[发明专利]数据推送方法、装置、设备及存储介质

说明书

本发明实施例涉及人工智能领域，公开了一种数据推送方法、装置、设备及存储介质，该方法包括：获取目标数据的关键描述信息以及目标用户的用户标签，目标数据的关键描述信息为描述目标数据的数据内容的文本信息，用户标签是通过对目标用户进行用户画像分析得到的；通过训练后的数据推送模型对目标数据的关键描述信息以及用户标签进行相关度计算处理，得到目标数据与目标用户的相关度，训练后的数据推送模型是基于训练样本对数据推送模型进行训练得到的，训练样本包括训练关键描述信息以及训练关键描述信息对应的训练标签；若相关度大于相关度阈值，则将目标数据推送给目标用户。采用本发明实施例，可提高个性化数据推送的精度。

技术领域

本申请涉及人工智能领域，尤其涉及一种数据推送方法、装置、设备及存储介质。

背景技术

随着互联网行业的飞速发展，海量数据被推送给用户，但推送给用户的数据可能并非用户感兴趣的，能够实现对不同用户的个性化数据推送是提升用户粘合度的有效方式；但目前来说，实现对不同用户的个性化数据推送一般采用基于异构图的推送方法，该方法将待推送的数据的数据标识以及用户的用户标签构建成异构图，利用图嵌入算法(例如metapath2vec、node2vec等算法)对异构图进行学习，而后确定是否将该待推送的数据推送至用户，但由于该方法仅仅是对待推送的数据的数据标识进行处理从而进行推送，所以针对不同用户的个性化数据推送的精度仍然很低，无法确保推送的数据的数据内容是用户感兴趣的数据内容。

发明内容

本发明实施例提供一种数据推送方法、装置、设备及存储介质，可提高个性化数据推送的精度。

一方面，本发明实施例提供了一种数据推送方法，包括：

获取目标数据的关键描述信息以及目标用户的用户标签，所述目标数据的关键描述信息为描述所述目标数据的数据内容的文本信息，所述用户标签是通过对所述目标用户进行用户画像分析得到的；

通过训练后的数据推送模型对所述目标数据的关键描述信息以及所述用户标签进行相关度计算处理，得到所述目标数据与所述目标用户的相关度，所述训练后的数据推送模型是基于训练样本对数据推送模型进行训练得到的，所述训练样本包括训练关键描述信息以及所述训练关键描述信息对应的训练标签；

若所述相关度大于相关度阈值，则将所述目标数据推送给所述目标用户。

一方面，本发明实施例提供了一种数据推送装置，包括：

获取单元，用于获取目标数据的关键描述信息以及目标用户的用户标签，所述目标数据的关键描述信息为描述所述目标数据的数据内容的文本信息，所述用户标签是通过对所述目标用户进行用户画像分析得到的；

处理单元，用于通过训练后的数据推送模型对所述目标数据的关键描述信息以及所述用户标签进行相关度计算处理，得到所述目标数据与所述目标用户的相关度，所述训练后的数据推送模型是基于训练样本对数据推送模型进行训练得到的，所述训练样本包括训练关键描述信息以及所述训练关键描述信息对应的训练标签；

输出单元，用于若所述相关度大于相关度阈值，则将所述目标数据推送给所述目标用户。

一方面，本发明实施例提供了一种数据推送设备，其特征在于，所述数据推送设备包括输入接口和输出接口，还包括：

处理器，适于实现一条或多条指令；以及，

计算机存储介质，所述计算机存储介质存储有一条或多条指令，所述一条或多条指令适于由所述处理器加载并执行上述数据推送方法。

一方面，本发明实施例提供了一种计算机存储介质，其特征在于，所述计算机存储介质中存储有计算机程序指令，所述计算机程序指令被处理器执行时，用于执行上述数据推送方法。