[发明专利]一种推送信息确定方法及装置

权利要求书

1.一种推送信息确定方法，其特征在于，应用于服务器，该推送信息确定方法包括：

获取待推送用户在至少一个历史时间段中，每个历史时间段的历史行为信息；

基于每个历史时间段内的历史行为信息，生成用于表征用户行为特征的特征向量序列；所述特征向量序列中包括：与各个历史时间段分别对应的特征向量；

对所述特征向量序列分别进行至少两次特征提取，并基于所述至少两次特征提取的结果，得到与所述特征向量序列中各个特征向量分别对应的至少两个权重；

基于所述至少两个权重、以及所述特征向量序列，得到所述待推送用户在当前时间段内的行为偏好信息；

基于行为偏好信息确定目标推送信息；

所述对所述特征向量序列进行至少两次特征提取，并基于所述至少两次特征提取的结果，得到与所述特征向量序列中各个特征向量分别对应的至少两个权重，包括：

使用至少两个神经网络中分别对所述特征向量序列进行特征提取，得到与各个神经网络分别对应的中间特征向量；不同神经网络的网络结构和/或网络参数不同；

对所述特征向量序列，以及各个神经网络分别对应的中间特征向量进行交叉注意力处理，得到各个特征向量分别在各个所述神经网络下的权重。

2.根据权利要求1所述的推送信息确定方法，其特征在于，还包括：将所述目标推送信息推送至所述待推送用户的用户终端。

3.根据权利要求1所述的推送信息确定方法，其特征在于，针对与每个特征向量对应的权重有两个的情况，所述神经网络包括：第一神经网络以及第二神经网络；所述中间特征向量包括：与所述第一神经网络对应的第一中间特征向量、以及与所述第二神经网络对应的第二中间特征向量；

所述对所述特征向量序列，以及各个神经网络分别对应的中间特征向量，进行交叉注意力处理，得到各个特征向量分别在各个所述神经网络下的权重，包括：

对所述特征向量序列、以及与所述第二神经网络对应的第二中间特征向量进行注意力处理，得到各个特征向量分别在所述第一神经网络下的第一权重；

对所述特征向量序列、以及与所述第一神经网络对应的第一中间特征向量进行注意力处理，得到各个特征向量分别在所述第二神经网络下的第二权重。

4.根据权利要求1所述的推送信息确定方法，其特征在于，所述基于所述至少两个权重、以及所述特征向量序列，得到所述待推送用户在当前时间段内的行为偏好信息，包括：

针对每个神经网络，基于各个所述特征向量分别在该神经网络下权重，对各个所述特征向量进行加权处理，得到与该神经网络对应的加权特征向量序列；

将与该神经网络对应的加权特征向量序列输入该神经网络中，得到与该神经网络对应的目标特征向量；

基于各个神经网络分别对应的目标特征向量，得到所述待推送用户在当前时间段内的行为偏好信息。

5.根据权利要求3所述的推送信息确定方法，其特征在于，所述基于所述至少两个权重、以及所述特征向量序列，得到所述待推送用户在当前时间段内的行为偏好信息，包括：

基于各个特征向量分别在所述第一神经网络下的第一权重，对所述特征向量序列进行加权处理，得到第一加权特征向量序列；将所述第一加权特征向量序列输入至第一神经网络中，得到与第一神经网络对应的第一目标特征向量；

基于各个特征向量分别在所述第二神经网络下的第二权重，对所述特征向量序列进行加权处理，得到第二加权特征向量序列；将所述第二加权特征向量序列输入至第二神经网络中，得到与第二神经网络对应的第二目标特征向量；

将所述第一目标特征向量和所述第二目标特征向量进行拼接后，输入至预先训练的分类器，得到所述行为偏好信息。

6.根据权利要求1所述的推送信息确定方法，其特征在于，所述神经网络包括：特征提取网络、以及最大池化层；

所述特征提取网络包括：长短期记忆网络、循环神经网络、以及门控循环单元中一种或者多种。