CN110633404A

CN110633404A - 应用程序消息推送的方法、装置、存储介质和终端设备

Info

Publication number: CN110633404A
Application number: CN201810540037.1A
Authority: CN
Inventors: 曹兵; 袁星
Original assignee: Beijing Baidu Netcom Science and Technology Co Ltd
Current assignee: Baidu Online Network Technology Beijing Co Ltd; Beijing Baidu Netcom Science and Technology Co Ltd
Priority date: 2018-05-30
Filing date: 2018-05-30
Publication date: 2019-12-31

Abstract

本发明提出一种应用程序消息推送的方法、装置、存储介质和终端设备，其中，所述方法包括：接收应用程序的使用所述应用程序的用户所处的地理位置和用户行为日志；根据所述用户行为日志，计算所述用户的兴趣点特征；根据所述地理位置和所述用户行为日志，获取所述用户的常驻地点以及在所述常驻地点的推送时段；根据所述用户的兴趣点特征和所述常驻地点，从待推送资源中选取推送消息；以及在所述推送时段向所述用户的所述应用程序推送所述推送消息。采用本发明，能有效地剔除冗余的信息，并在相应的推送时段进行精准推送。

Description

应用程序消息推送的方法、装置、存储介质和终端设备

技术领域

本发明涉及计算机技术领域，尤其涉及一种应用程序消息推送的方法、装置、存储介质和终端设备。

背景技术

随着移动时代的到来，人们生活中越来越离不开移动设备，与此同时，各大公司主营的服务业务也从PC(personal computer，个人电脑)端走向移动端。其中，从PC弹窗式提醒转换为移动设备应用程序消息推送就是一个很鲜明的例子。各式各样的推送消息在时刻向人们传递着多彩多样的讯息，包括新闻、广告、通知等。但是，大量的消息推送也给移动设备的用户带来一定的烦恼。比如：频繁、无关、无用的消息让人日渐厌烦，不少用户选择关闭了应用程序的消息推送通知。因此，如何精准地进行消息推送是目前需要解决的问题之一。

传统的消息推送，通常是由工作人员人工进行筛选资源，并手动选择用户发送消息，或者进行全量用户发送。但是，人工操作的执行效率低，不能根据用户的偏好进行个性化推送，会造成资源的浪费，给用户带来糟糕的体验。

随着技术的发展，部分公司利用大数据技术进行消息推送。服务端根据运营需求，对推送资源进行筛选，并选择一部分用户进行信息发送，或者对所有的用户均进行信息发送。但是当前的消息推送方案，虽然满足了运营需求的推送要求，但是推送出的信息未必是用户想了解的信息，推送的信息仍然存在冗余的情况。

发明内容

本发明实施例提供一种应用程序消息推送的方法、装置、存储介质和终端设备，以解决或缓解现有技术中的以上一个或多个技术问题。

第一方面，本发明实施例提供了一种应用程序消息推送的方法，包括：

接收应用程序的用户数据；其中，所述用户数据包括使用所述应用程序的用户所处的地理位置和用户行为日志，所述用户行为日志用于记载所述用户在应用程序上的操作行为；

根据所述用户行为日志，计算所述用户的兴趣点特征；

根据所述地理位置和所述用户行为日志，获取所述用户的常驻地点以及在所述常驻地点的推送时段；

根据所述用户的兴趣点特征和所述常驻地点，从待推送资源中选取推送消息；以及

在所述推送时段向所述用户的所述应用程序推送所述推送消息。

结合第一方面，在第一方面的第一种实施方式中，所述方法还包括：

根据所述用户实时的地理位置，识别所述用户所处的实时场景；

根据所述用户的兴趣点特征和所述实时场景，从待推送资源中选取推送消息。

结合第一方面，在第一方面的第二种实施方式中，从待推送资源中选取推送消息，包括：

计算所述待推送资源的资源矩阵，其中，所述资源矩阵的每一行或每一列用于表示所述待推送资源中一条消息的特征；

从所述资源矩阵中选取所述推送消息。

结合第一方面，在第一方面的第三种实施方式中，所述计算所述待推送资源的资源矩阵，包括：

获取待推送资源；其中，所述待推送资源包括多条消息；

利用所述分词工具，对所述待推送资源中的每一条消息进行分词，以及根据所述分词词典从分词后的词中提取有效词；

根据推送要求与每一条消息的有效词的匹配度，选取消息；

根据选取的每一条消息的有效词，构建成资源特征列表；其中，所述资源特征列表中的每一行或每一列用于记载一条消息的有效词；以及

根据资源特征列表，构建资源矩阵。

结合第一方面或其任意一种实施方式，在第一方面的第四种实施方式中，根据所述用户行为日志，计算所述用户的兴趣点特征，包括：

判断是否所述用户行为日志需要补充历史行为日志；

当不需要补充历史行为日志时，根据所述兴趣向量模型，对所述用户行为日志中的实时行为日志进行计算，获得所述用户的兴趣点特征；

当需要补充历史行为日志时，获取所述用户在过去的第一时间段内上传的历史行为日志；以及根据兴趣向量模型，对历史行为日志的和实时行为日志进行计算，获得所述用户的兴趣点特征。

结合第一方面的第四种实施方式，在第一方面的第五种实施方式中，所述方法还包括：

通过爬虫技术，从互联网抓取用户行为日志；

基于每个行业的基本词典，构建用于对文本进行分词的分词词典；

利用切词工具对所述用户行为日志的数据进行切词；

根据所述分词词典，从切取后的词中提取有效词；以及

基于词向量算法对提取的有效词进行训练，生成所述兴趣向量模型。

结合第一方面或其任意一种实施方式，在第一方面的第六种实施方式中，所述用户行为日志包括所述用户使用所述应用程序的时间和/或所述用户点击推送消息的点击时间，根据所述地理位置和所述用户行为日志，获取所述用户的常驻地点以及在所述常驻地点的推送时段，包括：

获取所述用户在过去的第二时间段内上传的历史行为日志、地理位置以及地理位置的上传时间；

根据所述历史行为日志中的所述用户使用所述应用程序的时间和/或所述用户点击推送消息的点击时间，计算工作日、双休日以及节假日的各时段的使用权重值；

根据聚类算法，对获取的地理位置以及所述地理位置的上传时间进行聚类判别，获得所述用户的常驻地点和所述常驻地点的特征；其中，所述常驻地点的特征包括所述用户在所述常驻地点的时间分布；以及

根据所述用户在所述常驻地点的时间分布以及所述用户在所述工作日、所述双休日和所述节假日中的各时段的使用权值，计算所述用户在所述常驻地点的推送时段。

结合第一方面的第六种实施方式，在第一方面的第七种实施方式中，根据所述历史行为日志中的所述用户使用所述应用程序的时间和/或所述用户点击推送消息的点击时间，计算工作日、双休日以及节假日的各时段的使用权重值，包括：

根据所述历史行为日志中的所述用户使用所述应用程序的时间和/或所述用户点击推送消息的点击时间，统计在工作日、双休日以及节假日的各时段内所述用户使用所述应用程序的平均频次和平均总时长以及所述用户点击推送消息的频次；

根据所述时段内所述用户使用所述应用程序的平均频次和平均总时长以及所述用户点击推送消息的频次，计算所述工作日、所述双休日以及所述节假日的各时段的使用权重值。

第二方面，本发明实施例还提供一种应用程序消息推送的装置，包括：

用户数据接收模块，用于接收应用程序的用户数据；其中，所述用户数据包括使用所述应用程序的用户所处的地理位置和用户行为日志，所述用户行为日志用于记载所述用户在应用程序上的操作行为；

兴趣点特征计算模块，用于根据所述用户行为日志，计算所述用户的兴趣点特征；

常驻点及时段获取模块，用于根据所述地理位置和所述用户行为日志，获取所述用户的常驻地点以及在所述常驻地点的推送时段；

第一消息选取模块，用于根据所述用户的兴趣点特征和所述常驻地点，从待推送资源中选取推送消息；以及

消息推送模块，用于在所述推送时段向所述用户的所述应用程序推送所述推送消息。

结合第二方面，在第二方面的第一种实施方式中，所述装置还包括：

场景识别模块，用于根据所述用户实时的地理位置，识别所述用户所处的实时场景；

第二消息选取模块，用于根据所述用户的兴趣点特征和所述实时场景，从待推送资源中选取推送消息。

结合第二方面，在第二方面的第二种实施方式中，所述第一消息选取模块包括：

资源矩阵计算单元，用于计算所述待推送资源的资源矩阵，其中，所述资源矩阵的每一行或每一列用于表示所述待推送资源中一条消息的特征；

资源矩阵选取单元，用于从所述资源矩阵中选取所述推送消息。

结合第二方面的第二种实施方式，在第二方面的第三种实施方式中，所述资源矩阵计算单元具体用于：

获取待推送资源；其中，所述待推送资源包括多条消息；

根据推送要求与每一条消息的有效词的匹配度，选取消息；

根据资源特征列表，构建资源矩阵。

结合第二方面或其任意一种实施方式，在第二方面的第四种实施方式中，所述兴趣点特征计算模块，包括：

日志补充判断单元，用于判断是否所述用户行为日志需要补充历史行为日志；

第一兴趣计算单元，用于当不需要补充历史行为日志时，根据所述兴趣向量模型，对所述用户行为日志中的实时行为日志进行计算，获得所述用户的兴趣点特征；

第二兴趣计算单元，用于当需要补充历史行为日志时，获取所述用户在过去的第一时间段内上传的历史行为日志；以及根据兴趣向量模型，对历史行为日志的和实时行为日志进行计算，获得所述用户的兴趣点特征。

所述装置的功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。所述硬件或软件包括一个或多个与上述功能相对应的模块。

在一个可能的设计中，应用程序消息推送的结构中包括处理器和存储器，所述存储器用于应用程序消息推送的装置执行上述第一方面中应用程序消息推送的程序，所述处理器被配置为用于执行所述存储器中存储的程序。所述应用程序消息推送的装置还可以包括通信接口，用于应用程序消息推送的装置与其他设备或通信网络通信。

第三方面，本发明实施例还提供一种计算机可读存储介质，用于存储应用程序消息推送的装置所用的计算机软件指令，其中包括用于执行上述第一方面的应用程序消息推送的方法所涉及的程序。

上述技术方案中的任一个技术方案具有如下优点或有益效果：

本发明实施例接收应用程序上传的用户数据，该用户数据包括使用该应用程序用户所处的地理位置和用户行为日志。基于用户行为日志可以计算得到相应的兴趣点特征。基于地理位置以及用户行为日志，可以获取到用户的常驻地点以及在该常驻地点的推送时段。进而能够依据用户的兴趣点特征以及常驻地点从待推送资源中选取用户可能感兴趣的推送消息，能有效地剔除冗余的信息，并在用户常驻地点的合适的推送时段内进行精准推送。

上述概述仅仅是为了说明书的目的，并不意图以任何方式进行限制。除上述描述的示意性的方面、实施方式和特征之外，通过参考附图和以下的详细描述，本发明进一步的方面、实施方式和特征将会是容易明白的。

附图说明

在附图中，除非另外规定，否则贯穿多个附图相同的附图标记表示相同或相似的部件或元素。这些附图不一定是按照比例绘制的。应该理解，这些附图仅描绘了根据本发明公开的一些实施方式，而不应将其视为是对本发明范围的限制。

图1是本发明提供的应用程序消息推送的方法的一个实施例的流程示意图；

图2是本发明提供的应用程序消息推送的方法的另一个实施例的流程示意图；

图3是本发明提供的提炼兴趣点特征的一个实施例的流程示意图；

图4是本发明提供的训练兴趣向量模型的一个实施例的流程示意图；

图5是本发明提供的获取常驻地点以及用户在常驻地点的推送时段的流程示意图；

图6是本发明提供的实现应用程序消息推送的系统的一个实施例的结构示意图；

图7是本发明提供的应用程序消息推送的装置的一个实施例的结构示意图；

图8是本发明提供的应用程序消息推送的方法的应用示例的示意图；

图9是本发明提供的终端设备的一个实施例的结构示意图。

具体实施方式

在下文中，仅简单地描述了某些示例性实施例。正如本领域技术人员可认识到的那样，在不脱离本发明的精神或范围的情况下，可通过各种不同方式修改所描述的实施例。因此，附图和描述被认为本质上是示例性的而非限制性的。

请参阅图1，本发明实施例提供了一种应用程序消息推送的方法，可以应用于服务器中。该方法可以包括步骤S110至步骤S150，具体如下：

S110，接收应用程序的用户数据；其中，用户数据包括使用应用程序的用户所处的地理位置和用户行为日志，用户行为日志用于记载所述用户在应用程序上的操作行为。

S120，根据用户行为日志，计算用户的兴趣点特征。

S130，根据地理位置和用户行为日志，获取用户的常驻地点以及在所述常驻地点的推送时段。

S140，根据用户的兴趣点特征和所述常驻地点，从待推送资源中选取推送消息。

S150，在选取的推送时段向用户的应用程序推送该推送消息。

在本发明实施例中，服务器接收应用程序上传的用户数据，该用户数据包括使用该应用程序用户所处的地理位置和用户行为日志。基于用户行为日志可以计算得到相应的兴趣点特征。基于地理位置以及用户行为日志，可以获取到用户的常驻地点以及在该常驻地点的推送时段。进而能够依据用户的兴趣点特征以及常驻地点从待推送资源中选取用户可能感兴趣的推送消息，能有效地剔除冗余的信息，并在用户常驻地点的合适的推送时段进行精准推送。

在一种可能的实现方式中，如图2所示，基于上述实施例提供的方法，在步骤S120之后，本实施例提供的方法还包括：

S160，根据用户实时的地理位置，识别用户所处的实时场景。

S170，根据用户的兴趣点特征和所述实时场景，从待推送资源中选取推送消息。

其中，上传的用户数据可以包含用户实时的地理位置，例如用户当前所处的经纬度。根据用户实时的地理位置能够识别出用户当前所处的实时场景。例如，判断该地理位置是否落入某个地标的范围内，进而识别出用户所在的具体场景。该地标可以是用户居住的小区、进行购物的商场或运动的场所等。如果用户实时的地理位置在其居住的小区，可以将实时场景确定为“在家”。如果用户实时的地理位置在某一商场，可以将实时场景确定为“在商场”。如果用户实时的地理位置与用户工作单位匹配，可以将实时场景确定为“在公司”。如果用户实时的地理位置在运动馆，可以将实时场景确定为“在运动”。

因而，本发明实施例可以根据实时的地理位置，识别实时场景，进而将其结合兴趣点特征来进行推送消息的选取。在上传的地理位置中没有实时的地理位置，或者以及根据实时的地理位置无法识别到实时场景时，可以执行步骤S130和S140。根据历史的地理位置和用户的历史行为日志，获取用户的常驻地点以及在所述常驻地点的推送时段。然后，根据用户的兴趣点特征和所述常驻地点，从待推送资源中选取推送消息。常驻地点可以包括用户经常出现的地方，例如：家、工作单位、商场等常去的场所。统计用户实际在常驻地点的停留的时间，可以确定用户在常驻地点的推送时段。

另外，在步骤S170中选取到推送消息后，还可以执步骤S180实时地向用户的应用程序推送选取的推送信息，能够实现实时信息推送。例如当用户进入到某酒店，服务器识别到该用户的实时的地理位置为某一酒店时，可以实时地推送该酒店的相关优惠信息或该酒店的评价信息给该用户。用户可以及时地接收到推送消息，及时地解决用户所需。

在一种可能的实现方式中，在步骤S140中，从待推送资源中选取推送消息的方式可以采用矩阵的方式进行选取，具体可以包括：首先，计算待推送资源的资源矩阵，其中，资源矩阵的每一行或每一列用于表示待推送资源中一条消息的特征；然后从资源矩阵中选取推送消息。

其中，计算待推送资源的资源矩阵的过程可以如下：

获取待推送资源；其中，待推送资源包括多条消息，消息的内容可以包括文本、图像和视频等中的至少一种或其任一组合。而对于图像或视频类型的消息可以将其转成文本格式的内容来表达，然后再利用分词工具，对已转换为文本格式的待推送资源中的每一条消息进行分词，以及根据分词词典从分词后的词中提取有效词。如果后台需要推送的资源过多，例如一些过期的消息或者不同类别的消息，可以设置资源类别或时间范围以及投放的用户群等来设置推送要求。进而，根据推送要求与每一条消息的有效词的匹配度，选取消息；以及根据选取的每一条消息的有效词，构建成资源特征列表；而资源特征列表中的每一行或每一列用于记载一条消息的有效词。最后，根据预设的转换格式，将资源特征列表转换成资源矩阵。

在另一种实施方式中，也可以将资源特征列表转换成相应的资源向量，其中一条资源向量代表一条消息。

在一种可能的实现方式中，如图3所示，上述步骤S120的实施过程可以如下：

S121，判断是否用户行为日志需要补充历史行为日志。

应用程序上传的用户数据，可以包括实时上传的用户行为日志(可以简称实时行为日志)。可以先判断实时行为日志中的数据是否足够多或者质量是否足够好。如果数量或质量不够，则需要补充在当前时刻之前上传的历史的用户行为日志(可以简称历史行为日志)。

S122，当不需要补充历史行为日志时，根据兴趣向量模型，对用户行为日志中的实时行为日志进行计算，获得用户的兴趣点特征。在兴趣向量模型的训练过程中，需要对训练数据进行分词，并从分词中提取有效词。在利用兴趣向量模型对行为日志进行计算的过程，也需要先对行为日志进行分词，并从分词中提取有效词后，再输入到兴趣向量模型中计算。用户的兴趣点特征可以采用兴趣点向量的形式来实现。

S123，当需要补充历史行为日志时，获取用户在过去的第一时间段内上传的历史行为日志；以及根据兴趣向量模型，对历史行为日志的和实时行为日志进行计算，获得用户的兴趣点特征。例如，第一时间段可以是过去10天、30天、半年或一年等。

本实施方式一方面可以基于实时的用户数据挖掘用户实时的兴趣点，另一方面，在实时的用户数据存在稀疏的状况下，即数据量少或质量不高的情况，可以根据历史的用户数据进行有效的补充，发挥数据的最大价值，有利于准确地提取用户的兴趣点特征。优选地，兴趣点特征可以采用向量的方式表示，方便与前述的资源矩阵或资源向量计算推送消息。

另外，本发明实施例还提供兴趣向量模型的训练的方法，如图4所示，该模型训练的过程如下：

S1231，通过爬虫技术，从互联网抓取用户行为日志。具体地，可以是从互联网中的网络平台中抓取。例如，从百度、谷歌、必应等搜索引擎，或者音视频网站等中抓取。

S1232，基于每个行业的基本词典，构建用于对文本进行分词的分词词典。

S1233，利用切词工具对用户行为日志的数据进行切词。优选地，切词工具可以是开源切词工具，例如jieba。

S1234，根据分词词典，从切取后的词中提取有效词。具体地，可以过滤无关的介词，例如：“是”、“在”、“上”、“下”等词，也可以过滤无效的字段。

S1235，基于词向量算法对提取的有效词进行训练，生成兴趣向量模型。例如，词向量算法可以是google公司开发的开源技术word2vec。

本实施例提供的模型训练方法可以通过爬虫技术实现丰富多样的训练数据，且训练简单，单机即可进行训练。由于训练的数据无需要标注，可以有效地提高训练效率。

在本发明实施例中，用户行为日志包括了用户点击、搜索、消息反馈等具体操作以及操作的时间和结果，因而，由于用户行为日志中包括用户使用应用程序的时间和/或用户点击推送消息的点击时间，可以基于其以及地理位置信息来获取用户的常驻地点以及在常驻地点的推送时段。

在一个可能的实现方式中，如图5所示，上述步骤S130可以包括：

S131，获取用户在过去的第二时间段内上传的历史行为日志、地理位置以及地理位置的上传时间。例如，第二时间段可以是过去的一年内或两年内。

S132，根据历史行为日志中的用户使用应用程序的时间和/或用户点击推送消息的点击时间，计算工作日、双休日以及节假日的各时段的使用权重值。

示例性地，可以统计每一种工作日、双休日以及节假日的情况下的各时段的使用应用程序的使用频次和使用时长以及用户点击推送消息的点击频次，然后基于统计到数据进行计算每种情况下的各个时段的使用权重值。

具体地，根据历史行为日志中的用户使用应用程序的时间和/或用户点击推送消息的点击时间，统计在工作日、双休日以及节假日的各时段内用户使用应用程序的平均频次和平均总时长以及用户点击推送消息的频次。然后根据时段内用户使用应用程序的平均频次和平均总时长以及用户点击推送消息的频次，计算工作日、双休日以及节假日的各时段的使用权重值。例如，划分的时段的时长可以包括1个小时或2个小时等，如果时长为1个小时，将一天划分成24个时段。

S133，根据聚类算法，对获取的地理位置以及地理位置的上传时间进行聚类判别，获得用户的常驻地点和常驻地点的特征；其中，常驻地点的特征包括用户在常驻地点的时间分布。例如，聚类算法可以是DBSCAN(Density-Based Spatial Clustering ofApplications with Noise)基于密度的聚类算法。

S134，根据用户在常驻地点的时间分布以及用户在工作日、双休日和节假日中的各时段的使用权值，计算用户在常驻地点的推送时段。

示例性，假设用户一般在家中的时间分布为下午7点到第二天上午的7点，那么可以对工作日、双休日和节假日这三种情况下的推送时段进行计算，例如，在工作日中早上6点到7点这一时段使用权值较高，则可以将工作日中的早上6点到7点这一时段列入用户在家中这一场景的推送时段。再例如，在双休日中早上6点到7点这一时段使用权值较低，则可以将双休日中的早上6点到7点这一时段排除在用户在家中这一场景的推送时段之外。

在本发明实施例中，如图6所示，服务器中设有模型构建模块110、用户模块120、资源模块130和推送模块140。其中，用户模块120包括实时模块121和离线模块122。以下将结合这些模块，描述本发明实施例的技术方案。

模型构建模块110用于执行实施例一的步骤S1231至步骤S1235的方法，训练生成或更新兴趣向量模型。模型构建模块110为本发明实施例的基础构成，其所构建成的兴趣向量模型能够根据输入的用户的行为数据，提炼出用户的兴趣点。

用户模块120用于接收应用程序的用户数据，其存储有历史的用户数据以及实时的用户数据，用户数据包括用户行为日志、地理位置等信息。实时的用户数据作为推送信息的主要依赖的数据，在实时的用户数据不足以准确地用于推送信息或者用户没有实时的用户数据上传时，可以利用历史的用户数据进行补充，因而，历史的用户数据起到辅助和冷启动的作用。

其中，离线模块122包括历史兴趣计算单元、推送时机单元和常驻点单元。

历史兴趣计算单元用于：选取过去30天内的历史行为日志，包括点击、搜索、消息反馈等信息。基于分词词典对历史行为日志进行分词并选取有效词构建历史兴趣点列表。最后，根据模型构建模块110提供的兴趣向量模型，对历史兴趣点列表进行计算，获得用户的兴趣点向量，以表示兴趣点特征。

推送时机单元用于：基于大数据统计分析技术，选取过去30天内的历史行为日志，日志中记载了用户使用应用程序的时间和用户点击推送消息的点击时间。然后统计工作日、双休日、节假日这三种情况下的各个时段的使用情况，使用情况至少包括使用应用程序的平均频次和平均总时长以及用户点击推送消息的频次，进而基于使用情况为各个时段计算出使用权重值，以表示该时段用于推送消息的重要程度。

常驻点单元用于：基于数据聚类技术，挖掘出用户常驻地点。例如，根据用户的地理位置以及上传该地理位置的上传时间，获得用户的常驻地点和常驻地点的特征。常驻地点的特征包括常驻地点所属的类别以及用户在常驻地点的时间分布。优选地，可以DBSCAN密度聚类算法进行聚类。

以及，实时模块121包括实时兴趣计算单元和实时场景识别单元。

实时兴趣计算单元用于：根据用户实时上传的实时行为日志，包括点击、搜索、消息反馈等信息。基于分词词典对实时行为日志进行分词并选取有效词构建实时兴趣点列表。最后，根据模型构建模块110提供的兴趣向量模型，对实时兴趣点列表进行计算，获得用户的兴趣点向量，以表示兴趣点特征。

实时场景识别单元用于：根据用户上传的实时地理位置，基于LBS(LocationBased Services，基于位置服务)技术，实时识别用户所在的实时场景。

以上提供的用户模块120可以将实时场景、常驻地点、推送时段以及兴趣点这四个数据相结合来进行后续的消息推送。无论从消息的实时性、推送消息的方式给予用户的体验以及消息的个性化程度都能得到进一步的提高，并能够发挥数据的最大价值。

对于资源模块130，其包括：分词单元、资源提取单元和资源向量单元。

分词单元用于：利用分词工具对资源内容进行分词，并基于模型构建模块110构建的分词词典从中提取有效词。

资源提取单元用于：根据资源类别、资源投放的时间以及资源投放的用户群体，从中选取相应的消息，然后基于选取的消息的有效词构建成资源特征列表；其中，资源特征列表中每一行或每一列用于记载一条消息的有效词。

资源向量单元用于：根据预设的转换格式，将资源特征列表转换成资源矩阵或资源向量。

对于推送模块140，用于根据用户模块120提供的实时场景以及用户的兴趣点特征对资源向量或资源矩阵进行计算，获得推送消息，然后实时地向用户的应用程序推送计算获得的推送消息。或者，根据用户模块120提供的常驻地点以及用户的兴趣点特征对资源向量或资源矩阵进行计算，获得推送消息，然后在用户模块120提供的推送时段内向用户的应用程序推送计算获得的推送消息。其中，本模块中的计算过程可以利用Annoy(ApproximateNearest Neighbors Oh Yeah，高维空间向量快速计算相似性)算法技术和预设的策略进行计算，实现场景化的个性化消息推送。

如图7所示，本发明实施例还提供一种应用程序消息推送的装置，包括：

用户数据接收模块210，用于接收应用程序的用户数据；其中，所述用户数据包括使用所述应用程序的用户所处的地理位置和用户行为日志，所述用户行为日志用于记载所述用户在应用程序上的操作行为；

兴趣点特征计算模块220，用于根据所述用户行为日志，计算所述用户的兴趣点特征；

常驻点及时段获取模块230，用于根据所述地理位置和所述用户行为日志，获取所述用户的常驻地点以及在所述常驻地点的推送时段；

第一消息选取模块240，用于根据所述用户的兴趣点特征和所述常驻地点，从待推送资源中选取推送消息；以及

消息推送模块250，用于在所述推送时段向所述用户的所述应用程序推送所述推送消息。

在一种可能的实现方式中，所述装置还包括：

在一种可能的实现方式中，所述第一消息选取模块包括：

在一种可能的实现方式中，所述兴趣点特征计算模块，包括：

图8是本发明提供的应用程序消息推送的方法的应用示例的示意图。在本实施例中，实现应用程序消息推送的方法主要依赖的数据包括：(1)用户离线行为数据：包括点击、搜索、定位、消息反馈等离线数据。(2)用户实时行为数据：包括点击、搜索、定位等实时上传数据。(3)用户地理位置数据：包括工作单位、家庭住址、常去商场等地理位置信息。(4)推荐资源基本数据：资源类型、资源投放地点、资源所属行业等内容数据。

如图8所示，可以采用以下模块来实现应用程序消息推送的方法：1.模型构建模块2.用户模块3.资源模块4.推送模块，下面将详细介绍这几个部分。

1.模型构建模块

本实施例的模型构建模块主要是基于无监督学习方法，通过google开源技术-word2vec，在大规模基础数据的基础上训练模型。该模型训练数据获取方式简单多样，可以通过已有的基础数据，也可以通过爬虫技术实现丰富多样的训练数据，且训练简单，可单机训练。训练方法主要是：通过现有的基础数据(或者可以通过爬虫技术从各大平台爬取数据)训练模型，主要可以包括以下步骤：

1.1基于基本词典，构建具有个性化的词典，该词典主要是通过垂直类目词库种获取。

1.2利用开源切词工具jieba，将基础数据切词，并过滤无关的词和无效的字段。

1.3利用开源word2vec技术，单机进行训练模型。

2.用户模块

用户模块主要包含离线数据和实时数据两部分，其中实时数据部分是重点，离线数据部分起到辅助和冷启动的作用，一旦用户没有实时数据上传，可以利用离线数据进行补充，不至于部分用户没有消息推送。同时，离线模块和实时模块都强化了场景的重要行，使推荐的消息更加准确，更能理解用户。

2.1离线模块

离线模块的作用主要是利用用户的历史行为数据、用户地理位置数据，构建用户离线向量模块、推送时机模块、常驻点模块。

2.1.1用户离线向量模块

用户离线向量模块可以选取滑动窗口为30天的离线行为数据，包括点击、搜索、消息反馈等，基于历史数据和1.1中词典，通过分词技术，构建用户离线兴趣点列表。根据兴趣点列表和1.3中的模型，构建用户离线向量模型。

2.1.2推送时机模块

推送时机模块可以基于大数据统计分析技术，利用用户一年行为数据，主要包括APP使用频次，时间段，推送消息点击频次，点击时间等数据，分析用户工作日、双休日、节假日、每周的同一天等各种情况，最后给出用户工作日和双休日节假日两种情况下，每天24个时段(00-01，01-02等)的使用情况打分列表。

2.1.3常驻点模块

常驻点是体现用户经常出现的地方，例如：家、工作单位、商场等常去地点。该部分主要基于数据聚类技术，挖掘出用户常驻地点。

基于用户坐标数据作为输入，利用DBSCAN构建聚类模型，以此来输出用户常驻点特征。

2.2实时模块

实时模块是解决实时消息推送重要的手段，能反应用户实时意图的，具有强关系性，对于提高产品体验和消息推广的效果具有巨大的作用。实时模块主要包含两个部分：用户实时向量模块和用户实时地理位置。

2.2.1用户实时向量模块

用户实时向量主要是根据用户实时上传的行为日志，包括点击、搜索、消息反馈等，基于1.1中词典，通过分词技术，构建用户实时兴趣点列表。根据兴趣点列表和1.3中的模型，构建用户实时向量模型。

2.2.2用户实时地理位置

根据用户实时上传的地理位置，基于LBS技术，可以实时识别用户所在场景，根据场景进行实时个性化推荐，时效性高。

以上用户模块是体现场景化实时个性化消息推荐的重要组成部分，可以通过挖掘用户实时兴趣点，能根据实时场景进行个性化推荐。但是该部分数据可能会存在稀疏的状况，此时离线用户兴趣点和常驻点等特征能有效的补充，发挥数据的最大价值，并提高用户的使用体验。

3.资源模块

资源模块通过资源内容分词，资源特征提取，资源向量模型构建等几个方面开展，主要包括：

3.1资源内容分词：基于1.1中词典，通过分词技术，构建资源特征列表。

3.2资源特征提取：从资源特征列表中，提取出资源类别，资源投放范围等后期消息推送所需要的特征，构成一个新的资源特征列表。

3.3资源向量模型：根据新的资源特征列表构建资源向量模型。

资源模块可以通过用户向量(包括实时或者离线)，计算候选资源，就需要资源向量等信息。

4推送模块：将用户模块、资源模块整合在一起，通过例如Annoy技术和策略构建场景化实时个性化消息推送。

本发明实施例可以结合实时场景化个性化消息推送和离线常驻点个性化推送想结合的方式。不管从消息的实时性，还是产品的体验和消息的个性化程度都进一步提高。同时，基于无监督学习技术，基于开源工具实现产品的快速AB测试和上线。其中，AB测试是指为Web或App界面或流程制作两个A/B或多个A/B/n版本，在同一时间维度，分别让组成成分相同的访客群组随机的访问这些版本，收集各群组的用户体验数据和业务数据，最后分析评估出最好的版本用于上线。

本发明实施例还提供一种终端设备，如图9所示，该设备包括：存储器21和处理器22，存储器21内存储有可在处理器22上的计算机程序。处理器22执行计算机程序时实现上述实施例中的应用程序消息推送的方法。存储器21和处理器22的数量可以为一个或多个。

该设备还包括：

通信接口23，用于处理器22与外部设备之间的通信。

存储器21可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。

如果存储器21、处理器22和通信接口23独立实现，则存储器21、处理器22和通信接口23可以通过总线相互连接并完成相互间的通信。总线可以是工业标准体系结构(ISA，Industry Standard Architecture)总线、外部设备互连(PCI，Peripheral Component)总线或扩展工业标准体系结构(EISA，Extended Industry Standard Component)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

可选的，在具体实现上，如果存储器21、处理器22及通信接口23集成在一块芯片上，则存储器21、处理器22及通信接口23可以通过内部接口完成相互间的通信。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。而且，描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外，在不相互矛盾的情况下，本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。

此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或隐含地包括至少一个该特征。在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

在流程图中表示或在此以其他方式描述的逻辑和/或步骤，例如，可以被认为是用于实现逻辑功能的可执行指令的定序列表，可以具体实现在任何计算机可读介质中，以供指令执行系统、装置或设备(如基于计算机的系统、包括处理器的系统或其他可以从指令执行系统、装置或设备取指令并执行指令的系统)使用，或结合这些指令执行系统、装置或设备而使用。就本说明书而言，“计算机可读介质”可以是任何可以包含、存储、通信、传播或传输程序以供指令执行系统、装置或设备或结合这些指令执行系统、装置或设备而使用的装置。

本发明实施例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的更具体的示例至少(非穷尽性列表)包括以下：具有一个或多个布线的电连接部(电子装置)，便携式计算机盘盒(磁装置)，随机存取存储器(RAM)，只读存储器(ROM)，可擦除可编辑只读存储器(EPROM或闪速存储器)，光纤装置，以及便携式只读存储器(CDROM)。另外，计算机可读存储介质甚至可以是可在其上打印程序的纸或其他合适的介质，因为可以例如通过对纸或其他介质进行光学扫描，接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得程序，然后将其存储在计算机存储器中。

在本发明实施例中，计算机可读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、传播或者传输用于指令执行系统、输入法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、射频(Radio Frequency，RF)等等，或者上述的任意合适的组合。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(PGA)，现场可编程门阵列(FPGA)等。

本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读存储介质中。存储介质可以是只读存储器，磁盘或光盘等。

以上，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到其各种变化或替换，这些都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims

1.一种应用程序消息推送的方法，其特征在于，包括：

根据所述用户行为日志，计算所述用户的兴趣点特征；

2.如权利要求1所述的应用程序消息推送的方法，其特征在于，所述方法还包括：

3.如权利要求1所述的应用程序消息推送的方法，其特征在于，从待推送资源中选取推送消息，包括：

从所述资源矩阵中选取所述推送消息。

4.如权利要求3所述的应用程序消息推送的方法，其特征在于，所述计算所述待推送资源的资源矩阵，包括：

获取待推送资源；其中，所述待推送资源包括多条消息；

根据推送要求与每一条消息的有效词的匹配度，选取消息；

根据资源特征列表，构建资源矩阵。

5.如权利要求1至4中任一项所述的应用程序消息推送的方法，其特征在于，根据所述用户行为日志，计算所述用户的兴趣点特征，包括：

判断是否所述用户行为日志需要补充历史行为日志；

6.如权利要求5所述的应用程序消息推送的方法，其特征在于，所述方法还包括：

通过爬虫技术，从互联网抓取用户行为日志；

利用切词工具对所述用户行为日志的数据进行切词；

根据所述分词词典，从切取后的词中提取有效词；以及

7.如权利要求1至4中任一项所述的应用程序消息推送的方法，其特征在于，所述用户行为日志包括所述用户使用所述应用程序的时间和/或所述用户点击推送消息的点击时间，根据所述地理位置和所述用户行为日志，获取所述用户的常驻地点以及在所述常驻地点的推送时段，包括：

8.如权利要求7所述的应用程序消息推送的方法，其特征在于，根据所述历史行为日志中的所述用户使用所述应用程序的时间和/或所述用户点击推送消息的点击时间，计算工作日、双休日以及节假日的各时段的使用权重值，包括：

9.一种应用程序消息推送的装置，其特征在于，包括：

10.如权利要求9所述的应用程序消息推送的装置，其特征在于，所述装置还包括：

11.如权利要求9所述的应用程序消息推送的装置，其特征在于，所述第一消息选取模块包括：

12.如权利要求11所述的应用程序消息推送的装置，其特征在于，所述资源矩阵计算单元，具体用于：

获取待推送资源；其中，所述待推送资源包括多条消息；

根据推送要求与每一条消息的有效词的匹配度，选取消息；

根据资源特征列表，构建资源矩阵。

13.如权利要求9至12中任一项所述的应用程序消息推送的装置，其特征在于，所述兴趣点特征计算模块，包括：

14.一种实现应用程序消息推送的终端设备，其特征在于，所述终端设备包括：

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权利要求1-8中任一所述的应用程序消息推送的方法。

15.一种计算机可读存储介质，其存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-8中任一所述的应用程序消息推送的方法。