WO2018188588A1 - 一种信息推送方法、可读介质及电子设备 - Google Patents
一种信息推送方法、可读介质及电子设备 Download PDFInfo
- Publication number
- WO2018188588A1 WO2018188588A1 PCT/CN2018/082511 CN2018082511W WO2018188588A1 WO 2018188588 A1 WO2018188588 A1 WO 2018188588A1 CN 2018082511 W CN2018082511 W CN 2018082511W WO 2018188588 A1 WO2018188588 A1 WO 2018188588A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- information
- pushed
- feature
- preference
- determining
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Ceased
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/9035—Filtering based on additional data, e.g. user or group profiles
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/2866—Architectures; Arrangements
- H04L67/30—Profiles
- H04L67/306—User profiles
Definitions
- the embodiment of the present application provides an information pushing method, a readable medium, and an electronic device, which are used to expand the coverage of information to a certain extent, thereby improving the accuracy of information pushing.
- an embodiment of the present application provides an information pushing method, including:
- determining, according to the behavior data of the object to be pushed and the first feature information of the information to be pushed, the second feature information of the object to be pushed including :
- determining preference information according to the second feature information of the object to be pushed and the first feature information of the information to be pushed including:
- first determining unit is specifically configured to:
- FIG. 3 is a schematic flowchart of still another embodiment of an information pushing method provided by an embodiment of the present application.
- FIG. 5 is a functional block diagram of an information pushing apparatus according to an embodiment of the present application.
- the word “if” as used herein may be interpreted as “when” or “when” or “in response to determining” or “in response to detecting.”
- the phrase “if determined” or “if detected (conditions or events stated)” may be interpreted as “when determined” or “in response to determination” or “when detected (stated condition or event) “Time” or “in response to a test (condition or event stated)”.
- the behavior data on the communication platform related to the information to be pushed may include, but is not limited to: the posting data, the reading data and the search data of the object to be pushed on the communication forum, etc.;
- the behavior data of the candidate object to be pushed related to the push object may include, but is not limited to, the behavior data of the friend related to the object to be pushed, and the like.
- the first feature information of each to-be-pushed information may be obtained by establishing an information map.
- the game basic description data and the external encyclopedia forum data can be combined to use the web crawler method to crawl the game board of the open forum such as Wikipedia, and obtain a large amount of unstructured original data, and The raw data is subjected to pre-processing such as transcoding and de-labeling to obtain pre-processed data.
- the pre-processing data is segmented, the words with lower frequency are removed, the initial dimension vector is given to the remaining words, and the game text is trained through the neural network to obtain a vector representation of each word.
- the game attribute words are extracted based on the representation of the vectors of these words.
- the obtained game attribute words are clustered, and each category obtained represents an attribute of the game.
- the game attribute word matching method can be used to match the text data to which each game belongs to the attribute words to obtain a matching word set corresponding to each game, that is, each game can be represented as a multi-dimensional feature vector.
- the characteristic value corresponding to each dimension can represent the similarity between the dimension of the game and the dimension attribute. Then, if the eigenvalue of a certain game in a certain dimension is higher, the similarity of the game to the dimension attribute is higher.
- a game map containing the feature vectors of the respective games can be established. Based on this, the first feature information of each information to be pushed can be obtained according to the established game map.
- the determined preference information is used to represent the similarity between the information feature of the object to be pushed and the feature of the information to be pushed, and This characterizes the degree of preference of the object to be pushed for the information to be pushed.
- the degree of preference between the two is higher, it indicates that the information to be pushed is closer to the information feature of the object to be pushed, which indicates that the information to be pushed is more likely to be obtained by the object to be pushed.
- Information on the contrary, if the degree of preference obtained is low, it indicates that the information to be pushed is not close to the information feature of the object to be pushed, which indicates that the information to be pushed has a greater possibility than the information to be obtained by the object to be pushed.
- the behavior data of the object to be pushed is directly derived from the object to be pushed, and the second feature information of the object to be pushed can be more preferred to be pushed by the object.
- the characteristics of the information are characterized. Therefore, based on the relationship between the second feature information of the object to be pushed and the information to be pushed, the target information to be pushed by the object to be pushed can be selected in a targeted manner, compared to the existing information.
- the embodiment of the present application provides a specific implementation manner for implementing the technical solution of the present application.
- FIG. 2 is a schematic flowchart of another embodiment of an information pushing method according to an embodiment of the present application. As shown in FIG. 2 , the method includes:
- the preference degree is used to characterize the preference degree of the object to be pushed to be pushed. Specifically, when the preference of the object to be pushed is higher for a certain information to be pushed, it indicates that the object to be pushed may prefer or prefer the information to be pushed; otherwise, if the object to be pushed has a preference for a piece of information to be pushed. Lower, indicating that the object to be pushed may not need or like this information to be pushed.
- a feature vector is established according to the behavior data, and each of the feature vectors corresponds to a behavior data, and thus can be treated from different dimensions.
- the behavioral characteristics of the push object are described.
- the part to be pushed information to be pushed by the object to be pushed may be obtained as candidate information according to the preference of the object to be pushed for the information to be pushed, and further, according to these
- the candidate information to be pushed by the object to be pushed is determined, and the specified information is determined.
- the candidate information is the information to be pushed whose preference degree meets the specified condition.
- the candidate information is information that is more preferred by the object to be pushed, and the candidate information can represent the specified information to a certain extent. Therefore, in the actual implementation process, each feature value of the feature vector of the candidate information can be obtained.
- the average value of the eigenvalues may constitute an eigenvector having the same eigenvector dimension as the candidate information, and the eigenvector composed of the average value of each eigenvalue is the eigenvector of the specified information of the object to be pushed, so , and the specified information of the object to be pushed is obtained.
- the information to be pushed corresponding to the first preference information is determined as the target information.
- the information push method shown in FIG. 2 is combined with at least one other information recommendation method, and then the technical solutions corresponding to the information push methods are sequentially executed in sequence, and the first target information is obtained according to an information push method. After that, the technical solution of the second information pushing method is executed on the basis of the first target information, and so on, the final target information is obtained, and then the finally obtained target information is pushed to the object to be pushed.
- the method may refer to the following formula:
- the behavior data of the object to be pushed is directly derived from the object to be pushed, and the second feature information of the object to be pushed can be more preferred to be pushed by the object.
- the characteristics of the information are characterized. Therefore, based on the relationship between the second feature information of the object to be pushed and the information to be pushed, the target information to be pushed by the object to be pushed can be selected in a targeted manner, compared to the existing information.
- the preference of the candidate object to each candidate information can reflect the preference of the object to be pushed to the candidate information to a certain extent, based on this,
- an average value of the preference degrees of each candidate object for each candidate information is obtained as the second preference information.
- the push method the technical solution provided by the embodiment of the present application is based on the second feature information of the object to be pushed, avoids the problem of information loss existing in the existing category system, and can be more targeted to each
- the push object pushes the information of interest to a certain extent, and can prevent the information to be pushed from being pushed to the object to be pushed to a certain extent, and the target is determined only by analyzing the historical data of the object to be pushed in the prior art.
