[发明专利]信息推送方法、装置、存储介质和计算机设备

权利要求书

1.一种信息推送方法，包括：

获取操作数据；所述操作数据包括短期操作数据和长期行为画像，所述短期操作数据包括应用程序内操作数据和应用程序外操作数据；

将所述应用程序内操作数据转换为应用程序内的第一稠密型操作向量；将所述应用程序外操作数据转换为应用程序外的第二稠密型操作向量；通过机器学习模型中的第一网络层，对所述第一稠密型操作向量和所述第二稠密型操作向量进行特性交叉处理，得到短期操作特征；以及，通过所述机器学习模型中的第二网络层对所述长期行为画像进行处理，得到长期操作特征；利用所述机器学习模型中的第三网络层，对所述短期操作特征和所述长期操作特征进行全连接运算，得到忙闲状态；

当根据所述忙闲状态确定当前处于空闲状态时，通过所述机器学习模型确定待推送信息中与所述忙闲状态匹配的、且用户感兴趣的目标推送信息；

向用户设备推送所述目标推送信息。

2.根据权利要求1所述的方法，其特征在于，所述应用程序内操作数据包括点击应用程序中的主菜单、点击各子功能、在所述应用程序中的停留时长和在所述应用程序中阅读文章的数据。

3.根据权利要求1所述的方法，其特征在于，所述应用程序外操作数据包括设备亮屏时间、应用程序的时间分布和设备操作次数。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述用户设备所处的环境特征；

所述通过所述机器学习模型中的第二网络层对所述长期行为画像进行处理，得到长期操作特征包括：

通过所述机器学习模型中的第二网络层，对所述长期行为画像和所述环境特征进行全连接运算，得到长期操作特征。

5.根据权利要求2所述的方法，其特征在于，所述空闲状态包括空闲时间和空闲时长；所述通过所述机器学习模型确定待推送信息中与所述忙闲状态匹配的、且用户感兴趣的目标推送信息包括：

通过所述机器学习模型确定待推送信息中与所述空闲时长匹配的、且用户感兴趣的目标推送信息；

所述向用户设备推送所述目标推送信息包括：

当到达所述空闲时间时，向用户设备推送所述目标推送信息。

6.根据权利要求5所述的方法，其特征在于，所述待推送信息包括待推送媒体信息，所述目标推送信息包括目标媒体信息；所述方法还包括：

获取用户属性特征和媒体特征；

所述通过所述机器学习模型确定待推送信息中与所述空闲时长匹配的、且用户感兴趣的目标推送信息包括：

通过所述机器学习模型中的第四网络层，对所述用户属性特征和所述媒体特征进行特征交叉，得到交叉特征；

利用所述机器学习模型中的第五网络层，对所述交叉特征、所述短期操作特征和所述长期操作特征进行全连接运算，得到媒体信息点击率；

依据所述媒体信息点击率，从所述待推送媒体信息中选取与所述空闲时长匹配的、且用户感兴趣的目标媒体信息。

7.根据权利要求6所述的方法，其特征在于，所述依据所述媒体信息点击率，从所述待推送媒体信息中选取与所述空闲时长匹配的、且用户感兴趣的目标媒体信息包括：

根据所述媒体信息点击率计算所述待推送媒体信息的评分值；

按照所计算的评分值对所述待推送媒体信息进行排序；

从排序后的所述待推送媒体信息中，选取顺序满足预设条件的待推送媒体信息作为用户感兴趣的目标媒体信息。

8.根据权利要求2至7中任一项所述的方法，其特征在于，还包括：

获取操作数据样本、用户参考状态和参考推送信息；所述操作数据样本包括用户的短期操作数据样本和长期行为画像样本；

将所述短期操作数据样本输入所述机器学习模型训练，得到训练忙闲状态；

将所述长期行为画像样本输入所述机器学习模型训练，得到训练推送信息；

计算所述训练忙闲状态与所述用户参考状态之间的第一差异值，以及计算所述训练推送信息和所述参考推送信息之间的第二差异值；

根据所述第一差异值和所述第二差异值调整所述机器学习模型中的参数，直至所述机器学习模型收敛。