信息推送方法、装置、电子设备及计算机可读介质制造方法及图纸

本申请公开了一种信息推送方法、装置、电子设备及计算机可读介质，涉及信息处理领域，该方法包括：获取待推送内容和与用户对应的用户数据，依据推送模型得到第一兴趣因子和第二兴趣因子，以及依据注意力模型得到兴趣权重，所述兴趣权重包括与所述第一兴趣因子对应的第一权重和与所述第二兴趣因子对应的第二权重；至少根据第一兴趣因子、第二兴趣因子、兴趣权重，得到待推送内容的用户兴趣度；根据用户兴趣度推送待推送内容。因此，由两个模型得到的第一兴趣因子和第二兴趣因子各自的权重可以根据待推送内容和用户数据由注意力模型得到，使得权重的设定更加合理，从而使两个模型得到的兴趣结果融合效果更佳。

【技术实现步骤摘要】
信息推送方法、装置、电子设备及计算机可读介质
本申请涉及信息处理领域，更具体地，涉及一种信息推送方法、装置、电子设备及计算机可读介质。
技术介绍
互联网给用户带来大量信息，满足了用户在信息时代对信息的需求，但也使用户在面对大量信息时无法快速从中获得对自己真正有用的信息，因此，信息的使用效率反而降低了。推荐系统能有效帮助用户快速发现感兴趣和高质量的信息，其是自动联系用户和物品的一种工具，能够在信息过多的环境中发现令用户感兴趣的信息，并将信息推送给用户。然而，目前推荐系统确定的兴趣结果往往不够准确，使得推送结果不够准确。
技术实现思路
本申请提出了一种信息推送方法、装置、电子设备及计算机可读介质，以改善上述缺陷。第一方面，本申请实施例提供了一种信息推送方法，包括：获取待推送内容和与用户对应的用户数据，依据推送模型得到第一兴趣因子和第二兴趣因子，以及依据注意力模型得到兴趣权重，所述兴趣权重包括与所述第一兴趣因子对应的第一权重和与所述第二兴趣因子对应的第二权重；至少根据所述第一兴趣因子、所述第二兴趣因子和所述兴趣权重，得到所述待推送内容的用户兴趣度；根据所述用户兴趣度推送所述待推送内容。第二方面，本申请实施例还提供了一种信息推送装置，包括：获取单元、确定单元和推送单元。获取单元，用于获取待推送内容和与用户对应的用户数据，依据推送模型得到第一兴趣因子和第二兴趣因子，以及依据注意力模型得到兴趣权重，所述兴趣权重包括与所述第一兴趣因子对应的第一权重和与所述第二兴趣因子对应的第二权重。确定单元，用于至少根据所述第一兴趣因子、所述第二兴趣因子和所述兴趣权重，得到所述待推送内容的用户兴趣度。推送单元，用于根据所述用户兴趣度将所述待推送内容推送至用户终端。第三方面，本申请实施例还提供了一种电子设备，包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述方法。第四方面，本申请实施例还提供了一种计算机可读介质，所述可读存储介质存储有处理器可执行的程序代码，所述程序代码被所述处理器执行时使所述处理器执行上述方法。本申请提供的信息推送方法、装置、电子设备及计算机可读介质，根据双模型结构的推送模型以及待推送内容与用户对应的用户数据得到第一兴趣因子和第二兴趣因子，则第一兴趣因子和第二兴趣因子的权重可以根据注意力模型而确定。即，将待推送内容与用户数据输入注意力模型，得到第一兴趣因子对应的第一权重和所述第二兴趣因子对应的第二权重，然后根据第一兴趣因子、所述第二兴趣因子、第一权重和第二权重得到待推送内容的用户兴趣度，再根据该用户兴趣度推送该待推送内容。因此，由两个模型得到的第一兴趣因子和第二兴趣因子各自的权重可以根据待推送内容和用户数据由注意力模型得到，使得权重的设定更加合理，从而使两个模型得到的兴趣结果融合效果更佳，即得到的用户兴趣度更加准确。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1示出了本申请实施例提供的信息推送方法的应用场景的示意图；图2示出了一种推送系统的示意图；图3示出了本申请一实施例提供的一种信息推送方法的方法流程图；图4示出了本申请实施例提供的目标客户端的一个界面的示意图；图5示出了本申请实施例提供的目标客户端的另一个界面的示意图；图6示出了本申请另一实施例提供的一种信息推送方法的方法流程图；图7示出了双模型结构的推送模型的计算过程的示意图；图8示出了注意力模型的计算流程的示意图；图9示出了本申请实施例提供的双模型结构的推送模型的计算过程的示意图；图10示出了本申请一实施例提供的一种信息推送装置的模块框图；图11示出了本申请另一实施例提供的一种信息推送装置的模块框图；图12示出了本申请实施例提供的电子设备的模块框图；图13示出了本申请实施例提供的用于保存或者携带实现根据本申请实施例的信息推送方法的程序代码的存储单元。具体实施方式为了使本
的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述。随着互联网技术的发展，信息快速增长，如何对信息进行快速有效地筛选，从而将适合用户的个性化内容(如商品、广告、新闻资讯、APP等等)准确地推荐推荐给用户，是当前一个重要研究课题。为了解决这个问题，基于特征工程(FeatureEngineering)的推荐系统应运而生。推荐系统能有效帮助用户快速发现感兴趣和高质量的信息，其是自动联系用户和物品的一种工具，能够在信息过多的环境中发现令用户感兴趣的信息，并将信息推送给用户。请参阅图1，图1示出了本申请实施例提供的信息推送方法的应用场景的示意图。如图1中所示，用户终端100和服务器200位于无线网络或有线网络中，用户终端100和服务器200进行数据交互。服务器200可以是单独的服务器，也可以是服务器集群，可以是本地服务器，也可以是云端服务器。服务器200能够通过用户终端100收集用户数据。其中，用户数据可以包括用户基础数据、用户兴趣数据、用户终端数据、用户终端操作数据以及用户应用数据等。其中，用户基础数据可以包括用户的身高、体重以及性别等基础信息，该用户基础数据可以是用户通过用户终端100发送至服务器200并存储的，例如，用户在注册登录该用户终端100的帐号的时候，录入的数据并且发送至服务器200，由服务器200将该数据与用户身份标识对应存储。用户兴趣数据可以是用户兴趣标签，该用户兴趣标签可以是用户通过用户终端100录入服务器200内并存储的。该用户兴趣标签可以包括美食、音乐、视频、游戏等用户经常关注的内容。用户终端数据可以包括用户所使用的终端的属性信息，例如，内存容量、电池容量或屏幕尺寸等，服务器获取该用户终端数据的方式可以是用户上报或者通过用户终端内的SDK组件采集。用户终端操作数据为用户操作用户终端的操作数据，则该操作数据可以是用户操作用户终端的电源键、音量键等物理按键或者用户终端的系统应用或者操作系统等所产生的数据，服务器获取该用户终端操作数据的方式可以是通过用户终端的操作系统内的SDK组件收集。用户应用数据可以是用户操作安装在用户终端内的应用程序的操作数据，例如，用户在视频应用内所观看的视频、用户在地图APP内搜索的目的地以及用户在浏览器内浏览的网页等数据，服务器获取该用户应用数据的方式可以是用户上报或者通过用户终端内的各个应用程序内的SDK组件采集。上述推荐系统可以部署在服务器内，并且服务器能够基于用户数据，并通过推送系统为用户推送内容。如图2所示，图2示出了一种推送系统的示意图。该推荐系统20包括用户画像模本文档来自技高网...

【技术保护点】
1.一种信息推送方法，其特征在于，包括：/n获取待推送内容和与用户对应的用户数据，依据推送模型得到第一兴趣因子和第二兴趣因子，以及依据注意力模型得到兴趣权重，所述兴趣权重包括与所述第一兴趣因子对应的第一权重和与所述第二兴趣因子对应的第二权重；/n至少根据所述第一兴趣因子、所述第二兴趣因子和所述兴趣权重，得到所述待推送内容的用户兴趣度；/n根据所述用户兴趣度推送所述待推送内容。/n

【技术特征摘要】
1.一种信息推送方法，其特征在于，包括：
获取待推送内容和与用户对应的用户数据，依据推送模型得到第一兴趣因子和第二兴趣因子，以及依据注意力模型得到兴趣权重，所述兴趣权重包括与所述第一兴趣因子对应的第一权重和与所述第二兴趣因子对应的第二权重；
至少根据所述第一兴趣因子、所述第二兴趣因子和所述兴趣权重，得到所述待推送内容的用户兴趣度；
根据所述用户兴趣度推送所述待推送内容。


2.根据权利要求1所述的方法，其特征在于，所述推送模型为双模型结构，包括第一模型和第二模型，所述用户数据包括用户画像数据和所述用户对应的用户浏览数据，所述依据推送模型得到第一兴趣因子和第二兴趣因子，包括：
获取所述待推送内容和所述用户画像数据，依据所述第一模型，得到所述第一兴趣因子；
获取所述待推送内容和所述用户浏览数据，依据所述第二模型，得到所述第二兴趣因子。


3.根据权利要求2所述的方法，其特征在于，所述依据注意力模型得到兴趣权重，包括：
获取所述待推送内容和所述用户画像数据，依据所述注意力模型，得到所述第一权重。


4.根据权利要求3所述的方法，其特征在于，所述获取所述待推送内容和所述用户画像数据，依据所述注意力模型，得到所述第一权重，包括：
由所述第一模型获取与所述待推送内容对应的特征向量以及与所述用户画像数据对应的特征向量，依据所述注意力模型，得到所述第一权重。


5.根据权利要求4所述的方法，其特征在于，所述由所述第一模型获取与所述待推送内容对应的特征向量以及与所述用户画像数据对应的特征向量，依据所述注意力模型，得到所述第一权重包括：
将所述与所述待推送内容对应的特征向量和与所述用户画像数据对应的特征向量代入注意力函数，以得到所述第一权重，其中，所述注意力函数为：



其中，Attention(Q,K,V)为第一权重，Q为所述待推送内容对应的特征向量，K和V均为所述用户画像数据对应的特征向量，dk为用户画像数据对应的特征向量的维度。


6.根据权利要求2所述的方法，其特征在于，所述获取待推送内容和与用户对应的用户数据，依据注意力模型得到兴趣权重，包括：
获取所述待推送内容和所述用户浏览数据，依据所述注意力模型，得到所述第二权重。


7.根据权利要求6所述的方法，其特征在于，所述获取所述待推送内容和所述用户浏览数据，依据所述注意力模型，得到所述第二权重，包括：
由所述第二模型获取所述与所述待推送内容对应的特征向量和与所述用户浏览数据对应的特征向量，依据所述注意力模型，得到所述第二权重。
<...

【专利技术属性】
技术研发人员：杜颖，张伸正，
申请(专利权)人：腾讯科技北京有限公司，
类型：发明
国别省市：北京;11