用于推送信息的方法和装置制造方法及图纸

本公开的实施例公开了用于推送信息的方法和装置。该方法的一具体实施方式包括：获取用户的行为特征向量和属性特征向量，以及分别获取信息集中的各信息的属性特征向量；将用户的行为特征向量输入至预先训练的胶囊网络，生成至少两个用于表征用户的兴趣的胶囊向量；将至少两个胶囊向量分别与用户的属性特征向量进行拼接，以及根据拼接结果，生成至少两个用于表征用户的用户表征向量；确定信息集中的信息的属性特征向量与用户表征向量的匹配度，以及根据确定的匹配度，从信息集中选取信息进行推送。该实施方式有助于捕捉用户更多方面的兴趣，以更全面的进行用户表征。以更全面的进行用户表征。以更全面的进行用户表征。

【技术实现步骤摘要】
用于推送信息的方法和装置


[0001]本公开的实施例涉及计算机
，具体涉及用于推送信息的方法和装置。

技术介绍

[0002]现有的基于大数据的信息推送方法通常都是先根据用户的历史数据对用户的兴趣进行建模，以精准地捕捉用户的兴趣，并为用户推送其感兴趣的内容。因此对用户的兴趣建模是非常关键的一个步骤，直接影响到后续的信息推送效果。
[0003]一般地，会基于用户的历史行为数据向用户推送用户历史直接交互过的信息(如浏览或购买过的物品和品牌等)，但是这种方式很容易导致推送内容收敛，而且频繁地向用户推送其交互过的信息也会一定程度地影响用户体验。基于此，如何探索用户潜在的偏好，对用户偏好进行泛化也是值得思考的一个问题。

