CN106776771B - 信息推送方法和装置 - Google Patents

信息推送方法和装置 Download PDF

Info

Publication number
CN106776771B
CN106776771B CN201611039373.5A CN201611039373A CN106776771B CN 106776771 B CN106776771 B CN 106776771B CN 201611039373 A CN201611039373 A CN 201611039373A CN 106776771 B CN106776771 B CN 106776771B
Authority
CN
China
Prior art keywords
information
mentioned
user
term
search operaqtion
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.)
Active
Application number
CN201611039373.5A
Other languages
English (en)
Other versions
CN106776771A (zh
Inventor
夏源
周景博
吴海山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Baidu Netcom Science and Technology Co Ltd
Original Assignee
Beijing Baidu Netcom Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Baidu Netcom Science and Technology Co Ltd filed Critical Beijing Baidu Netcom Science and Technology Co Ltd
Priority to CN201611039373.5A priority Critical patent/CN106776771B/zh
Priority to US15/606,204 priority patent/US10417274B2/en
Publication of CN106776771A publication Critical patent/CN106776771A/zh
Application granted granted Critical
Publication of CN106776771B publication Critical patent/CN106776771B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/40—Information retrieval; Database structures therefor; File system structures therefor of multimedia data, e.g. slideshows comprising image and additional audio data
    • G06F16/48—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
    • G06F16/487—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman problem
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/40—Business processes related to the transportation industry
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Databases & Information Systems (AREA)
  • Tourism & Hospitality (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Library & Information Science (AREA)
  • Multimedia (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本申请公开了信息推送方法和装置。所述方法的一具体实施方式包括：基于用户对客户端所安装的地图应用依次执行的第二检索操作，解析与第二检索操作对应的检索词；将解析出的检索词与第一检索词序列中的第一检索词进行匹配，确定是否匹配成功，其中，第一检索词序列为基于对相同地图应用的第一检索操作序列而生成的；响应于匹配成功，获取客户端所安装的地图应用的日志数据；基于日志数据、所获取的用户的特征信息和预先训练的用车概率模型，确定用户的用车概率；响应于用车概率大于预设的用车概率阈值，向客户端推送信息。该实施方式实现了富于针对性的信息推送。

Description

信息推送方法和装置
技术领域
本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及信息推送方法和装置。
背景技术
随着互联网的发展和普及，基于移动互联网的用车需求越来越大。为了提升用户的体验度，提高竞争力，通常需要获取用户信息来确定用户的出行情况，并推断用户的用车需求，进而推送相关信息(如乘车优惠券等)。
然而，现有的针对用户出行情况的信息推送方式通常是基于用户历史乘车数据来预测用户的用车概率，继而进行相关信息的推送。这种信息推送方式无法推断用户在当前时刻的用车需求和所处场景，从而，存在着信息推送的实时性较低，信息推送缺乏针对性的问题。
发明内容
本申请的目的在于提出一种改进的信息推送方法和装置，来解决以上背景技术部分提到的技术问题。
第一方面，本申请提供了一种信息推送方法，上述方法包括：基于用户对客户端所安装的地图应用依次执行的第二检索操作，解析与上述第二检索操作对应的检索词；将解析出的检索词与第一检索词序列中的第一检索词进行匹配，确定是否匹配成功，其中，上述第一检索词序列为基于对相同地图应用的第一检索操作序列而生成的；响应于匹配成功，获取上述客户端所安装的地图应用的日志数据；基于上述日志数据、所获取的上述用户的特征信息和预先训练的用车概率模型，确定上述用户的用车概率，其中，上述用车概率模型用于表征日志数据、特征信息与用车概率的对应关系；响应于所确定的用车概率大于预设的用车概率阈值，向上述客户端推送信息。
在一些实施例中，在上述基于用户对客户端所安装的地图应用依次执行的第二检索操作，解析与上述第二检索操作对应的检索词之前，上述方法还包括：获取地图检索数据，其中，上述地图检索数据包括在上述地图应用中执行的多个检索操作的每一个检索操作对应的检索词和时间戳；基于序列模式挖掘算法对上述地图检索数据进行序列模式挖掘，确定第一检索词序列；将与上述第一检索词序列中的各个第一检索词对应的检索操作作为第一检索操作，确定第一检索操作序列；存储上述第一检索词序列。
在一些实施例中，上述将解析出的检索词与第一检索词序列中的第一检索词进行匹配，确定是否匹配成功，包括：如果对于依次执行的每一个第二检索操作而言，第二检索操作对应的检索词与上述第一检索词序列中相应的第一检索操作对应的第一检索词都匹配，则确定匹配成功。
在一些实施例中，上述将解析出的检索词与第一检索词序列中的第一检索词进行匹配，确定是否匹配成功，包括：如果第二检索操作对应的检索词与上述第一检索词序列中相应的第一检索操作对应的第一检索词不匹配，则确定匹配失败。
在一些实施例中，上述方法还包括：响应于匹配成功，获取预设的出行场景标识集合和预设的第一检索词序列与出行场景标识的匹配关系；基于上述第一检索词序列与出行场景标识的匹配关系，从上述出行场景标识集合中提取与上述第一检索词序列匹配的出行场景标识；获取预设的候选信息集合和预设的出行场景标识与候选信息的匹配关系；基于上述出行场景标识与候选信息的匹配关系，从上述候选信息集合中提取与上述第一检索词序列匹配的出行场景标识匹配的候选信息，并将所提取的候选信息确定为待推送至上述客户端的信息。
在一些实施例中，上述基于上述日志数据、所获取的上述用户的特征信息和预先训练的用车概率模型，确定上述用户的用车概率，包括：从上述日志数据和所获取的上述用户的特征信息中提取特征向量；将上述特征向量导入预先训练的用车概率模型，确定上述用户的用车概率。
在一些实施例中，上述用车概率模型通过以下步骤获得：获取多个用户的特征信息和用车概率；从上述地图应用中获取历史设定时长内与上述多个用户相匹配的日志数据；从所获取的多个用户的特征信息和上述日志数据中提取与上述多个用户中的每个用户相匹配的特征向量；将所提取的特征向量作为输入，所获取的用车概率作为输出，训练用车概率模型。
在一些实施例中，在上述向上述客户端推送信息之后，上述方法还包括：获取上述用户的用户标识；将上述用户标识存储至已推送用户标识列表。
第二方面，本申请提供了信息推送装置，上述装置包括：解析单元，配置用于基于用户对客户端所安装的地图应用依次执行的第二检索操作，解析与上述第二检索操作对应的检索词；匹配单元，配置用于将解析出的检索词与第一检索词序列中的检索词进行匹配，确定是否匹配成功，其中，上述第一检索词序列为基于对相同地图应用的第一检索操作序列而生成的；第一获取单元，配置用于响应于匹配成功，获取上述客户端所安装的地图应用的日志数据；第一确定单元，配置用于基于上述日志数据、所获取的上述用户的特征信息和预先训练的用车概率模型，确定上述用户的用车概率，其中，上述用车概率模型用于表征日志数据、特征信息与用车概率的对应关系；推送单元，配置用于响应于所确定的用车概率大于预设的用车概率阈值，向上述客户端推送信息。
在一些实施例中，上述装置还包括：第二获取单元，配置用于获取地图检索数据，其中，上述地图检索数据包括在上述地图应用中执行的多个检索操作的每一个检索操作对应的检索词和时间戳；挖掘单元，配置用于基于序列模式挖掘算法对上述地图检索数据进行序列模式挖掘，确定第一检索词序列；第二确定单元，配置用于将与上述第一检索词序列中的各个第一检索词对应的检索操作作为第一检索操作，确定第一检索操作序列；第一存储单元，配置用于存储上述第一检索词序列。
在一些实施例中，上述匹配单元进一步配置用于：如果对于依次执行的每一个第二检索操作而言，第二检索操作对应的检索词与上述第一检索词序列中相应的第一检索操作对应的第一检索词都匹配，则确定匹配成功。
在一些实施例中，上述匹配单元进一步配置用于：如果第二检索操作对应的检索词与上述第一检索词序列中相应的第一检索操作对应的第一检索词不匹配，则确定匹配失败。
在一些实施例中，上述装置还包括：第三获取单元，配置用于响应于匹配成功，获取预设的出行场景标识集合和预设的第一检索词序列与出行场景标识的匹配关系；第一提取单元，配置用于基于上述第一检索词序列与出行场景标识的匹配关系，从上述出行场景标识集合中提取与上述第一检索词序列匹配的出行场景标识；第四获取单元，配置用于获取预设的候选信息集合和预设的出行场景标识与候选信息的匹配关系；第二提取单元，配置用于基于上述出行场景标识与候选信息的匹配关系，从上述候选信息集合中提取与上述第一检索词序列匹配的出行场景标识匹配的候选信息，并将所提取的候选信息确定为待推送至上述客户端的信息。
在一些实施例中，上述第一确定单元进一步配置用于：从上述日志数据和预先获取的上述用户的特征信息中提取特征向量；将上述特征向量导入预先训练的用车概率模型，确定上述用户的用车概率。
在一些实施例中，上述用车概率模型通过以下单元获得：第五获取单元，配置用于获取多个用户的特征信息和用车概率；第六获取单元，配置用于从上述地图应用中获取历史设定时长内与上述多个用户相匹配的日志数据；第三提取单元，配置用于从所获取的多个用户的特征信息和上述日志数据中提取与上述多个用户中的每个用户相匹配的特征向量；训练单元，配置用于将所提取的特征向量作为输入，所获取的用车概率作为输出，训练用车概率模型。
在一些实施例中，上述装置还包括：第七获取单元，配置用于获取上述用户的用户标识；第二存储单元，配置用于将上述用户标识存储至已推送用户标识列表。
本申请提供的信息推送方法和装置，通过解析用户对地图应用执行的第二检索操作对应的检索词，而后将解析出的检索词与第一检索词序列中的第一检索词进行匹配，若匹配成功，则获取地图应用的日志数据，然后基于日志数据、所提取的用户的特征信息和预先训练的用车概率模型，确定用户的用车概率，最后，若用户的用车概率大于预设的用车概率阈值，则向用户推送信息，从而实现了富于针对性的信息推送。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本申请可以应用于其中的示例性系统架构图；
图2是根据本申请的信息推送方法的一个实施例的流程图；
图3是根据本申请的一个打开的地图应用的显示界面的效果示意图；
图4是根据本申请的信息推送方法的一个应用场景的示意图；
图5是根据本申请的信息推送方法的又一个实施例的流程图；
图6是根据本申请的生成第一检索词序列的一个实施例的流程图；
图7是根据本申请的信息推送装置的一个实施例的结构示意图；
图8是适于用来实现本申请实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，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。下面将参考附图并结合实施例来详细说明本申请。
图1示出了可以应用本申请的信息推送方法或信息推送装置的示例性系统架构100。
如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有地图类客户端应用。
终端设备101、102、103可以是具有显示屏并且支持地点检索操作的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机等等。
服务器105可以是提供各种服务的服务器，例如对终端设备101、102、103上的地图类客户端应用提供支持的后台服务器。后台网页服务器可以对接收到的对地图应用的检索操作对应的检索信息进行匹配、分析等处理，也可以从终端设备101、102、103获取地图类客户端应用的日志数据并确定用户的用车概率，根据用车概率向终端设备101、102、103推送信息。
需要说明的是，本申请实施例所提供的信息推送方法一般由服务器105执行，相应地，信息推送装置一般设置于服务器105中。
应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
继续参考图2，其示出了根据本申请的信息推送方法的一个实施例的流程200。所述的信息推送方法，包括以下步骤：
步骤201，基于用户对客户端所安装的地图应用依次执行的第二检索操作，解析与上述第二检索操作对应的检索词。
在本实施例中，信息推送方法运行于其上的电子设备(例如图1所示的服务器105)可以基于用户对客户端(例如图1所示的终端设备101、102、103)所安装的地图应用依次执行的第二检索操作，解析与上述第二检索操作对应的检索词。这里，第二检索操作可以包括用户在上述地图应用中录入地点信息的操作和录入地点信息后的点击搜索操作。上述录入地点信息的操作可以是手动输入地点信息或语音录入地点信息。
实践中，用户可以首先打开上述客户端所安装的地图应用。如图3所示，图3示出了一个打开的地图应用的显示界面的效果示意图。用户对该地图应用执行的第二点击操作可以按如下步骤进行：第一步，执行录入地点信息操作，即在该地图应用的显示界面的搜索位置301处手动输入地点信息“A办公大厦”；第二步，执行点击搜索操作，即点击上述地图应用的显示界面中的“路线”按钮302。
在本实施例中，在用户对上述客户端所安装的地图应用执行每一次第二检索操作之后，上述电子设备可以从上述客户端获取用户在执行该第二检索操作时所录入的地点信息和点击搜索操作的时间戳，也可以从上述客户端获取用户在执行该第二检索操作时的实时位置信息。上述实时位置信息可以基于上述地图应用实时定位功能而从上述地图应用的运行数据中提取，也可以基于上述客户端所安装的其他应用开启的实时定位功能而获取。
在本实施例中，对于用户对上述客户端所安装的地图应用执行的每一次第二检索操作，上述电子设备解析与该第二检索操作对应的检索词，可以按照如下步骤执行：
首先，上述电子设备可以获取用户在执行该第二检索操作时所录入的地点信息。
之后，上述电子设备可以基于预置的地点信息与POI(Point of Interest，兴趣点)信息的映射表，确定与上述地点信息匹配的POI信息。作为示例，上述地点信息为“A办公大厦”或“B写字楼”，上述映射表中“A办公大厦”和或“B写字楼”均映射到POI信息“商务大厦”，则基于上述映射表可以确定与上述地点信息匹配的POI信息是“商务大厦”。需要说明的是，上述POI信息可以包括POI信息标识，上述POI信息标识可以是由任意字符组成的字符串，用于唯一标识上述POI信息。
最后，将上述POI信息确定为与该第二检索操作对应的检索词。
步骤202，将解析出的检索词与第一检索词序列中的第一检索词进行匹配，确定是否匹配成功。
在本实施例中，上述电子设备可以预先获取第一检索词序列。上述第一检索词序列可以存储在上述电子设备所安装的数据库中，这时，该电子设备可以直接从本地数据库中获得该第一检索词序列；上述第一检索词序列还可以存储在与上述电子设备连接的另一数据库中，这时，上述电子设备可以通过有线连接方式或者无线连接方式从上述另一数据库中查找并获取该第一检索词序列。上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
在本实施例中，上述第一检索词序列可以是基于对相同地图应用的第一检索操作序列而生成的。这里，上述第一检索操作序列可以是任意用户对相同的地图应用依照时间顺序依次执行的第一检索操作所组成的序列，每一次执行的第一检索操作可以包括在相同的地图应用中录入地点信息的操作和录入地点信息后的点击搜索操作。此处，上述任意用户可以是至少一个或多个用户。需要说明的是，上述第一检索操作序列可以是一个或多个序列，相应的，第一检索词序列也可以为一个或多个序列。
在本实施例中，上述电子设备可以将步骤201解析出的检索词与第一检索词序列中的第一检索词进行匹配。具体的，上述电子设备可以将第二检索操作对应的检索词与上述第一检索词序列中与第二检索操作次序相同的第一检索操作对应的检索词进行匹配，例如，基于第N次第二检索操作解析出的检索词为m1，上述电子设备可以比较m1是否与基于第N次第一检索操作生成的检索词m2一致，其中，N为不小于1的整数。
在本实施例的一些可选的实现方式中，可以根据以下方式确定是否匹配成功：如果对于依次执行的每一个第二检索操作而言，第二检索操作对应的检索词与上述第一检索词序列中相应的第一检索操作对应的第一检索词都匹配，则上述电子设备可以确定匹配成功。也就是说，只有基于每一个第二检索操作解析出的检索词都与基于次序相同的第一检索操作生成的第一检索词相匹配，才能确定匹配成功。
在本实施例的一些可选的实现方式中，可以根据以下方式确定是否匹配成功：如果第二检索操作对应的检索词与上述第一检索词序列中相应的第一检索操作对应的第一检索词不匹配，则上述电子设备可以确定匹配失败。也就是说，只要任何一个基于第二检索操作解析出的检索词与基于次序相同的第一检索操作生成的检索词不相匹配，就可以确定匹配失败。当匹配失败时，则不再进行下一个第二检索操作对应的检索词的匹配。
步骤203，响应于匹配成功，获取客户端所安装的地图应用的日志数据。
在本实施例中，响应于步骤202确定匹配成功，上述电子设备可以获取步骤201所述的客户端所安装的地图应用的日志数据。实践中，上述日志数据可以包括但不限于用户当前所在位置的坐标、目的地的坐标、用户当前所在位置与目的地的距离、当前时间等信息。
步骤204，基于日志数据、所获取的用户的特征信息和预先训练的用车概率模型，确定用户的用车概率。
在本实施例中，上述电子设备可以首先从本地或上述客户端所安装的各种应用中获取上述用户的特征信息，例如上述用户的年龄、性别、消费水平等；之后，可以加载预先训练的用车概率模型；最后，可以基于步骤203获取的日志数据、所获取的上述用户的特征信息和预先训练的用车概率模型，确定用户的用车概率。需要说明的是，上述用车概率模型可以用于表征日志数据、特征信息与用车概率的对应关系。
在本实施例的一些可选的实现方式中，基于步骤203获取的日志数据、所获取的上述用户的特征信息和预先训练的用车概率模型，确定用户的用车概率，可以按照如下步骤执行：首先，上述电子设备可以从上述日志数据和上述特征信息中选取预设种类的数据；之后，对所选取的数据进行处理(例如数据类型转换、缩放等等)，得到处理后的数据；然后，将处理后的数据组成特征向量，其中，上述特征向量可以包括多个数值；最后，将上述特征向量导入预先训练的用车概率模型，确定上述用户的用车概率。
在本实施例的一些可选的实现方式中，上述预先训练的用车概率模型通过以下步骤获得：首先，上述电子设备可以获取多个用户的特征信息和用车概率；之后，可以从上述多个用户中的每一个用户所使用的客户端中获取历史设定时长内的与该用户相匹配的地图应用的日志数据，其中，上述地图应用与步骤201所述的地图应用相同；然后，对于每一个用户，上述电子设备可以从该用户的特征信息和与该用户匹配的日志数据中提取与该用户相匹配的特征向量；最后，对于每一个用户，上述电子设备可以将与该用户匹配的特征向量作为输入，该用户的用车概率作为输出，训练用车概率模型。
步骤205，响应于所确定的用车概率大于预设的用车概率阈值，向客户端推送信息。
在本实施例中，上述电子设备中可以存储预先设置的用车概率阈值。响应于步骤204确定的用户的用车概率大于上述用车概率阈值，上述电子设备可以向上述用户所使用的客户端推送信息。需要说明的是，上述信息可以是各种信息，例如，专车优惠信息、快车优惠信息、拼车优惠信息、顺风车优惠信息等。
继续参见图4，图4是根据本实施例的信息推送方法的应用场景的一个示意图。
在图4的应用场景中，用户首先对手机终端401所安装的地图应用执行第一次第二检索操作；之后，为上述地图应用提供支持的后台服务器402从上述手机终端401获取上述第一次第二检索操作中用户录入的地点信息，如标号403所示的“X酒店”，并将上述地点信息“X酒店”解析为检索词“酒店”；然后，上述后台服务器402将解析出的检索词“酒店”与预先生成的多个第一检索词序列中的第一个第一检索词进行匹配，确定存在匹配成功的第一个第一检索词，并确定匹配成功的第一个第一检索词所属的第一检索词序列。
当用户对手机终端401所安装的地图应用执行第二次第二检索操作后，上述后台服务器402首先从上述手机终端401获取上述第二次第二检索操作中用户录入的地点信息，如标号404所示的“Y机场”，并将上述地点信息“Y机场”解析为检索词“机场”；然后，上述后台服务器402将解析出的检索词“机场”与所确定的第一检索词序列中的第二个第一检索词进行匹配，当上述检索词“机场”与上述第二个第一检索词匹配成功后，上述后台服务器402确定该第一检索词序列不存在第三个第一检索词，则确定所解析出的检索词与该第一检索词序列匹配成功。
匹配成功后，上述后台服务器402首先获取上述手机终端401所安装的地图应用的日志数据405；之后，基于上述日志数据、所获取的上述用户的特征信息和预先训练的用车概率模型，确定用户的用车概率；最后，确定上述用车概率大于预设的用车概率阈值，向上述手机终端401推送如标号406所示的专车优惠信息。
本申请的上述实施例提供的方法通过解析用户对地图应用执行的第二检索操作对应的检索词，而后将解析出的检索词与第一检索词序列中的第一检索词进行匹配，若匹配成功，则获取地图应用的日志数据，然后基于日志数据、所提取的用户的特征信息和预先训练的用车概率模型，确定用户的用车概率，最后，若用户的用车概率大于预设的用车概率阈值，则向用户推送信息，从而实现了富于针对性的信息推送。
进一步参考图5，其示出了信息推送方法的又一个实施例的流程500。该信息推送方法的流程500，包括以下步骤：
步骤501，基于用户对客户端所安装的地图应用依次执行的第二检索操作，解析与第二检索操作对应的检索词。
在本实施例中，信息推送方法运行于其上的电子设备(例如图1所示的服务器105)可以基于用户对客户端(例如图1所示的终端设备101、102、103)所安装的地图应用依次执行的第二检索操作，解析与上述第二检索操作对应的检索词。这里，第二检索操作可以包括用户在上述地图应用中录入地点信息的操作和录入地点信息后的点击搜索操作。上述录入地点信息的操作可以是手动输入地点信息或语音录入地点信息。在用户对上述客户端所安装的地图应用执行每一次第二检索操作之后，上述电子设备可以从上述客户端获取用户在执行该第二检索操作时所录入的地点信息和点击搜索操作的时间戳，也可以从上述客户端获取用户在执行该第二检索操作时的实时位置信息。
在本实施例中，对于用户对上述客户端所安装的地图应用执行的每一次第二检索操作，上述电子设备解析与该第二检索操作对应的检索词，可以按照如下步骤执行：首先，上述电子设备可以获取用户在执行该第二检索操作时所录入的地点信息；之后，上述电子设备可以基于预置的地点信息与POI信息的映射表，确定与上述地点信息匹配的POI信息；最后，将上述POI信息确定为与该第二检索操作对应的检索词。
上述步骤501的具体操作与步骤201的具体操作基本相同，在此不再赘述。
步骤502，将解析出的检索词与第一检索词序列中的第一检索词进行匹配，确定是否匹配成功。
在本实施例中，上述电子设备可以预先获取第一检索词序列。上述第一检索词序列可以存储在上述电子设备所安装的数据库中，这时，该电子设备可以直接从本地数据库中获得该第一检索词序列；上述第一检索词序列还可以存储在与上述电子设备连接的另一数据库中，这时，上述电子设备可以通过有线连接方式或者无线连接方式从上述另一数据库中查找并获取该第一检索词序列。
在本实施例中，上述第一检索词序列可以是基于对相同地图应用的第一检索操作序列而生成的。这里，上述第一检索操作序列可以是对相同的地图应用依照时间顺序依次执行的第一检索操作所组成的序列。每一次执行的第一检索操作可以包括在相同的地图应用中录入地点信息的操作和输入地点信息后的点击搜索操作。需要说明的是，上述第一检索操作序列可以是一个或多个序列，相应的，第一检索词序列也可以为一个或多个序列。
在本实施例中，上述电子设备可以将步骤501解析出的检索词与第一检索词序列中的第一检索词进行匹配。具体的，上述电子设备可以将第二检索操作对应的检索词与上述第一检索词序列中与第二检索操作次序相同的第一检索操作对应的检索词进行匹配。上述电子设备可以根据以下方式确定是否匹配成功：
如果对于依次执行的每一个第二检索操作而言，第二检索操作对应的检索词与上述第一检索词序列中相应的第一检索操作对应的第一检索词都匹配，则上述电子设备可以确定匹配成功。也就是说，只有基于每一个第二检索操作解析出的检索词都与基于次序相同的第一检索操作生成的第一检索词相匹配，才能确定匹配成功。
如果第二检索操作对应的检索词与上述第一检索词序列中相应的第一检索操作对应的第一检索词不匹配，则上述电子设备可以确定匹配失败。也就是说，只要任何一个基于第二检索操作解析出的检索词与基于次序相同的第一检索操作生成的检索词不相匹配，就可以确定匹配失败。当匹配失败时，则不再进行下一个第二检索操作对应的检索词的匹配。
上述步骤502的具体操作与步骤202的具体操作基本相同，在此不再赘述。
对于步骤502中的第一检索词序列，可以参照图6，图6给出了根据本申请的生成第一检索词序列的一个实施例的流程图。该第一检索词序列的生成方法600，包括以下步骤：
步骤601，获取地图检索数据。
在本实施例中，上述电子设备可以从安装在本地或安装在与上述电子设备相连的另一服务器的地图检索数据库中获取地图检索数据，其中，上述地图检索数据可以包括在地图应用中执行的多个检索操作的每一个检索操作对应的检索词和时间戳，上述地图检索数据可以是从多个用户所使用的客户端所安装的相同地图应用中获取的。需要指出的是，上述每一个检索操作对应的检索词可以是上述电子设备基于该检索操作所录入的地点信息进行解析而生成的检索词，上述每一个检索操作对应的时间抽可以是该检索操作中点击搜索操作的时间戳。
实践中，在多个用户所使用的终端设备中均安装有上述地图应用。每一个用户对所使用的终端设备上所安装的地图应用执行的检索操作包括录入地点信息的操作和输入地点信息后的点击搜索操作。用户对相应地图应用执行的每一次检索操作，上述电子设备均可获取该检索操作对应的地点信息和时间戳，并存储在地图检索数据库中。
步骤602，基于序列模式挖掘算法对地图检索数据进行序列模式挖掘，确定第一检索词序列。
在本实施例中，上述电子设备可以首先对步骤601获取的地图检索数据中的每一个用户录入的地点信息进行解析，生成与各个地点信息相对应的检索词；之后，上述电子设备可以基于序列模式挖掘算法，生成与多个用户匹配的检索词序列，其中，每一个用户可以匹配多个检索词序列，每一个检索词序列中的检索词是按照时间先后顺序排列的；然后，上述电子设备可以获取开发人员预先设置的最小支持度阈值，基于序列模式挖掘算法，从上述与多个用户匹配的检索词序列中确定频繁序列，其中，上述频繁序列是出现频率不低于上述最小支持度阈值的序列；最后，上述电子设备可以将所确定的频繁序列作为第一检索词序列。实践中，上述第一检索词序列可以是一个或多个。
需要说明的是，上述序列模式挖掘算法是目前广泛研究和应用的公知技术，在此不再赘述。
步骤603，将与第一检索词序列中的各个第一检索词对应的检索操作作为第一检索操作，确定第一检索操作序列。
在本实施例中，对于第一检索词序列中的每一个第一检索词，上述电子设备可以将对录入的地点信息解析生成的检索词是该第一检索词的检索操作作为与该第一检索词对应的第一检索操作；之后，依照上述第一检索词序列中的各个第一检索词的顺序，确定各个第一检索操作序列，其中，上述第一检索操作序列中的各个第一检索操作的顺序与上述第一检索词序列中的对应的各个第一检索词的顺序一致。
步骤604，存储第一检索词序列。
在本实施例中，上述电子设备可以将步骤602生成的第一检索词序列进行存储。实践中，可以将上述第一检索词序列存储在本地或与上述电子设备连接的检索词序列数据库中。
继续参见图5中的流程，响应于步骤502确定匹配成功，上述电子设备可以执行步骤503-504，以及步骤505-506。
步骤503，响应于匹配成功，提取与第一检索词序列匹配的出行场景标识。
在本实施例中，响应于步骤502确定匹配成功，上述电子设备可以首先获取预设的出行场景标识集合，并获取预设的第一检索词序列与出行场景标识的匹配关系；之后，基于上述第一检索词序列与出行场景标识的匹配关系，从上述出行场景标识集合中提取与上述第一检索词序列匹配的出行场景标识。
需要说明的是，出行场景标识可以是开发人员根据第一检索词序列中的第一检索词之间所表征的出行场景而预先设置的，每一个第一检索词序列与一个出行场景标识相匹配。例如，第一检索词序列中的第一检索词依次为“酒店”、“机场”，则认为表征的出行场景为出差场景；第一检索词序列中的第一检索词依次为“住宅”、“商场”，则认为表征的出行场景为购物场景；第一检索词序列中的第一检索词依次为“公司”、“住宅”，则认为表征的出行场景为下班场景。开发人员可以为每种出行场景设置一个相匹配的出行场景标识，并将各个出行场景标识存储在出行场景标识集合中，其中，每一个出行场景标识可以由任意字符串构成。
步骤504，基于出行场景标识，确定待推送至客户端的信息。
在本实施例中，上述电子设备可以首先获取预设的候选信息集合，并获取预设的出行场景标识与候选信息的匹配关系；之后，基于上述出行场景标识与候选信息的匹配关系，从上述候选信息集合中提取与上述出行场景标识匹配的候选信息，并将所提取的候选信息确定为待推送至上述客户端的信息。
需要指出的是，候选信息可以是开发人员根据出行场景标识所指示的出行场景所推测出的用车类型而预先设置的，并存储于候选信息集合中，其中，每一个出行场景标识与一条候选信息相匹配。例如，出行场景标识所指示的出行场景为出差场景，则推测用车类型为专车，并设置与指示出差场景的出行场景标识相匹配的候选信息为专车优惠信息；出行场景标识所指示的出行场景为购物场景，则推测用车类型为快车，并设置与指示购物场景的出行场景标识相匹配的候选信息为快车优惠信息；出行场景标识所指示的出行场景为下班场景，则推测用车类型为顺风车，并设置与指示下班场景的出行场景标识相匹配的候选信息为顺风车优惠信息。
步骤505，响应于匹配成功，获取客户端所安装的地图应用的日志数据。
在本实施例中，响应于步骤502确定匹配成功，上述电子设备可以获取步骤501所述的客户端所安装的地图应用的日志数据。实践中，上述日志数据可以包括但不限于用户当前所在位置的坐标、目的地的坐标、用户当前所在位置与目的地的距离、当前时间等信息。
步骤506，基于日志数据、所获取的用户的特征信息和预先训练的用车概率模型，确定用户的用车概率。
在本实施例中，上述电子设备可以首先从本地或上述客户端所安装的各种应用中获取上述用户的特征信息，例如上述用户的年龄、性别、消费水平等；之后，可以加载预先训练的用车概率模型；最后，可以基于步骤505获取的日志数据、所获取的上述用户的特征信息和预先训练的用车概率模型，确定用户的用车概率。需要说明的是，上述用车概率模型可以用于表征日志数据、特征信息与用车概率的对应关系。
在本实施例中，基于步骤505获取的日志数据、所获取的上述用户的特征信息和预先训练的用车概率模型，确定用户的用车概率，可以按照如下步骤执行：首先，上述电子设备可以从上述日志数据和上述特征信息中选取预设种类的数据；之后，对所选取的数据进行处理(例如数据类型转换、缩放等等)，得到处理后的数据；然后，将处理后的数据组成特征向量，其中，上述特征向量可以包括多个数值；最后，将上述特征向量导入预先训练的用车概率模型，确定上述用户的用车概率。
在本实施例中，上述预先训练的用车概率模型通过以下步骤获得：首先，上述电子设备可以获取多个用户的特征信息和用车概率；之后，可以从上述多个用户中的每一个用户所使用的客户端中获取历史设定时长内的与该用户相匹配的地图应用的日志数据，其中，上述地图应用与步骤501所述的地图应用相同；然后，对于每一个用户，上述电子设备可以从该用户的特征信息和与该用户匹配的日志数据中提取与该用户相匹配的特征向量；最后，对于每一个用户，上述电子设备可以将与该用户匹配的特征向量作为输入，该用户的用车概率作为输出，训练用车概率模型。
步骤507，响应于所确定的用车概率大于预设的用车概率阈值，向客户端推送信息。
在本实施例中，上述电子设备中可以存储预先设置的用车概率阈值。响应于步骤506确定的用户的用车概率大于上述用车概率阈值，上述电子设备可以向上述用户所使用的客户端推送步骤504确定的待推送至上述客户端的信息。
在本实施例中，在向上述客户端推送信息之后，上述电子设备就可以获取上述用户的用户标识，并将上述用户标识存储至已推送用户标识列表。在预设时长内，不再向上述用户标识指示的用户所使用的客户端推送信息。
从图5中可以看出，与图2对应的实施例相比，本实施例中的信息推送方法的流程500突出了对出行场景标识的选取步骤和对待推送至客户端的信息的选取步骤。由此，本实施例描述的方案可以根据用户当前的出行场景选取匹配的信息，使推送的信息更合理，进一步实现了富于针对性的信息推送。
进一步参考图7，作为对上述各图所示方法的实现，本申请提供了一种信息推送装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图7所示，本实施例所述的信息推送装置700包括：解析单元701，配置用于基于用户对客户端所安装的地图应用依次执行的第二检索操作，解析与上述第二检索操作对应的检索词；匹配单元702，配置用于将解析出的检索词与第一检索词序列中的检索词进行匹配，确定是否匹配成功，其中，上述第一检索词序列为基于对相同地图应用的第一检索操作序列而生成的；第一获取单元703，配置用于响应于匹配成功，获取上述客户端所安装的地图应用的日志数据；第一确定单元704，配置用于基于上述日志数据、所获取的上述用户的特征信息和预先训练的用车概率模型，确定上述用户的用车概率，其中，上述用车概率模型用于表征日志数据、特征信息与用车概率的对应关系；推送单元705，配置用于响应于上述用车概率大于预设的用车概率阈值，向上述客户端推送信息。
在本实施例中，信息推送装置700的解析单元701可以基于用户对客户端所安装的地图应用依次执行的第二检索操作，解析与上述第二检索操作对应的检索词。这里，第二检索操作可以包括用户在上述地图应用中录入地点信息的操作和录入地点信息后的点击搜索操作。上述录入地点信息的操作可以是手动输入地点信息或语音录入地点信息。
在本实施例中，在用户对上述客户端所安装的地图应用执行每一次第二检索操作之后，上述解析单元701可以从上述客户端获取用户在执行该第二检索操作时所录入的地点信息和点击搜索操作的时间戳，也可以从上述客户端获取用户在执行该第二检索操作时的实时位置信息。上述实时位置信息可以基于上述地图应用实时定位功能而从上述地图应用的运行数据中提取，也可以基于上述客户端所安装的其他应用开启的实时定位功能而获取。
在本实施例中，对于用户对上述客户端所安装的地图应用执行的每一次第二检索操作，上述解析单元701解析与该第二检索操作对应的检索词，可以按照如下步骤执行：首先，上述解析单元701可以获取用户在执行该第二检索操作时所录入的地点信息；之后，上述解析单元701可以基于预置的地点信息与POI信息的映射表，确定与上述地点信息匹配的POI信息；最后，将上述POI信息确定为与该第二检索操作对应的检索词。
在本实施例的一些可选的实现方式中，上述信息推送装置700还可以包括第二获取单元、挖掘单元、第二确定单元和第一存储单元(图中未示出)。上述第二获取单元可以配置用于获取地图检索数据，其中，上述地图检索数据包括在上述地图应用中执行的多个检索操作的每一个检索操作对应的检索词和时间戳；上述挖掘单元可以配置用于基于序列模式挖掘算法对上述地图检索数据进行序列模式挖掘，确定第一检索词序列；上述第二确定单元可以配置用于将与上述第一检索词序列中的各个第一检索词对应的检索操作作为第一检索操作，确定第一检索操作序列；上述第一存储单元，可以配置用于存储上述第一检索词序列。
在本实施例中，上述匹配单元702可以将上述解析单元701解析出的检索词与第一检索词序列中的第一检索词进行匹配。具体的，上述匹配单元702可以将第二检索操作对应的检索词与上述第一检索词序列中与第二检索操作次序相同的第一检索操作对应的检索词进行匹配。
在本实施例的一些可选的实现方式中，上述匹配单元702可以进一步配置用于如果对于依次执行的每一个第二检索操作而言，第二检索操作对应的检索词与上述第一检索词序列中相应的第一检索操作对应的第一检索词都匹配，则确定匹配成功。
在本实施例的一些可选的实现方式中，上述匹配单元702可以进一步配置用于如果第二检索操作对应的检索词与上述第一检索词序列中相应的第一检索操作对应的第一检索词不匹配，则确定匹配失败。
在本实施例的一些可选的实现方式中，上述装置还可以包括第三获取单元、第一提取单元、第四获取单元和第二提取单元(图中未示出)。上述第三获取单元可以配置用于响应于匹配成功，获取预设的出行场景标识集合和预设的第一检索词序列与出行场景标识的匹配关系；上述第一提取单元可以配置用于基于上述第一检索词序列与出行场景标识的匹配关系，从上述出行场景标识集合中提取与上述第一检索词序列匹配的出行场景标识；上述第四获取单元可以配置用于获取预设的候选信息集合和预设的出行场景标识与候选信息的匹配关系；上述第二提取单元可以配置用于基于上述出行场景标识与候选信息的匹配关系，从上述候选信息集合中提取与上述出行场景标识匹配的候选信息，并将所提取的候选信息确定为待推送至上述客户端的信息。
在本实施例中，响应于上述匹配单元702确定匹配成功，上述第一获取单元703可以获取上述客户端所安装的地图应用的日志数据。实践中，上述日志数据可以包括但不限于用户当前所在位置的坐标、目的地的坐标、用户当前所在位置与目的地的距离、当前时间等信息。
在本实施例中，上述第一确定单元704可以首先从本地或上述客户端所安装的各种应用中获取上述用户的特征信息，例如上述用户的年龄、性别、消费水平等；之后，可以加载预先训练的用车概率模型；最后，可以基于上述第一获取单元703获取的日志数据、所获取的上述用户的特征信息和预先训练的用车概率模型，确定用户的用车概率。需要说明的是，上述用车概率模型可以用于表征日志数据、特征信息与用车概率的对应关系。
在本实施例的一些可选的实现方式中，上述第一确定单元704可以进一步配置用于从上述日志数据和预先获取的上述用户的特征信息中提取特征向量；将上述特征向量导入预先训练的用车概率模型，确定上述用户的用车概率。
在本实施例的一些可选的实现方式中，上述用车概率模型通过第五获取单元、第六获取单元、第三提取单元和训练单元(图中未示出)获得。上述第五获取单元可以配置用于获取多个用户的特征信息和用车概率；上述第六获取单元可以配置用于从上述地图应用中获取历史设定时长内与上述多个用户相匹配的日志数据；上述第三提取单元可以配置用于从所获取的多个用户的特征信息和上述日志数据中提取与上述多个用户中的每个用户相匹配的特征向量；上述训练单元可以配置用于将所提取的特征向量作为输入，所获取的用车概率作为输出，训练用车概率模型。
在本实施例中，上述推送单元705中可以存储预先设置的用车概率阈值。响应于上述第一确定单元704确定的用户的用车概率大于上述用车概率阈值，可以向上述用户所使用的客户端推送信息。需要说明的是，上述信息可以是各种信息，例如，专车优惠信息、快车优惠信息、拼车优惠信息、顺风车优惠信息等。
在本实施例的一些可选的实现方式中，上述装置还可以包括第七获取单元和第二存储单元。上述第七获取单元可以配置用于获取上述用户的用户标识；上述第二存储单元可以配置用于将上述用户标识存储至已推送用户标识列表。
本申请的上述实施例提供的装置，通过解析单元701解析用户对地图应用执行的第二检索操作对应的检索词，而后匹配单元702将解析出的检索词与第一检索词序列中的第一检索词进行匹配，若匹配成功，则第一获取单元703获取地图应用的日志数据，然后第一确定个单元704基于日志数据、所提取的用户的特征信息和预先训练的用车概率模型，确定用户的用车概率，最后，若用户的用车概率大于预设的用车概率阈值，则推送单元705向用户推送信息，从而实现了富于针对性的信息推送。
下面参考图8，其示出了适于用来实现本申请的终端设备或服务器的计算机系统800的结构示意图。
如图8所示，计算机系统800包括中央处理单元(CPU)801，其可以根据存储在只读存储器(ROM)802中的
程序或者从存储部分808加载到随机访问存储器(RAM)803中的程序而执行各种适当的动作和处理。在RAM 803中，还存储有系统800操作所需的各种程序和数据。CPU 801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
以下部件连接至I/O接口805：包括键盘、鼠标等的输入部分806；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分807；包括硬盘等的存储部分808；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分809。通信部分809经由诸如因特网的网络执行通信处理。驱动器810也根据需要连接至I/O接口805。可拆卸介质811，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器810上，以便于从其上读出的计算机程序根据需要被安装入存储部分808。
特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括有形地包含在机器可读介质上的计算机程序，上述计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分809从网络上被下载和安装，和/或从可拆卸介质811被安装。在该计算机程序被中央处理单元(CPU)801执行时，执行本申请的方法中限定的上述功能。
附图中的流程图和框图，图示了按照本申请各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本申请实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括解析单元、匹配单元、第一获取单元、第一确定单元和推送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，解析单元还可以被描述为“解析与上述第二检索操作对应的检索词的单元”。
作为另一方面，本申请还提供了一种非易失性计算机存储介质，该非易失性计算机存储介质可以是上述实施例中所述装置中所包含的非易失性计算机存储介质；也可以是单独存在，未装配入终端中的非易失性计算机存储介质。上述非易失性计算机存储介质存储有一个或者多个程序，当上述一个或者多个程序被一个设备执行时，使得上述设备：基于用户对客户端所安装的地图应用依次执行的第二检索操作，解析与上述第二检索操作对应的检索词；将解析出的检索词与第一检索词序列中的第一检索词进行匹配，确定是否匹配成功，其中，上述第一检索词序列为基于对相同地图应用的第一检索操作序列而生成的；响应于匹配成功，获取上述客户端所安装的地图应用的日志数据；基于上述日志数据、所获取的上述用户的特征信息和预先训练的用车概率模型，确定上述用户的用车概率，其中，上述用车概率模型用于表征日志数据、特征信息与用车概率的对应关系；响应于上述用车概率大于预设的用车概率阈值，向上述客户端推送信息。
以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离所述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (16)

1.一种信息推送方法，其特征在于，所述方法包括：
基于用户对客户端所安装的地图应用依次执行的第二检索操作，解析与所述第二检索操作对应的检索词；
将解析出的检索词与第一检索词序列中的第一检索词进行匹配，确定是否匹配成功，其中，所述第一检索词序列为基于对相同地图应用的第一检索操作序列而生成的；
响应于匹配成功，获取所述客户端所安装的地图应用的日志数据；
基于所述日志数据、所获取的所述用户的特征信息和预先训练的用车概率模型，确定所述用户的用车概率，其中，所述用车概率模型用于表征日志数据、特征信息与用车概率的对应关系；
响应于所确定的用车概率大于预设的用车概率阈值，向所述客户端推送信息。
2.根据权利要求1所述的信息推送方法，其特征在于，在所述基于用户对客户端所安装的地图应用依次执行的第二检索操作，解析与所述第二检索操作对应的检索词之前，所述方法还包括：
获取地图检索数据，其中，所述地图检索数据包括在所述地图应用中执行的多个检索操作的每一个检索操作对应的检索词和时间戳；
基于序列模式挖掘算法对所述地图检索数据进行序列模式挖掘，确定第一检索词序列；
将与所述第一检索词序列中的各个第一检索词对应的检索操作作为第一检索操作，确定第一检索操作序列；
存储所述第一检索词序列。
3.根据权利要求1所述的信息推送方法，其特征在于，所述将解析出的检索词与第一检索词序列中的第一检索词进行匹配，确定是否匹配成功，包括：
如果对于依次执行的每一个第二检索操作而言，第二检索操作对应的检索词与所述第一检索词序列中相应的第一检索操作对应的第一检索词都匹配，则确定匹配成功。
4.根据权利要求1所述的信息推送方法，其特征在于，所述将解析出的检索词与第一检索词序列中的第一检索词进行匹配，确定是否匹配成功，包括：
如果第二检索操作对应的检索词与所述第一检索词序列中相应的第一检索操作对应的第一检索词不匹配，则确定匹配失败。
5.根据权利要求1所述的信息推送方法，其特征在于，所述方法还包括：
响应于匹配成功，获取预设的出行场景标识集合和预设的第一检索词序列与出行场景标识的匹配关系；
基于所述第一检索词序列与出行场景标识的匹配关系，从所述出行场景标识集合中提取与所述第一检索词序列匹配的出行场景标识；
获取预设的候选信息集合和预设的出行场景标识与候选信息的匹配关系；
基于所述出行场景标识与候选信息的匹配关系，从所述候选信息集合中提取与所述第一检索词序列匹配的出行场景标识匹配的候选信息，并将所提取的候选信息确定为待推送至所述客户端的信息。
6.根据权利要求1所述的信息推送方法，其特征在于，所述基于所述日志数据、所获取的所述用户的特征信息和预先训练的用车概率模型，确定所述用户的用车概率，包括：
从所述日志数据和所获取的所述用户的特征信息中提取特征向量；
将所述特征向量导入预先训练的用车概率模型，确定所述用户的用车概率。
7.根据权利要求1所述的信息推送方法，其特征在于，所述用车概率模型通过以下步骤获得：
获取多个用户的特征信息和用车概率；
从所述地图应用中获取历史设定时长内与所述多个用户相匹配的日志数据；
从所获取的多个用户的特征信息和所述日志数据中提取与所述多个用户中的每个用户相匹配的特征向量；
将所提取的特征向量作为输入，所获取的用车概率作为输出，训练用车概率模型。
8.根据权利要求1所述的信息推送方法，其特征在于，在所述向所述客户端推送信息之后，所述方法还包括：
获取所述用户的用户标识；
将所述用户标识存储至已推送用户标识列表。
9.一种信息推送装置，其特征在于，所述装置包括：
解析单元，配置用于基于用户对客户端所安装的地图应用依次执行的第二检索操作，解析与所述第二检索操作对应的检索词；
匹配单元，配置用于将解析出的检索词与第一检索词序列中的检索词进行匹配，确定是否匹配成功，其中，所述第一检索词序列为基于对相同地图应用的第一检索操作序列而生成的；
第一获取单元，配置用于响应于匹配成功，获取所述客户端所安装的地图应用的日志数据；
第一确定单元，配置用于基于所述日志数据、所获取的所述用户的特征信息和预先训练的用车概率模型，确定所述用户的用车概率，其中，所述用车概率模型用于表征日志数据、特征信息与用车概率的对应关系；
推送单元，配置用于响应于所确定的用车概率大于预设的用车概率阈值，向所述客户端推送信息。
10.根据权利要求9所述的信息推送装置，其特征在于，所述装置还包括：
第二获取单元，配置用于获取地图检索数据，其中，所述地图检索数据包括在所述地图应用中执行的多个检索操作的每一个检索操作对应的检索词和时间戳；
挖掘单元，配置用于基于序列模式挖掘算法对所述地图检索数据进行序列模式挖掘，确定第一检索词序列；
第二确定单元，配置用于将与所述第一检索词序列中的各个第一检索词对应的检索操作作为第一检索操作，确定第一检索操作序列；
第一存储单元，配置用于存储所述第一检索词序列。
11.根据权利要求9所述的信息推送装置，其特征在于，所述匹配单元进一步配置用于：
如果对于依次执行的每一个第二检索操作而言，第二检索操作对应的检索词与所述第一检索词序列中相应的第一检索操作对应的第一检索词都匹配，则确定匹配成功。
12.根据权利要求9所述的信息推送装置，其特征在于，所述匹配单元进一步配置用于：
如果第二检索操作对应的检索词与所述第一检索词序列中相应的第一检索操作对应的第一检索词不匹配，则确定匹配失败。
13.根据权利要求9所述的信息推送装置，其特征在于，所述装置还包括：
第三获取单元，配置用于响应于匹配成功，获取预设的出行场景标识集合和预设的第一检索词序列与出行场景标识的匹配关系；
第一提取单元，配置用于基于所述第一检索词序列与出行场景标识的匹配关系，从所述出行场景标识集合中提取与所述第一检索词序列匹配的出行场景标识；
第四获取单元，配置用于获取预设的候选信息集合和预设的出行场景标识与候选信息的匹配关系；
第二提取单元，配置用于基于所述出行场景标识与候选信息的匹配关系，从所述候选信息集合中提取与所述第一检索词序列匹配的出行场景标识匹配的候选信息，并将所提取的候选信息确定为待推送至所述客户端的信息。
14.根据权利要求9所述的信息推送装置，其特征在于，所述第一确定单元进一步配置用于：
从所述日志数据和预先获取的所述用户的特征信息中提取特征向量；
将所述特征向量导入预先训练的用车概率模型，确定所述用户的用车概率。
15.根据权利要求9所述的信息推送装置，其特征在于，所述用车概率模型通过以下单元获得：
第五获取单元，配置用于获取多个用户的特征信息和用车概率；
第六获取单元，配置用于从所述地图应用中获取历史设定时长内与所述多个用户相匹配的日志数据；
第三提取单元，配置用于从所获取的多个用户的特征信息和所述日志数据中提取与所述多个用户中的每个用户相匹配的特征向量；
训练单元，配置用于将所提取的特征向量作为输入，所获取的用车概率作为输出，训练用车概率模型。
16.根据权利要求9所述的信息推送装置，其特征在于，所述装置还包括：
第七获取单元，配置用于获取所述用户的用户标识；
第二存储单元，配置用于将所述用户标识存储至已推送用户标识列表。
CN201611039373.5A 2016-11-10 2016-11-10 信息推送方法和装置 Active CN106776771B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201611039373.5A CN106776771B (zh) 2016-11-10 2016-11-10 信息推送方法和装置
US15/606,204 US10417274B2 (en) 2016-11-10 2017-05-26 Method and apparatus for pushing information

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611039373.5A CN106776771B (zh) 2016-11-10 2016-11-10 信息推送方法和装置

Publications (2)

Publication Number Publication Date
CN106776771A CN106776771A (zh) 2017-05-31
CN106776771B true CN106776771B (zh) 2018-06-19

Family

ID=58973815

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611039373.5A Active CN106776771B (zh) 2016-11-10 2016-11-10 信息推送方法和装置

Country Status (2)

Country Link
US (1) US10417274B2 (zh)
CN (1) CN106776771B (zh)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
BR112021001221A2 (pt) * 2018-08-10 2021-04-27 Beijing Didi Infinity Technology And Development Co., Ltd. sistemas e métodos para identificação de solicitantes embriagados em uma plataforma de serviço online para offline
CN109146280B (zh) * 2018-08-14 2021-07-30 北京三快在线科技有限公司 一种推送信息的方法、装置及系统
CN109783741A (zh) * 2019-01-31 2019-05-21 北京百度网讯科技有限公司 用于推送信息的方法和装置
CN112097673B (zh) * 2019-06-18 2022-11-15 上汽通用汽车有限公司 车身部件虚拟匹配方法和系统
CN110704706B (zh) * 2019-09-11 2021-09-03 北京海益同展信息科技有限公司 分类模型的训练方法、分类方法及相关设备、分类系统
CN112258242A (zh) * 2020-11-02 2021-01-22 上海汽车集团股份有限公司 一种表单配置项数据推送方法和装置
CN113282853B (zh) * 2021-05-26 2024-04-16 北京字跳网络技术有限公司 一种评论预加载方法、装置、存储介质及电子设备

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104166663A (zh) * 2014-01-20 2014-11-26 广东工业大学 一种基于多维度的打车位置推荐系统及其推荐方法
CN104331466A (zh) * 2014-10-31 2015-02-04 南京邮电大学 基于时空邻近搜索的移动轨迹序列模式快速挖掘方法
CN104361117A (zh) * 2014-12-01 2015-02-18 北京趣拿软件科技有限公司 一种城市热门打车点推荐方法及系统
CN105279957A (zh) * 2015-10-30 2016-01-27 小米科技有限责任公司 消息提醒方法和装置
CN105282251A (zh) * 2015-10-30 2016-01-27 小米科技有限责任公司 叫车方法和装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9218819B1 (en) * 2013-03-01 2015-12-22 Google Inc. Customizing actions based on contextual data and voice-based inputs
US9618343B2 (en) * 2013-12-12 2017-04-11 Microsoft Technology Licensing, Llc Predicted travel intent

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104166663A (zh) * 2014-01-20 2014-11-26 广东工业大学 一种基于多维度的打车位置推荐系统及其推荐方法
CN104331466A (zh) * 2014-10-31 2015-02-04 南京邮电大学 基于时空邻近搜索的移动轨迹序列模式快速挖掘方法
CN104361117A (zh) * 2014-12-01 2015-02-18 北京趣拿软件科技有限公司 一种城市热门打车点推荐方法及系统
CN105279957A (zh) * 2015-10-30 2016-01-27 小米科技有限责任公司 消息提醒方法和装置
CN105282251A (zh) * 2015-10-30 2016-01-27 小米科技有限责任公司 叫车方法和装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Luis Moreira-Matias et al.Predicting Taxi–Passenger Demand Using Streaming Data.《IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS》.2013,第14卷(第3期),第1393-1402页. *
王诏远 等.基于经验分布的打车概率和等待时间预测.《计算机工程与应用》.2015,第51卷(第24期),第254-259页. *

Also Published As

Publication number Publication date
US20180129660A1 (en) 2018-05-10
CN106776771A (zh) 2017-05-31
US10417274B2 (en) 2019-09-17

Similar Documents

Publication Publication Date Title
CN106776771B (zh) 信息推送方法和装置
CN110929162B (zh) 基于兴趣点的推荐方法、装置、计算机设备和存储介质
CN105574092B (zh) 信息挖掘方法和装置
CN106462597A (zh) 利用不同设备执行搜索和访问搜索结果
CN105357638B (zh) 预测预定时刻的用户位置的方法和装置
CN108805594A (zh) 信息推送方法和装置
CN104657634B (zh) 盗版应用的识别方法和装置
CN106845999A (zh) 风险用户识别方法、装置和服务器
CN105243119B (zh) 确定图像的待叠加区域、叠加图像、图片呈现方法和装置
CN105426508B (zh) 网页生成方法和装置
CN110019617B (zh) 地址标识的确定方法和装置、存储介质、电子装置
CN108520470A (zh) 用于生成用户属性信息的方法和装置
CN107590246A (zh) 用于推送信息的方法和装置
CN108228887A (zh) 用于生成信息的方法和装置
CN109495552A (zh) 用于更新点击率预测模型的方法和装置
CN109059934A (zh) 路径规划方法、装置、终端及存储介质
CN109284498A (zh) 自提柜推荐方法、自提柜推荐装置和电子装置
CN113220734A (zh) 课程推荐方法、装置、计算机设备及存储介质
CN103365906A (zh) 一种实现基于位置的搜索和推荐的系统和方法
CN106897905A (zh) 用于推送信息的方法、装置及电子设备
CN104320848B (zh) 基于云计算实现室内定位的系统及方法
CN107077500A (zh) 提取类似的群组元素
CN106354856A (zh) 基于人工智能的深度神经网络强化搜索方法和装置
CN110147418A (zh) 一种判断地址是否标准化、地址标准化的方法及系统
CN110489649A (zh) 标签关联内容的方法及装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant