CN108460631B - 多元化信息的混合推送方法及装置 - Google Patents
多元化信息的混合推送方法及装置 Download PDFInfo
- Publication number
- CN108460631B CN108460631B CN201810149025.6A CN201810149025A CN108460631B CN 108460631 B CN108460631 B CN 108460631B CN 201810149025 A CN201810149025 A CN 201810149025A CN 108460631 B CN108460631 B CN 108460631B
- Authority
- CN
- China
- Prior art keywords
- information
- score
- type
- push
- determining
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Abstract
本发明公开了一种多元化信息的混合推送方法及装置，涉及电子信息领域，该方法包括：针对多元化信息中包含的每种信息类型，根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分；针对每种信息类型所对应的每个信息项，按照预设的归一化处理规则对该信息项的原始得分进行归一化处理，得到归一化得分；按照预设的类型偏好规则计算该信息项所对应的类型偏好得分，根据归一化得分以及类型偏好得分确定该信息项的实际得分；根据多元化信息中包含的每种信息类型所对应的每个信息项的实际得分进行混合排序，根据排序结果进行混合推送。该方式结合多种因素对不同类型的信息项统一进行打分，能够合理地对信息项进行排序推送。
Description
技术领域
本发明涉及电子信息领域，具体涉及一种多元化信息的混合推送方法及装置。
背景技术
近些年，O2O，即Online To Offline(在线离线/线上到线下)技术得到了飞速发展，该技术能够把线上和线下完美结合起来。用户的需求是多元化的，例如购物、阅读、查找店铺等等，因此，用户在线上的诉求也会多元化，例如，对于APP来说，信息项对应的信息类型包括：商品类型、文章类型以及店铺类型等，为了满足用户需求，需要针对不同信息类型的信息项进行排序，确定合理的推荐结果推送给用户。
在第一种场景中，根据商品购买率确定推荐结果，对于文章中包含商品的情况，即利用文章进行商品导购，采取先计算文章的点击率，再根据点击率计算文章中包含的商品的导购购买率的方式；对于单独的商品则直接计算该商品的购买率，最终，根据导购购买率以及商品的购买率对各个信息项进行排序，得到最终的推荐结果。
在第二种场景中，根据信息项的点击率确定推荐结果，将商品类型、店铺类型、文章类型等多种不同类型的信息项混合起来，利用统一的模型对各个信息项对应的数据进行训练，以点击率作为推荐的因素，最终得到推荐结果。
但是，发明人在实现本发明的过程中，发现现有技术中的上述方式至少存在如下问题：首先，在第一种应用场景中，文章引导用户成功购买商品的概率往往较小，相比较于文章中包含的商品，用户购买单独的商品的概率更大，该方式的缺点是单独的商品由于购买率高，会得到较大的曝光率，而文章则需要干预才能保证文章的曝光率；其次，第二种场景中，由于不同信息类别的信息项对用户的吸引程度不相同，单独以点击率作为推荐结果的排序因素是不合理的。综上所述，以单一维度的数据作为推荐结果的排序因素所得到的推荐结果往往不合理，现有技术中尚没有一种能够很好地解决上述问题的技术方案。
发明内容
鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种多元化信息的混合推送方法及装置。
根据本发明的一个方面，提供了一种多元化信息的混合推送方法，包括：分别针对所述多元化信息中包含的每种信息类型，根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分；分别针对每种信息类型所对应的每个信息项，按照预设的归一化处理规则对该信息项的原始得分进行归一化处理，得到该信息项的归一化得分；按照预设的类型偏好规则计算该信息项所对应的信息类型的类型偏好得分，根据所述归一化得分以及所述类型偏好得分确定该信息项的实际得分；根据所述多元化信息中包含的每种信息类型所对应的每个信息项的实际得分进行混合排序，根据排序结果进行多元化信息的混合推送。
可选地，所述按照预设的归一化处理规则对该信息项的原始得分进行归一化处理，得到该信息项的归一化得分的步骤具体包括：
预先将总得分区间划分为多个子区间，确定与该信息项的原始得分相对应的子区间，根据该子区间的得分密度对该信息项的原始得分进行归一化处理；
其中，各个子区间的得分密度根据原始得分位于该子区间内的信息项的数量以及信息项的总量确定。
可选地，所述按照预设的类型偏好规则计算该信息项所对应的信息类型的类型偏好得分的步骤具体包括：
确定与当前时间相对应的时段信息，根据该时段信息确定该信息项所对应的信息类型的第一偏好分值；和/或，
确定与当前位置相对应的位置信息，根据该位置信息确定该信息项所对应的信息类型的第二偏好分值；
根据所述第一偏好分值和/或所述第二偏好分值确定该信息项所对应的信息类型的类型偏好得分。
可选地，所述确定与当前时间相对应的时段信息，根据该时段信息确定该信息项所对应的信息类型的第一偏好分值；和/或，确定与当前位置相对应的位置信息，根据该位置信息确定该信息项所对应的信息类型的第二偏好分值的步骤具体包括：
通过分析用户终端的当前行为数据和/或历史行为数据，确定该信息项所对应的信息类型的第一偏好分值和/或第二偏好分值。
可选地，所述方法执行之前，进一步包括：分别针对所述多元化信息中包含的每种信息类型，设置与该信息类型相对应的预设类型推送比例；
则所述根据所述归一化得分以及所述类型偏好得分确定该信息项的实际得分的步骤进一步包括：
获取该信息项所对应的信息类型的实际类型推送比例，根据该信息项所对应的信息类型的预设类型推送比例与实际类型推送比例之间的差值，得到该信息项的推送均衡得分；
根据所述归一化得分、所述类型偏好得分以及所述推送均衡得分确定该信息项的实际得分。
可选地，根据所述归一化得分、所述类型偏好得分以及所述推送均衡得分确定该信息项的实际得分的步骤具体包括：
分别确定所述归一化得分、所述类型偏好得分以及所述推送均衡得分所对应的权重值；
根据各个权重值对所述归一化得分、所述类型偏好得分以及所述推送均衡得分进行加权，得到该信息项的实际得分。
可选地，所述根据排序结果进行多元化信息的混合推送的步骤具体包括：
根据获取到的用户终端的用户属性信息，按照预设展示规则确定与每种类型的推送信息相对应的各个功能入口的展示状态；
根据所述展示状态展示所述与每种类型的推送信息相对应的各个功能入口。
可选地，所述用户属性信息包括以下中的至少一个：用户终端的当前位置数据、用户终端的当前行为数据以及当前时间数据；
其中，所述预设展示规则包括以下中的至少一个：
确定与所述推送信息相对应的信息位置，根据所述用户终端的当前位置数据与所述信息位置之间的距离确定各个功能入口的展示状态；
确定与所述推送信息相对应的各个功能入口与用户行为之间的关联关系，根据所述关联关系以及所述用户终端的当前行为数据确定各个功能入口的展示状态；
确定与所述推送信息相对应的信息时间，根据所述当前时间数据与所述信息时间之间的间隔确定各个功能入口的展示状态。
可选地，所述功能入口的展示状态包括：隐藏状态、可见状态、可点击状态、不可点击状态、高亮显示状态、和/或展示次序。
可选地，所述预设展示规则通过预设的预测模型实现；其中，所述预测模型根据用户终端的历史行为数据训练得到；
其中，所述历史行为数据包括：评论数据、预约行为数据、和/或领取优惠行为数据。
可选地，所述根据排序结果进行多元化信息的混合推送的步骤具体包括：
获取各个推送信息的地理位置信息，根据所述地理位置信息确定包含多个推送信息的信息聚集区域；
判断所述信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件；
若是，根据所述信息聚集区域内包含的各个推送信息生成聚集推送信息，将所述聚集推送信息推送给用户终端。
可选地，所述根据所述地理位置信息确定包含多个推送信息的信息聚集区域的步骤具体包括：
分别计算各个区域内包含的推送信息的分布密度，将分布密度大于预设密度阈值的区域确定为信息聚集区域；
其中，各个区域的区域面积和/或划分方式能够根据预设区域划分规则进行动态调整。
可选地，判断所述信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件的步骤具体包括：
根据所述信息聚集区域的区域半径和/或所述信息聚集区域内包含的每两个推送信息之间的距离，判断所述信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件。
可选地，当判断出所述信息聚集区域内包含的各个推送信息不满足预设聚集推送条件时，所述方法进一步包括：
判断所述信息聚集区域是否满足预设调整条件，并在满足时根据所述预设调整条件对所述信息聚集区域的区域范围进行调整，以使调整后的信息聚集区域满足所述预设聚集推送条件；
根据所述调整后的信息聚集区域内包含的各个推送信息生成聚集推送信息，将所述聚集推送信息推送给用户终端。
根据本发明的一个方面，提供了一种多元化信息的混合推送装置，包括：原始得分获取模块，适于分别针对所述多元化信息中包含的每种信息类型，根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分；归一化处理模块，适于分别针对每种信息类型所对应的每个信息项，按照预设的归一化处理规则对该信息项的原始得分进行归一化处理，得到该信息项的归一化得分；类型偏好得分计算模块，适于按照预设的类型偏好规则计算该信息项所对应的信息类型的类型偏好得分；实际得分确定模块，适于根据所述归一化得分以及所述类型偏好得分确定该信息项的实际得分；排序模块，适于根据所述多元化信息中包含的每种信息类型所对应的每个信息项的实际得分进行混合排序；推送模块，适于根据排序结果进行多元化信息的混合推送。
可选地，所述归一化处理模块进一步适于：
预先将总得分区间划分为多个子区间，确定与该信息项的原始得分相对应的子区间，根据该子区间的得分密度对该信息项的原始得分进行归一化处理；
其中，各个子区间的得分密度根据原始得分位于该子区间内的信息项的数量以及信息项的总量确定。
可选地，所述类型偏好得分计算模块进一步适于：
确定与当前时间相对应的时段信息，根据该时段信息确定该信息项所对应的信息类型的第一偏好分值；和/或，
确定与当前位置相对应的位置信息，根据该位置信息确定该信息项所对应的信息类型的第二偏好分值；
根据所述第一偏好分值和/或所述第二偏好分值确定该信息项所对应的信息类型的类型偏好得分。
可选地，所述类型偏好得分计算模块进一步适于：
通过分析用户终端的当前行为数据和/或历史行为数据，确定该信息项所对应的信息类型的第一偏好分值和/或第二偏好分值。
可选地，所述装置进一步包括：
设置模块，适于分别针对所述多元化信息中包含的每种信息类型，设置与该信息类型相对应的预设类型推送比例；
则所述实际得分确定模块进一步适于：
获取该信息项所对应的信息类型的实际类型推送比例，根据该信息项所对应的信息类型的预设类型推送比例与实际类型推送比例之间的差值，得到该信息项的推送均衡得分；
根据所述归一化得分、所述类型偏好得分以及所述推送均衡得分确定该信息项的实际得分。
可选地，所述实际得分确定模块进一步适于：
分别确定所述归一化得分、所述类型偏好得分以及所述推送均衡得分所对应的权重值；
根据各个权重值对所述归一化得分、所述类型偏好得分以及所述推送均衡得分进行加权，得到该信息项的实际得分。
可选地，所述推送模块进一步适于：
根据获取到的用户终端的用户属性信息，按照预设展示规则确定与每种类型的推送信息相对应的各个功能入口的展示状态；
根据所述展示状态展示所述与每种类型的推送信息相对应的各个功能入口。
可选地，所述用户属性信息包括以下中的至少一个：用户终端的当前位置数据、用户终端的当前行为数据以及当前时间数据；
其中，所述预设展示规则包括以下中的至少一个：
确定与所述推送信息相对应的信息位置，根据所述用户终端的当前位置数据与所述信息位置之间的距离确定各个功能入口的展示状态；
确定与所述推送信息相对应的各个功能入口与用户行为之间的关联关系，根据所述关联关系以及所述用户终端的当前行为数据确定各个功能入口的展示状态；
确定与所述推送信息相对应的信息时间，根据所述当前时间数据与所述信息时间之间的间隔确定各个功能入口的展示状态。
可选地，所述功能入口的展示状态包括：隐藏状态、可见状态、可点击状态、不可点击状态、高亮显示状态、和/或展示次序。
可选地，所述预设展示规则通过预设的预测模型实现；其中，所述预测模型根据用户终端的历史行为数据训练得到；
其中，所述历史行为数据包括：评论数据、预约行为数据、和/或领取优惠行为数据。
可选地，所述推送模块进一步包括：
信息聚集区域确定单元，适于获取各个推送信息的地理位置信息，根据所述地理位置信息确定包含多个推送信息的信息聚集区域；
判断单元，适于判断所述信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件；
则所述推送模块进一步适于：
若是，根据所述信息聚集区域内包含的各个推送信息生成聚集推送信息，将所述聚集推送信息推送给用户终端。
可选地，所述信息聚集区域确定单元进一步适于：
分别计算各个区域内包含的推送信息的分布密度，将分布密度大于预设密度阈值的区域确定为信息聚集区域；
其中，各个区域的区域面积和/或划分方式能够根据预设区域划分规则进行动态调整。
可选地，所述判断单元进一步适于：
根据所述信息聚集区域的区域半径和/或所述信息聚集区域内包含的每两个推送信息之间的距离，判断所述信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件。
可选地，所述装置进一步包括：
调整模块，适于当判断出所述信息聚集区域内包含的各个推送信息不满足预设聚集推送条件时，判断所述信息聚集区域是否满足预设调整条件，并在满足时根据所述预设调整条件对所述信息聚集区域的区域范围进行调整，以使调整后的信息聚集区域满足所述预设聚集推送条件；
则所述推送模块进一步适于：
根据所述调整后的信息聚集区域内包含的各个推送信息生成聚集推送信息，将所述聚集推送信息推送给用户终端。
依据本发明的再一方面，提供了一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如上述的多元化信息的混合推送方法对应的操作。
依据本发明的再一方面，提供了一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述的多元化信息的混合推送方法对应的操作。
综上所述，在本发明提供的多元化信息的混合推送方法及装置中，首先，分别针对多元化信息中包含的每种信息类型，根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分；然后，分别针对每种信息类型所对应的每个信息项，按照预设的归一化处理规则对该信息项的原始得分进行归一化处理，得到该信息项的归一化得分；其次，按照预设的类型偏好规则计算该信息项所对应的信息类型的类型偏好得分，根据归一化得分以及类型偏好得分确定该信息项的实际得分；最后，根据多元化信息中包含的每种信息类型所对应的每个信息项的实际得分进行混合排序，根据排序结果进行多元化信息的混合推送。由此可见，该方式通过对信息项的原始得分进行处理，以及根据用户数据确定信息项的类型偏好得分，从而对不同的信息类型的信息项进行统一打分，能够结合多个维度的因素重新确定不同信息类型的信息项的实际得分，并根据实际得分对信息项进行排序推送，有利于平衡不同信息类型的各个信息项的曝光率，并且对于用户来说，能够得到更加合理、人性化的推荐结果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例一提供的一种多元化信息的混合推送方法的流程示意图；
图2示出了本发明实施例二提供的一种多元化信息的混合推送方法的流程示意图；
图3示出了本发明实施例三提供的一种多元化信息的混合推送装置的结构示意图；
图4示出了根据本发明实施例五提供的一种电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
实施例一
图1示出了本发明实施例一提供的一种多元化信息的混合推送方法的流程示意图。其中，在本实施例中，以能够为用户提供购买商品、阅读文章、查找店铺等多种业务功能的APP为例进行说明。当然，在本发明其他的实施例中，本发明中的方式还可以应用于其他各类场景中。如图1所示，该方法包括：
步骤S110：分别针对多元化信息中包含的每种信息类型，根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分。
其中，多元化信息中包含的多种信息类型包括：商品类型、文章类型、店铺类型，相应地，与信息类型相对应的信息项可以包括：商品信息项、文章信息项、店铺信息项，具体应用中，商品信息项可以是与购买商品相关信息项，或者与商品介绍相关的信息项，文章信息项可以是与文章详细内容相关的信息项，店铺信息项可以是与店铺介绍相关的信息项，或者与店铺优惠券相关的信息项。本发明对此不作限定，本领域技术人员可根据实际需要进行设置。
根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分，其中，各种信息类型相对应的类型评分规则各不相同，每个信息项的原始得分可以是根据所有用户对信息项的评分按照对应的类型评分规则进行确定的，具体可针对不同的信息类型构建对应的推荐模型，利用推荐模型计算信息项的原始得分。
步骤S120：分别针对每种信息类型所对应的每个信息项，按照预设的归一化处理规则对该信息项的原始得分进行归一化处理，得到该信息项的归一化得分。
