CN107222566A - 信息推送方法、装置及服务器 - Google Patents
信息推送方法、装置及服务器 Download PDFInfo
- Publication number
- CN107222566A CN107222566A CN201710548188.7A CN201710548188A CN107222566A CN 107222566 A CN107222566 A CN 107222566A CN 201710548188 A CN201710548188 A CN 201710548188A CN 107222566 A CN107222566 A CN 107222566A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- users
- interest
- interest tags
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Abstract
本发明提供了一种信息推送方法、装置及服务器,属于计算机应用领域。该信息推送方法包括:向用户组的预选用户推送该预选用户没有浏览过的第一信息,所述第一信息为与所述用户组对应的兴趣标签关联的信息池中的信息;获取所述预选用户对所述第一信息的响应数据,在所述第一信息中根据所述响应数据获得所述用户组中剩余用户对应的第二信息;将所述第二信息推送给对应的剩余用户,其中,所述预选用户的数量少于所述剩余用户的数量。本发明提供的信息推送方法有利于为剩余用户推送更优质的信息,有效地提高了向剩余用户推送信息的准确性,从而提升剩余用户在应用产品上的活跃度。
Description
技术领域
本发明涉及计算机应用领域,具体而言,涉及一种信息推送方法、装置及服务器。
背景技术
在视频或新闻等信息的应用运营过程中,主动向用户推荐视频或新闻等信息是提升用户活跃度重要手段。现有推荐方案一般是由运营人员圈定不同人群,然后对用户推送不同的视频或新闻等信息。然而,这种推送方案推送的信息往往不符合用户的需求,推送准确性较低。
发明内容
有鉴于此,本发明的目的在于提供一种信息推送方法、装置及服务器,能够有效地提高推送准确性。
为了实现上述目的,本发明采用的技术方案如下:
第一方面,本发明实施例提供了一种信息推送方法,所述方法包括:向用户组的预选用户推送该预选用户没有浏览过的第一信息,所述第一信息为与所述用户组对应的兴趣标签关联的信息池中的信息;获取所述预选用户对所述第一信息的响应数据,根据所述响应数据在所述第一信息中获得所述用户组中剩余用户对应的第二信息;将所述第二信息推送给对应的剩余用户,其中,所述预选用户的数量少于所述剩余用户的数量。
第二方面,本发明实施例还提供了一种信息推送装置,所述装置包括:第一推送模块、获取模块以及第二推送模块。其中,第一推送模块,用于向用户组的预选用户推送该预选用户没有浏览过的第一信息,所述第一信息为与所述用户组对应的兴趣标签关联的信息池中的信息。获取模块,用于获取所述预选用户对所述第一信息的响应数据,在所述第一信息中根据所述响应数据获得所述用户组中剩余用户对应的第二信息。第二推送模块,用于将所述第二信息推送给对应的剩余用户,其中,所述预选用户的数量少于所述剩余用户的数量。
第三方面,本发明实施例还提供了一种服务器,所述服务器包括处理器以及存储器。所述存储器耦接到所述处理器,所述存储器存储指令。当所述指令由所述处理器执行时使所述服务器执行以下操作:向用户组的预选用户推送该预选用户没有浏览过的第一信息,所述第一信息为与所述用户组对应的兴趣标签关联的信息池中的信息;获取所述预选用户对所述第一信息的响应数据,在所述第一信息中根据所述响应数据获得所述用户组中剩余用户对应的第二信息;将所述第二信息推送给对应的剩余用户,其中,所述预选用户的数量少于所述剩余用户的数量。
相比于现有技术,本发明实施例提供的信息推送方法、装置及服务器,通过先向用户组的预选用户推送该预选用户没有浏览过的第一信息,然后根据预选用户对第一信息的响应数据,在所述第一信息中得到该用户组中剩余用户对应的第二信息,再将该第二信息推送给对应的剩余用户,其中,预选用户的数量少于剩余用户。本方案通过向预选用户推送第一信息并根据预选用户的响应数据探索优质信息,将探索得到的优质信息作为第二信息推送给剩余用户,有利于为剩余用户推送更优质的信息,有效地提高了向剩余用户推送信息的准确性,从而提升剩余用户在应用产品上的活跃度。
为使本发明的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,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相关的附图。
图1示出了本发明实施例提供的一种服务器与用户终端进行交互的示意图;
图2示出了本发明实施例提供的一种服务器的结构框图;
图3示出了本发明第一实施例提供的一种信息推送方法的方法流程图;
图4示出了本发明第一实施例提供的一种信息推送方法中步骤S120的流程图;
图5示出了本发明第二实施例提供的一种信息推送方法的方法流程图;
图6示出了本发明第二实施例提供的一种信息推送方法中步骤S210的流程图;
图7示出了本发明第二实施例提供的一种信息推送方法的一种实施方式中步骤S211的流程图;
图8示出了本发明第二实施例提供的一种信息推送方法的另一种实施方式中步骤S211的流程图;
图9示出了本发明第三实施例提供的一种信息推送装置的模块框图;
图10示出了本发明第四实施例提供的一种信息推送装置的模块框图。
具体实施方式
图1示出了本发明实施例提供的服务器100与用户终端200进行交互的示意图。所述服务器100通过网络与一个或多个用户终端200进行通信连接,以进行数据通信或交互。所述服务器100可以是网络服务器、数据库服务器等。所述用户终端200可以是个人电脑(personal computer,PC)、平板电脑、智能手机、穿戴设备等。
图2示出了一种可应用于本发明实施例中的服务器的结构框图。如图2所示,服务器100包括:存储器110、处理器120以及网络模块130。
存储器110可用于存储软件程序以及模块,如本发明实施例中的信息推送方法及装置对应的程序指令/模块,处理器120通过运行存储在存储器110内的软件程序以及模块,从而执行各种功能应用以及数据处理,即实现本发明实施例中的信息推送方法。存储器110可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。进一步地,上述存储器110内的软件程序以及模块还可包括:操作系统111以及服务模块112。其中操作系统111,例如可为LINUX、UNIX、WINDOWS,其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动,并可与各种硬件或软件组件相互通讯,从而提供其他软件组件的运行环境。服务模块112运行在操作系统111的基础上,并通过操作系统111的网络服务监听来自网络的请求,根据请求完成相应的数据处理,并返回处理结果给客户端。也就是说,服务模块112用于向客户端提供网络服务。
网络模块130用于接收以及发送网络信号。上述网络信号可包括无线信号或者有线信号。
可以理解,图2所示的结构仅为示意,服务器100还可包括比图2中所示更多或者更少的组件,或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。
需要说明的是,本发明实施例提供的信息推送方法及装置除了应用于服务器100外,还可以应用于其它终端设备。本实施例中,推送的信息可以是新闻信息,也可以为视频信息,如短视频信息。当然,也可以是除新闻和视频以外的信息,例如,广告信息等。下面将结合本发明实施例中附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本发明保护的范围。
