图片推送方法及装置制造方法及图纸

本申请提供一种图片推送方法及装置，其中的方法包括：提取目标用户的多维度用户特征；将所述目标用户的多维度用户特征在预设的多个数学模型中分别进行训练；其中，所述多个数学模型分别对应不同的图片类别；所述数学模型表征用户针对该数学模型对应的图片类别的点击概率；当训练完成后，基于训练结果为所述目标用户确定目标图片类别，并从该目标图片类别，以在该目标用户的客户端界面上显示。本申请在可以在进行页面内容设计时针对不同的人群实现差异化设计。

【技术实现步骤摘要】

本申请涉及通信领域，尤其涉及一种图片推送方法及装置。
技术介绍
在现有实现中，UED(UserExperienceDesign)设计师在针对各种不同场景进行页面内容设计时，针对不同的用户人群，页面中的展示图片应该设计成什么样的图案、颜色，展示什么样的文字内容，并没有统一的标准，更多的是依赖设计师个人的经验，因此很难针对不同的人群进行差异化设计。
技术实现思路
本申请提出一种图片推送方法，该方法包括：提取目标用户的多维度用户特征；将所述目标用户的多维度用户特征在预设的多个数学模型中分别进行训练；其中，所述多个数学模型分别对应不同的图片类别；所述数学模型表征用户针对该数学模型对应的图片类别的点击概率；当训练完成后，基于训练结果为所述目标用户确定目标图片类别，并从该目标图片类别中为所述目标用户选择并推送图片。可选的，所述基于训练结果为所述目标用户确定目标图片类别包括：将所述训练结果中点击概率最高的数学模型对应的图片类别确定为所述目标图片类别。可选的，所述方法还包括：针对图片库中的图片进行多维度图片特征的提取；基于提取出的所述多维度图片特征中的每个维度对所述图片库中的图片进行分类，得到与所述多维度图片特征中的每个维度一一对应的多个图片类别。可选的，所述基于提取出的多维度的图片特征对所述图片库中的图片进行分类之前，还包括：针对所述多维度图片特征进行离散化处理。可选的，所述方法还包括：获取针对所述多个图片类别中每个图片类别的点击数据，以及与该点击数据关联的多维度用户特征；将所述每个图片类别的点击数据作为表现变量，将与该点击数据关联的多维度用户特征作为预测变量分别构建对应的数学模型，得到所述预设的多个数学模型。可选的，所述图片包括广告图片；所述数学模型包括统计模型或者机器学习模型。本申请还提出一种图片推送装置，该装置包括：第一提取模块，用于提取目标用户的多维度用户特征；训练模块，用于将所述目标用户的多维度用户特征在预设的多个数学模型中分别进行训练；其中，所述多个数学模型分别对应不同的图片类别；所述数学模型表征用户针对该数学模型对应的图片类别的点击概率；推送模块，用于在训练完成后，基于训练结果为所述目标用户确定目标图片类别，并从该目标图片类别中为所述目标用户选择并推送图片。可选的，所述推送模块具体用于：将所述训练结果中点击概率最高的数学模型对应的图片类别确定为所述目标图片类别。可选的，所述装置还包括：第二提取模块，用于针对图片库中的图片进行多维度图片特征的提取；分类模块，用于基于提取出的所述多维度图片特征中的每个维度对所述图片库中的图片进行分类，得到与所述多维度图片特征中的每个维度一一对应的多个图片类别。可选的，所述装置还包括：处理模块，用于在分类模块基于提取出的多维度的图片特征对所述图片库中的图片进行分类之前，针对所述多维度图片特征进行离散化处理。可选的，所述装置还包括：获取模块，用于获取针对所述多个图片类别中每个图片类别的点击数据，以及与该点击数据关联的多维度用户特征；构建模块，用于将所述每个图片类别的点击数据作为表现变量，将与该点击数据关联的多维度用户特征作为预测变量分别构建对应的数学模型，得到所述预设的多个数学模型。可选的，所述图片包括广告图片；所述数学模型包括统计模型或者机器学习模型。本申请通过提取目标用户的多维度用户特征；将所述目标用户的多维度用户特征在预设的多个数学模型中分别进行训练；其中，所述多个数学模型分别对应不同的图片类别；所述数学模型表征用户针对该数学模型对应的图片类别的点击概率；当训练完成后，基于训练结果为所述目标用户确定目标图片类别，并从该目标图片类别中为所述目标用户选择并推送图片，以在该目标用户的客户端界面上显示，从而可以在进行页面内容设计时针对不同的人群实现差异化设计。附图说明图1是本申请一实施例提供的一种图片推送方法的流程图；图2是本申请一实施例提供的一种多维度的图片特征宽表的示意图；图3是本申请一实施例提供的一种多维度的用户特征宽表的示意图；图4是本申请一实施例提供的一种图片推送装置的逻辑框图；图5是本申请一实施例提供的承载所述图片推送装置的服务端的硬件结构图。具体实施方式在现有实现中，UED(UserExperienceDesign)设计师在针对各种不同场景进行页面内容设计时，针对不同的用户人群，页面中的展示图片应该设计成什么样的图案、颜色，展示什么样的文字内容，并没有统一的标准，更多的是依赖设计师个人的经验。依赖UED设计师个人经验进行页面内容设计，其不足之处主要体现在：其一，个人经验的无法科学化衡量，不利于传播及复用；其二，用户群体的种类比较多的情况下，无法进行差异化设计。有鉴于此，本申请提出一种图片推送方法，通过提取目标用户的多维度用户特征；将所述目标用户的多维度用户特征在预设的多个数学模型中分别进行训练；其中，所述多个数学模型分别对应不同的图片类别；所述数学模型表征用户针对该数学模型对应的图片类别的点击概率；当训练完成后，基于训练结果为所述目标用户确定目标图片类别，并从该目标图片类别中为所述目标用户选择并推送图片，以在该目标用户的客户端界面上显示，从而可以在进行页面内容设计时针对不同的人群实现差异化设计。下面通过具体实施例并结合具体的应用场景对本申请进行描述。请参考图1，图1是本申请一实施例提供的一种图片推送方法，该方法的执行主体可以为服务端，其中服务端可以是服务器、服务器集群或者云平台，执行以下方法：步骤101，提取目标用户的多维度用户特征；步骤102，将所述目标用户的多维度用户特征在预设的多个数学模型中分别进行训练；其中，所述多个数学模型分别对应不同的图片类别；所述数学模型表征用户针对该数学模型对应的图片类别的点击概率；步骤103，当训练完成后，基于训练结果为所述目标用户确定目标图片类别，并从该目标图片类别中为所述目标用户选择并推送图片，以在该目标用户的客户端界面上显示。在本实施例中，上述预设的多个数据模型，可以由服务端基于图片的多维度图片特征，将本地图片库中的图片划分为多个图片分类，然后将每一个图片分类的点击数据作为表现变量，将与每一个图片分类的点击数据关联的用户的多维度用户特征作为预测变量进行数据训练，以完成数据模型的构建。以下从准备阶段、数据样本采集阶段和模型构建阶段等三个阶段对上述预设的多个数学模型的构建过程进行详细描述。1)准备阶段在准备阶段，服务端首先可以基于预设的图像特征提取算法对本地图片库中的图片分别进行多维度图片特征的提取；其中，所述图像特征提取算法在本实施例中不进行特别限定；所述多维度图片特征可以是指多个维度的图片特征的组合；例如，该多维度图片特征可以包括图片结构、图片颜色、图片文案内容等多个维度的图片特征。当服务端针对本地图片库中的图片进行了多个维度的图片特征的提取后，服务端可以对提取出的多个维度的图片特征进行自动组合，作为该图片的多维度图片特征；例如，假设服务端提取出的图片特征可以包括图片结构、图片颜色、图片文案内容等多个维度的图片特征，服务端可以基于提取出的图片结构、图片颜色以及图片文案内容等多个维度图片特征来组合构建出一个多维度的图片特征宽表，通过该图片特征宽表来描述图片库中的图片的本文档来自技高网...

【技术保护点】
一种图片推送方法，其特征在于，该方法包括：提取目标用户的多维度用户特征；将所述目标用户的多维度用户特征在预设的多个数学模型中分别进行训练；其中，所述多个数学模型分别对应不同的图片类别；所述数学模型表征用户针对该数学模型对应的图片类别的点击概率；当训练完成后，基于训练结果为所述目标用户确定目标图片类别，并从该目标图片类别中为所述目标用户选择并推送图片。

【技术特征摘要】
1.一种图片推送方法，其特征在于，该方法包括：提取目标用户的多维度用户特征；将所述目标用户的多维度用户特征在预设的多个数学模型中分别进行训练；其中，所述多个数学模型分别对应不同的图片类别；所述数学模型表征用户针对该数学模型对应的图片类别的点击概率；当训练完成后，基于训练结果为所述目标用户确定目标图片类别，并从该目标图片类别中为所述目标用户选择并推送图片。2.根据权利要求1所述的方法，其特征在于，所述基于训练结果为所述目标用户确定目标图片类别包括：将所述训练结果中点击概率最高的数学模型对应的图片类别确定为所述目标图片类别。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：针对图片库中的图片进行多维度图片特征的提取；基于提取出的所述多维度图片特征中的每个维度对所述图片库中的图片进行分类，得到与所述多维度图片特征中的每个维度一一对应的多个图片类别。4.根据权利要求3所述的方法，其特征在于，所述基于提取出的多维度的图片特征对所述图片库中的图片进行分类之前，还包括：针对所述多维度图片特征进行离散化处理。5.根据权利要求3所述的方法，其特征在于，所述方法还包括：获取针对所述多个图片类别中每个图片类别的点击数据，以及与该点击数据关联的多维度用户特征；将所述每个图片类别的点击数据作为表现变量，将与该点击数据关联的多维度用户特征作为预测变量分别构建对应的数学模型，得到所述预设的多个数学模型。6.根据权利要求1所述的方法，其特征在于，所述图片包括广告图片；所述数学模型包括统计模型或者机器学习模型。7.一种图片推送装置，其特征在于，该装置包括：第一提取模块，...

【专利技术属性】
技术研发人员：何勇，
申请(专利权)人：阿里巴巴集团控股有限公司，
类型：发明
国别省市：开曼群岛;KY