CN111191178A - 一种信息推送方法、装置、服务器和存储介质 - Google Patents
一种信息推送方法、装置、服务器和存储介质 Download PDFInfo
- Publication number
- CN111191178A CN111191178A CN201911393765.5A CN201911393765A CN111191178A CN 111191178 A CN111191178 A CN 111191178A CN 201911393765 A CN201911393765 A CN 201911393765A CN 111191178 A CN111191178 A CN 111191178A
- Authority
- CN
- China
- Prior art keywords
- information
- pushed
- user
- pushing
- users
- 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 58
- 239000011159 matrix material Substances 0.000 claims description 40
- 239000013598 vector Substances 0.000 claims description 20
- 230000006399 behavior Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 238000004422 calculation algorithm Methods 0.000 abstract description 12
- 230000008569 process Effects 0.000 description 12
- 238000010586 diagram Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (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、服务器和存储介质。其中，该方法包括：将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集；根据去重后的信息候选集向所述待推送用户推送对应的信息。本发明实施例提供的技术方案，将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集，此时采用不同维度下的推送算法分析待推送用户的相似性，避免采用单一维度下的推送算法计算待推送用户的推送信息时存在的局限性，丰富了信息候选集的内容，提高了推送信息的多样性和准确性。
Description
技术领域
本发明实施例涉及互联网技术领域，尤其涉及一种信息推送方法、装置、服务器和存储介质。
背景技术
随着人工智能交互技术的快速发展，推送服务已经广泛应用到用户终端配置的各类应用中，由于过多或者无意义的信息推送会干扰用户在该应用中的正常操作，从而引起用户的反感，使得用户关闭消息通知栏，甚至直接卸载该应用，极大程度降低了该应用中的用户留存，因此好的推送服务对于应用是至关重要的。
目前的推送服务常采用如下两种方式：1)基于用户的协同过滤(UserCF)：根据各个用户在应用中对不同信息操作的历史行为数据，计算当前用户的相似用户，进而将相似用户感兴趣的信息推送给当前用户；2)基于物品的协同过滤(ItemCF)：根据当前用户在应用中对不同信息操作的历史行为数据，在最新上传的信息中选取出当前用户感兴趣的信息并推送给当前用户。
现有的推送服务常采用单一维度下的推送算法计算用户待推荐的信息，使得各个推送算法之间的相关性较低，同时仅采用单一维度参数计算用户对信息的喜好程度，将用户的推送信息限制在该维度下，极大降低了推送内容的多样性和准确性。
发明内容
本发明实施例提供了一种信息推送方法、装置、服务器和存储介质，丰富了信息候选集的内容，提高了推送信息的多样性和准确性。
第一方面，本发明实施例提供了一种信息推送方法，该方法包括：
将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集；
根据去重后的信息候选集向所述待推送用户推送对应的信息。
第二方面，本发明实施例提供了一种信息推送装置，该装置包括：
候选信息确定模块，用于将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集；
信息推送模块，用于根据去重后的信息候选集向所述待推送用户推送对应的信息。
第三方面，本发明实施例提供了一种服务器，该服务器包括：
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，使得所述一个或多个处理器实现本发明任意实施例所述的信息推送方法。
第四方面，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现本发明任意实施例所述的信息推送方法。
本发明实施例提供了一种信息推送方法、装置、服务器和存储介质，将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集，此时采用不同维度下的推送算法分析待推送用户的相似性，避免采用单一维度下的推送算法计算待推送用户的推送信息时存在的局限性，丰富了信息候选集的内容，提高了推送信息的多样性和准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1A为本发明实施例一提供的一种信息推送方法的流程图；
图1B为本发明实施例一提供的信息推送过程的原理示意图；
图2A为本发明实施例二提供的一种信息推送方法的流程图；
图2B为本发明实施例二提供的信息推送过程的原理示意图；
图3A为本发明实施例三提供的一种信息推送方法的流程图；
图3B为本发明实施例三提供的信息推送过程的原理示意图；
图4为本发明实施例四提供的一种信息推送装置的结构示意图；
图5为本发明实施例五提供的一种服务器的结构示意图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部结构。
实施例一
图1A为本发明实施例一提供的一种信息推送方法的流程图，本实施例可应用于任一种可以为用户下发相应推送信息的后台服务器中。本发明实施例的技术方案适用于为用户推送感兴趣的信息的情况中。本实施例提供的一种信息推送方法可以由本发明实施例提供的信息推送装置来执行，该装置可以通过软件和/或硬件的方式来实现，并集成在执行本方法的服务器中，该服务器可以是不同类型的推送应用对应的后台服务器。
具体的，参考图1A，该方法可以包括如下步骤：
S110，将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集。
具体的，在信息推送的场景下，不同用户会将一些原创内容或者从第三方浏览的自身感兴趣的内容转载上传到对应的后台服务器中，以供其他用户浏览，从而扩大信息的传播范围。此时，不同用户在信息浏览过程中，会根据自身对该信息的喜好程度而执行不同的操作，生成对应的打点数据，例如用户感兴趣的信息，会执行相应的点赞、评论或转发等操作，用户不感兴趣或不希望再次浏览的信息，会执行相应的屏蔽、拉黑或删除等操作，因此后台服务器根据用户在信息浏览过程中执行不同操作而上报的打点数据判断该用户对当前浏览信息的喜好程度；示例性的，本实施例中用户对信息的打点可以包括正向打点和负向打点两种情况，其中，正向打点表示用户对感兴趣的信息所执行的正向行为操作，例如点赞、评论或转发等操作；负向打点表示用户对不感兴趣的信息所执行的负向行为操作，例如屏蔽、拉黑或删除等操作。
此外，由于在信息浏览过程中不同用户会对同一信息执行不同的操作，同一用户对不同信息也会执行不同的操作，因此每一信息下会包含不同用户对该信息的打点数据，每一用户下也会包含该用户对不同信息的打点数据，此时通过分析各个用户对两个信息的打点数据之间的差异度，可以计算两个信息的相似度，通过分析两个用户对各个信息的打点数据之间的差异度，计算两个用户的相似度。具体的，本实施例中待推送的信息可以为用户上传的消息、新闻、资讯、音乐或短视频等任一类型内容。
本实施例中，在需要计算每一用户待推送的信息时，该用户为本实施例中的待推送用户，首先需要分析待推送用户最近上报的针对不同信息的打点数据，并在全部信息中筛选出待推送用户正向打点的关联信息，如待推送用户在最近点赞、评论或者转发过的信息，进而获取预先计算出的该关联信息的相似信息，将各个关联信息的相似信息共同构成待推送用户的第一候选集；同时查找出为待推送用户预先计算出的相似用户，并分析各个相似用户对不同信息的打点数据，此时如果确定各个相似用户对某一信息均正向打点，则将该信息作为本实施例中待推送用户的相似用户共同正向打点的关联信息，从而通过对相似用户对各个信息的打点数据进行分析，依次选取出待推送用户的各个相似用户共同正向打点的全部关联信息，构成待推送用户的第二候选集；进而如图1B所示，合并第一候选集和第二候选集，得到对应的信息候选集。
需要说明的是，由于推送应用中会不断加入新用户或者上传新的内容，此时新用户或者新信息会造成不同信息或者不同用户的相似度发生变化，因此本实施例中会定时更新不同信息和不同用户之间的相似性，进而定时计算每一用户待推送的信息候选集，以保证待推送信息的准确性。此外，由于推送应用中的信息数量较为庞大，为了保证较高的推送效率，本实施例中可以对待推送用户正向打点的关联信息的相似信息或者待推送用户的相似用户共同正向打点的关联信息的数量进行限定；例如，待推送用户正向打点的关联信息为N个，此时为每一关联信息选取相似程度较高的K个相似信息，使得第一候选集中一共包括N*K个候选信息；同时根据待推送用户的相似用户对各个信息的正向打点程度，筛选出正向打点程度较高的T个信息，构成第二候选集；此时信息候选集中一共包括(N*K+T)个候选信息。
S120，根据去重后的信息候选集向待推送用户推送对应的信息。
具体的，由于待推送用户正向打点的关联信息通常为待推送用户感兴趣的信息，此时各个关联信息的相似信息之间可能存在重复信息，同时与待推送用户的相似用户共同正向打点的关联信息之间也会存在重复信息，因此合并得到的信息候选集中会存在大量重复的信息，为了保证信息候选集的简洁性，本实施例在得到信息候选集后，会去掉信息候选集中重复的信息，使得信息候选集中针对每一信息仅保存一条。
此外，为了保证推送信息对于待推送用户的新颖性，需要向待推送用户推送未浏览过的新信息，因此待推送用户的信息候选集中需要排除待推送用户已经浏览过的信息，此时在对合并得到的信息候选集去重时，还可以根据待推送用户的历史浏览记录，去掉信息候选集中待推送用户已经浏览过的信息。因此，本实施例中对于信息候选集的去重不仅包括对重复信息的去重，还包括对已浏览信息的去重，进而保证查找推送信息的快速性以及推送信息的新颖性。
可选的，在对信息候选集去重后，可以将去重后的信息候选集缓存，在待推送用户请求推送时，如图1B所示，直接从缓存的去重后的信息候选集中筛选出对应匹配程度下的信息推送给该待推送用户，提高推送信息的准确性，同时无需在待推送用户请求推送时，才查找待推送用户的相似用户，或者查找待推送用户正向打点的关联信息的相似信息，本实施例预先对信息候选集进行处理，在待推送用户请求推送或者检测到当前时刻为预先设定的推动时间点时，仅需在去重后的信息候选集中根据匹配程度筛选出对应的信息推送给待推送用户，提高信息推送的效率。
