基于人工智能的推送信息的方法和装置制造方法及图纸

本申请公开了基于人工智能的推送信息的方法和装置。所述方法的一具体实施方式包括：接收用户通过客户端发送的对话信息，其中，所述对话信息用于获取预设类型信息；对所述对话信息进行语义分析；基于语义分析结果以及预先训练的用户兴趣偏好模型从预先设置的、用于存储所述预设类型信息的信息集合中选取至少一条待推送信息；将所述至少一条待推送信息发送到所述客户端。该实施方式实现了富于针对性的信息推送。

【技术实现步骤摘要】

本申请涉及计算机
，具体涉及互联网
，尤其涉及基于人工智能的推送信息的方法和装置。
技术介绍
随着互联网技术的快速发展，越来越多的用户开始通过各种终端获取信息。人工智能(ArtificialIntelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能越来越多地融入到网络及智能设备中，借助于这些网络和智能设备，用户可以采用与以往不同的方式获取信息。以新闻信息为例，早期的新闻门户网站通过把所有新闻都放在一个页面上来最大可能满足所有用户对不同新闻的需求。后来的新闻门户网站为方便用户阅读对新闻进了分类(例如，分为体育新闻、国内新闻、国际新闻等)，并且会在页面上按照一定模板样式展现给用户。当前流行的新闻应用客户端会依据用户浏览新闻兴趣爱好，浏览新闻行为习惯等，辅以一定推荐算法来挖掘出用户想要新闻，从而实现个性化新闻推荐。然而，早期新闻门户网站由于在一个页面上罗列出尽量多的新闻链接，以满足用户需求，因此页面显得杂乱无章，用户很难去找到自己真正想要的新闻，且页面能够展示的新闻数量有限，无法满足所有用户的新闻需求。通过新闻分类的方式展示新闻由于对所有用户都推荐一样的新闻，因此无法满足用户的个性化需求。新闻应用客户端虽然在一定程度上满足了用户的个性化需求，但是由于用户对新闻的需求会随着时间、周围环境和周围事件影响而发生变化，此外，这些新闻应用客户端更多的是猜测用户需求，缺乏足够的交互机制，因此很难捕捉和了解用户在某个场景下的真实需求。
技术实现思路
本申请的目的在于提出一种改进的基于人工智能的推送信息的方法和装置，来解决以上
技术介绍
部分提到的技术问题。第一方面，本申请提供了一种基于人工智能的推送信息的方法，所述方法包括：接收用户通过客户端发送的对话信息，其中，所述对话信息用于获取预设类型信息；对所述对话信息进行语义分析；基于语义分析结果以及预先训练的用户兴趣偏好模型从预先设置的、用于存储所述预设类型信息的信息集合中选取至少一条待推送信息；将所述至少一条待推送信息发送到所述客户端。在一些实施例中，所述对话信息包括不同时间所述用户输入的至少一条语句。在一些实施例中，所述方法还包括：对所述用户的历史浏览信息集合中的历史浏览信息进行分析，确定所述用户所感兴趣的信息类别；确定所述至少一条待推送信息所属的类别相同；从所述信息集合中选取所属类别与所述至少一条待推送信息所属的类别不同的、且所属类别包含在所述用户所感兴趣的信息类别中的至少一条信息；将所述至少一条信息发送到所述客户端。在一些实施例中，所述预设类型信息为新闻信息。在一些实施例中，所述基于语义分析结果以及预先训练的用户兴趣偏好模型从预先设置的、用于存储所述预设类型信息的信息集合中选取至少一条待推送信息，包括：使用所述用户兴趣偏好模型确定基于语义分析结果从所述信息集合中选取的各条信息的用户偏好指数；结合基于语义分析结果从所述信息集合中选取的各条信息的基础特征以及用户偏好指数选取至少一条待推送信息，其中，所述信息集合中的各条信息的基础特征包括以下至少一项：热门程度、关注度、关键词热度、新闻质量、时效性。在一些实施例中，所述用户兴趣偏好模型通过以下方法获得：从所述用户的历史浏览信息集合中获取所述用户所浏览的各条信息的信息特征，以及所述用户对所浏览的各条信息的偏好指数；将所述用户所浏览的各条信息的信息特征作为输入，所述用户对所浏览的各条信息的偏好指数作为输出，利用机器学习算法训练用户兴趣偏好模型。在一些实施例中，所述用户所浏览的各条信息的信息特征包括以下至少一项：信息的主题内容、关键词、所属类别。在一些实施例中，所述对话信息中的语句是用户直接输入的或者用户通过点击所述客户端显示的至少一条候选语句输入的。第二方面，本申请提供了一种基于人工智能的推送信息的装置，所述装置包括：接收单元，用于接收用户通过客户端发送的对话信息，其中，所述对话信息用于获取预设类型信息；分析单元，用于对所述对话信息进行语义分析；第一选取单元，用于基于语义分析结果以及预先训练的用户兴趣偏好模型从预先设置的、用于存储所述预设类型信息的信息集合中选取至少一条待推送信息；推送单元，用于将所述至少一条待推送信息发送到所述客户端。在一些实施例中，所述对话信息包括不同时间所述用户输入的至少一条语句。在一些实施例中，所述装置还包括：第一确定单元，用于对所述用户的历史浏览信息集合中的历史浏览信息进行分析，确定所述用户所感兴趣的信息类别；第二确定单元，用于确定所述至少一条待推送信息所属的类别相同；第二选取单元，用于从所述信息集合中选取所属类别与所述至少一条待推送信息所属的类别不同的、且所属类别包含在所述用户所感兴趣的信息类别中的至少一条信息；发送单元，用于将所述至少一条信息发送到所述客户端。在一些实施例中，所述预设类型信息为新闻信息。在一些实施例中，所述第一选取单元进一步用于：使用所述用户兴趣偏好模型确定基于语义分析结果从所述信息集合中选取的各条信息的用户偏好指数；结合基于语义分析结果从所述信息集合中选取的各条信息的基础特征以及用户偏好指数选取至少一条待推送信息，其中，所述信息集合中的各条信息的基础特征包括以下至少一项：热门程度、关注度、关键词热度、新闻质量、时效性。在一些实施例中，所述用户兴趣偏好模型通过以下方法获得：从所述用户的历史浏览信息集合中获取所述用户所浏览的各条信息的信息特征，以及所述用户对所浏览的各条信息的偏好指数；将所述用户所浏览的各条信息的信息特征作为输入，所述用户对所浏览的各条信息的偏好指数作为输出，利用机器学习算法训练用户兴趣偏好模型。在一些实施例中，所述用户所浏览的各条信息的信息特征包括以下至少一项：信息的主题内容、关键词、所属类别。在一些实施例中，所述对话信息中的语句是用户直接输入的或者用户通过点击所述客户端显示的至少一条候选语句输入的。本申请提供的基于人工智能的推送信息的方法和装置，通过对用户发送的对话信息进行语义分析，而后基于语义分析结果以及预先训练的用户兴趣偏好模型从预先设置的、用于存储预设类型信息的信息集合中选取至少一条待推送信息，最后将待推送信息发送到客户端，从而利用用户发送的对话信息以及用户兴趣偏好模型捕捉用户当前需求，实现了富于针对性的信息推送。附图说明通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：图1是本申请可以应用于其中的示例性系统架构图；图2是根据本申请的基于人工智能的推送信息的方法的一个实施例的流程图；图3是根据本申请的基于人工智能的推送信息的方法的一个应用场景的示意图；图4是根据本申请的基于人工智能的推送信息的装置的一个实施例的结构示意图；图5是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。具体实施方式下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关专利技术，而非对该专利技术的限定本文档来自技高网...