上述利用推荐模型计算得到原始得分的示例中，不同信息类型的信息项的原始得分的分布区间具有很大差异，而且伴随着推荐模型的不断升级，不同信息类型的信息项的原始得分的分布区间是不断变化的，因此，不同信息类型的信息项的原始得分之间不具有可比性。
本实施例的方法针对每种信息类型所对应的每个信息项，按照预设的归一化处理规则对信息项的原始得分进行归一化处理，也即，对信息项的原始得分进行映射处理，使得到的归一化得分具有直接可比性，并且同一种信息类型对应的各个信息项的归一化得分在对应的分布区间内是均匀分布的，此外，原始得分进行归一化处理之后具有保序性，也就是说，各个归一化得分之间的次序依然保持原始得分之间的次序。
步骤S130：按照预设的类型偏好规则计算该信息项所对应的信息类型的类型偏好得分，根据归一化得分以及类型偏好得分确定该信息项的实际得分。
其中，类型偏好得分根据用户终端的行为数据确定，可以表示用户对该信息项所对应的信息类型的感兴趣的程度(偏好程度)。具体可根据所有用户终端的历史行为数据、用户终端的实时行为数据以及位置信息确定类型偏好得分。例如，通过对所有用户终端的历史行为数据进行分析，确定在中午11:30-12:30这个时间段内，APP店铺类型的信息项的点击次数较多；然后，针对每一个用户终端，根据该用户终端的历史行为数据进行分析，确定该用户终端在周一至周五的上述时间段内、并且所处的位置在写字楼时，点击店铺类型的信息项次数较多，另外，该用户终端当前时刻点击的为店铺类型的信息项，则根据上述信息、当前时间以及该用户终端的位置信息可以预测出用户此时此刻对店铺类型的信息项比较感兴趣，综上可知，根据用户终端的行为数据可以确定各个信息类型的类型偏好得分。
然后，根据该信息项的归一化得分以及对应的类型偏好得分确定该信息项的实际得分，由此可知，本实施例的方法能够综合两个维度的信息确定信息项的实际得分。
步骤S140：根据多元化信息中包含的每种信息类型所对应的每个信息项的实际得分进行混合排序，根据排序结果进行多元化信息的混合推送。
根据上述步骤S110-S130确定了每个信息项的实际得分，然后，根据各个信息项的实际得分对各个信息项进行混合排序，混合排序是指将各个信息类型对应的各个信息项融合在一起，根据各个信息项的实际得分进行排序，最后，根据排序结果进行多元化信息的混合推送。
由上述内容可知，根据本实施例的方法确定的信息项的排序不是一成不变的，而是动态变化的，则推送信息也是动态变化的，并且针对不同的用户，推送信息也是互不相同的。
根据本实施例所提供多元化信息的混合推送方法，分别针对多元化信息中包含的每种信息类型，根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分；分别针对每种信息类型所对应的每个信息项，按照预设的归一化处理规则对该信息项的原始得分进行归一化处理，得到该信息项的归一化得分；按照预设的类型偏好规则计算该信息项所对应的信息类型的类型偏好得分，根据归一化得分以及类型偏好得分确定该信息项的实际得分；根据多元化信息中包含的每种信息类型所对应的每个信息项的实际得分进行混合排序，根据排序结果进行多元化信息的混合推送。由此可见，该方式通过对信息项的原始得分进行归一化处理，以及根据用户数据确定信息项的类型偏好得分，从而对不同的信息类型的信息项进行统一打分，能够结合多种维度的数据重新确定不同信息类型的信息项的实际得分，使得不同信息类型的信息项的实际得分之间具有直接可比性，并且根据实际得分对各个信息项进行混合排序并推送，有利于平衡不同信息类型的信息项被推送的几率，并且对于用户来说，能够得到更加合理、人性化的推送信息。
实施例二
图2示出了本发明实施例二提供的一种多元化信息的混合推送方法的流程示意图。其中，在本实施例中，以APP为例进行说明。当然，在本发明其他的实施例中，本发明中的方式还可以应用于其他各类场景中。如图2所示，该方法包括：
步骤S210：分别针对多元化信息中包含的每种信息类型，根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分。
其中，多元化信息中包含的多种信息类型具体根据APP所提供的多种服务确定，例如商品类型、文章类型、店铺类型，则相应地，与信息类型相对应的信息项可以包括：商品信息项、文章信息项、店铺信息项。本发明对此不作限定，本领域技术人员可根据实际需要进行设置。
根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分，其中，各种信息类型相对应的类型评分规则各不相同，每个信息项的原始得分可以是根据用户对信息项的评分按照对应的类型评分规则进行确定的，例如，具体应用中，构建与不同的信息类型相对应的推荐模型，并且用户可以针对各个信息项进行评分，则获取大量的信息项的评分数据，将信息项的评分数据输入至对应的信息类型所对应的推荐模型进行计算得到该信息项的原始得分。
步骤S220：预先将总得分区间划分为多个子区间，确定与该信息项的原始得分相对应的子区间，根据该子区间的得分密度对该信息项的原始得分进行归一化处理，得到该信息项的归一化得分，其中，各个子区间的得分密度根据原始得分位于该子区间内的信息项的数量以及信息项的总量确定。
上述利用推荐模型计算得到原始得分的示例中，不同信息类型的信息项的原始得分之间不具有可比性，举例来说，商品类型的各个信息项的原始得分的分布区间为0-0.3，且原始得分集中在0.29左右，文章类型的各个信息项的原得分的分布区间为0.6-1，且原始得分集中在0.7左右，因此，直接根据原始得分对各个信息项进行排序推荐是不合理的。
本步骤针对不同信息类型的信息项的原始分数进行归一化处理，得到的归一化得分具有直接可比性，并且各个信息项的归一化得分在得分区间内是均匀分布的，此外，原始得分进行归一化处理之后具有保序性。
具体地，首先，将总得分区间划分为多个子区间，实际应用中，可根据总得分区间中原始得分的分布情况划分多个子区间的长度，也可以根据总得分区间的长度预先设定子区间的长度，例如若总得分区间为0-100，则可将子区间的长度设为20，则多个子区间分别为0-20、20-40……，当然，总得分区间以及子区间的划分方式可以根据实际需要进行设定，本发明对此不作限定。
然后，确定与该信息项的原始得分相对应的子区间，根据该子区间的得分密度对该信息项的原始得分进行归一化处理，其中，各个子区间的得分密度根据原始得分位于该子区间内的信息项的数量以及总得分区间包含的信息项的总量确定，也即分析该信息项所对应的信息类型中包含的各个信息项的原始得分的分布规律，如分布区间范围、密度等，结合分布规律对该信息项的原始得分进行归一化处理。
步骤S230：确定与当前时间相对应的时段信息，根据该时段信息确定该信息项所对应的信息类型的第一偏好分值；和/或确定与当前位置相对应的位置信息，根据该位置信息确定该信息项所对应的信息类型的第二偏好分值。
具体地，通过分析用户终端的当前行为数据和/或历史行为数据，确定该信息项所对应的信息类型的第一偏好分值和/或第二偏好分值。
其中，第一偏好分值以及第二偏好分值是根据用户终端的行为数据确定的，也即根据用户使用APP的行为数据确定的，可以表示用户对该信息项所对应的信息类型的感兴趣的程度(偏好程度)，通俗地来讲，该步骤即是预测用户对该信息项对应的信息类型的偏好程度，确定第一偏好分值和/或第二分值来表示偏好程度。具体可以根据用户终端的历史行为数据、用户终端的当前行为数据确定第一偏好分值以及第二偏好分值，需要说明的是，本发明对确定第一偏好分值以及第二偏好分值的方式不作限定。
针对第一偏好分值，实际应用中，可以将一天24小时划分为多个时段，例如根据上班高峰期、下班高峰期、用餐时间等等进行划分，本发明对此不作限定。首先，获取大量的用户终端的历史行为数据，可以分析出用户在各个时间段内偏好点击APP的哪些类型的信息项，根据用户终端的历史行为数据构建模型，可以预测出广大用户在对应的时间段内对各种类型的偏好程度，通俗地来讲，该步骤即是根据大数据及时段信息对用户偏好进行预测。然后，针对每一个用户终端，根据该用户终端的历史行为数据以及当前行为数据进一步对上述预测结果进行修正，该用户终端自身的历史行为数据更能够代表用户使用APP的行为习惯，例如，在周一至周五每天的中午12点到13点更加偏好点击店铺类型的信息项，此外，结合用户终端实时的当前行为数据，例如，用户终端当前点击的也是店铺类型的信息项，并且当前时间为中午12点，则可以根据上述数据预测出当前时刻该用户更加偏好店铺类型的信息项，对应的，则可以进一步确定各个信息项所对应的信息类型的第一偏好分值。综上所述，该方式充分结合大数据与用户自己的行为数据确定信息项对应的信息类型的第一偏好分值，使得预测结果更加准确，更加贴合用户的需求。
针对第二偏好分值，根据位置信息确定第二偏好得分，实际应用中，可以根据商圈、写字楼、居民小区等等划分位置信息，本发明对此不作限定，例如将某个商场及其周边区域划分为一个商圈。与上述根据时段信息确定该信息项所对应的信息类型的第一偏好分值的方法类似，首先，获取大量的用户终端的历史行为数据，可以分析出用户位于某个位置时偏好点击APP的哪些信息类型的信息项，例如，用户位于某商圈时，偏好点击店铺类型的信息项，则根据用户终端的历史行为数据构建模型，可以预测出广大用户处于某些位置时对各种信息类型的偏好程度，通俗地来讲，该步骤即是根据大数据及位置信息对用户偏好进行预测。然后，针对每一个用户终端，根据该用户终端的历史行为数据以及当前行为数据进一步对上述预测结果进行修正，用户终端自身的历史行为数据更能够代表用户使用APP的行为习惯，例如，该用户终端的位置信息为商圈时更加偏好点击店铺类型的信息项，此外，结合用该用户终端实时的当前行为数据，例如，用户终端当前点击的也是店铺类型的信息项，且当前的位置信息为该商圈，则可以根据上述信息预测出当前时刻该用户更加偏好店铺类型的信息项，对应的，则可以进一步确定各个信息项所对应的信息类型的第二偏好分值。综上所述，该方式充分结合大数据与用户自己的数据确定信息项对应的信息类型的第二偏好分值，使得预测结果更加准确，更加贴合用户的需求。
步骤S240：根据第一偏好分值和/或第二偏好分值确定该信息项所对应的信息类型的类型偏好得分。
具体可单独将第一偏好分值或者第二偏好分值确定为确定该信息项所对应的信息类型的类型偏好得分，也可以将第一偏好分值以及第二偏好分值的和确定为该信息项所对应的信息类型的类型偏好得分，也可以将第一偏好分值以及第二偏好分值的乘积确定为该信息项所对应的信息类型的类型偏好得分，也可以分别为第一偏好分值以及第二偏好分值确定权重值，将两者的加权之和确定为该信息项所对应的信息类型的类型偏好得分，本发明对此不做限制，本领域技术人员可根据实际需要进行设置。
步骤S250：分别针对多元化信息中包含的每种信息类型，设置与该信息类型相对应的预设类型推送比例。
可选地，本实施例的方法进一步结合类型推送比例确定信息项的实际得分，预先设置与多元化信息中包含的每种信息类型对应的预设类型推送比例，需要说明的是，该步骤可以在步骤S210之前执行，本发明不限制该步骤的执行时机。
步骤S260：获取该信息项所对应的信息类型的实际类型推送比例，根据该信息项所对应的信息类型的预设类型推送比例与实际类型推送比例之间的差值，得到该信息项的推送均衡得分。
均衡推送是为了保证每种信息类型都具有一定的推送几率，防止形成马太效应，即实际类型推送比例较大的信息类型对应的信息项的推送几率越来越大，而实际类型推送比例较小的信息类型对应的信息项的推送几率越来越小，导致推送失衡。
本步骤根据实际类型推送比例以及预设类型推送比例计算推送均衡得分对信息项的推送比例进行调整，保证平衡推送各个信息类型对应的各个信息项。
实际应用中，推送均衡得分具体可以根据如下公式进行计算：
PV＝{tanh[a(PVp-PVh)]+1}/2
PV为推送均衡得分，tanh()为双曲正切函数，PVp为预设类型推送比例，PVh为实际类型推送比例，а为敏感系数，具体应用中可将其设置为整数，表示当实际类型推送比例偏离预设类型推送比例时，推送均衡得分的衰减的敏感度，а的数值越大表示衰减程度越大，本领域技术人员可根据实际需要进行设置。
根据上述公式可知，当预设类型推送比例与实际类型推送比例相等时，曝光均衡得分为0.5；预设类型推送比例与实际类型推送比例的差值越小，推送均衡得分越大；预设类型推送比例与实际类型推送比例的差值越大，推送均衡得分越小。
步骤S270：分别确定归一化得分、类型偏好得分以及推送均衡得分所对应的权重值，根据各个权重值对归一化得分、类型偏好得分以及推送均衡得分进行加权，得到该信息项的实际得分。
根据上述步骤S210-S260确定了各个信息项的归一化得分、类型偏好得分以及推送均衡得分，本实施例的方法中，预先设置以上三种得分对应的权重值，计算归一化得分、类型偏好得分以及推送均衡得分的加权之和，得到信息项的实际得分。
综上所述，本实施例中计算信息项的实际得分的方法适用于多元化信息中包含的每一种信息类型所对应的各个信息项，并且可直接根据得到的实际得分对不同信息类型对应的各个信息项进行混合排序，结合三个维度的数据确定信息项的实际得分，使得不同信息类型的信息项的实际得分具有直接可比性。
步骤S280：根据多元化信息中包含的每种信息类型所对应的每个信息项的实际得分进行混合排序，根据获取到的用户终端的用户属性信息，按照预设展示规则确定与每种类型的推送信息相对应的各个功能入口的展示状态。
根据各个信息项的实际得分对各个信息项进行混合排序，混合排序是指将各个信息类型对应的各个信息项融合在一起，根据各个信息项的实际得分进行排序。
每种类型的推送信息对应有多个功能，相应地，对推送信息进行展示时，需要展示对应的各个功能入口，例如对于店铺类型的推送消息，具有评论、预约、下单、买单等多种功能对应的功能入口，对于商品类型的推送消息，具有评论、查看商品详情、立即购买、加入购物车等多种功能的功能入口，则需要确定各个功能入口的展示状态，以根据展示状态展示各个功能入口。再如，在一些情况下，一个推送信息的部分功能入口无需进行展示，例如，对于店铺类型的推送信息，具有预约、下单、买单、抢优惠券等功能入口，在用户已经到店的情况下，则无需展示该条推送信息的预约的功能入口，或者根据用户终端的行为数据判断出该用户终端已经执行过下单操作，则此时无需显示该条推送信息的预约以及下单的功能入口。因此本实施例的方法在确定了排序结果之后，根据获取到的用户终端的用户属性信息，按照预设展示规则确定与每种类型的推送信息相对应的各个功能入口的展示状态。
其中，功能入口的展示状态包括：隐藏状态、可见状态、可点击状态、不可点击状态、高亮显示状态、和/或展示次序。
其中，用户属性信息包括以下中的至少一个：用户终端的当前位置数据、用户终端的当前行为数据以及当前时间数据。
则预设展示规则包括以下中的至少一个：
规则一：确定与推送信息相对应的信息位置，根据用户终端的当前位置数据与信息位置之间的距离确定各个功能入口的展示状态。
具体地，获取到用户终端的当前位置数据，判断推送信息对应的位置数据与用户终端的当前位置数据之间的关系，根据该关系确定推送信息相对应的各个功能入口的展示状态，沿用上述示例，当用户终端的当前位置与推送信息对应的位置距离较远时，此时用户终端可以执行预约、领取优惠券的操作，而不能执行下单以及买单的操作，因此，可以确定该条推送信息对应的预约功能入口以及优惠券功能入口为可见状态或者可点击状态或者高亮显示状态，以表明当前用户终端可以执行预约、领取优惠券的操作；此外，可以确定该条推送信息对应的下单功能入口、买单功能入口为隐藏状态或者不可点击状态，以表明当前用户终端不能执行下单、买单的操作。
规则二：确定与推送信息相对应的各个功能入口与用户行为之间的关联关系，根据关联关系以及用户终端的当前行为数据确定各个功能入口的展示状态。
各个功能入口与用户行为之间的关联关系，也就是各个功能与用户行为之间的关联关系，根据关联关系以及用户终端的当前行为数据确定各个功能入口的展示状态。例如，对于一条店铺类型的推送消息，对应有预约、领取优惠券、秒杀、下单、买单等多个功能入口，根据用户终端的当前行为数据确定用户终端当前执行了下单的操作，则此时该推送信息的预约功能入口就无需展示，而需要展示该条推送信息对应的买单的功能入口，以供用户进行操作。
规则三：确定与推送信息相对应的信息时间，根据当前时间数据与信息时间之间的间隔确定各个功能入口的展示状态。
该规则根据当前的时间数据与推送消息相对应的信息时间之间的间隔，确定各个功能入口的展示状态，例如，针对店铺类型的推送信息，该店铺的营业时间为晚上9点至11点，用户终端对应的当前时间数据为早上9点，则此时用户终端可执行预约以及领取优惠券的操作，则可以确定应的功能入口的展示状态设置为可见状态或者可点击状态，而此时用户终端不能执行下单以及买单的操作，则将下单、买单对应的功能入口设置为隐藏状态或者不可点击状态。
优选地，预设展示规则通过预设的预测模型实现；其中，预测模型根据用户终端的历史行为数据训练得到；历史行为数据包括：评论数据、预约行为数据、和/或领取优惠行为数据。
用户终端的历史行为数据可以表明用户的行为习惯，根据用户终端的历史行为数据构建预测模型，利用预测模型可以预测当前用户的需求，也即，当前用户需要使用什么功能，进一步确定对应的功能入口的展示状态。例如，根据用户终端的评论数据判断出针对推送信息用户偏好执行查看评论的操作；或者根据用户终端的预约行为数据判断出针对推送消息用户偏好执行预约的操作；或者根据用户终端的领取优惠行为数据判断出针对推送消息用户偏好执行领取优惠券的操作。则可以根据上述各种用户终端的历史行为数据构建预测模型，利用预测模型来确定推送消息的各个功能入口的展示状态，通过该方式，能够更加贴合用户的需求，更加人性化及智能化。
步骤S290：根据展示状态展示与每种类型的推送信息相对应的各个功能入口。
根据步骤S280确定了每种类型的推送信息相对应的各个功能入口的展示状态，则用户终端根据展示状态展示各个功能入口，以便用户根据各个功能入口进行操作。其中，功能入口的展示状态可以表明是否能够执行该功能，例如，可见状态以及可点击状态表明对应的功能能够被执行，隐藏状态则表明不显示该功能入口，不可点击状态表明该功能不能被执行；显示状态为高亮显示状态的功能入口可以为根据历史行为数据预测出的当前用户最需要的功能所对应的功能入口；展示次序可以根据各个功能之间的关系进行确定，例如，对于店铺类型的推送功能，功能入口的展示次序为：秒杀、预约、领域优惠券、下单、买单，并且展示次序是可以根据用户终端的行为数据进行实时调整的。
可选地，在根据多元化信息中包含的每种信息类型所对应的每个信息项的实际得分进行混合排序的步骤之后，执行根据排序结果进行多元化信息的混合推送的步骤。
具体地，获取各个推送信息的地理位置信息，根据地理位置信息确定包含多个推送信息的信息聚集区域；判断信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件；若是，根据信息聚集区域内包含的各个推送信息生成聚集推送信息，将聚集推送信息推送给用户终端。
以店铺类型的推送信息为例，往往用户在线下店铺进行消费时，想要寻找多家同一类的店铺或者相距不远的多家店铺，则向用户推送数量小的推送信息不能满足用户的需求，从而降低用户体验，基于此，在本实施例的方法中，将地理位置信息相距较近的多个推送信息打包起来，一并推送给用户终端。
具体地，根据推送信息的地理位置信息确定信息聚集区域，推送信息的地理位置信息可以是经纬度信息或者根据地图数据确定的位置信息，本发明对此不作限定。信息聚集区域的区域形状、区域面积等可根据多个推送信息的地理位置信息的分布情况进行确定，总之，需要使信息聚集区域内包含尽可能多的推送信息。可选地，预先设置信息聚集区域的最大区域面积阈值和/或最小区域面积阈值，在根据多个推送信息的地理位置信息确定信息聚集区域时，信息聚集区域的区域面积最大不能大于该最大区域面积阈值，最小不能小于该最小区域面积阈值。需要说明的是，上述确定信息聚集区域的方法仅是本发明的示例，本发明不限于此。
在实际应用中，可能存在两个推送信息的地理位置信息之间相距不远，但由于交通设施、自然环境等因素导致两者之间的通行并不便利的情况，例如，两个地理位置信息之间相隔一定宽度的河流、或者两者分别位于高架桥的两头、或者两者之间的道路正在进行施工无法通过。因此，为了避免上述情况，本实施例的方法在确定了信息聚集区域了之后，需要判断信息聚集区域内各个推送信息是否满足预设聚集推送条件，若是，则根据信息聚集区域内包含的各个推送信息生成聚集推送信息，将聚集推送信息推送给用户终端；若否，则根据信息聚集区域内所包含的去除了相应的不满足推送条件的推送信息的各个推送信息生成聚集推送信息，或者对推送信息进行调整，以使信息聚集区域内各个推送信息满足推送条件，根据调整之后的信息聚集区域内包含的各个推送信息生成聚集推送信息，将聚集推送信息推送给用户终端。
其中，根据地理位置信息确定包含多个推送信息的信息聚集区域的步骤具体包括：
分别计算各个区域内包含的推送信息的分布密度，将分布密度大于预设密度阈值的区域确定为信息聚集区域；其中，各个区域的区域面积和/或划分方式能够根据预设区域划分规则进行动态调整。
分布密度具体可以根据各个区域内包含的推送信息的总数量以及对应区域的区域面积进行计算，将分布密度大于预设密度阈值的区域确定为信息聚集区域，由此可知，在实际应用中，也可以预先大致规划一个区域，然后计算该区域内包含的推送信息的分布密度，根据分布密度以及预设密度阈值调整信息聚集区域的区域范围或者区域面积，使得最终确定的信息聚集区域内推送信息的分布密度大于或者等于预设密度阈值。其中，各个区域可根据区域的特征进行划分，例如根据商场、写字楼、购物街、美食街、居民小区等区域特征进行划分，也可以根据实际情况进行实时调整，例如根据用户终端的位置信息进行调整，本发明对此不作限定。
其中，判断信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件的步骤具体包括：
根据信息聚集区域的区域半径和/或信息聚集区域内包含的每两个推送信息之间的距离，判断信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件。
根据信息聚集区域的半径，判断信息聚集区域的半径是否小于预设半径阈值，若是，则信息聚集区域内包含的各个推送信息满足预设聚集推送条件。通俗地来讲，若聚集区域的半径小于半径阈值，则表明该信息聚集区域的区域范围不大，对于用户来说，到达任何一个推送信息对应的地理位置信息都是比较便利的。
根据信息聚集区域内包含的每两个推送信息之间的距离，判断每两个推送信息之间的距离是否小于预设阈值，若是，则信息聚集区域内包含的各个推送信息满足预设聚集推送条件。实际应用中，还可根据第三方地图数据计算信息聚集区域内包含的每两个推送信息之间的步行距离和/或对应的步行时间，则判断每两个推送消息之间的步行距离是否小于预设距离阈值，或者，判断每两个推送信息之间对应的步行时间是否小于预设时间阈值，若是，则确定信息聚集区域内包含的各个推送信息满足预设聚集推送条件。
当判断出信息聚集区域内包含的各个推送信息不满足预设聚集推送条件时，本实施例的方法进一步包括：
判断信息聚集区域是否满足预设调整条件，并在满足时根据预设调整条件对信息聚集区域的区域范围进行调整，以使调整后的信息聚集区域满足预设聚集推送条件；根据调整后的信息聚集区域内包含的各个推送信息生成聚集推送信息，将聚集推送信息推送给用户终端。
若判断出信息聚集区域内包含的各个推送信息不满足预设聚集推送条件，则判断信息聚集区域是否满足预设调整条件，具体可根据信息聚集区域的区域范围、区域半径判断信息聚集区域是否满足预设调整条件，若信息聚集区域满足预设调整条件，则对信息聚集区域的区域范围进行调整，具体可将信息聚集区域的区域范围进行扩大或者缩小，也即，使信息聚集区域内包含更多的推送信息或者去除信息聚集区域内的部分推送信息，直到调整之后的信息聚集区域内包含的各个推送信息满足预设聚集推送条件。
综上可知，该方式通过对信息项的原始得分进行归一化处理、根据用户数据确定信息项的类型偏好得分以及根据每种信息类型对应的预设类型推送比例计算推送均衡得分，从而对不同信息类型的信息项进行统一打分，结合三种维度的数据重新确定不同信息类型的信息项的实际得分，使得不同信息类型的信息项的实际得分具有直接可比性，根据实际得分对信息项进行混合排序并推送，有利于平衡不同信息类型的信息项的曝光率，并且对于用户来说，能够得到更加合理、人性化的推荐结果；其次，根据用户终端的用户属性信息以及用户终端的行为数据确定各个功能入口的展示状态，能够更加人性化地展示各个功能入口，贴合用户的实际需求；最后，根据推送信息的地理位置信息将相距较近的多个推送信息聚集起来推送给用户，提升了用户体验。
实施例三
图3示出了本发明实施例三提供的一种多元化信息的混合推送装置的结构示意图，该装置包括：
原始得分获取模块31，适于分别针对多元化信息中包含的每种信息类型，根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分；
归一化处理模块32，适于分别针对每种信息类型所对应的每个信息项，按照预设的归一化处理规则对该信息项的原始得分进行归一化处理，得到该信息项的归一化得分；
类型偏好得分计算模块33，适于按照预设的类型偏好规则计算该信息项所对应的信息类型的类型偏好得分；
实际得分确定模块34，适于根据归一化得分以及类型偏好得分确定该信息项的实际得分；
排序模块35，适于根据多元化信息中包含的每种信息类型所对应的每个信息项的实际得分进行混合排序；
推送模块36，适于根据排序结果进行多元化信息的混合推送。
可选地，归一化处理模块32进一步适于：
预先将总得分区间划分为多个子区间，确定与该信息项的原始得分相对应的子区间，根据该子区间的得分密度对该信息项的原始得分进行归一化处理；
其中，各个子区间的得分密度根据原始得分位于该子区间内的信息项的数量以及信息项的总量确定。
可选地，类型偏好得分计算模块33进一步适于：
确定与当前时间相对应的时段信息，根据该时段信息确定该信息项所对应的信息类型的第一偏好分值；和/或，
确定与当前位置相对应的位置信息，根据该位置信息确定该信息项所对应的信息类型的第二偏好分值；
根据第一偏好分值和/或第二偏好分值确定该信息项所对应的信息类型的类型偏好得分。
可选地，类型偏好得分计算模块33进一步适于：
通过分析用户终端的当前行为数据和/或历史行为数据，确定该信息项所对应的信息类型的第一偏好分值和/或第二偏好分值。
可选地，上述装置进一步包括：
设置模块，适于分别针对多元化信息中包含的每种信息类型，设置与该信息类型相对应的预设类型推送比例；
则实际得分确定模块34进一步适于：
获取该信息项所对应的信息类型的实际类型推送比例，根据该信息项所对应的信息类型的预设类型推送比例与实际类型推送比例之间的差值，得到该信息项的推送均衡得分；
根据归一化得分、类型偏好得分以及推送均衡得分确定该信息项的实际得分。
可选地，实际得分确定模块34进一步适于：
分别确定归一化得分、类型偏好得分以及推送均衡得分所对应的权重值；
根据各个权重值对归一化得分、类型偏好得分以及推送均衡得分进行加权，得到该信息项的实际得分。
可选地，推送模块36进一步适于：
根据获取到的用户终端的用户属性信息，按照预设展示规则确定与每种类型的推送信息相对应的各个功能入口的展示状态；
根据展示状态展示与每种类型的推送信息相对应的各个功能入口。
可选地，用户属性信息包括以下中的至少一个：用户终端的当前位置数据、用户终端的当前行为数据以及当前时间数据；
其中，预设展示规则包括以下中的至少一个：
确定与推送信息相对应的信息位置，根据用户终端的当前位置数据与信息位置之间的距离确定各个功能入口的展示状态；
确定与推送信息相对应的各个功能入口与用户行为之间的关联关系，根据关联关系以及用户终端的当前行为数据确定各个功能入口的展示状态；
确定与推送信息相对应的信息时间，根据当前时间数据与信息时间之间的间隔确定各个功能入口的展示状态。
可选地，功能入口的展示状态包括：隐藏状态、可见状态、可点击状态、不可点击状态、高亮显示状态、和/或展示次序。
可选地，预设展示规则通过预设的预测模型实现；其中，预测模型根据用户终端的历史行为数据训练得到；
其中，历史行为数据包括：评论数据、预约行为数据、和/或领取优惠行为数据。
可选地，推送模块36进一步包括：
信息聚集区域确定单元，适于获取各个推送信息的地理位置信息，根据地理位置信息确定包含多个推送信息的信息聚集区域；
判断单元，适于判断信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件；
则推送模块36进一步适于：
若是，根据信息聚集区域内包含的各个推送信息生成聚集推送信息，将聚集推送信息推送给用户终端。
可选地，信息聚集区域确定单元进一步适于：
分别计算各个区域内包含的推送信息的分布密度，将分布密度大于预设密度阈值的区域确定为信息聚集区域；
其中，各个区域的区域面积和/或划分方式能够根据预设区域划分规则进行动态调整。
可选地，判断单元进一步适于：
根据信息聚集区域的区域半径和/或信息聚集区域内包含的每两个推送信息之间的距离，判断信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件。
可选地，上述装置进一步包括：
调整模块，适于当判断出信息聚集区域内包含的各个推送信息不满足预设聚集推送条件时，判断信息聚集区域是否满足预设调整条件，并在满足时根据预设调整条件对信息聚集区域的区域范围进行调整，以使调整后的信息聚集区域满足预设聚集推送条件；
则推送模块36进一步适于：
根据调整后的信息聚集区域内包含的各个推送信息生成聚集推送信息，将聚集推送信息推送给用户终端。
关于上述各个模块的具体结构和工作原理可参照方法实施例中相应部分的描述，此处不再赘述。
实施例四
本申请实施例四提供了一种非易失性计算机存储介质，所述计算机存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的多元化信息的混合推送方法。
分别针对多元化信息中包含的每种信息类型，根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分；
分别针对每种信息类型所对应的每个信息项，按照预设的归一化处理规则对该信息项的原始得分进行归一化处理，得到该信息项的归一化得分；
按照预设的类型偏好规则计算该信息项所对应的信息类型的类型偏好得分，根据归一化得分以及类型偏好得分确定该信息项的实际得分；
根据多元化信息中包含的每种信息类型所对应的每个信息项的实际得分进行混合排序，根据排序结果进行多元化信息的混合推送。
实施例五
图4示出了根据本发明实施例五的一种电子设备的结构示意图，本发明具体实施例并不对电子设备的具体实现做限定。
如图4所示，该电子设备可以包括：处理器(processor)402、通信接口(Communications Interface)406、存储器(memory)404、以及通信总线408。
其中：
处理器402、通信接口406、以及存储器404通过通信总线408完成相互间的通信。
通信接口406，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器402，用于执行程序410，具体可以执行上述多元化信息的混合推送方法实施例中的相关步骤。
具体地，程序410可以包括程序代码，该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。电子设备包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器404，用于存放程序410。存储器404可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行以下操作：
分别针对多元化信息中包含的每种信息类型，根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分；
分别针对每种信息类型所对应的每个信息项，按照预设的归一化处理规则对该信息项的原始得分进行归一化处理，得到该信息项的归一化得分；
按照预设的类型偏好规则计算该信息项所对应的信息类型的类型偏好得分，根据归一化得分以及类型偏好得分确定该信息项的实际得分；
根据多元化信息中包含的每种信息类型所对应的每个信息项的实际得分进行混合排序，根据排序结果进行多元化信息的混合推送。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。
类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外，可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述，本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的多元化信息的混合推送装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
Claims (28)
1.一种多元化信息的混合推送方法，包括：
分别针对所述多元化信息中包含的每种信息类型，根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分；其中，多元化信息中包含的多种信息类型根据应用所提供的多种服务确定；
分别针对每种信息类型所对应的每个信息项，按照预设的归一化处理规则对该信息项的原始得分进行归一化处理，得到该信息项的归一化得分；
按照预设的类型偏好规则计算该信息项所对应的信息类型的类型偏好得分，根据所述归一化得分以及所述类型偏好得分确定该信息项的实际得分；
根据所述多元化信息中包含的每种信息类型所对应的每个信息项的实际得分进行混合排序，根据排序结果进行多元化信息的混合推送；
其中，所述按照预设的类型偏好规则计算该信息项所对应的信息类型的类型偏好得分的步骤具体包括：确定与当前时间相对应的时段信息，根据该时段信息确定该信息项所对应的信息类型的第一偏好分值；和/或，确定与当前位置相对应的位置信息，根据该位置信息确定该信息项所对应的信息类型的第二偏好分值；根据所述第一偏好分值和/或所述第二偏好分值确定该信息项所对应的信息类型的类型偏好得分；其中，所述类型偏好得分根据所有用户终端的历史行为数据确定。
2.根据权利要求1所述的方法，其中，所述按照预设的归一化处理规则对该信息项的原始得分进行归一化处理，得到该信息项的归一化得分的步骤具体包括：
预先将总得分区间划分为多个子区间，确定与该信息项的原始得分相对应的子区间，根据该子区间的得分密度对该信息项的原始得分进行归一化处理；
其中，各个子区间的得分密度根据原始得分位于该子区间内的信息项的数量以及信息项的总量确定。
3.根据权利要求1所述的方法，其中，所述确定与当前时间相对应的时段信息，根据该时段信息确定该信息项所对应的信息类型的第一偏好分值；和/或，确定与当前位置相对应的位置信息，根据该位置信息确定该信息项所对应的信息类型的第二偏好分值的步骤具体包括：
通过分析用户终端的当前行为数据和/或历史行为数据，确定该信息项所对应的信息类型的第一偏好分值和/或第二偏好分值。
4.根据权利要求1所述的方法，其中，所述方法执行之前，进一步包括：分别针对所述多元化信息中包含的每种信息类型，设置与该信息类型相对应的预设类型推送比例；
则所述根据所述归一化得分以及所述类型偏好得分确定该信息项的实际得分的步骤进一步包括：
获取该信息项所对应的信息类型的实际类型推送比例，根据该信息项所对应的信息类型的预设类型推送比例与实际类型推送比例之间的差值，得到该信息项的推送均衡得分；
根据所述归一化得分、所述类型偏好得分以及所述推送均衡得分确定该信息项的实际得分。
5.根据权利要求4所述的方法，其中，根据所述归一化得分、所述类型偏好得分以及所述推送均衡得分确定该信息项的实际得分的步骤具体包括：
分别确定所述归一化得分、所述类型偏好得分以及所述推送均衡得分所对应的权重值；
根据各个权重值对所述归一化得分、所述类型偏好得分以及所述推送均衡得分进行加权，得到该信息项的实际得分。
6.根据权利要求1-5任一所述的方法，其中，所述根据排序结果进行多元化信息的混合推送的步骤具体包括：
根据获取到的用户终端的用户属性信息，按照预设展示规则确定与每种类型的推送信息相对应的各个功能入口的展示状态；
根据所述展示状态展示所述与每种类型的推送信息相对应的各个功能入口。
7.根据权利要求6所述的方法，其中，所述用户属性信息包括以下中的至少一个：用户终端的当前位置数据、用户终端的当前行为数据以及当前时间数据；
其中，所述预设展示规则包括以下中的至少一个：
确定与所述推送信息相对应的信息位置，根据所述用户终端的当前位置数据与所述信息位置之间的距离确定各个功能入口的展示状态；
确定与所述推送信息相对应的各个功能入口与用户行为之间的关联关系，根据所述关联关系以及所述用户终端的当前行为数据确定各个功能入口的展示状态；
确定与所述推送信息相对应的信息时间，根据所述当前时间数据与所述信息时间之间的间隔确定各个功能入口的展示状态。
8.根据权利要求6所述的方法，其中，所述功能入口的展示状态包括：隐藏状态、可见状态、可点击状态、不可点击状态、高亮显示状态、和/或展示次序。
9.根据权利要求6所述的方法，其中，所述预设展示规则通过预设的预测模型实现；其中，所述预测模型根据用户终端的历史行为数据训练得到；
其中，所述历史行为数据包括：评论数据、预约行为数据、和/或领取优惠行为数据。
10.根据权利要求1-5任一所述的方法，其中，所述根据排序结果进行多元化信息的混合推送的步骤具体包括：
获取各个推送信息的地理位置信息，根据所述地理位置信息确定包含多个推送信息的信息聚集区域；
判断所述信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件；
若是，根据所述信息聚集区域内包含的各个推送信息生成聚集推送信息，将所述聚集推送信息推送给用户终端。
11.根据权利要求10所述的方法，其中，所述根据所述地理位置信息确定包含多个推送信息的信息聚集区域的步骤具体包括：
分别计算各个区域内包含的推送信息的分布密度，将分布密度大于预设密度阈值的区域确定为信息聚集区域；
其中，各个区域的区域面积和/或划分方式能够根据预设区域划分规则进行动态调整。
12.根据权利要求10所述的方法，其中，判断所述信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件的步骤具体包括：
根据所述信息聚集区域的区域半径和/或所述信息聚集区域内包含的每两个推送信息之间的距离，判断所述信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件。
13.根据权利要求12所述的方法，其中，当判断出所述信息聚集区域内包含的各个推送信息不满足预设聚集推送条件时，所述方法进一步包括：
判断所述信息聚集区域是否满足预设调整条件，并在满足时根据所述预设调整条件对所述信息聚集区域的区域范围进行调整，以使调整后的信息聚集区域满足所述预设聚集推送条件；
根据所述调整后的信息聚集区域内包含的各个推送信息生成聚集推送信息，将所述聚集推送信息推送给用户终端。
14.一种多元化信息的混合推送装置，包括：
原始得分获取模块，适于分别针对所述多元化信息中包含的每种信息类型，根据与该信息类型相对应的类型评分规则确定该信息类型所对应的每个信息项的原始得分；其中，多元化信息中包含的多种信息类型根据应用所提供的多种服务确定；
归一化处理模块，适于分别针对每种信息类型所对应的每个信息项，按照预设的归一化处理规则对该信息项的原始得分进行归一化处理，得到该信息项的归一化得分；
类型偏好得分计算模块，适于按照预设的类型偏好规则计算该信息项所对应的信息类型的类型偏好得分；
实际得分确定模块，适于根据所述归一化得分以及所述类型偏好得分确定该信息项的实际得分；
排序模块，适于根据所述多元化信息中包含的每种信息类型所对应的每个信息项的实际得分进行混合排序；
推送模块，适于根据排序结果进行多元化信息的混合推送；
其中，所述类型偏好得分计算模块进一步适于：
确定与当前时间相对应的时段信息，根据该时段信息确定该信息项所对应的信息类型的第一偏好分值；和/或，
确定与当前位置相对应的位置信息，根据该位置信息确定该信息项所对应的信息类型的第二偏好分值；
根据所述第一偏好分值和/或所述第二偏好分值确定该信息项所对应的信息类型的类型偏好得分；其中，所述类型偏好得分根据所有用户终端的历史行为数据确定。
15.根据权利要求14所述的装置，其中，所述归一化处理模块进一步适于：
预先将总得分区间划分为多个子区间，确定与该信息项的原始得分相对应的子区间，根据该子区间的得分密度对该信息项的原始得分进行归一化处理；
其中，各个子区间的得分密度根据原始得分位于该子区间内的信息项的数量以及信息项的总量确定。
16.根据权利要求14所述的装置，其中，所述类型偏好得分计算模块进一步适于：
通过分析用户终端的当前行为数据和/或历史行为数据，确定该信息项所对应的信息类型的第一偏好分值和/或第二偏好分值。
17.根据权利要求14所述的装置，其中，所述装置进一步包括：
设置模块，适于分别针对所述多元化信息中包含的每种信息类型，设置与该信息类型相对应的预设类型推送比例；
则所述实际得分确定模块进一步适于：
获取该信息项所对应的信息类型的实际类型推送比例，根据该信息项所对应的信息类型的预设类型推送比例与实际类型推送比例之间的差值，得到该信息项的推送均衡得分；
根据所述归一化得分、所述类型偏好得分以及所述推送均衡得分确定该信息项的实际得分。
18.根据权利要求17所述的装置，其中，所述实际得分确定模块进一步适于：
分别确定所述归一化得分、所述类型偏好得分以及所述推送均衡得分所对应的权重值；
根据各个权重值对所述归一化得分、所述类型偏好得分以及所述推送均衡得分进行加权，得到该信息项的实际得分。
19.根据权利要求14-18任一所述的装置，其中，所述推送模块进一步适于：
根据获取到的用户终端的用户属性信息，按照预设展示规则确定与每种类型的推送信息相对应的各个功能入口的展示状态；
根据所述展示状态展示所述与每种类型的推送信息相对应的各个功能入口。
20.根据权利要求19所述的装置，其中，所述用户属性信息包括以下中的至少一个：用户终端的当前位置数据、用户终端的当前行为数据以及当前时间数据；
其中，所述预设展示规则包括以下中的至少一个：
确定与所述推送信息相对应的信息位置，根据所述用户终端的当前位置数据与所述信息位置之间的距离确定各个功能入口的展示状态；
确定与所述推送信息相对应的各个功能入口与用户行为之间的关联关系，根据所述关联关系以及所述用户终端的当前行为数据确定各个功能入口的展示状态；
确定与所述推送信息相对应的信息时间，根据所述当前时间数据与所述信息时间之间的间隔确定各个功能入口的展示状态。
21.根据权利要求19所述的装置，其中，所述功能入口的展示状态包括：隐藏状态、可见状态、可点击状态、不可点击状态、高亮显示状态、和/或展示次序。
22.根据权利要求19所述的装置，其中，所述预设展示规则通过预设的预测模型实现；其中，所述预测模型根据用户终端的历史行为数据训练得到；
其中，所述历史行为数据包括：评论数据、预约行为数据、和/或领取优惠行为数据。
23.根据权利要求14-18任一所述的装置，其中，所述推送模块进一步包括：
信息聚集区域确定单元，适于获取各个推送信息的地理位置信息，根据所述地理位置信息确定包含多个推送信息的信息聚集区域；
判断单元，适于判断所述信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件；
则所述推送模块进一步适于：
若是，根据所述信息聚集区域内包含的各个推送信息生成聚集推送信息，将所述聚集推送信息推送给用户终端。
24.根据权利要求23所述的装置，其中，所述信息聚集区域确定单元进一步适于：
分别计算各个区域内包含的推送信息的分布密度，将分布密度大于预设密度阈值的区域确定为信息聚集区域；
其中，各个区域的区域面积和/或划分方式能够根据预设区域划分规则进行动态调整。
25.根据权利要求23所述的装置，其中，所述判断单元进一步适于：
根据所述信息聚集区域的区域半径和/或所述信息聚集区域内包含的每两个推送信息之间的距离，判断所述信息聚集区域内包含的各个推送信息是否满足预设聚集推送条件。
26.根据权利要求25所述的装置，其中，所述装置进一步包括：
调整模块，适于当判断出所述信息聚集区域内包含的各个推送信息不满足预设聚集推送条件时，判断所述信息聚集区域是否满足预设调整条件，并在满足时根据所述预设调整条件对所述信息聚集区域的区域范围进行调整，以使调整后的信息聚集区域满足所述预设聚集推送条件；
则所述推送模块进一步适于：
根据所述调整后的信息聚集区域内包含的各个推送信息生成聚集推送信息，将所述聚集推送信息推送给用户终端。
27.一种电子设备，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-13中任一项所述的多元化信息的混合推送方法对应的操作。
28.一种计算机存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-13中任一项所述的多元化信息的混合推送方法对应的操作。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810149025.6A CN108460631B (zh) | 2018-02-13 | 2018-02-13 | 多元化信息的混合推送方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810149025.6A CN108460631B (zh) | 2018-02-13 | 2018-02-13 | 多元化信息的混合推送方法及装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108460631A CN108460631A (zh) | 2018-08-28 |
| CN108460631B true CN108460631B (zh) | 2021-03-09 |
Family
ID=63217012
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810149025.6A Active CN108460631B (zh) | 2018-02-13 | 2018-02-13 | 多元化信息的混合推送方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108460631B (zh) |
Families Citing this family (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109684546B (zh) * | 2018-12-24 | 2022-01-28 | 北京城市网邻信息技术有限公司 | 推荐方法、装置、存储介质及终端 |
| CN111798260A (zh) * | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 用户行为预测模型构建方法、装置、存储介质及电子设备 |
| CN110619079B (zh) * | 2019-06-20 | 2022-08-23 | 北京无限光场科技有限公司 | 用于推送信息的方法和装置 |
| CN113392313B (zh) * | 2020-03-12 | 2024-04-26 | 中国移动通信集团福建有限公司 | 目标终端业务推荐方法、装置及电子设备、存储介质 |
| CN111444424A (zh) * | 2020-03-25 | 2020-07-24 | 深圳市分期乐网络科技有限公司 | 一种信息推荐方法和信息推荐系统 |
| CN112163909B (zh) * | 2020-10-29 | 2021-05-18 | 杭州次元岛科技有限公司 | 一种基于大数据的广告投放系统 |
| CN112330427B (zh) * | 2021-01-05 | 2021-03-26 | 中智关爱通(南京)信息科技有限公司 | 用于商品排序的方法、电子设备和存储介质 |
| CN113689260B (zh) * | 2021-08-18 | 2023-08-08 | 青岛海信智慧生活科技股份有限公司 | 商品的搜索方法及装置 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104794121A (zh) * | 2014-01-17 | 2015-07-22 | 腾讯科技（深圳）有限公司 | 入口信息显示方法和装置 |
| CN107122399A (zh) * | 2017-03-16 | 2017-09-01 | 中国科学院自动化研究所 | 基于公共文化知识图谱平台的综合推荐系统 |
Family Cites Families (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7743067B2 (en) * | 2007-09-18 | 2010-06-22 | Palo Alto Research Center Incorporated | Mixed-model recommender for leisure activities |
| CN106649331B (zh) * | 2015-10-29 | 2020-09-11 | 阿里巴巴集团控股有限公司 | 商圈识别方法及设备 |
| CN106056413A (zh) * | 2016-06-06 | 2016-10-26 | 四川大学 | 基于时空偏好的兴趣点推荐方法 |
| CN107608989A (zh) * | 2016-07-12 | 2018-01-19 | 上海视畅信息科技有限公司 | 一种分类个性化推荐方法 |
| CN107038184B (zh) * | 2016-10-14 | 2019-11-08 | 厦门大学 | 一种基于分层隐变量模型的新闻推荐方法 |
| CN106909629B (zh) * | 2017-01-26 | 2020-05-19 | 武汉奇米网络科技有限公司 | 一种个性化推荐坑位标签的方法及系统 |
| CN107395680B (zh) * | 2017-06-23 | 2019-03-19 | 口碑(上海)信息技术有限公司 | 店铺群信息推送和输出方法及装置、设备 |
-
2018
- 2018-02-13 CN CN201810149025.6A patent/CN108460631B/zh active Active
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104794121A (zh) * | 2014-01-17 | 2015-07-22 | 腾讯科技（深圳）有限公司 | 入口信息显示方法和装置 |
| CN107122399A (zh) * | 2017-03-16 | 2017-09-01 | 中国科学院自动化研究所 | 基于公共文化知识图谱平台的综合推荐系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108460631A (zh) | 2018-08-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108460631B (zh) | 多元化信息的混合推送方法及装置 | |
| CN108280749B (zh) | 服务功能入口的展示方法及装置 | |
| WO2019158068A1 (zh) | 聚集店铺信息的推送方法及装置 | |
| US20160191450A1 (en) | Recommendations Engine in a Layered Social Media Webpage | |
| CN108108380B (zh) | 搜索排序方法、搜索排序装置、搜索方法和搜索装置 | |
| CN105282565A (zh) | 一种视频推荐方法和装置 | |
| KR102340463B1 (ko) | 샘플 가중치 설정방법 및 장치, 전자 기기 | |
| WO2018126740A1 (zh) | 用于推送信息的方法和装置 | |
| CN105975483A (zh) | 一种基于用户偏好的消息推送方法和平台 | |
| CN108205768A (zh) | 数据库建立方法和数据推荐方法及装置、设备和存储介质 | |
| CN106445954B (zh) | 一种业务对象的展示方法和装置 | |
| CN111737418B (zh) | 搜索词和商品的相关性预测方法、设备和存储介质 | |
| CN110111167A (zh) | 一种确定推荐对象的方法和装置 | |
| CN110766513A (zh) | 信息排序方法、装置、电子设备及可读存储介质 | |
| CN110969512A (zh) | 一种基于用户购买行为的商品推荐方法和装置 | |
| CN110880127A (zh) | 消费水平的预测方法、装置、电子设备及存储介质 | |
| CN111080339A (zh) | 基于场景的类目偏好数据生成方法及装置 | |
| JP2019049836A (ja) | 推定装置、推定方法および推定プログラム | |
| CN114168843A (zh) | 搜索词推荐方法、设备及存储介质 | |
| CN112598472A (zh) | 产品推荐方法、装置、系统、介质和程序产品 | |
| WO2022156589A1 (zh) | 一种直播点击率的确定方法和装置 | |
| CN110737826A (zh) | 搜索推荐方法、装置、电子设备及存储介质 | |
| CN114493786A (zh) | 一种信息推荐方法及装置 | |
| KR102564359B1 (ko) | 온라인 마켓에서 판매 상품의 판매 가격을 결정하는 방법 | |
| CN113362123A (zh) | 物品推荐系统、物品推荐的方法、计算机系统和介质 |
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 |