一种模型训练以及信息推送方法及装置与流程

1.本技术涉及人工智能技术领域，尤其涉及一种模型训练以及信息推送方法及装置。


背景技术：

2.随着互联网技术的发展，越来越多的用户通过网络平台执行业务，如，通过电商平台购买商品，通过社交平台进行通信等。
3.其中，各网络平台为了提高用户留存率，通过向用户推送信息的方式，使用户根据推送信息对应的资源获取相应服务，提升用户体验。
4.目前，在进行信息推送时，各网络平台通常随机向各用户推送不同类型的信息，使各用户根据获取到的推送信息对应的资源，获取相应服务。
5.但是，由于各用户所需的服务不同，往往出现分配的推送信息的资源与用户的实际需求不符的情况，导致推送信息对应的资源被浪费。


技术实现要素：

6.本说明书实施例提供一种模型训练以及信息推送方法及装置，用于部分解决现有技术中的问题。
7.本说明书实施例采用下述技术方案：
8.本说明书提供的一种模型训练方法，包括：
9.针对每个商品，获取该商品的商品特征以及历史数据，所述历史数据至少包含商品在历史上的第一被操作次数和第二被操作次数；其中，所述第一被操作次数是未将该商品对应的推送信息推送给用户的情况下，用户对该商品执行指定操作的次数；所述第二被操作次数是将该商品对应的推送信息推送给用户的情况下，用户对该商品执行指定操作的次数；
10.根据该商品在历史上的第一被操作次数、第二被操作次数，以及历史上推送给用户的该商品对应的推送信息中包含的资源总量，确定单位资源量相对于该商品所带来的增益；
11.将各商品的商品特征作为各训练样本，并将单位资源量相对于各商品所带来的增益作为各训练样本的标注；
12.针对每个训练样本，将该训练样本输入待训练的增益预估模型，确定所述增益预估模型输出的单位资源量相对于该商品所带来的待优化增益，并以最小化所述待优化增益与该训练样本的标注之间的差异为目标，调整所述待训练的增益预估模型中的模型参数；
13.其中，所述增益预估模型用于预估单位资源量相对于各商品所带来的增益，并基于单位资源量相对于各商品所带来的增益，以及当前各商品对应的待推送信息所包含的资源总量，确定各商品对应的待推送信息并进行信息推送。
14.可选地，根据该商品在历史上的第一被操作次数、第二被操作次数，以及历史上推
送给用户的该商品对应的推送信息中包含的资源总量，确定单位资源量相对于该商品所带来的增益，具体包括：
15.从历史上推送给用户的该商品对应的推送信息中包含的资源总量中，确定历史上用户实际使用的资源总量；
16.根据该商品在历史上的第一被操作次数、第二被操作次数，以及历史上用户实际使用的资源总量，确定单位资源量相对于该商品所带来的增益。
17.可选地，所述第一被操作次数包括未将该商品对应的推送信息推送给用户的情况下，用户对该商品的第一访问量以及第一下单量，所述第二被操作次数包括将该商品对应的推送信息推送给用户的情况下，用户对该商品的第二访问量以及第二下单量；
18.根据该商品在历史上的第一被操作次数、第二被操作次数，以及历史上推送给用户的该商品对应的推送信息中包含的资源总量，确定单位资源量相对于该商品所带来的增益，具体包括：
19.根据该商品在历史上的第一访问量以及第一下单量，确定该商品的第一下单转化率；
20.根据该商品在历史上的第二访问量以及第二下单量，确定该商品的第二下单转化率；
21.根据所述第一下单转化率、所述第二下单转化率、所述第二访问量以及历史上推送给用户的该商品对应的推送信息中包含的资源总量，确定单位资源量相对于该商品所带来的增益。
22.本说明书提供的一种信息推送方法，包括：
23.获取各商品的商品特征；
24.针对每个商品，将该商品的商品特征，输入预先训练的增益预估模型，确定单位资源量相对于该商品所带来的增益；其中，所述增益预估模型采用上述模型训练方法训练得到；
25.根据所述单位资源量相对于各商品所带来的增益以及各商品对应的待推送信息所包含的资源总量，确定各商品对应的待推送信息的类型，并根据各商品对应的待推送信息的类型，向用户推送各商品对应的推送信息；
26.其中，不同类型的推送信息对应的资源量不同。
27.可选地，根据所述单位资源量相对于各商品所带来的增益以及各商品对应的待推送信息所包含的资源总量，确定各商品对应的待推送信息的类型，具体包括：
28.按照所述单位资源量相对于各商品所带来的增益的排序，划分若干商品分组；
29.根据各商品分组中的商品数量，以及各商品对应的待推送信息所包含的资源总量，确定各商品分组对应的待推送信息的类型；
30.根据各商品分组对应的待推送信息的类型，确定各商品对应的待推送信息的类型；其中，同一商品分组中的各商品对应的待推送信息的类型相同。
31.可选地，所述方法还包括：
32.针对每个用户，根据该用户的画像信息以及历史行为信息，确定该用户分别在未接收到该商品对应的推送信息的情况下的下单概率，以及在接收到该商品对应的推送信息的情况下的下单概率；
33.根据该用户分别在未接收到该商品对应的推送信息的情况下的下单概率、在接收到该商品对应的推送信息的情况下的下单概率以及该商品对应的推送信息的类型，向用户推送该商品对应的推送信息。
34.本说明书提供一种模型训练装置，包括：
35.获取模块，配置为针对每个商品，获取该商品的商品特征以及历史数据，所述历史数据至少包含商品在历史上的第一被操作次数和第二被操作次数；其中，所述第一被操作次数是未将该商品对应的推送信息推送给用户的情况下，用户对该商品执行指定操作的次数；所述第二被操作次数是将该商品对应的推送信息推送给用户的情况下，用户对该商品执行指定操作的次数；
36.确定模块，配置为根据该商品在历史上的第一被操作次数、第二被操作次数，以及历史上推送给用户的该商品对应的推送信息中包含的资源总量，确定单位资源量相对于该商品所带来的增益；
37.样本准备模块，配置为将各商品的商品特征作为各训练样本，并将单位资源量相对于各商品所带来的增益作为各训练样本的标注；
38.训练模块，配置为针对每个训练样本，将该训练样本输入待训练的增益预估模型，确定所述增益预估模型输出的单位资源量相对于该商品所带来的待优化增益，并以最小化所述待优化增益与该训练样本的标注之间的差异为目标，调整所述待训练的增益预估模型中的模型参数，其中，所述增益预估模型用于预估单位资源量相对于各商品所带来的增益，并基于单位资源量相对于各商品所带来的增益，以及当前各商品对应的待推送信息所包含的资源总量，确定各商品对应的待推送信息并进行信息推送。
39.本说明书提供一种信息推送装置，包括：
40.获取模块，配置为获取各商品的商品特征；
41.确定模块，配置为针对每个商品，将该商品的商品特征，输入预先训练的增益预估模型，确定单位资源量相对于该商品所带来的增益；其中，所述增益预估模型采用上述模型训练方法训练得到；
42.分配模块，配置为根据所述单位资源量相对于各商品所带来的增益以及各商品对应的待推送信息所包含的资源总量，确定各商品对应的待推送信息的类型，并根据各商品对应的待推送信息的类型，向用户推送各商品对应的推送信息，其中，不同类型的推送信息对应的资源量不同。
43.本说明书提供的一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述模型训练或信息推送方法。
44.本说明书提供的一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述模型训练或信息推送方法。
45.本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
46.在本说明书中，可基于各商品的商品特征，通过预先训练的增益预估模型，确定单位资源量相对于各商品所带来的增益。之后，根据单位资源量相对于各商品所带来的增益，以及各商品对应的待推送信息所包含的资源总量，确定各商品对应的待推送信息的类型，并向用户进行信息推送。通过增益预估模型预估单位资源量相对于各商品所带来的增益，
并按照单位资源量相对于各商品所带来的增益，确定向用户推送的各商品对应的推送信息。提升了信息推送的有效性，使推送信息对应的资源量更符合用户需要，减少推送信息的资源浪费。
附图说明
47.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
48.图1为本说明书实施例提供的一种模型训练方法的流程示意图；
49.图2为本说明书实施例提供的一种信息推送方法的流程示意图；
50.图3为本说明书实施例提供的一种模型训练装置的结构示意图；
51.图4为本说明书实施例提供的一种信息推送装置的结构示意图；
52.图5为本说明书实施例提供的实现模型训练方法或信息推送方法的电子设备示意图。
具体实施方式
53.为使本说明书的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
54.本说明书提供一种模型训练方法，以下结合附图，详细说明本技术各实施例提供的技术方案。
55.图1为本说明书实施例提供的一种模型训练方法的流程示意图，具体可包括以下步骤：
56.s100：针对每个商品，获取该商品的商品特征以及历史数据。
57.本说明书提供的模型训练方法，用于训练针对各商品的增益预估模型。该增益预估模型可预测向用户推送各商品对应的推送信息所带来的增益。例如，以推送信息为赠送流量资源为例，该增益预估模型可预测由于向用户赠送流量导致通话套餐办理量的增量。
58.于是，在本说明书中进行模型训练时，可先获取各商品的商品特征以及历史数据。其中，商品特征至少包含商品的种类、评分、价格、访问量以及下单量中的一种，商品的历史数据至少包含商品在历史上的第一被操作次数和第二被操作次数，第一被操作次数指的是未将该商品对应的推送信息推送给用户的情况下，用户对该商品执行制定操作的次数，第二被操作次数指的是将该商品对应的推送信息推送给用户的情况下，用户对该商品执行指定操作的次数。
59.在本说明书中，不同信息推送场景下的商品存在不同的定义，以推送信息为赠送流量为例，则商品是不同通话时长下的套餐服务。以推送信息为赠送优惠券为例，则商品可以是待售卖的各种产品。用户执行的指定操作可以是用户的访问、下单、收藏、点击以及分享等行为操作中的一种或多种。
60.s102：根据该商品在历史上的第一被操作次数、第二被操作次数，以及历史上推送给用户的该商品对应的推送信息中包含的资源总量，确定单位资源量相对于该商品所带来
的增益。
61.在本说明书一种或多种实施例中，当确定出各商品的历史数据后，便可基于各商品在用户接收到推送信息与未接收到推送信息下的被操作次数，确定由于推送信息对商品所产生的影响。
62.具体的，由于不同的推送信息中包含的资源量不同，因此在计算推送信息对商品产生的影响时，可根据历史上推送给用户的该商品对应的推送信息中的包含的资源量，确定推送的该商品对应的推送信息中包含的资源总量。以推送信息为赠送优惠券为例，推送信息中包含的资源量即为优惠券的优惠金额。假设商品a对应的推送信息为10张满100
‑
15的优惠券、10张满150
‑
30的优惠券，则商品a对应的推送信息中包含的资源总量为10
×
15 10
×
30＝450。
63.之后，根据该商品在历史上的第一被操作次数、第二被操作次数，以及历史上推送给用户的该商品对应的推送信息中包含的资源总量，确定单位资源量相对于该商品所带来的增益。
64.进一步的，由于向用户推送该商品对应的推送信息后，部分用户可能并未实际使用推送信息对应的资源。于是，在确定单位资源量相对于该商品所带来的增益时，可从历史上推送给用户的该商品对应的推送信息中包含的资源总量中，确定历史上用户实际使用的资源总量。之后，根据该商品在历史上的第一被操作次数、第二被操作次数，以及历史上用户实际使用的资源总量，确定单位资源量相对于该商品所带来的增益。
65.例如，假设上述商品a的优惠券中，用户实际下单所使用的优惠券为4张满100
‑
15的优惠券、6张满150
‑
30的优惠券，则用户实际使用的优惠券的总优惠金额为15
×
4 10
×
6＝120。
66.在本说明书一种实施例中，第一被操作次数包括未将该商品对应的推送信息推送给用户的情况下，用户对该商品的第一访问量以及第一下单量。第二被操作次数包括将该商品对应的推送信息推送给用户的情况下，用户对该商品的第二访问量以及第二下单量。
67.仍然以推送优惠券为例，则第一被操作次数包括未向用户推送该商品的优惠券时，用户对该商品的第一访问量以及第一下单量，第二被操作次数包括向用户推送该商品的优惠券时，用户对该商品的第二访问量以及第二下单量。推送给用户的该商品对应的推送信息中包含的资源总量，也就是推送的优惠券的总优惠金额。
68.于是，在计算单位资源量相对于该商品所带来的增益，也就是推送1元优惠券相对于该商品带来的增益时，可根据该商品在历史上的第一访问量以及第一下单量，确定该商品的第一下单转化率。并根据该商品在历史上的第二访问量以及第二下单量，确定该商品的第二下单转化率。之后，根据该商品在历史上的第一下单转化率、第二下单转化率、第二访问量以及推送的该商品的优惠券的总优惠金额，确定优惠金额1元相对于该商品所带来的增益。
69.其中，所带来的增益可以是订单量的增加、利润的增加等，只要是表征商品增长的指标均可认为是增益，本说明书对此不做限制。
70.更进一步的，单位资源量相对于商品所带来的增益具体可采用以下公式计算：
71.72.其中，i表示单位资源量相对于商品所带来的增益，也就是优惠金额1元相对于商品所带来的增益。n表示推送的各商品对应的推送信息中包含的资源总量，也就是推送的优惠券的总优惠金额。p1表示第一下单转化率，p2表示第二下单转化率，v表示第二访问量。
73.需要说明的是，由于推送的该商品的优惠券并非所有用户都有实际使用，因此为了更准确计算实际的单位优惠金额相对于该商品所带来的增益。上述公式中的n也可以表示用户实际使用的商品的优惠券的总金额。
74.s104：将各商品的商品特征作为各训练样本，并将单位资源量相对于各商品所带来的增益作为各训练样本的标注。
75.s106：针对每个训练样本，将该训练样本输入待训练的增益预估模型，确定所述增益预估模型输出的单位资源量相对于该商品所带来的待优化增益，并以最小化所述待优化增益与该训练样本的标注之间的差异为目标，调整所述待训练的增益预估模型中的模型参数。
76.在本说明书一种或多种实施例中，由于待训练的增益预估模型是用于预估由于向用户推送推送信息对商品带来的影响，因此在基于上述步骤s102确定出推送信息中的单位资源量对商品带来的增益后，可以确定出的增益为样本标注，进行模型训练。
77.具体的，将各商品的商品特征作为训练样本，并将单位资源量相对于各商品所带来的增益作为各训练样本的标注。之后，针对每个训练样本，将该训练样本输入待训练的增益预估模型，确定该增益预估模型输出的单位资源量相对于该商品所带来的待优化增益。最后，以最小化各待优化增益与各训练样本的标注之间的差异为目标，调整该待训练的增益预估模型中的模型参数。以便基于训练完成的增益预估模型预估单位资源量相对于各商品所带来的增益，并基于单位资源量相对于各商品所带来的增益，以及当前各商品对应的待推送信息所包含的资源总量，确定各商品对应的待推送信息并进行信息推送。也就是图2所示的信息推送过程，本说明书在此不做赘述。其中，该增益预估模型可以决策树模型，如梯度提升树模型(gradient boosting decision tree，gbdt)。
78.基于图1所示的模型训练方法，可基于各商品的历史数据以及历史上推送给用户的该商品对应的推送信息中包含的资源总量，确定单位资源量相对于各商品所带来的增益。并根据各商品的商品特征以及分配单位资源量所带来的增益，确定各训练样本及其标注。之后，将各训练样本输入待训练的增益预估模型中，并以最小化模型输出的单位资源量相对于各商品所带来的待优化增益与各训练样本的标注之间的差异为目标，调整模型参数。通过训练增益预估模型，可预测推送信息的单位资源量相对于各商品所带来的增益，进而基于单位资源量相对于各商品所带来的增益，以及各商品对应的待推送信息所包含的资源总量，向用户进行信息推送。提升了信息推送的有效性，使推送信息对应的资源量更符合用户需要，减少推送信息的资源浪费。
79.基于图1所示的模型训练方法，本说明书还提供了一种信息推送方法，可基于上述方法训练完成的增益预估模型，预测推送信息的单位资源量相对于各商品所带来的增益，进而向各用户进行信息推送。
80.以下结合附图，详细说明本技术各实施例提供的技术方案。
81.图2为本说明书实施例提供的一种信息推送方法的流程示意图，具体可包括以下步骤：
82.s200：获取各商品的商品特征。
83.s202：针对每个商品，将该商品的商品特征，输入预先训练的增益预估模型，确定单位资源量相对于该商品所带来的增益。
84.在本说明书中进行信息推送时，可采用上述模型训练方法训练得到的增益预估模型，预测单位资源量相对于各商品所带来的增益，进而基于预测结果，以及待推送信息所包含的资源总量，确定各商品对应的推送信息，以进行信息推送。
85.其中，该信息推送方法可由信息推送平台的服务器执行，该服务器可以是单独的服务器，也可以是多个服务器组成的系统，如分布式服务器等，可以是物理服务器，也可以是云服务器，本说明书对此不做限制，可根据需要设置。
86.具体的，在向用户推送各商品对应的推送信息时，可先获取各商品的商品特征。其中，商品特征至少包含商品的种类、评分、价格、访问量以及下单量中的一种。之后，针对每个商品，将该商品的商品特征输入预先训练的增益预估模型中，确定单位资源量相对于该商品所带来的增益。其中，增益预估模型可预先采用上述模型训练方法进行训练，本说明书在此不再赘述。
87.s204：根据所述单位资源量相对于各商品所带来的增益以及各商品对应的待推送信息所包含的资源总量，确定各商品对应的待推送信息的类型，并根据各商品对应的待推送信息的类型，向用户推送各商品对应的推送信息。
88.在本说明书一种或多种实施例中，由于向用户推送的待推送信息的资源总量有限，因此当通过增益预估模型预测出单位资源量对各商品所带来的增益后，便可基于单位资源量对各商品的增益，以及待推送信息包含的资源总量，确定各商品对应的推送信息所包含的资源量。
89.具体的，根据单位资源量相对于各商品所带来的增益，以及各商品对应的待推送信息所包含的资源总量，确定各商品对应的待推送信息的类型。其中，不同类型的推送信息对应的资源量不同，各商品对应的待推送信息所包含的资源总量固定。之后，根据确定出的各商品对应的待推送信息的类型，向用户推送各商品对应的推送信息。其中，单位资源量相对于商品所带来的增益越大，商品对应的待推送信息的类型的资源量越多。
90.由于为用户提供服务的待推送信息中所包含的资源总量有限，因此在确定各商品对应的待推送信息的类型时，可以最大化各商品的总订单量或总成交额为目标，根据各商品对应的待推送信息所包含的资源总量，以及单位资源量相对于各商品所带来的增益，确定各商品对应的推送信息中的资源量。
91.进一步的，该服务器也可按照单位资源量相对于各商品所带来的增益的排序，划分若干商品分组。之后，根据各商品分组中的商品数量，以及各商品对应的待推送信息所包含的资源总量，确定各商品分组对应的待推送信息的类型。最后，根据各商品分组对应的待推送信息的类型，确定各商品对应的待推送信息的类型。其中，同一商品分组中的各商品对应的待推送信息的类型相同。
92.当然，该服务器也可按照预设分组增益阈值对各商品进行分组，预设分组增益阈值可根据需要进行设置。
93.更进一步的，为了提升信息推送的有效性，还可结合用户个性化信息，如用户对是否推送信息的敏感度等，进行信息推送。因此针对每个用户，该服务器还可根据该用户的画
像信息以及历史行为信息，确定该用户分别在未接受到该商品对应的推送信息的情况下的下单概率，以及在接受到该商品对应的推送信息的情况下的下单概率。之后，根据该用户分别在未接收到该商品对应的推送信息的情况下的下单概率、在接收到该商品对应的推送信息的情况下的下单概率以及该商品对应的推送信息的类型，向用户推送该商品对应的推送信息。
94.其中，当用户在未接收到该商品对应的推送信息的情况下的下单概率较大时，可确定用户对基于推送信息的资源获取服务不敏感，可不向用户推送该商品对应的推送信息。当用户在接收到该商品对应的推送信息的情况下的下单概率较大时，可确定用户对基于推送信息的资源获取服务敏感，可根据该商品对应的推送信息的类型，向用户推送该商品对应的推送信息。
95.基于图2所示的信息推送方法，可基于各商品的商品特征，通过预先训练的增益预估模型，确定单位资源量相对于各商品所带来的增益。之后，根据单位资源量相对于各商品所带来的增益，以及各商品对应的待推送信息所包含的资源总量，确定各商品对应的待推送信息的类型，并向用户进行信息推送。通过增益预估模型预估单位资源量相对于各商品所带来的增益，并按照单位资源量相对于各商品所带来的增益，确定向用户推送的各商品对应的推送信息。提升了信息推送的有效性，使推送信息对应的资源量更符合用户需要，减少推送信息的资源浪费。
96.在本说明书的一种实施例中，该信息推送方法可以应用于电商平台中，进行优惠券信息的推送。则商品可以是电商平台中的待售商品。
97.具体的，该电商平台可确定待设置优惠的各商品，并获取各商品的商品特征。之后，针对每个商品，将该商品的商品特征输入预先训练的增益预估模型，确定单位优惠金额相对于该商品所带来的增益。其中，增益表征下发单位优惠金额的优惠券所带来的增益，可以是商品订单量的增加，也可以是商品成交额的增加。当增益表征为商品订单量的增加时，则单位优惠金额相对于该商品的所带来的增益，可以表征为向用户下发该商品的1元优惠券所带来的订单增量。
98.在确定出单位优惠金额相对于各商品所带来的增益后，该电商平台可按照单位优惠金额相对于各商品的排序，划分若干商品分组，并根据各商品分组内的商品数量，以及待推送的优惠券的总优惠金额，确定各商品分组对应的优惠券的类型。其中，不同类型的优惠券中的优惠金额不同。
99.例如，假设划分出的商品分组为3组，按照增益高低排序分别为高增益组、中增益组以及低增益组。其中，高增益组中包含5种商品，总商品数量为100件，中增益组中包含8种商品，总商品数量为400件，低增益组中包含10种商品，总商品数量为500件，假设待推送的优惠券的总优惠金额最高为2万元，则可确定对于高增益组内的各商品，可下发满200
‑
25的优惠券，对于中增益组内的各商品，可下发满200
‑
20的优惠券，对于低增益组内的各商品，可下发满200
‑
15的优惠券。
100.进一步的，该电商平台还可针对待推送的每个用户，根据该用户的画像信息以及历史行为信息，确定该用户分别在不同优惠金额下的下单概率。并根据该用户在不同优惠金额下的下单概率，以及该商品对应的推送信息的类型，确定向该用户下发的，用于购买该商品的优惠券金额。
101.基于图1所示的一种模型训练方法，本说明书实施例还对应提供一种模型训练装置的结构示意图，如图3所示。
102.图3为本说明书实施例提供的一种模型训练装置的结构示意图，包括：
103.获取模块300，配置为针对每个商品，获取该商品的商品特征以及历史数据，所述历史数据至少包含商品在历史上的第一被操作次数和第二被操作次数；其中，所述第一被操作次数是未将该商品对应的推送信息推送给用户的情况下，用户对该商品执行指定操作的次数；所述第二被操作次数是将该商品对应的推送信息推送给用户的情况下，用户对该商品执行指定操作的次数；
104.确定模块302，配置为根据该商品在历史上的第一被操作次数、第二被操作次数，以及历史上推送给用户的该商品对应的推送信息中包含的资源总量，确定单位资源量相对于该商品所带来的增益；
105.样本准备模块304，配置为将各商品的商品特征作为各训练样本，并将单位资源量相对于各商品所带来的增益作为各训练样本的标注；
106.训练模块306，配置为针对每个训练样本，将该训练样本输入待训练的增益预估模型，确定所述增益预估模型输出的单位资源量相对于该商品所带来的待优化增益，并以最小化所述待优化增益与该训练样本的标注之间的差异为目标，调整所述待训练的增益预估模型中的模型参数，其中，所述增益预估模型用于预估单位资源量相对于各商品所带来的增益，并基于单位资源量相对于各商品所带来的增益，以及当前各商品对应的待推送信息所包含的资源总量，确定各商品对应的待推送信息并进行信息推送。
107.可选地，所述确定模块302具体用于，从历史上推送给用户的该商品对应的推送信息中包含的资源总量中，确定历史上用户实际使用的资源总量，根据该商品在历史上的第一被操作次数、第二被操作次数，以及历史上用户实际使用的资源总量，确定单位资源量相对于该商品所带来的增益。
108.可选地，所述第一被操作次数包括未将该商品对应的推送信息推送给用户的情况下，用户对该商品的第一访问量以及第一下单量，所述第二被操作次数包括将该商品对应的推送信息推送给用户的情况下，用户对该商品的第二访问量以及第二下单量，所述确定模块302具体用于，根据该商品在历史上的第一访问量以及第一下单量，确定该商品的第一下单转化率，根据该商品在历史上的第二访问量以及第二下单量，确定该商品的第二下单转化率，根据所述第一下单转化率、所述第二下单转化率、所述第二访问量以及历史上推送给用户的该商品对应的推送信息中包含的资源总量，确定单位资源量相对于该商品所带来的增益。
109.基于图2所示的一种信息推送方法，本说明书实施例还对应提供一种信息推送装置的结构示意图，如图4所示。
110.图4为本说明书实施例提供的一种信息推送装置的结构示意图，包括：
111.获取模块400，配置为获取各商品的商品特征；
112.确定模块402，配置为针对每个商品，将该商品的商品特征，输入预先训练的增益预估模型，确定单位资源量相对于该商品所带来的增益；其中，所述增益预估模型采用上述模型训练方法训练得到；
113.分配模块404，配置为根据所述单位资源量相对于各商品所带来的增益以及各商
integrated circuit hardware description language)与verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。
120.控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(application specific integrated circuit，asic)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：arc 625d、atmel at91sam、microchip pic18f26k20以及silicone labs c8051f320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
121.上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
122.为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本说明书时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
123.本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
124.本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
125.这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
126.这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一
个方框或多个方框中指定的功能的步骤。
127.在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
128.内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是计算机可读介质的示例。
129.计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd
‑
rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
130.还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
131.本领域技术人员应明白，本说明书的实施例可提供为方法、系统或计算机程序产品。因此，本说明书可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本说明书可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd
‑
rom、光学存储器等)上实施的计算机程序产品的形式。
132.本说明书可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本说明书，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
133.本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
134.以上所述仅为本说明书的实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书可以有各种更改和变化。凡在本说明书的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。