CN110855731A - 消息处理、推送及模型训练方法、装置、设备及存储介质 - Google Patents

Abstract

本公开提出了一种消息处理、推送及模型训练方法、装置、设备以及存储介质。根据客户端的网络状况，确定适于向客户端推送的单条消息的长度阈值；在准备向客户端推送的消息的长度大于长度阈值的情况下，对消息进行切分处理，以得到多个切分结果，其中，每个切分结果的长度小于或等于长度阈值；以及将多个切分结果分批推送至客户端。由此，在提高推送质量的同时，还可以保证推送的消息的完整性，从而可以提高用户的推送体验以及推送的转化率。

Description

消息处理、推送及模型训练方法、装置、设备及存储介质

技术领域

本公开涉及信息推送领域，特别是涉及一种消息处理、推送及模型训练方法、装置、设备及存储介质。

背景技术

消息推送，也即信息推送，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。

随着互联网的普及和电子设备的发展，消息推送需求广泛存在，但是消息体内容因具体业务需求越来越大。目前，主要是由消息推送平台设定统一的长度阈值，在向用户推送的消息体内容的长度大于规定长度时，大于规定长度的消息会被丢弃/截断，这样无疑会降低用户的推送体验。

发明内容

本公开的一个目的在于，提出一种能够提升用户体验的消息推送方案。

根据本公开的第一个方面，提出了一种消息推送方法，包括：根据客户端的网络状况，确定适于向客户端推送的单条消息的长度阈值；在准备向客户端推送的消息的长度大于长度阈值的情况下，对消息进行切分处理，以得到多个切分结果，其中，每个切分结果的长度小于或等于长度阈值；以及将多个切分结果分批推送至客户端。

可选地，确定适于向客户端推送的单条消息的长度阈值的步骤包括：根据网络状况，使用预先训练好的消息长度预测模型对适于向客户端推送的单条消息的长度阈值进行预测。

可选地，消息推送方法还包括：获取本次推送的推送质量数据；以及根据推送质量数据和网络状况，对消息长度预测模型进行更新。

可选地，推送质量数据包括以下至少一项：时长；流量；丢包率；以及重传率。

可选地，消息推送方法还包括：为多个切分结果配置统一的标识符，以便客户端根据标识符对多个切分结果进行合成。

可选地，消息推送方法还包括：针对每个切分结果，配置索引数据，其中，索引数据包括多个切分结果的数量和当前切分结果在多个切分结果中的顺序。

可选地，消息推送方法还包括：对客户端进行监控，以确定网络状况。

可选地，消息推送方法还包括：从业务服务器获取向客户端推送的消息。

根据本公开的第二个方面，还提出了一种消息长度预测模型训练方法，包括：获取不同网络状况下的历史推送质量数据，作为训练数据；使用训练数据进行模型训练，以得到消息长度预测模型，其中，消息长度预测模型用于根据网络状况对符合预期推送质量指标的单条消息的长度阈值进行预测。

可选地，历史推送质量数据包括以下至少一项：时长；流量；丢包率；以及重传率。

根据本公开的第三个方面，还提出了一种消息处理方法，包括：根据客户端的网络状况，确定适于向所述客户端推送的单条消息的长度阈值；在准备向所述客户端推送的消息的长度大于所述长度阈值的情况下，对所述消息进行切分处理，以得到多个切分结果，其中，每个所述切分结果的长度小于或等于所述长度阈值。

根据本公开的第四个方面，还提出了一种消息推送装置，包括：长度阈值确定模块，用于根据客户端的网络状况，确定适于向客户端推送的单条消息的长度阈值；切分模块，用于在准备向客户端推送的消息的长度大于长度阈值的情况下，对消息进行切分处理，以得到多个切分结果，其中，每个切分结果的长度小于或等于长度阈值；以及推送模块，用于将多个切分结果分批推送至客户端。

可选地，长度阈值确定模块根据网络状况，使用预先训练好的消息长度预测模型对适于向客户端推送的单条消息的长度阈值进行预测。

可选地，消息推送装置还包括：推送质量数据获取模块，用于获取本次推送的推送质量数据；和更新模块，用于根据推送质量数据和网络状况，对消息长度预测模型进行更新。

可选地，推送质量数据包括以下至少一项：时长；流量；丢包率；以及重传率。

可选地，消息推送装置还包括：第一配置模块，用于为多个切分结果配置统一的标识符，以便客户端根据标识符对多个切分结果进行合成。

可选地，消息推送装置还包括：第二配置模块，用于针对每个切分结果，配置索引数据，其中，索引数据包括多个切分结果的数量和当前切分结果在多个切分结果中的顺序。

可选地，消息推送装置还包括：监控模块，用于对客户端进行监控，以确定网络状况。

可选地，消息推送装置还包括：推送消息获取模块，用于从业务服务器获取向客户端推送的消息。

根据本公开的第五个方面，还提出了一种消息长度预测模型训练装置，包括：训练数据获取模块，用于获取不同网络状况下的历史推送质量数据，作为训练数据；和模型训练模块，用于使用训练数据进行模型训练，以得到消息长度预测模型，其中，消息长度预测模型用于根据网络状况对符合预期推送质量指标的单条消息的长度阈值进行预测。

可选地，历史推送质量数据包括以下至少一项：时长；流量；丢包率；以及重传率。

根据本公开的第六个方面，还提出了一种消息处理装置，包括：长度阈值确定模块，用于根据客户端的网络状况，确定适于向客户端推送的单条消息的长度阈值；和切分模块，用于在准备向客户端推送的消息的长度大于长度阈值的情况下，对消息进行切分处理，以得到多个切分结果，其中，每个切分结果的长度小于或等于长度阈值。

根据本公开的第七个方面，还提出了一种计算设备，包括：处理器；以及存储器，其上存储有可执行代码，当可执行代码被处理器执行时，使处理器执行如本公开第一个方面至第三个方面中任何一个方面述及的方法。

根据本公开的第八个方面，还提出了一种非暂时性机器可读存储介质，其上存储有可执行代码，当可执行代码被电子设备的处理器执行时，使处理器执行如本公开第一个方面至第三个方面中任何一个方面述及的方法。

本公开通过该模型根据客户端的实时网络状况，确定适于向客户端推送的单条消息的长度阈值。并且，对于超过长度阈值的消息，可以进行分片处理，由客户端自动合成，无需业务方自行分片。由此，在提高推送质量的同时，还可以保证推送的消息的完整性，从而可以提高用户的推送体验以及推送的转化率。

附图说明

通过结合附图对本公开示例性实施方式进行更详细的描述，本公开的上述以及其它目的、特征和优势将变得更加明显，其中，在本公开示例性实施方式中，相同的参考标号通常代表相同部件。

图1是示出了根据本公开一实施例的消息推送方法的示意性流程图。

图2是示出了根据本公开一实施例的消息长度预测模型训练方法的示意性流程图。

图3是示出了根据本公开一实施例的消息推送装置的结构的示意性方框图。

图4是示出了根据本公开一实施例的消息长度预测模型训练装置的结构的示意性方框图。

图5是示出了根据本公开一实施例的消息处理装置的结构的示意性方框图。

图6是示出了根据本公开一实施例的计算设备的结构的示意性方框图。

具体实施方式

下面将参照附图更详细地描述本公开的优选实施方式。虽然附图中显示了本公开的优选实施方式，然而应该理解，可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反，提供这些实施方式是为了使本公开更加透彻和完整，并且能够将本公开的范围完整地传达给本领域的技术人员。

【术语解释】

消息推送：也即信息推送，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。

弹性：指一个变量相对于另一个变量发生的一定比例的改变的属性。弹性的概念可以应用在所有具有因果关系的变量之间。

机器学习：对能通过经验自动改进的计算机算法的研究。

Qos：定义在一个或多个对象的集体行为上的一套质量需求的集合。吞吐量、传输延迟和错误率等一些服务质量参数描述了数据传输的速度和可靠性等。

【方案概述】

现有的消息推送方案对任何网络环境下的客户端(用户端，也即终端)都会设定固定的消息长度阈值，无法做到根据客户端的实际情况，进行“弹性”推送。并且，超过阈值长度的消息会被丢弃，因此会大大降低用户的推送体验。

本公开发明人深度研究后发现，不同网络环境下客户端适于接收的消息长度阈值不同。例如，在客户端的网络状况较好时，传输延迟、丢包率较小，适于接收较长阈值的消息；在客户端的网络状况不好时，传输延迟、丢包率较大，适于接收较短阈值的消息。

有鉴于此，本公开提出，可以根据客户端的网络状况，确定适于向客户端推送的单条消息的长度阈值，在准备向客户端推送的消息大于长度阈值的情况下，可以对消息进行切分处理(也即分片处理)，将切分后得到的多个切分结果分批发送至客户端，由客户端自动合成，无需业务方自行切分。由此，本公开是根据客户端的实际网络状况，提出的一种弹性推送方案，在提高推送质量的同时，还可以保证推送的消息的完整性，从而可以提高用户的推送体验以及推送的转化率。

下面就本公开涉及的各方面做进一步说明。

【消息推送方法】

图1是示出了根据本公开一实施例的消息推送方法的示意性流程图。其中，图1所示的方法可以由业务方(如业务服务器)执行，也可以由消息推送平台执行。例如，在由消息推送平台执行的情况下，消息推送平台可以从业务服务器获取要推送给客户端的消息，并执行本公开的消息推送方法向客户端推送消息。

参见图1，在步骤S110，根据客户端的网络状况，确定适于向客户端推送的单条消息的长度阈值。

本公开述及的客户端也即用户端，如可以是智能手机、IPAD、笔记本、智能手表等多种终端设备。不同网络状况下适于向客户端推送的单条消息的长度阈值不同，总的来说，适于向客户端推送的单条消息的长度阈值与客户端的网络状况正相关，客户端的网络状况越好，适于推送的单条消息的长度阈值越大。举例来说，在客户端处于网络情况稳定、网速较快的网络环境中时，丢包率、延迟较小，适于推送的单条消息的长度阈值较大；在客户端处于网络情况不稳定、网速较慢的网络环境中时，丢包率、延迟较大，适于推送的单条消息的长度阈值较小。

可以通过对客户端进行监控，获取客户端的网络状况。并且，本公开述及的网络状况可以是指能够表征客户端的网络质量的多种类型的数据，如可以是丢包率、传输延时等网络质量指标数据，也可以是客户端的网络接入类型(如WIFI、4G、3G、2G等)。

也就是说，可以根据丢包率、传输延时等网络质量指标数据，确定适于向客户端推送的单条消息的长度阈值，也可以根据客户端的网络接入类型，确定适于向客户端推送的单条消息的长度阈值。并且还可以同时结合丢包率、传输延时等网络质量指标数据以及客户端的网络接入类型，确定适于向客户端推送的单条消息的长度阈值。其中，在参考客户端的网络接入类型确定客户端的网络状况时，可以认为不同网络接入类型的网络质量排名为WIFI＞4G＞3G＞2G。

在根据客户端的网络状况，确定适于向客户端推送的单条消息的长度阈值时，可以根据经验进行确定。例如，可以根据经验预先确定不同网络状况对应的长度阈值，在获取了客户端的网络状况后，可以通过查表的方式确定适于向客户端推送的单条消息的长度阈值。

作为本公开的一个示例，可以根据历史经验数据，预先训练一个预测消息长度预测模型，该模型的输入可以是网络状况数据，输出可以是适于向客户端推送的单条消息的长度阈值。例如，消息长度预测模型可以是基于机器学习算法利用不同网络状况下的历史推送质量数据进行训练得到的，用于根据网络状况对符合预期推送质量指标(如Qos)的单条消息的长度阈值进行预测的模型。关于消息长度预测模型的训练过程可以参见下文描述，此处暂不赘述。因此，在本示例中，可以根据网络状况，使用预先训练好的消息长度预测模型对适于向客户端推送的单条消息的长度阈值进行预测，以确定长度阈值。例如，可以使用经过图2的训练方法得到的模型来确定适于向客户端推送的单条消息的长度阈值。

在步骤S120，在准备向客户端推送的消息的长度大于长度阈值的情况下，对消息进行切分处理，以得到多个切分结果。

可以从业务服务器获取准备向客户端推送的消息，并将消息与通过步骤S110确定的长度阈值进行比较，在准备向客户端推送的消息的长度大于长度阈值的情况下，可以对消息进行切分处理，以得到多个切分结果。其中，每个切分结果可以视为一个消息块，每个切分结果的长度小于或等于长度阈值。作为示例，可以按照长度阈值对消息进行切分。

在步骤S130，将多个切分结果分批推送至客户端。

客户端在接收到多个切分结果后，可以对这多个切分结果进行合成。其中，为了便于客户端进行合成，在对消息进行切分处理，以得到多个切分结果后，还可以为这多个切分结果配置统一的标识符，以便客户端根据标识符对属于同一消息的多个切分结果进行合成。

另外，针对每个切分结果，还可以配置索引数据，其中，索引数据可以包括多个切分结果的数量和当前切分结果在多个切分结果中的顺序。由此，客户端在接收到多个切分结果后，也可以不进行合成，而可以基于索引数据，按照预定顺序展示给用户。

进一步地，在使用消息长度预测模型对适于向客户端推送的单条消息的长度阈值进行预测的情况下，在完成消息推送后，还可以获取本次推送的推送质量数据，根据推送质量数据和网络状况，对消息长度预测模型进行更新。其中，推送质量数据可以包括但不限于时长、流量、丢包率以及重传率等诸多项中的一项或多项。

综上，现有的推送方案一方面没有考虑客户端的实际情况，而为所有用户设定统一的阈值长度，超过阈值长度的消息会被丢弃，使得用户不但需要关注业务本身，还需要自行考虑消息分片，且这种分片因为业务方无法获得实时的网络状况，无法做到优化配置。

本公开则可以根据客户端的实时网络状况，确定适于向客户端推送的单条消息的长度阈值。并且，对于超过长度阈值的消息，可以进行分片处理，由客户端自动合成，无需业务方自行分片。

在本公开的一个实施例中，在得到多个切分结果后，可以主动将多个切分结果分批推送至客户端。另外，也可以响应于客户端的推送请求而将多个切分结果分批推送至客户端。由此，本公开还可以实现为一种由步骤S110和步骤S120构成的消息处理方案，该方案可以由业务方(如业务服务器)执行，也可以由消息推送平台执行。以由消息推送平台执行为例，在基于本公开的消息处理方案得到多个切分结果后，可以将切分结果交由业务服务器，由业务服务器将其下发给客户端，或者，也可以响应于客户端主动发送的推送消息获取请求，而将切分结果下发给客户端。

【消息长度预测模型训练方法】

图2是示出了根据本公开一实施例的消息长度预测模型训练方法的示意性流程图。

参见图2，在步骤S210，获取不同网络状况下的历史推送质量数据，作为训练数据。历史推送质量数据可以包括但不限于时长、流量、丢包率以及重传率等诸多项中的一项或多项。

在步骤S220，使用训练数据进行模型训练，以得到消息长度预测模型。

消息长度预测模型用于根据网络状况对符合预期推送质量指标的单条消息的长度阈值进行预测。也就是说，消息长度预测模型可以是网络状况-单条消息长度阈值的模型，模型的输入可以是网络状况数据，模型的输出为符合Qos预期指标的长度阈值。

作为本公开的一个示例，可以从大量历史推送质量数据中选取符合Qos预期指标(例如符合预定的吞吐量、传输延迟和错误率)的历史推送质量数据，作为训练数据。然后使用训练数据进行模型训练，以得到用于对符合Qos预期指标的单挑消息的长度阈值进行预测的模型(即消息长度预测模型)。其中，可以通过机器学习的方法进行训练，具体的训练过程为本领域成熟技术，本公开不再赘述。

综上，本公开可以根据历史数据，训练一个用于根据网络状况配置消息体长度阈值的模型，可以通过该模型根据客户端的实时网络状况，确定适于向客户端推送的单条消息的长度阈值。并且，对于超过长度阈值的消息，可以进行分片处理，由客户端自动合成，无需业务方自行分片。

【消息推送装置】

图3是示出了根据本公开一实施例的消息推送装置的结构的示意性方框图。其中，消息推送装置的功能模块可以由实现本公开原理的硬件、软件或硬件和软件的结合来实现。本领域技术人员可以理解的是，图3所描述的功能模块可以组合起来或者划分成子模块，从而实现上述发明的原理。因此，本文的描述可以支持对本文描述的功能模块的任何可能的组合、或者划分、或者更进一步的限定。

下面就消息推送装置可以具有的功能模块以及各功能模块可以执行的操作做简要说明，对于其中涉及的细节部分可以参见上文相关的描述，这里不再赘述。

参见图3，消息推送装置300包括长度阈值确定模块310、切分模块320以及推送模块330。

长度阈值确定模块310用于根据客户端的网络状况，确定适于向客户端推送的单条消息的长度阈值。切分模块320用于在准备向客户端推送的消息的长度大于长度阈值的情况下，对消息进行切分处理，以得到多个切分结果，其中，每个切分结果的长度小于或等于长度阈值。推送模块330用于将多个切分结果分批推送至客户端。

在本公开的一个实施例中，长度阈值确定模块310可以根据网络状况，使用预先训练好的消息长度预测模型对适于向客户端推送的单条消息的长度阈值进行预测。如图3所示，消息推送装置还可以可选地包括图中虚线框所示的推送质量数据获取模块340和更新模块350。质量数据获取模块340用于获取本次推送的推送质量数据，更新模块350用于根据推送质量数据和网络状况，对消息长度预测模型进行更新。其中，推送质量数据可以包括以下至少一项：时长；流量；丢包率；以及重传率。

在本公开的一个实施例中，如图3所示，消息推送装置还可以可选地包括图中虚线框所示的第一配置模块360。第一配置模块360用于为多个切分结果配置统一的标识符，以便客户端根据标识符对多个切分结果进行合成。

在本公开的一个实施例中，如图3所示，消息推送装置还可以可选地包括图中虚线框所示的第二配置模块370。第二配置模块370用于针对每个切分结果，配置索引数据，其中，索引数据包括多个切分结果的数量和当前切分结果在多个切分结果中的顺序。

在本公开的一个实施例中，如图3所示，消息推送装置还可以可选地包括图中虚线框所示的监控模块380。监控模块380用于对客户端进行监控，以确定网络状况。

在本公开的一个实施例中，如图3所示，消息推送装置还可以可选地包括图中虚线框所示的推送消息获取模块390。推送消息获取模块390用于从业务服务器获取向客户端推送的消息。

【消息长度预测模型训练装置】

图4是示出了根据本公开一实施例的消息长度预测模型训练装置的结构的示意性方框图。其中，消息长度预测模型训练装置的功能模块可以由实现本公开原理的硬件、软件或硬件和软件的结合来实现。本领域技术人员可以理解的是，图4所描述的功能模块可以组合起来或者划分成子模块，从而实现上述发明的原理。因此，本文的描述可以支持对本文描述的功能模块的任何可能的组合、或者划分、或者更进一步的限定。

下面就消息长度预测模型训练装置可以具有的功能模块以及各功能模块可以执行的操作做简要说明，对于其中涉及的细节部分可以参见上文相关的描述，这里不再赘述。

参见图4，消息长度预测模型训练装置400包括训练数据获取模块410和模型训练模块420。

训练数据获取模块410用于获取不同网络状况下的历史推送质量数据，作为训练数据。模型训练模块420用于使用训练数据进行模型训练，以得到消息长度预测模型，其中，消息长度预测模型用于根据网络状况对符合预期推送质量指标的单条消息的长度阈值进行预测。其中，历史推送质量数据可以包括以下至少一项：时长；流量；丢包率；以及重传率。

【消息处理装置】

图5是示出了根据本公开一实施例的消息处理装置的结构的示意性方框图。其中，消息处理装置的功能模块可以由实现本公开原理的硬件、软件或硬件和软件的结合来实现。本领域技术人员可以理解的是，图5所描述的功能模块可以组合起来或者划分成子模块，从而实现上述发明的原理。因此，本文的描述可以支持对本文描述的功能模块的任何可能的组合、或者划分、或者更进一步的限定。

下面就消息处理装置可以具有的功能模块以及各功能模块可以执行的操作做简要说明，对于其中涉及的细节部分可以参见上文相关的描述，这里不再赘述。

参见图5，消息处理装置500包括长度阈值确定模块510和切分模块520。

长度阈值确定模块510用于根据客户端的网络状况，确定适于向客户端推送的单条消息的长度阈值。切分模块520用于在准备向客户端推送的消息的长度大于长度阈值的情况下，对消息进行切分处理，以得到多个切分结果，其中，每个切分结果的长度小于或等于长度阈值。

在本公开的一个实施例中，长度阈值确定模块510可以根据网络状况，使用预先训练好的消息长度预测模型对适于向客户端推送的单条消息的长度阈值进行预测。例如，消息处理装置可以可选地包括推送质量数据获取模块和更新模块(图中未示出)。质量数据获取模块用于获取本次推送的推送质量数据，更新模块用于根据推送质量数据和网络状况，对消息长度预测模型进行更新。其中，推送质量数据可以包括以下至少一项：时长；流量；丢包率；以及重传率。

在本公开的一个实施例中，消息处理装置500还可以可选地包括监控模块(图中未示出)。监控模块用于对客户端进行监控，以确定网络状况。

在本公开的一个实施例中，消息处理装置500还可以可选地包括推送消息获取模块(图中未示出)。推送消息获取模块用于从业务服务器获取向客户端推送的消息。

【计算设备】

图6示出了根据本公开一实施例可用于实现上述消息推送方法或消息处理方法或消息长度预测模型训练方法的计算设备的结构示意图。

参见图6，计算设备600包括存储器610和处理器620。

处理器620可以是一个多核的处理器，也可以包含多个处理器。在一些实施例中，处理器620可以包含一个通用的主处理器以及一个或多个特殊的协处理器，例如图形处理器(GPU)、数字信号处理器(DSP)等等。在一些实施例中，处理器620可以使用定制的电路实现，例如特定用途集成电路(ASIC，Application Specific Integrated Circuit)或者现场可编程逻辑门阵列(FPGA，Field Programmable Gate Arrays)。

存储器610可以包括各种类型的存储单元，例如系统内存、只读存储器(ROM)，和永久存储装置。其中，ROM可以存储处理器620或者计算机的其他模块需要的静态数据或者指令。永久存储装置可以是可读写的存储装置。永久存储装置可以是即使计算机断电后也不会失去存储的指令和数据的非易失性存储设备。在一些实施方式中，永久性存储装置采用大容量存储装置(例如磁或光盘、闪存)作为永久存储装置。另外一些实施方式中，永久性存储装置可以是可移除的存储设备(例如软盘、光驱)。系统内存可以是可读写存储设备或者易失性可读写存储设备，例如动态随机访问内存。系统内存可以存储一些或者所有处理器在运行时需要的指令和数据。此外，存储器610可以包括任意计算机可读存储媒介的组合，包括各种类型的半导体存储芯片(DRAM，SRAM，SDRAM，闪存，可编程只读存储器)，磁盘和/或光盘也可以采用。在一些实施方式中，存储器610可以包括可读和/或写的可移除的存储设备，例如激光唱片(CD)、只读数字多功能光盘(例如DVD-ROM，双层DVD-ROM)、只读蓝光光盘、超密度光盘、闪存卡(例如SD卡、min SD卡、Micro-SD卡等等)、磁性软盘等等。计算机可读存储媒介不包含载波和通过无线或有线传输的瞬间电子信号。

存储器610上存储有可执行代码，当可执行代码被处理器620执行时，可以使处理器620执行上文述及的消息推送方法或消息处理方法或消息长度预测模型训练方法。

上文中已经参考附图详细描述了根据本公开的消息推送、消息处理及模型训练方法、装置以及计算设备。

此外，根据本公开的方法还可以实现为一种计算机程序或计算机程序产品，该计算机程序或计算机程序产品包括用于执行本公开的上述方法中限定的上述各步骤的计算机程序代码指令。

或者，本公开还可以实施为一种非暂时性机器可读存储介质(或计算机可读存储介质、或机器可读存储介质)，其上存储有可执行代码(或计算机程序、或计算机指令代码)，当所述可执行代码(或计算机程序、或计算机指令代码)被电子设备(或计算设备、服务器等)的处理器执行时，使所述处理器执行根据本公开的上述方法的各个步骤。

本领域技术人员还将明白的是，结合这里的公开所描述的各种示例性逻辑块、模块、电路和算法步骤可以被实现为电子硬件、计算机软件或两者的组合。

附图中的流程图和框图显示了根据本公开的多个实施例的系统和方法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，所述模块、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，方框中所标记的功能也可以以不同于附图中所标记的顺序发生。例如，两个连续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，框图和/或流程图中的每个方框、以及框图和/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。

以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (16)

1.一种消息推送方法，其特征在于，包括：

根据客户端的网络状况，确定适于向所述客户端推送的单条消息的长度阈值；

在准备向所述客户端推送的消息的长度大于所述长度阈值的情况下，对所述消息进行切分处理，以得到多个切分结果，其中，每个所述切分结果的长度小于或等于所述长度阈值；以及

将所述多个切分结果分批推送至所述客户端。

2.根据权利要求1所述的消息推送方法，其特征在于，所述确定适于向所述客户端推送的单条消息的长度阈值的步骤包括：

根据所述网络状况，使用预先训练好的消息长度预测模型对适于向所述客户端推送的单条消息的长度阈值进行预测。

3.根据权利要求2所述的消息推送方法，其特征在于，还包括：

获取本次推送的推送质量数据；以及

根据所述推送质量数据和所述网络状况，对所述消息长度预测模型进行更新。

4.根据权利要求3所述的消息推送方法，其特征在于，所述推送质量数据包括以下至少一项：

时长；

流量；

丢包率；以及

重传率。

5.根据权利要求1所述的消息推送方法，其特征在于，还包括：

为所述多个切分结果配置统一的标识符，以便所述客户端根据所述标识符对所述多个切分结果进行合成。

6.根据权利要求1所述的消息推送方法，其特征在于，还包括：

针对每个所述切分结果，配置索引数据，其中，所述索引数据包括所述多个切分结果的数量和当前切分结果在所述多个切分结果中的顺序。

7.根据权利要求1所述的消息推送方法，其特征在于，还包括：

对所述客户端进行监控，以确定所述网络状况。

8.根据权利要求1所述的消息推送方法，其特征在于，还包括：

从业务服务器获取向所述客户端推送的消息。

9.一种消息长度预测模型训练方法，其特征在于，包括：

获取不同网络状况下的历史推送质量数据，作为训练数据；

使用所述训练数据进行模型训练，以得到消息长度预测模型，其中，所述消息长度预测模型用于根据网络状况对符合预期推送质量指标的单条消息的长度阈值进行预测。

10.根据权利要求9所述的消息推送方法，其特征在于，所述历史推送质量数据包括以下至少一项：

时长；

流量；

丢包率；以及

重传率。

11.一种消息处理方法，其特征在于，包括：

根据客户端的网络状况，确定适于向所述客户端推送的单条消息的长度阈值；

在准备向所述客户端推送的消息的长度大于所述长度阈值的情况下，对所述消息进行切分处理，以得到多个切分结果，其中，每个所述切分结果的长度小于或等于所述长度阈值。

12.一种消息推送装置，其特征在于，包括：

长度阈值确定模块，用于根据客户端的网络状况，确定适于向所述客户端推送的单条消息的长度阈值；

切分模块，用于在准备向所述客户端推送的消息的长度大于所述长度阈值的情况下，对所述消息进行切分处理，以得到多个切分结果，其中，每个所述切分结果的长度小于或等于所述长度阈值；以及

推送模块，用于将所述多个切分结果分批推送至所述客户端。

13.一种消息长度预测模型训练装置，其特征在于，包括：

训练数据获取模块，用于获取不同网络状况下的历史推送质量数据，作为训练数据；

模型训练模块，用于使用所述训练数据进行模型训练，以得到消息长度预测模型，其中，所述消息长度预测模型用于根据网络状况对符合预期推送质量指标的单条消息的长度阈值进行预测。

14.一种消息处理装置，其特征在于，包括：

长度阈值确定模块，用于根据客户端的网络状况，确定适于向所述客户端推送的单条消息的长度阈值；和

切分模块，用于在准备向所述客户端推送的消息的长度大于所述长度阈值的情况下，对所述消息进行切分处理，以得到多个切分结果，其中，每个所述切分结果的长度小于或等于所述长度阈值。

15.一种计算设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如权利要求1-11中任何一项所述的方法。

16.一种非暂时性机器可读存储介质，其上存储有可执行代码，当所述可执行代码被电子设备的处理器执行时，使所述处理器执行如权利要求1至11中任一项所述的方法。

Images