[发明专利]一种推送信息的方法和装置

权利要求书

1.一种推送信息的方法，其特征在于：包括以下步骤：

步骤A1：用户在客户端首页下拉刷新发起请求；

步骤A2：所述请求由客户端传递给服务端接口，同时，客户端还向所述服务端接口发送用户和上下文特征；

步骤A3：所述服务端接收到客户端发来的请求后，再调用推荐系统接口，并向所述推荐系统发送推荐算法模型需要的特征；

步骤A4：所述推荐系统接收到服务端发来的请求后，会向召回系统请求所要给用户推荐的内容；

步骤A5：服务端接收到召回系统分别返回的内容集合后，进行排序处理；

所述步骤A4进一步包括：用户和文章向量通过对一个打分矩阵做矩阵分解得到的，具体包括：

步骤A4-1：采用用户协同过滤算法，根据站内所有用户的点击日志采用内容相似度算法计算得到每个内容的协同内容列表；

步骤A4-2：用户热点召回，所述用户热点召回是指依照热度值计算公式，对用户召回最感兴趣的分类的分类中当前最热的内容，计算内容的热度；

步骤A4-3：算法模型召回，所述算法模型召回是指通过矩阵分解算法将用户和内容分别进行向量化；

步骤A4-4：冷启动曝光，所述冷启动曝光是指采用多级流量池模型对新增入库内容进行处理。

2.根据权利要求1所述的方法，其特征在于：步骤A4-1中所述相似度算法的计算公式为：

其中N(a)表示点击内容a的用户数，N(b)表示点击内容b的用户数，N(a)∩N(b)表示既点击a又点击了b的用户数。

3.根据权利要求1所述的方法，其特征在于：所述步骤A4-2中的热度值计算公式为：

对于分享、传播率等数值满足第一特征向量的情形，所述热度值＝ctr*A+当天整体传播率*B，

否则，热度值＝ctr*C+当天整体传播率*D；

所述传播率是指站外点击数/分享数；

所述A、B、C、D为大于1的自然数；

所述第一特征向量是指ctr、分享数和传播率的组合。

4.根据权利要求1所述的方法，其特征在于：所述步骤A4-3的矩阵分解算法具体包括：

步骤A4-3-1：用户和内容分别进行向量化，给用户召回时则采用用户向量与内容向量算内积求相似度的方式，打分矩阵分解形式如下：

其中，M_(m×n)打分矩阵中每个元素的生成方法是按照用户-内容行为对应表所指定的权值，生成用户对每个内容的一个最终权值，其中，m是代表用户数量的自然数，n是代表内容数量的自然数:；

步骤A4-3-2：以将用户的评分和矩阵相乘的评分的平方差尽可能小为目标，以平方差损失作为损失函数，采用线性回归算法进行矩阵分解计算。

优选的，步骤A4-3-2中所述损失函数是具体计算方法是通过梯度下降法对损失函数分别对p_i和q_j求导：

同时，由于训练时不是单个样本，因此需要迭代更新，p_i和q_j的迭代公式为：