【技术实现步骤摘要】
本申请属于人工智能，具体涉及一种信息推送方法、信息推送装置、计算机可读存储介质以及电子设备。
技术介绍
1、随着互联网技术的快速发展，信息传播速度越来越快，信息量也呈爆炸式增长，但是信息接收者并不是对所有的信息都感兴趣，并且将所有信息无差别的推送也会提高经营成本，因此为了降低成本，提升信息的点击率以及用户体验，精准地信息推送已逐步成为互联网领域中的重要研究方向。
2、目前，信息推送方案主要包括三类，第一类是基于信息抓取和自然语言处理技术生成向量后通过模型进行推送，第二类是基于专家规则定义进行信息推送，第三类是基于历史行为统计计算相似度进行信息推送，但是第一类推送方案在一些复杂交互场景下，传统机器学习模型不能充分学习利用所有的交互信息，导致泛化性和准确性较差，第二类和第三类推送方案只能基于固定规则逻辑进行推送，无法对规则之外的对象和物品完成匹配，并且对大量对象的行为数据缺乏充分利用，难以形成个性化推荐，导致泛化性、多样性和精准度都较差。
技术实现思路
1、本申请的目的在于提供一种信息推送方法、信息推送装置、计算机可读存储介质以及电子设备，能够克服相关技术中存在的信息推送泛化性、多样性、精准度较差的问题。
2、本申请的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本申请的实践而习得。
3、根据本申请实施例的一个方面，提供一种信息推送方法，该方法包括：获取与待推送信息对应的物品信息，并从物品键值表中获取与所述物品信息对应的目标物品向量；所述物
4、根据本申请实施例的一个方面，提供一种信息推送装置，该装置包括：物品向量获取模块，用于获取与待推送信息对应的物品信息，并从物品键值表中获取与所述物品信息对应的目标物品向量；所述物品键值表是基于物品和与所述物品对应的物品向量构建的，所述物品向量为采用异构图神经网络模型对对象-物品异构图中的物品节点和所述物品节点的邻居节点进行特征提取生成的；对象包获取模块，用于基于所述目标物品向量，从对象向量库中确定与所述目标物品向量对应的对象包；所述对象向量库是基于所述异构图神经网络模型对所述对象-物品异构图中的对象节点和所述对象节点的邻居节点进行特征提取生成的向量构建的；信息推送模块，用于将所述对象包发送至推送后台，以使所述推送后台将所述待推送信息推送至所述对象包中各对象的终端设备。
5、根据本申请实施例的一个方面，提供一种计算机可读介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如以上技术方案中的信息推送方法。
6、根据本申请实施例的一个方面，提供一种电子设备，该电子设备包括：处理器；以及存储器，用于存储所述处理器的可执行指令；其中，所述处理器被配置为经由执行所述可执行指令来执行如以上技术方案中的信息推送方法。
7、根据本申请实施例的一个方面，提供一种计算机程序产品，该计算机程序产品包括计算机指令，当所述计算机指令在计算机上运行时，使得所述计算机执行如以上技术方案中的信息推送方法。
8、本申请实施例提供的信息推送方法，在接收到业务侧发送的待推送信息对应的物品信息后，能够从物品键值表中获取与该物品信息对应的目标物品向量，接着可以根据该目标物品向量在向量搜索引擎所存储的对象向量库中获取与所述目标物品向量对应的对象包，最后将该对象包发送至推送后台，通过推送后台将待推送信息发送至对象包中所包含对象的终端设备即可，其中物品键值表是基于物品和与物品对应的物品向量构建的，而物品向量以及对象向量是通过具有注意力机制的异构图神经网络对对象-物品异构图中物品节点和物品节点的邻居节点、对象节点和对象节点的邻居节点进行特征提取生成的。本申请一方面通过异构图神经网络从对象和物品的交互关系中充分学习对象关系信息，得到对象向量和物品向量，基于该对象向量和物品向量进行对象召回和信息推送，能够有效提升泛化性和信息推送的精准度；另一方面通过向量召回对象的方式进行信息推送，能够实现大规模低时延召回，进一步提高精准度和泛化性。
9、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，并不能限制本申请。
本文档来自技高网...【技术保护点】
1.一种信息推送方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对象向量库中包括多个对象和与各所述对象对应的对象向量；
3.根据权利要求1所述的方法，其特征在于，在获取与待推送信息对应的物品信息之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述获取多场景图谱数据，根据所述多场景图谱数据构建对象-物品异构图，包括：
5.根据权利要求3所述的方法，其特征在于，所述对所述对象-物品异构图中的节点和边进行清洗，以获取目标异构图，包括：
6.根据权利要求3所述的方法，其特征在于，所述异构图神经网络模型包括多个一级图神经子网络和与各所述一级图神经子网络连接的二级图神经子网络；
7.根据权利要求6所述的方法，其特征在于，所述一级图神经子网络包括依次连接的输入层、第一向量映射层、节点注意力层和第一图卷积层；
8.根据权利要求6或7所述的方法，其特征在于，所述二级图神经子网络包括依次连接的第二向量映射层、边注意力层、第二图卷积层和输出层；
9.根据权利要求7所
10.根据权利要求8所述的方法，其特征在于，所述第二图卷积层包括图卷积单元、拼接单元和多层前馈神经网络单元；
11.根据权利要求3所述的方法，其特征在于，所述将所述目标节点对应的向量存储于对应的数据库中，包括：
12.根据权利要求3所述的方法，其特征在于，所述多场景图谱数据为从金融媒介平台中获取的汇集多金融场景的图谱数据，所述待推送信息中包含的物品为金融场景物品。
13.一种信息推送装置，其特征在于，包括：
14.一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现权利要求1至12中任意一项所述的信息推送方法。
15.一种电子设备，其特征在于，包括：
16.一种计算机程序产品，其特征在于，所述计算机程序产品包括计算机指令，当所述计算机指令在计算机上运行时，使得所述计算机执行权利要求1至12中任意一项所述的信息推送方法。
...【技术特征摘要】
1.一种信息推送方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对象向量库中包括多个对象和与各所述对象对应的对象向量；
3.根据权利要求1所述的方法，其特征在于，在获取与待推送信息对应的物品信息之前，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，所述获取多场景图谱数据，根据所述多场景图谱数据构建对象-物品异构图，包括：
5.根据权利要求3所述的方法，其特征在于，所述对所述对象-物品异构图中的节点和边进行清洗，以获取目标异构图，包括：
6.根据权利要求3所述的方法，其特征在于，所述异构图神经网络模型包括多个一级图神经子网络和与各所述一级图神经子网络连接的二级图神经子网络；
7.根据权利要求6所述的方法，其特征在于，所述一级图神经子网络包括依次连接的输入层、第一向量映射层、节点注意力层和第一图卷积层；
8.根据权利要求6或7所述的方法，其特征在于，所述二级图神经子网络包括依次连接的第二向量映射层、边注意力层、第二图卷积层和输出层；...
【专利技术属性】
技术研发人员：高寒，何秀强，陈亮，
申请(专利权)人：财付通支付科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。