选取对象推送封面图的方法、装置、设备、存储介质制造方法及图纸

本公开提供选取对象推送封面图的方法，包括：获取登录客户端app的用户id；将网站内的目标对象的图片输入到已训练好的神经网络中，所述神经网络输出表示每张所述图片作为推送图片的可行度的值的第1推送分数、以及表示预测每张所述图片属于多个类别中每一类别的概率的值的第1类别分数；根据所述用户id的浏览记录来计算表示用户对多个类别封面图中的每一类别感兴趣程度的第2类别分数；融合所述第1推送分数、所述第1类别分数、以及所述第2类别分数这三者，得到与三者成正相关关系的图片推送分数；以及选取所述图片推送分数最高的图片作为封面图并向所述用户id的app推送。

Method, device, equipment and storage medium of selecting object to push cover map

【技术实现步骤摘要】
选取对象推送封面图的方法、装置、设备、存储介质
本公开涉及计算机软件
，尤其涉及一种选取对象推送封面图的方法、装置、设备、存储介质。
技术介绍
随着互联网技术、计算机技术的发展，人们在需要购买实体商品或服务商品等对象时，例如购房或者租房时，逐渐从依赖于实体店房屋中介机构转变到通过互联网查找房源，由此提高查找房源的效率。通过互联网查找房源时，经常在智能终端上使用找房、租房APP(应用软件)。作为APP的运营方，为了提高业绩，会通过APP推送包含了楼市政策、银行利率变化等房产新闻，也有的app包含了个性化房源推送。个性化房源推送指的是根据用户的购租房兴趣，推送符合用户兴趣的二手房、新房、出租房。个性化对象推送，例如个性化房源推送对于提高用户留存、提升用户粘性有很大的帮助。在个性化对象推送中，如果推送的内容带上对象相关的图片，则能够给用户对于该对象最直接的印象，因此能够一定程度上提升推送内容的点击率。
技术实现思路
本公开提供一种选取对象推送封面图的方法、装置、设备、存储介质。本公开提供该
技术实现思路
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该
技术实现思路
部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。为了解决上述技术问题，本公开实施例提供一种选取对象推送封面图的方法，其特征在于，包括：获取登录客户端app的用户id；将网站内的目标对象的图片输入到已训练好的神经网络中，所述神经网络输出表示每张所述图片作为推送图片的可行度的值的第1推送分数、以及表示预测每张所述图片属于多个类别中每一类别的概率的值的第1类别分数；根据所述用户id的浏览记录来计算表示用户对多个类别封面图中的每一类别感兴趣程度的第2类别分数；融合所述第1推送分数、所述第1类别分数、以及所述第2类别分数这三者，得到与三者成正相关关系的图片推送分数；以及选取所述图片推送分数最高的图片作为封面图并向所述用户id的app推送。本公开实施例提供一种选取对象推送封面图的方法，其特征在于，包括：获取登录客户端app的用户id；将网站内的目标对象的图片输入到已训练好的神经网络中，所述神经网络输出表示预测每张所述图片属于多个类别中每一类别的概率的值的第1类别分数；根据所述用户id的浏览记录来计算表示用户对多个类别封面图中的每一类别感兴趣程度的第2类别分数；融合所述第1类别分数、以及所述第2类别分数这两者，得到与两者成正相关关系的图片推送分数；以及选取所述图片推送分数最高的图片作为封面图并向所述用户id的app推送。本公开实施例提供一种选取对象推送封面图的装置，其特征在于，包括：第1运算模块，其利用训练好的神经网络模块，以目标对象的图片作为输入，并输出表示每张所述图片作为推送图片的可行度的值的第1推送分数、以及表示预测每张所述图片属于多个类别中每一类别的概率的值的第1类别分数；第2运算模块，其根据用户id的浏览记录来计算表示用户对多个类别封面图中的每一类别感兴趣程度的第2类别分数；推送分数计算模块，其从所述第2运算模块获取所述用户id和所述第2类别分数，并从所述第1运算模块获取所述第1推送分数、所述第1类别分数，融合所述第1推送分数、所述第1类别分数、以及所述第2类别分数这三者，得到与三者成正相关关系的图片推送分数；以及推送模块，其选取所述图片推送分数最高的图片作为封面图并向所述用户id的app推送。本公开实施例提供一种选取对象推送封面图的装置，其特征在于，包括：第1运算模块，其利用训练好的神经网络模块，以目标对象的图片作为输入，并输出表示预测每张所述图片属于多个类别中每一类别的概率的值的第1类别分数；第2运算模块，其根据用户id的浏览记录来计算表示用户对多个类别封面图中的每一类别感兴趣程度的第2类别分数；推送分数计算模块，其从所述第2运算模块获取所述用户id和所述第2类别分数，并从所述第1运算模块获取所述第1类别分数，融合所述第1类别分数、以及所述第2类别分数这两者，得到与两者成正相关关系的图片推送分数；以及推送模块，其选取所述图片推送分数最高的图片作为封面图并向所述用户id的app推送。本公开实施例提供一种电子设备，其特征在于，包括：至少一个存储器和至少一个处理器；其中，存储器用于存储程序代码，所述处理器用于调用所述存储器所存储的程序代码执行上述的任一项所述的选取对象推送封面图的方法。本公开实施例提供一种存储介质，所述存储介质用于存储程序代码，所述程序代码用于执行上述的选取对象推送封面图的方法。根据本公开的技术方案，能够通过预测图片分类、预测用户兴趣以及在线实时计算用户对某个对象的一些图片的感兴趣分数，预测用户对每个类别对象图片的感兴趣程度，从而决定将哪个图片选用为对象推送封面图，能够迅速且准确地瞄准用户需求，提高用户的使用体验，从而提高用户留存、提升用户粘性。附图说明图1是本公开可以应用于其中的示例性系统架构图；图2是示出了本公开的选取对象推送封面图的方法的一个实施例的流程图。图3是示出了本公开的神经网络的示意图。图4是示出了本公开的选取对象推送封面图的方法的一个实施例的流程图。图5是示出了本公开的选取对象推送封面图的方法的一个实施例的流程图。图6是示出了本公开的选取对象推送封面图的方法的一个实施例的流程图。图7是示出了适于用来实现本公开实施例的电子设备的结构示意图。结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。具体实施方式除非另有定义，本文所使用的所有的技术和科学术语与属于本公开的
的技术人员通常理解的含义相同；本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本公开；本公开的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形，意图在于覆盖不排他的包含。本公开的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象，而不是用于描述特定顺序。在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本公开的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。下面，以个性化房源推送为例来说明本公开，但是，应当理解本公开不限于房源推送，能够适用于很多实物商品、服务商品等对象。当前，在个性化房源推送中，一套房子往往对应很多张照片，选择的图片的质量、类型对推送的点本文档来自技高网...

【技术保护点】
1.一种选取对象推送封面图的方法，其特征在于，包括：/n获取登录客户端app的用户id；/n将网站内的目标对象的图片输入到已训练好的神经网络中，所述神经网络输出表示每张所述图片作为推送图片的可行度的值的第1推送分数、以及表示预测每张所述图片属于多个类别中每一类别的概率的值的第1类别分数；/n根据所述用户id的浏览记录来计算表示用户对多个类别封面图中的每一类别感兴趣程度的第2类别分数；/n融合所述第1推送分数、所述第1类别分数、以及所述第2类别分数这三者，得到与三者成正相关关系的图片推送分数；以及/n选取所述图片推送分数最高的图片作为封面图并向所述用户id的app推送。/n

【技术特征摘要】
1.一种选取对象推送封面图的方法，其特征在于，包括：
获取登录客户端app的用户id；
将网站内的目标对象的图片输入到已训练好的神经网络中，所述神经网络输出表示每张所述图片作为推送图片的可行度的值的第1推送分数、以及表示预测每张所述图片属于多个类别中每一类别的概率的值的第1类别分数；
根据所述用户id的浏览记录来计算表示用户对多个类别封面图中的每一类别感兴趣程度的第2类别分数；
融合所述第1推送分数、所述第1类别分数、以及所述第2类别分数这三者，得到与三者成正相关关系的图片推送分数；以及
选取所述图片推送分数最高的图片作为封面图并向所述用户id的app推送。


2.根据权利要求1所述的选取对象推送封面图的方法，其特征在于，
融合所述第1推送分数、所述第1类别分数、以及所述第2类别分数这三者，得到与三者成正相关关系的图片推送分数包括：
使用算式(1)和算式(2)之一进行计算，
T＝s*(c_1*t_1+c_2*t_2+c_3*t_3+…+c_n*t_n)(1)
T＝s*exp(c_1*t_1+c_2*t_2+c_3*t_3+…+c_n*t_n)(2)
其中，T表示图片推送分数，s表示第1推送分数，c_1、c_2、c_3…c_n表示图片的第1类别分数、t_1、t_2、t_3…t_n表示图片的第2类别分数。


3.根据权利要求1所述的选取对象推送封面图的方法，其特征在于，
还包括：
在获取所述第1推送分数、所述第1类别分数之前，根据预定的过滤参数来过滤网站内的图片。


4.根据权利要求1至3的任一项所述的选取对象推送封面图的方法，其特征在于，
所述神经网络的训练包括：
收集现有的图片，对每张所述图片标注表示其可否作为某种对象的推送图片的训练用推送分数以及图片类别信息，针对每张所述图片得到至少包含图片、训练用推送分数、以及图片类别信息在内的第1多元组；以及
使用所述第1多元组训练神经网络。


5.根据权利要求4所述的选取对象推送封面图的方法，其特征在于，
所述用户id的浏览记录是通过在app列表中记录用户浏览商品时浏览过的封面图片和点击过的封面图片，从而得到的多个至少包含用户id、封面图片类别、以及点击与否信息在内的第2多元组。


6.一种选取对象推送封面图的方法，其特征在于，包括：
获取登录客户端app的用户id；
将网站内的目标对象的图片输入到已训练好的神经网络中，所述神经网络输出表示预测每张所述图片属于多个类别中每一类别的概率的值的第1类别分数；
根据所述用户id的浏览记录来计算表示用户对多个类别封面图中的每一类别感兴趣程度的第2类别分数；
融合所述第1类别分数、以及所述第2类别分数这两者，得到与两者成正相关关系的图片推送分数；以及
选取所述图片推送分数最高的图片作为封面图并向所述用户id的app推送。


7.根据权利要求6所述的选取对象推送封面图的方法，其特征在于，
融合所述第1类别分数、以及所述第2类别分数这两者，得到与两者成正相关关系的图片推送分数包括：
使用算式(3)进行计算，
T＝c_1*t_1+c_2*t_2+c_...

【专利技术属性】
技术研发人员：姚英杰，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京;11