CN113609397B 用于推送信息的方法和装置 （北京沃东天骏信息技术有限公司）

本公开的实施例公开了用于推送信息的方至少两个胶囊向量分别与用户的属性特征向量2获取用户的行为特征向量和属性特征向量，以及分别获取将所述用户的行为特征向量输入至预先训练的胶囊网络，生成将所述至少两个胶囊向量分别与所述用户的属性特征向量进确定所述信息集中的信息的属性特征向量与所述用户表征向将所述信息集中的信息对应的至少两个匹配度中的最大值或至少两个匹配度的平均根据各个信息对应的目标匹配度的大小，从所述信息集中选将所述至少两个初始用户表征向量输入至基于注意力机制实现的获取用户的行为数据，以及将所述用户的行为数据输入至预先获取用户的属性数据，以及将所述用户的属性数据输入至预先对于所述信息集中的信息，获取该信息的属性数据，以及将该信息3基于机器学习的方法，利用所述样本集对所述待训练的用户表获取单元，被配置成获取用户的行为特征向量和属性特征向量，以及生成单元，被配置成将所述用户的行为特征向量输入至预先所述生成单元，进一步被配置成将所述至少两个胶囊向量分别与所推送单元，被配置成确定所述信息集中的信息的属性特征向量将所述信息集中的信息对应的至少两个匹配度中的最大值或至少两个匹配度的平均根据各个信息对应的目标匹配度的大小，从所述信息集中选4[0002]现有的基于大数据的信息推送方法通常都是先根据用户的历史数据对用户的兴[0003]一般地，会基于用户的历史行为数据向用户推送用户历史直接交互过的信息(如使得一个或多个处理器实现如第一方面中任一实现方式描该计算机程序被处理器执行时实现如第一方面中任5[0020]需要说明的是，本公开中的实施例所涉及的数据采集(如用户属性特征、行为特[0022]图1示出了可以应用本公开的用于推送信息的方法或用于推送信息的装置的实施子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软6[0027]需要说明的是，本公开的实施例所提供的用于推送信息的方法一般由服务器105集中的各信息的属性特征向量进行处理，此时，用于推送信息的方法也可以由终端设备软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模[0031]继续参考图2，其示出了根据本公开的用于推送信息的方法的一个实施例的流程[0036]用户推送信息的方法的执行主体(如图1所示的服务器105等)可以从本地或其他7用现有的各种向量编码方法对用户的属性特征数据进行编码以得到用户的属性特征向量。的各种向量编码方法对信息的属性特征数据进行编码以得到信息的属性特征向量。其中，[0042]在本实施例中，胶囊网络(CapsuleNetwork)是区别于传统神经网络的一种新的8胶囊向量与用户的属性特征向量进行拼接，以形成该胶囊向量对应的拼接后的胶囊向量。表征向量中的各用户表征向量可以分别用于表示用户的不属性特征向量与用户表征向量之间的匹配度可以利用现有的各种向量相似度计算方法得户行为特征提取网络可以基于现有的各种特户属性特征提取网络可以基于现有的各种特9平均品类数，同时有助于在搜索精排等场景下，提升Session(会话)订单AUC(AreaUnder有的各种基于注意力机制实现的方法生成至少[0071]本实施例中上述未具体说明的内容可以参考图2对应实施例中的相关说明，在此始用户表征向量乘以训练过程中创建的三个训练矩阵以分别生成该初始用户表征向量对量对应的Q向量和K向量的内积来并进行标准化等处理，再将V向量乘以标准化处理后结果[0076]如图4所示，用户行为特征提取网络可以对输入的用户行为数据进行编码得到用户属性特征提取网络可以对输入的用户属性数据进行编码得到用户属性特征向量。然后，可以将胶囊网络输出的至少两个胶囊向量分别与用户属性特征提取网络输出的用户属性特征向量进行拼接，得到对应的至少两个拼接后的胶囊向量并输入至全连接网络MLP(Multi-LayerPerceptron，多层感知机)得到至少两个初始用户表征向量，然后再利用Attention网络对MLP输出的至少两个初始用户表征向量进行加权处理得到对应的至少两[0081]在本步骤中，待训练的用户表征模型可以包括待训练的用户行为特征提取网络、用户表征模型和待训练的信息属性特征提取网络数据分别作为待训练的用户表征模型所包括的用户行为特征提取网络和用户属性特征提上述损失函数的计算过程中涉及累加求和等计算，因此这些场景下会出现较大的计算开[0097]本实施例中上述未具体说明的内容可以参考图2和图3对然后利用预先训练的用户表征模型得到至少用户表所确定的用户偏好的物品和品牌信息向用户推送某些品牌的[0100]本公开的上述实施例提供的方法通过采用用户的实时行为特征和历史行为特征702和推送单元703。其中，获取单元701被配置成获取用户的行为特征向量和属性特征向个用于表征用户的用户表征向量；推送单元703被配置成确定信息集中的信息的属性特征元703的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤[0110]下面参考图8，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的[0111]如图8所示，电子设备800可以包括处理装置(例如中央处理器、图形处理器等)输入/输出(I/O)接口805也连接至809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以[0116]可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的