CN102377790B - 一种推送数据的方法和装置 - Google Patents

Abstract

本发明公开了一种推送数据的方法和装置，属于互联网技术领域。所述方法包括：获取符合预定条件的数据，获取浏览过该数据的已读用户的属性，并确定所述已读用户的共同属性；筛选具有该共同属性且未浏览过该数据的未读用户；将所述数据推送给所述未读用户。所述装置包括：共同属性获取模块、未读用户筛选模块和推送模块。本发明实施例提供的推送数据的方法和装置，通过根据符合预定条件的数据及已读用户的共同属性，确定具有该共同属性且未浏览过该数据的未读用户，将数据推送给该未读用户，从而能使未读用户准确获取感兴趣的数据。

Description

一种推送数据的方法和装置

技术领域

本发明涉及互联网技术领域，特别涉及一种推送数据的方法和装置。

背景技术

随着网络的不断发展，网络生活已经成为了人们生活中必须的一部分，人们越来越多的参与到网络活动中，因此，网络数据的数量呈爆炸式增长。用户每天登陆网站的时候，会收到大量各式各样的数据，除了一些自己感兴趣的日志、评论和上传的图片等数据外，还有一些其他不太感兴趣的其他数据。如何将用户感兴趣的数据推送给用户，一直是人们关注的焦点和致力于解决的问题。

由于用户对于感兴趣的数据，通常会点击该数据进行浏览，有时候还进行评论，现有的推送数据的技术，一般根据数据被浏览和评论的次数，划分出数据的热度，并根据数据热度的高低，将数据推送给所有用户。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

在推送数据的过程中，由于仅根据数据的热度，将数据推送给所有用户，推送逻辑过于单一，经常会出现用户对收到的推送数据并不感兴趣的情况，用户不能准确获取自己感兴趣的数据。

发明内容

为了使用户准确获取感兴趣的数据，本发明实施例提供了一种推送数据的方法和装置。所述技术方案如下：

本发明实施例提出了一种推送数据的方法，包括：

获取符合预定条件的数据，获取浏览过该数据的已读用户的属性，并确定所述已读用户的共同属性；

筛选具有该共同属性且未浏览过该数据的未读用户；

将所述数据推送给所述未读用户。

作为上述技术方案的优选，所述确定所述已读用户的共同属性，包括：

对于所述已读用户的属性中的任一属性，获取所述任一属性的任一子属性，并统计具有该任一子属性的用户的数量，并判断统计的用户的数量是否大于预设阈值，如果是，则确定该任一子属性为共同属性。

作为上述技术方案的优选，所述筛选具有该共同属性且未浏览过该数据的未读用户包括：

确定具有所述共同属性的用户，并将未浏览过所述数据的具有所述共同属性的用户确定为未读用户。

作为上述技术方案的优选，所述方法还包括：

当所述共同属性为多个时，针对每一共同属性分别筛选对应的未读用户。

作为上述技术方案的优选，所述将所述数据推送给所述未读用户之前还包括：

判断是否已经将所述数据推送给所述未读用户，如果是，则结束推送。

本发明实施例还提出了一种推送数据的装置，所述装置包括：

共同属性获取模块，用于获取符合预定条件的数据，获取浏览过该数据的已读用户的属性，并确定所述已读用户的共同属性；

未读用户筛选模块，用于筛选具有该共同属性且未浏览过该数据的未读用户；

推送模块，用于将所述数据推送给所述未读用户。

作为上述技术方案的优选，所述共同属性获取模块包括：

子属性获取单元，用于获取已读用户的属性中的任一属性的任一子属性；

统计单元，用于统计具有该任一子属性的用户的数量；

确定单元，用于判断统计的用户的数量是否大于预设阈值，如果是，则确定该任一子属性为共同属性。

作为上述技术方案的优选，所述未读用户筛选模块包括：

属性确定单元，用于确定具有所述共同属性的用户；

未读用户筛选单元，用于将未浏览过所述数据的具有所述共同属性的用户筛选为未读用户。

作为上述技术方案的优选，当所述共同属性为多个时，所述未读用户筛选模块针对每一共同属性分别筛选对应的未读用户。

作为上述技术方案的优选，该装置还包括：

过滤模块，用于判断是否已经将所述数据推送给所述未读用户，如果是，则结束推送。

本发明实施例提供的技术方案带来的有益效果是：通过根据符合预定条件的数据及已读用户的共同属性，筛选具有该共同属性且未浏览过该数据的未读用户，将数据推送给该未读用户，从而能使未读用户准确获取感兴趣的数据。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例1中提供的推送数据的方法流程图；