技术实现思路

[0004]本公开的实施例提出了用于推送信息的方法和装置。
[0005]第一方面，本公开的实施例提供了一种用于推送信息的方法，该方法包括：获取用户的行为特征向量和属性特征向量，以及分别获取信息集中的各信息的属性特征向量；将用户的行为特征向量输入至预先训练的胶囊网络，生成至少两个用于表征用户的兴趣的胶囊向量；将至少两个胶囊向量分别与用户的属性特征向量进行拼接，以及根据拼接结果，生成至少两个用于表征用户的用户表征向量；确定信息集中的信息的属性特征向量与用户表征向量的匹配度，以及根据确定的匹配度，从信息集中选取信息进行推送。
[0006]第二方面，本公开的实施例提供了一种用于推送信息的装置，该装置包括：获取单元，被配置成获取用户的行为特征向量和属性特征向量，以及分别获取信息集中的各信息的属性特征向量；生成单元，被配置成将用户的行为特征向量输入至预先训练的胶囊网络，生成至少两个用于表征用户的兴趣的胶囊向量；生成单元，进一步被配置成将至少两个胶囊向量分别与用户的属性特征向量进行拼接，以及根据拼接结果，生成至少两个用于表征用户的用户表征向量；推送单元，被配置成确定信息集中的信息的属性特征向量与用户表征向量的匹配度，以及根据确定的匹配度，从信息集中选取信息进行推送。
[0007]第三方面，本公开的实施例提供了一种电子设备，该电子设备包括：一个或多个处理器；存储装置，用于存储一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
[0008]第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
[0009]本公开的实施例提供的用于推送信息的方法和装置，利用胶囊网络根据用户的行为特征和属性特征对用户进行多兴趣分析，以捕捉用户多方面的兴趣，使用多个用户表征向量更全面的表征用户，进而基于多个用户表征向量与信息的属性特征的匹配度，不仅可以提升向用户推送的信息的准确度，还可以泛化出一些历史中用户无直接交互的信息，避
免用户接收到的推送信息收敛的情况。
附图说明
[0010]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，本公开的其它特征、目的和优点将会变得更明显：
[0011]图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
[0012]图2是根据本公开的用于推送信息的方法的一个实施例的流程图；
[0013]图3是根据本公开的用于推送信息的方法的又一个实施例的流程图；
[0014]图4是根据本公开的用户表征模型的训练网络结构的一个实施例的示意图；
[0015]图5是根据本公开的用于推送信息的方法的再一个实施例的流程图；
[0016]图6是根据本公开的实施例的用于推送信息的方法的一个应用场景的示意图；
[0017]图7是根据本公开的用于推送信息的装置的一个实施例的结构示意图；
[0018]图8是适于用来实现本公开的实施例的电子设备的结构示意图。
具体实施方式
[0019]下面结合附图和实施例对本公开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。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。
[0020]需要说明的是，本公开中的实施例所涉及的数据采集(如用户属性特征、行为特征、物品信息等)是在已获取到相关主体的授权的基础上进行的，均符合相关法律法规的规定。
[0021]需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。
[0022]图1示出了可以应用本公开的用于推送信息的方法或用于推送信息的装置的实施例的示例性架构100。
[0023]如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0024]终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如浏览器类应用、搜索类应用、即时通信工具、社交平台、购物类应用等等。
[0025]终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。
[0026]服务器105可以是提供各种服务的服务器，例如为终端设备101、102、103上安装的客户端应用提供后端支持的服务器。服务器105可以根据终端设备101、102、103对应的用户的行为特征向量和属性特征向量生成至少两个用户表征向量，并根据生成的用户表征向量
与信息集中信息的属性特征向量的匹配度，从信息集中选取信息向终端设备101、102、103进行推送。
[0027]需要说明的是，本公开的实施例所提供的用于推送信息的方法一般由服务器105执行，相应地，用于推送信息的装置一般设置于服务器105中。
[0028]还需要指出的是，终端设备101、102、103中也可以安装有信息推送类应用，终端设备101、102、103也可以基于信息推送类应用对用户的行为特征向量和属性特征向量、信息集中的各信息的属性特征向量进行处理，此时，用于推送信息的方法也可以由终端设备101、102、103执行，相应地，用于推送信息的装置也可以设置于终端设备101、102、103中。此时，示例性系统架构100可以不存在服务器105和网络104。
[0029]需要说明的是，服务器105可以是硬件，也可以是软件。当服本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于推送信息的方法，包括：获取用户的行为特征向量和属性特征向量，以及分别获取信息集中的各信息的属性特征向量；将所述用户的行为特征向量输入至预先训练的胶囊网络，生成至少两个用于表征所述用户的兴趣的胶囊向量；将所述至少两个胶囊向量分别与所述用户的属性特征向量进行拼接，以及根据拼接结果，生成至少两个用于表征所述用户的用户表征向量；确定所述信息集中的信息的属性特征向量与所述用户表征向量的匹配度，以及根据确定的匹配度，从所述信息集中选取信息进行推送。2.根据权利要求1所述的方法，其中，所述根据拼接结果，生成至少两个用于表征所述用户的用户表征向量，包括：根据拼接结果，利用注意力机制生成至少两个用于表征所述用户的用户表征向量。3.根据权利要求2所述的方法，其中，所述根据拼接结果，利用注意力机制生成至少两个用于表征所述用户的用户表征向量，包括：将所述拼接结果输入至预先训练的全连接网络，得到至少两个初始用户表征向量；将所述至少两个初始用户表征向量输入至基于注意力机制实现的注意力网络，得到至少两个用户表征向量。4.根据权利要求1所述的方法，其中，所述用户的行为特征向量用于表征所述用户的实时行为特征和历史行为特征。5.根据权利要求3所述的方法，其中，所述获取用户的行为特征向量和属性特征向量，以及分别获取信息集中的各信息的属性特征向量，包括：获取用户的行为数据，以及将所述用户的行为数据输入至预先训练的用户行为特征提取网络，得到所述用户的行为特征向量；获取用户的属性数据，以及将所述用户的属性数据输入至预先训练的用户属性特征提取网络，得到所述用户的属性特征向量；对于所述信息集中的信息，获取该信息的属性数据，以及将该信息的属性数据输入至预先训练的信息属性特征提取网络，得到该信息的属性特征向量。6.根据权利要求5所述的方法，其中，通过如下步骤训练得到用户表征模型，所述用户表征模型由所述用户行...

【专利技术属性】
技术研发人员：张美娜，
申请(专利权)人：北京京东世纪贸易有限公司，
类型：发明
国别省市：