CN109948060A - 一种信息推送方法、装置、终端设备及存储介质 - Google Patents

Abstract

本申请实施例提供了一种信息推送方法，该方法包括：接收信息推送指令，其中，所述信息推送指令中携带目标用户的用户标识；根据所述用户标识，获取所述目标用户的多个已浏览信息的信息标识和作者标识；根据所述多个已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者；向所述目标用户推送所述待推送作者发布的信息。本方案中，基于目标用户已浏览信息的作者标识，确定待推送作者，再向目标用户推送待推送作者发布的信息，相比于根据历史浏览信息确定待推送信息的方式，可以减少计算量，同时，由于计算过程与其他用户的历史浏览行为无关，因此，信息推送的准确度较高。

Description

一种信息推送方法、装置、终端设备及存储介质

技术领域

本公开涉及互联网应用领域，尤其涉及一种信息推送方法、装置、终端设备及存储介质。

背景技术

一些场景中，平台可以通过向用户推送信息的方式，帮助用户快速发现其可能感兴趣的信息。

相关技术中，通常基于协同过滤算法向用户推送信息：首先，需要获取用户信息，如该用户的兴趣、爱好或行为习惯等信息，然后，查询并获取与该用户相似的其他用户浏览过的信息，进而，将这些信息作为待推送信息，推送给该用户。

但是，上述方式需要以其他用户的历史浏览行为为依据进行信息推送，而在平台中存储的信息中，通常包括大量被浏览次数较低的信息，在计算待推送信息时，这些被浏览次数较低的信息会带来较大的计算量，同时，还会对计算结果造成影响，导致信息推送的准确度较低，因此，上述信息推送方法的推送效果较差。

发明内容

本申请实施例的目的在于提供一种信息推送方法、装置、终端设备及存储介质，以提高信息推送的准确度。

具体技术方案如下：

本发明实施例提供了一种信息推送方法，包括：

接收信息推送指令，其中，所述信息推送指令中携带目标用户的用户标识；

根据所述用户标识，获取所述目标用户的多个已浏览信息的信息标识和作者标识；

根据所述多个已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者；

向所述目标用户推送所述待推送作者发布的信息。

可选的，所述根据所述用户标识，获取所述目标用户的多个已浏览信息的信息标识和作者标识，包括：

根据所述用户标识，获取所述目标用户的历史浏览记录，所述历史浏览记录中包括所述目标用户的多个已浏览信息的信息标识和作者标识；

按照预设的筛选规则，从所述历史浏览记录中，确定多个目标已浏览信息；

获取所述目标已浏览信息的信息标识和作者标识；

所述根据所述多个已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者，包括：

根据所述多个目标已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者。

可选的，所述历史浏览记录中还包括每个已浏览信息的浏览时间；所述按照预设的筛选规则，从所述历史浏览记录中，确定多个目标已浏览信息，包括：

按照预设的时间区间及每个已浏览信息的浏览时间，从所述历史浏览记录中，确定多个在所述预设的时间区间之内的第一候选已浏览信息；

根据预设的采样规则，从所述预设的时间区间之外的历史浏览记录中，确定多个第二候选已浏览信息，将所述第一候选已浏览信息及所述第二候选已浏览信息作为目标已浏览信息。

可选的，所述根据所述多个已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者，包括：

针对每个已浏览信息，对该已浏览信息的信息标识进行映射，得到第一映射值，并对该已浏览信息的作者标识进行映射，得到第二映射值；

将所述多个已浏览信息的第一映射值和第二映射值输入至预先训练得到的信息推送深度神经网络模型进行处理，确定所述目标用户对应的待推送作者。

可选的，所述对该已浏览信息的作者标识进行映射，得到第二映射值，包括：

根据所述已浏览信息的作者标识，确定所述已浏览信息的作者所发布的信息对应的多个主题；

针对每个主题，对所述已浏览信息的作者标识进行映射，得到该主题对应的第二映射值；

根据所述已浏览信息的信息标识，对所述多个主题对应的第二映射值进行加权计算，得到所述已浏览信息对应的第二映射值。

可选的，采用如下步骤，训练得到所述信息推送深度神经网络模型：

获取多个样本已浏览信息，将所述多个样本已浏览信息划分为训练信息、验证信息及测试信息；

针对每个样本已浏览信息，对该样本已浏览信息的信息标识进行映射，得到第一映射值，并对该样本已浏览信息的作者标识进行映射，得到第二映射值；

将所述训练信息的第一映射值和第二映射值输入至深度神经网络模型进行处理，对所述深度神经网络模型中的参数进行训练；

将所述验证信息的第一映射值和第二映射值输入至深度神经网络模型进行处理，对所述深度神经网络模型中的超参数进行训练，得到待测试模型；

根据预设的损失函数及所述测试信息，对所述待测试模型进行迭代调整，直至输出结果满足预设条件，得到所述信息推送深度神经网络模型。

本发明实施例还提供了一种信息推送装置，包括：

接收单元，被配置为接收信息推送指令，其中，所述信息推送指令中携带目标用户的用户标识；

获取单元，被配置为根据所述用户标识，获取所述目标用户的多个已浏览信息的信息标识和作者标识；

确定单元，被配置为根据所述多个已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者；

推送单元，被配置为向所述目标用户推送所述待推送作者发布的信息。

可选的，所述获取单元，还被配置为根据所述用户标识，获取所述目标用户的历史浏览记录，所述历史浏览记录中包括所述目标用户的多个已浏览信息的信息标识和作者标识；按照预设的筛选规则，从所述历史浏览记录中，确定多个目标已浏览信息；获取所述目标已浏览信息的信息标识和作者标识；

所述确定单元，还被配置为根据所述多个目标已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者。

可选的，所述历史浏览记录中还包括每个已浏览信息的浏览时间；所述获取单元，还被配置为：

按照预设的时间区间及每个已浏览信息的浏览时间，从所述历史浏览记录中，确定多个在所述预设的时间区间之内的第一候选已浏览信息；

根据预设的采样规则，从所述预设的时间区间之外的历史浏览记录中，确定多个第二候选已浏览信息，将所述第一候选已浏览信息及所述第二候选已浏览信息作为目标已浏览信息。

可选的，所述确定单元，还被配置为：

针对每个已浏览信息，对该已浏览信息的信息标识进行映射，得到第一映射值，并对该已浏览信息的作者标识进行映射，得到第二映射值；

将所述多个已浏览信息的第一映射值和第二映射值输入至预先训练得到的信息推送深度神经网络模型进行处理，确定所述目标用户对应的待推送作者。

可选的，所述确定单元，还被配置为：

根据所述已浏览信息的作者标识，确定所述已浏览信息的作者所发布的信息对应的多个主题；

针对每个主题，对所述已浏览信息的作者标识进行映射，得到该主题对应的第二映射值；

根据所述已浏览信息的信息标识，对所述多个主题对应的第二映射值进行加权计算，得到所述已浏览信息对应的第二映射值。

可选的，采用如下步骤，训练得到所述信息推送深度神经网络模型：

获取多个样本已浏览信息，将所述多个样本已浏览信息划分为训练信息、验证信息及测试信息；

针对每个样本已浏览信息，对该样本已浏览信息的信息标识进行映射，得到第一映射值，并对该样本已浏览信息的作者标识进行映射，得到第二映射值；

将所述训练信息的第一映射值和第二映射值输入至深度神经网络模型进行处理，对所述深度神经网络模型中的参数进行训练；

将所述验证信息的第一映射值和第二映射值输入至深度神经网络模型进行处理，对所述深度神经网络模型中的超参数进行训练，得到待测试模型；

根据预设的损失函数及所述测试信息，对所述待测试模型进行迭代调整，直至输出结果满足预设条件，得到所述信息推送深度神经网络模型。

本发明实施例还提供了一种信息推送电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行存储器上所存放的程序时，实现上述任一所述的信息推送方法。

本发明实施例还提供了一种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端设备的处理器执行时，使得移动终端设备能够执行一种信息推送方法，所述方法包括：

接收信息推送指令，其中，所述信息推送指令中携带目标用户的用户标识；

根据所述用户标识，获取所述目标用户的多个已浏览信息的信息标识和作者标识；

根据所述多个已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者；

向所述目标用户推送所述待推送作者发布的信息。

本发明实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的信息推送方法。

本公开的实施例提供的技术方案可以包括以下有益效果：接收信息推送指令，其中，信息推送指令中携带目标用户的用户标识；根据用户标识，获取目标用户的多个已浏览信息的信息标识和作者标识；根据多个已浏览信息的信息标识和作者标识，确定目标用户对应的待推送作者；向目标用户推送待推送作者发布的信息。也就是说，本方案中，基于目标用户已浏览信息的作者标识，确定待推送作者，再向目标用户推送待推送作者发布的信息，可以理解，每个作者都会发布多个信息，目标用户已浏览信息的作者的数量少于目标用户已浏览信息的数量，因此，相比于根据历史浏览信息确定待推送信息的方式，可以减少计算量，同时，由于计算过程与其他用户的历史浏览行为无关，因此，信息推送的准确度较高。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种信息推送方法的流程图。

图2是根据一示例性实施例示出的一种信息推送装置的框图。

图3是根据一示例性实施例示出的一种终端设备的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

相关技术中，通常基于协同过滤算法向用户推送信息：首先，需要获取用户信息，如该用户的兴趣、爱好或行为习惯等信息，然后，查询并获取与该用户相似的其他用户浏览过的信息，进而，将所获取的这些信息推送给该用户。

但是，上述方式需要以其他用户的历史浏览行为为依据进行信息推送，而在平台中存储的信息中，通常包括大量被浏览次数较低的信息，在计算待推送信息时，这些被浏览次数较低的信息会带来较大的计算量，同时，还会对计算结果造成影响，导致信息推送的准确度较低，因此，上述信息推送方法的推送效果较差。

为了解决上述技术问题，本申请实施例提供了一种信息推送方法和装置，该方法和装置可以应用于服务器、计算机等各种电子设备中。下面首先对本申请实施例提供的信息推送方法进行详细介绍。

图1是根据一示例性实施例示出的一种信息推送方法的流程图，包括以下步骤。

在S101中，接收信息推送指令，其中，信息推送指令中携带目标用户的用户标识。

其中，信息推送指令可以是目标用户触发发送的，比如，当目标用户点击某一视频时，会同时发送信息推送指令，或者，信息推送指令也可以是根据预设的规则自行生成的，比如，可以每隔预设时间间隔，生成一次信息推送指令，以实现按照预设时间间隔向目标用户推送信息，等等。

待推送的信息可以为视频、网页、图片等等，可以与目标用户当前浏览的信息为同一类信息，也可以是与目标用户当前浏览的信息不同种类的信息，比如某一预设种类的信息，具体不做限定。

目标用户的用户标识可以为目标用户的用户名、IP(Internet ProtocolAddress，网际协议)地址、用户设备信息等，每个用户都具有与其唯一对应的用户标识。

在S102中，根据用户标识，获取目标用户的多个已浏览信息的信息标识和作者标识。

根据用户标识，可以确定唯一的目标用户，进而，可以获取目标用户的多个已浏览信息的信息标识和作者标识。其中，已浏览信息的信息标识可以为已浏览信息的信息名称、网页地址、信息编号等，已浏览信息的作者标识可以为已浏览信息的作者的账户名、昵称、IP地址、标识码等，具体不做限定。

在本步骤中，已浏览信息的信息标识和作者标识可以是在用户浏览信息的过程中直接存储在本电子设备(执行主体)中的，可以从历史浏览记录中直接获取，或者，也可以先确定已浏览信息的信息标识，进而，根据信息标识查询对应的作者标识。

在S103中，根据多个已浏览信息的信息标识和作者标识，确定目标用户对应的待推送作者。

本步骤中，可以根据所有已浏览信息的信息标识和作者标识，确定目标用户对应的待推送作者，也可以对目标用户的已浏览信息进行筛选，确定多个目标已浏览信息，进而根据筛选出的多个目标已浏览信息的信息标识和作者标识，确定目标用户对应的待推送作者，具体不做限定。

举例而言，对目标用户的已浏览信息进行筛选，确定多个目标已浏览信息的方式，可以为：

首先，根据用户标识，获取目标用户的历史浏览记录，其中，历史浏览记录中包括目标用户的多个已浏览信息的信息标识和作者标识；然后，按照预设的筛选规则，从历史浏览记录中，确定多个目标已浏览信息，并获取目标已浏览信息的信息标识和作者标识。

一种实现方式中，历史浏览记录中还包括每个已浏览信息的浏览时间，在这种情况下，按照预设的筛选规则，从历史浏览记录中，确定多个目标已浏览信息的方式，可以为：

按照预设的时间区间及每个已浏览信息的浏览时间，从历史浏览记录中，确定多个在预设的时间区间之内的第一候选已浏览信息；根据预设的采样规则，从预设的时间区间之外的历史浏览记录中，确定多个第二候选已浏览信息，将第一候选已浏览信息及第二候选已浏览信息作为目标已浏览信息。

也就是说，将预设的时间区间内的已浏览信息全部作为目标已浏览信息，而对于预设的时间区间之外的已浏览信息，只选择其中一部分，这样，当数据量较大时，可以有选择性的对某一时间区间内的已浏览信息重点进行分析，从而提高向用户推送信息的针对性。

其中，预设的时间区间可以是某一段日期，比如，2018年12月1日至2018年12月31日，或者，也可以是某一个时间段，比如，距当前时间30天之内的时间段，等等，具体不做限定。

或者，也可以直接选取在预设的时间区间之内的所有已浏览信息，作为目标已浏览信息，具体不做限定。

根据多个已浏览信息的信息标识和作者标识，确定目标用户对应的待推送作者的方式，可以是直接将出现次数最高的作者标识作为待推送作者的标识，或者，也可以先根据作者标识确定候选待推送作者，再确定所发布的信息的信息标识与已浏览信息的信息标识重合度最高的作者，作为待推送作者，等等。

举例而言，一种实现方式中，根据多个已浏览信息的信息标识和作者标识，确定目标用户对应的待推送作者的方式，可以为：

首先，针对每个已浏览信息，通过对视频嵌入层的查找，对该已浏览信息的信息标识进行映射，得到第一映射值，并通过对作者嵌入层的查找，对该已浏览信息的作者标识进行映射，得到第二映射值；然后，将多个已浏览信息的第一映射值和第二映射值传入至预先训练得到的信息推送深度神经网络进行处理，确定目标用户对应的待推送作者。

可以理解，有些作者发布的信息主题不只一个，会同时存在着几个不同类型的主题，基于此，可以对同一作者所发布的信息对应的主题进行分类，基于分类结果计算第二映射值，这样，可以得到一个更优的第二映射值，进一步提高信息推送的准确度。

举例而言，首先，可以根据已浏览信息的作者标识，确定已浏览信息的作者所发布的信息对应的多个主题；然后，针对每个主题，对已浏览信息的作者标识进行映射，得到该主题对应的第二映射值；进而，根据已浏览信息的信息标识，对多个主题对应的第二映射值进行加权计算，得到已浏览信息对应的第二映射值。

其中，根据已浏览信息的信息标识，对多个主题对应的第二映射值进行加权计算时，可以基于注度分析机制，先计算出每个主题的第二映射值对应的权值分布，然后通过归一化后的权值来计算已浏览信息对应的第二映射的选取。

一种实现方式中，上述信息推送深度神经网络可以通过以下步骤训练得到：

首先，可以获取多个样本已浏览信息，将多个样本已浏览信息划分为训练信息、验证消息及测试信息；然后，针对每个样本已浏览信息，对该样本已浏览信息的信息标识进行映射，得到第一映射值，并对该样本已浏览信息的作者标识进行映射，得到第二映射值；将训练信息的第一映射值和第二映射值输入至深度神经网络模型进行处理，对深度神经网络模型中的参数进行训练；将验证信息的第一映射值和第二映射值输入至深度神经网络模型进行处理，对深度神经网络模型中的超参数进行训练，得到待测试模型；进而，根据测试信息及预设的损失函数，对待测试模型进行迭代调整，直至输出结果满足预设条件，得到信息推送深度神经网络模型。

其中，预设的损失函数可以包括经验风险函数和结构风险函数，经验风险函数的计算公式为结构风险函数的计算公式为

其中，通过验证信息对深度神经网络模型中的超参数进行优化调参，同时，通过损失函数对信息推送深度神经网络模型的计算结果进一步进行优化，可以提高信息推送深度神经网络模型在测试信息上的泛化能力，使得信息推送深度神经网络模型的结果更准确。

在S104中，向目标用户推送待推送作者发布的信息。

在本步骤中，可以直接向目标用户推送待推送作者的主页，以使目标用户获取待推送作者发布的信息，或者，也可以进一步从推送作者发布的所有信息中确定出其中一个或多个目标待推送信息，将目标待推送信息推送给目标用户，具体不做限定。

由以上可见，应用本申请实施例提供的信息推送方法，在接收到携带目标用户的用户标识的信息推送指令之后，根据用户标识，获取目标用户的多个已浏览信息的信息标识和作者标识；根据多个已浏览信息的信息标识和作者标识，确定目标用户对应的待推送作者；向目标用户推送待推送作者发布的信息。也就是说，本方案中，基于目标用户已浏览信息的作者标识，确定待推送作者，再向目标用户推送待推送作者发布的信息，可以理解，每个作者都会发布多个信息，目标用户已浏览信息的作者的数量少于目标用户已浏览信息的数量，因此，相比于根据历史浏览信息确定待推送信息的方式，可以减少计算量，同时，由于计算过程与其他用户的历史浏览行为无关，因此，信息推送的准确度较高。

如图2所示，为本申请实施例提供的一种信息推送装置的结构示意图，该装置包括接收单元201、获取单元202、确定单元203和推送单元204。其中：

接收单元201，被配置为接收信息推送指令，其中，信息推送指令中携带目标用户的用户标识；

获取单元202，被配置为根据用户标识，获取目标用户的多个已浏览信息的信息标识和作者标识；

确定单元203，被配置为根据多个已浏览信息的信息标识和作者标识，确定目标用户对应的待推送作者；

推送单元204，被配置为向目标用户推送待推送作者发布的信息。

一种实现方式中，获取单元202，还被配置为根据用户标识，获取目标用户的历史浏览记录，历史浏览记录中包括目标用户的多个已浏览信息的信息标识和作者标识；按照预设的筛选规则，从历史浏览记录中，确定多个目标已浏览信息；获取目标已浏览信息的信息标识和作者标识；

确定单元，还被配置为根据多个目标已浏览信息的信息标识和作者标识，确定目标用户对应的待推送作者。

一种实现方式中，历史浏览记录中还包括每个已浏览信息的浏览时间；获取单元202，还被配置为：

按照预设的时间区间及每个已浏览信息的浏览时间，从历史浏览记录中，确定多个在预设的时间区间之内的第一候选已浏览信息；

根据预设的采样规则，从预设的时间区间之外的历史浏览记录中，确定多个第二候选已浏览信息，将第一候选已浏览信息及第二候选已浏览信息作为目标已浏览信息。

一种实现方式中，确定单元203，还被配置为：

针对每个已浏览信息，对该已浏览信息的信息标识进行映射，得到第一映射值，并对该已浏览信息的作者标识进行映射，得到第二映射值；

将所述多个已浏览信息的第一映射值和第二映射值输入至预先训练得到的信息推送深度神经网络模型进行处理，确定所述目标用户对应的待推送作者。

一种实现方式中，确定单元203，还被配置为：

根据所述已浏览信息的作者标识，确定所述已浏览信息的作者所发布的信息对应的多个主题；

针对每个主题，对所述已浏览信息的作者标识进行映射，得到该主题对应的第二映射值；

根据所述已浏览信息的信息标识，对所述多个主题对应的第二映射值进行加权计算，得到所述已浏览信息对应的第二映射值。

一种实现方式中，确定单元203，还被配置为：

采用如下步骤，训练得到所述信息推送深度神经网络模型：

获取多个样本已浏览信息，将所述多个样本已浏览信息划分为训练信息、验证信息及测试信息；

针对每个样本已浏览信息，对该样本已浏览信息的信息标识进行映射，得到第一映射值，并对该样本已浏览信息的作者标识进行映射，得到第二映射值；

将所述训练信息的第一映射值和第二映射值输入至深度神经网络模型进行处理，对所述深度神经网络模型中的参数进行训练；

将所述验证信息的第一映射值和第二映射值输入至深度神经网络模型进行处理，对所述深度神经网络模型中的超参数进行训练，得到待测试模型；

根据预设的损失函数及所述测试信息，对所述待测试模型进行迭代调整，直至输出结果满足预设条件，得到所述信息推送深度神经网络模型。

由以上可见，应用本申请实施例提供的信息推送装置，在接收到携带目标用户的用户标识的信息推送指令之后，根据用户标识，获取目标用户的多个已浏览信息的信息标识和作者标识；根据多个已浏览信息的信息标识和作者标识，确定目标用户对应的待推送作者；向目标用户推送待推送作者发布的信息。也就是说，本方案中，基于目标用户已浏览信息的作者标识，确定待推送作者，再向目标用户推送待推送作者发布的信息，可以理解，每个作者都会发布多个信息，目标用户已浏览信息的作者的数量少于目标用户已浏览信息的数量，因此，相比于根据历史浏览信息确定待推送信息的方式，可以减少计算量，同时，由于计算过程与其他用户的历史浏览行为无关，因此，信息推送的准确度较高。

图3是根据一示例性实施例示出的一种用于信息推送的电子设备300的框图。例如，电子设备300可以是移动电话，计算机，数字广播终端设备，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图3，电子设备300可以包括以下一个或多个组件：处理组件302，存储器304，电力组件306，多媒体组件308，音频组件310，输入/输出(I/O)的接口312，传感器组件314，以及通信组件316。

处理组件302通常控制电子设备300的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件302可以包括一个或多个处理器320来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件302可以包括一个或多个模块，便于处理组件302和其他组件之间的交互。例如，处理组件302可以包括多媒体模块，以方便多媒体组件308和处理组件302之间的交互。

存储器304被配置为存储各种类型的数据以支持在电子设备300的操作。这些数据的示例包括用于在终端设备400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器304可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件306为电子设备300的各种组件提供电力。电源组件306可以包括电源管理系统，一个或多个电源，及其他与为电子设备300生成、管理和分配电力相关联的组件。

多媒体组件308包括在所述电子设备300和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件308包括一个前置摄像头和/或后置摄像头。当电子设备300处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件310被配置为输出和/或输入音频信号。例如，音频组件310包括一个麦克风(MIC)，当电子设备300处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器304或经由通信组件316发送。在一些实施例中，音频组件310还包括一个扬声器，用于输出音频信号。

I/O接口312为处理组件302和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件314包括一个或多个传感器，用于为电子设备300提供各个方面的状态评估。例如，传感器组件314可以检测到电子设备300的打开/关闭状态，组件的相对定位，例如所述组件为电子设备300的显示器和小键盘，传感器组件314还可以检测电子设备300或电子设备300一个组件的位置改变，用户与电子设备300接触的存在或不存在，电子设备300方位或加速/减速和电子设备300的温度变化。传感器组件314可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件314还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件314还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件316被配置为便于电子设备300和其他设备之间有线或无线方式的通信。电子设备300可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件316经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件316还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备300可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器304，上述指令可由电子设备300的处理器420执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

以上可见，应用本申请实施例提供的信息推送装置，基于目标用户已浏览信息的作者标识，确定待推送作者，再向目标用户推送待推送作者发布的信息，可以理解，每个作者都会发布多个信息，目标用户已浏览信息的作者的数量少于目标用户已浏览信息的数量，因此，相比于根据历史浏览信息确定待推送信息的方式，可以减少计算量，同时，由于计算过程与其他用户的历史浏览行为无关，因此，信息推送的准确度较高。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。

应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。

Claims (10)

1.一种信息推送方法，其特征在于，包括：

接收信息推送指令，其中，所述信息推送指令中携带目标用户的用户标识；

根据所述用户标识，获取所述目标用户的多个已浏览信息的信息标识和作者标识；

根据所述多个已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者；

向所述目标用户推送所述待推送作者发布的信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述用户标识，获取所述目标用户的多个已浏览信息的信息标识和作者标识，包括：

根据所述用户标识，获取所述目标用户的历史浏览记录，所述历史浏览记录中包括所述目标用户的多个已浏览信息的信息标识和作者标识；

按照预设的筛选规则，从所述历史浏览记录中，确定多个目标已浏览信息；

获取所述目标已浏览信息的信息标识和作者标识；

所述根据所述多个已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者，包括：

根据所述多个目标已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者。

3.根据权利要求2所述的方法，其特征在于，所述历史浏览记录中还包括每个已浏览信息的浏览时间；所述按照预设的筛选规则，从所述历史浏览记录中，确定多个目标已浏览信息，包括：

按照预设的时间区间及每个已浏览信息的浏览时间，从所述历史浏览记录中，确定多个在所述预设的时间区间之内的第一候选已浏览信息；

根据预设的采样规则，从所述预设的时间区间之外的历史浏览记录中，确定多个第二候选已浏览信息，将所述第一候选已浏览信息及所述第二候选已浏览信息作为目标已浏览信息。

4.根据权利要求1所述的方法，其特征在于，所述根据所述多个已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者，包括：

针对每个已浏览信息，对该已浏览信息的信息标识进行映射，得到第一映射值，并对该已浏览信息的作者标识进行映射，得到第二映射值；

将所述多个已浏览信息的第一映射值和第二映射值输入至预先训练得到的信息推送深度神经网络模型进行处理，确定所述目标用户对应的待推送作者。

5.根据权利要求4所述的方法，其特征在于，所述对该已浏览信息的作者标识进行映射，得到第二映射值，包括：

根据所述已浏览信息的作者标识，确定所述已浏览信息的作者所发布的信息对应的多个主题；

针对每个主题，对所述已浏览信息的作者标识进行映射，得到该主题对应的第二映射值；

根据所述已浏览信息的信息标识，对所述多个主题对应的第二映射值进行加权计算，得到所述已浏览信息对应的第二映射值。

6.根据权利要求4所述的方法，其特征在于，采用如下步骤，训练得到所述信息推送深度神经网络模型：

获取多个样本已浏览信息，将所述多个样本已浏览信息划分为训练信息、验证信息及测试信息；

针对每个样本已浏览信息，对该样本已浏览信息的信息标识进行映射，得到第一映射值，并对该样本已浏览信息的作者标识进行映射，得到第二映射值；

将所述训练信息的第一映射值和第二映射值输入至深度神经网络模型进行处理，对所述深度神经网络模型中的参数进行训练；

将所述验证信息的第一映射值和第二映射值输入至深度神经网络模型进行处理，对所述深度神经网络模型中的超参数进行训练，得到待测试模型；

根据预设的损失函数及所述测试信息，对所述待测试模型进行迭代调整，直至输出结果满足预设条件，得到所述信息推送深度神经网络模型。

7.一种信息推送装置，其特征在于，包括：

接收单元，被配置为接收信息推送指令，其中，所述信息推送指令中携带目标用户的用户标识；

获取单元，被配置为根据所述用户标识，获取所述目标用户的多个已浏览信息的信息标识和作者标识；

确定单元，被配置为根据所述多个已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者；

推送单元，被配置为向所述目标用户推送所述待推送作者发布的信息。

8.根据权利要求7所述的装置，其特征在于，

所述获取单元，还被配置为根据所述用户标识，获取所述目标用户的历史浏览记录，所述历史浏览记录中包括所述目标用户的多个已浏览信息的信息标识和作者标识；按照预设的筛选规则，从所述历史浏览记录中，确定多个目标已浏览信息；获取所述目标已浏览信息的信息标识和作者标识；

所述确定单元，还被配置为根据所述多个目标已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者。

9.一种信息推送电子设备，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为执行存储器上所存放的程序时，实现权利要求1-6任一所述的方法步骤。

10.一种非临时性计算机可读存储介质，其特征在于，当所述存储介质中的指令由移动终端设备的处理器执行时，使得移动终端设备能够执行一种信息推送方法，所述方法包括：

接收信息推送指令，其中，所述信息推送指令中携带目标用户的用户标识；

根据所述用户标识，获取所述目标用户的多个已浏览信息的信息标识和作者标识；

根据所述多个已浏览信息的信息标识和作者标识，确定所述目标用户对应的待推送作者；

向所述目标用户推送所述待推送作者发布的信息。