图2是本发明实施例2中提供的推送数据的方法流程图；

图3是本发明实施例3中提供的推送数据的装置结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

实施例1

参见图1，本发明实施例提供了一种推送数据的方法，该方法流程具体如下：

101：获取符合预定条件的数据，获取浏览过该数据的已读用户的属性，并确定该已读用户的共同属性；

102：筛选具有该共同属性且未浏览过该数据的未读用户；

103：将数据推送给该未读用户。

本发明实施例提供的方法，通过根据符合预定条件的数据及已读用户的共同属性，筛选具有该共同属性且未浏览过该数据的未读用户，将数据推送给该未读用户，从而能使未读用户准确获取感兴趣的数据。

实施例2

参见图2，本发明实施例提供了一种推送数据的方法，该方法流程具体如下：

201：获取符合预定条件的数据；

具体地，用户登陆网站的时候，会收到大量的数据，每一条数据拥有许多属性，如数据产生时刻，浏览数据的用户个数，浏览数据的次数和评论数据的次数等。可以根据不同的属性设定预定条件，本发明实施例不对确定预定条件的方式进行限定。在本发明的一个实施例中，以一段时间内，浏览数据的用户个数、浏览数据的次数和评论数据的次数作为预定条件为例进行说明。

本发明实施例中，对用户收到的各个数据的有效时间T、浏览数据的用户个数L、浏览数据的次数N和评论数据的次数M分别分配代表属性推送程度的加权值p1，p2，p3和p4，其中，数据的有效时间T为该数据产生的时间与当前时间的距离，四个属性加权值满足p1+p2+p3+p4＝1；计算出用户收到的各个数据的属性加权和B＝p1*T+p2*L+p3*N+p4*M，将属性加权和较高的前W条数据定义为符合预定条件的数据。本发明实施例不对T、L、M、N、W的具体大小进行限定，同样不对其设置方式进行限定，实际应用中，可以根据具体情况设置属性加权值的大小，例如：有效时间T决定了数据的时效性，浏览数据的用户个数L、浏览数据的次数N和评论数据的次数M决定了数据被关注的程度，当推送时效性高的数据时，可以将有效时间T的加权值p1设置为较高值；当推送关注程度高的数据时，可以将浏览数据的用户个数L的加权值p2、浏览数据的次数N的加权值p3和评论数据的次数M的加权值p4设置为较高值。

本发明实施例以推送时效性高的数据，设置p1＝0.5，p2＝0.3，p3＝0.1和p4＝0.1，用户在一天内收到n条数据m₁......m_n，当前时刻为18:00时，分别计算该n条数据的属性加权和为例进行说明。对于17:30产生的m₁，在17:30至18:00这段时间里，有10位用户a₁......a₁₀浏览该数据m₁，具体地，用户a₁浏览了5次，进行了2次评论，用户a₂......a₁₀每人各浏览了1次，各评论了1次。因此，数据m₁的四个属性T₁＝30(以分为单位)，L₁＝10，N₁＝14和M₁＝11，数据m₁的属性加权和B₁＝30*0.5+10*0.3+14*0.1+11*0.1＝20.5。以同样方式分别计算出数据m₂......m_n的属性加权和B₂......B_n，获取属性加权和最高的数据为符合预定条件的数据。如果以数据m₁的属性加权和B₁最高，W的值为1，即将属性加权和最高的数据作为符合预定条件的数据为例，则数据m₁为符合预定条件的数据。

202：确定浏览过该符合预定条件的数据的已读用户，并获取所有已读用户的所有属性；

具体地，仍以步骤201获取的符合预定条件的数据m₁为例，将浏览过该数据m₁的用户作为已读用户，分别获取浏览过该数据m₁的已读用户的属性，本发明不对已读用户的属性进行限定，其中，该属性可以为已读用户的性别、年龄、出生地、就读学校、职业等固有属性，也可以为已读用户与收到数据m₁的用户的关系等关系链属性。

本发明实施例以已读用户的个数为10，且已读用户的属性为已读用户的性别、与收到数据m₁的用户的关系为例进行说明，各个已读用户的属性如表1所示：

浏览过m1的已读用户	性别	已读用户与收到数据m1的用户的关系
			1	男	高中同学
2	男	高中同学
			3	女	高中同学
4	女	高中同学
			5	男	大学同学
6	男	高中同学
			7	男	高中同学
8	女	高中同学
			9	女	高中同学
10	男	大学同学

表1

203：确定所有已读用户的共同属性；

具体地，对于已读用户的属性中的任一属性，获取该任一属性的任一子属性，统计具有该任一子属性的用户的数量，并判断统计的用户的数量是否大于预设阈值，如果是，则确定该任一子属性为共同属性。其中，如表1所示，已读用户的属性为已读用户的性别、与收到数据m₁的用户的关系，对于属性为“已读用户的性别”而言，其子属性分别为“男性”和“女性”；对于属性“与收到数据m₁的用户的关系”而言，其子属性分别为“高中同学”和“大学同学”。统计具有任一子属性的用户的数量时，可以对每个任一子属性进行聚类分析，并建立统计结果列表，根据统计结果列表，确定已读用户的共同属性。

下面以根据所有已读用户的所有关系链属性，确定所有已读用户的共同属性为例进行说明。例如，对于m₁，根据表1所示的浏览过m₁的已读用户的属性，以任一属性为已读用户与收到数据m₁的用户的关系，对其各个子属性进行聚类分析为例，则建立的统计结果列表如下面表2所示：

已读用户与收到数据m1的用户的关系	用户的数量
		高中同学	8
大学同学	2

表2

统计该任一子属性的用户的数量，并建立统计结果列表后，根据统计结果列表，确定已读用户的共同属性时，优选地，可以预设阈值，判断统计的用户的数量是否大于该预设阈值，如果是，则确定该任一子属性为共同属性。

对于预设阈值，可以根据具体情况进行设置，若要提取出更有价值的未读用户，使确定的共同属性更具参考性，则可以将预设阈值设置为较高值。本发明实施例不对设置预设阈值的方式进行限定，例如，在表2的基础上，如果预设阈值为5，则确定属性“已读用户与收到数据m₁的用户的关系”中的子属性“高中同学”作为共同属性。

需要说明的是，上述仅以关系链属性进行说明，对于固有属性，其实现方式与关系链属性相同，此处不再赘述。预设阈值还可以设置成百分比的形式，则在确定共同属性时，可在统计出具有任一子属性的用户的数量之后，再计算确定的用户的数量占已读用户的数量的百分比，最后将计算结果再与预设阈值进行比较。

以设置的预设阈值为80％为例，如表2所示，对于属性“已读用户与收到数据m₁的用户的关系”中的子属性“高中同学”，其对应的用户的数量占已读用户的数量的80％，另一子属性“大学同学”对应的用户的数量占已读用户的数量的20％，则将子属性“高中同学”作为共同属性。

其中，上述确定共同属性的方式仅是根据各个属性对应的用户数量与预设阈值的关系来确定的，即先在步骤202获取的所有已读用户的所有属性中确定相同属性，再将对应的用户数量满足预设阈值的相同属性确定为所有已读用户的共同属性。

进一步地，由于属性又分为固有属性及关系链属性两种类型，因此，在按照上述方式确定共同属性之后，还可以按照共同属性的不同类型，对确定的共同属性进行筛选，例如，在上述方式确定的共同属性中，将类型为固有属性的共同属性挑选出来，并将其确定为最终的共同属性，或将类型为关系链属性的共同属性挑选出来，并将其确定为最终的共同属性，本实施例对此不作具体限定。

可选地，确定所有已读用户的共同属性时，除了采取上述先确定满足预设阈值的相同属性，再按照属性类型进行筛选，确定最终的共同属性的方式外，还可以在确定相同属性之后，先将相同属性按照属性类型分为固有属性和关系链属性，并确定其中一种类型的相同属性为共同属性；在此基础上，还可以在确定将哪种类型的相同属性作为共同属性之后，再判断该类相同属性是否满足阈值，如果是，则将其确定为最终的共同属性。

204：筛选具有该共同属性且未浏览过该数据的未读用户；

具体地，可以先确定出具有该共同属性且未浏览过该数据的用户，因而可以通过浏览过某符合预定条件的数据的已读用户的属性中的共同属性，筛选可能对该符合预定条件的数据感兴趣，但还未浏览该符合预定条件的数据的未读用户。

需要说明的是，共同属性可以分为固有属性和关系链属性两种类型，上述步骤203中按照几种不同情况叙述了确定共同属性的方式，当步骤203确定的共同属性的类型为固有属性时，则可以认为该步骤204中筛选出的未读用户与收到数据m₁的用户可能不存在关系；当步骤203确定的共同属性的类型为关系链属性时，则可以认为该步骤204中筛选出的未读用户与收到数据m₁的用户存在关系。

进一步地，当步骤203确定的共同属性仅为相同属性，并未区分属性类型时，则筛选出的未读用户与收到数据m₁的用户可能存在关系，也可能不存在关系，对于该种情况，还可以在筛选出的未读用户中进一步筛选出与收到数据m₁的用户存在关系的未读用户，本实施例不对筛选未读用户的方式进行具体限定。例如，如果需要将符合预定条件的数据m₁推送给与收到数据m₁的用户存在关系的未读用户，则可以在上述步骤203确定共同属性时，使确定的共同属性的类型为关系链属性，从而实现该步骤204中筛选出的未读用户与收到数据m₁的用户存在关系。

仅以上述步骤203中确定的共同属性为关系链属性“高中同学”为例，则将具有属性“高中同学”且未浏览过符合预定条件的数据m₁的用户筛选为未读用户，从中可以看出，筛选出的未读用户与收到数据m₁的用户存在“高中同学”的关系。

优选地，步骤203中确定的已读用户的共同属性有多个时，既可以针对每一共同属性分别筛选对应的未读用户，也可以将同时满足该多个共同属性且未浏览过该符合预定条件的数据的用户筛选为未读用户。

205：将符合预定条件的数据推送给该未读用户。

针对该步骤，本实施例不对具体推送方式进行限定，例如，可以通过及时通信、实时的Web数据或者email等方式，将符合预定条件的数据m₁推送给未读用户。

优选地，推送符合预定条件的数据给未读用户之前，还可以判断是否已经将数据推送给未读用户，如果是，则结束推送；否则将该数据推送给未读用户。该优选实施例用于避免同一符合预定条件的数据反复推送给未读用户。

在完成推送数据的操作后，还可以跟踪未读用户对符合预定条件的数据的反馈结果，并根据反馈结果调整数据属性的加权值。

本发明实施例提供的方法，通过根据符合预定条件的数据及已读用户的共同属性，筛选具有该共同属性且未浏览过该数据的未读用户，将数据推送给该未读用户，从而能使未读用户准确获取感兴趣的数据。

实施例3

参见图3，本发明实施例提供了一种推送数据的装置，该装置包括：

共同属性获取模块301，用于获取符合预定条件的数据，获取浏览过该数据的已读用户的属性，并确定已读用户的共同属性；

未读用户筛选模块302，用于筛选具有该共同属性且未浏览过该数据的未读用户；

推送模块303，用于将数据推送给该未读用户。

本发明实施例提供的装置，通过根据符合预定条件的数据及已读用户的共同属性，筛选具有该共同属性且未浏览过该数据的未读用户，将数据推送给该未读用户，从而能使未读用户准确获取感兴趣的数据。

实施例4

本发明实施例提供了一种推送数据的装置，该装置包括：

共同属性获取模块301，用于获取符合预定条件的数据，获取浏览过该数据的已读用户的属性，并确定已读用户的共同属性；

未读用户筛选模块302，用于筛选具有该共同属性且未浏览过该数据的未读用户；

推送模块303，用于将数据推送给该未读用户。

其中，所述共同属性获取模块301包括：

子属性获取单元，用于获取已读用户的属性中的任一属性的任一子属性；

统计单元，用于统计具有该任一子属性的用户的数量；

确定单元，用于判断统计的用户的数量是否大于预设阈值，如果是，则确定该任一子属性为共同属性。

其中，所述未读用户筛选模块302包括：

属性确定单元，用于确定具有共同属性的用户；

未读用户筛选单元，用于将未浏览过所述数据的具有所述共同属性的用户筛选为未读用户。

具体地，当所述共同属性为多个时，所述未读用户筛选模块302针对每一共同属性分别筛选对应的未读用户。

具体地，所述推送模块303可以通过及时通信、实时的Web数据或者email等方式推送给用户，本发明实施例并不对此做出限定。

进一步地，所述装置还包括：

过滤模块，用于判断是否已经将数据推送给未读用户，如果是，则结束推送。

本发明实施例提供的装置，通过根据符合预定条件的数据及已读用户的共同属性，筛选具有该共同属性且未浏览过该数据的未读用户，将数据推送给该未读用户，从而能使未读用户准确获取感兴趣的数据。

需要说明的是：上述实施例提供的对推送数据的装置在推送数据时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的推送数据的装置与推送数据的方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

以上实施例提供的技术方案中的全部或部分内容可以通过软件编程实现，其软件程序存储在可读取的存储介质中，存储介质例如：计算机中的硬盘、光盘或软盘。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种推送数据的方法，其特征在于，所述方法包括：

获取符合预定条件的数据，获取浏览过该数据的已读用户的属性，并确定所述已读用户的共同属性；

筛选具有该共同属性且未浏览过该数据的未读用户；

将所述数据推送给所述未读用户；

所述确定所述已读用户的共同属性，包括：

对于所述已读用户的属性中的任一属性，获取所述任一属性的任一子属性，并统计具有该任一子属性的用户的数量，并判断统计的用户的数量是否大于预设阈值，如果是，则确定该任一子属性为共同属性；

统计具有任一子属性的用户的数量时，对每个任一子属性进行聚类分析，并建立统计结果列表，根据统计结果列表，确定已读用户的共同属性。

2.根据权利要求1所述的推送数据的方法，其特征在于，所述筛选具有该共同属性且未浏览过该数据的未读用户，包括：

确定具有所述共同属性的用户，并将未浏览过所述数据的具有所述共同属性的用户筛选为未读用户。

3.根据权利要求2所述的推送数据的方法，其特征在于，所述方法还包括：

当所述共同属性为多个时，针对每一共同属性分别筛选对应的未读用户。

4.根据权利要求1所述的推送数据的方法，其特征在于，所述将所述数据推送给所述未读用户之前还包括：

判断是否已经将所述数据推送给所述未读用户，如果是，则结束推送。

5.一种推送数据的装置，其特征在于，所述装置包括：

共同属性获取模块，用于获取符合预定条件的数据，获取浏览过该数据的已读用户的属性，并确定所述已读用户的共同属性；

未读用户筛选模块，用于确定具有该共同属性且未浏览过该数据的未读用户；

推送模块，用于将所述数据推送给所述未读用户；

所述共同属性获取模块包括：

子属性获取单元，用于获取已读用户的属性中的任一属性的任一子属性；

统计单元，用于统计具有该任一子属性的用户的数量；

确定单元，用于判断统计的用户的数量是否大于预设阈值，如果是，则确定该任一子属性为共同属性；

统计具有任一子属性的用户的数量时，对每个任一子属性进行聚类分析，并建立统计结果列表，根据统计结果列表，确定已读用户的共同属性。

6.根据权利要求5所述的推送数据的装置，其特征在于，所述未读用户筛选模块包括：

属性确定单元，用于确定具有所述共同属性的用户；

未读用户单元，用于将未浏览过所述数据的具有所述共同属性的用户确定为未读用户。

7.根据权利要求6所述的推送数据的装置，其特征在于，当所述共同属性为多个时，所述未读用户筛选模块针对每一共同属性分别筛选对应的未读用户。

8.根据权利要求5所述的推送数据的装置，其特征在于，还包括：

过滤模块，用于判断是否已经将所述数据推送给所述未读用户，如果是，则结束推送。