【技术保护点】
一种基于人工智能的推送信息的方法，其特征在于，所述方法包括：接收用户通过客户端发送的对话信息，其中，所述对话信息用于获取预设类型信息；对所述对话信息进行语义分析；基于语义分析结果以及预先训练的用户兴趣偏好模型从预先设置的、用于存储所述预设类型信息的信息集合中选取至少一条待推送信息；将所述至少一条待推送信息发送到所述客户端。

【技术特征摘要】
1.一种基于人工智能的推送信息的方法，其特征在于，所述方法包括：接收用户通过客户端发送的对话信息，其中，所述对话信息用于获取预设类型信息；对所述对话信息进行语义分析；基于语义分析结果以及预先训练的用户兴趣偏好模型从预先设置的、用于存储所述预设类型信息的信息集合中选取至少一条待推送信息；将所述至少一条待推送信息发送到所述客户端。2.根据权利要求1所述的方法，其特征在于，所述对话信息包括不同时间所述用户输入的至少一条语句。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述用户的历史浏览信息集合中的历史浏览信息进行分析，确定所述用户所感兴趣的信息类别；确定所述至少一条待推送信息所属的类别相同；从所述信息集合中选取所属类别与所述至少一条待推送信息所属的类别不同的、且所属类别包含在所述用户所感兴趣的信息类别中的至少一条信息；将所述至少一条信息发送到所述客户端。4.根据权利要求1所述的方法，其特征在于，所述预设类型信息为新闻信息。5.根据权利要求4所述的方法，其特征在于，所述基于语义分析结果以及预先训练的用户兴趣偏好模型从预先设置的、用于存储所述预设类型信息的信息集合中选取至少一条待推送信息，包括：使用所述用户兴趣偏好模型确定基于语义分析结果从所述信息集合中选取的各条信息的用户偏好指数；结合基于语义分析结果从所述信息集合中选取的各条信息的基础特征以及用户偏好指数选取至少一条待推送信息，其中，所述信息集合中的各条信息的基础特征包括以下至少一项：热门程度、关注度、关键词热度、新闻质量、时效性。6.根据权利要求5所述的方法，其特征在于，所述用户兴趣偏好模型通过以下方法获得：从所述用户的历史浏览信息集合中获取所述用户所浏览的各条信息的信息特征，以及所述用户对所浏览的各条信息的偏好指数；将所述用户所浏览的各条信息的信息特征作为输入，所述用户对所浏览的各条信息的偏好指数作为输出，利用机器学习算法训练用户兴趣偏好模型。7.根据权利要求6所述的方法，其特征在于，所述用户所浏览的各条信息的信息特征包括以下至少一项：信息的主题内容、关键词、所属类别。8.根据权利要求1所述的方法，其特征在于，所述对话信息中的语句是用户直接输入的或者用户通过点击所述客户端显示的至少一条候选语句输入的。9.一种基于人工智能的...

【专利技术属性】
技术研发人员：何体喜，周超，黄硕，林加新，王智圣，张岩，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：北京;11