[發明專利]信息推送方法、裝置、計算機設備和存儲介質

在審

• 申請號: 201810442927.9
• 申請日: 2018-05-10
• 公開（公告）號: CN110162689A
• 公開（公告）日: 2019-08-23
• 發明（設計）人: 張伸正
• 申請（專利權）人: 騰訊科技（北京）有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06K9/62;H04L29/08
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 何平;鄧云鵬

1.一種信息推送方法，所述方法包括：

獲取與待推薦用戶的參考信息關聯的第一圖像信息，并基于通過訓練確定的圖像向量生成模型，確定所述第一圖像信息的第一圖像向量；

獲取候選推薦信息關聯的第二圖像信息的第二圖像向量；

確定所述第一圖像向量與所述第二圖像向量之間的圖像向量相似度；

在基于所述圖像向量相似度確定所述候選推薦信息滿足相似度推薦條件時，將所述候選推薦信息確定為待推薦信息；

向所述待推薦用戶推薦所述待推薦信息。

2.根據權利要求1所述的方法，其特征在于，包括下述各項中的任意一項：

所述待推薦用戶的參考信息為：最近一次向所述待推薦用戶返回的信息；

所述待推薦用戶的參考信息為：最近第一預設時間段向所述待推薦用戶返回的信息中，滿足第一預定條件的信息；

所述待推薦用戶的參考信息為：最近第一預設數目次向所述待推薦用戶返回的信息中，滿足第二預定條件的信息；

所述待推薦用戶參考信息為：向所述待推薦用戶的各好友用戶最近一次返回的信息；

所述待推薦用戶的參考信息為：最近第二預設時間段向所述待推薦用戶的各好友用戶返回的信息中，滿足第三預定條件的信息；

所述待推薦用戶的參考信息為：最近第二預設數目次向所述待推薦用戶的各好友用戶返回的信息中，滿足第四預定條件的信息。

3.根據權利要求1所述的方法，其特征在于，所述圖像向量生成模型的確定方式包括：

獲取各樣本信息，并獲取各樣本信息關聯的各樣本圖像；

根據各樣本信息與樣本圖像之間的關聯關系，確定各樣本圖像之間的相似性；

基于各樣本圖像以及各樣本圖像之間的相似性，對預設卷積神經網絡模型進行訓練，獲得所述圖像向量生成模型。

4.根據權利要求3所述的方法，其特征在于，根據各樣本信息與樣本圖像之間的關聯關系，確定各樣本圖像之間的相似性，包括：

在兩個樣本圖像關聯至同一個樣本信息時，確定該兩個樣本圖像相似；

在兩個樣本圖像關聯至不同的樣本信息時，確定該兩個樣本圖像不相似。

5.根據權利要求3所述的方法，其特征在于，在獲取各樣本信息關聯的各樣本圖像之后，確定各樣本圖像之間的相似性之前，還包括步驟：

對任意一個樣本信息，對該樣本信息關聯的各樣本圖像進行過濾處理，獲得過濾后的該樣本信息關聯的各樣本圖像。

6.根據權利要求3所述的方法，其特征在于，獲取各樣本信息，包括：

基于各候選樣本信息所屬信息類別，從各不同的信息類別的候選樣本信息確定為樣本信息。

7.根據權利要求1至6任意一項所述的方法，其特征在于，獲取候選推薦信息關聯的第二圖像信息的第二圖像向量，包括：

讀取存儲的候選推薦信息關聯的第二圖像信息的第二圖像向量；

或者，獲取候選推薦信息關聯的第二圖像信息，并基于所述圖像向量生成模型，確定所述第二圖像信息的第二圖像向量。

8.根據權利要求1至6任意一項所述的方法，其特征在于，確定所述第一圖像向量與所述第二圖像向量之間的圖像向量相似度，包括：

確定所述第一圖像向量和第二圖像向量的余弦值，并將該余弦值確定為第一圖像向量和第二圖像向量之間的圖像向量相似度。

9.根據權利要求1至6任意一項所述的方法，其特征在于，還包括：

在各候選推薦信息均不滿足相似度推薦條件時，確定第一文本信息與第二文本信息的文本相似度，所述第一文本信息為所述參考信息關聯的文本信息，所述第二文本信息為所述候選推薦信息關聯的文本信息；

在基于所述文本相似度確定所述候選推薦信息滿足相似度推薦條件時，將所述候選推薦信息確定為待推薦信息；

向所述待推薦用戶推薦該待推薦信息。