[發明專利]用于推送信息的方法和裝置

有效

• 申請號: 201710152537.3
• 申請日: 2017-03-15
• 公開（公告）號: CN108628861B
• 公開（公告）日: 2022-03-04
• 發明（設計）人: 郝競超;楊興;王江豐;王海鶴
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種用于推送信息的方法，其特征在于，所述方法包括：

對于關鍵詞集合中的每個關鍵詞，獲取該關鍵詞的至少一條關聯信息；

對于每個關鍵詞的至少一條關聯信息中的每條關聯信息，將該條關聯信息導入針對該關鍵詞預先訓練的確定模型進行匹配，得到該條關聯信息的屬性信息，其中，所述屬性信息包括結果關鍵詞及所述結果關鍵詞所指示的實體的特征信息，所述針對該關鍵詞預先訓練的確定模型用于表征該關鍵詞的關聯信息和屬性信息之間的對應關系；

基于所得到的各個屬性信息，確定與所述關鍵詞集合相關的重要度信息；

推送所述重要度信息。

2.根據權利要求1所述的方法，其特征在于，所述對于關鍵詞集合中的每個關鍵詞，獲取該關鍵詞的至少一條關聯信息之后，所述方法還包括：

針對所述關鍵詞集合中的每個關鍵詞，對于所獲取的該關鍵詞的至少一條關聯信息中的每條關聯信息，執行以下操作：提取該條關聯信息的摘要信息；將該條關聯信息從該關鍵詞的至少一條關聯信息中刪除；將所提取的摘要信息確定為該關鍵詞的關聯信息。

3.根據權利要求2所述的方法，其特征在于，所述方法還包括訓練確定模型的步驟，所述訓練確定模型的步驟，包括：

針對所述關鍵詞集合中的每個關鍵詞，利用機器學習方法，基于人工標注的該關鍵詞的歷史關聯信息和與所述歷史關聯信息對應的結果關鍵詞和特征信息，訓練得到針對該關鍵詞的確定模型。

4.根據權利要求3所述的方法，其特征在于，所述結果關鍵詞所指示的實體的特征信息包括所述結果關鍵詞所指示的實體的未來收益率的預測信息；以及

所述基于所得到的各個屬性信息，確定與所述關鍵詞集合相關的重要度信息，包括：

獲取所述關鍵詞集合中的每個關鍵詞所指示的實體的資產市值數據和歷史收益率數據；

基于所獲取的資產市值數據、歷史收益率數據和所得到的各個屬性信息，確定與所述關鍵詞集合相關的重要度信息。

5.根據權利要求4所述的方法，其特征在于，所述基于所獲取的資產市值數據、歷史收益率數據和所得到的各個屬性信息，確定與所述關鍵詞集合相關的重要度信息，包括：

獲取目標收益率；

基于所獲取的資產市值數據、歷史收益率數據和所得到的各個屬性信息，確定達到所述目標收益率所對應的與所述關鍵詞集合相關的重要度信息。

6.一種用于推送信息的裝置，其特征在于，所述裝置包括：

獲取單元，配置用于對于關鍵詞集合中的每個關鍵詞，獲取該關鍵詞的至少一條關聯信息；

匹配單元，配置用于對于每個關鍵詞的至少一條關聯信息中的每條關聯信息，將該條關聯信息導入針對該關鍵詞預先訓練的確定模型進行匹配，得到該條關聯信息的屬性信息，其中，所述屬性信息包括結果關鍵詞及所述結果關鍵詞所指示的實體的特征信息，所述針對該關鍵詞預先訓練的確定模型用于表征該關鍵詞的關聯信息和屬性信息之間的對應關系；

確定單元，配置用于基于所得到的各個屬性信息，確定與所述關鍵詞集合相關的重要度信息；

推送單元，配置用于推送所述重要度信息。

7.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

摘要信息提取單元，配置用于針對所述關鍵詞集合中的每個關鍵詞，對于所獲取的該關鍵詞的至少一條關聯信息中的每條關聯信息，執行以下操作：提取該條關聯信息的摘要信息；將該條關聯信息從該關鍵詞的至少一條關聯信息中刪除；將所提取的摘要信息確定為該關鍵詞的關聯信息。

8.根據權利要求7所述的裝置，其特征在于，所述裝置還包括：

訓練單元，配置用于針對所述關鍵詞集合中的每個關鍵詞，利用機器學習方法，基于人工標注的該關鍵詞的歷史關聯信息和與所述歷史關聯信息對應的結果關鍵詞和特征信息，訓練得到針對該關鍵詞的確定模型。