本公开涉及一种信息推送方法、装置、电子设备及存储介质，该方法包括：获取用户的用户特征信息；将所述用户特征信息输入至预先训练得到的预测模型，并获取所述预测模型输出的所述用户对于预设的多个价位的商品的意向信息，其中，所述预测模型中包括多个任务结构，所述多个任务结构和所述多个价位一一对应，每一任务结构基于用户特征信息样本和其对应价位的价位信息训练得到；根据所述意向信息，向所述用户推送商品信息。本公开能够避免网络资源的浪费，实现精准、高效的商品推送。高效的商品推送。高效的商品推送。
【技术实现步骤摘要】
信息推送方法、装置及电子设备及存储介质
[0001]本公开涉及数据处理
，尤其涉及一种信息推送方法、装置及电子设备及存储介质。
技术介绍
[0002]随着信息技术和互联网的发展，人们逐渐从信息匮乏的时代走入信息过载的时代。
[0003]在这个时代，无论是信息消费者还是信息生产者都遇到了很大的挑战。对于信息消费者，从大量信息中找到自己感兴趣的信息是一件非常困难的事情；对于信息的生产者，使自己生产的信息脱颖而出，受到广大用户的关注，也是一件非常困难的事情。推送系统就是解决这一矛盾的重要工具。
[0004]推送系统可以联系用户和信息，一方面帮助用户发现自己有价值的信息，另一方面让信息能够展现在对它感兴趣的用户面前，从而实现信息消费者和信息生产者的双赢。
技术实现思路
[0005]为克服相关技术中存在的问题，本公开提供一种信息推送方法、装置及电子设备及存储介质。
[0006]根据本公开实施例的第一方面，提供一种信息推送方法，包括：
[0007]获取用户的用户特征信息；
[0008]将所述用户特征信息输入至预先训练得到的预测模型，并获取所述预测模型输出的所述用户对于预设的多个价位的商品的意向信息，其中，所述预测模型中包括多个任务结构，所述多个任务结构和所述多个价位一一对应，每一任务结构基于用户特征信息样本和其对应价位的价位信息训练得到；
[0009]根据所述意向信息，向所述用户推送商品信息。
[0010]可选地，在所述将所述用户特征信息输入至预先训练得到的预测模型，并获取所述预测模型输出的所述用户对于预设的多个价位的商品的意向信息之前，所述方法还包括：
[0011]获取用户特征信息样本；
[0012]将所述用户特征信息样本分别输入至学习模型中的多个任务结构中进行训练，得到所述预测模型。
[0013]可选地，所述学习模型包括VKE结构和VKG结构，所述将所述用户特征信息样本分别输入至学习模型中的多个任务结构中进行训练，包括：
[0014]基于所述用户特征信息样本和所述VKE结构对应价位的价位信息，对所述VKE结构进行训练，所述价位信息为所述用户对于所述VKE结构对应价位的商品是否购买的标签信息；
[0015]基于所述VKE结构对应价位的价位信息，确定所述VKG结构中对所述VKE结构对应
价位的价位信息的注意力得分。
[0016]可选地，所述获取用户特征信息样本，包括：
[0017]获取所述用户的用户基本画像特征和用户行为特征作为特征数据；
[0018]根据预设规则将所述特征数据划分为离散特征和数值特征；
[0019]基于所述离散特征和数值特征构建特征向量矩阵；
[0020]基于所述特征向量矩阵确定所述用户特征信息样本。
[0021]可选地，所述基于所述特征向量矩阵确定所述用户特征信息样本，包括：
[0022]通过预设的DeepFM模型对所述特征向量矩阵进行低阶特征提取和高阶特征提取，并将提取到的特征作为所述用户特征信息样本。
[0023]可选地，所述任务结构包括VKE结构和VKG结构，所述将所述用户特征信息输入至预先训练得到的预测模型，并获取所述预测模型输出的所述用户对于预设的多个价位的商品的意向信息，包括：
[0024]将所述用户特征信息输入至所述VKE结构中，获取所述VKE结构输出的输出结果；
[0025]通过所述VKG结构对所述输出结果进行筛选，得到所述用户对于所述VKE结构对应价位的商品的意向信息。
[0026]可选地，所述预测模型还包括VK共享结构，所述VK共享结构通过对所述多个任务结构的共享特征进行学习得到，所述通过所述VKG结构对所述输出结果进行筛选，得到所述用户对于所述VKE结构对应价位的商品的意向信息，包括：
[0027]通过所述VKG结构和所述VK共享结构对所述输出结果进行筛选，得到所述用户对于所述VKE结构对应价位的商品的意向信息。
[0028]根据本公开实施例的第二方面，提供一种信息推送装置，包括：
[0029]用户特征信息获取模块，被配置为获取用户的用户特征信息；
[0030]意向信息确定模块，被配置为将所述用户特征信息输入至预先训练得到的预测模型，并获取所述预测模型输出的所述用户对于预设的多个价位的商品的意向信息，其中，所述预测模型中包括多个任务结构，所述多个任务结构和所述多个价位一一对应，每一任务结构基于用户特征信息样本和其对应价位的价位信息训练得到；
[0031]推送模块，被配置为根据所述意向信息，向所述用户推送商品信息。
[0032]可选地，所述信息推送装置还包括：
[0033]样本获取模块，被配置为获取用户特征信息样本；
[0034]模型训练模块，被配置为将所述用户特征信息样本分别输入至学习模型中的多个任务结构中进行训练，得到所述预测模型。
[0035]可选地，所述学习模型包括VKE结构和VKG结构，模型训练模块，包括：
[0036]VKE结构训练子模块，被配置为基于所述用户特征信息样本和所述VKE结构对应价位的价位信息，对所述VKE结构进行训练，所述价位信息为所述用户对于所述VKE结构对应价位的商品是否购买的标签信息；
[0037]VKG结构训练子模块，被配置为基于所述VKE结构对应价位的价位信息，确定所述VKG结构中对所述VKE结构对应价位的价位信息的注意力得分。
[0038]可选地，所述用户特征信息获取模块，包括：
[0039]特征数据获取子模块，被配置为获取所述用户的用户基本画像特征和用户行为特
征作为特征数据；
[0040]划分子模块，被配置为根据预设规则将所述特征数据划分为离散特征和数值特征；
[0041]矩阵构建子模块，被配置为基于所述离散特征和数值特征构建特征向量矩阵；
[0042]用户特征信息样本确定子模块，被配置为基于所述特征向量矩阵确定所述用户特征信息样本。
[0043]可选地，所述用户特征信息样本确定子模块，具体被配置为：
[0044]通过预设的DeepFM模型对所述特征向量矩阵进行低阶特征提取和高阶特征提取，并将提取到的特征作为所述用户特征信息样本。
[0045]可选地，所述任务结构包括VKE结构和VKG结构，所述意向信息确定模块，包括：
[0046]输入子模块，被配置为将所述用户特征信息输入至所述VKE结构中，获取所述VKE结构输出的输出结果；
[0047]筛选子模块，被配置为通过所述VKG结构对所述输出结果进行筛选，得到所述用户对于所述VKE结构对应价位的商品的意向信息。
[0048]可选地，所述预测模型还包括VK共享结构，所述VK共享结构通过对所述多个任务结构的共享特征进行学习得到，所述筛选子模块具体被配置为：
[0049]通过所述VKG结构和所述VK共享结构对所述输出结果进行筛选，得到所述用户本文档来自技高网...
【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，包括：获取用户的用户特征信息；将所述用户特征信息输入至预先训练得到的预测模型，并获取所述预测模型输出的所述用户对于预设的多个价位的商品的意向信息，其中，所述预测模型中包括多个任务结构，所述多个任务结构和所述多个价位一一对应，每一任务结构基于用户特征信息样本和其对应价位的价位信息训练得到；根据所述意向信息，向所述用户推送商品信息。2.根据权利要求1所述的方法，其特征在于，在所述将所述用户特征信息输入至预先训练得到的预测模型，并获取所述预测模型输出的所述用户对于预设的多个价位的商品的意向信息之前，所述方法还包括：获取用户特征信息样本；将所述用户特征信息样本分别输入至学习模型中的多个任务结构中进行训练，得到所述预测模型。3.根据权利要求2所述的方法，其特征在于，所述学习模型包括VKE结构和VKG结构，所述将所述用户特征信息样本分别输入至学习模型中的多个任务结构中进行训练，包括：基于所述用户特征信息样本和所述VKE结构对应价位的价位信息，对所述VKE结构进行训练，所述价位信息为所述用户对于所述VKE结构对应价位的商品是否购买的标签信息；基于所述VKE结构对应价位的价位信息，确定所述VKG结构中对所述VKE结构对应价位的价位信息的注意力得分。4.根据权利要求2所述的方法，其特征在于，所述获取用户特征信息样本，包括：获取所述用户的用户基本画像特征和用户行为特征作为特征数据；根据预设规则将所述特征数据划分为离散特征和数值特征；基于所述离散特征和数值特征构建特征向量矩阵；基于所述特征向量矩阵确定所述用户特征信息样本。5.根据权利要求4所述的方法，其特征在于，所述基于所述特征向量矩阵确定所述用户特征信息样本，包括：通过预设的DeepFM模型对所述特征向量矩阵进行低阶特征提取和高阶特征提取，并将提取到的特征作为所述用户特征信息样本。6.根据权利要求1所述的方法，其特征在于，所述任务结构包括VKE结构和VKG结构，所述将所述用户特...
【专利技术属性】
技术研发人员：刘璐，
申请(专利权)人：北京小米松果电子有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。