CN107547594A - 一种交易信息推送方法和装置 - Google Patents
一种交易信息推送方法和装置 Download PDFInfo
- Publication number
- CN107547594A CN107547594A CN201610482012.1A CN201610482012A CN107547594A CN 107547594 A CN107547594 A CN 107547594A CN 201610482012 A CN201610482012 A CN 201610482012A CN 107547594 A CN107547594 A CN 107547594A
- Authority
- CN
- China
- Prior art keywords
- information providing
- wifi
- user
- information
- relevance score
- 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
- Telephonic Communication Services (AREA)
Abstract
本发明公开了一种交易信息推送方法和装置,所述方法包括:获取用户的wifi指纹;根据所构建的信息提供方的wifi指纹数据库,筛选出信息提供方的wifi指纹与用户的wifi指纹之间存在交集的信息提供方;从筛选出的信息提供方中确定出距离用户最近的信息提供方;将确定出的信息提供方对应的交易信息推送给用户。应用本发明所述方案,能够提高信息推送的准确性和提高网络资源的利用率。
Description
【技术领域】
本发明涉及网络技术,特别涉及一种交易信息推送方法和装置。
【背景技术】
对于在电商平台上注册的用户,为促使用户进行交易,可主动向用户推送一些交易信息,比如,对于团购电商平台,可主动向用户推送一些团单信息。
但是,现有推送方式中,推送给各用户的交易信息通常都是相同的,如比较热门的团单信息,而不同的用户可能有不同的需求,因此导致信息推送不准确,而且,由于所推送的很可能是用户不需要的信息,即推送的是无用信息,从而白白浪费了网络资源。
【发明内容】
本发明提供了一种交易信息推送方法和装置,能够提高信息推送的准确性和提高网络资源的利用率。
具体技术方案如下:
一种交易信息推送方法,包括:
获取用户的wifi指纹;
根据所构建的各信息提供方的wifi指纹数据库,筛选出信息提供方的wifi指纹与所述用户的wifi指纹之间存在交集的信息提供方;
从筛选出的信息提供方中确定出距离所述用户最近的信息提供方;
将确定出的信息提供方对应的交易信息推送给所述用户。
根据本发明一优选实施例,每个wifi指纹中包括:扫描到的wifi列表,所述wifi列表中包括:每个wifi的媒体访问控制mac地址;
所述wifi指纹数据库的构建方式包括:
每经过第一预定时长,则根据最近第二预定时长内获取到的各信息提供方的wifi指纹,建立各信息提供方的wifi列表中包括的各mac地址与对应的信息提供方之间的倒排索引;
所述筛选出的信息提供方包括:
根据所述倒排索引,确定出的所述用户的wifi列表中包括的各mac地址对应的信息提供方。
根据本发明一优选实施例,对于任一信息提供方,所述第二预定时长内获取到的该信息提供方的wifi指纹数为一或大于一。
根据本发明一优选实施例,每个倒排索引中进一步包括:该倒排索引中的每个信息提供方对应于该倒排索引中的mac地址的权重;
所述从筛选出的信息提供方中确定出距离所述用户最近的信息提供方包括:
针对每个筛选出的信息提供方,分别计算该信息提供方对应于所述用户的wifi列表中包括的各mac地址的权重之和,将计算结果作为该信息提供方的第一相关性评分;
将所述第一相关性评分最高的信息提供方作为距离所述用户最近的信息提供方。
根据本发明一优选实施例,所述wifi列表中进一步包括:每个wifi的信号强度;
对于任一信息提供方,其第一相关性评分
其中,所述n表示所述用户的wifi列表中包括的mac地址数;
所述wi表示该信息提供方对应于所述用户的wifi列表中的第i个mac地址的权重;
所述si表示所述用户的wifi列表中的第i个mac地址对应的加权系数,对于任一mac地址,对应的wifi信号强度越强,所述加权系数的取值越大,在所述用户的wifi列表中的位置越靠前,所述加权系数的取值越大。
根据本发明一优选实施例,对于任一信息提供方,其权重W(w)=(log(f(w)+1)×log(N/n(w));
其中,所述f(w)表示该信息提供方所在倒排索引中的mac地址在所述第二预定时长内获取到的该信息提供方的wifi列表中出现的总次数;
所述n(w)表示该信息提供方所在倒排索引中的mac地址在所述第二预定时长内获取到的各wifi列表中出现的总次数;
所述N表示所述第二预定时长内获取到的wifi列表的总个数。
根据本发明一优选实施例,所述wifi列表中进一步包括:每个wifi的服务集标识ssid;
该方法进一步包括:
获取所述用户的经纬度信息,并确定出位于以所述经纬度为中心点的预定区域内的信息提供方;
针对位于所述预定区域内的每个信息提供方,分别根据该信息提供方的名称以及所述用户的wifi列表中的各wifi的ssid,计算出该信息提供方的第二相关性评分;
将所述第一相关性评分符合要求的信息提供方和所述第二相关性评分符合要求的信息提供方取并集,组成候选信息提供方列表;
针对所述候选信息提供方列表中的每个信息提供方,分别根据已计算出的该信息提供方的评分进一步计算出该信息提供方的最终评分,将最终评分最高的信息提供方作为距离所述用户最近的信息提供方。
根据本发明一优选实施例,所述wifi列表中进一步包括:每个wifi的信号强度;
对于任一信息提供方,其第二相关性评分
其中,所述n表示所述用户的wifi列表中包括的ssid数;
所述qi表示该信息提供方的名称的拼音全拼与所述用户的wifi列表中的第i个ssid之间的相似度以及该信息提供方的名称的拼音缩写与所述用户的wifi列表中的第i个ssid之间的相似度之和;
所述li表示所述用户的wifi列表中的第i个ssid对应的加权系数,对于任一ssid,对应的wifi信号强度越强,所述加权系数的取值越大。
根据本发明一优选实施例,对于任一信息提供方,其最终评分P=(1+a*P1’)*(1+b*P2’);
其中,所述P1’表示该信息提供方的归一化后的第一相关性评分,所述P2’表示该信息提供方的归一化后的第二相关性评分;
所述a表示所述P1’对应的加权系数,所述b表示所述P2’对应的加权系数;
若该信息提供方不存在第一相关性评分,则所述P1’的取值为0,若该信息提供方不存在第二相关性评分,则所述P2’的取值为0。
根据本发明一优选实施例,对于任一信息提供方,其归一化后的第一相关性评分P1’=P1/maxP1,归一化后的第二相关性评分P2’=P2/maxP2;
其中,所述P1表示该信息提供方的第一相关性评分,所述P2表示该信息提供方的第二相关性评分;
所述maxP1表示计算出的各第一相关性评分中的最大值,所述maxP2表示计算出的各第二相关性评分中的最大值。
一种交易信息推送装置,包括:定位单元和推送单元;
所述定位单元,用于获取用户的wifi指纹,根据所构建的各信息提供方的wifi指纹数据库,筛选出信息提供方的wifi指纹与所述用户的wifi指纹之间存在交集的信息提供方,从筛选出的信息提供方中确定出距离所述用户最近的信息提供方,将确定出的信息提供方通知给所述推送单元;
所述推送单元,用于将确定出的信息提供方对应的交易信息推送给所述用户。
根据本发明一优选实施例,每个wifi指纹中包括:扫描到的wifi列表,所述wifi列表中包括:每个wifi的媒体访问控制mac地址;
所述装置中进一步包括:数据库构建单元;
所述数据库构建单元,用于每经过第一预定时长,则根据最近第二预定时长内获取到的各信息提供方的wifi指纹,建立各信息提供方的wifi列表中包括的各mac地址与对应的信息提供方之间的倒排索引;
所述筛选出的信息提供方包括:
根据所述倒排索引,确定出的所述用户的wifi列表中包括的各mac地址对应的信息提供方。
根据本发明一优选实施例,对于任一信息提供方,所述第二预定时长内获取到的该信息提供方的wifi指纹数为一或大于一。
根据本发明一优选实施例,每个倒排索引中进一步包括:该倒排索引中的每个信息提供方对应于该倒排索引中的mac地址的权重;
所述定位单元用于针对每个筛选出的信息提供方,分别计算该信息提供方对应于所述用户的wifi列表中包括的各mac地址的权重之和,将计算结果作为该信息提供方的第一相关性评分,将所述第一相关性评分最高的信息提供方作为距离所述用户最近的信息提供方。
根据本发明一优选实施例,所述wifi列表中进一步包括:每个wifi的信号强度;
对于任一信息提供方,其第一相关性评分
其中,所述n表示所述用户的wifi列表中包括的mac地址数;
所述wi表示该信息提供方对应于所述用户的wifi列表中的第i个mac地址的权重;
所述si表示所述用户的wifi列表中的第i个mac地址对应的加权系数,对于任一mac地址,对应的wifi信号强度越强,所述加权系数的取值越大,在所述用户的wifi列表中的位置越靠前,所述加权系数的取值越大。
根据本发明一优选实施例,对于任一信息提供方,其权重W(w)=(log(f(w)+1)×log(N/n(w));
其中,所述f(w)表示该信息提供方所在倒排索引中的mac地址在所述第二预定时长内获取到的该信息提供方的wifi列表中出现的总次数;
所述n(w)表示该信息提供方所在倒排索引中的mac地址在所述第二预定时长内获取到的各wifi列表中出现的总次数;
所述N表示所述第二预定时长内获取到的wifi列表的总个数。
根据本发明一优选实施例,所述wifi列表中进一步包括:每个wifi的服务集标识ssid;
所述定位单元进一步用于,
获取所述用户的经纬度信息,并确定出位于以所述经纬度为中心点的预定区域内的信息提供方;
针对位于所述预定区域内的每个信息提供方,分别根据该信息提供方的名称以及所述用户的wifi列表中的各wifi的ssid,计算出该信息提供方的第二相关性评分;
将所述第一相关性评分符合要求的信息提供方和所述第二相关性评分符合要求的信息提供方取并集,组成候选信息提供方列表;
针对所述候选信息提供方列表中的每个信息提供方,分别根据已计算出的该信息提供方的评分进一步计算出该信息提供方的最终评分,将最终评分最高的信息提供方作为距离所述用户最近的信息提供方。
根据本发明一优选实施例,所述wifi列表中进一步包括:每个wifi的信号强度;
对于任一信息提供方,其第二相关性评分
其中,所述n表示所述用户的wifi列表中包括的ssid数;
所述qi表示该信息提供方的名称的拼音全拼与所述用户的wifi列表中的第i个ssid之间的相似度以及该信息提供方的名称的拼音缩写与所述用户的wifi列表中的第i个ssid之间的相似度之和;
所述li表示所述用户的wifi列表中的第i个ssid对应的加权系数,对于任一ssid,对应的wifi信号强度越强,所述加权系数的取值越大。
根据本发明一优选实施例,对于任一信息提供方,其最终评分P=(1+a*P1’)*(1+b*P2’);
其中,所述P1’表示该信息提供方的归一化后的第一相关性评分,所述P2’表示该信息提供方的归一化后的第二相关性评分;
所述a表示所述P1’对应的加权系数,所述b表示所述P2’对应的加权系数;
若该信息提供方不存在第一相关性评分,则所述P1’的取值为0,若该信息提供方不存在第二相关性评分,则所述P2’的取值为0。
根据本发明一优选实施例,对于任一信息提供方,其归一化后的第一相关性评分P1’=P1/maxP1,归一化后的第二相关性评分P2’=P2/maxP2;
其中,所述P1表示该信息提供方的第一相关性评分,所述P2表示该信息提供方的第二相关性评分;
所述maxP1表示计算出的各第一相关性评分中的最大值,所述maxP2表示计算出的各第二相关性评分中的最大值。
通过以上介绍可以看出,采用本发明所述方案,可根据用户的wifi指纹信息和信息提供方的wifi指纹信息,确定出距离用户最近的信息提供方,进而将该信息提供方对应的交易信息推送给用户,即可根据用户所处位置,有针对性地向用户推送交易信息,从而提高了信息推送的准确性,而且,由于减少了无用信息的推送,从而提高了网络资源的利用率。
【附图说明】
图1为本发明交易信息推送方法实施例的流程图。
图2为本发明交易信息推送装置实施例的组成结构示意图。
【具体实施方式】
针对现有技术中存在的问题,本发明中提出一种交易信息推送方案,能够根据用户所处位置,有针对性地向用户推送交易信息。
为了使本发明的技术方案更加清楚、明白,以下参照附图并举实施例,对本发明所述方案作进一步地详细说明。
实施例一
图1为本发明交易信息推送方法实施例的流程图,如图1所示,包括以下具体实现方式。
在11中,获取用户的wifi指纹。
可通过用户所使用的移动终端来扫描并上传用户的wifi指纹,比如,可定期地扫描并上传用户的wifi指纹,或者,也可在满足预定条件时,如用户点击安装在移动终端上的电商平台app时,扫描并上传用户的wifi指纹,具体实现方式不限。
用户的wifi指纹中可包括:扫描到的wifi列表,wifi列表中可包括扫描到的各wifi的相关信息,如媒体访问控制(mac)地址、服务集标识(ssid)和信号强度等。
在12中,根据所构建的各信息提供方的wifi指纹数据库,筛选出信息提供方的wifi指纹与用户的wifi指纹之间存在交集的信息提供方。
wifi指纹数据库的构建方式可为:
每经过第一预定时长,则根据最近第二预定时长内获取到的各信息提供方的wifi指纹,建立起各信息提供方的wifi列表中包括的各mac地址与对应的信息提供方之间的倒排索引。
即每经过第一预定时长,则根据最近第二预定时长内获取到的各信息提供方的wifi指纹,建立(更新)一次倒排索引。
第一预定时长和第二预定时长的具体取值均可根据实际需要而定,通常,第二预定时长的取值大于第一预定时长的取值。
对于任一信息提供方,第二预定时长内获取到的该信息提供方的wifi指纹数可能为一个,也可能大于一个。
对于任一信息提供方,获取其wifi指纹的方式可包括:该信息提供方上传自身的wifi指纹,如可周期性上传或满足特定条件时上传等,当然,此处仅为举例说明,也可以采用本领域技术人员能够想到的任意其它方式。
与用户的wifi指纹相同,各信息提供方的wifi指纹中也会包括:扫描到的wifi列表,wifi列表中可包括:每个wifi的mac地址、ssid和信号强度等。
每个信息提供方的wifi列表中均可能包括多个wifi,而每个wifi均可能对应多个信息提供方,即每个wifi均可能出现在多个信息提供方的wifi列表中。
可统计出最近第二预定时长内获取到的各信息提供方的wifi列表中共包括哪些不同的mac地址,然后针对每个mac地址,分别统计出其对应哪些信息提供方,根据统计结果,建立起各mac地址与对应的信息提供方之间的倒排索引。
之后,可根据所建立的倒排索引,确定出用户的wifi列表中包括的各mac地址对应的信息提供方,即筛选出信息提供方的wifi指纹与用户的wifi指纹之间存在交集的信息提供方。
比如,用户的wifi列表中包括3个mac地址,分别为mac地址1、mac地址2和mac地址3,根据mac地址1所在的倒排索引,确定出mac地址1对应2个信息提供方,根据mac地址2所在的倒排索引,确定出mac地址2对应3个信息提供方,根据mac地址3所在的倒排索引,确定出mac地址3对应4个信息提供方,那么筛选出的信息提供方的个数则为2+3+4=9个。
在13中,从筛选出的信息提供方中确定出距离用户最近的信息提供方。
每条倒排索引中可进一步包括:该倒排索引中的每个信息提供方对应于该倒排索引中的mac地址的权重。
对于任一信息提供方,其权重W(w)=(log(f(w)+1)×log(N/n(w));(1)
其中,f(w)表示该信息提供方所在倒排索引中的mac地址在第二预定时长内获取到的该信息提供方的wifi列表中出现的总次数;
n(w)表示该信息提供方所在倒排索引中的mac地址在第二预定时长内获取到的各wifi列表中出现的总次数;
N表示第二预定时长内获取到的wifi列表的总个数。
比如,第二预定时长内共获取到了5个wifi指纹(实际会远大于5个,此处仅为了表述方便),5个wifi指纹分别如下所示:
mac地址1、mac地址2、mac地址3->信息提供方A;
mac地址1、mac地址2、mac地址4->信息提供方A;
mac地址1、mac地址2、mac地址3->信息提供方A;
mac地址2、mac地址3、mac地址4->信息提供方B;
mac地址1、mac地址3、mac地址4->信息提供方B;
以mac地址1为例,其对应的信息提供方为信息提供方A和信息提供方B,在计算信息提供方A对应于mac地址1的权重时,f(w)的取值为3,n(w)的取值为4,在计算信息提供方B对应于mac地址1的权重时,f(w)的取值为1,n(w)的取值为4;
这样,mac地址1对应的倒排索引即为:
mac地址1:[信息提供方A,信息提供方A对应于mac地址1的权重],[信息提供方B,信息提供方B对应于mac地址1的权重]。
通过上述介绍可以看出,如果某些wifi的功率较大,分布较广,会对应多个信息提供方,实际上对于信息提供方的定位没有太多价值,因此会给予较小的权重,反之,某些wifi就是属于某个信息提供方,出现次数少但是对于定位有很大的帮助,因此会给予较大的权重。
在此基础上,对于12中筛选出的每个信息提供方,可分别计算该信息提供方对应于用户的wifi列表中包括的各mac地址的权重之和,并将计算结果作为该信息提供方的第一相关性评分。
对于任一信息提供方,第一相关性评分
其中,n表示用户的wifi列表中包括的mac地址数;
wi表示该信息提供方对应于用户的wifi列表中的第i个mac地址的权重;
si表示用户的wifi列表中的第i个mac地址对应的加权系数,对于任一mac地址,对应的wifi信号强度越强,对应的加权系数的取值越大,在用户的wifi列表中的位置越靠前,对应的加权系数的取值越大,在遵循上述原则的基础上,不同的mac地址分别对应的加权系数的具体取值可根据实际需要而定。
在分别计算出筛选出的各信息提供方的第一相关性评分之后,可将第一相关性评分最高的信息提供方确定为距离用户最近的信息提供方。
或者,为了提高定位结果的准确性,还可进一步结合用户的经纬度信息来确定出距离用户最近的信息提供方。
相应地,在获取用户的wifi信息的同时,还需要进一步获取用户的经纬度信息,用户可通过所使用的移动终端来采集并上传自身的经纬度信息。
在获取到用户的经纬度信息之后,可确定出位于以获取到的经纬度为中心点的预定区域如方圆1公里内的信息提供方,由于各信息提供方的地理位置均是可知的,因此可以很方便地确定出位于所述预定区域内的信息提供方。
之后,针对位于预定区域内的每个信息提供方,可分别根据该信息提供方的名称以及用户的wifi列表中的各wifi的ssid,计算出该信息提供方的第二相关性评分。
对于任一信息提供方,其第二相关性评分
其中,n表示用户的wifi列表中包括的ssid数,与用户的wifi列表中包括的mac地址数相同;
qi表示该信息提供方的名称的拼音全拼与用户的wifi列表中的第i个ssid之间的相似度以及该信息提供方的名称的拼音缩写与用户的wifi列表中的第i个ssid之间的相似度之和;
li表示用户的wifi列表中的第i个ssid对应的加权系数,对于任一ssid,对应的wifi信号强度越强,对应的加权系数的取值越大,在遵循上述原则的基础上,不同的ssid分别对应的加权系数的具体取值可根据实际需要而定。
参与计算的信息提供方的名称的拼音全拼和拼音缩写预先均进行了预处理,包括:去除括号中的内容、去除特殊字符、转为小写等。
参与计算的ssid信息也需要预先进行预处理,包括:去除运营商前缀、去除特殊后缀、去除设备商标识、去除前后数字、转为小写等。
预处理是为了进行信息规范化,以便于计算相似度,所述相似度计算可采用编辑距离等算法。
假设某一信息提供方的名称的拼音全拼为“xiaofeiyang”,那么拼音缩写则可为“xfy”。
可将第一相关性评分符合要求的信息提供方和第二相关性评分符合要求的信息提供方取并集,组成候选信息提供方列表。
对于12中筛选出的各信息提供方,可将第一相关性评分大于预定阈值的信息提供方加入到候选信息提供方列表中,或者,按照第一相关性评分从大到小的顺序进行排序,将排序后处于前Q1位的信息提供方加入到候选信息提供方列表中,Q1为正整数。
同样,对于确定出的位于以用户的经纬度为中心点的预定区域内的各信息提供方,可将第二相关性评分大于预定阈值的信息提供方加入到候选信息提供方列表中,或者,按照第二相关性评分从大到小的顺序进行排序,将排序后处于前Q2位的信息提供方加入到候选信息提供方列表中,Q2为正整数。
上述各阈值以及Q1、Q2的具体取值均可根据实际需要而定。
针对候选信息提供方列表中的每个信息提供方,可分别根据已计算出的该信息提供方的评分进一步计算出该信息提供方的最终评分,将最终评分最高的信息提供方作为距离用户最近的信息提供方。
对于任一信息提供方,其最终评分P=(1+a*P1’)*(1+b*P2’); (4)
其中,P1’表示该信息提供方的归一化后的第一相关性评分,P2’表示该信息提供方的归一化后的第二相关性评分;
a表示P1’对应的加权系数,b表示P2’对应的加权系数,a和b的具体取值均可根据实际需要而定,通常,b大于a,即在计算最终评分时,更为侧重于第二相关性评分;
若该信息提供方不存在第一相关性评分,则P1’的取值为0,若该信息提供方不存在第二相关性评分,则P2’的取值为0。
对于候选信息提供方列表中的每个信息提供方来说,如果其既属于12中筛选出的信息提供方,也属于位于以用户的经纬度为中心点的预定区域内的信息提供方,那么该信息提供方则会同时存在第一相关性评分和第二相关性评分,否则,只会存在第一相关性评分或第二相关性评分。
另外,对于任一信息提供方,
其归一化后的第一相关性评分P1’=P1/maxP1; (5)
其归一化后的第二相关性评分P2’=P2/maxP2; (6)
其中,P1表示该信息提供方的第一相关性评分,P2表示该信息提供方的第二相关性评分;
maxP1表示计算出的各第一相关性评分中的最大值,maxP2表示计算出的各第二相关性评分中的最大值。
比如,共10个信息提供方存在第一相关性评分,那么可从这10个第一相关性评分中选出最大值,然后将各信息提供方的第一相关性评分分别除以该最大值,这样,每个信息提供方的归一化后的第一相关性评分的取值均小于或等于1。
在14中,将距离用户最近的信息提供方对应的交易信息推送给用户。
距离用户最近的信息提供方对应的交易信息数可能为多个,那么可从中选出一个推送给用户,如随机选出一个或选出一个比较热门的推送给用户等。
以下以所述信息提供方为团购电商平台下属的各商户为例,对本发明所述方案进行进一步说明。
可采用以下方式之一或全部来获取各商户的wifi指纹:
1)当用户在商户消费之后,结账的时候,商户会核验团单,那么此时可由用户上传wifi指纹,由于此时用户是处于商户内的,因此该wifi指纹即为商户的wifi指纹;
2)商户周期性上传自身的wifi指纹;
比如,商户可在每天的预定时刻,上传自身的wifi指纹。
基于所获取的各商户的wifi指纹,可建立起各商户的wifi列表中包括的各mac地址与对应的商户之间的倒排索引,并可按照公式(1)分别计算出每个倒排索引中的每个商户的权重。
假设用户a在逛街时到了某一商户附近或进入了该商户内,并获取到了用户a的wifi指纹和经纬度信息。
那么可根据所建立的倒排索引,确定出用户a的wifi列表中包括的各mac地址对应的商户,并按照公式(2)分别计算出各商户的第一相关性评分P1。
并且,可确定出位于以用户a的经纬度为中心点的预定区域内的商户,并按照公式(3)分别计算出各商户的第二相关性评分P2。
之后,可利用第一相关性评分大于预定阈值的商户和第二相关性评分大于预定阈值的商户组成候选商户列表。
针对候选商户列表中的每个商户,可分别按照公式(4)、公式(5)和公式(6)计算出该商户的最终评分,并将最终评分最高的商户对应的团单信息推送给用户a。
如何进行团单信息推送可根据实际需要而定,比如,可采用短信方式进行推送,或者,也可以采用用户所使用的移动终端上所安装的团购电商平台app提醒消息的方式进行推送。
最终评分最高的商户对应的团单信息的数量通常会大于一个,这种情况下,可随机选出其中一个或选出一个比较热门的推送给用户。
以上是关于本发明方法实施例的介绍,以下对装置实施例进行介绍。
图2为本发明交易信息推送装置实施例的组成结构示意图,如图2所示,包括:定位单元21和推送单元22。
定位单元21获取用户的wifi指纹,根据所构建的各信息提供方的wifi指纹数据库,筛选出信息提供方的wifi指纹与用户的wifi指纹之间存在交集的信息提供方,从筛选出的信息提供方中确定出距离用户最近的信息提供方,将确定出的信息提供方通知给推送单元22;推送单元22将确定出的信息提供方对应的交易信息推送给用户。
另外,如图2所示,所述装置中还可进一步包括:数据库构建单元23。
wifi指纹中可包括:扫描到的wifi列表,wifi列表中可包括:每个wifi的mac地址、ssid和信号强度等。
相应地,数据库构建单元23可每经过第一预定时长,则根据最近第二预定时长内获取到的各信息提供方的wifi指纹,建立起各信息提供方的wifi列表中包括的各mac地址与对应的信息提供方之间的倒排索引。
第一预定时长和第二预定时长的具体取值均可根据实际需要而定,通常,第二预定时长的取值大于第一预定时长的取值。
对于任一信息提供方,第二预定时长内获取到的该信息提供方的wifi指纹数可能为一个,也可能大于一个。
每个信息提供方的wifi列表中均可能包括多个wifi,而每个wifi均可能对应多个信息提供方,即每个wifi均可能出现在多个信息提供方的wifi列表中。
数据库构建单元23可统计出最近第二预定时长内获取到的各信息提供方的wifi列表中共包括哪些不同的mac地址,然后针对每个mac地址,分别统计出其对应哪些信息提供方,根据统计结果,建立起各mac地址与对应的信息提供方之间的倒排索引。
定位单元21可通过查询数据库构建单元23所建立的倒排索引,确定出用户的wifi列表中包括的各mac地址对应的信息提供方,即筛选出信息提供方的wifi指纹与用户的wifi指纹之间存在交集的信息提供方。
另外,每个倒排索引中还可进一步包括:该倒排索引中的每个信息提供方对应于该倒排索引中的mac地址的权重。
对于任一信息提供方,其权重W(w)=(log(f(w)+1)×log(N/n(w)); (1)
其中,f(w)表示该信息提供方所在倒排索引中的mac地址在第二预定时长内获取到的该信息提供方的wifi列表中出现的总次数;
n(w)表示该信息提供方所在倒排索引中的mac地址在第二预定时长内获取到的各wifi列表中出现的总次数;
N表示第二预定时长内获取到的wifi列表的总个数。
在此基础上,对于筛选出的每个信息提供方,定位单元21可分别计算该信息提供方对应于用户的wifi列表中包括的各mac地址的权重之和,并将计算结果作为该信息提供方的第一相关性评分。
对于任一信息提供方,第一相关性评分
其中,n表示用户的wifi列表中包括的mac地址数;
wi表示该信息提供方对应于用户的wifi列表中的第i个mac地址的权重;
si表示用户的wifi列表中的第i个mac地址对应的加权系数,对于任一mac地址,对应的wifi信号强度越强,对应的加权系数的取值越大,在用户的wifi列表中的位置越靠前,对应的加权系数的取值越大,在遵循上述原则的基础上,不同的mac地址分别对应的加权系数的具体取值可根据实际需要而定。
在分别计算出筛选出的各信息提供方的第一相关性评分之后,定位单元21可将第一相关性评分最高的信息提供方确定为距离用户最近的信息提供方。
或者,为了提高定位结果的准确性,定位单元21还可进一步结合用户的经纬度信息来确定出距离用户最近的信息提供方。
相应地,定位单元21在获取用户的wifi信息的同时,还需要进一步获取用户的经纬度信息。定位单元21在获取到用户的经纬度信息之后,可确定出位于以获取到的经纬度为中心点的预定区域如方圆1公里内的信息提供方。
之后,针对位于预定区域内的每个信息提供方,定位单元21可分别根据该信息提供方的名称以及用户的wifi列表中的各wifi的ssid,计算出该信息提供方的第二相关性评分。
对于任一信息提供方,其第二相关性评分
其中,n表示用户的wifi列表中包括的ssid数,与用户的wifi列表中包括的mac地址数相同;
qi表示该信息提供方的名称的拼音全拼与用户的wifi列表中的第i个ssid之间的相似度以及该信息提供方的名称的拼音缩写与用户的wifi列表中的第i个ssid之间的相似度之和;
li表示用户的wifi列表中的第i个ssid对应的加权系数,对于任一ssid,对应的wifi信号强度越强,对应的加权系数的取值越大,在遵循上述原则的基础上,不同的ssid分别对应的加权系数的具体取值可根据实际需要而定。
参与计算的信息提供方的名称的拼音全拼和拼音缩写预先均进行了预处理,包括:去除括号中的内容、去除特殊字符、转为小写等。
参与计算的ssid信息也需要预先进行预处理,包括:去除运营商前缀、去除特殊后缀、去除设备商标识、去除前后数字、转为小写等。
预处理是为了进行信息规范化,以便于计算相似度,所述相似度计算可采用编辑距离等算法。
定位单元21可将第一相关性评分符合要求的信息提供方和第二相关性评分符合要求的信息提供方取并集,组成候选信息提供方列表,并针对候选信息提供方列表中的每个信息提供方,分别根据已计算出的该信息提供方的评分进一步计算出该信息提供方的最终评分,将最终评分最高的信息提供方作为距离用户最近的信息提供方。
对于任一信息提供方,其最终评分P=(1+a*P1’)*(1+b*P2’); (4)
其中,P1’表示该信息提供方的归一化后的第一相关性评分,P2’表示该信息提供方的归一化后的第二相关性评分;
a表示P1’对应的加权系数,b表示P2’对应的加权系数,a和b的具体取值均可根据实际需要而定,通常,b大于a;
若该信息提供方不存在第一相关性评分,则P1’的取值为0,若该信息提供方不存在第二相关性评分,则P2’的取值为0。
对于候选信息提供方列表中的每个信息提供方来说,如果其既属于筛选出的存在交集的信息提供方,也属于位于以用户的经纬度为中心点的预定区域内的信息提供方,那么该信息提供方则会同时存在第一相关性评分和第二相关性评分,否则,只会存在第一相关性评分或第二相关性评分。
另外,对于任一信息提供方,
其归一化后的第一相关性评分P1’=P1/maxP1; (5)
其归一化后的第二相关性评分P2’=P2/maxP2; (6)
其中,P1表示该信息提供方的第一相关性评分,P2表示该信息提供方的第二相关性评分;
maxP1表示计算出的各第一相关性评分中的最大值,maxP2表示计算出的各第二相关性评分中的最大值。
定位单元21可将确定出的距离用户最近的信息提供方通知给推送单元22,进而由推送单元22将距离用户最近的信息提供方对应的交易信息推送给用户。
总之,采用本发明所述方案,可根据用户所处位置,有针对性地向用户推送交易信息,从而提高了信息推送的准确性,而且,由于减少了无用信息的推送,从而提高了网络资源的利用率。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。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。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (20)
1.一种交易信息推送方法,其特征在于,包括:
获取用户的wifi指纹;
根据所构建的各信息提供方的wifi指纹数据库,筛选出信息提供方的wifi指纹与所述用户的wifi指纹之间存在交集的信息提供方;
从筛选出的信息提供方中确定出距离所述用户最近的信息提供方;
将确定出的信息提供方对应的交易信息推送给所述用户。
2.根据权利要求1所述的方法,其特征在于,
每个wifi指纹中包括:扫描到的wifi列表,所述wifi列表中包括:每个wifi的媒体访问控制mac地址;
所述wifi指纹数据库的构建方式包括:
每经过第一预定时长,则根据最近第二预定时长内获取到的各信息提供方的wifi指纹,建立起各信息提供方的wifi列表中包括的各mac地址与对应的信息提供方之间的倒排索引;
所述筛选出的信息提供方包括:
根据所述倒排索引,确定出的所述用户的wifi列表中包括的各mac地址对应的信息提供方。
3.根据权利要求2所述的方法,其特征在于,
对于任一信息提供方,所述第二预定时长内获取到的该信息提供方的wifi指纹数为一或大于一。
4.根据权利要求3所述的方法,其特征在于,
每个倒排索引中进一步包括:该倒排索引中的每个信息提供方对应于该倒排索引中的mac地址的权重;
所述从筛选出的信息提供方中确定出距离所述用户最近的信息提供方包括:
针对每个筛选出的信息提供方,分别计算该信息提供方对应于所述用户的wifi列表中包括的各mac地址的权重之和,将计算结果作为该信息提供方的第一相关性评分;
将所述第一相关性评分最高的信息提供方作为距离所述用户最近的信息提供方。
5.根据权利要求4所述的方法,其特征在于,
所述wifi列表中进一步包括:每个wifi的信号强度;
对于任一信息提供方,其第一相关性评分
其中,所述n表示所述用户的wifi列表中包括的mac地址数;
所述wi表示该信息提供方对应于所述用户的wifi列表中的第i个mac地址的权重;
所述si表示所述用户的wifi列表中的第i个mac地址对应的加权系数,对于任一mac地址,对应的wifi信号强度越强,对应的加权系数的取值越大,在所述用户的wifi列表中的位置越靠前,对应的加权系数的取值越大。
6.根据权利要求4所述的方法,其特征在于,
对于任一信息提供方,其权重W(w)=(log(f(w)+1)×log(N/n(w));
其中,所述f(w)表示该信息提供方所在倒排索引中的mac地址在所述第二预定时长内获取到的该信息提供方的wifi列表中出现的总次数;
所述n(w)表示该信息提供方所在倒排索引中的mac地址在所述第二预定时长内获取到的各wifi列表中出现的总次数;
所述N表示所述第二预定时长内获取到的wifi列表的总个数。
7.根据权利要求4所述的方法,其特征在于,
所述wifi列表中进一步包括:每个wifi的服务集标识ssid;
该方法进一步包括:
获取所述用户的经纬度信息,并确定出位于以所述经纬度为中心点的预定区域内的信息提供方;
针对位于所述预定区域内的每个信息提供方,分别根据该信息提供方的名称以及所述用户的wifi列表中的各wifi的ssid,计算出该信息提供方的第二相关性评分;
将所述第一相关性评分符合要求的信息提供方和所述第二相关性评分符合要求的信息提供方取并集,组成候选信息提供方列表;
针对所述候选信息提供方列表中的每个信息提供方,分别根据已计算出的该信息提供方的评分进一步计算出该信息提供方的最终评分,将最终评分最高的信息提供方作为距离所述用户最近的信息提供方。
8.根据权利要求7所述的方法,其特征在于,
所述wifi列表中进一步包括:每个wifi的信号强度;
对于任一信息提供方,其第二相关性评分
其中,所述n表示所述用户的wifi列表中包括的ssid数;
所述qi表示该信息提供方的名称的拼音全拼与所述用户的wifi列表中的第i个ssid之间的相似度以及该信息提供方的名称的拼音缩写与所述用户的wifi列表中的第i个ssid之间的相似度之和;
所述li表示所述用户的wifi列表中的第i个ssid对应的加权系数,对于任一ssid,对应的wifi信号强度越强,对应的加权系数的取值越大。
9.根据权利要求7所述的方法,其特征在于,
对于任一信息提供方,其最终评分P=(1+a*P1’)*(1+b*P2’);
其中,所述P1’表示该信息提供方的归一化后的第一相关性评分,所述P2’表示该信息提供方的归一化后的第二相关性评分;
所述a表示所述P1’对应的加权系数,所述b表示所述P2’对应的加权系数;
若该信息提供方不存在第一相关性评分,则所述P1’的取值为0,若该信息提供方不存在第二相关性评分,则所述P2’的取值为0。
10.根据权利要求9所述的方法,其特征在于,
对于任一信息提供方,其归一化后的第一相关性评分P1’=P1/maxP1,归一化后的第二相关性评分P2’=P2/maxP2;
其中,所述P1表示该信息提供方的第一相关性评分,所述P2表示该信息提供方的第二相关性评分;
所述maxP1表示计算出的各第一相关性评分中的最大值,所述maxP2表示计算出的各第二相关性评分中的最大值。
11.一种交易信息推送装置,其特征在于,包括:定位单元和推送单元;
所述定位单元,用于获取用户的wifi指纹,根据所构建的各信息提供方的wifi指纹数据库,筛选出信息提供方的wifi指纹与所述用户的wifi指纹之间存在交集的信息提供方,从筛选出的信息提供方中确定出距离所述用户最近的信息提供方,将确定出的信息提供方通知给所述推送单元;
所述推送单元,用于将确定出的信息提供方对应的交易信息推送给所述用户。
12.根据权利要求11所述的装置,其特征在于,
每个wifi指纹中包括:扫描到的wifi列表,所述wifi列表中包括:每个wifi的媒体访问控制mac地址;
所述装置中进一步包括:数据库构建单元;
所述数据库构建单元,用于每经过第一预定时长,则根据最近第二预定时长内获取到的各信息提供方的wifi指纹,建立起各信息提供方的wifi列表中包括的各mac地址与对应的信息提供方之间的倒排索引;
所述筛选出的信息提供方包括:
所述定位单元通过查询所述倒排索引,确定出的所述用户的wifi列表中包括的各mac地址对应的信息提供方。
13.根据权利要求12所述的装置,其特征在于,
对于任一信息提供方,所述第二预定时长内获取到的该信息提供方的wifi指纹数为一或大于一。
14.根据权利要求13所述的装置,其特征在于,
每个倒排索引中进一步包括:该倒排索引中的每个信息提供方对应于该倒排索引中的mac地址的权重;
所述定位单元用于针对每个筛选出的信息提供方,分别计算该信息提供方对应于所述用户的wifi列表中包括的各mac地址的权重之和,将计算结果作为该信息提供方的第一相关性评分,将所述第一相关性评分最高的信息提供方作为距离所述用户最近的信息提供方。
15.根据权利要求14所述的装置,其特征在于,
所述wifi列表中进一步包括:每个wifi的信号强度;
对于任一信息提供方,其第一相关性评分
其中,所述n表示所述用户的wifi列表中包括的mac地址数;
所述wi表示该信息提供方对应于所述用户的wifi列表中的第i个mac地址的权重;
所述si表示所述用户的wifi列表中的第i个mac地址对应的加权系数,对于任一mac地址,对应的wifi信号强度越强,对应的加权系数的取值越大,在所述用户的wifi列表中的位置越靠前,对应的加权系数的取值越大。
16.根据权利要求14所述的装置,其特征在于,
对于任一信息提供方,其权重W(w)=(log(f(w)+1)×log(N/n(w));
其中,所述f(w)表示该信息提供方所在倒排索引中的mac地址在所述第二预定时长内获取到的该信息提供方的wifi列表中出现的总次数;
所述n(w)表示该信息提供方所在倒排索引中的mac地址在所述第二预定时长内获取到的各wifi列表中出现的总次数;
所述N表示所述第二预定时长内获取到的wifi列表的总个数。
17.根据权利要求14所述的装置,其特征在于,
所述wifi列表中进一步包括:每个wifi的服务集标识ssid;
所述定位单元进一步用于,
获取所述用户的经纬度信息,并确定出位于以所述经纬度为中心点的预定区域内的信息提供方;
针对位于所述预定区域内的每个信息提供方,分别根据该信息提供方的名称以及所述用户的wifi列表中的各wifi的ssid,计算出该信息提供方的第二相关性评分;
将所述第一相关性评分符合要求的信息提供方和所述第二相关性评分符合要求的信息提供方取并集,组成候选信息提供方列表;
针对所述候选信息提供方列表中的每个信息提供方,分别根据已计算出的该信息提供方的评分进一步计算出该信息提供方的最终评分,将最终评分最高的信息提供方作为距离所述用户最近的信息提供方。
18.根据权利要求17所述的装置,其特征在于,
所述wifi列表中进一步包括:每个wifi的信号强度;
对于任一信息提供方,其第二相关性评分
其中,所述n表示所述用户的wifi列表中包括的ssid数;
所述qi表示该信息提供方的名称的拼音全拼与所述用户的wifi列表中的第i个ssid之间的相似度以及该信息提供方的名称的拼音缩写与所述用户的wifi列表中的第i个ssid之间的相似度之和;
所述li表示所述用户的wifi列表中的第i个ssid对应的加权系数,对于任一ssid,对应的wifi信号强度越强,对应的加权系数的取值越大。
19.根据权利要求17所述的装置,其特征在于,
对于任一信息提供方,其最终评分P=(1+a*P1’)*(1+b*P2’);
其中,所述P1’表示该信息提供方的归一化后的第一相关性评分,所述P2’表示该信息提供方的归一化后的第二相关性评分;
所述a表示所述P1’对应的加权系数,所述b表示所述P2’对应的加权系数;
若该信息提供方不存在第一相关性评分,则所述P1’的取值为0,若该信息提供方不存在第二相关性评分,则所述P2’的取值为0。
20.根据权利要求19所述的装置,其特征在于,
对于任一信息提供方,其归一化后的第一相关性评分P1’=P1/maxP1,归一化后的第二相关性评分P2’=P2/maxP2;
其中,所述P1表示该信息提供方的第一相关性评分,所述P2表示该信息提供方的第二相关性评分;
所述maxP1表示计算出的各第一相关性评分中的最大值,所述maxP2表示计算出的各第二相关性评分中的最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610482012.1A CN107547594B (zh) | 2016-06-27 | 2016-06-27 | 一种交易信息推送方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610482012.1A CN107547594B (zh) | 2016-06-27 | 2016-06-27 | 一种交易信息推送方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107547594A true CN107547594A (zh) | 2018-01-05 |
CN107547594B CN107547594B (zh) | 2020-07-28 |
Family
ID=60961495
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610482012.1A Active CN107547594B (zh) | 2016-06-27 | 2016-06-27 | 一种交易信息推送方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107547594B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113438737A (zh) * | 2021-07-02 | 2021-09-24 | 杭州云深科技有限公司 | WiFi位置信息的确定方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103906226A (zh) * | 2012-12-26 | 2014-07-02 | 中国电信股份有限公司 | 邻近终端发现方法、装置、终端和服务器 |
CN103945007A (zh) * | 2014-05-08 | 2014-07-23 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
US20160132932A1 (en) * | 2013-11-08 | 2016-05-12 | Laurance Stephen LINGVAY | Hyper-local content push and pay method for mobile devices |
CN105610887A (zh) * | 2015-08-28 | 2016-05-25 | 宇龙计算机通信科技(深圳)有限公司 | 信息推送方法、信息推送装置和服务器 |
CN105635969A (zh) * | 2016-01-26 | 2016-06-01 | 百度在线网络技术(北京)有限公司 | 一种信息推送方法和信息推送服务器 |
-
2016
- 2016-06-27 CN CN201610482012.1A patent/CN107547594B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103906226A (zh) * | 2012-12-26 | 2014-07-02 | 中国电信股份有限公司 | 邻近终端发现方法、装置、终端和服务器 |
US20160132932A1 (en) * | 2013-11-08 | 2016-05-12 | Laurance Stephen LINGVAY | Hyper-local content push and pay method for mobile devices |
CN103945007A (zh) * | 2014-05-08 | 2014-07-23 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN105610887A (zh) * | 2015-08-28 | 2016-05-25 | 宇龙计算机通信科技(深圳)有限公司 | 信息推送方法、信息推送装置和服务器 |
CN105635969A (zh) * | 2016-01-26 | 2016-06-01 | 百度在线网络技术(北京)有限公司 | 一种信息推送方法和信息推送服务器 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113438737A (zh) * | 2021-07-02 | 2021-09-24 | 杭州云深科技有限公司 | WiFi位置信息的确定方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN107547594B (zh) | 2020-07-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20190355058A1 (en) | Method and apparatus for processing credit score real-time adjustment, and processing server | |
WO2008046338A1 (fr) | Procédé et système de détermination d'informations indésirables | |
CA2754086C (en) | Method and system for transmitting information based on social network | |
EP2846271A1 (en) | Method and device for obtaining product information and computer storage medium | |
CN107306306B (zh) | 通信号码处理方法及装置 | |
CN104486143B (zh) | 一种深度报文检测方法、检测系统 | |
US11157875B2 (en) | Address extraction from a communication | |
CN106127505A (zh) | 一种刷单识别方法及装置 | |
CN102968439A (zh) | 一种推送微博的方法及装置 | |
CN108269087A (zh) | 位置信息的处理方法及装置 | |
CN102945246B (zh) | 网络信息数据的处理方法及装置 | |
CN106777282B (zh) | 相关搜索的排序方法和装置 | |
CN110166344A (zh) | 一种身份标识识别方法、装置以及相关设备 | |
CN104598780B (zh) | 账户识别方法和系统 | |
KR101621735B1 (ko) | 추천 검색어 제공 방법 및 시스템 | |
CN111311310B (zh) | 广告订单推送方法及装置、存储介质及电子装置 | |
EP3879418B1 (en) | Identity verification method and device | |
CN107545450A (zh) | 一种交易信息推送方法和装置 | |
CN107547594A (zh) | 一种交易信息推送方法和装置 | |
KR101568800B1 (ko) | 실시간 이슈 검색어 선별 방법 및 시스템 | |
CN110690987B (zh) | 账号信息管理方法、装置及设备 | |
CN112967091A (zh) | 营销服务事件的智能分发方法、系统及存储介质 | |
CN106611339B (zh) | 种子用户筛选方法、产品的用户影响力评价方法及装置 | |
CN112465558A (zh) | 用于预测区域广告触达率的方法、装置及设备 | |
CN104484330B (zh) | 基于分档关键词阈值组合评估的垃圾评论预选方法及装置 |
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 |