[发明专利]信息推送方法、装置、设备及存储介质

权利要求书

1.一种信息推送方法，其特征在于，包括：

获取参与课程活动事件的多个学员的学员信息；

根据多个所述学员信息中的用户关系信息、课程活动信息和技能学习信息，构建所述课程活动事件对应的异构图；

将多个所述异构图作为训练样本，对预设的图神经网络进行迭代训练，得到训练好的异构图神经网络；

获取待推广广告的标签信息，所述标签信息与用户关系信息、课程活动信息和技能学习信息中的至少一个相关；

将所述标签信息输入至所述异构图神经网络进行预测，以确定多个目标用户，并向多个所述目标用户推送所述待推广广告。

2.如权利要求1所述的信息推送方法，其特征在于，所述根据多个所述学员信息中的用户关系信息、课程活动信息和技能学习信息，构建所述课程活动事件对应的异构图，包括：

将每个所述学员信息中的用户关系信息、课程活动信息和技能学习信息作为节点，得到节点集合；

确定每两个所述节点之间的关联关系，得到关联关系集合；

根据所述节点集合和所述关联关系集合，构建所述课程活动事件对应的异构图。

3.如权利要求2所述的信息推送方法，其特征在于，所述根据所述节点集合和所述关联关系集合，构建所述课程活动事件对应的异构图，包括：

生成所述节点集合中的多个目标节点的散点图；

根据所述关联关系集合，对所述散点图中的多个目标节点进行连接；

将完成连接的所述散点图作为所述异构图。

4.如权利要求3所述的信息推送方法，其特征在于，所述根据所述关联关系集合，对所述散点图中的多个目标节点进行连接，包括：

根据所述关联关系集合中的每两个所述节点之间的关联关系，确定每两个所述目标节点之间的元路径；

根据每两个所述目标节点之间的元路径，对所述散点图中的多个所述目标节点进行连线。

5.如权利要求1-4中任一项所述的信息推送方法，其特征在于，所述图神经网络包括异构图注意力网络；所述将多个所述异构图作为训练样本，对预设的图神经网络进行迭代训练，得到训练好的异构图神经网络，包括：

将所述异构图作为训练样本输入至所述异构图注意力网络，得到节点级别的第一输出权重和语义级别的第二输出权重；

根据所述第一输出权重和所述第二输出权重，计算所述异构图注意力网络的模型损失值；

基于所述模型损失值更新所述异构图注意力网络的模型参数；

根据多个所述异构图对更新的所述异构图注意力网络进行迭代训练；

当确定更新的所述异构图注意力网络处于收敛状态时，停止对更新的所述异构图注意力网络进行迭代训练；

将停止迭代训练的所述异构图注意力网络作为训练好的异构图神经网络。

6.如权利要求1-4中任一项所述的信息推送方法，其特征在于，所述将所述标签信息输入至所述异构图神经网络进行预测，以确定多个目标用户，包括：

将所述标签信息输入至所述异构图神经网络进行处理，得到多个用户关系信息与每个所述用户关系信息的权重值；

根据每个所述用户关系信息的权重值，从多个所述多个用户关系信息中选取目标用户关系信息；

根据所述目标用户关系信息，确定多个目标用户。

7.如权利要求6所述的信息推送方法，其特征在于，所述向多个所述目标用户推送所述待推广广告，包括：

根据所述待推广广告的标签信息，对多个所述目标用户进行分组，得到多个用户组；

根据每个所述用户组的分组信息，对所述待推广广告进行调整，以生成每个所述用户组各自对应的目标广告；

将所述目标广告发送给各自对应的所述用户组中的多个目标用户。