[发明专利]信息推送方法、装置、电子设备及计算机可读存储介质

说明书

本申请公开了一种信息推送方法、装置、电子设备及计算机可读存储介质，该信息推送方法，包括：获取待处理对象的相关信息；基于待处理对象的相关信息筛选出与所述待处理对象匹配的至少一个目标对象；并将该筛选出的至少一个目标对象的相关信息进行推送。本申请中，实现了对待处理对象的相关信息的精准推送。

技术领域

本申请涉及数据处理技术领域，特别是涉及一种信息推送方法、装置、电子设备及计算机可读存储介质。

背景技术

学术合作推荐是一种利用论文、专利等现有科技信息资源为科研管理人员或研究人员推荐他们关注领域的研究人员的方法，它能够帮助他们快速发现并了解领域相关的研究人员和研究内容，促进开展进一步的交流合作，带来更好的知识和资源共享，提高科研质量，加快科研进程，取得更大的科研成果。

学术合作分为整体合作和互补合作两类，前者指在整个合作过程中个体之间紧密合作，互相验证彼此假设，互相尊重、信任，共同发展，这些合作者通常属于共同的研究领域；后者强调互相之间的知识或者技能的互补性，跨学科的合作大多属于此类。

对于整体合作，即研究领域相同或相近的学者之间的合作。此类合作的推荐方法常常基于科研论文或专利数据，主要有基于作者(发明人)合作关系和作者(发明人)研究内容两类推荐方法，前者强调社会关系的相近性，推荐的合作者往往相互认识、了解，容易产生实际合作，问题在于不能更有效地促进不同背景的研究者合作，后者基于研究内容，能较好地回避社会关系带来的推荐问题。

基于作者合作关系的方法，通常以作者为节点，以作者间的合作关系为边，建立作者合作网络，运用社会网络分析方法，特别是链接预测方法，根据网络中各种指标，预测当前未连边的节点在未来产生连边的可能性，根据预测结果进行推荐，其基本流程如图1所示。然而该方法通常适合连通的网络，对于不连通网络的预测效果相对较差，且推荐基于科研人员之间现实社会关系，推荐的科研人员不一定是相同研究领域的，对研究者帮助有限。

基于内容的方法主要是根据科研工作者的专业知识内容，利用数据挖掘和文本挖掘等技术进行推荐。该推荐方法其基本的思路是，从科研工作者所发表科研成果的文本信息表示出发，利用高频词或关键词构建模型来表征作者的研究内容，进而得到作者间研究的相似度，从而根据相似度进行推荐。主要是从关键词层面运用TF-IDF或者LDA主题模型等来表征作者的研究内容，基本流程如图2所示。然而该种方法通常需要先提取关键词或者高频词，进而用TF-IDF等进行推荐，该类方法较少关注语义特征，选取的关键词不一定能很好的表征文章的内容，关键词的多少、停用词的选择都会影响到推荐效果；LDA(LatentDirichlet Allocation，文档主题生成模型)主题模型需要事先设定不同的主题数量，通过多次运行选取最佳值，且每次运行都需要多次迭代，耗时长。对于不同领域，上述方法要重新选择不同的关键词或重新构建新的模型，通常复杂度高，效率低，不适合处理大型数据。

发明内容

本申请提供信息推送方法、装置、电子设备及计算机可读存储介质，以实现对待处理对象的相关信息的精准推送。

第一方面，本申请提供了一种信息推送方法，包括：

获取待处理对象的相关信息；

基于待处理对象的相关信息筛选出与所述待处理对象匹配的至少一个目标对象；

并将该筛选出的至少一个目标对象的相关信息进行推送。

第二方面，本申请提供了一种信息推送装置，包括：

获取单元，用于获取待处理对象的相关信息；

筛选单元，用于基于待处理对象的相关信息筛选出与所述待处理对象匹配的至少一个目标对象；

推送单元，用于并将该筛选出的至少一个目标对象的相关信息进行推送。