CN110347929B - 一种基于用户需求特征的智能推送方法及推送系统 - Google Patents
一种基于用户需求特征的智能推送方法及推送系统 Download PDFInfo
- Publication number
- CN110347929B CN110347929B CN201910644355.7A CN201910644355A CN110347929B CN 110347929 B CN110347929 B CN 110347929B CN 201910644355 A CN201910644355 A CN 201910644355A CN 110347929 B CN110347929 B CN 110347929B
- Authority
- CN
- China
- Prior art keywords
- file
- user
- push
- files
- database
- 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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供一种基于用户需求特征的智能推送方法包括:确定每次推送的用户数目N;将同一类用户组中的用户进行排序,选择其中N个用户作为推送对象;建立用户需求特征数据库和用户组需求特征数据,从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的文件,组成第一文件集F1;从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的关键词,组成关键词集K2,将所述关键词集K2中的每一关键词对应的文件组成第二文件集F2;将确定性推送文件和不确定性推送文件向所述推送对象推送。
Description
技术领域
本发明涉及人工智能和信息技术领域,特别涉及一种基于用户需求特征的智能推送方法及推送系统。
背景技术
随着信息数量的增加,尤其是网络上可提供的信息的剧增,人们对于智能推送技术也越来越重视。目前,对于智能推送的研究主要集中在对智能推送系统的功能和模式等方面的描述,以及如何实现智能推送系统。
智能推送的功能:从功能上说,智能推送方式主要可以分为信息的定制推送和智能推送两类。
(1)信息的定制推送
对于定制推送,用户只要在初次使用时设定好所需信息频道,以后不必进行其他信息检索操作,就能不断获得更新的信息。它可以根据用户需求,自动搜寻信息,并经过筛选、分类、排序,按照每个用户的特定要求,将信息传递到用户面前。
(2)信息的智能推送
信息的智能推送是指服务者能够实现对不同用户所要求或想要信息的按需推送,不要求用户掌握复杂的信息检索技术,甚至不要求用户明确提出信息需求,不但能够准确有效的满足用户的个性化信息需要,还大大减少了用户查询信息过程中的体力和脑力支出。
智能推送的模式:从数据库系统的推送实现技术模式上说,智能推送主要有操作式和触发式。
(一)操作式推送模式
操作式推送(客户端推送模式)由引起资料变化的客户启动推送过程,当客户发生引起资料变化的操作后,推送过程随后执行。
(二)触发式推送模式
触发式推送(服务器端推送模式)过程与引起资料变化的客户端没有直接的关系,其直接作用者是数据库中的触发器,触发的条件是数据库中的表或字段发生插入,删除或更新等操作,也就是当资料发生更新时(可在更新前也可在更新后),触发器启动推送过程。
然而,现有技术中的智能推送难以适应多变的网络环境,面多庞大的网络用户数据,导致服务器处理过程瘫痪,若简单的减少用户数据,又难以做到准确的信息推送。
现有技术中的智能推送过程不区分用户的确定性需求和不确定性需求,数据推送难以准确把握用户的偏好,而且现有技术中的智能推送,自适应性较差,不利于多源信息人工智能管理。
因此,针对现有技术中的上述问题,需要一种于用户需求特征的智能推送方法及推送系统。
发明内容
本发明的一个方面在于提供一种基于用户需求特征的智能推送方法,所述方法包括:
根据网络分配的带宽,确定每次推送的用户数目N;
将同一类用户组中的用户进行排序,选择其中N个用户作为推送对象;
建立用户需求特征数据库和用户组需求特征数据,当收到某一用户收发文件的请求时,则更新该用户的需求特征数据库,以及更新该用户所在用户组需求特征数据库;
从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的文件,组成第一文件集F1;
从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的关键词,组成关键词集K2,将所述关键词集K2中的每一关键词对应的文件组成第二文件集F2;
从所述第一文件集F1选择文件作为确定性推送文件,从所述第二文件集F2中选择文件作为不确定性推送文件;
将所述确定性推送文件和不确定性推送文件向所述推送对象推送。
优选地,当某一类用户开始推送时,选择N个用户作为推送对象,并标记最后第N+1个用户;
当该类用户第二次推送时,从第N+1个用户开始,选择N个用户作为推送对象;
重复上述推送对象的选择过程。
优选地,当某一类用户开始推送时,随机选择N个用户作为推送对象;
重复上述推送对象的选择过程。
优选地,用户的需求特征数据库通过如下方法更新:
当收到某一用户收发文件的请求时,则
在该用户的需求特征库中记录文件编号、文件收发次数和文件收发时间;
在该用户的需求特征库中记录关键词编号、关键词收发次数和关键词收发时间。
优选地,用户所在用户组需求特征数据库通过如下方法更新:
当收到某一用户收发文件的请求时,则
在该用户所在用户组的需求特征库中记录文件编号、文件收发次数和文件收发时间;
在该用户所在用户组的需求特征库中记录关键词编号、关键词收发次数和关键词收发时间。
优选地,删除用户需求数据库中最早记录的文件收发时间和关键词收发时间;
删除用户所在用户组数据库中最早记录的文件收发时间和关键词收发时间。
优选地,根据网络分配的带宽,从所述第一文件集F1中选择推送文件的最大数目n,设置收发次数的第一差异值,并将n个文件进行排序;
当第一文件集F1中相邻两个文件q1m和q1m+1的收发次数满足如下关系:
freq1m-freq1m+1>FileDif,则舍弃第m+1个文件以及其后的所有文件,保留第m个文件以及其之前的所有文件作为确定性推送文件;
其中,n>m,freq1m为第m个文件的收发次数,freq1m+1为第m+1个文件的收发次数,FileDif为第一差异值。
优选地,根据网络分配的带宽,从所述第二文件集F2中选择推送文件的最大数目x,设置收发次数的第二差异值,并将x个文件进行排序;
当第二文件集F2中相邻两个文件q1y和q1y+1的收发次数满足如下关系:
freq1y-freq1y+1>KeyDif,则舍弃第y+1个文件以及其后的所有文件,保留第m个文件以及其之前的所有文件作为确定性推送文件;
其中,x>y,freq1y为第y个文件的收发次数,freq1y+1为第y+1个文件的收发次数,KeyDif为第二差异值。
本发明的另一个方面在于提供一种基于用户需求特征的智能推送系统,所述系统包括:
推送对象选择模块:根据据网络分配的带宽,确定每次推送的用户数目N;
将同一类用户组中的用户进行排序,选择其中N个用户作为推送对象;
用户需求特征数据库和用户组需求特征数据库:用于存储用户需求特征数据并进行更新,以及存储用户组需求特征数据并进行更新;
推送文件选择模块:用于从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的文件,组成第一文件集F1;
从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的关键词,组成关键词集K2,将所述关键词集K2中的每一关键词对应的文件组成第二文件集F2;
从所述第一文件集F1选择文件作为确定性推送文件,从所述第二文件集F2中选择文件作为不确定性推送文件;
推送模块:用于将所述确定性推送文件和不确定性推送文件向所述推送对象推送。
本发明的再一个方面在于提供一种服务器,所述服务器包括:
存储器,用于存储并更新用户需求特征数据库和用户组需求特征数据库,以及用于存储多个程序指令;
处理器,用于执行基于用户需求特征的智能推送方法,包括:
根据网络分配的带宽,确定每次推送的用户数目N;
将同一类用户组中的用户进行排序,选择其中N个用户作为推送对象;
建立用户需求特征数据库和用户组需求特征数据,当收到某一用户收发文件的请求时,则更新该用户的需求特征数据库,以及更新该用户所在用户组需求特征数据库;
从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的文件,组成第一文件集F1;
从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的关键词,组成关键词集K2,将所述关键词集K2中的每一关键词对应的文件组成第二文件集F2;
从所述第一文件集F1选择文件作为确定性推送文件,从所述第二文件集F2中选择文件作为不确定性推送文件;
将所述确定性推送文件和不确定性推送文件向所述推送对象推送。
本发明提供的一种基于用户需求特征的智能推送方法及推送系统,在减少用户数目的同时,能够有效选择推送对象,使信息推送做到准确的信息推动,适应多变的网络环境,减少服务器的数据处理量。
本发明提供的一种基于用户需求特征的智能推送方法及推送系统,区分用户的确定性需求和不确定性需求,准确把握用户的偏好,有利于发布中心推送最新近、最热门的数据给相关用户,而且能够提高数据推送智能性和自适应性,实现多源信息人工智能管理。
应当理解,前述大体的描述和后续详尽的描述均为示例性说明和解释,并不应当用作对本发明所要求保护内容的限制。
附图说明
参考随附的附图,本发明更多的目的、功能和优点将通过本发明实施方式的如下描述得以阐明,其中:
图1示意性示出了本发明一种基于用户需求特征的智能推送系统的结构框图。
图2示出了本发明一种基于用户需求特征的智能推送方法的流程框图。
图3示出了本发明的一个实施例中选择推送对象的示意图。
图4示出了本发明的一个实施例中更新数据库的示意图图。
图5示出了本发明的一个实施例中选择推送文件的示意图。
具体实施方式
通过参考示范性实施例,本发明的目的和功能以及用于实现这些目的和功能的方法将得以阐明。然而,本发明并不受限于以下所公开的示范性实施例;可以通过不同形式来对其加以实现。说明书的实质仅仅是帮助相关领域技术人员综合理解本发明的具体细节。
在下文中,将参考附图描述本发明的实施例。在附图中,相同的附图标记代表相同或类似的部件,或者相同或类似的步骤。
下面通过具体的实施例对本发明的内容给出详细的说明,本发明提供的一种基于用户需求特征的智能推送方法及推送系统在服务器运行,根据用户端的界面操作,收发用户触发的信息,在服务群众对信息进行处理。
首先对本发明提供的一种基于用户需求特征的智能推送系统给出具体的实施例,如图1所示本发明一种基于用户需求特征的智能推送系统的结构框图,根据本发明的实施例,一种基于用户需求特征的智能推送系统包括:
推送对象选择模块101,用于选择推送对象。具体地,根据据网络分配的带宽,确定每次推送的用户数目N。
将同一类用户组中的用户进行排序,选择其中N个用户作为推送对象。
用户需求特征数据库和用户组需求特征数据库,包括用户需求特征数据库102和用户组需求特征数据库103。用户需求特征数据库102,用于存储用户需求特征数据并进行更新,用户组需求特征数据库103,用于存储用户组需求特征数据并进行更新。
推送文件选择模块104,用于从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的文件,组成第一文件集F1;
从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的关键词,组成关键词集K2,将所述关键词集K2中的每一关键词对应的文件组成第二文件集F2;
从所述第一文件集F1选择文件作为确定性推送文件,从所述第二文件集F2中选择文件作为不确定性推送文件。
推送模块105,用于将所述确定性推送文件和不确定性推送文件向所述推送对象推送。
下面对上述实施例中智能推送系统执行一种基于用户需求特征的智能推送方法进行说明,如图2所示本发明一种基于用户需求特征的智能推送方法的流程框图,一种基于用户需求特征的智能推送方法包括推送对象选择、数据库更新和推送文件选择。
步骤S101、推送对象选择。
根据本发明的实施例,首先进行推送对象选择,由于网络中用户数量十分巨大,而网络为推送信息分配的带宽有限,本发明的实施例中根据根据网络分配的带宽,确定每次推送的用户数目N。
将同一类用户组中的用户进行排序,选择其中N个用户作为推送对象。不同类的用户组是指根据用户的类型进行分类,例如可以是女性用户,男性用户,儿童用户,老年人用户等,应当理解并不限于此,还可以是其他根据特定特征进行的用户分类。
将同一类用户组中的用户进行排序,例如对每一个用户进行编号,按照编号从小到大进行排序:用户1、用户2、…、用户N、用户N+1、……,排序后选取其中的N个用于作为数据推送的对象。
图3示出了本发明的一个实施例中选择推送对象的示意图,本实施例中采用顺序选择的方式选择推送对象,包括:
S201、当某一类用户开始推送时,选择N个编号连续的用户作为推送对象,并标记最后第N+1个用户。
例如开始向某一类用户推送时,由编号从小到大进行排序的用户中选择N个编号连续的用户作为推送对象,即从用户1、用户2、…、用户N、用户N+1、……中选择用户1、用户2、…、用户N,并将用户N+1进行标记。选择的用户1、用户2、…、用户N作为推送对象,向其推送数据。
S202、当该类用户第二次推送时,从第N+1个用户开始,选择N个用户作为推送对象。
例如开始向该类用户第二推送时,编号从小到大进行排序的用户中,由用户N+1开始选择N个编号连续的用户作为推送对象,即从用户1、用户2、…、用户N、用户N+1、……中选择用户N+1、用户N+2、……、用户2N,并将用户2N+1进行标记。选择的用户N+1、用户N+2、……、用户2N作为推送对象,向其推送数据。
S203、重复上述步骤S201和S202推送对象的选择过程。
在另一些实施例中,可以通过随机的方式进行推送对象的选择,具体地:
S301、当某一类用户开始推送时,随机选择N个用户作为推送对象。
S302、重复上述步骤S301推送对象的选择过程。
步骤S102、数据库更新
本发明建立用户需求特征数据库和用户组特征需求数据库,根据本发明的实施例,数据库通过文件数据和关键词数据来区分确定性需求和不确定性需求。当收到某一用户收发文件的请求时,则更新该用户的需求特征数据库,以及更新该用户所在用户组需求特征数据库。
对于用户需求特征数据库,其存储用户收发文件的文件编号,其反应用户的确定性需求。其存储用户收发文件的关键词,其反应用户的不确定性需求。
对于用户组需求特征数据库,其存储用户组中所有用户的收发文件的文件编号,其反应用户的确定性需求。其存储用户组中所有用户的收发文件的关键词,其反应用户的不确定性需求。
