推送信息的方法、系统和非暂时性存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN111274501A(43)申请公布日2020.06.12(21)申请号202010117833.1(22)申请日2020.02.25(71)申请人支付宝（杭州）信息技术有限公司地址310000浙江省杭州市西湖区西溪路556号8层B段801-11(72)发明人傅驰林张晓露(74)专利代理机构北京市一法律师事务所11654代理人刘荣娟(51)Int.Cl.G06F16/9537(2019.01)G06N3/04(2006.01)G06N3/08(2006.01)权利要求书2页说明书18页附图7页(54)发明名称推送信息的方法、系统和非暂时性存储介质(57)摘要本说明书提供的推送信息的方法、系统和非暂时性存储介质，基于目标终端的当前需求，将所述目标终端的多个历史特征行为以及多个历史特征行为中的每个历史特征行为发生的时间距离当前时刻的时间差进行结合，构造出包含用户历史特征行为时序信息的特征向量，将所述特征向量输入预测模型中得到预测结果，基于所述预测结果向所述目标终端推送与当前需求相关的信息。CN111274501ACN111274501A权利要求书1/2页1.一种推送信息的方法，包括：服务器接收目标终端的目标行为，所述目标行为与所述目标终端使用用户的当前需求相关；所述服务器获取所述目标终端的特征数据，所述特征数据包括所述目标终端在预设时间窗口中的多个历史特征行为以及所述多个历史特征行为中的每个历史特征行为的发生时间；所述服务器针对所述目标终端的当前需求，基于所述多个历史特征行为以及所述每个历史特征行为的发生时间距离当前时刻的时间差，生成所述目标终端的特征向量；所述服务器将所述特征向量输入到预测模型中，得到针对所述目标终端当前需求的预测结果；以及所述服务器基于所述预测结果向所述目标终端推送目标信息。2.如权利要求1所述的推送信息的方法，其中，所述特征数据还包括所述目标终端的多个属性特征数据，所述多个属性特征数据包括所述目标终端的多个身份特征数据和多个状态特征数据。3.如权利要求2所述的推送信息的方法，其中，所述基于所述多个历史特征行为以及所述每个历史特征行为的发生时间距离当前时刻的时间差，生成所述目标终端的特征向量包括：将所述多个历史特征行为以及所述每个历史特征行为的发生时间距离当前时刻的时间差输入序列编码器，生成所述目标终端的行为特征向量；将所述多个属性特征数据输入属性特征编码器，生成所述目标终端的属性特征向量；基于所述行为特征向量和所述属性特征向量，生成所述目标终端的特征向量。4.如权利要求3所述的推送信息的方法，其中，所述序列编码器包括行为特征编码器和循环神经网络模型，所述将所述多个历史特征行为以及所述每个历史特征行为的发生时间距离当前时刻的时间差输入所述序列编码器，生成所述目标终端的行为特征向量包括：将所述多个历史特征行为以及所述每个历史特征行为发生的时间距离当前时刻的时间差输入所述行为特征编码器，生成多个向量组，所述每个向量组包括：对所述多个历史特征行为中的一个历史特征行为进行编码生成的行为向量；和对与所述历史特征行为相对应的时间差进行编码生成的时间差向量，其中，所述行为向量和所述时间差向量相对应；将所述多个向量组按照所述历史特征行为发生的顺序输入所述循环神经网络模型中，得到所述行为特征向量。5.如权利要求4所述的推送信息的方法，其中，所述循环神经网络模型包括：嵌入层，用于融合相对应的所述行为向量和所述时间差向量；和门控循环单元GRU层，同所述嵌入层串联。6.如权利要求5所述的推送信息的方法，其中，所述将所述多个向量组按照所述历史特征行为发生的顺序输入所述循环神经网络模型中，得到所述行为特征向量包括：将所述多个相对应的行为向量和时间差向量按照所述历史特征行为发生的顺序输入到所述循环神经网络模型中，通过所述循环神经网络模型得到最后一个输入的行为向量和时间差向量对应的输出向量为所述行为特征向量，2CN111274501A权利要求书2/2页其中，在每次循环中依次将对应的行为向量和时间差向量以及上一次循环的输出输入所述嵌入层，将所述嵌入层的输出和上一次循环的输出输入到所述门控循环单元GRU层。7.如权利要求3所述的推送信息的方法，其中，所述将所述多个属性特征数据输入属性特征编码器，生成所述目标终端的属性特征向量包括：对所述多个属性特征数据进行编码，得到多个属性特征数据向量；对所述多个属性特征数据向量进行求和取平均值得到所述属性特征向量。8.如权利要求3所述的推送信息的方法，其中，所述基于所述行为特征向量和所述属性特征向量，生成所述目标终端的特征向量包括：将所述行为特征向量和所述属性特征向量进行拼接得到基础特征向量；对所述基础特征向量进行有限阶数的线性组合，