[發明專利]用于推送信息的方法和裝置

在審

• 申請號: 201710743163.2
• 申請日: 2017-08-25
• 公開（公告）號: CN107577737A
• 公開（公告）日: 2018-01-12
• 發明（設計）人: 尹維沖;孫宇;于佃海
• 申請（專利權）人: 北京百度網訊科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 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：

接收用戶使用終端發來的登錄請求；

響應于所述登錄請求驗證通過，獲取所述用戶在當前時間之前預設時間段內的歷史查詢文本序列；

對于所述歷史查詢文本序列中的每個歷史查詢文本，將對該歷史查詢文本進行分詞所生成的切分詞序列導入預先建立的卷積神經網絡模型，生成用于表征該歷史查詢文本的語義的預設維數的語義向量，其中，所述卷積神經網絡模型用于表征切分詞序列與所述預設維數的向量之間的對應關系；

根據所述歷史查詢文本序列中的每個歷史查詢文本的語義向量生成歷史查詢文本語義向量序列；

將所述歷史查詢文本語義向量序列導入預先建立的循環神經網絡模型，生成與所述歷史查詢文本序列對應的所述預設維數的推薦查詢文本語義向量，其中，所述循環神經網絡模型用于表征所述預設維數的向量序列與所述預設維數的向量之間的對應關系；

解碼所述推薦查詢文本語義向量，生成推薦查詢文本；

向所述終端推送所生成的推薦查詢文本。

2.根據權利要求1所述的方法，其特征在于，所述方法還包括建立卷積神經網絡模型和循環神經網絡模型的步驟，所述建立卷積神經網絡模型和循環神經網絡模型的步驟包括：

獲取初始卷積神經網絡模型和初始循環神經網絡模型；

從搜索日志中獲取至少一個用戶的至少一個歷史查詢文本序列，作為正例歷史查詢文本序列集合；

以所述正例歷史查詢文本序列集合為訓練數據，訓練所述初始卷積神經網絡模型和所述初始循環神經網絡模型；

將訓練得到的所述初始卷積經網絡模型確定為所述預先建立的卷積神經網絡模型，以及將訓練得到的所述初始循環神經網絡模型確定為所述預先建立的循環神經網絡模型。

3.根據權利要求2所述的方法，其特征在于，所述解碼所述推薦查詢文本語義向量，生成推薦查詢文本，包括：

在預設的查詢文本語義向量和查詢文本的對應關系表中，查找與所述推薦查詢文本語義向量之間的相似度最高的查詢文本語義向量，并將與所找到的查詢文本語義向量對應的查詢文本確定為所述推薦查詢文本。

4.根據權利要求3所述的方法，其特征在于，所述以所述正例歷史查詢文本序列集合為訓練數據，訓練所述初始卷積神經網絡模型和所述初始循環神經網絡模型，包括：

獲取與所述正例歷史查詢文本序列集合對應的負例歷史查詢文本序列集合；

以所述正例歷史查詢文本序列集合為正例訓練數據，以所述負例歷史查詢文本序列集合為負例訓練數據，訓練所述初始卷積神經網絡模型和所述初始循環神經網絡模型。

5.根據權利要求1-4中任一項所述的方法，其特征在于，所述循環神經網絡模型為長短期記憶網絡模型。

6.一種用于推送信息的裝置，其特征在于，所述裝置包括：

接收單元，配置用于接收用戶使用終端發來的登錄請求；

獲取單元，配置用于響應于所述登錄請求驗證通過，獲取所述用戶在當前時間之前預設時間段內的歷史查詢文本序列；

第一生成單元，配置用于對于所述歷史查詢文本序列中的每個歷史查詢文本，將對該歷史查詢文本進行分詞所生成的切分詞序列導入預先建立的卷積神經網絡模型，生成用于表征該歷史查詢文本的語義的預設維數的語義向量，其中，所述卷積神經網絡模型用于表征切分詞序列與所述預設維數的向量之間的對應關系；

第二生成單元，配置用于根據所述歷史查詢文本序列中的每個歷史查詢文本的語義向量生成歷史查詢文本語義向量序列；

第三生成單元，配置用于將所述歷史查詢文本語義向量序列導入預先建立的循環神經網絡模型，生成與所述歷史查詢文本序列對應的所述預設維數的推薦查詢文本語義向量，其中，所述循環神經網絡模型用于表征所述預設維數的向量序列與所述預設維數的向量之間的對應關系；

第四生成單元，配置用于解碼所述推薦查詢文本語義向量，生成推薦查詢文本；

推送單元，配置用于向所述終端推送所生成的推薦查詢文本。