[发明专利]推送信息的方法、装置、设备和计算机可读介质

说明书

本发明公开了推送信息的方法、装置、设备和计算机可读介质，涉及计算机技术领域。该方法的一具体实施方式包括：基于用户的特征信息获取用户属性词，以及在商品信息中提取商品属性词；依据所述商品属性词和所述用户属性词，通过基于注意力机制的序列到序列的模型，生成所述用户的推荐信息；在所述特征信息与商品匹配的情况下，根据所述商品在所述用户的推荐信息中搜索获得所述商品的推荐信息，并向所述用户推送所述商品的推荐信息。该实施方式针对于不同用户具有不同的喜好，提高推荐信息与用户的适配性。

技术领域

本发明涉及计算机技术领域，尤其涉及一种推送信息的方法、装置、设备和计算机可读介质。

背景技术

随着大数据和互联网的发展，越来越多的用户喜欢网上购物。对于电商平台来说，如何能够做好信息的推送，吸引更多的用户点击商品，是一件有意义的事情。

在业务场景中，信息都是运营人员手写，然后匹配商品。为了抓住用户的购物心理，运营人员需要花费很多精力，不仅需要考虑信息的多样性，还需要考虑信息的优美感。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：随着商品的增多，需要运营人员花费更多的时间精力，写出各种各样适合营销场景的信息以推送至用户。然而，不同用户具有不同的喜好，推荐信息与用户的适配性较差。

发明内容

有鉴于此，本发明实施例提供一种推送信息的方法、装置、设备和计算机可读介质，针对于不同用户具有不同的喜好，提高推荐信息与用户的适配性。

为实现上述目的，根据本发明实施例的一个方面，提供了一种推送信息的方法，包括：

基于用户的特征信息获取用户属性词，以及在商品信息中提取商品属性词；

依据所述商品属性词和所述用户属性词，通过基于注意力机制的序列到序列的模型，生成所述用户的推荐信息；

在所述特征信息与商品匹配的情况下，根据所述商品在所述用户的推荐信息中搜索获得所述商品的推荐信息，并向所述用户推送所述商品的推荐信息。

所述在所述特征信息与商品匹配的情况下，根据所述商品在所述用户的推荐信息中搜索获得所述商品的推荐信息之前，还包括：

所述特征信息对应的商品与所述商品相同，则所述特征信息与所述商品匹配；

或，

所述特征信息对应的商品应用场景与所述商品的商品应用场景相同，则所述特征信息与所述商品匹配。

所述向所述用户推送所述商品的推荐信息，包括：

在所述特征信息与商品匹配的情况下，依据所述商品在所述用户的推荐信息中搜索相似度最大的推荐信息；

将所述相似度最大的推荐信息，作为向所述用户推送所述商品的推荐信息。

所述依据所述商品在所述用户的推荐信息中搜索相似度最大的推荐信息，包括：

依据所述商品的商品属性词，在所述用户的推荐信息中搜索相似度最大的推荐信息；

或，

依据所述商品的商品属性词和推荐信息的使用次数，在所述用户的推荐信息中搜索相似度最大的推荐信息。

所述依据所述商品属性词和所述用户属性词，通过基于注意力机制的序列到序列的模型，生成所述用户的推荐信息之前，还包括：

配置商品属性训练词的权重和用户属性训练词的权重；

利用所述商品属性训练词的权重和所述用户属性训练词的权重，采用mask矩阵更新损失函数，训练得到所述基于注意力机制的序列到序列的模型。