CN108694182A - 活动推送方法、活动推送装置和服务器 - Google Patents

Abstract

本发明提出了一种活动推送方法、活动推送装置和服务器，其中，所述活动推送方法包括：获取待推送的至少一个活动的一个或者多个预设目标；预测待推送的用户完成所述预设目标的概率；获取所述至少一个活动的推送规则；根据所述概率和所述推送规则，确定是否将所述活动推送给所述待推送的用户。通过本发明的技术方案，可以避免用户需求、活动目标的一致性和推送规则之间产生冲突，以提高活动推送的准确率和效率。

Description

活动推送方法、活动推送装置和服务器

技术领域

本发明涉及网约车技术领域，具体而言，涉及活动推送方法、活动推送装置和服务器。

背景技术

目前，约车软件除了有约车业务，还有多种其他的业务，例如给车辆加油、维保、买卖二手车、车主圈等。基于这些业务，通过约车软件向用户推送各种各样的活动，例如，向用户推送打车优惠券、播报新频道等。在向用户推送活动时，根据用户的偏好来推送活动，例如，将新频道推送给时长收听广播的用户。或者按照推送规则来向用户推送活动，例如，总共有4个待推送的活动，最多向同一个用户推送3个活动。再或者根据活动的预设目标来推送活动，例如，若活动的预设目标为最大化拉新率，则将活动推送给时常分享活动的用户。

但是，由于在现有技术中不能同时考虑以上三种情况来推送活动，例如，在按照用户的偏好来推送活动时，推送给该用户的活动的数量就超出了限制的数量，以至于活动推送的准确率和效率都比较低。

因此，如何避免用户需求、活动目标的一致性和推送规则之间产生冲突，以提高活动推送的准确率和效率成为亟待解决的技术问题。

发明内容

本发明旨在至少解决现有技术或相关技术中存在的技术问题之一。

为此，本发明的一个目的在于提出了一种活动推送方法。

本发明的另一个目的在于提出了一种活动推送装置。

本发明的又一个目的在于提出了一种服务器。

为实现上述至少一个目的，根据本发明的第一方面的实施例，提出了一种活动推送方法，包括：获取待推送的至少一个活动的一个或者多个预设目标；预测待推送的用户完成所述预设目标的概率；获取所述至少一个活动的推送规则；根据所述概率和所述推送规则，确定是否将所述活动推送给所述待推送的用户。

在该技术方案中，在将至少一个活动推送给用户时，通过预测用户完成每个活动的预设目标的概率，并结合活动的推送规则来将至少一个活动推送给用户。通过以上方案，不仅可以按照用户的个人需求来推送活动，还保证了活动目标的一致性，同时还按照推送规则进行活动推送，避免了用户需求、活动目标的一致性和推送规则之间产生冲突，从而提高活动推送给用户的准确率和效率，提升用户的体验。

在上述技术方案中，优选地，所述根据所述概率和所述推送规则，确定是否将所述活动推送给所述待推送的用户，具体包括：计算满足预设函数的x_ij；根据x_ij确定是否将第j个所述活动推送给第i个所述待推送的用户，所述预设函数为：

其中，r_ijk＝1表示第k个所述推送规则允许将第j个所述活动推送给第i个所述待推送的用户，r_ijk＝0表示第k个所述推送规则禁止将第j个所述活动推送给第i个所述待推送的用户，x_ij＝1表示将第j个所述活动推送给第i个所述待推送的用户，x_ij＝0表示禁止将第j个所述活动推送给第i个所述待推送的用户，A_k表示第k个所述推送规则对应的预设值，R表示所述推送规则的总数量，N表示所述用户的总数量，M表示所述至少一个活动的总数量，p_ij表示第i个所述待推送的用户完成第j个所述活动的所述预设目标的所述概率。

在该技术方案中，通过获取满足以上预设函数的x_ij，x_ij＝1表示将第j个活动推送给第i个待推送的用户，x_ij＝0表示禁止将第j个活动推送给第i个待推送的用户，从而保证了活动推送的准确性和可靠性。

在上述任一技术方案中，优选地，所述计算满足预设函数的x_ij，具体包括：将离散的x_ij松弛优化成0至1之间连续的x_ij’，以计算满足所述预设函数的x_ij’；将x_ij′与预设阈值进行比较，根据比较结果确定x_ij。

在该技术方案中，由于x_ij∈{0,1}，x_ij为离散的数值，若要将x_ij在所有情况下的数值代入到预设函数中，计算量非常庞大。因此，将离散的x_ij松弛优化成0至1之间连续的x_ij’，这样就成了一个线性规划的问题，可以非常方便、快捷地计算出符合预设函数的x_ij’。再将x_ij′与预设阈值进行比较得出x_ij，从而减少了数据处理量，提高了数据处理速度和效率。

在上述任一技术方案中，优选地，所述预测待推送的用户完成所述预设目标的概率之前，还包括：采集历史活动的推送数据；获取所述历史活动的类型，基于所述历史活动的类型对所述历史活动的推送数据进行训练，来建立用于预测所述概率的数据模型。

在该技术方案中，基于历史活动的类型而非每个历史活动，来建立数据模型，再通过数据模型来预测每个用户完成每个活动的预设目标的概率，实现了通过已知的历史活动的推送数据来预测未知的情况，从而实现概率的精准预测。

在上述任一技术方案中，优选地，所述历史活动的推送数据包括以下之一或多种的组合：被推送所述历史活动的用户的ID、被推送所述历史活动的用户的特征、所述历史活动的内容、所述历史活动的类型、所述历史活动的类型ID、所述历史活动的特征、被推送所述历史活动的用户是否完成所述历史活动的预设目标。

在该技术方案中，通过以上历史活动的推送数据建立数据模型，从而保证了数据模型预测概率的准确性和可靠性。

根据本发明的第二方面的实施例，提出了一种活动推送装置，包括：第一获取单元，用于获取待推送的至少一个活动的一个或者多个预设目标；预测单元，用于预测待推送的用户完成所述预设目标的概率；第二获取单元，用于获取所述至少一个活动的推送规则；确定单元，用于根据所述概率和所述推送规则，确定是否将所述活动推送给所述待推送的用户。

在该技术方案中，在将至少一个活动推送给用户时，通过预测用户完成每个活动的预设目标的概率，并结合活动的推送规则来将至少一个活动推送给用户。通过以上方案，不仅可以按照用户的个人需求来推送活动，还保证了活动目标的一致性，同时还按照推送规则进行活动推送，避免了用户需求、活动目标的一致性和推送规则之间产生冲突，从而提高活动推送给用户的准确率和效率，提升用户的体验。

在上述技术方案中，优选地，所述确定单元包括：计算子单元，用于计算满足预设函数的x_ij；确定子单元，用于根据x_ij确定是否将第j个所述活动推送给第i个所述待推送的用户，所述预设函数为：

其中，r_ijk＝1表示第k个所述推送规则允许将第j个所述活动推送给第i个所述待推送的用户，r_ijk＝0表示第k个所述推送规则禁止将第j个所述活动推送给第i个所述待推送的用户，x_ij＝1表示将第j个所述活动推送给第i个所述待推送的用户，x_ij＝0表示禁止将第j个所述活动推送给第i个所述待推送的用户，A_k表示第k个所述推送规则对应的预设值，R表示所述推送规则的总数量，N表示所述待推送的用户的总数量，M表示所述至少一个活动的总数量，p_ij表示第i个所述待推送的用户完成第j个所述活动的所述预设目标的所述概率。

在该技术方案中，通过获取满足以上预设函数的x_ij，x_ij＝1表示将第j个活动推送给第i个待推送的用户，x_ij＝0表示禁止将第j个活动推送给第i个待推送的用户，从而保证了活动推送的准确性和可靠性。

在上述任一技术方案中，优选地，所述计算子单元具体用于，将离散的x_ij松弛优化成0至1之间连续的x_ij’，以计算满足所述预设函数的x_ij’，将x_ij′与预设阈值进行比较，根据比较结果确定x_ij。

在该技术方案中，由于x_ij∈{0,1}，x_ij为离散的数值，若要将x_ij在所有情况下的数值代入到预设函数中，计算量非常庞大。因此，将离散的x_ij松弛优化成0至1之间连续的x_ij’，这样就成了一个线性规划的问题，可以非常方便、快捷地计算出符合预设函数的x_ij’。再将x_ij′与预设阈值进行比较得出x_ij，从而减少了数据处理量，提高了数据处理速度和效率。

在上述任一技术方案中，优选地，还包括：采集单元，用于采集历史活动的推送数据；建立单元，用于获取所述历史活动的类型，基于所述历史活动的类型对所述历史活动的推送数据进行训练，来建立用于预测所述概率的数据模型。

在该技术方案中，基于历史活动的类型而非每个历史活动，来建立数据模型，再通过数据模型来预测每个用户完成每个活动的预设目标的概率，实现了通过已知的历史活动的推送数据来预测未知的情况，从而实现概率的精准预测。

在上述任一技术方案中，优选地，所述历史活动的推送数据包括以下之一或多种的组合：被推送所述历史活动的用户的ID、被推送所述历史活动的用户的特征、所述历史活动的内容、所述历史活动的类型、所述历史活动的类型ID、所述历史活动的特征、被推送所述历史活动的用户是否完成所述历史活动的预设目标。

在该技术方案中，通过以上历史活动的推送数据建立数据模型，从而保证了数据模型预测概率的准确性和可靠性。

根据本发明的第三方面的实施例，提出了一种服务器，包括上述技术方案中任一项所述的活动推送装置，因此，该服务器具有和上述技术方案中任一项所述的活动推送装置相同的技术效果，在此不再赘述。

通过本发明的技术方案，在推送活动时，可以同时满足用户需求、保证活动目标的一致性和推送规则这三种情况，从而提高活动推送给用户的准确率和效率，提升用户的体验。

附图说明

图1示出了根据本发明的一个实施例的活动推送方法的流程示意图；

图2示出了根据本发明的另一个实施例的活动推送方法的流程示意图；

图3示出了根据本发明的一个实施例的活动推送装置的结构示意图；

图4示出了根据本发明的另一个实施例的活动推送装置的结构示意图；

图5示出了根据本发明的一个实施例的服务器的结构示意图。

具体实施方式

为了可以更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1示出了根据本发明的一个实施例的活动推送方法的流程示意图。

如图1所示，根据本发明的一个实施例的活动推送方法，包括：

步骤102，获取待推送的至少一个活动的一个或者多个预设目标。

活动包括但不限于通过打车软件来推送给用户的活动，例如优惠券发送的活动、新频道播报的活动。活动还可以包括其他类型软件推送的活动，例如，购物软件推送的限时打折活动，社交软件推送的公众号推荐活动，另外，预设目标包括但不限于：拉新新用户、活动被打开和活动被消费。

步骤104，预测待推送的用户完成预设目标的概率。

例如，预测用户拉新新用户的概率，或者预测用户打开推送的活动的概率，或者预测用户消费推送的活动的概率。

步骤106，获取至少一个活动的推送规则。

例如，在将M个活动推送给N个用户时，推送规则为：最多将M个活动中的3个活动推送给同一个用户，或者，推送规则为：新用户只能接收5元以下的优惠券。

步骤108，根据概率和推送规则，确定是否将活动推送给待推送的用户。

在该技术方案中，在将至少一个活动推送给用户时，通过预测用户完成每个活动的预设目标的概率，并结合活动的推送规则来将至少一个活动推送给用户。通过以上方案，不仅可以按照用户的个人需求来推送活动，还保证了活动目标的一致性，同时还按照推送规则进行活动推送，避免了用户需求、活动目标的一致性和推送规则之间产生冲突，从而提高活动推送给用户的准确率和效率，提升用户的体验。

可以理解的是，根据概率和推送规则，确定是否将活动推送给用户，具体包括：计算满足预设函数的x_ij；根据x_ij确定是否将第j个活动推送给第i个用户，预设函数为：

其中，r_ijk＝1表示第k个推送规则允许将第j个活动推送给第i个待推送的用户，r_ijk＝0表示第k个推送规则禁止将第j个活动推送给第i个待推送的用户，x_ij＝1表示将第j个活动推送给第i个待推送的用户，x_ij＝0表示禁止将第j个活动推送给第i个待推送的用户，A_k表示第k个推送规则对应的预设值，R表示推送规则的总数量，N表示待推送的用户的总数量，M表示至少一个活动的总数量，p_ij表示第i个待推送的用户完成第j个活动的预设目标的概率。

A_k可以是经验值，还可以由第k个推送规则进行加权计算得到，r_ijk可以根据第k个推送规则计算得到。例如，若第k个推送规则为：在将M个活动推送给N个用户时，向同一个用户最多推送3个活动，则A_k＝3×N，r_ijk满足以下公式：

再例如，第k个推送规则为：新用户只能接收5元以下的优惠券，在向新用户i推送5元以上的优惠券时，r_ijk＝0。

再例如，第k个推送规则为：必须向所有待推送用户推送第j个活动，r_ijk＝1。

除了通过以上方案确定A_k和r_ijk之外，还可以由工程师预先手动设置A_k和r_ijk。

通过获取满足以上预设函数的x_ij，x_ij＝1表示将第j个活动推送给第i个待推送的用户，x_ij＝0表示禁止将第j个活动推送给第i个待推送的用户，从而保证了活动推送的准确性和可靠性。

可以理解的是，计算满足预设函数的x_ij，具体包括：将离散的x_ij松弛优化成0至1之间连续的x_ij’，以计算满足预设函数的x_ij’；将x_ij′与预设阈值进行比较，根据比较结果确定x_ij。

具体地，将离散的x_ij松弛优化成0至1之间连续的x_ij’，即先计算满足以下预设函数的x_ij’，

其中，可以使用单纯形法计算x_ij’。还可以使用其他的算法计算x_ij’，

例如，使用拉格朗日松弛算法、牛顿法或者共轭梯度法计算x_ij’。

在计算出x_ij’之后，若x_ij′大于或等于预设阈值(例如，预设阈值为0.5)，则取x_ij＝1，表示将第j个活动推送给第i个待推送的用户，x_ij′小于预设阈值，则取x_ij＝0，表示不将第j个活动推送给第i个待推送的用户。或者，若x_ij′大于预设阈值(例如，预设阈值为0.5)，则取x_ij＝1，表示将第j个活动推送给第i个待推送的用户，x_ij′小于或等于预设阈值，则取x_ij＝0，表示不将第j个活动推送给第i个待推送的用户。

在计算x_ij之前，由于x_ij∈{0,1}，x_ij为离散的数值，若要将x_ij在所有情况下的数值代入到预设函数中，计算量非常庞大。因此，将离散的x_ij松弛优化成0至1之间连续的x_ij’，这样就成了一个线性规划的问题，可以非常方便、快捷地计算出符合预设函数的x_ij’。再将x_ij′与预设阈值进行比较得出x_ij，从而减少了数据处理量，提高了数据处理速度和效率。

当然，在计算满足预设函数的x_ij时，除了使用以上方案计算x_ij之外，还可以先确定x_ij在所有情况下的数值，然后分别代入到预设函数中，最后获取计算Z时的x_ij。

图2示出了根据本发明的另一个实施例的活动推送方法的流程示意图。

图2中的步骤102、步骤104、步骤106和步骤108与图1中的步骤102、步骤104、步骤106和步骤108基本相同。另外，图2中活动推送方法还包括步骤103。

步骤103：采集历史活动的推送数据；获取历史活动的类型，基于历史活动的类型对历史活动的推送数据进行训练，来建立用于预测概率的数据模型。在图2中的步骤104中，通过步骤103中建立的数据模型，预测待推送的用户完成预设目标的概率。

在该技术方案中，除了能够避免用户需求、活动目标的一致性和推送规则之间产生冲突，提高活动推送给用户的准确率和效率，提升用户的体验之外，还可以基于历史活动的类型而非每个历史活动，来建立数据模型，从而通过数据模型准确地得到每个用户完成每个活动的预设目标的概率，

进而保证了活动的推送满足用户的个人偏好和个人需求。

可以理解的是，历史活动的推送数据包括以下之一或多种的组合：被推送历史活动的用户的ID、被推送历史活动的用户的特征、历史活动的内容、历史活动的类型、历史活动的类型ID、历史活动的特征、被推送历史活动的用户是否完成历史活动的预设目标。

其中，历史活动的推送数据中可以包括历史活动的类型，也可以不包括历史活动的类型或者历史活动的类型ID，若历史活动的推送数据中不包括历史活动的类型，则可以根据历史活动的内容来获取历史活动的类型。例如，历史活动的推送数据如表1所示。

表1

历史活动的推送数据最大的特点就是将用户的特征和活动的特征交叉起来，用户的特征和活动的特征可以为关键字，例如，用户的特征为“新用户”，活动的特征为“优惠券”。当然，用户的特征和活动的特征还可以为表1中的数值，而且用户的特征和活动的特征可以是连续的值，还可以是离散的值，即将用户的特征和活动的特征进行数学化。

需要注意的是，历史活动的推送数据包括历史活动的类型ID，而非历史活动的ID，例如，历史活动的推送数据包括优惠券类型的ID、维保类型的ID和业务播报类型的ID。此外，每个历史活动具有不同的预设目标，比如表1的第一条记录表示用户1完成了预设目标1和预设目标4，但没有完成预设目标2和预设目标3。其中，GBDT(Gradient BoostingDecision Tree，梯度迭代决策树)或者Deep Leaning(深度学习)可以基于简单特征自动生成高阶特征，以建立数据模型，从而提升预测精准度。

在建立完数据模型之后，获取每个活动的类型和内容，根据每个活动的内容确定每个活动的特征，将每个活动的类型和特征代入到建立的数据模型中，以根据每个活动的类型和特征，统计每个用户完成每个活动的预设目标的概率。在统计出每个用户完成每个活动的预设目标的概率之后，可以建立索引，以根据该索引直接查询出是否将活动推送给用户。因此，在进行活动推送时，可以接收用户输入的待推送的活动的类型、内容和推送规则，无需考虑其他任何问题就能根据活动的类型、内容和推送规则直接进行活动推送，完成精准营销。

该技术方案就是利用机器学习的思想，将历史活动的推送数据作为训练集来训练分类，从而预测每个用户完成不同活动的预设目标的概率。

图3示出了根据本发明的一个实施例的活动推送装置的结构示意图。

如图3所示，根据本发明的一个实施例的活动推送装置300，包括：第一获取单元302、预测单元304、第二获取单元306和确定单元308。

第一获取单元302，用于获取待推送的至少一个活动的一个或者多个预设目标；预测单元304，用于预测待推送的用户完成预设目标的概率；第二获取单元306，用于获取至少一个活动的推送规则；确定单元308，用于根据概率和推送规则，确定是否将活动推送给待推送的用户。

在该技术方案中，在将至少一个活动推送给多个用户时，通过预测每个用户完成每个活动的预设目标的概率，并结合活动的推送规则来将至少一个活动推送给多个用户。通过以上方案，不仅可以按照用户的个人需求来推送活动，还保证了活动目标的一致性，同时还按照推送规则进行活动推送，避免了用户需求、活动目标的一致性和推送规则之间产生冲突，从而提高活动推送给用户的准确率和效率，提升用户的体验。

可以理解的是，确定单元308包括：计算子单元3082，用于计算满足预设函数的x_ij；确定子单元3084，用于根据x_ij确定是否将第j个活动推送给第i个待推送的用户，预设函数为：

其中，r_ijk＝1表示第k个推送规则允许将第j个活动推送给第i个待推送的用户，r_ijk＝0表示第k个推送规则禁止将第j个活动推送给第i个待推送的用户，x_ij＝1表示将第j个活动推送给第i个待推送的用户，x_ij＝0表示禁止将第j个活动推送给第i个待推送的用户，A_k表示第k个推送规则对应的预设值，R表示推送规则的总数量，N表示待推送的用户的总数量，M表示至少一个活动的总数量，p_ij表示第i个待推送的用户完成第j个活动的预设目标的概率。

通过获取满足以上预设函数的x_ij，x_ij＝1表示将第j个活动推送给第i个待推送的用户，x_ij＝0表示禁止将第j个活动推送给第i个待推送的用户，从而保证了活动推送的准确性和可靠性。

可以理解的是，计算子单元3082具体用于，将离散的x_ij松弛优化成0至1之间连续的x_ij’，以计算满足预设函数的x_ij’，将x_ij′与预设阈值进行比较，根据比较结果确定x_ij。

由于x_ij∈{0,1}，x_ij为离散的数值，若要将x_ij在所有情况下的数值代入到预设函数中，计算量非常庞大。因此，将离散的x_ij松弛优化成0至1之间连续的x_ij’，这样就成了一个线性规划的问题，可以非常方便、快捷地计算出符合预设函数的x_ij’。再将x_ij′与预设阈值进行比较得出x_ij，从而减少了数据处理量，提高了数据处理速度和效率。

图4示出了根据本发明的另一个实施例的活动推送装置300的结构示意图。

图4中的第一获取单元302、预测单元304、第二获取单元306、确定单元308、计算子单元3082和确定子单元3084与图3中的第一获取单元302、预测单元304、第二获取单元306、确定单元308、计算子单元3082和确定子单元3084基本相同。另外，图4中的活动推送装置300还包括采集单元310和建立单元312。

采集单元310，用于采集历史活动的推送数据；建立单元312，用于获取历史活动的类型，基于历史活动的类型对历史活动的推送数据进行训练，来建立用于预测概率的数据模型。图4中的预测单元304具体通过建立单元312建立的数据模型，预测待推送的用户完成预设目标的概率。

在该技术方案中，除了能够避免用户需求、活动目标的一致性和推送规则之间产生冲突，提高活动推送给用户的准确率和效率，提升用户的体验之外，还可以基于历史活动的类型而非每个历史活动，来建立数据模型，从而通过数据模型准确地得到每个用户完成每个活动的预设目标的概率，进而保证了活动的推送满足用户的个人偏好和个人需求。

可以理解的是，历史活动的推送数据包括以下之一或多种的组合：被推送历史活动的用户的ID、被推送历史活动的用户的特征、历史活动的内容、历史活动的类型、历史活动的类型ID、历史活动的特征、被推送历史活动的用户是否完成历史活动的预设目标。

图5示出了根据本发明的一个实施例的服务器的结构示意图。

如图5所示，根据本发明的一个实施例的服务器500，包括上述图3或者图4的活动推送装置300，因此，该服务器500具有和上述图3或者图4的活动推送装置300相同的技术效果，在此不再赘述。

以上结合附图详细说明了本发明的技术方案，通过本发明的技术方案，可以避免用户需求、活动目标的一致性和推送规则之间产生冲突，以提高活动推送的准确率和效率。

在本发明中，术语“第一”、“第二”仅用于描述的目的，而不能理解为指示或暗示相对重要性；术语“多个”表示两个或两个以上。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (11)

1.一种活动推送方法，其特征在于，包括：

获取待推送的至少一个活动的一个或者多个预设目标；

预测待推送的用户完成所述预设目标的概率；

获取所述至少一个活动的推送规则；

根据所述概率和所述推送规则，确定是否将所述活动推送给所述待推送的用户。

2.根据权利要求1所述的活动推送方法，其特征在于，所述根据所述概率和所述推送规则，确定是否将所述活动推送给所述待推送的用户，具体包括：

计算满足预设函数的x_ij；

根据x_ij确定是否将第j个所述活动推送给第i个所述待推送的用户，所述预设函数为：

其中，r_ijk＝1表示第k个所述推送规则允许将第j个所述活动推送给第i个所述待推送的用户，r_ijk＝0表示第k个所述推送规则禁止将第j个所述活动推送给第i个所述待推送的用户，x_ij＝1表示将第j个所述活动推送给第i个所述待推送的用户，x_ij＝0表示禁止将第j个所述活动推送给第i个所述待推送的用户，A_k表示第k个所述推送规则对应的预设值，R表示所述推送规则的总数量，N表示所述待推送的用户的总数量，M表示所述至少一个活动的总数量，p_ij表示第i个所述待推送的用户完成第j个所述活动的所述预设目标的所述概率。

3.根据权利要求2所述的活动推送方法，其特征在于，所述计算满足预设函数的x_ij，具体包括：

将离散的x_ij松弛优化成0至1之间连续的x_ij’，以计算满足所述预设函数的x_ij’；

将x_ij′与预设阈值进行比较，根据比较结果确定x_ij。

4.根据权利要求1至3中任一项所述的活动推送方法，其特征在于，所述预测待推送的用户完成所述预设目标的概率之前，还包括：

采集历史活动的推送数据；

获取所述历史活动的类型，基于所述历史活动的类型对所述历史活动的推送数据进行训练，来建立用于预测所述概率的数据模型。

5.根据权利要求4所述的活动推送方法，其特征在于，

所述历史活动的推送数据包括以下之一或多种的组合：被推送所述历史活动的用户的ID、被推送所述历史活动的用户的特征、所述历史活动的内容、所述历史活动的类型、所述历史活动的类型ID、所述历史活动的特征、被推送所述历史活动的用户是否完成所述历史活动的预设目标。

6.一种活动推送装置，其特征在于，包括：

第一获取单元，用于获取待推送的至少一个活动的一个或者多个预设目标；

预测单元，用于预测待推送的用户完成所述预设目标的概率；

第二获取单元，用于获取所述至少一个活动的推送规则；

确定单元，用于根据所述概率和所述推送规则，确定是否将所述活动推送给所述待推送的用户。

7.根据权利要求6所述的活动推送装置，其特征在于，所述确定单元包括：

计算子单元，用于计算满足预设函数的x_ij；

确定子单元，用于根据x_ij确定是否将第j个所述活动推送给第i个所述待推送的用户，所述预设函数为：

其中，r_ijk＝1表示第k个所述推送规则允许将第j个所述活动推送给第i个所述待推送的用户，r_ijk＝0表示第k个所述推送规则禁止将第j个所述活动推送给第i个所述待推送的用户，x_ij＝1表示将第j个所述活动推送给第i个所述待推送的用户，x_ij＝0表示禁止将第j个所述活动推送给第i个所述待推送的用户，A_k表示第k个所述推送规则对应的预设值，R表示所述推送规则的总数量，N表示所述待推送的用户的总数量，M表示所述至少一个活动的总数量，p_ij表示第i个所述待推送的用户完成第j个所述活动的所述预设目标的所述概率。

8.根据权利要求7所述的活动推送装置，其特征在于，所述计算子单元具体用于，

将离散的x_ij松弛优化成0至1之间连续的x_ij’，以计算满足所述预设函数的x_ij’，

将x_ij′与预设阈值进行比较，根据比较结果确定x_ij。

9.根据权利要求6至8中任一项所述的活动推送装置，其特征在于，还包括：

采集单元，用于采集历史活动的推送数据；

建立单元，用于获取所述历史活动的类型，基于所述历史活动的类型对所述历史活动的推送数据进行训练，来建立用于预测所述概率的数据模型。

10.根据权利要求9所述的活动推送装置，其特征在于，

所述历史活动的推送数据包括以下之一或多种的组合：被推送所述历史活动的用户的ID、被推送所述历史活动的用户的特征、所述历史活动的内容、所述历史活动的类型、所述历史活动的类型ID、所述历史活动的特征、被推送所述历史活动的用户是否完成所述历史活动的预设目标。

11.一种服务器，其特征在于，包括：如权利要求6至10中任一项所述的活动推送装置。