[發明專利]信息推送方法、裝置、電子設備和計算機可讀介質

在審

• 申請號: 202010153667.0
• 申請日: 2020-03-06
• 公開（公告）號: CN111475711A
• 公開（公告）日: 2020-07-31
• 發明（設計）人: 鐘超;劉海文;高玉龍
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9538;G06N3/08;G06Q30/06
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 任亞娟

1.一種信息推送方法，其特征在于，所述方法包括：

分別從針對目標用戶的各候選推送信息中，提取特征向量；

獲取預先離線生成的目標協方差矩陣，所述目標協方差矩陣為對所述目標用戶的行為特征序列進行協方差計算后得到的協方差矩陣，所述行為特征序列基于所述目標用戶的行為數據生成；

分別確定每一候選推送信息的特征向量與所述目標協方差矩陣的乘積，得到各候選推送信息對應的目標特征信息；

將各目標特征信息輸入至預先訓練的排序模型，得到各候選推送信息的排序結果；

基于所述排序結果，選取候選推送信息中的目標信息，并推送所述目標信息。

2.根據權利要求1所述的方法，其特征在于，所述目標協方差矩陣通過如下步驟預先離線生成，包括：

獲取所述目標用戶的行為數據；

基于所述行為數據，生成所述目標用戶的行為特征序列；

將所述行為特征序列轉換為特征矩陣；

對所述特征矩陣進行協方差計算，得到目標協方差矩陣。

3.根據權利要求2所述的方法，其特征在于，所述對所述特征矩陣進行協方差計算，得到目標協方差矩陣，包括：

獲取所述特征矩陣的轉置矩陣；

對所述轉置矩陣進行歸一化處理，得到歸一化矩陣；

將所述歸一化矩陣和所述特征矩陣的乘積，確定為目標協方差矩陣。

4.根據權利要求3所述的方法，其特征在于，所述對所述轉置矩陣進行歸一化處理，得到歸一化矩陣，包括：

確定所述轉置矩陣的范數；

將所述轉置矩陣除以所述范數，得到歸一化矩陣。

5.根據權利要求2所述的方法，其特征在于，所述行為數據中包括所述目標用戶依次點擊的歷史信息；以及

所述基于所述行為數據，生成所述目標用戶的行為特征序列，包括：

按照用戶點擊歷史信息的先后順序，依次從所述目標用戶點擊的各歷史信息中提取特征向量；

將所依次提取的特征向量進行匯總，生成所述目標用戶的行為特征序列。

6.根據權利要求1所述的方法，其特征在于，所述將各目標特征信息輸入至預先訓練的排序模型，得到各候選推送信息的排序結果，包括：

獲取其他特征信息，所述其他特征信息包括上下文特征信息；

對于每一個候選推送信息，將該候選推送信息對應的目標特征信息和所述其他特征信息輸入至預先訓練的排序模型，得到該候選推送信息的得分；

基于各候選推送信息的得分，得到各候選推送信息的排序結果。

7.根據權利要求1所述的方法，其特征在于，所述排序模型為深度興趣網絡中的局部網絡，所述局部網絡為位于所述深度興趣網絡中的特征連接層之后的網絡，所述局部網絡為支持分解機的神經網絡。

8.一種信息推送裝置，其特征在于，所述裝置包括：

提取單元，被配置成分別從針對目標用戶的各候選推送信息中，提取特征向量；

獲取單元，被配置成獲取預先離線生成的目標協方差矩陣，所述目標協方差矩陣為對所述目標用戶的行為特征序列進行協方差計算后得到的協方差矩陣，所述行為特征序列基于所述目標用戶的行為數據生成；

確定單元，被配置成分別確定每一候選推送信息的特征向量與所述目標協方差矩陣的乘積，得到各候選推送信息對應的目標特征信息；

排序單元，被配置成將各目標特征信息輸入至預先訓練的排序模型，得到各候選推送信息的排序結果；

推送單元，被配置成基于所述排序結果，選取候選推送信息中的目標信息，并推送所述目標信息。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，其上存儲有一個或多個程序，

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-7中任一所述的方法。

10.一種計算機可讀介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時實現如權利要求1-7中任一所述的方法。