CN108763506A - 一种消息推送处理方法及装置 - Google Patents
一种消息推送处理方法及装置 Download PDFInfo
- Publication number
- CN108763506A CN108763506A CN201810540743.6A CN201810540743A CN108763506A CN 108763506 A CN108763506 A CN 108763506A CN 201810540743 A CN201810540743 A CN 201810540743A CN 108763506 A CN108763506 A CN 108763506A
- Authority
- CN
- China
- Prior art keywords
- information
- data
- fragment
- pushing
- message
- 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.)
- Pending
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 10
- 239000012634 fragment Substances 0.000 claims abstract description 123
- 238000012545 processing Methods 0.000 claims abstract description 28
- 238000012216 screening Methods 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000002776 aggregation Effects 0.000 claims description 28
- 238000004220 aggregation Methods 0.000 claims description 28
- 230000004931 aggregating effect Effects 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 13
- 238000004422 calculation algorithm Methods 0.000 claims description 12
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 238000007405 data analysis Methods 0.000 claims description 4
- 238000001914 filtration Methods 0.000 claims description 4
- 238000006116 polymerization reaction Methods 0.000 abstract 2
- 238000013467 fragmentation Methods 0.000 abstract 1
- 238000006062 fragmentation reaction Methods 0.000 abstract 1
- 230000000875 corresponding effect Effects 0.000 description 9
- 230000006399 behavior Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例公开了一种消息推送处理方法及装置，方法包括：根据数据源的查询信息从对应的数据源中获取碎片数据；根据阈值对所述碎片数据进行筛选，得到信息碎片组；对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。本发明实施例通过对碎片数据进行筛选和聚合处理，提高了数据的相关性；通过对数据进行预判，推送对用户有意义的信息，减少用户的搜索时间，实现信息的个性化服务。
Description
技术领域
本发明实施例涉及计算机技术领域，具体涉及一种消息推送处理方法及装置。
背景技术
随着信息计算和发展，终端的智能化程度越来越高。针对不同用户，智能模拟其行为习惯，提取有效信息，删除无用内容，通过预判各个时间范围内用户不同需求，达到个性化路由落地，不同时刻千人千面，精确推送有时间属性的有价值信息，即为个性化路由。通过消息聚合的方式能够实现个性化路由，即：依据大数据分析，将错综复杂的信息碎片化，形成具有强相关性、强依赖性的有参考价值的信息，并且具有时效性和完整性。
现有技术中的简易信息聚合模式(Really Simple Syndication，RSS)是多来源信息的个性化聚合，聚合用户感兴趣的内容作为数据源。其中的Web源包括RSS/Atom源和微格式源，其标准化在众多软件和网站中应用广泛。聚合源和消费器采用传统的C/S模型和标准HTTP通信机制。网站可以根据现有网站生成RSS/Atom源，多个RSS/Atom源之间也可聚合。目前微软提出SSE协议，用于交叉订阅松散协作的不同网站。
在实现本发明实施例的过程中，发明人发现现有的简易信息聚合模式的信息主体前后依赖关系不强、分散度高，信息获取不够迅速，无法提供个性化服务。
发明内容
由于现有方法存在上述问题，本发明实施例提出一种消息推送处理方法及装置。
第一方面，本发明实施例提出一种消息推送处理方法，包括：
根据数据源的查询信息从对应的数据源中获取碎片数据；
根据阈值对所述碎片数据进行筛选，得到信息碎片组；
对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。
可选地，所述根据阈值对所述碎片数据进行筛选，得到信息碎片组，具体包括：
根据卷积神经网络算法计算各碎片数据的相关度，并根据阈值对碎片数据的相关度进行筛选，将满足筛选条件的碎片数据组成信息碎片组。
可选地，所述对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端，具体包括：
分析历史数据中目标用户使用最多的数据格式和/或查询内容；
根据所述数据格式和/或查询内容对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。
可选地，所述根据所述数据格式和/或查询内容对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端，具体包括：
根据所述数据格式和/或查询内容对所述信息碎片组中的碎片数据进行聚合处理，得到聚合信息；
根据预设分析粒度将所述聚合信息划分为若干子信息，计算各子信息与所述数据格式/查询内容的相关性指数；
筛选相关性指数大于指数阈值的子信息，将筛选得到的子信息作为预判消息，并将所述预判消息推送给目标终端。
可选地，所述对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端，具体包括：
对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息；
根据目标用户在预设时间段内的操作记录确定推送时间；
根据所述推送时间将所述预判消息推送给目标终端。
第二方面，本发明实施例还提出一种消息推送处理装置，包括：
数据获取模块，用于根据数据源的查询信息从对应的数据源中获取碎片数据；
数据筛选模块，用于根据阈值对所述碎片数据进行筛选，得到信息碎片组；
信息推送模块，用于对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。
可选地，所述数据筛选模块具体用于：
根据卷积神经网络算法计算各碎片数据的相关度，并根据阈值对碎片数据的相关度进行筛选，将满足筛选条件的碎片数据组成信息碎片组。
可选地，所述信息推送模块具体包括：
数据分析单元，用于分析历史数据中目标用户使用最多的数据格式和/或查询内容；
数据推送单元，用于根据所述数据格式和/或查询内容对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。
第三方面，本发明实施例还提出一种电子设备，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行上述方法。
第四方面，本发明实施例还提出一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行上述方法。
由上述技术方案可知，本发明实施例通过对碎片数据进行筛选和聚合处理，提高了数据的相关性；通过对数据进行预判，推送对用户有意义的信息，减少用户的搜索时间，实现信息的个性化服务。
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，下面描述中的附图仅仅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，还可以根据这些图获得其他的附图。
图1为本发明一实施例提供的一种消息推送处理方法的流程示意图；
图2为本发明另一实施例提供的一种消息推送处理方法的流程示意图；
图3为本发明再一实施例提供的一种消息推送处理方法的流程示意图；
图4为本发明一实施例提供的一种消息推送处理装置的结构示意图；
图5为本发明一实施例提供的电子设备的逻辑框图。
具体实施方式
下面结合附图，对本发明的具体实施方式作进一步描述。以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此来限制本发明的保护范围。
图1示出了本实施例提供的一种消息推送处理方法的流程示意图，包括：
S101、根据数据源的查询信息从对应的数据源中获取碎片数据。
其中，所述碎片数据为数据源中获取的各种有参考意义的数据，可以是完整的信息，也可以是完整信息中的一部分关键字信息。
S102、根据阈值对所述碎片数据进行筛选，得到信息碎片组。
具体地，为了提高分析效率，设定阈值对碎片数据进行筛选，并将筛选后的信息组成信息碎片组。
S103、对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。
具体地，聚合处理是指利用大数据根据某一主题，把极度分散但是高度相关的用户的碎片数据按照时间属性聚合成完整的有参考意义的信息，消息聚合是大数据方向的前沿。经过聚合处理后，从海量数据中提取真正和用户相关的信息，智能模拟用户的行为习惯，减少用户手动搜索信息的时间所造成的时间和精力的浪费，解决内容优化不够、无用信息冗余的问题；同时解决信息推送不及时、时间段不对所造成的问题。聚合处理后的消息具有高效和高价值的优点，消息聚合可以过滤噪声数据，获取有价值信息。
本实施例通过对碎片数据进行筛选和聚合处理，提高了数据的相关性；通过对数据进行预判，推送对用户有意义的信息，减少用户的搜索时间，实现信息的个性化服务。
进一步地，在上述方法实施例的基础上，所述S102具体包括：
根据卷积神经网络算法计算各碎片数据的相关度，并根据阈值对碎片数据的相关度进行筛选，将满足筛选条件的碎片数据组成信息碎片组。
具体地，对于碎片数据，需注入多个复杂卷积神经网络算法，依据大量用户数据作为训练样本，将相关性较强、但十分零散的信息碎片通过卷积神经网络算法萃取，对内容进行分析，可以控制分析粒度以词语、句子、段落为单位，计算相关度，将相关度小于设定阈值的内容信息进行剔除，在经过卷积神经网络算法训练高度模拟用户的行为习惯，得到的是不同时刻的针对不同用户的个性化的推荐信息，并通过客户端模块化解耦，根据不同用户、不同人群做个性化推送。
进一步地，在上述方法实施例的基础上，S103具体包括：
S1031、分析历史数据中目标用户使用最多的数据格式和/或查询内容。
S1032、根据所述数据格式和/或查询内容对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。
具体参见图2，首先分析用户习惯得出用户感兴趣的信息格式，聚合信息时采用该格式的方式进行聚合；针对不同数据源提取信息碎片，利用卷积神经网络技术从上述信息碎片中提取相关度大于设定值的信息碎片组，并对信息碎片组进行聚合；按照指定的粒度要求对检索的聚合信息拆分成碎片，计算信息碎片中与用户需求的相关度，按照计算得出的相关度，对信息碎片进行归类，提取高相关度信息碎片以实现优化处理。其中，聚合信息是智能模拟用户的查询需求后提取的与查询需求匹配的信息。根据用户使用时间在指定时间段内操作记录推断信息的推送时间，并在该推送时间内将聚合后的信息碎片推送给用户。
其中，S1032具体包括：
S10321、根据所述数据格式和/或查询内容对所述信息碎片组中的碎片数据进行聚合处理，得到聚合信息。
S10322、根据预设分析粒度将所述聚合信息划分为若干子信息，计算各子信息与所述数据格式/查询内容的相关性指数。
S10323、筛选相关性指数大于指数阈值的子信息，将筛选得到的子信息作为预判消息，并将所述预判消息推送给目标终端。
具体地，可以分析用户感兴趣的信息格式，将聚合信息中采用所述信息格式的聚合信息推送给用户；也可以预判用户的查询需求，并将聚合信息中与所述查询需求对应的聚合信息推送给用户。
需要说明的是，从聚合信息中检索出与所述查询需求对应的聚合信息后，可以对检索出的聚合信息进行优化处理并将优化处理后的聚合信息推送给用户。
具体地，按照指定的分析粒度，对检索出的聚合信息进行切分以得到子信息，计算子信息与数据格式/查询内容之间的相关性指数，从检索出的聚合信息中删除所述相关性指数小于设定阈值的子信息，以实现所述优化处理。
消息聚合后，选择复杂卷积神经网络算法进行用户随便数据提取，智能模拟用户行为习惯，对不同用户不用时间段做差异化处理，针对其进行差异化个性推荐。
参见图3，通过模拟用户需求可以进行预判，检索聚合信息并对聚合信息进行优化处理，通过智能路由推送给用户，从海量数据中提取出对用户真正有意义的信息，减少用户自己搜索所耽误的时间，也减少用户浏览对其无价值内容的时间。通过搜罗数据和用户习惯之间的联系，找到其平衡点，达到千人千时千面的差异化推送功能。其中，个性化内容通过大数据萃取信息碎片、卷积神经网络算法提取信息碎片、卷积神经网络算法样本训练或用户行为习惯智能模拟获得。
进一步地，在上述方法实施例的基础上，所述对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端，具体包括：
S1031’、对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息。
S1032’、根据目标用户在预设时间段内的操作记录确定推送时间。
S1033’、根据所述推送时间将所述预判消息推送给目标终端。
具体地，对所述信息碎片组中的碎片数据进行聚合处理后，根据用户在指定的时间段内的操作记录确定与查询需求对应的推送时间，并在所述推送时间将处理得到的预判信息推送给用户。
举例来说，推送时间包括：用餐时间、工作时间、闲暇时间、外出时间等；推送的内容包括：餐饮、休闲娱乐或生活服务；推送的内容格式包括：文字、图片、视频或音频。
图4示出了本实施例提供的一种消息推送处理装置的结构示意图，所述装置包括：数据获取模块401、数据筛选模块402和信息推送模块403，其中：
所述数据获取模块401用于根据数据源的查询信息从对应的数据源中获取碎片数据；
所述数据筛选模块402用于根据阈值对所述碎片数据进行筛选，得到信息碎片组；
所述信息推送模块403用于对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。
具体地，所述数据获取模块401根据数据源的查询信息从对应的数据源中获取碎片数据；所述数据筛选模块402根据阈值对所述碎片数据进行筛选，得到信息碎片组；所述信息推送模块403对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。
本实施例通过对碎片数据进行筛选和聚合处理，提高了数据的相关性；通过对数据进行预判，推送对用户有意义的信息，减少用户的搜索时间，实现信息的个性化服务。
进一步地，在上述装置实施例的基础上，所述数据筛选模块具体用于：
根据卷积神经网络算法计算各碎片数据的相关度，并根据阈值对碎片数据的相关度进行筛选，将满足筛选条件的碎片数据组成信息碎片组。
进一步地，在上述装置实施例的基础上，所述信息推送模块具体包括：
数据分析单元，用于分析历史数据中目标用户使用最多的数据格式和/或查询内容；
数据推送单元，用于根据所述数据格式和/或查询内容对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。
本实施例所述的消息推送处理装置可以用于执行上述方法实施例，其原理和技术效果类似，此处不再赘述。
参照图5，所述电子设备，包括：处理器(processor)501、存储器(memory)502和总线503；
其中，
所述处理器501和存储器502通过所述总线503完成相互间的通信；
所述处理器501用于调用所述存储器502中的程序指令，以执行上述各方法实施例所提供的方法。
本实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法。
本实施例提供一种非暂态计算机可读存储介质，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行上述各方法实施例所提供的方法。
以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。
应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (10)
1.一种消息推送处理方法，其特征在于，包括：
根据数据源的查询信息从对应的数据源中获取碎片数据；
根据阈值对所述碎片数据进行筛选，得到信息碎片组；
对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。
2.根据权利要求1所述的方法，其特征在于，所述根据阈值对所述碎片数据进行筛选，得到信息碎片组，具体包括：
根据卷积神经网络算法计算各碎片数据的相关度，并根据阈值对碎片数据的相关度进行筛选，将满足筛选条件的碎片数据组成信息碎片组。
3.根据权利要求1所述的方法，其特征在于，所述对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端，具体包括：
分析历史数据中目标用户使用最多的数据格式和/或查询内容；
根据所述数据格式和/或查询内容对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。
4.根据权利要求3所述的方法，其特征在于，所述根据所述数据格式和/或查询内容对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端，具体包括：
根据所述数据格式和/或查询内容对所述信息碎片组中的碎片数据进行聚合处理，得到聚合信息；
根据预设分析粒度将所述聚合信息划分为若干子信息，计算各子信息与所述数据格式/查询内容的相关性指数；
筛选相关性指数大于指数阈值的子信息，将筛选得到的子信息作为预判消息，并将所述预判消息推送给目标终端。
5.根据权利要求1-5任一项所述的方法，其特征在于，所述对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端，具体包括：
对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息；
根据目标用户在预设时间段内的操作记录确定推送时间；
根据所述推送时间将所述预判消息推送给目标终端。
6.一种消息推送处理装置，其特征在于，包括：
数据获取模块，用于根据数据源的查询信息从对应的数据源中获取碎片数据；
数据筛选模块，用于根据阈值对所述碎片数据进行筛选，得到信息碎片组；
信息推送模块，用于对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。
7.根据权利要求6所述的装置，其特征在于，所述数据筛选模块具体用于：
根据卷积神经网络算法计算各碎片数据的相关度，并根据阈值对碎片数据的相关度进行筛选，将满足筛选条件的碎片数据组成信息碎片组。
8.根据权利要求6所述的装置，其特征在于，所述信息推送模块具体包括：
数据分析单元，用于分析历史数据中目标用户使用最多的数据格式和/或查询内容；
数据推送单元，用于根据所述数据格式和/或查询内容对所述信息碎片组中的碎片数据进行聚合处理，得到预判消息，并将所述预判消息推送给目标终端。
9.一种电子设备，其特征在于，包括：
至少一个处理器；以及
与所述处理器通信连接的至少一个存储器，其中：
所述存储器存储有可被所述处理器执行的程序指令，所述处理器调用所述程序指令能够执行如权利要求1至5任一所述的方法。
10.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机程序，所述计算机程序使所述计算机执行如权利要求1至5任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810540743.6A CN108763506A (zh) | 2018-05-30 | 2018-05-30 | 一种消息推送处理方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810540743.6A CN108763506A (zh) | 2018-05-30 | 2018-05-30 | 一种消息推送处理方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108763506A true CN108763506A (zh) | 2018-11-06 |
Family
ID=64004435
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810540743.6A Pending CN108763506A (zh) | 2018-05-30 | 2018-05-30 | 一种消息推送处理方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108763506A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109921979A (zh) * | 2019-01-22 | 2019-06-21 | 北京顺丰同城科技有限公司 | 一种信息的推送方法及装置 |
| CN111371672A (zh) * | 2020-02-14 | 2020-07-03 | 贝壳技术有限公司 | 消息推送方法及装置 |
| CN113761139A (zh) * | 2020-08-10 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种意图预判的方法和装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080243997A1 (en) * | 2007-03-29 | 2008-10-02 | Motorola, Inc. | Distributed content item recommendation system and method of operation therefor |
| CN104007336A (zh) * | 2014-05-06 | 2014-08-27 | 昆明理工大学 | 一种基于物联网的变压器在线监测信息聚合方法 |
| CN105872111A (zh) * | 2016-06-20 | 2016-08-17 | 腾讯科技（深圳）有限公司 | 一种信息推送的控制方法以及服务器 |
| CN107092639A (zh) * | 2017-02-23 | 2017-08-25 | 武汉智寻天下科技有限公司 | 一种搜索引擎系统 |
-
2018
- 2018-05-30 CN CN201810540743.6A patent/CN108763506A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080243997A1 (en) * | 2007-03-29 | 2008-10-02 | Motorola, Inc. | Distributed content item recommendation system and method of operation therefor |
| CN104007336A (zh) * | 2014-05-06 | 2014-08-27 | 昆明理工大学 | 一种基于物联网的变压器在线监测信息聚合方法 |
| CN105872111A (zh) * | 2016-06-20 | 2016-08-17 | 腾讯科技（深圳）有限公司 | 一种信息推送的控制方法以及服务器 |
| CN107092639A (zh) * | 2017-02-23 | 2017-08-25 | 武汉智寻天下科技有限公司 | 一种搜索引擎系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109921979A (zh) * | 2019-01-22 | 2019-06-21 | 北京顺丰同城科技有限公司 | 一种信息的推送方法及装置 |
| CN111371672A (zh) * | 2020-02-14 | 2020-07-03 | 贝壳技术有限公司 | 消息推送方法及装置 |
| CN111371672B (zh) * | 2020-02-14 | 2022-04-08 | 贝壳技术有限公司 | 消息推送方法及装置 |
| CN113761139A (zh) * | 2020-08-10 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 一种意图预判的方法和装置 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20240273154A1 (en) | Automatic article enrichment by social media trends | |
| CN109033387B (zh) | 一种融合多源数据的物联网搜索系统、方法及存储介质 | |
| Nguyen et al. | Real-time event detection for online behavioral analysis of big social data | |
| US10262045B2 (en) | Application representation for application editions | |
| US10242003B2 (en) | Search relevance using messages of a messaging platform | |
| Abel et al. | Twitcident: fighting fire with information from social web streams | |
| CN104573054B (zh) | 一种信息推送方法和设备 | |
| US11122009B2 (en) | Systems and methods for identifying geographic locations of social media content collected over social networks | |
| US8527450B2 (en) | Apparatus and methods for analyzing and using short messages from commercial accounts | |
| US20130304818A1 (en) | Systems and methods for discovery of related terms for social media content collection over social networks | |
| US20130297694A1 (en) | Systems and methods for interactive presentation and analysis of social media content collection over social networks | |
| US20130297581A1 (en) | Systems and methods for customized filtering and analysis of social media content collected over social networks | |
| CN108874812B (zh) | 一种数据处理方法及服务器、计算机存储介质 | |
| KR20160058895A (ko) | 소셜 커뮤니케이션 데이터의 분석 및 합성을 위한 시스템 및 방법 | |
| WO2013059290A1 (en) | Sentiment and influence analysis of twitter tweets | |
| US20150356102A1 (en) | Automatic article enrichment by social media trends | |
| US11423096B2 (en) | Method and apparatus for outputting information | |
| US20140147048A1 (en) | Document quality measurement | |
| CN113609374A (zh) | 基于内容推送的数据处理方法、装置、设备及存储介质 | |
| CN108763506A (zh) | 一种消息推送处理方法及装置 | |
| CN105574030A (zh) | 一种信息搜索方法及装置 | |
| US11108717B1 (en) | Trends in a messaging platform | |
| US9756122B2 (en) | Using hierarchical reservoir sampling to compute percentiles at scale | |
| CN111191242A (zh) | 漏洞信息确定方法、装置、计算机可读存储介质及设备 | |
| CN111723201A (zh) | 一种用于文本数据聚类的方法和装置 |
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 | ||
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |