CN108182626A - 服务推送方法、信息采集终端及计算机可读存储介质 - Google Patents

Abstract

本发明公开了一种服务推送方法、信息采集终端及计算机可读存储介质，该服务推送方法包括：根据预设的数据采集点采集对应的用户行为数据；对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表；根据特征分析表中的用户行为特征，确定用户的习惯特征；根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端。本发明解决了用户零散的行为数据无法准确反映用户使用习惯，生产厂商无法提供个性化的信息功能服务的技术问题，提高了用户行为数据的针对性，使生产厂商能够正确分析用户的行为特征，推导用户的使用习惯，从而向用户推荐相应的功能服务，提高了服务推送的个性化程度，提升用户的使用体验。

Description

服务推送方法、信息采集终端及计算机可读存储介质

技术领域

本发明涉及服务推送技术领域，尤其涉及一种服务推送方法、信息采集终端及计算机可读存储介质。

背景技术

随着移动终端技术的快速发展，人们通过移动终端满足生活中各种功能需求的使用频次也越来越高。移动终端集成了用户日常生活中各种使用习惯所形成的行为数据，若生产厂商获得了用户的行为数据，即可更好地分析用户的行为特征，从而提供更优秀的服务。

目前，生产厂商采集用户行为数据的方式主要是针对某些特定行为进行采集，例如只针对某款指定APP(Application，即应用程序)，或者只针对某项指定操作等等。这些采集行为都较为片面，因为所采集的数据都是比较孤立的信息点，无法从整体上反映用户所有信息点的关联关系，也就无法准确地分析出用户的行为特征，生产厂商也就无法提供相应的功能服务，无法进一步提升用户的使用体验。

因此，现有的采集用户行为数据的方法存在采集的信息点较为孤立，无法准确地反映出用户的使用习惯，造成生产厂商无法得知用户的行为特征，导致无法提供个性化的信息功能服务，从而降低用户的使用体验。

发明内容

本发明的主要目的在于提供一种服务推送方法、信息采集终端及计算机可读存储介质，旨在解决采集的用户行为数据无法准确反映用户使用习惯，导致生产厂商无法提供个性化的信息功能服务的技术问题。

为实现上述目的，本发明实施例提供一种服务推送方法，所述服务推送方法应用于信息采集终端，所述服务推送方法包括：

根据预设的数据采集点采集对应的用户行为数据；

对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表；

根据特征分析表中的用户行为特征，确定用户的习惯特征；

根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端。

可选地，所述根据特征分析表中的用户行为特征，确定用户的习惯特征的步骤包括：

获取特征分析表中用户行为特征的关联程度，确定关联程度最高的前预设个用户行为特征；

根据前预设个用户行为特征，确定用户的习惯特征。

可选地，所述根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端的步骤包括：

建立功能服务数据库，并获取不同功能服务的匹配程度；

根据用户的习惯特征，匹配对应的第一功能服务，并获取匹配程度与第一功能服务最高的第二功能服务；

在预设的使用场景下将第一功能服务和第二功能服务推送至用户终端。

可选地，所述对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表包括：

根据预设类别对所有用户行为数据进行分类处理，以获得基础数据；

对基础数据进行挖掘处理，以生成用户行为特征的特征分析表。

可选地，所述预设类别包括功能使用类别、时间类别、地点类别和使用频次，所述基础数据包括功能使用表、时间表、地点表和使用频次表，

所述根据预设类别对所有用户行为数据进行分类处理，以获得基础数据的步骤包括：

根据预设类别获取用户行为数据中的功能使用数据、时间数据、地点数据和使用频次；

对功能使用数据、时间数据、地点数据和使用频次进行数据分类处理，以获得功能使用表、时间表、地点表和使用频次表。

可选地，所述对基础数据进行挖掘处理，以生成用户行为特征的特征分析表的步骤包括：

获取所有基础数据的数据关联关系，并确定所有数据关联关系的权重值；

根据所有数据关联关系的权重值建立数据特征模型，并基于数据特征模型生成用户行为特征的特征分析表。

可选地，所述获取所有基础数据的数据关联关系，并确定所有数据关联关系的权重值步骤包括：

计算所有基础数据中的数据特征值，根据数据特征值确定所有基础数据之间的强关联关系或弱关联关系；

根据强关联关系或弱关联关系确定各数据关联关系的权重值。

本发明还提供一种信息采集终端，所述信息采集终端包括：存储器、处理器，通信总线以及存储在所述存储器上的服务推送程序，

所述通信总线用于实现处理器与存储器间的通信连接；

所述处理器用于执行所述服务推送程序，以实现以下步骤：

根据预设的数据采集点采集对应的用户行为数据；

对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表；

根据特征分析表中的用户行为特征，确定用户的习惯特征；

根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端。

可选地，所述根据特征分析表中的用户行为特征，确定用户的习惯特征的步骤包括：

获取特征分析表中用户行为特征的关联程度，确定关联程度最高的前预设个用户行为特征；

根据前预设个用户行为特征，确定用户的习惯特征。

可选地，所述根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端的步骤包括：

建立功能服务数据库，并获取不同功能服务的匹配程度；

根据用户的习惯特征，匹配对应的第一功能服务，并获取匹配程度与第一功能服务最高的第二功能服务；

在预设的使用场景下将第一功能服务和第二功能服务推送至用户终端。

可选地，所述对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表包括：

根据预设类别对所有用户行为数据进行分类处理，以获得基础数据；

对基础数据进行挖掘处理，以生成用户行为特征的特征分析表。

可选地，所述预设类别包括功能使用类别、时间类别、地点类别和使用频次，所述基础数据包括功能使用表、时间表、地点表和使用频次表，

所述根据预设类别对所有用户行为数据进行分类处理，以获得基础数据的步骤包括：

根据预设类别获取用户行为数据中的功能使用数据、时间数据、地点数据和使用频次；

对功能使用数据、时间数据、地点数据和使用频次进行数据分类处理，以获得功能使用表、时间表、地点表和使用频次表。

可选地，所述对基础数据进行挖掘处理，以生成用户行为特征的特征分析表的步骤包括：

获取所有基础数据的数据关联关系，并确定所有数据关联关系的权重值；

根据所有数据关联关系的权重值建立数据特征模型，并基于数据特征模型生成用户行为特征的特征分析表。

可选地，所述获取所有基础数据的数据关联关系，并确定所有数据关联关系的权重值步骤包括：

计算所有基础数据中的数据特征值，根据数据特征值确定所有基础数据之间的强关联关系或弱关联关系；

根据强关联关系或弱关联关系确定各数据关联关系的权重值。

此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序可被一个或者一个以上的处理器执行以用于：

根据预设的数据采集点采集对应的用户行为数据；

对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表；

根据特征分析表中的用户行为特征，确定用户的习惯特征；

根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端。

本发明的技术方案中，根据预设的数据采集点采集对应的用户行为数据；对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表；根据特征分析表中的用户行为特征，确定用户的习惯特征；根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端。通过以上方式，本发明解决了用户零散的行为数据无法准确反映用户使用习惯，导致生产厂商无法提供个性化的信息功能服务的技术问题，提高了用户行为数据的针对性，使得生产厂商能够正确分析用户的行为特征，推导用户的使用习惯，从而向用户推荐相应的功能服务，提高了服务推送的个性化程度，提升用户的使用体验。

附图说明

图1为本发明各个实施例的一种信息采集终端的硬件结构示意图；

图2为本发明实施例提供的一种通信网络系统架构图；

图3为本发明服务推送方法第一实施例的流程示意图；

图4为图3中一细化流程示意图；

图5本图3中又一细化流程示意图；

图6为本发明服务推送方法一系统功能设计示意图；

图7为本发明服务推送方法第一实施例的一场景示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

终端可以以各种形式来实施。例如，本发明中描述的终端可以包括诸如手机、平板电脑、笔记本电脑、掌上电脑、个人数字助理(Personal Digital Assistant，PDA)、便捷式媒体播放器(Portable Media Player，PMP)、导航装置、可穿戴设备、智能手环、计步器等移动终端，以及诸如数字TV、台式计算机等固定终端。

后续描述中将以移动终端为例进行说明，所述信息采集终端为移动终端，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本发明的实施方式的构造也能够应用于固定类型的终端。

请参阅图1，其为实现本发明各个实施例的一种信息采集终端的硬件结构示意图，该信息采集终端100可以包括：RF(Radio Frequency，射频)单元101、WiFi模块102、音频输出单元103、A/V(音频/视频)输入单元104、传感器105、显示单元106、用户输入单元107、接口单元108、存储器109、处理器110、以及电源111等部件。本领域技术人员可以理解，图1中示出的信息采集终端结构并不构成对信息采集终端的限定，信息采集终端可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。

下面结合图1对信息采集终端的各个部件进行具体的介绍：

射频单元101可用于收发信息或通话过程中，信号的接收和发送，具体的，将基站的下行信息接收后，给处理器110处理；另外，将上行的数据发送给基站。通常，射频单元101包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外，射频单元101还可以通过无线通信与网络和其他设备通信。上述无线通信可以使用任一通信标准或协议，包括但不限于GSM(Global System of Mobile communication，全球移动通讯系统)、GPRS(General Packet Radio Service，通用分组无线服务)、CDMA2000(CodeDivision Multiple Access 2000，码分多址2000)、WCDMA(Wideband Code DivisionMultiple Access,宽带码分多址)、TD-SCDMA(Time Division-Synchronous CodeDivision Multiple Access，时分同步码分多址)、FDD-LTE(Frequency DivisionDuplexing-Long Term Evolution，频分双工长期演进)和TDD-LTE(Time DivisionDuplexing-Long Term Evolution，分时双工长期演进)等。

WiFi属于短距离无线传输技术，信息采集终端通过WiFi模块102可以帮助用户收发电子邮件、浏览网页和访问流式媒体等，它为用户提供了无线的宽带互联网访问。虽然图1示出了WiFi模块102，但是可以理解的是，其并不属于信息采集终端的必须构成，完全可以根据需要在不改变发明的本质的范围内而省略。

音频输出单元103可以在信息采集终端100处于呼叫信号接收模式、通话模式、记录模式、语音识别模式、广播接收模式等等模式下时，将射频单元101或WiFi模块102接收的或者在存储器109中存储的音频数据转换成音频信号并且输出为声音。而且，音频输出单元103还可以提供与信息采集终端100执行的特定功能相关的音频输出(例如，呼叫信号接收声音、消息接收声音等等)。音频输出单元103可以包括扬声器、蜂鸣器等等。

A/V输入单元104用于接收音频或视频信号。A/V输入单元104可以包括图形处理器(Graphics Processing Unit，GPU)1041和麦克风1042，图形处理器1041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元106上。经图形处理器1041处理后的图像帧可以存储在存储器109(或其它存储介质)中或者经由射频单元101或WiFi模块102进行发送。麦克风1042可以在电话通话模式、记录模式、语音识别模式等等运行模式中经由麦克风1042接收声音(音频数据)，并且能够将这样的声音处理为音频数据。处理后的音频(语音)数据可以在电话通话模式的情况下转换为可经由射频单元101发送到移动通信基站的格式输出。麦克风1042可以实施各种类型的噪声消除(或抑制)算法以消除(或抑制)在接收和发送音频信号的过程中产生的噪声或者干扰。

信息采集终端100还包括至少一种传感器105，比如光传感器、运动传感器以及其他传感器。具体地，光传感器包括环境光传感器及接近传感器，其中，环境光传感器可根据环境光线的明暗来调节显示面板1061的亮度，接近传感器可在信息采集终端100移动到耳边时，关闭显示面板1061和/或背光。作为运动传感器的一种，加速计传感器可检测各个方向上(一般为三轴)加速度的大小，静止时可检测出重力的大小及方向，可用于识别手机姿态的应用(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等；至于手机还可配置的指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等其他传感器，在此不再赘述。

显示单元106用于显示由用户输入的信息或提供给用户的信息。显示单元106可包括显示面板1061，可以采用液晶显示器(Liquid Crystal Display，LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板1061。

用户输入单元107可用于接收输入的数字或字符信息，以及产生与信息采集终端的用户设置以及功能控制有关的键信号输入。具体地，用户输入单元107可包括触控面板1071以及其他输入设备1072。触控面板1071，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板1071上或在触控面板1071附近的操作)，并根据预先设定的程式驱动相应的连接装置。触控面板1071可包括触摸检测装置和触摸控制器两个部分。其中，触摸检测装置检测用户的触摸方位，并检测触摸操作带来的信号，将信号传送给触摸控制器；触摸控制器从触摸检测装置上接收触摸信息，并将它转换成触点坐标，再送给处理器110，并能接收处理器110发来的命令并加以执行。此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板1071。除了触控面板1071，用户输入单元107还可以包括其他输入设备1072。具体地，其他输入设备1072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种，具体此处不做限定。

进一步的，触控面板1071可覆盖显示面板1061，当触控面板1071检测到在其上或附近的触摸操作后，传送给处理器110以确定触摸事件的类型，随后处理器110根据触摸事件的类型在显示面板1061上提供相应的视觉输出。虽然在图1中，触控面板1071与显示面板1061是作为两个独立的部件来实现信息采集终端的输入和输出功能，但是在某些实施例中，可以将触控面板1071与显示面板1061集成而实现信息采集终端的输入和输出功能，具体此处不做限定。

接口单元108用作至少一个外部装置与信息采集终端100连接可以通过的接口。例如，外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元108可以用于接收来自外部装置的输入(例如，数据信息、电力等等)并且将接收到的输入传输到信息采集终端100内的一个或多个元件或者可以用于在信息采集终端100和外部装置之间传输数据。

存储器109可用于存储软件程序以及各种数据。存储器109可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外，存储器109可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

处理器110是信息采集终端的控制中心，利用各种接口和线路连接整个信息采集终端的各个部分，通过运行或执行存储在存储器109内的软件程序和/或模块，以及调用存储在存储器109内的数据，执行信息采集终端的各种功能和处理数据，从而对信息采集终端进行整体监控。处理器110可包括一个或多个处理单元；优选的，处理器110可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用程序等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器110中。

在信息采集终端中，处理器110用于执行存储器109中存储的服务推送程序，实现以下步骤：

根据预设的数据采集点采集对应的用户行为数据；

对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表；

根据特征分析表中的用户行为特征，确定用户的习惯特征；

根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端。

进一步地，所述根据特征分析表中的用户行为特征，确定用户的习惯特征的步骤包括：

获取特征分析表中用户行为特征的关联程度，确定关联程度最高的前预设个用户行为特征；

根据前预设个用户行为特征，确定用户的习惯特征。

进一步地，所述根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端的步骤包括：

建立功能服务数据库，并获取不同功能服务的匹配程度；

根据用户的习惯特征，匹配对应的第一功能服务，并获取匹配程度与第一功能服务最高的第二功能服务；

在预设的使用场景下将第一功能服务和第二功能服务推送至用户终端。

进一步地，所述对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表包括：

根据预设类别对所有用户行为数据进行分类处理，以获得基础数据；

对基础数据进行挖掘处理，以生成用户行为特征的特征分析表。

进一步地，所述预设类别包括功能使用类别、时间类别、地点类别和使用频次，所述基础数据包括功能使用表、时间表、地点表和使用频次表，

所述根据预设类别对所有用户行为数据进行分类处理，以获得基础数据的步骤包括：

根据预设类别获取用户行为数据中的功能使用数据、时间数据、地点数据和使用频次；

对功能使用数据、时间数据、地点数据和使用频次进行数据分类处理，以获得功能使用表、时间表、地点表和使用频次表。

进一步地，所述对基础数据进行挖掘处理，以生成用户行为特征的特征分析表的步骤包括：

获取所有基础数据的数据关联关系，并确定所有数据关联关系的权重值；

根据所有数据关联关系的权重值建立数据特征模型，并基于数据特征模型生成用户行为特征的特征分析表。

进一步地，所述获取所有基础数据的数据关联关系，并确定所有数据关联关系的权重值步骤包括：

计算所有基础数据中的数据特征值，根据数据特征值确定所有基础数据之间的强关联关系或弱关联关系；

根据强关联关系或弱关联关系确定各数据关联关系的权重值。

信息采集终端100还可以包括给各个部件供电的电源111(比如电池)，优选的，电源111可以通过电源管理系统与处理器110逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。

尽管图1未示出，信息采集终端100还可以包括蓝牙模块等，在此不再赘述。

为了便于理解本发明实施例，下面对本发明的信息采集终端所基于的通信网络系统进行描述。

请参阅图2，图2为本发明实施例提供的一种通信网络系统架构图，该通信网络系统为通用移动通信技术的LTE系统，该LTE系统包括依次通讯连接的UE(User Equipment，用户设备)201，E-UTRAN(Evolved UMTS Terrestrial Radio Access Network，演进式UMTS陆地无线接入网)202，EPC(Evolved Packet Core，演进式分组核心网)203和运营商的IP业务204。

具体地，UE201可以是上述终端100，此处不再赘述。

E-UTRAN202包括eNodeB2021和其它eNodeB2022等。其中，eNodeB2021可以通过回程(backhaul)(例如X2接口)与其它eNodeB2022连接，eNodeB2021连接到EPC203，eNodeB2021可以提供UE201到EPC203的接入。

EPC203可以包括MME(Mobility Management Entity，移动性管理实体)2031，HSS(Home Subscriber Server，归属用户服务器)2032，其它MME2033，SGW(Serving Gate Way，服务网关)2034，PGW(PDN Gate Way，分组数据网络网关)2035和PCRF(Policy andCharging Rules Function，政策和资费功能实体)2036等。其中，MME2031是处理UE201和EPC203之间信令的控制节点，提供承载和连接管理。HSS2032用于提供一些寄存器来管理诸如归属位置寄存器(图中未示)之类的功能，并且保存有一些有关服务特征、数据速率等用户专用的信息。所有用户数据都可以通过SGW2034进行发送，PGW2035可以提供UE 201的IP地址分配以及其它功能，PCRF2036是业务数据流和IP承载资源的策略与计费控制策略决策点，它为策略与计费执行功能单元(图中未示)选择及提供可用的策略和计费控制决策。

IP业务204可以包括因特网、内联网、IMS(IP Multimedia Subsystem，IP多媒体子系统)或其它IP业务等。

虽然上述以LTE系统为例进行了介绍，但本领域技术人员应当知晓，本发明不仅仅适用于LTE系统，也可以适用于其他无线通信系统，例如GSM、CDMA2000、WCDMA、TD-SCDMA以及未来新的网络系统等，此处不做限定。

基于上述信息采集终端硬件结构以及通信网络系统，提出本发明方法各个实施例。

本发明提供一种服务推送方法，所述服务推送方法应用于信息采集终端，在服务推送方法第一实施例中，参照图3，所述服务推送方法包括：

步骤S10，根据预设的数据采集点采集对应的用户行为数据；

该服务推送方法应用于图1所示的信息采集终端，信息采集终端可以是用户所使用的移动终端；也可以是生产厂商官方使用的采集用户移动终端的专属终端；或者可以是一台服务器。该信息采集终端通过有线传输或无线传输的方式获取用户移动终端(以下称用户终端)中的用户行为数据，采集用户行为数据的方式可通过用户的确认之后进行采集，也可以直接采集。

在本实施例中，生产厂商可在用户终端中事先预埋用户信息的数据采集点，即在需要了解获取的信息代码段中预埋数据采集点埋点，通过预埋点进行有效标注。该数据采集点将收集记录在该段信息代码段中所有的数据交互，只负责信息采集，不作其他活动。当信息采集终端进入采集流程时，信息采集终端直接根据用户终端中的所有数据采集点，采集数据采集点中记录的数据交互内容，提取出对应的用户行为数据。所述用户行为数据指的是用户在用户终端上的操作行为，由于数据采集点是具有针对性的，因此数据采集点采集的内容是反映用户行为特征的信息内容。

具体地，由于数据采集点是预埋的，因此信息采集终端可确定数据采集点的地址位置，通过地址信息确定到所有具体的数据采集点，而所有数据采集点上所记录的用户行为数据是存储在用户终端中的共享存储单元，因此信息采集终端拥有获取采集用户行为数据的权限。

步骤S20，对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表；

不同的信息采集点对应的是不同的用户行为数据，而用户行为数据是用户个人生活习惯的体现，因此也包括了品种繁多的类型，假设不对其进行分析处理，用户行为数据将只是简单散乱的数据记录，而无法成为有效的分析数据源。因此，信息采集终端需要对用户行为数据进行分析，例如分析所有用户行为数据的生成时间，判断用户操作的大致时间，并对各用户行为数据进行特征归纳，例如在某个时间段某个用户行为数据的记录特别多等等。不同的用户行为数据在同一属性上保持有高度相似的特征，即证明用户在该属性上具有特定的行为特征。

分析用户行为数据是归纳用户行为特征的方式，该分析过程需要用户行为数据作为分析基础，因此用户行为数据的样本量越多，则分析结果越能体现真实的用户行为特征。通过对用户行为数据的整理、归纳，可生成用户行为特征的特征分析表。所述特征分析表指的是根据用户行为数据归纳分析出来的用户行为特征的分析报告表，主要是对用户行为数据在某些特征属性上的总结性表述。

步骤S30，根据特征分析表中的用户行为特征，确定用户的习惯特征；

用户行为特征证明用户在是使用各种功能服务商呈现某种规律性变化，而这种规律性变化在确定下来之后，将会很大概率了一直持续下去，且发生新的改变的几率非常低，故可以作为用户近期特定的习惯，作为用户的习惯特征一直保持下去。所述习惯特征指的是用户在日常生活中经常重复的固定行为习惯，例如用户在晚上10点左右固定有夜跑的习惯，信息采集终端可根据特征分析表中相关的夜跑记录，确定用户具有夜跑的习惯特征。因此根据特征分析表中的用户行为特征，信息采集终端可以确定用户的习惯特征。

参照图4，可选地，所述根据特征分析表中的用户行为特征，确定用户的习惯特征的步骤包括：

步骤S31，获取特征分析表中用户行为特征的关联程度，确定关联程度最高的前预设个用户行为特征；

步骤S32，根据前预设个用户行为特征，确定用户的习惯特征。

在本实施例中，特征分析表中记录着用户各种行为特征数据的关联程度，所述关联程度指的是不同数据记录具有相同属性的频数。通过用户各种不同的用户行为特征的频数，将各自独立的用户行为数据联系起来，形成有关联的数据信息。同时，特征分析表中对关联程度的分析包括对关联程度大小的排序，信息采集终端确定关联程度最高的前预设个用户行为特征。该前预设个用户行为特征可以反映用户最主要的习惯爱好特征。通过大数据进一步进行匹配筛选，从而用户的习惯特征。该习惯特征包括用户使用某功能所在时间段、地点、使用的应用软件、该功能的其他关联功能等等。

步骤S40，根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端。

信息报告表时根据用户行为数据获得的用户行为特征分析报告，因此针对信息报告表中用户的行为特征可分析出用户的日常使用习惯，包括在不同时间、不同地点使用服务的类型、频率等等。而通过对用户使用习惯的分析推断，可获取到用户在对应条件下所需要的功能服务。信息采集终端可根据用户行为特征获取到对应的关联度最高的个性化功能服务，并将其推送给用户终端。其推送方式可以是短信，可以是应用提醒，可以是智能助手提示等等，在此不作限定。

以下将通过一个具体例子进行解释说明，信息采集终端获取信息报告表中的用户行为特征，例如用户通常在下午1:20至1:40时刻左右点外卖。那么信息采集终端将根据这一用户行为特征，获取到与点外卖关联度最高的外卖服务功能，该外卖服务功能主要根据用户的使用习惯为主，根据用户的个性化特征习惯而确定，可以是用户经常使用的外卖服务功能，也可以是信息采集终端对接的推荐功能等等。

在确定个性化功能服务之后，信息采集终端可根据预设的使用场景对个性化功能服务进行信息推送，以达到提示用户的目的。所述预设的使用场景指的是符合用户使用习惯的特定场景，例如用户通常是在下午1:20至1:40的时间区间之间应用外卖服务，那么预设的使用场景则是在1:20至1:40的时间区间左右，可适当提前时间点，例如在1:00至1:30的时间区间进行推送提示，从而推荐用户使用个性化定制的外卖功能服务。

参照图5，所述根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端的步骤包括：

步骤S41，建立功能服务数据库，并获取不同功能服务的匹配程度；

步骤S42，根据用户的习惯特征，匹配对应的第一功能服务，并获取匹配程度与第一功能服务最高的第二功能服务；

步骤S43，在预设的使用场景下将第一功能服务和第二功能服务推送至用户终端。

参照图7，不同的功能服务之间可能存在一定的匹配度，例如用户通过金融支付软件实现资金转账、支付交易等操作行为均属于金融操作，那么相对应匹配的金融操作或许也是当前用户所需要的功能需求，例如资金理财，黄金买卖等等。因此，推送到用户终端的功能服务除了参考用户的习惯特征，还可以通过该习惯特征所在领域的相关领域进行进一步地推送。

不同的功能服务需要与用户习惯特征进行对接，否则会影响用户的使用体验。故本实施例建立了功能服务数据库，该功能服务数据库中包括了各领域对应的功能服务，并且可通过调用接口调用第三方提供的功能服务。在该功能服务数据库中，不同功能服务之间可能存在关联关系，也可能完全不相关联，具体可通过功能服务之间的匹配程度获知。例如，跑步功能可与心率测量功能、路程导航定位相互关联，而其匹配程度可通过第三方数据定义。

通过获取不同功能服务的匹配程度，本实施例将根据用户的习惯特征，匹配与该习惯特征对应的第一功能服务，即第一功能服务完全与习惯特征相匹配，能够解决习惯特征中的功能需求。同时信息采集终端将获取功能服务数据库中与第一功能服务的匹配程度最高的第二功能服务。该第二功能服务与第一功能服务存在一定差异，但属于第一功能服务的关联服务。例如，第一功能服务是点外卖服务，那第二功能服务可以是与点外卖功能存在直接关联关系的外卖配送功能。

所述预设的使用场景指的是当满足第一功能服务的推送条件，如达到预设时间，或者达到预设地点时，即可将第一功能服务推送至用户终端。同时，与第一功能服务相匹配的第二功能服务也可推送至用户终端，以提升用户的使用体验。

参照图6，本发明的技术方案中，根据预设的数据采集点采集对应的用户行为数据；对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表；根据特征分析表中的用户行为特征，确定用户的习惯特征；根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端。通过以上方式，本发明解决了用户零散的行为数据无法准确反映用户使用习惯，导致生产厂商无法提供个性化的信息功能服务的技术问题，提高了用户行为数据的针对性，使得生产厂商能够正确分析用户的行为特征，推导用户的使用习惯，从而向用户推荐相应的功能服务，提高了服务推送的个性化程度，提升用户的使用体验。

进一步地，在本发明服务推送方法第一实施例的基础上，提出服务推送方法第二实施例，参照图xx，所述第二实施例与第一实施例之间的区别在于，所述对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表包括：

步骤S21，根据预设类别对所有用户行为数据进行分类处理，以获得基础数据；

当用户行为数据达到一定数量时，对用户行为数据的分析处理将会显得繁杂。因此本实施例通过预设类别对所有用户行为数据进行分类处理。数据分类是对用户行为数据的划分处理，以便对同属性的信息进行归纳分析。数据分类处理后，信息采集终端将获得与预设类别的种类各自对应的基础数据。所述预设类别是对用户行为数据的分类标准，可预设在信息采集终端中，也可以是根据信息采集需求进行实时调整。

具体地，所述预设类别包括功能使用类别、时间类别、地点类别和使用频次，所述基础数据包括功能使用表、时间表、地点表和使用频次表，

所述根据预设类别对所有用户行为数据进行分类处理，以获得基础数据的步骤包括：

步骤S211，根据预设类别获取用户行为数据中的功能使用数据、时间数据、地点数据和使用频次；

本实施例将预设类别分为四个部分，1、功能使用数据；2、时间数据；3、地点数据；4、使用频次。该功能使用数据表示产生该用户行为数据所关联的主功能服务和辅功能服务；该时间数据表示产生该用户行为数据的主功能服务和辅功能服务的时间区间信息；该地点数据表示使用产生该用户行为数据的主功能服务和辅功能服务时的地点位置信息；该使用频次表示该用户行为数据中主功能服务和辅功能服务被统计的使用频次。需要说明的是，以上所述预设类别的四个部分包含了产生用户行为数据的重要信息，将预设类别分为四个部分仅为本实施例中一种可选案例，并不代表所述预设类别只限于以上所述四个部分的具体内容，在本实施例之外的其他预设类别均可以纳入本发明的总体数据分类思路中，在此不作限定。

步骤S212，对功能使用数据、时间数据、地点数据和使用频次进行数据分类处理，以获得功能使用表、时间表、地点表和使用频次表。

对所有用户行为数据中的功能使用数据、时间数据、地点数据和使用频次进行分类，将每条用户行为数据中的细节进行归类整理，以便将具有同样属性特征的信息特征进行归纳，从而获得功能使用表、时间表、地点表和使用频次表。也就是说，一条用户行为数据对应有应用使用记录、时间记录、地点记录和使用频次记录，而将所有用户行为数据全部进行数据分类处理，即可获得功能使用表、时间表、地点表和使用频次表。

步骤S22，对基础数据进行挖掘处理，以生成用户行为特征的特征分析表。

基础数据的获取源于对用户行为数据的综合分析，在获取到基础数据之后，信息采集终端可对基础数据进行挖掘处理。所述挖掘处理指的是信息采集终端对基础数据进行有序的数据关联绑定，即利用将各种基础数据获取不同基础数据之间的细节关联特征，并根据细节关联特征，把孤立的各个基础数据联合在一起，形成基础数据之间各种关联关系的整体数据，即完整的有机的信息数据集合模型，从而获取到用户行为特征的信息报告表。

具体地，所述对基础数据进行挖掘处理，以生成用户行为特征的特征分析表的步骤包括：

步骤S221，获取所有基础数据的数据关联关系，并确定所有数据关联关系的权重值；

基础数据的挖掘处理主要是通过功能使用表、时间表、地点表和使用频次表中所有目标功能和关联功能各自对应的启动时间、启动地点和使用频次等数据，获取到各信息数据中的数据关联关系。例如，用户行为数据中A功能属于高频次功能；在所有表格中的启动时间趋向于某一固定区间、启动地点高度重合；A功能启动时总伴随着B功能的启动等等。各种关联关系均可以通过数据比对和数据匹配的方式完成绑定。在获取到所有基础数据的数据关联关系之后，可根据预设的使用场景确定数据关联关系之间的权重值。例如预设的使用场景强调各基础数据之间的关联强度，即单一基础数据可与多个其他基础数据进行数据关联，关联强度越高，则对应的权重值越高；或者预设的使用场景强调各基础数据之间的关联长度，即单一基础数据可与任意其他基础数据进行数据关联，并成为该数据关联链条上的长度计算单位之一(如成为长度为5的数据关联链条之中的两个长度单位)；或者其他预设的使用场景。预设的使用场景可根据实际情况进行调整，从而确定所有数据关联关系的权重值。

可选地，所述获取所有基础数据的数据关联关系，并确定所有数据关联关系的权重值步骤包括：

步骤S2211，计算所有基础数据中的数据特征值，根据数据特征值确定所有基础数据之间的强关联关系或弱关联关系；

数据关联关系的获取可通过基础数据中的功能使用表、时间表、地点表和使用频次表中的关联进行确定。其方法为，在基础数据各表格中进行相同数据的属性特征计算，以求得数据特征值，并基于该数据特征值确定所有基础数据之间的强关联关系或弱关联关系。

例如，在功能使用表中的计步功能之后关联有点外卖功能，而时间表中计步功能和点外卖功能的时间点的差值总体趋于5分钟之内；地点表中显示计步功能和点外卖功能的地理位置坐标处于相差500米之内的预设范围；在使用频率表中计步功能和外卖功能的使用频次相当。以上所述四个表格中，在两个表格中计步功能和点外卖功能满足一定条件时，即认定存在数据关联关系，并设置一个厨师的数据特征值(该数据特征值依据信息的关联频次的增加而等比例增加)。而在与另两个表格中任一表格形成进一步的数据关联关系时，其数据特征值将进一步提升。由此，根据数据特征值的大小，可确定基础数据之间的强关联关系或弱关联关系。

步骤S2212，根据强关联关系或弱关联关系确定各数据关联关系的权重值。

数据特征值受表格数据出现频次和表格关联度的变化而变化。而根据数据特征值获取到的强关联关系或弱关联关系，可确定各数据关联关系的权重值。权重值依据数据特征值的大小经过逻辑计算而成，可严格反映各用户行为数据之间的具体关联关系的程度。

步骤S222，根据所有数据关联关系的权重值建立数据特征模型，并基于数据特征模型生成用户行为特征的特征分析表。

在本实施例中，获取到数据关联关系的权重值之后，根据权重值建立数据特征模型。所述数据特征模型指的是将所有数据关联关系进行整合，通过权重值的形式实现各个单一的数据关联关系的组合，以形成所有基础数据的有效融合，使得个基础数据不再成为孤立的信息点，而是成为有序的数据信息网络。而该数据信息网络，即为数据特征模型。

本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有一个或者一个以上程序，所述一个或者一个以上程序还可被一个或者一个以上的处理器执行以用于：

根据预设的数据采集点采集对应的用户行为数据；

对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表；

根据特征分析表中的用户行为特征，确定用户的习惯特征；

根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端。

本发明计算机可读存储介质具体实施方式与上述服务推送方法和信息采集终端各实施例基本相同，在此不再赘述。

需要说明的是，在本文中，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、物品或者装置不仅包括那些要素，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、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。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(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。

上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，这些均属于本发明的保护之内。

Claims (10)

1.一种服务推送方法，其特征在于，所述服务推送方法应用于信息采集终端，所述服务推送方法包括：

根据预设的数据采集点采集对应的用户行为数据；

对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表；

根据特征分析表中的用户行为特征，确定用户的习惯特征；

根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端。

2.如权利要求1所述的服务推送方法，其特征在于，所述根据特征分析表中的用户行为特征，确定用户的习惯特征的步骤包括：

获取特征分析表中用户行为特征的关联程度，确定关联程度最高的前预设个用户行为特征；

根据前预设个用户行为特征，确定用户的习惯特征。

3.如权利要求1所述的服务推送方法，其特征在于，所述根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端的步骤包括：

建立功能服务数据库，并获取不同功能服务的匹配程度；

根据用户的习惯特征，匹配对应的第一功能服务，并获取匹配程度与第一功能服务最高的第二功能服务；

在预设的使用场景下将第一功能服务和第二功能服务推送至用户终端。

4.如权利要求1所述的服务推送方法，其特征在于，所述对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表包括：

根据预设类别对所有用户行为数据进行分类处理，以获得基础数据；

对基础数据进行挖掘处理，以生成用户行为特征的特征分析表。

5.如权利要求4所述的服务推送方法，其特征在于，所述预设类别包括功能使用类别、时间类别、地点类别和使用频次，所述基础数据包括功能使用表、时间表、地点表和使用频次表，

所述根据预设类别对所有用户行为数据进行分类处理，以获得基础数据的步骤包括：

根据预设类别获取用户行为数据中的功能使用数据、时间数据、地点数据和使用频次；

对功能使用数据、时间数据、地点数据和使用频次进行数据分类处理，以获得功能使用表、时间表、地点表和使用频次表。

6.如权利要求4所述的服务推送方法，其特征在于，所述对基础数据进行挖掘处理，以生成用户行为特征的特征分析表的步骤包括：

获取所有基础数据的数据关联关系，并确定所有数据关联关系的权重值；

根据所有数据关联关系的权重值建立数据特征模型，并基于数据特征模型生成用户行为特征的特征分析表。

7.如权利要求6所述的服务推送方法，其特征在于，所述获取所有基础数据的数据关联关系，并确定所有数据关联关系的权重值步骤包括：

计算所有基础数据中的数据特征值，根据数据特征值确定所有基础数据之间的强关联关系或弱关联关系；

根据强关联关系或弱关联关系确定各数据关联关系的权重值。

8.一种信息采集终端，其特征在于，所述信息采集终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的服务推送程序，所述服务推送程序被所述处理器执行时实现以下步骤：

根据预设的数据采集点采集对应的用户行为数据；

对所有用户行为数据进行分析处理，以生成用户行为特征的特征分析表；

根据特征分析表中的用户行为特征，确定用户的习惯特征；

根据用户的习惯特征，匹配对应的功能服务，并在预设的使用场景下将功能服务推送至用户终端。

9.如权利要求8所述的信息采集终端，其特征在于，所述信息采集程序被所述处理器执行时还实现如权利要求2至7中任一项所述的服务推送方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有服务推送程序，所述服务推送程序被处理器执行时实现如权利要求1至7中任一项所述的服务推送方法的步骤。