- the technical solution provided by the embodiment of the present application is not subject to the history of the object to be pushed. Of constraints, and therefore, for any of the objects to be pushed, we are able to give relatively accurate push information, and covers a wider range of information.
- the application embodiment provides a third specific implementation manner for implementing the technical solution of the present application.
- the corresponding feature vector of the object to be pushed is a feature vector of the information to be pushed by the preference-corrected object after the preference is corrected, and based on this, the feature vector of the object to be pushed is obtained.
- the third preference information can be obtained by the cosine similarity between the information to be pushed.
- the push method the technical solution provided by the embodiment of the present application is based on the second feature information of the object to be pushed, avoids the problem of information loss existing in the existing category system, and can be more targeted to each
- the push object pushes the information of interest to a certain extent, and can prevent the information to be pushed from being pushed to the object to be pushed to a certain extent, and the target is determined only by analyzing the historical data of the object to be pushed in the prior art.
- the technical solution provided by the embodiment of the present application is not subject to the history of the object to be pushed. Of constraints, and therefore, for any of the objects to be pushed, we are able to give relatively accurate push information, and covers a wider range of information.
- the embodiment of the present application further provides an apparatus embodiment for implementing the steps and methods in the foregoing method embodiments.
- the second determining unit 52 is configured to determine preference information according to the second feature information of the object to be pushed and the first feature information of the information to be pushed;
- the third determining unit 53 is configured to perform screening according to the preference information to determine the target information
- the pushing unit 54 is configured to push the target information to be pushed.
- the first determining unit 51 is specifically configured to:
- the preference of the object to be pushed for each information to be pushed is determined according to the weight and the feature vector of the information to be pushed.
- the second determining unit 52 is specifically configured to:
- the preference of the candidate object for each information to be pushed is obtained.
- the second determining unit 52 is specifically configured to:
- the first determining unit 51 is specifically configured to:
- an embodiment of the present application further provides an information push readable medium, including: computer executable instructions, when the computer executable instructions are executed, perform the following steps;
- the push target is pushed to the target information.
- FIG. 6 is a schematic diagram of a system architecture of an embodiment of the present application.
- the server 61 may determine, according to the behavior data of the object to be pushed and the first feature information of the information to be pushed, the second feature information of the object to be pushed (S601); and the second feature information according to the object to be pushed. Determining the preference information with the first feature information of the information to be pushed (S602); and filtering the information to be pushed according to the preference information, determining the target information (S603); and pushing the determined target information to the terminal 62 (S604) ).
- the information pushing device provided by the embodiment of the present application is disposed on the server side, and the terminal side is the terminal to be pushed.
- the behavior data of the object to be pushed is directly derived from the object to be pushed, and the second feature information of the object to be pushed can be more preferred to be pushed by the object.
- the characteristics of the information are characterized. Therefore, based on the relationship between the second feature information of the object to be pushed and the information to be pushed, the target information to be pushed by the object to be pushed can be selected in a targeted manner, compared to the existing information.
- the push method the technical solution provided by the embodiment of the present application is based on the second feature information of the object to be pushed, avoids the problem of information loss existing in the existing category system, and can be more targeted to each
- the push object pushes the information of interest to a certain extent, and can prevent the information to be pushed from being pushed to the object to be pushed to a certain extent, and the target is determined only by analyzing the historical data of the object to be pushed in the prior art.
- the technical solution provided by the embodiment of the present application is not subject to the history of the object to be pushed. Of constraints, and therefore, for any of the objects to be pushed, we are able to give relatively accurate push information, and covers a wider range of information.
- the units described as separate components may or may not be physically separated, and the components displayed as units may or may not be physical units, that is, may be located in one place, or may be distributed to multiple network units. Some or all of the units may be selected according to actual needs to achieve the purpose of the solution of the embodiment.
- each functional unit in each embodiment of the present application may be integrated into one processing unit, or each unit may exist physically separately, or two or more units may be integrated into one unit.
- the above integrated unit can be implemented in the form of hardware or in the form of hardware plus software functional units.
- the above-described integrated unit implemented in the form of a software functional unit can be stored in a computer readable storage medium.
- the software functional unit is stored in a storage medium and includes instructions for causing a computer device (which may be a personal computer, a server, or a network device, etc.) or a processor to perform the methods of the various embodiments of the present application. Part of the steps.
- the foregoing storage medium includes: a U disk, a mobile hard disk, a read-only memory (ROM), a random access memory (RAM), a magnetic disk, or an optical disk, and the like, which can store program codes. .
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请实施例提供了一种信息推送方法、可读介质及电子设备。本申请实施例中，根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息，从而，根据所述待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息，进而，根据所述偏好度信息对所述待推送信息进行筛选，确定目标信息，最后，对所述待推送对象推送所述目标信息。因此，本申请实施例提供的技术方案能够在一定程度上扩大信息的覆盖范围，进而提升信息推送的精度。
Description
本申请要求申请日为2017年04月10日、申请号为201710228314.0、发明创造名称为《一种信息推送方法、装置及可读介质》的发明专利申请的优先权。
本申请涉及计算机技术领域，尤其涉及一种信息推送方法、可读介质及电子设备。
随着信息时代的到来，各种信息以爆炸式的方式充斥着人们的生活。目前，各个服务提供商通常会针对性的向用户推送信息，现有的信息推送方法主要是根据热度推送或者根据兴趣类别推送。热度推送是指根据当前信息的待推送对象关注度、好评数、关注量等统计量来排序将热门优质的信息排在推送优先级靠前位置；兴趣类别推送是根据待推送对象对各类信息的浏览和使用历史，得到待推送对象感兴趣的兴趣类别进行优先推送。
但是，热度推荐只能根据整体热度向所有待推送对象推送同样的信息，无法针对待推送对象进行个性化推送；而根据兴趣类别进行信息推送受到类别体系所存在的信息损失的影响，信息的覆盖范围存在局限性。由此可见，现有的信息推送方法的信息覆盖范围较小，信息推送的精度较差。
发明内容
有鉴于此，本申请实施例提供了一种信息推送方法、可读介质及电子设备，用以在一定程度上扩大信息的覆盖范围，进而提升信息推送的精度。
第一方面，本申请实施例提供了一种信息推送方法，包括：
根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息；
根据所述待推送对象的第二特征信息和所述待推送信息的第一特征信息，确定偏好度信息；
根据所述偏好度信息对所述待推送信息进行筛选，确定目标信息；
对所述待推送对象推送所述目标信息。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息，包括：
根据所述待推送对象的行为数据，确定待推送信息的特征向量中每个特征值对应的权重；
根据所述权重与所述待推送信息的特征向量，确定所述待推送对象对于各待推送信息的偏好度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息，包括：
根据所述待推送对象对于各待推送信息的偏好度，确定候选信息，所述候选信息为偏好度符合指定条件的待推送信息；
获取各候选信息的特征向量的平均值，得到所述待推送对象偏好的指定信息；
获取所述指定信息与各待推送信息之间的余弦相似度，得到第一偏好度信息。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息，包括：
根据所述待推送对象的行为数据，确定与所述待推送对象相关的候选对象；
获取所述候选对象对各待推送信息的偏好度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息，包括：
针对每个待推送信息，获取各候选对象的偏好度的平均值，得到第二偏好度信息。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息，还包括：
根据所述待推送对象的行为数据与待推送信息的第一特征信息，获取所述待推送对象对于各待推送信息的偏好度；
获取所述偏好度与所述待推送信息的特征向量之积，得到所述待推送对象的特征向量。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，根据所述待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息，包括：
获取所述待推送对象的特征向量与每个待推送信息的特征向量之间的余弦相似度；
获取每个待推送对象的余弦相似度与偏好度之积，得到第三偏好度信息。
第二方面，本申请实施例提供了一种信息推送装置，包括：
第一确定单元，用于根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息；
第二确定单元，用于根据所述待推送对象的第二特征信息和所述待推送信息的第一特征信息，确定偏好度信息；
第三确定单元，用于根据所述偏好度信息对所述待推送信息进行筛选，确定目标信息；
推送单元，用于对所述待推送对象推送所述目标信息。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第一确定单元，具体用于：
根据所述待推送对象的行为数据，确定待推送信息的特征向量中每个特征值对应的权重；
根据所述权重与所述待推送信息的特征向量，确定所述待推送对象对于各待推送信息的偏好度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第二确定单元，具体用于：
根据所述待推送对象对于各待推送信息的偏好度，确定候选信息，所述候选信息为偏好度符合指定条件的待推送信息；
获取各候选信息的特征向量的平均值，得到所述待推送对象偏好的指定信息；
获取所述指定信息与各待推送信息之间的余弦相似度，得到第一偏好度信息。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第一确定单元，具体用于：
根据所述待推送对象的行为数据，确定与所述待推送对象相关的候选对象；
获取所述候选对象对各待推送信息的偏好度。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第二确定单元，具体用于：
针对每个待推送信息，获取各候选对象的偏好度的平均值，得到第二偏好度信息。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第一确定单元，具体用于：
根据所述待推送对象的行为数据与待推送信息的第一特征信息，获取所述待推送对象对于各待推送信息的偏好度；
获取所述偏好度与所述待推送信息的特征向量之积，得到所述待推送对象的特征向量。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述第二确定单元，具体用于：
获取所述待推送对象的特征向量与每个待推送信息的特征向量之间的余弦相似度；
获取每个待推送对象的余弦相似度与偏好度之积，得到第三偏好度信息。
第三方面，本申请实施例提供了一种信息推送可读介质，包括：计算机可执行指令，当该计算机可执行指令被运行时执行以下步骤；
根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息；
根据所述待推送对象的第二特征信息和所述待推送信息的第一特征信息，确定偏好度信息；
根据所述偏好度信息对所述待推送信息进行筛选，确定目标信息；
对所述待推送对象推送所述目标信息。
第四方面，本申请实施例提供了一种计算机程序产品，当所述计算机程序产品中的指令被处理器执行时，执行如本申请第一方面实施例中所述的信息推送方法。
第五方面，本申请实施例提供了一种电子设备，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，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如本申请第一方面实施例中所述的信息推送方法。
上述技术方案中的一个技术方案具有如下有益效果：
本申请实施例中，通过对待推送对象的行为数据进行分析，这些待推送对象的行为数据直接来源于待推送对象自身，据此得到的待推送对象的第二特征信息能够对待推送对象更为偏好的信息的特征进行表征，因此，基于待推送对象的第二特征信息与待推送信息之间的关系，可以针对性的筛选出待推送对象更为偏好的目标信息，相较于现有的信息推送方法，本申请实施例所提供的技术方案是以待推送对象的第二特征信息出发，避免了现有的类别体系所存在的信息损失的问题，且能够更有针对性的向每个待推送对象推送其感兴趣的信息，在一定程度上能够避免将待推送对象不感兴趣的信息推送给待推送对象，而且，相较于现有技术中仅通过分析待推送对象的历史数据来确定目标信息的方式而言，本申请实施例所提供的技术方案不受到待推送对象的历史行为的制约，因此，对于任意的待推送对象，都能够给出较为准确的推送信息，且信息覆盖的范围更广。
本申请的附加方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本申请的实践了解到。
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本申请实施例所提供的信息推送方法的一实施例的流程示意图；
图2是本申请实施例所提供的信息推送方法的另一实施例的流程示意图；
图3是本申请实施例所提供的信息推送方法的再一实施例的流程示意图；
图4是本申请实施例所提供的信息推送方法的又一实施例的流程示意图；
图5是本申请实施例所提供的信息推送装置的功能方块图；
图6是本申请实施例的系统架构示意图。
为了更好的理解本申请的技术方案，下面结合附图对本申请实施例进行详细描述。
应当明确，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本申请保护的范围。
在本申请实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请。在本申请实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。
应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独 存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
应当理解，尽管在本申请实施例中可能采用术语第一、第二、第三等来描述偏好度信息等，但这些偏好度信息不应限于这些术语。这些术语仅用来将偏好度信息彼此区分开。例如，在不脱离本申请实施例范围的情况下，第一偏好度信息也可以被称为第二偏好度信息，类似地，第二偏好度信息也可以被称为第一偏好度信息。
取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。
需要注意的是，本申请实施例所描述的“上”、“下”、“左”、“右”等方位词是以附图所示的角度来进行描述的，不应理解为对本申请实施例的限定。此外在上下文中，还需要理解的是，当提到一个元件被形成在另一个元件“上”或“下”时，其不仅能够直接形成在另一个元件“上”或者“下”，也可以通过中间元件间接形成在另一元件“上”或者“下”。
针对现有技术中所存在的信息覆盖范围较小且信息推送的精度较差的问题，本申请实施例提供了如下解决思路：对待推送对象的行为数据进行分析，获取该对推送对象的特征信息，然后，根据待推送对象的第二特征信息与待推送信息的第一特征信息，确定目标信息并进行推送。
在该思路的引导下，本方案实施例提供了以下可行的实施方案。
本申请实施例给出一种信息推送方法。
具体的，请参考图1，其为本申请实施例所提供的信息推送方法的一实施例的流程示意图，如图1所示，该方法包括以下步骤：
S101，根据待推送对象的行为数据与待推送信息的第一特征信息，确定待推送对象的第二特征信息。
具体的，本申请实施例中，待推送对象的行为数据可以包括但不限于：待推送对象在服务提供商提供的信息平台上的行为数据、待推送对象在每个信息上的行为数据、与待推送信息相关的交流平台上的行为数据和与待推送对象相关的候选待推送对象的行为数据中的至少一个。
举例说明，当待推送信息为游戏信息时，待推送对象在服务提供商提供的信息平台上的行为数据，可以包括但不限于：待推送对象在游戏平台上的进行的游戏点击数据、下载数据、注册数据、领取福利数据和分享数据等；待推送对象在每个信息上的行为数据，可以包括但不限于：待推送对象在每个游戏上的游戏时长、游戏等级、消费金额、对战次数、得胜率和逃跑次数等；与待推送信息相关的交流平台上的行为数据，可以包括但不限于：待推送对象在游戏论坛等交流平台上的发文数据、阅读数据和搜索数据等；与待推送对象相关的候选待推送对象的行为数据，可以包括但不限于：与待推送对象相关的好友的上述行为数据等。
或者，又例如，当待推送信息为视频信息时，待推送对象在服务提供商提供的信息平台上的行为数据，可以包括但不限于：待推送对象在视频平台上的进行的视频观看数据、购买数据、收藏数据、关注数据、下载数据、分享数据和交流数据等；待推送对象在每个信息上的行为数据，可以包括但不限于：待推送对象在每个视频上的观看时长、观看次数、观看完整度、打分数据、评论数据等；与待推送信息相关的交流平台上的行为数据，可以包括但不限于：待推送对象在视频论坛等交流平台上的发文数据、阅读数据和搜索数据等；与待推送对象相关的候选待推送对象的行为数据，可以包括但不限于：与待推送对象相关的好友的上述行为数据等。
本申请实施例中，待推送对象的第二特征信息直接受到待推送对象的行为数据的影响，根据这些行为数据得到的特征信息用以对待推送对象本身的一些特征进行表征。例如，待推送对象的偏好度用以表征待推送对象对于待推送信息的偏好程度；又例如，待推送对象的特征向量用以表征待推送对象本身偏好信息的特点。
需要说明的是，待推送信息的第一特征信息用于反应被推送信息的属性特征。
在一个具体的实现过程中，可以通过建立信息图谱的方式获取各待推送信息的第一特征信息。
以下，以待推送信息为待推送游戏信息，并通过构建游戏图谱的方式获取待推送游戏信息的实现方式为例，进行具体说明。此时，包含两个步骤，首先，需要建立游戏图谱，之后，才能根据该游戏图谱获取各待推送游戏的特征信息。
具体的，建立游戏图谱时，可以采用游戏基本描述数据和外部百科论坛数据结合的方法，利用网页爬虫手段爬取维基百科等开放论坛的游戏板块，获取到大量的非结构化的原始数据，并对这些原始数据进行转码、去标签等预处理工作，得到预处理数据。
之后，对这些预处理数据进行分词处理，去掉出现频率较低的词，对于剩余的词，赋予初始化维度向量，并通过神经网络对游戏文本进行训练，得到每个词的向量表示形式。从而，根据这些词的向量的表示形式，提取游戏属性词。之后，对得到的游戏属性词进行聚类，得到的每种类别代表游戏的一种属性。
最后，可以利用游戏属性词匹配方法，将每个游戏所属的文本数据进行属性词匹配，得到每个游戏对应的匹配词集合，也就是说，每个游戏都能够表示为一个多维的特征向量。此时，每个游戏的特征向量中，每一维度对应的特性值，都能够表示在该游戏在维度与该维度属性的相似度。那么，若某一游戏在某一维度的特征值越高，说明该游戏与该维度属性的相似度越高。
通过以上步骤，就可以建立包含有各游戏的特征向量的游戏图谱。基于此，可以根据建立的游戏图谱，得到每个待推送信息的第一特征信息。
S102，根据待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息。
本申请实施例中，当获取到待推送对象的第二特征信息之后，确定的偏好度信息用以 表征待推送对象更为偏好的信息特征与待推送信息的特征之间的相似程度，并以此来表征待推送对象对于待推送信息的偏好程度。
具体的，若二者之间的偏好程度越高，表示这个待推送信息与待推送对象偏好的信息特征更加接近，也就表明这个待推送信息有更大的可能是待推送对象想要获取的信息；反之，若得到的偏好程度较低，说明这个待推送信息与待推送对象偏好的信息特征不太接近，也就表明这个待推送信息有更大的可能不是待推送对象想要获取的信息。
S103，根据偏好度信息对待推送信息进行筛选，确定目标信息。
在该过程中，获取到的目标信息用以表征待推送对象更为偏好或更想要获取的一部分待推送信息。
S104，对待推送对象推送目标信息。
本申请实施例的技术方案具有以下有益效果：
本申请实施例中，通过对待推送对象的行为数据进行分析，这些待推送对象的行为数据直接来源于待推送对象自身，据此得到的待推送对象的第二特征信息能够对待推送对象更为偏好的信息的特征进行表征，因此，基于待推送对象的第二特征信息与待推送信息之间的关系，可以针对性的筛选出待推送对象更为偏好的目标信息，相较于现有的信息推送方法，本申请实施例所提供的技术方案是以待推送对象的第二特征信息出发，避免了现有的类别体系所存在的信息损失的问题，且能够更有针对性的向每个待推送对象推送其感兴趣的信息，在一定程度上能够避免将待推送对象不感兴趣的信息推送给待推送对象，而且，相较于现有技术中仅通过分析待推送对象的历史数据来确定目标信息的方式而言，本申请实施例所提供的技术方案不受到待推送对象的历史行为的制约，因此，对于任意的待推送对象，都能够给出相对准确的推送信息，且信息覆盖的范围更广。
基于上述一实施例所提供的信息推送方法，本申请实施例给出实现本申请技术方案的一个具体实现方式。
具体的，请参考图2，其为本申请实施例所提供的信息推送方法的另一实施例的流程示意图，如图2所示，该方法包括：
S201，根据待推送对象的行为数据，确定待推送信息的特征向量中每个特征值对应的权重。
具体的，待推送信息的特征向量中可以包含有多个特征值，特征向量中的每个特征值都对应于一种行为数据，从而，多个不同的特征值可以从不同的维度对待推送对象的行为特征进行描述。
S202，根据权重与待推送信息的特征向量，确定待推送对象对于各待推送信息的偏好度。
本申请实施例中，偏好度用以对待推送对象对待推送信息的偏好程度进行表征。具体的，当待推送对象对某一待推送信息的偏好度越高，说明待推送对象可能会更喜欢或更偏好该待推送信息；反之，若待推送对象对某一待推送信息的偏好度较低，说明待推送对象 可能并不需要或喜欢这个待推送信息。
S203，根据待推送对象对于各待推送信息的偏好度，确定候选信息。
S204，根据各候选信息的特征向量的平均值，得到待推送对象偏好的指定信息。
S205，获取指定信息与各待推送信息之间的余弦相似度，得到第一偏好度信息。
S206，根据第一偏好度信息对待推送信息进行筛选，确定目标信息。
S207，对待推送对象推送目标信息。
具体的，考虑到待推送对象可以有多种行为数据，因此，根据这些行为数据建立特征向量，这些特征向量中的每个特征值都对应于一种行为数据，从而，可以从不同的维度对待推送对象的行为特征进行描述。
进一步的，考虑到待推送对象对于获取到的行为数据中，存在一些待推送对象对于更偏好的信息的行为数据，也同时存在一些待推送对象对于不太喜欢的信息的行为数据，基于此，为了使得获取到的待推送对象的第二特征信息更加准确，可以根据待推送对象对于各待推送信息的偏好度，获取待推送对象更为偏好的部分待推送信息作为候选信息，进而，根据这些待推送对象更为偏好的候选信息，确定指定信息。
基于此，在获取各待推送对象的偏好度时，可以根据获取到的待推送对象对于更偏好的信息的行为数据，确定待推送信息的特征向量中每个特征值对应的权重，之后，利用确定的权重，对各个待推送信息的特征向量中的特征进行加权计算，得到待推送对象对于每个待推送信息的偏好度。
在实现本方案的过程中，还可以利用待推送信息的归一化偏好度进行候选信息的确定。其中，归一化偏好度的获取方法可以参考以下公式：
其中，
表示待推送对象对于第k个待推送信息的归一化偏好度，y
k表示待推送对象对于第k个待推送信息的偏好度，M表示特征向量的维度，也即，表示特征向量中的特征的数目。
本申请实施例中，候选信息为偏好度符合指定条件的待推送信息。
在一个具体的实现过程中，可以根据候选信息的偏好度进行排序，并确定偏好度排序靠前的指定数目的待推送信息满足指定条件，得到候选信息。
本申请实施例中，在确定候选信息之后，还需要获取这些候选信息的特征向量。这些候选信息是待推送对象更为偏好的信息，这些候选信息能够在一定程度上对指定信息进行表征，因此，在实际实现过程中，可以获取这些候选信息的特征向量中每个特征值值的平均值，各特征值的平均值可以组成一个与候选信息的特征向量维度相同的特征向量，这个由各特征值的平均值组成的特征向量即为待推送对象偏好的指定信息的特征向量，如此，也就得到了待推送对象偏好的指定信息。
在具体的实现过程中，S205中获取第一偏好度信息的过程可以参见以下公式：
其中，S(k
1)表示第k个待推送信息的第一偏好度信息，
表示指定信息的特征向量，G
k表示第k个待推送信息的特征向量。其中，k的取值范围在1与待推送信息的数目之间变动。
需要说明的是，指定信息的特征向量的维度与待推送信息的特征向量的维度相同。
需要说明的是，如图2所示的信息推送方法仅为一实施例所示方法的一种具体实现方式。
在实际实现过程中，既可以单独使用该方法进行信息推送，具体的，当获取到各待推送信息的第一偏好度信息之后，在执行S206时，可以直接利用第一偏好度信息对待推送信息进行筛选。
例如，当第一偏好度信息达到预设的相似度阈值时，确定与该第一偏好度信息对应的待推送信息为目标信息。
或者，也可以与其他的信息推送方式组合进行信息推送。
例如，将图2所示的信息推送方法与其他的至少一个信息推荐方法进行结合，然后，分别执行至少两个推荐方法各自对应的技术方案，得到各自的目标信息集合，然后，确定至少两个目标信息集合中的交集，以作为目标信息，进而，向待推送对象推送目标信息。
或者，又例如，将图2所示的信息推送方法与其他的至少一个信息推荐方法进行结合，然后，依次顺序执行这些信息推送方法对应的技术方案，当根据一个信息推送方法得到第一目标信息后，在第一目标信息的基础上执行第二种信息推送方法的技术方案，以此类推，得到最终的目标信息，然后，将最终得到的目标信息推送给待推送对象。
或者，又例如，还可以将图2所示的信息推送方法与其他的至少一个信息推荐方法进行加权计算，得到最终的加权计算结果，并根据最终的加权计算结果对待推送信息进行筛选，确定目标信息，并将目标信息推送给待推送对象。
在一个具体的实现过程中，当同时利用第一偏好度信息、第二偏好度信息与第三偏好度信息获取最终相似度时，其方法可以参考以下公式：
S(k)＝w
1S(k
1)+w
2S(k
2)+w
3S(k
3)
其中，S(k)表示第k个待推送信息的最终偏好度信息，S(k
1)表示第k个待推送信息的第一偏好度信息，w
1表示第一偏好度信息的权重，S(k
2)表示第k个待推送信息的第二偏好度信息，w
2表示第二偏好度信息的权重，S(k
3)表示第k个待推送信息的第三偏好度信息，w
3表示第三偏好度信息的权重。
在实现上述公式中的加权计算时，各偏好度信息对应的权重可以根据经验值进行设定初始值，之后，通过多次的分流量实验，获取与待处理对象的偏好结果更为接近的权值分 配作为最终的权重。
本申请实施例的技术方案具有以下有益效果：
本申请实施例中，通过对待推送对象的行为数据进行分析，这些待推送对象的行为数据直接来源于待推送对象自身，据此得到的待推送对象的第二特征信息能够对待推送对象更为偏好的信息的特征进行表征，因此，基于待推送对象的第二特征信息与待推送信息之间的关系，可以针对性的筛选出待推送对象更为偏好的目标信息，相较于现有的信息推送方法，本申请实施例所提供的技术方案是以待推送对象的第二特征信息出发，避免了现有的类别体系所存在的信息损失的问题，且能够更有针对性的向每个待推送对象推送其感兴趣的信息，在一定程度上能够避免将待推送对象不感兴趣的信息推送给待推送对象，而且，相较于现有技术中仅通过分析待推送对象的历史数据来确定目标信息的方式而言，本申请实施例所提供的技术方案不受到待推送对象的历史行为的制约，因此，对于任意的待推送对象，都能够给出相对准确的推送信息，且信息覆盖的范围更广。
基于上述一实施例所提供的信息推送方法，本申请实施例给出实现本申请技术方案的另一个具体实现方式。
具体的，请参考图3，其为本申请实施例所提供的信息推送方法的再一实施例的流程示意图，如图3所示，该方法包括：
S301，根据待推送对象的行为数据，确定与待推送对象相关的候选对象。
本申请实施例中，候选对象为与待推送对象相关的一些对象，这些候选对象的行为数据中能够在一定程度上侧面反映待推送对象的第二特征信息。
S302，获取候选对象对于各待推送信息的偏好度。
S303，针对每个待推送信息，获取各候选对象的偏好度的平均值，得到第二偏好度信息。
S304，根据第二偏好度信息对待推送信息进行筛选，确定目标信息。
S305，对待推送对象推送目标信息。
本申请实施例中，考虑到待推送对象自身的行为数据较少，例如，一些新用户可能还未在服务提供商提供的信息上进行操作时，这些新用户的行为数据就很少。针对这种情况，可以采用如图3所示的信息推送方法进行信息推送。
具体的，与待推送对象相关的候选对象可以根据实际需要进行预设。例如，可以获取待推送对象的好友作为候选对象，或者，又例如，还可以根据待推送对象的第二特征信息，获取特征信息与待推送对象的第二特征信息接近的对象作为候选对象。
本申请实施例中，获取候选对象对各待推送信息的偏好度的方法与上文实施例类似，在此不再进行赘述。
进一步的，本申请实施例中，考虑到候选对象与待推送对象有直接关联，候选对象对各候选信息的偏好度能够在一定程度上反应待推送对象对于候选信息的偏好度，基于此，本申请实施例中获取每个候选信息的，各候选对象的偏好度的平均值，以作为第二偏好度 信息。
在具体的实现过程中，S303中获取第二偏好度信息的过程可以参见以下公式：
其中，S(k
2)表示第k个待推送信息的第二偏好度信息，
表示待推送对象对于第k个待推送信息的归一化偏好度，N表示候选对象的数目。
需要说明的是，如图3所示的信息推送方法仅为一实施例所示方法的一种具体实现方式。在实际实现过程中，既可以单独使用该方法进行信息推送，或者，也可以与其他的信息推送方式组合进行信息推送，在此不再进行赘述。
本申请实施例的技术方案具有以下有益效果：
本申请实施例中，通过对待推送对象的行为数据进行分析，这些待推送对象的行为数据直接来源于待推送对象自身，据此得到的待推送对象的第二特征信息能够对待推送对象更为偏好的信息的特征进行表征，因此，基于待推送对象的第二特征信息与待推送信息之间的关系，可以针对性的筛选出待推送对象更为偏好的目标信息，相较于现有的信息推送方法，本申请实施例所提供的技术方案是以待推送对象的第二特征信息出发，避免了现有的类别体系所存在的信息损失的问题，且能够更有针对性的向每个待推送对象推送其感兴趣的信息，在一定程度上能够避免将待推送对象不感兴趣的信息推送给待推送对象，而且，相较于现有技术中仅通过分析待推送对象的历史数据来确定目标信息的方式而言，本申请实施例所提供的技术方案不受到待推送对象的历史行为的制约，因此，对于任意的待推送对象，都能够给出相对准确的推送信息，且信息覆盖的范围更广。
基于上述一实施例所提供的信息推送方法，申请实施例给出实现本申请技术方案的第三个具体实现方式。
具体的，请参考图4，其为本申请实施例所提供的信息推送方法的又一实施例的流程示意图，如图4所示，该方法包括：
S401，根据待推送对象的行为数据与待推送信息的第一特征信息，获取待推送对象对于各待推送信息的偏好度。
S402，获取偏好度与待推送信息的特征向量之积，得到待推送对象的特征向量。
S403，获取待推送对象的特征向量与每个待推送信息的特征向量之间的余弦相似度。
S404，获取每个待推送对象的余弦相似度与偏好度之积，得到第三偏好度信息。
S405，根据第三偏好度信息对待推送信息进行筛选，确定目标信息。
S406，对待推送对象推送目标信息。
具体的，S401中获取待推送对象对于各待推送信息的偏好度的实现方式可以参见另一实施例，在此不再进行赘述。
本申请实施例中，根据待推送对象的行为数据，可以初步确定待推送对象对于该待推送信息的偏好程度，进而，将这个偏好度作为校正因子，对于待推送信息的特征向量进行 校正，可以的得到推送对象对于此类信息的偏好特征。基于此，在S402中获取待推送对象的特征向量的实现方式可以参考以下公式：
其中，U表示待推送对象的特征向量，
表示待推送对象对于第k个待推送信息的归一化偏好度，G
k表示第k个待推送信息的特征向量。
基于以上公式可知，本申请实施例中，待推送对象的特征向量U的维度与待推送信息的特征向量G
k的维度相同。
可以理解的是，由于待推送对象对待推送信息的偏好度不同，针对不同的待推送信息，可以得到不同的待推送对象的特征向量。
进一步的，对于一个待推送信息而言，其对应的待推送对象的特征向量为经过偏好度校正后的，待推送对象更为偏好的信息的特征向量，基于此，获取待推送对象的特征向量与这个待推送信息之间的余弦相似度，即可获得第三偏好度信息。
在具体的实现过程中，S404中获取第三偏好度信息的过程可以参见以下公式：
其中，S(k
3)表示第k个待推送信息的第三偏好度信息，
表示待推送对象对于第k个待推送信息的归一化偏好度，G
k表示第k个待推送信息的特征向量，U表示待推送对象的特征向量。
需要说明的是，如图4所示的信息推送方法仅为一实施例所示方法的一种具体实现方式。在实际实现过程中，既可以单独使用该方法进行信息推送，或者，也可以与其他的信息推送方式组合进行信息推送，在此不再进行赘述。
本申请实施例的技术方案具有以下有益效果：
本申请实施例中，通过对待推送对象的行为数据进行分析，这些待推送对象的行为数据直接来源于待推送对象自身，据此得到的待推送对象的第二特征信息能够对待推送对象更为偏好的信息的特征进行表征，因此，基于待推送对象的第二特征信息与待推送信息之间的关系，可以针对性的筛选出待推送对象更为偏好的目标信息，相较于现有的信息推送方法，本申请实施例所提供的技术方案是以待推送对象的第二特征信息出发，避免了现有的类别体系所存在的信息损失的问题，且能够更有针对性的向每个待推送对象推送其感兴趣的信息，在一定程度上能够避免将待推送对象不感兴趣的信息推送给待推送对象，而且，相较于现有技术中仅通过分析待推送对象的历史数据来确定目标信息的方式而言，本申请实施例所提供的技术方案不受到待推送对象的历史行为的制约，因此，对于任意的待推送对象，都能够给出相对准确的推送信息，且信息覆盖的范围更广。
实施例五
基于上述一实施例所提供的信息推送方法，本申请实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。
请参考图5，其为本申请实施例所提供的信息推送装置的功能方块图。如图5所示，该装置包括：
第一确定单元51，用于根据待推送对象的行为数据与待推送信息的第一特征信息，确定待推送对象的第二特征信息；
第二确定单元52，用于根据待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息；
第三确定单元53，用于根据偏好度信息对待推送信息进行筛选，确定目标信息；
推送单元54，用于对待推送对象推送目标信息。
在一个具体的实现过程中，第一确定单元51，具体用于：
根据待推送对象的行为数据，确定待推送信息的特征向量中每个特征值对应的权重；
根据权重与待推送信息的特征向量，确定待推送对象对于各待推送信息的偏好度。
此时，第二确定单元52，具体用于：
根据待推送对象对于各待推送信息的偏好度，确定候选信息，候选信息为偏好度符合指定条件的待推送信息；
获取各候选信息的特征向量的平均值，得到待推送对象偏好的指定信息；
获取指定信息与各待推送信息之间的余弦相似度，得到第一偏好度信息。
在另一个具体的实现过程中，第一确定单元51，具体用于：
根据待推送对象的行为数据，确定与待推送对象相关的候选对象；
获取候选对象对各待推送信息的偏好度。
此时，第二确定单元52，具体用于：
针对每个待推送信息，获取各候选对象的偏好度的平均值，得到第二偏好度信息。
在再一个具体的实现过程中，第一确定单元51，具体用于：
根据待推送对象的行为数据与待推送信息的第一特征信息，获取待推送对象对于各待推送信息的偏好度；
获取偏好度与待推送信息的特征向量之积，得到待推送对象的特征向量。
此时，第二确定单元52，具体用于：
获取待推送对象的特征向量与每个待推送信息的特征向量之间的余弦相似度；
获取每个待推送对象的余弦相似度与偏好度之积，得到第三偏好度信息。
基于此，本申请实施例还提供了一种信息推送可读介质，包括：计算机可执行指令，当该计算机可执行指令被运行时执行以下步骤；
根据待推送对象的行为数据与待推送信息的第一特征信息，确定待推送对象的第二特征信息；
根据待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息；
根据偏好度信息对待推送信息进行筛选，确定目标信息；
对待推送对象推送目标信息。
请参考图6，其为本申请实施例的系统架构示意图。如图6所示，服务器61可以根据待推送对象的行为数据与待推送信息的第一特征信息，确定待推送对象的第二特征信息(S601)；以及，根据待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息(S602)；以及，根据偏好度信息对待推送信息进行筛选，确定目标信息(S603)；以及，将确定的目标信息推送给终端62(S604)。具体的，本申请实施例所提供的信息推送装置设置于服务器侧，终端侧为待推送对象的终端。
由于本实施例中的各单元能够执行图1所示的方法，本实施例未详细描述的部分，可参考对图1的相关说明。
本申请实施例的技术方案具有以下有益效果：
本申请实施例中，通过对待推送对象的行为数据进行分析，这些待推送对象的行为数据直接来源于待推送对象自身，据此得到的待推送对象的第二特征信息能够对待推送对象更为偏好的信息的特征进行表征，因此，基于待推送对象的第二特征信息与待推送信息之间的关系，可以针对性的筛选出待推送对象更为偏好的目标信息，相较于现有的信息推送方法，本申请实施例所提供的技术方案是以待推送对象的第二特征信息出发，避免了现有的类别体系所存在的信息损失的问题，且能够更有针对性的向每个待推送对象推送其感兴趣的信息，在一定程度上能够避免将待推送对象不感兴趣的信息推送给待推送对象，而且，相较于现有技术中仅通过分析待推送对象的历史数据来确定目标信息的方式而言，本申请实施例所提供的技术方案不受到待推送对象的历史行为的制约，因此，对于任意的待推送对象，都能够给出相对准确的推送信息，且信息覆盖的范围更广。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(Processor)执行本申请各个实施例所述方法的部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read-Only Memory，ROM)、随机存取存储器(Random Access Memory，RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本申请的较佳实施例而已，并不用以限制本申请，凡在本申请的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本申请保护的范围之内。
Claims (16)
- 一种信息推送方法，包括：根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息；根据所述待推送对象的第二特征信息和所述待推送信息的第一特征信息，确定偏好度信息；根据所述偏好度信息对所述待推送信息进行筛选，确定目标信息；对所述待推送对象推送所述目标信息。
- 根据权利要求1所述的方法，其中，根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息，包括：根据所述待推送对象的行为数据，确定待推送信息的特征向量中每个特征值对应的权重；根据所述权重与所述待推送信息的特征向量，确定所述待推送对象对于各待推送信息的偏好度。
- 根据权利要求2所述的方法，其中，根据所述待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息，包括：根据所述待推送对象对于各待推送信息的偏好度，确定候选信息，所述候选信息为偏好度符合指定条件的待推送信息；获取各候选信息的特征向量的平均值，得到所述待推送对象偏好的指定信息；获取所述指定信息与各待推送信息之间的余弦相似度，得到第一偏好度信息。
- 根据权利要求1所述的方法，其中，根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息，包括：根据所述待推送对象的行为数据，确定与所述待推送对象相关的候选对象；获取所述候选对象对各待推送信息的偏好度。
- 根据权利要求4所述的方法，其中，根据所述待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息，包括：针对每个待推送信息，获取各候选对象的偏好度的平均值，得到第二偏好度信息。
- 根据权利要求1所述的方法，其中，根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息，还包括：根据所述待推送对象的行为数据与待推送信息的第一特征信息，获取所述待推送对象对于各待推送信息的偏好度；获取所述偏好度与所述待推送信息的特征向量之积，得到所述待推送对象的特征向量。
- 根据权利要求6所述的方法，其中，根据所述待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息，包括：获取所述待推送对象的特征向量与每个待推送信息的特征向量之间的余弦相似度；获取每个待推送对象的余弦相似度与偏好度之积，得到第三偏好度信息。
- 一种电子设备，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，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现一种信息推送方法，所述方法包括：根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息；根据所述待推送对象的第二特征信息和所述待推送信息的第一特征信息，确定偏好度信息；根据所述偏好度信息对所述待推送信息进行筛选，确定目标信息；对所述待推送对象推送所述目标信息。
- 根据权利要求8所述的电子设备，其中，根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息，包括：根据所述待推送对象的行为数据，确定待推送信息的特征向量中每个特征值对应的权重；根据所述权重与所述待推送信息的特征向量，确定所述待推送对象对于各待推送信息的偏好度。
- 根据权利要求9所述的电子设备，其中，根据所述待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息，包括：根据所述待推送对象对于各待推送信息的偏好度，确定候选信息，所述候选信息为偏好度符合指定条件的待推送信息；获取各候选信息的特征向量的平均值，得到所述待推送对象偏好的指定信息；获取所述指定信息与各待推送信息之间的余弦相似度，得到第一偏好度信息。
- 根据权利要求8所述的电子设备，其中，根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息，包括：根据所述待推送对象的行为数据，确定与所述待推送对象相关的候选对象；获取所述候选对象对各待推送信息的偏好度。
- 根据权利要求11所述的电子设备，其中，根据所述待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息，包括：针对每个待推送信息，获取各候选对象的偏好度的平均值，得到第二偏好度信息。
- 根据权利要求8所述的电子设备，其中，根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息，还包括：根据所述待推送对象的行为数据与待推送信息的第一特征信息，获取所述待推送对象对于各待推送信息的偏好度；获取所述偏好度与所述待推送信息的特征向量之积，得到所述待推送对象的特征向量。
- 根据权利要求13所述的电子设备，其中，根据所述待推送对象的第二特征信息和待推送信息的第一特征信息，确定偏好度信息，包括：获取所述待推送对象的特征向量与每个待推送信息的特征向量之间的余弦相似度；获取每个待推送对象的余弦相似度与偏好度之积，得到第三偏好度信息。
- 一种信息推送可读介质，包括：计算机可执行指令，当该计算机可执行指令被运行时执行如权利要求1至7中任一项所述的信息推送方法。
- 一种信息推送方法，包括：用于信息推送的服务器根据待推送对象的行为数据与待推送信息的第一特征信息，确定所述待推送对象的第二特征信息；所述服务器根据所述待推送对象的第二特征信息和所述待推送信息的第一特征信息，确定偏好度信息；所述服务器根据所述偏好度信息对所述待推送信息进行筛选，确定目标信息；以及所述服务器对所述待推送对象推送所述目标信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US16/510,711 US11064040B2 (en) | 2017-04-10 | 2019-07-12 | Information push method, readable medium, and electronic device |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710228314.0 | 2017-04-10 | ||
| CN201710228314.0A CN108512883B (zh) | 2017-04-10 | 2017-04-10 | 一种信息推送方法、装置及可读介质 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| US16/510,711 Continuation US11064040B2 (en) | 2017-04-10 | 2019-07-12 | Information push method, readable medium, and electronic device |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| WO2018188588A1 true WO2018188588A1 (zh) | 2018-10-18 |
Family
ID=63373295
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| PCT/CN2018/082511 Ceased WO2018188588A1 (zh) | 2017-04-10 | 2018-04-10 | 一种信息推送方法、可读介质及电子设备 |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US11064040B2 (zh) |
| CN (1) | CN108512883B (zh) |
| WO (1) | WO2018188588A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113554458A (zh) * | 2021-07-13 | 2021-10-26 | 北京奇艺世纪科技有限公司 | 一种对象推送方法和装置、电子设备和存储介质 |
| CN113744066A (zh) * | 2021-09-01 | 2021-12-03 | 杭州隆埠科技有限公司 | 信息推送方法及装置 |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110689383B (zh) * | 2019-10-12 | 2023-08-22 | 腾讯科技（深圳）有限公司 | 信息推送方法、装置、服务器及存储介质 |
| CN113744010B (zh) * | 2020-05-29 | 2024-06-18 | 北京沃东天骏信息技术有限公司 | 一种信息推送的方法、装置和存储介质 |
| CN113763107B (zh) * | 2021-01-26 | 2024-05-24 | 北京沃东天骏信息技术有限公司 | 一种对象信息推送方法、装置、设备及存储介质 |
| CN113329091B (zh) * | 2021-06-04 | 2022-08-26 | 杭州网易云音乐科技有限公司 | 数据管理方法及装置、存储介质、电子设备 |
| CN114329004B (zh) * | 2021-09-26 | 2025-07-22 | 腾讯科技（深圳）有限公司 | 数字指纹生成、数据推送方法、装置和存储介质 |
| CN114048348B (zh) * | 2021-10-14 | 2024-08-16 | 盐城天眼察微科技有限公司 | 视频质量评分方法和装置、以及存储介质和电子设备 |
| CN114254190A (zh) * | 2021-12-20 | 2022-03-29 | 阳光保险集团股份有限公司 | 资讯分析与展示方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090083796A1 (en) * | 2007-09-25 | 2009-03-26 | Fujitsu Limited | Information recommendation apparatus and method |
| CN102054003A (zh) * | 2009-11-04 | 2011-05-11 | 北京搜狗科技发展有限公司 | 网络信息推荐、建立网络资源索引的方法及系统 |
| CN105975483A (zh) * | 2016-04-25 | 2016-09-28 | 北京三快在线科技有限公司 | 一种基于用户偏好的消息推送方法和平台 |
| CN105989005A (zh) * | 2015-01-27 | 2016-10-05 | 中国移动通信集团公司 | 一种信息的推送方法及装置 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10102307B2 (en) * | 2013-03-15 | 2018-10-16 | Oath Inc. | Method and system for multi-phase ranking for content personalization |
| US10810616B2 (en) * | 2016-08-17 | 2020-10-20 | Adobe Inc. | Personalization of digital content recommendations |
| US10432749B2 (en) * | 2016-08-24 | 2019-10-01 | Facebook, Inc. | Application bookmarks and recommendations |
-
2017
- 2017-04-10 CN CN201710228314.0A patent/CN108512883B/zh active Active
-
2018
- 2018-04-10 WO PCT/CN2018/082511 patent/WO2018188588A1/zh not_active Ceased
-
2019
- 2019-07-12 US US16/510,711 patent/US11064040B2/en active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090083796A1 (en) * | 2007-09-25 | 2009-03-26 | Fujitsu Limited | Information recommendation apparatus and method |
| CN102054003A (zh) * | 2009-11-04 | 2011-05-11 | 北京搜狗科技发展有限公司 | 网络信息推荐、建立网络资源索引的方法及系统 |
| CN105989005A (zh) * | 2015-01-27 | 2016-10-05 | 中国移动通信集团公司 | 一种信息的推送方法及装置 |
| CN105975483A (zh) * | 2016-04-25 | 2016-09-28 | 北京三快在线科技有限公司 | 一种基于用户偏好的消息推送方法和平台 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113554458A (zh) * | 2021-07-13 | 2021-10-26 | 北京奇艺世纪科技有限公司 | 一种对象推送方法和装置、电子设备和存储介质 |
| CN113554458B (zh) * | 2021-07-13 | 2023-09-01 | 北京奇艺世纪科技有限公司 | 一种对象推送方法和装置、电子设备和存储介质 |
| CN113744066A (zh) * | 2021-09-01 | 2021-12-03 | 杭州隆埠科技有限公司 | 信息推送方法及装置 |
| CN113744066B (zh) * | 2021-09-01 | 2024-04-02 | 杭州隆埠科技有限公司 | 信息推送方法及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108512883B (zh) | 2020-08-11 |
| US11064040B2 (en) | 2021-07-13 |
| US20190342414A1 (en) | 2019-11-07 |
| CN108512883A (zh) | 2018-09-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2018188588A1 (zh) | 一种信息推送方法、可读介质及电子设备 | |
| CN113190757B (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 | |
| EP3028184B1 (en) | Method and system for searching images | |
| US20190311811A1 (en) | Graph convolution based gene prioritization on heterogeneous networks | |
| US20170171336A1 (en) | Method and electronic device for information recommendation | |
| WO2019137050A1 (zh) | 互联网信贷场景下的实时欺诈检测方法、装置及服务器 | |
| WO2017101389A1 (zh) | 一种移动终端的信息推荐方法及装置 | |
| WO2016139964A1 (ja) | 注目領域抽出装置および注目領域抽出方法 | |
| US20170061136A1 (en) | Application permission recommendation and control | |
| KR20170131924A (ko) | 이미지 검색 방법, 장치 및 컴퓨터 프로그램 | |
| CN107679053B (zh) | 地点推荐方法、装置、计算机设备及存储介质 | |
| CN112437053A (zh) | 入侵检测方法及装置 | |
| CN115131058B (zh) | 账号识别方法、装置、设备及存储介质 | |
| WO2020202327A1 (ja) | 学習システム、学習方法、及びプログラム | |
| CN113157956B (zh) | 图片搜索方法、系统、移动终端及存储介质 | |
| US12026207B2 (en) | Device for generating user profile and system comprising the device | |
| WO2017000341A1 (zh) | 一种信息处理方法、装置以及终端 | |
| KR101958555B1 (ko) | 검색 결과 제공 장치 및 방법 | |
| CN113892110B (zh) | 基于图像的菜肴识别装置和方法 | |
| CN104484330B (zh) | 基于分档关键词阈值组合评估的垃圾评论预选方法及装置 | |
| CN118379565A (zh) | 基于信息瓶颈与因果学习的因果子图提取方法、装置 | |
| KR101663359B1 (ko) | 업데이트된 뉴스 콘텐츠 제공 방법 및 장치 | |
| CN112131485B (zh) | 房源推荐方法及装置 | |
| CN115829610A (zh) | 推荐方法、分类模型的训练方法和相关设备 | |
| CN113312554A (zh) | 用于评价推荐系统的方法及装置、电子设备和介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 18785177 Country of ref document: EP Kind code of ref document: A1 |
|
| NENP | Non-entry into the national phase |
Ref country code: DE |
|
| 122 | Ep: pct application non-entry in european phase |
Ref document number: 18785177 Country of ref document: EP Kind code of ref document: A1 |