CN107577807B - 用于推送信息的方法和装置 - Google Patents

Abstract

本申请公开了用于推送信息的方法和装置。该方法的一具体实施方式包括：基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性，确定上述搜索信息是否为第一类搜索信息；响应于确定上述搜索信息为第一类搜索信息，从上述标识信息集合中选取出目标标识信息；根据上述目标标识信息确定待展示信息；确定上述待展示信息的展示样式，并根据确定的展示样式向上述终端推送上述待展示信息。该实施方式实现了富于针对性的信息推送。

Description

用于推送信息的方法和装置

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及用于推送信息的方法和装置。

背景技术

随着互联网技术的不断发展，通过网络进行信息搜索已经成为用户非常重要的一种信息获取方式。例如，用户可以通过在搜索引擎中输入搜索信息，从而得到搜索结果页。有时，用户输入的搜索信息中可能会包含一些特殊词语，例如，产品词、品牌词等等，这类搜索信息中的这些特殊词语明确的表达了用户的搜索需求，然而，现有的信息推送方式通常是在网页上直接加载各种推送信息，这些推送信息与用户的搜索需求有明显的差异，从而，存在搜索信息利用不足，信息推送缺乏针对性的问题。

发明内容

本申请实施例的目的在于提出一种改进的用于推送信息的方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种用于推送信息的方法，该方法包括：基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性，确定上述搜索信息是否为第一类搜索信息；响应于确定上述搜索信息为第一类搜索信息，从上述标识信息集合中选取出目标标识信息；根据上述目标标识信息确定待展示信息；确定上述待展示信息的展示样式，并根据确定的展示样式向上述终端推送上述待展示信息。

在一些实施例中，上述基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性，确定上述搜索信息是否为第一类搜索信息，包括：响应于确定上述搜索信息中包括上述标识信息集合中的标识信息，计算上述搜索信息与上述标识信息集合中的各条标识信息的相关性；如果上述搜索信息与上述标识信息集合中的标识信息的相关性超过预先设定的相关性阈值，则确定上述搜索信息为第一类搜索信息。

在一些实施例中，上述从上述标识信息集合中选取出目标标识信息，包括：对上述搜索信息进行分词，得到至少一个第一分词，使用预先训练的词向量列表，得到各第一分词对应的词向量，将上述至少一个第一分词中的各第一分词的词向量进行拼接，得到上述搜索信息的词向量，其中，上述词向量列表用于表征词与词向量之间的对应关系；对于上述标识信息集合中的每条标识信息，对该标识信息进行分词，得到至少一个第二分词，使用上述词向量列表，得到各第二分词对应的词向量，将上述至少一个第二分词中的各第二分词的词向量进行拼接，得到该标识信息的词向量；计算上述搜索信息的词向量与上述标识信息集合中的各条标识信息的词向量之间的余弦相似度；确定计算得到的余弦相似度最大值对应的标识信息为目标标识信息。

在一些实施例中，上述词向量列表是通过以下方式得到的：利用机器学习算法，将样本词作为输入，将上述样本词对应的向量作为输出，训练得到上述词向量列表。

在一些实施例中，上述确定上述待展示信息的展示样式，包括：使用预先训练的预测模型确定上述待展示信息的展示样式，其中，上述预测模型用于表征搜索相关信息与展示样式的对应关系；以及上述预测模型是通过以下方式训练得到的：利用逻辑回归模型，将历史搜索相关信息作为输入，将上述历史搜索相关信息对应的待展示信息被点击时的展示样式作为输出，训练得到预测模型。

在一些实施例中，上述展示样式包括以下至少一项：文字样式、咨询样式、电话样式和应用下载样式。

第二方面，本申请实施例提供了一种用于推送信息的装置，该装置包括：第一确定单元，用于基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性，确定上述搜索信息是否为第一类搜索信息；选取单元，用于响应于确定上述搜索信息为第一类搜索信息，从上述标识信息集合中选取出目标标识信息；第二确定单元，用于根据上述目标标识信息确定待展示信息；推送单元，用于确定上述待展示信息的展示样式，并根据确定的展示样式向上述终端推送上述待展示信息。

在一些实施例中，上述第一确定单元进一步用于：响应于确定上述搜索信息中包括上述标识信息集合中的标识信息，计算上述搜索信息与上述标识信息集合中的各条标识信息的相关性；如果上述搜索信息与上述标识信息集合中的标识信息的相关性超过预先设定的相关性阈值，则确定上述搜索信息为第一类搜索信息。

在一些实施例中，上述选取单元进一步用于：对上述搜索信息进行分词，得到至少一个第一分词，使用预先训练的词向量列表，得到各第一分词对应的词向量，将上述至少一个第一分词中的各第一分词的词向量进行拼接，得到上述搜索信息的词向量，其中，上述词向量列表用于表征词与词向量之间的对应关系；对于上述标识信息集合中的每条标识信息，对该标识信息进行分词，得到至少一个第二分词，使用上述词向量列表，得到各第二分词对应的词向量，将上述至少一个第二分词中的各第二分词的词向量进行拼接，得到该标识信息的词向量；计算上述搜索信息的词向量与上述标识信息集合中的各条标识信息的词向量之间的余弦相似度；确定计算得到的余弦相似度最大值对应的标识信息为目标标识信息。

在一些实施例中，上述词向量列表是通过以下方式得到的：利用机器学习算法，将样本词作为输入，将上述样本词对应的向量作为输出，训练得到上述词向量列表。

在一些实施例中，上述推送单元进一步用于：使用预先训练的预测模型确定上述待展示信息的展示样式，其中，上述预测模型用于表征搜索相关信息与展示样式的对应关系；以及上述预测模型是通过以下方式训练得到的：利用逻辑回归模型，将历史搜索相关信息作为输入，将上述历史搜索相关信息对应的待展示信息被点击时的展示样式作为输出，训练得到预测模型。

在一些实施例中，上述展示样式包括以下至少一项：文字样式、咨询样式、电话样式和应用下载样式。

第三方面，本申请实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，用于存储一个或多个程序，当上述一个或多个程序被上述一个或多个处理器执行时，使得上述一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本申请实施例提供的用于推送信息的方法和装置，基于用户发送的搜索信息与标识信息集合中的各条标识信息的相关性，确定上述搜索信息是否为第一类搜索信息，而后响应于确定上述搜索信息为第一类搜索信息，从上述标识信息集合中选取出目标标识信息，并根据上述目标标识信息确定待展示信息，最后确定上述待展示信息的展示样式，并根据确定的展示样式向终端推送上述待展示信息，有效利用了搜索信息与标识信息的相关性，实现了富于针对性的信息推送。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请可以应用于其中的示例性系统架构图；

图2是根据本申请的用于推送信息的方法的一个实施例的流程图；

图3中的A1、A2、A3和A4是根据本申请的展示样式的示意图；

图4是根据本申请的用于推送信息的方法的一个应用场景的示意图；

图5是根据本申请的用于推送信息的装置的一个实施例的结构示意图；

图6是适于用来实现本申请实施例的服务器的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

图1示出了可以应用本申请的用于推送信息的方法或用于推送信息的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用，例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture ExpertsGroup Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving PictureExperts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上显示的信息提供支持的后台服务器。后台服务器可以对接收到的搜索信息进行分析等处理，并将处理结果(例如搜索结果页)反馈给终端设备。

需要说明的是，本申请实施例所提供的用于推送信息的方法一般由服务器105执行，相应地，用于推送信息的装置一般设置于服务器105中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本申请的用于推送信息的方法的一个实施例的流程200。该用于推送信息的方法，包括以下步骤：

步骤201，基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性，确定搜索信息是否为第一类搜索信息。

在本实施例中，用于推送信息的方法运行于其上的电子设备(例如图1所示的服务器105)可以通过有线连接方式或者无线连接方式从用户利用其进行信息搜索的终端接收搜索信息，上述搜索信息可以包括但不限于：各种语言的文字、拼音、符合、数字等等。上述搜索信息可以是一个词语(例如，某某汽车)，还可以是一句话(例如，某某汽车怎么样？)。上述电子设备可以首先计算上述搜索信息与标识信息集合中的各条标识信息的相关性，例如，上述电子设备可以首先使用现有的词向量生成工具(例如word2vec等)分别得到上述搜索信息与标识信息集合中各条标识信息对应的向量，然后，计算上述搜索信息对应的向量与标识信息集合中各条标识信息对应的向量之间的相关性，例如，可以采用余弦距离、欧氏距离、杰卡德相似性度量等相关性计算方法进行计算。上述标识信息集合中的各条标识信息可以是通过各种方式预先设定的(例如可以是人工设定的)，标识信息可以是品牌词、产品词等。上述电子设备可以基于上述搜索信息与标识信息集合中的各条标识信息的相关性确定上述搜索信息是否为第一类搜索信息，例如，当上述搜索信息与标识信息集合中的至少一条标识信息的相关性计算结果超过预先设定的阈值时，上述电子设备可以确定上述搜索信息为第一类搜索信息。需要指出的是，上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。

在本实施例的一些可选的实现方式中，步骤201可以具体包括：首先，上述电子设备可以判断上述搜索信息中是否包括上述标识信息集合中的标识信息。响应于确定上述搜索信息中包括上述标识信息集合中的标识信息，上述电子设备可以计算上述搜索信息与上述标识信息集合中的各条标识信息的相关性。然后，上述电子设备可以进一步判断上述搜索信息与上述标识信息集合中的标识信息的相关性是否超过预先设定的相关性阈值，如果上述搜索信息与上述标识信息集合中的标识信息的相关性超过预先设定的相关性阈值，则可以确定上述搜索信息为第一类搜索信息。

步骤202，响应于确定搜索信息为第一类搜索信息，从标识信息集合中选取出目标标识信息。

在本实施例中，响应于确定上述搜索信息为第一类搜索信息，上述电子设备可以从上述标识信息集合中选取出一条标识信息作为目标标识信息。例如，上述电子设备可以选取上述标识信息集合中的、与上述搜索信息相关性最高的标识信息作为目标标识信息。

在本实施例的一些可选的实现方式中，步骤202可以具体包括：首先，上述电子设备可以采用现有的分词算法对上述搜索信息进行分词，得到至少一个第一分词，使用预先训练的词向量列表，得到各第一分词对应的词向量，将上述至少一个第一分词中的各第一分词的词向量进行拼接(例如，按第一分词在搜索信息中的位置，将至少一个第一分词对应的词向量进行组合)，得到上述搜索信息的词向量，其中，上述词向量列表用于表征词与词向量之间的对应关系，作为示例，上述词向量列表可以是人工设定的、存储有词与向量对应关系的对应关系表。其次，对于上述标识信息集合中的每条标识信息，上述电子设备可以对该标识信息进行分词，得到至少一个第二分词，使用上述词向量列表，得到各第二分词对应的词向量，将上述至少一个第二分词中的各第二分词的词向量进行拼接，得到该标识信息的词向量。然后，上述电子设备可以计算上述搜索信息的词向量与上述标识信息集合中的各条标识信息的词向量之间的余弦相似度。最后，上述电子设备可以确定计算得到的余弦相似度最大值对应的标识信息为目标标识信息。

在一些可选的实现方式中，上述词向量列表可以是上述电子设备或者其他用于训练上述词向量列表的电子设备通过以下方式得到的：利用机器学习算法，将样本词作为输入，将上述样本词对应的向量作为输出，训练得到上述词向量列表。作为示例，可以使用文本分类器(例如，FastText等)或词向量生成工具(例如word2vec等)等模型，将样本词作为输入，将上述样本词对应的向量作为输出，利用机器学习算法，对上述模型进行训练，可以得到词向量列表。

步骤203，根据目标标识信息确定待展示信息。

在本实施例中，上述电子设备可以根据目标标识信息确定待展示信息。在这里，上述待展示信息可以是与目标标识信息相关的各种信息，例如，文字、图像、网址链接等等。作为示例，上述电子设备可以在与上述电子设备网络连接的云服务器的数据库中查找与目标标识信息相关的待展示信息，或者，上述电子设备也可以在预先指定的网站进行爬取以获取与目标标识信息相关的待展示信息，本申请对此不作限制。例如，上述目标标识信息为品牌词“某某”，上述电子设备可以从某某官网爬取图片、文字(例如，标题、摘要等等)、网址链接等作为待展示信息。其中，上述云服务器的数据库可以预先建立的，存储有与标识信息相关的各种信息。

步骤204，确定待展示信息的展示样式，并根据确定的展示样式向终端推送待展示信息。

在本实施例中，上述电子设备可以通过各种方式(例如基于对历史展示信息的统计分析、或随机选取展示样式等等)确定上述待展示信息的展示样式，并根据确定的展示样式向终端推送上述待展示信息，以供终端进行展示。

在本实施例的一些可选的实现方式中，上述确定待展示信息的展示样式的步骤可以具体包括：使用预先训练的预测模型确定所述待展示信息的展示样式，其中，上述预测模型可以用于表征搜索相关信息与展示样式的对应关系。作为示例，上述预测模型可以是技术人员基于对大量搜索相关信息和展示样式的统计而预先制定的、存储有多条搜索相关信息和展示样式的对应关系的对应关系表。对应关系表中所存储的搜索相关信息与展示样式相对应。上述搜索相关信息可以是与搜索相关的各种信息，例如，搜索信息(例如，搜索词、搜索句等等)、搜索时间、发送搜索信息的用户所在的位置、cookie(储存在用户本地终端上的数据)、以及搜索信息对应的搜索结果的信息(例如，标题、摘要等等)等等。上述展示样式可以是指信息展示给用户时的样式。

可选的，上述预测模型还可以是上述电子设备或者其他用于训练上述预测模型的电子设备通过以下方式训练得到的：利用逻辑回归模型，将历史搜索相关信息作为输入，将上述历史搜索相关信息对应的待展示信息被点击时的展示样式作为输出，训练得到预测模型。作为示例，可以使用逻辑回归模型，将历史搜索相关信息作为输入，将上述历史搜索相关信息对应的待展示信息被点击时的展示样式作为输出，对模型进行训练，得到预测模型。上述历史搜索相关信息可以是与历史搜索相关的各种信息，例如，历史搜索信息(例如，历史搜索词、历史搜索句等等)、历史搜索时间、发送历史搜索信息的用户所在的位置、cookie(储存在用户本地终端上的数据)、以及历史搜索信息对应的搜索结果的信息(例如，标题、摘要等等)等等。

在本实施例的一些可选的实现方式中，上述展示样式可以包括以下至少一项：文字样式、咨询样式、电话样式和应用下载样式。请参考图3，作为示例，上述文字样式可以是指待展示信息进行展示时，用户可以通过点击按钮进入目标标识信息对应的官方网站的展示样式，如图3的A1所示。上述咨询样式可以是指待展示信息进行展示时，用户可以通过点击按钮进入在线咨询页面的展示样式，如图3的A2所示。上述电话样式可以是指待展示信息进行展示时，用户可以通过点击按钮直接拨打电话的展示样式，如图3的A3所示。上述应用(App，Application)下载样式可以是指待展示信息进行展示时，用户客户通过点击按钮直接进行应用下载的展示样式，如图3的A4所示。需要说明的是，图3中的A1、A2、A3、A4仅仅用于示例性的说明上述展示样式，而非对展示内容的限定。

继续参见图4，图4是根据本实施例的用于推送信息的方法的应用场景的一个示意图。在图4的应用场景中，用户首先通过终端向服务器发送搜索信息“某某汽车怎么样”，服务器基于该搜索信息与标识信息集合中的各条标识信息的相关性，确定该搜索信息是否为第一类搜索信息；之后，响应于确定该搜索信息为第一类搜索信息，从上述标识信息集合中选取出标识信息“某某”为目标标识信息；然后，根据目标标识信息“某某”确定待展示信息；最后，使用预测模型确定该展示信息的展示样式为文字样式，并根据文字样式向终端推送该待展示信息，以供终端进行显示，就会如图4所示，用户通过点击按钮401可以进入“某某”的官方网站。

本申请的上述实施例提供的方法当确定搜索信息为第一类搜索信息时，从标识信息集合中选取目标标识信息，并根据目标标识信息确定待展示信息，最后使用预测模型确定待展示信息的展示样式，因此，有效利用了搜索信息与标识信息的相关性，实现了富于针对性的信息推送。

进一步参考图5，作为对上述各图所示方法的实现，本申请提供了一种用于推送信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例的用于推送信息的装置500包括：第一确定单元501、选取单元502、第二确定单元503和推送单元504。第一确定单元501用于基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性，确定上述搜索信息是否为第一类搜索信息；选取单元502用于响应于确定上述搜索信息为第一类搜索信息，从上述标识信息集合中选取出目标标识信息；第二确定单元503用于根据上述目标标识信息确定待展示信息；推送单元504用于确定上述待展示信息的展示样式，并根据确定的展示样式向上述终端推送上述待展示信息。

在本实施例中，用于推送信息的装置500的第一确定单元501、选取单元502、第二确定单元503和推送单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中步骤201、步骤202、步骤203和步骤204的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述第一确定单元501可以进一步用于：响应于确定上述搜索信息中包括上述标识信息集合中的标识信息，计算上述搜索信息与上述标识信息集合中的各条标识信息的相关性；如果上述搜索信息与上述标识信息集合中的标识信息的相关性超过预先设定的相关性阈值，则确定上述搜索信息为第一类搜索信息。

在本实施例的一些可选的实现方式中，上述选取单元502可以进一步用于：对上述搜索信息进行分词，得到至少一个第一分词，使用预先训练的词向量列表，得到各第一分词对应的词向量，将上述至少一个第一分词中的各第一分词的词向量进行拼接，得到上述搜索信息的词向量，其中，上述词向量列表用于表征词与词向量之间的对应关系；对于上述标识信息集合中的每条标识信息，对该标识信息进行分词，得到至少一个第二分词，使用上述词向量列表，得到各第二分词对应的词向量，将上述至少一个第二分词中的各第二分词的词向量进行拼接，得到该标识信息的词向量；计算上述搜索信息的词向量与上述标识信息集合中的各条标识信息的词向量之间的余弦相似度；确定计算得到的余弦相似度最大值对应的标识信息为目标标识信息。

在本实施例的一些可选的实现方式中，上述词向量列表可以是通过以下方式得到的：利用机器学习算法，将样本词作为输入，将上述样本词对应的向量作为输出，训练得到上述词向量列表。

在本实施例的一些可选的实现方式中，上述推送单元504可以进一步用于：使用预先训练的预测模型确定上述待展示信息的展示样式，其中，上述预测模型用于表征搜索相关信息与展示样式的对应关系；以及上述预测模型可以是通过以下方式训练得到的：利用逻辑回归模型，将历史搜索相关信息作为输入，将上述历史搜索相关信息对应的待展示信息被点击时的展示样式作为输出，训练得到预测模型。

在本实施例的一些可选的实现方式中，上述展示样式可以包括以下至少一项：文字样式、咨询样式、电话样式和应用下载样式。

下面参考图6，其示出了适于用来实现本申请实施例的服务器的计算机系统600的结构示意图。图6示出的服务器仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

如图6所示，计算机系统600包括中央处理单元(CPU，Central Processing Unit)601，其可以根据存储在只读存储器(ROM，Read Only Memory)602中的程序或者从存储部分606加载到随机访问存储器(RAM，Random Access Memory)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM602以及RAM 603通过总线604彼此相连。输入/输出(I/O，Input/Output)接口605也连接至总线604。

以下部件连接至I/O接口605：包括硬盘等的存储部分606；以及包括诸如LAN(局域网，Local Area Network)卡、调制解调器等的网络接口卡的通信部分607。通信部分607经由诸如因特网的网络执行通信处理。驱动器608也根据需要连接至I/O接口605。可拆卸介质609，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器608上，以便于从其上读出的计算机程序根据需要被安装入存储部分606。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分607从网络上被下载和安装，和/或从可拆卸介质609被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请所述的计算机可读介质可以是计算机可读信号介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是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本申请中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括第一确定单元、选取单元、第二确定单元和推送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，第一确定单元还可以被描述为“基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性，确定所述搜索信息是否为第一类搜索信息的单元”。

作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的装置中所包含的；也可以是单独存在，而未装配入该装置中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该装置执行时，使得该装置：基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性，确定上述搜索信息是否为第一类搜索信息；响应于确定上述搜索信息为第一类搜索信息，从上述标识信息集合中选取出目标标识信息；根据上述目标标识信息确定待展示信息；确定上述待展示信息的展示样式，并根据确定的展示样式向上述终端推送上述待展示信息。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(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技术方案。

Claims (12)

1.一种用于推送信息的方法，其特征在于，所述方法包括：

基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性，确定所述搜索信息是否为第一类搜索信息；

响应于确定所述搜索信息为第一类搜索信息，从所述标识信息集合中选取出目标标识信息；

根据所述目标标识信息确定待展示信息；

确定所述待展示信息的展示样式，并根据确定的展示样式向所述终端推送所述待展示信息；

其中，所述确定所述待展示信息的展示样式，包括：

使用预先训练的预测模型确定所述待展示信息的展示样式，其中，所述预测模型用于表征搜索相关信息与展示样式的对应关系；以及

所述预测模型是通过以下方式训练得到的：

利用逻辑回归模型，将历史搜索相关信息作为输入，将所述历史搜索相关信息对应的待展示信息被点击时的展示样式作为输出，训练得到预测模型。

2.根据权利要求1所述的方法，其特征在于，所述基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性，确定所述搜索信息是否为第一类搜索信息，包括：

响应于确定所述搜索信息中包括所述标识信息集合中的标识信息，计算所述搜索信息与所述标识信息集合中的各条标识信息的相关性；

如果所述搜索信息与所述标识信息集合中的标识信息的相关性超过预先设定的相关性阈值，则确定所述搜索信息为第一类搜索信息。

3.根据权利要求1所述的方法，其特征在于，所述从所述标识信息集合中选取出目标标识信息，包括：

对所述搜索信息进行分词，得到至少一个第一分词，使用预先训练的词向量列表，得到各第一分词对应的词向量，将所述至少一个第一分词中的各第一分词的词向量进行拼接，得到所述搜索信息的词向量，其中，所述词向量列表用于表征词与词向量之间的对应关系；

对于所述标识信息集合中的每条标识信息，对该标识信息进行分词，得到至少一个第二分词，使用所述词向量列表，得到各第二分词对应的词向量，将所述至少一个第二分词中的各第二分词的词向量进行拼接，得到该标识信息的词向量；

计算所述搜索信息的词向量与所述标识信息集合中的各条标识信息的词向量之间的余弦相似度；

确定计算得到的余弦相似度最大值对应的标识信息为目标标识信息。

4.根据权利要求3所述的方法，其特征在于，所述词向量列表是通过以下方式得到的：

利用机器学习算法，将样本词作为输入，将所述样本词对应的向量作为输出，训练得到所述词向量列表。

5.根据权利要求1所述的方法，其特征在于，所述展示样式包括以下至少一项：文字样式、咨询样式、电话样式和应用下载样式。

6.一种用于推送信息的装置，其特征在于，所述装置包括：

第一确定单元，用于基于用户通过终端发送的搜索信息与预先设定的标识信息集合中的各条标识信息的相关性，确定所述搜索信息是否为第一类搜索信息；

选取单元，用于响应于确定所述搜索信息为第一类搜索信息，从所述标识信息集合中选取出目标标识信息；

第二确定单元，用于根据所述目标标识信息确定待展示信息；

推送单元，用于确定所述待展示信息的展示样式，并根据确定的展示样式向所述终端推送所述待展示信息；

其中，所述推送单元进一步用于：

使用预先训练的预测模型确定所述待展示信息的展示样式，其中，所述预测模型用于表征搜索相关信息与展示样式的对应关系；以及

所述预测模型是通过以下方式训练得到的：

利用逻辑回归模型，将历史搜索相关信息作为输入，将所述历史搜索相关信息对应的待展示信息被点击时的展示样式作为输出，训练得到预测模型。

7.根据权利要求6所述的装置，其特征在于，所述第一确定单元进一步用于：

响应于确定所述搜索信息中包括所述标识信息集合中的标识信息，计算所述搜索信息与所述标识信息集合中的各条标识信息的相关性；

如果所述搜索信息与所述标识信息集合中的标识信息的相关性超过预先设定的相关性阈值，则确定所述搜索信息为第一类搜索信息。

8.根据权利要求6所述的装置，其特征在于，所述选取单元进一步用于：

对所述搜索信息进行分词，得到至少一个第一分词，使用预先训练的词向量列表，得到各第一分词对应的词向量，将所述至少一个第一分词中的各第一分词的词向量进行拼接，得到所述搜索信息的词向量，其中，所述词向量列表用于表征词与词向量之间的对应关系；

对于所述标识信息集合中的每条标识信息，对该标识信息进行分词，得到至少一个第二分词，使用所述词向量列表，得到各第二分词对应的词向量，将所述至少一个第二分词中的各第二分词的词向量进行拼接，得到该标识信息的词向量；

计算所述搜索信息的词向量与所述标识信息集合中的各条标识信息的词向量之间的余弦相似度；

确定计算得到的余弦相似度最大值对应的标识信息为目标标识信息。

9.根据权利要求8所述的装置，其特征在于，所述词向量列表是通过以下方式得到的：

利用机器学习算法，将样本词作为输入，将所述样本词对应的向量作为输出，训练得到所述词向量列表。

10.根据权利要求6所述的装置，其特征在于，所述展示样式包括以下至少一项：文字样式、咨询样式、电话样式和应用下载样式。

11.一种服务器，包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如权利要求1-5中任一所述的方法。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-5中任一所述的方法。

Images