[发明专利]推送方法、装置、电子设备和计算机可读存储介质

权利要求书

1.一种推送方法，其特征在于，包括：

获取待推送素材的素材数据和待推送用户的用户数据；

根据所述待推送素材的素材数据，提取所述待推送素材的特征信息；

根据所述待推送用户的用户数据，提取所述待推送用户的特征信息；

将所述待推送素材的特征信息和所述待推送用户的特征信息输入至创意优选模型，输出所述待推送素材的目标创意，其中，所述目标创意为所述待推送素材的多种创意中的一种，所述待推送素材的不同创意为所述待推送素材的不同素材数据的组合；

根据所述目标创意向所述待推送用户推送所述待推送素材。

2.根据权利要求1所述的方法，其特征在于，所述根据所述待推送素材的素材数据，提取所述待推送素材的特征信息，包括：

根据所述待推送素材包括的素材数据的类型，提取每种类型的素材数据的特征信息；

将所述每种类型的素材数据的特征信息进行拼接，得到所述待推送素材的特征信息。

3.根据权利要求2所述的方法，其特征在于，所述将所述每种类型的素材数据的特征信息进行拼接，得到所述待推送素材的特征信息，包括：

根据所述待推送素材的元数据的特征信息，对所述每种类型的素材数据的特征信息进行加权相乘处理；

将加权相乘后的所述每种类型的素材数据的特征信息进行拼接，得到所述待推送素材的特征信息。

4.根据权利要求2或3所述的方法，其特征在于，所述根据所述待推送素材包括的素材数据的类型，提取每种类型的素材数据的特征信息，包括以下中的至少一项：

利用卷积神经网络提取所述待推送素材中的图像的布局信息作为所述图像的特征信息；

利用字符卷积神经网络获取所述待推送素材中的图片的光学字符识别的语义信息作为所述光学字符识别的特征信息；

利用字符卷积神经网络获取所述待推送素材中的文本的语义信息作为所述文本的特征信息；

对所述待推送素材中的音频进行语音识别得到所述音频对应的文本，利用所述字符卷积神经网络获取所述文本的语义信息作为所述音频的特征信息；

对所述待推送素材的元数据信息进行独热编码得到所述元数据的特征信息。

5.根据权利要求3所述的方法，其特征在于，所述元数据信息包括以下中的至少一项：

应用类型，图像模式，地理位置信息。

6.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述待推送素材的特征信息和所述待推送用户的特征信息输入至创意优选模型，输出所述待推送素材的目标创意，包括：

将基于每个创意的所述待推送素材的特征信息分别和所述待推送用户的特征信息进行内积处理，得到所述待推送用户对所述每个创意的打分；

将打分最高的创意作为向所述待推送用户推送所述待推送素材的目标创意。

7.一种推送方法，其特征在于，包括：

构建创意优选模型的训练样本，其中，所述训练样本包括素材和用户的正负样本；

提取所述素材的正负样本的特征信息；

提取所述用户的正负样本的特征信息；

将提取的所述素材的正负样本的特征信息和所述用户的正负样本的特征信息输入所述创意优选模型进行训练，得到所述创意优选模型。

8.根据权利要求7所述的方法，其特征在于，所述提取所述素材的正负样本的特征信息，包括：

根据所述素材包括的素材元素的类型，提取每种类型的素材元素的特征信息；

将所述每种类型的素材元素的特征信息进行拼接，得到所述素材的特征信息。

9.根据权利要求8所述的方法，其特征在于，所述将所述每种类型的素材元素的特征信息进行拼接，得到所述素材的特征信息，包括：

根据所述素材的元数据的特征信息，对所述每种类型的素材元素的特征信息进行加权相乘处理；

将加权相乘后的所述每种类型的素材元素的特征信息进行拼接，得到所述素材的特征信息。