[發明專利]信息推送方法、裝置、設備和計算機可讀存儲介質

在審

• 申請號: 202110321436.0
• 申請日: 2021-03-25
• 公開（公告）號: CN113761002A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 張美娜
• 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: G06F16/2457
• 分類號: G06F16/2457;G06F16/2458;G06Q30/06
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 張娜;黃健

本申請提供一種信息推送方法、裝置、設備和計算機可讀存儲介質，其中，該方法包括：響應于用戶的購物操作，獲取用戶實時行為序列特征和用戶離線特征；將用戶實時行為序列特征和用戶離線特征輸入至預設的離線模型計算得到用戶向量；獲取預設品牌向量庫中與用戶向量匹配的品牌向量，將品牌向量所表征的品牌商品的信息推送至用戶。該技術方案中，通過用戶實時行為序列特征確定用戶存在有直接行為的品牌商品，再與用戶離線特征結合得到用戶向量，并根據用戶向量來確定預設品牌向量庫中與用戶匹配的品牌商品，實現了對用戶沒有直接行為的預設品牌向量庫中的品牌商品的用戶偏好進行分析的目的，能夠更加全面準確的得到用戶的品牌偏好。

技術領域

本申請涉及數據處理技術領域，尤其涉及一種信息推送方法、裝置、設備和計算機可讀存儲介質。

背景技術

隨著互聯網電商的發展，用戶可以通過個人賬號登錄互聯網購物平臺進行相關購物操作，例如加入商品至購物車和下單購買等等，在用戶進行相關購物操作的過程中還會進行商品的搜索以及瀏覽，從而產生對應的大數據信息，通過對這些大數據信息進行收集分析，即可確定用戶的購物偏好。

現有的大數據分析方法主要是對用戶的歷史行為進行分析，如分析用戶瀏覽、點擊和加購等有直接行為的品牌商品，得出用戶的購物偏好，這種分析方法只會對用戶有直接行為的品牌商品進行分析，而不會分析用戶沒有直接行為的品牌商品，分析過程不夠全面，使得最終得到的用戶品牌偏好分析結果的準確度較差。

發明內容

本申請提供一種信息推送方法、裝置、設備和計算機可讀存儲介質，用于解決現有用戶品牌分析不夠全面準確的問題。

第一方面，本申請實施例提供一種信息推送方法，包括：

響應于用戶的購物操作，獲取用戶實時行為序列特征和用戶離線特征，所述用戶實時行為序列特征用于表征與用戶存在實時交互行為的品牌商品，所述用戶離線特征包括用戶人口屬性特征和用戶歷史行為序列特征；

將所述用戶實時行為序列特征和所述用戶離線特征輸入至預設的離線模型計算得到用戶向量，所述用戶向量用于表征用戶的購物偏好；

獲取預設品牌向量庫中與所述用戶向量匹配的品牌向量，將所述品牌向量所表征的品牌商品的信息推送至用戶。

在第一方面的一種可能設計中，所述響應于用戶的購物操作，獲取用戶實時行為序列特征，包括：

讀取用戶的實時日志，根據所述實時日志獲取用戶與品牌商品的實時交互行為；

將所述實時交互行為解析轉化為用戶實時行為序列特征，存入至實時特征庫；

讀取所述實時特征庫得到所述用戶實時行為序列特征。

在第一方面的另一種可能設計中，所述將所述實時交互行為解析轉化為用戶實時行為序列特征，存入至實時特征庫，包括：

獲取存入至實時特征庫中的用戶實時行為序列特征的存儲時長；

當所述存儲時間達到預設時長時，將所述用戶實時行為序列特征移除出所述實時特征庫。

在第一方面的再一種可能設計中，所述預設的離線模型包括用戶子模型，所述將所述用戶實時行為序列特征和所述用戶離線特征輸入至預設的離線模型計算得到用戶向量，包括：

獲取用戶人口屬性特征和用戶歷史行為序列特征，所述用戶人口屬性特征包括用戶性別、年齡、購買力、婚姻狀況和地理位置中的至少一種，所述用戶歷史行為序列特征包括用戶歷史點擊、關注、加購和下單的品牌商品中的至少一種；

根據所述用戶子模型對用戶人口屬性特征進行降維得到用戶屬性向量；

根據所述用戶子模型對用戶歷史行為序列特征進行降維得到用戶歷史行為向量；