[发明专利]一种信息推送方法、装置、计算机设备及存储介质

权利要求书

1.一种信息推送方法，其特征在于，包括：

获取目标图像；

基于所述目标图像，得到所述目标图像的图像描述信息，并确定所述图像描述信息中多个字符分别对应的词性；

基于所述图像描述信息、所述多个字符分别对应的词性、以及预设的目标遮蔽词性，生成目标推送信息；

向用户端推送所述目标推送信息。

2.根据权利要求1所述的信息推送方法，其特征在于，所述基于所述图像描述信息、所述多个字符分别对应的词性、以及预设的目标遮蔽词性，生成目标推送信息，包括：

基于所述多个字符分别对应的词性、以及预设的所述目标遮蔽词性，从所述多个字符中确定目标字符；

基于所述多个字符中除所述目标字符外的其他字符，生成所述目标推送信息。

3.根据权利要求1所述的信息推送方法，其特征在于，所述基于所述目标图像，得到所述目标图像的图像描述信息，以及所述图像描述信息中多个字符分别对应的词性，包括：

对所述目标图像进行特征提取处理，得到所述目标图像的特征数据；

基于所述特征数据，生成所述目标图像的图像描述信息，并确定所述图像描述信息包括的多个字符中每个字符对应的词性。

4.根据权利要求3所述的信息推送方法，其特征在于，所述对所述目标图像进行特征提取处理，得到所述目标图像的特征数据，包括：

利用预先训练的特征提取网络，对所述目标图像进行特征提取处理，得到所述目标图像的特征数据。

5.根据权利要求4所述的信息推送方法，其特征在于，所述特征提取网络包括残差神经网络、以及卷积神经网络中至少一种。

6.根据权利要求3所述的信息推送方法，其特征在于，基于所述特征数据，生成所述目标图像的图像描述信息，包括：

利用预先训练的语义预测网络，对所述特征数据进行语义预测处理，得到所述目标图像的图像描述信息。

7.根据权利要求6所述的信息推送方法，其特征在于，训练语义预测网络，包括：

获取多张样本图像分别对应的样本特征数据、以及样本图像描述信息；所述样本图像描述信息中包括多个样本字符；

基于所述样本特征数据、以及所述多个样本字符，构成样本特征向量序列；所述样本特征向量序列中包括基于所述样本特征数据构成的第一样本特征向量、以及由多个样本字符分别对应的字向量构成的第二样本特征向量；

将所述样本特征向量序列输入至待训练的神经网络，得到预测图像描述信息；所述预测图像描述信息中，包括多个预测字符；

利用所述预测图像描述信息、以及所述样本图像描述信息，训练所述待训练的神经网络，得到所述语义预测网络。

8.根据权利要求7所述的信息推送方法，其特征在于，所述将所述样本特征向量序列输入至待训练的神经网络，得到预测图像描述信息，包括：

利用待训练的神经网络对所述第一样本特征向量进行特征学习，得到所述第一样本特征向量对应样本中间特征向量；

以及依次将所述样本特征向量序列中的每个第二样本特征向量作为当前样本特征向量，利用待训练的神经网络对所述当前样本特征向量、以及所述当前样本特征向量的前一样本特征向量对应的样本中间特征向量进行特征学习，得到所述当前样本特征向量对应的预测字向量；

其中，所述前一样本特征向量对应的样本中间特征向量为利用所述待训练的神经网络对所述前一样本特征向量进行特征学习时，所述神经网络中的目标网络层输出的特征向量；

基于所述当前样本特征向量对应的预测字向量，得到所述当前样本特征向量对应的样本预测字符；

基于多个样本特征向量分别对应的样本预测字符，构成所述预测图像描述信息。