CN109657140A - 信息推送方法、装置、计算机设备及存储介质 - Google Patents
信息推送方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN109657140A CN109657140A CN201811526510.7A CN201811526510A CN109657140A CN 109657140 A CN109657140 A CN 109657140A CN 201811526510 A CN201811526510 A CN 201811526510A CN 109657140 A CN109657140 A CN 109657140A
- Authority
- CN
- China
- Prior art keywords
- information
- user
- history
- recommendation information
- history recommendation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 34
- 230000003542 behavioural effect Effects 0.000 claims abstract description 35
- 238000011156 evaluation Methods 0.000 claims description 66
- 230000002123 temporal effect Effects 0.000 claims description 31
- 230000015654 memory Effects 0.000 claims description 14
- 238000003909 pattern recognition Methods 0.000 claims description 13
- 238000012545 processing Methods 0.000 claims description 13
- 238000013507 mapping Methods 0.000 claims description 12
- 238000012512 characterization method Methods 0.000 claims description 5
- 230000003993 interaction Effects 0.000 claims description 5
- 238000003491 array Methods 0.000 claims description 4
- 238000013528 artificial neural network Methods 0.000 claims 1
- 230000008901 benefit Effects 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 230000006854 communication Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 9
- 238000003062 neural network model Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 6
- 101150054987 ChAT gene Proteins 0.000 description 4
- 101100203187 Mus musculus Sh2d3c gene Proteins 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000007630 basic procedure Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012216 screening Methods 0.000 description 2
- 210000003813 thumb Anatomy 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000005036 nerve Anatomy 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种信息推送方法、装置、计算机设备及存储介质，包括：获取目标用户的身份信息和行为信息；以所述身份信息和所述行为信息为检索条件在预设的信息数据库中检索同类历史用户；获取所述同类历史用户的历史推荐信息，并将所述历史推荐信息推送至所述目标用户的用户终端。由于，历史推送信息是由与目标用户具有相同身份和行为的用户进行筛选得到的信息，因此，推送信息对于目标用户的实用价值较大，能够引起用户的阅读欲望，提高了推送信息的阅读率和用户体验。在向用户推荐具有专业知识的信息文档时，具有巨大优势，提升用户的认可度和依赖性。
Description
技术领域
本发明实施例涉及数据加密领域，尤其是一种信息推送方法、装置、计算机设备及存储介质。
背景技术
信息推送，就是"web广播"，是通过一定的技术标准或协议，在互联网上通过定期传送用户需要的信息来减少信息过载的一项新技术。推送技术通过自动传送信息给用户，来减少用于网络上搜索的时间。
现有技术中，信息推送均是在热门数据中，选择点击量或者阅读量较大的信息进行推送。由于，信息的推送均是通过点击量或者阅读量统计得到的，因此，被推送的信息往往是一些娱乐信息或者大事件信息。而上述信息对于部分的用户实用价值几乎为零，因此，对于大部分对上述信息不感兴趣的用户来讲，推送信息的接受率和阅读率普遍偏低。
发明内容
本发明实施例提供一种能够根据用户身份信息和行为性进行同类用户定位，然后，根据同类用户的推送信息对目标用户进行信息推送的信息推送方法、装置、计算机设备及存储介质。
为解决上述技术问题，本发明创造的实施例采用的一个技术方案是：提供一种信息推送方法，包括：
获取目标用户的身份信息和行为信息；
以所述身份信息和所述行为信息为检索条件在预设的信息数据库中检索同类历史用户；
获取所述同类历史用户的历史推荐信息，并将所述历史推荐信息推送至所述目标用户的用户终端。
可选地，所述获取目标用户的身份信息和行为信息之前，还包括：
获取所述同类历史用户阅读所述历史推荐信息的时间信息；
将所述时间信息作为评价所述历史推荐信息的评价参数，计算所述同类历史用户对所述历史推荐信息的有效性数值；
将所述有效性数值与预设的第一阈值进行对比，当所述有效性数值大于等于所述第一阈值时，确认所述同类历史用户与所述历史推荐信息相关联；否则，则解除所述同类历史用户与所述历史推荐信息的关联性。
可选地，所述评价参数还包括大众评价分数，所述将所述时间信息作为评价所述历史推荐信息的评价参数，计算所述同类历史用户对所述历史推荐信息的有效性数值包括：
将所述时间信息与预设的第一权重相乘得到第一评价值；
将所述大众评价分数与预设的第二权重值相乘得到第二评价值；
将所述第一评价值与第二评价值相加后得到所述有效性数值。
可选地，所述将所述时间信息与预设的第一权重相乘得到第一评价值之前，还包括：
获取所述同类历史用户的性格分类信息；
在预设的权重列表中查找与所述性格分类信息具有映射关系的权重数组，其中，所述权重数组中包括所述第一权重与所述第二权重，且不同的权重数组中第一权重与第二权重的比例不同。
可选地，所述获取所述同类历史用户的历史推荐信息，并将所述历史推荐信息推送至所述目标用户的用户终端之后，还包括：
获取用户终端接收所述历史推荐信息时显示区域内的显示图像；
将所述显示图像输入到预设的模式识别模型中，识别所述显示图像表征的用户浏览场景，其中，所述模式识别模型为预先训练至收敛的通过图像识别用户浏览模式的神经网络模型；
在预设的显示数据库中查找与所述用户浏览场景具有映射关系的显示策略；
将所述显示策略发送至所述用户终端，以使所述用户终端根据所述显示策略显示所述历史推荐信息。
可选地，当所述用户浏览场景为处于视频浏览状态时，所述显示策略为通过视频弹幕显示所述历史推荐信息。
可选地，当所述用户浏览场景为处于聊天交互状态时，所述显示策略为向所述目标用户的即时通讯账号发送所述历史推荐信息。
为解决上述技术问题，本发明实施例还提供一种信息推送装置，包括：
获取模块，用于获取目标用户的身份信息和行为信息；
处理模块，用于以所述身份信息和所述行为信息为检索条件在预设的信息数据库中检索同类历史用户；
执行模块，用于获取所述同类历史用户的历史推荐信息，并将所述历史推荐信息推送至所述目标用户的用户终端。
可选的，所述信息推送装置还包括：
第一获取子模块，用于获取所述同类历史用户阅读所述历史推荐信息的时间信息；
第一处理子模块，用于将所述时间信息作为评价所述历史推荐信息的评价参数，计算所述同类历史用户对所述历史推荐信息的有效性数值；
第一执行子模块，用于将所述有效性数值与预设的第一阈值进行对比，当所述有效性数值大于等于所述第一阈值时，确认所述同类历史用户与所述历史推荐信息相关联；否则，则解除所述同类历史用户与所述历史推荐信息的关联性。
可选的，所述评价参数还包括大众评价分数，所述信息推送装置还包括：
第一计算子模块，用于将所述时间信息与预设的第一权重相乘得到第一评价值；
第二计算子模块，用于将所述大众评价分数与预设的第二权重值相乘得到第二评价值；
第三计算子模块，用于将所述第一评价值与第二评价值相加后得到所述有效性数值。
可选的，所述信息推送装置还包括：
第二获取子模块，用于获取所述同类历史用户的性格分类信息；
第二执行子模块，用于在预设的权重列表中查找与所述性格分类信息具有映射关系的权重数组，其中，所述权重数组中包括所述第一权重与所述第二权重，且不同的权重数组中第一权重与第二权重的比例不同。
可选的，所述信息推送装置还包括：
第三获取子模块，用于获取用户终端接收所述历史推荐信息时显示区域内的显示图像；
第二处理子模块，用于将所述显示图像输入到预设的模式识别模型中，识别所述显示图像表征的用户浏览场景，其中，所述模式识别模型为预先训练至收敛的通过图像识别用户浏览模式的神经网络模型；
第一查找子模块，用于在预设的显示数据库中查找与所述用户浏览场景具有映射关系的显示策略；
第三执行子模块，用于将所述显示策略发送至所述用户终端，以使所述用户终端根据所述显示策略显示所述历史推荐信息。
可选的，当所述用户浏览场景为处于视频浏览状态时，所述显示策略为通过视频弹幕显示所述历史推荐信息。
可选的，当所述用户浏览场景为处于聊天交互状态时，所述显示策略为向所述目标用户的即时通讯账号发送所述历史推荐信息。
为解决上述技术问题，本发明实施例还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述所述信息推送方法的步骤。
为解决上述技术问题，本发明实施例还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述所述信息推送方法的步骤。
本发明实施例的有益效果是：在进行信息推送之前，首先获取目标用户的身份信息和行为信息，然后，根据该身份信息和行为信息中查找与目标用户身份信息和行为信息相同或相近的历史用户，读取该历史用户的历史推送信息，并向目标用户推送该历史推送信息，且该历史推送信息为历史用户阅读后得到一定评价的消息。由于，历史推送信息是由与目标用户具有相同身份和行为的用户进行筛选得到的信息，因此，推送信息对于目标用户的实用价值较大，能够引起用户的阅读欲望，提高了推送信息的阅读率和用户体验。在向用户推荐具有专业知识的信息文档时，具有巨大优势，提升用户的认可度和依赖性。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例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为本发明实施例信息推送方法的基本流程示意图；
图2为本发明实施例通过有效性数值确定用户与推荐信息之间关联性的一种流程示意图；
图3为本发明实施例通过时间信息和大众评价分数计算有效性数值的流程示意图；
图4为本发明实施例通过用户的性格分类信息获取权重的流程示意图；
图5为本发明实施例通过用户浏览场景对应显示推荐信息的流程示意图；
图6为本发明实施例信息推送装置基本结构示意图；
图7为本发明实施计算机设备基本结构框图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本技术领域技术人员可以理解，这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；PCS(Personal Communications Service，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；PDA(Personal Digital Assistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或GPS(Global Positioning System，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是PDA、MID(Mobile Internet Device，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。
具体请参阅图1，图1为本实施例信息推送方法的基本流程示意图。
如图1所示，一种信息推送方法，包括：
S1100、获取目标用户的身份信息和行为信息；
在对用户进行信息推送之前，首先，需要读取用户的身份信息和行为信息。其中，身份信息包括(不限于)：姓名、性别、年龄、职业、生活地区、财务状况和家庭背景等信息。行为信息为用在平台上进行的行为，例如，平台为贷款平台时，用户的行为能够是申请贷款和贷款用途等信息；当平台为新闻平台时，用户的行为能够是检索或阅读灯行为；平台为音视频信息时，用户的行为能够是检索或观看和收听等行为，因此，用户行为信息能够根据平台的功能不同而不同。
本实施方式中，由于平台用户的数量级较大，因此，对哪一个或者哪一类用户进行信息推荐时，该用户或者该类用户被定义为目标用户，即目标用户能够是一个人或者一类人。
S1200、以所述身份信息和所述行为信息为检索条件在预设的信息数据库中检索同类历史用户；
本实施方式中，设置有信息数据库，信息数据库中存储有各类的信息以及过往历史中已经进行过信息推荐的历史用户。信息数据库中的信息与历史用户进行关联存储，即以历史用户为检索条件，能够得到每个历史用户以往所有的推荐信息。
本实施方式中，信息还与历史用户的行为信息关联，即记录历史用户的何种行为对应的得到了那种推荐信息。在一些实施方式中，为更好的梳理相关性，信息数据库中以用户的行为信息对历史用户进行聚类。即将具有相同行为的历史用户划归为一类，而在该类别中，与用户关联的的推荐信息同样也与用户行为相关联。例如，在划归为“房屋质押贷款”的用户行为类别中，历史用户的推送信息均与“房屋质押贷款”这一主题有所关联。
对目标用户进行信息推送时，以目标用户的身份信息和行为信息进行检索时，能够在信息数据库中检索得到与目标用户具有相同身份信息和行为信息的同类历史用户。但不限于此，在一些实施方式中，为保证检索的召回率，检索还能够得到与目标用户具有近似身份信息和行为信息的同类历史用户。例如，以用户的身份信息进行检索时，将身份信息串联成为一个检索式，此时，检索结果为0时，删去检索式中的部分信息，以扩大检索范围。如当“性别and年龄and职业、生活地区and财务状况and家庭背景”检索结果为0时，将身份信息组成的检索式进行缩减，将其中不重要的关键词删除，例如“性别”等。关键词的重要程度能够根据关键词与行为信息之间的关联性进行确定。
S1300、获取所述同类历史用户的历史推荐信息，并将所述历史推荐信息推送至所述目标用户的用户终端。
在查找到同类历史用户后，在信息数据库中查找与该同类历史用户关联的历史推荐信息，并将历史推荐信息发送至目标用户的用户终端。
在一些实施方式中，推荐信息过多时，需要对推荐信息进行筛选，筛选的方式能够为通过阅读量、点赞数、分数或者阅读时间等信息，对推荐信息进行排序，并根据排序结果筛选其中排序top1-top3的推荐信息进行推荐。
上述实施方式在进行信息推送之前，首先获取目标用户的身份信息和行为信息，然后，根据该身份信息和行为信息中查找与目标用户身份信息和行为信息相同或相近的历史用户，读取该历史用户的历史推送信息，并向目标用户推送该历史推送信息，且该历史推送信息为历史用户阅读后得到一定评价的消息。由于，历史推送信息是由与目标用户具有相同身份和行为的用户进行筛选得到的信息，因此，推送信息对于目标用户的实用价值较大，能够引起用户的阅读欲望，提高了推送信息的阅读率和用户体验。在向用户推荐具有专业知识的信息文档时，具有巨大优势，提升用户的认可度和依赖性。
在一些实施方式中，在所有的历史推荐信息中并非所有的信息数据均能够得到历史用户认可，因此，需要通过历史用户阅读时间的长短，以及其他评价参数对历史用户对历史推荐信息的认可程度。请参阅图2，图2为本实施例通过有效性数值确定用户与推荐信息之间关联性的一种流程示意图。
如图2所示，S1100之前还包括：
S1011、获取所述同类历史用户阅读所述历史推荐信息的时间信息；
在将历史推荐信息发送至同类历史用户的终端时，当同类历史用户点击打开历史推荐信息时，终端开始计时，用户关闭历史推荐信息时结束计时，则记录的时间即为同类历史用户阅读历史推荐信息的时间信息。终端将该时间信息发送至服务器端，服务器端根据该时间信息计算同类历史用户对历史推荐信息的有效性数值进行计算。
S1012、将所述时间信息作为评价所述历史推荐信息的评价参数，计算所述同类历史用户对所述历史推荐信息的有效性数值；
在获取了同类历史用户阅读历史推荐信息的时间信息后，将该历史推荐信息作为评价参数，计算同类历史用户对推荐信息的有效性数值。计算的方式为将换算为有效性数值，换算的方式能够为将阅读时间以1:1的比例换算。但是换算的方式不局限于此，根据具体应用场景的不同，换算的方式能够为通过激活函数将阅读时间转换为一个有界输出，例如，将阅读时间转化为0-1之间的数值，但是阅读时间与有效性数值之间依然保持正比关系。
在一些实施方式中，有效性数值的计算不完全依赖于时间信息，还能够结合大众评价分数，例如，所有历史用户对或者阅读过该信息的用户对该信息作出的点赞数量和平均的评价分数，再结合时间信息对有效性数值进行一个综合的计算。
S1013、将所述有效性数值与预设的第一阈值进行对比，当所述有效性数值大于等于所述第一阈值时，确认所述同类历史用户与所述历史推荐信息相关联；否则，则解除所述同类历史用户与所述历史推荐信息的关联性。
计算得到有效性数值后，将该有效性数值与预设的第一阈值记性比对。第一阈值为设定的用于衡量有效性数值是否达标的衡量数值。例如，当有效性数值界限为0-100，设定第一阈值为50，即有效性大于等于50，则确认同类历史用户与历史推荐信息相关联；否则，则解除同类历史用户与历史推荐信息的关联性。第一阈值的取值不局限于此，第一阈值的取值受限于有效性数值的界限，能够为界限内的任一数值。
确认关联性后，当目标用户与同类历史用户匹配后，同类历史用户以往的推荐信息中保存有该历史推荐信息。否则，同类历史用户以往的推荐信息中则不记录该历史推荐信息。
通过阅读时间的长短，确定推荐信息是否得到用户的关注，将用户不关注的信息从推荐记录中删除，以保证在后续推荐过程中，向其他用户推荐更加精品的信息，提高了推荐信息的质量。
在一些实施方式中，评价参数还包括大众评价分数，结合用户的阅读时间信息和大众评价分数综合的计算有效性数值。请参阅图3，图3为本实施例通过时间信息和大众评价分数计算有效性数值的流程示意图。
如图3所示，S1012还包括：
S1021、将所述时间信息与预设的第一权重相乘得到第一评价值；
为均很时间信息与大众评价分数各自对有效性数值的影响力，分别为时间信息与大众评价分数各自设置权重。其中，时间信息与对应第一权重。时间信息与第一权重的乘积为第一评价值。
S1022、将所述大众评价分数与预设的第二权重值相乘得到第二评价值；
为均很时间信息与大众评价分数各自对有效性数值的影响力，分别为时间信息与大众评价分数各自设置权重。其中，大众评价分数对应的权重为第二权重值。大众评价分数与第二权重值之间的乘积为第二评价值。
S1023、将所述第一评价值与第二评价值相加后得到所述有效性数值。
将第一评价值与第二评价值相加后得到的数值为有效性数值。举例说明，用于对于某个推荐信息的大众评价分数报告点赞数量和整体打分值。则有效性数值的计算特征被描述为：
MAX(Dt*MAX(T)+Dg*MAX(G)+Ds*MAX(S))
D为权重，Dt表示T(阅读时间)的权重，Dg表示G(点赞数量)的权重，Ds表示S(打分)权重。根据上述计算方式，通过放大用户阅读时间的权值，就能够获取到用户对推荐信息的评价值，而收集的点赞和打分的参数，限定用户对于该推送信息的态度起不到绝对的作用。从而平衡了用户的个人喜好与大众之间的喜好之间的差值，能够真实的反映出推荐信息的实际评价值，将其作为有效性数值既能够体现用户的态度，有考虑了大众对于推荐信息的态度，，有效的防止了由于用户个人喜好过分的贬低推荐信息，又能够避免大众的意见左右用户思想的局面。
在一些实施方式中，部分用户特例独行，思想不受大众的约束，对于个人喜好和内心想法极为看重，而有些用户更为偏好获取别人的意见。而本实施例中的推荐方式是通过查找与目标用户具有相同身份和成长经历的用户进行推荐，因此，历史用户与目标用户有很大概率为同一类人，尊重用户的性格，能够是推荐信息更加具有针对性，准确率也会更高，更容易被用户接受。请参阅图4，图4为本实施例通过用户的性格分类信息获取权重的流程示意图。
如图4所示，S1021之前还包括：
S1031、获取所述同类历史用户的性格分类信息；
服务器端在用户注册账户后，通过收集用户的信息对用户的性格进行分类。例如，将收集的用户的身份信息、背景信息和他人评价信息等数据输入到用于对人的性格进行分类的神经网络模型中，获取用户的性格分类信息。但性格获取的方式不局限于，在一些实施方式中，用户的性格分类信息能够由用户自己进行填写并上传的方式进行收集。
S1032、在预设的权重列表中查找与所述性格分类信息具有映射关系的权重数组，其中，所述权重数组中包括所述第一权重与所述第二权重，且不同的权重数组中第一权重与第二权重的比例不同。
获取到用户的性格分类信息后，根据该性格分类信息在预设的权重列表查找与性格分类信息具有映射关系的权重数组。权重数组中包括第一权重与所述第二权重，且不同的权重数组中第一权重与第二权重的比例不同。用户性格越偏向于孤僻或者特立独行，则第一权重的数值越大，第一权重与第二权重的比例也越大，反之，则第一权重的比例越小，第一权重与第二权重的比例也越小。
通过使性格分类信息对应不同的权重比例，更能够尊重用户性格，能够是推荐信息更加具有针对性，准确率也会更高，更容易被用户接受。
在一些实施方式中，在推送信息发送至用户终端后，为更好的提示用户查看推荐信息，需要通过检测用户当前的浏览场景，并根据浏览场景的选择推荐信息的现实策略。请参阅图5，图5为本实施例通过用户浏览场景对应显示推荐信息的流程示意图。
如图5所示，S1300之后，包括：
S1311、获取用户终端接收所述历史推荐信息时显示区域内的显示图像；
服务器端将历史推荐信息发送至用户终端时，终端对截图用户终端当前显示区域内的显示内容，生成显示图像。并将显示图像发送到服务器端。服务器端接受用户终端上传的显示图像。
S1312、将所述显示图像输入到预设的模式识别模型中，识别所述显示图像表征的用户浏览场景，其中，所述模式识别模型为预先训练至收敛的通过图像识别用户浏览模式的神经网络模型；
服务器端在接收了显示图像后，将显示图像输入到预设的模式识别模型中，模式识别模型为训练至收敛的用于根据输入图像判断用户浏览场景的神经网络模型。用户浏览场景为用户当前显示区域内显示的类型。例如，视频显示、文字显示、聊天模式和音乐模式。
模式识别模型能够为已经训练至收敛状态的卷积神经网络模型(CNN)，但是，不局限于此，模式识别模型还能够是：深度神经网络模型(DNN)、循环神经网络模型(RNN)或者上述三种网络模型的变形模型。
S1313、在预设的显示数据库中查找与所述用户浏览场景具有映射关系的显示策略；
当判断得到用户浏览场景的信息后，根据用户浏览场景在显示数据库中查找与用户浏览场景具有映射关系的显示策略。其中，现实策略为：当用户浏览场景为处于视频浏览状态时，显示策略为通过视频弹幕显示历史推荐信息；当用户浏览场景为处于聊天交互状态时，显示策略为向目标用户的即时通讯账号发送历史推荐信息；当用户的浏览场景为文字显示状态时，通过弹窗的方式显示历史推荐信息；当用户的浏览场景为音乐播放模式时，则通过语音提示展示历史推荐信息。
S1314、将所述显示策略发送至所述用户终端，以使所述用户终端根据所述显示策略显示所述历史推荐信息。
将获取的显示策略发送到用户终端，用户终端接收到显示策略后，根据显示策略在终端中选择对应的显示控件对历史推荐信息进行展示。
通过不同的用户浏览场景，选择不同的显示策略，能够使用户更加直接的获取推荐信息的提示信息，用户通过点击提示信息将当前的显示内容切换至历史推荐信息进行浏览。避免所有的提示信息均通过弹窗显示或快捷栏显示，给用户使用造成困扰，也更容易被用户忽略的问题。
为解决上述技术问题，本发明实施例还提供一种信息推送装置。
具体请参阅图6，图6为本实施例信息推送装置基本结构示意图。
如图6所示，一种信息推送装置，包括：获取模块2100、处理模块2200和执行模块2300。其中，获取模块2100用于获取目标用户的身份信息和行为信息；处理模块2200用于以身份信息和行为信息为检索条件在预设的信息数据库中检索同类历史用户；执行模块2300用于获取同类历史用户的历史推荐信息，并将历史推荐信息推送至目标用户的用户终端。
信息推送装置在进行信息推送之前，首先获取目标用户的身份信息和行为信息，然后，根据该身份信息和行为信息中查找与目标用户身份信息和行为信息相同或相近的历史用户，读取该历史用户的历史推送信息，并向目标用户推送该历史推送信息，且该历史推送信息为历史用户阅读后得到一定评价的消息。由于，历史推送信息是由与目标用户具有相同身份和行为的用户进行筛选得到的信息，因此，推送信息对于目标用户的实用价值较大，能够引起用户的阅读欲望，提高了推送信息的阅读率和用户体验。在向用户推荐具有专业知识的信息文档时，具有巨大优势，提升用户的认可度和依赖性。
在一些实施方式中，信息推送装置还包括：第一获取子模块、第一处理子模块和第一执行子模块。其中，第一获取子模块用于获取同类历史用户阅读历史推荐信息的时间信息；第一处理子模块用于将时间信息作为评价历史推荐信息的评价参数，计算同类历史用户对历史推荐信息的有效性数值；第一执行子模块用于将有效性数值与预设的第一阈值进行对比，当有效性数值大于等于第一阈值时，确认同类历史用户与历史推荐信息相关联；否则，则解除同类历史用户与历史推荐信息的关联性。
在一些实施方式中，评价参数还包括大众评价分数，信息推送装置还包括：第一计算子模块、第二计算子模块和第三计算子模块。其中，第一计算子模块用于将时间信息与预设的第一权重相乘得到第一评价值；第二计算子模块用于将大众评价分数与预设的第二权重值相乘得到第二评价值；第三计算子模块用于将第一评价值与第二评价值相加后得到有效性数值。
在一些实施方式中，信息推送装置还包括：第二获取子模块和第二执行子模块。其中，第二获取子模块用于获取同类历史用户的性格分类信息；第二执行子模块用于在预设的权重列表中查找与性格分类信息具有映射关系的权重数组，其中，权重数组中包括第一权重与第二权重，且不同的权重数组中第一权重与第二权重的比例不同。
在一些实施方式中，信息推送装置还包括：第三获取子模块、第二处理子模块、第一查找子模块和第三执行子模块。其中，第三获取子模块用于获取用户终端接收历史推荐信息时显示区域内的显示图像；第二处理子模块用于将显示图像输入到预设的模式识别模型中，识别显示图像表征的用户浏览场景，其中，模式识别模型为预先训练至收敛的通过图像识别用户浏览模式的神经网络模型；第一查找子模块用于在预设的显示数据库中查找与用户浏览场景具有映射关系的显示策略；第三执行子模块用于将显示策略发送至用户终端，以使用户终端根据显示策略显示历史推荐信息。
在一些实施方式中，当用户浏览场景为处于视频浏览状态时，显示策略为通过视频弹幕显示历史推荐信息。
在一些实施方式中，当用户浏览场景为处于聊天交互状态时，显示策略为向目标用户的即时通讯账号发送历史推荐信息。
为解决上述技术问题，本发明实施例还提供计算机设备。具体请参阅图7，图7为本实施例计算机设备基本结构框图。
如图7所示，计算机设备的内部结构示意图。该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中，该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种信息推送方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行一种信息推送方法。该计算机设备的网络接口用于与终端连接通信。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。
本实施方式中处理器用于执行图6中获取模块2100、处理模块2200和执行模块2300的具体功能，存储器存储有执行上述模块所需的程序代码和各类数据。网络接口用于向用户终端或服务器之间的数据传输。本实施方式中的存储器存储有人脸图像关键点检测装置中执行所有子模块所需的程序代码及数据，服务器能够调用服务器的程序代码及数据执行所有子模块的功能。
计算机设备在进行信息推送之前，首先获取目标用户的身份信息和行为信息，然后，根据该身份信息和行为信息中查找与目标用户身份信息和行为信息相同或相近的历史用户，读取该历史用户的历史推送信息，并向目标用户推送该历史推送信息，且该历史推送信息为历史用户阅读后得到一定评价的消息。由于，历史推送信息是由与目标用户具有相同身份和行为的用户进行筛选得到的信息，因此，推送信息对于目标用户的实用价值较大，能够引起用户的阅读欲望，提高了推送信息的阅读率和用户体验。在向用户推荐具有专业知识的信息文档时，具有巨大优势，提升用户的认可度和依赖性。
本发明还提供一种存储有计算机可读指令的存储介质，计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例信息推送方法的步骤。
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，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory，ROM)等非易失性存储介质，或随机存储记忆体(Random Access Memory，RAM)等。
应该理解的是，虽然附图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，其可以以其他的顺序执行。而且，附图的流程图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，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他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。
Claims (10)
1.一种信息推送方法，其特征在于，包括：
获取目标用户的身份信息和行为信息；
以所述身份信息和所述行为信息为检索条件在预设的信息数据库中检索同类历史用户；
获取所述同类历史用户的历史推荐信息，并将所述历史推荐信息推送至所述目标用户的用户终端。
2.根据权利要求1所述的信息推送方法，其特征在于，所述获取目标用户的身份信息和行为信息之前，还包括：
获取所述同类历史用户阅读所述历史推荐信息的时间信息；
将所述时间信息作为评价所述历史推荐信息的评价参数，计算所述同类历史用户对所述历史推荐信息的有效性数值；
将所述有效性数值与预设的第一阈值进行对比，当所述有效性数值大于等于所述第一阈值时，确认所述同类历史用户与所述历史推荐信息相关联；否则，则解除所述同类历史用户与所述历史推荐信息的关联性。
3.根据权利要求2所述的信息推送方法，其特征在于，所述评价参数还包括大众评价分数，所述将所述时间信息作为评价所述历史推荐信息的评价参数，计算所述同类历史用户对所述历史推荐信息的有效性数值包括：
将所述时间信息与预设的第一权重相乘得到第一评价值；
将所述大众评价分数与预设的第二权重值相乘得到第二评价值；
将所述第一评价值与第二评价值相加后得到所述有效性数值。
4.根据权利要求3所述的信息推送方法，其特征在于，所述将所述时间信息与预设的第一权重相乘得到第一评价值之前，还包括：
获取所述同类历史用户的性格分类信息；
在预设的权重列表中查找与所述性格分类信息具有映射关系的权重数组，其中，所述权重数组中包括所述第一权重与所述第二权重，且不同的权重数组中第一权重与第二权重的比例不同。
5.根据权利要求1所述的信息推送方法，其特征在于，所述获取所述同类历史用户的历史推荐信息，并将所述历史推荐信息推送至所述目标用户的用户终端之后，还包括：
获取用户终端接收所述历史推荐信息时显示区域内的显示图像；
将所述显示图像输入到预设的模式识别模型中，识别所述显示图像表征的用户浏览场景，其中，所述模式识别模型为预先训练至收敛的通过图像识别用户浏览模式的神经网络模型；
在预设的显示数据库中查找与所述用户浏览场景具有映射关系的显示策略；
将所述显示策略发送至所述用户终端，以使所述用户终端根据所述显示策略显示所述历史推荐信息。
6.根据权利要求5所述的信息推送方法，其特征在于，当所述用户浏览场景为处于视频浏览状态时，所述显示策略为通过视频弹幕显示所述历史推荐信息。
7.根据权利要求5所述的信息推送方法，其特征在于，当所述用户浏览场景为处于聊天交互状态时，所述显示策略为向所述目标用户的即时通讯账号发送所述历史推荐信息。
8.一种信息推送装置，其特征在于，包括：
获取模块，用于获取目标用户的身份信息和行为信息；
处理模块，用于以所述身份信息和所述行为信息为检索条件在预设的信息数据库中检索同类历史用户；
执行模块，用于获取所述同类历史用户的历史推荐信息，并将所述历史推荐信息推送至所述目标用户的用户终端。
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项权利要求所述信息推送方法的步骤。
10.一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述信息推送方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811526510.7A CN109657140A (zh) | 2018-12-13 | 2018-12-13 | 信息推送方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811526510.7A CN109657140A (zh) | 2018-12-13 | 2018-12-13 | 信息推送方法、装置、计算机设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109657140A true CN109657140A (zh) | 2019-04-19 |
Family
ID=66113153
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201811526510.7A Pending CN109657140A (zh) | 2018-12-13 | 2018-12-13 | 信息推送方法、装置、计算机设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109657140A (zh) |
Cited By (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110113673A (zh) * | 2019-04-30 | 2019-08-09 | 北京奇艺世纪科技有限公司 | 一种弹幕显示方法、装置及电子设备 |
| CN110134870A (zh) * | 2019-05-21 | 2019-08-16 | 重庆忽米网络科技有限公司 | 一种基于大数据的推送方法及系统 |
| CN110246002A (zh) * | 2019-04-25 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 理财推荐信息的推送方法、装置及计算机设备 |
| CN110297969A (zh) * | 2019-05-24 | 2019-10-01 | 平安银行股份有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
| CN110442618A (zh) * | 2019-07-25 | 2019-11-12 | 昆明理工大学 | 融合专家信息关联关系的卷积神经网络评审专家推荐方法 |
| CN110569432A (zh) * | 2019-08-14 | 2019-12-13 | 中国平安人寿保险股份有限公司 | 商品序列计算方法、装置、计算机设备及存储介质 |
| CN110727868A (zh) * | 2019-10-12 | 2020-01-24 | 腾讯音乐娱乐科技（深圳）有限公司 | 对象推荐方法、装置和计算机可读存储介质 |
| CN110855483A (zh) * | 2019-11-05 | 2020-02-28 | 杭州安恒信息技术股份有限公司 | 一种运维命令管理方法、系统及电子设备 |
| CN111460293A (zh) * | 2020-03-30 | 2020-07-28 | 招商局金融科技有限公司 | 信息推送方法、装置及计算机可读存储介质 |
| CN111859102A (zh) * | 2020-02-17 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种提示信息确定方法、系统、介质及存储介质 |
| CN116662671A (zh) * | 2023-07-24 | 2023-08-29 | 中国标准化研究院 | 一种基于用户偏好的数字图书馆数据推送方法 |
| CN117789515A (zh) * | 2023-12-26 | 2024-03-29 | 东莞云媒智能科技有限公司 | 定位停车系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103716338A (zh) * | 2012-09-28 | 2014-04-09 | 腾讯科技（深圳）有限公司 | 一种信息推送方法和装置 |
| CN104111938A (zh) * | 2013-04-18 | 2014-10-22 | 腾讯科技（深圳）有限公司 | 一种信息推荐的方法及装置 |
| CN104239450A (zh) * | 2014-09-01 | 2014-12-24 | 百度在线网络技术（北京）有限公司 | 搜索推荐方法和装置 |
| CN106997358A (zh) * | 2016-01-22 | 2017-08-01 | 中移（杭州）信息技术有限公司 | 信息推荐方法及装置 |
| CN107784066A (zh) * | 2017-08-25 | 2018-03-09 | 上海壹账通金融科技有限公司 | 信息推荐方法、装置、服务器及存储介质 |
-
2018
- 2018-12-13 CN CN201811526510.7A patent/CN109657140A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103716338A (zh) * | 2012-09-28 | 2014-04-09 | 腾讯科技（深圳）有限公司 | 一种信息推送方法和装置 |
| CN104111938A (zh) * | 2013-04-18 | 2014-10-22 | 腾讯科技（深圳）有限公司 | 一种信息推荐的方法及装置 |
| CN104239450A (zh) * | 2014-09-01 | 2014-12-24 | 百度在线网络技术（北京）有限公司 | 搜索推荐方法和装置 |
| CN106997358A (zh) * | 2016-01-22 | 2017-08-01 | 中移（杭州）信息技术有限公司 | 信息推荐方法及装置 |
| CN107784066A (zh) * | 2017-08-25 | 2018-03-09 | 上海壹账通金融科技有限公司 | 信息推荐方法、装置、服务器及存储介质 |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110246002A (zh) * | 2019-04-25 | 2019-09-17 | 深圳壹账通智能科技有限公司 | 理财推荐信息的推送方法、装置及计算机设备 |
| CN110113673A (zh) * | 2019-04-30 | 2019-08-09 | 北京奇艺世纪科技有限公司 | 一种弹幕显示方法、装置及电子设备 |
| CN110134870A (zh) * | 2019-05-21 | 2019-08-16 | 重庆忽米网络科技有限公司 | 一种基于大数据的推送方法及系统 |
| CN110297969A (zh) * | 2019-05-24 | 2019-10-01 | 平安银行股份有限公司 | 信息推送方法、装置、计算机设备及存储介质 |
| CN110442618A (zh) * | 2019-07-25 | 2019-11-12 | 昆明理工大学 | 融合专家信息关联关系的卷积神经网络评审专家推荐方法 |
| CN110442618B (zh) * | 2019-07-25 | 2023-04-18 | 昆明理工大学 | 融合专家信息关联关系的卷积神经网络评审专家推荐方法 |
| CN110569432B (zh) * | 2019-08-14 | 2023-11-03 | 中国平安人寿保险股份有限公司 | 商品序列计算方法、装置、计算机设备及存储介质 |
| CN110569432A (zh) * | 2019-08-14 | 2019-12-13 | 中国平安人寿保险股份有限公司 | 商品序列计算方法、装置、计算机设备及存储介质 |
| CN110727868A (zh) * | 2019-10-12 | 2020-01-24 | 腾讯音乐娱乐科技（深圳）有限公司 | 对象推荐方法、装置和计算机可读存储介质 |
| CN110727868B (zh) * | 2019-10-12 | 2022-07-15 | 腾讯音乐娱乐科技（深圳）有限公司 | 对象推荐方法、装置和计算机可读存储介质 |
| CN110855483A (zh) * | 2019-11-05 | 2020-02-28 | 杭州安恒信息技术股份有限公司 | 一种运维命令管理方法、系统及电子设备 |
| CN111859102A (zh) * | 2020-02-17 | 2020-10-30 | 北京嘀嘀无限科技发展有限公司 | 一种提示信息确定方法、系统、介质及存储介质 |
| CN111460293A (zh) * | 2020-03-30 | 2020-07-28 | 招商局金融科技有限公司 | 信息推送方法、装置及计算机可读存储介质 |
| CN116662671B (zh) * | 2023-07-24 | 2023-10-27 | 中国标准化研究院 | 一种基于用户偏好的数字图书馆数据推送方法 |
| CN116662671A (zh) * | 2023-07-24 | 2023-08-29 | 中国标准化研究院 | 一种基于用户偏好的数字图书馆数据推送方法 |
| CN117789515A (zh) * | 2023-12-26 | 2024-03-29 | 东莞云媒智能科技有限公司 | 定位停车系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109657140A (zh) | 信息推送方法、装置、计算机设备及存储介质 | |
| US8666979B2 (en) | Recommending interesting content using messages containing URLs | |
| CN103886090B (zh) | 基于用户喜好的内容推荐方法及装置 | |
| US7505956B2 (en) | Method for classification | |
| US20110275047A1 (en) | Seeking Answers to Questions | |
| CN111680254B (zh) | 一种内容推荐方法及装置 | |
| CN107241622A (zh) | 视频定位处理方法、终端设备及云端服务器 | |
| CN105187237B (zh) | 查找相关联的用户标识的方法和装置 | |
| US20040068552A1 (en) | Methods and apparatus for personalized content presentation | |
| US20140324982A1 (en) | Topic identifiers associated with group chats | |
| US20090216741A1 (en) | Prioritizing media assets for publication | |
| US10671665B2 (en) | Personalized audio introduction and summary of result sets for users | |
| CN111125528B (zh) | 信息推荐方法及装置 | |
| KR20160055930A (ko) | 연속적인 소셜 커뮤니케이션에 사용되는 콘텐츠를 능동적으로 구성하기 위한 시스템 및 방법 | |
| CN106202394A (zh) | 文本资讯的推荐方法及系统 | |
| KR20160020429A (ko) | 맥락적 모바일 애플리케이션 광고 기법 | |
| CN111143684B (zh) | 基于人工智能的泛化模型的训练方法及装置 | |
| US12001971B2 (en) | Method and system for exploring a personal interest space | |
| CN112559879B (zh) | 兴趣模型训练方法、兴趣点推荐方法、装置和设备 | |
| CN102165441A (zh) | 用于分级媒体共享频道的方法、系统以及设备 | |
| CN110297969A (zh) | 信息推送方法、装置、计算机设备及存储介质 | |
| CN104423621A (zh) | 拼音字符串处理方法和装置 | |
| CN110413894A (zh) | 内容推荐模型的训练方法、内容推荐的方法及相关装置 | |
| KR20180133593A (ko) | 중개 방법 및 장치 | |
| JP2007094560A (ja) | サービス提供方法、サービス提供システム、サービス提供装置、サービス提供端末及びサービス提供プログラム |
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 | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20190419 |