CN111460281A - 信息推送的优化方法及装置、存储介质、终端 - Google Patents

信息推送的优化方法及装置、存储介质、终端 Download PDF

Info

Publication number
CN111460281A
CN111460281A CN202010122395.8A CN202010122395A CN111460281A CN 111460281 A CN111460281 A CN 111460281A CN 202010122395 A CN202010122395 A CN 202010122395A CN 111460281 A CN111460281 A CN 111460281A
Authority
CN
China
Prior art keywords
information
comment
user
distance
time
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.)
Granted
Application number
CN202010122395.8A
Other languages
English (en)
Other versions
CN111460281B (zh
Inventor
方思维
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhejiang Koubei Network Technology Co Ltd
Original Assignee
Zhejiang Koubei Network Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhejiang Koubei Network Technology Co Ltd filed Critical Zhejiang Koubei Network Technology Co Ltd
Priority to CN202010122395.8A priority Critical patent/CN111460281B/zh
Publication of CN111460281A publication Critical patent/CN111460281A/zh
Application granted granted Critical
Publication of CN111460281B publication Critical patent/CN111460281B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种信息推送的优化方法及装置、存储介质、终端，涉及互联网技术领域，主要目的在于解决现有仅仅利用在应用程序或门店网站中浏览的行为信息，无法满足用户在进行线下业务时的信息推送需求，降低了信息推送的效率的问题。包括：采集用户对业务目标的评论信息、评论时间、距离信息；结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类；向分类后的所述用户推送匹配的信息。主要用于信息推送的优化。

Description

信息推送的优化方法及装置、存储介质、终端
技术领域
本发明涉及一种互联网技术领域，特别是涉及一种信息推送的优化方法及装置、存储介质、终端。
背景技术
信息推送已经成为各大应用程序及门户网站针对用户所做出的一种常见推广手段。目前，现有的信息推送大部分都是根据用户在应用程序或门户网站中的浏览的行为信息作为推送信息的分析特征，通过这些分析特征统计出相似的用户分类，通过向不同的分类用户推送对应类型的信息，实现信息推送，但是，对于仅仅利用在应用程序或门店网站中浏览的行为信息，对于相似用户的划分准确性较低，无法满足用户在进行线下业务时的信息推送需求，降低了信息推送的效率。
发明内容
有鉴于此，本发明提供一种信息推送的优化方法及装置、存储介质、终端，主要目的在于解决现有仅仅利用在应用程序或门店网站中浏览的行为信息，无法满足用户在进行线下业务时的信息推送需求，降低了信息推送的效率的问题。
依据本发明一个方面，提供了一种信息推送的优化方法，包括：
采集用户对业务目标的评论信息、评论时间、距离信息；
结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类；
向分类后的所述用户推送匹配的信息。
进一步地，所述结合所述评论信息、所述评论时间、所述距离信息进行相似度计算包括：
利用所述评论时间匹配所述用户的时间衰减特征，以及根据所述距离信息匹配所述用户的距离特征；
根据所述时间衰减特征、所述距离特征、所述评论信息计算所述用户的相似度。
进一步地，所述根据所述时间衰减特征、所述距离特征、所述评论信息计算所述用户的相似度之前，所述方法还包括：
查找与所述时间衰减特征、所述距离特征分别对应的调整系数。
进一步地，所述根据所述时间衰减特征、所述距离特征、所述评论信息计算所述用户的相似度包括：
利用余弦相似度算法处理所述评论信息、所述时间衰减特征、所述距离特征、以及所述调整系数，得到所述用户的相似度。
进一步地，所述根据所述时间衰减特征、所述距离特征、所述评论信息计算所述用户的相似度包括：
当所述用户完成过线下核销业务，则获取所述业务目标的线下核销金额数据，利用余弦相似度算法处理所述评论信息、所述时间衰减特征、所述距离特征、所述调整系数以及所述线下核销金额数据，得到所述用户的相似度。
进一步地，采集用户对业务目标的评论信息、评论时间、距离信息包括：
从第一平台以及第二平台中分别查找已完成点单业务的用户对业务目标的评论信息、评论时间、距离信息，所述第一平台与所述第二平台为存在关联关系的平台，所述第一平台为待向所述用户推送信息的当前平台。
进一步地，所述所述向分类后的所述用户推送匹配的信息包括：
从所述第一平台以及所述第二平台中获取与所述用户分类结果匹配的信息，并按照信息推送优先级通过所述第一平台向所述用户推送所述信息。
依据本发明另一个方面，提供了一种信息推送的优化装置，包括：
采集模块，用于采集用户对业务目标的评论信息、评论时间、距离信息；
分类模块，用于结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类；
推送模块，用于向分类后的所述用户推送匹配的信息。
进一步地，所述分类模块包括：
匹配单元，用于利用所述评论时间匹配所述用户的时间衰减特征，以及根据所述距离信息匹配所述用户的距离特征；
计算单元，用于根据所述时间衰减特征、所述距离特征、所述评论信息计算所述用户的相似度。
进一步地，所述装置还包括：
查找模块，用于查找与所述时间衰减特征、所述距离特征分别对应的调整系数。
进一步地，所述计算单元，具体用于利用余弦相似度算法处理所述评论信息、所述时间衰减特征、所述距离特征、以及所述调整系数，得到所述用户的相似度。
进一步地，所述分类模块，具体用于当所述用户完成过线下核销业务，则获取所述业务目标的线下核销金额数据，利用余弦相似度算法处理所述评论信息、所述时间衰减特征、所述距离特征、所述调整系数以及所述线下核销金额数据，得到所述用户的相似度。
进一步地，所述采集模块，具体用于从第一平台以及第二平台中分别查找已完成点单业务的用户对业务目标的评论信息、评论时间、距离信息，所述第一平台与所述第二平台为存在关联关系的平台，所述第一平台为待向所述用户推送信息的当前平台。
进一步地，所述推送模块，具体用于从所述第一平台以及所述第二平台中获取与所述用户分类结果匹配的信息，并按照信息推送优先级通过所述第一平台向所述用户推送所述信息。
根据本发明的又一方面，提供了一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如上述信息推送的优化方法对应的操作。
根据本发明的再一方面，提供了一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行上述信息推送的优化方法对应的操作。
借由上述技术方案，本发明实施例提供的技术方案至少具有下列优点：
本发明提供了一种信息推送的优化方法及装置、存储介质、终端，与现有技术信息推送大部分都是根据用户在应用程序或门户网站中的浏览的行为信息作为推送信息的分析特征，通过这些分析特征统计出相似的用户分类，通过向不同的分类用户推送对应类型的信息，实现信息推送相比，本发明实施例通过采集用户对业务目标的评论信息、评论时间、距离信息；结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类；向分类后的所述用户推送匹配的信息，实现利用评论时间、距离信息提高对用户分类的准确性，满足用户对于线下业务的推送需求，从而提高信息推送效率。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种信息推送的优化方法流程图；
图2示出了本发明实施例提供的另一种信息推送的优化方法流程图；
图3示出了本发明实施例提供的一种信息推送的优化装置组成框图；
