CN106897905B - 用于推送信息的方法、装置及电子设备 - Google Patents

Abstract

本申请公开了用于信息推送的方法和装置。该方法的一具体实施方式包括：接收用户对用户终端上呈现的物品信息的点击信息；根据该物品信息确定用户购买该物品信息所指示的物品的第一费用减免数和最大费用减免数；根据点击信息和第一费用减免数，执行如下信息推送步骤：根据点击信息和第一费用减免数以及预先训练的概率计算模型，确定用户购买该物品的概率是否大于或等于预设的概率阈值；如果大于或等于，向该用户终端推送包括该第一费用减免数的信息；如果小于，增加该第一费用减免数的数值以更新第一费用减免数，且在确定更新后的第一费用减免数小于或等于该最大费用减免数时，继续执行该信息推送步骤。该实施方式实现了富于针对性的信息推送。

Description

用于推送信息的方法、装置及电子设备

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于推送信息的方法、装置及电子设备。

背景技术

随着电子商务的迅速发展，有越来越多的用户和商家通过电商平台完成交易。电商平台或商家为提高用户购买物品或使用商家提供的服务的积极性，通常会给购买物品的用户发放一定的补贴，即为用户提供一定数额的费用减免。但是，现有的补贴方法，大多是直接发放一定数额的补贴，现有补贴方法不能够根据用户的不同给予不同的费用减免数的差异化补贴，从而，存在着补贴方式单一的问题。

发明内容

本申请的目的在于提出一种改进的用于推送信息的方法、装置及电子设备，来解决以上背景技术部分提到的技术问题。

第一方面，本申请提供了一种用于推送信息的方法，该方法包括：接收用户对用户终端上呈现的物品信息的点击信息；根据上述物品信息，确定上述用户购买上述物品信息所指示的物品的第一费用减免数和最大费用减免数，第一费用减免数小于或等于最大费用减免数；根据上述点击信息和第一费用减免数，执行如下信息推送步骤：根据上述点击信息和第一费用减免数以及预先训练的概率计算模型，确定上述用户购买上述物品的概率，上述概率计算模型用于表征在为用户提供第一费用减免数的费用减免时点击信息和用户购买物品的概率之间的对应关系；确定上述概率是否大于或等于预设的概率阈值；响应于确定出上述概率大于或等于上述预设的概率阈值，向上述用户终端推送包括第一费用减免数的信息；响应于确定出上述概率小于上述预设的概率阈值，增加上述第一费用减免数的数值以更新上述第一费用减免数，且在确定更新后的第一费用减免数小于或等于上述最大费用减免数时，继续执行上述信息推送步骤。

在一些实施例中，根据上述物品信息确定上述用户购买上述物品信息所指示的物品的第一费用减免数和最大费用减免数，包括：根据上述物品信息，在用于存储上述物品信息与对应的费用减免数范围列表中，确定出上述物品信息所指示的物品的费用减免数的范围；从上述费用减免数的范围中确定出上述物品的最小费用减免数和上述最大费用减免数；确定上述最小费用减免数为上述物品的第一费用减免数。

在一些实施例中，上述方法还包括：响应于上述更新后的第一费用减免数大于上述最大费用减免数，停止执行上述信息推送步骤；向上述用户终端推送包括上述最大费用减免数的信息。

在一些实施例中，上述方法还包括确定上述概率计算模型的步骤，上述确定上述概率计算模型的步骤，包括：从用于存储用户数据的缓存区域中获取多个用户的用户数据，上述用户数据包括用户的点击信息、费用减免数和购买信息；利用上述多个用户的用户数据训练初始概率计算模型，确定出上述预先训练的概率计算模型。

在一些实施例中，上述利用上述多个用户的用户数据训练初始概率计算模型，确定出上述预先训练的概率计算模型，包括：从上述用户数据中提取出特征信息，并将上述特征信息加入到待选特征信息集合，上述特征信息是用于描述与用户相关或与物品相关的信息，执行如下训练过程：将上述待选特征信息集合中的每一项特征信息分别与预设的特征信息集合中的特征信息组合，训练上述初始概率计算模型，得到多个测试概率计算模型；确定多个上述测试概率计算模型中误差最小的测试概率计算模型为第一测试概率计算模型；确定得到上述第一测试概率计算模型所采用的待选特征信息集合中的特征信息；比较上述第一测试概率计算模型和上述初始概率计算模型计算得到概率与实际概率的误差，响应于上述第一测试概率计算模型计算用户购买物品的概率的误差大于上述初始概率计算模型计算用户购买物品的概率的误差，确定上述初始概率计算模型为上述预先训练的概率计算模型；响应于上述第一测试概率计算模型计算用户购买物品的概率的误差小于上述初始概率计算模型计算用户购买物品的概率的误差，确定上述第一测试概率计算模型为初始概率计算模型，从上述待选特征信息集合中删除上述特征信息，并加入到上述特征信息集合中，继续执行上述训练过程。

在一些实施例中，上述方法还包括确定上述概率阈值的步骤，上述确定上述概率阈值的步骤包括：从用于存储用户数据的缓存区域中，获取点击上述物品的多个用户的用户数据，上述用户数据包括点击信息和费用减免数；上述概率计算模型根据每个上述用户的点击信息和费用减免数，计算每个上述用户购买上述物品的概率；根据上述物品预设的期望购买比例，确定购买上述物品的用户的数量，并确定上述数量为期望数；按照每个上述用户购买上述物品的概率从大到小的顺序，确定第期望数个上述用户购买上述物品的概率为上述概率阈值。

第二方面，本申请提供了一种用于推送信息的装置，该装置包括：接收单元，配置用于接收用户对用户终端上呈现的物品信息的点击信息；确定单元，配置用于根据上述物品信息确定上述用户购买上述物品信息所指示的物品的第一费用减免数和最大费用减免数，上述第一费用减免数小于或等于上述最大费用减免数；推送单元，配置用于根据上述点击信息和上述第一费用减免数，执行如下信息推送步骤：根据上述点击信息和上述第一费用减免数以及预先训练的概率计算模型，确定上述用户购买上述物品的概率，上述概率计算模型用于表征在为用户提供第一费用减免数的费用减免时点击信息和用户购买物品的概率之间的对应关系；确定上述概率是否大于或等于预设的概率阈值；响应于确定出上述概率大于或等于上述预设的概率阈值，向上述用户终端推送包括上述第一费用减免数的信息；更新单元，配置用于响应于确定出上述概率小于上述预设的概率阈值，增加上述第一费用减免数的数值以更新上述第一费用减免数，且在确定更新后的第一费用减免数小于或等于上述最大费用减免数时，继续执行上述信息推送步骤。

在一些实施例中，上述确定单元进一步配置用于：根据上述物品信息，在用于存储上述物品信息与对应的费用减免数范围列表中，确定出上述物品信息所指示的物品的费用减免数的范围；从上述费用减免数的范围中确定出上述物品的最小费用减免数和上述最大费用减免数；确定上述最小费用减免数为上述物品的第一费用减免数。

在一些实施例中，上述更新单元进一步配置用于：响应于上述更新后的第一费用减免数大于上述最大费用减免数，停止执行上述信息推送步骤；向上述用户终端推送包括上述最大费用减免数的信息。

在一些实施例中，上述装置还包括概率计算模型确定单元，上述概率计算模型确定单元包括：获取模块，配置用于从用于存储用户数据的缓存区域中获取多个用户的用户数据，上述用户数据包括用户的点击信息、费用减免数和购买信息；训练模块，配置用于利用上述多个用户的用户数据训练初始概率计算模型，确定出上述预先训练的概率计算模型。

在一些实施例中，上述训练模块进一步配置用于：从上述用户数据中提取出特征信息，并将上述特征信息加入到待选特征信息集合，上述特征信息是用于描述与用户相关或与物品相关的信息，执行如下训练过程：将上述待选特征信息集合中的每一项特征信息分别与预设的特征信息集合中的特征信息组合，训练上述初始概率计算模型，得到多个测试概率计算模型；确定多个上述测试概率计算模型误差最小的测试概率计算模型为第一测试概率计算模型；确定得到上述第一测试概率计算模型所采用的待选特征信息集合中的特征信息；比较上述第一测试概率计算模型和上述初始概率计算模型计算得到概率与实际概率的误差，响应于上述第一测试概率计算模型计算用户购买物品的概率的误差大于上述初始概率计算模型计算用户购买物品的概率的误差，确定上述初始概率计算模型为上述预先训练的概率计算模型；响应于上述第一测试概率计算模型计算用户购买物品的概率的误差小于上述初始概率计算模型计算用户购买物品的概率的误差，确定上述第一测试概率计算模型为初始概率计算模型，从上述待选特征信息集合中删除上述特征信息，并加入到上述特征信息集合中，继续执行上述训练过程。

在一些实施例中，上述装置还包括概率阈值确定单元，上述概率阈值确定单元配置用于：从用于存储用户数据的缓存区域中，获取点击上述物品的多个用户的用户数据，上述用户数据包括点击信息和费用减免数；上述概率计算模型根据每个上述用户的点击信息和费用减免数，计算每个上述用户购买上述物品的概率；根据上述物品预设的期望购买比例，确定购买上述物品的用户的数量，并确定上述数量为期望数；按照每个上述用户购买上述物品的概率从大到小的顺序，确定第期望数个上述用户购买上述物品的概率为上述概率阈值。

第三方面，本申请提供了一种用于推送信息的电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行，使得上述一个或多个处理器实现如上述第一方面中提供的用于推送信息的方法。

第四方面，本申请提供了一种用于推送信息的计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述第一方面中提供的用于推送信息的方法。

本申请提供的用于推送信息方法装置和电子设备，通过利用用户终端设备操作的用户的点击信息确定所点击物品信息的费用减免范围，根据费用减免范围和用户的信息计算用户购买该物品的概率，根据概率的大小确定该用户的费用减免数，并将包含该费用减免数的信息推送到该用户的终端，实现了有针对性的信息推送。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于推送信息的方法的一个实施例的流程图；

图3a和图3b是根据本申请的用于推送信息的方法的一个应用场景的示意图；

图4是根据本申请的用于推送信息的方法的又一个实施例的流程图；

图5是根据本申请的用于推送信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器或电子设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于推送信息的方法或用于推送信息装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括用户终端101、102、103，网络104和服务器105。网络104用以在用户终端101、102、103和服务器105之间提供通信链路的介质。网络104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。

用户可以使用用户终端101、102、103通过网络104与服务器105交互以完成交易等。用户终端101、102、103上可以安装有各种购物类应用、网络交易平台应用、社交平台软件等。

用户终端101、102、103可以是具有显示屏并且支持网上购物、网络交易的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如可以是对电商平台提供管理和服务的应用服务器，该应用服务器对所接收到的用户终端101、102、103上发送的服务请求信息进行分析处理，将处理结果(例如对用户的补贴信息)反馈给用户终端101、102、103。

需要说明的是，本申请实施例所提供的用于推送信息的方法一般由服务器105执行，相应地，用于推送信息的装置一般设置于服务器105中。

应该理解，图1中的用户终端、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用户终端、网络和服务器。

继续参考图2，示出了根据本申请的用于推送信息的方法的一个实施例的流程200。该用于推送信息的方法，包括以下步骤：

步骤201，接收用户对用户终端上呈现的物品信息的点击信息。

在本实施例中，用于推送信息的方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式，从用户利用其进行网上购物或网络交易的用户终端设备，接收用户对用户终端上呈现的物品信息的点击信息。其中，上述物品信息可以是以文字的形式描述，如以物品的名称、代号等描述的信息，可以是以图片的形式描述的信息，还可以是以网页链接的形式描述的信息。上述用户的点击信息包括与用户相关的信息和与用户所点击的物品信息所指示的物品相关的信息。

上述与用户相关的信息可以是用户请求信息中用于标识用户身份的信息、如，可以是用户在电商平台的注册信息；还可以是在上述电商平台中交易中与用户绑定的终端设备的信息，如，利用该终端设备进行交易的用户的信息。上述与用户所点击的物品信息所指示的物品相关的信息可以是用户所要购买的物品的信息或用户关注的物品的信息，如，用户所要购买的物品的名称、物品的代码、数量、价格等。

步骤202，根据上述物品信息确定上述用户购买上述物品信息所指示的物品的第一费用减免数和最大费用减免数。

在本实施例中，基于步骤201中所得到的点击信息，上述电子设备(例如图1所示的服务器)可以根据上述点击信息确定出该用户所点击的物品信息所指示的物品的第一费用减免数和最大费用减免数。

这里，费用减免是商家或电商平台为购买该商家的物品的用户提供的补贴，可以是商家或电商平台所发放的代金券或抵用券，以激励用户购买该商家的物品。费用减免数是商家或电商平台就该物品发放给购买该物品的用户的补贴的额度。作为示例，上述根据点击信息确定该用户所请求购买的物品的第一费用减免数和最大费用减免数，可以是，首先，根据点击信息中与物品相关的信息，如，物品的名称或代码，在用于存储商家物品的信息库中获得该物品的交易或操作的记录数据。上述物品的记录数据中可以包括物品的名称、代码、价格、销售量、余量以及购买该物品商家可提供的补贴金额范围等等。然后，从上述物品的记录数据中获得该物品的第一费用减免和最大费用减免。需要说明的是上述第一费用减免数小于或等于上述最大费用减免数。

步骤203，根据上述点击信息和上述第一费用减免数，执行如下信息推送步骤：子步骤2031、2032、2033。其中：

子步骤2031，根据上述点击信息和上述第一费用减免数以及预先训练的概率计算模型，确定上述用户购买上述物品的概率。

在本实施例中，上述电子设备预先训练概率计算模型，上述概率计算模型用于表征在为用户提供第一费用减免数的费用减免时点击信息和用户购买物品的概率之间的对应关系。上述概率计算模型可以根据点击信息和费用减免数确定用户购买物品的概率。上述电子设备可以根据上述点击信息中与用户相关的信息确定出的用户的数据，将上述用户的数据和第一费用减免数导入到上述预先训练的概率计算模型，得到该用户在商家或电商平台发放第一费用减免数的补贴情况下，购买该物品的概率。

子步骤2032，确定上述概率是否大于或等于预设的概率阈值。

在本实施例中，在上述电子设备中预先存有概率阈值，可以由上述概率阈值判断用户是否购买物品，如果上述用户购买物品的概率大于上述概率阈值，则用户可能购买该物品，反之，用户可能不购买该物品。上述电子设备可以通过比较上述概率和预设的概率阈值的大小，确定上述2031子步骤中确定的上述用户购买物品的概率是否大于或等于上述预设的概率阈值。

子步骤2033，响应于确定出上述概率大于或等于上述预设的概率阈值，向上述用户终端推送包括上述第一费用减免数的信息。

在本实施例中，基于上述子步骤2032的判断结果，如果上述概率大于或等于上述概率阈值，则，在商家或电商平台为用户提供第一费用减免数的补贴的情况下，上述用户将会购买上述物品。服务器会将包含上述第一费用减免数的信息推送到该用户终端。

步骤204，响应于确定出上述概率小于上述预设的概率阈值，增加上述第一费用减免数的数值以更新上述第一费用减免数，且在确定更新后的第一费用减免数小于或等于上述最大费用减免数时，继续执行上述信息推送步骤203。

在本实施例中，上述电子设备基于上述子步骤2032的确定结果，如果上述概率小于预设的概率阈值，则，表示在商家或电商平台为用户提供第一费用减免数的补贴情况下，上述用户不会购买上述物品，或购买上述物品的可能性较低。为鼓励用户购买该物品，可以提高费用减免的额度，即提高补贴的额度。通过增加第一费用减免数的数值以更新第一费用减免数。更新第一费用减免数可以通过提高上述第一费用减免数，并将提高补贴额度后的第一费用减免数作为新的第一费用减免数。判断更新后的第一费用减免数是否小于或等于最大第一费用减免数，如果更新后的第一费用减免数小于或等于最大第一费用减免数，继续执行上述信息推送步骤203。

继续参见图3a和图3b，图3a和图3b是根据本实施例的用于信息推送的方法的应用场景的示意图。在图3a和图3b的应用场景中，用户通过用户终端设备上所安装的购物类软件或网络交易应用程序点击某物品信息所指示的物品(例如，作为商品的牛肉干)的信息；之后，电商平台的管理服务器接收到上述用户的点击信息，并根据用户点击信息确定出用户所点击的物品信息所指示的物品的第一费用减免数和最大费用减免数；最后，上述管理服务器根据用户的点击信息和上述物品的第一费用减免数确定出上述用户购买上述物品可以获得的费用减免数的补贴金额。作为示例，如图3a所示，上述用户通过终端设备上安装的网络交易应用程序点击了呈现于用户终端的信息“火星牛肉干”，在上述交易界面显示该“火星牛肉干”信息，包括物品的单价信息，和用户所选择的物品数量等信息，如图3a中301所示。当用户点击上述“火星牛肉干”信息中的“确定”键后，上述管理服务器根据用户的点击信息确定出与上述“火星牛肉干”信息相关的信息和与上述用户相关的信息；最后，如图3b所示，确定出商家或电商平台对上述用户购买上述“火星牛肉干”信所指示的物品的补贴的额度，并将包含该费用减免数的信息推送到用户终端，如图3b中302所示。

本申请取的上述实施例所提供的方法通过用户的点击信息获得与用户相关的信息以及与物品相关的信息，然后，根据与用户相关的信息和与物品相关的信息确定出用户购买该物品的费用减免数的补贴金额，将包含费用减免数的信息推送到用户终端，为用户提供合理的费用减免信息，实现了有针对性的信息推送。

进一步参考图4，其示出了用于确定用户补贴金额的方法的又一个实施例的流程400。该用于确定用户补贴金额的方法的流程400，包括以下步骤：

步骤401，接收用户对用户终端上呈现的物品信息的点击信息。

在本实施例中，用于推送信息的方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式，从用户利用其进行网络交易或网上购物的终端，接收用户对在用户终端上呈现的物品信息的点击信息。其中，上述物品信息可以是文字、图片或网页链接等形式描述的信息，上述用户的点击请求信息包括与用户相关的信息和与用户所点击的物品信息所指示的物品相关的信息。

步骤402，根据上述物品信息确定上述用户购买上述物品信息所指示的物品的第一费用减免数和最大费用减免数。

在本实施例中，基于步骤401中所得到的点击信息，上述电子设备可以根据上述点击信息中的物品信息确定出该用户所点击的物品信息所指示的物品的第一费用减免数和最大费用减免数。

上述费用减免是商家或电商平台为购买该商家的物品的用户提供的补贴，上述费用减免可以是商家或电商平台所发放的代金券或抵用券等，以激励用户购买该商家的物品。上述费用减免数是商家或电商平台就该物品发放给购买该物品的用户的补贴的额度。商家或电商平台可以预先设置该物品可提供的费用减免数范围等。确定出该物品的第一费用减免数和最大补费用减免数。需要说明的是上述第一费用减免数小于或等于上述最大费用减免数。

在本实施例的一些可选的实现方式中，上述步骤401中所接收到的点击信息的物品信息，上述电子设备根据上述物品信息，在用于存储上述物品信息与对应的费用减免数范围列表中，确定出上述物品信息所指示的物品的费用减免数的范围；从上述费用减免数的范围中确定出该物品的最小费用减免数和最大费用减免数；确定上述最小费用减免数为上述物品的第一费用减免数。

上述物品信息可以是物品的名称、代码等用于识别该物品身份的信息。上述电子设备预先存储物品的费用减免数的范围，可以使用列表，将物品信息和该物品费用减免数范围示出。上述电子设备根据上述物品的名称或代码，从上述列表中查找该物品名称或代码所对应的费用减免数的范围。可以将上述费用减免数的范围的最小值作为上述物品的第一费用减免数，可以将上述费用减免数的范围的最大值作为上述物品的最大费用减免数。

步骤403，根据上述点击信息和上述第一费用减免数，执行如下信息推送步骤：子步骤4031、4032、4033。其中：

子步骤4031，根据上述点击信息和上述第一费用减免数以及预先训练的概率计算模型，确定上述用户购买上述物品的概率。

在本实施例中，上述电子设备预先训练概率计算模型，上述概率计算模型用于表征在为用户提供第一费用减免数的费用减免时点击信息和用户购买物品的概率之间的对应关系。上述概率计算模型可以根据点击信息和费用减免数确定用户购买物品的概率。上述电子设备可以根据上述点击信息中与用户相关的信息确定出的用户的数据，将上述用户的数据和第一费用减免数导入到上述预先训练的概率计算模型，得到该用户在商家或电商平台发放第一费用减免数的补贴情况下，购买该物品的概率。

在本实施例的一些可选的实现方式中，还包括确定上述概率计算模型的步骤，上述确定上述概率计算模型的步骤，包括：从用于存储用户数据的缓存区域中获取多个用户的用户数据，上述用户数据包括用户的点击信息、费用减免数和购买信息；将上述多个用户的用户数据作为训练数据导入到初始概率计算模型，利用上述多个用户的用户数据训练初始概率计算模型，确定出上述预先训练的概率计算模型。

这里，可以从用户数据中获得该用户点击物品的名称、物品所属的类目、时间信息、是否购买、是否使用补贴、补贴的金额、购买数量等特征信息。上述初始概率计算模型根据上特征信息进行训练，训练得到概率计算模型。

在本实施例的一些可选的实现方式中，上述概率计算模型的确定还包括：从上述用户数据中提取出特征信息，并将上述特征信息加入到待选特征信息集合，上述特征信息是用于描述与用户相关或与物品相关的信息，执行如下训练过程：将上述待选特征信息集合中的每一项特征信息分别与预设的特征信息集合中的特征信息组合，训练上述初始概率计算模型，得到多个测试概率计算模型；确定多个上述测试概率计算模型中误差最小的测试概率计算模型为第一测试概率计算模型；确定得到上述第一测试概率计算模型所采用的待选特征信息集合中的特征信息；比较上述第一测试概率计算模型和上述初始概率计算模型计算用户购买物品的概率的误差，响应于上述第一测试概率计算模型计算用户购买物品的概率的误差大于上述初始概率计算模型计算用户购买物品的概率的误差，确定上述初始概率计算模型为上述预先训练的概率计算模型；

响应于第一测试概率计算模型计算用户购买物品的概率的误差小于上述初始概率计算模型计算用户购买物品的概率的误差，确定第一测试概率计算模型为初始概率计算模型，从上述待选特征信息集合中删除上述特征信息，并加入到上述特征信息集合中，继续执行上述训练过程。

上述特征信息是用户数据中可以用于描述与用户相关的信息和/或与物品信息所指示的物品相关的信息。上述与用户相关的信息可以是标识用户身份的信息，可以是用户的操作行为信息，其中，用户的操作行为可以是点击物品信息、可以是下单、购买物品等等操作行为。作为示例，上述特征信息可以是：描述用户购买或点击物品信息的时间区间(例如，用户大多在10-12时点击查看物品，20-21时购买物品)、用户的性别、是否使用补贴/费用减免(例如，该用户在物品有补贴/费用减免时，会购买该物品)等。上述与物品信息所指示的物品相关的信息可以是物品的类目(食品、衣物、交通、家居等)，物品的费用减免信息(是否有补贴、补贴的范围等)。

上述确定测试概率计算模型的误差，可以是通过上述测试概率计算模型用户购买物品的概率与实际购买物品的概率的差值。可以理解的是上述用户实际购买物品的概率是0或100％。如果用户没有购买上述物品，则实际购买物品的概率是0；如果用户购买上述物品，则实际购买物品的概率是100％。

作为示例，上述待选特征信息集合中包括两项特征信息，特征信息一为购买时间是节假日，特征信息二为物品名称是杯子，将上述特征信息一和特征信息二分别加入到上述特征信息集合，训练上述初始概率计算模型得到两个测试概率计算模型，分别为测试概率计算模型一和测试概率计算模型二。

确定两个上述测试概率计算模型性能的误差，可以是上述测试概率计算模型计算用户购买物品的概率与用户实际的购买物品的概率的误差值。例如，将用户A、用户B和用户C的数据分别导入到上述测试概率计算模型中。上述两个测试概率计算模型计算得到上述用户A、用户B和用户C购买物品的概率是0.85、0.2、0.90，和0.7、0.4、0.75。而上述用户A和用户C实际购买了物品，用户B没有购买物品。可以确定上述测试概率计算模型一计算的概率更接近事实，性能更优，即误差小，确定上述测试概率计算模型一为第一测试概率计算模型。

子步骤4032，确定上述概率是否大于或等于预设的概率阈值。

在本实施例中，在上述电子设备中预先存有概率阈值。上述电子设备可以通过做差值的方式确定出上述子步骤4031中确定的上述用户购买物品的概率是否大于或等于上述预设的概率阈值。

在本实施例的一些可选的实现方式中，上述概率阈值可以通过如下的步骤确定：从用于存储用户数据的缓存区域中，获取点击上述物品信息所指示的物品的多个用户的用户数据，上述用户数据包括点击信息和费用减免数；上述概率计算模型根据每个上述用户的点击信息和费用减免数，计算每个上述用户购买上述物品的概率；根据上述物品预设的期望购买比例，确定购买上述物品的用户的数量，并确定上述数量为期望数；按照每个上述用户购买上述物品的概率从大到小的顺序，确定第上述期望数个上述用户购买上述物品的概率为上述概率阈值。

上述获取点击上述物品信息所指示的物品的多个用户的用户数据可以是，从用于存储用户数据的缓存区域中取得点击同一物品信息的不同用户的数据，例如，从上述用于存储用户数据的缓存区域中取得点击该“xxx”太空杯信息的用户的用户数据。上述点击“xxx”太空杯信息的用户包括购买该“xxx”太空杯的用户以及只点击关注而没有购买的用户。

从每个用户数据中取得该用户的点击信息和费用减免数。上述用户的费用减免数是商家或电商平台可以为用户购买该物品提供补贴的额度。如果上述用户购买了该物品，则，按照该费用减免数提供的额度给该用户提供费用减免；如果，用户没有购买该物品，则不提供费用减免，同时，说明在商家或平台提供费用减免数的额度补贴时上述用户没有购买该物品。

上述物品的预先设定的期望购买比例是预先设定比例，是商家或电商平台期望的在点击关注上述物品信息的用户中购买上述物品的用户的比例。如，有100个用户点击了上述“xxx”太空杯，商家或电商平台预估有30％的转化率，即，在上述100个用户中可能有30个用户选择购买该物品。

上述确定上述概率阈值是从上述期望购买比例中确定出购买物品的用户，从所确定出的用户中选出购买上述物品的最小概率作为上述概率阈值。

上述确定上述概率阈值还可以通过如下过程实：确定出用户的数量，根据期望购买比例和用户的数量计算出期望购买物品的用户的数量，作为期望数；按照每个上述用户购买上述物品的概率从大到小的顺序，确定第期望数个上述用户购买上述物品的概率的值为上述概率阈值。

作为示例，样本中有100个用户点击了该物品信息，商家预估的期望购买比例为30％，在所有的上述100个用户中，预计有30个用户购买物品；计算上述100个用户购买上述物品的概率，并按照概率从大到小的顺序排序，选出排序在第30位的用户的概率作为概率阈值。

在一些具体的实现方式中，上述确定概率阈值还可以是：从上述多个用户中选出期望数个用户。其中，所选出的期望数个用户中的任一用户购买上述物品的概率，大于除上述所选出的期望数个用户外的其他用户购买上述物品的概率。从上述所选出的期望数个用户购买上述物品的概率中，确定最小概率为上述概率阈值。

作为示例，上述100个用户点击了物品信息，商家预估的转化率为30％，预计有30个用户购买物品；计算上述100个用户购买上述物品的概率，从上述100个用户中选出概率最大的30个用户，从上述选出的30个用户中确定出购买上述物品概率最小的用户的概率作为概率阈值。

子步骤4033，响应于确定出上述概率大于或等于上述预设的概率阈值，向上述用户终端推送包括上述第一费用减免数的信息。

在本实施例中，基于上述子步骤4032的执行结果，如果上述概率大于或等于上述概率阈值，则，在商家或电商平台为用户提供第一费用减免数的补贴的情况下，上述用户将会购买上述物品。将上述第一费用减免数作为上述用户的用户补贴金额。服务器将包含上述费用减免数的信息推送到上述用户终端。

步骤404，响应于确定出上述概率小于上述预设的概率阈值，增加上述第一费用减免数的数值以更新上述第一费用减免数，且在确定更新后的第一费用减免数小于或等于上述最大费用减免数时，继续执行上述信息推送步骤403。

在本实施例中，上述电子设备基于上述子步骤4032的执行结果，如果上述概率小于预设的概率阈值，表示在商家或电商平台为用户提供第一费用减免数的补贴的情况下，上述用户购买物品的可能性较低。通过增加第一费用减免数的数值以更新第一费用减免数激励用户股买该物品。将提高补贴额度后的第一费用减免数作为新的第一费用减免数。判断更新后的第一费用减免数是否小于或等于最大第一费用减免数，如果更新后的第一费用减免数小于或等于最大第一费用减免数，继续执行上述信息推送步骤403。

步骤405，响应于上述更新后的第一费用减免数大于上述最大费用减免数，停止执行上述信息推送步骤403，向上述用户终端推送包括上述最大费用减免数的信息。

在本实施例中，上述最大费用减免数是商家或电商平台就该物品可以向购买该物品的用户提供的最大补贴额度。

上述步骤404中更新后的第一费用减免数如果大于最大费用减免数，即，用户购买该物品的可能性很低。同时，上述费用减免数也达到了补贴的上限，所以停止执行上述信息推送步骤403。向上述用户终端推送包括上述最大费用减免数的信息。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用户权限信息的确定方法的流程400突出了对提高费用减免数后购买物品的概率较低的用户的信息推送方法，从而实现向用户终端推送包含更加全面的费用减免数的信息。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用户权限信息的确定装置的一个实施例，该装置实施例与图2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，本实施例的用于推送信息的装置500包括：接收单元501、确定单元502、推送单元503和更新单元504。其中，接收单元501配置用于接收用户对用户终端上呈现的物品信息的点击信息。确定单元502配置用于根据上述物品信息确定上述用户购买上述物品信息所指示的物品的第一费用减免数和最大费用减免数，上述第一费用减免数小于或等于上述最大费用减免数。推送单元503配置用于根据上述点击信息和上述第一费用减免数，执行如下信息推送步骤：根据上述点击信息和上述第一费用减免数以及预先训练的概率计算模型，确定上述用户购买上述物品的概率，上述概率计算模型用于表征在为用户提供第一费用减免数的费用减免时点击信息和用户购买物品的概率之间的对应关系；确定上述概率是否大于或等于预设的概率阈值；响应于确定出上述概率大于或等于上述预设的概率阈值，向上述用户终端推送包括上述第一费用减免数的信息。更新单元504配置用于响应于确定出上述概率小于上述预设的概率阈值，增加上述第一费用减免数的数值以更新上述第一费用减免数，且在确定更新后的第一费用减免数小于或等于上述最大费用减免数时，继续执行上述信息推送步骤。

在本实施例中，基于接收单元501中所接收的点击信息，确定单元502确定出物品的费用减免范围，推送单元503根据上述点击信息和费用减免范围确定出用户的费用减免数，并将包括该费用减免数的信息推送到用户终端，更新单元用于更新第一费用减免数，以便给用户推送包括合理费用减免数的信息。

在本实施例中，用于推送信息的装置500的接收单元501可以通过有线连接方式或者无线连接方式从用户利用其进行网上购物或网络交易的终端，接收用户对用户终端上呈现的物品信息的点击信息。其中，上述物品信息可以是以文字、图片的形式所描述的物品的信息，或可以是以网页链接的形式描述物品的信息。上述用户的点击信息包括与用户相关的信息和与物品相关的信息。

在本实施例中，确定单元502根据接收单元501所接收的点击信息确定出用户购买上述物品信息所指示的物品的费用减免数的范围，从而确定出第一费用减免数和最大费用减免数。其中，上述费用减免数的范围可以是商家或电商平台为购买该物品的用户提供补贴的范围；商家或电商平台可以预先设置上述费用减免数的范围。

在本实施例中，推送单元503通过调整费用减免数，以提高用户购买该物品的概率，将用户购买该物品的概率大于预设的概率阈值是所对应该的第一费用减免数，作为为该用户购买该物品时提供的费用减免额。将包含第一费用减免数的信息推送到用户终端。

在本实施例中，更新单元504可以根据在上述推送单元503中所计算出的用户购买上述物品的概率小于上述预设的概率阈值，表示在为用户提供第一费用减免数的补贴情况下，用户购买上述物品的可能性较低。通过增加第一费用减免数的数值以更新上述第一费用减免数，以激励用户购买该物品。

在本实施例的一些可选的实现方式中，上述确定单元502进一步配置用于：根据上述物品信息，在用于存储上述物品信息与对应的费用减免数范围列表中，确定出上述物品信息所指示的物品的费用减免数的范围；从费用减免数的范围中确定出上述物品的最小费用减免数和上述最大费用减免数；确定最小费用减免数为该物品的第一费用减免数。这里，在用于推送信息的装置500中预先存储有物品信息与费用减免数范围的列表，可以根据物品信息的名称或代码等标识物品身份的信息从上述列表中找出该费用减免数范围。第一费用减免数可以是费用减免数范围的最小值；最大费用减免数可以是费用减免数范围中的最大值。

在本实施例的一些可选的实现方式中，更新单元504进一步配置用于：响应于更新后的第一费用减免数大于最大费用减免数，停止执行上述信息推送步骤；向上述用户终端推送包括上述最大费用减免数的信息。这里，更新后的第一费用减免数如果大于最大费用减免数，即，用户购买该物品的可能性很低。同时，费用减免数也达到了补贴的上限，所以停止执行上述信息推送步骤。向上述用户终端推送包括最大费用减免数的信息。

在本实施例的一些可选的实现方式中，上述用于推送信息的装置500还包括概率计算模型确定单元，包括：获取模块和训练模块。其中，获取模块，配置用于从用于存储用户数据的缓存区域中获取多个用户的用户数据，上述用户数据包括用户的点击信息、费用减免数和上述用户的购买信息。训练模块，配置用于利用上述多个用户的用户数据训练初始概率计算模型，确定出上述预先训练的概率计算模型。这里，可以从用户数据中获得该用户点击物品的名称、物品所属的类目、时间信息、是否购买、是否使用补贴、补贴的金额、购买数量等信息。上述初始概率计算模型根据上特征信息进行训练，训练得到概率计算模型。

在本实施例的一些可选的实现方式中，上述训练模块进一步配置用于：从上述用户数据中提取出特征信息，并将特征信息加入到待选特征信息集合，其中，特征信息是用于表征与用户行为或与物品相关的信息，执行如下训练过程：

将待选特征信息集合中的每一项特征信息分别与预设的特征信息集合中的特征信息组合，训练上述初始概率计算模型，得到多个测试概率计算模型；确定多个上述测试概率计算模型中误差最小的测试概率计算模型为第一测试概率计算模型，确定得到上述第一测试概率计算模型所采用的待选特征信息集合中的特征信息；

比较第一测试概率计算模型和上述初始概率计算模型计算得到概率与实际概率的误差，响应于第一测试概率计算模型计算用户购买物品的概率的误差大于上述初始概率计算模型计算用户购买物品的概率的误差，确定上述初始概率计算模型为上述预先训练的概率计算模型；

响应于第一测试概率计算模型计算用户购买物品的概率的误差小于上述初始概率计算模型计算用户购买物品的概率的误差，确定第一测试概率计算模型为初始概率计算模型，从上述待选特征信息集合中删除上述特征信息，并加入到上述特征信息集合中，继续执行上述训练过程。

上述特征信息是用户数据中可以用于描述与用户的行为相关的信息和/或与物品信息所指示的物品相关的信息。

上述确定测试概率计算模型的误差，可以是通过上述测试概率计算模型用户购买物品的概率与实际购买物品的概率的差值。可以理解的是用户实际购买物品的概率是0或100％。如果用户没有购买上述物品，则实际购买物品的概率是0；如果用户购买上述物品，则实际购买物品的概率是100％。

在本实施例的一些可选的实现方式中，用于推送信息的装置500还包括概率阈值确定单元，上述概率阈值确定单元配置用于：

从用于存储用户数据的缓存区域中，获取点击上述物品信息所指示的物品的多个用户的用户数据，用户数据包括点击信息和费用减免数；上述概率计算模型根据每个上述用户的点击信息和费用减免数，计算每个用户购买上述物品的概率；根据该物品预设的期望购买比例，确定购买上述物品的用户的数量，并确定上述数量为期望数；按照每个用户购买该物品的概率从大到小的顺序，确定第期望数个用户购买该物品的概率为概率阈值。

这里，上述多个用户数据是点击了同一物品信息的用户的用户数据。上述期望购买比例是商家或电商平台预先设置的比例，是商家或电商平台期望的在点击关注上述物品信息的用户中购买上述物品的用户的比例。

本申请还提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当该一个或多个程序被一个或多个处理器执行，使得该一个或多个处理器实现图2对应的实施例或该实施例中任一可选实现方式所描述的方法。

下面参考图6，其示出了适于用来实现本申请实施例的服务器或电子设备的计算机系统600的结构示意图。图6示出的服务器或电子设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

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部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。

需要说明的是，本申请所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。在本申请中，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。而在本申请中，计算机可读的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。计算机可读的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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、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。

描述于本申请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。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括接收单元、确定单元、推送单元和更新单元。其中，这些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，接收单元还可以被描述为“接收用户对用户终端上呈现的物品信息的点击信息的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。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装置执行时，使得该装置：接收用户对用户终端上呈现的物品信息的点击信息；根据上述物品信息，确定上述用户购买上述物品信息所指示的物品的第一费用减免数和最大费用减免数，上述第一费用减免数小于或等于上述最大费用减免数；根据上述点击信息和上述第一费用减免数，执行如下信息推送步骤：根据上述点击信息和上述第一费用减免数以及预先训练的概率计算模型，确定上述用户购买上述物品的概率，上述概率计算模型用于描述在为用户提供第一费用减免数的费用减免时的点击信息和用户购买物品的概率之间的对应关系；确定上述概率是否大于或等于预设的概率阈值；响应于确定出上述概率大于或等于上述预设的概率阈值，向上述用户终端推送包括上述第一费用减免数的信息；响应于确定出上述概率小于上述预设的概率阈值，增加上述第一费用减免数的数值以更新上述第一费用减免数，且在确定更新后的第一费用减免数小于或等于上述最大费用减免数时，继续执行上述信息推送步骤。

以上描述仅为本申请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，本申请中所涉及的发明范围，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发明构思的情况下，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。例如上述特征与本申请中公开的(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。

Claims (10)

1.一种用于推送信息的方法，其特征在于，所述方法包括：

接收用户对用户终端上呈现的物品信息的点击信息；

根据所述物品信息确定所述用户购买所述物品信息所指示的物品的第一费用减免数和最大费用减免数，所述第一费用减免数小于或等于所述最大费用减免数；

根据所述点击信息和所述第一费用减免数，执行如下信息推送步骤：根据所述点击信息和所述第一费用减免数以及预先训练的概率计算模型，确定所述用户购买所述物品的概率，所述概率计算模型用于表征在为用户提供第一费用减免数的费用减免时点击信息和用户购买物品的概率之间的对应关系；确定所述概率是否大于或等于预设的概率阈值；响应于确定出所述概率大于或等于所述预设的概率阈值，向所述用户终端推送包括所述第一费用减免数的信息；

响应于确定出所述概率小于所述预设的概率阈值，增加所述第一费用减免数的数值以更新所述第一费用减免数，且在确定更新后的第一费用减免数小于或等于所述最大费用减免数时，继续执行所述信息推送步骤；

响应于所述更新后的第一费用减免数大于所述最大费用减免数，停止执行所述信息推送步骤，向所述用户终端推送包括所述最大费用减免数的信息；

所述方法还包括确定所述概率计算模型的步骤，所述确定所述概率计算模型的步骤，包括：

从用于存储用户数据的缓存区域中获取多个用户的用户数据，所述用户数据包括用户的点击信息、费用减免数和购买信息；

利用所述多个用户的用户数据训练初始概率计算模型，确定出所述预先训练的概率计算模型。

2.根据权利要求1所述的方法，其特征在于，所述根据所述物品信息确定所述用户购买所述物品信息所指示的物品的第一费用减免数和最大费用减免数，包括：

根据所述物品信息，在用于存储所述物品信息与对应的费用减免数范围列表中，确定出所述物品信息所指示的物品的费用减免数的范围；

从所述费用减免数的范围中确定出所述物品的最小费用减免数和所述最大费用减免数；

确定所述最小费用减免数为所述物品的第一费用减免数。

3.根据权利要求1所述的方法，其特征在于，所述利用所述多个用户的用户数据训练初始概率计算模型，确定出所述预先训练的概率计算模型，包括：

从所述用户数据中提取出特征信息，并将所述特征信息加入到待选特征信息集合，所述特征信息是用于描述与用户相关或与物品相关的信息，执行如下训练过程：

将所述待选特征信息集合中的每一项特征信息分别与预设的特征信息集合中的特征信息组合，训练所述初始概率计算模型，得到多个测试概率计算模型；确定多个所述测试概率计算模型中误差最小的测试概率计算模型为第一测试概率计算模型；确定得到所述第一测试概率计算模型所采用的待选特征信息集合中的特征信息；

比较所述第一测试概率计算模型和所述初始概率计算模型计算得到概率与实际概率的误差，响应于所述第一测试概率计算模型计算用户购买物品的概率的误差大于所述初始概率计算模型计算用户购买物品的概率的误差，确定所述初始概率计算模型为所述预先训练的概率计算模型；

响应于所述第一测试概率计算模型计算用户购买物品的概率的误差小于所述初始概率计算模型计算用户购买物品的概率的误差，确定所述第一测试概率计算模型为初始概率计算模型，从所述待选特征信息集合中删除所述特征信息，并加入到所述特征信息集合中，继续执行所述训练过程。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括确定所述概率阈值的步骤，所述确定所述概率阈值的步骤包括：

从用于存储用户数据的缓存区域中，获取点击所述物品的多个用户的用户数据，所述用户数据包括点击信息和费用减免数；

所述概率计算模型根据每个所述用户的点击信息和费用减免数，计算每个所述用户购买所述物品的概率；

根据所述物品预设的期望购买比例，确定购买所述物品的用户的数量，并确定所述数量为期望数；

按照每个所述用户购买所述物品的概率从大到小的顺序，确定第期望数个所述用户购买所述物品的概率为所述概率阈值。

5.一种用于推送信息的装置，其特征在于，所述装置包括：

接收单元，配置用于接收用户对用户终端上呈现的物品信息的点击信息；

确定单元，配置用于根据所述物品信息确定所述用户购买所述物品信息所指示的物品的第一费用减免数和最大费用减免数，所述第一费用减免数小于或等于所述最大费用减免数；

推送单元，配置用于根据所述点击信息和所述第一费用减免数，执行如下信息推送步骤：根据所述点击信息和所述第一费用减免数以及预先训练的概率计算模型，确定所述用户购买所述物品的概率，所述概率计算模型用于表征在为用户提供第一费用减免数的费用减免时点击信息和用户购买物品的概率之间的对应关系；确定所述概率是否大于或等于预设的概率阈值；响应于确定出所述概率大于或等于所述预设的概率阈值，向所述用户终端推送包括所述第一费用减免数的信息；

更新单元，配置用于响应于确定出所述概率小于所述预设的概率阈值，增加所述第一费用减免数的数值以更新所述第一费用减免数，且在确定更新后的第一费用减免数小于或等于所述最大费用减免数时，继续执行所述信息推送步骤；以及

所述更新单元进一步配置用于：响应于所述更新后的第一费用减免数大于所述最大费用减免数，停止执行所述信息推送步骤；向所述用户终端推送包括所述最大费用减免数的信息；

所述装置还包括概率计算模型确定单元，所述概率计算模型确定单元包括：

获取模块，配置用于从用于存储用户数据的缓存区域中获取多个用户的用户数据，所述用户数据包括用户的点击信息、费用减免数和购买信息；

训练模块，配置用于利用所述多个用户的用户数据训练初始概率计算模型，确定出所述预先训练的概率计算模型。

6.根据权利要求5所述的装置，其特征在于，所述确定单元进一步配置用于：

根据所述物品信息，在用于存储所述物品信息与对应的费用减免数范围列表中，确定出所述物品信息所指示的物品的费用减免数的范围；

从所述费用减免数的范围中确定出所述物品的最小费用减免数和所述最大费用减免数；

确定所述最小费用减免数为所述物品的第一费用减免数。

7.根据权利要求5所述的装置，其特征在于，所述训练模块进一步配置用于：

从所述用户数据中提取出特征信息，并将所述特征信息加入到待选特征信息集合，所述特征信息是用于描述与用户相关或与物品相关的信息，执行如下训练过程：

将所述待选特征信息集合中的每一项特征信息分别与预设的特征信息集合中的特征信息组合，训练所述初始概率计算模型，得到多个测试概率计算模型；确定多个所述测试概率计算模型误差最小的测试概率计算模型为第一测试概率计算模型；确定得到所述第一测试概率计算模型所采用的待选特征信息集合中的特征信息；

比较所述第一测试概率计算模型和所述初始概率计算模型计算得到概率与实际概率的误差，响应于所述第一测试概率计算模型计算用户购买物品的概率的误差大于所述初始概率计算模型计算用户购买物品的概率的误差，确定所述初始概率计算模型为所述预先训练的概率计算模型；

响应于所述第一测试概率计算模型计算用户购买物品的概率的误差小于所述初始概率计算模型计算用户购买物品的概率的误差，确定所述第一测试概率计算模型为初始概率计算模型，从所述待选特征信息集合中删除所述特征信息，并加入到所述特征信息集合中，继续执行所述训练过程。

8.根据权利要求5所述的装置，其特征在于，所述装置还包括概率阈值确定单元，所述概率阈值确定单元配置用于：

从用于存储用户数据的缓存区域中，获取点击所述物品的多个用户的用户数据，所述用户数据包括点击信息和费用减免数；

所述概率计算模型根据每个所述用户的点击信息和费用减免数，计算每个所述用户购买所述物品的概率；

根据所述物品预设的期望购买比例，确定购买所述物品的用户的数量，并确定所述数量为期望数；

按照每个所述用户购买所述物品的概率从大到小的顺序，确定第期望数个所述用户购买所述物品的概率为所述概率阈值。

9.一种用于推送信息的电子设备，其特征在于，所述电子设备包括：

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权利要求1-4中任一所述的方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-4中任一所述的方法。

Images