申请/专利权人：中国银行股份有限公司

申请日：2020-04-29

公开（公告）日：2023-01-24

公开（公告）号：CN111556155B

主分类号：H04L67/55

分类号：H04L67/55;G06N3/12

优先权：

专利状态码：有效-授权

法律状态：2023.01.24#授权;2020.09.11#实质审查的生效;2020.08.18#公开

摘要：本申请公开了一种信息推送方法和装置，该方法包括：获取待推送用户的基本信息；将待推送用户的基本信息输入至信息推送模型中，由信息推送模型得到待推送用户的信息推送时间；其中，信息推送模型由多个用户的基本信息和实际空闲时间信息对误差逆向神经网络模型进行训练得到；待推送用户的信息推送时间为信息推送模型预测出的待推送用户的空闲时间；在待推送用户的信息推送时间，向待推送用户进行信息推送。由于信息推送模型所得到的待推送用户的信息推送时间为信息推送模型预测出的待推送用户的空闲时间，在待推送用户的信息推送时间向用户推送信息时，用户处于空闲状态，推送效果较好，用户对信息的打开率较高。

主权项：1.一种信息推送方法，其特征在于，包括：获取待推送用户的基本信息；所述基本信息包括职业、家庭情况、年龄、个人爱好；其中，在用户注册账号时获取待推送用户的基本信息，或者在用户办理业务时通过填写个人信息表格的方式获取待推送用户的基本信息；将所述待推送用户的基本信息输入至信息推送模型中，由所述信息推送模型得到所述待推送用户的信息推送时间；其中，所述信息推送模型由多个用户的基本信息和实际空闲时间信息对误差逆向神经网络模型进行训练得到；所述待推送用户的信息推送时间为所述信息推送模型预测出的所述待推送用户的空闲时间；在所述待推送用户的信息推送时间，向所述待推送用户进行信息推送；其中，所述信息推送模型的创建方法，包括：构建训练数据集；所述训练数据集包括多个用户的基本信息和实际空闲时间信息；将所述训练数据集中的每一个用户的基本信息分别输入至误差逆向神经网络模型中，得到所述训练数据集中的每一个用户的信息推送时间；根据所述训练数据集中的每一个用户的信息推送时间和用户的实际空闲时间之间的误差，对所述误差逆向神经网络模型中的权值和阈值进行不断调整，直至调整后的误差逆向神经网络模型所得到的所述用户的信息推送时间与所述用户的实际空闲时间之间的误差满足预设的收敛条件，将所述调整后的误差逆向神经网络模型确定为所述信息推送模型；其中，所述误差逆向神经网络模型的初始权值和初始阈值的设置方法，包括：将所述误差逆向神经网络模型的待优化权值、待优化阈值、以及适应度代入至遗传算法中，得到所述误差逆向神经网络模型的最优权值和最优阈值；其中，所述误差逆向神经网络模型的适应度为所述误差逆向神经网络模型的权值为待优化权值、且所述误差逆向神经网络模型的阈值为所述待优化阈值时所输出的每一个用户的信息推送时间与所述用户的实际空闲时间之间的误差；将所述误差逆向神经网络模型的最优权值和最优阈值作为所述误差逆向神经网络模型的初始权值和初始阈值；其中，所述将所述调整后的误差逆向神经网络模型确定为所述信息推送模型，包括：将验证数据集中的每一个用户的基本信息输入至所述调整后的误差逆向神经网络模型中，得到所述验证数据集中的每一个用户的信息推送时间；其中，所述验证数据集包括多个用户的基本信息和实际空闲时间信息；若所述验证数据集中的每一个用户的信息推送时间与所述用户的实际空闲时间之间的误差满足预设的准确性要求，则将所述调整后的误差逆向神经网络模型确定为所述信息推送模型；其中，所述将验证数据集中的每一个用户的基本信息输入至所述调整后的误差逆向神经网络模型中，得到所述验证数据集中的每一个用户的信息推送时间之后，还包括：若所述验证数据集中的每一个用户的信息推送时间与所述用户的实际空闲时间之间的误差不满足预设的准确性要求，则返回至所述构建训练数据集的步骤中；所述用户的实际空闲时间信息的获取方式，包括：收集所述用户填写的空闲时间信息；在所述用户填写的空闲时间，向所述用户进行信息推送；若所述用户阅读推送的信息的时长大于或等于预设时长，则将所述用户填写的空闲时间信息作为所述用户的实际空闲时间信息；若所述用户阅读推送的信息的时长小于预设时长，则不将所述用户的基本信息以及对应的空闲时间的信息收入训练数据集。

全文数据：

权利要求：

百度查询： 中国银行股份有限公司 信息推送方法和装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD