[发明专利]信息推送方法、装置、计算机设备和存储介质

说明书

本申请涉及一种信息推送方法、装置、计算机设备和存储介质。包括：获取待检测用户的静态特征和动态特征；静态特征为待检测用户的属性特征，动态特征为待检测用户的购买信息和浏览信息；基于待检测用户的静态特征和动态特征构建待检测用户的用户画像；待检测用户的用户画像用于表征待检测用户的特征；获取待检测物品的物品特征；将待检测用户的用户画像和待检测物品的物品特征输入训练完成的神经网络中，得到待检测物品的评分；评分用于表征待检测用户对待检测物品的喜爱程度；根据各个待检测物品的评分，确定待推送物品，将待推送的物品对应的信息推送至待检测用户。上述信息推送方法、装置、计算机设备和存储介质能够提高信息推送的准确性。

技术领域

本申请涉及计算机技术技术领域，特别是涉及一种信息推送方法、装置、计算机设备和存储介质。

背景技术

推荐系统(RS)是一种向目标用户推荐他可能感兴趣物品的软件工具和技术。目前，推荐系统相关的研究主要有三个模型，基于内容推荐算法(CB)、基于协同过滤的推荐算法(CF)、混合推荐算法。基于内容推荐算法依赖物品和用户的描述内容来构建其特征表示，然后基于这些特征表示来推荐相关物品的信息给用户。协同过滤算法基于用户对商品的评分或其他行为模式为用户提供个性化的推荐。混合推荐算法通过组合多种推荐系统避免各个推荐系统的弱点，有加权式、切换式、混杂式、特征组合、层叠式、特征补充、级联式。

然而，传统的信息推送方法存在推送准确性低的问题。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高准确性的信息推送方法、装置、计算机设备和存储介质。

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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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；