CN111753201A - 信息推送方法、装置、终端及介质 - Google Patents
信息推送方法、装置、终端及介质 Download PDFInfo
- Publication number
- CN111753201A CN111753201A CN202010581502.3A CN202010581502A CN111753201A CN 111753201 A CN111753201 A CN 111753201A CN 202010581502 A CN202010581502 A CN 202010581502A CN 111753201 A CN111753201 A CN 111753201A
- Authority
- CN
- China
- Prior art keywords
- information
- push
- target
- determining
- user
- 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 38
- 238000012545 processing Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 claims description 10
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 230000010365 information processing Effects 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 238000006243 chemical reaction Methods 0.000 abstract description 4
- 230000003821 menstrual periods Effects 0.000 description 11
- 230000000474 nursing effect Effects 0.000 description 10
- 230000002175 menstrual effect Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 1
- 230000037213 diet Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000007723 transport mechanism Effects 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
- G06F16/953—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
本申请公开了一种信息推送方法、装置、终端及介质。其中方法包括:确定多个目标推送信息分别对应的推送标题;确定目标用户的兴趣点;依据目标用户的兴趣点和多个目标推送信息分别对应的推送标题,确定多个目标推送信息分别对应的预测点击率;基于多个目标推送信息分别对应的预测点击率,确定多个待推送信息;对多个待推送信息进行推送处理。本申请通过预测点击率来确定多个待推送信息方式,不仅能够预估目标用户最可能点击的推送信息,还能提高推送信息的转化率,实现向用户推送感兴趣的信息,提高推送的信息与用户兴趣的匹配度的目的,从而吸引用户花费更多时间成本来浏览推送信息,将推送信息转化为用户流量,提高推送的信息的点击率。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种信息推送方法、装置、终端及介质。
背景技术
信息推送是指借助于互联网络、电脑通信技术和数字交互式媒体来实现营销目标的一种方式。相关技术中,信息推送方式存在粗放式、撒网式的缺点,即发送至不同用户的信息都是一样的。因此,无法保证推送的信息与用户意愿相匹配,容易因推送的信息不符合用户意愿,甚至对用户造成困扰,从而造成用户流失,降低了应用程序的用户点击量。
发明内容
为了解决上述至少一个技术问题,本申请提供一种信息推送方法、装置、终端及介质。
根据本申请的第一方面,提供了一种信息推送方法,该方法,包括:
确定多个目标推送信息分别对应的推送标题;
确定目标用户的兴趣点;
依据目标用户的兴趣点和多个目标推送信息分别对应的推送标题,确定多个目标推送信息分别对应的预测点击率;
基于多个目标推送信息分别对应的预测点击率,确定多个待推送信息;
对多个待推送信息进行推送处理。
进一步地,确定多个目标推送信息分别对应的标题的步骤之前,包括:
基于多个预编辑信息,确定与预设筛选条件对应的多个候选预编辑信息;
当多个候选预编辑信息分别编辑有对应的新标题时,将多个候选预编辑信息作为多个目标推送信息,以将多个目标推送信息分别对应的新标题,作为多个目标推送信息分别对应的推送标题。
进一步地,依据目标用户的兴趣点和多个目标推送信息分别对应的推送标题,确定多个目标推送信息分别对应的预测点击率的步骤,包括:
将目标用户的兴趣点和多个目标推送信息分别对应的推送标题,输入至预配置的预测模型,得到多个目标推送信息分别对应的预测点击率。
进一步地,将目标用户的兴趣点和多个目标推送信息分别对应的推送标题,输入至预配置的预测模型的步骤之前,方法还包括:
获取多个注册用户分别对应的历史推送记录,历史推送记录包括过去预定时长内推送的多个历史推送信息,以及多个历史推送信息分别所属的类目及其历史点击信息;
确定多个注册用户分别对应的用户画像;
依据多个注册用户分别对应的用户画像以及多个注册用户分别对应的历史推送记录,对预构建的神经网络模型进行训练,以得到预测模型。
进一步地,基于多个目标推送信息分别对应的预测点击率,确定多个待推送信息的步骤,包括:
依据多个目标推送信息分别对应的预测点击率进行降序排序;
将排序前预定数量的目标推送信息作为多个待推送信息。
进一步地,确定目标用户的兴趣点,包括以下至少一个步骤:
基于目标用户的历史浏览记录,确定目标用户的兴趣点;
对目标用户的用户画像进行聚类,将聚类结果在预设的多个兴趣点分别对应的聚类结果中进行查询,并依据查询结果确定目标用户的兴趣点。
进一步地,对多个待推送信息进行推送处理的步骤,包括:
确定目标用户的推送模式;
依据推送模式,将多个待推送信息推送至目标用户的客户端。
根据本申请的第二方面,提供了一种信息推送装置,该装置包括:
推送标题确定模块,用于确定多个目标推送信息分别对应的推送标题;
兴趣点确定模块,用于确定目标用户的兴趣点;
点击率预测模块,用于依据目标用户的兴趣点和多个目标推送信息分别对应的推送标题,确定多个目标推送信息分别对应的预测点击率;
推送信息确定模块,用于基于多个目标推送信息分别对应的预测点击率,确定多个待推送信息;
推送信息处理模块,用于对多个待推送信息进行推送处理。
进一步地,推送标题确定模块包括:候选推送信息确定子模块、新标题确定子模块和推送标题确定子模块,
候选推送信息确定子模块,用于基于多个预编辑信息,确定与预设筛选条件对应的多个候选预编辑信息;
新标题确定子模块,用于当多个候选预编辑信息分别编辑有对应的新标题时,将多个候选预编辑信息作为多个目标推送信息;
推送标题确定子模块,用于将多个目标推送信息分别对应的新标题,作为多个目标推送信息分别对应的推送标题。
进一步地,点击率预测模块包括:
点击率确定子模块,用于将目标用户的兴趣点和多个目标推送信息分别对应的推送标题,输入至预配置的预测模型,得到多个目标推送信息分别对应的预测点击率。
进一步地,将目标用户的兴趣点和多个目标推送信息分别对应的推送标题,输入至预配置的预测模型的步骤之前,点击率预测模块还包括:历史推送记录确定子模块、注册用户画像确定子模块和模型训练子模块,
历史推送记录确定子模块,用于获取多个注册用户分别对应的历史推送记录,历史推送记录包括过去预定时长内推送的多个历史推送信息,以及多个历史推送信息分别所属的类目及其历史点击信息;
注册用户画像确定子模块,用于确定多个注册用户分别对应的用户画像;
模型训练子模块,用于依据多个注册用户分别对应的用户画像以及多个注册用户分别对应的历史推送记录,对预构建的神经网络模型进行训练,以得到预测模型。
进一步地,推送信息确定模块包括:排序子模块和选定子模块,
排序子模块,用于依据多个目标推送信息分别对应的预测点击率进行降序排序;
选定子模块,用于将排序前预定数量的目标推送信息作为多个待推送信息。
进一步地,兴趣点确定模块包括以下至少一个子模块:
第一兴趣点确定子模块,用于基于目标用户的历史浏览记录,确定目标用户的兴趣点;
第二兴趣点确定子模块,对目标用户的用户画像进行聚类,将聚类结果在预设的多个兴趣点分别对应的聚类结果中进行查询,并依据查询结果确定目标用户的兴趣点。
进一步地,推送信息处理模块包括:推送模式确定子模块和推送处理子模块,
推送模式确定子模块,用于确定目标用户的推送模式;
推送处理子模块,用于依据推送模式,将多个待推送信息推送至目标用户的客户端。
根据本申请的第三方面,提供了一种终端,该终端包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时以实现上述信息推送方法。
根据本申请的第四方面,提供了一种计算机可读存储介质,该介质存储有计算机可执行指令,该计算机可执行指令用于以执行上述信息推送方法。
本申请通过多个目标推送信息分别对应的推送标题和目标用户的兴趣点两个参数,来确定多个目标推送信息分别对应的预测点击率,从而在多个目标推送信息中筛选出多个待推送信息,进而对筛选出多个待推送信息进行推送处理,这种通过预测点击率来确定多个待推送信息方式,不仅能够预估目标用户最可能点击的推送信息,还能提高推送信息的转化率,实现向用户推送感兴趣的信息,提高推送的信息与用户兴趣的匹配度的目的,从而吸引用户花费更多时间成本来浏览推送信息,将推送信息转化为用户流量,提高推送的信息的点击率。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的一种信息推送方法的流程示意图;
图2为本申请实施例提供的一种信息推送方法中确定推送标题的流程示意图;
图3为根据本申请实施例提供的一种信息推送装置的框图结构示意图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本申请,并不用于限定本申请。
需要说明的是,虽然在装置示意图中进行了功能模块划分,在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于装置中的模块划分,或流程图中的顺序执行所示出或描述的步骤。
为使本申请的目的、技术方案和优点更加清楚,下面将结合附图对本申请实施方式作进一步地详细描述。
根据本申请的一个实施例,提供了一种信息推送方法,如图1所示,该方法包括步骤S101至步骤S105。
步骤S101:确定多个目标推送信息分别对应的推送标题。
具体地,服务器确定多个目标推送信息分别对应的推送标题。
在本申请实施例中,推送标题用于表征推送信息的主要内容和主旨,其目的是根据推送标题来吸引用户注意力,以使用户点击查看推送信息。
步骤S102:确定目标用户的兴趣点。
具体地,可以通过用户标识来确定目标用户。其中,用户标识可以为手机号、邮箱、用户序列号等唯一表征用户的信息。
具体地,可以通过兴趣标签来确定目标用户的兴趣点。例如,Tag1表示足球、Tag2表示钢琴、Tag3表示电影。
更具体地,兴趣标签可以包括多个子标签,多个子标签分别表示不同的兴趣类别。例如,Tag1表示体育,Tag1.1表示竞技球类,Tag1.1.1表示足球。通过多个子标签的划分,对兴趣进行细粒度划分,提高了兴趣点确定的精度。
步骤S103:依据目标用户的兴趣点以及多个目标推送信息分别对应的推送标题,确定多个目标推送信息分别对应的预测点击率。
在本申请实施例中,预测点击率用于表征目标用户可能点击的概率。
步骤S104:基于多个目标推送信息分别对应的预测点击率,确定多个待推送信息。
具体地,一般将预测点击率最高的一个或几个目标推送信息作为待推送信息。
步骤S105:对多个待推送信息进行推送处理。
具体地,可以在检测目标用户切换至主界面的操作、当前目标用户切换至预定社区页面、目标用户的浏览时长大于预定浏览时长阈值中至少一项时,对多个待推送信息进行推送处理。
具体地,服务器可以按照预设的推送模式对多个待推送信息进行推送处理。例如,每隔预定时长执行推送处理。
本申请通过多个目标推送信息分别对应的推送标题和目标用户的兴趣点两个参数,来确定多个目标推送信息分别对应的预测点击率,从而在多个目标推送信息中筛选出多个待推送信息,进而对筛选出多个待推送信息进行推送处理,这种通过预测点击率来确定多个待推送信息方式,不仅能够预估目标用户最可能点击的推送信息,还能提高推送信息的转化率,实现向用户推送感兴趣的信息,提高推送的信息与用户兴趣的匹配度的目的,从而吸引用户花费更多时间成本来浏览推送信息,将推送信息转化为用户流量,提高推送的信息的点击率。
在一些实施例中,如图2所示,步骤S101,进一步包括:
步骤S1011:基于多个预编辑信息,确定与预设筛选条件对应的多个候选预编辑信息;
步骤S1012:当多个候选预编辑信息分别编辑有对应的新标题时,将多个候选预编辑信息作为多个目标推送信息;
步骤S1013:将多个目标推送信息分别对应的新标题,作为多个目标推送信息分别对应的推送标题。
在本申请实施例中,预设筛选条件用于表征对多个预编辑信息的筛选条件。
本申请实施例中,将预设筛选条件设置为最近预定时长内的热点预编辑信息。例如,最近一个小时或最近一天内浏览量最大的预定数量的预编辑信息。
具体地,还可以将预设筛选条件设置为其它条件。例如,最近预定时长内编辑的信息。
具体地,可以将多个候选预编辑信息存储至缓存池,以依据缓存池来缩短读取多个候选预编辑信息的时间。
具体地,新标题可以通过人工进行编辑。
在一些实施例中,步骤S103包括:
步骤S1031:将目标用户的兴趣点和多个目标推送信息分别对应的推送标题,输入至预配置的预测模型,得到多个目标推送信息分别对应的预测点击率。
本申请实施例通过预测模型的设置,简化了确定预测点击率的步骤。
在一些实施例中,步骤S1031之前,进一步包括:
获取多个注册用户分别对应的历史推送记录,历史推送记录包括过去预定时长内推送的多个历史推送信息,以及多个历史推送信息分别所属的类目及其历史点击信息;
确定多个注册用户分别对应的用户画像;
依据多个注册用户分别对应的用户画像以及多个注册用户分别对应的历史推送记录,对预构建的神经网络模型进行训练,以得到预测模型。
具体地,历史点击信息可以包括历史点击次数、历史点击时间、历史点击频率等。
在本申请实施例中,历史推送信息所属的类目用于表征推送信息的类型。例如,经期饮食、经期护理等。
在本申请实施例中,用户画像用于表征用户的年龄、性别、职业、经期历史记录等。
本申请实施例通过将用户画像结合历史推送记录,来对不同用户进行分析,从而确定不同用户各自可能感兴趣的推送信息,并作为对神经网络模型的训练样本,从而提高神经网络模型的预测精度。
在一些实施例中,步骤S104包括:
依据多个目标推送信息分别对应的预测点击率进行降序排序;
将排序前预定数量的目标推送信息作为多个待推送信息。
本申请实施例通过降序排序,将多个目标推送信息按照预测点击率从高至低排序,以这种排序方式实现了将目标用户点击的推送信息的可能性大小排序的目的,以便从中快速选取排序前预定数量的目标推送信息作为多个待推送信息,提高了选取多个待推送信息的效率。
在一些实施例中,步骤S105包括:
确定目标用户的推送模式;
依据推送模式,将多个待推送信息推送至目标用户的客户端。
在本申请实施例中,推送模式用于表征推送的时间、方式等内容。
具体地,可以从预先提供的多种推送模式中,确定目标用户的推送模式。更具体地,预先提供的多种推送模式可以包括经期推送、按照时间段推送等模式。其中,按照时间段推送可以为按小时推送、按日推送等。
更具体地,目标用户的推送模式可以根据用户相关信息来确定。其中,用户相关信息可以包括用户等级、浏览时长、注册时长等内容。
例如,用户等级为普通用户,那么目标用户的推送模式为默认推送模式;若用户等级为白钻会员,那么向目标用户提供白钻会员对应的至少两个推送模式,以供目标用户进行选择。
具体地,目标用户的客户端可以为手机、平板、PC机等电子设备。
在一些实施例中,步骤S102的步骤,包括以下至少一个步骤:
基于目标用户的历史浏览记录,确定目标用户的兴趣点;
对目标用户的用户画像进行聚类,将聚类结果在预设的多个兴趣点分别对应的聚类结果中进行查询,并依据查询结果确定目标用户的兴趣点。
具体地,历史浏览记录可以是对应用程序的浏览记录,也可以是对应用程序中指定区域的浏览记录。
具体地,历史浏览记录一般包括历史浏览类目,以及历史浏览类目的浏览时长、浏览频率等信息。其中,类目一般包括经期护理、经期健康、热点新闻等。
例如,将对经期护理的浏览时长与预设的经期护理对应的浏览时长阈值进行比较,若对经期护理的浏览时长大于经期护理对应的浏览时长阈值,那么确定兴趣点为经期护理;将对经期护理的浏览频率与预设的经期护理对应的浏览频率阈值进行比较,若对经期护理的浏览频率大于经期护理对应的浏览频率阈值,那么确定兴趣点为经期护理。
具体地,可以直接依据用户画像进行聚类处理,从而提取出目标用户的特征(即聚类结果),将目标用户特征在预设的多个兴趣点分别对应的特征(即聚类结果)中进行查询,从而确定目标用户的兴趣点。
具体地,可以同时依据历史浏览记录和用户画像来确定目标用户的兴趣点。例如,根据浏览记录确定的兴趣点为类目A,根据用户画像确定的兴趣点为类目B,那么将类目A和类目B作为目标用户的兴趣点,以依据目标用户的兴趣点并结合多个目标推送信息分别对应的推送标题,来进行预测,得到多个目标推送信息分别对应的预测点击率。
本申请的又一实施例提供了一种信息推送装置,如图3所示,该装置30包括:推送标题确定模块301、兴趣点确定模块302、点击率预测模块303、推送信息确定模块304以及推送信息处理模块305。
推送标题确定模块301,用于确定多个目标推送信息分别对应的推送标题;
兴趣点确定模块302,用于确定目标用户的兴趣点;
点击率预测模块303,用于依据目标用户的兴趣点和多个目标推送信息分别对应的推送标题,确定多个目标推送信息分别对应的预测点击率;
推送信息确定模块304,用于基于多个目标推送信息分别对应的预测点击率,确定多个待推送信息;
推送信息处理模块305,用于对多个待推送信息进行推送处理。
本申请通过多个目标推送信息分别对应的推送标题和目标用户的兴趣点两个参数,来确定多个目标推送信息分别对应的预测点击率,从而在多个目标推送信息中筛选出多个待推送信息,进而对筛选出多个待推送信息进行推送处理,这种通过预测点击率来确定多个待推送信息方式,不仅能够预估目标用户最可能点击的推送信息,还能提高推送信息的转化率,实现向用户推送感兴趣的信息,提高推送的信息与用户兴趣的匹配度的目的,从而吸引用户花费更多时间成本来浏览推送信息,将推送信息转化为用户流量,提高推送的信息的点击率。
进一步地,推送标题确定模块包括:候选推送信息确定子模块、新标题确定子模块和推送标题确定子模块(图中未示出)。
候选推送信息确定子模块,用于基于多个预编辑信息,确定与预设筛选条件对应的多个候选预编辑信息;
新标题确定子模块,用于当多个候选预编辑信息分别编辑有对应的新标题时,将多个候选预编辑信息作为多个目标推送信息;
推送标题确定子模块,用于将多个目标推送信息分别对应的新标题,作为多个目标推送信息分别对应的推送标题。
进一步地,点击率预测模块包括:
点击率确定子模块(图中未示出),用于将目标用户的兴趣点和多个目标推送信息分别对应的推送标题,输入至预配置的预测模型,得到多个目标推送信息分别对应的预测点击率。
进一步地,将目标用户的兴趣点和多个目标推送信息分别对应的推送标题,输入至预配置的预测模型的步骤之前,点击率预测模块还包括:历史推送记录确定子模块、注册用户画像确定子模块和模型训练子模块(图中未示出)。
历史推送记录确定子模块,用于获取多个注册用户分别对应的历史推送记录,历史推送记录包括过去预定时长内推送的多个历史推送信息,以及多个历史推送信息分别所属的类目及其历史点击信息;
注册用户画像确定子模块,用于确定多个注册用户分别对应的用户画像;
模型训练子模块,用于依据多个注册用户分别对应的用户画像以及多个注册用户分别对应的历史推送记录,对预构建的神经网络模型进行训练,以得到预测模型。
进一步地,推送信息确定模块包括:排序子模块和选定子模块(图中未示出)。
排序子模块,用于依据多个目标推送信息分别对应的预测点击率进行降序排序;
选定子模块,用于将排序前预定数量的目标推送信息作为多个待推送信息。
进一步地,兴趣点确定模块包括以下至少一个子模块:
第一兴趣点确定子模块(图中未示出),用于基于目标用户的历史浏览记录,确定目标用户的兴趣点;
第二兴趣点确定子模块(图中未示出),对目标用户的用户画像进行聚类,将聚类结果在预设的多个兴趣点分别对应的聚类结果中进行查询,并依据查询结果确定目标用户的兴趣点。
进一步地,推送信息处理模块包括:推送模式确定子模块和推送处理子模块(图中未示出)。
推送模式确定子模块,用于确定目标用户的推送模式;
推送处理子模块,用于依据推送模式,将多个待推送信息推送至目标用户的客户端。
本实施例的信息推送装置可执行本申请实施例提供的信息推送方法,其实现原理相类似,此处不再赘述。
本申请又一实施例提供了一种终端,包括:存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,该处理器执行计算机程序时以实现上述信息推送方法。
具体地,处理器可以是CPU,通用处理器,DSP,ASIC,FPGA或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框,模块和电路。处理器也可以是实现计算功能的组合,例如包含一个或多个微处理器组合,DSP和微处理器的组合等。
具体地,处理器通过总线与存储器连接,总线可包括一通路,以用于传送信息。总线可以是PCI总线或EISA总线等。总线可以分为地址总线、数据总线、控制总线等。
存储器可以是ROM或可存储静态信息和指令的其他类型的静态存储设备,RAM或者可存储信息和指令的其他类型的动态存储设备,也可以是EEPROM、CD-ROM或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质,但不限于此。
可选的,存储器用于存储执行本申请方案的计算机程序的代码,并由处理器来控制执行。处理器用于执行存储器中存储的应用程序代码,以实现图3所示实施例提供的信息推送装置的动作。
本申请又一实施例提供了一种计算机可读存储介质,存储有计算机可执行指令,该计算机可执行指令用于执行上述图1或图2所示的信息推送方法。
以上所描述的装置实施例仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
本领域普通技术人员可以理解,上文中所公开方法中的全部或某些步骤、系统可以被实施为软件、固件、硬件及其适当的组合。某些物理组件或所有物理组件可以被实施为由处理器,如中央处理器、数字信号处理器或微处理器执行的软件,或者被实施为硬件,或者被实施为集成电路,如专用集成电路。这样的软件可以分布在计算机可读介质上,计算机可读介质可以包括计算机存储介质(或非暂时性介质)和通信介质(或暂时性介质)。如本领域普通技术人员公知的,术语计算机存储介质包括在用于存储信息(诸如计算机可读指令、数据结构、程序模块或其他数据)的任何方法或技术中实施的易失性和非易失性、可移除和不可移除介质。计算机存储介质包括但不限于RAM、ROM、EEPROM、闪存或其他存储器技术、CD-ROM、数字多功能盘(DVD)或其他光盘存储、磁盒、磁带、磁盘存储或其他磁存储装置、或者可以用于存储期望的信息并且可以被计算机访问的任何其他的介质。此外,本领域普通技术人员公知的是,通信介质通常包含计算机可读指令、数据结构、程序模块或者诸如载波或其他传输机制之类的调制数据信号中的其他数据,并且可包括任何信息递送介质。
以上是对本申请的较佳实施进行了具体说明,但本申请并不局限于上述实施方式,熟悉本领域的技术人员在不违背本申请精神的前提下还可做出种种的等同变形或替换,这些等同的变形或替换均包含在本申请权利要求所限定的范围内。
Claims (10)
1.一种信息推送方法,其特征在于,包括:
确定多个目标推送信息分别对应的推送标题;
确定目标用户的兴趣点;
依据所述目标用户的兴趣点以及多个所述目标推送信息分别对应的推送标题,确定多个所述目标推送信息分别对应的预测点击率;
基于多个所述目标推送信息分别对应的预测点击率,确定多个待推送信息;
对多个所述待推送信息进行推送处理。
2.根据权利要求1所述的方法,其特征在于,所述确定多个目标推送信息分别对应的标题的步骤之前,包括:
基于多个预编辑信息,确定与预设筛选条件对应的多个候选预编辑信息;
当多个所述候选预编辑信息分别编辑有对应的新标题时,将多个所述候选预编辑信息作为多个所述目标推送信息,以将多个所述目标推送信息分别对应的新标题,作为多个目标推送信息分别对应的推送标题。
3.根据权利要求1所述的方法,其特征在于,所述依据所述目标用户的兴趣点和多个所述目标推送信息分别对应的推送标题,确定多个所述目标推送信息分别对应的预测点击率的步骤,包括:
将所述目标用户的兴趣点和多个所述目标推送信息分别对应的推送标题,输入至预配置的预测模型,得到多个所述目标推送信息分别对应的预测点击率。
4.根据权利要求3所述的方法,其特征在于,所述将所述目标用户的兴趣点和多个所述目标推送信息分别对应的推送标题,输入至预配置的预测模型的步骤之前,所述方法还包括:
获取多个注册用户分别对应的历史推送记录,所述历史推送记录包括过去预定时长内推送的多个历史推送信息,以及多个历史推送信息分别所属的类目及其历史点击信息;
确定多个所述注册用户分别对应的用户画像;
依据多个所述注册用户分别对应的用户画像以及多个注册用户分别对应的历史推送记录,对预构建的神经网络模型进行训练,以得到所述预测模型。
5.根据权利要求1所述的方法,其特征在于,所述基于多个所述目标推送信息分别对应的预测点击率,确定多个待推送信息的步骤,包括:
依据多个所述目标推送信息分别对应的预测点击率进行降序排序;
将排序前预定数量的所述目标推送信息作为多个所述待推送信息。
6.根据权利要求1所述的方法,其特征在于,所述确定目标用户的兴趣点的步骤,包括以下至少一个步骤:
基于所述目标用户的历史浏览记录,确定所述目标用户的兴趣点;
对所述目标用户的用户画像进行聚类,将聚类结果在预设的多个兴趣点分别对应的聚类结果中进行查询,并依据查询结果确定所述目标用户的兴趣点。
7.根据权利要求1所述的方法,其特征在于,所述对多个所述待推送信息进行推送处理的步骤,包括:
确定所述目标用户的推送模式;
依据所述推送模式,将多个所述待推送信息推送至所述目标用户的客户端。
8.一种信息推送装置,其特征在于,包括:
推送标题确定模块,用于确定多个目标推送信息分别对应的推送标题;
兴趣点确定模块,用于确定目标用户的兴趣点;
点击率预测模块,用于依据所述目标用户的兴趣点和多个所述目标推送信息分别对应的推送标题,确定多个所述目标推送信息分别对应的预测点击率;
推送信息确定模块,用于基于多个所述目标推送信息分别对应的预测点击率,确定多个待推送信息;
推送信息处理模块,用于对多个所述待推送信息进行推送处理。
9.一种终端,包括:存储器、处理器及存储在该存储器上并可在该处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序以实现权利要1至7中任一项所述的方法。
10.一种计算机可读存储介质,存储有计算机可执行指令,所述计算机可执行指令用于执行权利要求1至7中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010581502.3A CN111753201A (zh) | 2020-06-23 | 2020-06-23 | 信息推送方法、装置、终端及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010581502.3A CN111753201A (zh) | 2020-06-23 | 2020-06-23 | 信息推送方法、装置、终端及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111753201A true CN111753201A (zh) | 2020-10-09 |
Family
ID=72677477
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010581502.3A Pending CN111753201A (zh) | 2020-06-23 | 2020-06-23 | 信息推送方法、装置、终端及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111753201A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836233A (zh) * | 2021-01-21 | 2021-05-25 | 安徽商信政通信息技术股份有限公司 | 一种基于大数据分析的电子政务信息服务系统及方法 |
CN113890863A (zh) * | 2021-09-29 | 2022-01-04 | 土巴兔集团股份有限公司 | 消息推送方法以及相关装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107666506A (zh) * | 2017-07-24 | 2018-02-06 | 上海壹账通金融科技有限公司 | 推送结果预测方法、装置、计算机设备和存储介质 |
CN107832437A (zh) * | 2017-11-16 | 2018-03-23 | 北京小米移动软件有限公司 | 音/视频推送方法、装置、设备及存储介质 |
US20180129964A1 (en) * | 2016-01-04 | 2018-05-10 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus, and computer storage medium for pre-selecting and sorting push information |
CN110489644A (zh) * | 2019-08-13 | 2019-11-22 | 腾讯科技(北京)有限公司 | 信息推送方法、装置、计算机可读存储介质和计算机设备 |
CN110555168A (zh) * | 2019-08-22 | 2019-12-10 | 阿里巴巴集团控股有限公司 | 信息推送的方法及装置 |
US20200034431A1 (en) * | 2018-07-25 | 2020-01-30 | Baidu Online Network Technology (Bijing ) Co., Ltd. | Method, computer device and readable medium for user's intent mining |
-
2020
- 2020-06-23 CN CN202010581502.3A patent/CN111753201A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20180129964A1 (en) * | 2016-01-04 | 2018-05-10 | Tencent Technology (Shenzhen) Company Limited | Method, apparatus, and computer storage medium for pre-selecting and sorting push information |
CN107666506A (zh) * | 2017-07-24 | 2018-02-06 | 上海壹账通金融科技有限公司 | 推送结果预测方法、装置、计算机设备和存储介质 |
CN107832437A (zh) * | 2017-11-16 | 2018-03-23 | 北京小米移动软件有限公司 | 音/视频推送方法、装置、设备及存储介质 |
US20200034431A1 (en) * | 2018-07-25 | 2020-01-30 | Baidu Online Network Technology (Bijing ) Co., Ltd. | Method, computer device and readable medium for user's intent mining |
CN110489644A (zh) * | 2019-08-13 | 2019-11-22 | 腾讯科技(北京)有限公司 | 信息推送方法、装置、计算机可读存储介质和计算机设备 |
CN110555168A (zh) * | 2019-08-22 | 2019-12-10 | 阿里巴巴集团控股有限公司 | 信息推送的方法及装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112836233A (zh) * | 2021-01-21 | 2021-05-25 | 安徽商信政通信息技术股份有限公司 | 一种基于大数据分析的电子政务信息服务系统及方法 |
CN113890863A (zh) * | 2021-09-29 | 2022-01-04 | 土巴兔集团股份有限公司 | 消息推送方法以及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107222566B (zh) | 信息推送方法、装置及服务器 | |
KR101999471B1 (ko) | 정보 추천 방법 및 장치 | |
CN108319723B (zh) | 一种图片分享方法和装置、终端、存储介质 | |
CN110674408B (zh) | 业务平台、训练样本的实时生成方法及装置 | |
CN109710841B (zh) | 评论推荐方法和装置 | |
CN108416616A (zh) | 投诉举报类别的排序方法和装置 | |
CN110290199B (zh) | 内容推送方法、装置及设备 | |
CN107092645B (zh) | 一种图书资源管理方法及装置 | |
CN107977678B (zh) | 用于输出信息的方法和装置 | |
CN109492152B (zh) | 推送定制内容的方法、装置、计算机设备及存储介质 | |
CN107506367B (zh) | 确定应用展示内容的方法、装置及服务器 | |
CN111314732A (zh) | 确定视频标签的方法、服务器及存储介质 | |
CN113177160B (zh) | 一种推送文案生成方法、装置、电子设备及存储介质 | |
CN103246713A (zh) | 一种网页浏览方法及装置 | |
CN111753201A (zh) | 信息推送方法、装置、终端及介质 | |
CN113254777B (zh) | 信息推荐方法、装置、电子设备及存储介质 | |
CN112182391A (zh) | 一种用户画像方法与装置 | |
CN111782946A (zh) | 书友推荐方法、计算设备及计算机存储介质 | |
CN110717788A (zh) | 一种目标用户的筛选方法及装置 | |
CN114093509A (zh) | 信息处理方法、装置和系统 | |
CN113127720A (zh) | 一种热搜词确定方法及装置 | |
CN113505272B (zh) | 基于行为习惯的控制方法和装置、电子设备和存储介质 | |
CN108090089B (zh) | 探测网站中热点数据的方法、装置和系统 | |
CN110674330B (zh) | 表情管理的方法、装置、电子设备及存储介质 | |
CN115238194A (zh) | 书籍推荐方法、计算设备及计算机存储介质 |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20201009 |
|
RJ01 | Rejection of invention patent application after publication |