[发明专利]用于信息推广的方法、装置、电子设备及计算机可读介质

权利要求书

1.一种用于信息推广的方法，其特征在于，包括：

实时获取请求信息，所述请求信息包括用户信息与推广信息；

将所述请求信息映射为自然语言以生成第一数据；其中，将所述请求信息映射为自然语言包括：将所述请求信息不进行特征提取直接映射为字符串，其中将中文替换为拼音；

将所述第一数据输入排序模型以确定排序评分，所述排序模型为深度卷积神经网络模型；以及

根据所述排序评分对所述请求信息中的所述推广信息进行推广；

其中，将所述第一数据输入排序模型以确定排序评分，所述排序模型为深度卷积神经网络模型，包括：

将所述第一数据进行one-hot编码处理，生成编码矩阵；

将所述编码矩阵进行卷积处理，以提取多个特征矩阵；

通过所述多个特征矩阵提取组合特征；以及

通过所述组合特征与激活函数，确定所述排序评分。

2.如权利要求1所述的方法，其特征在于，还包括：

通过历史请求信息与历史请求结果建立所述排序模型。

3.如权利要求2所述的方法，其特征在于，所述通过历史请求信息与历史请求结果建立所述排序模型，包括：

通过所述历史请求信息与所述历史请求结果对深度卷积神经网络模型进行训练，以获得所述排序模型。

4.如权利要求3所述的方法，其特征在于，所述排序模型，包括：

对应于所述深度卷积神经网络模型的每一层的模型结构；以及

每一层的所述模型结构对应的权重。

5.如权利要求1所述的方法，其特征在于，将所述第一数据输入排序模型以确定排序评分，所述排序模型为深度卷积神经网络模型，还包括：

对所述特征矩阵进行降维处理。

6.如权利要求1所述的方法，其特征在于，所述将所述第一数据进行one-hot编码处理，生成编码矩阵，包括：

将所述第一数据中，每个字符均映射为列向量；以及

通过所述列向量生成所述编码矩阵。

7.如权利要求1所述的方法，其特征在于，所述将所述第一数据进行one-hot编码处理，生成编码矩阵，还包括：

通过所述第一数据确定字符表；以及

指定所述字符表中字符的索引数。

8.如权利要求1所述的方法，其特征在于，所述将所述编码矩阵进行卷积处理，以提多个取特征矩阵，包括：

通过查表方式将所述编码矩阵进行卷积处理，以提多个取特征矩阵。

9.如权利要求8所述的方法，其特征在于，所述通过查表方式将所述编码矩阵进行卷积处理，以提多个取特征矩阵，包括：

将所述编码矩阵中列向量值为1的位置记录在查询表中；

在所述卷积处理时，通过所述查询表中对应位置的索引值获取卷积核对应位置的元素值；

将所述元素值相加获取所述卷积处理结果。

10.一种用于信息推广的装置，其特征在于，包括：

信息模块，用于实时获取请求信息，所述请求信息包括用户信息与推广信息；

数据模块，用于将所述请求信息映射为自然语言以生成第一数据；其中，将所述请求信息映射为自然语言包括：将所述请求信息不进行特征提取直接映射为字符串，其中将中文替换为拼音；

排序模块，用于将所述第一数据输入排序模型以确定排序评分，所述排序模型为深度卷积神经网络模型；以及

推广模块，用于根据所述排序评分对所述请求信息中的所述推广信息进行推广；

其中，所述排序模块用于：

将所述第一数据进行one-hot编码处理，生成编码矩阵；

将所述编码矩阵进行卷积处理，以提取多个特征矩阵；

通过所述多个特征矩阵提取组合特征；以及

通过所述组合特征与激活函数，确定所述排序评分。