[发明专利]用于推送信息的方法和装置有效

专利信息
申请号: 201710881974.9 申请日: 2017-09-26
公开(公告)号: CN107577807B 公开(公告)日: 2020-11-10
发明(设计)人: 郑慧懿;曹童心;杨啸晗;陶静 申请(专利权)人: 百度在线网络技术(北京)有限公司
主分类号: G06F16/9535 分类号: G06F16/9535;G06N20/00
代理公司: 北京英赛嘉华知识产权代理有限责任公司 11204 代理人: 王达佐;马晓亚
地址: 100085 北京市*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 用于 推送 信息 方法 装置
【说明书】:

本申请公开了用于推送信息的方法和装置。该方法的一具体实施方式包括:基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性,确定上述搜索信息是否为第一类搜索信息;响应于确定上述搜索信息为第一类搜索信息,从上述标识信息集合中选取出目标标识信息;根据上述目标标识信息确定待展示信息;确定上述待展示信息的展示样式,并根据确定的展示样式向上述终端推送上述待展示信息。该实施方式实现了富于针对性的信息推送。

技术领域

本申请涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及用于推送信息的方法和装置。

背景技术

随着互联网技术的不断发展,通过网络进行信息搜索已经成为用户非常重要的一种信息获取方式。例如,用户可以通过在搜索引擎中输入搜索信息,从而得到搜索结果页。有时,用户输入的搜索信息中可能会包含一些特殊词语,例如,产品词、品牌词等等,这类搜索信息中的这些特殊词语明确的表达了用户的搜索需求,然而,现有的信息推送方式通常是在网页上直接加载各种推送信息,这些推送信息与用户的搜索需求有明显的差异,从而,存在搜索信息利用不足,信息推送缺乏针对性的问题。

发明内容

本申请实施例的目的在于提出一种改进的用于推送信息的方法和装置,来解决以上背景技术部分提到的技术问题。

第一方面,本申请实施例提供了一种用于推送信息的方法,该方法包括:基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性,确定上述搜索信息是否为第一类搜索信息;响应于确定上述搜索信息为第一类搜索信息,从上述标识信息集合中选取出目标标识信息;根据上述目标标识信息确定待展示信息;确定上述待展示信息的展示样式,并根据确定的展示样式向上述终端推送上述待展示信息。

在一些实施例中,上述基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性,确定上述搜索信息是否为第一类搜索信息,包括:响应于确定上述搜索信息中包括上述标识信息集合中的标识信息,计算上述搜索信息与上述标识信息集合中的各条标识信息的相关性;如果上述搜索信息与上述标识信息集合中的标识信息的相关性超过预先设定的相关性阈值,则确定上述搜索信息为第一类搜索信息。

在一些实施例中,上述从上述标识信息集合中选取出目标标识信息,包括:对上述搜索信息进行分词,得到至少一个第一分词,使用预先训练的词向量列表,得到各第一分词对应的词向量,将上述至少一个第一分词中的各第一分词的词向量进行拼接,得到上述搜索信息的词向量,其中,上述词向量列表用于表征词与词向量之间的对应关系;对于上述标识信息集合中的每条标识信息,对该标识信息进行分词,得到至少一个第二分词,使用上述词向量列表,得到各第二分词对应的词向量,将上述至少一个第二分词中的各第二分词的词向量进行拼接,得到该标识信息的词向量;计算上述搜索信息的词向量与上述标识信息集合中的各条标识信息的词向量之间的余弦相似度;确定计算得到的余弦相似度最大值对应的标识信息为目标标识信息。

在一些实施例中,上述词向量列表是通过以下方式得到的:利用机器学习算法,将样本词作为输入,将上述样本词对应的向量作为输出,训练得到上述词向量列表。

在一些实施例中,上述确定上述待展示信息的展示样式,包括:使用预先训练的预测模型确定上述待展示信息的展示样式,其中,上述预测模型用于表征搜索相关信息与展示样式的对应关系;以及上述预测模型是通过以下方式训练得到的:利用逻辑回归模型,将历史搜索相关信息作为输入,将上述历史搜索相关信息对应的待展示信息被点击时的展示样式作为输出,训练得到预测模型。

在一些实施例中,上述展示样式包括以下至少一项:文字样式、咨询样式、电话样式和应用下载样式。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710881974.9/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top