信息推送方法、装置和电子设备

技术领域

本公开涉及互联网技术领域，尤其涉及一种信息推送方法、装置和电子设备。

背景技术

随着互联网的发展，用户越来越多的使用终端设备浏览各类信息。例如，用户可以通过终端设备浏览随着时间的变化而不断更新的信息流。用户可能会对信息流中的一个或多个信息感兴趣。

通常，用户浏览的信息流，可以是服务器推送至用户所使用的终端的。服务器推送信息的准确性，可能影响用户在一定时间内所获取的有效信息的数量，进而影响用户浏览信息流的时长。

发明内容

提供该公开内容部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该公开内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。

第一方面，本公开实施例提供了一种信息推送方法，该方法包括：将第一调整方式信息和第一候选信息的第一推送相关信息，导入目标模型，得到与各个第一调整方式信息对应的第一打分，其中，所述第一调整方式信息的数量为至少两个；根据各个第一打分，从至少两个第一调整方式信息中，选取目标第一调整方式信息；利用目标第一调整方式信息，对第一候选信息的第一待调整表征值进行调整，生成第一调整后表征值；基于第一调整后表征值，对第一候选信息进行推送。

第二方面，本公开实施例提供了一种信息推送装置，包括：导入单元，用于将第一调整方式信息和第一候选信息的第一推送相关信息，导入目标模型，得到与各个第一调整方式信息对应的第一打分，其中，所述第一调整方式信息的数量为至少两个；选取单元，用于根据各个第一打分，从至少两个第一调整方式信息中，选取目标第一调整方式信息；生成单元，用于利用目标第一调整方式信息，对第一候选信息的第一待调整表征值进行调整，生成第一调整后表征值；推送单元，用于基于第一调整后表征值，对第一候选信息进行推送。

第三方面，公开实施例提供了一种模型训练方法，该方法包括：将第二调整方式信息和第二候选信息的第二推送相关信息，导入待训练模型，得到与各个第二调整方式信息对应的第二打分，其中，所述第二调整方式信息的数量为至少两个；根据各个第二打分，从至少两个第二调整方式信息中，选取目标第二调整方式信息；利用目标第二调整方式信息，对第二候选信息的第二待调整表征值进行调整，生成第二调整后表征值；基于推送效果信息，调整所述待训练模型的参数，其中，所述推送效果信息用于表征基于所述第二调整后表征值对所述第二候选信息进行推送的推送效果。

第四方面，本公开实施例提供了一种模型训练装置，包括：导入模块，用于将第二调整方式信息和第二候选信息的第二推送相关信息，导入待训练模型，得到与各个第二调整方式信息对应的第二打分，其中，所述第二调整方式信息的数量为至少两个；选取模块，用于根据各个第二打分，从至少两个第二调整方式信息中，选取目标第二调整方式信息；生成模块，用于利用目标第二调整方式信息，对第二候选信息的第二待调整表征值进行调整，生成第二调整后表征值；调整模块，用于基于推送效果信息，调整所述待训练模型的参数，其中，所述推送效果信息用于表征基于所述第二调整后表征值对所述第二候选信息进行推送的推送效果。

第五方面，本公开实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面所述的信息推送方法。

第六方面，本公开实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的信息推送方法的步骤。

本公开实施例提供的信息推送方法、装置和电子设备，将第一推送相关信息与第一调整方式信息作为输入导入目标模型，然后由目标模型直接输出第一调整方式信息的第一打分，从而可以确定与第一推送相关信息匹配的第一调整方式信息，可以针对第一推送相关信息调整第一待调整表征值，从而提高生成的第一调整后表征值的准确性，进而提高推送的准确性。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1是根据本公开的信息推送方法的一个实施例的流程图；

图2是根据本公开的模型训练步骤的流程图；

图3是根据本公开的模型训练方法的一个实施例的流程图；

图4是根据本公开的信息推送装置的一个实施例的结构示意图；

图5是根据本公开的模型训练装置的一个实施例的结构示意图；

图6是本公开的一个实施例的信息推送方法可以应用于其中的示例性系统架构；

图7是根据本公开实施例提供的电子设备的基本结构的示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

请参考图1，其示出了根据本公开的信息推送方法的一个实施例的流程。如图1所示该信息推送方法，包括以下步骤：

步骤101，将第一调整方式信息和第一候选信息的第一推送相关信息，导入目标模型，得到与第一调整方式信息对应的第一打分。

在本实施例中，信息推送方法的执行主体可以将第一调整方式信息和第一候选信息的第一推送相关信息，导入目标模型，得到与第一调整方式信息对应的第一打分。

在本实施例中，上述第一调整方式信息可以用于指示对第一候选信息的第一待调整表征值进行调整的方式。在这里，第一调整方式信息的数量可以是至少两个。

在本实施例中，上述第一候选信息可以是用于推送的信息。第一候选信息的类型在此不做限定。

在本实施例中，第一推送相关信息可以包括与推送所述第一候选信息相关的信息。第一推送相关信息具体包括的信息项可以根据实际应用场景设置，在此不做限定。

在本实施例中，目标模型可以用于表征第一推送相关信息、第一调整方式信息这两者，与第一打分之间的对应关系。可以理解，对于每个调整方式，目标模型均会生成针对该第一调整方式信息的第一打分。

在本实施例中，上述目标模型可以是基于神经网络构建的模型。目标模型的具体结构可以根据实际应用场景设置，在此不做限定。

步骤102，根据各个第一打分，从至少两个第一调整方式信息中，选取目标第一调整方式信息。

在本实施例中，上述执行主体可以根据各个第一打分，从至少两个第一调整方式信息中，选取目标第一调整方式信息。

在本实施例中，上述执行主体可以从目标模型生成的至少两个第一打分中，选取第一打分作为目标第一打分。然后，将目标第一打分对应的第一调整方式信息作为目标第一调整方式信息。换句话说，可以以第一打分为依据，从至少两个第一调整方式信息中，选取第一调整方式信息作为目标第一调整方式信息。

步骤103，根据目标第一调整方式信息，对第一候选信息的第一待调整表征值进行调整，生成第一调整后表征值。

在本实施例中，上述执行主体可以根据目标第一调整方式信息，对第一候选信息的第一待调整表征值进行调整，生成第一调整后表征值。

作为示例，第一待调整表征值可以是10。第一调整方式信息可以指示提高2，则可以将第一待调整表征值10与2的加和，作为第一调整后表征值，即12。

在本实施例中，第一候选信息的表征值，可以作为推送第一候选信息的判断依据。作为示例，信息推送的时候，可以首先根据内容相关性，召回与用户特征或者用户搜索词相关的第一候选信息，然后可以参考第一候选信息的表征值，确定是否展示各个召回的第一候选信息，或者确定展示第一候选信息的排位。

步骤104，基于第一调整后表征值，对第一候选信息进行推送。

在本实施例中，上述执行主体可以基于第一调整后表征值，对第一候选信息进行推送。

在本实施例中，基于第一调整后表征值评估信息对第一候选信息进行推送，可以通过各种方式实现，在此不做限定。

在一些实施例中，可以包括以下至少一项但不限于：基于第一调整后表征值，确定是否展示第一候选信息，或者确定待展示的第一候选信息在待推送信息序列中的位次。

作为示例，可以在根据搜索词或者用户属性，召回若干个候选信息之后，可以按照第一表征值从大到小的顺序，选取预定数目个候选信息，选取出的候选信息可以是待展示的候选信息。再后，可以将待展示的候选信息进行排序，排序的依据可以包括第一调整后表征值。

需要说明的是，本实施例提供的方法，将第一推送相关信息与第一调整方式信息作为输入导入目标模型，然后由目标模型直接输出第一调整方式信息的第一打分，从而可以确定与第一推送相关信息匹配的第一调整方式信息，可以针对第一推送相关信息调整第一待调整表征值，从而提高生成的第一调整后表征值的准确性，进而提高推送的准确性。

在一些实施例中，上述步骤102，可以包括：将最高第一打分对应的第一调整方式信息，确定为目标第一调整方式信息。

需要说明的是，通过将最高第一打分对应的第一调整方式信息，确定为目标第一调整方式信息，可以提高调整的准确度，进而提高生成的第一调整后表征值的准确度，由此提高信息推送的准确度。

在一些实施例中，第一推送相关信息属于推送相关信息。即第一推送相关信息可以继承推送相关信息中的相关情况。

在一些实施例中，推送相关信息中的具体项，可以根据实际应用场景设置，在此不做限定。

在一些实施例中，推送相关信息，可以包括但是不限于以下至少一项：推送依据信息、推送历史信息。

需要说明的是，通过将推送历史信息作为推送相关信息，可以将推送历史信息作为判断依据，判断对调整方式信息的答复。从而，可以参考候选信息的推送历史信息，确定对待调整表征值的调整幅度，提高调整待调整表征值的准确度。

在一些实施例中，推送依据信息可以包括但是不限于以下至少一项：候选信息的属性信息、候选信息拥有方的属性信息。

在一些实施例中，候选信息的属性信息，可以包括但是不限于以下至少一项：候选信息的表征值、候选信息的形式类型(例如图片、文字或者视频等)、候选信息的领域类型(例如教育、体育或者文艺等)。

在一些实施例中，候选信息拥有方的属性信息，可以包括但是不限于以下至少一项：候选信息拥有方的名称、类型等。候选信息拥有方可以包括候选信息的所有权人。

在一些实施例中，推送历史信息可以包括但不限于以下至少一项：推送过程历史信息、对推送的候选信息进行的历史操作信息。

需要说明的是，推送相关信息包括实时确定的推送历史数据，可以根据实时推送环境对待调整表征值进行调整，提高了调整后表征值的实时性，即可以适应最新推送环境进行表征值调整，提高了调整的准确性。

在一些实施例中，推送过程历史信息可以包括但是不限于以下至少一项：开始推送时间、开始推送时间到当前时间的时长、推送次数、候选信息的推送以来的总花费。

在一些实施例中，对推送的候选信息进行的历史操作信息，可以包括但是不限于以下至少一项：对所述候选信息进行操作的用户的用户画像、针对候选信息进行第一操作的第一操作次数、针对候选信息进行第二操作的第二操作次数。

在这里，上述第一操作的操作内容可以根据实际场景设置，在此不做限定；作为示例，第一操作可以是触发候选信息从而对候选信息进行浏览的操作。

在这里，上述第二操作的操作内容，可以根据实际应用场景设置，在此不做限定；作为示例，上述第二操作可以是触发候选信息中的预设控件的操作。

在一些应用场景中，第一推送相关信息可以属于推送相关信息。第二推送相关信息也可以属于推送相关信息。

在一些实施例中，第一推送相关信息包括以下至少一项：第一推送依据信息和第一推送历史信息；其中所述第一推送依据信息包括以下至少一项：第一候选信息的属性信息、第一候选信息拥有方的属性信息；所述第一推送历史信息包括以下至少一项：第一推送过程历史信息、第一对推送的候选信息进行的历史操作信息。

在一些实施例中，第二推送相关信息包括以下至少一项：第二推送依据信息和第二推送历史信息；其中所述第二推送依据信息包括以下至少一项：第二候选信息的属性信息、第二候选信息拥有方的属性信息；所述第二推送历史信息包括以下至少一项：第二推送过程历史信息、第二对推送的候选信息进行的历史操作信息。

在一些实施例中，至少两个调整方式信息，可以根据实际情况设置，在此不做限定。

作为示例，调整范围和调整幅度，调整范围为大于等于－10并且小于等于10。最小调整单位为0.1。由此，可以设置200个调整幅度，调整幅度为正数时，表示提高待调整表征值；调整幅度为负数时，表示减低待调整表征值。

在一些实施例中，上述目标模型可以通过模型训练步骤得到。在这里，模型训练步骤可以通过图2所示流程实现。图2所示流程可以包括：

步骤201，将第二调整方式信息和第二候选信息的第二推送相关信息，导入待训练模型。

需要说明的是，模型训练步骤中的第二调整方式信息，与图1对应的信息推送方法中的第一调整方式信息，是不同的阶段中的调整方式信息。第一调整方式信息和第二调整方式信息的内容，可能是对应相同的；作为示例，第一调整方式信息可以为两个，第二调整方式信息也可以为两个，第一调整方式信息分别为加1和减1，第二调整方式信息也可以分别为加1和减1。

需要说明的是，模型训练步骤中的第二候选信息，与图1对应的信息推送方法中的第一候选信息，是不同的阶段中的候选信息。第一候选信息和第二候选信息的信息内容，可能是相同的。在一些应用场景中，候选信息甲，可以在模型训练阶段作为第二候选信息，也可以在模型训练完成之后作为第一候选信息。

在这里，第二推送相关信息，可以用于指示与第二候选信息的推送相关的信息。

在这里，待训练模型，可以是未经训练的初始模型，也可以是已经训练但是未训练完成的模型。

在这里，待训练模型可以用于表征第一推送相关信息、第一调整方式信息这两者，与第一打分之间的对应关系。可以理解，对于每个调整方式，待训练模型均会生成针对该第一调整方式信息的第一打分。

在这里，上述待训练模型可以是基于神经网络构建的模型。待训练模型的具体结构可以根据实际应用场景设置，在此不做限定。

步骤202，根据各个第二打分，从至少两个第二调整方式信息中，选取目标第二调整方式信息，

在这里，根据第二打分选取目标第二调整方式信息的方式，与根据第一打分选取目标调整方式信息的方式，可能相同，也可能不同。

步骤203，利用目标第二调整方式信息，对第二候选信息的第二待调整表征值进行调整，生成第二调整后表征值。

在这里，上述第二待调整表征值中的第二，是为了与第二候选信息中的第二表述一致，可以理解，第二候选信息并没有第一待调整表征值。

步骤204，基于推送效果信息，调整所述待训练模型的参数。

在这里，所述推送效果信息用于表征基于所述第二调整后表征值对所述第二候选信息进行推送的推送效果。

在本实施例中，上述推送效果信息的具体表征方式，可以根据实际应用场景设置，在此不做限定。

在一些应用场景中，上述推送效果信息，可以利用第一操作次数与展示次数的比值表征。作为示例，第一操作可以是用户点击第二候选信息的操作，还可以是用户点击第二候选信息中的预设控件的操作。

在本实施例中，待训练模型中的参数，也可以包括但是不限于以下至少一项：待训练模型中的权重、待训练模型中的偏置项。

在本实施例中，基于推送效果信息，对待训练模型进行参数调整，可以通过各种方式实现，在此不做限定。

作为示例，可以采用反向传播、梯度下降等方式，对待训练模型进行参数调整。

在一些实施例中，模型训练的停止条件可以根据实际应用场景设置，在此不做限定。作为示例，模型训练的停止条件，可以包括但是不限于以下至少一项：模型参数更新幅度小于预设更新幅度阈值、模型的更新次数大于预设更新次数阈值。

在本实施例中，可以将参数调整后的待训练模型作为目标模型，或者对参数调整后的待训练模型再进行训练得到目标模型。

需要说明的是，本实施例提供的模型训练方法，导入待训练模型的推送相关信息可以用于表征候选信息的推送环境，针对推送环境的对调整方式信息进行打分将以实际的推送效果信息为依据，调整待训练模型的参数，可以使得打分向着改进推进效果评价的方向改变，由此，可以避免从内容上计算表征值与推送相关信息的相关性或者表征值与推送效果之间的相关性，直接从推送效果信息的角度，对调整方式信息进行判断，减少了确定较为准确的调整方式信息的复杂度。

在一些实施例中，上述步骤202，可以包括：采用设置选中概率的随机选取方式，从第二打分中选取目标第二打分；将选取出的目标第二打分对应的第二调整方式信息，确定为目标第二调整方式信息。

在一些实施例中，可以针对各个打分设置选中概率。设置选中概率的方式，可以是各种各样的。

在一些应用场景中，上述第一预设概率的具体数值，可以根据实际应用场景设置，在此不做限定。作为示例，可以将第一预设概率设置为90％。第一预设概率小于1。

在这里，将最高第二打分确定为目标第二打分的概率为第一预设概率。可以理解，一般情况下，最高打分的数量是一个。

需要说明的是，通过采用设置选中概率的随机算去方式，可以增加对于选中各种调整方式信息的探索性。避免出现每次选取最高第二打分而使得模型陷入局部最优。

在一些应用场景中，各个非最高第二答复的选中概率可以相等，也可以不相等。

作为示例，可以最高打分对应的概率对应的选中概率设置为第一预设概率。将1与第一预设概率的差值与非最高打分的打分数量的比值，确定为第二预设概率。第二预设概率可以作为各个非最高打分的选中概率。这种情况下，各个非最高第二打分的选中概率相等。

换句话说，如果将最高打分的数量与第一预设概率的乘积，作为第一乘积。将最高打分之外的其它第二答复确定为目标第二打分的概率为第二预设概率。最高打分之外的其它答复的数量与第二预设概率的乘积，作为第二乘积。第一乘积与第二乘积的加和等于1。

作为示例，如果有10个答复，可以设置10个不同的选中概率；这10个选中概率的和为1。这种情况下，各个非最高第二打分的选中概率不相等。

在一些实施例中，所述模型训练步骤包括：基于模型训练更新次数的增加，增大所述第一预设概率。

在这里，随着模型训练的进行，可以提高上述第一预设概率，即提高最高第二答复的选中概率。由此，可以提高模型的收敛速度，即随着模型训练的进行，模型的准确率一般是在提高的，即第二打分的准确率也在不断提高，这种情况下，可以减少对于其它调整方式的探索，集中基于最高第二打分改进模型参数。在使用真实数据进行模型训练，并且待训练模型继续运用到真实场景的场景下，可以提高真实场景的推送效果。

在一些实施例中，所述推送效果信息可以包括推送效果表征值。上述步骤204，可以包括：根据第二候选信息的推送效果信息的变化，确定损失函数值；根据损失函数值，调整待训练模型的参数。

在一些应用场景中，推送效果信息可以包括推送效果表征值。作为示例，推送效果表征值可以为展示次数与点击次数的比值，点击次数越多，推送效果表征值越小，表示推送效果越好。

作为示例，可以将推送效果表征值的平方作为损失函数值。或者，可以将推送效果表征值的平方与预设衰减系数的乘积，作为损失函数值。

作为示例，可以将本次推送效果表征值与上次推送效果表征值进行比较，如果推送效果表征值增大，可以根据最高打分生成损失函数。

需要说明的是，如果推送效果表征值增大，说明采用目标调整方式使得推送效果降低，可以降低目标调整方式信息对应的打分。由此，可以将目标调整方式对应的打分确定为损失函数值。基于此损失函数值调整的待训练模型参数，可以将目标调整方式信息对应的打分逐渐降低。

在一些实施例中，上述步骤204，包括：根据第二候选信息集合对应的推送效果信息，调整待训练模型的参数，其中，第二候选信息集合包括待推送的至少两个第二候选信息。

需要说明的是，采用多个第二候选信息的相关数据，对待训练模型进行训练，可以使得训练模型学习到第二候选信息集合空间的相关特征，使得在使用待训练模型对单一第二候选信息进行处理的时候，处理方式可以参考第二候选信息集合空间的整体情况，对单一第二候选信息进行处理，即参考第二候选信息整体情况处理某一第二候选信息，可以使得所处理的第二候选信息的表征值匹配上述整体情况，即在提高调整的准确度。

请参考图3，本公开提供了一种模型训练方法，该模型训练方法可以包括图3所示流程。图3所示流程可以包括步骤301、步骤302、步骤303和步骤304。

步骤301，将第二调整方式信息和第二候选信息的第二推送相关信息，导入待训练模型。

需要说明的是，模型训练方法中的第二调整方式信息，与图1对应的信息推送方法中的第一调整方式信息，是不同的阶段中的调整方式信息。第一调整方式信息和第二调整方式信息的内容，可能是对应相同的；作为示例，第一调整方式信息可以为两个，第二调整方式信息也可以为两个，第一调整方式信息分别为加1和减1，第二调整方式信息也可以分别为加1和减1。

需要说明的是，模型训练方法中的第二候选信息，与图1对应的信息推送方法中的第一候选信息，是不同的阶段中的候选信息。第一候选信息和第二候选信息的信息内容，可能是相同的。在一些应用场景中，候选信息甲，可以在模型训练阶段作为第二候选信息，也可以在模型训练完成之后作为第一候选信息。

在这里，第二推送相关信息，可以用于指示与第二候选信息的推送相关的信息。

在这里，待训练模型，可以是未经训练的初始模型，也可以是已经训练但是未训练完成的模型。

在这里，待训练模型可以用于表征第一推送相关信息、第一调整方式信息这两者，与第一打分之间的对应关系。可以理解，对于每个调整方式，待训练模型均会生成针对该第一调整方式信息的第一打分。

在这里，上述待训练模型可以是基于神经网络构建的模型。待训练模型的具体结构可以根据实际应用场景设置，在此不做限定。

步骤302，根据各个第二打分，从至少两个第二调整方式信息中，选取目标第二调整方式信息，

在这里，根据第二打分选取目标第二调整方式信息的方式，与根据第一打分选取目标调整方式信息的方式，可能相同，也可能不同。

步骤303，利用目标第二调整方式信息，对第二候选信息的第二待调整表征值进行调整，生成第二调整后表征值。

在这里，上述第二待调整表征值中的第二，是为了与第二候选信息中的第二表述一致，可以理解，第二候选信息并没有第一待调整表征值。

步骤304，基于推送效果信息，调整所述待训练模型的参数。

在这里，所述推送效果信息用于表征基于所述第二调整后表征值对所述第二候选信息进行推送的推送效果。

在本实施例中，上述推送效果信息的具体表征方式，可以根据实际应用场景设置，在此不做限定。

在一些应用场景中，上述推送效果信息，可以利用第一操作次数与展示次数的比值表征。作为示例，第一操作可以是用户点击第二候选信息的操作，还可以是用户点击第二候选信息中的预设控件的操作。

在本实施例中，待训练模型中的参数，也可以包括但是不限于以下至少一项：待训练模型中的权重、待训练模型中的偏置项。

在本实施例中，基于推送效果信息，对待训练模型进行参数调整，可以通过各种方式实现，在此不做限定。

作为示例，可以采用反向传播、梯度下降等方式，对待训练模型进行参数调整。

在一些实施例中，模型训练的停止条件可以根据实际应用场景设置，在此不做限定。作为示例，模型训练的停止条件，可以包括但是不限于以下至少一项：模型参数更新幅度小于预设更新幅度阈值、模型的更新次数大于预设更新次数阈值。

在本实施例中，可以将参数调整后的待训练模型作为目标模型，或者对参数调整后的待训练模型再进行训练得到目标模型。

需要说明的是，本实施例提供的模型训练方法，导入待训练模型的推送相关信息可以用于表征候选信息的推送环境，针对推送环境的对调整方式信息进行打分将以实际的推送效果信息为依据，调整待训练模型的参数，可以使得打分向着改进推进效果评价的方向改变，由此，可以避免从内容上计算表征值与推送相关信息的相关性或者表征值与推送效果之间的相关性，直接从推送效果信息的角度，对调整方式信息进行判断，减少了确定较为准确的调整方式信息的复杂度。

在一些实施例中，上述步骤302，可以包括：采用设置选中概率的随机选取方式，从第二打分中选取目标第二打分；将选取出的目标第二打分对应的第二调整方式信息，确定为目标第二调整方式信息。

在一些实施例中，可以针对各个打分设置选中概率。设置选中概率的方式，可以是各种各样的。

在一些应用场景中，上述第一预设概率的具体数值，可以根据实际应用场景设置，在此不做限定。作为示例，可以将第一预设概率设置为90％。第一预设概率小于1。

在这里，将最高第二打分确定为目标第二打分的概率为第一预设概率。可以理解，一般情况下，最高打分的数量是一个。

需要说明的是，通过采用设置选中概率的随机算去方式，可以增加对于选中各种调整方式信息的探索性。避免出现每次选取最高第二打分而使得模型陷入局部最优。

在一些应用场景中，各个非最高第二答复的选中概率可以相等，也可以不相等。

作为示例，可以最高打分对应的概率对应的选中概率设置为第一预设概率。将1与第一预设概率的差值与非最高打分的打分数量的比值，确定为第二预设概率。第二预设概率可以作为各个非最高打分的选中概率。这种情况下，各个非最高第二打分的选中概率相等。

换句话说，如果将最高打分的数量与第一预设概率的乘积，作为第一乘积。将最高打分之外的其它第二答复确定为目标第二打分的概率为第二预设概率。最高打分之外的其它答复的数量与第二预设概率的乘积，作为第二乘积。第一乘积与第二乘积的加和等于1。

作为示例，如果有10个答复，可以设置10个不同的选中概率；这10个选中概率的和为1。这种情况下，各个非最高第二打分的选中概率不相等。

在一些实施例中，所述模型训练方法包括：基于模型训练更新次数的增加，增大所述第一预设概率。

在这里，随着模型训练的进行，可以提高上述第一预设概率，即提高最高第二答复的选中概率。由此，可以提高模型的收敛速度，即随着模型训练的进行，模型的准确率一般是在提高的，即第二打分的准确率也在不断提高，这种情况下，可以减少对于其它调整方式的探索，集中基于最高第二打分改进模型参数。在使用真实数据进行模型训练，并且待训练模型继续运用到真实场景的场景下，可以提高真实场景的推送效果。

在一些实施例中，所述推送效果信息可以包括推送效果表征值。上述步骤304，可以包括：根据第二候选信息的推送效果信息的变化，确定损失函数值；根据损失函数值，调整待训练模型的参数。

在一些应用场景中，推送效果信息可以包括推送效果表征值。作为示例，推送效果表征值可以为展示次数与点击次数的比值，点击次数越多，推送效果表征值越小，表示推送效果越好。

作为示例，可以将推送效果表征值的平方作为损失函数值。或者，可以将推送效果表征值的平方与预设衰减系数的乘积，作为损失函数值。

作为示例，可以将本次推送效果表征值与上次推送效果表征值进行比较，如果推送效果表征值增大，可以根据最高打分生成损失函数。

需要说明的是，如果推送效果表征值增大，说明采用目标调整方式使得推送效果降低，可以降低目标调整方式信息对应的打分。由此，可以将目标调整方式对应的打分确定为损失函数值。基于此损失函数值调整的待训练模型参数，可以将目标调整方式信息对应的打分逐渐降低。

在一些实施例中，上述步骤304，包括：根据第二候选信息集合对应的推送效果信息，调整待训练模型的参数，其中，第二候选信息集合包括待推送的至少两个第二候选信息。

需要说明的是，采用多个第二候选信息的相关数据，对待训练模型进行训练，可以使得训练模型学习到第二候选信息集合空间的相关特征，使得在使用待训练模型对单一第二候选信息进行处理的时候，处理方式可以参考第二候选信息集合空间的整体情况，对单一第二候选信息进行处理，即参考第二候选信息整体情况处理某一第二候选信息，可以使得所处理的第二候选信息的表征值匹配上述整体情况，即在提高调整的准确度。

进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种信息推送装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图4所示，本实施例的信息推送装置包括：导入单元401、选取单元402、生成单元403和推送单元404。其中，导入单元，用于将第一调整方式信息和第一候选信息的第一推送相关信息，导入目标模型，得到与各个第一调整方式信息对应的第一打分，其中，所述第一调整方式信息的数量为至少两个；选取单元，用于根据各个第一打分，从至少两个第一调整方式信息中，选取目标第一调整方式信息；生成单元，用于利用目标第一调整方式信息，对第一候选信息的第一待调整表征值进行调整，生成第一调整后表征值；推送单元，用于基于第一调整后表征值，对第一候选信息进行推送。

在本实施例中，信息推送装置的导入单元401、选取单元402、生成单元403和推送单元404的具体处理及其所带来的技术效果可分别参考图1对应实施例中步骤101、步骤102、步骤103和步骤104的相关说明，在此不再赘述。

在一些实施例中，所述根据各个第一打分，从至少两个第一调整方式信息中，选取目标第一调整方式信息，包括：将最高第一打分对应的第一调整方式信息，确定为目标第一调整方式信息。

在一些实施例中，所述目标模型通过以下模型训练步骤得到，其中，所述模型训练步骤包括：将第二调整方式信息和第二候选信息的第二推送相关信息，导入待训练模型，得到与各个第二调整方式信息对应的第二打分，其中，所述第二调整方式信息的数量为至少两个；根据各个第二打分，从至少两个第二调整方式信息中，选取目标第二调整方式信息；利用目标第二调整方式信息，对第二候选信息的第二待调整表征值进行调整，生成第二调整后表征值；基于推送效果信息，调整所述待训练模型的参数，其中，所述推送效果信息用于表征基于所述第二调整后表征值对所述第二候选信息进行推送的推送效果。

在一些实施例中，第二推送相关信息包括以下至少一项：第二推送依据信息和第二推送历史信息；其中

所述第二推送依据信息包括以下至少一项：第二候选信息的属性信息、第二候选信息拥有方的属性信息；

所述第二推送历史信息包括以下至少一项：第二推送过程历史信息、第二对推送的候选信息进行的历史操作信息。在一些实施例中，所述根据各个第二打分，从至少两个第二调整方式信息中，选取目标第二调整方式信息，包括：采用设置选中概率的随机选取方式，从第二打分中选取目标第二打分，其中，最高第二打分的选中概率为第一预设概率；将选取出的目标第二打分对应的第二调整方式信息，确定为目标第二调整方式信息。

在一些实施例中，所述模型训练步骤包括：基于模型训练更新次数的增加，增大所述第一预设概率。

在一些实施例中，所述基于推送效果信息，调整所述待训练模型的参数，包括：根据第二候选信息的推送效果信息的改变，确定损失函数值；根据损失函数值，调整待训练模型的参数。

在一些实施例中，所述基于推送效果信息，调整所述待训练模型的参数，包括：根据第二候选信息集合对应的推送效果信息，调整待训练模型的参数，其中，第二候选信息集合包括待推送的至少两个第二候选信息。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种信息推送装置的一个实施例，该装置实施例与图1所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的信息推送装置包括：导入模块501、选取模块502、生成模块503和调整模块504。其中，导入单元，用于将第一调整方式信息和第一候选信息的第一推送相关导入模块，用于将第二调整方式信息和第二候选信息的第二推送相关信息，导入待训练模型，得到与各个第二调整方式信息对应的第二打分，其中，所述第二调整方式信息的数量为至少两个；选取模块，用于根据各个第二打分，从至少两个第二调整方式信息中，选取目标第二调整方式信息；生成模块，用于利用目标第二调整方式信息，对第二候选信息的第二待调整表征值进行调整，生成第二调整后表征值；调整模块，用于基于推送效果信息，调整所述待训练模型的参数，其中，所述推送效果信息用于表征基于所述第二调整后表征值对所述第二候选信息进行推送的推送效果。

在本实施例中，信息推送装置的：导入模块501、选取模块502、生成模块503和调整模块504的具体处理及其所带来的技术效果可分别参考图3对应实施例中步骤301、步骤302、步骤303和步骤304的相关说明，在此不再赘述。

在一些实施例中，第二推送相关信息包括以下至少一项：第二推送依据信息和第二推送历史信息；其中所述第二推送依据信息包括以下至少一项：第二候选信息的属性信息、第二候选信息拥有方的属性信息；所述第二推送历史信息包括以下至少一项：第二推送过程历史信息、第二对推送的候选信息进行的历史操作信息。

在一些实施例中，所述根据各个第二打分，从至少两个第二调整方式信息中，选取目标第二调整方式信息，包括：采用设置选中概率的随机选取方式，从第二打分中选取目标第二打分，其中，最高第二打分的选中概率为第一预设概率；将选取出的目标第二打分对应的第二调整方式信息，确定为目标第二调整方式信息。

在一些实施例中，所述模型训练步骤包括：基于模型训练更新次数的增加，增大所述第一预设概率。

请参考图6，图6示出了本公开的一个实施例的信息推送方法可以应用于其中的示例性系统架构。

如图6所示，系统架构可以包括终端设备601、602、603，网络604，服务器605。网络604用以在终端设备601、602、603和服务器605之间提供通信链路的介质。网络606可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备601、602、603可以通过网络604与服务器605交互，以接收或发送消息等。终端设备601、602、603上可以安装有各种客户端应用，例如网页浏览器应用、搜索类应用、新闻资讯类应用。终端设备601、602、603中的客户端应用可以接收用户的指令，并根据用户的指令完成相应的功能，例如根据用户的指令在信息中添加相应信息。

终端设备601、602、603可以是硬件，也可以是软件。当终端设备601、602、603为硬件时，可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备601、602、603为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器605可以是提供各种服务的服务器，例如接收终端设备601、602、603发送的信息获取请求，根据信息获取请求通过各种方式获取信息获取请求对应的展示信息。并展示信息的相关数据发送给终端设备601、602、603。

需要说明的是，本公开实施例所提供的信息推送方法可以由终端设备执行，相应地，信息推送装置可以设置在终端设备601、602、603中。此外，本公开实施例所提供的信息推送方法还可以由服务器605执行，相应地，信息推送装置可以设置于服务器605中。

应该理解，图6中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

下面参考图7，其示出了适于用来实现本公开实施例的电子设备(例如图6中的终端设备或服务器)的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，电子设备可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。

通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置707；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在非暂态计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM 702被安装。在该计算机程序被处理装置701执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD－ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：将第一调整方式信息和第一候选信息的第一推送相关信息，导入目标模型，得到与各个第一调整方式信息对应的第一打分，其中，所述第一调整方式信息的数量为至少两个；根据各个第一打分，从至少两个第一调整方式信息中，选取目标第一调整方式信息；利用目标第一调整方式信息，对第一候选信息的第一待调整表征值进行调整，生成第一调整后表征值；基于第一调整后表征值，对第一候选信息进行推送。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，导入单元还可以被描述为“导入目标模型单元”。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

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。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。