CN109582865B 一种推送应用程序的方法及装置 （北京奇虎科技有限公司）

A,2015.12.02A,2016.03.30A,2018.11.16A,2018.05.01所述历史数据信息具体包括历史用户的用户行2基于所述搜索请求生成对应的配置文件；所述配置文件中包含有目标推执行所述目标推送策略，利用所述应用程序排序模型获得推送给基于所述反馈数据和历史数据信息更新所述应用程序排序模型，所基于所述用户的用户行为数据，获得与所述用户的用户基于所述历史用户的用户行为数据和所述历史应用程序的特征数据，采用预设算法，基于历史用户的用户行为数据和所述历史用户的用户行为数据对应的历史应用程序从所述M个第一排序模型中获取准确率最高的排序模型作为所述应用程序排所述历史用户所处的地域数据、所述历史用户所使用的设备的型号数据、所所述应用程序所适用于用户的年龄段数据、所述应用程序的相似应用4.如权利要求1所述的方法，其特征在于，所述将所述训练基于历史用户的用户行为数据和所述历史用户的用户行为数据对应的历史应用程序将所述M个第一排序模型的输出结果分别与所述测试样本中的用户行为数据对应的历3所述从所述M个第一排序模型中获取准确率最高的排序模型作为所述应用程序排序模从所述M个比较结果中选取匹配度最高的排序模型作为所述应用程序排执行所述目标推送策略，将所述用户的用户行为从所述M个第二排序模型中选取准确率最高的排序模型作为更新后的应用程序排序模接收其他用户的搜索请求，并基于所述其他用将所述更新后的应用程序排序模型更新到内存中之后，执行所述生成模块，用于基于所述搜索请求生成对应的配置文件；第一执行模块，用于执行所述目标推送策略，利用所述更新模块，用于基于所述反馈数据和历史数据信息更新所述历史数据信息具体包括历史用户的用户行为数据和历史应第一获得单元，用于基于所述搜索请求，获得所述搜索请求第二获得单元，用于基于所述用户的用户行为数据，获得与4第一获得模块，用于基于所述历史用户的用户行为数据训练样本获得模块，用于基于历史用户的用户行第一训练模块，用于将所述训练样本输入M个机器学习模型中进选取模块，用于从所述M个第一排序模型中获取准确率最高的排序模型作为所述应用所述历史用户所处的地域数据、所述历史用户所使用的设备的型号数据、所所述应用程序所适用于用户的年龄段数据、所述应用程序的相似应用测试样本获得模块，用于基于历史用户的用户行为数测试模块，用于利用所述测试样本分别对所述M个第一排序比较结果获得模块，用于将所述M个第一排序模型的输出结果分别与所述测试样本中选取模块，具体用于从所述M个比较结果中选取匹配度最高的排序模型作为所述应用第一训练单元，用于执行所述目标推送策略，将所述用户的5第二训练单元，用于将所述新的训练样本输入M个机器学习模第二选取单元，用于从所述M个第二排序模型中选取准确率最高的排序模型作为更新第三接收模块，用于接收其他用户的搜索请求，并基于所述其他用第二执行模块，用于将所述更新后的应用程序排序模型执行时实现如权利要求1-8中任一权利要求所6息具体包括历史用户的用户行为数据和历史[0015]基于历史用户的用户行为数据和所述历史用户的用户行为数据对应的历史应用[0017]从所述M个第一排序模型中获取准确率最高的排序模型作为所述应用程序排序模7[0023]基于历史用户的用户行为数据和所述历史用户的用户行为数据对应的历史应用[0025]将所述M个第一排序模型的输出结果分别与所述测试样本中的用户行为数据对应[0026]所述从所述M个第一排序模型中获取准确率最高的排序模型作为所述应用程序排[0035]执行所述目标推送策略，将所述用户的用户行为数据输入所述应用程序排序模[0040]从所述M个第二排序模型中选取准确率最高的排序模型作为更新后的应用程序排[0041]优选的，在基于所述反馈数据和历史数据信息更新所述[0042]接收其他用户的搜索请求，并基于所述其他用户的搜索请求得到对应的配置文8[0049]更新模块，用于基于所述反馈数据和历史数据信息更新所述历史数据信息具体包括历史用户的用户行为数据和历史应用程序的特[0056]选取模块，用于从所述M个第一排序模型中获取准确率最高的排序模型作为所述[0064]比较结果获得模块，用于将所述M个第一排序模型的输出结果分别与所述测试样9[0065]选取模块，具体用于从所述M个比较结果中选取匹配度最高的排序模型作为所述[0076]新的训练样本获取单