根据本发明的实施例,对数据库进行实时更新,图4示出了本发明的一个实施例中更新数据库的示意图,数据库更新过程包括:
S401、用户的需求特征数据库通过如下方法更新:
当收到某一用户收发文件的请求时,则
在该用户的需求特征库中记录文件编号、文件收发次数和文件收发时间。
在该用户的需求特征库中记录关键词编号、关键词收发次数和关键词收发时间。
S402、用户所在用户组需求特征数据库通过如下方法更新:
当收到某一用户收发文件的请求时,则
在该用户所在用户组的需求特征库中记录文件编号、文件收发次数和文件收发时间。
在该用户所在用户组的需求特征库中记录关键词编号、关键词收发次数和关键词收发时间。
S403、数据库中记录条数过多时,避免数据库存储压力,及时对数据库中的记录条数进行清理,为了避免清理掉有效需求的记录数据,按照如下方式进行记录删除:
删除用户需求数据库中最早记录的文件收发时间和关键词收发时间。
删除用户所在用户组数据库中最早记录的文件收发时间和关键词收发时间。
步骤S103、推送文件选择。
图5示出了本发明的一个实施例中选择推送文件的示意图,根据本发明的实施例,推送文件的选择包括:
S501、从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的文件,组成第一文件集F1。
S502、从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的关键词,组成关键词集K2,将关键词集K2中的每一关键词对应的文件组成第二文件集F2。
S503、从第一文件集F1选择文件作为确定性推送文件,从第二文件集F2中选择文件作为不确定性推送文件。
S504、将确定性推送文件和不确定性推送文件向推送对象推送。
根据本发明的一个实施例,根据网络分配的带宽,从第一文件集F1中选择推送文件的最大数目n,设置收发次数的第一差异值,并将n个文件进行排序;
当第一文件集F1中相邻两个文件q1m和q1m+1的收发次数满足如下关系:
freq1m-freq1m+1>FileDif,则舍弃第m+1个文件以及其后的所有文件,保留第m个文件以及其之前的所有文件作为确定性推送文件。
其中,n>m,freq1m为第m个文件的收发次数,freq1m+1为第m+1个文件的收发次数,FileDif为第一差异值。
根据本发明的另一个实施例,根据网络分配的带宽,从第二文件集F2中选择推送文件的最大数目x,设置收发次数的第二差异值,并将x个文件进行排序;
当第二文件集F2中相邻两个文件q1y和q1y+1的收发次数满足如下关系:
freq1y-freq1y+1>KeyDif,则舍弃第y+1个文件以及其后的所有文件,保留第m个文件以及其之前的所有文件作为确定性推送文件。
其中,x>y,freq1y为第y个文件的收发次数,freq1y+1为第y+1个文件的收发次数,KeyDif为第二差异值。
确定性推送文件构成合集Fdef,不确定性推送文件构成合集Fundef,对于合集Fdef和合集Fundef中的每一个文件从用户需求特征数据库和用户组特征需求数据库中查询,如果已经推送过,并且推送时间晚于该文件的更新时间,则不再推送,否则进行推送。
如果推送文件已经达到推送数目,则停止。
根据本发明,本实施例的一种服务器包括:
存储器,用于存储并更新用户需求特征数据库和用户组需求特征数据库,以及用于存储多个程序指令。
处理器,用于执行基于用户需求特征的智能推送方法,包括:
根据网络分配的带宽,确定每次推送的用户数目N;
将同一类用户组中的用户进行排序,选择其中N个用户作为推送对象;
建立用户需求特征数据库和用户组需求特征数据,当收到某一用户收发文件的请求时,则更新该用户的需求特征数据库,以及更新该用户所在用户组需求特征数据库;
从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的文件,组成第一文件集F1;
从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的关键词,组成关键词集K2,将所述关键词集K2中的每一关键词对应的文件组成第二文件集F2;
从所述第一文件集F1选择文件作为确定性推送文件,从所述第二文件集F2中选择文件作为不确定性推送文件;
将所述确定性推送文件和不确定性推送文件先所述推送对象推送。
处理器执行执行基于用户需求特征的智能推送方法的指令在上文中已经给出详细的阐释,这里将不再赘述。
本发明提供的一种基于用户需求特征的智能推送方法及推送系统,在减少用户数目的同时,能够有效选择推送对象,使信息推送做到准确的信息推动,适应多变的网络环境,减少服务器的数据处理量。
本发明提供的一种基于用户需求特征的智能推送方法及推送系统,区分用户的确定性需求和不确定性需求,准确把握用户的偏好,有利于发布中心推送最新近、最热门的数据给相关用户,而且能够提高数据推送智能性和自适应性,实现多源信息人工智能管理。
结合这里披露的本发明的说明和实践,本发明的其他实施例对于本领域技术人员都是易于想到和理解的。说明和实施例仅被认为是示例性的,本发明的真正范围和主旨均由权利要求所限定。
Claims (10)
1.一种基于用户需求特征的智能推送方法,其特征在于,所述方法包括:
根据网络分配的带宽,确定每次推送的用户数目N;
将同一类用户组中的用户进行排序,选择其中N个用户作为推送对象;
建立用户需求特征数据库和用户组需求特征数据,当收到某一用户收发文件的请求时,则更新该用户的需求特征数据库,以及更新该用户所在用户组需求特征数据库;
从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的文件,组成第一文件集F1;
从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的关键词,组成关键词集K2,将所述关键词集K2中的每一关键词对应的文件组成第二文件集F2;
从所述第一文件集F1选择文件作为确定性推送文件,从所述第二文件集F2中选择文件作为不确定性推送文件;
将所述确定性推送文件和不确定性推送文件向所述推送对象推送。
2.根据权利要求1所述的智能推送方法,其特征在于,当某一类用户开始推送时,选择N个用户作为推送对象,并标记最后第N+1个用户;
当该类用户第二次推送时,从第N+1个用户开始,选择N个用户作为推送对象;
重复上述推送对象的选择过程。
3.根据权利要求1中所述的智能推送方法,其特征在于,当某一类用户开始推送时,随机选择N个用户作为推送对象;
重复上述推送对象的选择过程。
4.根据权利要求1所述的智能推送方法,其特征在于,用户的需求特征数据库通过如下方法更新:
当收到某一用户收发文件的请求时,则
在该用户的需求特征库中记录文件编号、文件收发次数和文件收发时间;
在该用户的需求特征库中记录关键词编号、关键词收发次数和关键词收发时间。
5.根据权利要求1所述的智能推送方法,其特征在于,用户所在用户组需求特征数据库通过如下方法更新:
当收到某一用户收发文件的请求时,则
在该用户所在用户组的需求特征库中记录文件编号、文件收发次数和文件收发时间;
在该用户所在用户组的需求特征库中记录关键词编号、关键词收发次数和关键词收发时间。
6.根据权利要求4或5所述的智能推送方法,其特征在于,删除用户需求数据库中最早记录的文件收发时间和关键词收发时间;
删除用户所在用户组数据库中最早记录的文件收发时间和关键词收发时间。
7.根据权利要求1所述的智能推送方法,其特征在于,根据网络分配的带宽,从所述第一文件集F1中选择推送文件的最大数目n,设置收发次数的第一差异值,并将n个文件进行排序;
当第一文件集F1中相邻两个文件q1m和q1m+1的收发次数满足如下关系:
freq1m-freq1m+1>FileDif,则舍弃第m+1个文件以及其后的所有文件,保留第m个文件以及其之前的所有文件作为确定性推送文件;
其中,n>m,freq1m为第m个文件的收发次数,freq1m+1为第m+1个文件的收发次数,FileDif为第一差异值。
8.根据权利要求1所述的智能推送方法,其特征在于,根据网络分配的带宽,从所述第二文件集F2中选择推送文件的最大数目x,设置收发次数的第二差异值,并将x个文件进行排序;
当第二文件集F2中相邻两个文件q1y和q1y+1的收发次数满足如下关系:
freq1y-freq1y+1>KeyDif,则舍弃第y+1个文件以及其后的所有文件,保留第y 个文件以及其之前的所有文件作为确定性推送文件;
其中,x>y,freq1y为第y个文件的收发次数,freq1y+1为第y+1个文件的收发次数,KeyDif为第二差异值。
9.一种基于用户需求特征的智能推送系统,其特征在于,所述系统包括:
推送对象选择模块:根据网络分配的带宽,确定每次推送的用户数目N;
将同一类用户组中的用户进行排序,选择其中N个用户作为推送对象;
用户需求特征数据库和用户组需求特征数据库:用于存储用户需求特征数据并进行更新,以及存储用户组需求特征数据并进行更新;
推送文件选择模块:用于从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的文件,组成第一文件集F1;
从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的关键词,组成关键词集K2,将所述关键词集K2中的每一关键词对应的文件组成第二文件集F2;
从所述第一文件集F1选择文件作为确定性推送文件,从所述第二文件集F2中选择文件作为不确定性推送文件;
推送模块:用于将所述确定性推送文件和不确定性推送文件向所述推送对象推送。
10.一种服务器,其特征在于,所述服务器包括:
存储器,用于存储并更新用户需求特征数据库和用户组需求特征数据库,以及用于存储多个程序指令;
处理器,用于执行基于用户需求特征的智能推送方法,包括:
根据网络分配的带宽,确定每次推送的用户数目N;
将同一类用户组中的用户进行排序,选择其中N个用户作为推送对象;
建立用户需求特征数据库和用户组需求特征数据,当收到某一用户收发文件的请求时,则更新该用户的需求特征数据库,以及更新该用户所在用户组需求特征数据库;
从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的文件,组成第一文件集F1;
从用户需求特征数据库和用户组需求特征数据库中,选择推送多次的关键词,组成关键词集K2,将所述关键词集K2中的每一关键词对应的文件组成第二文件集F2;
从所述第一文件集F1选择文件作为确定性推送文件,从所述第二文件集F2中选择文件作为不确定性推送文件;
将所述确定性推送文件和不确定性推送文件向所述推送对象推送。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910644355.7A CN110347929B (zh) | 2019-07-17 | 2019-07-17 | 一种基于用户需求特征的智能推送方法及推送系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910644355.7A CN110347929B (zh) | 2019-07-17 | 2019-07-17 | 一种基于用户需求特征的智能推送方法及推送系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110347929A CN110347929A (zh) | 2019-10-18 |
CN110347929B true CN110347929B (zh) | 2023-03-03 |
Family
ID=68175565
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910644355.7A Active CN110347929B (zh) | 2019-07-17 | 2019-07-17 | 一种基于用户需求特征的智能推送方法及推送系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110347929B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112950326A (zh) * | 2021-03-17 | 2021-06-11 | 南通大学 | 一种支持深度学习工作原理的人工智能数据分析系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101968802A (zh) * | 2010-09-30 | 2011-02-09 | 百度在线网络技术(北京)有限公司 | 一种基于用户浏览行为进行互联网内容推荐的方法与设备 |
CN102882940A (zh) * | 2012-09-12 | 2013-01-16 | 鲁赤兵 | 一种互联网领域的信息系统中用户之间的浏览托管方法 |
CN103235777A (zh) * | 2012-12-28 | 2013-08-07 | 国家计算机网络与信息安全管理中心 | 一种用户需求导向的互联网舆情获取方法 |
CN103500235A (zh) * | 2013-10-25 | 2014-01-08 | 乐视网信息技术(北京)股份有限公司 | 一种多媒体文件推荐方法及装置 |
CN105023165A (zh) * | 2014-04-17 | 2015-11-04 | 腾讯科技(深圳)有限公司 | 社交网络平台中投放任务的控制方法、装置及系统 |
CN105989004A (zh) * | 2015-01-27 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种信息投放的预处理方法和装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20070061735A1 (en) * | 1995-06-06 | 2007-03-15 | Hoffberg Steven M | Ergonomic man-machine interface incorporating adaptive pattern recognition based control system |
CN103186539B (zh) * | 2011-12-27 | 2016-07-27 | 阿里巴巴集团控股有限公司 | 一种确定用户群体、信息查询及推荐的方法及系统 |
-
2019
- 2019-07-17 CN CN201910644355.7A patent/CN110347929B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101968802A (zh) * | 2010-09-30 | 2011-02-09 | 百度在线网络技术(北京)有限公司 | 一种基于用户浏览行为进行互联网内容推荐的方法与设备 |
CN102882940A (zh) * | 2012-09-12 | 2013-01-16 | 鲁赤兵 | 一种互联网领域的信息系统中用户之间的浏览托管方法 |
CN103235777A (zh) * | 2012-12-28 | 2013-08-07 | 国家计算机网络与信息安全管理中心 | 一种用户需求导向的互联网舆情获取方法 |
CN103500235A (zh) * | 2013-10-25 | 2014-01-08 | 乐视网信息技术(北京)股份有限公司 | 一种多媒体文件推荐方法及装置 |
CN105023165A (zh) * | 2014-04-17 | 2015-11-04 | 腾讯科技(深圳)有限公司 | 社交网络平台中投放任务的控制方法、装置及系统 |
CN105989004A (zh) * | 2015-01-27 | 2016-10-05 | 阿里巴巴集团控股有限公司 | 一种信息投放的预处理方法和装置 |
Non-Patent Citations (3)
Title |
---|
User feedback in the AppStore:An empirical study;D.Pagano等;《2013 21st IEEE International Requirements Engineering Conference (RE)》;20131021;第125-134页 * |
基于用户推荐质量的服务推荐方法研究;周洋;《中国优秀硕士学位论文全文数据库信息科技辑》;20150515(第05期);I138-1309 * |
基于用户行为建模和大数据挖掘的图书馆个性化服务研究;何胜等;《图书情报工作》;20170307;第61卷(第01期);第40-46页 * |
Also Published As
Publication number | Publication date |
---|---|
CN110347929A (zh) | 2019-10-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101398835B (zh) | 基于自然语言的服务选择系统与方法以及服务查询系统与方法 | |
JP5631887B2 (ja) | データの同期のための検索ベースの仕様 | |
CN101350790B (zh) | 基于即时通讯系统的文件传输方法及装置 | |
CN1954317A (zh) | 用于管理媒体项的方法、系统、计算机程序和设备 | |
JP2008107867A (ja) | コミュニティ抽出方法、コミュニティ抽出処理装置 | |
CN102037481A (zh) | 用于检测行为模式的方法及设备 | |
CN105224532B (zh) | 数据处理方法及装置 | |
CN110347929B (zh) | 一种基于用户需求特征的智能推送方法及推送系统 | |
KR20110081867A (ko) | 항상 준비된 클라이언트/서버 데이터 동기화 방법 | |
US20050210079A1 (en) | Method for synchronizing documents for disconnected operation | |
CN109787884A (zh) | 一种消息推送方法和装置 | |
JP2001331422A (ja) | メール評価装置 | |
CN103533029A (zh) | 甘特图数据加载方法及系统 | |
TWI477990B (zh) | 辨識媒體裝置內容之改變 | |
CN105653211A (zh) | 清理存储空间的方法及装置 | |
CN107784588A (zh) | 保险用户信息合并方法和装置 | |
CN111061453A (zh) | 一种用于app生态系统的语音交互方法、装置 | |
CN108241758A (zh) | 数据查询方法及相关设备 | |
CN109471746A (zh) | 一种集群日志的收集方法与系统 | |
CN112035413B (zh) | 元数据信息查询方法、装置及存储介质 | |
CN114222186A (zh) | 基于大数据深度挖掘的信息推送系统及方法 | |
US20110264763A1 (en) | Method for retrieving object from device management client and associated device management system | |
CN108429635B (zh) | 一种用于分布式环境下的数据传输方法 | |
CN102769639B (zh) | 数据同步方法及系统 | |
JP5353231B2 (ja) | 情報転送装置、情報転送方法およびプログラム |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |