CN107657007A - 信息推送方法、装置、终端、可读存储介质及系统 - Google Patents
信息推送方法、装置、终端、可读存储介质及系统 Download PDFInfo
- Publication number
- CN107657007A CN107657007A CN201710868753.8A CN201710868753A CN107657007A CN 107657007 A CN107657007 A CN 107657007A CN 201710868753 A CN201710868753 A CN 201710868753A CN 107657007 A CN107657007 A CN 107657007A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- behavior
- terminal
- push
- 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
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000010801 machine learning Methods 0.000 claims abstract description 49
- 230000006399 behavior Effects 0.000 claims description 214
- 238000012795 verification Methods 0.000 claims description 20
- 238000004590 computer program Methods 0.000 claims description 13
- 230000009471 action Effects 0.000 claims description 7
- 230000003993 interaction Effects 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 abstract description 10
- 230000005540 biological transmission Effects 0.000 abstract description 2
- 230000003542 behavioural effect Effects 0.000 abstract 8
- 238000010586 diagram Methods 0.000 description 11
- 238000005516 engineering process Methods 0.000 description 9
- 230000033001 locomotion Effects 0.000 description 9
- 230000002093 peripheral effect Effects 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 6
- 238000013528 artificial neural network Methods 0.000 description 4
- 239000013307 optical fiber Substances 0.000 description 4
- 230000000644 propagated effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000010897 surface acoustic wave method Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 239000002537 cosmetic Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
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
- G06F16/9537—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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Telephonic Communication Services (AREA)
- Information Transfer Between Computers (AREA)
- Telephone Function (AREA)
Abstract
本申请公开了一种信息推送方法、装置、终端、可读存储介质及系统。该方法包括：接收第一终端发送的第一用户的位置信息和行为信息；将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；根据所述行为特征向所述第一用户发送推送信息。本申请实施例提供的信息推送方法，服务器能够在接收到第一终端发送的第一用户的位置信息和行为信息后；将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；然后根据所述行为特征向所述第一用户发送推送信息，进而提高推送准确性，提高推送转化率。
Description
技术领域
本申请实施例涉及电子设备应用技术，尤其涉及一种信息推送方法、装置、终端、可读存储介质及系统。
背景技术
随着智能终端的发展，智能手机等移动终端得到广泛普及。智能终端具有信息推送的功能，相关技术获取用户近期浏览的数据的类型，然后将该类型下的信息推送给用户。但是，这种推送技术准确性低，推送转化率低。
发明内容
本申请提供一种信息推送方法、装置、终端、可读存储介质及系统，可以提高推送准确性，提高推送转化率。
第一方面，本申请实施例提供了一种信息推送方法，应用于服务器，包括：
接收第一终端发送的第一用户的位置信息和行为信息；
将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；
根据所述行为特征向所述第一用户发送推送信息。
第二方面，本申请实施例还提供了一种信息推送方法，应用于第一终端，包括：
判断第一用户是否通过身份验证；
如果第一用户通过身份验证，则获取所述第一用户的行为信息和位置信息；
将所述行为信息和所述位置信息发送至服务器；
接收所述服务器发送的推送信息。
第三方面，本申请实施例还提供了一种信息推送装置，应用于服务器，包括：
第一接收模块，用于接收第一终端发送的第一用户的位置信息和行为信息；
机器学习模块，用于将所述第一接收模块接收到的所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；
第一发送模块，用于根据所述机器学习模块得到的所述行为特征向所述第一用户发送推送信息。
第四方面，本申请实施例还提供了一种信息推送装置，应用于第一终端，包括：
身份验证模块，用于判断第一用户是否通过身份验证；
信息获取模块，用于如果所述身份验证模块判定第一用户通过身份验证，则获取所述第一用户的行为信息和位置信息；
第二发送模块，用于将所述信息获取模块获取的所述行为信息和所述位置信息发送至服务器；
