CN105868207A - 一种网络资源推送方法及装置 - Google Patents
一种网络资源推送方法及装置 Download PDFInfo
- Publication number
- CN105868207A CN105868207A CN201510030390.1A CN201510030390A CN105868207A CN 105868207 A CN105868207 A CN 105868207A CN 201510030390 A CN201510030390 A CN 201510030390A CN 105868207 A CN105868207 A CN 105868207A
- Authority
- CN
- China
- Prior art keywords
- resource
- user
- target resource
- target
- request history
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Information Transfer Between Computers (AREA)
Abstract
本发明提供一种网络资源推送及装置。所述方法包括如下步骤:获取用户的资源请求历史;根据用户的资源请求历史计算预测用户后续请求的目标资源;将目标资源推送到用户客户端,使得用户后续请求目标资源时可直接从推送内容中获取所述预先缓存的目标资源。所述装置包括:资源请求历史获取模块:用于获取用户的资源请求历史;目标资源测算模块:用于根据用户的资源请求历史计算预测用户后续请求的目标资源;目标资源推送模块:用于将目标资源推送到用户客户端,使得用户后续请求目标资源时可直接从推送内容中获取所述预先缓存的目标资源。所述方法和装置能够根据用户的个性化、专业化需求提供缓存资源。
Description
技术领域
本发明涉及网络技术,尤其涉及一种网络资源推送方法及装置。
背景技术
现有的网络缓存系统都采用被动推送方式。用户对资源进行请求,服务器判断是否已经缓存用户所请求的资源,如果该资源已经缓存则直接将缓存资源推送给用户,如果没有缓存则根据不同实现方式判断是否需要缓存该资源然后执行资源推送。普通大众网站在目前的处理方式下资源获取过程可以得到加速,因为普通大众所需要的网络数据基本上都存放在网络缓存中,大多数网络用户可以直接从服务器获取网络缓存数据。然而,目前流媒体、专业性质网站以及大众网站的个性化数据,是难以通过这种方式进行加速的:由于缓存空间限制和命中率要求,个性化差异化的资源一般不会被缓存。这样,在无法节省带宽,无法加速的同时,缓存算法的性能也难以发挥最好的作用。
发明内容
有鉴于此,本发明提供一种网络资源推送方法及装置,该方法和装置能够能够根据用户的个性化、专业化需求提供缓存资源。
基于上述目的本发明提供的一种网络资源推送方法,包括如下步骤:
获取用户的资源请求历史;
根据用户的资源请求历史计算预测用户后续请求的目标资源;
将目标资源推送到用户客户端,使得用户后续请求目标资源时可直接从推送内容中获取所述预先缓存的目标资源。
可选的,根据用户的资源请求历史计算预测用户后续请求的目标资源的步骤具体包括:
当在当前统计周期内用户访问第一资源,且在当前时间点之前的第一设定时间内,用户访问第一资源之后访问第二资源的次数超过设定的第一阈值时,将第二资源作为目标资源;
和/或,当在当前时间点之前的第二设定时间内,用户访问第三网站的第三类别的资源次数超过设定的第二阈值,则在当前统计周期内,将第三网站上第三类别更新后的第三资源作为目标资源;
和/或,当在当前时间点之前的第三设定时间内,用户访问第四资源,且在第四资源所在的第四网站上存在相同标签、更新时间比第四资源晚的第五资源时,将第五资源作为目标资源;
和/或,当在当前时间点之前的第四设定时间内用户访问第六资源,且在第六资源所在的第六网站上存在基本信息相同、位于第六资源在网页上所在位置的下一位置的第七资源时,将第七资源作为目标资源;
和/或,当在当前时间点之前的第五设定时间内访问第七资源以及第八资源,且访问的次数超过设定值,那么当用户访问第七资源或第八资源时,将第八资源或第七资源作为目标资源。
可选的,将目标资源推送到用户客户端的步骤具体包括:
当网络缓存系统中不存在所述目标资源时,将目标资源直接推送到用户客户端的本地缓存;
当网络缓存系统中存在所述目标资源时,从网络缓存系统中将所述目标资源推送到用户客户端的本地缓存。
可选的,所述资源请求历史为当前时间点之前设定时间段内的请求历史;所述将目标资源推送到用户客户端的步骤之后,还包括:
将用户在当前统计周期内的资源记录加入资源请求历史。
可选的,根据用户的资源请求历史计算预测用户后续请求的目标资源的步骤具体包括:
根据用户的资源请求历史、按照设定的算法计算该用户的相似用户群体;
根据相似用户群体的资源请求历史对所述可能目标资源进行再次计算,获得用户后续请求的目标资源;
所述相似用户群体的资源请求历史与所述用户的资源请求历史满足所述设定的算法中规定的相关条件
同时,本发明还提供一种网络资源推送装置,包括:
资源请求历史获取模块:用于获取用户的资源请求历史;
目标资源测算模块:用于根据用户的资源请求历史计算预测用户后续请求的目标资源;
目标资源推送模块:用于将目标资源推送到用户客户端,使得用户后续请求目标资源时可直接从推送内容中获取所述预先缓存的目标资源。
可选的,所述目标资源测算模块具体包括:
第一测算单元:用于当在当前统计周期内用户访问第一资源,且在当前时间点之前的第一设定时间内,用户访问第一资源之后访问第二资源的次数超过设定的第一阈值时,将第二资源作为目标资源;
和/或,第二测算单元:用于当在当前时间点之前的第二设定时间内,用户访问第三网站的第三类别的资源次数超过设定的第二阈值,则在当前统计周期内,将第三网站上第三类别更新后的第三资源作为目标资源;
和/或,第三测算单元:用于当在当前时间点之前的第三设定时间内,用户访问第四资源,且在第四资源所在的第四网站上存在相同标签、更新时间比第四资源晚的第五资源时,将第五资源作为目标资源;
和/或,第四测算单元:用于当在当前时间点之前的第四设定时间内用户访问第六资源,且在第六资源所在的第六网站上存在基本信息相同、位于第六资源在网页上所在位置的下一位置的第七资源时,将第七资源作为目标资源;
和/或,第五测算单元:用于当在当前时间点之前的第五设定时间内访问第七资源以及第八资源,且访问的次数超过设定值,那么当用户访问第七资源或第八资源时,将第八资源或第七资源作为目标资源。
可选的,目标资源推送模块具体包括:
第一推送单元:用于当网络缓存系统中不存在所述目标资源时,将目标资源直接推送到用户客户端的本地缓存;
第二推送单元:用于当网络缓存系统中存在所述目标资源时,从网络缓存系统中将所述目标资源推送到用户客户端的本地缓存。
可选的,所述资源请求历史为当前时间点之前设定时间段内的请求历史;所述装置还包括:
资源请求历史管理模块:用于将用户在当前统计周期内的资源记录加入资源请求历史。
可选的,所述目标资源测算模块具体还包括:
相似用户群体计算单元:用于根据用户的资源请求历史、按照设定的算法计算该用户的相似用户群体;
资源请求历史整合测算单元:根据相似用户群体的资源请求历史和所述用户的资源请求历史测算用户后续请求的目标资源;
所述相似用户群体的资源请求历史与所述用户的资源请求历史满足所述设定的算法中规定的相关条件。
从上面所述可以看出,本发明所提供的网络资源推送方法及装置,能够根据用户请求网络资源的历史推算出用户可能会请求的目标资源,将该目标资源主动推送到用户终端,将资源主动推送到用户端,减少用户请求资源的时间;同时,根据用户的资源请求历史推算目标资源,使得资源推送满足用户的个性化需求,能够根据用户的喜欢、喜好、需求等因素有针对性地向用户提供资源。
附图说明
图1为本发明实施例提供的网络资源推送方法流程示意图;
图2为本发明实施例提供的网络资源推送装置结构示意图。
具体实施方式
为了给出有效的实现方案,本发明提供了下述实施例,以下结合说明书附图对本发明实施例进行说明。
本发明首先提供一种网络资源推送方法,包括如图1所示的步骤:
步骤101:获取用户的资源请求历史;
步骤102:根据用户的资源请求历史计算预测用户后续请求的目标资源;
步骤103:将目标资源推送到用户客户端,使得用户后续请求目标资源时可直接从推送内容中获取所述预先缓存的目标资源。
从上面所述可以看出,本发明提供的网络资源推送方法,能够根据用户的资源请求历史预测用户后续可能请求的目标资源,将预测到的目标资源主动推送到可能请求该资源的用户,实现了网络资源的主动缓存。用户的资源请求历史反映用户的资源需求,本发明根据用户的资源请求历史来判断需要推送的资源,从而能够为具有个性化、专业化资源需求的用户服务;同时,本发明还能够在用户请求资源之前将资源推送到用户的本地,相比根据用户主动请求而被动缓存、推送资源,本发明的方法能够进一步提高用户获取资源的速度。
在本发明具体实施例中,所述用户的资源请求历史可以从用户本地获取,也可以从网络服务器获取。用户的资源请求历史能够反映用户的资源请求习惯。例如,学生会经常访问学习网站,摄影爱好者会经常访问照相器材网站、摄影作品网站等。通过对用户的资源请求历史进行统计,可以得出用户请求资源的偏好,从而能够有针对性地向用户推送资源。
在具体实施例中,根据用户的资源请求历史计算预测用户后续请求的目标资源,指的是根据用户的资源请求历史、按照设定的算法计算用户按照其习惯方式所可能请求的资源。实际上是通过对资源请求历史的统计,估算用户的资源请求喜好和习惯,根据估算的用户喜好和习惯预测用户将要请求的目标。
在本发明一些实施例中,根据用户的资源请求历史计算预测用户后续请求的目标资源的步骤具体包括:
当在当前统计周期内用户访问第一资源,且在当前时间点之前的第一设定时间内,用户访问第一资源之后访问第二资源的次数超过设定的第一阈值时,将第二资源作为目标资源;
和/或,当在当前时间点之前的第二设定时间内,用户访问第三网站的第三类别的资源次数超过设定的第二阈值,则在当前统计周期内,将第三网站上第三类别更新后的第三资源作为目标资源;
和/或,当在当前时间点之前的第三设定时间内,用户访问第四资源,且在第四资源所在的第四网站上存在基本信息相同、更新时间比第四资源晚的第五资源时,将第五资源作为目标资源;
和/或,当在当前时间点之前的第四设定时间内用户访问第六资源,且在第六资源所在的第六网站上存在相同标签、位于第六资源在网页上所在位置的下一位置的第七资源时,将第七资源作为目标资源;
和/或,当在当前时间点之前的第五设定时间内访问第七资源以及第八资源,且访问的次数超过设定值,那么当用户访问第七资源或第八资源时,将第八资源或第七资源作为目标资源。
在本发明具体实施例中,以设定的时间段为周期,统计用户的资源请求历史中,各项资源的被请求时间、被请求次数、网站信息来源、资源的标签信息、资源分类。例如,以天为周期或以星期为周期,统计用户在一天之内或者一星期之内,请求资源的历史记录;并统计用户请求各项资源的请求时间和请求次数。
在一种具体实施例中,当在当前统计周期内用户访问第一资源,且在当前时间点之前的第一设定时间内,用户访问第一资源之后访问第二资源的次数超过设定的第一阈值时,将第二资源作为目标资源。具体的,统计周期为按天计算,统计时长为30天,那么在最近的30天时间内,用户每天都是首先访问新浪网站,在访问新浪网站之后访问新浪微博的网站。那么用户在新的一天内访问新浪网站时,根据用户在最近30天之内请求资源的历史记录,主动获取新浪微博网站的资源,并将新浪微博网站的资源推送给用户终端,存储在用户终端缓存中。
在具体实施例中,当在当前时间点之前的第二设定时间内,用户访问第三网站的第三类别的资源次数超过设定的第二阈值,则在当前统计周期内,将第三网站上第三类别更新后的第三资源作为目标资源。例如,统计周期按天计算,统计时长为30天,用户在30天的时间内,访问搜狐网站新闻类别的资源次数超过设定的第二阈值,例如,15次,那么在新的统计周期内,也就是根据计时判断进入新的一天时,将搜狐网站新闻类别的资源作为目标资源。
在具体实施例中,当在当前时间点之前的第三设定时间内,用户访问第四资源,且在第四资源所在的第四网站上存在相同标签、更新时间比第四资源晚的第五资源时,将第五资源作为目标资源。例如,在一个星期的时间内,用户访问视频提供网站上的视频资源A,在新的时间点,视频提供网站更新提供视频资源A的新的剧集—视频资源B,该视频资源B的标签、名称等基本信息与视频资源A相同,在识别到资源的这种变化之后,将视频资源B作为目标资源。
在具体实施例中,当在当前时间点之前的第四设定时间内用户访问第六资源,且在第六资源所在的第六网站上存在相同标签、位于第六资源在网页上所在位置的下一位置的第七资源时,将第七资源作为目标资源。例如,按天为统计周期,在30天的时间内,用户访问网易新闻网站上的头条新闻。那么在检测到网易新闻网站更新其头条新闻之后,将更新后的头条新闻作为目标资源,从网易新闻网站上放置头条新闻的位置处获取更新后的头条新闻。
在具体实施例中,当在当前时间点之前的第五设定时间内访问第七资源以及第八资源,且访问的次数超过设定值,那么当用户访问第七资源或第八资源时,将第八资源或第七资源作为目标资源。在实际情况下,资源可能因为用户的个人而存在一定的关联性。例如,用户喜欢体育新闻和一般新闻,并且该用户习惯通过新浪网站获取新闻,那么用户在时间方便的时候会经常访问新浪体育网站与新浪新闻网站;再如,用户在访问外文学习网站时总会同时访问外文在线词典提供网站。因此,在本发明的具体实施例中,根据用户对资源的请求历史计算资源之间的关联性,得出用户可能会在相同的时间段同时访问的相关资源,当用户访问相关资源中的一个时,将其与的相关资源推送到用户终端。
在本发明的一些实施例中,将目标资源推送到用户客户端的步骤具体包括:
当网络缓存系统中不存在所述目标资源时,将目标资源直接推送到用户客户端的本地缓存;
当网络缓存系统中存在所述目标资源时,从网络缓存系统中将所述目标资源推送到用户客户端的本地缓存。
在本发明其它实施例中,当一个资源被判断为目标资源的次数超过设定值时,也可以将该资源加入网络缓存。
当网络缓存系统中存在所述目标资源时,从网络缓存系统中将所述目标资源推送到用户客户端的本地缓存,能够更进一步节省资源主动推送的时间,提高资源推送效率。
在本发明一些实施例中,所述资源请求历史为当前时间点之前设定时间段内的请求历史;所述将目标资源推送到用户客户端的步骤之后,还包括:
将用户在当前统计周期内的资源记录加入资源请求历史。
在实际情况下,用户的习惯、喜好可能随着时间推移或者外界因素而发生变化;例如,用户在进行住所装修时,喜欢关注家具、装修类的资源;用户喜欢观看的电视剧在播出一段时间之后结束。因此,若是统计用户所有的资源请求历史,可能导致目标资源的判断不准确,需要根据最近一段设定时间内的资源请求历史对目标资源进行判断,提高目标资源判断的准确度。在每个资源请求历史统计周期结束时,用户在该周期内访问资源的历史记录将被存储,用于预测目标资源时所依据的资源请求历史将被更新。
在本发明一些实施例中,根据用户的资源请求历史计算预测用户后续请求的目标资源的步骤具体包括:
根据用户的资源请求历史、按照设定的算法计算该用户的相似用户群体;
根据相似用户群体的资源请求历史和所述用户的资源请求历史测算用户后续请求的目标资源;
所述相似用户群体的资源请求历史与所述用户的资源请求历史满足所述设定的算法中规定的相关条件。
所述相关条件可以是,请求次数超过设定第一阈值的资源请求,所请求的资源标签、和/或名称、和/或类别相同,或属于设定的相似情况。进一步,所述设定的相似情况可以是,标签、和/或名称、和/或类别采用不同的词语,但表达的意思相近或相同。例如“火车”和“交通工具”、“音乐”和“歌曲”等,这些意义相近或相同的词语可以设置在一个存储单元中,以供判断两个资源是否属于设定的相似的情况的依据。
在具体实施例中,预测目标资源之前,还可从网络服务器或其他设备获取所有用户的资源请求历史,根据用户当前刚刚发生的资源请求,从用户群体的资源请求历史中找出相似用户群体的资源请求历史记录。具体的,当用户在音乐播放网站请求某一音乐资源时,从用户群体的资源请求历史中找出请求该音乐资源的用户群A,并获取用户群A在请求该音乐资源时还请求的其它音乐资源信息B,从其它音乐资源信息B中统计出请求次数超过一定阈值的资源C,将资源C预测为目标资源。
在具体实施例中,还可以通过其他方式找出所述相似用户群体。例如,可以从用户本人的资源请求中,统计出用户在设定最近时间段内请求次数超过一定阈值的第一资源,根据这些第一资源的标签、和/或名称、和/或类别等信息获取相关资源,从用户群体的资源请求历史中,查找出请求第一资源以及第一资源的相关资源次数超过另一设定阈值的用户群体,将该用户群体作为相似用户群体。上述方式,在用户经常请求专业化程度较高的资源时,能够从大量的网络用户群体中,筛选出与用户相似的相似用户群体,能够为用户获取资源提供帮助。
在具体实施例中,根据相似用户群体的资源请求历史和所述用户的资源请求历史测算用户后续请求的目标资源的步骤中,按照设定的算法将相似用户群体的资源请求历史和该用户的资源请求历史结合,测算用户后续请求的目标资源。所述设定算法可以是,在根据用户的资源请求历史无法测算出目标资源时,将相似用户群体的资源请求历史和用户的资源请求历史结合,根据结合后的资源请求历史测算目标资源;所述设定算法还可以是,根据用户的资源请求历史和相似用户群体测算出目标资源,根据相似用户群体的资源请求历史测算出补充目标资源,将补充目标资源作为目标资源的补充内容。
同时,本发明提供一种网络资源推送装置,结构如图2所示,包括:
资源请求历史获取模块:用于获取用户的资源请求历史;
目标资源测算模块:用于根据用户的资源请求历史计算预测用户后续请求的目标资源;
目标资源推送模块:用于将目标资源推送到用户客户端,使得用户后续请求目标资源时可直接从推送内容中获取所述预先缓存的目标资源。
在本发明的一些实施例中,所述目标资源测算模块具体包括:
第一测算单元:用于当在当前统计周期内用户访问第一资源,且在当前时间点之前的第一设定时间内,用户访问第一资源之后访问第二资源的次数超过设定的第一阈值时,将第二资源作为目标资源;
和/或,第二测算单元:用于当在当前时间点之前的第二设定时间内,用户访问第三网站的第三类别的资源次数超过设定的第二阈值,则在当前统计周期内,将第三网站上第三类别更新后的第三资源作为目标资源;
和/或,第三测算单元:用于当在当前时间点之前的第三设定时间内,用户访问第四资源,且在第四资源所在的第四网站上存在相同标签、更新时间比第四资源晚的第五资源时,将第五资源作为目标资源;
和/或,第四测算单元:用于当在当前时间点之前的第四设定时间内用户访问第六资源,且在第六资源所在的第六网站上存在基本信息相同、位于第六资源在网页上所在位置的下一位置的第七资源时,将第七资源作为目标资源;
和/或,第五测算单元:用于当在当前时间点之前的第五设定时间内访问第七资源以及第八资源,且访问的次数超过设定值,那么当用户访问第七资源或第八资源时,将第八资源或第七资源作为目标资源。
在本发明的一些实施例中,目标资源推送模块具体包括:
第一推送单元:用于当网络缓存系统中不存在所述目标资源时,将目标资源直接推送到用户客户端的本地缓存;
第二推送单元:用于当网络缓存系统中存在所述目标资源时,从网络缓存系统中将所述目标资源推送到用户客户端的本地缓存。
在本发明的一些实施例中,所述资源请求历史为当前时间点之前设定时间段内的请求历史;所述装置还包括:
资源请求历史管理模块:用于将用户在当前统计周期内的资源记录加入资源请求历史。
在本发明的一些实施例中,所述目标资源测算模块具体还包括:
相似用户群体计算单元:用于根据用户的资源请求历史、按照设定的算法计算该用户的相似用户群体;
资源请求历史整合测算单元:根据相似用户群体的资源请求历史和所述用户的资源请求历史测算用户后续请求的目标资源;
所述相似用户群体的资源请求历史与所述用户的资源请求历史满足所述设定的算法中规定的相关条件。
从上面所述可以看出,本发明所提供的网络资源推送方法及装置,能够根据用户请求网络资源的历史推算出用户可能会请求的目标资源,将该目标资源主动推送到用户终端,将资源主动推送到用户端,减少用户请求资源的时间;同时,根据用户的资源请求历史推算目标资源,使得资源推送满足用户的个性化需求,能够根据用户的喜欢、喜好、需求等因素有针对性地向用户提供资源。
应当理解,本说明书所描述的多个实施例仅用于说明和解释本发明,并不用于限定本发明。并且在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种网络资源推送方法,其特征在于,包括如下步骤:
获取用户的资源请求历史;
根据用户的资源请求历史计算预测用户后续请求的目标资源;
将目标资源推送到用户客户端,使得用户后续请求目标资源时可直接从推送内容中获取所述预先缓存的目标资源。
2.根据权利要求1所述的方法,其特征在于,根据用户的资源请求历史计算预测用户后续请求的目标资源的步骤具体包括:
当在当前统计周期内用户访问第一资源,且在当前时间点之前的第一设定时间内,用户访问第一资源之后访问第二资源的次数超过设定的第一阈值时,将第二资源作为目标资源;
和/或,当在当前时间点之前的第二设定时间内,用户访问第三网站的第三类别的资源次数超过设定的第二阈值,则在当前统计周期内,将第三网站上第三类别更新后的第三资源作为目标资源;
和/或,当在当前时间点之前的第三设定时间内,用户访问第四资源,且在第四资源所在的第四网站上存在相同标签、更新时间比第四资源晚的第五资源时,将第五资源作为目标资源;
和/或,当在当前时间点之前的第四设定时间内用户访问第六资源,且在第六资源所在的第六网站上存在基本信息相同、位于第六资源在网页上所在位置的下一位置的第七资源时,将第七资源作为目标资源;
和/或,当在当前时间点之前的第五设定时间内访问第七资源以及第八资源,且访问的次数超过设定值,那么当用户访问第七资源或第八资源时,将第八资源或第七资源作为目标资源。
3.根据权利要求1所述的方法,其特征在于,将目标资源推送到用户客户端的步骤具体包括:
当网络缓存系统中不存在所述目标资源时,将目标资源直接推送到用户客户端的本地缓存;
当网络缓存系统中存在所述目标资源时,从网络缓存系统中将所述目标资 源推送到用户客户端的本地缓存。
4.根据权利要求1所述的方法,其特征在于,所述资源请求历史为当前时间点之前设定时间段内的请求历史;所述将目标资源推送到用户客户端的步骤之后,还包括:
将用户在当前统计周期内的资源记录加入资源请求历史。
5.根据权利要求1-4中任意一项所述的方法,其特征在于,根据用户的资源请求历史计算预测用户后续请求的目标资源的步骤具体包括:
根据用户的资源请求历史、按照设定的算法计算该用户的相似用户群体;
根据相似用户群体的资源请求历史对所述可能目标资源进行再次计算,获得用户后续请求的目标资源;
所述相似用户群体的资源请求历史与所述用户的资源请求历史满足所述设定的算法中规定的相关条件 。
6.一种网络资源推送装置,其特征在于,包括:
资源请求历史获取模块:用于获取用户的资源请求历史;
目标资源测算模块:用于根据用户的资源请求历史计算预测用户后续请求的目标资源;
目标资源推送模块:用于将目标资源推送到用户客户端,使得用户后续请求目标资源时可直接从推送内容中获取所述预先缓存的目标资源。
7.根据权利要求6所述的装置,其特征在于,所述目标资源测算模块具体包括:
第一测算单元:用于当在当前统计周期内用户访问第一资源,且在当前时间点之前的第一设定时间内,用户访问第一资源之后访问第二资源的次数超过设定的第一阈值时,将第二资源作为目标资源;
和/或,第二测算单元:用于当在当前时间点之前的第二设定时间内,用户访问第三网站的第三类别的资源次数超过设定的第二阈值,则在当前统计周期内,将第三网站上第三类别更新后的第三资源作为目标资源;
和/或,第三测算单元:用于当在当前时间点之前的第三设定时间内,用户访问第四资源,且在第四资源所在的第四网站上存在相同标签、更新时间比第四资源晚的第五资源时,将第五资源作为目标资源;
和/或,第四测算单元:用于当在当前时间点之前的第四设定时间内用户访问第六资源,且在第六资源所在的第六网站上存在基本信息相同、位于第六资源在网页上所在位置的下一位置的第七资源时,将第七资源作为目标资源;
和/或,第五测算单元:用于当在当前时间点之前的第五设定时间内访问第七资源以及第八资源,且访问的次数超过设定值,那么当用户访问第七资源或第八资源时,将第八资源或第七资源作为目标资源。
8.根据权利要求6所述的装置,其特征在于,目标资源推送模块具体包括:
第一推送单元:用于当网络缓存系统中不存在所述目标资源时,将目标资源直接推送到用户客户端的本地缓存;
第二推送单元:用于当网络缓存系统中存在所述目标资源时,从网络缓存系统中将所述目标资源推送到用户客户端的本地缓存。
9.根据权利要求1所述的装置,其特征在于,所述资源请求历史为当前时间点之前设定时间段内的请求历史;所述装置还包括:
资源请求历史管理模块:用于将用户在当前统计周期内的资源记录加入资源请求历史。
10.根据权利要求6-9中任意一项所述的装置,其特征在于,所述目标资源测算模块具体还包括:
相似用户群体计算单元:用于根据用户的资源请求历史、按照设定的算法计算该用户的相似用户群体;
资源请求历史整合测算单元:根据相似用户群体的资源请求历史和所述用户的资源请求历史测算用户后续请求的目标资源;
所述相似用户群体的资源请求历史与所述用户的资源请求历史满足所述设定的算法中规定的相关条件。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510030390.1A CN105868207B (zh) | 2015-01-21 | 2015-01-21 | 一种网络资源推送方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510030390.1A CN105868207B (zh) | 2015-01-21 | 2015-01-21 | 一种网络资源推送方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105868207A true CN105868207A (zh) | 2016-08-17 |
CN105868207B CN105868207B (zh) | 2019-10-15 |
Family
ID=56622908
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510030390.1A Expired - Fee Related CN105868207B (zh) | 2015-01-21 | 2015-01-21 | 一种网络资源推送方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105868207B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241444A (zh) * | 2018-10-11 | 2019-01-18 | 平安科技(深圳)有限公司 | 基于状态机的内容推荐方法、装置、设备和存储介质 |
CN109961313A (zh) * | 2017-12-26 | 2019-07-02 | 苏州跃盟信息科技有限公司 | 一种信息推送方法和信息推送装置 |
CN110276659A (zh) * | 2019-06-16 | 2019-09-24 | 北京三快在线科技有限公司 | 资源获取方法、装置、设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1653453A (zh) * | 2002-03-11 | 2005-08-10 | 捷讯研究有限公司 | 用于将数据推到移动设备的系统和方法 |
US6947935B1 (en) * | 2001-04-04 | 2005-09-20 | Microsoft Corporation | Training, inference and user interface for guiding the caching of media content on local stores |
CN101777081A (zh) * | 2010-03-08 | 2010-07-14 | 中兴通讯股份有限公司 | 一种提高网页访问速度的方法及装置 |
CN102467553A (zh) * | 2010-11-18 | 2012-05-23 | 中兴通讯股份有限公司 | 一种智能推送数据的方法和装置 |
CN103700007A (zh) * | 2013-12-18 | 2014-04-02 | 东软集团股份有限公司 | 基于物品的推荐方法及系统 |
-
2015
- 2015-01-21 CN CN201510030390.1A patent/CN105868207B/zh not_active Expired - Fee Related
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6947935B1 (en) * | 2001-04-04 | 2005-09-20 | Microsoft Corporation | Training, inference and user interface for guiding the caching of media content on local stores |
CN1653453A (zh) * | 2002-03-11 | 2005-08-10 | 捷讯研究有限公司 | 用于将数据推到移动设备的系统和方法 |
CN101777081A (zh) * | 2010-03-08 | 2010-07-14 | 中兴通讯股份有限公司 | 一种提高网页访问速度的方法及装置 |
CN102467553A (zh) * | 2010-11-18 | 2012-05-23 | 中兴通讯股份有限公司 | 一种智能推送数据的方法和装置 |
CN103700007A (zh) * | 2013-12-18 | 2014-04-02 | 东软集团股份有限公司 | 基于物品的推荐方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109961313A (zh) * | 2017-12-26 | 2019-07-02 | 苏州跃盟信息科技有限公司 | 一种信息推送方法和信息推送装置 |
CN109961313B (zh) * | 2017-12-26 | 2020-12-01 | 苏州跃盟信息科技有限公司 | 一种信息推送方法和信息推送装置 |
CN109241444A (zh) * | 2018-10-11 | 2019-01-18 | 平安科技(深圳)有限公司 | 基于状态机的内容推荐方法、装置、设备和存储介质 |
CN110276659A (zh) * | 2019-06-16 | 2019-09-24 | 北京三快在线科技有限公司 | 资源获取方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN105868207B (zh) | 2019-10-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10397359B2 (en) | Streaming media cache for media streaming service | |
US10963922B1 (en) | Campaign goal setting in a messaging platform | |
KR101947667B1 (ko) | 비디오 검색용 시청 시간 클러스터링 | |
US10445753B1 (en) | Determining popular and trending content characteristics | |
US20160063577A1 (en) | Handling of real-time advertisement with content prefetching | |
JP6469244B2 (ja) | イベント・ベースのコンテンツ配布 | |
US20140229609A1 (en) | Predictive content caching | |
CN110692054A (zh) | 预测数字分量的不可观察参数 | |
US20150269615A1 (en) | Predicting Visibility of Content Items | |
US10402465B1 (en) | Content authority ranking using browsing behavior | |
US8954556B2 (en) | Utility-based model for caching programs in a content delivery network | |
US20130110985A1 (en) | Systems and Methods for Geographical Location Based Cloud Storage | |
CN106681990B (zh) | 一种移动云存储环境下缓存数据的预取方法 | |
US9594846B2 (en) | Client side caching | |
US10679247B1 (en) | Incremental model training for advertisement targeting using streaming data | |
CN113055745B (zh) | 视频播放的处理方法、装置、设备及存储介质 | |
CN103974084A (zh) | 流媒体数据块缓存方法及文件推荐方法、流媒体服务器 | |
CN105868207A (zh) | 一种网络资源推送方法及装置 | |
AU2009355571B2 (en) | Content performance estimation | |
US10491929B2 (en) | Reducing latency in presenting digital videos | |
CN111108482B (zh) | 优化网络利用 | |
CN114297478A (zh) | 一种页面推荐方法、装置、设备以及存储介质 | |
JP2022517458A (ja) | 寄与増分機械学習モデル | |
CN111131864A (zh) | 数据传输方法、装置及系统 | |
US8949228B2 (en) | Identification of new sources for topics |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20191015 Termination date: 20220121 |