[发明专利]基于人工智能的信息推送方法、装置、计算机和存储介质

说明书

本申请涉及一种基于人工智能的信息推送方法、装置、计算机和存储介质。该方法包括：获取用户行为；将用户行为导入用户模型进行学习，得到用户的多维特征；获取待推送信息；解析待推送信息，获得待推送信息的特征；将待推送信息的特征和用户的多维特征，输入到已构建的深度神经网络模型中进行预测，得到每个待推送信息的预测概率；基于用户行为，根据得到的预测概率向用户推送待推送信息。将用户的多维特征和推送信息的特征输入至神经网络模型中预测，得到预测概率，随后基于用户行为，根据预测概率向用户推送信息，推送信息还与用户行为相关，避免了对用户无操作时推送信息，有效避免对用户的使用造成困扰。

技术领域

本申请涉及信息推送技术领域，特别是涉及一种信息推送方法、装置、计算机和存储介质。

背景技术

随着互联网的高速的发展，尤其是移动互联网的高速发展，移动互联网的各种应用极大丰富了人们的业余生活。人们可以足不出户地进行购物、娱乐和消费。

针对用户的惯常的消费习惯，为用户推送消费信息已成了各种应用的推送的主要方法，然而目前针对用户的喜欢进行推送消息时，仍然存在推送较为不准确的情况，给用户带来较大的困扰。

发明内容

基于此，有必要针对上述技术问题，提供一种基于人工智能的信息推送方法、装置、计算机和存储介质。

一种基于人工智能的信息推送方法，所述方法包括：

获取用户行为；

将所述用户行为导入用户模型进行学习，得到用户的多维特征；

获取待推送信息；

解析所述待推送信息，获得所述待推送信息的特征；

将所述待推送信息的特征和用户的所述多维特征，输入到已构建的深度神经网络模型中进行预测，得到每个待推送信息的预测概率；

基于所述用户行为，根据得到的所述预测概率向用户推送所述待推送信息。

在其中一个实施例中，所述将所述用户行为导入用户模型进行学习，得到用户的多维特征的步骤包括：

将所述用户行为作为样本行为导入至所述用户模型；

对所述用于模型进行训练，得到训练后的用户模型；

将所述用户行为导入训练后的所述用户模型进行学习，得到用户的多维特征。

在其中一个实施例中，所述将所述用户行为导入用户模型进行学习，得到用户的多维特征的包括：

将所述用户行为导入用户模型进行学习，得到用户的至少一个多维特征；

获取多个所述多维特征之间的关联关系；

根据多个所述多维特征之间的关联关系以及至少一个多维特征，获得用户的多个所述多维特征。

在其中一个实施例中，所述基于所述用户行为，根据得到的所述预测概率向用户推送所述待推送信息的步骤包括：

获取推送策略；

基于所述推送策略和所述用户行为，根据得到的所述预测概率向用户推送所述待推送信息。

在其中一个实施例中，所述基于所述用户行为，根据得到的所述预测概率向用户推送所述待推送信息的步骤包括：

基于所述用户行为的种类和所述用户行为发生的频率，根据得到的所述预测概率向用户推送所述待推送信息。

一种基于人工智能的信息推送装置，所述装置包括：

用户行为获取模块，用于获取用户行为；