[发明专利]推送方法、系统及电子设备

权利要求书

1.一种推送方法，用于从多个对象中推送部分对象，所述方法包括：

获取所述多个对象的图像信息；

通过神经网络，从所述多个对象的图像信息中提取每个对象的图像特征；以及

基于所述图像特征，推送所述多个对象中的部分对象。

2.根据权利要求1所述的方法，其中，所述基于所述图像特征，推送所述多个对象中的部分对象包括：

根据用户历史行为，确定与所述用户相关的至少一个对象的图像信息；

通过神经网络，确定所述多个对象中的每个对象与所述与所述用户相关的至少一个对象的第一相似度；以及

基于所述第一相似度，推送所述多个对象中的部分对象。

3.根据权利要求1所述的方法，其中，所述基于所述图像特征，推送所述多个对象中的部分对象包括：

根据用户当前行为，确定当前对象的图像信息；

通过神经网络，确定所述多个对象中的每个对象与所述当前对象的第二相似度；以及

基于所述第二相似度，推送所述多个对象中的部分对象。

4.根据权利要求1所述的方法，其中，所述推送所述多个对象中的部分对象包括：

从所述多个对象中确定部分对象作为第一集合；

根据所述第一集合中的各个对象的属性信息、用户的行为信息、以及/或者，用户的属性信息，通过神经网络，获得所述各个对象的推荐优先级；

根据所述推荐优先级，从所述第一集合中确定部分或全部对象作为第二集合；以及

推送所述第二集合中的对象。

5.根据权利要求4所述的方法，其中，所述根据所述第一集合中的各个对象的属性信息、用户的行为信息、以及/或者，用户的属性信息，通过神经网络，获得所述各个对象的推荐优先级包括：

使用训练集训练所述神经网络，所述训练集包括用户行为数据，所述推荐优先级为用户行为发生的概率。

6.根据权利要求4所述的方法，其中，所述神经网络包括深度神经网络部分和逻辑回归部分，所述根据所述第一集合中的各个对象的属性信息、用户的行为信息、以及/或者，用户的属性信息，通过神经网络，获得所述各个对象的推荐优先级包括：

根据用户属性信息、用户行为信息、以及对象属性信息，通过所述深度神经网络部分，获得第一结果；

根据用户行为信息，以及对象属性信息，通过所述逻辑回归部分，获得第二结果；以及

处理所述第一结果和所述第二结果，获得所述各个对象的推荐优先级。

7.一种推送系统，用于从多个对象中推送部分对象，所述系统包括：

图像获取模块，用于获取所述多个对象的图像信息；

特征提取模块，用于通过神经网络，从所述多个对象的图像信息中提取每个对象的图像特征；以及

推送模块，用于基于所述图像特征，推送所述多个对象中的部分对象。

8.根据权利要求7所述的系统，其中，所述推送模块包括：

第一确定子模块，用于根据用户历史行为，确定与所述用户相关的至少一个对象的图像信息；

第一比较子模块，用于通过神经网络，确定所述多个对象中的每个对象与所述与所述用户相关的至少一个对象的第一相似度；以及

第一推送子模块，用于基于所述第一相似度，推送所述多个对象中的部分对象。

9.根据权利要求7所述的系统，其中，所述推送模块包括：

第二确定子模块，用于根据用户当前行为，确定当前对象的图像信息；

第二比较子模块，用于通过神经网络，确定所述多个对象中的每个对象与所述当前对象的第二相似度；以及

第二推送子模块，用于基于所述第二相似度，推送所述多个对象中的部分对象。

10.根据权利要求7所述的系统，其中，所述推送模块包括：

第三确定子模块，用于从所述多个对象中确定部分对象作为第一集合；

优先级确定子模块，用于根据所述第一集合中的各个对象的属性信息、用户的行为信息、以及/或者，用户的属性信息，通过神经网络，获得所述各个对象的推荐优先级；

第四确定子模块，用于根据所述推荐优先级，从所述第一集合中确定部分或全部对象作为第二集合；以及

第三推送子模块，用于推送所述第二集合中的对象。