信息推送方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种信息推送方法，包括：获取与待推荐用户的参考信息关联的第一图像信息，并基于通过训练确定的图像向量生成模型，确定所述第一图像信息的第一图像向量；获取候选推荐信息关联的第二图像信息的第二图像向量；确定所述第一图像向量与所述第二图像向量之间的图像向量相似度；在基于所述图像向量相似度确定所述候选推荐信息满足相似度推荐条件时，将所述候选推荐信息确定为待推荐信息；向所述待推荐用户推荐所述待推荐信息。上述方法，通过结合图像信息进行信息推荐，基于图像特征可以提高推荐的信息的相关性的准确度。

Information push method, device, computer equipment and storage medium

【技术实现步骤摘要】
信息推送方法、装置、计算机设备和存储介质
本申请涉及信息推荐
，特别是涉及一种信息推送方法、装置、计算机设备和存储介质。
技术介绍
随着信息技术的不断发展，对用户进行信息推荐已经逐步得到广泛的应用。在进行信息推荐时，可以针对不同的用户确定不同的待推荐信息，并将该待推荐信息推荐给用户。其中，推荐的信息的准确性是信息推荐的重要推荐性能。在目前的信息推荐中，如在新闻等信息推荐领域，通常是根据相关文本信息的相关性进行信息推送，但目前在基于文本信息做信息推送时，存在信息相关性精准度不高的问题。
技术实现思路
基于此，有必要提供一种信息推送方法、装置、计算机设备和存储介质。一种信息推送方法，所述方法包括：获取与待推荐用户的参考信息关联的第一图像信息，并基于通过训练确定的图像向量生成模型，确定所述第一图像信息的第一图像向量；获取候选推荐信息关联的第二图像信息的第二图像向量；确定所述第一图像向量与所述第二图像向量之间的图像向量相似度；在基于所述图像向量相似度确定所述候选推荐信息满足相似度推荐条件时，将所述候选推荐信息确定为待推荐信息；向所述待推荐用户推荐所述待推荐信息。一个实施例中，本申请还提供一种信息推送装置，包括：第一图像向量确定模块，用于获取与待推荐用户的参考信息关联的第一图像信息，并基于通过训练确定的图像向量生成模型，确定所述第一图像信息的第一图像向量；第二图像向量确定模块，用于获取候选推荐信息关联的第二图像信息的第二图像向量；相似度确定模块，用于确定所述第一图像向量与所述第二图像向量之间的图像向量相似度；待推荐信息确定模块，用于在所述图像向量相似度满足相似度推荐条件时，将所述图像向量相似度对应的候选推荐信息确定为待推荐信息；信息推送模块，用于向所述待推荐用户推荐所述待推荐信息。一个实施例中，本申请还提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行上述信息推送方法的步骤。一个实施例中，本申请还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行上述信息推送方法的步骤。上述信息推送方法、装置、计算机设备和存储介质，首先获取第一图像信息、第二图像信息的第二图像向量。其中，第一图像信息与待推荐用户的参考信息关联，第二图像向量与候选推荐信息关联。其次基于图像向量生成模型确定第一图像信息的第一图像向量，然后通过对第一图像向量与第二图像向量做图像相似度计算，当基于图像向量相似度确定候选推荐信息满足相似度推荐条件时，将该候选信息确定为待推荐信息，最后向待推送用户推送待推荐信息。从而，通过结合图像信息进行信息推荐，基于图像特征可以提高推荐的信息的相关性的准确度。附图说明图1为一个实施例中信息推送方法的应用环境图；图2为一个实施例中信息推送方法的流程示意图；图3为另一个实施例中信息推送方法的流程示意图；图4为一个实施例中确定各样本图像之间的相似性步骤的流程示意图；图5为另一个实施例中信息推送方法的流程示意图；图6为另一个实施例中信息推送方法的流程示意图；图7为一具体实施例信息推送方法流程示意图；图8为一具体实施例信息推送方法的处理过程示意图；图9为一个实施例中信息推送装置的结构框图；图10为另一个实施例中信息推送装置的结构框图；图11为一个实施例模型确定模块结构示意图；图12为一个实施例样本相似性确定模块结构示意图；图13为一个实施例中计算机设备的内部结构图。具体实施方式为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。本申请提供的信息推送方法，可以应用于如图1所示的应用环境中。其中，终端102通过网络与服务器104通过网络进行通信。服务器104通过网络获取终端102上的待推荐用户关联的参考信息，并确定该参考信息关联的第一图像信息，然后从候选推荐信息关联的第二图像信息中确定出与第一图像信息相似的第二图像信息，将该与第一图像信息相似的第二图像信息对应的候选推荐信息确定为待推荐信息，将其作为待推荐信息推送至终端102。其中，两个图像信息是否相似是将两个图像分别通过图像向量生成模型确定各自的图像向量，然后计算两者的图像向量的相似度确定。其中，终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备，服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。在一个实施例中，如图2所示，提供了一种信息推送方法，该方法可应用于图1中的服务器104，包括以下步骤S210至步骤S250。步骤S210，获取与待推荐用户的参考信息关联的第一图像信息，并基于通过训练确定的图像向量生成模型，确定所述第一图像信息的第一图像向量。其中，待推荐用户为本申请信息推送方法服务的用户，具体可以是唯一标识用户的任何相关信息，如用户标识、用户账号、用户终端标识等等。待推荐用户的参考信息为该待推荐用户进行信息推荐时的参考对象，可以通过将后续推荐信息与参考信息进行比较，以确定候选推荐信息是否与参考信息相似，是否需要将候选推荐信息作为待推荐信息推荐给该待推荐用户。一个实施例中，待推荐用户的参考信息可以是与该待推荐用户直接关联的信息，如该待推荐用户主动请求并获得的信息，如待推荐用户主动点击并浏览的新闻、推送文章、图集、视频等信息。本实施例中，将待推荐用户的参考信息关联的图像信息记为第一图像信息。一个实施例中，待推荐用户的参考信息可以是通过待推荐用户的信息浏览情况确定的，例如，可以是待推荐用户最近一次浏览的信息，此时，获取的待推荐用户的参考信息可以为：最近一次向所述待推荐用户返回的信息。其中，最近一次向所述待推荐用户返回的信息，可以是待推荐用户主动点击后向其返回的信息，也可以是基于本申请方法上一次向待推荐用户发送待推荐信息后，待推荐用户有做信息交互行为(如点击、阅读、查看等行为)的待推荐信息。一个实施例中，待推荐用户的参考信息还可以是用户最近点击浏览过的信息中的一个信息。在其中一个实施例中，待推荐用户的参考信息可以为：最近第一预设时间段向所述待推荐用户返回的信息中，满足第一预定条件的信息。在另一个实施例中，待推荐用户的参考信息可以为：最近第一预设数目次向所述待推荐用户返回的信息中，满足第二预定条件的信息。其中，第一预定条件、第二预定条件可以基于实际应用需求做不同的设置，例如可以是被点击的次数大于或者等于次数阈值，也可以是被浏览的时长(如该信息被打开或停留的时长)大于或者等于时长阈值，在其它实施例中，还可以是其他条件。其中，第一预定条件和第二预定条件可以设置为相同，也可以设置为不相同。在另一个实施例中，待推荐用户的参考信息还可以是与该待推荐用户间接关联的信息，如与待推荐用户的好友关联的信息，从而可以根据待推荐用户的好友用户的信息浏览情况确定待推荐用户的参考信息。其中，待推荐用户的各好友用户，可以是待推荐用户在浏览信息时登录的账户中好友列表的用户。待推荐用户在浏览信息时登录的账户可以是用户在该浏览信息的软件自身申请的账户，也可以是第三方软件的账户。一个实施例中，获取的待推荐用户的参考信息可以为：向所述待推荐用户的各好友用户最近一次返回的信息。其中，本文档来自技高网...

【技术保护点】
1.一种信息推送方法，所述方法包括：获取与待推荐用户的参考信息关联的第一图像信息，并基于通过训练确定的图像向量生成模型，确定所述第一图像信息的第一图像向量；获取候选推荐信息关联的第二图像信息的第二图像向量；确定所述第一图像向量与所述第二图像向量之间的图像向量相似度；在基于所述图像向量相似度确定所述候选推荐信息满足相似度推荐条件时，将所述候选推荐信息确定为待推荐信息；向所述待推荐用户推荐所述待推荐信息。

【技术特征摘要】
1.一种信息推送方法，所述方法包括：获取与待推荐用户的参考信息关联的第一图像信息，并基于通过训练确定的图像向量生成模型，确定所述第一图像信息的第一图像向量；获取候选推荐信息关联的第二图像信息的第二图像向量；确定所述第一图像向量与所述第二图像向量之间的图像向量相似度；在基于所述图像向量相似度确定所述候选推荐信息满足相似度推荐条件时，将所述候选推荐信息确定为待推荐信息；向所述待推荐用户推荐所述待推荐信息。2.根据权利要求1所述的方法，其特征在于，包括下述各项中的任意一项：所述待推荐用户的参考信息为：最近一次向所述待推荐用户返回的信息；所述待推荐用户的参考信息为：最近第一预设时间段向所述待推荐用户返回的信息中，满足第一预定条件的信息；所述待推荐用户的参考信息为：最近第一预设数目次向所述待推荐用户返回的信息中，满足第二预定条件的信息；所述待推荐用户参考信息为：向所述待推荐用户的各好友用户最近一次返回的信息；所述待推荐用户的参考信息为：最近第二预设时间段向所述待推荐用户的各好友用户返回的信息中，满足第三预定条件的信息；所述待推荐用户的参考信息为：最近第二预设数目次向所述待推荐用户的各好友用户返回的信息中，满足第四预定条件的信息。3.根据权利要求1所述的方法，其特征在于，所述图像向量生成模型的确定方式包括：获取各样本信息，并获取各样本信息关联的各样本图像；根据各样本信息与样本图像之间的关联关系，确定各样本图像之间的相似性；基于各样本图像以及各样本图像之间的相似性，对预设卷积神经网络模型进行训练，获得所述图像向量生成模型。4.根据权利要求3所述的方法，其特征在于，根据各样本信息与样本图像之间的关联关系，确定各样本图像之间的相似性，包括：在两个样本图像关联至同一个样本信息时，确定该两个样本图像相似；在两个样本图像关联至不同的样本信息时，确定该两个样本图像不相似。5.根据权利要求3所述的方法，其特征在于，在获取各样本信息关联的各样本图像之后，确定各样本图像之间的相似性之前，还包括步骤：对任意一个样本信息，对该样本信息关联的各样本图像进行过滤处理，获得过滤后的该样本信息关联的各样本图像。6.根据权利要求3所述的方法，其特征在于，获取各样本信息，包括：基于各候选样本信息所属信息类别，从各不同的信息类别的候选样本信息确定为样本信息。7.根据权利要求1至6任意一项所述的方法，其特征在于，获取候选推荐信息关联的第二图像信息的第二图像向量，包括：读取存储的候选推荐信息关联的第二图像信息的第二图像向量...

【专利技术属性】
技术研发人员：张伸正，
申请(专利权)人：腾讯科技北京有限公司，
类型：发明
国别省市：北京,11