信息推送方法、装置、电子设备及存储介质制造方法及图纸

本申请实施例提供了信息推送方法、装置、电子设备及存储介质方法，该方法包括：基于目标用户的行为特征数据，确定目标用户的推荐对象多样性偏好度，其中，目标用户的推荐对象多样性偏好度指示目标用户对推荐对象的多样性的偏好程度；基于目标用户的推荐对象多样性偏好度和候选对象列表，建立目标用户对应的行列式点过程矩阵，以及基于目标用户对应的行列式点过程矩阵，确定目标用户对应的推荐列表；将目标用户对应的推荐列表推送给目标用户。目标用户对应的推荐列表推送给目标用户。目标用户对应的推荐列表推送给目标用户。

【技术实现步骤摘要】
信息推送方法、装置、电子设备及存储介质


[0001]本申请涉及领域，具体涉及信息推送方法、装置、电子设备及存储介质。

技术介绍

[0002]在推荐系统向用户推送诸如商品的推荐对象时，为了提升推荐对象的多样性，需要从候选对象列表中确定出包括推荐对象的目标用户对应的推荐列表，将目标用户对应的推荐列表推荐给用户。
[0003]目前，基于行列式点过程(Determinantal Point Process，简称DPP)的排序算法被广泛应用于从候选对象列表中确定出目标用户对应的推荐列表。基于行列式点过程的排序算法考虑了候选对象与用户之间的相关性、候选对象之间的相似度，建立用户对应的行列式点过程矩阵，基于行列式点过程矩阵，确定可以作为推荐对象的候选对象，确定出的预设数量个可以作为推荐对象的候选对象组成推荐列表。
[0004]然而，现有的基于行列式点过程的排序算法没有考虑到用户对于推荐对象的多样性的偏好程度，相应的，用户对应的行列式点过程矩阵与用户对于推荐对象的多样性的偏好程度无关联，导致基于行列式点过程矩阵确定出的推荐列表的准确度较低。

技术实现思路

[0005]本申请提供信息推送方法、装置、电子设备及存储介质。
[0006]根据本申请实施例的第一方面，提供一种信息推送方法，包括：
[0007]基于目标用户的行为特征数据，确定所述目标用户的推荐对象多样性偏好度，其中，所述目标用户的推荐对象多样性偏好度指示所述目标用户对推荐对象的多样性的偏好程度；
[0008]基于所述目标用户的推荐对象多样性偏好度和候选对象列表，建立所述目标用户对应的行列式点过程矩阵，以及基于所述目标用户对应的行列式点过程矩阵，确定所述目标用户对应的推荐列表；
[0009]将所述目标用户对应的推荐列表推送给所述目标用户。
[0010]根据本申请实施例的第二方面，提供一种信息推送装置，包括：
[0011]第一确定单元，被配置为基于目标用户的行为特征数据，确定所述目标用户的推荐对象多样性偏好度，其中，所述目标用户的推荐对象多样性偏好度指示所述目标用户对推荐对象的多样性的偏好程度；
[0012]第二确定单元，被配置为基于所述目标用户的推荐对象多样性偏好度和候选对象列表，建立所述目标用户对应的行列式点过程矩阵，以及基于所述目标用户对应的行列式点过程矩阵，确定所述目标用户对应的推荐列表；
[0013]推送单元，被配置为将所述目标用户对应的推荐列表推送给所述目标用户。
[0014]本申请实施例提供的信息推送方法、装置，基于目标用户的行为特征数据，确定指示目标用户对推荐对象的多样性的偏好程度的、目标用户推荐对象多样性偏好度，基于目
标用户的推荐对象多样性偏好度和候选对象列表，建立目标用户对应的行列式点过程矩阵，基于目标用户对应的行列式点过程矩阵，确定目标用户对应的推荐列表。从而，在考虑用户对于推荐对象的类型的多样性的偏好程度的情况下，确定出目标用户对应的推荐列表，提升得到的目标用户对应的推荐列表的准确度。
附图说明
[0015]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。
[0016]图1示出了向用户推送目标用户对应的推荐列表的一个流程示意图；
[0017]图2示出了本申请实施例提供的信息推送方法的一个的流程图；
[0018]图3示出了本申请实施例提供的信息推送装置的一个结构示意图。
具体实施方式
[0019]下面结合附图和实施例对本申请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，在不冲突的情况下，本申请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申请。
[0021]图1示出了向用户推送目标用户对应的推荐列表的一个流程示意图。
[0022]用于执行本申请中的步骤101
‑
102的模块可以称之为个性化DPP排序模块，个性化DPP排序模块除了考虑了目标用户与候选对象的相关性、候选对象之间的相似性，还考虑目标用户对于推荐对象的多样性的偏好程度。可以将个性化DPP排序模块加入到已有的推荐系统中，以使得推荐系统在同时考虑目标用户与候选对象的相关性、候选对象之间的相似性、目标用户对于推荐对象的多样性的偏好程度的情况下，从候选对象列表中确定出目标用户对应的推荐列表。推荐系统接收到目标用户的终端发送的请求之后，从包括大量的对象的库中召回多个候选对象，多个候选对象组成候选对象列表，对候选对象列表依次进行粗排、精排。在精排之后，个性化DPP排序模块从候选对象列表中确定出目标用户对应的推荐列表，在确定出目标用户对应的推荐列表之后，将推荐列表推送给用户。
[0023]应理解，上述流程仅为了示例性的说明向用户推送目标用户对应的推荐列表的流程，涉及候选对象列表的粗排、精排并不是必须的步骤，仅由于现有的推荐系统通常按照执行时间从早到晚包括：候选对象召回、粗排、精排，因此，才示例性地示出了候选对象召回、粗排、精排。
[0024]在通过候选对象召回得到候选对象列表之后，候选对象列表是可以不依次经过粗排、精排的，直接由个性化DPP排序模块从候选对象列表中确定出目标用户对应的推荐列表。
[0025]图2是本申请实施例提供的信息推送方法的一个的流程图，该方法包括以下步骤：
[0026]步骤201，基于目标用户的行为特征数据，确定目标用户的推荐对象多样性偏好度。
[0027]在本申请中，目标用户的推荐对象多样性偏好度指示目标用户对推荐对象的多样
性的偏好程度。
[0028]在本申请中，对象可以为商品。商品的类型可以为物品、菜品、预定的房间、电影票、景点门票等。
[0029]在本申请中，目标用户的行为特征数据可以包括:目标用户在该历史时间段的每一个关联类型、目标用户在该历史时间段的每一个关联类型对应的次数、目标用户在该历史时间段的预设行为总次数。
[0030]在本申请中，历史时间段可以包括在当前时刻所在的当前天之前的一天或多天，当前时刻为执行步骤101的时刻。例如，历史时间段可以为以当前天的前一天为最后一天的、由365天组成的时间段即最近一年。例如，历史时间段可以为以当前天的前一天为最后一天的、由30天组成的时间段即最近一个月。例如，历史时间段可以为以当前天的前一天的、由7天组成的时间段即最近一周。例如，历史时间段可以为当前天的前一天。
[0031]在本申请中，对于一个类型和一个历史时间段，若在该历史时间段内用户对该类型的对象进行过预设行为，则该类型为目标用户在该历史时间段的关联类型。
[0032]在本申请中，预设行为的数量可以为多个。例如，浏览、点击、购买、收藏、分享均可以为预设行为。
[0033]对本文档来自技高网...

【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：基于目标用户的行为特征数据，确定所述目标用户的推荐对象多样性偏好度，其中，所述目标用户的推荐对象多样性偏好度指示所述目标用户对推荐对象的多样性的偏好程度；基于所述目标用户的推荐对象多样性偏好度和候选对象列表，建立所述目标用户对应的行列式点过程矩阵，以及基于所述目标用户对应的行列式点过程矩阵，确定所述目标用户对应的推荐列表；将所述目标用户对应的推荐列表推送给所述目标用户。2.根据权利要求1所述的方法，其特征在于，所述目标用户的行为特征数据包括：所述目标用户在多个历史时间段中的每一个历史时间段的第一数据，所述目标用户在所述历史时间段的第一数据包括：所述目标用户在所述历史时间段的关联类型对应的次数，其中，每一个历史时间段的时长不同，在所述历史时间段内，所述目标用户对所述在所述历史时间段的关联类型的对象进行过预设行为，所述次数为在所述历史时间段内，所述目标用户对所述在所述历史时间段的关联类型的对象的预设行为的进行次数；以及基于目标用户的行为特征数据，确定所述目标用户的推荐对象多样性偏好度包括：对于所述每一个历史时间段，基于所述目标用户在所述历史时间段的第一数据，确定所述目标用户在所述历史时间段的类型偏好不确定度；基于所述目标用户在每一个历史时间段的类型偏好不确定度，确定所述目标用户的类型多样性偏好度，所述目标用户的类型多样性偏好度指示所述目标用户对推荐对象的类型的多样性的偏好程度；基于所述目标用户的类型多样性偏好度，确定所述目标用户的推荐对象多样性偏好度。3.根据权利要求2所述的方法，其特征在于，所述目标用户的行为特征数据包括：所述目标用户在每一个历史时间段的第二数据，所述目标用户在所述历史时间段的第二数据包括：所述目标用户在所述历史时间段的关联业务对应的次数，其中，在所述历史时间段内，所述目标用户对来自所述在所述历史时间段的关联业务的对象进行过预设行为，所述在所述历史时间段的关联业务对应的次数为在所述历史时间段内，所述目标用户对来自所述在所述历史时间段的关联业务的对象的预设行为的进行次数；以及基于所述目标用户的类型多样性偏好度，确定所述目标用户的推荐对象多样性偏好度包括：对于每一个历史时间段，基于所述目标用户在所述历史时间段的第二数据，确定所述目标用户在所述历史时间段的业务偏好不确定度；基于所述目标用户在每一个历史时间段的业务偏好不确定度，确定所述目标用户的业务多样性偏好度，其中，所述目标用户的业务多样性偏好度指示所述目标用户对推荐对象来自的业务的多样性的偏好程度；基于所述目标用户的类型多样性偏好度和所述目标用户的业务多样性偏好度，确定所述目标用户的多样性偏好指数；基于所述多样性偏好指数，确定所述目标用户的推荐对象多样性偏好度。4.根据权利要求3所述的方法，其特征在于，基于所述目标用户的类型多样性偏好度和所述目标用户的业务多样性偏好度，确定所述目标用户的多样性偏好指数包括：
基于所述目标用户的类型多样性偏好度对应的第一权重、所述目标用户的业务多样性偏好度对应的第二权重，对所述目标用户的类型多样性偏好度的归一化值和所述目标用户的业务多样性偏好度的归一化值进行加权计算，得到所述目标用户的多样性偏好指数。5.根据权利要求3所述的方法，其特征在于，基于所述多样性偏好指数，确定所述目标用户的推荐对象多样性偏好度包括：建立目标图和所述目标图对应的图邻接矩阵，所述目标图包括：多个用户中的每一个用户对应的节点，所述多个用户包括目标用户、其他用户，其他用户为所述多个用户中的、除了所述目标用户之外的用户，所述目标图中的节点的初始...

【专利技术属性】
技术研发人员：郭佳乐，侯宇清，张庆，贺夏龙，王福龙，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：