【技术实现步骤摘要】
一种推送信息确定方法及装置
本申请涉及计算机应用
,具体而言,涉及一种推送信息确定方法及装置。
技术介绍
目前,随着智能移动终端的快速发展,信息推送在人们生活中越来越常见;例如广告信息的推送、银行理财产品推荐信息的推送、银行借贷业务催收信息的推送、视频推荐信息的推送等。而在进行信息推送之前,一般需要预先收集用户的行为、偏好等信息,并基于收集到的信息确定用户更感兴趣,或者能够满足用户需要的待推送信息。当前在确定待推送信息时,存在待推送信息确定不准确的问题,进而造成网络资源的浪费。
技术实现思路
有鉴于此,本申请实施例的目的在于提供一种推送信息确定方法及装置,能够解决上述问题。第一方面,本申请实施例提供了一种推送信息确定方法,应用于服务器,该推送信息确定方法包括:获取待推送用户在至少一个历史时间段中,每个历史时间段的历史行为信息;基于每个历史时间段内的历史行为信息,生成用于表征用户行为特征的特征向量序列;所述特征向量序列中包括:与各个历史时间段分别对应的特征向量;对所述特征向量序列分别进行至少两次特征提取,并基于所述至少两次特征提取的结果,得到与所述特征向量序列中各个特征向量分别对应的至少两个权重;基于所述至少两个权重、以及所述特征向量序列,得到所述待推送用户在当前时间段内的行为偏好信息;基于行为偏好信息确定目标推送信息。一种可选的实施方式中,还包括:将所述目标推送信息推送至所述待推送用户的用户终端。一种可选的实施方式中,所 ...
【技术保护点】
1.一种推送信息确定方法,其特征在于,应用于服务器,该推送信息确定方法包括:/n获取待推送用户在至少一个历史时间段中,每个历史时间段的历史行为信息;/n基于每个历史时间段内的历史行为信息,生成用于表征用户行为特征的特征向量序列;所述特征向量序列中包括:与各个历史时间段分别对应的特征向量;/n对所述特征向量序列分别进行至少两次特征提取,并基于所述至少两次特征提取的结果,得到与所述特征向量序列中各个特征向量分别对应的至少两个权重;/n基于所述至少两个权重、以及所述特征向量序列,得到所述待推送用户在当前时间段内的行为偏好信息;/n基于行为偏好信息确定目标推送信息。/n
【技术特征摘要】
1.一种推送信息确定方法,其特征在于,应用于服务器,该推送信息确定方法包括:
获取待推送用户在至少一个历史时间段中,每个历史时间段的历史行为信息;
基于每个历史时间段内的历史行为信息,生成用于表征用户行为特征的特征向量序列;所述特征向量序列中包括:与各个历史时间段分别对应的特征向量;
对所述特征向量序列分别进行至少两次特征提取,并基于所述至少两次特征提取的结果,得到与所述特征向量序列中各个特征向量分别对应的至少两个权重;
基于所述至少两个权重、以及所述特征向量序列,得到所述待推送用户在当前时间段内的行为偏好信息;
基于行为偏好信息确定目标推送信息。
2.根据权利要求1所述的推送信息确定方法,其特征在于,还包括:将所述目标推送信息推送至所述待推送用户的用户终端。
3.根据权利要求1所述的推送信息确定方法,其特征在于,所述对所述特征向量序列进行至少两次特征提取,并基于所述至少两次特征提取的结果,得到与所述特征向量序列中各个特征向量分别对应的至少两个权重,包括:
使用至少两个神经网络中分别对所述特征向量序列进行特征提取,得到与各个神经网络分别对应的中间特征向量;不同神经网络的网络结构和/或网络参数不同;
对所述特征向量序列,以及各个神经网络分别对应的中间特征向量进行交叉注意力处理,得到各个特征向量分别在各个所述神经网络下的权重。
4.根据权利要求3所述的推送信息确定方法,其特征在于,针对与每个特征向量对应的权重有两个的情况,所述神经网络包括:第一神经网络以及第二神经网络;所述中间特征向量包括:与所述第一神经网络对应的第一中间特征向量、以及与所述第二神经网络对应的第二中间特征向量;
所述对所述特征向量序列,以及各个神经网络分别对应的中间特征向量,进行交叉注意力处理,得到各个特征向量分别在各个所述神经网络下的权重,包括:
对所述特征向量序列、以及与所述第二神经网络对应的第二中间特征向量进行注意力处理,得到各个特征向量分别在所述第一神经网络下的第一权重;
对所述特征向量序列、以及与所述第一神经网络对应的第一中间特征向量进行注意力处理,得到各个特征向量分别在所述第二神经网络下的第二权重。
5.根据权利要求3所述的推送信息确定方法,其特征在于,所述基于所述至少两个权重、以及所述特征向量序列,得到所述待推送用户在当前时间段内的行为偏好信息,包括:
针对每个神经网络,基于各个所述特征向量分别在该神经网络下权重,对各个所述特征向量进行加权处理,得到与该神经网络对应的加权特征向量序列;
将与该神经网络对应的加权特征向量序列输入该神经网络中,得到与该神经网络对应的目标特征向量;
基于各个神经网络分别对应的目标特征向量,得到所述待推送用户在当前时间段内的行为偏好信息。
6.根据权利要求4所述的推送信息确定方法,其特征在于,所述基于所述至少两个权重、以及所述特征向量序列,得到所述待推送用户在当前时间段内的行为偏好信息,包括:
基于各个特征向量分别在所述第一神经网络下的第一权重,对所述特征向量序列进行加权处理,得到第一加权特征向量序列;将所述第一加权特征向量序列输入至第一神经网络中,得到与第一神经网络对应的第一目标特征向量;
基于各个特征向量分别在所述第二神经网络下的第二权重,对所述特征向量序列进行加权处理,得到第二加权特征向量序列;将所述第二加权特征向量序列输入至第二神经网络中,得到与第二神经网络对应的第二目标特征向量;
将所述第一目标特征向量和所述第二目标特征向量进行拼接后,输入至预先训练的分类器,得到所述行为偏好信息。
7.根据权利要求3所述的推送信息确定方法,其特征在于,所述神经网络包括:特征提取网络、以及最大池化层;
所述特征提取网络包括:长短期记忆网络、循环神经网络、以及门控循环单元中一种或者多种。
8.根据权利要求1所述的推送信息确定方法,其特征在于,每个所...
【专利技术属性】
技术研发人员:郭豪,孙善萍,宋昕,蔡准,孙悦,郭晓鹏,
申请(专利权)人:北京芯盾时代科技有限公司,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。