第一实施例
图3示出了本发明第一实施例提供的一种信息推送方法的流程图,该信息推送方法运行于上述服务器中。请参阅图3,所述方法包括:
步骤S110,向用户组的预选用户推送该预选用户没有浏览过的第一信息,所述第一信息为与所述用户组对应的兴趣标签关联的信息池中的信息;
本实施例中,用户组包括多个用户,从用户组中选取预设数量的用户作为预选用户,除预选用户以外的用户作为剩余用户。其中,预设数量可以根据需要设置。需要说明的是,预选用户的数量少于剩余用户的数量。
具体的,预选用户的选取方式可以为:从用户组中随机抽取预设数量的用户作为预选用户。例如,可以在用户组中随机抽取10%的用户作为预选用户。或者,每个用户组中的用户均可以设置相应的编号,选取预设编号范围的用户作为预选用户。
兴趣标签可以表示信息所属的类别,可以预先设定。例如,可以将军事、篮球、足球等表示信息类别的描述作为兴趣标签。不同用户组对应于不同的兴趣标签。本实施例中,可以通过查询用户列表来获取每个用户组包括的用户以及该用户组对应的兴趣标签。作为一种实施方式,该用户列表可以以列表的形式存储于数据库中,具体存储方式请参见下表1。
表1
用户组 | 兴趣标签 |
用户n1、用户n2、用户n3、… | 军事 |
用户m1、用户m2、用户m3、… | 篮球 |
… | … |
每个兴趣标签均关联有信息池。每个兴趣标签关联的信息池包括需要推送给与该兴趣标签对应的用户组的信息。信息池可以预先设置,也可以根据预设的信息资源库中,每个兴趣标签对应的所有信息在预设时间段内被浏览的次数,获取用于构建与该兴趣标签关联的信息池的信息。例如,可以选取信息资源库中每个兴趣标签下的当天被浏览次数最多的100个信息构成信息池。
本实施例中,可以通过查询信息关联列表来获取每个兴趣标签关联的信息池中的信息。作为一种实施方式,该用信息关联列表可以以列表的形式存储于数据库中,具体存储方式请参见下表2。
表2
兴趣标签 | 信息池 |
军事 | 军事类信息1、军事类信息2、军事类信息3、… |
篮球 | 篮球类信息1、篮球类信息2、篮球类信息3、… |
… | … |
或者,作为另一种实施方式,上述用户列表和信息关联列表还可以以表3所示的列表形式存储于数据库中。
表3
用户组 | 兴趣标签 | 信息池 |
用户n1、用户n2、… | 军事 | 军事类信息1、军事类信息2、军事类信息3、… |
用户m1、用户m2、… | 篮球 | 篮球类信息1、篮球类信息2、篮球类信息3、… |
… | … | … |
信息池中包括的信息为第一信息。本实施例中,上述的向用户组的预选用户推送该预选用户没有浏览过的第一信息的方式为:向用户组的预选用户随机推送该预选用户没有浏览过的第一信息。本实施例中,第一信息的推送可以通过消息推送。
具体的,向用户组的预选用户随机推送该预选用户没有浏览过的第一信息的步骤,可以包括:为用户组中的预选用户分配目标信息,目标信息为从该用户组对应的兴趣标签关联的信息池中随机选取的信息;判断目标信息是否为该预选用户浏览过的信息,若该目标信息为该预选用户浏览过的信息,则重新从该用户组对应的兴趣标签关联的信息池中随机选取信息作为目标信息并分配给该预选用户,直至分配给该预选用户的目标信息为该预选用户没有浏览过的信息;将分配给所述预选用户且该预选用户没有浏览过的目标信息作为所述第一信息推送给该预选用户。
步骤S120,获取所述预选用户对所述第一信息的响应数据,在所述第一信息中根据所述响应数据获得所述用户组中剩余用户对应的第二信息;
响应数据包括预选用户对接收到的第一信息的点击行为数据。预选用户通过用户终端接收到第一信息后,会根据自己的喜好选择点击接收到的第一信息查看相应内容或者是忽视接收到的第一信息。用户通过用户终端点击接收到的第一信息后会形成点击行为数据反馈给服务器。服务器接收到预选用户的点击行为数据后,根据预选用户对接收到的第一信息的点击行为数据,在第一信息中选取该用户组中剩余用户对应的第二信息。剩余用户对应的第二信息也就是要推送给剩余用户中每个用户的信息。
本实施例中,如图4所示,上述的根据响应数据获得用户组中剩余用户对应的第二信息的步骤包括:
步骤S121,根据所述响应数据以及推送用户数量获取所述预选用户对所推送的每个所述第一信息的点击率;
其中,推送用户数量为用户组对应的兴趣标签关联的信息池中的每个信息所推送的用户数量。根据预选用户反馈的响应数据可以得到预选用户对接收到的第一信息的点击行为数据,进而可以得到点击所推送的每个第一信息的预选用户的数量。第一信息的点击率的获取方式可以为:点击该第一信息的预选用户的数量除以该第一信息的推送用户数量。
具体的,根据所述响应数据以及推送用户数量获取所述预选用户对所推送的每个所述第一信息的点击率的方法可以为:获取用户组对应的每个第一信息的推送用户数量;根据所述响应数据获取点击所推送的每个所述第一信息的用户数量;根据点击所推送的每个所述第一信息的用户数量以及每个所述第一信息的推送用户数量,得到所述预选用户对所推送的每个所述第一信息的点击率。
例如,某兴趣标签关联的信息池中包括50个信息,与该兴趣标签对应的用户组的用户人数为10000人,其中1000人为预选用户,其余的9000人则为剩余用户。该信息池中选取的某第一信息A随机推送给了预选用户中的20个用户,即该第一信息A的推送用户数量为20。假设这20个用户中有10个用户点击了该第一信息A,此时该第一信息A的点击率为0.5。
步骤S122,根据所述剩余用户中每个用户的历史行为数据以及所述预选用户对所推送的每个所述第一信息的点击率,在所述第一信息中得到该用户对应的第二信息。
预选用户对所推送的每个第一信息的点击率反映了该第一信息的优劣性。点击率越高表示接收到第一信息的预选用户中对该第一信息感兴趣的用户越多,也就说明该第一信息越符合用户的需求。将最符合用户需求的第一信息作为第二信息推送给剩余用户有利于提高信息推送的准确性。
此外,可以理解的是,推送给剩余用户中每个用户的第二信息优选为该用户没有浏览过的信息。本实施例中,可以根据剩余用户中每个用户的历史行为数据判定待推送给该用户的信息是否为该用户浏览过的信息。例如,若某用户的历史行为数据中存在某信息的浏览数据,则说明该用户已浏览过该信息。
因此,本实施例中,可以根据所述剩余用户中每个用户的历史行为数据以及所述预选用户对所推送的每个第一信息的点击率,将该用户没有浏览过的点击率最高的信息作为该用户对应的第二信息。也就是说,剩余用户中每个用户对应的第二信息为该用户没有浏览过的第一信息中点击率最高的第一信息。
具体的,本实施例中将该用户没有浏览过的所述点击率最高的信息作为该用户对应的第二信息的方法可以包括:将预选用户对所推送的每个第一信息的点击率由高到低进行排序,构成点击率序列;根据预设推送规则以及该点击率序列获取剩余用户中的每个用户对应的第二信息。
本实施例中,上述推送规则可以为:按照点击率序列的由高到低的排序,获取点击率排在第一位的第一信息,根据目标用户的历史行为数据判断该目标用户是否浏览过该第一信息,若该目标用户没有浏览过该第一信息,则将该第一信息作为该目标用户对应的第二信息,若该目标用户浏览过该信息,获取点击率排在下一位的第一信息,直至找到该目标用户未浏览过的第一信息并将该第一信息作为该目标用户对应的第二信息。其中,目标用户为剩余用户中的其中一个用户。
当然,在本发明的其他实施例中,剩余用户中每个用户对应的第二信息也可以包括多个信息,例如,可以包括两个或三个信息。当每个用户对应的第二信息为两个信息时,也可以将该用户没有浏览过的点击率排在前两位的第一信息作为该用户对应的第二信息。其中,点击率排在前两位是指将预选用户对所推送的每个第一信息的点击率由高到低进行排序后,点击率排在第一位和第二位的第一信息。需要说明的是,第二信息所包括的信息数量可以根据需要设置。由于给用户推送信息是打扰用户的一种行为,因此考虑到用户体验,每天给用户推送信息的频率需要有所控制。
另外,在本发明的其他实施方式中,也可以根据用户组的剩余用户中每个用户的历史行为数据以及推送给该用户组的预选用户的每个第一信息的收益率,将该用户没有浏览过的收益率最高的信息作为该用户对应的第二信息。其中,推送给该用户组的预选用户的第一信息的收益率可以为预选用户对该第一信息的点击率乘以单次点击该第一信息的平均收益。例如,单次点击该第一信息的平均收益可以为单次点击该第一信息的平均流量收益。
步骤S130,将所述第二信息推送给对应的剩余用户。
将通过上述步骤S120获取到的用户组的剩余用户中每个用户对应的第二信息推送给相应的用户。
本实施例提供的信息推送方法通过向预选用户推送第一信息并根据预选用户的响应数据探索优质信息,将探索得到的优质信息作为第二信息推送给剩余用户,有利于为剩余用户推送更优质的信息,有效地提高了向剩余用户推送信息的准确性,从而提升剩余用户在应用产品上的活跃度。
第二实施例
图5示出了本发明第二实施例提供的一种信息推送方法的流程图,该信息推送方法运行于上述服务器中。请参阅图5,所述方法至少包括以下步骤S210至步骤S250。
本实施例中,由于用户的历史行为数据是实时变化的,因此为了提高用户组划分的准确性,以提高信息推送的准确性,用户组可以为服务器根据所有用户当前的历史行为数据实时划分的。
此时,在向用户组的预选用户推送该预选用户没有浏览过的第一信息之前,本实施例提供的信息推送方法还包括用户分组步骤。通过用户分组步骤对每个用户进行分组以获得多个用户组,且不同用户组对应于不同的兴趣标签。本实施例中,上述用户分组步骤包括步骤S210和步骤S220。
步骤S210,根据每个用户的历史行为数据得到所述每个用户对应的兴趣标签;
服务器中存储有信息资源库,信息资源库中包括多个信息。本实施例中,获取每个用户对应的兴趣标签之前,需要先获取信息资源库中包括的信息对应的兴趣标签。
信息对应的兴趣标签的获取途径很多。例如:可以通过预先设置多个标准标签,从信息的标题中提取关键字,将所提取的关键词映射到相应的标准标签,将该标准标签作为该信息对应的兴趣标签。又例如,可以通过运营人员人工对信息打上标签等方式获取信息对应的兴趣标签。
作为一种实施方式,请参阅图6,根据每个用户的历史行为数据得到所述每个用户对应的兴趣标签的步骤可以包括:
步骤S211,根据每个所述用户的历史行为数据得到该用户对每个所述兴趣标签的兴趣度;
本实施例中,推送的信息可以是新闻信息,也可以为视频信息。当然,也可以是除新闻和视频以外的信息,例如,广告信息。
兴趣度用于表征用户对每个兴趣标签的感兴趣程度。作为一种具体实施方式,请参阅图7,当推送的信息为新闻信息时,上述的根据每个所述用户的历史行为数据得到该用户对每个所述兴趣标签的兴趣度的步骤可以包括:
步骤S301,根据每个所述用户的历史行为数据得到该用户对每个所述兴趣标签关联的信息池中的每个信息的关注度;
当推送的信息为新闻信息时,每个用户的历史行为数据为服务器记录的每个用户浏览的每一条新闻的相关浏览数据。作为一种实施方式,上述根据每个用户的历史行为数据得到该用户对每个兴趣标签关联的信息池中的每个信息的关注度的方式可以为:根据每个用户的历史行为数据得到该用户对每个兴趣标签关联的信息池中每个信息的浏览时长、评论指数以及分享指数;根据用户对所有信息的浏览时长得到该用户的平均浏览时长;根据用户的平均浏览时长、用户对每个信息的浏览时长、评论指数、分享指数以及预设参数得到该用户对该信息的关注度。
其中,浏览时长为用户浏览新闻时的停留时长。评论指数用于表示用户是否对新闻发表评论。例如,当评论指数为0时表示没有发表评论,当评论指数为1时表示有发表评论。分享指数表示用户是把新闻分享到其他社交圈(朋友圈、微信好友等)。例如,当分享指数为0时表示没有分享,当分享指数为1时表示有分享。用户的平均浏览时长为用户对所有信息的浏览时长的平均值。
本实施例中,预设参数可以包括第一参数、第二参数和第三参数。第一参数、第二参数和第三参数分别对应于浏览时长占比、评论指数以及分享指数这三种因素对关注度的影响占比。其中,第一参数、第二参数和第三参数均为大于0的常数,且第一参数、第二参数和第三参数之和等于或近似等于1。本实施例中,这三个参数的具体值可以根据实际业务需要确定。例如,当浏览时长占比、评论指数以及分享指数一样重要时,可以将三个参数均设置为0.333。
具体的,可以根据以下公式:
计算得到用户对每个信息的关注度。其中,u表示用户唯一标识,例如,可以采用用户终端的唯一身份标识;i∈I,I表示预设信息资源库中所有信息的集合;focusu,i表示用户u对信息i的关注度;avg(viewtimeu,i)表示用户u浏览过的所有信息的平均浏览时长;iscommentu,i表示用户u对信息i的评论指数;isshareu,i表示用户u对信息i的分享指数;α表示第一参数,β表示第二参数,γ表示第三参数。
当然,当推送的信息为新闻信息时,为了简化计算量,作为另一种实施方式,也可以不考虑评论指数和分享指数,根据用户的平均浏览时长以及用户对每个信息的浏览时长得到该用户对该信息的关注度。具体的,可以根据公式得到用户对每个信息的关注度。
步骤S302,根据所述用户对每个所述兴趣标签关联的信息池中的每个信息的关注度得到该用户对每个所述兴趣标签的兴趣度。
具体的,上述的根据用户对每个兴趣标签关联的信息池中的每个信息的关注度得到该用户对每个兴趣标签的兴趣度的实施方式可以为:根据用户的历史行为数据得到该用户对每个信息的浏览时间指数;根据用户对每个兴趣标签关联的信息池中的每个信息的关注度、浏览时间指数以及预设的衰减因子得到该用户对每个兴趣标签的兴趣度。
其中,浏览时间指数表示用户浏览新闻距离当前的时间。根据用户的历史行为数据可以得到用户浏览过的新闻的浏览时间。本实施例中,浏览时间指数的单位可以为天,例如:对于用户当天浏览过的新闻,浏览时间指数则取1,对于用户前一天浏览过新闻,浏览时间指数则取2,以此类推。而对于用户没有浏览过的新闻,浏览时间指数可以用0表示。
此外,上述的衰减因子为时间衰减因子,衰减因子的取值范围为[0,1],衰减因子的具体值可以根据实际需要配置。衰减因子配置的越大表示越重视用户最近浏览新闻的行为,取0时表示对用户所有时间的浏览行为都同等对待。实际业务中通常可以取1,此时,对于用户当天浏览的新闻,关注度的权重为对于用户一天前浏览的新闻,关注度的权重为对于用户两天前浏览的新闻,关注度的权重为对于用户三天前浏览的新闻,关注度的权重为……。
具体的,可以根据以下公式:
计算得到用户对每个兴趣标签的兴趣度。其中,interestu,t表示用户u对兴趣标签t的兴趣度;tagi,t表示信息i是否与兴趣标签t关联;tagi,t=0表示不关联,tagi,t=1表示关联;viewdaysu,i表示用户u对信息i的浏览时间指数;lapse表示所述衰减因子。
作为另一种具体实施方式,请参阅图8,当推送的信息为视频信息时,上述的根据每个所述用户的历史行为数据得到该用户对每个所述兴趣标签的兴趣度的方法可以包括:
步骤S401,获取预设信息资源库对应的各个兴趣标签的分辨率;
分辨率用于衡量所设置的兴趣标签精准定位信息内容的类型的能力。本实施例中,可以根据预设的信息资源库包括的信息数量以及与每个兴趣标签关联的信息数量得到每个所述兴趣标签的分辨率。
具体的,本实施例中可以根据以下公式:
计算得到每个兴趣标签的分辨率。其中,t表示兴趣标签的标识,rpt表示兴趣标签t的分辨率,I表示所述预设信息资源库中所有信息的集合,i∈I,|I|表示信息资源库中包括的信息的数量;tagi,t表示信息i是否与兴趣标签t关联,tagi,t=0表示不关联,tagi,t=1表示关联。
步骤S402,根据每个所述用户的历史行为数据得到该用户点击播放过的每个所述兴趣标签所关联的信息的播放完成率;
本实施例中,根据每个用户播放信息资源库中每个兴趣标签所关联的每个信息的时长以及该信息的总时长,得到该用户点击播放过的每个兴趣标签所关联的每个信息的播放完成率。具体的,根据以下公式:
计算得到用户点击播放过的每个兴趣标签所关联的信息的播放完成率。其中,u表示用户唯一标识,例如,可以采用用户终端的唯一身份标识;i∈I,I表示信息资源库中所有信息的集合;precentu,i表示用户u点击播放过的信息i的播放完成率;playtimeu,i表示用户u播放信息i的时长;videotimei表示信息i的总时长。
步骤S403,根据每个所述兴趣标签的分辨率以及该兴趣标签所关联的信息的播放完成率得到该用户对该兴趣标签的兴趣度。
具体的,本实施例中,可以根据以下公式:
得到用户对每个兴趣标签的兴趣度。其中,interestu,t表示用户u对兴趣标签t的兴趣度。
步骤S212,比较所述用户对各个所述兴趣标签的兴趣度得到该用户对应的兴趣标签。
本实施例中,作为一种实施方式,可以根据用户对各个兴趣标签的兴趣度大小选择兴趣度最大的兴趣标签,作为该用户对应的兴趣标签。此时,一个用户对应于一个兴趣标签。
作为另一种实施方式,可以根据用户对各个兴趣标签的兴趣度大小选择兴趣度超过预设阈值的兴趣标签,均作为该用户对应的兴趣标签。其中,预设阈值可以根据具体情况设置,以保证每个用户至少对应于一个兴趣标签。
步骤S220,根据所述每个用户对应的兴趣标签对所述每个用户进行分组以获得多个用户组,一个用户至少对应于一个用户组,且不同用户组对应于不同的兴趣标签。
将对应于同一个兴趣标签的用户划分为一个用户组,不同用户组对应于不同的兴趣标签。由于每个用户至少对应于一个兴趣标签,因此一个用户至少被划分到一个用户组。当然,若一个用户仅对应于一个兴趣标签,则该用户仅属于一个用户组。
本实施例中,可以将用户的分组情况以及用户组与兴趣标签的对应关系可以以列表的形式存储于数据库中,例如,可以采用上述表1或表3所示的列表形式存储。
步骤S230,向用户组的预选用户推送该预选用户没有浏览过的第一信息,所述第一信息为与所述用户组对应的兴趣标签关联的信息池中的信息;
步骤S240,获取所述预选用户对所述第一信息的响应数据,根据所述响应数据获得所述用户组中剩余用户对应的第二信息;
步骤S250,将所述第二信息推送给对应的剩余用户,其中,所述预选用户的数量少于所述剩余用户的数量。
本实施例中,步骤S230至步骤S250的实施方式与第一实施例中步骤S110至步骤S130的实施方式相似,此处不再赘述。
当然,在本发明的其他实施例中,用户组的划分除了上述的实时划分方式外,还可以按照预设的时间间隔划分。其中,预设的时间间隔可以根据需要设置。例如,可以每间隔1天根据所有用户的历史行为数据划分一次用户组,具体的划分方法与上述的用户分组步骤类似。
或者,在本发明的其他实施例中,用户组也可以根据用户所选择兴趣标签划分。例如,可以预先设置多个兴趣标签,每个兴趣标签关联有信息池,用户通过用户终端首次使用应用软件时,可以选择至少一个兴趣标签,此时,用户的用户信息中则包括了该用户所选择的兴趣标签的信息。当然,用户后续也可以修改所选择的兴趣标签。进而,可以将选择同一兴趣标签的用户划分为一个用户组。
本实施例提供的信息推送方法根据用户的历史行为数据得到用户对应的兴趣标签,并根据用户对应的兴趣标签对用户进行分组,然后,通过向用户组的预选用户推送第一信息并根据预选用户的响应数据探索优质信息,将探索得到的优质信息作为第二信息推送给剩余用户,有利于为剩余用户推送更优质的信息,有效地提高了向剩余用户推送信息的准确性,从而提升剩余用户在应用产品上的活跃度。
第三实施例
请参阅图9,本发明第三实施例提供了一种信息推送装置,运行于服务器100,用于实现上述第一实施例提出的信息推送方法。所述信息推送装置10包括:第一推送模块11、获取模块12以及第二推送模块13。
其中,第一推送模块11,用于向用户组的预选用户推送该预选用户没有浏览过的第一信息,所述第一信息为与所述用户组对应的兴趣标签关联的信息池中的信息。
作为一种实施方式,第一推送模块11具体用于向用户组的预选用户随机推送该预选用户没有浏览过的第一信息。
作为另一种实施方式,第一推送模块11还可以具体用于为所述用户组中的预选用户分配目标信息,所述目标信息为从该用户组对应的兴趣标签关联的信息池中随机选取的信息;判断所述目标信息是否为该预选用户浏览过的信息,若是,则重新从该用户组对应的兴趣标签关联的信息池中随机选取信息作为目标信息并分配给该预选用户,直至分配给该预选用户的目标信息为该预选用户没有浏览过的信息;将分配给所述预选用户且该预选用户没有浏览过的目标信息作为所述第一信息推送给该预选用户。
获取模块12,用于获取所述预选用户对所述第一信息的响应数据,在所述第一信息中根据所述响应数据获得所述用户组中剩余用户对应的第二信息。
具体的,如图9所示,获取模块12可以包括点击率获取子模块121和第二信息获取子模块122。
其中,点击率获取子模块121,用于根据所述响应数据以及推送用户数量获取所述预选用户对所推送的每个所述第一信息的点击率,其中,所述推送用户数量为所述用户组对应的兴趣标签关联的信息池中的每个信息所推送的用户数量。第二信息获取子模块,用于根据所述剩余用户中每个用户的历史行为数据以及所述预选用户对所推送的每个所述第一信息的点击率,得到该用户对应的第二信息。
具体的,点击率获取子模块121,具体用于获取所述用户组对应的每个所述第一信息的推送用户数量;根据所述响应数据获取点击所推送的每个所述第一信息的用户数量;根据所述点击所推送的每个所述第一信息的用户数量以及每个所述第一信息的推送用户数量,得到所述预选用户对所推送的每个所述第一信息的点击率。
第二信息获取子模块122,具体用于根据所述剩余用户中每个用户的历史行为数据以及所述预选用户对所推送的每个所述第一信息的点击率,将该用户没有浏览过的所述点击率最高的第一信息作为该用户对应的第二信息。
第二推送模块13,用于将所述第二信息推送给对应的剩余用户,其中,所述预选用户的数量少于所述剩余用户的数量。
本实施例中,各模块可以是由软件代码实现,此时,上述的各模块可存储于服务器100的存储器110内。以上各模块同样可以由硬件例如集成电路芯片实现。
本实施例所提供的信息推送装置10,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
第四实施例
请参阅图10,本发明第四实施例提供了一种信息推送装置,运行于服务器100,用于实现上述第二实施例提出的信息推送方法。所述信息推送装置20包括:第一获取模块21、分组模块22、第一推送模块23、第二获取模块24以及第二推送模块25。
其中,第一获取模块21,用于根据每个用户的历史行为数据得到所述每个用户对应的兴趣标签;
分组模块22,用于根据所述每个用户对应的兴趣标签对所述每个用户进行分组以获得多个用户组,一个用户至少对应于一个用户组,且不同用户组对应于不同的兴趣标签;
第一推送模块23,用于向用户组的预选用户推送该预选用户没有浏览过的第一信息,所述第一信息为与所述用户组对应的兴趣标签关联的信息池中的信息;
第二获取模块24,用于获取所述预选用户对所述第一信息的响应数据,根据所述响应数据获得所述用户组中剩余用户对应的第二信息;
第二推送模块25,用于将所述第二信息推送给对应的剩余用户,其中,所述预选用户的数量少于所述剩余用户的数量。
具体的,上述第一获取模块21,用于根据每个所述用户的历史行为数据得到该用户对每个所述兴趣标签的兴趣度;比较所述用户对各个所述兴趣标签的兴趣度得到该用户对应的兴趣标签。
本实施例中,各模块可以是由软件代码实现,此时,上述的各模块可存储于服务器100的存储器110内。以上各模块同样可以由硬件例如集成电路芯片实现。
本实施例所提供的信息推送装置20,其实现原理及产生的技术效果和前述方法实施例相同,为简要描述,装置实施例部分未提及之处,可参考前述方法实施例中相应内容。
第五实施例
本发明第五实施例提供了一种服务器,所述服务器包括存储器及处理器,所述存储器耦接到所述处理器,所述存储器存储指令。当所述指令由所述处理器执行时以使所述处理器执行以下操作:
向用户组的预选用户推送该预选用户没有浏览过的第一信息,所述第一信息为与所述用户组对应的兴趣标签关联的信息池中的信息;
获取所述预选用户对所述第一信息的响应数据,根据所述响应数据获得所述用户组中剩余用户对应的第二信息;
将所述第二信息推送给对应的剩余用户,其中,所述预选用户的数量少于所述剩余用户的数量。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
在本申请所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本发明的多个实施例的装置、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,所述模块、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方式中,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,两个连续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动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。
另外,在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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。应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
Claims (16)
1.一种信息推送方法,其特征在于,所述方法包括:
向用户组的预选用户推送该预选用户没有浏览过的第一信息,所述第一信息为与所述用户组对应的兴趣标签关联的信息池中的信息;
获取所述预选用户对所述第一信息的响应数据,在所述第一信息中根据所述响应数据获得所述用户组中剩余用户对应的第二信息;
将所述第二信息推送给对应的剩余用户,其中,所述预选用户的数量少于所述剩余用户的数量。
2.根据权利要求1所述的方法,其特征在于,所述的向用户组的预选用户推送该预选用户没有浏览过的第一信息,包括:
向用户组的预选用户随机推送该预选用户没有浏览过的第一信息。
3.根据权利要求1所述的方法,其特征在于,所述的向用户组的预选用户推送该预选用户没有浏览过的第一信息,包括:
为所述用户组中的预选用户分配目标信息,所述目标信息为从该用户组对应的兴趣标签关联的信息池中随机选取的信息;
判断所述目标信息是否为该预选用户浏览过的信息,若是,则重新从该用户组对应的兴趣标签关联的信息池中随机选取信息作为目标信息并分配给该预选用户,直至分配给该预选用户的目标信息为该预选用户没有浏览过的信息;
将分配给所述预选用户且该预选用户没有浏览过的目标信息作为所述第一信息推送给该预选用户。
4.根据权利要求1所述的方法,其特征在于,所述在所述第一信息中根据所述响应数据获得所述用户组中剩余用户对应的第二信息,包括:
根据所述响应数据以及推送用户数量获取所述预选用户对所推送的每个所述第一信息的点击率,其中,所述推送用户数量为所述用户组对应的兴趣标签关联的信息池中的每个信息所推送的用户数量;
根据所述剩余用户中每个用户的历史行为数据以及所述预选用户对所推送的每个所述第一信息的点击率,在所述第一信息中得到该用户对应的第二信息。
5.根据权利要求4所述的方法,其特征在于,所述的根据所述响应数据以及推送用户数量获取所述预选用户对所推送的每个所述第一信息的点击率,包括:
获取所述用户组对应的每个所述第一信息的推送用户数量;
根据所述响应数据获取点击所推送的每个所述第一信息的用户数量;
根据所述点击所推送的每个所述第一信息的用户数量以及每个所述第一信息的推送用户数量,得到所述预选用户对所推送的每个所述第一信息的点击率。
6.根据权利要求4所述的方法,其特征在于,所述的根据所述剩余用户中每个用户的历史行为数据以及所述预选用户对所推送的每个所述第一信息的点击率,在所述第一信息中得到该用户对应的第二信息,包括:
根据所述剩余用户中每个用户的历史行为数据以及所述预选用户对所推送的每个所述第一信息的点击率,将该用户没有浏览过的所述点击率最高的第一信息作为该用户对应的第二信息。
7.根据权利要求1所述的方法,其特征在于,所述的向用户组的预选用户推送该预选用户没有浏览过的第一信息的步骤之前,所述方法还包括:
根据每个用户的历史行为数据得到所述每个用户对应的兴趣标签;
根据所述每个用户对应的兴趣标签对所述每个用户进行分组以获得多个用户组,一个用户至少对应于一个用户组,且不同用户组对应于不同的兴趣标签。
8.根据权利要求7所述的方法,其特征在于,所述的根据每个用户的历史行为数据得到所述每个用户对应的兴趣标签,包括:
根据每个所述用户的历史行为数据得到该用户对每个所述兴趣标签的兴趣度;
比较所述用户对各个所述兴趣标签的兴趣度得到该用户对应的兴趣标签。
9.根据权利要求8所述的方法,其特征在于,所述的根据每个所述用户的历史行为数据得到该用户对每个所述兴趣标签的兴趣度,包括:
根据每个所述用户的历史行为数据得到该用户对每个所述兴趣标签关联的信息池中的每个信息的关注度;
根据所述用户对每个所述兴趣标签关联的信息池中的每个信息的关注度得到该用户对每个所述兴趣标签的兴趣度。
10.根据权利要求9所述的方法,其特征在于,所述的根据每个所述用户的历史行为数据得到该用户对每个所述兴趣标签关联的信息池中的每个信息的关注度,包括:
根据每个所述用户的历史行为数据得到该用户对每个所述兴趣标签关联的信息池中每个信息的浏览时长、评论指数以及分享指数;
根据所述用户对所有信息的所述浏览时长得到该用户的平均浏览时长;
根据所述用户的所述平均浏览时长、所述用户对每个所述信息的浏览时长、所述评论指数、所述分享指数以及预设参数得到该用户对该信息的关注度。
11.根据权利要求10所述的方法,其特征在于,所述的根据所述用户的所述平均浏览时长、所述用户对每个所述信息的浏览时长、所述评论指数、所述分享指数以及预设参数得到该用户对该信息的关注度,包括:
根据公式:计算得到所述用户对每个所述信息的关注度,其中,u表示用户唯一标识,i∈I,I表示预设信息资源库中所有信息的集合,focusu,i表示用户u对信息i的关注度,avg(viewtimeu,i)表示用户u浏览过的所有信息的平均浏览时长,iscommentu,i表示用户u对信息i的评论指数,isshareu,i表示用户u对信息i的分享指数,α、β、γ表示预设参数。
12.根据权利要求9所述的方法,其特征在于,所述的根据所述用户对每个所述兴趣标签关联的信息池中的每个信息的关注度得到该用户对每个所述兴趣标签的兴趣度,包括:
根据所述用户的历史行为数据得到该用户对每个所述信息的浏览时间指数;
根据所述用户对每个所述兴趣标签关联的信息池中的每个所述信息的所述关注度、所述浏览时间指数以及预设的衰减因子得到该用户对每个所述兴趣标签的兴趣度。
13.根据权利要求12所述的方法,其特征在于,所述的根据所述用户对每个所述兴趣标签关联的信息池中的每个所述信息的所述关注度、所述浏览时间指数以及预设的衰减因子得到该用户对每个所述兴趣标签的兴趣度,包括:
根据公式:得到所述用户对每个所述兴趣标签的兴趣度;其中,u表示用户唯一标识,i∈I,I表示预设信息资源库中所有信息的集合;t∈T,T表示所述信息资源库对应的所有所述兴趣标签的集合,interestu,t表示用户u对兴趣标签t的兴趣度,focusu,i表示用户u对信息i的关注度;tagi,t表示信息i是否与兴趣标签t关联,tagi,t=0表示不关联,tagi,t=1表示关联;viewdaysu,i表示用户u对信息i的浏览时间指数;lapse表示所述衰减因子。
14.根据权利要求8所述的方法,其特征在于,所述的比较所述用户对各个所述兴趣标签的兴趣度得到该用户对应的兴趣标签,包括:
根据所述用户对各个所述兴趣标签的兴趣度大小选择兴趣度最大的兴趣标签作为该用户对应的兴趣标签。
15.一种信息推送装置,其特征在于,所述装置包括:
第一推送模块,用于向用户组的预选用户推送该预选用户没有浏览过的第一信息,所述第一信息为与所述用户组对应的兴趣标签关联的信息池中的信息;
获取模块,用于获取所述预选用户对所述第一信息的响应数据,在所述第一信息中根据所述响应数据获得所述用户组中剩余用户对应的第二信息;
第二推送模块,用于将所述第二信息推送给对应的剩余用户,其中,所述预选用户的数量少于所述剩余用户的数量。
16.一种服务器,其特征在于,所述服务器包括处理器以及存储器,所述存储器耦接到所述处理器,所述存储器存储指令,当所述指令由所述处理器执行时使所述服务器执行以下操作:
向用户组的预选用户推送该预选用户没有浏览过的第一信息,所述第一信息为与所述用户组对应的兴趣标签关联的信息池中的信息;
获取所述预选用户对所述第一信息的响应数据,在所述第一信息中根据所述响应数据获得所述用户组中剩余用户对应的第二信息;
将所述第二信息推送给对应的剩余用户,其中,所述预选用户的数量少于所述剩余用户的数量。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710548188.7A CN107222566B (zh) | 2017-07-06 | 2017-07-06 | 信息推送方法、装置及服务器 |
PCT/CN2018/090500 WO2019007187A1 (zh) | 2017-07-06 | 2018-06-08 | 信息推送方法、装置及服务器、计算设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710548188.7A CN107222566B (zh) | 2017-07-06 | 2017-07-06 | 信息推送方法、装置及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107222566A true CN107222566A (zh) | 2017-09-29 |
CN107222566B CN107222566B (zh) | 2020-09-04 |
Family
ID=59952651
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710548188.7A Active CN107222566B (zh) | 2017-07-06 | 2017-07-06 | 信息推送方法、装置及服务器 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107222566B (zh) |
WO (1) | WO2019007187A1 (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018130220A1 (zh) * | 2017-01-16 | 2018-07-19 | 广州市动景计算机科技有限公司 | 消息推送方法、设备及可编程设备 |
WO2019007187A1 (zh) * | 2017-07-06 | 2019-01-10 | 广州优视网络科技有限公司 | 信息推送方法、装置及服务器、计算设备和存储介质 |
CN109241452A (zh) * | 2018-11-19 | 2019-01-18 | 天津网之易创新科技有限公司 | 信息推荐方法及装置、存储介质和电子设备 |
CN109377394A (zh) * | 2018-10-22 | 2019-02-22 | 中国平安人寿保险股份有限公司 | 保险业务数据处理方法、装置及存储介质、计算机设备 |
CN109522141A (zh) * | 2018-11-27 | 2019-03-26 | 苏州我的打工人力资源有限公司 | 信息推送方法及装置、服务器、设备及存储介质 |
CN109697629A (zh) * | 2018-11-15 | 2019-04-30 | 平安科技(深圳)有限公司 | 产品数据推送方法及装置、存储介质、计算机设备 |
CN110334270A (zh) * | 2018-03-21 | 2019-10-15 | 腾讯科技(深圳)有限公司 | 一种新闻排序方法、服务器及计算机可读存储介质 |
CN110753247A (zh) * | 2019-10-18 | 2020-02-04 | 重庆空间视创科技有限公司 | 一种信息推送策略生成系统及方法 |
CN110753248A (zh) * | 2019-10-18 | 2020-02-04 | 重庆空间视创科技有限公司 | 一种用于iptv用户端数据收集系统及方法 |
CN111598630A (zh) * | 2020-06-30 | 2020-08-28 | 成都新潮传媒集团有限公司 | 小区画像构建方法、装置及存储介质 |
CN111683154A (zh) * | 2020-06-17 | 2020-09-18 | 腾讯科技(深圳)有限公司 | 一种内容推送的方法、装置、介质及电子设备 |
CN112163180A (zh) * | 2020-11-02 | 2021-01-01 | 北京明略软件系统有限公司 | 关联活跃度计算方法、装置、计算机设备及可读存储介质 |
CN113905037A (zh) * | 2021-06-18 | 2022-01-07 | 武汉理工数字传播工程有限公司 | 一种文件传输管理方法、装置、设备及存储介质 |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109977321A (zh) * | 2019-02-19 | 2019-07-05 | 平安科技(深圳)有限公司 | 消息中心消息内容推荐方法、装置及计算机可读存储介质 |
CN110489646B (zh) * | 2019-08-15 | 2024-02-13 | 中国平安人寿保险股份有限公司 | 用户画像构建方法及终端设备 |
CN111768260A (zh) * | 2019-09-11 | 2020-10-13 | 北京京东尚科信息技术有限公司 | 推荐同兴趣用户的方法、装置及设备 |
CN111026968A (zh) * | 2019-12-09 | 2020-04-17 | 湖南快乐阳光互动娱乐传媒有限公司 | 对象推送方法、装置及系统 |
CN111178950B (zh) * | 2019-12-19 | 2023-08-29 | 车智互联(北京)科技有限公司 | 一种用户画像构建方法、装置及计算设备 |
CN111915148B (zh) * | 2020-07-10 | 2023-11-03 | 北京科技大学 | 一种基于信息技术的课堂教学评价方法和系统 |
CN114547417A (zh) * | 2022-02-25 | 2022-05-27 | 北京百度网讯科技有限公司 | 一种媒体资源排序方法及电子设备 |
CN115795172B (zh) * | 2023-02-06 | 2023-04-25 | 湖南出头科技有限公司 | 一种基于大数据的信息推送引流系统 |
CN116522005B (zh) * | 2023-07-04 | 2023-08-25 | 之江实验室 | 一种实时整合多波段暂现源报导的信息推送方法及装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556622A (zh) * | 2008-04-11 | 2009-10-14 | 纳珀企业有限责任公司 | 在发送推荐之前提供预期的合意性信息 |
CN102411596A (zh) * | 2010-09-21 | 2012-04-11 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法及系统 |
CN103377250A (zh) * | 2012-04-27 | 2013-10-30 | 杭州载言网络技术有限公司 | 基于邻域的top-k推荐方法 |
CN104038517A (zh) * | 2013-03-05 | 2014-09-10 | 腾讯科技(深圳)有限公司 | 基于群组关系的信息推送方法以及服务器 |
CN104239338A (zh) * | 2013-06-19 | 2014-12-24 | 阿里巴巴集团控股有限公司 | 信息推荐方法及装置 |
CN104254851A (zh) * | 2012-03-17 | 2014-12-31 | 海智网聚网络技术(北京)有限公司 | 用于向用户推荐内容的方法和系统 |
CN105159910A (zh) * | 2015-07-03 | 2015-12-16 | 安一恒通(北京)科技有限公司 | 信息推荐方法和装置 |
CN106055617A (zh) * | 2016-05-26 | 2016-10-26 | 乐视控股(北京)有限公司 | 一种数据推送方法及装置 |
CN106503269A (zh) * | 2016-12-08 | 2017-03-15 | 广州优视网络科技有限公司 | 应用推荐的方法、装置及服务器 |
CN106651533A (zh) * | 2016-12-29 | 2017-05-10 | 合肥华凌股份有限公司 | 一种基于用户行为的个性化商品推荐方法及装置 |
CN106919692A (zh) * | 2017-03-07 | 2017-07-04 | 广州优视网络科技有限公司 | 一种推送消息的方法和装置 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9680959B2 (en) * | 2012-08-30 | 2017-06-13 | Google Inc. | Recommending content based on intersecting user interest profiles |
CN108197331B (zh) * | 2015-01-21 | 2020-02-04 | 北京字节跳动科技有限公司 | 用户兴趣的探索方法和装置 |
CN107222566B (zh) * | 2017-07-06 | 2020-09-04 | 阿里巴巴(中国)有限公司 | 信息推送方法、装置及服务器 |
-
2017
- 2017-07-06 CN CN201710548188.7A patent/CN107222566B/zh active Active
-
2018
- 2018-06-08 WO PCT/CN2018/090500 patent/WO2019007187A1/zh active Application Filing
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101556622A (zh) * | 2008-04-11 | 2009-10-14 | 纳珀企业有限责任公司 | 在发送推荐之前提供预期的合意性信息 |
CN102411596A (zh) * | 2010-09-21 | 2012-04-11 | 阿里巴巴集团控股有限公司 | 一种信息推荐方法及系统 |
CN104254851A (zh) * | 2012-03-17 | 2014-12-31 | 海智网聚网络技术(北京)有限公司 | 用于向用户推荐内容的方法和系统 |
CN103377250A (zh) * | 2012-04-27 | 2013-10-30 | 杭州载言网络技术有限公司 | 基于邻域的top-k推荐方法 |
CN104038517A (zh) * | 2013-03-05 | 2014-09-10 | 腾讯科技(深圳)有限公司 | 基于群组关系的信息推送方法以及服务器 |
CN104239338A (zh) * | 2013-06-19 | 2014-12-24 | 阿里巴巴集团控股有限公司 | 信息推荐方法及装置 |
CN105159910A (zh) * | 2015-07-03 | 2015-12-16 | 安一恒通(北京)科技有限公司 | 信息推荐方法和装置 |
CN106055617A (zh) * | 2016-05-26 | 2016-10-26 | 乐视控股(北京)有限公司 | 一种数据推送方法及装置 |
CN106503269A (zh) * | 2016-12-08 | 2017-03-15 | 广州优视网络科技有限公司 | 应用推荐的方法、装置及服务器 |
CN106651533A (zh) * | 2016-12-29 | 2017-05-10 | 合肥华凌股份有限公司 | 一种基于用户行为的个性化商品推荐方法及装置 |
CN106919692A (zh) * | 2017-03-07 | 2017-07-04 | 广州优视网络科技有限公司 | 一种推送消息的方法和装置 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018130220A1 (zh) * | 2017-01-16 | 2018-07-19 | 广州市动景计算机科技有限公司 | 消息推送方法、设备及可编程设备 |
WO2019007187A1 (zh) * | 2017-07-06 | 2019-01-10 | 广州优视网络科技有限公司 | 信息推送方法、装置及服务器、计算设备和存储介质 |
CN110334270A (zh) * | 2018-03-21 | 2019-10-15 | 腾讯科技(深圳)有限公司 | 一种新闻排序方法、服务器及计算机可读存储介质 |
CN110334270B (zh) * | 2018-03-21 | 2023-07-11 | 深圳市雅阅科技有限公司 | 一种新闻排序方法、服务器及计算机可读存储介质 |
CN109377394A (zh) * | 2018-10-22 | 2019-02-22 | 中国平安人寿保险股份有限公司 | 保险业务数据处理方法、装置及存储介质、计算机设备 |
CN109697629A (zh) * | 2018-11-15 | 2019-04-30 | 平安科技(深圳)有限公司 | 产品数据推送方法及装置、存储介质、计算机设备 |
CN109697629B (zh) * | 2018-11-15 | 2023-02-24 | 平安科技(深圳)有限公司 | 产品数据推送方法及装置、存储介质、计算机设备 |
CN109241452B (zh) * | 2018-11-19 | 2022-03-22 | 天津网之易创新科技有限公司 | 信息推荐方法及装置、存储介质和电子设备 |
CN109241452A (zh) * | 2018-11-19 | 2019-01-18 | 天津网之易创新科技有限公司 | 信息推荐方法及装置、存储介质和电子设备 |
CN109522141A (zh) * | 2018-11-27 | 2019-03-26 | 苏州我的打工人力资源有限公司 | 信息推送方法及装置、服务器、设备及存储介质 |
CN110753248A (zh) * | 2019-10-18 | 2020-02-04 | 重庆空间视创科技有限公司 | 一种用于iptv用户端数据收集系统及方法 |
CN110753247B (zh) * | 2019-10-18 | 2021-11-09 | 重庆空间视创科技有限公司 | 一种信息推送策略生成系统及方法 |
CN110753247A (zh) * | 2019-10-18 | 2020-02-04 | 重庆空间视创科技有限公司 | 一种信息推送策略生成系统及方法 |
CN111683154A (zh) * | 2020-06-17 | 2020-09-18 | 腾讯科技(深圳)有限公司 | 一种内容推送的方法、装置、介质及电子设备 |
CN111683154B (zh) * | 2020-06-17 | 2023-11-14 | 腾讯科技(深圳)有限公司 | 一种内容推送的方法、装置、介质及电子设备 |
CN111598630A (zh) * | 2020-06-30 | 2020-08-28 | 成都新潮传媒集团有限公司 | 小区画像构建方法、装置及存储介质 |
CN112163180A (zh) * | 2020-11-02 | 2021-01-01 | 北京明略软件系统有限公司 | 关联活跃度计算方法、装置、计算机设备及可读存储介质 |
CN113905037A (zh) * | 2021-06-18 | 2022-01-07 | 武汉理工数字传播工程有限公司 | 一种文件传输管理方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
WO2019007187A1 (zh) | 2019-01-10 |
CN107222566B (zh) | 2020-09-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107222566A (zh) | 信息推送方法、装置及服务器 | |
US11206311B2 (en) | Method and system for measuring user engagement using click/skip in content stream | |
CN107341245A (zh) | 数据处理方法、装置及服务器 | |
CN104090919B (zh) | 推荐广告的方法及广告推荐服务器 | |
JP6334696B2 (ja) | ハッシュタグおよびコンテンツ提示 | |
US9805391B2 (en) | Determining whether to provide an advertisement to a user of a social network | |
US20140188593A1 (en) | Selecting an advertisement for a traffic source | |
CN108763502A (zh) | 信息推荐方法和系统 | |
US10268663B1 (en) | Displaying graphical content items based on an audio input | |
CA2923749A1 (en) | Systems and methods for presenting relevant data to users of a financial computer network | |
CN102279851A (zh) | 一种智能导航方法、装置和系统 | |
TW201537365A (zh) | 資料搜索處理方法和系統 | |
US20180307733A1 (en) | User characteristic extraction method and apparatus, and storage medium | |
US8799297B2 (en) | Evaluating supply of electronic content relating to keywords | |
CN108460627A (zh) | 营销活动方案推送方法、装置、计算机设备及存储介质 | |
CN108777701A (zh) | 一种确定信息受众的方法及装置 | |
US20210004844A1 (en) | Building topic-oriented audiences | |
KR101778660B1 (ko) | Sns 융합형 콘텐츠와 커뮤니티 플랫폼 제공 시스템 | |
CN111159553A (zh) | 信息推送方法、装置、计算机设备及存储介质 | |
EP3374942A1 (en) | Response latency reduction in fixed allocation content selection infrastructure | |
CN108965360B (zh) | 一种推荐数据处理方法及服务器、计算机存储介质 | |
US10304081B1 (en) | Yielding content recommendations based on serving by probabilistic grade proportions | |
US20170251070A1 (en) | Multiple User Interest Profiles | |
US20190058770A1 (en) | User lifetime revenue allocation associated with provisioned content recommendations | |
CN107369031A (zh) | 健康服务推广及分红系统及方法 |
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 | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200610 Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: 510627 Guangdong city of Guangzhou province Whampoa Tianhe District Road No. 163 Xiping Yun Lu Yun Ping square B radio tower 15 layer self unit 02 (only for office use) Applicant before: GUANGZHOU UC NETWORK TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |