信息推送方法、装置和计算机可读存储介质.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CN111782928A(43)申请公布日2020.10.16(21)申请号201910419027.7(22)申请日2019.05.20(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区北京经济技术开发区科创十一街18号院2号楼4层A402室(72)发明人党浩明王金成严严(74)专利代理机构中国贸促会专利商标事务所有限公司11038代理人李昊刘剑波(51)Int.Cl.G06F16/9535(2019.01)G06Q30/06(2012.01)权利要求书3页说明书10页附图5页(54)发明名称信息推送方法、装置和计算机可读存储介质(57)摘要本发明公开了一种信息推送方法、装置和计算机可读存储介质，涉及数据处理领域。信息推送方法包括：获取用户的一个或多个属性和候选对象的一个或多个属性作为原始属性；根据原始属性生成输入信息；将输入信息输入到特征计算模型中，获得第一输出信息、第二输出信息和第三输出信息，第一输出信息是根据多个特征的线性计算结果确定的，第二输出信息是根据对输入信息中的特征进行第一非线性组合后的结果计算的，第三输出信息是对输入信息中的特征进行第二非线性组合后的结果计算的；根据第一输出信息、第二输出信息、第三输出信息确定候选对象对于用户的推荐值；在推荐值大于预设阈值的情况下，将候选对象推送给用户。CN111782928ACN111782928A权利要求书1/3页1.一种信息推送方法，包括：获取用户的一个或多个属性以及候选对象的一个或多个属性，作为原始属性；根据原始属性生成输入信息，其中，所述输入信息包括多个特征；将输入信息输入到特征计算模型中，获得特征计算模型输出的第一输出信息、第二输出信息和第三输出信息，其中，第一输出信息是特征计算模型根据所述多个特征的线性计算结果确定的，第二输出信息是特征计算模型根据对输入信息中的特征进行第一非线性组合后的结果确定的，第三输出信息是特征计算模型对输入信息中的特征进行第二非线性组合后的结果确定的；根据第一输出信息、第二输出信息、第三输出信息确定所述候选对象对于所述用户的推荐值；在所述推荐值大于预设阈值的情况下，将所述候选对象推送给所述用户。2.根据权利要求1所述的信息推送方法，其中，所述特征计算模型包括线性计算接口、特征组合计算接口和深度学习计算接口；将输入信息输入到特征计算模型中，获得线性计算接口基于线性推荐模型确定的第一输出信息、特征组合计算接口基于特征组合模型确定的第二输出信息和深度学习计算接口基于深度学习模型确定的第三输出信息。3.根据权利要求2所述的信息推送方法，其中，所述根据原始属性生成输入信息包括：根据原始属性对应的特征以及原始属性的预设组合所对应的特征生成第一输入向量；根据原始属性对应的特征生成第二输入向量；将第一输入向量和第二输入向量确定为输入信息，以便将第一输入向量输入到线性计算接口、将第二输入向量输入到特征组合计算接口和深度学习计算接口。4.根据权利要求3所述的信息推送方法，其中，所述第一输入特征为稀疏特征，所述第二输入特征为稠密特征。5.根据权利要求4所述的信息推送方法，其中，所述根据原始属性对应的特征以及原始属性的预设组合所对应的特征生成第一输入向量包括：获得对原始属性对应的特征以及原始属性的预设组合所对应的特征的独热编码结果；根据每个特征所对应的独热编码结果生成第一输入向量。6.根据权利要求4所述的信息推送方法，其中，所述根据原始属性对应的特征生成第二输入向量包括：根据预设的对应关系，确定每个原始属性对应的嵌入特征；根据每个原始属性对应的嵌入特征生成第二输入特征。7.根据权利要求2所述的信息推送方法，其中，获得特征组合计算接口基于特征组合模型确定的第二输出信息包括：根据第二输入向量与特征组合模型的第k层的输出向量的转置的乘积，确定特征组合模型的第k+1层的输出结果，其中，k为正整数。8.根据权利要求2所述的信息推送方法，其中，获得深度学习计算接口基于深度学习模型确定的第三输出信息包括：根据深度学习模型的第l层、第l+1层之间的权值参数、偏置参数以及第l层的输出结果，确定第一中间值，其中，l为正整数；2CN111782928A权利要求书2/3页将第一中间值输入S型生长曲线函数，获得第二中间值；将第一中间值与第二中间值的乘积确定为深度学习模型的第l+1层的输出结果。9.根据权利要求1～8中任一项所述的信息推送方法，其中，所述根据第一输出信息、第二输出信息、第三输出信息确定所述候选对象对于所述用户的推荐值包括：将第一输出信息、第二输出信息、第三输出信息的合并结果与预设的权重向量的乘积输入到激活函数中；将所述激活函数的输出结果确定为所述候选对象对于所述用户的推荐值。10.根