第二接收模块，用于接收所述服务器发送的推送信息。
第五方面，本申请实施例还提供了一种服务器，所述服务器包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
数据收发器，用于与终端进行数据交互；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第一方面中任一所示的信息推送方法。
第六方面，本申请实施例还提供了一种终端，所述终端包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
数据收发器，用于与服务器进行数据交互；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如第二方面中任一所示的信息推送方法。
第七方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所示中任一所示的信息推送方法。
第八方面，本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第二方面中任一所示的信息推送方法。
第九方面，本申请实施例还提供了一种信息推送系统，包括第五方面所示的服务器和第六方面所示的终端。
本申请实施例提供的信息推送方法，服务器能够在接收到第一终端发送的第一用户的位置信息和行为信息后；将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；然后根据所述行为特征向所述第一用户发送推送信息，进而提高推送准确性，提高推送转化率。
附图说明
图1是本申请实施例中的一种信息推送方法的流程图；
图2是本申请实施例中的另一种信息推送方法的流程图；
图3是本申请实施例中的另一种信息推送方法的流程图；
图4是本申请实施例中的另一种信息推送方法的流程图；
图5是本申请实施例中的另一种信息推送方法的流程图；
图6是本申请实施例中的一种信息推送装置的结构示意图；
图7是本申请实施例中的另一种信息推送装置的结构示意图；
图8是本申请实施例中的一种服务器的结构示意图；
图9是本申请实施例中的一种终端的结构示意图；
图10是本申请实施例中的一种信息推送系统的结构示意图。
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本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部结构。
目前，服务器获取用户近期浏览的数据的类型，然后将该类型下的信息推送给用户。然而，由于用户浏览的数据具有偶然性，根据用户偶然浏览的数进行信息推送，无法准确的定位用户需求，导致推送准确度低。对于推送准确度低的推送信息，用户并不关注推送信息的内容，进而用户并不会电机查看推送信息，导致推送信息的转化率低。此外，用户不关注的推送信息会占用终端的系统资源，且浪费用户流量。本申请实施例能够获取在获取用户的位置信息和行为信息后，根据机器学习模型得到该位置信息和行为信息对应的行为特征；然后根据所述行为特征向用户发送推送信息，实现通过机器学习模型确定推送信息的，提高推送信息的推送准确性和推送转化率，降低终端中的冗余数据，提高终端资源利用率。
图1为本申请基于的系统架构图，其中服务器通过通信网络与多个终端进行通信交互，各终端中登录有不同的用户，每个终端也可用用户表示。如图1中，服务器用于为终端提供信息推送服务，终端可以向服务器发送用户的位置信息和行为信息，服务器根据终端发送的位置信息和行为信息向终端发送推送信息。终端可以为智能手机、平板电脑、笔记本电脑、个人电脑或可穿戴设备等具有数据收发功能的电子设备。服务器可已通过有线网络或无线网络与终端进行通信。
图2为本申请实施例提供的一种信息推送方法的流程图，该方法应用于服务器，该方法适用于向终端进行信息推送的情况，具体包括下述步骤：
步骤110、接收第一终端发送的第一用户的位置信息和行为信息。
可通过有线网络或无线网络接收第一终端发送的位置信息和行为信息。第一终端为任意一个服务器提供推送信息服务的终端。
位置信息可以包括用户的全球定位系统(Global Positioning System，GPS)定位信息。服务器可以根据GSP定位信息获取到该定位信息对应的商铺信息。如果用户购物商场或超市等具有多层功能区域的建筑物内，则GPS定位信息无法准确的定位用户所在楼层。此时，定位信息可以包括用户所在商铺标识或者用户所在楼层标识等。
行为信息可以包括用户的运动状态或用户执行的动作特征等。位置信息和行为信息可以构成一个键值对，该键值对可以表示用户在某个位置进行的某种动作。
终端为每个用户建立一个数据存储空间，用于存储终端发送的位置信息和行为信息。服务器在接收到第一终端发送的数据后，对数据进行解析，从中获取到用户标识。将位置信息和行为信息的键值对存储到该用户标识对应的存储空间中，得到有键值组成的序列。该序列可以为队列结构也可以为堆栈结构。
步骤120、将位置信息和行为信息代入到预设机器学习模型，得到第一用户的行为特征。
预设机器学习模型可以为人工神经网络(Artificial Neural Networks，简写为ANNs)。将第一用户的位置信息和行为信息作为输入量代入到人工神经网络中。例如，随着第一用户的位置信息和行为信息得到数据量的逐渐增加，可以得到第一用户在一天内，或一天内某个时段中的运动轨迹。
由于用户每天的运动轨迹不及相同，因此如果仅根据坐标绘制用户的轨迹，显然无法准确的将用户的行为信息与位置信息进行结合。当用户的行为信息与位置信息结合后，可得到用户在不同行为信息时对应的位置信息的键值对，人工神经网络对第一用户的大量位置信息与行为信息的键值对进行学习，绘制出基于用户行为信息的运动轨迹，运动轨迹由位置信息构成。绘制得到的运动轨迹又称为行为特征。
步骤130、根据行为特征向第一用户发送推送信息。
可以根据第一用户的当前位置信息确定推送信息，也可以根据行为特征预估用户将要前往的目的地，向用户推送该目的地对应的推送信息。
在一种实现方式中，获取第一用户的当前位置信息，从步骤120得到的行为特征中，查找当前位置信息对应的行为信息。如果该行为信息唯一，则根据该行为信息确定推送信息。例如，用户从停车场A取车后，一定会移动到停车场B，然后从停车场B去健身房健身。此时，当获取到用户当前位置为停车场A时，向用户道路交通信息。
进一步的，如果当前位置信息对应的下一个位置信息和行为信息的键值对固定，则可根据下一个位置信息和行为信息的键值对确定推送信息。例如，在上例中，当用户到达停车场A后向用户推送停车场B的车位情况，或向用户推送今日的健身计划或健身房今日的特色服务等。
在另一种实现方式中，获取第一用户的当前位置信息，从步骤120得到的行为特征中，查找当前位置信息对应的行为信息。如果存在多个行为信息，则从第一终端获取第一用户的当前行为信息。
判断多个行为信息中是否存在用户的当前行为信息。如果存在，则根据存在的行为信息和当前位置信息的键值对确定推送信息。例如，用户在某商场中，经常去某咖啡店喝某种咖啡。如果用户当前位置为该商场，行为信息为喝咖啡，则向用户推送该咖啡店的周边的优惠活动或者该咖啡店销售的与第一用户有关的特色产品，如用户星座有关的杯子等。如果不存在，则
或者，如果存在多个行为信息，则从多个行为信息中选择一个权重最高的行为信息作为当前行为信息。权重可以由下述权重参数中的至少一个或多个确定：行为信息发生的时间与当前时间的匹配度、在预设时间段内行为信息发生频率、行为信息的健康性等
其中，行为信息发生的时间与当前时间的匹配度可以包括是否行为信息发生的时间与当前时间是否均为工作日或节假日；还包括行为信息发生的具体时间段，如上午、下午或晚上等。预设时间可以为1周或1个月。行为信息的健康性包括是否利用用户健身，例如行为信息为运动和回家，则运动的权重大于回家权重。
进一步的，还可以获取当前时间，根据当前时间、第一用户的当前位置信息、当前行为信息相第一用户推送信息。例如，用户在工作日的固定时间下班或上班，且用户的交通方式为驾车，此时向用户推送道路交通信息。进一步可相同于推送用户回家常用路段的道路交通信息(如道路拥堵情况，车辆事故报告等)。进一步的，还可根据道路交通信息为用户推荐更加快捷的路径。进一步的，如果用户在固定时间进行加油，如每周三加油200元，则如果当前为周三，则推送用户准备加油的金额以及加油的提示信息。
本实施例提供的信息推送方法，服务器能够在接收到第一终端发送的第一用户的位置信息和行为信息后；将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；然后根据所述行为特征向所述第一用户发送推送信息。机器学习模型能够根据位置信息和行为信息构建用户的行为特征，行为特征包括用户的运动轨迹以及运功轨迹上的行为信息。根据行为特征能够更加准确的为用户提供推送信息，使得推送信息与用户当前的行为或者用户将要去往的目的地相符合，提高信息推送的准确性。用户接收到有用的推送信息后，会开启信息进行阅读，进而提高推送转化率。同时，避免了用户只接受不查看推送信息的问题，提高了终端的资源利用率。
在执行上述实施例时发现，由于机器学习需要根据大量数据进行机器学习后方可生成机器学习模型，因此在初期用户的行为信息和位置信息较少时，无法准确度判定第一用户的行为特征。基于此，为本申请实施例提供了一种信息推送的方法，图3为本申请实施例提供的信息推送方法的流程图，作为对上述实施例的进一步说明，步骤120、将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征，可通过下述方式进行实施：获取具有相同行为特征的第二用户；将第二用户和第一用户的行为特征代入到预设机器学习模型，得到第一用户的行为特征。此时，信息推送方法包括：
步骤210、接收第一终端发送的第一用户的位置信息和行为信息。
步骤210与步骤110相同，具体可参照步骤110的说明。
步骤220、获取具有相同行为特征的第二用户。
由于服务器分别对多个用户的行为特征进行学习，因此当第一用户的数据不够完善时，可查找与第一用户具有相同行为特征的第二用户。
可以根据第一用户已有的键值对，查找包含有该键值对的多个其他用户，从多个其他用户中确定第二用户。从多个其他用户中确定第二用户时，可以获取第一用户的属性信息，将与第一用户的属性信息最为接近的其他用户确定为第二用户。属性信息可以包括下述至少一种或多种的组合：年龄信息、性别信息、工作位置、居住位置或兴趣爱好等。
第二用户的数量可以为一个或多个。第二用户的数量越少，其对应的位置信息和行为信息的键值对的数据量越大。
步骤230、将第二用户和第一用户的行为信息和位置信息代入到预设机器学习模型，得到第一用户的行为特征。
首先将第一用户的行为信息和位置信息代入到预设机器学习模型。然后，判断第一用户的行为信息和位置信息数量是否能够得到第一用户的行为特征，如果无法得到第一用户的行为特征，则将至少一个第二用户的行为信息和位置信息代入到预设机器学习模型中。
随着第一用户的位置信息和行为信息的逐渐增加，后续只将第一用户的新增行为信息和位置信息代入到预设机器学习模型中。
步骤240、根据行为特征向第一用户发送推送信息。
步骤240与步骤130相同，具体可参照步骤130的说明。
本实施例能够在初期第一用户数据量较少时，使用具有相同行为特征的第二用户的位置信息和行为信息填充到预设机器学习模型中，并根据第一用户的新增数据逐步完善预设机器学习模型，使得机器学习模型能够快速的为第一用户系统服务，提高系统资源利用率。
图4为本申请实施例提供的一种信息推送方法，作为对上述实施例的进一步说明，行为特征包括行动轨迹信息，该方法包括：
步骤310、接收第一终端发送的第一用户的位置信息和行为信息。
步骤320、将位置信息和行为信息代入到预设机器学习模型，得到第一用户的行为特征。
步骤330、根据第一用户当前位置和行为轨迹信息，估算第一用户的目标移动位置，目标移动位置表示第一用户当前前往的目的地位。
获取第一用户的当前位置和行为特征中的轨迹信息。从轨迹信息中查找当前位置对应的轨迹点，并获取该轨迹点的下一个目的地。在一种实现方式中，当前位置对应的轨迹点唯一，且该轨迹点的下一个目的地唯一。此时可将下一个目的地作为目标移动位置。
在另一种实现方式中，同一个轨迹点可能存在多个下一个目的地，此时行为特征还包括所述第一用户的兴趣信息；所述估算所述第一用户的目标移动位置，可以通过下述方式进行实施：
首先，根据所述兴趣信息确定第一目的地位置；然后，根据所述轨迹信息确定第二目的地位置；最后，根据所述第一目的地位置和所述第二目的地位置确定目标移动位置。
其中，用户的兴趣信息可以根据用户的历史消费记录确定，也可以根据用户的历史行为信息确定。例如，用户经常购买化妆品，则确定用户兴趣在于美妆。又例如，用户经常健身房去健身，则确定用户兴趣为健身娱乐等。
如果第一目的地位置和第二目的地位置相同，则将第一目的地位置或第二目的地位置确定为目标移动位置。
如果第一目的地位置和第二目的地位置不相同，则随机将第一目的地位置或第二目的地位置作为目标移动位置。可选的，用户可以设置是否推荐兴趣信息，如果推送信息，则将第二目的地位置确定为目标移动位置。
在一种实现方式中，如果所述第一目的地位置和所述第二目的地位置不同，则根据所述第一目的地位置确定第一权重，根据所述第二目的地位置确定第二权重；根据所述第一权重和所述第二权重确定目标移动位置。
可选的，根据第一目的地位置距离当前位置的距离确定第一权重，根据第二目的地位置距离当前位置的距离确定第二权重，距离越远权重值越低。将权重较高的目的地位置作为目标移动位置。
步骤340、根据目标移动位置确定目标推送信息。
查找目标移动位置对应目标推送信息。目标推送信息可以包括促销信息、活动信息、导航信息或新增业务信息等。
步骤350、将目标推送信息推送给第一用户。
本实施例能够根据行为特征预估用户下一站到达的位置，并将下一站到达的目的地的推送信息发送给用户，以便用户更快的接收到推送信息，根据推送信息调整行程，提高信息推送效率。
图5为本申请实施例提供的一种信息推送方法，该方法应用于第一终端，包括：
步骤410、判断第一用户是否通过身份验证。
第一终端为登录有第一用户账户的终端。如果第一用户使用其他终端登录，则可将其他终端确定为第一终端。
可选的，判断第一用户是否通过指纹验证或人脸验证。
对当前用户的生物特征与第一用户预先设置的验证数据进行比对，如果匹配则验证成功，否则验证失败。其中，生物特征为指纹验证、人脸验证、虹膜验证或声纹验证等
可选的，判断第一用户是否支付成功。
用户在输入正确的支付账号和支付密码后，确认支付成功。此时可确定第一用户通过身份验证。
可选的，判断第一用户是否收到消费反馈信息。
当第一用户注册的手机号码收到消费反馈信息时，确定第一用户通过验证。消费反馈信息可以为银行发送消费短信等。
步骤420、如果第一用户通过身份验证，则获取第一用户的行为信息和位置信息。
位置信息可通过GPS获取当前的坐标，将该坐标作为用户的位置信息。位置信息库还可以为根据GPS坐标确定的商铺信息。如果用户位于多层商场中，则位置信息还可以为用户所处的商铺标识。可以通过连接到的无线网络名称确定商铺标识，还可以在用户进行支付行为时，根据付款对象确定商铺标识。
在一种实现方式中，如果第一用户支付成功或者收到消费反馈信息，则获取所述用户的支付商品信息。根据所述商品信息确定所述用户的行为信息。
通过支付商品信息可确定用户购买的商品类型，如美妆或运动或美食等。进一步的，可以根据商品信息确定用户关注的商品品牌以及某品牌的某型号的产品，将该关注点作为用户行为信息的一部分发送到服务器。服务器可根据用户的兴趣信息为用户推动更加准确的信息。
当用户通过身份验证时，根据用户的消费信息确定用户的兴趣商品，并给予用户的兴趣商品向用户推送信息，能够适应不同用户的喜好，提高推送转化率。
步骤430、如果第一用户未通过身份验证，则返回执行步骤410。
步骤440、将行为信息和位置信息发送至服务器。
可通过移动蜂窝网络或者无线网络或者有线网络将行为信息和所述位置信息发送至服务器。发送之前对行为信息和所述位置信息进行封装和加密编码，封装是将第一用户的用户标识以及时间信息添加到数据包中。
步骤450、接收服务器发送的推送信息。
当接收服务器发送的推送信息时，将推送信息进行输出。
本实施例提供的信息推送方法能够由终端对用户的位置信息和行为信息进行记录，并将记录的位置信息和行为信息发送至服务器，使得服务器能够根据更新的用户的位置信息和行为信息对预设机器学习模型进行调整，进而能够向用户推送更加准确的信息，提高信息推送的准确性。
图6为本申请实施例提供的一种信息推送装置的结构示意图，该装置用于实现上述实施例上述的方法，该装置位于服务器中，包括：
第一接收模块510，用于接收第一终端发送的第一用户的位置信息和行为信息；
机器学习模块520，用于将所述第一接收模块510接收到的所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；
第一发送模块530，用于根据所述机器学习模块520得到的所述行为特征向所述第一用户发送推送信息。
进一步的，机器学习模块520用于：
获取具有相同行为特征的第二用户；
将所述第二用户和所述第一用户的行为信息和位置信息代入到预设机器学习模型，得到第一用户的行为特征。
进一步的，所述行为特征包括行动轨迹信息，第一发送模块530用于：
根据所述第一用户当前位置和所述行为轨迹信息，估算所述第一用户的目标移动位置，所述目标移动位置表示所述第一用户当前前往的目的地位；
根据所述目标移动位置确定目标推送信息；
将所述目标推送信息推送给所述第一用户。
进一步的，所述行为特征还包括所述第一用户的兴趣信息；第一发送模块530还用于：根据所述兴趣信息确定第一目的地位置；
根据所述轨迹信息确定第二目的地位置；
根据所述第一目的地位置和所述第二目的地位置确定目标移动位置。
进一步的，第一发送模块530还用于：
如果所述第一目的地位置和所述第二目的地位置不同，则根据所述第一目的地位置确定第一权重，根据所述第二目的地位置确定第二权重；
根据所述第一权重和所述第二权重确定目标移动位置。
本实施例提供的信息推送装置，第一接收模块510能够接收到第一终端发送的第一用户的位置信息和行为信息；机器学习模块520能够将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；第一发送模块530能够根据所述行为特征向所述第一用户发送推送信息。机器学习模型能够根据位置信息和行为信息构建用户的行为特征，行为特征包括用户的运动轨迹以及运功轨迹上的行为信息。根据行为特征能够更加准确的为用户提供推送信息，使得推送信息与用户当前的行为或者用户将要去往的目的地相符合，提高信息推送的准确性。用户接收到有用的推送信息后，会开启信息进行阅读，进而提高推送转化率。同时，避免了用户只接受不查看推送信息的问题，提高了终端的资源利用率。
图7为本申请实施例提供的一种信息推送装置的结构示意图，该装置用于实现上述实施例上述的方法，该装置位于第一终端中，包括：
身份验证模块610，用于判断第一用户是否通过身份验证；
信息获取模块620，用于如果所述身份验证模块610判定第一用户通过身份验证，则获取所述第一用户的行为信息和位置信息；
第二发送模块630，用于将所述信息获取模块620获取的所述行为信息和所述位置信息发送至服务器；
第二接收模块640，用于接收所述服务器发送的推送信息。
进一步的，所述身份验证模块610用于：
判断第一用户是否通过指纹验证或人脸验证；或者；
判断第一用户是否支付成功；或者，
判断第一用户是否收到消费反馈信息。
进一步的，信息获取模块620用于：如果第一用户支付成功或者收到消费反馈信息，则获取所述用户的支付商品信息；
根据所述商品信息确定所述用户的行为信息。
本实施例提供的信息推送装置能够由终端对用户的位置信息和行为信息进行记录，并将记录的位置信息和行为信息发送至服务器，使得服务器能够根据更新的用户的位置信息和行为信息对预设机器学习模型进行调整，进而能够向用户推送更加准确的信息，提高信息推送的准确性。
上述装置可执行本申请前述所有实施例所提供的方法，具备执行上述方法相应的功能模块和有益效果。未在本实施例中详尽描述的技术细节，可参见本申请前述所有实施例所提供的方法。
图8为本申请实施例提供的一种服务器700的结构示意图，包括：一个或多个处理器701；存储装置702，用于存储一个或多个程序；数据收发器703，用于与终端进行数据交互；当所述一个或多个程序被所述一个或多个处理器执行，上述处理器通过读取上述存储装置中存储的可执行程序代码来运行与上述可执行程序代码对应的程序，以用于执行：接收第一终端发送的第一用户的位置信息和行为信息；
将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；
根据所述行为特征向所述第一用户发送推送信息。
进一步的，所述将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征，包括：
获取具有相同行为特征的第二用户；
将所述第二用户和所述第一用户的行为信息和位置信息代入到预设机器学习模型，得到第一用户的行为特征。
进一步的，所述行为特征包括行动轨迹信息；相应的，所述根据所述行为特征向所述第一用户发送推送信息，包括：
根据所述第一用户当前位置和所述行为轨迹信息，估算所述第一用户的目标移动位置，所述目标移动位置表示所述第一用户当前前往的目的地位；
根据所述目标移动位置确定目标推送信息；
将所述目标推送信息推送给所述第一用户。
进一步的，所述行为特征还包括所述第一用户的兴趣信息；所述估算所述第一用户的目标移动位置，包括：
根据所述兴趣信息确定第一目的地位置；
根据所述轨迹信息确定第二目的地位置；
根据所述第一目的地位置和所述第二目的地位置确定目标移动位置。
进一步的，根据所述第一目的地位置和所述第二目的地位置确定目标移动位置，包括：
如果所述第一目的地位置和所述第二目的地位置不同，则根据所述第一目的地位置确定第一权重，根据所述第二目的地位置确定第二权重；
根据所述第一权重和所述第二权重确定目标移动位置。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被服务器的处理器执行时可实现如下步骤：
接收第一终端发送的第一用户的位置信息和行为信息；
将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；
根据所述行为特征向所述第一用户发送推送信息。
进一步的，所述将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征，包括：
获取具有相同行为特征的第二用户；
将所述第二用户和所述第一用户的行为信息和位置信息代入到预设机器学习模型，得到第一用户的行为特征。
进一步的，所述行为特征包括行动轨迹信息；相应的，所述根据所述行为特征向所述第一用户发送推送信息，包括：
根据所述第一用户当前位置和所述行为轨迹信息，估算所述第一用户的目标移动位置，所述目标移动位置表示所述第一用户当前前往的目的地位；
根据所述目标移动位置确定目标推送信息；
将所述目标推送信息推送给所述第一用户。
进一步的，所述行为特征还包括所述第一用户的兴趣信息；所述估算所述第一用户的目标移动位置，包括：
根据所述兴趣信息确定第一目的地位置；
根据所述轨迹信息确定第二目的地位置；
根据所述第一目的地位置和所述第二目的地位置确定目标移动位置。
进一步的，根据所述第一目的地位置和所述第二目的地位置确定目标移动位置，包括：
如果所述第一目的地位置和所述第二目的地位置不同，则根据所述第一目的地位置确定第一权重，根据所述第二目的地位置确定第二权重；
根据所述第一权重和所述第二权重确定目标移动位置。
本申请实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
图9为本申请实施例提供的一种终端的结构示意图。如图9所示，该终端可以包括：壳体(图中未示出)、第一存储器801、第一中央处理器(Central Processing Unit，CPU)802(又称第一处理器，以下简称CPU)、存储在第一存储器801上并可在第一处理器802上运行的计算机程序、电路板(图中未示出)和电源电路(图中未示出)。上述电路板安置在上述壳体围成的空间内部；上述CPU802和上述第一存储器801设置在上述电路板上；上述电源电路，用于为上述终端的各个电路或器件供电；上述第一存储器801，用于存储可执行程序代码；上述CPU802通过读取上述第一存储器801中存储的可执行程序代码来运行与上述可执行程序代码对应的程序，以用于执行：
判断第一用户是否通过身份验证；
如果第一用户通过身份验证，则获取所述第一用户的行为信息和位置信息；
将所述行为信息和所述位置信息发送至服务器；
接收所述服务器发送的推送信息。
上述终端还包括：外设接口803、RF(Radio Frequency，射频)电路805、音频电路806、扬声器811、电源管理芯片808、输入/输出(I/O)子系统809、触摸屏812、其他输入/控制设备810以及外部端口804，这些部件通过一个或多个通信总线或信号线807来通信。
此外，终端还包括摄像头和RGB光线传感器。RGB光线传感器位于摄像头旁边，可以与摄像头相邻设置。摄像头可以为前置摄像头也可以为后置摄像头。RGB光线传感器还可以与摄像头分离配置，例如配置在终端侧边的窄边上等。
应该理解的是，图示终端800仅仅是终端的一个范例，并且终端800可以具有比图中所示出的更多的或者更少的部件，可以组合两个或更多的部件，或者可以具有不同的部件配置。图中所示出的各种部件可以在包括一个或多个信号处理和/或专用集成电路在内的硬件、软件、或硬件和软件的组合中实现。
下面就本实施例提供的终端进行详细的描述，该终端以智能手机为例。
第一存储器801，上述第一存储器801可以被CPU802、外设接口803等访问，上述第一存储器801可以包括高速随机存取第一存储器，还可以包括非易失性第一存储器，例如一个或多个磁盘第一存储器件、闪存器件、或其他易失性固态第一存储器件。
外设接口803，上述外设接口803可以将设备的输入和输出外设连接到CPU802和第一存储器801。
I/O子系统809，上述I/O子系统809可以将设备上的输入输出外设，例如触摸屏812和其他输入/控制设备810，连接到外设接口803。I/O子系统809可以包括显示控制器8091和用于控制其他输入/控制设备810的一个或多个输入控制器8092。其中，一个或多个输入控制器8092从其他输入/控制设备810接收电信号或者向其他输入/控制设备810发送电信号，其他输入/控制设备810可以包括物理按钮(按压按钮、摇臂按钮等)、拨号盘、滑动开关、操纵杆、点击滚轮。值得说明的是，输入控制器8092可以与以下任一个连接：键盘、红外端口、USB接口以及诸如鼠标的指示设备。此外，其他输入/控制设备810还可以包括摄像头、指纹传感器和陀螺仪等。
其中，按照触摸屏的工作原理和传输信息的介质分类，触摸屏812可以为电阻式、电容感应式、红外线式或表面声波式。按照安装方式分类，触摸屏812可以为：外挂式、内置式或整体式。按照技术原理分类，触摸屏812可以为：矢量压力传感技术触摸屏、电阻技术触摸屏、电容技术触摸屏、红外线技术触摸屏或表面声波技术触摸屏。
触摸屏812，上述触摸屏812是用户终端与用户之间的输入接口和输出接口，将可视输出显示给用户，可视输出可以包括图形、文本、图标、视频等。可选的，触摸屏812将用户在触屏幕上触发的电信号(如接触面的电信号)，发送给第一处理器802。
I/O子系统809中的显示控制器8091从触摸屏812接收电信号或者向触摸屏812发送电信号。触摸屏812检测触摸屏上的接触，显示控制器8091将检测到的接触转换为与显示在触摸屏812上的用户界面对象的交互，即实现人机交互，显示在触摸屏812上的用户界面对象可以是运行游戏的图标、联网到相应网络的图标等。值得说明的是，设备还可以包括光鼠，光鼠是不显示可视输出的触摸敏感表面，或者是由触摸屏形成的触摸敏感表面的延伸。
RF电路805，主要用于建立智能音箱与无线网络(即网络侧)的通信，实现智能音箱与无线网络的数据接收和发送。例如收发短信息、电子邮件等。
音频电路806，主要用于从外设接口803接收音频数据，将该音频数据转换为电信号，并且将该电信号发送给扬声器811。
扬声器811，用于将智能音箱通过RF电路805从无线网络接收的语音信号，还原为声音并向用户播放该声音。
电源管理芯片808，用于为CPU802、I/O子系统及外设接口所连接的硬件进行供电及电源管理。
在本实施例中，中央第一处理器802用于：
判断第一用户是否通过身份验证；
如果第一用户通过身份验证，则获取所述第一用户的行为信息和位置信息；
将所述行为信息和所述位置信息发送至服务器；
接收所述服务器发送的推送信息。
进一步的，所述判断第一用户是否通过身份验证，包括：
判断第一用户是否通过指纹验证或人脸验证；或者；
判断第一用户是否支付成功；或者，
判断第一用户是否收到消费反馈信息。
进一步的，所述获取所述第一用户的行为信息，包括：
如果第一用户支付成功或者收到消费反馈信息，则获取所述用户的支付商品信息；
根据所述商品信息确定所述用户的行为信息。
本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被终端的处理器执行时可实现如下步骤：
判断第一用户是否通过身份验证；
如果第一用户通过身份验证，则获取所述第一用户的行为信息和位置信息；
将所述行为信息和所述位置信息发送至服务器；
接收所述服务器发送的推送信息。
进一步的，所述判断第一用户是否通过身份验证，包括：
判断第一用户是否通过指纹验证或人脸验证；或者；
判断第一用户是否支付成功；或者，
判断第一用户是否收到消费反馈信息。
进一步的，所述获取所述第一用户的行为信息，包括：
如果第一用户支付成功或者收到消费反馈信息，则获取所述用户的支付商品信息；
根据所述商品信息确定所述用户的行为信息。
本申请实施例的计算机存储介质，可以采用一个或多个计算机可读的介质的任意组合。计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本文件中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。
计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括——但不限于无线、电线、光缆、RF等等，或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请操作的计算机程序代码，程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如”C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
图10为本申请实施例提供的一种信息推送系统的结构示意图，包括图8所示的服务器700和图9所示的终端800。
在一种实现方式中，终端800判断第一用户是否通过身份验证；如果第一用户通过身份验证，则获取所述第一用户的行为信息和位置信息；将所述行为信息和所述位置信息发送至服务器700；
服务器700接收第一终端800发送的第一用户的位置信息和行为信息；将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；根据所述行为特征向所述第一用户发送推送信息。
终端800接收所述服务器700发送的推送信息，并输出该推送信息。
本申请实施例提供的信息推送方法，服务器能够在接收到第一终端发送的第一用户的位置信息和行为信息后；将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；然后根据所述行为特征向所述第一用户发送推送信息，进而提高推送准确性，提高推送转化率。
注意，上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解，本申请不限于这里上述的特定实施例，对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此，虽然通过以上实施例对本申请进行了较为详细的说明，但是本申请不仅仅限于以上实施例，在不脱离本申请构思的情况下，还可以包括更多其他等效实施例，而本申请的范围由所附的权利要求范围决定。
Claims (15)
1.一种信息推送方法，其特征在于，应用于服务器，包括：
接收第一终端发送的第一用户的位置信息和行为信息；
将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；
根据所述行为特征向所述第一用户发送推送信息。
2.根据权利要求1所述的信息推送方法，其特征在于，所述将所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征，包括：
获取具有相同行为特征的第二用户；
将所述第二用户和所述第一用户的行为信息和位置信息代入到预设机器学习模型，得到第一用户的行为特征。
3.根据权利要求1或2所述的信息推送方法，其特征在于，所述行为特征包括行动轨迹信息；相应的，所述根据所述行为特征向所述第一用户发送推送信息，包括：
根据所述第一用户当前位置和所述行为轨迹信息，估算所述第一用户的目标移动位置，所述目标移动位置表示所述第一用户当前前往的目的地位；
根据所述目标移动位置确定目标推送信息；
将所述目标推送信息推送给所述第一用户。
4.根据权利要求3所述的信息推送方法，其特征在于，所述行为特征还包括所述第一用户的兴趣信息；所述估算所述第一用户的目标移动位置，包括：
根据所述兴趣信息确定第一目的地位置；
根据所述轨迹信息确定第二目的地位置；
根据所述第一目的地位置和所述第二目的地位置确定目标移动位置。
5.根据权利要求4所述的信息推送方法，其特征在于，根据所述第一目的地位置和所述第二目的地位置确定目标移动位置，包括：
如果所述第一目的地位置和所述第二目的地位置不同，则根据所述第一目的地位置确定第一权重，根据所述第二目的地位置确定第二权重；
根据所述第一权重和所述第二权重确定目标移动位置。
6.一种信息推送方法，其特征在于，应用于第一终端，包括：
判断第一用户是否通过身份验证；
如果第一用户通过身份验证，则获取所述第一用户的行为信息和位置信息；
将所述行为信息和所述位置信息发送至服务器；
接收所述服务器发送的推送信息。
7.根据权利要求6所述的信息推送方法，其特征在于，所述判断第一用户是否通过身份验证，包括：
判断第一用户是否通过指纹验证或人脸验证；或者；
判断第一用户是否支付成功；或者，
判断第一用户是否收到消费反馈信息。
8.根据权利要求7所述的信息推送方法，其特征在于，所述获取所述第一用户的行为信息，包括：
如果第一用户支付成功或者收到消费反馈信息，则获取所述用户的支付商品信息；
根据所述商品信息确定所述用户的行为信息。
9.一种信息推送装置，其特征在于，应用于服务器，包括：
第一接收模块，用于接收第一终端发送的第一用户的位置信息和行为信息；
机器学习模块，用于将所述第一接收模块接收到的所述位置信息和行为信息代入到预设机器学习模型，得到所述第一用户的行为特征；
第一发送模块，用于根据所述机器学习模块得到的所述行为特征向所述第一用户发送推送信息。
10.一种信息推送装置，其特征在于，应用于第一终端，包括：
身份验证模块，用于判断第一用户是否通过身份验证；
信息获取模块，用于如果所述身份验证模块判定第一用户通过身份验证，则获取所述第一用户的行为信息和位置信息；
第二发送模块，用于将所述信息获取模块获取的所述行为信息和所述位置信息发送至服务器；
第二接收模块，用于接收所述服务器发送的推送信息。
11.一种服务器，其特征在于，所述服务器包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序；
数据收发器，用于与终端进行数据交互；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-5中任一所述的信息推送方法。
12.一种终端，其特征在于，所述终端包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
数据收发器，用于与服务器进行数据交互；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求6-8中任一所述的信息推送方法。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-5中任一所述的信息推送方法。
14.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求6-8中任一所述的信息推送方法。
15.一种信息推送系统，其特征在于，包括权利要求11所述的服务器和权利要求12所述的终端。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710868753.8A CN107657007B (zh) | 2017-09-22 | 2017-09-22 | 信息推送方法、装置、终端、可读存储介质及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710868753.8A CN107657007B (zh) | 2017-09-22 | 2017-09-22 | 信息推送方法、装置、终端、可读存储介质及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107657007A true CN107657007A (zh) | 2018-02-02 |
| CN107657007B CN107657007B (zh) | 2020-12-22 |
Family
ID=61130057
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710868753.8A Active CN107657007B (zh) | 2017-09-22 | 2017-09-22 | 信息推送方法、装置、终端、可读存储介质及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107657007B (zh) |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108712379A (zh) * | 2018-04-08 | 2018-10-26 | 北京奇艺世纪科技有限公司 | 数据推送方法及装置 |
| CN109067990A (zh) * | 2018-08-20 | 2018-12-21 | 麒麟合盛网络技术股份有限公司 | 一种应用服务执行方法及装置 |
| CN109697652A (zh) * | 2018-06-29 | 2019-04-30 | 京东方科技集团股份有限公司 | 一种商场的商品推荐方法和服务器 |
| CN109934468A (zh) * | 2019-02-26 | 2019-06-25 | 北京多点在线科技有限公司 | 一种兼职工作匹配方法及系统、存储介质 |
| CN110600125A (zh) * | 2019-09-18 | 2019-12-20 | 山东浪潮人工智能研究院有限公司 | 一种基于人工智能的体态分析助手系统及传输方法 |
| CN111800287A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 数据处理方法、装置、存储介质及电子设备 |
| CN111797871A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 信息处理方法、装置、存储介质及电子设备 |
| CN111859102A (zh) * | 2020-02-17 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种提示信息确定方法、系统、介质及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102509170A (zh) * | 2011-10-10 | 2012-06-20 | 浙江鸿程计算机系统有限公司 | 一种基于历史轨迹数据挖掘的位置预测系统及方法 |
| US20120295640A1 (en) * | 2011-05-19 | 2012-11-22 | Microsoft Corporation | User Behavior Model for Contextual Personalized Recommendation |
| CN103246725A (zh) * | 2013-05-06 | 2013-08-14 | 上海河广信息科技有限公司 | 一种基于无线网络的数据业务推送系统和方法 |
| CN104408203A (zh) * | 2014-12-18 | 2015-03-11 | 西安电子科技大学宁波信息技术研究院 | 一种预测移动对象轨迹终点的方法 |
| CN104462190A (zh) * | 2014-10-24 | 2015-03-25 | 中国电子科技集团公司第二十八研究所 | 一种基于海量空间轨迹挖掘的在线的位置预测方法 |
| CN105740347A (zh) * | 2016-01-25 | 2016-07-06 | 四川长虹电器股份有限公司 | 基于gps的用户信息采集与行为分析方法 |
-
2017
- 2017-09-22 CN CN201710868753.8A patent/CN107657007B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120295640A1 (en) * | 2011-05-19 | 2012-11-22 | Microsoft Corporation | User Behavior Model for Contextual Personalized Recommendation |
| CN102509170A (zh) * | 2011-10-10 | 2012-06-20 | 浙江鸿程计算机系统有限公司 | 一种基于历史轨迹数据挖掘的位置预测系统及方法 |
| CN103246725A (zh) * | 2013-05-06 | 2013-08-14 | 上海河广信息科技有限公司 | 一种基于无线网络的数据业务推送系统和方法 |
| CN104462190A (zh) * | 2014-10-24 | 2015-03-25 | 中国电子科技集团公司第二十八研究所 | 一种基于海量空间轨迹挖掘的在线的位置预测方法 |
| CN104408203A (zh) * | 2014-12-18 | 2015-03-11 | 西安电子科技大学宁波信息技术研究院 | 一种预测移动对象轨迹终点的方法 |
| CN105740347A (zh) * | 2016-01-25 | 2016-07-06 | 四川长虹电器股份有限公司 | 基于gps的用户信息采集与行为分析方法 |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108712379A (zh) * | 2018-04-08 | 2018-10-26 | 北京奇艺世纪科技有限公司 | 数据推送方法及装置 |
| CN108712379B (zh) * | 2018-04-08 | 2021-05-25 | 北京奇艺世纪科技有限公司 | 数据推送方法及装置 |
| CN109697652A (zh) * | 2018-06-29 | 2019-04-30 | 京东方科技集团股份有限公司 | 一种商场的商品推荐方法和服务器 |
| US11449919B2 (en) | 2018-06-29 | 2022-09-20 | Beijing Boe Technology Development Co., Ltd. | Commodity recommendation method and commodity recommendation device |
| CN109067990A (zh) * | 2018-08-20 | 2018-12-21 | 麒麟合盛网络技术股份有限公司 | 一种应用服务执行方法及装置 |
| CN109067990B (zh) * | 2018-08-20 | 2021-01-08 | 麒麟合盛网络技术股份有限公司 | 一种应用服务执行方法及装置 |
| CN109934468A (zh) * | 2019-02-26 | 2019-06-25 | 北京多点在线科技有限公司 | 一种兼职工作匹配方法及系统、存储介质 |
| CN111800287A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 数据处理方法、装置、存储介质及电子设备 |
| CN111797871A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 信息处理方法、装置、存储介质及电子设备 |
| CN111800287B (zh) * | 2019-04-09 | 2023-07-18 | Oppo广东移动通信有限公司 | 数据处理方法、装置、存储介质及电子设备 |
| CN110600125A (zh) * | 2019-09-18 | 2019-12-20 | 山东浪潮人工智能研究院有限公司 | 一种基于人工智能的体态分析助手系统及传输方法 |
| CN111859102A (zh) * | 2020-02-17 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种提示信息确定方法、系统、介质及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107657007B (zh) | 2020-12-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107657007B (zh) | 信息推送方法、装置、终端、可读存储介质及系统 | |
| CN107111492A (zh) | 跨诸设备缩放数字个人助理代理 | |
| US20100131335A1 (en) | User interest mining method based on user behavior sensed in mobile device | |
| US20150017967A1 (en) | Method and apparatus for determining a predicted duration of a context | |
| WO2019134591A1 (zh) | 一种电子交易的方法及终端 | |
| US20230098616A1 (en) | Method for Invoking NFC Application, Electronic Device, and NFC Apparatus | |
| CN108141702A (zh) | 上下文知晓的位置共享服务 | |
| US20170019503A1 (en) | Method and apparatus for seamless application portability over multiple environments | |
| JP6907063B2 (ja) | 表示制御装置、表示制御方法及び表示制御プログラム | |
| CN102968312A (zh) | 用于应用扩展程序的用户界面占位符 | |
| TWI713825B (zh) | 資料儲存及調用方法及裝置 | |
| CN107067239B (zh) | 应用程序服务器及其信息处理方法和装置 | |
| Gupta et al. | Smart parking system using cloud based computation and Raspberry Pi | |
| WO2006075868A1 (en) | System for providing advertisement and purchase service based in lbs and method thereof | |
| KR20220131500A (ko) | 렌탈 마켓 시스템 | |
| CN108494851B (zh) | 应用程序推荐方法、装置以及服务器 | |
| CN109688175B (zh) | 资源包发放方法、资源包获取方法、装置及存储介质 | |
| CN107493339A (zh) | 信息推送方法、装置、终端及计算机可读存储介质 | |
| KR102439212B1 (ko) | 학습된 뉴럴 네트워크를 이용하여 온라인상에서 임대차 통합 서비스를 제공하는 시스템 | |
| CN107743151B (zh) | 内容推送方法、装置、移动终端以及服务器 | |
| CN107930126B (zh) | 游戏预约数据处理方法、装置以及移动终端 | |
| CN107944753A (zh) | 行程管理方法、装置、存储介质及终端设备 | |
| CN116720890A (zh) | 一种广告投放线索清洗的方法以及相关装置 | |
| CN108093374A (zh) | 行程管理方法、装置、存储介质及终端设备 | |
| CN110784392B (zh) | 一种用于获取阅读提醒信息的方法与设备 |
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 | ||
| CB02 | Change of applicant information | ||
| CB02 | Change of applicant information |
Address after: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant after: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. Address before: Changan town in Guangdong province Dongguan 523860 usha Beach Road No. 18 Applicant before: GUANGDONG OPPO MOBILE TELECOMMUNICATIONS Corp.,Ltd. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant |