[发明专利]一种信息推送方法、装置和存储介质

说明书

本发明实施例公开了一种信息推送方法、装置和存储介质；本发明实施例可以先获取目标用户的用户数据，接着，对所述用户数据进行特征抽取，得到用户特征，然后，将所述用户特征和待推送信息进行低维稠密向量化，得到用户向量和信息向量，再计算所述信息向量和所述用户向量的相似度，再然后，将相似度满足预设条件的待推送信息推送给目标用户。该方案可以提高信息推送的准确性。

技术领域

本发明涉及通信技术领域，具体涉及一种信息推送方法、装置和存储介质。

背景技术

随着信息的发展和普及，人们被包围在信息的汪洋大海之中。互联网上的信息资源呈指数膨胀，海量的信息资源具有异构的、多元的、分布的等多种特性。因而，能够根据用户的信息，有针对性地向用户推荐感兴趣的内容，为用户提供个性化的服务非常重要。

然而，现有的推荐方法中，主要通过定向推荐方式，将内容定向地推荐给目标人群，比如，根据定向条件(如用户的性别、年龄、地域、精英等级或兴趣类目等)向用户推荐感兴趣的内容。或者通过再营销方式，根据用户的历史浏览内容，继续给用户推荐此类内容。但是，定向推荐方式获取到的定向条件偏少，人为划定的目标人群不一定是喜欢推荐内容的真实人群。而再营销方式中将浏览过的用户作为目标用户，目标人群较为局限。

发明内容

本发明实施例提供一种信息推送方法、装置和存储介质，可以提高信息推送的准确性。

本发明实施例提供一种信息推送方法，包括：

获取目标用户的用户数据；

对所述用户数据进行特征抽取，得到用户特征；

将所述用户特征和待推送信息进行低维稠密向量化，得到用户向量和信息向量；

计算所述信息向量和所述用户向量的相似度；

将相似度满足预设条件的待推送信息推送给目标用户。

相应的，本发明实施例还提供一种信息推送装置，包括：

获取单元，用于获取目标用户的用户数据；

特征抽取单元，用于对所述用户数据进行特征抽取，得到用户特征；

向量化单元，用于将所述用户特征和待推送信息进行低维稠密向量化，分别得到用户向量和信息向量；

计算单元，用于计算所述信息向量和所述用户向量的相似度；

推送单元，用于将相似度满足预设条件的待推送信息推送给目标用户。

可选的，在一些实施例中，特征抽取单元，具体可以用于将所述用户数据的特征统一成预设格式，统计预设格式中各个特征参数的值，所述特征参数包括特征权重，然后，根据统计出的值将所述特征权重进行归一化，得到用户特征。

可选的，在一些实施例中，所述用户特征包括用户的多个特征，所述待推送信息包括信息标识，所述向量化单元可以包括用户向量化子单元和信息子向量化单元，如下：

所述用户向量化子单元，用于将用户特征中的每个特征根据向量化模型进行低维稠密向量化，得到多个特征向量，再根据用户每个特征的权重对所述特征向量进行加权求和，得到用户向量。

所述信息向量化子单元，用于在所述向量化模型中查找所述信息标识对应的低维稠密向量，得到信息向量。

可选的，在一些实施例中，所述信息推送装置还可以包括获取单元和训练单元，如下：

所述获取单元，用于获取用户数据样本和用户行为数据样本。

所述训练单元，用于利用所述用户数据样本和用户行为数据样本对预设模型进行训练，得到向量化模型。