信息推送方法、装置、计算机设备及存储介质制造方法及图纸

本申请关于一种信息推送方法、装置、计算机设备及存储介质，涉及互联网应用技术领域。方法包括：提取至少两个候选信息各自的信息特征，信息特征包括粗粒度特征和细粒度特征；基于粗粒度特征获取至少两个候选信息各自的第一特征；第一特征是基于中间特征获取的；基于信息特征以及中间特征，获取至少两个候选信息各自的第二特征；基于第一特征及第二特征获取目标信息并推送。本申请能够从信息特征中同步学习到多层次的特征表征，从而提高了提取到的特征对信息的表征效果，后续通过提取到的第一特征和第二特征进行信息选取和推送时，能够提高信息推送的准确性。高信息推送的准确性。高信息推送的准确性。

【技术实现步骤摘要】
信息推送方法、装置、计算机设备及存储介质


[0001]本申请涉及互联网应用
，特别涉及一种信息推送方法、装置、计算机设备及存储介质。

技术介绍

[0002]在互联网信息推送领域，为了提高信息推送的准确性，信息推送平台通常可以使用机器学习模型来选择需要推送的信息。
[0003]在相关技术中，当需要进行信息推送时，信息推送平台将可推送的各个信息的信息特征输入至训练好的概率预估模型，得到信息推送展示后发生指定事件的预估概率(比如预估转化率)，然后根据各个信息的预估转化率，确定本次推送的信息。
[0004]然而，信息推送场景中，某些特征的正样本数量较少，导致相关技术中的概率预估模型对此类特征的语义学习效果较差，从而影响信息推送的准确性。

技术实现思路

[0005]本申请实施例提供了一种信息推送方法、装置、计算机设备及存储介质，可以提高信息推送的准确性，该技术方案如下。
[0006]一方面，提供了一种信息推送方法，所述方法包括：
[0007]提取至少两个候选信息各自的信息特征，所述信息特征包括粗粒度特本文档来自技高网...

【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：提取至少两个候选信息各自的信息特征，所述信息特征包括粗粒度特征和细粒度特征；所述粗粒度特征的尾部取值样本的数量，大于所述细粒度特征的尾部取值样本的数量；基于所述至少两个候选信息各自的粗粒度特征，获取所述至少两个候选信息各自的第一特征；所述第一特征是基于中间特征获取的；所述中间特征是对所述粗粒度特征提取得到的；基于所述至少两个候选信息各自的信息特征以及所述至少两个候选信息各自的中间特征，获取所述至少两个候选信息各自的第二特征；基于所述至少两个候选信息各自的第一特征，以及至少两个候选信息各自的第二特征，获取所述至少两个候选信息中的目标信息；对所述目标信息进行推送。2.根据权利要求1所述的方法，其特征在于，所述基于所述至少两个候选信息各自的粗粒度特征，获取所述至少两个候选信息各自的第一特征，包括：对第一候选信息的粗粒度特征进行特征提取，获得所述第一候选信息的m个第一中间特征；所述第一候选信息是所述至少两个候选信息中的任意一个；m为正整数；基于所述第一候选信息的粗粒度特征，获取所述m个第一中间特征的第一权重；基于所述m个第一中间特征，以及所述m个第一中间特征的第一权重，获取所述第一候选信息的第一特征。3.根据权利要求2所述的方法，其特征在于，所述基于所述至少两个候选信息各自的信息特征以及所述至少两个候选信息各自的中间特征，获取所述至少两个候选信息各自的第二特征，包括：对所述第一候选信息的信息特征进行特征提取，获得所述第一候选信息的n个第二中间特征；n为正整数；基于所述第一候选信息的信息特征，获取所述n个第二中间特征的第二权重以及所述m个第一中间特征的第二权重；基于所述n个第二中间特征的第二权重、所述m个第一中间特征的第二权重、所述n个第二中间特征、以及所述m个第一中间特征，获取所述第一候选信息的第二特征。4.根据权利要求3所述的方法，其特征在于，所述基于所述第一候选信息的信息特征，获取所述n个第二中间特征的第二权重以及所述m个第一中间特征的第二权重，包括：基于所述第一候选信息的信息特征以及所述第一候选信息的流行度向量，获取所述n个第二中间特征的第二权重以及所述m个第一中间特征的第二权重；所述流行度向量用于指示对应的候选信息的历史转化次数。5.根据权利要求4所述的方法，其特征在于，所述基于所述第一候选信息的信息特征以及所述第一候选信息的流行度向量，获取所述n个第二中间特征的第二权重以及所述m个第一中间特征的第二权重，包括：将所述第一候选信息的信息特征以及所述第一候选信息的流行度向量进行拼接，获得所述第一候选信息的第一拼接特征；基于所述第一候选信息的第一拼接特征，获取所述n个第二中间特征的第二权重以及所述m个第一中间特征的第二权重。
6.根据权利要求1所述的方法，其特征在于，所述基于所述至少两个候选信息各自的第一特征，以及至少两个候选信息各自的第二特征，获取所述至少两个候选信息中的目标信息，包括：对所述至少两个候选信息各自的第一特征，以及至少两个候选信息各自的第二特征进行融合，获得所述至少两个候选信息各自的融合特征；基于所述至少两个候选信息各自的融合特征，获取所述至少两个候选信息各自的预估事件概率；所述预估事件概率是对应的信息展示后发生指定事件的预估概率；基于所述至少两个候选信息各自的预估事件概率，获取所述至少两个候选信息中的所述目标信息。7.根据权利要求6所述的方法，其特征在于，所述对所述至少两个候选信息各自的第一特征，以及至少两个候选信息各自的第二特征进行融合，获得所述至少两个候选信息各自的融合特征，包括：基于第二候选信息的信息特征，获取所述第二候选信息的第二特征的第三权重；所述第二候选信息是所述至少两个候选信息中的任意一个；基于所述第二候选信息的第二特征的第三权重，对所述第二候选信息的第一特征，以及所述第二候选信息的第二特征进行融合，获得所述第二候选信息的融合特征。8.根据权利要求7所述的方法，其特征在于，所述基于第二候选信息的信息特征，获取所述第二候选信息的第二特征的第三权重，包括：基于所述第二候选信息的信息特征，以及所述第二候选信息的流行度向量，获取所述第二候选信息的第二特征的第三权重。9.根据权利要求8所述的方法，其特征在于，所述基于所述第二候选信息的信息特征，以及所述第二候选信息的流行度向量...

【专利技术属性】
技术研发人员：卢广犇，汪伟，康延荣，谭骜，翟小龙，邱晓杰，余献文，翟耀，何琳，张枫，卢雨洁，兰晶，高晓沨，武荣莉，康矫健，
申请(专利权)人：腾讯科技深圳有限公司，
类型：发明
国别省市：