CN112182390B - 一种函件推送方法、装置、计算机设备及存储介质 - Google Patents
一种函件推送方法、装置、计算机设备及存储介质 Download PDFInfo
- Publication number
- CN112182390B CN112182390B CN202011056312.6A CN202011056312A CN112182390B CN 112182390 B CN112182390 B CN 112182390B CN 202011056312 A CN202011056312 A CN 202011056312A CN 112182390 B CN112182390 B CN 112182390B
- Authority
- CN
- China
- Prior art keywords
- user
- label
- target
- feature
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 56
- 238000012545 processing Methods 0.000 claims description 19
- 238000000605 extraction Methods 0.000 claims description 14
- 230000006870 function Effects 0.000 claims description 11
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 2
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000001914 filtration Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- 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
-
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0269—Targeted advertisements based on user profile or attribute
-
- 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
Abstract
本申请公开了一种函件推送方法,属于人工智能技术领域,通过提取目标用户的特征,得到第一特征标签集合;在用户列表中查找与任意一个第一特征标签相匹配的用户,形成相关用户集合;提取相关用户集合的特征,得到第二特征标签集合;计算每一个第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签;将推送标签对应的关联产品的产品信息填入预设的函件模板,生成目标函件;将目标函件推送给目标用户。本申请还提供一种函件推送装置、计算机设备及存储介质。此外,本申请还涉及区块链技术,用户的历史函件和特征标签可存储于区块链中。本申请可以提高基于用户喜好的函件推送方式的匹配率,以匹配到偏好相似的相关用户。
Description
技术领域
本申请属于人工智能技术领域,具体涉及一种函件推送方法、装置、计算机设备和存储介质。
背景技术
随着时代的进步,各行各业均飞速发展,物质资料的生产日益丰富,文化产业、服务行业愈发繁荣,人们生活水平不断提高,消费需求也日益增长,这就使得网络营销行业进入了一个空前活跃时期,无论是营销公司的数量、营销广告投放数量、营销广告涉及领域、营销广告从业人数,还是营销广告营业额,都呈现迅速增长的态势,现有的营销广告的投放方式呈多样性发展,而通过数字函件(如邮件、短信等)向用户推送相关产品是网络营销行业的一种重要手段。
目前,企业在营销类函件的投放形式主要为海投式,即在进行营销函件投放时,将营销函件投放给服务器用户列表内的所有用户,但海投式的营销函件投放会导致非目标用户接收到不感兴趣的广告过多时会产生厌烦心理,影响用户体验。虽然,目前某些企业的营销类函件也能实现根据用户喜好度进行投放,即基于协同过滤算法推测用户喜好,然后根据用户喜好推送与其喜好相关的函件,但是基于协同过滤算法推测用户喜好需要目标用户与相关用户之间存在较高的相似度,即用户特征匹配遵循强匹配原则,而由于用户特征标签的多样性和复杂性,在不同用户之间具有完全相同或者高度相似的特征标签的可能性较低,匹配率较低,导致协同过滤算法可能无法找偏好相似的相关用户。
发明内容
本申请实施例的目的在于提出一种函件推送方法、装置、计算机设备及存储介质,以解决由于现有的基于协同过滤算法推测用户喜好时需要遵循强匹配原则而导致的匹配率低和难以匹配到偏好相似的相关用户的问题。
为了解决上述技术问题,本申请实施例提供一种函件推送方法,采用了如下所述的技术方案:
对目标用户的历史函件进行特征提取,得到第一特征标签集合,其中,第一特征标签集合包含若干个第一特征标签;
在用户列表中查找与任意一个第一特征标签相匹配的用户,并形成相关用户集合;
对相关用户集合的所有历史函件进行特征提取,得到第二特征标签集合,其中,第二特征标签集合包含若干个第二特征标签;
计算每一个第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签;
将推送标签对应的关联产品的产品信息填入预设的函件模板,生成目标函件;
将目标函件推送给目标用户。
进一步地,在用户列表中查找与任意一个第一特征标签相匹配的用户,并形成相关用户集合,具体包括:
将第一特征标签与用户列表中每一个用户的特征标签依次进行比对;
判断每一个用户是否存在与第一特征标签相同的特征标签;
若存在,则确定用户为相关用户,获取所有相关用户,形成相关用户集合。
进一步地,在确定用户为相关用户,获取所有相关用户,形成相关用户集合,具体包括:
对查找到的相关用户进行用户去重处理;
对完成用户去重处理后剩下的相关用户进行组合,得到相关用户集合。
进一步地,在对相关用户集合的所有历史函件进行特征提取,得到第二特征标签集合之后,还包括:
对第二特征标签集合中的第二特征标签进行特征标签去重处理。
进一步地,计算每一个第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签,具体包括:
统计每一个第二特征标签的信息,并根据每一个第二特征标签的信息计算每一个第二特征标签的词频;
统计所有第二特征标签的信息,根据每一个第二特征标签的信息以及所有第二特征标签的信息计算每一个第二特征标签的逆向文件频率;
根据每一个第二特征标签的词频和每一个第二特征标签的逆向文件频率,计算每一个第二特征标签的标签权重;
对计算得到的所有第二特征标签的标签权重进行排序,并将标签权重大于预设阈值的第二特征标签确定为推送标签。
进一步地,在将目标函件推送给目标用户之后,还包括:
接收目标函件推送后预设时间周期内目标用户的反馈数据;
根据目标用户的反馈数据调整目标函件中关联产品的顺序,根据调整后的关联产品的顺序生成新的目标函件;
将新的目标函件推送给目标用户。
进一步地,根据目标用户的反馈数据调整目标函件中关联产品的顺序,具体包括:
对目标用户的反馈数据进行解析,获取目标用户的用户操作,其中,用户操作为目标用户对目标函件中每一个关联产品所执行的操作;
对用户操作进行打分,并统计目标函件中每一个关联产品的得分;
对目标函件中每一个关联产品的得分进行排序,并依据排序结果调整目标函件中关联产品的顺序。
为了解决上述技术问题,本申请实施例还提供一种函件推送装置,采用了如下所述的技术方案:
第一提取模块,用于对目标用户的历史函件进行特征提取,得到第一特征标签集合,其中,第一特征标签集合包含若干个第一特征标签;
匹配模块,用于在用户列表中查找与任意一个第一特征标签相匹配的用户,并形成相关用户集合;
第二提取模块,用于对相关用户集合的所有历史函件进行特征提取,得到第二特征标签集合,其中,第二特征标签集合包含若干个第二特征标签;
计算模块,用于计算每一个第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签;
函件生成模块,用于将推送标签对应的关联产品的产品信息填入预设的函件模板,生成目标函件;
推送模块,用于将目标函件推送给目标用户。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如上述任一项所述的函件推送方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述任一项所述的函件推送方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请公开了一种函件推送方法、装置、计算机设备及存储介质,属于人工智能技术领域,所述方法通过对目标用户的历史函件进行特征提取,得到第一特征标签集合;在用户列表中查找与任意一个第一特征标签相匹配的用户,并形成相关用户集合;对相关用户集合的所有历史函件进行特征提取,得到第二特征标签集合;计算每一个第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签;将推送标签对应的关联产品的产品信息填入预设的函件模板,生成目标函件;将目标函件推送给目标用户。在本申请中,在进行用户匹配时,用户列表内的用户只要存在任意一个特征标签与目标用户的第一特征标签相匹配,则确定该用户为相关用户,因此提高了匹配率,以匹配到偏好相似的相关用户,本申请进一步通过计算每一个第二特征标签的标签权重,并利用预设阈值对第二特征标签进行筛选,得到与目标用户相关度较高的特征标签,最后根据相关度较高的特征标签生成目标函件。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本申请可以应用于其中的示例性系统架构图;
图2示出了根据本申请的函件推送方法的一个实施例的流程图;
图3示出了根据本申请的函件推送方法中标签权重计算的一个实施例的流程图;
图4示出了根据本申请的函件推送方法中关联产品顺序调整的一个实施例的流程图;
图5示出了根据本申请的函件推送装置的一个实施例的结构示意图;
图6是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的函件推送方法一般由服务器执行,相应地,函件推送装置一般设置于服务器中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的函件推送方法的一个实施例的流程图。所述的函件推送方法,包括以下步骤:
S201,对目标用户的历史函件进行特征提取,得到第一特征标签集合,其中,第一特征标签集合包含若干个第一特征标签。
其中,特征标签集合指的是可以代表用户特征的关键词集合,而用户的特征标签可以指代用户的某些关键词或者关键信息,比如年龄、资产、是否有房、是否有车等。目标用户指的是被推送函件的用户,目标用户可以是当前函件推送的服务器列表中的任意一个用户,目标用户可以是服务器随机选择目标用户,也可以是服务器按照一定的条件筛选的用户,如根据具体的地区来选择的用户。
具体的,服务器确定目标用户之后,对目标用户的历史函件进行特征提取,得到第一特征标签集合,第一特征标签集合包含若干个第一特征标签。其中,目标用户的历史函件指的是某个时间段内目标用户收到的所有函件。在本申请具体的实施例中,对目标用户的历史函件进行特征提取具体为对目标用户的历史函件中的关键词进行识别,得到一些与目标用户相关度较高的特征词,如“车”、“房”、“保险”等等。在本申请一种具体的实施例中,可以采用textrank算法提取关键词。其中,TextRank算法是一种用于文本的基于图的排序算法,通过把文本分割成若干组成单元(关键词),构建节点连接图,用关键词之间的相似度作为边的权重,通过循环迭代计算关键词的TextRank值,最后输出排名高的关键词。
S202,在用户列表中查找与任意一个第一特征标签相匹配的用户,并形成相关用户集合。
其中,用户列表内包含了所有用户的名单,以及每一个用户对应的特征标签。对于用户列表中的任意一个用户来说,服务器从其历史函件中提取特征标签,并将提取到的特征标签与该用户进行关联,将关联信息填入用户列表。在本申请一种具体的实施例中,一种用户列表如下表所示:
表1用户列表
用户名称 | 特征标签 |
张三 | 车、保险、理财 |
李四 | 车、手机、平板、相机、音响 |
王五 | 车、租房、房价 |
在上述用户列表中,每一位用户都对应存在其特征标签,例如,用户“张三”的特征标签为“车、保险、理财”,则系统推测其会关注汽车领域、保险领域和理财领域。
具体的,服务器在用户列表中依次查找与每一个第一特征标签相匹配的用户,将第一特征标签与用户列表中每一个用户的特征标签一一对照,并将查找到的用户进行组合,形成用户集合。在本提案中,用户集合是表征与目标用户具有相似爱好或者兴趣相邻的用户群体。
进一步地,在用户列表中查找与任意一个第一特征标签相匹配的用户,并形成相关用户集合,具体包括:
将第一特征标签与用户列表中每一个用户的特征标签依次进行比对。
判断每一个用户是否存在与第一特征标签相同的特征标签。
若存在,则确定用户为相关用户,获取所有相关用户,形成相关用户集合。
在上述实施例中,依次将第一特征标签与用户列表中每一个用户的特征标签一一对照,判断用户列表中每一个用户是否存在与第一特征标签相同的特征标签,如果某一个用户存在与第一特征标签相同的特征标签,则确定该用户为相关用户,获取所有相关用户,形成相关用户集合。例如,在上述用户列表中查找第一特征标签为“车”的相关用户,服务器先提取“张三”的所有特征标签“车、保险、理财”,然后依次比对“张三”的特征标签与第一特征标签,“张三”的特征标签中存在与第一特征标签“车”相同的特征标签,因此确定“张三”为相关用户,同理对“李四”和“王五”的特征标签进行比对,得出“李四”和“王五”也为相关用户。
传统的基于协同过滤算法推测用户喜好,然后根据用户喜好推送与其喜好相关的函件,但是基于协同过滤算法推测用户喜好需要目标用户与相关用户之间存在较高的相似度,即用户特征匹配遵循强匹配原则,而由于用户特征标签的多样性和复杂性,在不同用户之间具有完全相同或者高度相似的特征标签的可能性较低,匹配率较低,导致协同过滤算法可能无法找偏好相似的相关用户。例如,上述实施例中,假设推送目标用户的第一特征标签为“车、数学、物理、生物”,那么在传统的基于协同过滤算法下,虽然“张三”、“李四”和“王五”均具有“车”这个特征标签,但“张三”、“李四”和“王五”只有一个特征标签与推送目标用户的第一特征标签匹配,属于弱匹配,因此,为了保证推送的精准度,基于协同过滤算法不会将“张三”、“李四”和“王五”标记为相关用户,而是直接忽略“张三”、“李四”和“王五”的征标签匹配,因此,基于协同过滤算法匹配率较低,在不同用户之间具有完全相同或者高度相似的特征标签的可能性较低,且容易忽略一些潜在的、推送目标用户有可能关注的特征标签。
而在上述实施例中,在进行用户匹配时,用户列表内的用户只要存在任意一个特征标签与目标用户的第一特征标签相匹配,则确定该用户为相关用户,因此提高了匹配率,以匹配到偏好相似的相关用户。
进一步地,在确定用户为相关用户,获取所有相关用户,形成相关用户集合,具体包括:
对查找到的相关用户进行用户去重处理。
具体的,服务器在用户列表中依次查找与第一特征标签相匹配的用户时,有可能出现查找结果重复出现的情况,例如,在上述实施例中,服务器查找与第一特征标签“车”、第一特征标签“保险”相匹配的用户,而“张三”恰好均具有第一特征标签“车”和第一特征标签“保险”,因此在查找过程中,“张三”在两次查找结果中均有出现,因此,在查找过程结束后要去除某一次查找结果中的“张三”,例如,去除第一特征标签“保险”查找结果中的“张三”。
对完成用户去重处理后剩下的相关用户进行组合,得到相关用户集合。
具体的,完成用户去重处理后,对剩下的与第一特征标签相匹配的相关用户进行组合,得到用户集合。
在上述实施例中,对查找到的相关用户进行用户去重处理,对完成用户去重处理后剩下的相关用户进行组合,得到相关用户集合,可以避免相关用户集合重复出现相同用户的情况。
S203,对相关用户集合的所有历史函件进行特征提取,得到第二特征标签集合,其中,第二特征标签集合包含若干个第二特征标签。
具体的,获取相关用户集合中每一个相关用户的历史函件,并对相关用户集合中每一个相关用户的历史函件进行特征提取,将提取到的所有特征标签进行组合,得到第二特征标签集合,其中,所述第二特征标签集合包含若干个第二特征标签。第二特征标签集合表征的是与目标用户具有相似爱好或者兴趣相邻的用户群体的特征标签总和。
在本申请另一种具体的实施例中,也可以通过获取相关用户集合中每一个相关用户在用户列表上的特征标签,并将所有得到特征标签进行组合,形成第二特征标签集合。
进一步地,在对相关用户集合的所有历史函件进行特征提取,得到第二特征标签集合之后,还包括:
对第二特征标签集合中的第二特征标签进行特征标签去重处理。
具体的,在提取到的所有第二特征标签之后,将第二特征标签进行两两比对,判断是否存在重复的第二特征标签,如果存在重复的第二特征标签,则对第二特征标签进行特征标签去重处理,将去重后剩下的第二特征标签进行组合,得到第二特征标签集合。例如,在上述实施例中,某次函件推送过程中,“张三”和“李四”均为相关用户,但“张三”和“李四”的特征标签中均包含“车”这个特征标签,如果不进行特征标签去重处理,则该特征标签将会重复。
在上述实施例中,通过标签去重处理,可以去除重复的第二特征标签。
S204,计算每一个第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签。
具体的,获取第二特征标签集合中的每一个第二特征标签,并基于TF-IDF算法计算每一个所述第二特征标签的标签权重,将得到的每一个标签权值与预设阈值作比对,并将标签权重大于预设阈值的第二特征标签确定为推送标签。
其中,TF-IDF(term frequency–inverse document frequency)算法是一种用于资讯检索与资讯探勘的常用加权技术。TF-IDF是一种统计方法,用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加,但同时会随着它在语料库中出现的频率成反比下降。TF-IDF加权的各种形式常被搜寻引擎应用,作为文件与用户查询之间相关程度的度量或评级。除了TF-IDF以外,因特网上的搜寻引擎还会使用基于连结分析的评级方法,以确定文件在搜寻结果中出现的顺序。
进一步地,参考图3,图3示出了根据本申请的函件推送方法中的标签权重计算的一个实施例的流程图,计算每一个第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签,具体包括:
S301,统计每一个第二特征标签的信息,并根据每一个第二特征标签的信息计算每一个第二特征标签的词频。
其中,词频(term frequency,TF)指的是某一个给定的词语在其所属文件中出现的次数。具体通过以下公式计算计算每一个所述第二特征标签的词频:
其中,ni,j为在某一文件中某个关键词语i的出现次数,∑knk,j为该文件中所有关键词的出现次数总和。
具体的,对于第二特征标签集合中的任意一个第二特征标签A,首先确定第二特征标签A所属的用户,然后计算第二特征标签A在该用户所有的历史函件中出现的词频TF,TF=该用户历史函件中第二特征标签A出现的次数/该用户的所有第二特征标签在其历史函件中出现的总次数。
S302,统计所有第二特征标签的信息,根据每一个第二特征标签的信息以及所有第二特征标签的信息计算每一个第二特征标签的逆向文件频率。
具体的,逆向文件频率(inverse document frequency,IDF)是一个词语普遍重要性的度量。具体通过以下公式计算计算每一个所述第二特征标签的逆向文件频率:
其中,D为所有关键词在整个文档库dj中出现的次数总和,|{j:ti∈dj}为关键词语i整个文档库dj中出现的次数。
具体的,在上述实施例中,计算出第二特征标签A的词频后,计算第二特征标签A的逆向文本频率IDF,IDF=log(所有第二特征标签在全部用户的历史函件中出现的总次数/全部用户的历史函件中第二特征标签A出现的次数)。
S303,根据每一个第二特征标签的词频和每一个第二特征标签的逆向文件频率,计算每一个第二特征标签的标签权重。
具体的,在上述实施例中,根据第二特征标签的词频A和第二特征标签A的逆向文件频率,计算第二特征标签A的标签权重。其中,第二特征标签的标签权重为词频IF*逆向文件频率IDF。
S304,对计算得到的所有第二特征标签的标签权重进行排序,并将标签权重大于预设阈值的第二特征标签确定为推送标签。
具体的,计算所有第二特征标签的标签权重,对计算得到的所有第二特征标签的标签权重进行排序,并将标签权重大于预设阈值的第二特征标签确定为推送标签。
在上述实施例中,对于第二特征标签集合中的任意一个第二特征标签,首先确定第二特征标签所属的用户,然后计算标签在该用户历史函件中出现的词频TF,TF=该用户历史函件中标签出现的次数/该用户的所有标签在其历史函件中出现的总次数;接着计算标签在所有标签中的逆向文本频率IDF,IDF=log(所有用户的全部标签出现的总次数/全部用户的历史函件中标签出现的次数),标签的标签权重为IF*IDF,对计算得到的所有第二特征标签的标签权重进行排序,并将标签权重大于预设阈值的第二特征标签确定为推送标签。通过计算每一个第二特征标签的标签权重,并利用预设阈值对第二特征标签进行筛选,得到与目标用户相关度较高的特征标签,最后根据相关度较高的特征标签生成目标函件。
S205,将推送标签对应的关联产品的产品信息填入预设的函件模板,生成目标函件。
其中,每一个特征标签都与一种或多种产品建立有关联关系,例如“车”这个特征标签,与“车”关联的产品有车险、车贷、汽车服务等等,其中,“车”为特征标签,车险、车贷、汽车服务为与“车”为这个特征标签对应的关联产品。
具体的,本提案中,服务器获取到推送标签后,可根据推送标签查询其对应的关联产品,每一个推送标签对应的一个或多个关联产品,将查询到的推送标签对应的关联产品组成该推送标签的关联产品集合,获取该关联产品集合中所有产品的产品信息,并将得到产品信息依次填入预设的函件模板,生成目标函件。其中,函件模板可以预先设定,函件模板上可以设置超链接,服务器在生成目标函件时,额外获取关联产品对应的链接,并将关联产品对应的链接置入函件模板的预定位置。
S206,将目标函件推送给目标用户。
具体的,服务器可以获取到目标用户的函件收件地址,根据该收件地址将该生成的目标函件推送至目标用户对应的收件箱内。
进一步地,请参考图4,图4示出了根据本申请的函件推送方法中关联产品顺序调整的一个实施例的流程图,在将目标函件推送给目标用户之后,还包括:
S401,接收目标函件推送后预设时间周期内目标用户的反馈数据。
S402,根据目标用户的反馈数据调整目标函件中关联产品的顺序,根据调整后的关联产品的顺序生成新的目标函件。
S403,将新的目标函件推送给目标用户。
具体的,在用户的函件接收窗口设置埋点,通过埋点捕捉用户操作行为,生成反馈数据,根据反馈数据对目标函件中关联产品进行评价,根据评价结果调整目标函件中关联产品的顺序,根据调整后的关联产品的顺序生成新的目标函件,将新的目标函件推送给目标用户。
在本实施例中,函件推送方法运行于其上的电子设备(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式接收目标函件推送后预设时间周期内目标用户的反馈数据。需要指出的是,上述无线连接方式可以包括但不限于3G/4G连接、WiFi连接、蓝牙连接、WiMAX连接、Zigbee连接、UWB(ultra wideband)连接、以及其他现在已知或将来开发的无线连接方式。
在上述实施例中,通过埋点捕捉用户操作行为,生成反馈数据,根据反馈数据对目标函件中关联产品进行评价,以及根据评价结果调整目标函件中关联产品的顺序,将用户关注度高的关联产品调到函件前端,当用户接收到函件时,可以直观地获得自己最关注的关联产品的信息,提升用户体验。需要说明的是,在本申请具体的实施例中,也可以根据评价结果剔除或者增加相应的关联产品。
进一步地,根据目标用户的反馈数据调整目标函件中关联产品的顺序,具体包括:
对目标用户的反馈数据进行解析,获取目标用户的用户操作,其中,用户操作为目标用户对目标函件中每一个关联产品所执行的操作。
对用户操作进行打分,并统计目标函件中每一个关联产品的得分。
对目标函件中每一个关联产品的得分进行排序,并依据排序结果调整目标函件中关联产品的顺序。
其中,用户操作为目标用户对目标函件中每一个关联产品所执行的操作,例如,查看、点击链接、收藏、咨询等等。
对推送后目标用户的采取的用户操作设置相应的分值,例如,目标用户未查看的关联产品记0分、点击一次产品的链接记1分、收藏记2分、咨询记3分等等,根据预先设置的埋点获取到目标用户对目标函件中每一个关联产品的用户操作后,对用户操作进行打分,并统计目标函件中每一个关联产品的得分,计算函件上所有产品在预设时间段内分别得到分数,根据分数重新调整关联产品集合中的产品顺序。
在上述实施例中,通过对目标用户的反馈数据进行解析,获取目标用户的用户操作,对用户操作进行打分,并统计目标函件中每一个关联产品的得分,对目标函件中每一个关联产品的得分进行排序,并依据排序结果调整目标函件中关联产品的顺序,通过对用户操作进行打分和对关联产品进行排序,将用户关注度高的关联产品调到函件前端,当用户接收到函件时,可以直观地获得自己最关注的关联产品的信息,提升用户体验。
本申请公开了一种函件推送方法,属于人工智能技术领域,所述方法通过对目标用户的历史函件进行特征提取,得到第一特征标签集合;在用户列表中查找与任意一个第一特征标签相匹配的用户,并形成相关用户集合;对相关用户集合的所有历史函件进行特征提取,得到第二特征标签集合;计算每一个第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签;将推送标签对应的关联产品的产品信息填入预设的函件模板,生成目标函件;将目标函件推送给目标用户。在本申请中,在进行用户匹配时,用户列表内的用户只要存在任意一个特征标签与目标用户的第一特征标签相匹配,则确定该用户为相关用户,因此提高了匹配率,以匹配到偏好相似的相关用户,本申请进一步通过计算每一个第二特征标签的标签权重,并利用预设阈值对第二特征标签进行筛选,得到与目标用户相关度较高的特征标签,最后根据相关度较高的特征标签生成目标函件。
需要强调的是,为进一步保证上述历史函件和特征标签的私密和安全性,上述历史函件和特征标签还可以存储于一区块链的节点中。
本申请所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain),本质上是一个去中心化的数据库,是一串使用密码学方法相关联产生的数据块,每一个数据块中包含了一批次网络交易的信息,用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于一计算机可读取存储介质中,该计算机可读指令在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
进一步参考图5,作为对上述图2所示方法的实现,本申请提供了一种函件推送装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图5所示,本实施例所述的函件推装置包括:
第一提取模块501,用于对目标用户的历史函件进行特征提取,得到第一特征标签集合,其中,第一特征标签集合包含若干个第一特征标签;
匹配模块502,用于在用户列表中查找与任意一个第一特征标签相匹配的用户,并形成相关用户集合;
第二提取模块503,用于对相关用户集合的所有历史函件进行特征提取,得到第二特征标签集合,其中,第二特征标签集合包含若干个第二特征标签;
计算模块504,用于计算每一个第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签;
函件生成模块505,用于将推送标签对应的关联产品的产品信息填入预设的函件模板,生成目标函件;
第一推送模块506,用于将目标函件推送给目标用户。
进一步地,匹配模块502具体包括:
比对单元,用于将第一特征标签与用户列表中每一个用户的特征标签依次进行比对;
判断单元,用于判断每一个用户是否存在与第一特征标签相同的特征标签;
匹配单元,用于当存在与第一特征标签相同的特征标签时,则确定用户为相关用户,获取所有相关用户,形成相关用户集合。
进一步地,匹配单元具体包括:
用户去重子单元,用于对查找到的相关用户进行用户去重处理;
组合子单元,用于对完成用户去重处理后剩下的相关用户进行组合,得到相关用户集合。
进一步地,该函件推送装置还包括:
标签去重模块,用于对第二特征标签集合中的第二特征标签进行特征标签去重处理。
进一步地,计算模块504具体包括:
第一统计单元,用于统计每一个第二特征标签的信息,并根据每一个第二特征标签的信息计算每一个第二特征标签的词频;
第二统计单元,用于统计所有第二特征标签的信息,根据每一个第二特征标签的信息以及所有第二特征标签的信息计算每一个第二特征标签的逆向文件频率;
权重计算单元,用于根据每一个第二特征标签的词频和每一个第二特征标签的逆向文件频率,计算每一个第二特征标签的标签权重;
第一排序单元,用于对计算得到的所有第二特征标签的标签权重进行排序,并将标签权重大于预设阈值的第二特征标签确定为推送标签。
进一步地,该函件推送装置还包括:
接收模块,用于接收目标函件推送后预设时间周期内目标用户的反馈数据;
调整模块,用于根据目标用户的反馈数据调整目标函件中关联产品的顺序,根据调整后的关联产品的顺序生成新的目标函件;
第二推行模块,用于将新的目标函件推送给目标用户。
进一步地,调整模块具体包括:
操作获取单元,用于对目标用户的反馈数据进行解析,获取目标用户的用户操作,其中,用户操作为目标用户对目标函件中每一个关联产品所执行的操作;
打分单元,用于对用户操作进行打分,并统计目标函件中每一个关联产品的得分;
第二排序单元,用于对目标函件中每一个关联产品的得分进行排序,并依据排序结果调整目标函件中关联产品的顺序。
本申请公开了一种函件推送装置,包括第一提取模块501、匹配模块502、第二提取模块503、计算模块504、函件生成模块505和第一推送模块506,通过第一提取模块501提取对目标用户特征;通过匹配模块502查找与任意一个第一特征标签相匹配的用户,并形成相关用户集合;通过第二提取模块503提取相关用户集合特征,得到第二特征标签集合;通过计算模块504计算每一个第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签;通过函件生成模块505将推送标签对应的关联产品的产品信息填入预设的函件模板,生成目标函件;通过第一推送模块506将目标函件推送给目标用户。本申请公开的一种函件推送装置可以提高基于用户喜好的函件推送方式的匹配率,以匹配到偏好相似的相关用户。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图6,图6为本实施例计算机设备基本结构框图。
所述计算机设备6包括通过系统总线相互通信连接存储器61、处理器62、网络接口63。需要指出的是,图中仅示出了具有组件61-63的计算机设备6,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field-Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器61至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器61可以是所述计算机设备6的内部存储单元,例如该计算机设备6的硬盘或内存。在另一些实施例中,所述存储器61也可以是所述计算机设备6的外部存储设备,例如该计算机设备6上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器61还可以既包括所述计算机设备6的内部存储单元也包括其外部存储设备。本实施例中,所述存储器61通常用于存储安装于所述计算机设备6的操作系统和各类应用软件,例如函件推送方法的计算机可读指令等。此外,所述存储器61还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器62在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器62通常用于控制所述计算机设备6的总体操作。本实施例中,所述处理器62用于运行所述存储器61中存储的计算机可读指令或者处理数据,例如运行所述函件推送方法的计算机可读指令。
所述网络接口63可包括无线网络接口或有线网络接口,该网络接口63通常用于在所述计算机设备6与其他电子设备之间建立通信连接。
本申请公开了一种计算机设备,属于人工智能技术领域,所述计算机设备通过对目标用户的历史函件进行特征提取,得到第一特征标签集合;在用户列表中查找与任意一个第一特征标签相匹配的用户,并形成相关用户集合;对相关用户集合的所有历史函件进行特征提取,得到第二特征标签集合;计算每一个第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签;将推送标签对应的关联产品的产品信息填入预设的函件模板,生成目标函件;将目标函件推送给目标用户。在本申请中,在进行用户匹配时,用户列表内的用户只要存在任意一个特征标签与目标用户的第一特征标签相匹配,则确定该用户为相关用户,因此提高了匹配率,以匹配到偏好相似的相关用户,本申请进一步通过计算每一个第二特征标签的标签权重,并利用预设阈值对第二特征标签进行筛选,得到与目标用户相关度较高的特征标签,最后根据相关度较高的特征标签生成目标函件。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被至少一个处理器执行,以使所述至少一个处理器执行如上述的函件推送方法的步骤。
本申请公开了一种计算机可读存储介质,属于人工智能技术领域,所述计算机可读存储介质通过对目标用户的历史函件进行特征提取,得到第一特征标签集合;在用户列表中查找与任意一个第一特征标签相匹配的用户,并形成相关用户集合;对相关用户集合的所有历史函件进行特征提取,得到第二特征标签集合;计算每一个第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签;将推送标签对应的关联产品的产品信息填入预设的函件模板,生成目标函件;将目标函件推送给目标用户。在本申请中,在进行用户匹配时,用户列表内的用户只要存在任意一个特征标签与目标用户的第一特征标签相匹配,则确定该用户为相关用户,因此提高了匹配率,以匹配到偏好相似的相关用户,本申请进一步通过计算每一个第二特征标签的标签权重,并利用预设阈值对第二特征标签进行筛选,得到与目标用户相关度较高的特征标签,最后根据相关度较高的特征标签生成目标函件。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请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,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (9)
1.一种函件推送方法,其特征在于,包括:
对目标用户的历史函件进行特征提取,得到第一特征标签集合,其中,所述第一特征标签集合包含若干个第一特征标签;
在用户列表中查找与任意一个所述第一特征标签相匹配的用户,并形成相关用户集合;
对所述相关用户集合的所有历史函件进行特征提取,得到第二特征标签集合,其中,所述第二特征标签集合包含若干个第二特征标签;
计算每一个所述第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签;
将所述推送标签对应的关联产品的产品信息填入预设的函件模板,生成目标函件;
将所述目标函件推送给目标用户;
所述计算每一个所述第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签,具体包括:
统计每一个所述第二特征标签的信息,并根据每一个所述第二特征标签的信息计算每一个所述第二特征标签的词频;
统计所有第二特征标签的信息,根据每一个所述第二特征标签的信息以及所述所有第二特征标签的信息计算每一个所述第二特征标签的逆向文件频率;
根据每一个所述第二特征标签的词频和每一个所述第二特征标签的逆向文件频率,计算每一个所述第二特征标签的标签权重;
对计算得到的所有所述第二特征标签的标签权重进行排序,并将标签权重大于预设阈值的第二特征标签确定为推送标签。
2.如权利要求1所述的函件推送方法,其特征在于,所述在用户列表中查找与任意一个所述第一特征标签相匹配的用户,并形成相关用户集合,具体包括:
将所述第一特征标签与用户列表中每一个用户的特征标签依次进行比对;
判断每一个所述用户是否存在与所述第一特征标签相同的特征标签;
若存在,则确定所述用户为相关用户,获取所有所述相关用户,形成相关用户集合。
3.如权利要求2所述的函件推送方法,其特征在于,在所述确定所述用户为相关用户,获取所有所述相关用户,形成相关用户集合,具体包括:
对查找到的所述相关用户进行用户去重处理;
对完成所述用户去重处理后剩下的所述相关用户进行组合,得到相关用户集合。
4.如权利要求1所述的函件推送方法,其特征在于,在所述对所述相关用户集合的所有历史函件进行特征提取,得到第二特征标签集合之后,还包括:
对所述第二特征标签集合中的所述第二特征标签进行特征标签去重处理。
5.如权利要求1至4任意一项所述的函件推送方法,其特征在于,在所述将所述目标函件推送给目标用户之后,还包括:
接收所述目标函件推送后预设时间周期内所述目标用户的反馈数据;
根据所述目标用户的反馈数据调整所述目标函件中关联产品的顺序,根据调整后的所述关联产品的顺序生成新的目标函件;
将所述新的目标函件推送给目标用户。
6.如权利要求5所述的函件推送方法,其特征在于,所述根据所述目标用户的反馈数据调整所述目标函件中关联产品的顺序,具体包括:
对目标用户的反馈数据进行解析,获取所述目标用户的用户操作,其中,所述用户操作为所述目标用户对所述目标函件中每一个关联产品所执行的操作;
对用户操作进行打分,并统计所述目标函件中每一个关联产品的得分;
对所述目标函件中每一个关联产品的得分进行排序,并依据排序结果调整所述目标函件中关联产品的顺序。
7.一种函件推送装置,其特征在于,所述函件推送装置实现如权利要求1至6中任一项所述的函件推送方法的步骤,所述函件推送装置包括:
第一提取模块,用于对目标用户的历史函件进行特征提取,得到第一特征标签集合,其中,所述第一特征标签集合包含若干个第一特征标签;
匹配模块,用于在用户列表中查找与任意一个所述第一特征标签相匹配的用户,并形成相关用户集合;
第二提取模块,用于对所述相关用户集合的所有历史函件进行特征提取,得到第二特征标签集合,其中,所述第二特征标签集合包含若干个第二特征标签;
计算模块,用于计算每一个所述第二特征标签的标签权重,并将标签权重大于预设阈值的第二特征标签确定为推送标签;
函件生成模块,用于将所述推送标签对应的关联产品的产品信息填入预设的函件模板,生成目标函件;
推送模块,用于将所述目标函件推送给目标用户。
8.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至6中任一项所述的函件推送方法的步骤。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至6中任一项所述的函件推送方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011056312.6A CN112182390B (zh) | 2020-09-29 | 2020-09-29 | 一种函件推送方法、装置、计算机设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011056312.6A CN112182390B (zh) | 2020-09-29 | 2020-09-29 | 一种函件推送方法、装置、计算机设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112182390A CN112182390A (zh) | 2021-01-05 |
CN112182390B true CN112182390B (zh) | 2024-02-09 |
Family
ID=73946161
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011056312.6A Active CN112182390B (zh) | 2020-09-29 | 2020-09-29 | 一种函件推送方法、装置、计算机设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112182390B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112861004B (zh) * | 2021-02-20 | 2024-02-06 | 中国联合网络通信集团有限公司 | 一种富媒体的确定方法及装置 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815356A (zh) * | 2017-01-20 | 2017-06-09 | 泰华智慧产业集团股份有限公司 | 基于语义分析的精确目标用户消息推送方法及系统 |
CN108363821A (zh) * | 2018-05-09 | 2018-08-03 | 深圳壹账通智能科技有限公司 | 一种信息推送方法、装置、终端设备及存储介质 |
CN109165975A (zh) * | 2018-08-09 | 2019-01-08 | 平安科技(深圳)有限公司 | 标签推荐方法、装置、计算机设备及存储介质 |
CN109245996A (zh) * | 2018-09-18 | 2019-01-18 | 平安科技(深圳)有限公司 | 邮件推送方法、装置、计算机设备和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105468630A (zh) * | 2014-09-04 | 2016-04-06 | 口碑控股有限公司 | 提供用户信息的方法及装置 |
-
2020
- 2020-09-29 CN CN202011056312.6A patent/CN112182390B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106815356A (zh) * | 2017-01-20 | 2017-06-09 | 泰华智慧产业集团股份有限公司 | 基于语义分析的精确目标用户消息推送方法及系统 |
CN108363821A (zh) * | 2018-05-09 | 2018-08-03 | 深圳壹账通智能科技有限公司 | 一种信息推送方法、装置、终端设备及存储介质 |
CN109165975A (zh) * | 2018-08-09 | 2019-01-08 | 平安科技(深圳)有限公司 | 标签推荐方法、装置、计算机设备及存储介质 |
CN109245996A (zh) * | 2018-09-18 | 2019-01-18 | 平安科技(深圳)有限公司 | 邮件推送方法、装置、计算机设备和存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN112182390A (zh) | 2021-01-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
AU2018383346B2 (en) | Domain-specific natural language understanding of customer intent in self-help | |
CN109145215B (zh) | 网络舆情分析方法、装置及存储介质 | |
CN109145280B (zh) | 信息推送的方法和装置 | |
CN108629043B (zh) | 网页目标信息的提取方法、装置及存储介质 | |
US7685091B2 (en) | System and method for online information analysis | |
WO2018040068A1 (zh) | 基于知识图谱的语意分析系统及方法 | |
US9176969B2 (en) | Integrating and extracting topics from content of heterogeneous sources | |
US20150213361A1 (en) | Predicting interesting things and concepts in content | |
Kong et al. | Predicting search intent based on pre-search context | |
CN111797214A (zh) | 基于faq数据库的问题筛选方法、装置、计算机设备及介质 | |
CN108228745B (zh) | 一种基于协同过滤优化的推荐算法和装置 | |
CN109165975B (zh) | 标签推荐方法、装置、计算机设备及存储介质 | |
CN113297457B (zh) | 一种高精准性的信息资源智能推送系统及推送方法 | |
CN105069036A (zh) | 一种信息推荐方法及装置 | |
CN111651670A (zh) | 基于用户行为图谱的内容检索方法、装置终端和存储介质 | |
JP2011108053A (ja) | ニュース記事評価システム | |
CN112579729A (zh) | 文档质量评价模型的训练方法、装置、电子设备和介质 | |
CN113869931A (zh) | 广告投放策略确定方法、装置、计算机设备和存储介质 | |
CN112995414B (zh) | 基于语音通话的行为质检方法、装置、设备及存储介质 | |
CN112182390B (zh) | 一种函件推送方法、装置、计算机设备及存储介质 | |
CN112288510A (zh) | 物品推荐方法、装置、设备及存储介质 | |
CN112084408B (zh) | 名单数据筛选方法、装置、计算机设备及存储介质 | |
CN112085566B (zh) | 基于智能决策的产品推荐方法、装置及计算机设备 | |
CN113821727A (zh) | 物品推荐方法、计算机设备及计算机可读存储介质 | |
Chaudhary et al. | Fake News Detection During 2016 US Elections Using Bootstrapped Metadata-Based Naïve Bayesian Classifier |
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 |