对象推送方法、介质、计算机设备和计算机程序产品与流程

本公开涉及计算机，尤其涉及一种对象推送方法、介质、计算机设备和计算机程序产品。

背景技术：

1、在基于触发品的推送(trigger-induced recommendation，tir)场景中，推送平台会根据用户的触发行为(如浏览、搜索、购买等)来进行对象推送。用户的触发行为所触发的对象即为触发品。目前的推送方式通常根据触发品的属性推送具有类似属性的对象，缺乏对用户意图的理解，从而难以根据用户意图准确地进行对象推送。

技术实现思路

1、第一方面，本公开实施例提供一种对象推送方法，所述方法包括：获取目标用户的当前操作对象对应的目标特征集合；所述目标特征集合包括当前操作对象的第一特征、与所述当前操作对象之间的特征相似度大于预设相似度阈值的至少一个历史操作对象的第二特征，以及与所述当前操作对象存在共现关系的至少一个其他对象的第三特征；通过推送模型对所述目标特征集合进行处理，得到所述目标用户对所述当前操作对象的意图参数；所述意图参数用于表征所述目标用户的操作意图与所述当前操作对象之间的相关性；基于所述意图参数向所述目标用户推送至少一个待推送对象。

2、在一些实施例中，所述意图参数越大，所述待推送对象与所述当前操作对象的相关性越强；所述意图参数越小，所述待推送对象与所述目标用户的历史操作序列的相关性越强。

3、在一些实施例中，所述通过推送模型对所述目标特征集合进行处理，得到所述目标用户对所述当前操作对象的意图参数，包括：获取所述推送模型基于所述目标特征集合确定的期望和方差，所述期望用于表示所述目标用户对所述当前操作对象的操作意图的意图强度，所述方差用于表示所述目标用户对所述当前操作对象的操作意图的不确定性；基于所述期望和所述方差获取所述目标用户对所述当前操作对象的意图参数。

4、在一些实施例中，所述基于所述期望和所述方差获取所述目标用户对所述当前操作对象的意图参数，包括：基于所述期望和所述方差生成随机分布；对所述随机分布进行采样，得到采样特征；对所述第一特征、所述目标用户的用户特征以及所述采样特征进行融合，得到第一融合特征；基于所述第一融合特征获取所述目标用户对所述当前操作对象的意图参数。

5、在一些实施例中，所述获取所述推送模型基于所述目标特征集合确定的期望和方差，包括：通过第一多头注意力层对所述第一特征和所述第二特征进行处理，得到第一输出向量；通过第二多头注意力层对所述第一特征和所述第三特征进行处理，得到第二输出向量；对所述第一输出向量和所述第二输出向量进行融合，得到第二融合特征；基于所述第二融合特征确定所述期望和所述方差。

6、在一些实施例中，所述期望和所述方差通过对比学习模型获取；所述对比学习模型基于至少一对正样本和至少一对负样本训练得到；其中，每对正样本包括同一当前操作对象对应的目标特征集合以及该当前操作对象对应的增广特征集合；所述增广特征集合中的特征通过对所述目标特征集合中的特征进行特征变换得到；每对负样本包括不同的当前操作对象对应的目标特征集合。

7、在一些实施例中，所述增广特征集合中的特征通过以下方式得到：随机删除所述目标特征集合中的若干个历史操作对象的第二特征和/或若干个其他对象的第三特征；随机删除所述目标特征集合中的第二特征和/或第三特征的若干个特征维度。

8、在一些实施例中，所述基于所述意图参数向所述目标用户推送至少一个待推送对象，包括：基于所述至少一个待推送对象的推送分数向所述目标用户推送所述至少一个待推送对象；其中，所述至少一个待推送对象中的每个待推送对象的推送分数基于以下方式获取：基于所述意图参数确定第一特征对应的第一权重和所述待推送对象的第四特征对应的第二权重；所述第一权重用于表征所述目标用户的操作意图与所述当前操作对象相关的概率，所述第二权重用于表征所述目标用户的操作意图与所述当前操作对象无关的概率；基于所述第一权重对所述第一特征进行加权处理，并基于所述第二权重对所述第四特征进行加权处理；基于加权后的第一特征和加权后的第四特征获取所述待推送对象的推送分数。

9、在一些实施例中，所述基于所述第一权重对所述第一特征进行加权处理，并基于所述第二权重对所述第四特征进行加权处理，包括：获取所述目标用户的历史操作序列；将所述第一特征和所述历史操作序列输入第四多头注意力层进行处理；将所述第四特征和所述历史操作序列输入第五多头注意力层进行处理；基于所述第一权重对处理后的第一特征进行加权处理，并基于所述第二权重对处理后的第四特征进行加权处理。

10、在一些实施例中，所述基于所述加权特征获取所述待推送对象的推送分数，包括：对所述第一特征和所述待推送对象的第四特征进行融合，得到第三融合特征；基于所述第三融合特征、加权后的第一特征和加权后的第四特征获取所述待推送对象的推送分数。

11、在一些实施例中，所述对所述第一特征和所述第四特征进行融合，得到第三融合特征，包括：获取所述第一特征和所述第四特征的哈达玛积；对所述第一特征、所述第四特征和所述哈达玛积进行融合，得到所述第三融合特征。

12、在一些实施例中，所述基于所述第三融合特征、加权后的第一特征和加权后的第四特征获取所述待推送对象的推送分数，包括：基于所述第三融合特征、第四融合特征、加权后的第一特征和加权后的第四特征获取所述待推送对象的推送分数；其中，所述第四融合特征基于以下方式获取：获取所述推送模型基于所述目标特征集合确定的期望和方差，所述期望用于表示所述目标用户对所述当前操作对象的操作意图的意图强度，所述方差用于表示所述目标用户对所述当前操作对象的操作意图的不确定性；基于所述期望和所述方差生成随机分布；对所述随机分布进行采样，得到采样特征；对所述第四特征和所述采样特征进行融合，得到所述第四融合特征。

13、第二方面，本公开实施例提供一种计算机可读存储介质，其上存储有计算机指令，该程序被处理器执行时实现本公开任一实施例所述的方法。

14、第三方面，本公开实施例提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现本公开任一实施例所述的方法。

15、第四方面，本公开实施例提供一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例所述的方法。

16、本公开实施例在推送模型的输入数据中采用了第二特征和第三特征，其中，第二特征为与当前操作对象之间的特征相似度大于预设相似度阈值的历史操作对象的特征，由于用户意图通常具有跨session的特点，因此，与当前操作对象特征较为相似的历史操作对象可能与用户当前的即时意图相关，从而通过获取与当前操作对象之间的特征相似度大于预设相似度阈值的历史操作对象的第二特征，能够一定程度反映出用户的即时意图；第三特征为与当前操作对象存在共现关系的其他对象的特征，通过获取第三特征，能够反映出用户行为的共现关系，从而有效挖掘出用户的潜在意图。综上所述，采用上述方式，能够有效挖掘出用户的即时意图和潜在意图，从而根据用户意图准确地进行对象推送。