CN111756832A - 推送信息的方法、装置、电子设备及计算机可读存储介质 - Google Patents
推送信息的方法、装置、电子设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN111756832A CN111756832A CN202010574701.1A CN202010574701A CN111756832A CN 111756832 A CN111756832 A CN 111756832A CN 202010574701 A CN202010574701 A CN 202010574701A CN 111756832 A CN111756832 A CN 111756832A
- Authority
- CN
- China
- Prior art keywords
- interest
- values
- user
- value
- tag
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Abstract
本申请公开了推送信息的方法和装置,涉及计算机技术领域、智能搜索技术领域、兴趣推送技术领域、基于知识图谱的兴趣标签构建领域和智能推送领域。具体实现方案为:获取待推送用户的兴趣推荐值,确定与该待推送用户的兴趣推荐值相同的至少一个其他用户,其中,用户的兴趣推荐值为丢弃以至少一维度向量表示的用户的兴趣标签的值的集合中的待丢弃的兴趣标签的值得到,基于该其他用户的待丢弃的值中不同于该待推送用户的待丢弃的兴趣标签的值,将待推送用户的兴趣标签的值的集合中对应所确定的兴趣标签的值设为真值,根据该待推送用户的兴趣标签的值的集合中的真值,向该待推送用户推送相应的信息。该方案丰富了向用户推送的信息的内容。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及智能搜索技术领域、兴趣推送技术领域、基于知识图谱的兴趣标签构建领域和智能推送领域,尤其涉及推送信息的方法、装置、电子设备及计算机可读存储介质。
背景技术
现有技术中,因为用户在浏览网络信息时会因自身兴趣爱好产生明显的倾向性,所以为了提高推送消息的被点击率,往往会根据用户的兴趣标签向用户推送感兴趣的内容。
为实现用户的兴趣爱好扩展,往往会根据用户的历史兴趣标签进行相关性计算得到不同与历史兴趣标签的兴趣标签用于推送,以便帮助用户挖掘兴趣内容,获取更多的信息。
发明内容
本申请提供了一种用于推送信息的方法、装置、电子设备以及存储介质。
第一方面,本申请的实施例提供了一种推送信息的方法,包括:获取待推送用户的兴趣推荐值,并确定与该待推送用户的兴趣推荐值相同的至少一个其他用户;其中,用户的兴趣推荐值为丢弃以至少一维度向量表示的用户的兴趣标签的值的集合中待丢弃的兴趣标签的值进行丢弃后得到;响应于检测到其他用户的待丢弃的兴趣标签的值中存在不同于该待推送用户的待丢弃的兴趣标签的值的真值,将待推送用户的兴趣标签的值的集合中对应检测到的真值的兴趣标签的值设为真值;其中,所述真值为布尔值中指示真的值;根据该待推送用户的兴趣标签的值的集合中的真值,向该待推送用户推送相应的信息。
第二方面,本申请的实施例提供了一种推送信息的装置,包括:相似用户确定单元,被配置成获取待推送用户的兴趣推荐值,并确定与该待推送用户的兴趣推荐值相同的至少一个其他用户;其中,用户的兴趣推荐值为丢弃以至少一维度向量表示的用户的兴趣标签的值的集合中待丢弃的兴趣标签的值进行丢弃后得到;兴趣标签确定单元,被配置成响应于检测到该其他用户的待丢弃的兴趣标签的值中存在不同于该待推送用户的待丢弃的兴趣标签的值的真值,将待推送用户的兴趣标签的值的集合中对应检测到的真值的兴趣标签的值设为真值;其中,所述真值为布尔值中指示真的值;信息推送单元;被配置成根据该待推送用户的兴趣标签的值的集合中的真值,向该待推送用户推送相应的信息。
第三方面,本申请的实施例提供了一种电子设备,包括:至少一个处理器;以及与该至少一个处理器通信连接的存储器;其中,该存储器存储有可被该至少一个处理器执行的指令,该指令被该至少一个处理器执行,以使该至少一个处理器能够执行如第一方面中任一实现方式描述的推送信息的方法。
第四方面,本申请的实施例提供了一种存储有计算机指令的非瞬时计算机可读存储介质,包括:该计算机指令用于使该计算机执行如第一方面中任一实现方式描述的推送信息的方法。
本申请使用至少一维度向量表示的待推送用户的兴趣标签的值的集合,以改变该待推送用户的兴趣标签的值的集合中值的方式,为待推送用户的兴趣标签的值的集合中添加了存在于待丢弃的兴趣标签的值的集合中不同于该待推送用户的兴趣集合的兴趣标签,扩展了该待推送用户的兴趣标签的值的集合中的兴趣标签,进而实现为待推送用户推送更多潜在感兴趣的信息内容的目的。
应当理解,本部分所描述的内容并非旨在标识本申请的实施例的关键或重要特征,也不用于限制本申请的范围。本申请的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本申请的限定。其中:
图1本申请可以应用于其中的示例性系统架构;
图2是根据本申请的推送信息的方法的一个实施例的流程图;
图3是根据本申请的推送信息的方法的一个实施例的流程图;
图4是根据本申请的推送信息的方法的一个应用场景的流程示意图;
图5是根据本申请的推送信息的装置的一个实施例的结构示意图;
图6是用来实现本申请实施例的推送信息的方法的电子设备的框图。
具体实施方式
以下结合附图对本申请的示范性实施例做出说明,其中包括本申请实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本申请的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
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推送信息的方法、装置、电子设备及计算机可读存储介质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上可以安装有各种通讯客户端应用,例如购物应用、点评应用、搜索应用等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来实现推送信息的业务),也可以实现成单个软件或软件模块,在此不做具体限定。
服务器105可以是提供各种服务的服务器,例如,获取待推送用户的兴趣推荐值,并确定与该待推送用户的兴趣推荐值相同的至少一个其他用户,响应于检测到该其他用户的待丢弃的兴趣标签的值中存在不同于该待推送用户的待丢弃的兴趣标签的值的真值,将待推送用户的兴趣标签的值的集合中对应检测到的真值的兴趣标签的值设为真值,根据该待推送用户的兴趣标签的值的集合中的真值,通过网络104向在本申请中表现为接收推送消息的终端设备101、102、103推送相应的信息。
需要说明的是,本申请后续各实施例所提供的推送信息的方法一般由服务器105执行,相应地,推送信息的装置一般设置于服务器105中。
需要指出的是,用户的兴趣标签、兴趣推荐值和以至少一维度向量表示的用户的兴趣标签的值的集合均可以存储在服务器105的本地,也可以根据实际应用场景下所有可能存储的特殊需求,将这些数据分散存储在终端设备101、102、103中,存储终端设备101、102、103的可以为原件,也可以为备份,此处不做具体限定。当终端设备101、102、103为运行在服务器105上的虚拟机时,示例性系统架构100也可以不包括终端设备101、102、103和网络104。
还需要指出的是,终端设备101、102、103中也可以安装有推送信息的应用,终端设备101、102、103也可以完成获取待推送用户的兴趣推荐值,并确定与该待推送用户的兴趣推荐值相同的至少一个其他用户,响应于检测到的该其他用户的待丢弃的兴趣标签的值中存在不同于该待推送用户的待丢弃的兴趣标签的值的真值,将待推送用户的兴趣标签的值的集合中对应检测到的真值的兴趣标签的值设为真值,根据该待推送用户的兴趣标签的值的集合中的真值,向该待推送用户推送相应的信息。此时,推送信息的方法也可以由终端设备101、102、103执行,相应地,推送信息的装置也可以设置于终端设备101、102、103中。此时,示例性系统架构100也可以不包括服务器105和网络104。
需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供推送信息服务),也可以实现成单个软件或软件模块。在此不做具体限定。
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上显示的推送消息提供支持的后台消息服务器。后台消息服务器可以根据待推送用户的兴趣推荐值确定该待推送用户的兴趣标签,并根据该待推送用户的兴趣标签等数据进行分析等处理,并将处理结果(例如推送消息)反馈给终端设备。
在实践中,本公开实施例所提供的生成信息的方法可以由服务器105执行,生成信息的装置也可以设置于服务器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推送信息的方法的一个实施例流程200。该推送信息的方法,包括以下步骤:
步骤201,获取待推送用户的兴趣推荐值,并确定与该待推送用户的兴趣推荐值相同的至少一个其他用户;其中,用户的兴趣推荐值为丢弃以至少一维度向量表示的用户的兴趣标签的值的集合中待丢弃的兴趣标签的值得到。
在本实施例中,推送信息的执行主体(例如图1所示的服务器105)可以从存储设备或数据库中获取用户的兴趣推荐值,其中,用户的兴趣推荐值为丢弃以至少一维度向量表示的用户的兴趣标签的值的集合中待丢弃的兴趣标签的值得到。
具体的,本实施例中的兴趣推荐值是较为简短的值或字符串,用以表示经预先处理后得到的该用户的部分兴趣标签的值的集合。上述执行主体可以根据该兴趣推荐值寻找到至少一个含有该兴趣推荐值对应的兴趣标签的值的集合的用户。
应当理解的是,因用户的兴趣推荐值对应的兴趣标签是用户的兴趣标签的值的集合中所包含的部分标签的值的集合,因此同一个用户可以拥有多个不同的兴趣推荐值。
因本申请中的最终目的是根据该兴趣推荐值确定至少一个兴趣相似的其他用户,现有技术中为实现该匹配目的的方式是构建用户的兴趣矩阵,并对不同的兴趣矩阵进行卷积运算以实现匹配其他用户的目的,该种方式中因用户的兴趣标签过多,导致计算量巨大,因此,本申请创新的以至少一维度向量对用户的兴趣标签进行表示,在该至少一维度向量中,以向量的维度信息表示兴趣标签的内容,值信息用以标记用户对兴趣标签的喜好情况,例如以波尔值中的真值表示该用户对该兴趣标签感兴趣、以假值表示该用户对该兴趣标签不感兴趣或不确定用户是否感兴趣,以实现用值来表示用户对于兴趣标签的态度,简化运算。
示例性的,以选用一维度向量表示的用户的兴趣标签的值的集合为例,选取预定数量的兴趣标签作为兴趣标签的初始集合,以该初始集合中的兴趣标签构建一维度向量的各个维度,根据每个维度对应的兴趣标签是否存在于用户的兴趣标签的集合中确定每个维度中对应的值,例如若用户的兴趣标签的集合中存在该维度所表示的兴趣标签,则该维度对应的值为真值,同理,若用户的兴趣标签的集合中不存在该维度所表示的兴趣标签,则该维度对应的值为假值,最终得到以一维度向量表示的用户的兴趣标签的值的集合,采用一维度向量表示的用户的兴趣标签的值的集合,在根据用户对兴趣标签的喜好使用真、假值进行标记的基础上,可以以较为简单的结构对用户的各个兴趣标签的情况(所对应的值)进行汇总,以便于采用丢弃网络对用户的兴趣标签的值的集合中的元素进行丢弃。
在丢弃以至少一维度向量表示的用户的兴趣标签的值的集合中的待丢弃的兴趣标签的值时,对逐个维度的兴趣标签进行丢弃。
示例性的,以选用二维度向量表示的用户的兴趣标签的值的集合为例,采用兴趣维度和时间维度两个维度的向量来表示的用户的兴趣标签值的集合,此时,可以先将其中一个维度的值丢弃,如图2所示,将以二维度向量表示的用户的兴趣标签的值的集合中2010年维度的用户的兴趣标签的值进行丢弃,然后对电影维度的用户的兴趣标签的值进行丢弃,丢弃后根据剩下的2011年维度、2012年维度的用户的美食、电竞、旅游兴趣标签的值生成用户的兴趣推荐值。
应当理解的是,根据丢弃的逻辑不同,可以同时丢弃两个或者更多的维度的值,对于图2中示出的以二维度向量表示的用户的兴趣标签的值的集合来说,也可以丢弃2011年维度、2012年维度的值,或者丢弃美食、电竞和旅游中的值。
待丢弃的兴趣标签的值为对应上述预设的神经网络中预先确定的丢弃逻辑所得到的待丢弃的兴趣标签的值,应当理解的是,因本实施例中用户的兴趣推荐标签是以至少一维度用户的兴趣的标签的值的集合进行表示的,因此预设丢弃神经网络是对以至少一维度向量表示的用户的兴趣标签的值的集合中的待丢弃的兴趣标签的值进行丢弃。
步骤202,响应于检测到该其他用户的待丢弃的兴趣标签的值中存在不同于该待推送用户的待丢弃的兴趣标签的值的真值,将待推送用户的兴趣标签的值的集合中对应检测到的真值的兴趣标签的值设为真值。
在本实施例中,上述执行主体对待推送用户和其他用户两者的待丢弃的值进行了对比,确定其他用户的待丢弃的值中不同于待推送用户的待丢弃的值的目标值中的真值,之后将待推送用户的兴趣标签的值的集合中对应目标值中的真值的兴趣标签的值设为真值,其中真值为布尔值中指示真的值,在本实施例中用以指示用户具有对应的兴趣标签。
步骤203,根据该待推送用户的兴趣标签的值的集合中的真值,向该待推送用户推送相应的信息。
在本实施例中,在上述步骤202的基础上,以改变待推送用户的兴趣标签的值的集合中兴趣标签的值的方式,为该待推送用户的兴趣标签集合中已经添加了基于其他用户确定的、待推送用户可能感兴趣的标签,得到新的待推送用户的兴趣标签的值的集合,即得到了新的待推送用户的兴趣标签的集合,并根据该新的待推送用户的兴趣标签的集合,可以为该待推送用户推送相应的信息。
本申请实施例中提供的推送信息的方法,获取待推送用户的兴趣推荐值,并确定与该待推送用户的兴趣推荐值相同的至少一个其他用户,其中,用户的兴趣推荐值为以至少一维度向量表示的用户的兴趣标签的值的集合中待丢弃的兴趣标签的值进行丢弃后得到,响应于检测到其他用户的待丢弃的兴趣标签的值中存在不同于该待推送用户的待丢弃的兴趣标签的值的真值,将待推送用户的兴趣标签的值的集合中对应检测到的真值的兴趣标签的值设为真值,根据该待推送用户的兴趣标签的值的集合中的真值,向该待推送用户推送相应的信息。通过本申请实施例提供的推送信息的方法,使用较为简便的运算确定了待推送用户可能感兴趣的兴趣标签,并基于该兴趣标签为用户推送信息,实现了根据待推送用户的历史兴趣标签挖掘更多可能感兴趣的内容,获取更多的信息。
在本申请的一些实施例中,可以采用预设的丢弃神经网络对以至少一维度向量表示的用户的兴趣标签的值的集合中待丢弃的兴趣标签的值进行丢弃;或者采用丢弃算法对以至少一维度向量表示的用户的兴趣标签的值的集合中待丢弃的兴趣标签的值进行丢弃。
具体的,预设的神经网络,可以为根据预先确定的丢弃逻辑进行训练的神经网络,该神经网络可以实现对用户的兴趣标签序列中的兴趣标签或者以例如矩阵、向量等形式表示的用户的兴趣标签序列中的内容进行丢弃操作。预先确定的丢弃逻辑可以为:丢弃兴趣标签的特定维度的中的数据、丢弃例如体育、综艺等特定类别的兴趣标签,以及根据随机方式对兴趣标签进行丢弃。
或者采用预设的算法对以至少一维度向量表示的用户的兴趣标签的值的集合中待丢弃的兴趣标签的值进行丢弃,预设的算法可以为例如dropout随机丢弃算法,也可以为根据推送需求设计的推送算法,例如根据热度信息对兴趣标签序列中的内容进行排序,丢弃热度信息排序较高的兴趣标签。采用预设的神经网络或者预设的算法对以至少一维度向量表示的用户的兴趣标签的值的集合中待丢弃的兴趣标签的值进行丢弃时,可以在保证丢弃结果准确的同时,提高丢弃的效率。
在本实施例的一些可选的实现方式中,该待丢弃的兴趣标签的值包括:从该以至少一维度向量表示的兴趣标签的值的集合中随机选取的预设数量的维度的兴趣标签的值。
具体的,将以至少一维度向量表示的用户的兴趣标签的值的集合输入至使用随机丢弃预设数量的维度的兴趣标签的值的丢弃逻辑训练得到的神经网络中进行丢弃,得到的待丢弃的兴趣标签的值为从该以至少一维度向量表示的兴趣标签的值的集合中随机选取的预设数量的维度的兴趣标签的值,以实现对该以至少一维度向量表示的用户的兴趣推荐的值进行公平的丢弃,以提升得到的待丢弃的兴趣标签的值的准确性。
在本实施例的一些可选的实现方式中,待丢弃的兴趣标签的值包括:从该以至少一维度向量表示的兴趣标签的值的集合中根据兴趣标签的热度选取的预定数量的维度的兴趣标签的值。
具体的,将以至少一维度向量表示的用户的兴趣标签的值的集合输入至使用根据兴趣标签的热度选取的预定数量的维度的兴趣标签的值进行丢弃的丢弃逻辑训练得到的神经网络中进行丢弃,得到的待丢弃的兴趣标签的值为从该以至少一维度向量表示的兴趣标签的值的集合中根据兴趣标签的热度选取的预定数量的维度的兴趣标签的值,以实现对该以至少一维度向量表示的用户的兴趣推荐的值根据兴趣热度进行丢弃,根据热度确定对应的兴趣标签,以便于后续推送过程中根据待丢弃的兴趣标签的值进行信息推送,提升推送的有效性。
在本实施例的一些可选的实现方式中,用户的兴趣推荐值基于以下步骤确定:从该以至少一维度向量表示的兴趣标签的值的集合中随机选取预设数量的维度的兴趣标签的值作为待丢弃的兴趣标签的值进行丢弃,得到更新后的至少一维度向量表示的兴趣标签的值的集合;从更新后的至少一维度向量表示的兴趣标签的值的集合中,根据兴趣标签的热度选取预定数量的维度的兴趣标签的值作为待丢弃的兴趣标签的值进行丢弃,得到用户的兴趣推荐值。
具体的,基于上述本实施例的一些可选的实现方式中的相似的原理,可以将以至少一维度向量表示的兴趣标签的值的集合输入至使用随机丢弃预设数量的维度的兴趣标签的值的丢弃逻辑训练得到的神经网络中进行丢弃,以得到更新后的至少一维度向量表示的兴趣标签的值的集合,然后将更新后的至少一维度向量表示的兴趣标签的值的集合输入至使用根据兴趣标签的热度选取的预定数量的维度的兴趣标签的值进行丢弃的丢弃逻辑训练得到的神经网络中进行丢弃,根据最终得到的以至少一维度向量表示的兴趣推荐标签的值的集合得到用户的兴趣推荐值,以在公平丢弃的基础上,进一步根据兴趣标签的热度进行信息推送,提升推送的有效性。
在本实施例的一些可选的实现方式中,该用户的兴趣推荐值基于以下步骤确定:从该以至少一维度向量表示的兴趣标签的值的集合中随机选取预设数量的维度的兴趣标签的值作为待丢弃的兴趣标签的值进行丢弃,得到更新后的至少一维度向量表示的兴趣标签的值的集合;随机设定该更新后的兴趣标签的值的集合中的待丢弃的值,跳转至执行该采用丢弃神经网络丢弃用户以至少一维度向量表示的兴趣标签的值的集合中待丢弃的兴趣标签的值,得到新的兴趣标签的值的集合,直至丢弃次数达到预设次数,得到用户的兴趣推荐值。
具体的,基于上述本实施例的一些可选的实现方式中的相似的原理,可以将以至少一维度向量表示的兴趣标签的值的集合输入至上述的第一神经网络中进行丢弃,以得到更新后的至少一维度向量表示的兴趣标签的值的集合,将该更新后的至少一维度向量表示的兴趣标签的值的集合继续输入至上述的第一神经网络中进行丢弃,重复上述步骤达到预定次数,根据最终得到的以至少一维度向量表示的兴趣标签的值的集合生成用户的兴趣推荐值,此种方式减少用户的兴趣推荐值对应的兴趣标签的值的集合中的真值数量,可以获取为待推送用户获取更多的兴趣标签,以提高推荐的量级。
在本实施例的一些可选的实现方式中,至少一维度向量包括兴趣维度和以下至少一个维度的向量:时间维度、年龄维度、职业维度、受教育程度维度、地理位置维度、标签维度。
具体的,可以根据用户的历史使用记录获取用户的历史行为信息,进行合理的分类,并根据分类提取对应的特征,将分类信息作为参考设置对应维度来构建用户的兴趣标签的值的集合,以表示用户的历史行为信息中体现的用户的兴趣的信息,通过该种设置方式可以从多角度获取用户的特征,以更好的了解用户的情况、确定推送消息的内容。
为加深理解,本申请还结合一个具体应用场景,给出了一种具体的实现方案,以通过本应用场景解释如何根据兴趣推荐值为待推送用户推送信息,如图4所示,具体如下:
步骤301,获取用户的兴趣标签,构建用户的以一维度向量表示的用户的兴趣标签的值的集合。
具体的,执行主体A中预先获取兴趣标签的初始集合[詹姆斯,乔丹,c罗,pgone,斯诺克,靳东……],以及用户B的兴趣标签的值的集合[詹姆斯,靳东……],根据该用户B中的兴趣标签构建以一维度向量表示的用户B的兴趣标签的值的集合[1,0,0,0,0,1……]。
步骤302,生成用户的兴趣推荐值,并获取待推送用户的兴趣推荐值。
具体的,使用根据兴趣标签的热度选取的两个的维度的兴趣标签的值进行丢弃的丢弃逻辑对预设的神经网络进行训练,将上述用户B的以一维度向量兴趣标签的值的集合输入至该网络进行丢弃,以热度为“詹姆斯、c罗、乔丹、斯诺克、靳东、pgone”为例,最终丢弃该用户B的以一维度向量兴趣标签的值的集合的中第1、3维度的信息,得到该用户B的兴趣推荐值为0001……,待丢弃的集合的值中对应的标签为“詹姆斯、C罗”。
步骤303,根据该待推送用户的兴趣推荐值,确定与该推送用户的兴趣推荐值相同的至少一个其他用户。
具体的,根据该用户B的兴趣推荐值确定兴趣推荐值相同的其他用户C,其他用户C的兴趣推荐值为0001……,获取其他用户C的以一维度向量兴趣标签的值的集合[1,0,1,0,0,1……]以及其他用户C的兴趣标签的值的集合[詹姆斯,c罗、靳东……];
步骤304,响应于检测到该其他用户的待丢弃的兴趣标签的值中存在不同于该待推送用户的待丢弃的兴趣标签的值的真值,将待推送用户的兴趣标签的值的集合中对应检测到的真值的兴趣标签的值设为真值。
具体的,基于其他用户C的待丢弃的兴趣标签的值中不同于该待推送用户的待丢弃的兴趣标签的值,即第3维度中的值,将用户B的兴趣标签的值的集合中对应所确定的兴趣标签,即兴趣标签c罗的对应值设为真值,得到的用户B的以一维度向量表示的兴趣标签的值的集合为[1,0,1,0,0,1……]。
步骤305,根据该待推送用户的兴趣标签的值的集合中的真值,向该待推送用户推送相应的信息。
具体的,基于上述步骤304中的以一维度向量表示的用户B的兴趣推荐标签的值的集合,确定兴趣标签“詹姆斯、c罗、靳东……”,并根据该兴趣标签的集合确定推送给用户的信息。
通过本实施例中提供的具体应用场景所示的推送信息的流程可以清晰的看出,如何根据用户B的兴趣推荐值确定了兴趣相似的其他用户C,并根据其他用户C的兴趣比较以及待丢弃的兴趣标签的值来确定最终推送给用户B的兴趣标签的值的集合,即根据兴趣相似的用户为用户B增加了可能感兴趣的兴趣标签,实现了根据待推送用户的历史兴趣标签挖掘更多可能感兴趣的内容,获取更多的信息。
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,本实施例的推送信息的装置400可以包括:相似用户确定单元401,被配置成获取待推送用户的兴趣推荐值,并确定与该待推送用户的兴趣推荐值相同的至少一个其他用户,其中,用户的兴趣推荐值为丢弃以至少一维度向量表示的用户的兴趣标签的值的集合中的待丢弃的兴趣标签的值得到,兴趣标签确定单元402,被配置成基于该其他用户的待丢弃的兴趣标签的值中不同于该待推送用户的待丢弃的兴趣标签的值,将待推送用户的兴趣标签的值的集合中对应所确定的兴趣标签的值设为真值;其中,真值为布尔值中指示真的值;信息推送单元403,被配置成根据该待推送用户的兴趣标签的值的集合中的真值,向该待推送用户推送相应的信息。
在本实施例中,用于推送信息的装置400中:相似用户确定单元401、兴趣标签确定单元402、信息推送单元403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201-203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,还包括以下至少一项:
相似用户确定单元401进一步被配置成采用预设的丢弃神经网络对以至少一维度向量表示的用户的兴趣标签的值的集合中待丢弃的兴趣标签的值进行丢弃;相似用户确定单元401进一步被配置成采用丢弃算法对以至少一维度向量表示的用户的兴趣标签的值的集合中待丢弃的兴趣标签的值进行丢弃。
在本实施例的一些可选的实现方式中,相似用户确定单元401中的该待丢弃的兴趣标签的值包括:从该以至少一维度向量表示的兴趣标签的值的集合中随机选取的预设数量的维度的兴趣标签的值。
在本实施例的一些可选的实现方式中,相似用户确定单元401中的该待丢弃的兴趣标签的值包括:从该以至少一维度向量表示的兴趣标签的值的集合中根据兴趣标签的热度选取的预定数量的维度的兴趣标签的值。
在本实施例的一些可选的实现方式中,该用户的兴趣推荐值基于以下单元确定:标签丢弃单元404,被配置成从该以至少一维度向量表示的兴趣标签的值的集合中随机选取预设数量的维度的兴趣标签的值作为待丢弃的兴趣标签的值进行丢弃,得到更新后的至少一维度向量表示的兴趣标签的值的集合;从更新后的至少一维度向量表示的兴趣标签的值的集合中,根据兴趣标签的热度选取预定数量的维度的兴趣标签的值作为待丢弃的兴趣标签的值进行丢弃,得到最终的以至少一维度向量表示的兴趣标签的值的集合,推荐值确定单元405,被配置成根据该最终的以至少一维度向量表示的兴趣标签的值的集合得到用户的兴趣推荐值。
在本实施例的一些可选的实现方式中,兴趣标签筛选单元406,被配置成将该待推送用户的预定数量的兴趣标签中热度值符合引导规则的兴趣标签的真值调整为假值。
在本实施例的一些可选的实现方式中,标签丢弃单元404,进一步被配置成随机设定该更新后的兴趣标签的值的集合中的待丢弃的值,跳转至执行该采用丢弃神经网络丢弃用户以至少一维度向量表示的兴趣标签的值的集合中待丢弃的兴趣标签的值,得到新的兴趣标签的值的集合,直至丢弃次数达到预设次数后得到兴趣标签值的集合,推荐值确定单元405,进一步被配置成根据该丢弃次数达到预设次数后得到兴趣标签值的集合得到用户的兴趣推荐值。
在本实施例的一些可选的实现方式中,该相似用户确定单元401中的该以至少一维度向量表示的兴趣标签的值的集合还包括:该以至少一维度向量表示的兴趣标签的值的集合的初始集合包括预定数量的兴趣标签,且该预定数量的兴趣标签中对应用户的兴趣标签的值被标记为真值。
本实施例作为对应于上述方法实施例的装置实施例存在,相同内容参考对于上述方法实施例的说明,对此不再赘述。通过本申请实施例提供的推送信息的装置,使用较为简便的运算确定了待推送用户可能感兴趣的兴趣标签,并基于该兴趣标签为用户推送信息,实现了根据待推送用户的历史兴趣标签挖掘更多可能感兴趣的内容,获取更多的信息。
根据本申请的实施例,本申请还提供了一种电子设备和一种可读存储介质。
如图6所示,是根据本申请实施例的推送信息的方法的电子设备的框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请的实现。
如图6所示,该电子设备包括:一个或多个处理器501、存储器502,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器和多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图6中以一个处理器501为例。
存储器502即为本申请所提供的非瞬时计算机可读存储介质。其中,该存储器存储有可由至少一个处理器执行的指令,以使该至少一个处理器执行本申请所提供的推送信息匹配方法。本申请的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请所提供的推送信息方法。
存储器502作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的推送信息的方法对应的程序指令/模块(例如,附图5所示的相似用户确定单元401、兴趣标签确定单元402、信息推送单元403、标签丢弃单元404、推荐值确定单元405和兴趣标签筛选单元406)。处理器501通过运行存储在存储器502中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的推送信息的方法。
存储器502可以包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需要的应用程序;存储数据区可存储根据推送信息的电子设备的使用所创建的数据等。此外,存储器502可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器502可选包括相对于处理器501远程设置的存储器,这些远程存储器可以通过网络连接至推送信息的电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
推送信息的方法的电子设备还可以包括:输入装置503和输出装置504。处理器501、存储器502、输入装置503和输出装置504可以通过总线或者其他方式连接,图6中以通过总线连接为例。
输入装置503可接收输入的数字或字符信息,以及产生与推送信息的电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置504可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
根据本申请实施例的技术方案,在生成向用户推送的信息时,生成的推送的信息的内容更为丰富、更具有针对性。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发申请中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本申请公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本申请保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本申请的精神和原则之内所作的修改、等同替换和改进等,均应包含在本申请保护范围之内。
Claims (18)
1.一种推送信息的方法,包括:
获取待推送用户的兴趣推荐值,并确定与所述待推送用户的兴趣推荐值相同的至少一个其他用户;其中,用户的兴趣推荐值为丢弃以至少一维度向量表示的用户的兴趣标签的值的集合中的待丢弃的兴趣标签的值得到;
响应于检测到所述其他用户的待丢弃的兴趣标签的值中存在不同于所述待推送用户的待丢弃的兴趣标签的值的真值,将待推送用户的兴趣标签的值的集合中对应检测到的真值的兴趣标签的值设为真值;所述真值为布尔值中指示真的值;
根据所述待推送用户的兴趣标签的值的集合中的真值,向所述待推送用户推送相应的信息。
2.根据权利要求1所述的方法,还包括以下至少一项:
采用预设的丢弃神经网络对所述以至少一维度向量表示的用户的兴趣标签的值的集合中所述待丢弃的兴趣标签的值进行丢弃;
采用丢弃算法对所述以至少一维度向量表示的用户的兴趣标签的值的集合中所述待丢弃的兴趣标签的值进行丢弃。
3.根据权利要求1所述的方法,其中,所述待丢弃的兴趣标签的值包括:
从所述以至少一维度向量表示的兴趣标签的值的集合中随机选取的预设数量的维度的兴趣标签的值。
4.根据权利要求1所述的方法,其中,所述待丢弃的兴趣标签的值包括:
从所述以至少一维度向量表示的兴趣标签的值的集合中根据兴趣标签的热度选取的预定数量的维度的兴趣标签的值。
5.根据权利要求1所述的方法,其中,所述用户的兴趣推荐值基于以下步骤确定:
从所述以至少一维度向量表示的兴趣标签的值的集合中随机选取预设数量的维度的兴趣标签的值作为待丢弃的兴趣标签的值进行丢弃,得到更新后的至少一维度向量表示的兴趣标签的值的集合;
从更新后的至少一维度向量表示的兴趣标签的值的集合中,根据兴趣标签的热度选取预定数量的维度的兴趣标签的值作为待丢弃的兴趣标签的值进行丢弃,得到用户的兴趣推荐值。
6.根据权利要求1所述的方法,其中,所述用户的兴趣推荐值基于以下步骤确定:
从所述以至少一维度向量表示的兴趣标签的值的集合中随机选取预设数量的维度的兴趣标签的值作为待丢弃的兴趣标签的值进行丢弃,得到剩余的以至少一维度向量表示的兴趣标签的值的集合;
丢弃所述剩余的以至少一维度向量表示的兴趣标签的值的集合中待丢弃的兴趣标签的值,并将丢弃后剩余的以至少一维度向量表示的兴趣标签的值的集合更新为新的剩余的以至少一维度向量表示的兴趣标签的值的集合再次进行丢弃,直至丢弃次数达到预设次数,得到用户的兴趣推荐值。
7.根据权利要求1中所述的方法,其中,所述以至少一维度向量表示的兴趣标签的值的集合的初始集合中的每一个维度包括预定数量的兴趣标签,且所述预定数量的兴趣标签中对应用户的兴趣标签的值被标记为真值。
8.根据权利要求1中所述的方法,其中,所述至少一维度向量包括兴趣维度和以下至少一个维度的向量:时间维度、年龄维度、职业维度、受教育程度维度、地理位置维度、标签维度。
9.一种推送信息的装置,包括:
相似用户确定单元,被配置成获取待推送用户的兴趣推荐值,并确定与所述待推送用户的兴趣推荐值相同的至少一个其他用户;其中,用户的兴趣推荐值为丢弃以至少一维度向量表示的用户的兴趣标签的值的集合中的待丢弃的兴趣标签的值得到;
兴趣标签确定单元,被配置成响应于检测到所述其他用户的待丢弃的兴趣标签的值中存在不同于所述待推送用户的待丢弃的兴趣标签的值的真值,将待推送用户的兴趣标签的值的集合中对应检测到的真值的兴趣标签的值设为真值;其中,所述真值为布尔值中指示真的值。
信息推送单元,被配置成根据所述待推送用户的兴趣标签的值的集合中的真值,向所述待推送用户推送相应的信息。
10.根据权利要求9所述的装置,其中,还包括以下至少一项:
所述相似用户确定单元进一步被配置成采用预设的丢弃神经网络对所述以至少一维度向量表示的用户的兴趣标签的值的集合中所述待丢弃的兴趣标签的值进行丢弃;
所述相似用户确定单元进一步被配置成采用丢弃算法对所述以至少一维度向量表示的用户的兴趣标签的值的集合中所述待丢弃的兴趣标签的值进行丢弃。
11.根据权利要求9所述的装置,其中,所述相似用户确定单元中的所述待丢弃的兴趣标签的值包括:
从所述以至少一维度向量表示的兴趣标签的值的集合中随机选取的预设数量的维度的兴趣标签的值。
12.根据权利要求9所述的装置,其中,所述相似用户确定单元中的所述待丢弃的兴趣标签的值包括:
从所述以至少一维度向量表示的兴趣标签的值的集合中根据兴趣标签的热度选取的预定数量的维度的兴趣标签的值。
13.根据权利要求9所述的装置,其中,所述用户的兴趣推荐值基于以下单元确定:
标签丢弃单元,被配置成从所述以至少一维度向量表示的兴趣标签的值的集合中随机选取预设数量的维度的兴趣标签的值作为待丢弃的兴趣标签的值进行丢弃,得到更新后的至少一维度向量表示的兴趣标签的值的集合;从更新后的至少一维度向量表示的兴趣标签的值的集合中,根据兴趣标签的热度选取预定数量的维度的兴趣标签的值作为待丢弃的兴趣标签的值进行丢弃,得到最终的以至少一维度向量表示的兴趣标签的值的集合;
推荐值确定单元,被配置成根据所述最终的以至少一维度向量表示的兴趣标签的值的集合得到用户的兴趣推荐值。
14.根据权利要求13所述的装置,还包括:
标签丢弃单元,进一步被配置成从所述以至少一维度向量表示的兴趣标签的值的集合中随机选取预设数量的维度的兴趣标签的值作为待丢弃的兴趣标签的值进行丢弃,得到剩余的以至少一维度向量表示的兴趣标签的值的集合;丢弃所述剩余的以至少一维度向量表示的兴趣标签的值的集合中待丢弃的兴趣标签的值,并将丢弃后剩余的以至少一维度向量表示的兴趣标签的值的集合更新为新的剩余的以至少一维度向量表示的兴趣标签的值的集合再次进行丢弃,直至丢弃次数达到预设次数。
推荐值确定单元,进一步被配置成根据所述丢弃次数达到预设次数后得到兴趣标签值的集合得到用户的兴趣推荐值。
15.根据权利要求9所述的装置,其中,所述相似用户确定单元中的所述以至少一维度向量表示的兴趣标签的值的集合还包括:
所述以至少一维度向量表示的兴趣标签的值的集合的初始集合包括预定数量的兴趣标签,且所述预定数量的兴趣标签中对应用户的兴趣标签的值被标记为真值。
16.根据权利要求9所述的装置,其中,所述至少一维度向量包括兴趣维度和以下至少一个维度的向量:时间维度、年龄维度、职业维度、受教育程度维度、地理位置维度、标签维度。
17.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-8中任一项所述的方法。
18.一种存储有计算机指令的非瞬时计算机可读存储介质,包括:所述计算机指令用于使所述计算机执行权利要求1-8中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010574701.1A CN111756832B (zh) | 2020-06-22 | 2020-06-22 | 推送信息的方法、装置、电子设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010574701.1A CN111756832B (zh) | 2020-06-22 | 2020-06-22 | 推送信息的方法、装置、电子设备及计算机可读存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111756832A true CN111756832A (zh) | 2020-10-09 |
CN111756832B CN111756832B (zh) | 2023-06-30 |
Family
ID=72676393
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010574701.1A Active CN111756832B (zh) | 2020-06-22 | 2020-06-22 | 推送信息的方法、装置、电子设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111756832B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308166A (zh) * | 2020-11-09 | 2021-02-02 | 建信金融科技有限责任公司 | 一种处理标签数据的方法和装置 |
CN112818224A (zh) * | 2021-01-26 | 2021-05-18 | 北京百度网讯科技有限公司 | 信息推荐方法、装置、电子设备及可读存储介质 |
CN113343090A (zh) * | 2021-06-18 | 2021-09-03 | 北京百度网讯科技有限公司 | 用于推送信息的方法、装置、设备、介质和产品 |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012178091A2 (en) * | 2011-06-24 | 2012-12-27 | Alibaba.Com Limited | Matching users with similar interests |
US20130343597A1 (en) * | 2012-06-26 | 2013-12-26 | Aol Inc. | Systems and methods for identifying electronic content using video graphs |
CN106447372A (zh) * | 2015-08-10 | 2017-02-22 | 北京奇虎科技有限公司 | 产品信息推送方法及装置 |
CN106686063A (zh) * | 2016-12-07 | 2017-05-17 | 乐视控股(北京)有限公司 | 一种信息推荐方法、装置及电子设备 |
WO2017101317A1 (zh) * | 2015-12-14 | 2017-06-22 | 乐视控股(北京)有限公司 | 智能推荐的全端显示方法及装置 |
WO2017190706A1 (zh) * | 2016-05-06 | 2017-11-09 | 腾讯科技(深圳)有限公司 | 一种信息推送方法、装置及系统、计算机存储介质 |
CN107515949A (zh) * | 2017-09-14 | 2017-12-26 | 云南大学 | 兴趣点预测和推荐中的用户时空相似性度量方法 |
CN108319628A (zh) * | 2017-02-22 | 2018-07-24 | 腾讯科技(深圳)有限公司 | 一种用户兴趣确定方法及装置 |
CN109189988A (zh) * | 2018-09-18 | 2019-01-11 | 北京邮电大学 | 一种视频推荐方法 |
CN109977215A (zh) * | 2019-03-29 | 2019-07-05 | 百度在线网络技术(北京)有限公司 | 基于关联兴趣点的语句推荐方法和装置 |
CN110516152A (zh) * | 2019-08-28 | 2019-11-29 | 百度在线网络技术(北京)有限公司 | 兴趣点推送方法、装置、电子设备及存储介质 |
WO2020098156A1 (zh) * | 2018-11-15 | 2020-05-22 | 平安科技(深圳)有限公司 | 产品数据推送方法及装置、计算机非易失性可读存储介质 |
-
2020
- 2020-06-22 CN CN202010574701.1A patent/CN111756832B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2012178091A2 (en) * | 2011-06-24 | 2012-12-27 | Alibaba.Com Limited | Matching users with similar interests |
US20130343597A1 (en) * | 2012-06-26 | 2013-12-26 | Aol Inc. | Systems and methods for identifying electronic content using video graphs |
CN106447372A (zh) * | 2015-08-10 | 2017-02-22 | 北京奇虎科技有限公司 | 产品信息推送方法及装置 |
WO2017101317A1 (zh) * | 2015-12-14 | 2017-06-22 | 乐视控股(北京)有限公司 | 智能推荐的全端显示方法及装置 |
WO2017190706A1 (zh) * | 2016-05-06 | 2017-11-09 | 腾讯科技(深圳)有限公司 | 一种信息推送方法、装置及系统、计算机存储介质 |
CN106686063A (zh) * | 2016-12-07 | 2017-05-17 | 乐视控股(北京)有限公司 | 一种信息推荐方法、装置及电子设备 |
CN108319628A (zh) * | 2017-02-22 | 2018-07-24 | 腾讯科技(深圳)有限公司 | 一种用户兴趣确定方法及装置 |
CN107515949A (zh) * | 2017-09-14 | 2017-12-26 | 云南大学 | 兴趣点预测和推荐中的用户时空相似性度量方法 |
CN109189988A (zh) * | 2018-09-18 | 2019-01-11 | 北京邮电大学 | 一种视频推荐方法 |
WO2020098156A1 (zh) * | 2018-11-15 | 2020-05-22 | 平安科技(深圳)有限公司 | 产品数据推送方法及装置、计算机非易失性可读存储介质 |
CN109977215A (zh) * | 2019-03-29 | 2019-07-05 | 百度在线网络技术(北京)有限公司 | 基于关联兴趣点的语句推荐方法和装置 |
CN110516152A (zh) * | 2019-08-28 | 2019-11-29 | 百度在线网络技术(北京)有限公司 | 兴趣点推送方法、装置、电子设备及存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112308166A (zh) * | 2020-11-09 | 2021-02-02 | 建信金融科技有限责任公司 | 一种处理标签数据的方法和装置 |
CN112818224A (zh) * | 2021-01-26 | 2021-05-18 | 北京百度网讯科技有限公司 | 信息推荐方法、装置、电子设备及可读存储介质 |
CN112818224B (zh) * | 2021-01-26 | 2024-02-20 | 北京百度网讯科技有限公司 | 信息推荐方法、装置、电子设备及可读存储介质 |
CN113343090A (zh) * | 2021-06-18 | 2021-09-03 | 北京百度网讯科技有限公司 | 用于推送信息的方法、装置、设备、介质和产品 |
CN113343090B (zh) * | 2021-06-18 | 2023-07-28 | 北京百度网讯科技有限公司 | 用于推送信息的方法、装置、设备、介质和产品 |
Also Published As
Publication number | Publication date |
---|---|
CN111756832B (zh) | 2023-06-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111143686B (zh) | 资源推荐方法及装置 | |
CN111756832B (zh) | 推送信息的方法、装置、电子设备及计算机可读存储介质 | |
CN112241764A (zh) | 图像识别方法、装置、电子设备及存储介质 | |
CN112036509A (zh) | 用于训练图像识别模型的方法和装置 | |
CN112084366B (zh) | 用于检索图像的方法、装置、设备以及存储介质 | |
CN111522940B (zh) | 用于处理评论信息的方法和装置 | |
CN111582454A (zh) | 生成神经网络模型的方法和装置 | |
CN111259222A (zh) | 物品推荐方法、系统、电子设备及存储介质 | |
CN112532748B (zh) | 消息推送方法、装置、设备、介质和计算机程序产品 | |
CN112559870A (zh) | 多模型融合方法、装置、电子设备和存储介质 | |
CN110852780A (zh) | 数据分析方法、装置、设备和计算机存储介质 | |
CN112559901B (zh) | 资源推荐的方法、装置、电子设备、存储介质及计算机程序产品 | |
CN111523007A (zh) | 用户感兴趣信息确定方法、装置、设备以及存储介质 | |
CN111582477B (zh) | 神经网络模型的训练方法和装置 | |
CN111460296B (zh) | 用于更新事件集合的方法和装置 | |
CN111563198A (zh) | 一种物料召回方法、装置、设备及存储介质 | |
CN111310058A (zh) | 资讯主题的推荐方法、装置、终端及存储介质 | |
CN111783427B (zh) | 用于训练模型与输出信息的方法、装置、设备及存储介质 | |
CN111522888B (zh) | 挖掘兴趣点之间的竞争关系的方法和装置 | |
CN112052410A (zh) | 地图兴趣点更新方法和装置 | |
CN111241225A (zh) | 常驻区域变更的判断方法、装置、设备及存储介质 | |
CN112445968B (zh) | 信息推送方法、装置、设备及计算机可读存储介质 | |
CN113989562A (zh) | 模型训练、图像分类方法和装置 | |
CN111782794A (zh) | 问答响应方法和装置 | |
CN112579875A (zh) | 投放信息标题的生成方法、装置、设备和介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |