CN108133011B - 一种资讯推送方法及装置 - Google Patents

Abstract

本发明提供了一种资讯推送方法及装置，该方法包括：确定至少一个订阅维度；根据外部输入的用户设置信息，确定当前用户的至少一个个性标签，以及各个性标签下，各个订阅维度的设定值；确定待推送资讯对于各订阅维度的实际值；针对各个性标签均执行：根据确定出的各实际值，以及当前个性标签下的各设定值，计算当前个性标签的推荐值；该推荐值达到相应预设阈值时，将待推送资讯推送至当前用户的当前个性标签下。根据用户设置信息来确定用户喜好，以为用户推送喜好相关资讯。因此，本方案能够提高资讯推送准确度。

Description

一种资讯推送方法及装置

技术领域

本发明涉及计算机技术领域，特别涉及一种资讯推送方法及装置。

背景技术

资讯是用户因为及时地获得它并利用它而能够在相对短的时间内给自己带来价值的信息。资讯具有时效性和地域性，被消费者所利用。如此，为用户推送其所需资讯。

目前，可以根据用户各方面特点，如年龄、性别、上网时间、浏览内容等，来推测用户喜好，从而根据用户喜好为其推送资讯。

但是，所推测出的用户喜好的准确度不能保证，使得资讯推送准确度不高。

发明内容

本发明提供了一种资讯推送方法及装置，能够提高资讯推送准确度。

为了达到上述目的，本发明是通过如下技术方案实现的：

一方面，本发明提供了一种资讯推送方法，确定至少一个订阅维度；根据外部输入的用户设置信息，确定当前用户的至少一个个性标签，以及每一个所述个性标签下，所述至少一个订阅维度的至少一个设定值；还包括：

确定待推送资讯对于每一个所述订阅维度的实际值；

针对每一个所述个性标签均执行：根据确定出的每一个所述实际值，以及当前个性标签下的每一个设定值，计算所述当前个性标签的推荐值；在判断出所述推荐值达到相应预设阈值时，将所述待推送资讯推送至所述当前用户的所述当前个性标签下。

进一步地，所述至少一个订阅维度包括：资讯关键词和至少一个第一维度项；

所述根据确定出的每一个所述实际值，以及当前个性标签下的每一个设定值，计算所述当前个性标签的推荐值，包括：根据确定出的所述资讯关键词的实际值，以及所述当前个性标签下所述资讯关键词的设定值，计算所述当前个性标签的相关度；在判断出所述相关度达到相应预设阈值时，根据确定出的每一个所述第一维度项的实际值，以及所述当前个性标签下每一个所述第一维度项的设定值，计算所述当前个性标签的推荐值。

进一步地，所述资讯关键词的实际值包括：至少一个第一字段，以及每一个所述第一字段的标题出现次数和正文出现次数；

所述资讯关键词的设定值包括：至少一个第二字段；

所述计算所述当前个性标签的相关度包括：根据公式一，计算所述当前个性标签的相关指数；在判断出所述相关指数达到相应预设阈值时，根据公式二，计算所述当前个性标签的相关度；

所述公式一包括：

所述公式二包括：

其中，y为相关指数，η为相关度，n为所述至少一个第一字段和所述至少一个第二字段的至少一个共有字段的个数；k₁为第一预设权重，k₂为第二预设权重，N_i1为所述至少一个共有字段中第i个共有字段的标题出现次数，N_i2为所述第i个共有字段的正文出现次数，m为所述至少一个第一字段的个数，N_j1为所述至少一个第一字段中第j个第一字段的标题出现次数，N_j2为所述第j个第一字段的正文出现次数。

进一步地，所述计算所述当前个性标签的推荐值包括：根据公式三，计算所述当前个性标签的推荐值；

所述公式三包括：

其中，Y为推荐值，q为所述至少一个第一维度项的个数，对于所述至少一个第一维度项中的第p个第一维度项，x_p为所述第p个第一维度项的实际值在所述第p个第一维度项的设定值中的取值，K_p为所述第p个第一维度项的预设权重。

进一步地，所述至少一个订阅维度包括：资讯发布时间、资讯作者、资讯来源网站、资讯关键词、资讯热度中的任意一种或多种。

另一方面，本发明提供了一种资讯推送装置，包括：

设置单元，用于确定至少一个订阅维度；根据外部输入的用户设置信息，确定当前用户的至少一个个性标签，以及每一个所述个性标签下，所述至少一个订阅维度的至少一个设定值；

确定单元，用于确定待推送资讯对于每一个所述订阅维度的实际值；

处理单元，用于针对每一个所述个性标签均执行：根据确定出的每一个所述实际值，以及当前个性标签下的每一个设定值，计算所述当前个性标签的推荐值；在判断出所述推荐值达到相应预设阈值时，将所述待推送资讯推送至所述当前用户的所述当前个性标签下。

进一步地，所述至少一个订阅维度包括：资讯关键词和至少一个第一维度项；

所述处理单元，具体用于根据确定出的所述资讯关键词的实际值，以及所述当前个性标签下所述资讯关键词的设定值，计算所述当前个性标签的相关度；在判断出所述相关度达到相应预设阈值时，根据确定出的每一个所述第一维度项的实际值，以及所述当前个性标签下每一个所述第一维度项的设定值，计算所述当前个性标签的推荐值。

进一步地，所述资讯关键词的实际值包括：至少一个第一字段，以及每一个所述第一字段的标题出现次数和正文出现次数；

所述资讯关键词的设定值包括：至少一个第二字段；

所述处理单元，具体用于根据公式一，计算所述当前个性标签的相关指数；在判断出所述相关指数达到相应预设阈值时，根据公式二，计算所述当前个性标签的相关度；

所述公式一包括：

所述公式二包括：

其中，y为相关指数，η为相关度，n为所述至少一个第一字段和所述至少一个第二字段的至少一个共有字段的个数；k₁为第一预设权重，k₂为第二预设权重，N_i1为所述至少一个共有字段中第i个共有字段的标题出现次数，N_i2为所述第i个共有字段的正文出现次数，m为所述至少一个第一字段的个数，N_j1为所述至少一个第一字段中第j个第一字段的标题出现次数，N_j2为所述第j个第一字段的正文出现次数。

进一步地，所述处理单元，具体用于根据公式三，计算所述当前个性标签的推荐值；

所述公式三包括：

其中，Y为推荐值，q为所述至少一个第一维度项的个数，对于所述至少一个第一维度项中的第p个第一维度项，x_p为所述第p个第一维度项的实际值在所述第p个第一维度项的设定值中的取值，K_p为所述第p个第一维度项的预设权重。

进一步地，所述至少一个订阅维度包括：资讯发布时间、资讯作者、资讯来源网站、资讯关键词、资讯热度中的任意一种或多种。

本发明提供了一种资讯推送方法及装置，该方法包括：确定至少一个订阅维度；根据外部输入的用户设置信息，确定当前用户的至少一个个性标签，以及各个性标签下，各个订阅维度的设定值；确定待推送资讯对于各订阅维度的实际值；针对各个性标签均执行：根据确定出的各实际值，以及当前个性标签下的各设定值，计算当前个性标签的推荐值；该推荐值达到相应预设阈值时，将待推送资讯推送至当前用户的当前个性标签下。根据用户设置信息来确定用户喜好，以为用户推送喜好相关资讯。因此，本发明能够提高资讯推送准确度。

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的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例提供的一种资讯推送方法的流程图；

图2是本发明一实施例提供的另一种资讯推送方法的流程图；

图3是本发明一实施例提供的一种资讯推送装置的示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通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。

如图1所示，本发明实施例提供了一种资讯推送方法，可以包括以下步骤：

步骤101：确定至少一个订阅维度；根据外部输入的用户设置信息，确定当前用户的至少一个个性标签，以及每一个所述个性标签下，所述至少一个订阅维度的至少一个设定值。

步骤102：确定待推送资讯对于每一个所述订阅维度的实际值。

步骤103：针对每一个所述个性标签均执行：根据确定出的每一个所述实际值，以及当前个性标签下的每一个设定值，计算所述当前个性标签的推荐值；在判断出所述推荐值达到相应预设阈值时，将所述待推送资讯推送至所述当前用户的所述当前个性标签下。

本发明实施例提供了一种资讯推送方法，确定至少一个订阅维度；根据外部输入的用户设置信息，确定当前用户的至少一个个性标签，以及各个性标签下，各个订阅维度的设定值；确定待推送资讯对于各订阅维度的实际值；针对各个性标签均执行：根据确定出的各实际值，以及当前个性标签下的各设定值，计算当前个性标签的推荐值；该推荐值达到相应预设阈值时，将待推送资讯推送至当前用户的当前个性标签下。根据用户设置信息来确定用户喜好，以为用户推送喜好相关资讯。因此，本发明实施例能够提高资讯推送准确度。

在本发明的一个实施例中，外部输入的用户设置信息可以为用户直接输入的设置信息，也可以为由中间设备，如用户的客户端，发来的用户输入的设置信息。

在本发明一个实施例中，上述个性标签的来源，可以为预设标签库，也可以为用户输入信息，以及两者的结合。

详细地，确定用户设置信息时，可以向用户展示标签库中的每一个固有标签，用户可以按需点选，当然，用户选定的标签可以为该用户的个性标签。当标签库不能完全满足用户需求时，用户同样可以输入所需标签，如此，用户输入的标签同样可以为该用户的个性标签。

在本发明一个实施例中，假设根据用户设置信息，所确定出的当前用户的个性标签包括：供暖、重卡、光伏、能源、燃气、煤改气。

在本发明一个实施例中，为了能够实现资讯的按需推送，所述至少一个订阅维度包括：资讯发布时间、资讯作者、资讯来源网站、资讯关键词、资讯热度中的任意一种或多种。

基于上述内容，举例来说，根据用户设置信息所确定出的各设定值，可以如下述表1所述。

表1

在本发明一个实施例中，对于任一个人标签来说，个人标签下各订阅维度的设定值最初可以为优选的预设默认值。当然，用户可以基于自身需求，对任一个人标签下任一订阅维度的设定值进行更改。

在本发明一个实施例中，为了说明一种计算推荐值的可能实现方式，所以，所述至少一个订阅维度包括：资讯关键词和至少一个第一维度项；

所述根据确定出的每一个所述实际值，以及当前个性标签下的每一个设定值，计算所述当前个性标签的推荐值，包括：

根据确定出的所述资讯关键词的实际值，以及所述当前个性标签下所述资讯关键词的设定值，计算所述当前个性标签的相关度；在判断出所述相关度达到相应预设阈值时，根据确定出的每一个所述第一维度项的实际值，以及所述当前个性标签下每一个所述第一维度项的设定值，计算所述当前个性标签的推荐值。

比如，以上述表1为例，订阅维度包括资讯关键词和4个第一维度项，各第一维度项分别为资讯的发布时间、作者、来源网站、热度。

在本发明一个实施例中，上述待推送资讯可以为系统采集到的任一资讯。针对待推送资讯，可以抓取其对于每一个订阅维度的实际值。比如，这一实际值可以如上述表1所示。

通常情况下，资讯包括有标题和正文。如此，可以对待推送资讯进行分词处理后，可以获取到若干出现频率比较高的字段，以及各字段的出现次数。比如，请参考表1，假设获取到的全部字段中，仅字段1、字段2和字段4的出现频率较高，故可以将这3个字段中，各字段在标题及正文中的出现次数，记录为资讯关键词这一订阅维度的实际值。

为用户推送所需资讯，首先需要保证内容相关，如此，可以首先根据资讯关键词这一订阅维度，来计算相关度。仅相关度符合要求时，才进一步计算推荐值，以避免一些不必要的计算过程。

如此，经相关度的计算，可以筛除掉那些即使针对各第一维度项均值得推荐，但资讯关注点与用户所需不同的资讯。当然，同样可以筛除掉那些针对各订阅维度均不值得推荐的资讯。

如上所述，在保证资讯关键词符合用户所需的情况下，可以基于订阅维度中的各第一维度项，来计算推荐值。

在本发明一个实施例中，为了说明一种计算相关度的可能实现方式，所以，所述资讯关键词的实际值包括：至少一个第一字段，以及每一个所述第一字段的标题出现次数和正文出现次数；

所述资讯关键词的设定值包括：至少一个第二字段；

所述计算所述当前个性标签的相关度包括：根据下述公式(1)，计算所述当前个性标签的相关指数；在判断出所述相关指数达到相应预设阈值时，根据下述公式(2)，计算所述当前个性标签的相关度；

其中，y为相关指数，η为相关度，n为所述至少一个第一字段和所述至少一个第二字段的至少一个共有字段的个数；k₁为第一预设权重，k₂为第二预设权重，N_i1为所述至少一个共有字段中第i个共有字段的标题出现次数，N_i2为所述第i个共有字段的正文出现次数，m为所述至少一个第一字段的个数，N_j1为所述至少一个第一字段中第j个第一字段的标题出现次数，N_j2为所述第j个第一字段的正文出现次数。

详细地，为保证当前资讯值得推荐，首先需要保证相关指数满足要求，即需要保证有用字段的出现次数足够高。当出现次数满足要求时，还需要保证相关度满足要求，即需要保证有用字段的出现占比足够大。

举例来说，针对上述表1中的供暖这一个人标签，资讯关键词的设定值包括字段1、字段2、字段3，资讯关键词的实际值包括字段1、字段2、字段3，两者的共同字段为字段1和字段2。

如此，对于供暖来说，待推荐资讯中的字段1和字段2均为有用字段，字段3为无用字段。

如此，基于字段1和字段2的出现次数，利用上述公式(1)，可以计算相关指数。通常情况下，同一字段在标题和正文中均出现时，前者对相关程度的贡献更大，故上述第一预设阈值可以不小于，甚至可以远大于第二预设阈值。比如，可以设置k₁＝10，k₂＝1。

利用上述公式(1)，经计算，个人标签为供暖时计算出的相关指数为相关指数1，个人标签为重卡时计算出的相关指数为相关指数2，相关指数1通常远大于相关指数2。

假设相关指数1达到相应预设阈值，可以进一步计算相关度。对应地，假设相关指数2未达到相应预设阈值，无需执行后续流程。

详细地，在判断完相关指数后，可以进一步判断相关度。详细地，相关指数满足要求，不代表相关度一定满足要求。

在本发明一个实施例中，对于不同的订阅维度，其对应的相关指数预设阈值可以相同，也可以不同；对于不同的订阅维度，其对应的相关度预设阈值可以相同，也可以不同。

在本发明一个实施例中，为了说明一种计算推荐值的可能实现方式，所以，所述计算所述当前个性标签的推荐值包括：根据下述公式(3)，计算所述当前个性标签的推荐值；

其中，Y为推荐值，q为所述至少一个第一维度项的个数，对于所述至少一个第一维度项中的第p个第一维度项，x_p为所述第p个第一维度项的实际值在所述第p个第一维度项的设定值中的取值，K_p为所述第p个第一维度项的预设权重。

在本发明一个实施例中，不同第一维度项的预设权重可以相同，也可以不同。

请参考表1，以供暖为例，针对资讯发布时间这一订阅维度，由于实际值为2天内，故其在相应设定值中的取值为3；针对资讯作者这一订阅维度，由于实际值为公司1，且相应设定值中包括公司1，即符合，故取值为5。

在本发明一个实施例中，同一待推荐资讯可以被推送至同一用户的多个个人标签下。当然，如果存在这一情况，可以进行相应标识，以使用户了解。比如，基于表1经计算后，当前的待推荐资讯针对供暖这一个性标签的推荐值达到相应阈值，且针对重卡这一个性标签的推荐值也达到相应阈值时，可以将该资讯既推送至当前用户的供暖这一个性标签下，也推送到当前用户的重卡这一个性标签下。

如图2所示，本发明一个实施例提供了另一种资讯推送方法，具体包括以下步骤：

步骤201：确定至少一个订阅维度，其中，该至少一个订阅维度包括资讯关键词和至少一个第一维度项。

详细地，该至少一个订阅维度可以包括：资讯发布时间、资讯作者、资讯来源网站、资讯关键词、资讯热度等。

步骤202：根据外部输入的用户设置信息，确定当前用户的至少一个个性标签，以及每一个个性标签下，至少一个订阅维度的至少一个设定值。

步骤203：确定待推送资讯对于每一个订阅维度的实际值。

步骤204：针对每一个个性标签均执行：根据确定出的资讯关键词的实际值，以及当前个性标签下资讯关键词的设定值，计算当前个性标签的相关指数。

详细地，资讯关键词的实际值可以包括至少一个第一字段，以及每一个第一字段的标题出现次数和正文出现次数；资讯关键词的设定值可以包括至少一个第二字段。

详细地，可以根据上述公式(1)来计算相关指数。

步骤205：判断计算出的相关指数是否达到相应预设阈值，若是，执行步骤206，否则，结束当前流程。

步骤206：根据确定出的资讯关键词的实际值，以及当前个性标签下资讯关键词的设定值，计算当前个性标签的相关度。

详细地，可以根据上述公式(2)来计算相关度。

步骤207：判断计算出的相关度是否达到相应预设阈值，若是，执行步骤208，否则，结束当前流程。

步骤208：根据确定出的每一个第一维度项的实际值，以及当前个性标签下每一个第一维度项的设定值，计算当前个性标签的推荐值。

详细地，可以根据上述公式(3)来计算推荐值。

步骤209：判断计算出的推荐值是否达到相应预设阈值，若是，将待推送资讯推送至当前用户的当前个性标签下，否则，结束当前流程。

如图3所示，本发明一个实施例提供了一种资讯推送装置，包括：

设置单元301，用于确定至少一个订阅维度；根据外部输入的用户设置信息，确定当前用户的至少一个个性标签，以及每一个所述个性标签下，所述至少一个订阅维度的至少一个设定值；

确定单元302，用于确定待推送资讯对于每一个所述订阅维度的实际值；

处理单元303，用于针对每一个所述个性标签均执行：根据确定出的每一个所述实际值，以及当前个性标签下的每一个设定值，计算所述当前个性标签的推荐值；在判断出所述推荐值达到相应预设阈值时，将所述待推送资讯推送至所述当前用户的所述当前个性标签下。

在本发明一个实施例中，所述至少一个订阅维度包括：资讯关键词和至少一个第一维度项；

所述处理单元303，具体用于根据确定出的所述资讯关键词的实际值，以及所述当前个性标签下所述资讯关键词的设定值，计算所述当前个性标签的相关度；在判断出所述相关度达到相应预设阈值时，根据确定出的每一个所述第一维度项的实际值，以及所述当前个性标签下每一个所述第一维度项的设定值，计算所述当前个性标签的推荐值。

在本发明一个实施例中，所述资讯关键词的实际值包括：至少一个第一字段，以及每一个所述第一字段的标题出现次数和正文出现次数；

所述资讯关键词的设定值包括：至少一个第二字段；

所述处理单元303，具体用于根据上述公式(1)，计算所述当前个性标签的相关指数；在判断出所述相关指数达到相应预设阈值时，根据上述公式(2)，计算所述当前个性标签的相关度。

在本发明一个实施例中，所述处理单元303，具体用于根据上述公式(3)，计算所述当前个性标签的推荐值。

在本发明一个实施例中，所述至少一个订阅维度包括：资讯发布时间、资讯作者、资讯来源网站、资讯关键词、资讯热度中的任意一种或多种。

上述装置内的各单元之间的信息交互、执行过程等内容，由于与本发明方法实施例基于同一构思，具体内容可参见本发明方法实施例中的叙述，此处不再赘述。

综上所述，本发明的各个实施例至少具有如下有益效果：

1、本发明实施例中，确定至少一个订阅维度；根据外部输入的用户设置信息，确定当前用户的至少一个个性标签，以及各个性标签下，各个订阅维度的设定值；确定待推送资讯对于各订阅维度的实际值；针对各个性标签均执行：根据确定出的各实际值，以及当前个性标签下的各设定值，计算当前个性标签的推荐值；该推荐值达到相应预设阈值时，将待推送资讯推送至当前用户的当前个性标签下。根据用户设置信息来确定用户喜好，以为用户推送喜好相关资讯。因此，本发明实施例能够提高资讯推送准确度。

需要说明的是，在本文中，诸如第一和第二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因素。

本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质中。

最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技术方案，并非用于限定本发明的保护范围。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，均包含在本发明的保护范围内。

Claims (2)

1.一种资讯推送方法，其特征在于，确定至少一个订阅维度；根据外部输入的用户设置信息，确定当前用户的至少一个个性标签，以及每一个所述个性标签下，所述至少一个订阅维度的至少一个设定值；还包括：

确定待推送资讯对于每一个所述订阅维度的实际值；

针对每一个所述个性标签均执行：

根据确定出的每一个所述实际值，以及当前个性标签下的每一个设定值，计算所述当前个性标签的推荐值；

在判断出所述推荐值达到相应预设阈值时，将所述待推送资讯推送至所述当前用户的所述当前个性标签下；所述至少一个订阅维度包括：资讯关键词和至少一个第一维度项；

所述根据确定出的每一个所述实际值，以及当前个性标签下的每一个设定值，计算所述当前个性标签的推荐值，包括：

根据确定出的所述资讯关键词的实际值，以及所述当前个性标签下所述资讯关键词的设定值，计算所述当前个性标签的相关度；在判断出所述相关度达到相应预设阈值时，根据确定出的每一个所述第一维度项的实际值，以及所述当前个性标签下每一个所述第一维度项的设定值，计算所述当前个性标签的推荐值；所述资讯关键词的实际值包括：至少一个第一字段，以及每一个所述第一字段的标题出现次数和正文出现次数；

所述资讯关键词的设定值包括：至少一个第二字段；

所述计算所述当前个性标签的相关度包括：根据公式一，计算所述当前个性标签的相关指数；在判断出所述相关指数达到相应预设阈值时，根据公式二，计算所述当前个性标签的相关度；

所述公式一包括：

所述公式二包括：

其中，y为相关指数，η为相关度，n为所述至少一个第一字段和所述至少一个第二字段的至少一个共有字段的个数；k₁为第一预设权重，k₂为第二预设权重，N_i1为所述至少一个共有字段中第i个共有字段的标题出现次数，N_i2为所述第i个共有字段的正文出现次数，m为所述至少一个第一字段的个数，N_j1为所述至少一个第一字段中第j个第一字段的标题出现次数，N_j2为所述第j个第一字段的正文出现次数；所述计算所述当前个性标签的推荐值包括：根据公式三，计算所述当前个性标签的推荐值；

所述公式三包括：

其中，Y为推荐值，q为所述至少一个第一维度项的个数，对于所述至少一个第一维度项中的第p个第一维度项，x_p为所述第p个第一维度项的实际值在所述第p个第一维度项的设定值中的取值，K_p为所述第p个第一维度项的预设权重。

2.一种资讯推送装置，其特征在于，包括：

设置单元，用于确定至少一个订阅维度；根据外部输入的用户设置信息，确定当前用户的至少一个个性标签，以及每一个所述个性标签下，所述至少一个订阅维度的至少一个设定值；

确定单元，用于确定待推送资讯对于每一个所述订阅维度的实际值；

处理单元，用于针对每一个所述个性标签均执行：根据确定出的每一个所述实际值，以及当前个性标签下的每一个设定值，计算所述当前个性标签的推荐值；在判断出所述推荐值达到相应预设阈值时，将所述待推送资讯推送至所述当前用户的所述当前个性标签下；

所述至少一个订阅维度包括：资讯关键词和至少一个第一维度项；

所述处理单元，具体用于根据确定出的所述资讯关键词的实际值，以及所述当前个性标签下所述资讯关键词的设定值，计算所述当前个性标签的相关度；在判断出所述相关度达到相应预设阈值时，根据确定出的每一个所述第一维度项的实际值，以及所述当前个性标签下每一个所述第一维度项的设定值，计算所述当前个性标签的推荐值；

所述资讯关键词的实际值包括：至少一个第一字段，以及每一个所述第一字段的标题出现次数和正文出现次数；

所述资讯关键词的设定值包括：至少一个第二字段；

所述处理单元，具体用于根据公式一，计算所述当前个性标签的相关指数；在判断出所述相关指数达到相应预设阈值时，根据公式二，计算所述当前个性标签的相关度；

所述公式一包括：

所述公式二包括：

其中，y为相关指数，η为相关度，n为所述至少一个第一字段和所述至少一个第二字段的至少一个共有字段的个数；k₁为第一预设权重，k₂为第二预设权重，N_i1为所述至少一个共有字段中第i个共有字段的标题出现次数，N_i2为所述第i个共有字段的正文出现次数，m为所述至少一个第一字段的个数，N_j1为所述至少一个第一字段中第j个第一字段的标题出现次数，N_j2为所述第j个第一字段的正文出现次数；

所述处理单元，具体用于根据公式三，计算所述当前个性标签的推荐值；

所述公式三包括：

其中，Y为推荐值，q为所述至少一个第一维度项的个数，对于所述至少一个第一维度项中的第p个第一维度项，x_p为所述第p个第一维度项的实际值在所述第p个第一维度项的设定值中的取值，K_p为所述第p个第一维度项的预设权重。

Images