一种数字商城中商品的推送方法及系统与流程

本发明涉及终端事件处理、深度学习及网络消息推送，具体涉及一种数字商城中商品的推送方法及系统。

背景技术：

1、商品推送服务器根据终端历史事件选择商品并通过消息网关发送。用户也会在没有推送时主动操作商品，因此发送后的响应不能全部归因于推送。消息还受到编码字节数、通知权限及网络状态约束。

2、多商品消息中，选择一件商品后继续加入的其他商品会改变最终响应。将最终响应直接视为仅追加第一件商品的训练标签，会使训练动作与预测动作不一致。仅筛选送达记录又改变了样本构成。需要使预测分支、实际采样动作和网关执行保持一致，并控制历史反馈重复进入在线状态的问题。

技术实现思路

1、本发明以当前已选商品前缀为条件，比较保留前缀后结束选择和追加一件商品后结束选择，通过终止动作采样获得相应事实标签，通过结构性零差分轨迹、同窗口监督及一次性反馈结算生成可由消息网关执行的商品序列。

2、当前已选商品前缀是一次消息构造过程中已按顺序选入的商品列表；位置锚定状态是决策前编码与该列表顺序编码融合后的向量；基线轨迹表示提交当前前缀后结束选择的预测状态序列，空前缀对应不发送消息；追加轨迹表示提交追加一个候选后的完整列表的预测状态序列。这里预测提交动作的平均响应，包括网关或网络造成的未送达后果，并非只预测成功送达条件下的响应。

3、终止动作是保持前缀或追加一个候选后立即结束选择的动作；候选增量响应向量是追加轨迹与基线轨迹在相同窗口的预测响应之差；事实创新是实际响应与实际动作预测之间的误差；响应残留是按决策标识维护并衰减的历史事实创新之和，响应残留正交基是这些向量所张成空间的正交归一列向量集合。

4、步骤s1，在商品推送决策时刻采集已由服务器接收的终端行为事件、历史推送事件、终端网络上下文和响应残留，按照服务器到达时刻形成因果掩码，通过响应残留对历史推送事件设置非负参数控制的注意力门值，编码得到决策前锚定状态；

5、步骤s2，将所述决策前锚定状态与当前已选商品前缀的顺序编码融合为位置锚定状态，从所述位置锚定状态递推提交当前已选商品前缀后结束选择的基线轨迹，并通过编码差初始化及零输入零输出的差分更新生成追加候选商品后结束选择的差分轨迹，将所述基线轨迹与所述差分轨迹相加得到追加轨迹；

6、步骤s3，在决策时刻预先确定响应观察时长和禁止再次推送的观察窗口，按照同一观察窗口和同一时间权重聚合所述基线轨迹与所述追加轨迹的商品级预测响应，计算所述追加轨迹相对于所述基线轨迹的候选增量响应向量；

7、步骤s4，在被选定的商品选择位置记录决策前输入、当前已选商品前缀、剩余候选商品集合及动作分配概率，抽取保留当前已选商品前缀或者追加一个候选商品的终止动作，执行所述终止动作后禁止继续追加商品，并记录包括未送达记录在内的完整观察窗口响应，形成终止动作训练样本；

8、步骤s5，使用所述终止动作训练样本的实际响应监督实际动作对应的轨迹，根据冻结的轨迹预测值及动作分配概率构造双重校正目标，在动作共同支持范围内训练所述候选增量响应向量，并对差分轨迹增加幅度约束；

9、步骤s6，对已完成观察窗口的决策，计算实际响应与实际动作对应的轨迹预测值之间的事实创新，按照决策唯一标识将所述事实创新一次性写入响应残留，依据时间衰减后的历史事实创新执行阈值正交化得到响应残留正交基；

10、步骤s7，在当前已选商品前缀下计算剩余候选商品的候选增量响应向量及其在所述响应残留正交基之外的新增方向，根据任务加权增量和新增方向比例选择候选商品，每次追加后重新执行步骤s2和步骤s3，直至停止动作被选择或者达到单消息商品数量上限；

11、步骤s8，对每个拟追加候选商品使用推送网关正式编码规则预编码，在单消息字节上限、当前周期剩余发送字节预算和剩余唤醒预算内确定可行动作集合，提交最终商品序列为一条商品消息，记录实际发送和送达结果并执行所述观察窗口，将完整反馈交由步骤s6更新下一决策的响应残留。

12、本发明还提供一种数字商城中商品的推送系统。该系统包括终端事件接收接口、模型计算节点、终止样本存储器、反馈结算处理器及推送网关适配器。终端事件接收接口按服务器到达时刻向模型计算节点传送终端行为事件、历史推送事件和终端网络上下文；模型计算节点读取反馈结算处理器维护的响应残留及响应残留正交基，执行双轨迹预测、候选增量计算和逐位置选择；推送网关适配器以网关正式编码结果约束可行动作并返回实际发送和送达结果；终止样本存储器按决策唯一标识关联决策前输入、动作分配概率、最终商品序列及完整观察窗口响应；反馈结算处理器仅在观察窗口完整结算后一次性更新响应残留及响应残留正交基，并将更新结果传回模型计算节点。各组成部分通过业务服务器内部数据总线或受鉴权的服务接口传送带有决策唯一标识的数据记录。

13、终止动作采样使事实标签对应明确的最终消息列表，避免用继续追加后的响应监督单次追加分支。前缀顺序编码使候选响应随已选商品及其顺序变化。零输入零输出的差分更新使停止条件下两个轨迹严格一致。

14、决策时刻冻结历史输入，同窗口锁定使训练和在线预测使用相同响应范围。贡献表按唯一标识替换更新，阻止同一窗口多次回传造成重复累加；网关预编码把不可发送的动作提前排除。上述作用是机制分析，不代表已经取得实测提升。

1.一种数字商城中商品的推送方法，其特征在于，包括：

2.根据权利要求1所述的一种数字商城中商品的推送方法，其特征在于，所述步骤s1中，将历史推送事件q映射至响应空间的向量记为，将在响应残留正交基q上的投影二范数平方记为，将的二范数平方加正平滑量记为，并按下式确定响应方向重合比例、门控输入及残留门值：

3.根据权利要求2所述的一种数字商城中商品的推送方法，其特征在于，所述步骤s2中，将候选商品i的商品编码经映射矩阵变换后与追加动作向量相加，并乘以候选商品标识函数，得到初始候选动作差分状态，其中停止动作对应为零；将第k个预测时间片的差分保持门记为，将其补门确定为1减去，并按下式更新候选动作差分状态：

4.根据权利要求3所述的一种数字商城中商品的推送方法，其特征在于，所述步骤s3中，按下式确定保留当前已选商品前缀p后结束选择时的基线聚合响应、追加候选商品i后结束选择时的追加聚合响应及候选增量响应向量：

5.根据权利要求4所述的一种数字商城中商品的推送方法，其特征在于，所述步骤s4中，将决策前历史、终端网络上下文、当前已选商品前缀、剩余候选商品集合及预算组成条件记录x，将停止动作和经网关预编码确认可行的候选动作组成可行动作集合a，并按下式记录终止动作分配概率：

6.根据权利要求5所述的一种数字商城中商品的推送方法，其特征在于，所述步骤s5中，按下式确定追加概率校正残差、停止概率校正残差及双重校正目标：

7.根据权利要求6所述的一种数字商城中商品的推送方法，其特征在于，所述步骤s6中，针对决策唯一标识n及其最终商品序列，按下式确定事实创新及当前响应残留：

8.根据权利要求7所述的一种数字商城中商品的推送方法，其特征在于，所述步骤s7中，将候选增量响应向量投影至响应残留正交基q之外得到新增方向，并按下式确定新增方向比例、方向调节因子及候选商品i的位置选择值：

9.根据权利要求8所述的一种数字商城中商品的推送方法，其特征在于，所述步骤s8中，按下式确定当前已选商品前缀p的实际编码字节数及可发送条件：

10.一种数字商城中商品的推送系统，其特征在于，包括终端事件接收接口、模型计算节点、终止样本存储器、反馈结算处理器及推送网关适配器；所述终端事件接收接口按照服务器到达时刻接收终端行为事件、历史推送事件及终端网络上下文，并将接收结果发送至所述模型计算节点；所述模型计算节点读取响应残留及响应残留正交基，形成决策前锚定状态和位置锚定状态，递推基线轨迹及追加轨迹，计算候选增量响应向量及新增方向，并逐位置生成拟追加候选商品；所述推送网关适配器对包含所述拟追加候选商品的完整商品序列执行正式编码，将满足字节预算和唤醒预算的最终商品序列提交至推送网关，并将实际发送结果和送达结果写入所述终止样本存储器；所述终止样本存储器按照决策唯一标识关联决策前输入、终止动作分配概率、最终商品序列及完整观察窗口响应，并向所述模型计算节点提供终止动作训练样本；所述反馈结算处理器读取所述完整观察窗口响应及所述模型计算节点针对实际动作输出的轨迹预测值，按照所述决策唯一标识一次性更新响应残留及响应残留正交基，并将更新结果传送至所述模型计算节点。