元，用于将所述反馈数据和历史数据信息作为新的训练样[0078]第二选取单元，用于从所述M个第二排序模型中选取准确率最高的排序模型作为[0103]S206，从M个第一排序模型中获取准确率最高的排序模型作为该应用程序排序模所处的地域数据(比如用户所处的城市为北京)、历史用户所使用的设备的型号数据(这里浏览过的网页信息或者搜索过的关键词信息)、历史用户对安装的应用程序的使用情况数适用于用户的年龄段数据(比如应用程序A在15～20岁之间的女性用户居多，应用程序B在[0106]该历史用户的用户行为数据和历史应用程序的特征数据于该历史用户的用户行为数据和历史用户的用户行为数据对应的历史应用程序列表获得代的决策树算法模型)、CNN(ConvolutionalNeuralNetwork，卷积神经网络模型)、RNN[0115]S2051，基于历史用户的用户行为数据和历史用户的用户行为数据对应的历史应[0116]该测试样本也是从大量的历史用户的用户行为数据和历史用户的用户行为数据[0118]该步骤同训练过程类似，即将测试样本中作为输入部分的数据分别输入M个第一[0120]该M个第一排序模型的输出结果与测试样本中作为输出部分的数据有差异，通过将M个第一排序模型的输出结果分别与测试样本中作为输出部分的数据，即用户行为数据[0122]具体地，就是从M个比较结果中选取匹配度最高的排序模型作为应用程序的排序储有与所有历史用户的用户行为数据信息分别对应的目标推送策略和应用程用程序排序模型中，获得的输出结果是与该用户的搜索请求相关的应用程序的排序列表，能是根据之前的历史用户对历史目标应用程序列表的反馈数据更新获得的应用程序排序序的搜索过程中所采用的应用程序排序模型[0148]S303，从M个第二排序模型中选取准确率最高的排序模型作为更新后的应用程序排序模型。也就是从M个第二排序模型中选取匹配度最高的排序模型作为更新后的应用程送策略，直接利用该更新后的应用程序排序模型获得推送给其他用户的目标应用程序列应的目标推送策略时，可以直接利用更新后的应用程序排序模型获得推送给该第二用户[0163]更新模块405，用于基于所述反馈数据和历史数据信息更新所述应用程序排序模[0170]选取模块，用于从所述M个第一排序模型中获取准确率最高的排序模型作为所述[0178]比较结果获得模块，用于将所述M个第一排序模型的输出结果分别与所述测试样[0179]选取模块，具体用于从所述M个比较结果中选取匹配度最高的排序模型作为所述[0190]新的训练样本获取单元，用于将所述反馈数据和历史数据信息作为新的训练样[0192]第二选取单元，用于从所述M个第二排序模型中选取准确率最高的排序模型作为处理器302执行所述程序时实现上述推送应用程序的的总线和桥，总线500将包括由处理器502代表的一个或多个处理器和存储器504代表的存[0201]在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的智能调度的装置、服务器域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实息具体包括历史用户的用户行为数据和历史[0218]基于历史用户的用户行为数据和所述历史用户的用户行为数据对应的历史应用[0220]从所述M个第一排序模型中获取准确率最高的排序模型作为所述应用程序排序模[0226]基于历史用户的用户行为数据和所述历史用户的用户行为数据对应的历史应用[0228]将所述M个第一排序模型的输出结果分别与所述测试样本中的用户行为数据对应[0229]所述从所述M个第一排序模型中获取准确率最高的排序模型作为所述应用程序排[0238]执行所述目标推送策略，将所述用户的用户行为数据输入所述应用程序排序模[0243]从所述M个第二排序模型中选取准确率最高的排序模型作为更新后的应用程序排[0245]接收其他用户的搜索请求，并基于所述其他用户的搜索请求得到对应的配置文[0252]更新模块，用于基于所述反馈数据和历史数据信息更新所述历史数据信息具体包括历史用户的用户行为数据和历史应用程序的特[0259]选取模块，用于从所述M个第一排序模型中获取准确率最高的排序模型作为所述[0267]比较结果获得模块，用于将所述M个第一排序模型的输出结果分别与所述测试样[0268]选取模块，具体用于从所述M个比较结果中选取匹配度最高的排序模型作为所述[0279]