[發明專利]推送信息的方法、裝置、設備和計算機可讀介質

在審

• 申請號: 202010462528.6
• 申請日: 2020-05-27
• 公開（公告）號: CN113744002A
• 公開（公告）日: 2021-12-03
• 發明（設計）人: 王穎帥
• 申請（專利權）人: 北京沃東天駿信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06
• 代理公司: 中原信達知識產權代理有限責任公司 11219
• 代理人: 郭晗;趙迪

1.一種推送信息的方法，其特征在于，包括：

基于用戶的特征信息獲取用戶屬性詞，以及在商品信息中提取商品屬性詞；

依據所述商品屬性詞和所述用戶屬性詞，通過基于注意力機制的序列到序列的模型，生成所述用戶的推薦信息；

在所述特征信息與商品匹配的情況下，根據所述商品在所述用戶的推薦信息中搜索獲得所述商品的推薦信息，并向所述用戶推送所述商品的推薦信息。

2.根據權利要求1所述推送信息的方法，其特征在于，所述在所述特征信息與商品匹配的情況下，根據所述商品在所述用戶的推薦信息中搜索獲得所述商品的推薦信息之前，還包括：

所述特征信息對應的商品與所述商品相同，則所述特征信息與所述商品匹配；

或，

所述特征信息對應的商品應用場景與所述商品的商品應用場景相同，則所述特征信息與所述商品匹配。

3.根據權利要求1所述推送信息的方法，其特征在于，所述向所述用戶推送所述商品的推薦信息，包括：

在所述特征信息與商品匹配的情況下，依據所述商品在所述用戶的推薦信息中搜索相似度最大的推薦信息；

將所述相似度最大的推薦信息，作為向所述用戶推送所述商品的推薦信息。

4.根據權利要求3所述推送信息的方法，其特征在于，所述依據所述商品在所述用戶的推薦信息中搜索相似度最大的推薦信息，包括：

依據所述商品的商品屬性詞，在所述用戶的推薦信息中搜索相似度最大的推薦信息；

或，

依據所述商品的商品屬性詞和推薦信息的使用次數，在所述用戶的推薦信息中搜索相似度最大的推薦信息。

5.根據權利要求1所述推送信息的方法，其特征在于，所述依據所述商品屬性詞和所述用戶屬性詞，通過基于注意力機制的序列到序列的模型，生成所述用戶的推薦信息之前，還包括：

配置商品屬性訓練詞的權重和用戶屬性訓練詞的權重；

利用所述商品屬性訓練詞的權重和所述用戶屬性訓練詞的權重，采用mask矩陣更新損失函數，訓練得到所述基于注意力機制的序列到序列的模型。

6.一種推送信息的裝置，其特征在于，包括：

信息模塊，用于基于用戶的特征信息獲取用戶屬性詞，以及在商品信息中提取商品屬性詞；

生成模塊，用于依據所述商品屬性詞和所述用戶屬性詞，通過基于注意力機制的序列到序列的模型，生成所述用戶的推薦信息；

推送模塊，用于在所述特征信息與商品匹配的情況下，根據所述商品在所述用戶的推薦信息中搜索獲得所述商品的推薦信息，并向所述用戶推送所述商品的推薦信息。

7.根據權利要求6所述推送信息的裝置，其特征在于，所述推送模塊，具體用于所述特征信息對應的商品與所述商品相同，則所述特征信息與所述商品匹配；

或，

所述特征信息對應的商品應用場景與所述商品的商品應用場景相同，則所述特征信息與所述商品匹配。

8.根據權利要求6所述推送信息的裝置，其特征在于，所述推送模塊，具體用于在所述特征信息與商品匹配的情況下，依據所述商品在所述用戶的推薦信息中搜索相似度最大的推薦信息；

將所述相似度最大的推薦信息，作為向所述用戶推送所述商品的推薦信息。

9.一種推送信息的電子設備，其特征在于，包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序，

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，所述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。