[发明专利]一种信息推送方法、装置和存储介质

权利要求书

1.一种信息推送方法，其特征在于，包括：

获取目标用户的用户数据；

对所述用户数据进行特征抽取，得到用户特征；

将所述用户特征和待推送信息进行低维稠密向量化，得到用户向量和信息向量；

计算所述信息向量和所述用户向量的相似度；

将相似度满足预设条件的待推送信息推送给目标用户。

2.根据权利要求1所述的方法，其特征在于，所述用户特征包括用户的多个特征，所述待推送信息包括信息标识，所述将所述用户特征和待推送信息进行低维稠密向量化，得到用户向量和信息向量，包括：

将用户特征中的每个特征根据向量化模型进行低维稠密向量化，得到多个特征向量；

根据用户每个特征的权重对所述特征向量进行加权求和，得到用户向量；

在所述向量化模型中查找所述信息标识对应的低维稠密向量，得到信息向量。

3.根据权利要求2所述的方法，其特征在于，所述将用户特征中的每个特征根据向量化模型进行低维稠密向量化，得到多个特征向量，包括：

利用向量化模型对所述用户特征中每个特征进行哈希变换，得到多个哈希特征；

在所述向量化模型中查找所述多个哈希特征对应的特征向量，得到多个特征向量。

4.根据权利要求2所述的方法，其特征在于，所述将用户特征中的每个特征根据向量化模型进行低维稠密向量化之前，还包括：

获取用户数据样本和用户行为数据样本；

利用所述用户数据样本和用户行为数据样本对预设模型进行训练，得到向量化模型。

5.根据权利要求4所述的方法，其特征在于，所述利用所述用户数据样本和用户行为数据样本对预设模型进行训练，得到向量化模型，包括：

对所述用户数据样本进行特征抽取，得到用户特征样本；

对所述用户行为数据样本进行格式化，得到格式化样本；

利用所述用户特征样本和所述格式化样本对预设模型进行训练，得到向量化模型。

6.根据权利要求5所述的方法，其特征在于，所述格式化样本包括样本真实值，所述利用所述用户特征样本和所述格式化样本对预设模型进行训练，得到向量化模型，包括：

采用预设模型对所述用户特征样本和所述格式化样本进行随机低维稠密向量化，分别得到用户向量样本和信息向量样本；

利用所述用户向量样本和所述信息向量样本对用户行为进行预测，得到样本预测值；

根据所述样本预测值和所述样本真实值对预设模型进行收敛，得到向量化模型。

7.根据权利要求6所述的方法，其特征在于，所述格式化样本包括信息样本标识，所述预设模型包括嵌入层，所述采用预设模型对所述用户特征样本和所述格式化样本进行随机低维稠密向量化，分别得到用户向量样本和信息向量样本，包括：

利用嵌入层随机产生用户每个特征样本对应的低维稠密向量，得到特征向量样本；

根据用户每个特征样本的权重对所述特征向量样本进行加权求和，得到用户向量样本；

利用嵌入层随机产生所述信息样本标识对应的低维稠密向量，得到信息向量样本。

8.根据权利要求6所述的方法，其特征在于，所述利用所述用户向量样本和所述信息向量样本对用户行为进行预测，得到样本预测值，包括：

利用所述用户向量样本和所述信息向量样本进行向量点积，得到样本向量值；

将所述样本向量值映射到预设的函数区间，得到样本预测值。

9.根据权利要求4所述的方法，其特征在于，所述利用所述用户数据样本和用户行为数据样本对预设模型进行训练，得到向量化模型，包括：

将所述用户行为数据样本划分为正行为数据样本和负行为数据样本，得到用户行为数据样本集，所述正行为数据样本为执行用户行为数据样本中行为的样本，所述负行为数据样本为除执行所述用户行为数据样本中行为之外的样本；

利用所述用户数据样本以及多个正行为数据样本对应同一个负行为数据样本对预设模型进行训练，得到向量化模型。