示例性的，本实施例中待推送用户请求推送的时机存在如下两种情况：1)待推送用户通过在客户端执行对应的信息更新操作生成对应的推送请求；2)服务端根据预先设置的请求时间或者由待推送用户的历史推送时间预测的推送请求时刻而调度到合适的为待推送用户推送信息的时机。
进一步的，为了保证信息推送的效率，本实施例中的信息推送方法可以具体包括：定时离线将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集；待推送用户线上请求推送时，根据去重后的信息候选集向待推送用户推送对应的信息。
具体的，本实施例中可以离线的方式预先为每一用户计算对应的信息候选集，通过离线将任一待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到各个用户对应的信息候选集，避免在线上计算用户的推送信息时，考虑到待推送用户过多而导致计算量过大的问题，需要减少推送信息的用户量，从而使得信息推送的用户覆盖率降低的问题，本实施例通过离线预计算的方式降低在线计算的压力，并提高信息推送的用户覆盖范围；同时为了保证信息候选集的准确性，需要定时对信息候选集更新，因此本实施例定时离线将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集，如每隔一天离线计算一次待推送用户的信息候选集，进而对该待推送用户的信息候选集去重后缓存，进而在待推送用户线上请求推送时，直接在离线计算得到的最新的去重后的信息候选集中直接筛选出匹配程度对应的信息推送给待推送用户，提高信息推送的效率。
本实施例提供的技术方案，将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集，此时采用不同维度下的推送算法分析待推送用户的相似性，避免采用单一维度下的推送算法计算待推送用户的推送信息时存在的局限性，丰富了信息候选集的内容，提高了推送信息的多样性和准确性。
实施例二
图2A为本发明实施例二提供的一种信息推送方法的流程图，图2B为本发明实施例二提供的信息推送过程的原理示意图。本实施例是在上述实施例的基础上进行优化。可选的，本实施例中信息推送包括离线预计算信息候选集和在线推送两部分，本实施例中主要对于离线预计算信息候选集的过程进行详细的解释说明。
可选的，如图2A所示，本实施例中可以包括如下步骤：
S210，根据不同用户对不同信息的历史打点行为，生成对应的评分矩阵。
具体的，为了充分体现各个用户对不同信息的喜好程度，本实施例在会根据各个用户在信息浏览过程中对不同信息的实际执行操作，对各个信息进行打分，通过具体得分表示用户对该信息的喜好程度；示例性的，根据在信息浏览过程中不同执行操作对应表示喜好的重要程度预先为各个执行操作设置对应的分数，例如点赞计1分，评论计2分，转发分享计3分等；此时根据各个用户对不同信息的历史打点行为，判断各个用户对不同信息的执行操作，进而得到各个用户对于不同信息的具体得分，生成对应的评分矩阵，该评分矩阵中包括不同用户对不同信息的评分。如图2B所示，本实施例中可以通过Hive数据缓存不同用户对不同信息的历史打点行为，以便确定各个用户对不同信息的评分。
示例性的，本实施例中的信息为不同用户上传的视频时，如果user1对video1分别执行点赞、评论和转发分享操作，则评分矩阵中user1对video1的最终评分为6分，此时评分矩阵可以如下表所示：
表1评分矩阵
| video1 | video2 | video3 | video4 | video5 | |
| user1 | 6 | 0 | 5 | 5 | 0 |
| user2 | 6 | 0 | 5 | 4 | 4 |
| user3 | 0 | 0 | 0 | 0 | 1 |
| user4 | 3 | 0 | 3 | 0 | 6 |
| user5 | 0 | 3 | 0 | 3 | 3 |
其中，评分矩阵中记录每一用户对于不同视频的评分，从而根据该评分能够表示每一用户对于不同视频的喜好程度。
S220，根据评分矩阵分别计算不同信息的相似信息，以及不同用户的相似用户。
可选的，上述评分矩阵包含用户维度和信息维度两种特征维度下的评分情况，此时根据该评分矩阵中不同特征维度下的评分能够代表不同信息和不同用户的特征向量，从而根据不同特征维度下的特征向量分别计算不同信息的相似信息以及不同用户的相似用户。
示例性的，为了保证相似信息和相似用户的计算效率，本实施例中根据评分矩阵分别计算不同信息的相似信息，以及不同用户的相似用户，可以具体包括：针对每一信息，根据该信息与其他信息在评分矩阵中的用户评分向量，计算该信息的相似信息；针对每一用户，根据该用户与其他用户在评分矩阵中的信息评分向量，计算该用户的相似用户。
具体的，针对每一信息，可以将评分矩阵中每一用户为该信息的评分共同构成该信息的用户评分向量，后续采用现有的向量相似度算法计算该信息与其他信息的用户评分向量之间的相似度，通过判断该相似度的高低，确定其他信息是否为该信息的相似信息；同时，针对每一用户，可以将评分矩阵中该用户为每一信息的评分共同构成该用户的信息评分向量，同时采用现有的向量相似度算法计算该用户与其他用户的信息评分向量之间的相似度，进而计算各个用户的相似用户。
示例性的，参照表1，video1的用户评分向量为(6,6,0,3,0)，user1的信息评分向量为(6,0,5,5,0)；此时评分矩阵中各个用户对应的行数据为该用户的信息评分向量，评分矩阵中各个视频对应的列数据为该视频的用户评分向量。
此外，在计算出不同信息的相似信息和不同用户的相似用户后，为了便于后续查找待推送用户正向打点的关联信息的相似信息以及待推送用户的相似用户，本实施例根据相似度高低预先为每一用户选取对应数量的相似用户，以及预先为每一信息选取对应数量的相似信息，并保存各个用户的相似用户以及各个信息的相似信息，保证查找相似用户以及相似信息的便捷性。其中，待推送用户正向打点的关联信息为在评分矩阵中待推送用户正向评分的信息，也就是在评分矩阵中待推送用户的评分高于0的信息，表示待推送用户对该信息执行点赞、评论或转发等操作；后续在评分矩阵中确定待推送信息正向打点的关联矩阵后，能够直接确定出该关联信息的相似信息，以便得到对应的信息候选集。
S230，根据待推送用户与相似用户之间的相似度以及相似用户对不同信息的评分，计算待推送用户对不同信息的预测评分。
可选的，在计算出待推送用户正向打点的关联信息的相似信息后，还需要查找待推送用户的相似用户共同正向打点的关联信息，此时首先确定待推送用户的各个相似用户，将每一相似用户与待推送用户之间的相似度作为该相似用户的权重，进而采用加权求和的方式对不同相似用户的相似度以及在评分矩阵中相似用户对不同信息的评分进行计算，得到待推送用户对不同信息的预测评分，后续根据该预测评分计算待推送用户的相似用户共同正向打点的关联信息。例如，如果待推送用户user1的相似用户为user2和user3，其相似度分别为0.9和0.8，user2对video1、video2和video3的评分分别为5、1和5，user3对video1、vidoe2和video3的评分分别为4、6和2，此时可以计算user1对video1的预测评分为(5*0.9+4*0.8)/2＝3.25，同理计算可得user1对video2和video3的评分分别为2.85和3.05。
S240，筛选出预测评分满足第一预设条件下的信息，作为待推送用户的相似用户共同正向打点的关联信息。
可选的，在计算得到待推送用户对不同信息的预测评分后，可以通过该预测评分对各个信息进行排序，此时第一预设条件可以为预设的评分阈值，也可以为预设的信息数量，本实施例中对此不作限定。具体的，本实施例在不同信息中筛选出预测评分高于预设的评分阈值的信息，或者根据预测评分的排序筛选出评分较高的预设数量的信息，作为待推送用户的相似用户共同正向打点的关联信息。
S250，将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集。
S260，根据去重后的信息候选集向待推送用户推送对应的信息。
本实施例提供的技术方案，根据不同用户对不同信息的历史打点行为，生成对应的评分矩阵，同时根据评分矩阵中不同特征维度下的用户评分向量和信息评分向量分别计算待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息，进而合并得到待推送的信息候选集，丰富了信息候选集的内容，保证信息候选集的多样性，采用不同维度下的推送算法分析待推送用户的相似性，避免采用单一维度下的推送算法计算待推送用户的推送信息时存在的局限性，提高了推送信息的多样性和准确性。
实施例三
图3A为本发明实施例三提供的一种信息推送方法的流程图，图3B为本发明实施例三提供的信息推送过程的原理示意图。本实施例是在上述实施例的基础上进行优化。可选的，本实施例主要对于为待推送用户在西安推送信息的过程进行详细的解释说明。
具体的，如图3A所示，该方法可以包括如下步骤：
S310，将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集。
S320，根据待推送用户在预设历史时段下的信息打点记录，对信息候选集去重。
可选的，由于新用户和新信息的加入，不同用户对不同信息的评分会发生变化，使得各个用户的相似用户以及各个信息的相似信息发生变化，从而导致信息候选集的变化，因此本实施例中为了保证信息推送的准确性，会设置对应的时段，从而在每一时段定时更新评分矩阵，也就是每隔一定时间便更新一次评分矩阵，保证评分矩阵的准确性。
同时，由于在对信息候选集去重时，需要查找待推送用户历史浏览过的全部信息，数据量较大无法准确计算，因此本实施例中在合并得到对应的信息候选集时，一般会将待推送用户正向打点的关联信息在预设历史时段下发布的相似信息，以及待推送用户的相似用户共同正向打点的在预设历史时段下发布的关联信息合并，使得信息候选集中的信息均为在预设历史时段下发布的信息，降低信息候选集的信息数量。具体的，在对信息候选集去重时，仅需要查找待推送用户在预设历史时段下的信息打点记录，从而确定待推送用户在预设历史时段下已浏览的信息，从而在信息候选集中排除在预设历史时段下已浏览的信息以及重复的信息，此时去重后的信息候选集中的信息均为在预设历史时段下发布的待推送用户未浏览过的信息，保证信息推送的新颖性。需要说明的是，如图3B所示，本步骤中对信息候选集的去重为离线去重。
S330，在去重后的信息候选集中筛选出待推送用户的评分满足第二预设条件下的信息，并缓存至待推送用户对应的信息推送库中。
可选的，为了保证线上信息推送的即时性，并降低线上推送的计算效率，本实施例在得到去重后的信息候选集后，首先会在信息候选集筛选出较少数量的信息，此时待推送用户对该信息的评分满足第二预设条件，该第二预设条件可以是评分阈值，也可以是信息数量，此时在去重后的信息候选集中筛选出待推送用户的评分高于预设评分阈值的信息，或者筛选出待推送用户的评分排序在前预设数量的信息，并将筛选出的信息缓存至待推送用户对应的信息推送库中，以便在线上推送时，能够直接在信息推送库中选取对应的信息，推送给待推送用户，提高信息推送的效率。如图3B所示，本实施例中可以通过Redis数据库缓存对应的信息推送库，在待推送用户请求推送时，可以直接在Redis数据库中召回该信息推送库，以便后续向待推送用户推送信息推送库中对应的信息。
S340，根据信息推送库中信息的评分，向待推送用户推送对应的信息。
可选的，本实施例在离线下会预先缓存待推送用户对应的信息推送库，在待推送用户线上请求推送时，会根据信息推送库中待推送用户对信息的评分，筛选出评分较高的信息推送给待推送用户。
具体的，如图3B所示，为了保证在线推送的信息新颖性，本实施例中根据信息推送库中信息的评分，向待推送用户推送对应的信息，具体可以包括：根据待推送用户在当前时段下的信息打点记录，对信息推送库去重；将去重后的信息推送库中评分最高的信息推送给待推送用户。
本实施例中，由于待推送用户在线上会新浏览某信息，因此在待推送用户请求推送时，还需要对信息推送库进行在线去重，根据待推送用户当前时段下的信息打点记录，查找待推送用户在线上已浏览的信息，并在信息推送库中排除线上已浏览的信息，同时对去重后的信息推送库中进行排序，并计算去重后的信息推送库中每一信息的评分(可以为预测评分)，进而将去重后的信息推送库中评分最高的信息推送给待推送用户。
本实施例提供的技术方案，将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集，丰富了信息候选集的内容，保证信息候选集的多样性，同时通过不同时段对信息候选集进行更新，保证信息推送的准确性，避免采用单一维度下的推送算法计算待推送用户的推送信息时存在的局限性，提高了推送信息的多样性和准确性；同时确保信息候选集中的信息为在预设历史时段下发布的信息，且在后续在信息候选集中排除待推送用户在预设历史时段下已浏览的信息，并在线上推送之前，再次排除线上已浏览的信息，保证信息推送对于待推送用户的新颖性，提高用户在推送应用中的留存。
实施例四
图4为本发明实施例四提供的一种信息推送装置的结构示意图，具体的，如图4所示，该装置可以包括：
候选信息确定模块410，用于将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集；
信息推送模块420，用于根据去重后的信息候选集向待推送用户推送对应的信息。
本实施例提供的技术方案，将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集，此时采用不同维度下的推送算法分析待推送用户的相似性，避免采用单一维度下的推送算法计算待推送用户的推送信息时存在的局限性，丰富了信息候选集的内容，提高了推送信息的多样性和准确性。
进一步的，上述信息推送装置，还可以包括：
评分矩阵生成模块，用于根据不同用户对不同信息的历史打点行为，生成对应的评分矩阵，该评分矩阵包括不同用户对不同信息的评分；
相似确定模块，用于根据评分矩阵分别计算不同信息的相似信息，以及不同用户的相似用户。
进一步的，上述相似确定模块，可以具体用于：
针对每一信息，根据该信息与其他信息在评分矩阵中的用户评分向量，计算该信息的相似信息；
针对每一用户，根据该用户与其他用户在评分矩阵中的信息评分向量，计算该用户的相似用户。
进一步的，上述待推送用户正向打点的关联信息为在评分矩阵中待推送用户正向评分的信息。
进一步的，上述信息推送装置，还可以包括：
预测评分计算模块，用于根据待推送用户与相似用户之间的相似度以及相似用户对不同信息的评分，计算待推送用户对不同信息的预测评分；
第一信息筛选模块，用于筛选出预测评分满足第一预设条件下的信息，作为待推送用户的相似用户共同正向打点的关联信息。
进一步的，上述信息候选集中的信息为在预设历史时段下发布的信息。
进一步的，上述信息推送装置，还可以包括：
信息去重模块，用于根据待推送用户在预设历史时段下的信息打点记录，对信息候选集去重。
进一步的，上述信息推送装置，还可以包括：
第二信息筛选模块，用于在去重后的信息候选集中筛选出待推送用户的评分满足第二预设条件下的信息，并缓存至待推送用户对应的信息推送库中。
进一步的，上述信息推送模块420，可以具体用于：
待推送用户请求推送时，根据信息推送库中信息的评分，向待推送用户推送对应的信息。
进一步的，上述信息推送模块420，可以具体用于：
根据待推送用户在当前时段下的信息打点记录，对信息推送库去重；
将去重后的信息推送库中评分最高的信息推送给待推送用户。
进一步的，上述评分矩阵根据不同时段定时更新。
进一步的，上述候选信息确定模块410，可以具体用于：
定时离线将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集。
进一步的，上述信息推送模块420，可以具体用于：
根据去重后的信息候选集向待推送用户推送对应的信息。
本实施例提供的信息推送装置可适用于上述任意实施例提供的信息推送方法，具备相应的功能和有益效果。
实施例五
图5为本发明实施例五提供的一种服务器的结构示意图，如图5所示，该服务器包括处理器50、存储装置51和通信装置52；服务器中处理器50的数量可以是一个或多个，图5中以一个处理器50为例；服务器中的处理器50、存储装置51和通信装置52可以通过总线或其他方式连接，图5中以通过总线连接为例。
存储装置51作为一种计算机可读存储介质，可用于存储软件程序、计算机可执行程序以及模块，如本发明任意实施例所述的信息推送方法对应的程序指令/模块。处理器50通过运行存储在存储装置51中的软件程序、指令以及模块，从而执行服务器的各种功能应用以及数据处理，即实现上述信息推送方法。
存储装置51可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序；存储数据区可存储根据终端的使用所创建的数据等。此外，存储装置51可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他非易失性固态存储器件。在一些实例中，存储装置51可进一步包括相对于处理器50远程设置的存储器，这些远程存储器可以通过网络连接至推荐服务器。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
通信装置52可用于实现服务器与客户端之间的网络连接或者移动数据连接。
本实施例提供的一种服务器可用于执行上述任意实施例提供的信息推送方法，具备相应的功能和有益效果。
实施例六
本发明实施例六还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可实现上述任意实施例中的信息推送方法。该方法具体可以包括：
将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集；
根据去重后的信息候选集向待推送用户推送对应的信息。
当然,本发明实施例所提供的一种包含计算机可执行指令的存储介质，其计算机可执行指令不限于如上所述的方法操作，还可以执行本发明任意实施例所提供的信息推送方法中的相关操作。
通过以上关于实施方式的描述，所属领域的技术人员可以清楚地了解到，本发明可借助软件及必需的通用硬件来实现，当然也可以通过硬件实现，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如计算机的软盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(RandomAccess Memory,RAM)、闪存(FLASH)、硬盘或光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
值得注意的是，上述信息推送装置的实施例中，所包括的各个单元和模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
以上所述仅为本发明的优选实施例，并不用于限制本发明，对于本领域技术人员而言，本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (14)
1.一种信息推送方法，其特征在于，包括：
将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集；
根据去重后的信息候选集向所述待推送用户推送对应的信息。
2.根据权利要求1所述的方法，其特征在于，在得到待推送的信息候选集之前，还包括：
根据不同用户对不同信息的历史打点行为，生成对应的评分矩阵，所述评分矩阵包括不同用户对不同信息的评分；
根据所述评分矩阵分别计算不同信息的相似信息，以及不同用户的相似用户。
3.根据权利要求2所述的方法，其特征在于，所述根据所述评分矩阵分别计算不同信息的相似信息，以及不同用户的相似用户，包括：
针对每一信息，根据该信息与其他信息在所述评分矩阵中的用户评分向量，计算该信息的相似信息；
针对每一用户，根据该用户与其他用户在所述评分矩阵中的信息评分向量，计算该用户的相似用户。
4.根据权利要求2所述的方法，其特征在于，所述待推送用户正向打点的关联信息为在所述评分矩阵中所述待推送用户正向评分的信息。
5.根据权利要求2所述的方法，其特征在于，在得到待推送的信息候选集之前，还包括：
根据所述待推送用户与所述相似用户之间的相似度以及所述相似用户对不同信息的评分，计算所述待推送用户对不同信息的预测评分；
筛选出所述预测评分满足第一预设条件下的信息，作为所述待推送用户的相似用户共同正向打点的关联信息。
6.根据权利要求2-5任一项所述的方法，其特征在于，所述信息候选集中的信息为在预设历史时段下发布的信息。
7.根据权利要求6所述的方法，其特征在于，在得到待推送的信息候选集之后，还包括：
根据所述待推送用户在预设历史时段下的信息打点记录，对所述信息候选集去重。
8.根据权利要求7所述的方法，其特征在于，在根据所述待推送用户在预设时段下的信息打点记录，对所述信息候选集去重之后，还包括：
在去重后的信息候选集中筛选出待推送用户的评分满足第二预设条件下的信息，并缓存至所述待推送用户对应的信息推送库中；
所述根据去重后的信息候选集向所述待推送用户推送对应的信息，包括：
根据所述信息推送库中信息的评分，向所述待推送用户推送对应的信息。
9.根据权利要求8所述的方法，其特征在于，所述根据所述信息推送库中信息的评分，向所述待推送用户推送对应的信息，包括：
根据所述待推送用户在当前时段下的信息打点记录，对所述信息推送库去重；
将去重后的信息推送库中评分最高的信息推送给所述待推送用户。
10.根据权利要求6所述的方法，其特征在于，所述评分矩阵根据不同时段定时更新。
11.根据权利要求1-5任一项所述的方法，其特征在于，具体包括：
定时离线将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集；
根据去重后的信息候选集向所述待推送用户推送对应的信息。
12.一种信息推送装置，其特征在于，包括：
候选信息确定模块，用于将待推送用户正向打点的关联信息的相似信息，以及待推送用户的相似用户共同正向打点的关联信息合并，得到待推送的信息候选集；
信息推送模块，用于根据去重后的信息候选集向所述待推送用户推送对应的信息。
13.一种服务器，其特征在于，所述服务器包括：
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，使得所述一个或多个处理器实现如权利要求1-11中任一所述的信息推送方法。
14.一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，该程序被处理器执行时实现如权利要求1-11中任一所述的信息推送方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911393765.5A CN111191178A (zh) | 2019-12-30 | 2019-12-30 | 一种信息推送方法、装置、服务器和存储介质 |
| PCT/CN2020/132410 WO2021135778A1 (zh) | 2019-12-30 | 2020-11-27 | 信息推送方法、装置、服务器和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911393765.5A CN111191178A (zh) | 2019-12-30 | 2019-12-30 | 一种信息推送方法、装置、服务器和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN111191178A true CN111191178A (zh) | 2020-05-22 |
Family
ID=70711099
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911393765.5A Pending CN111191178A (zh) | 2019-12-30 | 2019-12-30 | 一种信息推送方法、装置、服务器和存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN111191178A (zh) |
| WO (1) | WO2021135778A1 (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112637314A (zh) * | 2020-12-17 | 2021-04-09 | 深圳市和讯华谷信息技术有限公司 | 消息同步方法、系统、第一终端设备、服务端和介质 |
| WO2021135778A1 (zh) * | 2019-12-30 | 2021-07-08 | 百果园技术(新加坡)有限公司 | 信息推送方法、装置、服务器和存储介质 |
| CN113254777A (zh) * | 2021-06-07 | 2021-08-13 | 武汉卓尔数字传媒科技有限公司 | 信息推荐方法、装置、电子设备及存储介质 |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116405453A (zh) * | 2023-04-23 | 2023-07-07 | 中航信移动科技有限公司 | 一种基于多特征的信息推送方法、存储介质及电子设备 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104077351A (zh) * | 2014-05-26 | 2014-10-01 | 东北师范大学 | 基于异构信息网络的内容提供方法及系统 |
| CN107943864A (zh) * | 2017-11-10 | 2018-04-20 | 阿基米德（上海）传媒有限公司 | 一种多媒体内容媒体下安全可控的智能推荐系统 |
| CN109102371A (zh) * | 2018-08-22 | 2018-12-28 | 平安科技（深圳）有限公司 | 商品推荐方法、装置、计算机设备及存储介质 |
| CN109783734A (zh) * | 2019-01-17 | 2019-05-21 | 湖南大学 | 一种基于项目属性的混合协同过滤推荐算法 |
Family Cites Families (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104298772A (zh) * | 2014-10-29 | 2015-01-21 | 吴健 | 一种优化近邻选择的协同过滤推荐方法及装置 |
| CN105005701A (zh) * | 2015-07-24 | 2015-10-28 | 成都康赛信息技术有限公司 | 一种基于属性与评分的个性化推荐方法 |
| CN105404700B (zh) * | 2015-12-30 | 2019-04-16 | 山东大学 | 一种基于协同过滤的视频栏目推荐系统及推荐方法 |
| US20170206582A1 (en) * | 2016-01-15 | 2017-07-20 | Target Brands, Inc. | Generating a user interface for recommending products |
| US20200394540A1 (en) * | 2018-03-29 | 2020-12-17 | Ntt Docomo, Inc. | Evaluation device |
| CN111191178A (zh) * | 2019-12-30 | 2020-05-22 | 广州市百果园网络科技有限公司 | 一种信息推送方法、装置、服务器和存储介质 |
-
2019
- 2019-12-30 CN CN201911393765.5A patent/CN111191178A/zh active Pending
-
2020
- 2020-11-27 WO PCT/CN2020/132410 patent/WO2021135778A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104077351A (zh) * | 2014-05-26 | 2014-10-01 | 东北师范大学 | 基于异构信息网络的内容提供方法及系统 |
| CN107943864A (zh) * | 2017-11-10 | 2018-04-20 | 阿基米德（上海）传媒有限公司 | 一种多媒体内容媒体下安全可控的智能推荐系统 |
| CN109102371A (zh) * | 2018-08-22 | 2018-12-28 | 平安科技（深圳）有限公司 | 商品推荐方法、装置、计算机设备及存储介质 |
| CN109783734A (zh) * | 2019-01-17 | 2019-05-21 | 湖南大学 | 一种基于项目属性的混合协同过滤推荐算法 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021135778A1 (zh) * | 2019-12-30 | 2021-07-08 | 百果园技术(新加坡)有限公司 | 信息推送方法、装置、服务器和存储介质 |
| CN112637314A (zh) * | 2020-12-17 | 2021-04-09 | 深圳市和讯华谷信息技术有限公司 | 消息同步方法、系统、第一终端设备、服务端和介质 |
| CN113254777A (zh) * | 2021-06-07 | 2021-08-13 | 武汉卓尔数字传媒科技有限公司 | 信息推荐方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021135778A1 (zh) | 2021-07-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111191178A (zh) | 一种信息推送方法、装置、服务器和存储介质 | |
| CN111782965B (zh) | 意图推荐方法、装置、设备及存储介质 | |
| US11593894B2 (en) | Interest recommendation method, computer device, and storage medium | |
| CN108921221B (zh) | 用户特征的生成方法、装置、设备及存储介质 | |
| US11429680B2 (en) | Topic subscription method and apparatus, and storage medium | |
| US20190197122A1 (en) | Method and device for generating review article of hot news, and terminal device | |
| EP3657349B1 (en) | Search infrastructure | |
| CN110543598B (zh) | 信息推荐方法、装置及终端 | |
| CN109582903B (zh) | 一种信息展示的方法、装置、设备和存储介质 | |
| US8832105B2 (en) | System for incrementally clustering news stories | |
| US10469275B1 (en) | Clustering of discussion group participants | |
| US20150081725A1 (en) | System and method for actively obtaining social data | |
| US20130041876A1 (en) | Link recommendation and densification | |
| CN106030650B (zh) | 分离内容频道 | |
| US20190130304A1 (en) | Generating, using a machine learning model, request agnostic interaction scores for electronic communications, and utilization of same | |
| US20140222831A1 (en) | Method and system for personalized delivery of media content | |
| CN111506820A (zh) | 推荐模型、方法、装置、设备及存储介质 | |
| CN110688382A (zh) | 数据存储查询方法、装置、计算机设备及存储介质 | |
| CN113609374A (zh) | 基于内容推送的数据处理方法、装置、设备及存储介质 | |
| US20220414173A1 (en) | Geographic location based feed | |
| CN111400546A (zh) | 一种视频召回方法、视频推荐方法及装置 | |
| US20230231824A1 (en) | Managing a plurality of social media timelines of a messaging platform | |
| CN110162689B (zh) | 信息推送方法、装置、计算机设备和存储介质 | |
| CN112749296B (zh) | 一种视频推荐方法、装置、服务器及存储介质 | |
| CN111918104A (zh) | 一种视频数据的召回方法、装置、计算机设备和存储介质 |
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 |