CN109271420B - 信息推送方法、装置、计算机设备和存储介质 - Google Patents
信息推送方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN109271420B CN109271420B CN201811021544.0A CN201811021544A CN109271420B CN 109271420 B CN109271420 B CN 109271420B CN 201811021544 A CN201811021544 A CN 201811021544A CN 109271420 B CN109271420 B CN 109271420B
- Authority
- CN
- China
- Prior art keywords
- data
- user
- interest
- storage node
- user behavior
- 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
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Abstract
本申请涉及一种对海量数据进行分析的信息推送方法、装置、计算机设备和存储介质。所述方法包括:接收用户终端上传的埋点数据,将埋点数据基于时间序列分布式存储至存储节点;从存储节点中获取埋点数据,在埋点数据中提取相应的用户行为数据;调用兴趣模型,将用户行为数据输入至兴趣模型,得到用户感兴趣事项;根据用户感兴趣事项获取相应的业务信息;将业务信息推送至用户终端。采用本方法从而实现了有针对性地为用户推送感兴趣的保险业务信息。
Description
技术领域
本申请涉及计算机技术领域,特别是涉及一种信息推送方法、装置、计算机设备和存储介质。
背景技术
随着互联网信息技术的发展,互联网已经成为用户获取信息的主要途径之一。并且,由于保险作为一种保障手段,人们对保险相关信息的关注也越来越多。然而,由于保险业务种类繁多,相关的保险信息种类也繁多。保险公司为了更好的将保险信息推送出去,通常会将保险信息推送给所有的用户。但是,并不是所有的用户都对推送的保险信息感兴趣,没有根据用户需求进行针对性的推送,导致推送的针对性较低。
发明内容
基于此,有必要针对上述技术问题,提供一种能够提高针对性的信息推送方法、装置、计算机设备和存储介质。
一种信息推送方法,所述方法包括:
接收用户终端上传的埋点数据,将所述埋点数据技术基于时间序列分布式存储至存储节点;
从所述存储节点中获取埋点数据,在所述埋点数据中提取相应的用户行为数据;
调用兴趣模型,将用户行为数据输入至所述兴趣模型,得到用户感兴趣事项;
根据所述用户感兴趣事项获取相应的业务信息;
将所述业务信息推送至用户终端。
在其中一个实施例中,所述将所述埋点数据基于时间序列分布式存储至存储节点包括:
根据预设时间阈值将所述埋点数据进行分类;
设置多个存储节点,判断所述存储节点使用率是否达到设定阈值;
若否,将所述分类后的埋点数据分别存储至所述多个存储节点上。
在其中一个实施例中,所述方法还包括:
若所述存储节点使用率达到设定阈值,同步发起增加存储节点指令;
根据所述指令判断当前是否有空闲存储节点;
若是,获取所述空闲存储节点的名称和地址;
根据所述名称和地址注册使用相对应的空闲存储节点。
在其中一个实施例中,所述方法还包括:
若所述存储节点使用率达到设定阈值,获取预设的冷热数据临界值;
根据所述临界值确定所述存储节点中的冷数据;
提取所述冷数据并打包保存至文件系统中。
在其中一个实施例中,所述调用兴趣模型,将用户行为数据输入至所述兴趣模型,得到用户感兴趣事项,包括:
分析所述行为数据,确定用户行为特征;
获取所述用户行为特征对应的指标数据和权重;
根据所述指标数据和权重计算兴趣分值,得到用户感兴趣事项。
在其中一个实施例中,所述根据所述用户感兴趣事项获取相应的业务信息之后,还包括:
获取所述用户感兴趣事项的兴趣分值,根据所述兴趣分值为用户感兴趣事项进行排序,确定感兴趣等级;
根据所述感兴趣等级和业务信息的映射关系获取与所述感兴趣等级相对应的业务信息。
在其中一个实施例中,在调用兴趣模型,将用户行为数据输入至所述兴趣模型,得到用户感兴趣事项之前,所述方法还包括:
对所述用户行为数据添加用户标识;
统计每个用户标识对应的用户行为数据量;
当所述用户行为数据量达到预设阈值时,同步调用兴趣模型。
一种信息推送装置,所述装置包括:
接收模块,用于接收用户终端上传的埋点数据,将所述埋点数据基于时间序列分布式存储至存储节点;
提取模块,用于从所述存储节点中获取埋点数据,在所述埋点数据中提取相应的用户行为数据;
调用模块,用于调用兴趣模型,将用户行为数据输入至所述兴趣模型,得到用户感兴趣事项;
获取模块,用于根据所述用户感兴趣事项获取相应的业务信息;
