[发明专利]一种推送信息的方法、装置及电子设备

权利要求书

1.一种推送信息的方法，其特征在于，包括：

利用分解机学习，得到预先设置的多个时间周期内的学习特征向量，每一学习特征向量对应待推送信息中的一特征；

获取所述多个时间周期内的所述待推送信息的浏览统计向量；

依据所述学习特征向量以及所述浏览统计向量，计算所述待推送信息中包含的每一维特征的特征统计向量；

依据所述特征统计向量以及目标的学习特征向量，计算所述目标对所述待推送信息的喜好值；

如果计算的所述喜好值超过预先设置的喜好阈值，向所述目标推送所述待推送信息。

2.根据权利要求1所述的推送信息的方法，其特征在于，利用下式计算所述特征统计向量：

式中，

Stat_i为所述待推送信息中包含的第i维特征的特征统计向量；

fre_j为第j位用户在所述多个时间周期内对所述待推送信息的浏览统计向量；

feature_ji为第j位用户在所述多个时间周期内对待推送信息的第i维学习特征向量；

N为统计的用户数。

3.根据权利要求1所述的推送信息的方法，其特征在于，利用下式计算所述特征统计向量：

式中，

Stat_i为所述待推送信息中包含的第i维特征的特征统计向量；

fre_j为第j位用户在所述多个时间周期内对所述待推送信息的浏览统计向量；

feature_ji为第j位用户在所述多个时间周期内对待推送信息的第i维学习特征向量；

N为统计的用户数；

ξ_ji为第j位用户对应的第i维学习特征向量系数；

ζ_j为第j位用户的特征统计向量系数。

4.根据权利要求2或3所述的推送信息的方法，其特征在于，利用下式计算所述目标对所述待推送信息的喜好值：

式中，

ψ为目标对待推送信息的喜好值；

feature_ui为目标在所述多个时间周期内对待推送信息的第i维学习特征向量；

k为待推送信息中包含的特征维数。

5.根据权利要求1所述的推送信息的方法，其特征在于，所述计算所述待推送信息中包含的每一维特征的特征统计向量包括：

获取第一时间周期内的待推送信息的特征统计向量以及特征信息并用第一存储区存储；

在第二时间周期内，对第一时间周期内获取的特征统计向量以及特征信息进行更新并用第二存储区存储，以及，获取第二时间周期内的待推送信息的特征统计向量以及特征信息并用第一存储区存储；

在第三时间周期内，对第一时间周期内获取的特征统计向量以及特征信息进行更新并用第三存储区存储，对第二时间周期内获取的特征统计向量以及特征信息进行更新并用第二存储区存储，以及，获取第三时间周期内的待推送信息的特征统计向量以及特征信息并用第一存储区存储；

将更新的第一时间周期内获取的特征统计向量作为计算得到的所述待推送信息中包含的每一维特征的特征统计向量；

在第四时间周期内，清空第三存储区，执行所述对第一时间周期内获取的特征统计向量以及特征信息进行更新并用第三存储区存储的步骤。