CN109033408B - 信息推送方法及装置、计算机可读存储介质、电子设备 - Google Patents
信息推送方法及装置、计算机可读存储介质、电子设备 Download PDFInfo
- Publication number
- CN109033408B CN109033408B CN201810879635.1A CN201810879635A CN109033408B CN 109033408 B CN109033408 B CN 109033408B CN 201810879635 A CN201810879635 A CN 201810879635A CN 109033408 B CN109033408 B CN 109033408B
- Authority
- CN
- China
- Prior art keywords
- user
- information
- interest
- feature
- target
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及计算机技术领域,提供了一种信息推送方法及装置、计算机可读存储介质、电子设备。该方法包括:基于获取到的用户行为数据构建用户兴趣数据库,所述用户兴趣数据库存储有用户的兴趣特征和与所述兴趣特征对应的用户信息值;提取待推送信息的特征信息;将所述特征信息与所述用户兴趣数据库中的兴趣特征进行匹配,根据匹配结果获取与所述特征信息对应的目标用户信息值,并根据所述目标用户信息值计算所述待推送信息与所述用户的相关度;根据所述相关度向所述用户推送信息。本发明一方面能够根据用户个人兴趣,向用户推送感兴趣的信息,进而提升应用程序的日活跃度;另一方面能够提高用户接收信息的效率,提升用户体验。
Description
技术领域
本发明涉及计算机技术领域,具体而言,涉及一种信息推送方法及装置、计算机可读介质及电子设备。
背景技术
为了让用户能够及时获取重要的新闻,并增加用户对于应用软件的使用粘性,各个应用软件都会有自己的消息推送系统。消息推送功能是把双刃剑,使用合理会提高APP的日活跃度,增加用户使用黏性,提升用户体验;使用不当反而会降低用户对与软件的好感度,例如推送过多信息会打扰用户,而推送过少又起不到相应的作用。
信息推送功能主要用于活动宣传、爆款商品推荐、重要信息通知等。在初期的新闻资讯类软件并没有得到广泛的应用,后来个性化推送技术得以应用,但是在消息推送系统中没有采用个性化推荐技术。目前,大部分消息推送系统对用户的区分是通过粗粒度的人群划分,如性别,地域等,很难对每个用户独立的进行处理,这样就很容易产生用户收到不感兴趣的信息的现象,从而造成整体体验不佳。
因此本领域亟需寻求一种新的信息推送方法及装置。
需要说明的是,在上述背景技术部分公开的信息仅用于加强对本发明的背景的理解,因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。
发明内容
本发明的目的在于提供一种信息推送方法及装置、计算机可读介质及电子设备,进而根据用户个人兴趣,推送用户感兴趣的信息,最大程度避免用户收到不感兴趣的信息,从而提升应用程序的日活跃度;另外保证用户获取信息的实时性,提高用户体验。
本发明的其他特性和优点将通过下面的详细描述变得显然,或部分地通过本发明的实践而习得。
根据本发明的第一方面,提供一种信息推送方法,其特征在于,包括:
基于获取到的用户行为数据构建用户兴趣数据库,所述用户兴趣数据库存储有用户的兴趣特征和与所述兴趣特征对应的用户信息值;提取待推送信息的特征信息;将所述特征信息与所述用户兴趣数据库中的兴趣特征进行匹配,根据匹配结果获取与所述特征信息对应的目标用户信息值,并根据所述目标用户信息值计算所述待推送信息与所述用户的相关度;根据所述相关度向所述用户推送信息。
根据本发明的第二方面,提供一种信息推送装置,其特征在于,包括:
模型构建模块,用于基于获取到的用户行为数据构建用户兴趣数据库,所述用户兴趣数据库存储有用户的兴趣特征和与所述兴趣特征对应的用户信息值;特征提取模块,用于提取待推送信息的特征信息;相关度计算模块,用于将所述特征信息与所述用户兴趣数据库中的兴趣特征进行匹配,根据匹配结果获取与所述特征信息对应的目标用户信息值,并根据所述目标用户信息值计算所述待推送信息与所述用户的相关度;信息推送模块,用于根据所述相关度向所述用户推送信息。
在本发明的一些实施例中,基于前述方案,所述模型构建模块包括:
第一信息值获取单元,用于根据所述用户行为数据获得用户的兴趣特征和与所述兴趣特征对应的用户信息值;模型生成单元,用于基于所述用户的标识信息、所述用户的兴趣特征和与所述兴趣特征对应的用户信息值,生成所述用户兴趣数据库。
在本发明的一些实施例中,所述兴趣特征属于多个兴趣分类,基于前述方案,所述模型构建模块包括:用户信息值计算单元,用于根据下述公式获得所述用户信息值:
其中,ci为所述兴趣特征,m为所述兴趣分类包含的兴趣特征的总量,i为所述兴趣分类中的第i个兴趣特征,λ为时间衰减因子,n为所述用户进行过操作的信息数量,t为所述用户进行过操作的第t个信息,f(doct,ci)为第t个信息的兴趣特征函数,g(clickt)为对第t个信息进行操作的操作权重,h(doct)为第t个信息的权重,k1、k2为平滑因子。
在本发明的一些实施例中,基于前述方案,所述模型生成单元包括:
内存写入单元,用于将所述用户的标识信息、所述用户的兴趣特征和与所述兴趣特征对应的用户信息值写入指定设备的内存中,以生成所述用户兴趣数据库。
在本发明的一些实施例中,基于前述方案,在基于所述用户的标识信息、所述用户的兴趣特征和与所述兴趣特征对应的用户信息值,生成所述用户兴趣数据库之前,所述模型构建模块还包括:
第一过滤单元,用于检测在第一预设时间段内未进行登录操作的目标用户,并将所述目标用户过滤掉;或者包括
判断单元,用于判断所述用户在第二预设时间段内是否对所述兴趣特征对应的信息进行过操作;第二过滤单元,用于当判定存在没有对目标兴趣特征对应的信息进行过操作的目标用户时,将所述目标用户从所述目标兴趣特征中过滤掉。
在本发明的一些实施例中,基于前述方案,所述信息推送方法为向多个用户推送信息,所述模型生成单元包括:
倒排索引生成单元,用于以所述兴趣特征为索引,将与所述兴趣特征对应的用户信息值由高到低进行排序,以形成倒排索引;存储单元,用于将所述倒排索引写入指定设备的内存中,以生成所述用户兴趣数据库。
在本发明的一些实施例中,基于前述方案,所述相关度计算模块包括:
匹配单元,用于将所述特征信息与所述用户兴趣数据库中的所述兴趣特征进行匹配,以判断是否存在与所述特征信息匹配的目标兴趣特征;抽取单元,用于当存在与所述特征信息匹配的目标兴趣特征时,以所述目标兴趣特征为索引,从所述倒排索引中抽取与所述目标兴趣特征对应的所述目标用户信息值。
在本发明的一些实施例中,基于前述方案,所述相关度计算模块包括:
第二信息值获取单元,用于获取各所述用户的与所述特征信息对应的所述用户信息值;运算单元,用于将与任一所述用户对应的所述用户信息值加权求和,以获得所述相关度。
在本发明的一些实施例中,基于前述方案,所述信息推送模块包括:
比较单元,用于将所述相关度与预设值进行比较,以判断是否存在大于或等于所述预设值的目标相关度;待推送用户集生成单元,用于当判定存在目标相关度大于或等于所述预设值时,将所述目标相关度对应的所述用户的标识信息整合以形成待推送用户集,并向所述待推送用户集中的用户推送信息。
在本发明的一些实施例中,基于前述方案,所述信息推送装置还包括:
上报模块,用于在根据所述相关度向所述用户推送信息完成后,将推送结果进行上报。
根据本发明的第三方面,提供了一种计算机可读介质,其上存储有计算机程序,所述程序被处理器执行时实现如上述实施例中所述的信息推送方法。
根据本发明的第四方面,提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如上述实施例中所述的信息推送方法。
根据本示例实施例中的信息推送方法,首先获取用户使用应用程序时生成的用户行为数据,根据用户行为数据获得用户的兴趣特征及与兴趣特征对应的用户信息值,进一步基于用户行为数据构建用户兴趣数据库,该用户兴趣数据库存储有用户的兴趣特征和与兴趣特征对应的用户信息值;接着获取待推送信息,并从待推送信息中提取其特征信息;然后根据特征信息与用户兴趣数据库中的兴趣特征的匹配结果,从用户兴趣数据库中抽取对应的目标用户信息值,根据目标用户信息值计算待推送信息和用户的相关度;最后根据相关度向用户推送信息。本发明一方面能够根据用户个人兴趣,向用户推送其感兴趣的信息,避免了用户收到不感兴趣的信息,进而提升应用程序的日活跃度;另一方面能够提高用户接收信息的效率,提升用户体验。
本发明应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本发明。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本发明的实施例,并与说明书一起用于解释本发明的原理。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,还可以根据这些附图获得其他的附图。
图1示出相关技术中信息推送的流程图;
图2示出可以应用本发明实施例的信息推送方法或信息推送装置的示例性系统架构的示意图;
图3示出了适于用来实现本发明实施例的电子设备的计算机系统的结构示意图;
图4示出本发明一实施例中的信息推送方法的流程图;
图5示出本发明一实施例中的生成用户兴趣数据库的流程示意图;
图6示出本发明一实施例中多路归并算法的流程示意图;
图7示出本发明一实施例中信息推送的流程示意图;
图8示出本发明一实施例中推送新闻的界面示意图;
图9示出本发明一实施例中计算相关度并推送信息的流程示意图;
图10示出本发明一实施例中信息推送装置的结构示意图;
图11示出本发明一实施例中信息推送装置的结构示意图。
具体实施方式
现在将参考附图更全面地描述示例实施方式。然而,示例实施方式能够以多种形式实施,且不应被理解为限于在此阐述的范例;相反,提供这些实施方式使得本发明将更加全面和完整,并将示例实施方式的构思全面地传达给本领域的技术人员。
此外,所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施例中。在下面的描述中,提供许多具体细节从而给出对本发明的实施例的充分理解。然而,本领域技术人员将意识到,可以实践本发明的技术方案而没有特定细节中的一个或更多,或者可以采用其它的方法、组元、装置、步骤等。在其它情况下,不详细示出或描述公知方法、装置、实现或者操作以避免模糊本发明的各方面。
附图中所示的方框图仅仅是功能实体,不一定必须与物理上独立的实体相对应。即,可以采用软件形式来实现这些功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。
附图中所示的流程图仅是示例性说明,不是必须包括所有的内容和操作/步骤,也不是必须按所描述的顺序执行。例如,有的操作/步骤还可以分解,而有的操作/步骤可以合并或部分合并,因此实际执行的顺序有可能根据实际情况改变。
在本领域的相关技术中,大部分的信息推送系统是对用户进行粗粒度的人群划分进行区分的,图1示出了现有的信息推送系统的结构示意图,如图1所示,运营人员通过性别、地域、年龄等较粗粒度进行用户划分,来区分不同用户,并推送不同的信息。在推送过程中,主要是通过人工审核,并根据一些相应的推送规则开展的。
相关技术中,通过人工运营的形式推送信息,主要存在以下两方面问题:(1)首先对用户的划分没有办法做到非常细致,根据性别,年龄,地域等维度划分无法实现根据每个用户自身特点进行相应的信息推送,用户会收到不感兴趣的信息,降低用户体验;(2)人工筛选推送信息以及一系列操作很难做到实时性,尤其是对于高时效性的信息,如时事新闻等,会有很大的延迟。这严重影响了用户体验,进一步的,会降低应用程序的日活跃度,降低用户黏性。
鉴于相关技术中存在的问题,本发明提供了一种信息推送方法及信息推送装置。
图2示出了可以应用本发明实施例的信息推送方法或信息推送装置的示例性系统架构200的示意图。
如图2所示,系统架构300可以包括终端设备201,网络202和服务器203。网络202用以在终端设备201和服务器203之间提供通信链路的介质。网络202可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
应该理解,图2中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。比如服务器203可以是多个服务器组成的服务器集群等。
用户可以使用终端设备201通过网络202与服务器203交互,以接收或发送数据等。终端设备201可以是具有硬盘的各种电子设备,包括但不限于平板电脑、便携式计算机和台式计算机等等。
服务器203可以是提供各种服务的服务器。服务器203可以获取用户在终端设备201上使用应用程序生成的用户行为数据,根据用户行为数据分析用户的兴趣特征和与兴趣特征对应的用户信息值,并构建用户兴趣数据库,该用户兴趣数据库存储有用户的兴趣特征和与兴趣特征对应的用户信息值;接着服务器203接收推送请求,并对待推送信息进行特征提取,以获得待推送信息的特征信息;然后将特征信息与用户兴趣数据库中的兴趣特征进行匹配,根据匹配结果获取与特征信息对应的目标用户信息值,并根据目标用户信息值计算待推送信息与用户的相关度;最后根据相关度向用户推送信息。
图3示出了适于用来实现本发明中的实施例的电子设备的计算机系统的结构示意图。
需要说明的是,图3示出的电子设备的计算机系统300仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。
如图3所示,计算机系统300包括中央处理单元(CPU)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储部分308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有系统操作所需的各种程序和数据。CPU301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
以下部件连接至I/O接口305:包括键盘、鼠标等的输入部分306;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分307;包括硬盘等的存储部分308;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分309。通信部分409经由诸如因特网的网络执行通信处理。驱动器310也根据需要连接至I/O接口305。可拆卸介质311,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器310上,以便于从其上读出的计算机程序根据需要被安装入存储部分308。
特别地,根据本发明的实施例,下文参考流程图描述的过程可以被实现为计算机软件程序。例如,本发明的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分309从网络上被下载和安装,和/或从可拆卸介质311被安装。在该计算机程序被中央处理单元(CPU)301执行时,执行本申请的系统中限定的各种功能。
需要说明的是,本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图或流程图中的每个方框、以及框图或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现,所描述的单元也可以设置在处理器中。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定。
作为另一方面,本申请还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读存储介质承载有一个或者多个程序,当上述一个或者多个程序被一个该电子设备执行时,使得该电子设备实现如下述实施例中所述的方法。例如,所述的电子设备可以实现如图4-图9所示的各个步骤。
在本发明一实施例中,首先提供了一种信息推送方法,以对存在的问题进行优化处理,具体参考图4所示,信息推送方法适用于前述实施例中的所述电子设备,并至少包括以下步骤,具体为:
步骤S410:基于获取到的用户行为数据构建用户兴趣数据库,所述用户兴趣数据库存储有用户的兴趣特征和与所述兴趣特征对应的用户信息值;
步骤S420:提取待推送信息的特征信息;
步骤S430:将所述特征信息与所述用户兴趣数据库中的兴趣特征进行匹配,根据匹配结果获取与所述特征信息对应的目标用户信息值,并根据所述目标用户信息值计算所述待推送信息与所述用户的相关度;
步骤S440:根据所述相关度向所述用户推送信息。
根据本示例实施例中的信息推送方法,获取用户行为数据,并基于用户行为数据构建用户兴趣数据库,该用户兴趣数据库存储有用户的兴趣特征和与兴趣特征对应的用户信息值;然后从待推送信息中提取特征信息,并根据特征信息与用户兴趣数据库中兴趣特征的匹配结果获取特征信息对应的目标用户信息值,接着根据目标用户信息值计算待推送信息和用户的相关度;最后根据相关度向用户推送信息。本发明一方面能够根据用户的个人兴趣,向用户推送其感兴趣的信息,避免用户收到不感兴趣的信息;另一方面提高了应用程序的日活跃度和用户黏性。
下面,对本示例实施例中的信息推送方法进行进一步的说明。
在步骤S410中,基于获取到的用户行为数据构建用户兴趣数据库,所述用户兴趣数据库存储有用户的兴趣特征和与所述兴趣特征对应的用户信息值。
在本示例实施例中,用户使用应用程序时会产生用户行为数据,例如当用户进行点击、转发、点赞、评论等操作时,都会生成相应的数据,并被存储于应用程序或终端设备201中。在本发明中,为了对用户的兴趣特征进行分析,以生成用户画像,可以通过提取用户行为数据,并对用户行为数据进行离线处理构建用户兴趣数据库,用户兴趣数据库存储有用户的兴趣特征和与兴趣特征对应的用户信息值。
在本示例实施例中,以用户通过新闻客户端阅读新闻为例,通过对用户行为数据进行分析,可以获得用户的兴趣特征,比如通过用户的点击次数、转发次数、评论次数等,可以判断用户是喜欢看体育频道还是娱乐频道,抑或是其它频道的新闻,进一步的,如果用户喜欢看体育频道,那么根据用户行为数据还可以判断出用户更喜欢看关于世界杯的新闻还是更喜欢看NBA的新闻,等等,通过对用户的行为数据进行统计分析,可以将用户的兴趣特征分为三类:频道分类、主题分类和标签分类,其中频道分类可以包括科技、体育等类型,主题分类可以包括世界杯、NBA等类型,标签分类可以包括人工智能、华为等类型。在获取用户行为数据后,可以根据用户具体的操作行为来计算用户对每种兴趣特征的新闻的用户信息值。用户信息值可以通过公式(1)计算得到:
其中,ci为所述兴趣特征,m为所述兴趣分类包含的兴趣特征的总量,i为所述兴趣分类中的第i个兴趣特征,λ为时间衰减因子,n为所述用户进行过操作的信息数量,t为所述用户进行过操作的第t个信息,f(doct,ci)为第t个信息的兴趣特征函数,g(clickt)为对第t个信息进行操作的操作权重,h(doct)为第t个信息的权重,k1、k2为平滑因子。
在本示例实施例中,在获得用户信息值后,可以基于用户的标识信息、用户的兴趣特征和与兴趣特征对应的用户信息值生成用户兴趣数据库。该用户兴趣数据库可以是一个分布式键值数据库,可以将用户的标识信息、用户的兴趣特征和与兴趣特征对应的用户信息值存储于该分布式键值数据库中,通过输入键值以获得对应的用户的兴趣特征及用户信息值。在本发明中,还可以将用户的标识信息、用户的兴趣特征和与兴趣特征对应用户信息值写入指定设备的内存中,以生成用户兴趣数据库,例如可以通过redis机制将用户的标识信息、用户的兴趣特征和与兴趣特征对应的用户信息值写入指定设备的内存中,由于读写硬盘的速度过慢,因此将信息存储于内存中,可以提高读取速度,实现在分钟级别内将最新的新闻推送给用户,保证了用户获取信息的实时性。值得注意的是,本发明中还可以通过其它的机制将用户的标识信息、用户的兴趣特征和与兴趣特征对应的用户信息值写入指定设备的内存中,本发明在此不再赘述。
在本示例实施例中,信息推送系统推送的信息希望能够覆盖较多的用户,但是使用过应用程序的用户太多,数十亿数量级,并且其中很多用户已经更换手机更换号码,甚至不再使用该应用程序,如果全部都拿来给模型计算非常耗时,且最终用户收取不到,浪费资源。因此本发明在根据用户的标识信息、用户的兴趣特征和与兴趣特征对应用户信息值生成用户兴趣数据库之前,可以对用户进行过滤。具体地,可以检测用户在第一预设时间段内是否进行过登录操作,如果存在目标用户未在第一预设时间段内登录应用程序,那么可以将目标用户过滤掉;并且,还可以判断用户在第二预设时间段内是否对其感兴趣的信息进行过操作,如果判定用户在第二预设时间段内对某一兴趣特征或某几个兴趣特征的信息未进行过操作,那么就可以将用户从相应地兴趣特征中过滤掉。其中第一预设时间段和第二预设时间段可以是相同的时间段,也可以是不同的时间段。
在本示例实施例中,通常在形成用户画像时是以用户的标识信息为索引,用户的兴趣特征和与兴趣特征对应的用户信息值为索引下的值,但是在线上应用时,无法做到遍历所有用户,所以在抽取数据时可能会出现耗时长、数据不全的情况。为了使线上使用更方便,可以以兴趣特征为索引,将与兴趣特征对应的用户信息值由高到低进行排序,形成倒排索引,然后再将倒排索引写入数据库或指定设备的内存中,以生成用户兴趣数据库。以用户访问新闻客户端为例,图5示出了一种生成用户兴趣数据库的流程示意图,如图5所示,在步骤S501中,获取用户在访问新闻客户端时生成的用户行为数据;在步骤S502中,基于用户行为数据计算与用户兴趣特征对应的用户信息值,以形成用户画像;在步骤S503中,对用户画像进行过滤,并以兴趣特征为索引,形成倒排索引;在步骤S504中,将倒排索引上传到数据库或内存中,以生成用户兴趣数据库。
在步骤S420中,提取待推送信息的特征信息。
在本示例实施例中,当需要推送信息时,服务器203可以接收信息推送请求和待推送信息,然后从待推送信息中提取待推送信息的特征信息。该特征信息与用户的兴趣特征的部分或全部是对应的。当接收到待推送信息后,可以从频道分类、主题分类和标签分类三方面对待推送信息进行特征提取,以获取具体的与兴趣特征对应的特征信息。
在步骤S430中,将所述特征信息与所述用户兴趣数据库中的兴趣特征进行匹配,根据匹配结果获取与所述特征信息对应的目标用户信息值,并根据所述目标用户信息值计算所述待推送信息与所述用户的相关度。
在本示例实施例中,在对待推送信息进行特征提取后,可以将提取到的特征信息与用户兴趣数据库中的兴趣特征进行匹配,根据匹配结果获取与特征信息对应的目标用户信息值。具体地,可以将所述信息与用户兴趣数据库中的兴趣特征进行匹配,以判断是否存在与特征信息匹配的目标兴趣特征;若存在,则以目标兴趣特征为索引,从倒排索引中抽取与目标兴趣特征对应的目标用户信息值。例如对应一篇待推送新闻,其对应的频道分类具体为体育频道,主题分类具体为NBA球赛,标签分类具体为科比,那么可以根据体育频道、NBA球赛和科比三个维度在用户兴趣数据库中进行匹配,若存在匹配的兴趣特征,则抽取与该三个兴趣特征对应的用户信息值,然后再将多个用户信息值进行处理以获得待推送信息与用户的相关度。
在本示例实施例中,可以通过多路归并算法计算各个用户的与特征信息对应的总信息值,该总信息值即为待推送信息和用户的相关度。通过多路归并算法计算总信息值的方法具体可以是:首先获取各个用户的与特征信息对应的用户信息值;然后将与任一用户对应的用户信息值进行加权求和,以获得总信息值。进一步的,本发明可以通过公式(2)计算得到总信息值(相关度),公式(2)具体如下:
其中,Score是总信息值,j表示待推送信息的第j个特征信息,wj是第j个特征信息的权重,xj是待推送信息在第j个特征信息下的用户信息值,r是待推送信息的特征信息数,b是修正项。
在本示例实施例中,用户兴趣数据库中的数据均是以兴趣特征为索引的倒排索引,并且各倒排索引中与各个用户的兴趣特征对应的用户信息值是由高到低排序的,当进行多路归并时,首先抽取各兴趣特征下的第一位数据,若各兴趣特征下的第一位数据对应同一用户,则根据公式(2)计算相关度;若各兴趣特征下的第一位数据对应不同用户,则跳过某一兴趣特征下的第一位数据,抽取该兴趣特征下的第二位数据,判断其与其它的兴趣特征下的第一位数据是否对应同一用户,循环上述步骤,直至获得同一用户的对应不同兴趣特征的用户信息值,然后根据公式(2)计算相关度。图6示出了多路归并算法的流程示意图,如图6所示,根据兴趣分类提取的待推送信息的特征信息分别为:科技、华为、人工智能,其中以科技为索引的倒排索引为:用户A:0.9、用户B:0.7、用户C:0.5;以华为为索引的倒排索引为:用户B:0.8、用户A:0.6、用户C:0.5;以人工智能为索引的倒排索引为:用户A:0.8、用户C:0.6、用户B:0.4。在进行多路归并时,首先提取各个兴趣特征下的第一位数据,通过判断发现科技和人工智能下的第一位数据对应的用户为同一用户,因此跳过华为为索引的第一位数据,抽取第二位数据,经过判断发现三个索引下抽取的数据均对应同一用户(用户A),那么将三个用户信息值(0.9,0.6,0.8)代入公式(2)计算相关度。接着重复上述步骤,直至获得用户B、用户C的相关度。
在步骤S440中,根据所述相关度向所述用户推送信息。
在本示例实施例中,在获得待推送信息与各个用户的相关度后,根据相关度向用户推送信息,图7示出了信息推送的流程示意图,如图7所示,在步骤S701中,将相关度与预设值进行比较,以判断是否存在大于或等于所述预设值的目标相关度;在步骤S702中,若判定存在,则将所述目标相关度对应的所述用户的标识信息整合以形成待推送用户集,并向所述待推送用户集中的所述用户推送信息。通过上述方法,可以将信息推送给对其感兴趣的用户,进一步提升应用程序的日活跃度,也提高了用户黏性。
进一步的,为了提高用户体验,用户还可以通过在终端设备201中打开接收产品通知的选项,当应用程序推送信息时,可以在终端设备201中弹出提示信息,以提醒用户有新的信息推送,用户可以通过点击收到的信息推送来打开应用程序,了解详细内容。图8示出了推送新闻的界面示意图,如图8所示,在终端设备201的锁屏页面有一个消息框,显示了推送新闻的标题和其它相关信息。通过这种方式,用户能够及时收到感兴趣的新闻,第一时间了解当前最新动态及热点时间,不需要用户主动操作,体验效果更好。
在本示例实施例中,提取待推送信息的特征信息可以通过业务端实现;而从所述用户兴趣数据库中获取与所述特征信息对应的目标用户信息值,并根据所述目标用户信息值计算所述待推送信息与所述用户的相关度可以通过服务器端实现。图9示出了计算相关度并推送信息的流程示意图,如图9所示,在步骤S901中,业务端接收推送请求和待推送信息,并从待推送信息中提取特征信息;在步骤S902中,服务器端接收业务端发送的处理请求、待推送信息和待推送信息的特征信息,根据特征信息在用户兴趣数据库中与兴趣特征进行匹配,以获得与特征信息对应的用户信息值;在步骤S903中,计算待推送信息和用户的相关度;在步骤S904中,根据相关度获得待推送用户集,并向待推送用户集中的用户推送信息。
在本示例实施例中,在推送完信息后,可以将推送结果进行上报,具体地可以将推送信息的内容、推送用户的数量、用时等信息进行上报,这样方便开发人员对推送进程的了解,及时发现问题并解决问题。
以下介绍本发明的装置实施例,可以用于执行本发明上述的信息推送方法。对于本发明装置实施例中未披露的细节,请参照本发明上述的信息推送方法的实施例。
图10示出了一种信息推送装置的结构示意图,参照图10所示,信息推送装置1000可以包括:模型构建模块1001、特征提取模块1002、相关度计算模块1003、信息推送模块1004。
具体地,模型构建模块1001,用于基于获取到的用户行为数据构建用户兴趣数据库,所述用户兴趣数据库存储有用户的兴趣特征和与所述兴趣特征对应的用户信息值;特征提取模块1002,用于提取待推送信息的特征信息;相关度计算模块1003,用于将所述特征信息与所述用户兴趣数据库中的兴趣特征进行匹配,根据匹配结果获取与所述特征信息对应的目标用户信息值,并根据所述目标用户信息值计算所述待推送信息与所述用户的相关度;信息推送模块1004,用于根据所述相关度向所述用户推送信息。
在本示例实施例中,所述模型构建模块1001包括第一信息值获取单元10011和模型生成单元10012。
具体地,第一信息值获取单元10011,用于根据所述用户行为数据获得用户的兴趣特征和与所述兴趣特征对应的所述用户信息值;模型生成单元10012,用于基于所述用户的标识信息、所述用户的兴趣特征和与所述兴趣特征对应的用户信息值,生成所述用户兴趣数据库。
在本实例实施例中,所述兴趣特征属于多个兴趣分类,所述模型构建模块1001包括:用户信息值计算单元10013,用于根据下述公式获得所述用户信息值:
其中,ci为所述兴趣特征,m为所述兴趣分类包含的兴趣特征的总量,i为所述兴趣分类中的第i个兴趣特征,λ为时间衰减因子,n为所述用户进行过操作的信息数量,t为所述用户进行过操作的第t个信息,f(doct,ci)为第t个信息的兴趣特征函数,g(clickt)为对第t个信息进行操作的操作权重,h(doct)为第t个信息的权重,k1、k2为平滑因子。
在本示例实施例中,所述模型生成单元10012包括内存写入单元,用于将所述用户的标识信息、所述用户的兴趣特征和与所述兴趣特征对应的用户信息值写入指定设备的内存中,以生成所述用户兴趣数据库。
在本示例实施例中,在基于所述用户的标识信息、所述用户的兴趣特征和与所述兴趣特征对应的用户信息值,生成所述用户兴趣数据库之前,所述模型构建模块1001还包括第一过滤单元10014,或者包括判断单元10015和第二过滤单元10016。
具体地,第一过滤单元10014,用于检测在第一预设时间段内未进行登录操作的目标用户,并将所述目标用户过滤掉;判断单元10015,用于判断所述用户在第二预设时间段内是否对所述兴趣特征对应的信息进行过操作;第二过滤单元10016,用于当判定存在没有对目标兴趣特征对应的信息进行过操作的目标用户时,将所述目标用户从所述目标兴趣特征中过滤掉。
在本示例实施例中,所述信息推送方法为向多个用户推送信息,所述模型生成单元10012包括倒排索引生成单元和存储单元。
具体地,倒排索引生成单元,用于以所述兴趣特征为索引,将与所述兴趣特征对应的用户信息值由高到低进行排序,以形成倒排索引;存储单元,用于将所述倒排索引写入指定设备的内存中,以生成所述用户兴趣数据库。
在本示例实施例中,所述相关度计算模块1003包括匹配单元10031和抽取单元10032。
具体地,匹配单元10031,用于将所述特征信息与所述用户兴趣数据库中的所述兴趣特征进行匹配,以判断是否存在与所述特征信息匹配的目标兴趣特征;抽取单元10032,用于当存在与所述特征信息匹配的目标兴趣特征时,以所述目标兴趣特征为索引,从所述倒排索引中抽取与所述目标兴趣特征对应的所述目标用户信息值。
在本示例实施例中,所述相关度计算模块1003包括第二信息值获取单元10033和运算单元10034。
具体地,第二信息值获取单元10033,用于获取所述各个用户的与所述特征信息对应的所述用户信息值;运算单元10034,用于将与任一所述用户对应的所述用户信息值加权求和,以获得所述相关度。
在本发明的一些实施例中,基于前述方案,所述信息推送模块1004包括比较单元10041和待推送用户集生成单元10042。
具体地,比较单元10041,用于将所述相关度与预设值进行比较,以判断是否存在大于或等于所述预设值的目标相关度;待推送用户集生成单元10042,用于当判定存在目标相关度大于或等于所述预设值时,将所述目标相关度对应的所述用户的标识信息整合以形成待推送用户集,并向所述待推送用户集中的所述用户推送信息。
图11示出了信息推送装置的结构示意图,如图11所示,所述信息推送装置1000还包括上报模块1005,用于在根据所述相关度向所述用户推送信息完成后,将推送结果进行上报。
由于本发明的示例实施例的信息推送装置的各个功能模块与上述信息推送方法的示例实施例的步骤对应,因此在此不再赘述。
应当注意,尽管在上文详细描述中提及了信息推送装置的若干模块或者单元,但是这种划分并非强制性的。实际上,根据本发明的实施方式,上文描述的两个或更多模块或者单元的特征和功能可以在一个模块或者单元中具体化。反之,上文描述的一个模块或者单元的特征和功能可以进一步划分为由多个模块或者单元来具体化。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本发明未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本发明的真正范围和精神由所附的权利要求指出。
应当理解的是,本发明并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限。
Claims (10)
1.一种信息推送方法,其特征在于,包括:
基于获取到的用户行为数据构建用户兴趣数据库,所述用户兴趣数据库存储有用户的兴趣特征和与所述兴趣特征对应的用户信息值;
提取待推送信息的特征信息;
将所述特征信息与所述用户兴趣数据库中的兴趣特征进行匹配,根据匹配结果获取与所述特征信息对应的目标用户信息值,并根据所述目标用户信息值计算所述待推送信息与所述用户的相关度;
根据所述相关度向所述用户推送信息;
其中,所述兴趣特征属于多个兴趣分类,所述用户信息值是根据所述兴趣特征、所述兴趣分类包含的兴趣特征的总量、时间衰减因子、所述用户进行过操作的信息数量、各个信息对应的兴趣特征函数以及操作权重计算得到的,具体根据下述公式获得所述用户信息值:
其中,ci为所述兴趣特征,m为所述兴趣分类包含的兴趣特征的总量,i为所述兴趣分类中的第i个兴趣特征,λ为时间衰减因子,n为所述用户进行过操作的信息数量,t为所述用户进行过操作的第t个信息,f(doct,ci)为第t个信息的兴趣特征函数,g(clickt)为对第t个信息进行操作的操作权重,h(doct)为第t个信息的权重,k1、k2为平滑因子。
2.根据权利要求1所述的信息推送方法,其特征在于,所述基于获取到的用户行为数据构建用户兴趣数据库,包括:
根据所述用户行为数据获得用户的兴趣特征和与所述兴趣特征对应的用户信息值;
基于所述用户的标识信息、所述用户的兴趣特征和与所述兴趣特征对应的用户信息值,生成所述用户兴趣数据库。
3.根据权利要求2所述的信息推送方法,其特征在于,所述基于所述用户的标识信息、所述用户的兴趣特征和与所述兴趣特征对应的用户信息值,生成所述用户兴趣数据库,包括:
将所述用户的标识信息、所述用户的兴趣特征和与所述兴趣特征对应的用户信息值写入指定设备的内存中,以生成所述用户兴趣数据库。
4.根据权利要求2所述的信息推送方法,其特征在于,在所述基于所述用户的标识信息、所述用户的兴趣特征和与所述兴趣特征对应的用户信息值,生成所述用户兴趣数据库之前,基于获取到的用户行为数据构建用户兴趣数据库,还包括:
检测在第一预设时间段内未进行登录操作的目标用户,并将所述目标用户过滤掉;或者
判断所述用户在第二预设时间段内是否对所述兴趣特征对应的信息进行过操作;
若判定存在没有对目标兴趣特征对应的信息进行过操作的目标用户,则将所述目标用户从所述目标兴趣特征中过滤掉。
5.根据权利要求2-4任一项所述的信息推送方法,其特征在于,所述方法包括向多个用户推送信息;
所述基于所述用户的标识信息、所述用户的兴趣特征和与所述兴趣特征对应的用户信息值,生成所述用户兴趣数据库,包括:
以所述兴趣特征为索引,将与所述兴趣特征对应的用户信息值由高到低进行排序,以形成倒排索引;
将所述倒排索引写入指定设备的内存中,以生成所述用户兴趣数据库。
6.根据权利要求5所述的信息推送方法,其特征在于,所述将所述特征信息与所述用户兴趣数据库中的兴趣特征进行匹配,根据匹配结果获取与所述特征信息对应的目标用户信息值,包括:
将所述特征信息与所述用户兴趣数据库中的兴趣特征进行匹配,以判断是否存在与所述特征信息匹配的目标兴趣特征;
若存在,则以所述目标兴趣特征为索引,从所述倒排索引中抽取与所述目标兴趣特征对应的所述目标用户信息值。
7.根据权利要求6所述的信息推送方法,其特征在于,所述根据所述目标用户信息值计算所述待推送信息与所述用户的相关度,包括:
获取各所述用户的与所述特征信息对应的所述用户信息值;
将与任一所述用户对应的所述用户信息值加权求和,以获得所述相关度。
8.根据权利要求7所述的信息推送方法,其特征在于,所述根据所述相关度向所述用户推送信息,包括:
将所述相关度与预设值进行比较,以判断是否存在大于或等于所述预设值的目标相关度;
若判定存在,则将所述目标相关度对应的所述用户的标识信息整合以形成待推送用户集,并向所述待推送用户集中的用户推送信息。
9.一种信息推送装置,其特征在于,包括:
模型构建模块,用于基于获取到的用户行为数据构建用户兴趣数据库,所述用户兴趣数据库存储有用户的兴趣特征和与所述兴趣特征对应的用户信息值;
特征提取模块,用于提取待推送信息的特征信息;
相关度计算模块,用于将所述特征信息与所述用户兴趣数据库中的兴趣特征进行匹配,根据匹配结果获取与所述特征信息对应的目标用户信息值,并根据所述目标用户信息值计算所述待推送信息与所述用户的相关度;
信息推送模块,用于根据所述相关度向所述用户推送信息;
其中,所述兴趣特征属于多个兴趣分类,所述用户信息值是根据所述兴趣特征、所述兴趣分类包含的兴趣特征的总量、时间衰减因子、所述用户进行过操作的信息数量、各个信息对应的兴趣特征函数以及操作权重计算得到的,具体根据下述公式获得所述用户信息值:
其中,ci为所述兴趣特征,m为所述兴趣分类包含的兴趣特征的总量,i为所述兴趣分类中的第i个兴趣特征,λ为时间衰减因子,n为所述用户进行过操作的信息数量,t为所述用户进行过操作的第t个信息,f(doct,ci)为第t个信息的兴趣特征函数,g(clickt)为对第t个信息进行操作的操作权重,h(doct)为第t个信息的权重,k1、k2为平滑因子。
10.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,当所述一个或多个程序被所述一个或多个处理器执行时,使得所述一个或多个处理器实现如权利要求1-8中任一项所述的信息推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810879635.1A CN109033408B (zh) | 2018-08-03 | 2018-08-03 | 信息推送方法及装置、计算机可读存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810879635.1A CN109033408B (zh) | 2018-08-03 | 2018-08-03 | 信息推送方法及装置、计算机可读存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109033408A CN109033408A (zh) | 2018-12-18 |
CN109033408B true CN109033408B (zh) | 2021-10-22 |
Family
ID=64648446
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810879635.1A Active CN109033408B (zh) | 2018-08-03 | 2018-08-03 | 信息推送方法及装置、计算机可读存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109033408B (zh) |
Families Citing this family (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109617999A (zh) * | 2019-01-08 | 2019-04-12 | 平安科技(深圳)有限公司 | 内容推送方法、装置、计算机设备及存储介质 |
CN109951512B (zh) * | 2019-01-09 | 2022-01-28 | 平安科技(深圳)有限公司 | 用户偏好确定方法、系统、电子设备及存储介质 |
CN109889430A (zh) * | 2019-01-23 | 2019-06-14 | 平安科技(深圳)有限公司 | 消息推送方法、装置、计算机设备及存储介质 |
CN112711699B (zh) * | 2019-10-24 | 2023-04-07 | 上海哔哩哔哩科技有限公司 | 用户划分方法、系统、计算机设备及可读存储介质 |
CN110910163A (zh) * | 2019-10-25 | 2020-03-24 | 北京人和易行科技有限公司 | 基于客户关系管理系统的汽配客户需求分析方法及系统 |
WO2021163970A1 (zh) * | 2020-02-20 | 2021-08-26 | 深圳市欢太科技有限公司 | 短信推送方法、装置、服务器及存储介质 |
CN112307324B (zh) * | 2020-03-04 | 2024-07-16 | 北京字节跳动网络技术有限公司 | 信息处理方法、装置、设备和介质 |
CN113821581A (zh) * | 2021-03-02 | 2021-12-21 | 北京沃东天骏信息技术有限公司 | 信息推荐方法、装置、计算机系统和计算机可读存储介质 |
CN113360767B (zh) * | 2021-06-29 | 2023-11-10 | 中国平安财产保险股份有限公司 | 信息推送方法、装置、电子设备及存储介质 |
CN114595390A (zh) * | 2022-03-17 | 2022-06-07 | 北京欧应信息技术有限公司 | 用于推送信息的方法、设备和介质 |
CN115103015B (zh) * | 2022-06-22 | 2023-10-27 | 泰康保险集团股份有限公司 | 一种数据推送方法、装置、电子设备及计算机可读介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339562A (zh) * | 2008-08-15 | 2009-01-07 | 北京航空航天大学 | 引入兴趣模型反馈更新机制的门户个性化推荐服务系统 |
CN105469263A (zh) * | 2014-09-24 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及装置 |
US9501577B2 (en) * | 2009-09-25 | 2016-11-22 | Microsoft Technology Licensing, Llc | Recommending points of interests in a region |
CN106776697A (zh) * | 2016-11-11 | 2017-05-31 | 北京小度信息科技有限公司 | 内容推荐方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20130218687A1 (en) * | 2012-02-17 | 2013-08-22 | Graphdive, Inc. | Methods, systems and devices for determining a user interest and/or characteristic by employing a personalization engine |
-
2018
- 2018-08-03 CN CN201810879635.1A patent/CN109033408B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101339562A (zh) * | 2008-08-15 | 2009-01-07 | 北京航空航天大学 | 引入兴趣模型反馈更新机制的门户个性化推荐服务系统 |
US9501577B2 (en) * | 2009-09-25 | 2016-11-22 | Microsoft Technology Licensing, Llc | Recommending points of interests in a region |
CN105469263A (zh) * | 2014-09-24 | 2016-04-06 | 阿里巴巴集团控股有限公司 | 一种商品推荐方法及装置 |
CN106776697A (zh) * | 2016-11-11 | 2017-05-31 | 北京小度信息科技有限公司 | 内容推荐方法及装置 |
Non-Patent Citations (1)
Title |
---|
移动环境下基于共同兴趣的情境感知信息推荐研究;洪亮;《信息系统》;20141231;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN109033408A (zh) | 2018-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109033408B (zh) | 信息推送方法及装置、计算机可读存储介质、电子设备 | |
CN111797321B (zh) | 一种面向不同场景的个性化知识推荐方法及系统 | |
CN107871166B (zh) | 针对机器学习的特征处理方法及特征处理系统 | |
CN108446964B (zh) | 一种基于移动流量dpi数据的用户推荐方法 | |
CN111597446B (zh) | 基于人工智能的内容推送方法、装置、服务器和存储介质 | |
CN112104642B (zh) | 一种异常账号确定方法和相关装置 | |
CN111885399A (zh) | 内容分发方法、装置、电子设备以及存储介质 | |
CN106339507A (zh) | 流媒体消息推送方法和装置 | |
CN113688310B (zh) | 一种内容推荐方法、装置、设备及存储介质 | |
CN110245310B (zh) | 一种对象的行为分析方法、装置及存储介质 | |
Borges et al. | On measuring popularity bias in collaborative filtering data | |
CN113656699B (zh) | 用户特征向量确定方法、相关设备及介质 | |
CN117216362A (zh) | 内容推荐方法、装置、设备、介质和程序产品 | |
CN115600017A (zh) | 特征编码模型训练方法及装置、媒体对象推荐方法及装置 | |
CN110633410A (zh) | 信息处理方法及装置、存储介质、电子装置 | |
CN114491149A (zh) | 信息处理方法及装置、电子设备、存储介质、程序产品 | |
CN114245185A (zh) | 视频推荐方法、模型训练方法、装置、电子设备及介质 | |
WO2023087933A1 (zh) | 内容推荐方法、装置、设备、存储介质及程序产品 | |
CN115618121B (zh) | 个性化资讯推荐方法、装置、设备及存储介质 | |
CN111143688B (zh) | 一种基于移动新闻客户端的评估方法及其系统 | |
CN115858911A (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
CN113992668A (zh) | 基于多并发的信息实时传输方法、装置、设备及介质 | |
CN111651643A (zh) | 候选内容的处理方法及相关设备 | |
CN117349126B (zh) | 一种基于大数据的实时信息网络日志分析方法及系统 | |
CN118132818B (zh) | 基于意象差异的旅游区域资源评估方法 |
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 |