[发明专利]信息推送方法、装置、设备和计算机可读存储介质

说明书

本申请提供一种信息推送方法、装置、设备和计算机可读存储介质，其中，该方法包括：响应于用户的购物操作，获取用户实时行为序列特征和用户离线特征；将用户实时行为序列特征和用户离线特征输入至预设的离线模型计算得到用户向量；获取预设品牌向量库中与用户向量匹配的品牌向量，将品牌向量所表征的品牌商品的信息推送至用户。该技术方案中，通过用户实时行为序列特征确定用户存在有直接行为的品牌商品，再与用户离线特征结合得到用户向量，并根据用户向量来确定预设品牌向量库中与用户匹配的品牌商品，实现了对用户没有直接行为的预设品牌向量库中的品牌商品的用户偏好进行分析的目的，能够更加全面准确的得到用户的品牌偏好。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种信息推送方法、装置、设备和计算机可读存储介质。

背景技术

随着互联网电商的发展，用户可以通过个人账号登录互联网购物平台进行相关购物操作，例如加入商品至购物车和下单购买等等，在用户进行相关购物操作的过程中还会进行商品的搜索以及浏览，从而产生对应的大数据信息，通过对这些大数据信息进行收集分析，即可确定用户的购物偏好。

现有的大数据分析方法主要是对用户的历史行为进行分析，如分析用户浏览、点击和加购等有直接行为的品牌商品，得出用户的购物偏好，这种分析方法只会对用户有直接行为的品牌商品进行分析，而不会分析用户没有直接行为的品牌商品，分析过程不够全面，使得最终得到的用户品牌偏好分析结果的准确度较差。

发明内容

本申请提供一种信息推送方法、装置、设备和计算机可读存储介质，用于解决现有用户品牌分析不够全面准确的问题。

第一方面，本申请实施例提供一种信息推送方法，包括：

响应于用户的购物操作，获取用户实时行为序列特征和用户离线特征，所述用户实时行为序列特征用于表征与用户存在实时交互行为的品牌商品，所述用户离线特征包括用户人口属性特征和用户历史行为序列特征；

将所述用户实时行为序列特征和所述用户离线特征输入至预设的离线模型计算得到用户向量，所述用户向量用于表征用户的购物偏好；

获取预设品牌向量库中与所述用户向量匹配的品牌向量，将所述品牌向量所表征的品牌商品的信息推送至用户。

在第一方面的一种可能设计中，所述响应于用户的购物操作，获取用户实时行为序列特征，包括：

读取用户的实时日志，根据所述实时日志获取用户与品牌商品的实时交互行为；

将所述实时交互行为解析转化为用户实时行为序列特征，存入至实时特征库；

读取所述实时特征库得到所述用户实时行为序列特征。

在第一方面的另一种可能设计中，所述将所述实时交互行为解析转化为用户实时行为序列特征，存入至实时特征库，包括：

获取存入至实时特征库中的用户实时行为序列特征的存储时长；

当所述存储时间达到预设时长时，将所述用户实时行为序列特征移除出所述实时特征库。

在第一方面的再一种可能设计中，所述预设的离线模型包括用户子模型，所述将所述用户实时行为序列特征和所述用户离线特征输入至预设的离线模型计算得到用户向量，包括：

获取用户人口属性特征和用户历史行为序列特征，所述用户人口属性特征包括用户性别、年龄、购买力、婚姻状况和地理位置中的至少一种，所述用户历史行为序列特征包括用户历史点击、关注、加购和下单的品牌商品中的至少一种；

根据所述用户子模型对用户人口属性特征进行降维得到用户属性向量；

根据所述用户子模型对用户历史行为序列特征进行降维得到用户历史行为向量；