CN107508914A - 一种基于云计算分析的消息精准推送方法和系统 - Google Patents

Abstract

本发明涉及信息共享技术领域，具体涉及一种基于云计算分析的消息精准推送方法和系统；所述的推送方法包括：(1)接收请求消息，并提取唯一标识码和时间戳；(2)根据请求消息通过云计算分析构建用户数据模型并存储；(3)根据所述提取的时间戳筛选出消息列表时间在该时间戳之后的消息，并将该筛选出的消息与所述用户数据模型相匹配；(4)将所述匹配后的消息添加到消息预发送队列，然后通过发送通道将所述消息预发送队列中的消息发送至所述智能用户终端；本发明能够针对用户的需求和偏好有针对性的推送消息到用户智能电视终端，合理利用推送资源，提高用户的满意度；避免无关消息对用户的打扰，提高用户体验和用户活跃度。

Description

一种基于云计算分析的消息精准推送方法和系统

技术领域

本发明涉及信息共享技术领域，具体涉及一种基于云计算分析的消息精准推送方法和系统。

背景技术

现有的消息推送方案中，服务器推送消息到智能终端时通常是无差别消息。例如申请号为“CN201510188513.4”、发明名称为“一种消息推送方法，及消息推送设备”的发明专利申请，其采用批量推送的方式向所述用户终端发送所述待推送消息，以减少锁屏状态被唤醒震动和亮屏的次数。又如申请号为“CN201510950521.8”、发明名称为“一种消息推送方法及系统”的发明专利申请，其将智能电视的信息保存在缓存中，登录验证信息可以直接从缓存中读取，因此支持大量智能电视用户的并发登录，而执行推送任务时，从数据库中查询推送信息，因此不会对智能电视的验证登录造成影响，可以有效解决大并发情况下云推送系统的性能瓶颈问题。

上述两个发明专利申请虽然可以很好地解决系统的性能瓶颈问题以及减小对用户的干扰。然而，其均采用统一批量推送消息的方式，没有根据不同的用户需求进行分析而分类处理，造成了盲目性的消息下发，没有针对性，其对所有用户推送同样的消息也导致了不能准确定位用户的需求，浪费推送资源同时对用户造成打扰。

发明内容

本发明要解决的技术问题是克服现有技术中存在的上述缺陷，提供一种新的消息推送方案，该推送方案能够根据不同的用户需求推送不同的消息，合理利用消息推送资源，满足用户需求。

为解决上述问题，本发明的技术方案是：

一种基于云计算分析的消息精准推送方法，包括步骤：

接收智能用户终端发送的请求消息，并提取所述请求消息携带的智能用户终端的唯一标识码和时间戳；

根据所述请求消息通过云计算分析构建用户数据模型并存储，所述用户数据模型包含用户属性信息和用户偏好设置，所述用户属性信息包含用户姓名、性别、智能用户终端的唯一标识码以及地理位置信息；

根据所述提取的时间戳筛选出消息列表时间在该时间戳之后的消息，并将该筛选出的消息与所述用户数据模型相匹配；

将所述匹配后的消息添加到消息预发送队列，然后通过发送通道将所述消息预发送队列中的消息发送至所述智能用户终端。

优选的，所述根据所述请求消息通过云计算分析构建用户数据模型的具体方法为：

判断是否已存在与所述提取的智能用户终端的唯一标识码相对应的用户数据模型；

若不存在，则判定是新用户，创建用户数据模型并存储；

若存在，则判定不是新用户，根据所述请求消息更新用户数据模型并保存更新后的用户数据模型。

优选的，所述用户数据模型具体更新的流程为：

1)开始用户数据更新；

2)判断用户数据模型的数据池是否清理，当数据池有清理时进入步骤3)，否则进入步骤4)；

3)对用户数据模型数据池中的数据进行关联和失效判断，将失效数据加入淘汰队列，然后进入步骤4)；

4)判断数据栈是否有空间，若无空间，则进入步骤5)-7)，否则进入步骤8)；

5)判断数据池是否已满；

6)若数据池已满，则将更新数据加入阻塞队列等待执行，然后返回步骤2)；

7)若数据池没满，则创建新的数据栈，并向新的数据栈加入更新数据，用户数据模型更新完成；

8)判断数据栈中的数据是否与用户数据模型直接关联，并将直接关联的数据加入消息栈，将间接关联的数据加入关联栈，用户数据模型更新完成。

优选的，所述步骤3)中对用户数据模型数据池中的数据进行关联和失效判断的具体方法为：

根据所述请求消息判断预设时间段内对数据的请求量是否小于预设阈值，若是，则将用户偏好设置修改为对所述数据无关联，否则将用户偏好设置修改为对所述数据有关联；或者，

根据所述请求消息判断是否直接关闭对数据的请求，若是，则将用户偏好设置修改为对所述数据无关联，否则将用户偏好设置修改为对所述数据有关联。

优选的，所述将该筛选出的消息与所述用户数据模型相匹配的具体方法是：

将所述筛选出的消息根据所述用户数据模型的偏好设置和地理位置信息进行进一步筛选，并匹配出地理位置信息相对应的以及用户偏好设置为有关联的数据消息。

本发明还提供一种基于云计算分析的消息精准推送系统，包括：

接收模块，用于接收智能用户终端发送的请求消息，并提取所述请求消息携带的智能用户终端的唯一标识码和时间戳；

云分析平台模块，用于根据所述请求消息通过云计算分析构建用户数据模型并存储，所述用户数据模型包含用户属性信息和用户偏好设置，所述用户属性信息包含用户姓名、性别、智能用户终端的唯一标识码以及地理位置信息；

筛选匹配模块，用于根据所述提取的时间戳筛选出消息列表时间在该时间戳之后的消息，并将该筛选出的消息与所述用户数据模型相匹配；

发送模块，用于将所述匹配后的消息添加到消息预发送队列，然后通过发送通道将所述消息预发送队列中的消息发送至所述智能用户终端。

优选的，所述云分析平台模块进一步包括：

判断子模块，用于判断是否已存在与所述提取的智能用户终端的唯一标识码相对应的用户数据模型；

创建子模块，用于当不存在与所述提取的智能用户终端的唯一标识码相对应的用户数据模型时，则判定是新用户，创建用户数据模型并存储；

更新子模块，用于当存在与所述提取的智能用户终端的唯一标识码相对应的用户数据模型时，则判定不是新用户，根据所述请求消息更新用户数据模型并保存更新后的用户数据模型。

优选的，所述更新子模块进一步用于：

根据所述请求消息判断预设时间段内对数据的请求量是否小于预设阈值，若是，则将用户偏好设置修改为对所述数据无关联，否则将用户偏好设置修改为对所述数据有关联；或者，

根据所述请求消息判断是否直接关闭对数据的请求，若是，则将用户偏好设置修改为对所述数据无关联，否则将用户偏好设置修改为对所述数据有关联。

优选的，所述筛选匹配模块具体用于：

将所述筛选出的消息根据所述用户数据模型的偏好设置和地理位置信息进行进一步筛选，并匹配出地理位置信息相对应的以及用户偏好设置为有关联的数据消息。

本发明具有如下优点和有益效果：

1、本发明能够针对用户的需求和偏好有针对性的推送消息到用户智能电视终端，合理利用推送资源，提高用户的满意度。

2、本发明可避免因无关消息造成对用户的打扰，提高用户体验和用户活跃度。

3、本发明基于云计算技术构建用户数据模型，实现对用户的操作记录进行有效追溯，根据追溯记录实时动态调整用户的偏好，满足用户不同时期的应用需求。

附图说明

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

图1为本发明基于云计算分析的消息精准推送方法的流程图；

图2为本发明构建用户数据模型方法的流程图；

图3为本发明基于云计算分析的消息精准推送系统的结构框图；

图4为本发明基于云计算分析的消息精准推送系统中的云分析平台模块的结构框图；

图5为本发明更新用户数据模型具体实施方法的流程图；

图6为本发明更新用户数据模型方法中用户访问请求总量的衰减示意图；

图7为本发明具体实施方式中用户数据模型消息关联示意图。

具体实施方式

下面结合附图对本发明的具体实施方式作详细说明。

如图1所示，本发明提供一种基于云计算分析的消息精准推送方法，包括步骤：

S101，接收智能用户终端发送的请求消息，并提取所述请求消息携带的智能用户终端的唯一标识码和时间戳；

所述智能用户终端包括智能手机、电脑、IPAD或者智能电视，所述智能用户终端向服务器发送请求消息时会携带对自身起唯一标识作用的标识码，所述标识码可为智能用户终端的串号等，所述时间戳用于智能用户终端向服务器获取时间戳所指示的时间节点之后的消息。

S102，根据所述请求消息通过云计算分析构建用户数据模型并存储，所述用户数据模型包含用户属性信息和用户偏好设置，所述用户属性信息包含用户姓名、性别、智能用户终端的唯一标识码以及地理位置信息；

在服务器接收到所述请求消息后，可通过云平台经云计算分析对请求消息进行解析、分类，获取用户最新动向，所述云平台解析分类的具体对象包括用户点击类型、跳转次数、观看时长、下载次数、点击(访问)量走势图、衰减系数以及异常信息等，通过对上述数据进行统计分析可归结出用户一段时间以内的偏好，具体的偏好设置可通过用户对数据的集中访问量以得出对数据有无关联来表示，用户数据模型与数据消息之间的关联关系可见图7所示，图7中A代表用户数据模型、S1-S5分别代表不同的消息中心，由图可知，用户数据模型A直接关联消息中心S1，说明当前集中时间段内用户数据模型A对消息中心S1强关联，而消息中心S4和S5分别通过S2和S3间接关联到用户数据模型A，则定义消息中心S2和S3与用户数据模型A强关联，而S4和S5与用户数据模型A弱关联，在消息推送时，消息中心S1-S5的消息均推送至相应的智能用户终端，所述消息中心类型包括：系统更新、应用升级、影视推荐、最新应用、电视购物、新片抢先等等。

S103，根据所述提取的时间戳筛选出消息列表时间在该时间戳之后的消息，并将该筛选出的消息与所述用户数据模型相匹配；

服务器根据从请求消息中提取的时间戳在消息列表中查询消息生成时间在该时间戳之后的消息，并生成新的时间戳携带于查询出的消息内，根据时间戳筛选出预选消息之后，还要进一步筛选出与用户数据模型相匹配的消息，即所发送的地理位置相匹配，除此以外，还要与所述用户数据模型是有关联的，即预发送至用户的消息应当是当前时间段内访问量达到一定数值、是用户所偏爱的。

S104，将所述匹配后的消息添加到消息预发送队列，然后通过发送通道将所述消息预发送队列中的消息发送至所述智能用户终端。

当筛选出来与所述用户数据模型相匹配的消息之后，则将该消息添加至预发送队列，以便将其进而发送到智能用户终端供用户查看。

如图2所示，在本具体实施方式中，所述根据所述请求消息通过云计算分析构建用户数据模型的具体方法为：

S201，判断是否已存在与所述提取的智能用户终端的唯一标识码相对应的用户数据模型；

在该步骤中，首先根据请求消息中所携带的唯一标识码判断本地是否已经存在与所携带的唯一标识码相匹配的用户数据模型，也即判断是否是新用户或首次访问。需要说明的是，每个智能终端用户在初次访问服务器时，都会在服务器端创建用户数据模型并保存，所述用户数据模型包括用户基本信息以及智能用户终端唯一标识码等。

S202，若不存在，则判定是新用户，创建用户数据模型并存储；

当服务器端不存在与所提取的唯一标识码相匹配的用户数据模型，则说明该访问用户为新用户，是首次访问，则服务器对该首次访问的智能用户终端建立用户数据模型，并存储，以便后续访问时直接查询调用。

S203，若存在，则判定不是新用户，根据所述请求消息更新用户数据模型并保存更新后的用户数据模型。

当服务器端存在与所提取的唯一标识码相匹配的用户数据模型时，则说明不是新用户，此时需要对已有的用户数据模型进行更新。

上述步骤中，云分析平台接收用户操作反馈，新用户则创建用户数据模型，根据用户操作建立用户数据模型并将相关数据存储到服务器数据库中；若用户已存在，则根据用户最近操作，更新用户数据模型，并将更新后的数据写入数据库；用户数据模型根据用户操作实时更新。

所述云分析平台通过对代码中关键部分设置和云分析平台通信接口，来获取用户操作的实时反馈；对消息进行点击操作、消息观看时间、消息内部链接和跳转操作、消息渠道订阅操作、消息弹出时响应操作、消息收藏与删除操作会通过数据埋点的通信接口，将用户有效数据发送到云平台进行分析并进行数据更新。

也即，所有用户对智能用户终端的操作实时汇集到云分析平台中，在进行用户粒度分析的同时，对数据点击总量、走势图、衰减系数计算、有效信息数和过期信息的统计也在进行；根据用户数据总览，服务器决定信息推送方向并获取到新信息，后台编辑新信息时也同时掌握信息发展方向，便于设计和获取到及时有效的信息。

如图5所示，用户数据模型更新的具体流程为：

S501，开始用户数据更新；

S502，判断数据池是否清理，当数据池有清理时进入步骤S503，否则进入步骤S504；

S503，对用户数据模型数据池中的数据进行关联和失效判断，将失效数据加入淘汰队列，然后进入步骤S504；

上述步骤中，对用户数据模型数据池中的数据进行清理，并分别出用户数据模型偏好设置中的哪些数据是已失效(无关联)的，哪些数据是有效(有关联)的，将失效数据加入到淘汰队列。

所述步骤S503中，对用户数据模型数据池中的数据进行关联和失效判断的具体方法为：

根据所述请求消息判断预设时间段内对数据的请求量是否小于预设阈值，若是，则将用户偏好设置修改为对所述数据无关联，否则将用户偏好设置修改为对所述数据有关联；

上述方法具体可参加图6所示，图6中横轴代表访问时间，纵轴代表访问量，在实际操作过程中，所有用户对智能用户终端的操作实时汇集到云平台中，对数据点击总量、走势图、衰减系数计算、有效信息数和过期信息的统计也在进行；如图6所示，l为预设信息衰减曲线，m、n为实际信息衰减曲线，p为默认信息失效时间，若在p点之前，点击总量平均值大于衰减曲线平均值，则延后1天；若点击总量小于衰减曲线平均值，则到p点消息失效；以此类推p+1点。

或者，对用户数据模型数据池中的数据进行关联和失效判断的具体方法也可根据所述请求消息判断是否直接关闭对数据的请求，若是，则将用户偏好设置修改为对所述数据无关联，否则将用户偏好设置修改为对所述数据有关联。

具体可为用户进入消息中心后，可在菜单列表中进入消息订阅界面；订阅用以打开展示的消息开关：订阅时，用户可接收到该消息中心下的相关推送消息；当取消该消息中心的订阅后，用户屏蔽该消息中心下所有相关消息；消息中心类型包括：系统更新、应用升级、影视推荐、最新应用、电视购物、新片抢先等等。

S504，判断数据栈是否有空间，若无空间，则进入步骤S505-S507，否则进入步骤S508；

S505，判断数据池是否已满；

S506，若数据池已满，则将数据加入阻塞队列等待执行，然后返回步骤S502；

S507，若数据池没满，则创建新的数据栈，并向新的数据栈加入更新数据，用户数据模型更新完成；

S508，判断数据栈中的数据是否与用户数据模型直接关联，并将直接关联的数据加入消息栈，将间接关联的数据加入关联栈，用户数据模型更新完成。

图3为本发明基于云计算分析的消息精准推送系统的结构框图，如图3所示，本发明基于云计算分析的消息精准推送系统包括：

接收模块310，用于接收智能用户终端发送的请求消息，并提取所述请求消息携带的智能用户终端的唯一标识码和时间戳；

所述智能用户终端包括智能手机、电脑、IPAD或者智能电视，所述智能用户终端向服务器发送请求消息时会携带对自身起唯一标识作用的标识码，所述标识码可为智能用户终端的串号等，所述时间戳用于智能用户终端向服务器获取时间戳所指示的时间节点之后的消息。

云分析平台模块320，用于根据所述请求消息通过云计算分析构建用户数据模型并存储，所述用户数据模型包含用户属性信息和用户偏好设置，所述用户属性信息包含用户姓名、性别、智能用户终端的唯一标识码以及地理位置信息；

在服务器接收到所述请求消息后，可通过云平台经云计算分析对请求消息进行解析、分类，获取用户最新动向，所述云平台解析分类的具体对象包括用户点击类型、跳转次数、观看时长、下载次数、点击(访问)量走势图、衰减系数以及异常信息等，通过对上述数据进行统计分析可归结出用户一段时间以内的偏好，具体的偏好设置可通过用户对数据的集中访问量以得出对数据有无关联来表示，用户数据模型与数据消息之间的关联关系可见图7所示，图7中A代表用户数据模型、S1-S5分别代表不同的消息中心，由图可知，用户数据模型A直接关联消息中心S1，说明当前集中时间段内用户数据模型A对消息中心S1强关联，而消息中心S4和S5分别通过S2和S3间接关联到用户数据模型A，则定义消息中心S2和S3与用户数据模型A强关联，而S4和S5与用户数据模型A弱关联，在消息推送时，消息中心S1-S5的消息均推送至相应的智能用户终端，所述消息中心类型包括：系统更新、应用升级、影视推荐、最新应用、电视购物、新片抢先等等。

筛选匹配模块330，用于根据所述提取的时间戳筛选出消息列表时间在该时间戳之后的消息，并将该筛选出的消息与所述用户数据模型相匹配；

服务器根据从请求消息中提取的时间戳在消息列表中查询消息生成时间在该时间戳之后的消息，并生成新的时间戳携带于查询出的消息内，根据时间戳筛选出预选消息之后，还要进一步筛选出与用户数据模型相匹配的消息，即所发送的地理位置相匹配，除此以外，还要与所述用户数据模型是有关联的，即预发送至用户的消息应当是当前时间段内访问量达到一定数值、是用户所偏爱的。

发送模块340，用于将所述匹配后的消息添加到消息预发送队列，然后通过发送通道将所述消息预发送队列中的消息发送至所述智能用户终端。

如图4所示，所述云分析平台模块320进一步包括：

判断子模块321，用于判断是否已存在与所述提取的智能用户终端的唯一标识码相对应的用户数据模型；

首先根据请求消息中所携带的唯一标识码判断本地是否已经存在与所携带的唯一标识

码相匹配的用户数据模型，也即判断是否是新用户或首次访问。需要说明的是，每个智能终端用户在初次访问服务器时，都会在服务器端创建用户数据模型并保存，所述用户数据模型包括用户基本信息以及智能用户终端唯一标识码等。

创建子模块322，用于当不存在与所述提取的智能用户终端的唯一标识码相对应的用户数据模型时，则判定是新用户，创建用户数据模型并存储；

当服务器端不存在与所提取的唯一标识码相匹配的用户数据模型，则说明该访问用户为新用户，是首次访问，则服务器对该首次访问的智能用户终端建立用户数据模型，并存储，以便后续访问时直接查询调用。

更新子模块323，用于当存在与所述提取的智能用户终端的唯一标识码相对应的用户数据模型时，则判定不是新用户，根据所述请求消息更新用户数据模型并保存更新后的用户数据模型。

当服务器端存在与所提取的唯一标识码相匹配的用户数据模型时，则说明不是新用户，此时需要对已有的用户数据模型进行更新。

云分析平台接收用户操作反馈，新用户则创建用户数据模型，根据用户操作建立用户数据模型并将相关数据存储到服务器数据库中；若用户已存在，则根据用户最近操作，更新用户数据模型，并将更新后的数据写入数据库；用户数据模型根据用户操作实时更新。

所述云分析平台通过对代码中关键部分设置和云分析平台通信接口，来获取用户操作的实时反馈；对消息进行点击操作、消息观看时间、消息内部链接和跳转操作、消息渠道订阅操作、消息弹出时响应操作、消息收藏与删除操作会通过数据埋点的通信接口，将用户有效数据发送到云平台进行分析并进行数据更新。

也即，所有用户对智能用户终端的操作实时汇集到云分析平台中，在进行用户粒度分析的同时，对数据点击总量、走势图、衰减系数计算、有效信息数和过期信息的统计也在进行；根据用户数据总览，服务器决定信息推送方向并获取到新信息，后台编辑新信息时也同时掌握信息发展方向，便于设计和获取到及时有效的信息。

作为优选的实施方式，所述更新子模块323用于实现如图5所示的流程，并在判断数据是否失效时具体用于：

根据所述请求消息判断预设时间段内对数据的请求量是否小于预设阈值，若是，则将用户偏好设置修改为对所述数据无关联，否则将用户偏好设置修改为对所述数据有关联；或者，

根据所述请求消息判断是否直接关闭对数据的请求，若是，则将用户偏好设置修改为对所述数据无关联，否则将用户偏好设置修改为对所述数据有关联。

作为优选的实施方式，所述筛选匹配模块330具体用于：

将所述筛选出的消息根据所述用户数据模型的偏好设置和地理位置信息进行进一步筛选，并匹配出地理位置信息相对应的以及用户偏好设置为有关联的数据消息。

本发明通过云分析平台获取到的用户点击量、跳转次数、观看时间，下载次数确定信息方向选取推送信息；通过走势图、衰减系数、信息时效来决定信息失效时间；对关键节点的异常进行捕获，获取用户使用情况，进行消息推送指导，从而实现了根据不同用户实际使用情况以及同一用户不同时期的使用情况来推送不同的消息，动态满足客户偏好和需求。

以上所述实施例仅表达了本发明的优选的实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (10)

1.一种基于云计算分析的消息精准推送方法，其特征在于：包括以下步骤：

(1)接收智能用户终端发送的请求消息，并提取所述请求消息携带的智能用户终端的唯一标识码和时间戳；

(2)根据所述请求消息通过云计算分析构建用户数据模型并存储，所述用户数据模型包含用户属性信息和用户偏好设置，所述用户属性信息包含用户姓名、性别、智能用户终端的唯一标识码以及地理位置信息；

(3)根据所述提取的时间戳筛选出消息列表时间在该时间戳之后的消息，并将该筛选出的消息与所述用户数据模型相匹配；

(4)将所述匹配后的消息添加到消息预发送队列，然后通过发送通道将所述消息预发送队列中的消息发送至所述智能用户终端。

2.根据权利要求1所述的基于云计算分析的消息精准推送方法，其特征在于：所述根据所述请求消息通过云计算分析构建用户数据模型的具体方法为：

判断是否已存在与所述提取的智能用户终端的唯一标识码相对应的用户数据模型；

若不存在，则判定是新用户，创建用户数据模型并存储；

若存在，则判定不是新用户，根据所述请求消息更新用户数据模型并保存更新后的用户数据模型。

3.根据权利要求1所述的基于云计算分析的消息精准推送方法，其特征在于：所述用户数据模型具体更新的流程为：

1)开始用户数据更新；

2)判断用户数据模型的数据池是否清理，当数据池有清理时进入步骤3)，否则进入步骤4)；

3)对用户数据模型数据池中的数据进行关联和失效判断，将失效数据加入淘汰队列，然后进入步骤4)；

4)判断数据栈是否有空间，若无空间，则进入步骤5)-7)，否则进入步骤8)；

5)判断数据池是否已满；

6)若数据池已满，则将更新数据加入阻塞队列等待执行，然后返回步骤2)；

7)若数据池没满，则创建新的数据栈，并向新的数据栈加入更新数据，用户数据模型更新完成；

8)判断数据栈中的数据是否与用户数据模型直接关联，并将直接关联的数据加入消息栈，将间接关联的数据加入关联栈，用户数据模型更新完成。

4.根据权利要求3所述的基于云计算分析的消息精准推送方法，其特征在于：所述的步骤3)中，对用户数据模型数据池中的数据进行关联和失效判断的具体方法为：

根据所述请求消息判断预设时间段内对数据的请求量是否小于预设阈值，若是，则将用户偏好设置修改为对所述数据无关联，否则将用户偏好设置修改为对所述数据有关联；或者，

根据所述请求消息判断是否直接关闭对数据的请求，若是，则将用户偏好设置修改为对所述数据无关联，否则将用户偏好设置修改为对所述数据有关联。

5.根据权利要求所述的基于云计算分析的消息精准推送方法，其特征在于：所述将该筛选出的消息与所述用户数据模型相匹配的具体方法是：

将所述筛选出的消息根据所述用户数据模型的偏好设置和地理位置信息进行进一步筛选，并匹配出地理位置信息相对应的以及用户偏好设置为有关联的数据消息。

6.一种基于云计算分析的消息精准推送系统，其特征在于：所述的推送系统使用如权利要求1-5任意一项所述的基于云计算分析的推送方法进行消息的精准推送。

7.根据权利要求6所述的基于云计算分析的消息精准推送系统，其特征在于：包括：

接收模块，用于接收智能用户终端发送的请求消息，并提取所述请求消息携带的智能用户终端的唯一标识码和时间戳；

云分析平台模块，用于根据所述请求消息通过云计算分析构建用户数据模型并存储，所述用户数据模型包含用户属性信息和用户偏好设置，所述用户属性信息包含用户姓名、性别、智能用户终端的唯一标识码以及地理位置信息；

筛选匹配模块，用于根据所述提取的时间戳筛选出消息列表时间在该时间戳之后的消息，并将该筛选出的消息与所述用户数据模型相匹配；

发送模块，用于将所述匹配后的消息添加到消息预发送队列，然后通过发送通道将所述消息预发送队列中的消息发送至所述智能用户终端。

8.根据权利要求7所述的基于云计算分析的消息精准推送系统，其特征在于：所述云分析平台模块包括：

判断子模块，用于判断是否已存在与所述提取的智能用户终端的唯一标识码相对应的用户数据模型；

创建子模块，用于当不存在与所述提取的智能用户终端的唯一标识码相对应的用户数据模型时，则判定是新用户，创建用户数据模型并存储；

更新子模块，用于当存在与所述提取的智能用户终端的唯一标识码相对应的用户数据模型时，则判定不是新用户，根据所述请求消息更新用户数据模型并保存更新后的用户数据模型。

9.根据权利要求8所述的基于云计算分析的消息精准推送系统，其特征在于：所述更新子模块进一步用于：

根据所述请求消息判断预设时间段内对数据的请求量是否小于预设阈值，若是，则将用户偏好设置修改为对所述数据无关联，否则将用户偏好设置修改为对所述数据有关联；或者，

根据所述请求消息判断是否直接关闭对数据的请求，若是，则将用户偏好设置修改为对所述数据无关联，否则将用户偏好设置修改为对所述数据有关联。

10.根据权利要求7所述的基于云计算分析的消息精准推送系统，其特征在于：所述筛选匹配模块具体用于：

将所述筛选出的消息根据所述用户数据模型的偏好设置和地理位置信息进行进一步筛选，并匹配出地理位置信息相对应的以及用户偏好设置为有关联的数据消息。