一种对象推送方法、装置、电子设备和存储介质与流程

1.本公开涉及计算机应用技术领域，尤其涉及一种对象推送方法、装置、电子设备和存储介质。


背景技术：

2.近些年随着深度学习的崛起，越来越多深度学习算法被提出替代原有的传统机器学习算法，但是由于用户推送的本质问题就是如何在复杂的用户关系网络中识别出用户可能认识的人，因此先天具有复杂的用户关系和较大的数据量，使得现有技术存在由于用户关系间的复杂性、数据量较大等困难，深度学习算法在用户推送领域容易因为对复杂的用户关系难以充分利用，而得到不准确的用户推送信息，从而降低了用户推送的准确性。


技术实现要素：

3.本公开提供一种对象推送方法、装置、电子设备和存储介质，以至少解决相关技术中复杂用户关系的利用率低，导致用户推送的准确性低的问题。本公开的技术方案如下：
4.根据本公开实施例的第一方面，提供一种对象推送方法，所述方法包括：
5.基于预设的对象关系信息和待推送对象对应的关联权重信息，确定所述待推送对象对应的目标关联对象，所述对象关系信息为以预设对象为节点，以每个待推送对象对应的多种关联关系为边的图结构，所述关联权重信息为所述待推送对象对应的多种关联关系的关联程度；
6.对所述目标关联对象进行聚合处理，得到所述待推送对象对应的目标聚合信息；
7.基于所述目标聚合信息，对所述待推送对象执行推送操作。
8.作为一个可选的实施例，所述基于预设的对象关系信息和待推送对象对应的关联权重信息，确定所述待推送对象对应的目标关联对象包括：
9.基于预设的对象关系信息，对所述待推送对象进行至少一次对象关联，得到所述待推送对象对应的关联对象；
10.基于所述关联权重信息，对所述待推送对象对应的关联对象进行对象采样，得到所述目标关联对象。
11.作为一个可选的实施例，所述基于所述关联权重信息，对所述待推送对象对应的关联对象进行对象采样，得到所述目标关联对象包括：
12.从所述待推送对象对应的关联对象中确定初始采样对象；
13.将所述初始采样对象作为当前采样对象；
14.基于所述关联权重信息，确定所述当前采样对象对应的当前对象采样信息；
15.基于所述当前对象采样信息，更新所述当前采样对象；
16.重复所述基于所述关联权重信息，确定所述当前采样对象对应的当前对象采样信息到所述基于所述当前对象采样信息，更新所述当前采样对象的迭代操作，直到所述当前对象采样信息满足第一预设条件；
17.在所述当前对象采样信息满足所述第一预设条件的情况下，基于满足所述第一预设条件的当前对象采样信息进行所述当前采样对象的更新，得到所述目标关联对象。
18.作为一个可选的实施例，所述基于所述关联权重信息，确定所述当前采样对象对应的当前对象采样信息包括：
19.从所述当前采样对象中获取预设数目个采样对象；
20.将预设数目个采样对象作为第一待处理对象，将所述当前采样对象中除所述第一待处理对象外的其他采样对象作为第二待处理对象：
21.重复执行迭代操作，直到所述第一待处理对象满足第二预设条件，所述迭代操作包括：
22.基于所述关联权重信息，确定所述第一待处理对象对应的第一关联特征信息；
23.从所述第一关联特征信息中确定目标关联特征信息；
24.基于所述关联权重信息，确定第二待处理对象对应的第二关联特征信息；
25.基于所述第二关联特征信息和所述目标关联特征信息，对所述第一待处理对象和所述第二待处理对象进行更新；
26.基于满足所述第二预设条件的第一待处理对象，确定所述当前对象采样信息。
27.作为一个可选的实施例，所述对所述目标关联对象进行聚合处理，得到所述待推送对象对应的目标聚合信息包括：
28.将所述目标关联对象输入到所述关联对象聚合模型中，基于所述目标关联对象与所述待推送对象间的关联度，对所述目标关联对象进行至少一次聚合处理，得到所述目标聚合信息，所述关联对象聚合模型为对所述目标关联对象进行聚合处理的模型。
29.作为一个可选的实施例，所述将所述目标关联对象输入到关联对象聚合模型中，基于所述目标关联对象与所述待推送对象间的关联度，对所述目标关联对象进行至少一次聚合处理，得到所述目标聚合信息包括：
30.将所述目标关联对象输入到所述关联对象聚合模型中，在第一次聚合处理的情况下，基于所述关联度，从所述目标关联对象中确定初始待聚合对象；
31.对所述初始待聚合对象进行聚合处理，得到第一次聚合处理对应的对象聚合信息；
32.在非第一次聚合处理的情况下，获取每一次聚合处理对应的上一对象聚合信息；
33.基于所述关联度，从所述目标关联对象中确定每一次聚合处理对应的待聚合对象；
34.对所述待聚合对象和所述上一对象聚合信息进行聚合处理，得到每一次聚合处理对应的对象聚合信息；
35.在聚合处理的次数满足预设次数的情况下，将满足所述预设次数时的聚合处理对应的对象聚合信息作为所述目标聚合信息。
36.作为一个可选的实施例，所述关联对象聚合模型包括聚合处理层和特征感知层，所述对所述待聚合对象和所述上一聚合处理信息进行聚合处理，得到每一次聚合处理对应的对象聚合信息包括：
37.将所述待聚合对象和所述上一聚合处理信息输入到所述聚合处理层中进行特征聚合，得到聚合特征信息；
38.将所述聚合特征信息输入到所述特征感知层中进行特征感知，得到感知特征信息；
39.将所述感知特征信息作为所述每一次聚合处理对应的对象聚合信息。
40.作为一个可选的实施例，所述方法还包括：
41.获取每个待推送对象对应的多种关联关系；
42.确定多种所述关联关系分别对应的关联权重信息
43.以多个所述待推送对象为节点，并基于多种所述关联关系和多种所述关联关系分别对应的关联权重信息，构建每个所述待推送对象对应节点的边，得到所述对象关系信息。
44.作为一个可选的实施例，所述基于所述目标聚合信息，对所述待推送对象执行推送操作包括：
45.响应于目标对象对应的推送请求，获取所述目标对象对应的第一目标聚合信息和所述待推送对象中除所述目标对象外的其他对象对应的第二目标聚合信息；
46.确定所述第一目标聚合信息和所述第二目标聚合信息间的相似度；
47.基于所述相似度，确定所述目标对象对应的目标推送对象；
48.向所述目标对象推送所述目标推送对象。
49.根据本公开实施例的第二方面，提供一种对象推送装置，所述装置包括；
50.目标关联对象确定模块，被配置为执行基于预设的对象关系信息和待推送对象对应的关联权重信息，确定所述待推送对象对应的目标关联对象，所述对象关系信息为以预设对象为节点，以每个待推送对象对应的多种关联关系为边的图结构，所述关联权重信息为所述待推送对象对应的多种关联关系的关联程度；
51.聚合处理模块，被配置为执行对所述目标关联对象进行聚合处理，得到所述待推送对象对应的目标聚合信息；
52.对象推送模块，被配置为执行基于所述目标聚合信息，对所述待推送对象执行推送操作。
53.作为一个可选的实施例，所述目标关联对象确定模块包括：
54.对象关联模块，被配置为执行基于预设的对象关系信息，对所述待推送对象进行至少一次对象关联，得到所述待推送对象对应的关联对象；
55.对象采样模块，被配置为执行基于所述关联权重信息，对所述待推送对象对应的关联对象进行对象采样，得到所述目标关联对象。
56.作为一个可选的实施例，所述对象采样模块包括：
57.初始采样对象确定单元，被配置为执行从所述待推送对象对应的关联对象中确定初始采样对象，将所述初始采样对象作为当前采样对象；
58.对象采样信息确定单元，被配置为执行基于所述关联权重信息，确定所述当前采样对象对应的当前对象采样信息；
59.采样对象更新单元，被配置为执行基于所述当前对象采样信息，更新所述当前采样对象；
60.第一迭代单元，被配置为执行重复所述基于所述关联权重信息，确定所述当前采样对象对应的当前对象采样信息到所述基于所述当前对象采样信息，更新所述当前采样对象的的迭代操作，直到所述当前对象采样信息满足第一预设条件；
61.目标关联对象确定单元，被配置为执行在所述当前对象采样信息满足所述第一预设条件的情况下，基于满足所述第一预设条件的当前对象采样信息进行所述当前采样对象的更新，得到所述目标关联对象。
62.作为一个可选的实施例，所述对象采样信息确定单元包括：
63.待处理对象确定单元，被配置为执行从所述当前采样对象中获取预设数目个采样对象；并将预设数目个采样对象作为第一待处理对象，将所述当前采样对象中除所述第一待处理对象外的其他采样对象作为第二待处理对象：
64.第二迭代单元，被配置为执行重复执行迭代操作，直到所述第一待处理对象满足第二预设条件，所述第二迭代单元包括：
65.第一关联特征确定单元，被配置为执行基于所述关联权重信息，确定所述第一待处理对象对应的第一关联特征信息；
66.目标关联特征确定单元，被配置为执行从所述第一关联特征信息中确定目标关联特征信息；
67.第二关联特征确定单元，被配置为执行基于所述关联权重信息，确定第二待处理对象对应的第二关联特征信息；
68.第一待处理对象更新单元，被配置为执行基于所述第二关联特征信息和所述目标关联特征信息，对所述第一待处理对象和所述第二待处理对象进行更新；
69.当前对象采样信息确定单元，被配置为执行基于满足预设条件的第一待处理对象，确定所述当前对象采样信息。
70.作为一个可选的实施例，所述聚合处理模块包括：
71.模型处理单元，被配置为执行将所述目标关联对象输入到关联对象聚合模型中，对所述目标关联对象进行至少一次聚合处理，得到所述目标聚合信息，所述关联对象聚合模型为对所述目标关联对象进行聚合处理的模型。
72.作为一个可选的实施例，所述模型处理单元包括：
73.第一待聚合对象确定单元，被配置为执行将所述目标关联对象输入到所述关联对象聚合模型中，在第一次聚合处理的情况下，基于所述关联度，从所述目标关联对象中确定初始待聚合对象；
74.第一聚合处理单元，被配置为执行对所述初始待聚合对象进行聚合处理，得到第一次聚合处理对应的对象聚合信息；
75.上一聚合信息获取单元，被配置为执行在非第一次聚合处理的情况下，获取每一次聚合处理对应的上一对象聚合信息；
76.第二待聚合对象确定单元，被配置为执行基于所述关联度，从所述目标关联对象中确定每一次聚合处理对应的待聚合对象；
77.第二聚合处理单元，被配置为执行对所述待聚合对象和所述上一对象聚合信息进行聚合处理，得到每一次聚合处理对应的对象聚合信息；
78.目标聚合信息确定单元，被配置为执行在聚合处理的次数满足预设次数的情况下，将满足所述预设次数时的聚合处理对应的对象聚合信息作为所述目标聚合信息。
79.作为一个可选的实施例，所述关联对象聚合模型包括聚合处理层和特征感知层，所述第二聚合处理单元包括：
80.特征聚合单元，被配置为执行将所述待聚合对象和所述上一聚合处理信息输入到所述聚合处理层中进行特征聚合，得到聚合特征信息；
81.特征感知单元，被配置为执行将所述聚合特征信息输入到所述特征感知层中进行特征感知，得到感知特征信息；
82.对象聚合信息获取单元，被配置为执行将所述感知特征信息作为所述每一次聚合处理对应的对象聚合信息。
83.作为一个可选的实施例，所述装置还包括：
84.关联关系获取模块，被配置为执行获取每个待推送对象对应的多种关联关系；
85.关联权重确定模块，被配置为执行确定多种所述关联关系分别对应的关联权重信息；
86.对象关系信息构建模块，被配置为执行以多个所述待推送对象为节点，并基于多种所述关联关系和多种所述关联关系分别对应的关联权重信息，构建每个所述待推送对象对应节点的边，得到所述对象关系信息。
87.作为一个可选的实施例，所述对象推送模块包括：
88.推送请求响应单元，被配置为执行响应于目标对象对应的推送请求，获取所述目标对象对应的第一目标聚合信息和所述待推送对象中除所述目标对象外的其他对象对应的第二目标聚合信息；
89.相似度确定单元，被配置为执行确定所述第一目标聚合信息和所述第二目标聚合信息间的相似度；
90.目标推送对象确定单元，被配置为执行基于所述相似度，确定所述目标对象对应的目标推送对象；
91.推送操作执行单元，被配置为执行向所述目标对象推送所述目标推送对象。
92.根据本公开实施例的第三方面，提供一种电子设备，所述电子设备包括：
93.处理器；
94.用于存储所述处理器可执行指令的存储器；
95.其中，所述处理器被配置为执行所述指令，以实现如上述所述的对象推送方法。
96.根据本公开实施例的第四方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得所述电子设备能够执行上述所述的对象推送方法。
97.根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现上述所述的对象推送方法。
98.本公开的实施例提供的技术方案至少带来以下有益效果：
99.基于预设的对象关系信息和待推送对象对应的关联权重信息，确定待推送对象对应的目标关联对象，其中，每个待推送对象对应多种关联关系。对目标关联对象进行聚合处理，得到待推送对象对应的目标聚合信息，基于目标聚合信息，对待推送对象执行推送操作。该方法可以充分利用多种关联关系和不同关联关系对应的重要程度，发现用户之间潜在的关联关系，从而提高对象推送的准确性和有效性。
100.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
101.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
102.图1是根据一示例性实施例示出的一种对象推送方法的应用场景示意图。
103.图2是根据一示例性实施例示出的一种对象推送方法的流程图。
104.图3是根据一示例性实施例示出的一种对象推送方法中确定目标关联对象的流程图。
105.图4是根据一示例性实施例示出的一种对象推送方法中确定当前对象采样信息的流程图。
106.图5是根据一示例性实施例示出的一种对象推送方法中得到目标聚合信息的流程图。
107.图6是根据一示例性实施例示出的一种对象推送方法中进行聚合处理的流程图。
108.图7是根据一示例性实施例示出的一种对象推送方法中进行对象推送的流程图。
109.图8是根据一示例性实施例示出的一种对象推送方法中构建对象关系信息的流程图。
110.图9是根据一示例性实施例示出的一种对象推送装置的框图。
111.图10是根据一示例性实施例示出的一种电子设备的框图(服务器的一般结构)。
具体实施方式
112.为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
113.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
114.需要说明的是，本公开所涉及的用户信息(包括但不限于用户设备信息、用户个人信息等)和数据(包括但不限于用于展示的数据、分析的数据等)，均为经用户授权或者经过各方充分授权的信息和数据。
115.图1是根据一示例性实施例示出的一种对象推送方法的应用场景示意图，如图1所示，该应用场景包括客户端110和服务器120，服务器120基于客户端110发送的待推送对象和待推送对象对应的多种关联关系，构建对象关系信息，服务器120基于对象关系信息和待推送对象对应的关联权重信息，确定待推送对象对应的目标关联对象。服务器120对目标关联对象进行聚合处理，得到待推送对象对应的目标聚合信息。服务器120响应于对象推送请求，获取客户端110对应的第一目标聚合信息和其他对象对应的第二目标聚合信息，对比第一目标聚合信息和第二目标聚合信息，可以根据对比结果确定目标推送对象。服务器120将目标推送对象发送到客户端110。
116.在本公开实施例中，客户端110包括智能手机、台式电脑、平板电脑、笔记本电脑、
数字助理、智能可穿戴设备等类型的实体设备，也可以包括运行于实体设备中的软体，例如应用程序等。本技术实施例中实体设备上运行的操作系统可以包括但不限于安卓系统、ios系统、linux、unix、windows等。客户端110包括ui(user interface，用户界面)层，客户端110通过ui层对外提供目标推送对象的显示以及目标对象的关联关系的采集，另外，基于api(application programming interface，应用程序接口)将目标对象的关联关系发送给服务器120。
117.在本公开实施例中，服务器120可以包括一个独立运行的服务器，或者分布式服务器，或者由多个服务器组成的服务器集群。服务器120可以包括有网络通信单元、处理器和存储器等等。具体的，服务器120可以用于预先基于对象关系信息，对待推送对象进行采样和聚合处理，得到待推送对象对应的目标聚合信息，并基于目标聚合信息，向客户端110进行对象推送。
118.图2是根据一示例性实施例示出的一种对象推送方法的流程图，如图2所示，该方法用于服务器中，包括以下步骤。
119.s210.基于预设的对象关系信息和待推送对象对应的关联权重信息，确定待推送对象对应的目标关联对象，对象关系信息为以预设对象为节点，以每个待推送对象对应的多种关联关系为边的图结构，关联权重信息为待推送对象对应的多种关联关系的关联程度；
120.作为一个可选的实施例，基于预设的对象关系信息和待推送对象对应的关联权重信息，可以从每个待推送对象对应的关联对象中确定目标关联对象。关联关系可以为两两预设对象在目标应用内的交互关系，以及两两预设对象在目标应用外的交互关系，例如，在目标应用内的交互关系可以为双关关系、点赞关系、收藏关系等，在目标应用外的交互关系可以为手机通讯录关系、聊天软件好友关系等。不同的关联关系可以对应不同的关联权重信息。
121.作为一个可选的实施例，基于预设的对象关系信息和待推送对象对应的关联权重信息，确定待推送对象对应的目标关联对象包括：
122.基于预设的对象关系信息，对待推送对象进行至少一次对象关联，得到待推送对象对应的关联对象；
123.基于关联权重信息，对待推送对象对应的关联对象进行对象采样，得到目标关联对象。
124.作为一个可选的实施例，基于预设的对象关系信息，以待推送对象为中心节点，对中心节点进行至少一次对象关联，得到待推送对象对应的关联节点，将关联节点对应的待推送对象作为关联对象。对象关联的次数可以设置有预设次数，在预设次数的对象关联中初次对象关联时的起始节点为待推送对象，任意一次对象关联时的起始节点为上一次对象关联得到的关联节点。
125.作为一个可选的实施例，基于关联权重信息，可以确定对象采样时的对象采样信息，对象采样信息可以为采样概率分布，基于对象采样信息，对待推送对象对应的关联对象进行对象采样，可以得到与对象采样信息匹配的目标关联对象，即目标关联对象的统计属性是服从采样概率分布的。
126.在基于关联权重信息进行对象采样时，可以多采样关联权重较大的关联对象，少
采样关联权重较小的关联对象，从而提高目标关联对象与待推送对象间的关联的紧密程度，便于后续步骤中进行对象推送。
127.作为一个可选的实施例，请参见图3，基于关联权重信息，对待推送对象对应的关联对象进行对象采样，得到目标关联对象包括：
128.s310.从待推送对象对应的关联对象中确定初始采样对象；
129.s320.将初始采样对象作为当前采样对象；
130.s330.基于关联权重信息，确定当前采样对象对应的当前对象采样信息；
131.s340.基于当前对象采样信息，更新当前采样对象；
132.s350.重复基于关联权重信息，确定当前采样对象对应的当前对象采样信息到基于当前对象采样信息，更新当前采样对象的迭代操作，直到当前对象采样信息满足第一预设条件；
133.s360.在当前对象采样信息满足第一预设条件的情况下，基于满足第一预设条件的当前对象采样信息进行当前采样对象的更新，得到目标关联对象。
134.作为一个可选的实施例，从待推荐对象对应的关联对象中随机选择采样对象作为初始采样对象。在第一次对象采样中，将初始采样对象作为当前采样对象。基于初始采样对象对应的关联权重信息，可以确定初始采样对象对应的第一个对象采样信息。基于第一个对象采样信息，对待推荐对象对应的关联对象进行采样，可以对初始采样对象进行更新，得到第二采样对象。在第二次对象采样中，将第二采样对象作为当前采样对象。基于第二采样对象对应的关联权重信息，可以确定第二采样对象对应的第二个对象采样信息。基于第二个对象采样信息，对待推荐对象对应的关联对象进行采样，可以对第二采样对象进行更新，得到第三采样对象。在第三次对象采样中，将第三采样对象作为当前采样对象，以此类推，在每一次对象采样中，获取当前采样对象，基于当前采样对象对应的关联权重信息，可以确定当前采样对象对应的当前对象采样信息。基于当前对象采样信息，对待推荐对象对应的关联对象进行采样，可以对当前采样对象进行更新，得到更新后的采样对象。
135.作为一个可选的实施例，第一预设条件可以为预设差值条件，在每一次对象采样得到的当前对象采样信息与上一对象采样信息间的差值满足预设差值条件时，即在每一次对象采样得到的当前对象采样信息与上一对象采样信息间的差值小于预设的差值阈值时，也就是当前对象采样信息的变化情况趋于稳定的情况下，可以确定当前对象采样信息满足第一预设条件。可以将基于满足第一预设条件的当前对象采样信息对当前采样对象更新后得到的采样对象作为目标关联对象，也就是说基于满足第一预设条件的当前对象采样信息，对待推荐对象对应的关联对象进行采样，得到的采样结果即为目标关联对象。
136.基于采样得到的当前采样对象确定当前采样对象信息，可以简化确定高维的当前采样对象的期望的过程，使得确定满足预设条件的当前对象采样信息的效率提高，从而提高了确定目标关联对象的效率。
137.作为一个可选的实施例，请参见图4，基于关联权重信息，确定当前采样对象对应的当前对象采样信息包括：
138.s410.从当前采样对象中获取预设数目个采样对象；
139.s420.将预设数目个采样对象作为第一待处理对象，将当前采样对象中除第一待处理对象外的其他采样对象作为第二待处理对象：
140.s430.重复执行迭代操作，直到第一待处理对象满足第二预设条件，迭代操作包括：
141.s4301.基于关联权重信息，确定第一待处理对象对应的第一关联特征信息；
142.s4303.从第一关联特征信息中确定目标关联特征信息；
143.s4305.基于关联权重信息，确定第二待处理对象对应的第二关联特征信息；
144.s4307.基于第二关联特征信息和目标关联特征信息，对第一待处理对象和第二待处理对象进行更新；
145.s440.基于满足第二预设条件的第一待处理对象，确定当前对象采样信息。
146.作为一个可选的实施例，从当前采样对象中获取预设数目个采样对象，将预设数目个采样对象作为第一待处理对象，将当前采样对象中除第一待处理对象外的其他采样对象作为第二待处理对象。在从当前采样对象中获取预设数目个采样对象时，可以随机选取采样对象，或者基于当前采样对象对待推送对象的关注时间，对当前采样对象中的各个采样对象进行排序，再从排序后的各个采样对象中选择前预设数目个采样对象。
147.作为一个可选的实施例，基于第一待处理对象对应的关联权重信息，可以计算第一待处理对象对应的第一关联特征信息，且基于第二待处理对象象对应的关联权重信息，可以计算第二待处理对象对应的第二关联特征信息，关联特征信息的计算公式如下：
148.其中ui＝rand(0,1)
149.其中，rand函数为产生随机数的函数，ui为0到1之间的随机数，ki为采样对象对应的关联特征信息，可以第一关联特征信息或第二关联特征信息。wi为关联权重信息。
150.作为一个可选的实施例，两两对比第一待处理对象中各个采样对象对应的第一关联特征信息，确定第一待处理对象对应的第一关联特征信息中的最小值，可以得到目标关联特征信息。
151.将每个第二关联特征信息与目标关联特征信息进行对比，若第二关联特征信息小于目标关联特征信息，则将小于目标关联特征信息的第二关联特征信息对应的采样对象从第二待处理对象中去除，对第二待处理对象进行更新。
152.若第二关联特征信息大于目标关联特征信息，则将目标关联特征信息对应的采样对象从第一待处理对象中去除，将大于目标关联特征信息的第二关联特征信息对应的采样对象从第二待处理对象中去除并增加到第一待处理对象中，对第一待处理对象和第二待处理对象进行更新。
153.在更新第一待处理对象后，基于更新后的第一待处理对象对应的第一关联特征信息，可以更新目标关联特征信息。两两对比更新后的第一待处理对象对应的第一关联特征信息，重新确定更新后的第一待处理对象对应的第一关联特征信息中的最小值，从而对目标关联特征信息进行更新。将每个第二关联特征信息与更新后的目标关联特征信息进行对比，在第二关联特征信息大于更新后的目标关联特征信息的情况下，重复上述更新第一待处理对象和第二待处理对象，并更新目标关联特征信息的迭代步骤，直到第一待处理对象不再更新，即满足第二预设条件，第二预设条件表征第一待处理对象不再更新。在第一待处理对象不再更新时，当前采样对象中的采样对象要么在对象处理的过程中被删除了，要么被分为第一待处理对象，也就是说当前采样对象中的采样对象均被处理完毕。
154.在将第二关联特征信息与目标关联特征信息进行对比时，可以对第二关联特征信息进行排序，按照从小到大的顺序将第二关联特征信息与目标关联特征信息进行对比。
155.作为一个可选的实施例，基于满足第二预设条件的第一待处理对象，可以确定满足第二预设条件的第一待处理对象对应的采样期望信息，计算采样期望信息的公式如下：
[0156][0157]
其中，e表示采样期望信息，l表示满足第二预设条件的第一待处理对象的数目，x表示满足第二预设条件的第一待处理对象，f(x)表示满足第二预设条件的第一待处理对象对应的目标函数。
[0158]
基于采样期望信息可以计算得到当前对象采样信息，计算当前对象采样信息的公式如下：
[0159]
e＝∫f(x)p(x)dx
[0160]
其中，e表示采样期望信息，f(x)表示满足预设条件的第一待处理对象对应的目标函数，p(x)表示满足预设条件的第一待处理对象对应的概率分布，该概率分布也就是当前对象采样信息。
[0161]
基于不同的关联权重信息，确定满足第二预设条件的第一待处理对象，从而基于满足第二预设条件的第一待处理对象确定当前对象采样信息，可以充分利用多种关联关系和不同关联关系对应的重要程度，从而提高当前对象采样信息的准确性和有效性。
[0162]
s220.对目标关联对象进行聚合处理，得到待推送对象对应的目标聚合信息；
[0163]
作为一个可选的实施例，目标关联对象是对待推荐对象得到的关联对象进行采样得到的，因此，目标关联对象也对应多次对象关联，基于对象关联的顺序可以确定目标关联对象和待推送对象间的距离，从而基于距离确定目标关联对象和待推送对象间的关联度。基于关联度，对每一次对象关联对应的目标关联对象进行逐次聚合，可以得到待推送对象对应的目标聚合信息。
[0164]
作为一个可选的实施例，对目标关联对象进行聚合处理，得到待推送对象对应的目标聚合信息包括：
[0165]
将目标关联对象输入到关联对象聚合模型中，基于目标关联对象与待推送对象间的关联度，对目标关联对象进行至少一次聚合处理，得到目标聚合信息，关联对象聚合模型为对目标关联对象进行聚合处理的模型。
[0166]
作为一个可选的实施例，将待推送对象输入到关联对象确定模型中，基于关联对象确定模型中的对象关系信息和待推送对象对应的关联权重信息，可以确定待推送对象对应的目标关联对象。将目标关联对象输入到关联对象聚合模型中，基于关联对象聚合模型，可以对目标关联对象进行至少一次聚合处理，得到目标聚合信息。关联对象确定模型和关联对象聚合模型可以为基于图神经网络算法确定的模型，基于图神经网络算法中的采样算法可以得到关联对象确定模型，基于图神经网络算法中的聚合算法，可以得到关联对象聚合模型，图神经网络算法可以为graphsage(graph sample and aggregate)算法，graphsage算法可以对目标关联对象进行聚合得到的聚合表征信息确定待推送对象的嵌入式向量。
[0167]
作为一个可选的实施例，基于待推送对象与目标关联对象在对象关系信息上的距
离，可以确定待推送对象与目标关联对象间的关联度，从而基于关联度的大小，由小到大对目标关联对象进行至少一次聚合处理，得到目标聚合信息，即基于对象关系信息上的距离，由远及近对目标关联对象进行聚合处理。
[0168]
在关联对象聚合模型中对目标关联对象进行归纳学习，基于关联度的大小，对目标关联对象逐次进行聚合处理，得到目标聚合信息，可以减少模型的计算量，从而提高确定目标聚合信息的效率。
[0169]
作为一个可选的实施例，请参见图5，将目标关联对象输入到关联对象聚合模型中，基于目标关联对象与待推送对象间的关联度，对目标关联对象进行至少一次聚合处理，得到目标聚合信息包括：
[0170]
s510.将目标关联对象输入到关联对象聚合模型中，在第一次聚合处理的情况下，基于关联度，从目标关联对象中确定初始待聚合对象；
[0171]
s520.对初始待聚合对象进行聚合处理，得到第一次聚合处理对应的对象聚合信息；
[0172]
s530.在非第一次聚合处理的情况下，获取每一次聚合处理对应的上一对象聚合信息；
[0173]
s540.基于关联度，从目标关联对象中确定每一次聚合处理对应的待聚合对象；
[0174]
s550.对待聚合对象和上一对象聚合信息进行聚合处理，得到每一次聚合处理对应的对象聚合信息；
[0175]
s560.在聚合处理的次数满足预设次数的情况下，将满足预设次数时的聚合处理对应的对象聚合信息作为目标聚合信息。
[0176]
作为一个可选的实施例，将目标关联对象输入到关联对象聚合模型中，在第一次聚合处理的情况下，基于关联度的大小，从目标关联对象中确定在待推送对象进行对象关联时最后一次对象关联时得到的对象，将最后一次对象关联时得到的对象作为初始待聚合对象。对初始待聚合对象进行聚合处理，可以得到第一次聚合处理对应的对象聚合信息。
[0177]
在第二次聚合处理的情况下，基于关联度的大小，从目标关联对象中确定在待推送对象进行对象关联时倒数第二次对象关联时得到的对象，将倒数第二次对象关联时得到的对象作为第二次聚合处理对应的待聚合对象。对第一次聚合处理对应的对象聚合信息，和第二次聚合处理对应的待聚合对象进行聚合处理，可以得到第二次聚合处理对应的对象聚合信息。
[0178]
在第三次聚合处理的情况下，基于关联度的大小，从目标关联对象中确定在待推送对象进行对象关联时倒数第三次对象关联时得到的对象，将倒数第三次对象关联时得到的对象作为第三次聚合处理对应的待聚合对象。对第二次聚合处理对应的对象聚合信息，和第三次聚合处理对应的待聚合对象进行聚合处理，可以得到第三次聚合处理对应的对象聚合信息。
[0179]
以此类推，直到将第一次对象关联时得到的对象作为最后一次聚合处理对应的待聚合对象，将倒数第二次聚合处理对应的对象聚合信息和最后一次聚合处理对应的待聚合对象进行聚合处理，可以得到最后一次聚合处理对应的对象聚合信息。此时聚合处理的次数满足预设次数，可以将最后一次聚合处理对应的对象聚合信息可以作为目标聚合信息。最后一次聚合处理对应的对象聚合信息也就是满足预设次数时的聚合处理对应的对象聚
合信息作为目标聚合信息。
[0180]
作为一个可选的实施例，聚合处理的次数与对象关联的次数相同。
[0181]
从最后一次确定的关联对象开始进行聚合，直到第一次确定的关联对象聚合完毕，从并在每一次聚合处理中加入上一次聚合处理时的对象聚合信息，从而可以充分利用目标关联对象与待推送对象间的关联度，并可以学习到上一次聚合处理时的结果，从而提高了聚合处理的准确性和有效性。
[0182]
作为一个可选的实施例，请参见图6，关联对象聚合模型包括聚合处理层和特征感知层，对待聚合对象和上一聚合处理信息进行聚合处理，得到每一次聚合处理对应的对象聚合信息包括：
[0183]
s610.将待聚合对象和上一聚合处理信息输入到聚合处理层中进行特征聚合，得到聚合特征信息；
[0184]
s620.将聚合特征信息输入到特征感知层中进行特征感知，得到感知特征信息；
[0185]
s630.将感知特征信息作为每一次聚合处理对应的对象聚合信息。
[0186]
作为一个可选的实施例，关联对象聚合模型包括聚合处理层和特征感知层，特征感知层可以为多层感知机(multilayer perceptron，mlp)。在聚合处理层中，对输入的待聚合对象和上一聚合处理信息进行特征聚合，可以得到聚合特征信息，在特征感知层中，对输入的聚合特征信息进行特征感知，即对聚合特征信息进行特征泛化处理，得到感知特征信息，并将特征感知层输出的感知特征信息作为对象聚合信息。
[0187]
作为一个可选的实施例，将目标关联对象输入到关联对象聚合模型中，在第一次聚合处理的情况下，基于关联度的大小，确定初始待聚合对象后，在聚合处理层中，对初始待聚合对象进行特征聚合，可以得到第一次聚合处理对应的聚合特征信息。在特征感知层中，对第一次聚合处理对应的聚合特征信息进行特征感知，可以得到第一次聚合处理对应的感知特征信息，将第一次聚合处理对应的感知特征信息作为第一次聚合处理对应的对象聚合信息。
[0188]
将目标关联对象输入到关联对象聚合模型中，在非第一次聚合处理的情况下，基于关联度的大小，确定每一次聚合处理对应的待聚合对象以及每一次聚合处理对应的上一对象聚合信息后，在聚合处理层中，对待聚合对象进行特征聚合，可以得到待聚合对象对应的聚合结果，对待聚合对象对应的聚合结果和上一聚合处理信息进行特征拼接，可以得到每一次聚合处理对应的聚合特征信息。在特征感知层中，对每一次聚合处理对应的聚合特征信息进行特征感知，可以得到每一次聚合处理对应的感知特征信息，将每一次聚合处理对应的感知特征信息作为每一次聚合处理对应的对象聚合信息。
[0189]
作为一个可选的实施例，基于每一次聚合处理对应的待聚合对象的相邻对象可以得到待聚合对象的表征信息，在聚合处理层中，对待聚合对象的表征信息进行特征聚合，可以得到待聚合对象对应的聚合结果。
[0190]
作为一个可选的实施例，在聚合处理层中，对输入的待聚合对象和上一对象聚合信息进行特征聚合的计算公式如下：
[0191][0192]
其中，为待推送对象对应的目标聚合信息，w
l
为关联对象聚合模型中每一层神
经网络对应的权重信息，mlp为特征感知层，concat为特征拼接函数，用于对待聚合对象对应的聚合结果和上一聚合处理信息进行特征拼接。为每一次聚合处理对应的上一对象聚合信息，为每一次聚合处理对应的待聚合对象的相邻对象，l表示聚合的次数，n(v)表示目标关联对象的数量范围。
[0193]
在聚合处理层中，可以先对输入的待聚合对象进行聚合处理，再将待聚合对象的聚合结果与上一对象聚合信息进行聚合处理，对待聚合对象进行聚合处理的公式如下：
[0194][0195]
其中，为每一次聚合处理对应的待聚合对象的聚合结果，为每一次聚合处理对应的待聚合对象的相邻对象，n(v)表示目标关联对象的数量范围，agg表示平均聚合方式，agg的计算公式如下
[0196][0197]
其中，为每一次聚合处理对应的待聚合对象的相邻对象，n(v)表示目标关联对象的数量范围。
[0198]
在关联对象聚合模型中增加特征感知层，可以提高每一次聚合处理对应的对象聚合信息的泛化性，且对不同种类的关联关系采用了不同的聚合方式，从而提高关联对象聚合模型的准确性。
[0199]
s230.基于目标聚合信息，对待推送对象执行推送操作。
[0200]
作为一个可选的实施例，基于每个待推送对象对应的目标聚合信息，可以确定两两待推送对象间的相似度，从而基于相似度，对待推送对象执行推送操作。
[0201]
作为一个可选的实施例，请参见图7，基于目标聚合信息，对待推送对象执行推送操作包括：
[0202]
s710.响应于目标对象对应的推送请求，获取目标对象对应的第一目标聚合信息和待推送对象中除目标对象外的其他对象对应的第二目标聚合信息；
[0203]
s720.确定第一目标聚合信息和第二目标聚合信息间的相似度；
[0204]
s730.基于相似度，确定目标对象对应的目标推送对象；
[0205]
s740.向目标对象推送目标推送对象。
[0206]
作为一个可选的实施例，响应于目标对象对应的推送请求，可以获取目标对象对应的第一目标聚合信息和待推送对象中除目标对象外的其他对象对应的第二目标聚合信息。目标对象可以为目标用户，推送请求可以为用户向服务器发送的请求或服务器定期生成的主动向用户进行推送的推送请求。
[0207]
确定第一目标聚合信息和第二目标聚合信息间的相似度时，可以对第一目标聚合信息和第二目标聚合信息进行点乘处理，得到点乘处理结果，将点乘处理结果作为相似度。点乘结果越大则说明目标对象与该点乘结果对应的其他对象间越相似，点乘结果越小则说明目标对象与该点乘结果对应的其他对象间越不相似。计算相似度的公式如下：
[0208]
[0209]
其中，za表示第一目标聚合信息的转置，表示第二目标聚合信息的转置，a表示目标对象，b表示其他对象。
[0210]
作为一个可选的实施例，在相似度大于等于预设的相似度阈值的情况下，将大于等于相似度阈值的相似度对应的其他对象确定为目标对象对应的目标推送对象，在相似度小于预设的相似度阈值的情况下，将小于相似度阈值的相似度对应的其他对象不作为目标对象对应的目标推送对象。
[0211]
基于目标聚合信息可以进行对象推送，目标聚合信息是基于多种不同的关联关系进行对象采样和对象聚合得到的，从而可以更加精确地确定两两用户间的潜在联系，从而提高了对象推送的准确性和有效性。
[0212]
作为一个可选的实施例，请参见图8，该方法还包括：
[0213]
s810.获取每个待推送对象对应的多种关联关系；
[0214]
s820.确定每种关联关系分别对应的关联权重信息；
[0215]
s830.以多个待推送对象为节点，并基于多种关联关系和每种关联关系分别对应的关联权重信息，构建每个待推送对象对应节点的边，得到对象关系信息。
[0216]
作为一个可选的实施例，获取每个待推送对象对应的多种关联关系，例如手机通讯录关系、双关关系等，并对不同的关联关系设置对应的关联权重信息，例如手机通讯录关系对应的关联权重信息可以设置为8，聊天软件好友关系对应的关联权重信息可以设置为4，双关关系对应的关联权重信息可以设置为2。在关联关系均为双向关系的情况下，构建得到的对象关系信息为无向有权图。
[0217]
作为一个可选的实施例，若在对关联对象确定模型和关联对象聚合模型进行模型训练的过程中，可以在构建模型训练时使用的对象关系信息时，对待推送对象进行数据过滤，去除关联关系的数目大于第一预设数目阈值的待推送对象，并去除关联关系的数目小于第二预设数目阈值的待推送对象，例如，从待推送对象中过滤掉关联关系的数目大于10000的待推送对象并过滤掉关联关系的数目小于2的待推送对象。
[0218]
在构建对象关系信息时，增加关联权重信息，从而可以对多种关联关系进行融合，使得在对象推送的过程中可以充分利用复杂的关联关系，提高对象推送的准确性。且在构建对象关系信息时进行数据处理，可以避免在模型训练过程中仅仅学习关联关系多的待推送对象，并可以避免训练充分的问题，提高模型训练的准确性。
[0219]
本公开实施例提出了一种对象推送方法，该方法包括：基于预设的对象关系信息和待推送对象对应的关联权重信息，确定待推送对象对应的目标关联对象，其中，每个待推送对象对应多种关联关系。对目标关联对象进行聚合处理，得到待推送对象对应的目标聚合信息，基于目标聚合信息，对待推送对象执行推送操作。该方法可以充分利用多种关联关系和不同关联关系对应的重要程度，发现用户之间潜在的关联关系，从而提高对象推送的准确性和有效性。
[0220]
图9是根据一示例性实施例示出的一种对象推送装置框图。参照图9，该装置包括：
[0221]
目标关联对象确定模块910，被配置为执行基于预设的对象关系信息和待推送对象对应的关联权重信息，确定待推送对象对应的目标关联对象，对象关系信息为以预设对象为节点，以每个待推送对象对应的多种关联关系为边的图结构，关联权重信息为待推送对象对应的多种关联关系的关联程度；
[0222]
聚合处理模块920，被配置为执行对目标关联对象进行聚合处理，得到待推送对象对应的目标聚合信息；
[0223]
对象推送模块930，被配置为执行基于目标聚合信息，对待推送对象执行推送操作。
[0224]
作为一个可选的实施例，目标关联对象确定模块910包括：
[0225]
对象关联模块，被配置为执行基于预设的对象关系信息，对待推送对象进行至少一次对象关联，得到待推送对象对应的关联对象；
[0226]
对象采样模块，被配置为执行基于关联权重信息，对待推送对象对应的关联对象进行对象采样，得到目标关联对象。
[0227]
作为一个可选的实施例，对象采样模块包括：
[0228]
初始采样对象确定单元，被配置为执行从待推送对象对应的关联对象中确定初始采样对象，将初始采样对象作为当前采样对象；
[0229]
对象采样信息确定单元，被配置为执行基于关联权重信息，确定当前采样对象对应的当前对象采样信息；
[0230]
采样对象更新单元，被配置为执行基于当前对象采样信息，更新当前采样对象；
[0231]
第一迭代单元，被配置为执行重复基于关联权重信息，确定当前采样对象对应的当前对象采样信息到基于当前对象采样信息，更新当前采样对象的的迭代操作，直到当前对象采样信息满足第一预设条件；
[0232]
目标关联对象确定单元，被配置为执行在当前对象采样信息满足第一预设条件的情况下，基于满足第一预设条件的当前对象采样信息进行当前采样对象的更新，得到目标关联对象。
[0233]
作为一个可选的实施例，对象采样信息确定单元包括：
[0234]
待处理对象确定单元，被配置为执行从当前采样对象中获取预设数目个采样对象；并将预设数目个采样对象作为第一待处理对象，将当前采样对象中除第一待处理对象外的其他采样对象作为第二待处理对象：
[0235]
第二迭代单元，被配置为执行重复执行迭代操作，直到第一待处理对象满足第二预设条件，第二迭代单元包括：
[0236]
第一关联特征确定单元，被配置为执行基于关联权重信息，确定第一待处理对象对应的第一关联特征信息；
[0237]
目标关联特征确定单元，被配置为执行从第一关联特征信息中确定目标关联特征信息；
[0238]
第二关联特征确定单元，被配置为执行基于关联权重信息，确定第二待处理对象对应的第二关联特征信息；
[0239]
第一待处理对象更新单元，被配置为执行基于第二关联特征信息和目标关联特征信息，对第一待处理对象和第二待处理对象进行更新；
[0240]
当前对象采样信息确定单元，被配置为执行基于满足第二预设条件的第一待处理对象，确定当前对象采样信息。
[0241]
作为一个可选的实施例，聚合处理模块920包括：
[0242]
模型处理单元，被配置为执行将目标关联对象输入到关联对象聚合模型中，对目
标关联对象进行至少一次聚合处理，得到目标聚合信息。
[0243]
作为一个可选的实施例，模型处理单元包括：
[0244]
第一待聚合对象确定单元，被配置为执行将目标关联对象输入到关联对象聚合模型中，在第一次聚合处理的情况下，基于关联度，从目标关联对象中确定初始待聚合对象；
[0245]
第一聚合处理单元，被配置为执行对初始待聚合对象进行聚合处理，得到第一次聚合处理对应的对象聚合信息；
[0246]
上一聚合信息获取单元，被配置为执行在非第一次聚合处理的情况下，获取每一次聚合处理对应的上一对象聚合信息；
[0247]
第二待聚合对象确定单元，被配置为执行基于关联度，从目标关联对象中确定每一次聚合处理对应的待聚合对象；
[0248]
第二聚合处理单元，被配置为执行对待聚合对象和上一对象聚合信息进行聚合处理，得到每一次聚合处理对应的对象聚合信息；
[0249]
目标聚合信息确定单元，被配置为执行在聚合处理的次数满足预设次数的情况下，将满足预设次数时的聚合处理对应的对象聚合信息作为目标聚合信息。
[0250]
作为一个可选的实施例，关联对象聚合模型包括聚合处理层和特征感知层，第二聚合处理单元包括：
[0251]
特征聚合单元，被配置为执行将待聚合对象和上一聚合处理信息输入到聚合处理层中进行特征聚合，得到聚合特征信息；
[0252]
特征感知单元，被配置为执行将聚合特征信息输入到特征感知层中进行特征感知，得到感知特征信息；
[0253]
对象聚合信息获取单元，被配置为执行将感知特征信息作为每一次聚合处理对应的对象聚合信息。
[0254]
作为一个可选的实施例，装置还包括：
[0255]
关联关系获取模块，被配置为执行获取每个待推送对象对应的多种关联关系；
[0256]
关联权重确定模块，被配置为执行确定多种关联关系分别对应的关联权重信息；
[0257]
对象关系信息构建模块，被配置为执行以多个待推送对象为节点，并基于多种关联关系和多种关联关系分别对应的关联权重信息，构建每个待推送对象对应节点的边，得到对象关系信息。
[0258]
作为一个可选的实施例，对象推送模块930包括：
[0259]
推送请求响应单元，被配置为执行响应于目标对象对应的推送请求，获取目标对象对应的第一目标聚合信息和待推送对象中除目标对象外的其他对象对应的第二目标聚合信息；
[0260]
相似度确定单元，被配置为执行确定第一目标聚合信息和第二目标聚合信息间的相似度；
[0261]
目标推送对象确定单元，被配置为执行基于相似度，确定目标对象对应的目标推送对象；
[0262]
推送操作执行单元，被配置为执行向目标对象推送目标推送对象。
[0263]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0264]
图10是根据一示例性实施例示出的一种用于对象推送的电子设备的框图，该电子设备可以是服务器，其内部结构图可以如图10所示。该电子设备包括通过系统总线连接的处理器、存储器和网络接口。其中，该电子设备的处理器用于提供计算和控制能力。该电子设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该电子设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种对象推送方法。
[0265]
本领域技术人员可以理解，图10中示出的结构，仅仅是与本公开方案相关的部分结构的框图，并不构成对本公开方案所应用于其上的电子设备的限定，具体的电子设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
[0266]
在示例性实施例中，还提供了一种包括指令的计算机可读存储介质，例如包括指令的存储器1004，上述指令可由电子设备1000的处理器1020执行以完成上述方法。可选地，计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
[0267]
在示例性实施例中，还提供一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时实现上述的对象推送方法。
[0268]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0269]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。