[发明专利]信息推送方法、装置、计算机设备和存储介质

权利要求书

1.一种信息推送方法，所述方法包括：

获取待检测用户的静态特征和动态特征；所述静态特征为所述待检测用户的属性特征，所述动态特征为所述待检测用户的购买信息和浏览信息；

基于所述待检测用户的静态特征和动态特征构建所述待检测用户的用户画像；所述待检测用户的用户画像用于表征所述待检测用户的特征；

获取待检测物品的物品特征；

将所述待检测用户的用户画像和所述待检测物品的物品特征输入训练完成的神经网络中，得到所述待检测物品的评分；所述评分用于表征所述待检测用户对所述待检测物品的喜爱程度；

根据各个所述待检测物品的评分，确定待推送物品，将所述待推送的物品对应的信息推送至所述待检测用户。

2.根据权利要求1所述的方法，其特征在于，获取待检测用户的动态特征，包括：

获取待检测用户的购买信息和浏览信息，根据所述购买信息生成购买标签，根据所述浏览信息生成浏览标签；

获取各个所述购买标签的第一权重，以及各个所述浏览标签的第二权重；

基于各个所述购买标签以及对应的第一权重，各个所述浏览标签以及对应的第二权重，生成所述待检测用户的动态特征。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

当所述待检测用户的购买信息发生变化时，更新所述待检测用户的购买标签以及各个所述购买标签的第一权重；

当所述待检测用户的浏览信息发生变化时，更新所述待检测用户的浏览标签以及各个所述浏览标签的第二权重；

基于更新后的各个所述购买标签以及对应的第一权重、更新后的各个所述浏览标签以及对应的第二权重，生成所述待检测用户的动态特征。

4.根据权利要求2所述的方法，其特征在于，所述方法还包括：

获取购买过所述待检测物品的所有用户对应的第一参考权重，以及浏览过所述待检测物品的所有用户对应的第二参考权重；所述所有用户中包括所述待检测用户；

对购买过所述待检测物品的所有用户对应的第一参考权重进行归一化处理，得到所述待检测用户的购买标签的第一权重；

对浏览过所述待检测物品的所有用户对应的第二参考权重进行归一化处理，得到所述待检测用户的浏览标签的第二权重。

5.根据权利要求1至4任意一项所述的方法，其特征在于，所述根据各个所述待检测物品的评分，确定待推送物品，包括：

获取各个所述待检测物品的评分，将所述评分高于第一分数的待检测物品确定为待推送物品。

6.根据权利要求1至4任意一项所述的方法，其特征在于，所述根据各个所述待检测物品的评分，确定待推送物品，包括：

当所述待检测用户得到的各个所述待检测物品的评分均小于第二分数时，获取购买次数最多的物品；

将所述购买次数最多的物品对应的信息推送至所述待检测用户。

7.一种神经网络的训练方法，所述方法包括：

获取多个用户的用户画像，以及多个已知评分的物品的物品特征；

将多个用户的所述用户画像逐一输入神经网络中，将多个物品特征逐一输入神经网络中，得到每一个用户对每一个所述物品的预测评分；

根据所述物品的预测评分与所述物品的已知评分，确定损失值；

根据所述损失值调整所述神经网络的参数，直到所述损失值小于阈值，或者迭代调整次数达到阈值，所述神经网络训练完成。