用于生成信息的方法和装置

技术领域

本公开的实施例涉及计算机技术领域，具体涉及一种用于生成信息的方法和装置。

背景技术

电商平台通常会根据用户的行为数据(例如用户的购买习惯)生成推送信息，然后向用户推送用户可能会感兴趣的商品的信息，例如可以采用CVR预估模型(ConversionRate，转换率)或CTR预估模型(Click Through Rate，点击率)生成待推送信息。在某些实际场景中，业务方可能会向电商平台提出曝光诉求，指定将某些商品的商品信息推送给用户，以提高这些商品的曝光程度。

相关技术中，通常是赋予被指定曝光的商品信息一定的权重，以提升该部分商品在推送信息中的排序，进而增加该部分商品的曝光机会。

发明内容

本公开的实施例提出了用于生成信息的方法和装置。

第一方面，本公开的实施例提供了一种用于生成信息的方法，该方法包括：获取初始待推送信息，初始待推送信息包括按序排列的初始推送商品的商品信息；基于预先确定的商品信息排序位置与用户流失数量的对应关系，从初始待推送信息中确定出至少一个目标排序位置；在每个目标排序位置插入一个预先确定的目标推送商品的商品信息，得到目标待推送信息。

在一些实施例中，目标待推送信息经由如下步骤生成：接收推送需求信息，推送需求信息包括目标推送商品和目标推送用户；获取目标推送商品的商品特征信息、目标推送商品在第一预设时长内的历史销量信息和目标推送用户的用户特征信息，用户特征信息包括用户行为特征和/或用户画像；基于商品特征信息、历史销量信息和用户特征信息，确定出目标推送商品的初始排序特征值；按照各目标推送商品的初始排序特征值由大到小的顺序，排列各目标推送商品的商品信息；按照各目标排序位置由前往后的顺序，将各目标推送商品的商品信息分别按序插入各目标排序位置，得到目标待推送信息。

在一些实施例中，历史销量信息包括：下单数量、订单量和成交总量；以及，初始排序特征值经由如下步骤确定：对商品特征信息编码，生成商品特征向量；对用户特征信息编码，生成用户特征向量；将商品特征向量与用户特征向量之间的距离确定为目标推送商品的用户偏好特征值；分别将下单数量、订单量和成交总量归一化，得到归一化后的下单数量、归一化后的订单量和归一化后的成交总量；将归一化后的下单数量、归一化后的订单量和归一化后的成交总量的加权和确定为目标推送商品的商品质量特征值；将用户偏好特征值和商品质量特征值的加权和确定为目标推送商品的初始排序特征值。

第二方面，本公开的实施例提供了一种用于推送信息的方法，该方法包括：推送目标待推送信息，目标待推送信息经由上述用于生成信息的方法生成；每间隔预设的召回周期，对目标待推送信息执行如下离线更新步骤：获取目标待推送信息中的各目标推送商品的商品信息在上个召回周期内的召回信息，召回信息包括第一预设类型的用户行为信息；采用预先训练的召回模型，基于召回信息，确定出目标推送商品的召回特征值，召回特征值表征目标推送商品的商品信息与用户行为的匹配程度；基于目标推送商品的召回特征值以及预先确定的该目标推送商品的等级权重值，确定出各目标推送商品的召回排序特征值；基于各目标推送商品的召回排序特征值，更新各目标推送商品的商品信息在目标待推送信息中的排序；方法还包括：推送更新后的目标待推送信息。

在一些实施例中，等级权重值经由如下步骤确定：获取目标推送商品在第二预设时长内的历史特征信息和价值属性，其中，历史特征信息包括第二预设类型的用户行为信息；将历史特征信息中各类型的用户行为信息的加权和确定为目标推送商品的用户行为特征值；基于目标推送商品的第一差值和第二差值，确定目标推送商品的等级，其中，第一差值为目标推送商品的用户行为特征值与各目标推送商品的用户行为特征值的均值之差，第二差值为目标推送商品的价值属性与各目标推送商品的价值属性的均值之差；基于预设的等级与等级权重值的对应关系，确定出目标推送商品的等级权重值。

在一些实施例中，基于目标推送商品的第一差值和第二差值，确定目标推送商品的等级，包括：以各目标推送商品的用户行为特征值的均值和价值属性的均值为原点坐标，以目标推送商品的用户行为特征值和价值属性为坐标轴，构建坐标系；基于各目标推送商品的第一差值和第二差值，确定各目标推送商品在坐标系中的位置；基于预设的坐标系象限与等级的对应关系，确定各目标推送商品的等级。

在一些实施例中，其中，方法还包括如下实时更新目标待推送信息的步骤：响应于确定目标推送商品的商品信息的曝光次数达到预设的曝光次数阈值，将目标待推送商品的初始排序特征值与预设的曝光权重值之积作为更新后的排序特征值，曝光权重值与曝光次数负相关；基于各目标推送商品的商品信息的更新后的排序特征值，更新目标待推送信息中各目标推送商品的商品信息的排序。

第三方面，本公开的实施例提供了一种用于生成信息的装置，装置包括：初始信息获取单元，被配置成获取初始待推送信息，初始待推送信息包括按序排列的初始推送商品的商品信息；排序位置确定单元，被配置成基于预先确定的商品信息排序位置与用户流失数量的对应关系，从初始待推送信息中确定出至少一个目标排序位置；目标信息生成单元，被配置成在每个目标排序位置插入一个预先确定的目标推送商品的商品信息，得到目标待推送信息。

在一些实施例中，目标信息生成单元包括：需求信息接收模块，被配置成接收推送需求信息，推送需求信息包括目标推送商品和目标推送用户；特征信息获取模块，被配置成获取目标推送商品的商品特征信息、目标推送商品在第一预设时长内的历史销量信息和目标推送用户的用户特征信息，用户特征信息包括用户行为特征和/或用户画像；初始排序特征值确定模块，被配置成基于商品特征信息、历史销量信息和用户特征信息，确定出目标推送商品的初始排序特征值；信息排序模块，被配置成按照各目标推送商品的初始排序特征值由大到小的顺序，排列各目标推送商品的商品信息；信息插入模块，被配置成按照各目标排序位置由前往后的顺序，将各目标推送商品的商品信息按序插入各目标排序位置，得到目标待推送信息。

在一些实施例中，历史销量信息包括：下单数量、订单量和成交总量；以及，初始排序特征值确定模块被进一步配置成：对商品特征信息编码，生成商品特征向量；对用户特征信息编码，生成用户特征向量；将商品特征向量与用户特征向量之间的距离确定为目标推送商品的用户偏好特征值；分别将下单数量、订单量和成交总量归一化，得到归一化后的下单数量、归一化后的订单量和归一化后的成交总量；将归一化后的下单数量、归一化后的订单量和归一化后的成交总量的加权和确定为目标推送商品的商品质量特征值；将用户偏好特征值和商品质量特征值的加权和确定为目标推送商品的初始排序特征值。

第四方面，本公开的实施例还提供了一种用于推送信息的装置，该装置包括：信息推送单元，被配置成推送目标待推送信息，目标待推送信息经由上述用于生成信息的方法生成；信息更新单元，被配置成每间隔预设的召回周期，对目标待推送信息执行如下离线更新步骤：获取目标待推送信息中的各目标推送商品在上个召回周期内的召回信息，召回信息包括第一预设类型的用户行为信息；采用预先训练的召回模型，基于目标推送商品的召回信息，确定出目标推送商品的召回特征值，召回特征值表征目标推送商品的商品信息与用户行为的匹配程度；基于目标推送商品的召回特征值以及预先确定的该目标推送商品的等级权重值，确定出各目标推送商品的召回排序特征值；基于各目标推送商品的召回排序特征值，更新各目标推送商品在目标待推送信息中的排序；信息推送单元还被配置成：推送更新后的目标待推送信息。

在一些实施例中，装置还包括：历史信息获取单元，被配置成获取各目标推送商品在第二预设时长内的历史特征信息和价值属性，其中，历史特征信息包括第二预设类型的用户行为信息；行为特征确定单元，被配置成将历史特征信息中各类型的用户行为信息的加权和确定为目标推送商品的用户行为特征值；等级确定单元，被配置成基于目标推送商品的第一差值和第二差值，确定目标推送商品的等级，其中，第一差值为目标推送商品的用户行为特征值与各目标推送商品的用户行为特征值的均值之差，第二差值为目标推送商品的价值属性与各目标推送商品的价值属性的均值之差；等级权重确定单元，被配置成基于预设的等级与等级权重值的对应关系，确定出目标推送商品的等级权重值。

在一些实施例中，等级确定单元进一步包括：坐标系构建模块，被配置成以各目标推送商品的用户行为特征值的均值和价值属性的均值为原点坐标，以目标推送商品的用户行为特征值和价值属性为坐标轴，构建坐标系；位置确定模块，被配置成基于各目标推送商品的第一差值和第二差值，确定各目标推送商品在坐标系中的位置；等级确定模块，被配置成基于预设的坐标系象限与等级的对应关系，确定各目标推送商品的等级。

在一些实施例中，装置还包括实时更新单元，被配置成：响应于确定目标推送商品的商品信息的曝光次数达到预设的曝光次数阈值，将目标待推送商品的初始排序特征值与预设的曝光权重值之积作为更新后的排序特征值，曝光权重值与曝光次数负相关；基于各目标推送商品的商品信息的更新后的排序特征值，更新目标待推送信息中各目标推送商品的商品信息的排序。

本公开的实施例提供的用于生成信息的方法和装置，基于商品信息排序位置与用户流失数量的对应关系从初始待推送消息中确定出目标排序位置，并在目标排序位置插入目标推送商品的商品信息，可以将存在曝光需求的目标推送商品的商品信息插入初始待推送的信息中，并降低了生成的目标推送信息中包括的非用户兴趣的商品信息对用户兴趣度的不利影响。

本公开的实施例提供的用于推送信息的方法和装置，每隔预设的召回周期对目标待推送信息进行离线更新，以根据上个召回周期内各目标推送商品的商品信息与用户行为的匹配程度和预设的等级权重，更新目标推送商品的商品信息在目标待推送信息中的排序，可以提高向用户推送信息的针对性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一些实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于生成信息的方法的一个实施例的流程图；

图3是根据本公开的用于生成信息的方法的又一个实施例的流程图；

图4是根据本公开的用于推送信息的方法的一个实施例的流程图；

图5是根据本公开的用于推送信息的方法的又一个实施例的流程图；

图6是根据本公开的用于生成信息的装置的一个实施例的结构示意图；

图7是根据本公开的用于推送信息的装置的一个实施例的结构示意图；

图8是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的实施例的用于推送信息的方法或用于推送信息的装置的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等，例如可以将存在曝光需求的目标推送商品的商品信息发送至服务器，还可以从服务器接收目标待推送信息。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具备通信功能的电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上传的目标推送商品的商品信息进行处理(例如将目标推送商品的商品信息插入初始待推送信息)的后台数据服务器。后台数据服务器可以从初始待推送信息中确定出目标排序位置并将目标推送商品的商品信息插入目标排序位置等处理，并将处理结果(例如目标待推送信息)反馈给终端设备。

需要说明的是，本公开的实施例所提供的用于推送信息的方法可以由终端设备101、102、103执行，也可以由服务器105执行。相应地，用于推送信息的装置可以设置于终端设备101、102、103中，也可以设置于服务器105中。在此不做具体限定。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开的用于推送信息的方法或用于推送信息的装置同样适用于图1所示示例性系统架构100。

继续参考图2，示出了根据本公开的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法，包括以下步骤：

步骤201，获取初始待推送信息，初始待推送信息包括按序排列的初始推送商品的商品信息。

在本实施例中，初始待推送信息中各初始推送商品的商品信息的排序位置表征该商品的商品信息与用户行为习惯的匹配程度，例如与用户行为习惯匹配程度最高的商品的商品信息排在初始待推送信息中的首位。执行主体(例如可以是图1中所示的服务器105)可以通过网络获取终端设备上的初始待推送信息，也可以由执行主体根据用户的行为数据生成初始待推送信息。

作为示例，执行主体可以基于获取全量SKU(Stock Keeping Unit，库存进出计量的基本单元)的用户行为数据，例如可以包括用户的下单次数、点击次数、购买数量等用户行为数据，然后采用CVR预估模型(Conversion Rate，转换率)或CTR预估模型(ClickThrough Rate，点击率)估计各SKU的商品信息与用户行为的匹配程度，然后按照匹配程度由高到低的顺序排列各SKU的商品信息，得到初始待推送信息。商品信息可以包括描述该SKU特征的信息，例如可以是SKU的颜色、型号、价格等信息。

步骤202，基于预先确定的商品信息排序位置与用户流失数量的对应关系，从初始待推送信息中确定出至少一个目标排序位置。

通常，用户在浏览推送的商品信息时，随着浏览的商品信息的数量的增多，用户的浏览兴趣总体上呈下降趋势，采用统计分析的方法可以从中解析出商品信息的排序位置与用户流失数量的对应关系。作为示例，以1000个用户为统计样本，浏览第一条商品信息的用户数量为1000，浏览第二条商品信息的用户数量为800，浏览第三条商品信息的用户数量为500，则可以确定排在第二位的商品信息的用户流失数量为200，排在第三位的商品信息的用户流失数量为300。

在本实施例中，商品信息排序位置与用户流失数量的对应关系表征商品信息的排序位置与用户浏览商品信息的兴趣程度的对应关系，用户流失数量越大表明用户的浏览兴趣越低。目标排序位置例如可以是用户流失数量较多的排序位置，在目标排序位置上插入与其他初始推送商品的存在差异的商品信息可以提高用户的浏览兴趣，从而提高商品信息的曝光几率。

在一个具体的示例中，执行主体根据商品信息排序位置与用户流失数量的对应关系可以确定，排在第4位和第7位的商品信息的用户流失数量较多，则执行主体可以将步骤201中获取的初始待推送信息中的第4位和第7位确定为目标排序位置。

步骤203，在每个目标排序位置插入一个预先确定的目标推送商品的商品信息，得到目标待推送信息。

在本实施例中，目标推送商品表征存在强行曝光需求的商品，例如可以是业务用户提出推送诉求的商品信息。执行主体可以将预先确定的目标推送商品的商品信息插入步骤202中确定出的目标排序位置，得到目标待推送信息，使得目标待推送信息中既包括了根据用户行为习惯确定出的初始推送商品的商品信息，又包括了存在强行曝光需求的商品的商品信息。

在一个具体的示例中，目标推送商品为篮球和足球，执行主体在步骤201中获取的初始待推送信息包括依次排列的如下SKU的商品信息：手机、平板、护肤品、酒、文具、上衣、鞋等，执行主体基于商品信息排序位置与用户流失数量的对应关系确定出的目标排序位置为第4位和第7位，则执行主体将篮球和足球的商品信息分别插入初始待推送信息的第4位和第7位，得到的目标待推送信息包括依次排列的如下SKU的商品信息：手机、平板、护肤品、篮球、酒、文具、足球、上衣、鞋等。

本公开的实施例提供的用于生成信息的方法和装置，基于商品信息排序位置与用户流失数量的对应关系从初始待推送消息中确定出目标排序位置，并在目标排序位置插入目标推送商品的商品信息，可以将存在曝光需求的目标推送商品的商品信息插入初始待推送的信息中，并降低了生成的目标推送信息中包括的非用户兴趣的商品信息对用户兴趣度的不利影响。

继续参见图3，图3示出了本公开的用于生成信息的方法的一个实施例中生成目标待推送信息的流程300，该流程包括以下步骤：

步骤301，接收推送需求信息，推送需求信息包括目标推送商品和目标推送用户。

在一个具体的场景示例中，终端设备上可以装载有CMS(Content ManagementSystem，内容管理系统)，操作人员可以通过CMS的前端操作页面将推送需求信息发送至后端服务器(即本实施例的执行主体)。作为示例，电商平台需要对酒类商品进行营销扶持时，操作人员可以在CMS的前端操作页面选取目标推送商品为营销扶持范围内的酒类商品，然后可以选取该电商平台的全量用户作为目标推送用户，也可以选取该电商平台的会员用户作为目标推送用户，然后由CMS将操作人员选定的目标推送商品和目标推送用户发送至后端服务器。

在本实施例的一些可选的实现方式中，推送需求信息还可以包括推送时长，推送时长用于表征向目标推送用户推送目标推送商品的商品信息的持续时间。结合上述场景进行举例说明，业务用户提出的推送需求为10月1日至10月5日，操作人员可以在CMS的前端操作页面中输入推送时长为10月1日至10月5日。执行主体接收到推送需求信息之后，会在10月1日至10月5日期间向目标推送用户推送目标待推送信息。

步骤302，获取目标推送商品的商品特征信息、目标推送商品在第一预设时长内的历史销量信息和目标推送用户的用户特征信息，用户特征信息包括用户行为特征和/或用户画像。

在本实施例中，商品特征信息可以是描述商品特征的信息集合，例如可以包括商品的品牌、类型、产地等信息。历史销量信息包括：下单数量、订单量和成交总量。用户的行为特征可以包括用户对商品的行为记录信息，例如可以是用户点击商品信息进入商品详情页面的行为记录、可以是电机搜索结果进入商品详情页面的行为记录、将商品加入购物车的行为记录、下单等；用户画像则表征用户的自身特征，例如可以包括用户的性别、年龄、地域等信息。

步骤303，对商品特征信息编码，生成商品特征向量。

在本实施例中，执行主体可以基于预设的商品编码策略将步骤302中获取的商品特征信息按序排列，得到目标推送商品的商品特征向量。

步骤304，对用户特征信息编码，生成用户特征向量。

在本实施例中，执行主体可以基于预设的用户特征编码策略将步骤302中获取的用户特征信息按序排列，得到用户特征向量。

步骤305，将商品特征向量与用户特征向量之间的距离确定为目标推送商品的用户偏好特征值。

在本实施中，商品特征向量与用户特征向量之间的距离可以表征用户特征与商品特征的匹配程度，以此用户偏好特征值可以表征用户对于商品的偏好程度。

步骤306，分别将下单数量、订单量和成交总量归一化，得到归一化后的下单数量、归一化后的订单量和归一化后的成交总量。

步骤307，将归一化后的下单数量、归一化后的订单量和归一化后的成交总量的加权和确定为目标推送商品的商品质量特征值。

在本实施例中，商品质量特征值表征商品的销量特征。

步骤308，将用户偏好特征值和商品质量特征值的加权和确定为目标推送商品的初始排序特征值。

本实施例中，初始排序特征值包括了用户偏好特征值和商品质量特征值，如此，可以通过初始排序特征值表征目标推送商品的用户偏好程度和销量特征。

步骤309，按照各目标推送商品的初始排序特征值由大到小的顺序，排列各目标推送商品的商品信息。

在本实施例中，执行主体基于步骤308得到的各个目标推送商品的初始排序特征值对各个目标推送商品的商品信息进行排序，如此可以将目标推送商品的用户偏好程度和销量特征体现在目标推送商品的排序位置上。

步骤310，按照各目标排序位置由前往后的顺序，将各目标推送商品的商品信息分别按序插入各目标排序位置，得到目标待推送信息。

在一个具体的示例中，目标推送商品为篮球和足球，执行主体获取的初始待推送信息包括依次排列的如下SKU的商品信息：手机、平板、护肤品、酒、文具、上衣、鞋等，执行主体基于商品信息排序位置与用户流失数量的对应关系确定出的目标排序位置为第4位和第7位。之后执行主体经由步骤310确定出篮球的初始排序特征值为80，足球的初始排序特征值为90，则执行主体将篮球和足球的商品信息分别插入初始待推送信息的第7位和第4位，得到的目标待推送信息包括依次排列的如下SKU的商品信息：手机、平板、护肤品、足球、酒、文具、篮球、上衣、鞋等。

从图3可以看出，与图2所示的实施例相比，图3所示的生成目标待推送信息的流程突出了确定目标推送商品的初始排序特征值以及基于初始排序特征值确定各目标推送商品在目标待推送信息中的排序，可以基于目标推送商品的用户偏好程度和商品销量特征确定目标推送商品在目标待推送信息中的排序位置，如此可以缓解用户浏览兴趣的下降速度，有助于提升目标待推送信息的针对性，进而提高推送商品的曝光几率。

接下来参考图4，其示出了用于推送信息的方法的一个实施例的流程400。该用于推送信息的方法的流程400，包括以下步骤：

步骤401，推送目标待推送信息，目标待推送信息经由上述用于生成信息的方法生成。

本实施例中，执行主体可以是图1所示的服务器105，通过网络将目标待推送信息发送至客户端(例如可以是图1中所示的终端设备)，其中，目标待推送信息采用图2或图3所示的用于生成信息的方法得到，目标待推送信息中包括初始推送商品的商品信息和目标推送商品的商品信息，其中，目标推送商品是存在强行曝光需求的商品，例如可以是业务用户提出推送诉求的商品，再例如可以是电商平台营销扶持的商品。

可以理解的是，本实施例中用于推送信息的方法的执行主体也可以作为上述用于生成信息的方法的执行主体，经由上述用于生成信息的方法直接生成目标待推送信息，也可以接收由其他电子设备生成的目标待推送信息，本公开对此不作限定。

步骤402，每间隔预设的召回周期，对目标待推送信息执行离线更新步骤。

在本实施例中，召回周期表征执行主体对目标推送信息中各目标推送商品的商品信息执行离线更新的周期，执行主体可以目标待推送信息中的目标推送商品的商品信息为对象设置独立的离线召回池，采用召回算法对各目标推送商品的商品信息进行离线召回。

在本实施例中，步骤402所示的离线更新步骤具体包括以下步骤：

步骤4021，获取目标待推送信息中的各目标推送商品的商品信息在上个召回周期内的召回信息，召回信息包括第一预设类型的用户行为信息。

在本实施例中，执行主体基于召回信息对目标推送商品执行离线召回算法，作为示例，第一预设类型的用户行为信息可以包括用户点击查看目标推送商品的行为次数、用户下单次数、用户收藏次数等各类型的行为次数，执行主体可以基于预设的编码策略，对各目标推送商品在上个召回周期内的第一预设类型的用户行为信息编码，得到各目标推送商品在上个召回周期内的召回信息，例如，召回信息可以是向量形式。

步骤4022，采用预先训练的召回模型，基于召回信息，确定出目标推送商品的召回特征值，召回特征值表征目标推送商品的商品信息与用户行为的匹配程度。

在本实施例中，召回模型表征召回信息与召回特征值的对应关系。召回模型例如可以是DNN模型(Deep Neural Networks，深度神经网络)、RNN模型(Recurrent NeuralNetwork，循环神经网络)或DSSM模型(Deep Structured Semantic Models，深层语义模型)。

作为示例，执行主体可以采用DeepFM模型(Deep Factorization Machines，深度因子分解机)作为召回模型，将步骤4021中得到的目标推送商品的商品信息在上个召回周期内的召回信息输入预先训练的DeepFM模型，得到目标推送商品的召回特征值。由于DeepFM模型有效地结合了因子分解机与神经网络在特征学习中的优点，可以同时提取到低阶组合特征与高阶组合特征，从而使得召回特征值可以更准确地表征用户行为与目标推送商品的商品信息与用户行为的匹配程度。

步骤4023，基于目标推送商品的召回特征值以及预先确定的该目标推送商品的等级权重值，确定出各目标推送商品的召回排序特征值。

在本实施例中，可以根据预设的等级划分策略预先为各商品划分等级，然后建立等级与等级权重值的对应关系，如此可以通过等级权重值表征目标推送商品与预设的等级划分策略之间的匹配程度。

作为示例，可以根据商品的营销扶持力度将各目标推送商品划分为不同的等级，营销扶持力度大的目标推送商品的等级就越高，相应的等级权重值就越大，则等级权重值可以表征目标推送商品的营销扶持力度。再例如，可以根据商品的历史销量将各目标推送商品划分为不同等级，考虑到实际应用中商品的马太效应，历史销量高的商品的销量会越来越高，而历史销量低的商品的销量也会越来越低，因而，可以为历史销量较低的目标推送商品分配较高的等级，从而使得历史销量较低的目标推送商品可以获得较大的等级权重值，此时等级权重值可以表征目标推送商品的历史销量。

在本实施例中，可以将召回特征值与等级权重值的乘积作为目标推送商品的召回排序特征值。

步骤4024，基于各目标推送商品的召回排序特征值，更新各目标推送商品的商品信息在目标待推送信息中的排序。

作为示例，执行主体可以采用如下步骤基于步骤4023得到的各目标推送商品的召回排序特征值更新各目标推送商品的商品信息在目标待推送信息中的排序：首先执行主体按照召回排序特征值由大到小的顺序更新各目标推送商品的商品信息的排序，然后按照更新后的各目标推送商品的商品信息的排序，依次插入初始待推送信息中的各目标排序位置，以更新各目标推送商品在目标待推送信息中的排序。

在一个具体的示例中，目标待推送信息包括依次排列的手机、平板、护肤品、篮球、酒、文具、足球、上衣、鞋等商品信息，其中，护肤品、文具和上衣为目标推送商品，各目标推送商品对应的排序位置为目标排序位置。执行主体将目标待推送信息推送给客户端之后，每隔预设的召回周期，例如可以是一天，由执行主体执行步骤402中的离线召回步骤，假设护肤品的召回特征值为80，等级权重值为0.5；文具的召回特征值为90，等级权重值为0.4；上衣的召回特征值为80，等级权重值为0.6。则护肤品的召回排序特征值为40，文具的召回排序特征值为36，上衣的召回排序特征值为48。然后执行主体根据各个目标推送商品的召回排序特征值更新目标待推送信息，得到的更新后的目标待推送信息包括依次排列的手机、平板、上衣、篮球、酒、护肤品、足球、文具、鞋等商品信息。

步骤403，推送更新后的目标待推送信息。

本公开的实施例提供的用于推送信息的方法和装置，每隔预设的召回周期对目标待推送信息进行离线更新，以根据上个召回周期内各目标推送商品的商品信息与用户行为的匹配程度和预设的等级权重，更新目标推送商品的商品信息在目标待推送信息中的排序，可以提高向用户推送信息的针对性。

在本实施例的一些可选的实现方式中，等级权重值经由如下步骤确定：获取目标推送商品在第二预设时长内的历史特征信息和价值属性，其中，历史特征信息包括第二预设类型的用户行为信息；将历史特征信息中各类型的用户行为信息的加权和确定为目标推送商品的用户行为特征值；基于目标推送商品的第一差值和第二差值，确定目标推送商品的等级，其中，第一差值为目标推送商品的用户行为特征值与各目标推送商品的用户行为特征值的均值之差，第二差值为目标推送商品的价值属性与各目标推送商品的价值属性的均值之差；基于预设的等级与等级权重值的对应关系，确定出目标推送商品的等级权重值。

在本实现方式中，历史特征信息可以包括用户在第二预设时长内对目标推送商品执行第二预设类型的行为产生的增量数据，以此，可以通过历史特征信息表征用户对目标推送商品的行为沉淀程度。例如，第二预设时长可以是一个月，第二预设类型的用户行为可以是下单、加入购物车、分享链接或点击等，历史特征信息可以包括一个月内用户对目标推送商品执行以上行为的次数。则第一差值可以表征目标推送商品的用户行为沉淀程度在所有目标推送商品中的相对位置，例如，第一差值为较大的正数，则表明目标推送商品的用户行为沉淀程度在所有目标推送商品中处于较靠前的位置；第一差值为较小的负数，则表明目标推送商品的用户行为沉淀程度在所有目标推送商品中处于较靠后的位置。

在本实现方式中，价值属性可以表征目标推送商品的利润量，从而使得等级权重值可以体现出目标推送商品的利润量。则第二差值可以表征目标推送商品的利润量在所有目标推送商品中的相对位置。例如，第二差值为较大的正数，表明目标推送商品的利润量在所有目标推送上中处于较靠前的位置；第二差值为较小的负数，则表明目标推送商品的利润量在所有目标推送商品中处于较靠后的位置。

在本实现方式中，基于第一差值和第二差值确定目标推送商品的等级，可以使得目标推送商品的等级权重值可以兼顾目标推送商品的用户行为沉淀程度和利润率。例如，若目标推送商品的第一差值为较大的正数，第二差值为较小的负数，表示该目标推送商品的用户行为沉淀程度较高，但是利润量较低，可以将该目标推送商品的等级确定为较高；若目标推送商品的第一差值为较大的正数，第二差值也为较大的正数，表示该目标推送商品的用户行为沉淀程度较高，同时利润量也较高，可以将该目标推送商品的等级确定为高；若目标推送商品的第一差值为较小的负数，第二差值也为较小的负数，表示该目标推送商品的用户行为沉淀程度和利润量均较低，可以将该目标推送商品的等级确定为低。

作为示例，可以将第一差值和第二差值分别划分为多个区间，然后建立第一差值的各个区间、第二差值的各个区间与等级的对应关系，以此，执行主体可以基于各目标推送商品的第一差值和第二差值确定目标推送商品的等级。

在本实现方式的一个优选的实施方式中，基于目标推送商品的第一差值和第二差值，确定目标推送商品的等级，包括：以各目标推送商品的用户行为特征值的均值和价值属性的均值为原点坐标，以目标推送商品的用户行为特征值和价值属性为坐标，构建坐标系；基于各目标推送商品的第一差值和第二差值，确定各目标推送商品在坐标系中的位置；基于预设的坐标系象限与等级的对应关系，确定各目标推送商品的等级。

在本实现方式中，坐标系中的每个象限可以同时表征目标推送商品的用户行为沉淀程度与利润量的大小。例如，若执行主体以价值属性为横坐标，以用户行为特征值为纵坐标，则第一象限表示目标推送商品的利润量高，用户行为沉淀程度高，映射在实际应用场景中则是用户点击访问目标推送商品的行为较频繁且电商平台或业务用户可以获得较大的利润，因而，可以将此象限内的目标推送商品的等级确定为高等级，以获得大的等级权重值。

第二象限表示目标推送商品的用户行为沉淀程度高，但是利润量低。映射在实际应用场景中则是用户点击访问目标推送商品的行为较频繁但电商平台或业务用户获得的利润较低，可以将此象限内的目标推送商品作为引流品，因而可以将此象限内的目标推送商品的等级确定为较低等级，以获得较小的等级权重值；

第三象限表示目标推送商品的用户行为沉淀程度和利润量均较低。映射在实际应用场景中则是用户点击访问目标推送商品的行为较少且电商平台或业务用户获得的利润较低。因而可以将此象限内的目标推送商品的等级确定为低等级，以获得小的等级权重值。

第四象限表示目标推送商品的用户行为沉淀程度低，但是利润量高。映射在实际应用场景中则是用户点击访问目标推送商品的行为较少但电商平台或业务用户获得的利润较高。可以增加曝光机会来带来更高的收益，因此，可以将此象限内的目标推送商品的等级确定为较高等级，以获得较大的等级权重值。

进一步参考图5，其示出了本公开的用于推送信息的方法的又一个实施例的流程500，该流程包括以下步骤：

步骤501，推送目标待推送信息，此步骤与前述步骤401相对应，此处不再赘述。

步骤502，响应于确定目标推送商品的商品信息的曝光次数达到预设的曝光次数阈值，将目标待推送商品的初始排序特征值与预设的曝光权重值之积作为更新后的排序特征值，曝光权重值与曝光次数负相关。

通常，同一条信息曝光的次数越多，用户对于该信息的兴趣程度就越低，因而在本实施例中，曝光权重值可以表征目标推送商品的曝光次数对用户兴趣程度的影响。

步骤503，基于各目标推送商品的商品信息的更新后的排序特征值，更新目标待推送信息中各目标推送商品的商品信息的排序。

作为示例，目标待推送信息包括依次排列的如下SKU的商品信息：手机、平板、护肤品、篮球、酒、文具、足球、上衣、鞋。其中，篮球和足球为目标推送商品，其初始排序特征值分别为90和80，若预设的曝光次数为10次，当执行主体检测到篮球的曝光次数达到10次之后，可以基于预先确定的曝光次数与曝光权重值的对应关系确定篮球的曝光权重值为0.6，则篮球的初始排序特征值被更新为54，进而目标待推送信息被更新为：手机、平板、护肤品、足球、酒、文具、篮球、上衣、鞋。

步骤504，每间隔预设的召回周期，对目标待推送信息执行离线更新步骤，此步骤与前述步骤402相对应，此处不再赘述。

步骤505，推送更新后的目标待推送信息。

需要说明的是，本实施例中上述步骤502和步骤503表征的实时更新步骤是基于目标推送商品的初始排序特征值更新目标待推送信息，而与步骤504表征的离线更新步骤是基于目标推送商品的召回排序特征值更新目标待推送信息，两者相互独立且没有顺序上的限定。

图5所示的用于推送信息的实施例与图4所示的实施例相比，突出了根据曝光次数实时更新目标待推送信息中各目标推送商品的商品信息的排序位置，可以避免目标推送商品的商品信息曝光次数过多导致用户的浏览兴趣下降，同时，将实时更新与离线更新相结合，可以进一步提高目标待推送信息的针对性。

接下来参考图6，作为对上述各图所示方法的实现，本公开提供了一种用于生成信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图6所示，本实施例的用于生成信息的装置600包括：初始信息获取单元601，被配置成获取初始待推送信息，初始待推送信息包括按序排列的初始推送商品的商品信息；排序位置确定单元602，被配置成基于预先确定的商品信息排序位置与用户流失数量的对应关系，从初始待推送信息中确定出至少一个目标排序位置；目标信息生成单元603，被配置成在每个目标排序位置插入一个预先确定的目标推送商品的商品信息，得到目标待推送信息。

在本实施例中，目标信息生成单元603包括：需求信息接收模块，被配置成接收推送需求信息，推送需求信息包括目标推送商品和目标推送用户；特征信息获取模块，被配置成获取目标推送商品的商品特征信息、目标推送商品在第一预设时长内的历史销量信息和目标推送用户的用户特征信息，用户特征信息包括用户行为特征和/或用户画像；初始排序特征值确定模块，被配置成基于商品特征信息、历史销量信息和用户特征信息，确定出目标推送商品的初始排序特征值；信息排序模块，被配置成按照各目标推送商品的初始排序特征值由大到小的顺序，排列各目标推送商品的商品信息；信息插入模块，被配置成按照各目标排序位置由前往后的顺序，将各目标推送商品的商品信息按序插入各目标排序位置，得到目标待推送信息。

在本实施例中，历史销量信息包括：下单数量、订单量和成交总量；以及，初始排序特征值确定模块被进一步配置成：对商品特征信息编码，生成商品特征向量；对用户特征信息编码，生成用户特征向量；将商品特征向量与用户特征向量之间的距离确定为目标推送商品的用户偏好特征值；分别将下单数量、订单量和成交总量归一化，得到归一化后的下单数量、归一化后的订单量和归一化后的成交总量；将归一化后的下单数量、归一化后的订单量和归一化后的成交总量的加权和确定为目标推送商品的商品质量特征值；将用户偏好特征值和商品质量特征值的加权和确定为目标推送商品的初始排序特征值。

接着参考图7，作为对上述各图所示方法的实现，本公开提供了一种用于推送信息的装置的一个实施例，该装置实施例与图4所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图7所示，本实施例的用于推送信息的装置700包括：信息推送单元701，被配置成推送目标待推送信息，目标待推送信息经由上述用于生成信息的方法生成；信息更新单元702，被配置成每间隔预设的召回周期，对目标待推送信息执行如下离线更新步骤：获取目标待推送信息中的各目标推送商品在上个召回周期内的召回信息，召回信息包括第一预设类型的用户行为信息；采用预先训练的召回模型，基于目标推送商品的召回信息，确定出目标推送商品的召回特征值，召回特征值表征目标推送商品的商品信息与用户行为的匹配程度；基于目标推送商品的召回特征值以及预先确定的该目标推送商品的等级权重值，确定出各目标推送商品的召回排序特征值；基于各目标推送商品的召回排序特征值，更新各目标推送商品在目标待推送信息中的排序；信息推送单元701还被配置成：推送更新后的目标待推送信息。

在本实施例中，装置700还包括：历史信息获取单元，被配置成获取各目标推送商品在第二预设时长内的历史特征信息和价值属性，其中，历史特征信息包括第二预设类型的用户行为信息；行为特征确定单元，被配置成将历史特征信息中各类型的用户行为信息的加权和确定为目标推送商品的用户行为特征值；等级确定单元，被配置成基于目标推送商品的第一差值和第二差值，确定目标推送商品的等级，其中，第一差值为目标推送商品的用户行为特征值与各目标推送商品的用户行为特征值的均值之差，第二差值为目标推送商品的价值属性与各目标推送商品的价值属性的均值之差；等级权重确定单元，被配置成基于预设的等级与等级权重值的对应关系，确定出目标推送商品的等级权重值。

在本实施例中，等级确定单元进一步包括：坐标系构建模块，被配置成以各目标推送商品的用户行为特征值的均值和价值属性的均值为原点坐标，以目标推送商品的用户行为特征值和价值属性为坐标轴，构建坐标系；位置确定模块，被配置成基于各目标推送商品的第一差值和第二差值，确定各目标推送商品在坐标系中的位置；等级确定模块，被配置成基于预设的坐标系象限与等级的对应关系，确定各目标推送商品的等级。

在本实施例中，装置700还包括实时更新单元，被配置成：响应于确定目标推送商品的商品信息的曝光次数达到预设的曝光次数阈值，将目标待推送商品的初始排序特征值与预设的曝光权重值之积作为更新后的排序特征值，曝光权重值与曝光次数负相关；基于各目标推送商品的商品信息的更新后的排序特征值，更新目标待推送信息中各目标推送商品的商品信息的排序。

下面参考图8，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器或终端设备)800的结构示意图。本公开的实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图8示出的终端设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图8所示，电子设备800可以包括处理装置(例如中央处理器、图形处理器等)801，其可以根据存储在只读存储器(ROM)802中的程序或者从存储装置808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有电子设备800操作所需的各种程序和数据。处理装置801、ROM 802以及RAM803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。

通常，以下装置可以连接至I/O接口805：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置806；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置807；包括例如磁带、硬盘等的存储装置808；以及通信装置809。通信装置809可以允许电子设备800与其他设备进行无线或有线通信以交换数据。虽然图8示出了具有各种装置的电子设备800，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图8中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置809从网络上被下载和安装，或者从存储装置808被安装，或者从ROM 802被安装。在该计算机程序被处理装置801执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取初始待推送信息，初始待推送信息包括按序排列的初始推送商品的商品信息；基于预先确定的商品信息排序位置与用户流失数量的对应关系，从初始待推送信息中确定出至少一个目标排序位置；在每个目标排序位置插入一个预先确定的目标推送商品的商品信息，得到目标待推送信息。和/或，上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：推送目标待推送信息，目标待推送信息经由上述用于生成信息的方法生成；每间隔预设的召回周期，对目标待推送信息执行如下离线更新步骤：获取目标待推送信息中的各目标推送商品的商品信息在上个召回周期内的召回信息，召回信息包括第一预设类型的用户行为信息；采用预先训练的召回模型，基于召回信息，确定出目标推送商品的召回特征值，召回特征值表征目标推送商品的商品信息与用户行为的匹配程度；基于目标推送商品的召回特征值以及预先确定的该目标推送商品的等级权重值，确定出各目标推送商品的召回排序特征值；基于各目标推送商品的召回排序特征值，更新各目标推送商品的商品信息在目标待推送信息中的排序；方法还包括：推送更新后的目标待推送信息。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括初始信息获取单员、排序位置确定单员和目标信息生成单员。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，初始信息生成单元还可以被描述为“获取初始待推送信息的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。