电力资源推送方法、装置、计算机设备和存储介质与流程

本技术涉及人工智能，特别是涉及一种电力资源推送方法、装置、系统、计算机设备、存储介质和计算机程序产品。

背景技术：

1、电力交易知识服务平台的电力资源种类具有多样化的特征，融合了数据库资源、本地资源以及各类公开的网络信息资源，并且电力资源的存储方式以及结构化程度不尽相同，电力资源标记的覆盖面与准确度也存在一定差距。为了实现对电力交易知识服务平台的用户，例如，目标用户，实现电力资源的精准推送，则需要借助人工智能技术获取用户标签和电力资源的资源标签，目前的电力资源推送过程中还存在准确度低的问题。

技术实现思路

1、基于此，有必要针对上述技术问题，提供一种电力资源推送方法、装置、系统、计算机设备、存储介质和计算机程序产品。

2、第一方面，本技术提供了一种电力资源推送方法。所述方法包括：

3、从预先构建的电力交易知识服务平台的用户标签库中获取待资源推送的目标用户在预设时间段的用户标签；

4、获取所述电力交易知识服务平台的多种电力资源，以及从预先构建的所述电力交易知识服务平台的资源标签库中获取各所述电力资源的资源标签；

5、将所述目标用户在预设时间段的用户标签和各所述电力资源的资源标签输入至预先训练的电力资源推送模型，得到所述目标用户与各所述电力资源的相关性；

6、将所述相关性大于预设关联阈值的所述电力资源确定为目标电力资源，并将所述目标电力资源推送至所述目标用户。

7、在其中一个实施例中，所述从预先构建的电力交易知识服务平台的用户标签库中获取所述目标用户在预设时间段的用户标签，还包括：获取所述目标用户在预设时间段的多个维度的属性数据信息；将各所述维度的属性数据信息输入至所述预先训练的电力资源推送模型，得到各所述维度对应的属性特征；将所述多个维度的属性特征进行特征融合，得到针对所述目标用户的用户属性特征；基于所述用户属性特征，得到所述目标用户在预设时间段的用户标签；将所述用户标签确定为适用标签，并将所述适用标签存储至所述用户标签库。

8、在其中一个实施例中，所述从预先构建的各所述电力资源的资源标签库中获取各所述电力资源的资源标签之前，还包括：获取各所述电力资源在预设时间段的内容数据信息；将各所述电力资源的内容数据信息输入至预先训练的电力资源推送模型，得到各所述电力资源对应的资源特征；基于各所述电力资源对应的资源特征，得到各所述电力资源在预设时间段的资源标签，并将各所述电力资源在预设时间段的资源标签存储至所述资源标签库。

9、在其中一个实施例中，所述将所述目标电力资源推送至所述目标用户之后，还包括：按照预设更新周期，获取所述目标用户在当前时间的用户信息；根据所述用户信息，对所述目标用户在预设时间段的用户标签进行更新。

10、在其中一个实施例中，所述用户信息包含所述目标用户在所述当前时间的当前属性数据信息；所述根据所述用户信息，对所述目标用户在预设时间段的用户标签进行更新，包括：将所述当前属性数据信息输入至所述预先训练的电力资源推送模型，得到所述当前属性数据信息对应的当前用户属性特征；基于所述用户属性特征，得到针对所述目标用户的当前用户标签；在所述当前用户标签和所述目标用户在预设时间段的用户标签一致的情况下，将所述目标用户在预设时间段的用户标签继续确定为适用标签，并将所述适用标签存储至所述用户标签库；在所述当前用户标签和所述目标用户在预设时间段的用户标签不一致的情况下，将所述当前用户标签确定为所述适用标签，并将所述适用标签存储至所述用户标签库，以及将所述目标用户在预设时间段的用户标签存储至所述电力交易知识服务平台的备用标签库。

11、在其中一个实施例中，所述用户信息包含所述目标用户对所述目标电力资源的反馈信息；所述根据所述用户信息，对所述目标用户在预设时间段的用户标签进行更新，包括：获取所述目标用户在所述预设更新周期内对所述目标电力资源的访问频次；在所述访问频次大于或者等于预设频次阈值的情况下，将所述目标用户在预设时间段的用户标签继续确定为适用标签，并将所述适用标签存储至所述用户标签库；在所述访问频次小于预设频次阈值的情况下，获取所述目标用户在当前时间的当前用户标签，将所述当前用户标签确定为所述适用标签，并将所述适用标签存储至所述用户标签库，以及将所述目标用户在预设时间段的用户标签存储至所述备用标签库。

12、第二方面，本技术提供了一种电力资源推送装置。所述装置包括：

13、第一获取模块，用于从预先构建的电力交易知识服务平台的用户标签库中获取待资源推送的目标用户在预设时间段的用户标签；

14、第二获取模块，用于获取所述电力交易知识服务平台的多种电力资源，以及从预先构建的电力交易知识服务平台的资源标签库中获取各所述电力资源的资源标签；

15、计算模块，用于将所述目标用户在预设时间段的用户标签和各所述电力资源的资源标签输入至预先训练的电力资源推送模型，得到所述目标用户与各所述电力资源的相关性；

16、推送模块，用于将所述相关性大于预设关联阈值的所述电力资源确定为目标电力资源，并将所述目标电力资源推送至所述目标用户。

17、第三方面，本技术还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

18、从预先构建的电力交易知识服务平台的用户标签库中获取待资源推送的目标用户在预设时间段的用户标签；

19、获取所述电力交易知识服务平台的多种电力资源，以及从预先构建的所述电力交易知识服务平台的资源标签库中获取各所述电力资源的资源标签；

20、将所述目标用户在预设时间段的用户标签和各所述电力资源的资源标签输入至预先训练的电力资源推送模型，得到所述目标用户与各所述电力资源的相关性；

21、将所述相关性大于预设关联阈值的所述电力资源确定为目标电力资源，并将所述目标电力资源推送至所述目标用户。

22、第四方面，本技术还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现以下步骤：

23、从预先构建的电力交易知识服务平台的用户标签库中获取待资源推送的目标用户在预设时间段的用户标签；

24、获取所述电力交易知识服务平台的多种电力资源，以及从预先构建的所述电力交易知识服务平台的资源标签库中获取各所述电力资源的资源标签；

25、将所述目标用户在预设时间段的用户标签和各所述电力资源的资源标签输入至预先训练的电力资源推送模型，得到所述目标用户与各所述电力资源的相关性；

26、将所述相关性大于预设关联阈值的所述电力资源确定为目标电力资源，并将所述目标电力资源推送至所述目标用户。

27、第五方面，本技术还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：

28、从预先构建的电力交易知识服务平台的用户标签库中获取待资源推送的目标用户在预设时间段的用户标签；

29、获取所述电力交易知识服务平台的多种电力资源，以及从预先构建的所述电力交易知识服务平台的资源标签库中获取各所述电力资源的资源标签；

30、将所述目标用户在预设时间段的用户标签和各所述电力资源的资源标签输入至预先训练的电力资源推送模型，得到所述目标用户与各所述电力资源的相关性；

31、将所述相关性大于预设关联阈值的所述电力资源确定为目标电力资源，并将所述目标电力资源推送至所述目标用户。

32、上述电力资源推送方法、装置、系统、计算机设备、存储介质和计算机程序产品中，可以预先训练针对电力交易知识服务平台的电力资源推送模型，基于该预先训练的电力资源推送模型，获取针对该电力交易知识服务平台的多个用户中的目标用户在预设时间段的用户标签，以及基于该预先训练的电力资源推送模型，获取该电力交易知识服务平台的多种电力资源以及各电力资源的资源标签；进一步地，对目标用户在预设时间段的用户标签和各电力资源的资源标签进行相关性计算，得到目标用户与各电力资源的相关性；进而，可以将相关性大于预设关联阈值的电力资源确定为目标电力资源，并将目标电力资源推送至目标用户。本技术实施例提供的方法中，可以结合该目标用户的多个维度的属性特征，获取该目标用户的用户标签，并且从各电力资源的多个维度的资源特征，获取各电力资源的资源标签，进而，根据该目标用户和各电力资源的相关性，将相关性大于预设关联阈值的电力资源确定为目标电力资源，并将目标电力资源推送至目标用户，实现了精准的电力资源推送，提高了电力资源推送的精准度。