[发明专利]信息推送的方法和装置

权利要求书

1.一种信息推送的方法，其特征在于，所述方法包括：

获取至少一个第一用户的第一用户信息、至少一个第二用户的第二用户信息以及各个第一用户与所述至少一个第二用户的历史交互信息；

根据所述历史交互信息确定各个第一用户与所述第二用户的关联度，以根据关联度阈值或数量阈值按照所述关联度由高到低选取出用户组，其中，每个所述用户组包括一个第一用户和一个第二用户；

基于所选取的各个用户组中各第一用户的所述第一用户信息、各第二用户的所述第二用户信息以及所述历史交互信息通过预设模型得到各个第一用户与所述至少一个第二用户进行交互的概率；

基于所得到的概率向所述第一用户和/或所述第二用户进行信息推送。

2.根据权利要求1所述的方法，其特征在于，所述基于所选取的各个用户组中各第一用户的所述第一用户信息、各第二用户的所述第二用户信息以及所述历史交互信息通过预设模型得到各个第一用户与所述至少一个第二用户进行交互的概率包括：

基于所选取的各个用户组中各第一用户的所述第一用户信息、各第二用户的所述第二用户信息训练各个第一用户的第一特征向量、各个第二用户的第二特征向量；

将所述第一用户信息、所述第二用户信息及所述第一特征向量、所述第二特征向量作为所述预设模型的输入得到各个第一用户与所述至少一个第二用户进行交互的概率。

3.根据权利要求2所述的方法，其特征在于，所述第一特征向量、所述第二特征向量通过隐变量模型机器学习得到，其中，所述第一特征向量包括所述第一用户在隐变量空间的特征向量，所述第二特征向量包括所述第二用户在隐变量空间的特征向量，对每个用户组，所述第一用户特征向量与所述第二特征向量的内积为该用户组中的第一用户和第二用户的关联度。

4.根据权利要求1所述的方法，其特征在于，所述预设模型为有监督机器学习模型，其中，所述预设模型的训练样本集包括预设时间段内的所述第一用户信息、所述第二用户信息及所述历史交互信息。

5.根据权利要求1所述的方法，其特征在于，对任一第一用户及其历史交互的任一第二用户，所述关联度通过以下至少一种方法进行计算：

所述关联度与该第一用户和该第二用户的共同邻居数量成正比，其中，所述共同邻居包括与该第二用户历史交互的其他第一用户历史交互的其他第二用户和该第一用户历史交互的其他第二用户中的共同第二用户；

所述关联度与该第一用户和该第二用户的杰卡德系数成正比，其中，所述杰卡德系数包括所述共同邻居数量与该第二用户历史交互的其他第一用户历史交互的其他第二用户的数量和该第一用户历史交互的其他第二用户的数量的和的比值；

所述关联度与该第一用户与该第二用户的优先连接系数成正比，其中，所述优先连接系数包括该第一用户与各第二用户历史交互的次数组成的向量与与各第二用户历史交互的第一用户数量组成的向量的内积；

所述关联度与该第一用户与该第二用户的频率加权共同邻居权值系数成正比，所述频率加权共同邻居权值系数通过将所述共同邻居数量进行归一化处理得到。

6.根据权利要求1所述的方法，其特征在于，所述第一用户信息包括所述第一用户的历史访问信息、位置信息及用户画像信息中的至少一项。

7.根据权利要求6所述的方法，其特征在于，所述历史交互信息包括交互时间和交互数值；以及

当所述第一用户信息包括所述第一用户的历史访问信息时，所述历史访问信息包括历史搜索关键词及搜索时间；

当所述第一用户信息包括所述第一用户的位置信息时，所述位置信息包括各个时刻的定位信息，其中，所述定位信息通过以下方法进行过滤：去除与相邻时刻间隔的定位位置偏移超过预设的偏移阈值的定位点；

当所述第一用户信息包括所述第一用户的画像信息时，所述画像信息根据用户行为特征确定。

8.根据权利要求1所述的方法，其特征在于，所述第二用户信息包括以下至少一项：

第一用户与第二用户进行交互的人均交互数值、第二用户类别、第二用户周围的人流量、第一用户对第二用户的历史浏览信息。