CN103971256A - 一种信息推送方法及设备 - Google Patents

Abstract

本申请公开了一种信息推送方法及设备，主要内容包括：获取具有关联关系的用户标识ID所表示的用户在设定时间段内的网络行为事件信息；根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值；根据确定的关联值，对具有关联关系的ID所表示的用户进行分组，得到用户组；将所述用户组中的至少一个用户的信息推送给该用户组中的部分或全部用户。由于本申请实施例的方案是根据能反映用户的信息需求特征的网络行为事件信息来确定卖家用户之间的相似性，并将相似性高的用户的信息进行互推，因此，在进行信息推送时，提高了信息推送的准确性，同时很大程度上降低了对用户造成的信息骚扰。

Description

一种信息推送方法及设备

技术领域

本申请涉及计算机网络技术领域，尤其涉及一种信息推送方法及设备。

背景技术

随着计算机网络技术和社会经济的发展，社会性网络服务（SocialNetworking Services，SNS）网站和电子商务网站相结合形成了社交电子商务网站（Social commerce）。网民登录该社交电子网站，即可同时使用SNS网站和电子商务网站具有的功能，获取人际资源信息、进行信息资源分享、以及获取相关商品信息。

在上述社交电子网站中，为用户进行信息推送时，沿袭SNS网站中信息推送方法，也即通过用户注册时获取的用户地域信息、教育经历信息、好友关系进行人际资源信息的推送，将该用户好友的好友推荐给该用户、将与该用户具有相同地域信息和/或教育经历信息的用户信息推送给该用户。

上述信息推送方式在针对SNS网站时，能较好的满足用户对人际关系信息的信息需求。然而，针对社交电子网站，由于在电子商务这一环境下，各用户的身份与其在SNS网络的身份发生了变化，用户身份可能是卖家，也可能是买家，卖家与买家此时需要获取与商品交易有直接或间接的关系的用户以及该用户的相关商品交易信息，此时，如果仍然根据上述SNS网站中信息推送方法为用户进行信息推送，对该卖家用户或买家用户来说，由于上述信息推送方法并没有依据用户实际需求信息的特征进行信息推送，因此，向卖家用户或买家用户推送的信息很大程度上将不会是卖家用户或买家用户所需求的，也就是说推送给用户的信息是不准确的，这不但浪费网络资源，而且还会对用户造成信息骚扰。

发明内容

本申请的目的在于，提供一种信息推送方法及设备，用以解决现有技术中存在的信息推送准确性低，对用户造成信息骚扰的问题。

一种信息推送方法，所述方法包括：

获取具有关联关系的用户标识ID所表示的用户在设定时间段内的网络行为事件信息；

根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值；

根据确定的关联值，对具有关联关系的ID所表示的用户进行分组，得到用户组；

将所述用户组中的至少一个用户的信息推送给该用户组中的部分或全部用户。

一种信息推送设备，所述信息推送设备包括：

获取模块，用于获取具有关联关系的用户标识ID所表示的用户在设定时间段内的网络行为事件信息；

确定模块，用于根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值；

分组模块，用于根据确定的关联值，对具有关联关系的ID所表示的用户进行分组，得到用户组；

推送模块，用于将所述用户组中的至少一个用户的信息推送给该用户组中的部分或全部用户。

本申请有益效果如下：

本申请实施例中，由于根据能反映具有关联关系的用户的需求信息的特征的网络行为事件信息，确定用户ID对应的值，并将由所对应的值满足设定条件的用户构成的用户组中的信息推送给该用户组中其他用户，因此，推送给用户的其他用户的信息能够满足该用户对信息的需求，提高了信息推送的准确性，同时，避免了由于信息推送的不准确而对用户造成的信息骚扰的问题。

附图说明

图1为本申请实施例一中信息推送方法示意图；

图2为本申请实施例二中信息推送方法示意图；

图3为本申请实施例二中信息推送方法示意图；

图4为本申请实施例三中信息推送方法示意图；

图5为本申请实施例三中信息推送方法示意图；

图6为本申请实施例四中信息推送方法示意图；

图7为本申请实施例四中信息推送方法示意图；

图8为本申请实施例五中信息推送设备的结构示意图。

具体实施方式

为了实现本申请目的，本申请实施例提出一种信息推送方法及设备，由于本申请实施例的方案是根据能反映具有关联关系的用户实际需求信息的特征的网络行为事件进行信息推送，因此，推送给用户的其他用户的信息能够满足该用户的信息需求，提高了信息推送的准确性，同时，避免了由于信息推送的不准确而对用户造成的信息骚扰的问题。

本申请各实施例中涉及的网络行为事件信息，是指用户在网络环境下的行为产生的事件信息。由于用户在一定时间段内对某一事物的喜好可视为是不变的，因此，用户在网络环境下的行为产生的事件信息可以在一定程度上反映的用户的对信息的需求特征。例如，在电子购物网站的电子交易行为产生的事件信息，在论坛的发帖行为产生的事件信息，在娱乐网站的虚拟娱乐行为产生的事件信息等。更具体的，以电子交易行为产生的事件信息为例，网络行为事件信息具体可以包括：卖家用户的网络行为事件信息和买家用户的网络行为事件信息，其中，卖家用户的网络行为事件信息可以包括注册时间、注册开店时间、总订单笔数、总订单金额、单笔订单卖出商品的最大金额、最大折扣、信用值、成长值、月平均销售额、年平均销售额等；买家用户的网络行为事件信息可以包括：注册时间、总订单笔数、总订单金额、单笔订单买进商品的、信用值等。针对买家用户的网络行为事件信息，所述总订单笔数是指购买或卖出商品的订单的总笔数，所述总订单金额是指所述总订单笔数对应的总订单金额，所述买家用户的网络行为事件信息和卖家用户的网络行为事件信息均与时间信息（如某年某月某日等）对应。

下面结合说明书附图对本申请实施例进行详细描述。

实施例一

如图1所示，其为本申请实施例一中信息推送方法示意图，所述方法包括以下步骤：

步骤101：获取具有关联关系的用户ID所表示的用户在设定时间段内的网络行为事件信息。

所述具有关联关系的用户是指某一个用户属性或多个用户属性相同的用户，或者某一个用户属性或多个用户属性互补的用户，例如：假设用户A和用户B具有相同的一个用户属性，则可称用户A和用户B为具有关联关系的用户。

所述设定时间段可以根据实际需求来确定。

步骤102：根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值。

所述关联值可以是两个用户之间的相似性的值，也可以是多个用户之间的相似性的值，本发明实施例一并不对此进行限定。

在获知用户的网络行为事件信息之后，可以根据实际需求，设定处理策略，对具有关联关系的用户的网络行为事件信息进行处理，确定具有关联关系的ID之间的关联值，例如，可以对网络行为事件信息进行分类及量化，结合用户对信息的需求，对各量化值进行加权求和等，即可获得具有关联关系的ID之间的关联值；还可以对网络行为事件信息与设定的标准网络行为事件信息进行相似性比较，确定该网络行为事件信息与设定的标准网络行为事件信息的相似性的值，将该相似性的值作为具有关联关系的ID之间的关联值，本申请在此并不对具体如何对网络行为事件信息进行处理做出限定。

步骤103：根据确定的关联值，对具有关联关系的ID所表示的用户进行分组，得到用户组。

本步骤103中，在确定关联值之后，可将关联值满足设定条件的用户分在同一组，得到用户组。

步骤104：将所述用户组中的至少一个用户的信息推送给该用户组中的部分或全部用户。

在本申请实施例一的方案中，由于根据具有关联关系的用户网络行为事件信息，确定具有关联关系的ID之间的关联值，并根据确定的关联值对用户进行分组，得到用户组，最后，将同一用户组中的用户的信息推送给该用户组中的部分或全部用户。一方面，可实现同一用户组中的部分或全部用户之间进行信息推送；另一方面，由于是根据反映用户信息需求的网络行为事件信息向用户推送的用户信息，因此，推送给用户的其他用户的信息能够满足该用户对信息的需求，这不但提高了信息推送的准确性，而且避免了由于信息推送的不准确而对用户造成的信息骚扰的问题。

为了进一步的说明本申请实施例一的方案，本申请实施例二、实施例三和实施例四均以电子商务服务器、客户端为本申请的信息推送方法的应用环境，分别对用户为卖家用户、用户为买家用户、用户为卖家用户和买家用户时，具体的信息推送方法进行说明。

实施例二

在本申请实施例二中，用户为卖家用户，所述具有关联关系的ID可以为主营类目相同或相似的卖家用户ID，也可以为主营类目互补的卖家用户ID，所述网络行为事件信息为卖家网络行为事件信息。下面分别对具有关联关系的ID为主营类目相同或相似的卖家用户ID，所述网络行为事件信息为卖家网络行为事件信息时，以及具有关联关系的ID为主营类目互补的卖家用户ID，所述网络行为事件信息为卖家网络行为事件信息时，进行信息推送的方法进行说明。

如图2所示，其为本申请实施例二中信息推送方法示意图，在图2所示的方法中具有关联关系的ID为主营类目相同或相似的卖家用户ID，该方法包括以下步骤：

步骤201：获取主营类目相同或相似的卖家用户ID所表示的卖家用户在设定时间段内的网络行为事件信息。

所述网络行为事件信息具体可以包括：注册开店时间、总订单笔数和总订单金额中的至少一项，所述总订单笔数是卖家用户在所述设定时间段内的收到的订单的数量，所述总订单金额是卖家用户在所述设定时间段内的收到的各订单的金额的总和。

步骤202：根据所述网络行为事件信息，确定主营类目相同或相似的卖家用户ID之间的关联值。

该步骤202中，可根据所述网络行为事件信息的特点，采用多种方式确定主营类目相同或相似的卖家用户ID之间的关联值。例如采用注册开店时间、总订单笔数和总订单金额等网络行为事件信息中的至少一种信息，确定主营类目相关联的卖家用户ID之间的关联值。以下例举一优选实施例进行说明，具体包括下步骤：

步骤2021：将具有相同或相似主营类目的卖家用户划分在同一卖家用户集合中。

步骤2022：针对步骤2021中确定的每一卖家用户集合，确定该卖家用户集合的标准卖家用户；

所述标准卖家用户可以是从该卖家用户集合选取的一个卖家用户，也可以是根据该卖家用户集合中的所有卖家用户的网络行为事件信息来确定的一个虚拟的标准卖家用户。

步骤2023：分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值。

步骤2024：将确定的所述相似性的值作为该卖家用户ID的关联值。

所述步骤2023中，分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值，可根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值。以下提供一具体计算实例，其包括以下步骤：

第一步：将该卖家用户的总订单笔数与标准卖家用户的总订单笔数相除，得到比值P1；

第二步：将该卖家用户的总订单金额与标准卖家用户的总订单金额相除，得到比值P2；

第三步：将该卖家用户的开店时长与标准卖家用户的开店时长相除，得到比值P3，所述开店时长是根据注册开店时间和所述设定时间段中的某一指定时间确定的；

第四步：利用公式（1）确定该卖家用户与标准卖家用户的相似性的值：

W₁×P1+W₂×P2+W₃×P3 （1）

在上述公式（1）中，W₁为总订单笔数的权重，W₂为总订单金额的权重，W₃为开店时长的权重，且W₁、W₂、W₃之和为1。

步骤203：根据确定的关联值，对具有关联关系的ID所表示的用户进行分组，得到用户组。

本步骤203中，在确定关联值之后，可将关联值在同一设定数值区间的用户分在同一组，得到用户组。

步骤204：将确定的用户组中的至少一个用户的信息推送给该用户组中的部分或全部用户。

下面通过一个具体的例子对本申请上述步骤201至步骤204的方案进行说明。

假设在步骤201中获取的主营类目均为风衣、卖家用户ID为0011、0012、0013、0014、0015所表示的卖家用户以及获取的主营类目为衬衫、卖家用户ID为0021、0022、0023、0024、0025所表示的卖家用户在设定时间段2007年10月1日至2009年10月1日注册开店时间、总订单笔数和总订单金额信息如表（1）所示：

表（1）

步骤2021：将主营类目为风衣的卖家用户划分在集合1中，如表（2）所示，将主营类目为衬衫的卖家用户划分在集合2中，如表（3）所示。

表（2）

表（3）

步骤2022：在表（2）中，选取ID为0013的卖家用户作为集合1的标准卖家用户，在表（3）中，选取ID为0024的卖家用户作为集合2的标准卖家用户。

步骤2023：利用公式（1）分别确定表（2）中每一卖家用户与ID为0013的卖家用户（即集合1的标准卖家用户）的相似性的值，如表（4）所示；利用公式（1）分别确定表（3）中每一卖家用户与ID为0024的卖家用户（也即集合2的标准卖家用户）的相似性的值，如表（5）所示。表（4）和表（5）中设定W₁、W₂、W₃均为1/3。

表（4）

表（5）

步骤2024：将确定的相似性的值作为该卖家用户ID的关联值。

步骤203：针对表（2）中的卖家用户集合，假设设定的数值区间为(0.9，1.25]和（1.25，1.55]，则由表（4）可知，ID为0011、0012、0013和0014的卖家用户构成一个用户组1，卖家用户0015构成一个用户组2。

针对表（3）中的卖家用户集合，假设设定的数值区间为(0.9，1.4]和（1.4，1.9]，则由表（5）可知，ID为0021、0023和0024的卖家用户构成一个用户组3，ID为0022和0025的卖家用户构成一个用户组4。

由于本步骤203中，确定的用户组中的各卖家用户对应的值处于同一数值区间，而这些卖家用户的值又是与同一标准卖家用户进行相似性比较后得出的，因此，本步骤203中确定的用户组中各卖家用户的相似性较高。

步骤204：将确定的用户组1（用户组2、用户组3、用户组4）中的至少一个用户的信息推送给该用户组1（用户组2、用户组3、用户组4）中的全部或部分用户。

在本申请实施例二的方案中，为了更准确地确定卖家用户之间的相似性，以及确保卖家用户的信息的安全性，卖家用户的网络行为事件信息还可包括信用值，以及卖家用户的店铺被买家用户收藏的次数，所述信用值是根据各买家用户在购买该卖家用户的商品后，对该卖家用户的评价等级确定的，例如，所述评价等级可以包括“好”、“中”、“差”，在对该卖家用户的评价等级为“好”时，该卖家用户的信用值加1；在对该卖家用户的评价等级为“中”时，该卖家用户的信用值不变；在对该卖家用户的评价等级为“差”时，该卖家用户的信用值减1。在添加上述信用值和被买家用户收藏的次数时，确定具有关联关系的用户ID的关联值的方法与上述第一步至第四步中所示的方法类似，这里不再赘述。

本申请实施例二中的确定卖家用户ID的关联值的方案，并不限于上述相应步骤中的方案，也可以在确定卖家用户集合之后，可以先挑选一个卖家用户，将其他卖家用户均与该卖家用户进行相似性比较，此时，该被挑选的卖家用户的相似性的值的个数为与其进行相似性比较的卖家用户的个数，将与该被挑选的卖家用户的值大于设定值的卖家用户作为一个用户组，并将该用户组推送给该被挑选的卖家用户，针对其他未被挑选的卖家用户也按照此种方法进行；还可以将确定的卖家用户集合中的用户两两进行相似性的比较，将该2个卖家用户之间的相似性的值作为关联值，在该关联值满足设定条件时，将2个卖家用户中的一卖家用户的信息推送给另一卖家用户。

例如：假设设定值为0.7，卖家用户A、卖家用户B和卖家用户C、卖家用户D属于同一卖家用户集合，卖家用户A与卖家用户B的相似性的值为0.8、卖家用户A与卖家用户C的相似性的值为0.9、卖家用户A与卖家用户D的相似性的值为0.5，由于卖家用户B、卖家用户C和卖家用户D与卖家用户A的相似性的值均大于0.7，则可将买家用户B、卖家用户C的信息推动给卖家用户A，还可以将卖家用户A的信息分别推送给卖家用户B和卖家用户C。

如图3所示，其为本申请实施例二中信息推送方法示意图，在图3所示的方法中具有关联关系的ID为主营类目互补的卖家用户ID，该方法包括以下步骤：

步骤301：获取主营类目互补的卖家用户ID所表示的卖家用户在设定时间段内的网络行为事件信息。

若卖家用户A和卖家用户B的主营类目所表示的商品在被买家用户使用时，习惯上被搭配使用，则可以称卖家用户A和卖家用户B的主营类目互补。

例如：毛衣和配饰一般被买家用户搭配使用，则主营类目为毛衣的卖家用户A和主营类目为配饰的卖家用户B可称为主营类目互补的卖家用户，获取网络行为事件信息时，将主营类目为毛衣的这一类卖家用户的ID和主营类目为配饰的这一类卖家用户的ID的网络行为事件信息均获取到。

所述网络行为事件信息具体可以包括：注册开店时间、总订单笔数和总订单金额中的至少一项，所述总订单笔数是卖家用户在所述设定时间段内的收到的订单的数量，所述总订单金额是卖家用户在所述设定时间段内的收到的各订单的金额的总和。

步骤302：根据所述网络行为事件信息，确定主营类目互补的卖家用户ID之间的关联值。

该步骤302中，可根据所述网络行为事件信息的特点，采用多种方式确定主营类目互补的卖家用户ID之间的关联值。例如采用注册开店时间、总订单笔数和总订单金额等网络行为事件信息中的至少一种信息，确定主营类目相关联的卖家用户ID之间的关联值。以下例举一优选实施例进行说明，具体包括下步骤：

步骤3021：将主营类目互补的卖家用户ID划分成第一类卖家用户集合和第二类卖家用户集合。

其中，第一类卖家用户集合中的卖家用户的主营类目相同，主营类目与第一类卖家用户的主营类目互补的第二类卖家用户集合中的卖家用户的主营类目相同。

步骤3022：针对步骤3021中确定的每一类卖家用户集合，确定该类卖家用户集合的标准卖家用户；

所述标准卖家用户可以是从该类卖家用户集合选取的一个卖家用户，也可以是根据该类卖家用户集合中的所有卖家用户的网络行为事件信息来确定的一个虚拟的标准卖家用户。

步骤3023：分别确定该类卖家用户集合中每一卖家用户与标准卖家用户的相似性的值。

步骤3024：将确定的所述相似性的值作为该卖家用户ID的关联值。

所述步骤3023中，分别确定该类卖家用户集合中每一卖家用户与标准卖家用户的相似性的值，可根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值。其具体计算实例，与上述第一步至第四步类似，这里不再赘述。

步骤303：根据确定的关联值，对具有关联关系的ID所表示的用户进行分组，得到用户组。

本步骤303可根据第一类卖家用户集合中的卖家用户的关联值和第二类卖家用户集合中的卖家用户的关联值，对第一类卖家用户集合和第二类卖家用户集合中的ID所表示的用户进行分组，得到用户组。

更为具体的，本步骤303中，可以将所对应的值属于第一设定数值区间的第一类卖家用户ID所表示的卖家用户划分在第一子用户组；将所对应的值属于第二设定数值区间的第二类卖家用户ID所表示的卖家用户划分在第二子用户组；将第一子用户组和第二子用户组合并在一起构成用户组，其中，第一类卖家用户的主营类目和第二类卖家用户的主营类目互补，第一设定数值区间和第二设定数值区间具有一一对应的关系。

步骤304：将确定的用户组中的至少一个用户的信息推送给该用户组中的部分或全部用户。

下面通过一个具体的例子对本申请上述步骤301至步骤304的方案进行说明。

仍以上述表（1）中的卖家用户数据为例，假设主营类目和主营类目衬衫互补；

步骤301：获取如表（1）所示的主营类目为风衣和衬衫的卖家用户的各项信息。

步骤3021：将主营类目为风衣的卖家用户划分在第一类卖家用户集合中，如表（2）所示，将主营类目为衬衫的卖家用户划分在第二类卖家用户集合中，如表（3）所示。

步骤3022：确定ID为0013的卖家用户为第一类卖家用户集合的标准卖家用户，以及确定ID为0024的卖家用户为第二类卖家用户集合中的标准卖家用户。

步骤3023：利用公式（1）确定第一类卖家用户集合中每一卖家用户与ID为0013的卖家用户的相似性的值；利用公式（1）确定第二类卖家用户集合中每一卖家用户与ID为0024的卖家用户的相似性的值。

步骤3024：将确定的所述相似性的值作为该卖家用户ID的关联值。

步骤303：在具有一一对应关系的第一设定数值区间和第二设定数值区间分别为(0.9，1.25]和(0.9，1.4]数值区间对，以及（1.25，1.55]和（1.4，1.9]数值区间对时，得到的第一子用户组和第二子用户组以及由第一子用户组和第二子用户组构成的用户组如表（6）和表（7）所示：

表（6）

表（7）

步骤304：针对表（6）和表（7）中的两个用户组（假设为用户组5、用户组6），也可将用户组5（用户组6）中的至少一个用户的信息推送给该用户组5（用户组6）中的全部或部分用户。

通过本申请实施例二的方案，将相似性高的卖家用户的信息互相推送给对方，提高了信息推送的准确性，也就是说，可以使得卖家用户可以准确获知与自身相似性较高的其他卖家用户，进而根据推送的消息对所述其他卖家用户进行访问，以及建立联系，可以达到卖家用户之间进行互动及沟通的目的。

实施例三

在本申请实施例三中，用户为买家用户，所述具有关联关系的ID可以为主购类目相同或相似的卖家用户ID，也可以为主购类目互补的买家用户ID，所述网络行为事件信息为买家网络行为事件信息。

下面分别对具有关联关系的ID为主购类目相同或相似的买家用户ID，所述网络行为事件信息为买家网络行为事件信息时，以及具有关联关系的ID为主购类目互补的买家用户ID，所述网络行为事件信息为买家网络行为事件信息时，进行信息推送的方法进行说明。

如图4所示，其为本申请实施例三中信息推送方法示意图，在图4所示的方法中具有关联关系的ID为主购类目相同或相似的卖家用户ID，该方法包括以下步骤：

步骤401：获取主购类目相同或相似的买家用户ID所表示的用户在设定时间段内的网络行为事件信息。

所述主购类目是根据买家用户在所述设定时间段内的历史订单信息中的商品信息确定的。

所述网络行为事件信息可以包括：注册时间、总订单笔数和总订单金额中的至少一项，所述总订单笔数是买家用户在所述设定时间段内的发出的订单的数量，所述总订单金额是买家用户在所述设定时间段内的发出的各订单的金额的和。

所述主购类目是根据买家用户的历史订单信息中的商品信息确定的。

通常的，订单信息中包含卖家用户信息、买家用户信息和商品信息。因此，可以通过统计买家用户的历史订单信息中的商品信息来确定买家用户的主购类目。例如：统计买家用户A在设定时间段内的历史订单信息中的商品信息，得出购买的上衣数量为1、图书数量为18、电器数量为0，则可确定该买家用户的主购类目为图书。

步骤402：根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值。

该步骤402中，可根据所述网络行为事件信息的特点，采用多种方式确定主购类目相同或相似的卖家用户ID之间的关联值。例如注册时间、总订单笔数和总订单金额中的至少一项，确定主购类目相同或相似的卖家用户ID之间的关联值。以下例举一优选实施例进行说明，具体包括下步骤：

步骤4021：将主购类目相同或相似的买家用户ID划分在同一买家用户集合中。

步骤4022：针对步骤4021中确定的每一买家用户集合，确定该买家用户集合的标准买家用户；

步骤4023：分别确定该买家用户集合中每一买家用户与标准买家用户的相似性的值；

步骤4024：将确定的所述相似性的值作为该买家用户ID的关联值。

上述步骤4023中可根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值。更具体的，上述分别确定该买家用户集合中每一买家用户与标准买家用户的相似性的值，包括：

第一步：将该买家用户的总订单笔数与标准买家用户的总订单笔数相除，得到比值J1；

第二步：将该买家用户的总订单金额与标准买家用户的总订单金额相除，得到比值J2；

第三步：将该买家用户的注册时长与标准买家用户的注册时长相除，得到比值J3，所述注册时长是根据注册时间和所述设定时间段中的某一指定时间确定的；

第四步：利用公式（2）确定该买家用户与标准买家用户的相似性的值：

W₁×J1+W₂×J2+W₃×J3 （2）

在上述公式（2）中，W₁为总订单笔数的权重，W₂为总订单金额的权重，W₃为注册时长的权重，且W₁、W₂、W₃之和为1。

步骤403：根据确定的关联值，对主购类目相同或相似的买家用户ID所表示的用户进行分组，得到用户组。

在本步骤403中，具体可将所对应的值属于同一设定数值区间的买家用户ID所表示的买家用户划分在同一用户组，处于同一用户组的买家用户构成用户组。

步骤404：将确定的用户组中的至少一个用户的信息推送给该用户组中的部分或全部用户。

同样的，上述买家用户的网络行为信息也可包括信用值，买家用户的信用值是买家用户在购买商品后，出售该商品的卖家用户为该买家用户的评价值。

如图5所示，其为本申请实施例三中信息推送方法示意图，在图5所示的方法中具有关联关系的ID为主购类目互补的买家用户ID，该方法包括以下步骤：

步骤501：获取主购类目互补的买家用户ID所表示的买家用户在设定时间段内的网络行为事件信息。

若买家用户A的主购类目和买家用户B的主购类目所表示的商品在被买家用户使用时，习惯上被搭配使用，则可以称买家用户A和买家用户B的主购类目互补。

例如：运动鞋和运动裤一般被买家用户搭配使用，则主购类目为运动鞋的买家用户A和主购类目为运动裤的买家用户B可称为主购类目互补的买家用户，获取网络行为事件信息时，将主购类目为运动鞋的这一类买家用户和主购类目为运动裤的这一类买家用户的网络行为事件信息均获取到。

所述买家网络行为事件信息包括：注册时间、总订单笔数和总订单金额中的至少一项，其中，所述总订单笔数是买家用户在所述设定时间段内的发出的订单的数量，所述总订单金额是买家用户在所述设定时间段内的发出的各订单的金额的和；

步骤502：根据所述网络行为事件信息，确定具有主购类目互补的买家用户ID之间的关联值。

该步骤502中，可根据所述网络行为事件信息的特点，采用多种方式确定主购类目相同或相似的买家用户ID之间的关联值。例如注册时间、总订单笔数和总订单金额中的至少一项，确定主购类目互补的买家用户ID之间的关联值。以下例举一优选实施例进行说明，具体包括下步骤：

步骤5021：将主购类目互补的买家用户ID划分成第一类买家用户集合和第二类买家用户集合；

其中，第一类买家用户集合中的主购类目相同，主购类目与第一类买家用户的主购类目互补的第二类买家用户集合中的主购类目相同。

步骤5022：针对每一类买家用户集合，确定该类买家用户集合的标准买家用户；

步骤5023：分别确定该类买家用户集合中每一买家用户与标准买家用户的相似性的值；

步骤5024：将确定的所述相似性的值作为该买家用户ID的关联值。

上述步骤5023中分别确定该类买家用户集合中每一买家用户与标准买家用户的相似性的值，具体为：根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值。

进一步的，在买家网络行为事件信息包括：注册时间、总订单笔数和总订单金额中时，根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值，具体包括本实施例三中的上述第一步至第四步。

步骤503：根据确定的关联值，对主购类目互补的买家用户ID所表示的用户进行分组，得到用户组。

具体的，上述步骤503可包括：根据第一类买家用户集合中的买家用户的关联值和第二类买家用户集合中的买家用户的关联值，对第一类买家用户集合和第二类买家用户集合中的ID所表示的用户进行分组，得到用户组。

更为具体的，可以将所对应的值属于第一设定数值区间的第一类买家用户ID所表示的买家用户划分在第一子用户组；将所对应的值属于第二设定数值区间的第二类买家用户ID所表示的买家用户划分在第二子用户组；将第一子用户组和第二子用户组合并在一起构成用户组，其中，第一类买家用户的主营类目和第二类买家用户的主营类目互补，第一设定数值区间和第二设定数值区间具有一一对应的关系。

步骤504：将确定的用户组中的至少一个用户的信息推送给该用户组中的部分或全部用户。

具体的，在本步骤504中，可根据用户组中第一子用户组和第二子用户组的对应关系，将该用户组中的第一子用户组中至少一个用户的信息推送给第二子用户组中的部分或全部用户。

通过本申请实施例三的方案，将相似性高的买家用户的信息互相推送给对方，提高了信息推送的准确性，也就是说，可以使得买家用户可以准确获知与自身相似性较高的其他买家用户，进而根据推送的消息对所述其他买家用户进行访问，建立联系，可以达到买家用户之间进行互动及沟通的目的。

本申请实施例三中具体的例子可参照实施例二中的例子，将实施例二中的例子的卖家用户信息变为买家用户的信息，按照本申请实施例三的步骤进行，即可得到本申请实施例三中的例子，这里不再赘述。

实施例四

在本申请实施例四中，用户为所述用户为卖家用户和买家用户，所述具有关联关系的ID可以为卖家用户ID和主购类目与该卖家用户的主营类目相同或相似的买家用户ID，也可以为卖家用户ID和主购类目与该卖家用户的主营类目互补的买家用户ID，所述网络行为事件信息为买家网络行为事件信息和卖家网络行为事件信息。

下面分别对具有关联关系的ID为主购类目相同或相似的买家用户ID，以及具有关联关系的ID为主购类目互补的买家用户ID时，进行信息推送的方法进行说明。

如图6所示，其为本申请实施例四中信息推送方法示意图，在图6所示的方法中具有关联关系的ID为卖家用户ID和主购类目与该卖家用户的主营类目相同或相似的买家用户ID，该方法包括以下步骤：

步骤601：获取卖家用户ID和主购类目与该卖家用户的主营类目相同或相似的买家用户ID所表示的用户在设定时间段内的网络行为事件信息。

其中，所述网络行为事件信息包括卖家网络行为事件信息和买家网络行为事件信息。

所述卖家网络行为事件信息包括：注册开店时间和单笔订单卖出商品的最大金额中的至少一项，其中，所述单笔订单卖出商品的最大金额是卖家用户在所述设定时间段内收到的订单的金额中最大的金额。

所述买家网络行为事件信息包括：注册时间和单笔订单买进商品的最大金额中的至少一项，其中，所述单笔订单买进商品的最大金额是买家用户在所述设定时间段内发出的订单的金额中最大的金额；

步骤602：分别根据卖家网络行为事件信息和买家网络行为事件，确定主营类目相同的卖家用户ID之间的关联值和主购类目与所述主营类目相同或相似的买家用户ID之间的关联值。

具体的，本步骤602中，针对卖家用户，可通过如图11所示的步骤6021至步骤6024确定卖家用户ID的关联值：

步骤6021：将主营类目相同的卖家用户ID划分在同一卖家用户集合中，对每一卖家用户集合，分别执行步骤6022至步骤6024的操作：

步骤6022：确定该卖家用户集合的标准卖家用户；

步骤6023：分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值；

步骤6024：将确定的所述相似性的值作为该卖家用户的ID的关联值；

本步骤602中，针对买家用户，可通过如图11所示的步骤6021’至步骤6024’确定卖家用户ID的关联值：

步骤6021’：将主购类目与所述卖家用户的主营类目相同或相似的买家用户ID划分在同一买家用户集合中，对每一买家用户集合，分别分别执行步骤6022’至步骤6024’的操作：

步骤6022’：确定该买家用户集合的标准买家用户；

步骤6023’：分别确定该买家用户集合中每一买家用户与标准买家用户的相似性的值；

步骤6024’：将确定的所述相似性的值作为该买家用户ID的关联值。

其中上述步骤6023中所述分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值，具体为，

根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值；

其中上述步骤步骤6023’具体为，

根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值。

更为具体地，所述根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值，具体包括：

第一步：将该卖家用户的开店时长与标准卖家用户的开店时长相除，得到比值P1，所述开店时长是根据注册开店时间和所述设定时间段中的某一指定时间确定的；

第二步：将该卖家用户的单笔订单卖出商品的最大金额与标准卖家用户的单笔订单卖出商品的最大金额相除，得到比值P2；

第三步：利用以下公式（3）确定该卖家用户与标准卖家用户的相似性的值：

W₁₁×P1+W₁₂×P2 （3）

其中，W₁₁为开店时长的权重，W₁₂为卖家用户的最大金额的权重，且W₁₁、W₁₂之和为1；

更为具体地，所述根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值，具体包括：

第一步：将该买家用户的注册时长与标准买家用户的注册时长相除，得到比值N1，所述注册时长是根据注册时间和所述设定时间段中的某一指定时间确定的；

第二步：将该买家用户的单笔订单买进商品的最大金额与标准买家用户的单笔订单买进商品的最大金额相除，得到比值N2；

第三步：利用以下公式确定该买家用户与标准买家用户的相似性的值：

W₂₁×N1+W₂₂×N2 （4）

其中，W₂₁为注册时长的权重，W₂₂为买家用户的订单最大金额权重，且W₂₁、W₂₂之和为1。

步骤603：根据确定的关联值，对主营类目相同的卖家用户ID之间的关联值和主购类目与所述主营类目相同或相似的买家用户ID所表示的用户进行分组，得到用户组。

具体的，本步骤603中可根据卖家用户集合中的卖家用户ID的关联值和和主购类目与该卖家用户的主营类目相同或相似的买家用户ID的关联值，对所述卖家用户集合和主购类目与该卖家用户的主营类目相同或相似的买家用户集合中的ID所表示的用户进行分组，得到用户组。

更为具体的，可以将所对应的值属于第一设定数值区间的买家用户ID所表示的买家用户划分在第一子用户组，以及将所对应的值属于第二设定数值区间的卖家用户ID所表示的卖家用户划分在第二子用户组；将第一子用户组和第二子用户组合并在一起构成用户组。

其中，所述第一设定数值区间和第二设定数值区间具有一一对应的关系。

所述第一设定数值区间和第二设定数值区间具有一一对应的关系的设置是根据该第一设定数值区间在卖家用户全部的设定数值区间中的等级及该第二设定数值区间在买家用户的全部的设定数值区间中的等级确定的。

可以将处于相同等级的第一设定数值区间和第二设定数值区间设定为具有一一对应关系，或者相差一定等级的第一设定数值区间和第二设定数值区间设定为具有一一对应关系。

由于本步骤603中，确定的用户组中的各卖家用户及买家用户对应的值处于具有一一对应关系的数值区间，因此，本步骤603中确定的用户组中各卖家用户与各买家用户的相似性较高。

步骤604：将确定的用户组中的至少一个用户的信息推送给该用户组中的部分或全部用户。

具体的，在本步骤604中，可根据用户组中第一子用户组和第二子用户组的对应关系，将该用户组中的第一子用户组中至少一个用户的信息推送给第二子用户组中的部分或全部用户，也即将处于同一用户组中的卖家用户的信息部分或全部推送给该用户组中的部分或全部买家用户，反之，亦可。

如图7所示，其为本申请实施例四中信息推送方法示意图，在图7所示的方法中具有关联关系的ID为卖家用户ID和主购类目与该卖家用户的主营类目互补的买家用户ID，该方法包括以下步骤：

步骤701：获取卖家用户ID和主购类目与该卖家用户的主营类目互补的买家用户ID所表示的用户在设定时间段内的网络行为事件信息。

其中，所述网络行为事件信息包括卖家网络行为事件信息和买家网络行为事件信息。

所述卖家网络行为事件信息包括：注册开店时间和单笔订单卖出商品的最大金额中的至少一项，其中，所述单笔订单卖出商品的最大金额是卖家用户在所述设定时间段内收到的订单的金额中最大的金额。

所述买家网络行为事件信息包括：注册时间和单笔订单买进商品的最大金额中的至少一项，其中，所述单笔订单买进商品的最大金额是买家用户在所述设定时间段内发出的订单的金额中最大的金额；

步骤702：分别根据卖家网络行为事件信息和买家网络行为事件，确定主营类目相同的卖家用户ID之间的关联值和主购类目与所述主营类目互补的买家用户ID之间的关联值。

具体的，本步骤702中，针对卖家用户，可通过以下步骤7021至步骤7024确定卖家用户ID的关联值：

步骤7021：将主营类目相同的卖家用户ID划分在同一卖家用户集合中，对每一卖家用户集合，分别执行步骤7022至步骤7024的操作：

步骤7022：确定该卖家用户集合的标准卖家用户；

步骤7023：分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值；

步骤7024：将确定的所述相似性的值作为该卖家用户的ID的关联值；

本步骤702中，针对买家用户，可通过以下步骤7021’至步骤7024’确定卖家用户ID的关联值：

步骤7021’：将主购类目与所述卖家用户的主营类目互补的买家用户ID划分在同一买家用户集合中，对每一买家用户集合，分别分别执行步骤7022’至步骤7024’的操作：

步骤7022’：确定该买家用户集合的标准买家用户；

步骤7023’：分别确定该买家用户集合中每一买家用户与标准买家用户的相似性的值；

步骤7024’：将确定的所述相似性的值作为该买家用户ID的关联值。

其中上述步骤7023中所述分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值，具体为，

根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值；

其中上述步骤7023’具体为，

根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值。

更为具体地，所述根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值，具体包括与本实施例四中确定该卖家用户与标准卖家用户的相似性的值的第一步至第三步相同的步骤，这里不再赘述。

更为具体地，所述根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值，具体包括与本实施例四中确定该买家用户与标准买家用户的相似性的值的第一步至第三步相同的步骤，这里不再赘述。

步骤703：根据确定的关联值，对主营类目相同的卖家用户ID之间的关联值和主购类目与所述主营类目互补的买家用户ID所表示的用户进行分组，得到用户组。

具体的，本步骤703中可根据卖家用户集合中的卖家用户ID的关联值和和主购类目与该卖家用户的主营类目互补的买家用户ID的关联值，对所述卖家用户集合和主购类目与该卖家用户的主营类目相同或相似的买家用户集合中的ID所表示的用户进行分组，得到用户组。

更为具体的，可以将所对应的值属于第一设定数值区间的买家用户ID所表示的买家用户划分在第一子用户组，以及将所对应的值属于第二设定数值区间的与卖家用户ID所表示的卖家用户划分在第二子用户组；将第一子用户组和第二子用户组合并在一起构成用户组，所述卖家用户主营类目和所述买家用户的主购类目互补。

其中，所述第一设定数值区间和第二设定数值区间具有一一对应的关系。

所述第一设定数值区间和第二设定数值区间具有一一对应的关系的设置是根据该第一设定数值区间在卖家用户全部的设定数值区间中的等级及该第二设定数值区间在买家用户的全部的设定数值区间中的等级确定的。

可以将处于相同等级的第一设定数值区间和第二设定数值区间设定为具有一一对应关系，或者相差一定等级的第一设定数值区间和第二设定数值区间设定为具有一一对应关系。

由于本步骤703中，确定的用户组中的各卖家用户及买家用户对应的值处于具有一一对应关系的数值区间，因此，本步骤703中确定的用户组中各卖家用户与各买家用户的相似性较高。

步骤704：将确定的用户组中的至少一个用户的信息推送给该用户组中的部分或全部用户。

具体的，在本步骤704中，可根据用户组中第一子用户组和第二子用户组的对应关系，将该用户组中的第一子用户组中至少一个用户的信息推送给第二子用户组中的部分或全部用户，也即将处于同一用户组中的卖家用户的信息部分或全部推送给该用户组中的部分或全部买家用户，反之，亦可。

具体的例子可参照实施例二中的例子，将实施例二中的例子的信息增添买家用户的信息及获得的买家用户的值，即可得到本申请实施例四中的例子，这里不再赘述。

通过本申请实施例四的方案，将相似性高的买家用户及卖家用户的信息互相推送给对方，提高了信息推送的准确性，也就是说，可以使得卖家用户可以准确获知与自身相似性较高的买家用户，买家用户可以准确获知与自身相似性较高的卖家用户，进而卖家用户根据推送的消息对所述买家用户进行访问，建立联系，同时，买家用户根据推送的消息对所述卖家用户进行访问，建立联系，可以达到买家用户和卖家用户之间进行互动及沟通的目的。

实施例五

与本申请实施例一、二、三及四的同一构思下，本申请实施例五提供一种信息推送设备，如图8所示，所述信息推送设备包括：获取模块11、确定模块12、分组模块13和推送模块14；其中：

获取模块11，用于获取具有关联关系的用户标识ID所表示的用户在设定时间段内的网络行为事件信息；

确定模块12，用于根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值；

分组模块13，用于根据确定的关联值，对具有关联关系的ID所表示的用户进行分组，得到用户组；

推送模块14，用于将所述用户组中的至少一个用户的信息推送给该用户组中的部分或全部用户。

较优的，所述用户为卖家用户，所述具有关联关系的ID为主营类目相同或相似的卖家用户ID，所述网络行为事件信息为卖家网络行为事件信息。

所述确定模块12，具体用于将主营类目相同或相似的卖家用户ID划分在同一卖家用户集合中，对每一卖家用户集合，分别执行以下操作：确定该卖家用户集合的标准卖家用户；分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值；将确定的所述相似性的值作为该卖家用户ID的关联值。

所述卖家网络行为事件信息包括：注册开店时间、总订单笔数和总订单金额中的至少一项，其中，所述总订单笔数是卖家用户在所述设定时间段内的收到的订单的数量，所述总订单金额是卖家用户在所述设定时间段内的收到的各订单的金额的总和；所述确定模块12，具体用于根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值。

所述确定模块12，具体用于将该卖家用户的总订单笔数与标准卖家用户的总订单笔数相除，得到比值P1；将该卖家用户的总订单金额与标准卖家用户的总订单金额相除，得到比值P2；将该卖家用户的开店时长与标准卖家用户的开店时长相除，得到比值P3，所述开店时长是根据注册开店时间和所述设定时间段中的某一指定时间确定的；利用以下公式确定该卖家用户与标准卖家用户的相似性的值：W₁×P1+W₂×P2+W₃×P3；其中，W₁为总订单笔数的权重，W₂为总订单金额的权重，W₃为开店时长的权重，且W₁、W₂、W₃之和为1。

较优的，所述用户为卖家用户，所述具有关联关系的ID为主营类目互补的卖家用户ID，所述网络行为事件信息为卖家网络行为事件信息。

所述确定模块12，具体用于将主营类目互补的卖家用户ID划分成第一类卖家用户集合和第二类卖家用户集合，其中，第一类卖家用户集合中的卖家用户的主营类目相同，主营类目与第一类卖家用户的主营类目互补的第二类卖家用户集合中的卖家用户的主营类目相同，针对每一类卖家用户集合，分别执行以下操作：确定该类卖家用户集合的标准卖家用户；分别确定该类卖家用户集合中每一卖家用户与确定的所述标准卖家用户的相似性的值；将确定的所述相似性的值作为该卖家用户ID的关联值。

所述卖家网络行为事件信息包括：注册开店时间、总订单笔数和总订单金额中的至少一项，其中，所述总订单笔数是卖家用户在所述设定时间段内的收到的订单的数量，所述总订单金额是卖家用户在所述设定时间段内的收到的各订单的金额的总和；所述确定模块12，具体用于根据该卖家用户的各网络行为事件信息与确定的所述标准卖家用户对应的各标准值的比较值，确定该卖家用户与确定的所述标准卖家用户的相似性的值。

所述确定模块12，具体用于将该卖家用户的总订单笔数与标准卖家用户的总订单笔数相除，得到比值P1；将该卖家用户的总订单金额与标准卖家用户的总订单金额相除，得到比值P2；将该卖家用户的开店时长与标准卖家用户的开店时长相除，得到比值P3，所述开店时长是根据注册开店时间和所述设定时间段中的某一指定时间确定的；利用以下公式确定该卖家用户与确定的所述标准卖家用户的相似性的值：W₁×P1+W₂×P2+W₃×P3；其中，W₁为总订单笔数的权重，W₂为总订单金额的权重，W₃为开店时长的权重，且W₁、W₂、W₃之和为1。

所述分组模块13，具体用于根据第一类卖家用户集合中的卖家用户的关联值和第二类卖家用户集合中的卖家用户的关联值，对第一类卖家用户集合和第二类卖家用户集合中的ID所表示的用户进行分组，得到用户组。

较优的，所述用户为买家用户，所述具有关联关系的ID为主购类目相同或相似的买家用户ID，所述网络行为事件信息为买家网络行为事件信息，所述主购类目是根据买家用户在所述设定时间段内的历史订单信息中的商品信息确定的。

所述确定模块12，具体用于将主购类目相同或相似的买家用户ID划分在同一买家用户集合中，对每一买家用户集合，分别执行以下操作：确定该买家用户集合的标准买家用户；分别确定该买家用户集合中每一买家用户与标准买家用户的相似性的值；将确定的所述相似性的值作为该买家用户ID的关联值。

所述买家网络行为事件信息包括：注册时间、总订单笔数和总订单金额中的至少一项，其中，所述总订单笔数是买家用户在所述设定时间段内的发出的订单的数量，所述总订单金额是买家用户在所述设定时间段内的发出的各订单的金额的和；所述确定模块12，具体用于根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值。

所述确定模块12，具体用于将该买家用户的总订单笔数与标准买家用户的总订单笔数相除，得到比值P1；将该买家用户的总订单金额与标准买家用户的总订单金额相除，得到比值P2；将该买家用户的注册时长与标准买家用户的注册时长的相除，得到比值P3，所述注册时长是根据注册时间和所述设定时间段中的某一指定时间确定的；利用以下公式确定该买家用户与标准买家用户的相似性的值：W₁×P1+W₂×P2+W₃×P3；其中，W₁为总订单笔数的权重，W₂为总订单金额的权重，W₃为注册时长的权重，且W₁、W₂、W₃之和为1。

较优的，所述用户为买家用户，所述具有关联关系的ID为主购类目互补的买家用户ID，所述网络行为事件信息为买家网络行为事件信息，所述主购类目是根据买家用户在所述设定时间段内的历史订单信息中的商品信息确定的。

所述确定模块12，具体用于将主购类目互补的买家用户ID划分成第一类买家用户集合和第二类买家用户集合，其中，第一类买家用户集合中的主购类目相同，主购类目与第一类买家用户的主购类目互补的第二类买家用户集合中的主购类目相同，针对每一类买家用户集合，分别执行以下操作：确定该类买家用户集合的标准买家用户；分别确定该类买家用户集合中每一买家用户与标准买家用户的相似性的值；将确定的所述相似性的值作为该买家用户ID的关联值。

所述买家网络行为事件信息包括：注册时间、总订单笔数和总订单金额中的至少一项，其中，所述总订单笔数是买家用户在所述设定时间段内的发出的订单的数量，所述总订单金额是买家用户在所述设定时间段内的发出的各订单的金额的和；所述确定模块12，具体用于根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值。

所述确定模块12，具体用于将该买家用户的总订单笔数与标准买家用户的总订单笔数相除，得到比值P1；将该买家用户的总订单金额与标准买家用户的总订单金额相除，得到比值P2；将该买家用户的注册时长与标准买家用户的注册时长的相除，得到比值P3，所述注册时长是根据注册时间和所述设定时间段中的某一指定时间确定的；利用以下公式确定该买家用户与标准买家用户的相似性的值：W₁×P1+W₂×P2+W₃×P3；其中，W₁为总订单笔数的权重，W₂为总订单金额的权重，W₃为注册时长的权重，且W₁、W₂、W₃之和为1。

所述分组模块13，具体用于根据第一类买家用户集合中的买家用户的关联值和第二类买家用户集合中的买家用户的关联值，对第一类买家用户集合和第二类买家用户集合中的ID所表示的用户进行分组，得到用户组。

较优的，所述用户为卖家用户和买家用户，所述具有关联关系的ID为卖家用户ID和主购类目与该卖家用户的主营类目相同或相似的买家用户ID，所述网络行为事件信息为卖家网络行为事件信息和买家网络行为事件信息。

所述确定模块12，具体用于将主营类目相同的卖家用户ID划分在同一卖家用户集合中，对每一卖家用户集合，分别执行以下操作：确定该卖家用户集合的标准卖家用户；分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值；将确定的所述相似性的值作为该卖家用户的ID的关联值；以及将主购类目与所述卖家用户的主营类目相同或相似的买家用户ID划分在同一买家用户集合中，对每一买家用户集合，分别执行以下操作：确定该买家用户集合的标准买家用户；分别确定该买家用户集合中每一买家用户与标准买家用户的相似性的值；将确定的所述相似性的值作为该买家用户ID的关联值。

所述卖家网络行为事件信息包括：注册开店时间和单笔订单卖出商品的最大金额中的至少一项，其中，所述单笔订单卖出商品的最大金额是卖家用户在所述设定时间段内收到的订单的金额中最大的金额；所述买家网络行为事件信息包括：注册时间和单笔订单买进商品的最大金额中的至少一项，其中，所述单笔订单买进商品的最大金额是买家用户在所述设定时间段内发出的订单的金额中最大的金额；所述确定模块12，具体用于根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值；以及根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值。

确定模块12，具体用于将该卖家用户的开店时长与标准卖家用户的开店时长相除，得到比值P1，所述开店时长是根据注册开店时间和所述设定时间段中的某一指定时间确定的；将该卖家用户的单笔订单卖出商品的最大金额与标准卖家用户的单笔订单卖出商品的最大金额相除，得到比值P2；利用以下公式确定该卖家用户与标准卖家用户的相似性的值：W₁₁×P1+W₁₂×P2；其中，W₁₁为开店时长的权重，W₁₂为卖家用户的最大金额的权重，且W₁₁、W₁₂之和为1；以及将该买家用户的注册时长与标准买家用户的注册时长相除，得到比值N1，所述注册时长是根据注册时间和所述设定时间段中的某一指定时间确定的；将该买家用户的单笔订单买进商品的最大金额与标准买家用户的单笔订单买进商品的最大金额相除，得到比值N2；利用以下公式确定该买家用户与标准买家用户的相似性的值：W₂₁×N1+W₂₂×N2；其中，W₂₁为注册时长的权重，W₂₂为买家用户的订单最大金额权重，且W₂₁、W₂₂之和为1。

所述分组模块13，具体用于根据卖家用户集合中的卖家用户的关联值和和主购类目与该卖家用户的主营类目相同或相似的买家用户的关联值，对所述卖家用户集合和主购类目与该卖家用户的主营类目相同或相似的买家用户集合中的ID所表示的用户进行分组，得到用户组。

较优的，所述用户为卖家用户和买家用户，所述具有关联关系的ID为卖家用户ID和主购类目与该卖家用户的主营类目互补的买家用户ID，所述网络行为事件信息为卖家网络行为事件信息和买家网络行为事件信息。

较优的，所述确定模块12。具体用于将主营类目相同的卖家用户ID划分在同一卖家用户集合中，对每一卖家用户集合，分别执行以下操作：确定该卖家用户集合的标准卖家用户；分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值；将确定的所述相似性的值作为该卖家用户的ID的关联值；以及将主购类目与所述卖家用户的主营类目互补的买家用户ID划分在同一买家用户集合中，对每一买家用户集合，分别执行以下操作：确定该买家用户集合的标准买家用户；分别确定该买家用户集合中每一买家用户与标准买家用户的相似性的值；将确定的所述相似性的值作为该买家用户ID的关联值。

所述卖家网络行为事件信息包括：注册开店时间和单笔订单卖出商品的最大金额中的至少一项，其中，所述单笔订单卖出商品的最大金额是卖家用户在所述设定时间段内收到的订单的金额中最大的金额；所述买家网络行为事件信息包括：注册时间和单笔订单买进商品的最大金额中的至少一项，其中，所述单笔订单买进商品的最大金额是买家用户在所述设定时间段内发出的订单的金额中最大的金额；所述确定模块，具体用于根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值；以及根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值。

所述确定模块12，具体用于将该卖家用户的开店时长与标准卖家用户的开店时长相除，得到比值P1，所述开店时长是根据注册开店时间和所述设定时间段中的某一指定时间确定的；将该卖家用户的单笔订单卖出商品的最大金额与标准卖家用户的单笔订单卖出商品的最大金额相除，得到比值P2；利用以下公式确定该卖家用户与标准卖家用户的相似性的值：W₁₁×P1+W₁₂×P2；其中，W₁₁为开店时长的权重，W₁₂为卖家用户的最大金额的权重，且W₁₁、W₁₂之和为1；以及将该买家用户的注册时长与标准买家用户的注册时长相除，得到比值N1，所述注册时长是根据注册时间和所述设定时间段中的某一指定时间确定的；将该买家用户的单笔订单买进商品的最大金额与标准买家用户的单笔订单买进商品的最大金额相除，得到比值N2；利用以下公式确定该买家用户与标准买家用户的相似性的值：W₂₁×N1+W₂₂×N2；其中，W₂₁为注册时长的权重，W₂₂为买家用户的订单最大金额权重，且W₂₁、W₂₂之和为1。

所述分组模块13，具体用于根据卖家用户集合中的卖家用户的关联值和和主购类目与该卖家用户的主营类目互补的买家用户的关联值，对所述卖家用户集合和主购类目与该卖家用户的主营类目互补的买家用户集合中的ID所表示的用户进行分组，得到用户组。

通过本申请实施例提供的方法及设备，可以根据卖家用户的网络行为事件信息、买家用户的网络行为事件信息来确定卖家用户之间、买家用户之间、卖家用户与买家用户之间的相似性，并向卖家用户推送与其相似性高的卖家用户信息、买家用户信息，向买家用户推送与其相似性高的卖家用户信息、买家用户信息，使得卖家用户及买家用户能够根据接收到的卖家用户或卖家用户信息准确地获知与其相似性高的卖家用户或买家用户，提高了信息推送的准确性，同时，卖家用户可以根据推送的信息与其相似性高的卖家用户或买家用户建立联系，进行互动及沟通，提高了沟通的有效性，减少了由于信息推送的不准确而给卖家用户或买家用户造成的信息骚扰。

本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。

本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本申请的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本申请范围的所有变更和修改。

显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的精神和范围。这样，倘若本申请的这些修改和变型属于本申请权利要求及其等同技术的范围之内，则本申请也意图包含这些改动和变型在内。

Claims (30)

1.一种信息推送方法，其特征在于，所述方法包括：

获取具有关联关系的用户标识ID所表示的用户在设定时间段内的网络行为事件信息；

根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值；

根据确定的关联值，对具有关联关系的ID所表示的用户进行分组，得到用户组；

将所述用户组中的至少一个用户的信息推送给该用户组中的部分或全部用户。

2.如权利要求1所述的方法，其特征在于，所述用户为卖家用户，所述具有关联关系的ID为主营类目相同或相似的卖家用户ID，所述网络行为事件信息为卖家网络行为事件信息。

3.如权利要求2所述的方法，其特征在于，所述根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值具体包括：

将主营类目相同或相似的卖家用户ID划分在同一卖家用户集合中，对每一卖家用户集合，分别执行以下操作：

确定该卖家用户集合的标准卖家用户；

分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值；

将确定的所述相似性的值作为该卖家用户ID的关联值。

4.如权利要求3所述的方法，其特征在于，所述卖家网络行为事件信息包括：注册开店时间、总订单笔数和总订单金额中的至少一项，其中，所述总订单笔数是卖家用户在所述设定时间段内的收到的订单的数量，所述总订单金额是卖家用户在所述设定时间段内的收到的各订单的金额的总和；所述分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值，具体为，

根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值。

5.如权利要求4所述的方法，其特征在于，所述根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值，具体包括：

将该卖家用户的总订单笔数与标准卖家用户的总订单笔数相除，得到比值P1；

将该卖家用户的总订单金额与标准卖家用户的总订单金额相除，得到比值P2；

将该卖家用户的开店时长与标准卖家用户的开店时长相除，得到比值P3，所述开店时长是根据注册开店时间和所述设定时间段中的某一指定时间确定的；

利用以下公式确定该卖家用户与标准卖家用户的相似性的值：

W₁×P1+W₂×P2+W₃×P3

其中，W₁为总订单笔数的权重，W₂为总订单金额的权重，W₃为开店时长的权重，且W₁、W₂、W₃之和为1。

6.如权利要求1所述的方法，其特征在于，所述用户为卖家用户，所述具有关联关系的ID为主营类目互补的卖家用户ID，所述网络行为事件信息为卖家网络行为事件信息。

7.如权利要求6所述的方法，其特征在于，所述根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值，具体包括：

将主营类目互补的卖家用户ID划分成第一类卖家用户集合和第二类卖家用户集合，其中，第一类卖家用户集合中的卖家用户的主营类目相同，主营类目与第一类卖家用户的主营类目互补的第二类卖家用户集合中的卖家用户的主营类目相同，针对每一类卖家用户集合，分别执行以下操作：

确定该类卖家用户集合的标准卖家用户；

分别确定该类卖家用户集合中每一卖家用户与确定的所述标准卖家用户的相似性的值；

将确定的所述相似性的值作为该卖家用户ID的关联值。

8.如权利要求7所述的方法，其特征在于，所述卖家网络行为事件信息包括：注册开店时间、总订单笔数和总订单金额中的至少一项，其中，所述总订单笔数是卖家用户在所述设定时间段内的收到的订单的数量，所述总订单金额是卖家用户在所述设定时间段内的收到的各订单的金额的总和；所述分别确定该类卖家用户集合中每一卖家用户与确定的所述标准卖家用户的相似性的值，具体为，

根据该卖家用户的各网络行为事件信息与确定的所述标准卖家用户对应的各标准值的比较值，确定该卖家用户与确定的所述标准卖家用户的相似性的值。

9.如权利要求8所述的方法，其特征在于，根据该卖家用户的各网络行为事件信息与确定的所述标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值，具体包括：

将该卖家用户的总订单笔数与标准卖家用户的总订单笔数相除，得到比值P1；

将该卖家用户的总订单金额与标准卖家用户的总订单金额相除，得到比值P2；

将该卖家用户的开店时长与标准卖家用户的开店时长相除，得到比值P3，所述开店时长是根据注册开店时间和所述设定时间段中的某一指定时间确定的；

利用以下公式确定该卖家用户与确定的所述标准卖家用户的相似性的值：

W₁×P1+W₂×P2+W₃×P3

其中，W₁为总订单笔数的权重，W₂为总订单金额的权重，W₃为开店时长的权重，且W₁、W₂、W₃之和为1。

10.如权利要求9所述的方法，其特征在于，根据确定的关联值，对具有关联关系的ID所表示的用户进行分组，得到用户组，具体包括：

根据第一类卖家用户集合中的卖家用户的关联值和第二类卖家用户集合中的卖家用户的关联值，对第一类卖家用户集合和第二类卖家用户集合中的ID所表示的用户进行分组，得到用户组。

11.如权利要求1所述的方法，其特征在于，所述用户为买家用户，所述具有关联关系的ID为主购类目相同或相似的买家用户ID，所述网络行为事件信息为买家网络行为事件信息，所述主购类目是根据买家用户在所述设定时间段内的历史订单信息中的商品信息确定的。

12.如权利要求11所述的方法，其特征在于，所述根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值，具体包括：

将主购类目相同或相似的买家用户ID划分在同一买家用户集合中，对每一买家用户集合，分别执行以下操作：

确定该买家用户集合的标准买家用户；

分别确定该买家用户集合中每一买家用户与标准买家用户的相似性的值；

将确定的所述相似性的值作为该买家用户ID的关联值。

13.如权利要求12所述的方法，其特征在于，所述买家网络行为事件信息包括：注册时间、总订单笔数和总订单金额中的至少一项，其中，所述总订单笔数是买家用户在所述设定时间段内的发出的订单的数量，所述总订单金额是买家用户在所述设定时间段内的发出的各订单的金额的和；所述分别确定该买家用户集合中每一买家用户与标准买家用户的相似性的值，具体为，

根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值。

14.如权利要求13所述的方法，其特征在于，根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值，具体包括：

将该买家用户的总订单笔数与标准买家用户的总订单笔数相除，得到比值P1；

将该买家用户的总订单金额与标准买家用户的总订单金额相除，得到比值P2；

将该买家用户的注册时长与标准买家用户的注册时长的相除，得到比值P3，所述注册时长是根据注册时间和所述设定时间段中的某一指定时间确定的；

利用以下公式确定该买家用户与标准买家用户的相似性的值：

W₁×P1+W₂×P2+W₃×P3

其中，W₁为总订单笔数的权重，W₂为总订单金额的权重，W₃为注册时长的权重，且W₁、W₂、W₃之和为1。

15.如权利要求1所述的方法，其特征在于，所述用户为买家用户，所述具有关联关系的ID为主购类目互补的买家用户ID，所述网络行为事件信息为买家网络行为事件信息，所述主购类目是根据买家用户在所述设定时间段内的历史订单信息中的商品信息确定的。

16.如权利要求15所述的方法，其特征在于，所述根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值，具体包括：

将主购类目互补的买家用户ID划分成第一类买家用户集合和第二类买家用户集合，其中，第一类买家用户集合中的主购类目相同，主购类目与第一类买家用户的主购类目互补的第二类买家用户集合中的主购类目相同，针对每一类买家用户集合，分别执行以下操作：

确定该类买家用户集合的标准买家用户；

分别确定该类买家用户集合中每一买家用户与标准买家用户的相似性的值；

将确定的所述相似性的值作为该买家用户ID的关联值。

17.如权利要求16所述的方法，其特征在于，所述买家网络行为事件信息包括：注册时间、总订单笔数和总订单金额中的至少一项，其中，所述总订单笔数是买家用户在所述设定时间段内的发出的订单的数量，所述总订单金额是买家用户在所述设定时间段内的发出的各订单的金额的和；所述分别确定该类买家用户集合中每一买家用户与标准买家用户的相似性的值，具体为，

根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值。

18.如权利要求17所述的方法，其特征在于，根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值，具体包括：

将该买家用户的总订单笔数与标准买家用户的总订单笔数相除，得到比值P1；

将该买家用户的总订单金额与标准买家用户的总订单金额相除，得到比值P2；

将该买家用户的注册时长与标准买家用户的注册时长的相除，得到比值P3，所述注册时长是根据注册时间和所述设定时间段中的某一指定时间确定的；

利用以下公式确定该买家用户与标准买家用户的相似性的值：

W₁×P1+W₂×P2+W₃×P3

其中，W₁为总订单笔数的权重，W₂为总订单金额的权重，W₃为注册时长的权重，且W₁、W₂、W₃之和为1。

19.如权利要求18所述的方法，其特征在于，所述根据确定的关联值，对具有关联关系的ID所表示的用户进行分组，得到用户组，具体包括：

根据第一类买家用户集合中的买家用户的关联值和第二类买家用户集合中的买家用户的关联值，对第一类买家用户集合和第二类买家用户集合中的ID所表示的用户进行分组，得到用户组。

20.如权利要求1所述的方法，其特征在于，所述用户为卖家用户和买家用户，所述具有关联关系的ID为卖家用户ID和主购类目与该卖家用户的主营类目相同或相似的买家用户ID，所述网络行为事件信息为卖家网络行为事件信息和买家网络行为事件信息。

21.如权利要求20所述的方法，其特征在于，所述根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值，具体包括：

将主营类目相同的卖家用户ID划分在同一卖家用户集合中，对每一卖家用户集合，分别执行以下操作：

确定该卖家用户集合的标准卖家用户；

分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值；

将确定的所述相似性的值作为该卖家用户的ID的关联值；

以及

将主购类目与所述卖家用户的主营类目相同或相似的买家用户ID划分在同一买家用户集合中，对每一买家用户集合，分别执行以下操作：

确定该买家用户集合的标准买家用户；

分别确定该买家用户集合中每一买家用户与标准买家用户的相似性的值；

将确定的所述相似性的值作为该买家用户ID的关联值。

22.如权利要求21所述的方法，其特征在于，所述卖家网络行为事件信息包括：注册开店时间和单笔订单卖出商品的最大金额中的至少一项，其中，所述单笔订单卖出商品的最大金额是卖家用户在所述设定时间段内收到的订单的金额中最大的金额；所述分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值，具体为，

根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值；

所述买家网络行为事件信息包括：注册时间和单笔订单买进商品的最大金额中的至少一项，其中，所述单笔订单买进商品的最大金额是买家用户在所述设定时间段内发出的订单的金额中最大的金额；所述分别确定该买家用户集合中每一买家用户与标准买家用户的相似性的值，具体为，

根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值。

23.如权利要求22所述的方法，其特征在于，根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值，具体包括：

将该卖家用户的开店时长与标准卖家用户的开店时长相除，得到比值P1，所述开店时长是根据注册开店时间和所述设定时间段中的某一指定时间确定的；

将该卖家用户的单笔订单卖出商品的最大金额与标准卖家用户的单笔订单卖出商品的最大金额相除，得到比值P2；

利用以下公式确定该卖家用户与标准卖家用户的相似性的值：

W₁₁×P1+W₁₂×P2

其中，W₁₁为卖家用户的开店时长的权重，W₁₂为卖家用户的最大金额的权重，且W₁₁、W₁₂之和为1；

根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值，具体包括：

将该买家用户的注册时长与标准买家用户的注册时长相除，得到比值N1，所述注册时长是根据注册时间和所述设定时间段中的某一指定时间确定的；

将该买家用户的单笔订单买进商品的最大金额与标准买家用户的单笔订单买进商品的最大金额相除，得到比值N2；

利用以下公式确定该买家用户与标准买家用户的相似性的值：

W₂₁×N1+W₂₂×N2

其中，W₂₁为买家用户的注册时长的权重，W₂₂为买家用户的订单最大金额权重，且W₂₁、W₂₂之和为1。

24.如权利要求23所述的方法，其特征在于，所述根据确定的关联值，对具有关联关系的ID所表示的用户进行分组，得到用户组，具体包括：

根据卖家用户集合中的卖家用户的关联值和和主购类目与该卖家用户的主营类目相同或相似的买家用户的关联值，对所述卖家用户集合和主购类目与该卖家用户的主营类目相同或相似的买家用户集合中的ID所表示的用户进行分组，得到用户组。

25.如权利要求1所述的方法，其特征在于，所述用户为卖家用户和买家用户，所述具有关联关系的ID为卖家用户ID和主购类目与该卖家用户的主营类目互补的买家用户ID，所述网络行为事件信息为卖家网络行为事件信息和买家网络行为事件信息。

26.如权利要求25所述的方法，其特征在于，所述根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值具体包括：

将主营类目相同的卖家用户ID划分在同一卖家用户集合中，对每一卖家用户集合，分别执行以下操作：

确定该卖家用户集合的标准卖家用户；

分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值；

将确定的所述相似性的值作为该卖家用户的ID的关联值；

以及

将主购类目与所述卖家用户的主营类目互补的买家用户ID划分在同一买家用户集合中，对每一买家用户集合，分别执行以下操作：

确定该买家用户集合的标准买家用户；

分别确定该买家用户集合中每一买家用户与标准买家用户的相似性的值；

将确定的所述相似性的值作为该买家用户ID的关联值。

27.如权利要求26所述的方法，其特征在于，所述卖家网络行为事件信息包括：注册开店时间和单笔订单卖出商品的最大金额中的至少一项，其中，所述单笔订单卖出商品的最大金额是卖家用户在所述设定时间段内收到的订单的金额中最大的金额；所述分别确定该卖家用户集合中每一卖家用户与标准卖家用户的相似性的值，具体为，

根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值；

所述买家网络行为事件信息包括：注册时间和单笔订单买进商品的最大金额中的至少一项，其中，所述单笔订单买进商品的最大金额是买家用户在所述设定时间段内发出的订单的金额中最大的金额；所述分别确定该买家用户集合中每一卖家用户与标准买家用户的相似性的值，具体为，

根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值。

28.如权利要求27所述的方法，其特征在于，根据该卖家用户的各网络行为事件信息与标准卖家用户对应的各标准值的比较值，确定该卖家用户与标准卖家用户的相似性的值，具体包括：

将该卖家用户的开店时长与标准卖家用户的开店时长相除，得到比值P1，所述开店时长是根据注册开店时间和所述设定时间段中的某一指定时间确定的；

将该卖家用户的单笔订单卖出商品的最大金额与标准卖家用户的单笔订单卖出商品的最大金额相除，得到比值P2；

利用以下公式确定该卖家用户与标准卖家用户的相似性的值：

W₁₁×P1+W₁₂×P2

其中，W₁₁为卖家用户的开店时长的权重，W₁₂为卖家用户的最大金额的权重，且W₁₁、W₁₂之和为1；

根据该买家用户的各网络行为事件信息与标准买家用户对应的各标准值的比较值，确定该买家用户与标准买家用户的相似性的值，具体包括：

将该买家用户的注册时长与标准买家用户的注册时长相除，得到比值N1，所述注册时长是根据注册时间和所述设定时间段中的某一指定时间确定的；

将该买家用户的单笔订单买进商品的最大金额与标准买家用户的单笔订单买进商品的最大金额相除，得到比值N2；

利用以下公式确定该买家用户与标准买家用户的相似性的值：

W₂₁×N1+W₂₂×N2

其中，W₂₁为买家用户的注册时长的权重，W₂₂为买家用户的订单最大金额权重，且W₂₁、W₂₂之和为1。

29.如权利要求28所述的方法，其特征在于，所述根据对应的关联值，对具有关联关系的ID所表示的用户进行分组，得到用户组，具体包括：

根据卖家用户集合中的卖家用户的关联值和和主购类目与该卖家用户的主营类目互补的买家用户的关联值，对所述卖家用户集合和主购类目与该卖家用户的主营类目互补的买家用户集合中的ID所表示的用户进行分组，得到用户组。

30.一种信息推送设备，其特征在于，所述设备包括：

获取模块，用于获取具有关联关系的用户标识ID所表示的用户在设定时间段内的网络行为事件信息；

确定模块，用于根据所述网络行为事件信息，确定具有关联关系的ID之间的关联值；

分组模块，用于根据确定的关联值，对具有关联关系的ID所表示的用户进行分组，得到用户组；

推送模块，用于将所述用户组中的至少一个用户的信息推送给该用户组中的部分或全部用户。