一种推送消息的发送方法及系统与流程

1.本发明涉及通信技术领域，特别涉及一种推送消息的发送方法及系统。


背景技术：

2.随着通信技术的发展，越来越多的用户喜欢在网上购物。为了吸引更多的设定范围内的用户，比如购买特定产品(诸如低价产品)的用户，则需要对设定范围内的用户进行产品推荐，这时就引入了推送(push)消息，通过为设定范围内的用户发送包括文案内容的推送消息，文案内容具有产品信息及推荐信息，使得设定范围内的用户直接获知可以在网上购买哪些产品。
3.为用户提供产品服务的应用，具有这种推送消息的设置及发送功能，从使用或潜在使用该应用的用户中确定发送的用户范围及推送消息的文案内容，在设定的时间内发送设置好的推送消息。特别是对于提供特定产品的应用来说，对设定范围内的用户发送具有符合其需要的文案内容的推送消息，能够提升使用该应用所提供产品服务的用户数量及频次。
4.但是，目前在发送推送消息时，其推送消息中的文案内容都是预先设置好的，并没有针对用户的需求设置具有不同文案内容的推送消息设置，所以导致推送消息的发送时效性不高，难以达到提升推送消息所涉及产品所在应用的访问量及涉及产品的购买量，降低运营应用的效率。


技术实现要素：

5.有鉴于此，本发明实施例提供一种推送消息的发送方法，该方法能够根据用户的需求准确设置具有匹配的文案内容的推送消息并发送给用户端设备，提升推送消息的时效性及提升提供推送消息的应用的运营效率。
6.本发明实施例还提供一种推送消息的发送系统，该系统能够根据用户的需求准确设置具有匹配的推送消息并发送给用户端设备，提升推送消息的时效性及提升提供推送消息的应用的运营效率。
7.本发明实施例是这样实现的：
8.一种推送消息的发送方法，所述方法包括：
9.获取推送消息的发送相关数值特征、推送消息中的产品标识特征及推送消息中的推荐特征；
10.将所述推送消息的发送相关数值特征、所述推送消息中的产品标识特征及推送消息的推荐特征，输入到训练得到的第一神经网络中进行匹配处理，输出得到包括匹配的文案内容的推送消息，所述文案内容包括产品信息及对应产品的推荐特征；
11.将包括匹配的文案内容的推送消息，发送用户端设备。
12.较佳地，所述训练得到的第一神经网络为基于注意力机制的神经网络，所述输入到训练得到的第一神经网络中进行匹配处理包括：
13.将所述推送消息的发送相关数值特征、所述推送消息中的产品标识特征及推送消息的推荐特征在第一神经网络中进行两两交叉的注意力机制处理；
14.将得到的向量结果进行分类处理，得到包括匹配的文案内容的推送消息。
15.较佳地，所述输出得到对应不同用户标识的，包括不同文案内容的不同推送消息，还包括：
16.将所述推送消息的发送相关数值特征、所述推送消息中的产品标识特征及推送消息的推荐特征在第一神经网络中进行两两交叉的注意力机制处理；
17.训练得到第二神经网络，第二神经网络对输入的推送消息的发送相关数值特征及推送消息中的产品标识特征进行卷积处理；
18.将所述卷积处理得到的向量结果与所述两两交叉的注意力机制处理得到的向量结果进行全连接处理后，再进行分类处理，得到包括匹配的文案内容的推送消息。
19.较佳地，所述推送消息的发送相关数值特征包括：
20.在不同单位时间内，推送消息的发送次数、推送消息中的产品的类目数、推送消息中的产品品牌数、推送消息被接收的次数、被接收推送消息中的产品的类目数、及被接收推送消息中的产品品牌数中的一种或多种组合；
21.所述推送消息中的产品标识特征包括：
22.在不同单位时间内，推送消息中的最多产品的产品标识、和/或被接收推送消息中的最多产品的产品标识；
23.所述推送消息中的推荐特征包括：
24.在不同单位时间内，用户端设备访问或/和获取产品的相关信息及频次。
25.较佳地，所述推送消息的发送方法在为用户端提供产品的应用在推荐产品过程中应用；
26.所述推送消息中的推荐特征是根据为用户端提供产品的应用侧设置的推荐特征，和/或当用户端使用提供产品的应用时获取的推荐特征，设置的。
27.一种推送消息的发送系统，所述系统包括：获取单元、匹配单元及发送单元，其中，
28.获取单元，用于获取推送消息的发送相关数值特征、推送消息中的产品标识特征及推送消息中的推荐特征；
29.匹配单元，用于将所述推送消息的发送相关数值特征、所述推送消息中的产品标识特征及推送消息的推荐特征，输入到训练得到的第一神经网络中进行匹配处理，输出得到包括匹配的文案内容的推送消息，所述文案内容包括产品信息及对应产品的推荐特征；
30.发送单元，用于将包括匹配的文案内容的推送消息，发送给用户端设备。
31.较佳地，所述匹配单元，还用于将所述推送消息的发送相关数值特征、所述推送消息中的产品标识特征及推送消息的推荐特征在训练得到的第一神经网络中进行两两交叉的注意力机制处理；
32.在训练得到的第一神经网络中将得到的向量结果进行分类处理，得到包括匹配的文案内容的推送消息。
33.较佳地，所述推送消息的发送相关数值特征包括：
34.在不同单位时间内，推送消息的发送次数、推送消息中的产品的类目数、推送消息中的产品数、推送消息被接收的次数、被接收推送消息中的产品的类目数、及被接收推送消
息中的产品数中的一种或多种组合；
35.所述推送消息中的产品标识特征包括：
36.在不同单位时间内，推送消息中的最多产品的产品标识、和/或被接收推送消息中的最多产品的产品标识；
37.所述推送消息中的文案内容特征包括：
38.在不同单位时间内，用户端设备访问或/和获取产品的相关信息及频次。
39.一种推送消息的发送的实现装置，包括：
40.存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器中的指令，执行上述的实现推送消息的发送方法。
41.一种计算机可读存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现上述的实现推送消息的发送方法。
42.如上所见，本发明实施例在配置推送消息过程中，获取推送消息的发送相关数值特征、推送消息中的产品标识特征及推送消息中的推荐特征；将所述推送消息的发送相关数值特征、所述推送消息中的产品标识特征及推送消息的推荐特征，输入到训练得到的第一神经网络中进行匹配处理，输出得到包括匹配的文案内容的推送消息，所述文案内容包括产品信息及对应产品的推荐特征；在配置完成推送消息后，将包括匹配的文案内容的推送消息，发送给用户端设备。由于本发明实施例在配置推送消息过程中，将能够反映用户需求及产品推荐信息的特征作为训练得到的第一神经网络的输入，采用训练得到的第一神经网络进行匹配处理，所以得到的推送消息中的文案内容能够反映用户需求及产品推荐信息，因此本发明实施例根据用户的需求准确设置具有匹配的文案内容的推送消息并发送给用户端设备，提升推送消息的时效性及提升提供推送消息的应用的运营效率。
附图说明
43.图1为本发明实施例提供的推送消息配置及发送的框架结构示意图；
44.图2为本发明实施例提供的推送消息配置及发送的过程的软件模块示意图；
45.图3为本发明实施例提供一种推送消息的发送方法流程图；
46.图4为本发明实施例提供的第一神经网络及第二神经网络结合的结构示意图；
47.图5为本发明实施例提供的一种推送消息的发送系统结构示意图。
具体实施方式
48.下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本技术保护的范围。
49.本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含。例如，包含了一系列步骤或单元的过程、方法、系统、产
品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其他步骤或单元。
50.下面以具体实施例对本发明的技术方案进行详细说明。下面几个具体实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。
51.本发明实施例为了解决推送消息的发送时效性不高，难以达到提升推送消息所涉及产品所在应用的访问量及涉及产品的购买量，降低运营应用的效率的问题，在配置推送消息过程中，获取推送消息的发送相关数值特征、推送消息中的产品标识特征及推送消息中的推荐特征；将所述推送消息的发送相关数值特征、所述推送消息中的产品标识特征及推送消息的推荐特征，输入到训练得到的第一神经网络中进行匹配处理，输出得到包括匹配的文案内容的推送消息，所述文案内容包括产品信息及对应产品的推荐特征；在配置完成推送消息后，将包括匹配的文案内容的推送消息，发送给用户端设备。
52.由于本发明实施例在配置推送消息过程中，将能够反映用户需求及产品推荐信息的特征作为训练得到的第一神经网络的输入，采用训练得到的第一神经网络进行匹配处理，所以得到的推送消息中的文案内容能够反映用户需求及产品推荐信息，因此本发明实施例根据用户的需求准确设置具有匹配的文案内容的推送消息并发送给用户端设备，提升推送消息的时效性及提升提供推送消息的应用的运营效率。
53.由于本发明实施例在配置推送消息过程中，将能够反映用户需求及产品推荐信息的特征作为训练得到的第一神经网络的输入，采用训练得到的第一神经网络进行匹配处理，所以得到的推送消息中的文案内容能够反映用户需求及产品推荐信息，因此本发明实施例根据用户的需求准确设置具有不同文案内容的推送消息并发送给用户，提升推送消息的时效性及提升提供推送消息的应用的运营效率。
54.在进行推送消息的配置及发送时，通常包括了推送消息涉及应用的运营侧网络实体、推送消息匹配实体及推送消息中心，其中，运营侧网络实体用于确定产品的推荐特征及确定推送消息的发送用户范围，推送消息匹配实体用于根据设定的文案模板将推荐特征填入后，得到推送消息；推送消息中心，用于将得到的推送消息在所确定的推送消息的发送用户范围内进行发送。本发明实施例的方案在运营侧网络实体中，对所要获取的特征重新设定，使得能够准确反映用户需求及对应不同产品的推荐特征，在推送消息匹配实体上的匹配过程中采用了第一神经网络，该第一神经网络为基于注意力机制的神经网络，进行推送消息的配置。
55.在本发明实施中，推送消息涉及应用的运营侧网络实体就可以针对不同场景及业务，控制进行推送消息的配置及发送了。
56.图1为本发明实施例提供的推送消息配置及发送的框架结构示意图，包括了应用的运营侧网络实体、推送消息匹配实体、推送消息中心及用户端设备，其中，应用的运营侧网络实体具有多个功能单元，包括确定场景单元、推荐特征提取单元、发送用户范围确定单元及推荐特征召回单元；用户端设备中包括了接收推送消息的接收单元及展示单元。
57.应用的运营侧网络实体中的确定场景单元确定应用的本次活动运营目的场景信息，诸如拉取新用户、促销产品及扶持产品等等；推荐特征提取单元基于应用的本次活动运营目的场景信息，提报到推荐特征；发送用户范围确定单元确定应用的本次活动所涉及的发送用户范围，确定依据可以是基于设定的规则、或设置的模型等；推荐特征召回单元用于
根据用户端设备反馈的用户相关行为信息，确定召回的推荐特征。这样，应用的运营侧网络实体就确定了完整的推荐特征及发送用户范围，提供给推送消息匹配实体。
58.在这里，推荐特征也可以称为利益点，包括了提报的推荐特征及召回的推荐特征。召回推荐特征的过程为：当用户端设备对接收到的推送消息进行点击后，就会将推送消息中的文案内容涉及产品的相关信息采用落地页方式展示在用户端设备中的展示单元中，获取用户对落地页中的产品的相关信息进行操作的用户相关行为信息，就可以得到。当然，在将推送消息中的文案内容涉及产品的相关信息采用落地页方式展示在展示单元中时，也基于用户端设备的用户画像及产品相似度进行了用户端设备的匹配及筛选，将匹配程度最高及产品相似度最高的设定个数的产品采用落地页方式展示。
59.推送消息匹配实体，根据设定的文案模板将推荐特征填入后，得到推送消息；可以设置多个文案模板，选择其中一个文案模板后，将推荐特征填入后，得到了推送消息；在匹配时，也可以根据用户端设备的接收单元反馈的用户点击信息进行推送消息的文案模板选择；
60.推送消息中心，将得到的推送消息在所确定的推送消息的发送用户范围内进行发送；
61.用户端设备的接收单元，接收推送消息，获取用户对推送消息的点击信息；
62.用户端设备的展示单元，用于获取用户对推送消息的点击信息后，将推送消息中的文案内容涉及产品的相关信息采用落地页方式展示。
63.本发明实施例的方案在运营侧网络实体中，对所要获取的特征重新设定，使得能够准确反映用户需求及针对不同产品的推荐特征，在推送消息匹配实体上的匹配过程中采用了第一神经网络，该第一神经网络为基于注意力机制的神经网络，进行推送消息的配置，从而提升推送消息的时效性及提升提供推送消息的应用的运营效率。
64.图2为本发明实施例提供的推送消息配置及发送的过程的软件模块示意图，包括了推送消息的业务需求模块、推送消息的策略打通模块、推送消息的配置升级模块、推送消息中的文案内容的生成模型模块、推送消息的业务上线模块及推送消息的平台化配置模块。经过了这几个软件模块的实现，就可以在图1所述的架构上加载推送消息的配合及发送过程了。
65.在这里，推送消息的业务需求模块、推送消息的策略打通模块、推送消息的业务上线模块及推送消息的平台化配置模块都是已有模块，推送消息的配置升级模块中的发送用户范围确定子模块、推荐特征圈选子模块、及推荐特征匹配子模块是已有模块，本发明实施例是对推送消息的配置升级模块中的文案内容生成子模块进行改进，及提出了推送消息中的文案内容的生成模型模块，以下分别进行详细说明。
66.推送消息的业务需求模块具体包括：
67.产品库存量单元(sku)推荐子模块，提出了推送消息的业务需求：为用户端设备发送包括推荐产品的推送消息后，确定用户端设备获取的产品；
68.落地页推荐子模块，将推送消息中的文案内容涉及产品的相关信息采用落地页方式展示，如果根据涉及产品的相似度或相关度得到的相关产品数量不足，则在落地页上展示用户端设备感兴趣的产品或热销产品；也就是要在落地页中展示设定数量的推送消息中的文案内容涉及产品的相关产品，设定数量可以为100；
69.运营策略子模块，基于图1所示的架构建立推送消息的配置及发送过程；
70.业务目标子模块，设定推送消息的业务目标，比如推荐新产品或对某类产品进行促销活动，提升应用的日活跃用户数量等。
71.推送消息的策略打通模块就具体包括：
72.召回策略子模块，设置设定时间内的产品销量及设定时间内的产品点击量，对产品排序，确定设定个数的召回推荐产品；设置根据用户行为信息进行相似或相关推荐产品的召回；
73.排序模型子模块，采用本发明实施例提供的第一神经网络进行推送消息中的文案内容；
74.多样性策略子模块，对推荐特征中的产品进行筛选，诸如：1)对无货产品或下架产品的过滤，根据用户的送货地址，将无货产品或下架产品过滤掉；2)已购过滤：一定周期内过滤掉用户已购买的产品；3)标题关键词过滤：过滤标题中存在敏感词的产品；4)不合规价格过滤：过滤不符合价格标准的产品，低价和高价商品过滤；4)季节过滤：根据用户所在地域的季节，过滤不适合季节的产品；5)用户购买力过滤：过滤掉不符合用户购买力的产品；6)黑名单过滤：过滤与人工配制的商品、一级品类、二级品类、三级品类一致的商品，主要是一些敏感产品；7)同图过滤：对主图相同的产品进行过滤；8)同标准化产品单元(spu)过滤：对同spu的产品进行过滤；9)审核期间的产品过滤。
75.推送消息整合子单元，将配置的推送消息进行整合后，同步到推送消息中心中，进行设定用户范围内的发送。
76.推送消息的配置升级模块具体包括：
77.发送用户范围确定子模块，基于用户行为信息进行推送消息敏感度建模及投放价值建模，基于模型对推送消息的发送用户范围进行圈选；
78.推荐特征圈选子模块，对推送信息进行圈选；
79.推荐特征匹配子模块，对推送信息中的产品进行匹配，包括了召回、排序及针对用户个性化的产品匹配(不同用户对产品的敏感度及选择合适的产品类型)；
80.文案内容生成子模块，采用第一神经网络进行文案内容的生成，包括文案库建设、短语库建设、创作规则建设，其中，文案库建设：文案库的素材主要分为内外两个来源，内部来源是长期运营积累，外部来源根据业务确定关键词。算法侧利用分类算法，对文案进行打标，将文案按照以下几个维度进行划分，包括文案来源、行业业务、风格、文案场景、功能、使用人群等；短语库建设：利用大量的文案素材，根据规则抽取短语，短语库需要不断刷新优化，产出包括：热词文案、人群描述、营销词库、广告语、关键词文案、业务词库、行业文案、风格文案、场景文案等；创作规则建设：文案库虽然可以为文案创作提供资源和灵感，但往往不能完全贴合当时对活动的推送消息需求，需要手动重组或修改，因此需要建立一些创作规则，创作规则需要考虑文案通顺度、相关性和点击效果等。
81.推送消息中的文案内容的生成模型模块是本发明实施例的重点，具体包括：
82.特征工程子模块，主要是获取反映用户需求及产品推荐信息的特征定义，包括了推送消息的发送相关数值特征、推送消息中的产品标识特征及推送消息中的推荐特征，其中，
83.推送消息的发送相关数值特征称为dense特征，是一个数值类型的特征，其数值反
映了其具有的数字含义，包括：在不同单位时间内，推送消息的发送次数、推送消息中的产品的类目数、推送消息中的产品品牌数、推送消息被接收的次数、被接收推送消息中的产品的类目数、及被接收推送消息中的产品品牌数中的一种或多种组合；
84.比如：7天向用户发送推送消息的总次数；15天向用户发送推送消息的总次数；30天向用户发送推送消息的总次数；7天向用户发送推送消息中的总三级产品类目数；15天向用户发送推送消息中的总三级产品类目数；30向用户发送推送消息中的总三级产品类目数；7天向用户发送推送消息中的总产品的品牌数；15天向用户发送推送消息中的总产品的品牌数；30天向用户发送推送消息中的总产品的品牌数；7天用户点击推送消息的总次数；15天用户点击推送消息的总次数；30天用户点击推送消息的总次数；7天用户点击推送消息中的总三级产品类目次数；15天用户点击推送消息中的总三级产品类目次数；30天用户点击推送消息中的总三级产品类目次数；7天用户点击推送消息中的总产品品牌数；15天用户点击推送消息中的总产品品牌数；30天用户点击推送消息中的总产品品牌数。
85.所述推送消息中的产品标识特征称为id特征，其反映了产品属性，包括：
86.在不同单位时间内，推送消息中的最多产品的产品标识、和/或被接收推送消息中的最多产品的产品标识；
87.比如，30天向用户发送推送消息中的最多的产品品牌标识；15天向用户发送推送消息中的最多的产品品牌标识；7天向用户发送推送消息中的最多的产品品牌标识；30天用户点击推送消息中的最多产品品牌标识；15天用户点击推送消息中的最多产品品牌标识；7天用户点击推送消息中的最多产品品牌标识。
88.所述推送消息中的推荐特征实际上就是利益点特征，包括：在不同单位时间内，用户端设备访问或/和获取产品的相关信息及频次在不同单位时间内，用户端设备访问或/和获取产品的相关信息及频次；
89.比如：用户过去1天浏览历史包含内容；用户过去1天浏览产品历史包含内容的频次；用户过去7天浏览产品历史包含内容；用户过去7天浏览产品历史包含内容的频次；用户过去30天浏览产品历史包含内容；用户过去30天浏览产品历史包含内容的频次；用户过去7天购买产品历史包含内容；用户过去7天购买产品历史包含内容的频次；用户过去30天购买产品历史包含内容；用户过去30天购买产品历史包含内容的频次；用户过去60天购买产品历史包含内容；用户过去60天购买产品历史包含内容的频次。
90.标签子模块，用于对推送消息在用户端设备是否被点击进行标注，如果被点击，则设置为1，如果不打开，则设置为0；
91.注意力机制模块，用于对基于注意力机制的第一神经网络进行训练，并应用已经设置的第一神经网络，第一神经网络的训练及应用在下述详细说明；
92.网络结构子模块，用于在第二神经网络的基础上训练得到第一神经网络，将两个网络模型结合作为匹配推送消息中的文案内容的网络结构。
93.推送消息的业务上线模块具体包括：
94.多方联调子模块，进行多方联合调试，确保上线的内容逻辑正确，性能良好；
95.白名单测试子模块，进行用户的白名单设置及测试；
96.推送时机建模子模块，用于对推送消息的发送时机进行建模，比如根据用户活跃度进行建模，根据所建立的模型对推送消息的发送时机进行设置；
97.前端用户展示子模块，用于落地页承接，当用户端设备点击推送消息进入落地页，找不到想要的产品信息时，就容易失去对推送消息的兴趣。所以落地页中展示的推送消息中的产品涉及的相关信息很重要，其排序及展示的内容都与推送消息相关。
98.推送消息的平台化配置模块具体包括：
99.消息配置中心子模块，负责维护平台核心数据模型，给运营侧提供页面操作配置推送消息的场景和素材，降低运营侧接入成本；把配置数据以离线全量的和实时增量的方式同步给运营侧；
100.消息匹配中心子模块，根据场景和素材配置为每个用户个性化筛选推送消息，根据每个素材历史点击率排序，根据用户近期行为召回用户最有可能感兴趣的素材和个性化内容，填入到推送消息中；
101.调度任务中心子模块，支持定时触发、实时触发和时间个性化触发，对触达进行收口，方便平台编排触达计划，包括触发时间和发送量级，保证达到业务目标同时不会对业务下游系统造成过大压力；
102.推送频次设置子模块，进行推送消息的频次进行设置。
103.本发明实施例实际上就是在运营侧网络实体中，对所要获取的特征重新设定，使得能够准确反映用户需求及针对不同产品的推荐特征，在推送消息匹配实体上的匹配过程中采用了第一神经网络，该第一神经网络为基于注意力机制的神经网络，进行推送消息的配置。以下具体说明。
104.图3为本发明实施例提供一种推送消息的发送方法流程图，其具体步骤包括：
105.步骤301、获取推送消息的发送相关数值特征、推送消息中的产品标识特征及推送消息中的推荐特征；
106.步骤302、将所述推送消息的发送相关数值特征、所述推送消息中的产品标识特征及推送消息的推荐特征，输入到训练得到的第一神经网络中进行匹配处理，输出得到包括匹配的文案内容的推送消息，所述文案内容包括产品信息及对应产品的推荐特征；
107.步骤303、将包括匹配的文案内容的推送消息发送给用户端设备。
108.在该方法中，所述训练得到的第一神经网络为基于注意力机制的神经网络，所述输入到训练得到的第一神经网络中进行匹配处理包括：
109.将所述推送消息的发送相关数值特征、所述推送消息中的产品标识特征及推送消息的推荐特征在第一神经网络中进行两两交叉的注意力机制处理；
110.将得到的向量结果进行分类处理，得到对应不同用户标识的，包括匹配的文案内容的推送消息。
111.也就是说，仅仅通过本发明实施例设置的第一神经网络单独就可以根据用户的需求及产品的推荐特征准确设置具有匹配的文案内容的推送消息。
112.在该方法中，所述输出得到匹配的文案内容的推送消息，还包括：
113.将所述推送消息的发送相关数值特征、所述推送消息中的产品标识特征及推送消息的推荐特征在第一神经网络中进行两两交叉的注意力机制处理；
114.训练得到第二神经网络，第二神经网络对输入的推送消息的发送相关数值特征及推送消息中的产品标识特征进行卷积处理；
115.将所述卷积处理得到的向量结果与所述两两交叉的注意力机制处理得到的向量
结果进行全连接处理后，再进行分类处理，得到匹配的文案内容的推送消息。
116.在这种情况下，在推送消息匹配实体已经设置了训练好的第二神经网络，则在这种情况下，将第一神经网络和第二神经网络的两个神经网络模型结合，对输入的信息进行处理，使得得到的推送消息中的不同文案内容能更加反映出用户的需求及要推荐的信息，如图4所示，图4为本发明实施例提供的第一神经网络及第二神经网络结合的结构示意图，其中，第二神经网络采用了卷积神经网络(cnn)。
117.在该方法中，所述推送消息的发送相关数值特征包括：
118.在不同单位时间内，推送消息的发送次数、推送消息中的产品的类目数、推送消息中的产品品牌数、推送消息被接收的次数、被接收推送消息中的产品的类目数、及被接收推送消息中的产品品牌数中的一种或多种组合；
119.所述推送消息中的产品标识特征包括：
120.在不同单位时间内，推送消息中的最多产品的产品标识、和/或被接收推送消息中的最多产品的产品标识；
121.所述推送消息中的推荐特征包括：
122.在不同单位时间内，用户端设备访问或/和获取产品的相关信息及频次。
123.该方法还包括：
124.接收到所述推送信息是否被点击信息，基于所述被点击信息设置对应的标签，在后续确定推送消息的文案内容时作为输入特征，输入到第一神经网络中处理。也就是说，将推送信息是否被获取的标签，作为第一神经网络的训练及应用的输入参数，使得其匹配得到的文案内容更准确。
125.本发明实施例提供的所述推送消息的发送方法在为用户端设备提供产品的应用在推荐产品过程中应用；
126.所述推送消息中的推荐特征是根据为用户端设备提供产品的应用侧设置的推荐特征，和/或当用户端设备使用提供产品的应用时获取的推荐特征，设置的。也就是说，输入到第一神经网络中的推荐特征包括了两部分内容，一部分内容是运营侧在推广产品活动时设置的，另一部分是根据用户行为信息召回的推荐特征，这样，就更加反映了用户需求及运营侧推广活动的需求。
127.图5为本发明实施例提供的一种推送消息的发送系统结构示意图，包括：获取单元、匹配单元及发送单元，其中，
128.获取单元，用于获取推送消息的发送相关数值特征、推送消息中的产品标识特征及推送消息中的推荐特征；
129.匹配单元，用于将所述推送消息的发送相关数值特征、所述推送消息中的产品标识特征及推送消息的推荐特征，输入到训练得到的第一神经网络中进行匹配处理，输出得到匹配的文案内容的推送消息，所述文案内容包括产品信息及对应产品的推荐特征；
130.发送单元，用于将匹配的文案内容的推送消息，发送给用户端设备。
131.在该系统中，所述匹配单元，还用于将所述推送消息的发送相关数值特征、所述推送消息中的产品标识特征及推送消息的推荐特征在训练得到的第一神经网络中进行两两交叉的注意力机制处理；
132.在训练得到的第一神经网络中将得到的向量结果进行分类处理，得到匹配的文案
内容的推送消息。
133.在该系统中，所述匹配单元，还用于将所述推送消息的发送相关数值特征、所述推送消息中的产品标识特征及推送消息的推荐特征在第一神经网络中进行两两交叉的注意力机制处理；
134.训练得到第二神经网络，第二神经网络对输入的推送消息的发送相关数值特征及推送消息中的产品标识特征进行卷积处理；
135.将所述卷积处理得到的向量结果与所述两两交叉的注意力机制处理得到的向量结果进行全连接处理后，再进行分类处理，得到匹配的文案内容的推送消息。
136.在该系统中，所述推送消息的发送相关数值特征包括：
137.在不同单位时间内，推送消息的发送次数、推送消息中的产品的类目数、推送消息中的产品数、推送消息被接收的次数、被接收推送消息中的产品的类目数、及被接收推送消息中的产品数中的一种或多种组合；
138.所述推送消息中的产品标识特征包括：
139.在不同单位时间内，推送消息中的最多产品的产品标识、和/或被接收推送消息中的最多产品的产品标识；
140.所述推送消息中的文案内容特征包括：
141.在不同单位时间内，用户端设备访问或/和获取产品的相关信息及频次。
142.本发明实施例提供的所述推送消息的发送系统在为用户端提供产品的应用在推荐产品过程中应用；所述推送消息中的推荐特征是根据为用户端提供产品的应用侧设置的推荐特征，和/或当用户端使用提供产品的应用时获取的推荐特征，设置的。
143.本发明实施例提供的方法及系统具体了可以应用在为用户端提供低价产品的应用中，使用用户端设备的用户为下沉用户。
144.本发明实施例在用户端提供产品的应用要发送进行产品推荐的推送消息时，结合本次发送场景和发送定位，对输入到训练好的第一神经网络的特征进行重新定义及获取，使得其能反映用户需求及产品的推荐特征，且基于注意力机制训练第一神经网络，使得得到的最终包括文案内容的推送消息也能充分反映用户需求及产品的推荐特征，实现了用户
‑
产品
‑
文案内容的智能匹配，提升了应用的dau指标且提升了用户体验。
145.本技术实施例还提供一种计算机可读介质，所述计算机可读存储介质存储指令，所述指令在由处理器执行时可执行如上所述的推送消息的发送方法中的步骤。实际应用中，所述的计算机可读介质可以是上述实施例中描述的设备/装置/系统中所包含的，也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或多个程序被执行时，可以实现上述各实施例描述的所述的分享展示的实现方法。根据本技术公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：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)、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，但不用于限制本技术保护的范围。在本技术公开的实施例中，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。
146.本发明实施例还提供一种电子设备，其中可以集成本技术实施例实现方法的装
置。具体来讲：
147.该电子设备可以包括一个或一个以上处理核心的处理器、一个或一个以上计算机可读存储介质的存储器以及存储在存储器上并可在处理器上运行的计算机程序。在执行所述存储器的程序时，可以实现上述的自动售货装置实现售货的方法。
148.具体的，实际应用中，该电子设备还可以包括电源、输入单元、以及输出单元等部件。本领域技术人员可以理解，本发明实施例中的电子设备的结构并不构成对该电子设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。其中：
149.处理器是该电子设备的控制中心，利用各种接口和线路连接整个电子设备的各个部分，通过运行或执行存储在存储器内的软件程序和/或模块，以及调用存储在存储器内的数据，执行服务器的各种功能和处理数据，从而对该电子设备进行整体监控。
150.存储器可用于存储软件程序以及模块，即上述计算机可读存储介质。处理器通过运行存储在存储器的软件程序以及模块，从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序等；存储数据区可存储根据服务器的使用所创建的数据等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地，存储器还可以包括存储器控制器，以提供处理器对存储器的访问。
151.该电子设备还包括给各个部件供电的电源，可以通过电源管理系统与处理器逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电系统、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。
152.该电子设备还可包括输入单元，该输入单元可用于接收输入的数字或字符信息，以及产生与用户设置以及功能控制有关的键盘、鼠标、操作杆、光学或者轨迹球信号输入。
153.该电子设备还可以包括输出单元，该输出单元可以用于显示由用户输入的信息或提供给用户的信息以及各种图像用户接口，这些图形用户接口可以由图形、文本、图标、视频和其任意组合来构成。
154.本技术附图中的流程图和框图，示出了按照本技术公开的各种实施例的系统、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、或者代码的一部分，上述模块、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。也应该注意，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附图中所标准的顺序发生。例如，两个连接地表示的方框实际上可以基本并行地执行，它们有时也可以按照相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或者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。
155.本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合，即使这样的组合或结合没有明确记载于本技术中。特别地，在不脱离本技术精神和教导的情况下，本技术的各个实施例和/或权利要求中记载的特征可
以进行多种组合和/或结合，所有这些组合和/或结合均落入本技术公开的范围。
156.本文中应用了具体实施例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思路，并不用于限制本技术。对于本领域的技术人员来说，可以依据本发明的思路、精神和原则，在具体实施方式及应用范围上进行改变，其所做的任何修改、等同替换、改进等，均应包含在本技术保护的范围之内。