推送模块,用于将所述业务信息推送至用户终端。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任意一项所述的信息推送方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任意一项所述的信息推送方法。
上述信息推送方法、装置、计算机设备和存储介质,通过接收用户终端上传的埋点数据,将埋点数据基于时间序列分布式存储至存储节点。从存储节点中获取埋点数据,在埋点数据中提取相应的用户行为数据。调用兴趣模型,将用户行为数据输入至兴趣模型中得到用户感兴趣事项。根据所述用户感兴趣事项获取相应的业务信息,将业务信息推送至用户终端。上述方法通过分析用户对不同保险业务的行为数据,确定用户感兴趣的保险业务,从而实现了有针对性地向用户推送感兴趣保险业务的相关信息。
附图说明
图1为一个实施例中信息推送方法的应用场景图;
图2为一个实施例中信息推送方法的流程示意图;
图3为一个实施例中基于时间序列分布式存储埋点数据的示意图;
图4为一个实施例中根据用户感兴趣事项获取相应的业务信息步骤的流程示意图;
图5为另一个实施例中信息推送方法的流程示意图;
图6为一个实施例中信息推送装置的结构框图;
图7为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请提供的保险业务信息推送方法,可以应用于如图1所示的应用环境中。其中,用户终端102通过网络与服务器104进行通信。其中,用户终端102可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备,服务器104可以用独立的服务器或者是多个服务器组成的服务器集群来实现。服务器104接收用户终端102上传的埋点数据后,将埋点数据基于时间序列分布式存储至存储节点。服务器104从存储节点中获取埋点数据,在埋点数据中提取相应的用户行为数据。服务器104调用兴趣模型,将提取出来的用户行为数据输入兴趣模型当中,得到用户感兴趣事项。服务器104根据用户感兴趣事项获取相应的业务信息,并将业务信息推送至用户终端102。
在一个实施例中,如图2所示,提供了一种保险业务信息推送方法,以该方法应用于图1中的服务器104为例进行说明,包括以下步骤:
S202,接收用户终端上传的埋点数据,将埋点数据基于时间序列分布式存储至存储节点。
S204,从存储节点中获取埋点数据,在埋点数据中提取相应的用户行为数据。
通过预先在用户终端设定埋点规则代码,当用户对终端进行操作时,埋点规则代码对页面事件和点击事件进行监听。当监听到用户进行点击操作后,根据规则代码采集用户的埋点数据,并将埋点数据发送给服务器。服务器通过约定好的数据接口接收各种埋点数据,将埋点数据基于时间序列分布式存储至存储节点。当服务器需要通过分析用户行为数据为用户推送业务信息时,从存储节点中获取相应的埋点数据,在从埋点数据中提取相应的用户行为数据。埋点数据可以是多个用户对同一种保险业务的行为数据、多个用户对多个保险业务的行为数据等等。根据实际分析需求,根据用户标识可以从埋点数据中提取出用户所对应的用户行为数据,根据保险业务标识可以从埋点数据中提取所对应的保险业务的用户行为数据。用户标识和保险标识都是唯一用来识别用户和保险业务的标识。其中,用户终端采集到用户的埋点数据后,可以实时将数据发送至服务器或者将埋点数据进行存储,通过定时批量将数据发送给服务器。
S206,调用兴趣模型,将用户行为数据输入至兴趣模型,得到用户感兴趣事项。
S208,根据用户感兴趣事项获取相应的业务信息。
S210,将业务信息推送至用户终端。
服务器可以预先构建兴趣模型,将提取到用户行为数据输入到预先构建的兴趣模型中,通过兴趣模型对用户行为数据进行分析预测得到用户感兴趣事项。根据用户感兴趣的事项匹配获取相对应的业务信息,将业务信息推送至用户终端。其中,业务信息包括各种保险的业务简介、优惠活动消息等。例如,当用户感兴趣的保险业务为车险和医疗保险时,服务器获取有关于车险和医疗保险的业务简介以及优惠活动信息推送给用户终端。
在其中一个实施例中,调用兴趣模型,将用户行为数据输入至兴趣模型,得到用户感兴趣事项包括:分析所述用户行为数据,确定用户行为特征;获取用户行为特征对应的指标数据和权重;根据指标数据和权重计算兴趣分值,得到用户感兴趣事项。
服务器预先建立兴趣模型时,可以预先设置每个用户行为特征所对应的权重值。用户行为特征都有对应的指标数据,指标数据可以反映用户对不同保险业务的关注程度。不同用户就算有同一种类的行为特征,但是所对应的指标数据是不同的,根据每个用户的行为特征所对应的不同的指标数据,以及用户行为特征对应的权重值可以准确计算出用户对不同保险业务的兴趣分值。其中,指标数据包括用户查询总次数、相关业务收藏总数量、咨询总次数、进行报价总次数等等。当服务器获取指定用户对指定保险业务的行为数据时,所对应的用户行为特征则也是针对于该保险业务的行为特征。例如,获取到的该用户行为数据是有关医疗保险的用户行为数据,确定用户的行为特征包括查询、收藏和咨询等。该用户行为特征对应的指标数据包括:查询医疗保险的次数、与医疗保险相关的业务的收藏总数量、咨询过医疗保险业务的总次数。根据上述指标数据与对应的权重即可计算出用户对医疗保险的兴趣分值。
通过调用兴趣模型对用户行为数据进行预测,可以得知用户对于不同保险业务的兴趣分值。兴趣分值越高,表示用户感兴趣的程度越高,评分越低,表示用户感兴趣的程度越低。
在本实施例中,上述保险业务信息推送方法通过接收用户终端上传的埋点数据,将埋点数据基于时间序列分布式存储至存储节点;从存储节点中获取埋点数据,在埋点数据中提取相应的用户行为数据。调用兴趣模型,将用户行为数据输入至兴趣模型中得到用户感兴趣事项。根据所述用户感兴趣事项获取相应的业务信息,将业务信息推送至用户终端。上述方法通过分析用户对不同保险业务的行为数据,确定用户感兴趣的保险业务,从而实现了有针对性地向用户推送感兴趣保险业务的相关信息。
在其中一个实施例中,将埋点数据基于时间序列分布式存储至存储节点包括以下步骤:根据预设时间阈值将埋点数据进行分类;设置多个存储节点,判断存储节点的使用率是否达到设定阈值;若否,将分类后的埋点数据分别存储至多个存储节点上。
如图3所示,基于时间序列存储埋点数据就是将埋点数据以及分布式存储平台进行划分。埋点数据根据预设时间阈值为划分成各个数据段,假设预设时间阈值为1秒,则以1秒为标准将埋点数据划分成多个数据段,例如数据段1、数据段2……数据段N等。也就是说,一个数据段里面的埋点数据为1秒时间内所产生的数据。相同的,存储平台可以根据存储空间量划分成各个存储节点,或者设置多个存储磁盘,一个存储磁盘表示一个存储节点,例如存储节点1、存储节点2……存储节点N等。当埋点数据和存储平台都划分完成后,判断存储节点剩余的存储空间,若剩余的存储空间足够用户来存储划分好的数据段,则将划分后的每个数据段分别存储至每个存储节点上,也就是说,每个存储节点只存储一部分预设时间段内采集到的数据。其中,预设时间阈值可以根据实际应用情况进行设置。具体地,当服务器接收到用户终端采集上传的埋点数据后,根据预先设定的存储时间将埋点数据进行划分成数据段,同时将用于存储数据的存储平台划分成多个存储节点,并且将划分后的数据段分别存储到各个存储节点上。但是,若剩余的存储空间不足以用来存储划分好的数据段,则可以通过增加存储节点或者提取出存储节点中的冷数据。
为了保证用户行为数据的完整性,埋点数据以增量的形式分布式进行存储,即通过埋点采集到的所有的数据都存储起来,并且历史埋点数据不会被新数据所替换。例如,当用户第一次咨询保险业务时触发埋点采集数据,将数据发送给服务器进行存储。当用户第二次咨询该保险业务时同样触发埋点采集数据,再次将数据发送给服务器进行存储。第一次咨询的数据不会被第二次咨询的数据覆盖或者被清除掉,即该用户有两条咨询该保险业务的行为数据。
在本实施例中,基于时间序列利用分布式存储的方式将数据分散存储在多个存储节点上,有利于多类数据的分析,方便水平式扩展。此外,可以同时对多个存储节点上的数据进行分析,保证了埋点数据的高性能读写。
在其中一个实施中,当存储节点使用率达到设定阈值时,通过增加新的空闲存储节点的方法包括:若存储节点使用率达到设定阈值,同步发起增加存储节点指令;根据指令判断当前是否有空闲存储节点;若是,获取空闲存储节点的名称和地址;根据名称和地址注册使用相对应的空闲存储节点。
当埋点数据量随着时间的推移不断地增加,使得存储节点的存储空间使用率达到上限值时,通过调度中心的自身调度逻辑向资源服务系统同步发起增加存储节点指令。资源服务系统接收到增加存储节点指令后,判断当前是否还有空闲的存储节点。若当前还有空闲的存储节点,则将空闲存储节点的名称和资源地址返回给调度中心,调度中心接收之后将空闲节点的名称和资源地址发给注册中心进行注册使用。其中,空闲存储节点是指之前没有被注册用于存储埋点数据的存储空间或者存储磁盘。若当前没有可以增加的空闲存储节点,则可以通过提取存储节点中的冷数据来释放存储空间。
在其中一个实施中,当存储节点使用率达到设定阈值时,提取存储节点中的冷数据包括以下步骤:若存储节点使用率达到设定阈值,获取预设的冷热数据临界值;根据临界值确定存储节点中的冷数据;提取冷数据并打包保存至文件系统中。
当存储节点使用率达到设定阈值时,同步触发获取预设的冷热数据临界值,根据临界值确定埋点数据中的冷数据。将冷数据提取出来并打包保存至文件系统中。其中,冷数据为不需要进行分析的用户行为数据。冷数据由于时间已久能分析利用的价值越来越低,但是又占用大量的存储空间,因此对冷数据提取出来保存至文件系统中,保证存储资源被充分利用。热数据为根据实际需求有分析价值的数据,一般为一年内所采集的数据。
冷热数据的分离按照数据存储的时间进行区分。具体地,冷热数据临界值为埋点数据存储到存储节点时的存储时间,通过预先设置一个存储时间为临界值。在该存储时间之前存储的用户行为数据为冷数据,存储时间之后存储的用户行为数据为热数据。服务器通过定时扫描存储节点上埋点数据的存储时间,获取预设存储时间之前所存储的埋点数据的数据量,当数据量大于等于预设阈值时,服务器从存储节点上获取该埋点数据,将埋点数据进行打包保存至文件系统中并添加冷数据标签。
在其中一个实施例中,如图4所示,根据用户感兴趣事项获取相应的业务信息包括以下步骤:
S402,获取用户感兴趣事项的兴趣分值,根据兴趣分值为用户感兴趣事项进行排序,确定感兴趣等级。
S404,根据感兴趣等级和业务信息的映射关系获取与感兴趣等级相对应的业务信息。
通过预设的不同的阈值范围来确定用户感兴趣的等级。具体地,当兴趣分值在第一阈值范围内时,用户感兴趣等级为第一等级;当兴趣分值在第二阈值范围内时,用户感兴趣等级为二等级;当兴趣分值在第三阈值范围内时,用户感兴趣等级为第三等级。其中,第一等级可以高于第二等级高于第三等级,或者第三等级高于第二等级高于第一等级。根据具体情况进行设定,预设阈值范围也随之进行调整。
预先对不同业务信息设定不同的推送等级,服务器预存有感兴趣等级与业务信息推送等级的映射关系。例如,用户感兴趣等级分为第一等级、第二等级和第三等级,对应的业务信息推送等级为第一等级、第二等级和第三等级。具体地,服务器根据预设的感兴趣等级与业务信息推送等级的映射关系,进而获取当前感兴趣等级对应的业务信息。例如,若用户对医疗保险的感兴趣等级为第一等级,服务器预存的有关医疗保险的业务信息包括:业务信息1、业务信息2和业务信息3。其中,业务信息1的推送等级为第一等级、业务信息2的等级为第二等级、业务信息3的等级为第三等级。根据映射关系,当医疗保险的感兴趣等级为第一等级时,则将推送等级为第一等级的业务信息1确定为推送给用户的业务信息。
在本实施例中,通过感兴趣等级与业务信息推送等级的映射关系,为用户的不同兴趣等级的保险业务分别推送不同的业务信息,从而能够根据用户需求的不同进行针对性推送。
在其中一个实施例中,如图5所示,在调用兴趣模型之前还包括以下步骤:
S502,对用户行为数据添加用户标识。
S504,统计每个用户标识对应的用户行为数据量。
S506,当用户行为数据量达到预设阈值时,返回步骤S206,同步调用兴趣模型。
当服务器从存储节点中获取埋点数据,并在埋点数据中提取到相应的用户行为数据后,为用户行为数据添加相应的用户标识。服务器统计该用户标识所对应的用户行为数据量,也就是说,统计存储节点上该用户标识所对应的所有的用户行为数据。当用户行为数据量达到预设阈值时,即可同步触发调用兴趣模型对用户行为数据进行分析,得到用户感兴趣事项。在本实施例中,通过统计数据量来触发调用画像模型进行分析,可以保证分析时有足够的用户行为数据量使得分析更为准确。
应该理解的是,虽然图2、4和5的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图2、4和5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图6所示,提供了一种保险业务信息推送装置,包括:接收模块602、提取模块604、调用模块606、获取模块608和推送模块610,其中:
接收模块602,用于接收用户终端上传的埋点数据,将埋点数据基于时间序列分布式存储至存储节点;
提取模块604,用于从存储节点中获取埋点数据,在埋点数据中提取相应的用户行为数据。
调用模块606,用于调用兴趣模型,将用户行为数据输入至兴趣模型,得到用户感兴趣事项。
获取模块608,用于根据用户感兴趣事项获取相应的业务信息。
推送模块610,用于将业务信息推送至用户终端。
在其中一个实施例中,接收模块602还用于根据预设时间阈值将埋点数据进行分类;设置多个存储节点,判断存储节点使用率是否达到设定阈值;若否,将分类后的埋点数据分别存储至多个存储节点上。
在其中一个实施例中,接收模块602还用于若存储节点使用率达到设定阈值,同步发起增加存储节点指令;根据指令判断当前是否有空闲存储节点;若是,获取空闲存储节点的名称和地址;根据名称和地址注册使用相对应的空闲存储节点。
在其中一个实施例中,接收模块602还用于若存储节点使用率达到设定阈值,获取预设的冷热数据临界值;根据临界值确定存储节点中的冷数据;提取冷数据并打包保存至文件系统中。
在其中一个实施例中,调用模块606还用于分析行为数据,确定用户行为特征;获取用户行为特征对应的指标数据和权重;根据指标数据和权重计算兴趣分值,得到用户感兴趣事项。
在其中一个实施例中,保险业务信息推送装置还包括匹配模块,用于获取用户感兴趣事项的兴趣分值,根据兴趣分值为用户感兴趣事项进行排序,确定感兴趣等级;根据感兴趣等级和业务信息的映射关系获取与感兴趣等级相对应的业务信息。
在其中一个实施例中,保险业务信息推送装置还包括统计模块,用于对用户行为数据添加用户标识;统计每个用户标识对应的用户行为数据量;当用户行为数据量达到预设阈值时,同步调用兴趣模型。
关于保险业务信息装置的具体限定可以参见上文中对于保险业务信息方法的限定,在此不再赘述。上述保险业务信息装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是服务器,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储用户行为数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种保险业务信息方法。
本领域技术人员可以理解,图7中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,该存储器存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
接收用户终端上传的埋点数据,将埋点数据基于时间序列分布式存储至存储节点;
从存储节点中获取埋点数据,在埋点数据中提取相应的用户行为数据;
调用兴趣模型,将用户行为数据输入至兴趣模型,得到用户感兴趣事项;
根据用户感兴趣事项获取相应的业务信息;
将业务信息推送至用户终端。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
根据预设时间阈值将埋点数据进行分类;
设置多个存储节点,判断存储节点使用率是否达到设定阈值;
若否,将分类后的埋点数据分别存储至多个存储节点上。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若存储节点使用率达到设定阈值,同步发起增加存储节点指令;
根据指令判断当前是否有空闲存储节点;
若是,获取空闲存储节点的名称和地址;
根据名称和地址注册使用相对应的空闲存储节点。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
若存储节点使用率达到设定阈值,获取预设的冷热数据临界值;
根据临界值确定存储节点中的冷数据;
提取冷数据并打包保存至文件系统中。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
分析用户行为数据,确定用户行为特征;
获取用户行为特征对应的指标数据和权重;
根据指标数据和权重计算兴趣分值,得到用户感兴趣事项。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
获取用户感兴趣事项的兴趣分值,根据兴趣分值为用户感兴趣事项进行排序,确定感兴趣等级;
根据感兴趣等级和业务信息的映射关系获取与感兴趣等级相对应的业务信息。
在一个实施例中,处理器执行计算机程序时还实现以下步骤:
对用户行为数据添加用户标识;
统计每个用户标识对应的用户行为数据量;
当用户行为数据量达到预设阈值时,同步调用兴趣模型。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
接收用户终端上传的埋点数据,将埋点数据基于时间序列分布式存储至存储节点;
从存储节点中获取埋点数据,在埋点数据中提取相应的用户行为数据;
调用兴趣模型,将用户行为数据输入至兴趣模型,得到用户感兴趣事项;
根据用户感兴趣事项获取相应的业务信息;
将业务信息推送至用户终端。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
根据预设时间阈值将埋点数据进行分类;
设置多个存储节点,判断存储节点使用率是否达到设定阈值;
若否,将分类后的埋点数据分别存储至多个存储节点上。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若存储节点使用率达到设定阈值,同步发起增加存储节点指令;
根据指令判断当前是否有空闲存储节点;
若是,获取空闲存储节点的名称和地址;
根据名称和地址注册使用相对应的空闲存储节点。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
若存储节点使用率达到设定阈值,获取预设的冷热数据临界值;
根据临界值确定存储节点中的冷数据;
提取冷数据并打包保存至文件系统中。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
分析用户行为数据,确定用户行为特征;
获取用户行为特征对应的指标数据和权重;
根据指标数据和权重计算兴趣分值,得到用户感兴趣事项。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
获取用户感兴趣事项的兴趣分值,根据兴趣分值为用户感兴趣事项进行排序,确定感兴趣等级;
根据感兴趣等级和业务信息的映射关系获取与感兴趣等级相对应的业务信息。
在一个实施例中,计算机程序被处理器执行时还实现以下步骤:
对用户行为数据添加用户标识;
统计每个用户标识对应的用户行为数据量;
当用户行为数据量达到预设阈值时,同步调用兴趣模型。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (10)
1.一种信息推送方法,其特征在于,所述方法包括:
接收用户终端上传的埋点数据,将所述埋点数据基于时间序列分布式存储至所述存储节点;
从所述存储节点中获取埋点数据,在所述埋点数据中提取相应的用户行为数据;
调用兴趣模型,将用户行为数据输入至所述兴趣模型,得到用户感兴趣事项;
获取所述用户感兴趣事项的兴趣分值,根据所述兴趣分值为所述用户感兴趣事项进行排序,确定感兴趣等级;
根据所述感兴趣等级和业务信息推送等级的映射关系获取与所述感兴趣等级相对应的业务信息;
将所述业务信息推送至用户终端;
所述将所述埋点数据基于时间序列分布式存储至所述存储节点,包括:
根据预设时间阈值将所述埋点数据进行分类;
设置多个存储节点,判断所述存储节点使用率是否达到设定阈值;
若所述存储节点使用率达到设定阈值,同步发起增加存储节点指令;
根据所述指令判断当前是否有空闲存储节点,所述空闲存储节点是指之前没有被注册用于存储埋点数据的存储空间或者存储磁盘;
若是,获取所述空闲存储节点的名称和地址;
根据所述名称和地址注册使用相对应的空闲存储节点。
2.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若否,将所述分类后的埋点数据分别存储至所述多个存储节点上。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
若所述存储节点使用率达到设定阈值,获取预设的冷热数据临界值;
根据所述临界值确定所述存储节点中的冷数据;
提取所述冷数据并打包保存至文件系统中。
4.根据权利要求1所述的方法,其特征在于,调用兴趣模型,将用户行为数据输入至所述兴趣模型,得到用户感兴趣事项,包括:
分析所述用户行为数据,确定用户行为特征;
获取所述用户行为特征对应的指标数据和权重;
根据所述指标数据和权重计算兴趣分值,得到用户感兴趣事项。
5.根据权利要求1所述的方法,其特征在于,所述根据所述兴趣分值为用户感兴趣事项进行排序,确定感兴趣等级,包括:
当所述兴趣分值在第一阈值范围内时,所述感兴趣等级为第一等级;
当所述兴趣分值在第二阈值范围内时,所述感兴趣等级为第二等级。
6.根据权利要求5所述的方法,其特征在于,还包括:
当所述兴趣分值在第三阈值范围内时,所述感兴趣等级为第三等级。
7.根据权利要求1所述的方法,其特征在于,在调用兴趣模型,将用户行为数据输入至所述兴趣模型,得到用户感兴趣事项之前,所述方法还包括:
对所述用户行为数据添加用户标识;
统计每个用户标识对应的用户行为数据量;
当所述用户行为数据量达到预设阈值时,同步调用兴趣模型。
8.一种信息推送装置,其特征在于,所述装置包括:
接收模块,用于接收用户终端上传的埋点数据,将所述埋点数据基于时间序列分布式存储至所述存储节点;
提取模块,用于从所述存储节点中获取埋点数据,在所述埋点数据中提取相应的用户行为数据;
调用模块,用于调用兴趣模型,将用户行为数据输入至所述兴趣模型,得到用户感兴趣事项;
获取模块,用于获取所述用户感兴趣事项的兴趣分值,根据所述兴趣分值为所述用户感兴趣事项进行排序,确定感兴趣等级;根据所述感兴趣等级和业务信息推送等级的映射关系获取与所述感兴趣等级相对应的业务信息;
推送模块,用于将所述业务信息推送至用户终端;
其中,所述接收模块,还用于:根据预设时间阈值将所述埋点数据进行分类;设置多个存储节点,判断所述存储节点使用率是否达到设定阈值;若所述存储节点使用率达到设定阈值,同步发起增加存储节点指令;根据所述指令判断当前是否有空闲存储节点,所述空闲存储节点是指之前没有被注册用于存储埋点数据的存储空间或者存储磁盘;若是,获取所述空闲存储节点的名称和地址;根据所述名称和地址注册使用相对应的空闲存储节点。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811021544.0A CN109271420B (zh) | 2018-09-03 | 2018-09-03 | 信息推送方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811021544.0A CN109271420B (zh) | 2018-09-03 | 2018-09-03 | 信息推送方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109271420A CN109271420A (zh) | 2019-01-25 |
CN109271420B true CN109271420B (zh) | 2023-07-11 |
Family
ID=65187798
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811021544.0A Active CN109271420B (zh) | 2018-09-03 | 2018-09-03 | 信息推送方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109271420B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110070451B (zh) * | 2019-03-18 | 2024-03-08 | 创新先进技术有限公司 | 案件审核提醒方法以及装置 |
CN110148011B (zh) * | 2019-04-15 | 2024-03-22 | 平安科技(深圳)有限公司 | 基于大数据的活跃量下降分析方法、装置、设备及介质 |
CN110428263A (zh) * | 2019-06-19 | 2019-11-08 | 平安科技(深圳)有限公司 | 客户预判方法、装置、终端及存储介质 |
CN110620812B (zh) * | 2019-08-15 | 2023-02-07 | 平安普惠企业管理有限公司 | 交互信息的推送方法、装置、计算机设备和存储介质 |
CN110737828A (zh) * | 2019-09-16 | 2020-01-31 | 平安科技(深圳)有限公司 | 一种信息推送方法和相关装置 |
CN110782288A (zh) * | 2019-10-25 | 2020-02-11 | 广州凌鑫达实业有限公司 | 云计算聚合广告数据处理方法、装置、设备以及介质 |
CN110766468A (zh) * | 2019-10-25 | 2020-02-07 | 广州凌鑫达实业有限公司 | 大数据广告管理方法、装置、计算机设备以及存储介质 |
CN111222919B (zh) * | 2020-01-08 | 2023-12-15 | 上海钧正网络科技有限公司 | 业务数据的推送方法、装置、计算机设备和存储介质 |
CN111967904A (zh) * | 2020-08-07 | 2020-11-20 | 泰康保险集团股份有限公司 | 用户数据处理方法及装置、计算机存储介质、电子设备 |
CN111949867A (zh) * | 2020-08-10 | 2020-11-17 | 中国平安人寿保险股份有限公司 | 跨app的用户行为分析模型训练方法、分析方法及相关设备 |
CN112579408A (zh) * | 2020-10-29 | 2021-03-30 | 上海钱拓网络技术有限公司 | 一种埋点信息的分类方法 |
CN113590935B (zh) * | 2021-06-30 | 2022-04-19 | 深圳市东信时代信息技术有限公司 | 信息推荐方法、装置、计算机设备及存储介质 |
CN115052040B (zh) * | 2022-04-26 | 2024-04-19 | 浪潮通信技术有限公司 | Feed流实现方法、系统、电子设备和存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295832A (zh) * | 2015-05-12 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 产品信息推送方法及装置 |
CN107194732A (zh) * | 2017-05-24 | 2017-09-22 | 努比亚技术有限公司 | 一种应用推送方法、移动终端以及计算机可读存储介质 |
CN107666506A (zh) * | 2017-07-24 | 2018-02-06 | 上海壹账通金融科技有限公司 | 推送结果预测方法、装置、计算机设备和存储介质 |
CN107798552A (zh) * | 2017-05-04 | 2018-03-13 | 平安科技(深圳)有限公司 | 活动信息推送方法、系统、服务器和介质 |
CN108460627A (zh) * | 2018-02-10 | 2018-08-28 | 深圳壹账通智能科技有限公司 | 营销活动方案推送方法、装置、计算机设备及存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150262182A1 (en) * | 2014-03-12 | 2015-09-17 | The Toronto-Dominion Bank | Systems and methods for providing populated transaction interfaces based on contextual triggers |
-
2018
- 2018-09-03 CN CN201811021544.0A patent/CN109271420B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106295832A (zh) * | 2015-05-12 | 2017-01-04 | 阿里巴巴集团控股有限公司 | 产品信息推送方法及装置 |
CN107798552A (zh) * | 2017-05-04 | 2018-03-13 | 平安科技(深圳)有限公司 | 活动信息推送方法、系统、服务器和介质 |
CN107194732A (zh) * | 2017-05-24 | 2017-09-22 | 努比亚技术有限公司 | 一种应用推送方法、移动终端以及计算机可读存储介质 |
CN107666506A (zh) * | 2017-07-24 | 2018-02-06 | 上海壹账通金融科技有限公司 | 推送结果预测方法、装置、计算机设备和存储介质 |
CN108460627A (zh) * | 2018-02-10 | 2018-08-28 | 深圳壹账通智能科技有限公司 | 营销活动方案推送方法、装置、计算机设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN109271420A (zh) | 2019-01-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109271420B (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
CN109829020B (zh) | 地点资源数据推送方法、装置、计算机设备和存储介质 | |
CN109543925B (zh) | 基于机器学习的风险预测方法、装置、计算机设备和存储介质 | |
CN108322363B (zh) | 推送数据异常监控方法、装置、计算机设备和存储介质 | |
CN109245996B (zh) | 邮件推送方法、装置、计算机设备和存储介质 | |
CN111163072B (zh) | 机器学习模型中特征值的确定方法、装置及电子设备 | |
CN110781379A (zh) | 信息推荐方法、装置、计算机设备和存储介质 | |
CN110674144A (zh) | 用户画像生成方法、装置、计算机设备和存储介质 | |
CN110147470B (zh) | 一种跨机房数据比对系统及方法 | |
CN110544109A (zh) | 用户画像生成方法、装置、计算机设备和存储介质 | |
CN113505272B (zh) | 基于行为习惯的控制方法和装置、电子设备和存储介质 | |
CN111148018B (zh) | 基于通信数据识别定位区域价值的方法和装置 | |
CN106294406B (zh) | 一种用于处理应用访问数据的方法与设备 | |
CN108182633B (zh) | 贷款数据处理方法、装置、计算机设备和存储介质 | |
CN111222919B (zh) | 业务数据的推送方法、装置、计算机设备和存储介质 | |
CN109697155B (zh) | It系统性能评估方法、装置、设备及可读存储介质 | |
KR101959213B1 (ko) | 침해 사고 예측 방법 및 그 장치 | |
CN111209325B (zh) | 业务系统接口识别方法、装置及存储介质 | |
CN110598124B (zh) | 数值属性挖掘方法、装置、计算机设备和存储介质 | |
CN108182255B (zh) | 产权项目信息推荐方法、装置、存储介质和计算机设备 | |
CN111046240A (zh) | 网关流量统计方法、装置、计算机设备和存储介质 | |
CN108090089B (zh) | 探测网站中热点数据的方法、装置和系统 | |
CN113780666B (zh) | 一种缺失值的预测方法及装置、可读存储介质 | |
CN110598090A (zh) | 兴趣标签的生成方法、装置、计算机设备和存储介质 | |
CN109902129A (zh) | 基于大数据分析的保险代理人归类方法及相关设备 |
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 | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20220523 Address after: 518048 China Aviation Center 2901, No. 1018, Huafu Road, Huahang community, Huaqiang North Street, Futian District, Shenzhen, Guangdong Province Applicant after: Shenzhen Ping An medical and Health Technology Service Co.,Ltd. Address before: Room 12G, Area H, 666 Beijing East Road, Huangpu District, Shanghai 200001 Applicant before: PING AN MEDICAL AND HEALTHCARE MANAGEMENT Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |