈值；
针对每一所述区域，基于所述区域对应的初始优先级关系与信息数量阈值，从各类虚拟物品的虚拟物品信息中选取至少一部分虚拟物品信息作为待推送虚拟物品信息；所述待推送虚拟物品信息的总数量小于所述区域对应的信息数量阈值；
所述按照所述初始优先级关系，分别对每一所述区域内的各对象推送虚拟物品信息，得到每一所述区域内各对象的反馈信息，包括：
针对每一所述区域，按照所述区域对应的初始优先级关系，向所述区域内的各对象推送各所述待推送虚拟物品信息，得到所述区域内各对象的反馈信息。
4.根据权利要求1所述的方法，其特征在于，所述基于所述反馈信息，对每一所述区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一所述区域内各类虚拟物品之间的目标优先级关系，包括：
针对每一所述区域，将所述区域内的反馈信息输入强化学习网络中的关系优化网络；
从所述关系优化网络的输出数据中，得到所述关系优化网络针对所述区域内各类虚拟物品之间的初始优先级关系的评价结果；
根据针对所述初始优先级关系的评价结果，对所述初始优先级关系进行调整，得到所述区域内各类虚拟物品之间的目标优先级关系；
所述关系优化网络用于：根据输入的所述区域内的反馈信息，确定向所述区域内各对象推送的各待推送虚拟物品信息各自的推送准确率；基于所述推送准确率，输出针对所述区域内各类虚拟物品之间的初始优先级关系的评价结果。
5.根据权利要求4所述的方法，其特征在于，所述根据针对所述初始优先级关系的评价结果，对所述初始优先级关系进行调整，得到所述区域内各类虚拟物品之间的目标优先级关系，包括：
根据针对所述初始优先级关系的评价结果，对所述初始优先级关系进行调整，得到所述区域内各类虚拟物品之间的更新优先级关系；
基于所述区域对应的更新优先级关系、可推送虚拟物品信息的信息数量阈值，从各类虚拟物品的虚拟物品信息中选取至少一部分虚拟物品信息作为新的待推送虚拟物品信息；
按照所述更新优先级关系，向所述区域内各对象推送新的待推送虚拟物品信息，得到所述区域内各对象的更新反馈信息；
基于所述更新反馈信息对所述更新优先级关系进行调整，直至得到的更新反馈信息满足优化停止条件，得到所述区域内各类虚拟物品之间的目标优先级关系。
6.根据权利要求5所述的方法，其特征在于，所述根据针对所述初始优先级关系的评价结果，对所述初始优先级关系进行调整，得到所述区域内各类虚拟物品之间的更新优先级关系，包括：
根据针对所述初始优先级关系的评价结果，将推送准确率超出准确率阈值的待推送虚拟物品信息作为目标虚拟物品信息；
确定所述目标虚拟物品信息在所述初始优先级关系中的优先级；
按照设定的优先级更新规则，提高所述目标虚拟物品信息在所述初始优先级关系中的优先级，得到所述区域内各类虚拟物品之间的更新优先级关系。
7.一种虚拟物品信息推送装置，其特征在于，所述装置包括：
信息获取模块，用于获取多个对象各自的定位信息与虚拟物品交易信息；所述定位信息用于确定对象所处的区域；所述虚拟物品交易信息包括对象针对每类虚拟物品的交易信息；
优先级确定模块，用于基于所述定位信息与所述虚拟物品交易信息，分别确定每一所述区域内各类虚拟物品之间的初始优先级关系；
反馈信息获得模块，用于按照所述初始优先级关系，分别对每一所述区域内的各对象推送虚拟物品信息，得到每一所述区域内各对象的反馈信息；
优先级调整模块，用于基于所述反馈信息，对每一所述区域内各类虚拟物品之间的初始优先级关系分别进行调整，得到每一所述区域内各类虚拟物品之间的目标优先级关系；
信息推送模块，用于根据所述目标优先级关系，分别对每一所述区域内的各对象推送虚拟物品信息。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，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6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311254303.1A CN117459577A (zh) | 2023-09-26 | 2023-09-26 | 虚拟物品信息推送方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311254303.1A CN117459577A (zh) | 2023-09-26 | 2023-09-26 | 虚拟物品信息推送方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117459577A true CN117459577A (zh) | 2024-01-26 |
Family
ID=89584472
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311254303.1A Pending CN117459577A (zh) | 2023-09-26 | 2023-09-26 | 虚拟物品信息推送方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117459577A (zh) |
-
2023
- 2023-09-26 CN CN202311254303.1A patent/CN117459577A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10958748B2 (en) | Resource push method and apparatus | |
| Wang et al. | An improved boosting based on feature selection for corporate bankruptcy prediction | |
| US20180253657A1 (en) | Real-time credit risk management system | |
| WO2013067461A2 (en) | Identifying associations in data | |
| US20140122586A1 (en) | Determination of latent interactions in social networks | |
| Kumar et al. | An information theoretic approach for feature selection | |
| CN113408668A (zh) | 基于联邦学习系统的决策树构建方法、装置及电子设备 | |
| Tang et al. | Dropout rate prediction of massive open online courses based on convolutional neural networks and long short-term memory network | |
| CN114693409A (zh) | 产品匹配方法、装置、计算机设备、存储介质和程序产品 | |
| Shen et al. | Analysis of application examples of differential privacy in deep learning | |
| CN116861070A (zh) | 推荐模型的处理方法、装置、计算机设备和存储介质 | |
| CN114495137B (zh) | 票据异常检测模型生成方法与票据异常检测方法 | |
| CN117459577A (zh) | 虚拟物品信息推送方法、装置、计算机设备和存储介质 | |
| CN114529399A (zh) | 用户数据处理方法、装置、计算机设备和存储介质 | |
| Sadreddin et al. | Chunk-based incremental feature learning for credit-card fraud data stream | |
| CN114049204A (zh) | 可疑交易数据录入方法、装置、计算机设备和计算机可读存储介质 | |
| US20230419098A1 (en) | Utilizing selective transformation and replacement with high-dimensionality projection layers to implement neural networks in tabular data environments | |
| CN116091209A (zh) | 信贷业务处理方法、装置、计算机设备和存储介质 | |
| CN117459576A (zh) | 基于边缘计算的数据推送方法、装置和计算机设备 | |
| CN117312660A (zh) | 项目推送方法、装置、计算机设备和存储介质 | |
| CN116861071A (zh) | 资讯推送方法、装置、计算机设备、存储介质和程序产品 | |
| CN116166879A (zh) | 分享业务处理方法、装置、计算机设备和存储介质 | |
| Deng et al. | A two-stage framework for credit scoring based on feature augmentation and dimension reduction | |
| CN116862673A (zh) | 处理结果预测方法、装置、计算机设备和存储介质 | |
| CN117454215A (zh) | 回馈资源的配置方法、装置和计算机设备 |
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 |