CN112417301A - 信息推送方法、装置、服务器和存储介质 - Google Patents
信息推送方法、装置、服务器和存储介质 Download PDFInfo
- Publication number
- CN112417301A CN112417301A CN202011437267.9A CN202011437267A CN112417301A CN 112417301 A CN112417301 A CN 112417301A CN 202011437267 A CN202011437267 A CN 202011437267A CN 112417301 A CN112417301 A CN 112417301A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- target object
- portrait
- feature set
- 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 47
- 230000007704 transition Effects 0.000 claims abstract description 45
- 230000006399 behavior Effects 0.000 claims description 30
- 238000012545 processing Methods 0.000 claims description 15
- 238000013475 authorization Methods 0.000 claims description 13
- 238000007418 data mining Methods 0.000 claims description 11
- 238000005516 engineering process Methods 0.000 claims description 11
- 238000004590 computer program Methods 0.000 claims description 10
- 238000001914 filtration Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000009191 jumping Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000035772 mutation Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 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
-
- 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
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/06—Asset management; Financial planning or analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Finance (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Operations Research (AREA)
- Technology Law (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例提供一种信息推送方法、装置、服务器和存储介质,通过获取用户的稳定画像特征集合和近期画像特征集合,根据稳定画像特征集合,确定近期画像特征集合是否发生特征变迁,当确定近期画像特征集合发生了特征变迁时,根据引起特征变迁的目标画像特征,确定向用户推荐的目标对象,根据当前场景,采用预设推送模式将目标对象的信息推送给用户,实现了信息的个性化推送,提高了信息推送的主动性、针对性和精准度,提高了用户的使用体验。
Description
技术领域
本申请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
互联网技术的高速发展和智能终端的迅速普及,为电子商务的发展提供了有利的基础设施条件,使电子商务快速崛起和蓬勃发展。而智能推荐(向用户推荐产品、资讯等)作为电子商务中的重要环节之一,是各电子商务企业进行业务拓展和增加客户粘性的关键,因此,成为许多电子商务企业的重要任务。
目前,智能推荐多基于大量用户的线下数据来分析当前应该为用户推荐的内容,而这种方案往往是同一时间向所有用户统一推荐相同的内容或随机内容,针对性不高,影响用户的使用体验。
发明内容
本申请实施例提供一种信息推送方法、装置、服务器和存储介质,以解决现有技术中存在的针对性不高的问题。
第一方面,本申请实施例提供一种信息推送方法,包括:
获取用户的稳定画像特征集合和近期画像特征集合;
根据所述稳定画像特征集合,确定所述近期画像特征集合是否发生特征变迁;
当确定所述近期画像特征集合发生了特征变迁时,根据引起所述特征变迁的目标画像特征,确定向所述用户推荐的目标对象;
根据当前场景,采用预设推送模式将所述目标对象的信息推送给所述用户。
可选地,所述根据所述稳定画像特征集合,确定所述近期画像特征集合是否发生特征变迁,包括:
确定所述近期画像特征集合与所述稳定画像特征集合之间是否存在差异;
若所述近期画像特征集合与所述稳定画像特征集合之间存在差异,则确定所述差异是否为级别差异;
若所述差异为级别差异,则确定所述近期画像特征集合发生了特征变迁。
可选地,所述根据引起所述特征变迁的目标画像特征,确定向所述用户推荐的目标对象,包括:
从所述近期画像特征集合中提取引起所述特征变迁的目标画像特征;
将所述目标画像特征与候选对象进行匹配,并将与所述目标画像特征成功匹配的候选对象确定为所述目标对象。
可选地,所述根据当前场景,采用预设推送模式将所述目标对象的信息推送给所述用户,包括:
确定所述用户是否在线;
若所述用户在线,则确定所述目标对象与所述用户当前的访问页面之间是否存在关联关系;
若所述目标对象与所述用户当前的访问页面之间存在关联关系,则立刻通过融入场景化模式将所述目标对象的信息推送给所述用户。
可选地,所述方法还包括:
若所述用户不在线或所述目标对象与所述用户当前的访问页面之间不存在关联关系,则确定所述用户近期是否为高频用户;
若所述用户近期为高频用户,则采用压栈策略通过融入场景化模式将所述目标对象的信息推送给所述用户。
可选地,所述方法还包括:
若所述用户近期不为高频用户,则通过一般消息模式将所述目标对象的信息推送给所述用户。
可选地,所述获取用户的稳定画像特征集合和近期画像特征集合,包括:
获取所述用户的历史行为数据和近期行为数据;
根据数据挖掘技术对所述历史行为数据进行分析,得到所述用户的稳定画像特征集合;
根据数据挖掘技术对所述近期行为数据进行分析,得到所述用户的近期画像特征集合。
可选地,所述根据当前场景,采用预设推送模式将所述目标对象的信息推送给所述用户之前,所述方法还包括:
确定近期是否向所述用户推荐过所述目标对象;
若近期没有向所述用户推荐过所述目标对象,则根据所述目标对象,构建推送信息;
对所述推送信息进行隐私过滤,得到所述目标对象的信息。
可选地,所述对所述推送信息进行隐私过滤,得到所述目标对象的信息,包括:
确定所述推送信息中是否包含敏感信息;
若所述推送信息中包含敏感信息,则确定所述用户是否进行了敏感信息推送授权;
若所述用户进行了敏感信息推送授权,则将所述推送信息作为所述目标对象的信息;
若所述用户没有进行敏感信息推送授权,则对所述敏感信息进行处理,得到所述目标对象的信息。
第二方面,本申请实施例提供一种信息推送装置,包括:
获取模块,用于获取用户的稳定画像特征集合和近期画像特征集合;
处理模块,用于根据所述稳定画像特征集合,确定所述近期画像特征集合是否发生特征变迁;当确定所述近期画像特征集合发生了特征变迁时,根据引起所述特征变迁的目标画像特征,确定向所述用户推荐的目标对象;
推送模块,用于根据当前场景,采用预设推送模式将所述目标对象的信息推送给所述用户。
第三方面,本申请实施例提供一种服务器,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,所述处理器执行所述程序时实现如上述第一方面所述的信息推送方法。
第四方面,本申请实施例提供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如上述第一方面所述的信息推送方法。
本申请实施例提供的信息推送方法、装置、服务器和存储介质,通过获取用户的稳定画像特征集合和近期画像特征集合,根据稳定画像特征集合,确定近期画像特征集合是否发生特征变迁,当确定近期画像特征集合发生了特征变迁时,根据引起特征变迁的目标画像特征,确定向用户推荐的目标对象,根据当前场景,采用预设推送模式将目标对象的信息推送给用户,基于用户近期画像特征集合中的突变特征进行推荐对象的确定,并基于当前场景,选择恰当的推送模式对目标对象的信息的推送,实现了信息的个性化推送,不仅提高了信息推送的主动性、针对性和精准度,还提高了用户的好感度和使用满意度,进而提升了用户的使用体验。
附图说明
图1为本申请实施例的应用场景示意图;
图2为本申请实施例一提供的信息推送方法的流程示意图;
图3为本申请实施一中S104的一种执行逻辑示意图;
图4为本申请实施例二提供的信息推送方法的流程示意图;
图5为本申请实施例三提供的信息推送装置的结构示意图;
图6为本申请实施例四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申请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申请,而非对本申请的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本申请相关的部分而非全部结构。
本申请技术方案的主要思路:基于现有技术中存在的技术问题,本申请实施例提供一种信息推送的技术方案,基于数据挖掘、行为分析等寻找用户画像特征的“突变”点,实现推荐对象的确定,并基于场景策略(如用户是否在线、用户访问的页面与确定的推荐对象的相关性等)向用户设备推送个性化产品、资讯,综合采用了信息采集、数据挖掘、推荐对象适配、推送消息过滤、推送策略/模式适配等技术,实现了信息的个性化推送,提高了信息推送的主动性、针对性和精准度,提高了用户的好感度和使用满意度。
示例性地,图1为本申请实施例的应用场景示意图,如图1所示,本实施例提供一种信息推送系统包括:服务器和多个用户设备,服务器与多个用户设备之间通信连接,用户设备可以为智能音箱、手机、平板电脑、计算机等直接服务于用户的电子设备,各用户设备上都安装有目标应用的应用客户端,服务器上安装有目标应用的应用服务端,用户通过其使用的用户设备上安装的应用客户端进行目标应用的访问,使用目标应用提供的服务和获取服务器推送的目标应用的相关产品、资讯等,服务器用于对目标应用进行管理和执行以下各实施例中的信息推送方法,将与目标应用相关的产品、资讯等推送给用户。
实施例一
图2为本申请实施例一提供的信息推送方法的流程示意图,本实施例的方法可以由本申请实施例所提供的信息推送装置执行,该装置可以由软件和/或硬件的方式来实现,并可集成于服务器中。如图2所示,本实施例的信息推送方法包括:
S101、获取用户的稳定画像特征集合和近期画像特征集合。
本实施例中,通过数据挖掘技术分析用户的行为数据,得到描述用户的画像,进而对画像中的用户特征进行提取,得到用户的画像特征集合。本步骤中,可以周期性地主动获取用户的稳定画像特征集合和近期画像特征集合,并基于稳定画像特征集合和近期画像特征集合进行用户的角色、身份等的定位和分析,从而及时发现用户的一些变化,并对这些变化进行分析,根据分析结果,进行信息的推送,有助于提高信息推送的主动性和精准性。
其中,稳定画像特征集合,是由一系列稳定画像特征构成的集合,稳定画像特征主要用于描述用户长期的、稳定的偏好、习惯、能力水平等。
近期画像特征集合,是由一系列近期画像特征构成的集合,近期画像特征主要用于描述用户最近一段时间内的偏好、习惯、能力水平等。
在一种可能的实施方式中,本步骤中,通过获取用户的历史行为数据和近期行为数据,根据数据挖掘技术对历史行为数据进行分析,得到用户的稳定画像特征集合,根据数据挖掘技术对近期行为数据进行分析,得到用户的近期画像特征集合。
本实施例中,服务器可以通过其上的数据仓库进行用户行为数据的积累,可选地,数据仓库中的数据包括用户设备端数据、服务器端数据及第三方数据,其中,用户设备端数据可以是服务器通过设置于用户设备上的埋点并通过时间滑动窗口从用户设备上获取到的,第三方数据可以是服务器通过设置于其他设备上的埋点并从其他设备(见图1)获取到的。
其中,历史行为数据,是指以当前日期为起点到过去一个时间点的较长一段时间(如近一年)内数据仓库积累的用户行为数据;近期行为数据,是指以当前日期为起点到过去一个时间点的较短一段时间(如近一个星期)内数据仓库积累的用户行为数据。相应地,本实施例中,可以通过时间查询的方式,从数据仓库中筛选出历史行为数据和近期行为数据。
可选地,本实施例中,可以预先设置历史行为数据的时间长度和近期行为数据的时间长度,并设置获取用户画像特征集合的周期,使服务器周期性地,自动完成用户的稳定画像特征集合和近期画像特征集合的获取。
可选地,本实施例中,可以预先训练数据分析模型,由数据分析模型获取用户的历史行为数据和近期行为数据并进行分析,并最终输出用户的稳定画像特征集合和近期画像特征集合。
可选地,本实施例中可以事先定义感兴趣的画像特征的类别,如职业、收入水平、消费特征、兴趣爱好等,并根据定义的感兴趣的画像特征类别,进行稳定画像特征集合和近期画像特征集合的获取,由于只需要获取感兴越的画像特征类别对应的稳定画像特征和近期画像特征,因此,提高了数据处理效率,降低了服务器的负荷。
S102、根据稳定画像特征集合,确定近期画像特征集合是否发生特征变迁。
本步骤中,在S101之后,通过将近期画像特征集合与稳定画像特征集合进行比较,确定用户的近期画像特征集合是否发生特征变迁,其中,特征变迁是指同一类别的画像特征的级别变化,例如将收入水平分为一级(小于一万)、二级(一万至三万)、三级(大于三万)三个级别,获取的用户收入水平的实际值,即为该用户的一个画像特征,若获取的某用户的收入水平的近期画像特征与稳定画像特征的级别不同,则可以确定该用户与收入水平对应的近期画像特征相对于稳定画像特征发生了级别变化。
在一种可能的实施方式中,本实施例中,通过确定近期画像特征集合与稳定画像特征集合之间是否存在差异;若近期画像特征集合与稳定画像特征集合之间存在差异,则确定差异是否为级别差异;若差异为级别差异,则确定所述近期画像特征集合发生特征变迁。
可选地,本实施方式中,通过将近期画像特征集合中的近期画像特征与稳定画像特征集合中相同类别的稳定画像特征进行比较,确定两者之间是否存在差异,可以理解的是,只要有一组近期画像特征与稳定画像特征之间存在差异,就可以确定近期画像特征集合与稳定画像特征集合之间存在差异。
可选地,本实施例中,可以预先设置画像特征与级别的对应关系,并将其存储在服务器的数据仓库中,通过分别确定存在差异的每一组近期画像特征与稳定画像特征中近期画像特征的级别和稳定画像特征的级别,并确定两者的级别是否相同,若不相同,则确定两者的差异为级别差异。可以理解的是,只要有一组近期画像特征与稳定画像特征之间的差异为级别差异,就可以确定近期画像特征集合与稳定画像特征集合之间的差异为级别差异,进而确定近期画像特征集合发生了特征变迁。相反,若确定近期画像特征集合与稳定画像特征集合之间不存在差异或存在的差异不是级别差异,则确定近期画像特征集合没有发生特征变迁,则流程结束,暂不向该用户进行信息推送。
S103、当确定近期画像特征集合发生了特征变迁时,根据引起特征变迁的目标画像特征,确定向用户推荐的目标对象。
本步骤中,若根据S102确定近期画像特征集合发生了特征变迁时,根据引起近期画像特征集合发生特征变迁的目标画像特征,确定向用户推荐的对象,从而保证向用户推荐的对象更加贴近用户当前的偏好、习惯和能力水平等,更能满足用户的需求。其中,目标画像特征是近期画像特征集合中与稳定画像特征集合中存在级别差异的一个或多个近期画像特征。向用户推荐的对象可以是产品或资讯等,相应的,目标对象可以是候选产品中某一种特定产品或候选资讯中的某一特定资讯等。
在一种可能的实施方式中,本步骤中,通过从近期画像特征集合中提取引起特征变迁的目标画像特征,并将目标画像特征与候选对象进行匹配,并将与目标画像特征成功匹配的候选对象确定为目标对象。
其中,候选对象是预先定制的与目标应用相关的一些产品或资讯等,示例性地,若目标应用为手机银行,则候选对象可以是为用户定制的一系列理财产品,若目标应用为文娱类应用,则候选对象可以是一系列与电影、图书、音乐相关的资讯等。
可选地,本实施方式中,可以事先为各候选对象设定对应的用户特征画像,通过将目标画像特征与各候选对象对应的用户特征画像进行匹配,确定各候选对象的用户特征画像中包括的目标画像特征的个数,并将确定的个数与预先设置的个数阈值进行比较,将包含的目标画像特征的个数大于个数阈值的候选对象确定为目标对象。
可选地,本实施方式中,可以通过相应的匹配算法和/或事先训练匹配模型,通过将目标画像特征与候选对象进行匹配,得到目标对象,例如,当目标画像特征有多个时,根据各目标画像特征对于不同的候选对象的权重,得到各候选对象的打分,将得分超过预设得分阈值的候选对象确定为目标对象。
可以理解的是,当确定的目标对象有多个时,可以分次对这多个目标对象的进行推荐,也可以一次性进行推荐。当所有的候选对象与目标画像特征均匹配不成功时,则结束本次流程,暂不向该用户进行信息推荐。
S104、根据当前场景,采用预设推送模式将目标对象的信息推送给用户。
本步骤中,为增强对目标对象的推荐效果和用户针对性,从预设推送模式中选择一种与当前场景相适应的推送模式,并采用该推送模式将目标对象的信息推送给用户。
其中,目标对象的信息,是基于目标对象生成的信息,可选地,目标对象的信息中包括目标对象的名称、推荐目标对象的理由、目标对象的简介或使用目标对象的好处中的至少一种。
当前场景,是指用户当前使用该目标应用的一些情况,如用户是否在线、用户当前访问的页面的情况等。
推送模式,是指对目标对象的信息进行推送的方式,可选地,预设推送模式包括融入场景化模式和一般消息模式。其中,融入场景化模式,是指将要推荐的产品和资讯嵌入到与之相关的页面中进行一次性展现的方式。主要通过在应用客户端页面设计中预留展现视窗,在应用服务端进行适配产品或资讯绑定,在实时访问发生过程中,检查是否存在可推送的适配产品或资讯,当存在可推送的产品或资讯时,通过访问页面中的预留展现视窗进行一次性展现的推送模式。
一般消息模式:是指通过应用客户端的消息中心,以专用消息呈现视窗的方式进行信息推送的推送模式,采用该推送模式推送的信息,只有用户在联网和在线状态时,登录消息中心才可以看到。
可以理解的是,本步骤中,将目标对象的信息推送给用户,是指通过用户设备上的应用客户端将目标对象的信息进行展示,达到将目标对象的信息推送给用户的目的。
在一种可能的实施方式中,图3为本申请实施一中S104的一种执行逻辑示意图,如图3所示,本实施方式中,根据当前场景,采用预设推送模式将目标对象的信息推送给用户,包括:
(1)确定用户是否在线。
本步骤中,可以通过查看应用服务器记录的用户状态,确定用户是否在线,即用户是否成功登录应用客户端。
(2)若用户在线,则确定目标对象与用户当前的访问页面之间是否存在关联关系。
本步骤中,若根据步骤(1)确定用户在线,则进一步确定目标对象与用户当前正在访问的页面之间是否存在关联关系,示例性地,目标对象为某款理财产品,若用户当前访问页面也是理财产品的页面,则确定目标对象与用户当前的访问页面之间存在关联关系,若用户当前访问的页面为用户基本资料页面,则确定目标对象与用户当前的访问页面之间不存在关联关系。
(3)若目标对象与用户当前的访问页面之间存在关联关系,则立刻通过融入场景化模式将目标对象的信息推送给用户。
本步骤中,若根据步骤(2)确定目标对象与用户当前的访问页面之间存在关联关系,则立刻采用融入场景化模式将目标对象的信息推送给用户,通过当前访问页面中的预留展现视窗对目标对象的信息进行加载和展现,提高了推送的针对性和精准性,并且,可以在用户不需要跳出当前页面和不影响用户当前页面的展示效果的情况下,将目标对象的信息推送给用户,提高了用户的使用体验。
(4)若用户不在线或目标对象与用户当前的访问页面之间不存在关联关系,则确定用户近期是否为高频用户。
本步骤中,若根据步骤(1)确定用户不在线或根据步骤(2)确定目标对象与用户当前的访问页面之间不存在关联关系,则进一步确定用户近期是否为目标应用的高频用户。
其中,近期是与当前时间相距不远的一段时间,可以理解的是,本步骤中确定用户近期是否为高频用户的时间长度可以与获取用户的近期行为数据的时间长度相同,也可以不同,具体可根据实际情况进行设定,此处不做限制。
可选地,本步骤中,可以通过获取用户近期的访问记录,根据用户对目标应用的访问次数和访问时长,确定用户近期是否为目标应用的高频用户,具体地,可以设置访问次数或访问时长的阈值,根据用户近期的对目标应用的访问次数或访问时长是否超过对应的阈值,确定该用户近期是否为高频用户。
(5)若用户近期为高频用户,则采用压栈策略通过融入场景化模式将目标对象的信息推送给用户。
本步骤中,若根据步骤(4)确定该用户近期为高频用户,与步骤(3)中不同的是,采用压栈策略通过融入场景化模式将目标对象的信息推送给用户。其中,压栈策略是指将信息先暂存而不推送,等待外部因素触发推送的策略,即等待时机,当用户访问与目标对象存在关联关系的页面时,采用与步骤(3)中相同的融入场景化模式将目标对象的信息推送给用户,提高了用户对目标对象的信息的阅读几率和用户的使用体验。
(6)若用户近期不为高频用户,则通过一般消息模式将目标对象的信息推送给用户。
本步骤中,若根据步骤(4)确定用户为低频用户,则通过一般消息模式将目标对象的信息推送给用户。由于采用一般消息模式推送给用户的信息,只有用户在登录状态下进入消息中心时,才能看到此信息,即只有用户想看的时候才能看到,因此,不会对用户造成信息干扰,有利于提高用户的使用体验。
本实施方式中,通过根据当前场景,选择恰当的推送模式和恰当的时机向用户进行目标对象的信息的推送,不仅进一步提高了推送的针对性和精准度,还满足了用户的个性化需求,提高了用户的好感度和使用满意度。
本实施例中,通过获取用户的稳定画像特征集合和近期画像特征集合,根据稳定画像特征集合,确定近期画像特征集合是否发生特征变迁,当确定近期画像特征集合发生了特征变迁时,根据引起特征变迁的目标画像特征,确定向用户推荐的目标对象,根据当前场景,采用预设推送模式将目标对象的信息推送给用户,基于用户近期画像特征集合中的突变特征进行推荐对象的确定,并基于当前场景,选择恰当的推送模式对目标对象的信息的推送,不仅提高了信息推送的主动性、针对性和精准度,满足了用户的个性化需求,还提高了用户的好感度和使用满意度,提升了用户的使用体验。
实施例二
图4为本申请实施例二提供的信息推送方法的流程示意图,在上述实施例一的基础上,如图4所示,本实施例中在根据当前场景,采用预设推送模式将目标对象的信息推送给用户之前,本实施例的方法还包括:
S201、确定近期是否向用户推荐过目标对象。
本步骤中,在确定出目标对象后,确定近期(如当天)是否向该用户推荐过该目标对象,实现了通过对同一目标对象的推荐频率进行控制,进一步提升用户的好感度和使用满意度。
可选地,本步骤中,可以通过获取近期向该用户推荐的产品或资讯的记录,以目标对象的名称为关键词,通过关键词查询的方式,确定近期是否向该用户推荐该目标对象。
可选地,本实施例中,可以设置防重过滤器,在将目标对象的信息推送给用户之前,通过防重过滤器对目标对象进行鉴别,避免对同一目标对象的频繁推荐。
可以理解的是,若通过本步骤确定近期没有向用户推荐过此目标对象,则执行继续执行后续步骤,若通过本步骤确定近期向用户推荐过此目标对象,则不执行后续步骤,本次操作流程结束。
S202、若近期没有向用户推荐过目标对象,则根据目标对象,构建推送信息。
本步骤中,若根据S201确定近期没有向用户推荐过该目标对象,则基于目标对象进行推送信息的构建,如根据预设信息格式,进行包括目标对象的推送信息的构建,可选地,推送信息中包括目标对象的名称、推荐目标对象的理由、目标对象的简介或使用目标对象的好处中的至少一种。
S203、对推送信息进行隐私过滤,得到目标对象的信息。
在S202之后,为提高推送信息的安全性和保护用户的隐私,本步骤中,进一步地,对推送信息进行隐私过滤,得到目标对象的信息。
在一种可能的实施方式中,本步骤可以通过确定推送信息中是否包含敏感信息,若推送信息中包含敏感信息,则确定用户是否进行了敏感信息推送授权,若用户进行了敏感信息推送授权,则将推送信息作为目标对象的信息,若用户没有进行敏感信息推送授权,则对敏感信息进行处理,得到目标对象的信息。
可选地,本步骤中可以事先定义敏感信息的文字特点,如是否包含数字及包含的数字的长度等,对推送信息的内容进行排查,确定其是否包含敏感信息。类似地,本步骤中也可以设置敏感信息过滤器,通过敏感信息过滤器确定推送信息中是否包含敏感信息,提高排查的准确性和排查效率。
可选地,对敏感信息进行的处理可以为删除敏感信息、对敏感信息进行模糊处理或变换敏感信息的表述方式等。
可以理解的是,可以根据用户开通的目标应用的权限确定用户是否进行了敏感信息推送授权。
本实施例中,通过确定近期是否向用户推荐过目标对象,若近期没有向用户推荐过目标对象,则根据目标对象,构建推送信息,对推送信息进行隐私过滤,得到目标对象的信息,不仅降低了频繁地向同一用户推荐同样的目标对象的发生概率,还一定程度上保护了用户的隐私,提高了信息安全,因此,进一步提高了用户的使用体验。
实施例三
图5为本申请实施例三提供的信息推送装置的结构示意图,如图5所示,本实施例中信息推送装置10包括:
获取模块11、处理模块12和推送模块13。
获取模块11,用于获取用户的稳定画像特征集合和近期画像特征集合;
处理模块12,用于根据所述稳定画像特征集合,确定所述近期画像特征集合是否发生特征变迁;当确定所述近期画像特征集合发生了特征变迁时,根据引起所述特征变迁的目标画像特征,确定向所述用户推荐的目标对象;
推送模块13,用于根据当前场景,采用预设推送模式将所述目标对象的信息推送给所述用户。
可选地,处理模块12具体用于:
确定所述近期画像特征集合与所述稳定画像特征集合之间是否存在差异;
若所述近期画像特征集合与所述稳定画像特征集合之间存在差异,则确定所述差异是否为级别差异;
若所述差异为级别差异,则确定所述近期画像特征集合发生了特征变迁。
可选地,处理模块12具体用于:
从所述近期画像特征集合中提取引起所述特征变迁的目标画像特征;
将所述目标画像特征与候选对象进行匹配,并将与所述目标画像特征成功匹配的候选对象确定为所述目标对象。
可选地,推送模块13具体用于:
确定所述用户是否在线;
若所述用户在线,则确定所述目标对象与所述用户当前的访问页面之间是否存在关联关系;
若所述目标对象与所述用户当前的访问页面之间存在关联关系,则立刻通过融入场景化模式将所述目标对象的信息推送给所述用户。
可选地,推送模块13还用于:
若所述用户不在线或所述目标对象与所述用户当前的访问页面之间不存在关联关系,则确定所述用户近期是否为高频用户;
若所述用户近期为高频用户,则采用压栈策略通过融入场景化模式将所述目标对象的信息推送给所述用户。
可选地,推送模块13还用于:
若所述用户近期不为高频用户,则通过一般消息模式将所述目标对象的信息推送给所述用户。
可选地,获取模块11具体用于:
获取所述用户的历史行为数据和近期行为数据;
根据数据挖掘技术对所述历史行为数据进行分析,得到所述用户的稳定画像特征集合;
根据数据挖掘技术对所述近期行为数据进行分析,得到所述用户的近期画像特征集合。
可选地,处理模块12还用于:
确定近期是否向所述用户推荐过所述目标对象;
若近期没有向所述用户推荐过所述目标对象,则根据所述目标对象,构建推送信息;
对所述推送信息进行隐私过滤,得到所述目标对象的信息。
可选地,处理模块12具体用于:
确定所述推送信息中是否包含敏感信息;
若所述推送信息中包含敏感信息,则确定所述用户是否进行了敏感信息推送授权;
若所述用户进行了敏感信息推送授权,则将所述推送信息作为所述目标对象的信息;
若所述用户没有进行敏感信息推送授权,则对所述敏感信息进行处理,得到所述目标对象的信息。
本实施例所提供的信息推送装置可执行上述方法实施例所提供的信息推送方法,具备执行方法相应的功能模块和有益效果。本实施例的实现原理和技术效果与上述方法实施例类似,此处不再一一赘述。
实施例四
图6为本申请实施例四提供的一种服务器的结构示意图,如图6所示,该服务器20包括存储器21、处理器22及存储在存储器上并可在处理器上运行的计算机程序;服务器20处理器22的数量可以是一个或多个,图6中以一个处理器22为例;服务器20中的处理器22、存储器21可以通过总线或其他方式连接,图6中以通过总线连接为例。
存储器21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,如本申请实施例中的获取模块11、处理模块12和推送模块13对应的程序指令/模块。处理器22通过运行存储在存储器21中的软件程序、指令以及模块,从而服务器的各种功能应用以及数据处理,即实现上述的信息推送方法。
存储器21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,存储器21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,存储器21可进一步包括相对于处理器22远程设置的存储器,这些远程存储器可以通过网格连接至服务器。上述网格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。
实施例五
本申请实施例五还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序在由计算机处理器执行时用于执行一种信息推送方法,该方法包括:
获取用户的稳定画像特征集合和近期画像特征集合;
根据所述稳定画像特征集合,确定所述近期画像特征集合是否发生特征变迁;
当确定所述近期画像特征集合发生了特征变迁时,根据引起所述特征变迁的目标画像特征,确定向所述用户推荐的目标对象;
根据当前场景,采用预设推送模式将所述目标对象的信息推送给所述用户。
当然,本申请实施例所提供的一种包计算机可读存储介质,其计算机程序不限于如上所述的方法操作,还可以执行本申请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,本申请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,或者网格设备等)执行本申请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,并不用于限制本申请的保护范围。
注意,上述仅为本申请的较佳实施例及所运用技术原理。本领域技术人员会理解,本申请不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本申请的保护范围。因此,虽然通过以上实施例对本申请进行了较为详细的说明,但是本申请不仅仅限于以上实施例,在不脱离本申请构思的情况下,还可以包括更多其他等效实施例,而本申请的范围由所附的权利要求范围决定。
Claims (12)
1.一种信息推送方法,其特征在于,包括:
获取用户的稳定画像特征集合和近期画像特征集合;
根据所述稳定画像特征集合,确定所述近期画像特征集合是否发生特征变迁;
当确定所述近期画像特征集合发生了特征变迁时,根据引起所述特征变迁的目标画像特征,确定向所述用户推荐的目标对象;
根据当前场景,采用预设推送模式将所述目标对象的信息推送给所述用户。
2.根据权利要求1所述的方法,其特征在于,所述根据所述稳定画像特征集合,确定所述近期画像特征集合是否发生特征变迁,包括:
确定所述近期画像特征集合与所述稳定画像特征集合之间是否存在差异;
若所述近期画像特征集合与所述稳定画像特征集合之间存在差异,则确定所述差异是否为级别差异;
若所述差异为级别差异,则确定所述近期画像特征集合发生了特征变迁。
3.根据权利要求1所述的方法,其特征在于,所述根据引起所述特征变迁的目标画像特征,确定向所述用户推荐的目标对象,包括:
从所述近期画像特征集合中提取引起所述特征变迁的目标画像特征;
将所述目标画像特征与候选对象进行匹配,并将与所述目标画像特征成功匹配的候选对象确定为所述目标对象。
4.根据权利要求1所述的方法,其特征在于,所述根据当前场景,采用预设推送模式将所述目标对象的信息推送给所述用户,包括:
确定所述用户是否在线;
若所述用户在线,则确定所述目标对象与所述用户当前的访问页面之间是否存在关联关系;
若所述目标对象与所述用户当前的访问页面之间存在关联关系,则立刻通过融入场景化模式将所述目标对象的信息推送给所述用户。
5.根据权利要求4所述的方法,其特征在于,所述方法还包括:
若所述用户不在线或所述目标对象与所述用户当前的访问页面之间不存在关联关系,则确定所述用户近期是否为高频用户;
若所述用户近期为高频用户,则采用压栈策略通过融入场景化模式将所述目标对象的信息推送给所述用户。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
若所述用户近期不为高频用户,则通过一般消息模式将所述目标对象的信息推送给所述用户。
7.根据权利要求1所述方法,其特征在于,所述获取用户的稳定画像特征集合和近期画像特征集合,包括:
获取所述用户的历史行为数据和近期行为数据;
根据数据挖掘技术对所述历史行为数据进行分析,得到所述用户的稳定画像特征集合;
根据数据挖掘技术对所述近期行为数据进行分析,得到所述用户的近期画像特征集合。
8.根据权利要求1-7任一项所述的方法,其特征在于,所述根据当前场景,采用预设推送模式将所述目标对象的信息推送给所述用户之前,所述方法还包括:
确定近期是否向所述用户推荐过所述目标对象;
若近期没有向所述用户推荐过所述目标对象,则根据所述目标对象,构建推送信息;
对所述推送信息进行隐私过滤,得到所述目标对象的信息。
9.根据权利要求8所述的方法,其特征在于,所述对所述推送信息进行隐私过滤,得到所述目标对象的信息,包括:
确定所述推送信息中是否包含敏感信息;
若所述推送信息中包含敏感信息,则确定所述用户是否进行了敏感信息推送授权;
若所述用户进行了敏感信息推送授权,则将所述推送信息作为所述目标对象的信息;
若所述用户没有进行敏感信息推送授权,则对所述敏感信息进行处理,得到所述目标对象的信息。
10.一种信息推送装置,其特征在于,包括:
获取模块,用于获取用户的稳定画像特征集合和近期画像特征集合;
处理模块,用于根据所述稳定画像特征集合,确定所述近期画像特征集合是否发生特征变迁;当确定所述近期画像特征集合发生了特征变迁时,根据引起所述特征变迁的目标画像特征,确定向所述用户推荐的目标对象;
推送模块,用于根据当前场景,采用预设推送模式将所述目标对象的信息推送给所述用户。
11.一种服务器,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,其特征在于,所述处理器执行所述程序时实现如权利要求1-9中任一所述的信息推送方法。
12.一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1-9中任一所述的信息推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011437267.9A CN112417301A (zh) | 2020-12-07 | 2020-12-07 | 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 |
---|---|---|---|
CN202011437267.9A CN112417301A (zh) | 2020-12-07 | 2020-12-07 | 信息推送方法、装置、服务器和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112417301A true CN112417301A (zh) | 2021-02-26 |
Family
ID=74775014
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011437267.9A Pending CN112417301A (zh) | 2020-12-07 | 2020-12-07 | 信息推送方法、装置、服务器和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112417301A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330357A (zh) * | 2022-10-09 | 2022-11-11 | 深圳市奇见科技有限公司 | 智能立体车库数据管理方法、装置、设备及存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017157146A1 (zh) * | 2016-03-15 | 2017-09-21 | 平安科技(深圳)有限公司 | 基于用户画像的个性化推荐方法、装置、服务器及存储介质 |
WO2017181612A1 (zh) * | 2016-04-18 | 2017-10-26 | 乐视控股(北京)有限公司 | 个性化视频推荐方法及装置 |
CN109347986A (zh) * | 2018-12-04 | 2019-02-15 | 北京羽扇智信息科技有限公司 | 一种语音信息推送方法、装置、电子设备及存储介质 |
CN109978630A (zh) * | 2019-04-02 | 2019-07-05 | 安徽筋斗云机器人科技股份有限公司 | 一种基于大数据建立用户画像的精准营销方法和系统 |
CN110275980A (zh) * | 2019-06-26 | 2019-09-24 | 徐州工业职业技术学院 | 一种基于群透视音乐推荐方法 |
CN111310034A (zh) * | 2020-01-23 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 一种资源推荐方法及相关设备 |
WO2020151164A1 (zh) * | 2019-01-23 | 2020-07-30 | 平安科技(深圳)有限公司 | 消息推送方法、装置、计算机设备及存储介质 |
-
2020
- 2020-12-07 CN CN202011437267.9A patent/CN112417301A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017157146A1 (zh) * | 2016-03-15 | 2017-09-21 | 平安科技(深圳)有限公司 | 基于用户画像的个性化推荐方法、装置、服务器及存储介质 |
WO2017181612A1 (zh) * | 2016-04-18 | 2017-10-26 | 乐视控股(北京)有限公司 | 个性化视频推荐方法及装置 |
CN109347986A (zh) * | 2018-12-04 | 2019-02-15 | 北京羽扇智信息科技有限公司 | 一种语音信息推送方法、装置、电子设备及存储介质 |
WO2020151164A1 (zh) * | 2019-01-23 | 2020-07-30 | 平安科技(深圳)有限公司 | 消息推送方法、装置、计算机设备及存储介质 |
CN109978630A (zh) * | 2019-04-02 | 2019-07-05 | 安徽筋斗云机器人科技股份有限公司 | 一种基于大数据建立用户画像的精准营销方法和系统 |
CN110275980A (zh) * | 2019-06-26 | 2019-09-24 | 徐州工业职业技术学院 | 一种基于群透视音乐推荐方法 |
CN111310034A (zh) * | 2020-01-23 | 2020-06-19 | 腾讯科技(深圳)有限公司 | 一种资源推荐方法及相关设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115330357A (zh) * | 2022-10-09 | 2022-11-11 | 深圳市奇见科技有限公司 | 智能立体车库数据管理方法、装置、设备及存储介质 |
CN115330357B (zh) * | 2022-10-09 | 2022-12-23 | 深圳市奇见科技有限公司 | 智能立体车库数据管理方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9300755B2 (en) | System and method for determining information reliability | |
US20160132904A1 (en) | Influence score of a brand | |
CN110442712B (zh) | 风险的确定方法、装置、服务器和文本审理系统 | |
US20120290637A1 (en) | Personalized news feed based on peer and personal activity | |
US20070192461A1 (en) | System and method for dynamically generating and managing an online context-driven interactive social network | |
CN103678647A (zh) | 一种实现信息推荐的方法及系统 | |
CN102090094A (zh) | 共享移动设备中的所有者隐私 | |
US20160117328A1 (en) | Influence score of a social media domain | |
KR101450453B1 (ko) | 컨텐츠 추천 방법 및 장치 | |
CN103595747A (zh) | 用户信息推荐方法和系统 | |
CN112417301A (zh) | 信息推送方法、装置、服务器和存储介质 | |
US20150319162A1 (en) | Electronic arrangement and method for entity-specific token set management and related mechanism for offering personalized digital content based on interactions between entities | |
US20130054687A1 (en) | Online communities | |
KR102097912B1 (ko) | 개인화 추천 컨텐츠를 제공하는 방법 | |
Li et al. | Cultural distance-aware service recommendation approach in mobile edge computing | |
CN113961811B (zh) | 基于事件图谱的话术推荐方法、装置、设备及介质 | |
CN115858815A (zh) | 确定映射信息的方法、广告推荐方法、装置、设备及介质 | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 | |
US8909795B2 (en) | Method for determining validity of command and system thereof | |
Zhao et al. | Personalized Dynamic Counter Ad-Blocking Using Deep Learning | |
CN111966919A (zh) | 一种事件消息的处理方法、装置及设备 | |
US20230410016A1 (en) | Methods and systems of facilitating provisioning contexts for business situations using a semantic graph | |
CN113259150B (zh) | 一种数据处理方法、系统以及存储介质 | |
CN111026991A (zh) | 数据展示方法及装置、计算机设备 | |
CN113852688B (zh) | 一种信息推送方法、装置、电子设备及存储介质 |
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 |