[發(fā)明專利]信息推送的方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202110753151.4
• 申請(qǐng)日: 2021-07-02
• 公開（公告）號(hào): CN113590936A
• 公開（公告）日: 2021-11-02
• 發(fā)明（設(shè)計(jì)）人: 蔣銳瀅;楊丹;鄒潤(rùn);曾曉東;顧進(jìn)杰
• 申請(qǐng)（專利權(quán)）人: 支付寶（杭州）信息技術(shù)有限公司
• 主分類號(hào): G06F16/9535
• 分類號(hào): G06F16/9535;G06F16/909;G06Q30/02;G06Q30/06
• 代理公司: 北京億騰知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11309
• 代理人: 陳霽;周良玉

1.一種信息推送的方法，包括：

獲取基于第一用戶的當(dāng)前狀態(tài)信息；

基于所述當(dāng)前狀態(tài)信息提取所述第一用戶的多個(gè)業(yè)務(wù)特征；

從預(yù)先構(gòu)建的意圖網(wǎng)格中，檢測(cè)與所述第一用戶的多個(gè)業(yè)務(wù)特征相匹配的特征組合，其中，所述意圖網(wǎng)格用于描述預(yù)定特征組合與意圖類別之間的對(duì)應(yīng)關(guān)系，意圖網(wǎng)格基于對(duì)各個(gè)特征組合與多個(gè)意圖類別之間的關(guān)聯(lián)分析確定，單個(gè)特征組合對(duì)應(yīng)與其關(guān)聯(lián)性最強(qiáng)的一個(gè)或多個(gè)意圖類別；

根據(jù)檢測(cè)結(jié)果，向所述第一用戶進(jìn)行信息推送。

2.根據(jù)權(quán)利要求1所述的方法，其中，所述當(dāng)前狀態(tài)信息包括，身份狀態(tài)信息、位置狀態(tài)信息、運(yùn)動(dòng)狀態(tài)信息、時(shí)間信息以及歷史業(yè)務(wù)狀態(tài)信息中的一項(xiàng)或多項(xiàng)。

3.根據(jù)權(quán)利要求1所述的方法，其中，所述意圖網(wǎng)格通過以下方式構(gòu)建：

對(duì)選定的s個(gè)業(yè)務(wù)特征進(jìn)行組合，形成m個(gè)特征組合，單個(gè)特征組合包含s個(gè)業(yè)務(wù)特征中的若干個(gè)；

對(duì)各個(gè)特征組合，分別統(tǒng)計(jì)其在樣本集中和預(yù)定的p個(gè)意圖類別之間具有的對(duì)應(yīng)關(guān)系，以根據(jù)所述對(duì)應(yīng)關(guān)系進(jìn)行關(guān)聯(lián)性分析；

根據(jù)關(guān)聯(lián)性分析結(jié)果，針對(duì)各個(gè)特征組合，逐一確定與其關(guān)聯(lián)強(qiáng)度最大的若干意圖類別，從而構(gòu)建意圖網(wǎng)格。

4.根據(jù)權(quán)利要求3所述的方法，其中，所述根據(jù)所述對(duì)應(yīng)關(guān)系進(jìn)行關(guān)聯(lián)性分析包括：

將m個(gè)特征組合和p個(gè)意圖類別分別映射到q維空間，得到在q維空間的m+p個(gè)點(diǎn)，q小于等于3；

根據(jù)m個(gè)特征組合一一對(duì)應(yīng)的m個(gè)點(diǎn)各自與p個(gè)意圖類別一一對(duì)應(yīng)的p個(gè)點(diǎn)在q維空間的歐氏距離，確定m個(gè)特征組合各自與p個(gè)意圖類別的關(guān)聯(lián)強(qiáng)度。

5.根據(jù)權(quán)利要求4所述的方法，將m個(gè)特征組合和p個(gè)意圖類別分別映射到q維空間，得到在q維空間的m+p個(gè)點(diǎn)包括：

根據(jù)m個(gè)特征組合分別和p個(gè)意圖類別之間的對(duì)應(yīng)關(guān)系，構(gòu)建m×p維的關(guān)聯(lián)矩陣，其中，所述關(guān)聯(lián)矩陣中，單個(gè)行對(duì)應(yīng)單個(gè)特征組合，單個(gè)列對(duì)應(yīng)意圖類別，在單個(gè)特征組合對(duì)應(yīng)有單個(gè)意圖類別的情況下，相應(yīng)的行、列交匯處的元素值表示其對(duì)應(yīng)關(guān)系；

對(duì)所述關(guān)聯(lián)矩陣通過奇異值分解，拆分為第一矩陣、奇異值矩陣和第二矩陣的乘積，所述奇異值矩陣的對(duì)角元素為所述關(guān)聯(lián)矩陣對(duì)應(yīng)的多個(gè)奇異值，各個(gè)奇異值從左向右由大到小排列；

將所述第一矩陣各行的前q維作為相應(yīng)特征組合在q維空間的坐標(biāo)，同時(shí)將所述第二矩陣各列的前q維作為相應(yīng)意圖類別在q維空間的坐標(biāo)，從而得到m個(gè)特征組合和p個(gè)意圖類別分別對(duì)應(yīng)的各個(gè)點(diǎn)。

6.根據(jù)權(quán)利要求3所述的方法，其中，所述s個(gè)業(yè)務(wù)特征通過以下的特征重要度分析方式從n₁個(gè)候選特征中篩選：

針對(duì)n₁個(gè)候選特征和n₂個(gè)業(yè)務(wù)標(biāo)簽，分別在N維樣本空間中表示，得到N維樣本空間中的n₁+n₂個(gè)點(diǎn)，其中，N維樣本空間的N個(gè)維度與N個(gè)樣本一一對(duì)應(yīng)，單個(gè)候選特征或業(yè)務(wù)標(biāo)簽在樣本空間各個(gè)維度的值，為相應(yīng)樣本在該單個(gè)候選特征上的特征值或業(yè)務(wù)標(biāo)簽的標(biāo)簽值；

在N維樣本空間，通過由歐氏距離轉(zhuǎn)化的第一高斯概率來表示n₁+n₂個(gè)點(diǎn)兩兩之間的相似性；

在低維空間，利用n₁+n₂個(gè)點(diǎn)分別表示n₁個(gè)候選特征和n₂個(gè)業(yè)務(wù)標(biāo)簽，并通過歐氏距離轉(zhuǎn)化的第二高斯概率來表示n₁+n₂個(gè)點(diǎn)兩兩之間的相似性；

以相同的兩個(gè)點(diǎn)對(duì)應(yīng)的第一高斯概率與第二高斯概率的分布一致性為目標(biāo)，調(diào)整低維空間的n₁+n₂個(gè)點(diǎn)的坐標(biāo)值，從而確定n₁個(gè)候選特征和n₂個(gè)業(yè)務(wù)標(biāo)簽各自在低維空間表示的點(diǎn)坐標(biāo)；

針對(duì)單個(gè)業(yè)務(wù)標(biāo)簽，利用其在低維空間表示的點(diǎn)分別與n₁個(gè)候選特征在低維空間表示的點(diǎn)的距離比較，選擇在低維空間距離與該單個(gè)業(yè)務(wù)標(biāo)簽最近的s個(gè)候選特征。