图4示出了本发明实施例提供的另一种信息推送的优化装置组成框图；
图5示出了本发明实施例提供的一种终端的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。
本发明实施例提供了一种信息推送的优化方法，如图1所示，该方法包括：
101、采集用户对业务目标的评论信息、评论时间、距离信息。
其中，所述业务目标包括餐饮、娱乐(影视)、保险、购物等领域的线上商品、线上店铺等，用户通过对产生过业务交易的商品、店铺等进行评论，对应生成了对业务目标的评论信息、评论时间，距离信息。为了便于执行步骤102中的分类，得到分类后的用户，所述评论信息为用户对业务目标的评论分值，评论时间为用户进行评论的时间，距离信息为用户完成业务目标的交易时的定位地址与线下核销业务目标的定位地址的空间距离。
需要说明的是，不同的应用平台在用户完成业务目标的业务交易时，会同时记录完成交易时的定位地址与线下核销业务目标的定位地址，例如，用户地址与商家地址。另外，还记录有用户完成评论信息的时间，若用户对业务目标进行的是文字评论，则可以利用自然语言技术NLP进行处理，从文字评论内容中统计出对业务目标进行评论的评论分值，本发明实施例不做具体限定。
102、结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类。
本发明实施例中，对用户的分类，可以通过对采集到评论信息、评论时间、定为信息的全部用户之间计算相似度，然后通过利用相似度进行分类，完成利用评论信息、评论时间、距离信息对用户进行分类的过程。其中，在计算相似度时，可以首先根据评论信息建立计算相似度的余弦相似度算法的计算公式，然后利用评论时间、距离信息进一步进行调整用户之间的相似度结果。例如，利用评论信息建立相似度算法的计算公式中包含3个用户，用户a与用户b、用户c、用户d，可以都对某商品持满意评分，同时，利用评论时间，距离信息进行用户a、用户b、用户c、用户d的相似度调整，得到相似用户的相似度量化值，如可以为评论时间处于20点-22点的，且距离信息为不超过业务目标1km内的用户a与用户c为相似用户，用户b与用户d为相似用户，本发明实施例不做具体限定。
需要说明的是，对于本发明实施例中的根据计算结果对用户进行分类，即可以通过用户之间的相似度结果对用户进行分类，具体的，可以使用聚类算法对用户进行分类，本发明实施例不做具体限定。
103、向分类后的所述用户推送匹配的信息。
对于本发明实施例，当确定分类的用户后，可以通过不同分类的用户匹配查找对应的推送信息，以实现向不同分类的用户进行信息推送，提高信息推送的精准性，并满足了对线下场景的结合，完成信息推送。
本发明实施例提供了一种信息推送的优化方法，与现有技术信息推送大部分都是根据用户在应用程序或门户网站中的浏览的行为信息作为推送信息的分析特征，通过这些分析特征统计出相似的用户分类，通过向不同的分类用户推送对应类型的信息，实现信息推送相比，本发明实施例通过采集用户对业务目标的评论信息、评论时间、距离信息；结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类；向分类后的所述用户推送匹配的信息，实现利用评论时间、距离信息提高对用户分类的准确性，满足用户对于线下业务的推送需求，从而提高信息推送效率。
本发明实施例提供了另一种信息推送的优化方法，如图2所示，该方法包括：
201、采集用户对业务目标的评论信息、评论时间、距离信息。
本步骤与图1所示的步骤101方法相同，在此不再赘述。
进一步地，当用户在多个具有关联关系的应用平台中均发生了业务交易，并产生了评论信息，以及可以获取到对应的评论时间、距离信息，对于用户在其中一个平台中需要信息推送时，为了提高信息推送的准确性，步骤201包括：从第一平台以及第二平台中分别查找已完成点单业务的用户对业务目标的评论信息、评论时间、距离信息。
其中，所述第一平台与所述第二平台为存在关联关系的平台，所述第一平台为待向所述用户推送信息的当前平台，第一平台与第二平台存在关联关系即为第一平台与第二平台中的用户数据可以相互调取使用，第二平台可以为与第一平台存在关联关系的一个平台，或者多个平台，第一平台即为当前平台，因此，可以从第一平台以及第二平台中查找到完成点单业务的用户对业务目标的评论信息、评论时间、距离信息，以便增加对用户进行相似用户分类的准确性，例如，若第一平台中没有对应的评论信息、评论时间、距离信息，则可以通过第二平台查找对应的评论信息、评论时间、距离信息，从而确定用户的分类。
在一个具体的场景下，用户作为新用户登录第一平台后，第一平台需要向用户进行推送信息，可以从第二平台中采集用户已完成点单业务的评论信息、评论时间、距离信息，以便确定分类后进行信息推送。
202、利用所述评论时间匹配所述用户的时间衰减特征，以及根据所述距离信息匹配所述用户的距离特征。
对于本发明实施例，为了准确的计算用户相似度，并利用相似度进行分类，以便根据不同分类的用户匹配到对应的推送信息进行推送，利用评论时间匹配相似用户的时间衰减特征，及距离信息匹配相似用户的距离特征。具体的，由于待计算相似度的用户为根据2个任意用户之间计算相似度量化数值确定的，因此，匹配的时间衰减特征也为根据2个用户之间的评论时间进行确定，即通过计算相似度量化数值的2个用户的评论时间确定时间衰减特征，匹配的距离特征也为根据2个用户之间的距离信息进行确定，即通过计算相似度量化数值的2个用户的距离信息确定距离特征。具体的，时间衰减特征与距离特征都可以通过差值进行确定，例如，时间衰减特征的确定为利用时间差值计算公式|tu,j-tv,j|进行确定，距离特征的确定为利用距离差值计算公式|du,j-dv,j|进行确定，其中，tu,j为用户u对业务目标j的评论时间，tv,j为用户v对业务目标j的评论时间，du,j为用户u对业务目标j的距离信息，dv,j为用户v对业务目标j的距离信息，本发明实施例不做具体限定。
203、根据所述时间衰减特征、所述距离特征、所述评论信息计算所述用户的相似度。
本发明实施例中，为了准确计算出用户的相似度，可以通过余弦相似度算法计算出2个用户之间的相似度量化值，然后利用相似度量化值进行分类。当通过余弦相似度算法计算相似度量化数值时，可以直接利用时间衰减特征与距离特征进行结合调整，例如，按照反比形式与余弦相似度算法相乘。需要说明的是，本发明实施例中可以利用时间衰减特征以及距离特征结合来调整相似度量化数值，例如直接通过与余弦相似度算法进行反比例相乘，得到相似度量化值，本发明实施例不做具体限定。
其中，相乘后的余弦相似度算法可以为
Figure BDA0002393352440000081
所述Rv,j为用户v对业务目标j的评论分数值，Ru,j为用户u对业务目标j的评论分数值，
Figure BDA0002393352440000082
为用户v对全部业务目标进行评论的评论分数值的评价值，
Figure BDA0002393352440000083
为用户u对全部业务目标进行评论的评论分数值的评价值，Iu,v为用户v与用户u共同评分的目标集合，本发明实施例不做具体限定。
进一步地，对于本发明实施例，由于不同业务目标对于评论时间、距离信息的采集，存在误差的现象，例如全部的评论时间中存在一个异常时间点的评论时间，因此，为了提高相似度计算的准确性，从而提高信息推送的精准性，步骤203之前，还包括：查找与所述时间衰减特征、所述距离特征分别对应的调整系数。
其中，预先存储有不同业务目标对于时间特征衰减特征、距离特征对应匹配的调整系数，以便在进行相似度计算时进行查找匹配，本发明实施例对于调整系数的具体数值不做具体限定。
进一步地，步骤203具体包括：利用余弦相似度算法处理所述评论信息、所述时间衰减特征、所述距离特征、以及所述调整系数，得到所述用户的相似度。
具体的，对于本发明实施例的一个应用场景，利用余弦相似度算法结合匹配到的调整系数可以为：
Figure BDA0002393352440000091
其中，α为时间衰减特征的调整系数，β为距离特征的调整系数。
对于本发明实施例，为了进一步地限定及说明，步骤203还包括：当所述用户完成过线下核销业务，则获取所述业务目标的线下核销金额数据，利用余弦相似度算法处理所述评论信息、所述时间衰减特征、所述距离特征、所述调整系数以及所述线下核销金额数据，得到所述用户的相似度。
具体的，本发明实施例中，为了对用户的分类更为结合线下业务，从而更好的推送与线下相关业务对应的信息，当用户完成线下核销业务，即可以通过线下核销金额数据结合评论信息计算用户的相似度量化数值。
其中，可以通过线下核销金额数据结合评论信息建立余弦相似相似度算法的计算公式，计算2个用户之间的相似度量化值，未结合调整系数及时间衰减特征、距离特征的余弦相似度算法可以为
Figure BDA0002393352440000092
，所述Rv,j为用户v对业务目标j的评论分数值，Ru,j为用户u对业务目标j的评论分数值，
Figure BDA0002393352440000093
为用户v对全部业务目标进行评论的评论分数值的评价值，
Figure BDA0002393352440000094
为用户u对全部业务目标进行评论的评论分数值的评价值，Iu,v为用户v与用户u共同评分的目标集合，Pv,j为用户v对业务目标j的线下核销金额数据，Pu,j为用户u对业务目标j的线下核销金额数据，
Figure BDA0002393352440000095
为用户v对全部业务目标进行线下核销的全部线下核销金额数据，
Figure BDA0002393352440000096
为用户u对全部业务目标进行线下核销的全部线下核销金额数据，本发明实施例不做具体限定。
204、根据计算结果对所述用户进行分类。
本步骤与图1所示的步骤102方法相同，在此不再赘述。
205、向分类后的所述用户推送匹配的信息。
本步骤与图1所示的步骤101方法相同，在此不再赘述。
进一步地，对于用户可以从第一平台与第二平台中采集到评论信息、评论时间、距离信息的场景下，为了提高推送信息的效率，步骤205包括：从所述第一平台以及所述第二平台中获取与所述用户分类结果匹配的信息，并按照信息推送优先级通过所述第一平台向所述用户推送所述信息。
本发明实施例中，第一平台与第二平台中预先存储有根据不同分类的相似用户匹配的推送信息，根据分类后的相似用户可以从第一平台及第二平台中查找到匹配的推送信息，进行推送。具体的，当第一平台或第二平台中任意一个平台都查找不到匹配的推送信息，可以从另一个平台中查找，从而将准确的信息推送给用户。另外。由于第一平台即为当前向用户推送信息的平台，因此，在第一平台与第二平台中均可以匹配到推送信息时，可以按照推送优先级通过第一平台进行推送。具体的，信息推送优先级预先限定了第一平台与第二平台中的推送信息向用户推送的顺序，如，当第一平台、第二平台中均能匹配到信息，则以第一平台为最优推送顺序，若第一平台中匹配不到信息，则直接以第二平台中的信息进行推送，本发明实施例不做具体限定。
本发明实施例提供了另一种信息推送的优化方法，与现有技术信息推送大部分都是根据用户在应用程序或门户网站中的浏览的行为信息作为推送信息的分析特征，通过这些分析特征统计出相似的用户分类，通过向不同的分类用户推送对应类型的信息，实现信息推送相比，本发明实施例通过采集用户对业务目标的评论信息、评论时间、距离信息；结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类；向分类后的所述用户推送匹配的信息，实现利用评论时间、距离信息提高对用户分类的准确性，满足用户对于线下业务的推送需求，从而提高信息推送效率。
进一步的，作为对上述图1所示方法的实现，本发明实施例提供了一种信息推送的优化装置，如图3所示，该装置包括：采集模块31、分类模块32、推送模块33。
采集模块31，用于采集用户对业务目标的评论信息、评论时间、距离信息；
分类模块32，用于结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类；
推送模块33，用于向分类后的所述用户推送匹配的信息。
本发明实施例提供了一种信息推送的优化装置，与现有技术信息推送大部分都是根据用户在应用程序或门户网站中的浏览的行为信息作为推送信息的分析特征，通过这些分析特征统计出相似的用户分类，通过向不同的分类用户推送对应类型的信息，实现信息推送相比，本发明实施例通过采集用户对业务目标的评论信息、评论时间、距离信息；结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类；向分类后的所述用户推送匹配的信息，实现利用评论时间、距离信息提高对用户分类的准确性，满足用户对于线下业务的推送需求，从而提高信息推送效率。
进一步的，作为对上述图2所示方法的实现，本发明实施例提供了另一种信息推送的优化装置，如图4所示，该装置包括：采集模块41、分类模块42、推送模块43。
采集模块41，用于采集用户对业务目标的评论信息、评论时间、距离信息；
分类模块42，用于结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类；
推送模块43，用于向分类后的所述用户推送匹配的信息。
进一步地，所述分类模块42包括：
匹配单元4201，用于利用所述评论时间匹配所述用户的时间衰减特征，以及根据所述距离信息匹配所述用户的距离特征；
计算单元4202，用于根据所述时间衰减特征、所述距离特征、所述评论信息计算所述用户的相似度。
进一步地，所述所述装置还包括：
查找单元4203，用于查找与所述时间衰减特征、所述距离特征分别对应的调整系数。
进一步地，所述计算单元4202，具体用于利用余弦相似度算法处理所述评论信息、所述时间衰减特征、所述距离特征、以及所述调整系数，得到所述用户的相似度。
进一步地，所述分类模块42，具体用于当所述用户完成过线下核销业务，则获取所述业务目标的线下核销金额数据，利用余弦相似度算法处理所述评论信息、所述时间衰减特征、所述距离特征、所述调整系数以及所述线下核销金额数据，得到所述用户的相似度。
进一步地，所述采集模块41，具体用于从第一平台以及第二平台中分别查找已完成点单业务的用户对业务目标的评论信息、评论时间、距离信息，所述第一平台与所述第二平台为存在关联关系的平台，所述第一平台为待向所述用户推送信息的当前平台。
进一步地，所述推送模块43，具体用于从所述第一平台以及所述第二平台中获取与所述用户分类结果匹配的信息，并按照信息推送优先级通过所述第一平台向所述用户推送所述信息。
本发明实施例提供了另一种信息推送的优化装置，与现有技术信息推送大部分都是根据用户在应用程序或门户网站中的浏览的行为信息作为推送信息的分析特征，通过这些分析特征统计出相似的用户分类，通过向不同的分类用户推送对应类型的信息，实现信息推送相比，本发明实施例通过采集用户对业务目标的评论信息、评论时间、距离信息；结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类；向分类后的所述用户推送匹配的信息，实现利用评论时间、距离信息提高对用户分类的准确性，满足用户对于线下业务的推送需求，从而提高信息推送效率。
根据本发明一个实施例提供了一种存储介质，所述存储介质存储有至少一可执行指令，该计算机可执行指令可执行上述任意方法实施例中的信息推送的优化方法。
图5示出了根据本发明一个实施例提供的一种终端的结构示意图，本发明具体实施例并不对终端的具体实现做限定。
如图5所示，该终端可以包括：处理器(processor)502、通信接口(CommunicationsInterface)504、存储器(memory)506、以及通信总线508。
其中：处理器502、通信接口504、以及存储器506通过通信总线508完成相互间的通信。
通信接口504，用于与其它设备比如客户端或其它服务器等的网元通信。
处理器502，用于执行程序510，具体可以执行上述信息推送的优化方法实施例中的相关步骤。
具体地，程序510可以包括程序代码，该程序代码包括计算机操作指令。
处理器502可能是中央处理器CPU，或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit)，或者是被配置成实施本发明实施例的一个或多个集成电路。终端包括的一个或多个处理器，可以是同一类型的处理器，如一个或多个CPU；也可以是不同类型的处理器，如一个或多个CPU以及一个或多个ASIC。
存储器506，用于存放程序510。存储器506可能包含高速RAM存储器，也可能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。
程序510具体可以用于使得处理器502执行以下操作：
采集用户对业务目标的评论信息、评论时间、距离信息；
结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类；
向分类后的所述用户推送匹配的信息。
显然，本领域的技术人员应该明白，上述的本发明的各模块或各步骤可以用通用的计算装置来实现，它们可以集中在单个的计算装置上，或者分布在多个计算装置所组成的网络上，可选地，它们可以用计算装置可执行的程序代码来实现，从而，可以将它们存储在存储装置中由计算装置来执行，并且在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤，或者将它们分别制作成各个集成电路模块，或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样，本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包括在本发明的保护范围之内。

Claims (10)

1.一种信息推送的优化方法，其特征在于，包括：
采集用户对业务目标的评论信息、评论时间、距离信息；
结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类；
向分类后的所述用户推送匹配的信息。
2.根据权利要求1所述的方法，其特征在于，所述结合所述评论信息、所述评论时间、所述距离信息进行相似度计算包括：
利用所述评论时间匹配所述用户的时间衰减特征，以及根据所述距离信息匹配所述用户的距离特征；
根据所述时间衰减特征、所述距离特征、所述评论信息计算所述用户的相似度。
3.根据权利要求2所述的方法，其特征在于，所述根据所述时间衰减特征、所述距离特征、所述评论信息计算所述用户的相似度之前，所述方法还包括：
查找与所述时间衰减特征、所述距离特征分别对应的调整系数。
4.根据权利要求3所述的方法，其特征在于，所述根据所述时间衰减特征、所述距离特征、所述评论信息计算所述用户的相似度包括：
利用余弦相似度算法处理所述评论信息、所述时间衰减特征、所述距离特征、以及所述调整系数，得到所述用户的相似度。
5.根据权利要求4所述的方法，其特征在于，所述根据所述时间衰减特征、所述距离特征、所述评论信息计算所述用户的相似度包括：
当所述用户完成过线下核销业务，则获取所述业务目标的线下核销金额数据，利用余弦相似度算法处理所述评论信息、所述时间衰减特征、所述距离特征、所述调整系数以及所述线下核销金额数据，得到所述用户的相似度。
6.根据权利要求1-5任一项所述的方法，其特征在于，采集用户对业务目标的评论信息、评论时间、距离信息包括：
从第一平台以及第二平台中分别查找已完成点单业务的用户对业务目标的评论信息、评论时间、距离信息，所述第一平台与所述第二平台为存在关联关系的平台，所述第一平台为待向所述用户推送信息的当前平台。
7.根据权利要求6所述的方法，其特征在于，所述所述向分类后的所述用户推送匹配的信息包括：
从所述第一平台以及所述第二平台中获取与所述用户分类结果匹配的信息，并按照信息推送优先级通过所述第一平台向所述用户推送所述信息。
8.一种信息推送的优化装置，其特征在于，包括：
采集模块，用于采集用户对业务目标的评论信息、评论时间、距离信息；
分类模块，用于结合所述评论信息、所述评论时间、所述距离信息进行相似度计算，并根据计算结果对所述用户进行分类；
推送模块，用于向分类后的所述用户推送匹配的信息。
9.一种存储介质，所述存储介质中存储有至少一可执行指令，所述可执行指令使处理器执行如权利要求1-7中任一项所述的信息推送的优化方法对应的操作。
10.一种终端，包括：处理器、存储器、通信接口和通信总线，所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信；
所述存储器用于存放至少一可执行指令，所述可执行指令使所述处理器执行如权利要求1-7中任一项所述的信息推送的优化方法对应的操作。
CN202010122395.8A 2020-02-27 2020-02-27 信息推送的优化方法及装置、存储介质、终端 Active CN111460281B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010122395.8A CN111460281B (zh) 2020-02-27 2020-02-27 信息推送的优化方法及装置、存储介质、终端

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010122395.8A CN111460281B (zh) 2020-02-27 2020-02-27 信息推送的优化方法及装置、存储介质、终端

Publications (2)

Publication Number Publication Date
CN111460281A true CN111460281A (zh) 2020-07-28
CN111460281B CN111460281B (zh) 2023-07-25

Family

ID=71684164

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010122395.8A Active CN111460281B (zh) 2020-02-27 2020-02-27 信息推送的优化方法及装置、存储介质、终端

Country Status (1)

Country Link
CN (1) CN111460281B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449986A (zh) * 2021-06-25 2021-09-28 未鲲(上海)科技服务有限公司 一种业务分配方法、装置、服务器及存储介质

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070106644A1 (en) * 2005-11-08 2007-05-10 International Business Machines Corporation Methods and apparatus for extracting and correlating text information derived from comment and product databases for use in identifying product improvements based on comment and product database commonalities
US20160283497A1 (en) * 2015-03-27 2016-09-29 Ca, Inc. Analysis of mobile application reviews based on content, reviewer credibility, and temporal and geographic clustering
WO2017190706A1 (zh) * 2016-05-06 2017-11-09 腾讯科技（深圳）有限公司 一种信息推送方法、装置及系统、计算机存储介质
CN108170794A (zh) * 2017-12-27 2018-06-15 杭州网易云音乐科技有限公司 信息推荐方法及装置、存储介质和电子设备
CN108346066A (zh) * 2018-01-19 2018-07-31 广东欧珀移动通信有限公司 广告推送方法、装置、服务器及存储介质
WO2018218403A1 (zh) * 2017-05-27 2018-12-06 深圳大学 一种内容推送方法及装置
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
CN109241203A (zh) * 2018-09-27 2019-01-18 天津理工大学 一种融合时间因素的用户偏好和距离加权的聚类方法
CN109492160A (zh) * 2018-10-31 2019-03-19 北京字节跳动网络技术有限公司 用于推送信息的方法和装置
CN110097419A (zh) * 2019-03-29 2019-08-06 努比亚技术有限公司 商品数据处理方法、计算机设备和存储介质
CN110110230A (zh) * 2019-04-26 2019-08-09 华南理工大学 一种基于用户评分与评论的推荐方法
CN110188120A (zh) * 2019-04-01 2019-08-30 湖北工业大学 一种基于协同过滤的个性化屏幕推荐方法
CN110390046A (zh) * 2019-06-04 2019-10-29 深思考人工智能机器人科技（北京）有限公司 一种协同过滤推荐方法及系统
US20200020000A1 (en) * 2018-07-16 2020-01-16 Ebay Inc. Generating product descriptions from user reviews

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20070106644A1 (en) * 2005-11-08 2007-05-10 International Business Machines Corporation Methods and apparatus for extracting and correlating text information derived from comment and product databases for use in identifying product improvements based on comment and product database commonalities
US20160283497A1 (en) * 2015-03-27 2016-09-29 Ca, Inc. Analysis of mobile application reviews based on content, reviewer credibility, and temporal and geographic clustering
WO2017190706A1 (zh) * 2016-05-06 2017-11-09 腾讯科技（深圳）有限公司 一种信息推送方法、装置及系统、计算机存储介质
WO2018218403A1 (zh) * 2017-05-27 2018-12-06 深圳大学 一种内容推送方法及装置
CN108170794A (zh) * 2017-12-27 2018-06-15 杭州网易云音乐科技有限公司 信息推荐方法及装置、存储介质和电子设备
CN108346066A (zh) * 2018-01-19 2018-07-31 广东欧珀移动通信有限公司 广告推送方法、装置、服务器及存储介质
US20200020000A1 (en) * 2018-07-16 2020-01-16 Ebay Inc. Generating product descriptions from user reviews
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
CN109241203A (zh) * 2018-09-27 2019-01-18 天津理工大学 一种融合时间因素的用户偏好和距离加权的聚类方法
CN109492160A (zh) * 2018-10-31 2019-03-19 北京字节跳动网络技术有限公司 用于推送信息的方法和装置
CN110097419A (zh) * 2019-03-29 2019-08-06 努比亚技术有限公司 商品数据处理方法、计算机设备和存储介质
CN110188120A (zh) * 2019-04-01 2019-08-30 湖北工业大学 一种基于协同过滤的个性化屏幕推荐方法
CN110110230A (zh) * 2019-04-26 2019-08-09 华南理工大学 一种基于用户评分与评论的推荐方法
CN110390046A (zh) * 2019-06-04 2019-10-29 深思考人工智能机器人科技（北京）有限公司 一种协同过滤推荐方法及系统

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
金丹等: "一种改进的协同过滤算法研究——以电影推荐系统为例", pages 1 - 14 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113449986A (zh) * 2021-06-25 2021-09-28 未鲲(上海)科技服务有限公司 一种业务分配方法、装置、服务器及存储介质

Also Published As

Publication number Publication date
CN111460281B (zh) 2023-07-25

Similar Documents

Publication Publication Date Title
CN108197532B (zh) 人脸识别的方法、装置及计算机装置
US9569499B2 (en) Method and apparatus for recommending content on the internet by evaluating users having similar preference tendencies
TWI539305B (zh) Personalized information push method and device
US20200034897A1 (en) System, method and computer program product for tracking and correlating online user activities with sales of physical goods
CN107122369B (zh) 一种业务数据处理方法、装置和系统
CN108717407B (zh) 实体向量确定方法及装置，信息检索方法及装置
CN111612499B (zh) 信息的推送方法及装置、存储介质、终端
JP2003186907A (ja) プロファイル情報の情報検索方法、プログラム、記録媒体及び装置
CN105119735B (zh) 一种用于确定流量类型的方法和装置
CN109284369B (zh) 证券新闻资讯重要性的判定方法、系统、装置及介质
CN110766486A (zh) 确定物品类目的方法和装置
WO2022105496A1 (zh) 智能回访方法、装置、电子设备及可读存储介质
CN112487283A (zh) 训练模型的方法、装置、电子设备及可读存储介质
CN110458644A (zh) 一种信息处理方法及相关设备
CN111242318A (zh) 基于异构特征库的业务模型训练方法及装置
CN110827101A (zh) 一种店铺推荐的方法和装置
CN110443264A (zh) 一种聚类的方法和装置
CN109902129B (zh) 基于大数据分析的保险代理人归类方法及相关设备
CN111460281B (zh) 信息推送的优化方法及装置、存储介质、终端
CN113327132A (zh) 多媒体推荐方法、装置、设备及存储介质
CN110599281A (zh) 一种确定目标店铺的方法和装置
CN110544165B (zh) 一种信用风险评分卡创建方法、装置及电子设备
US20150242866A1 (en) Determination device, determination method, and computer-readable recording medium
CN110796505B (zh) 一种业务对象推荐方法以及装置
CN108182255B (zh) 产权项目信息推荐方法、装置、存储介质和计算机设备

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