一种信息推送方法、装置、存储介质及电子设备制造方法及图纸

本说明书公开了一种信息推送方法、装置、存储介质及电子设备，本说明书实施例根据用户的历史消费数据，建立用户信息、时间信息与地点信息三者之间的关系图。根据关系图，确定用户信息对应的优化后的用户特征、时间信息对应的优化后的时间特征和地点信息对应的优化后的地点特征。根据优化后的用户特征、优化后的时间特征和优化后的地点特征，确定用户当前的消费意图，并根据当前的消费意图，为用户推送信息。在此方法中，用户消费意图的确定考虑了用户信息、消费的时间和消费的地点，可以有效避免预测出的消费意图不符合用户实际需求的问题，从而提高消费意图预测的准确性，并提高信息推送的准确性。信息推送的准确性。信息推送的准确性。

【技术实现步骤摘要】
一种信息推送方法、装置、存储介质及电子设备


[0001]本说明书涉及计算机
，尤其涉及一种信息推送方法、装置、存储介质及电子设备。

技术介绍

[0002]随着科技的发展，越来越多的用户更愿意在网络服务平台上进行消费，其中，网络服务平台可包括：购物平台、社交平台、外卖平台等。各网络服务平台为了提高用户体验，可以根据预测出的消费意图为用户推荐相关的服务信息。所以，准确预测出用户的消费意图显得十分重要。
[0003]现有技术中，可以将最近一段时间用户的行为日志以及用户画像输入待训练的消费意图预测模型，通过消费意图预测模型输出待优化的消费意图。以待优化的消费意图与标注的消费意图的差异最小化为训练目标，对该消费意图预测模型进行训练。消费意图预测模型训练完成之后，消费意图预测模型根据用户当前的行为日志，为用户预测出相应的消费意图。根据用户的消费意图，为用户推荐相应的信息。
[0004]然而，现有技术中根据用户的行为日志以及用户画像训练所得的消费意图预测模型只能学习到用户的偏好以及用户偏好对应的消费意图，在使用消费意图预测模型时，根据用户偏好所预测出的消费意图并不能准确代表用户的实际需求，从而降低信息推送的准确性。比如：当用户搜索“咖啡店”时，可以根据训练完成的消费意图预测模型预测出用户的消费意图是喝咖啡，这时为用户推荐用户所偏好的咖啡店。但事实上，用户搜索“咖啡店”只是为了找到距离用户自身最近的咖啡店休息一下，而不是喝咖啡。在用户想休息一下的实际需求下，可以为用户推荐距离用户最近的咖啡店，而不限于用户偏好的咖啡店。

技术实现思路

[0005]本说明书实施例提供一种信息推送方法、装置、存储介质及电子设备，以部分解决上述现有技术存在的问题。
[0006]本说明书实施例采用下述技术方案：
[0007]本说明书提供的一种信息推送方法，所述方法包括：
[0008]获取用户的用户信息以及所述用户产生历史消费数据所对应的时间信息和地点信息；
[0009]根据所述用户信息、所述时间信息以及所述地点信息，构建第一关系图；
[0010]根据所述第一关系图，确定所述用户信息对应的待优化用户特征、所述时间信息对应的待优化时间特征和所述地点信息对应的待优化地点特征；
[0011]根据所述待优化用户特征、所述待优化时间特征和所述待优化地点特征，确定所述用户对应的待优化消费意图特征；
[0012]至少以所述待优化消费意图特征与预先对所述历史消费数据标注的消费意图对应的消费意图特征之间的差异最小化为目标，对所述待优化用户特征、所述待优化时间特
征以及所述待优化地点特征进行优化；
[0013]根据优化后的用户特征、优化后的时间特征与优化后的地点特征，确定所述用户当前的消费意图；
[0014]根据所述用户当前的消费意图，为所述用户推送信息。
[0015]可选地，预先对所述历史消费数据标注，具体包括：
[0016]获取各历史消费数据对应的评论数据；
[0017]根据预设的各消费意图，将各历史消费数据对应的评论数据与所述预设的各消费意图进行匹配；
[0018]根据匹配结果，对各历史消费数据进行消费意图的标注。
[0019]可选地，在根据所述用户信息、所述时间信息以及所述地点信息，构建第一关系图之前，所述方法还包括：
[0020]获取历史上所述用户的各操作行为以及各操作行为所对应的各商品类型；
[0021]将所述用户信息对应的待优化用户特征和所述各商品类型对应的待优化商品类型特征作为节点，并将所述各操作行为作为所述待优化用户特征节点与各待优化商品类型特征节点之间的边，构建第二关系图。
[0022]可选地，根据所述用户信息、所述时间信息以及所述地点信息，构建第一关系图，具体包括：
[0023]将所述时间信息对应的待优化时间特征、所述地点信息对应的待优化地点特征以及所述第二关系图中所述用户信息对应的待优化用户特征作为节点，并根据任意两个节点之间的共现关系构建第一关系图。
[0024]可选地，根据所述第一关系图，确定所述用户信息对应的待优化用户特征，具体包括：
[0025]针对所述第二关系图中每个用户信息对应的待优化用户特征节点，将与该用户信息对应的待优化用户特征节点邻接的各待优化商品类型特征节点对应的待优化商品类型特征，以及该用户信息对应的待优化用户特征进行聚合，将聚合得到的特征重新确定为该用户信息对应的待优化用户特征，并将所述第二关系图中重新确定的该用户信息对应的待优化用户特征作为所述第一关系图中该用户信息对应的待优化用户特征。
[0026]可选地，将与该用户信息对应的待优化用户特征节点邻接的各待优化商品类型特征节点对应的待优化商品类型特征，以及该用户信息对应的待优化用户特征进行聚合，具体包括：
[0027]确定与该用户信息对应的待优化用户特征节点邻接的各待优化商品类型特征节点，作为邻接节点；
[0028]针对每个邻接节点，确定该用户信息对应的待优化用户特征节点与该邻接节点之间的边对应的操作行为，并根据所述操作行为，确定该邻接节点的聚合权重；
[0029]根据各邻接节点的聚合权重，将各邻接节点对应的待优化商品类型特征以及该用户信息对应的待优化用户特征进行聚合。
[0030]可选地，至少以所述待优化消费意图特征与预先对所述历史消费数据标注的消费意图对应的消费意图特征之间的差异最小化为目标，对所述待优化用户特征、所述待优化时间特征以及所述待优化地点特征进行优化，具体包括：
[0031]确定所述第二关系图中与所述待优化用户特征存在指定操作行为的各待优化商品类型特征，作为指定待优化商品类型特征；
[0032]确定所述待优化用户特征与各指定待优化商品类型特征之间的相似度；
[0033]以所述相似度最大化、所述待优化消费意图特征与预先对所述历史消费数据标注的消费意图对应的消费意图特征之间的差异最小化为目标，对所述待优化用户特征、所述待优化时间特征以及所述待优化地点特征进行优化。
[0034]可选地，根据所述待优化用户特征、所述待优化时间特征和所述待优化地点特征，确定所述用户对应的待优化消费意图特征，具体包括：
[0035]根据预设的用户特征权重、时间特征权重、地点特征权重，将所述用户信息对应的待优化用户特征、所述时间信息对应的待优化时间特征以及所述地点信息对应的待优化地点特征进行加权平均，得到所述用户对应的待优化消费意图特征。
[0036]可选地，所述方法还包括：
[0037]针对预设的每个消费意图，将该消费意图进行特征表示，得到该消费意图对应的初始消费意图特征；
[0038]将所述初始消费意图特征分割成至少两个子特征；
[0039]针对任意两个子特征，确定该两个子特征之间的语义相关系数；
[0040]以任意两个子特征之间的语义相关系数最小化为目标，对所有子特征进行调整，得到调整后的各子特征；<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种信息推送方法，其特征在于，所述方法包括：获取用户的用户信息以及所述用户产生历史消费数据所对应的时间信息和地点信息；根据所述用户信息、所述时间信息以及所述地点信息，构建第一关系图；根据所述第一关系图，确定所述用户信息对应的待优化用户特征、所述时间信息对应的待优化时间特征以及所述地点信息对应的待优化地点特征；根据所述待优化用户特征、所述待优化时间特征和所述待优化地点特征，确定所述用户对应的待优化消费意图特征；至少以所述待优化消费意图特征与预先对所述历史消费数据标注的消费意图对应的消费意图特征之间的差异最小化为目标，对所述待优化用户特征、所述待优化时间特征以及所述待优化地点特征进行优化；根据优化后的用户特征、优化后的时间特征与优化后的地点特征，确定所述用户当前的消费意图；根据所述用户当前的消费意图，为所述用户推送信息。2.如权利要求1所述的方法，其特征在于，预先对所述历史消费数据标注，具体包括：获取各历史消费数据对应的评论数据；根据预设的各消费意图，将各历史消费数据对应的评论数据与所述预设的各消费意图进行匹配；根据匹配结果，对各历史消费数据进行消费意图的标注。3.如权利要求1所述的方法，其特征在于，在根据所述用户信息、所述时间信息以及所述地点信息，构建第一关系图之前，所述方法还包括：获取历史上所述用户的各操作行为以及各操作行为所对应的各商品类型；将所述用户信息对应的待优化用户特征和所述各商品类型对应的待优化商品类型特征作为节点，并将所述各操作行为作为所述待优化用户特征节点与各待优化商品类型特征节点之间的边，构建第二关系图。4.如权利要求3所述的方法，其特征在于，根据所述用户信息、所述时间信息以及所述地点信息，构建第一关系图，具体包括：将所述时间信息对应的待优化时间特征、所述地点信息对应的待优化地点特征以及所述第二关系图中所述用户信息对应的待优化用户特征作为节点，并根据任意两个节点之间的共现关系构建第一关系图。5.如权利要求3所述的方法，其特征在于，根据所述第一关系图，确定所述用户信息对应的待优化用户特征，具体包括：针对所述第二关系图中每个用户信息对应的待优化用户特征节点，将与该用户信息对应的待优化用户特征节点邻接的各待优化商品类型特征节点对应的待优化商品类型特征，以及该用户信息对应的待优化用户特征进行聚合，将聚合得到的特征重新确定为该用户信息对应的待优化用户特征，并将所述第二关系图中重新确定的该用户信息对应的待优化用户特征作为所述第一关系图中该用户信息对应的待优化用户特征。6.如权利要求5所述的方法，其特征在于，将与该用户信息对应的待优化用户特征节点邻接的各待优化商品类型特征节点对应的待优化商品类型特征，以及该用户信息对应的待优化用户特征进行聚合，具体包括：
确定与该用户信息对应的待优化用户特征节点邻接的各待优化商品类型特征节点，作为邻接节点；针对每个邻接节点，确定该用户信息对应的待优化用户特征节点与该邻接节点之间的边对应的操作行为，并根据所述操作行为，确定该邻接节点的聚合权重；根据各邻接节点的聚合权重，将各邻接节点对应的待优化商品类型特征以及该用户信息对应的待优化用户特征进行聚合。7.如权利要求3所述的方法，其特征在于，至少以所述待优化消费意图特征与预先对所述历史消费数据标注的消费意图对应的消费意图特征之间的差异最小化为目标，对所述待优化用户特征、所述待优化时间特征以及所述待优化地点特征进行优化，具体包括：确定所述第二关系图中与所述待优化用户特征存在指定操作行为的各待优化商品类型特征，作为指定...

【专利技术属性】
技术研发人员：平钰坤，杜小毅，刘泰岐，韦华周，罗恒亮，
申请(专利权)人：北京三快在线科技有限公司，
类型：发明
国别省市：