CN112734463A - 一种业务信息发送方法、装置、电子设备和存储介质 - Google Patents

一种业务信息发送方法、装置、电子设备和存储介质 Download PDF

Info

Publication number
CN112734463A
CN112734463A CN202011614689.9A CN202011614689A CN112734463A CN 112734463 A CN112734463 A CN 112734463A CN 202011614689 A CN202011614689 A CN 202011614689A CN 112734463 A CN112734463 A CN 112734463A
Authority
CN
China
Prior art keywords
service information
target user
user
label
information
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
Application number
CN202011614689.9A
Other languages
English (en)
Inventor
何毅
王志国
张弛
朱晓根
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.)
Migu Cultural Technology Co Ltd
China Mobile Communications Group Co Ltd
MIGU Music Co Ltd
Original Assignee
Migu Cultural Technology Co Ltd
China Mobile Communications Group Co Ltd
MIGU Music 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 Migu Cultural Technology Co Ltd, China Mobile Communications Group Co Ltd, MIGU Music Co Ltd filed Critical Migu Cultural Technology Co Ltd
Priority to CN202011614689.9A priority Critical patent/CN112734463A/zh
Publication of CN112734463A publication Critical patent/CN112734463A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06Q30/0202—Market predictions or forecasting for commercial activities
    • 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
    • G06F16/903—Querying
    • G06F16/9035—Filtering based on additional data, e.g. user or group profiles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Accounting & Taxation (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Computing Systems (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供了一种业务信息发送方法、装置、电子设备和存储介质，根据目标用户对不同业务的用户行为信息，确定是否向目标用户发送某一业务信息。用户行为信息反映了目标用户对不同业务的需求，因而根据用户行为信息能够使得所下发的业务信息与目标用户的实际需求更好的吻合，避免下发与用户实际需求存在较大偏差的业务信息，降低了用户接收到垃圾信息的可能性，减少了用户投诉，避免用户流失。

Description

一种业务信息发送方法、装置、电子设备和存储介质
技术领域
本发明涉及通信传输技术领域，尤其是涉及一种业务信息发送方法、装置、电子设备和存储介质。
背景技术
业务信息通常包括营销类信息、告知类信息和回访类信息等等。不同业务的业务信息通常由不同的业务系统向用户下发，因此业务信息的下发时间、下发对象、发送频率均存在不确定性，且所下发的业务信息可能与用户实际需求存在较大偏差，从而大大增加了用户投诉的可能性，造成用户流失。
可见，现有业务信息的下发可能与用户实际需求存在较大偏差，导致用户接收大量垃圾信息。
发明内容
本发明提供一种业务信息发送方法、装置、电子设备和存储介质，用以解决现有业务信息的下发可能与用户实际需求存在较大偏差，导致用户接收大量垃圾信息的问题，实现所下发的业务信息与目标用户的实际需求更好的吻合。
本发明提供一种业务信息发送方法，包括：
获取目标用户对不同业务的用户行为信息，以及待发送的业务信息；
根据所述用户行为信息和所述业务信息，确定是否向所述目标用户发送所述业务信息。
根据本发明提供的一种业务信息发送方法，所述根据所述用户行为信息和所述业务信息，确定是否向所述目标用户发送所述业务信息，包括：
根据预先设置的用户模型与所述用户行为信息，确定与所述目标用户对应的至少一个目标用户标签；所述目标用户标签表示了所述目标用户对不同业务内容的需求；
根据所述目标用户标签和所述业务信息，确定是否向所述目标用户发送所述业务信息；
其中，所述用户模型用于，基于输入的任一用户的用户行为信息输出对应于所述任一用户的用户标签。
根据本发明提供的一种业务信息发送方法，所述根据所述目标用户标签和所述业务信息，确定是否向所述目标用户发送所述业务信息，包括：
根据预先设置的信息模型与所述业务信息，确定与所述业务信息对应的至少一个业务信息标签；所述业务信息标签表示了所述业务信息对应的业务内容；
根据所述目标用户标签和所述业务信息标签，确定是否向所述目标用户发送所述业务信息；
其中，所述信息模型用于，基于输入的任一信息输出对应于所述任一信息的信息标签。
根据本发明提供的一种业务信息发送方法，所述根据所述目标用户标签和所述业务信息标签，确定是否向所述目标用户发送所述业务信息，包括：
从至少一个目标用户标签中确定与所述业务信息标签相匹配的目标用户标签；
对与所述业务信息标签相匹配的任一目标用户标签，根据所述任一目标用户标签与所述业务信息标签的匹配程度，确定所述任一目标用户标签对应的评分值；
根据与所述业务信息标签相匹配的目标用户标签对应的最高评分值，确定是否向所述目标用户发送所述业务信息。
根据本发明提供的一种业务信息发送方法，所述根据所述任一目标用户标签与所述业务信息标签的匹配程度，确定所述任一目标用户标签对应的评分值，包括：
根据所述目标用户对所述任一目标用户标签所表示的业务内容进行操作的操作信息，确定所述任一目标用户标签对应的权重值；所述操作信息包括如下至少一种：操作内容、执行每一操作内容的时间、执行每一操作内容的次数；
根据所述任一目标用户标签与所述业务信息标签的匹配程度和所述权重值，确定所述任一目标用户标签对应的评分值。
根据本发明提供的一种业务信息发送方法，在确定向所述目标用户发送所述业务信息后，还包括：
根据所述用户行为信息确定所述目标用户对业务信息的附加需求；所述附加需求包括如下至少一种：接收业务信息的时间段、接收业务信息的格式；
根据所述附加需求向所述目标用户发送所述业务信息。
根据本发明提供的一种业务信息发送方法，在确定向所述目标用户发送所述业务信息后，还包括：
根据至少一个业务系统向所述目标用户发送业务信息的数量和/或时间，调整向所述目标用户发送所述业务信息的时间。
本发明还提供一种业务信息发送装置，包括：
获取模块，用于获取目标用户对不同业务的用户行为信息，以及待发送的业务信息；
确定模块，用于根据所述用户行为信息和所述业务信息，确定是否向所述目标用户发送所述业务信息。
本发明还提供一种电子设备，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以上任一种所述的业务信息方法的步骤。
本发明还提供一种非暂态可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以上任一种所述的业务信息方法的步骤。
本发明提供的一种业务信息发送方法、装置、电子设备和存储介质，根据目标用户对不同业务的用户行为信息，确定是否向目标用户发送某一业务信息。用户行为信息反映了目标用户对不同业务的需求，因而根据用户行为信息能够使得所下发的业务信息与目标用户的实际需求更好的吻合，避免下发与用户实际需求存在较大偏差的业务信息，降低了用户接收到垃圾信息的可能性，减少了用户投诉，避免用户流失。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，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是本发明提供的一种业务信息发送方法的流程示意图之一；
图2是本发明另一实施例提供的营销短信发送的过程示意图；
图3是本发明另一实施例提供的模型训练和短信发送的过程示意图；
图4是本发明另一实施例提供的业务信息发送装置的结构示意图；
图5是本发明另一实施例提供的电子设备的实体结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
图1为本实施例提供的业务信息发送方法的流程示意图。该业务信息发送方法通常由服务器执行，参见图1，该方法包括：
步骤101：获取目标用户对不同业务的用户行为信息，以及待发送的业务信息。
步骤102：根据所述用户行为信息和所述业务信息，确定是否向所述目标用户发送所述业务信息。
用户行为信息可以包括用户所有与业务相关的操作，例如，接收到业务信息后，通过业务信息中的链接对某一视频或歌曲的点击、下载、评论等操作、直接通过回复信息的方式订购某一业务的操作等。通过用户行为信息可以确定目标用户对某一业务内容的业务的需求，例如，多次订购了某一歌手的歌曲，则目标用户喜欢该歌手的歌。
业务信息对应的业务内容，例如可以是是否订购某一歌手的某一歌曲的彩铃。
本实施例中，通过用户行为信息能够确定出目标用户对不同业务的需求，进而在向目标用户推送业务信息时可以根据用户对不同业务的需求进行推送，使得所推送的业务信息符合用户的需求。
本实施例提供了一种业务信息发送方法，根据目标用户对不同业务的用户行为信息，确定是否向目标用户发送某一业务信息。用户行为信息反映了目标用户对不同业务的需求，因而根据用户行为信息能够使得所下发的业务信息与目标用户的实际需求更好的吻合，避免下发与用户实际需求存在较大偏差的业务信息，降低了用户接收到垃圾信息的可能性，减少了用户投诉，避免用户流失。
进一步地，在上述实施例的基础上，所述根据所述用户行为信息和所述业务信息，确定是否向所述目标用户发送所述业务信息，包括：
根据预先设置的用户模型与所述用户行为信息，确定与所述目标用户对应的至少一个目标用户标签；所述目标用户标签表示了所述目标用户对不同业务内容的需求；
根据所述目标用户标签和所述业务信息，确定是否向所述目标用户发送所述业务信息；
其中，所述用户模型用于，基于输入的任一用户的用户行为信息输出对应于所述任一用户的用户标签。
为了能够更好地从用户行为信息提取用户需求的信息，本实施例通过用户模型提取表示用户对不同业务内容的需求的用户标签。
用户标签可以至少包括如下任一类型：表示所述目标用户对不同业务偏好信息的偏好类标签、表示所述目标用户对不同业务订购信息的订购类标签、表示用户对不用业务的信息进行操作的操作类标签、表示用户属性信息的属性类标签。其中，可以通过偏好类标签、订购类标签和操作类标签等反映出用户对不同业务的需求。用户模型也可以输出属性类标签，以便通过属性类标签筛选出待接收业务信息的用户，例如，可以通过属性类标签筛选出某一地区的用户，通过上述本发明提供的方法针对筛选出的每一用户确定是否向其发送业务信息。
需要说明的是，用户模型为预先通过机器学习训练的模型，输入到用户模型中的用户行为信息会随着时间更新，即某一用户的用户行为信息是实时变化的，因而不同时间通过用户模型对同一用户输出的用户标签可能存在差别。
本实施例中，通过预先训练的用户模型能够对用户行为信息进行分析，进而快速准确地分析出目标用户对不同业务内容的需求，从而有利于根据用户标签推送与用户需求吻合程度更高的业务信息。
其中，所述用户模型的训练包括：
确定第一训练样本；所述第一训练样本以任一用户的用户行为信息作为输入，以对所述任一用户标记的用户标签作为期望输出；其中，对所述任一用户标记的用户标签根据所述任一用户的用户行为信息中对业务信息进行操作的操作内容确定；
通过若干第一训练样本对第一初始模型进行训练，得到所述用户模型。
所述第一训练样本的期望输出还可以包括表示所述任一用户的属性信息的属性类标签。例如，所述任一用户所在的省份、城市等。
关于根据用户行为信息对用户进行标签化的处理过程：
具体地，对于任一用户的属性信息和用户行为信息可以按照如下几个方面进行提取不同分类的数据，进而在根据如下几个方面所提取的数据确定任一用户对应的用户标签，这几个方面包括：
用户基本属性：描述用户的一些基本特征，用来反映用户的通用信息。例如，手机号、城市、活跃度、流失倾向等。
用户操作数据：主要用来记录用户的行为操作信息。如，用户的点击率，访问次数、登录网站、用户互动信息、音视频的下载率。
用户偏好数据：用来记录用户的偏好。如用户接收营销短信时段、用户短信模板偏好、喜欢的业务、歌手、歌曲等。
用户订购数据：用来记录用户的订购或购买行为。如最近订购时间、消费频率等。
其中，表1分别示出了对用户基本属性、用户操作数据、用户偏好数据和用户订购数据进行分析的分析项。
表1对各类数据进行分析的分析项
Figure BDA0002876182370000061
Figure BDA0002876182370000071
Figure BDA0002876182370000081
通过对上述用户行为数据进行分析和计算，为用户打上标签。标签类型可以分为统计类、规则类和机器学习类，从建立的标签维度来看，将其分为用户属性类、用户行为类、用户偏好类、用户订购类常见类型。表2-表5分别示出了不同类型的用户标签。
表2：表示用户属性信息的属性类标签
标签名称 标签主题 分类 标签类型
省份 用户属性 地域 统计
城市 用户属性 地域 统计
手机号 用户属性 联系方式 统计
位置 用户属性 位置 统计
注册时间 用户属性 注册日期 统计
黄金会员 用户属性 会员类型 统计
高活跃 用户属性 用户活跃度 规则
低活跃 用户属性 用户活跃度 规则
新用户 用户属性 用户活跃度 规则
老用户 用户属性 用户活跃度 规则
流失用户 用户属性 用户活跃度 规则
…… …… …… ……
表3：表示用户对不用业务的信息进行操作的操作类标签
Figure BDA0002876182370000082
Figure BDA0002876182370000091
表4：表示所述用户对不同业务偏好信息的偏好类标签
标签名称 标签主题 分类 标签类型
喜欢的歌手名 偏好属性 歌手喜爱 统计
喜欢的歌曲名 偏好属性 歌曲喜爱 统计
喜欢的业务标签 偏好属性 业务喜爱 统计
不喜欢的业务标签 偏好属性 业务喜爱 统计
退订的业务标签 偏好属性 业务退订 统计
喜欢的活动标签 偏好属性 活动喜爱 统计
易接受的时段 偏好属性 时段分布 统计
…… …… …… ……
表5：表示所述用户对不同业务订购信息的订购类标签
标签名称 标签主题 分类 标签类型
订购的业务标签 订购属性 业务分类 统计
订购的彩铃名称 订购属性 彩铃 统计
订购的全曲名称 订购属性 全曲 统计
订购的振铃名称 订购属性 振铃 统计
订购的杂志名称 订购属性 杂志 统计
商品标签 购买属性 购买品类 统计
…… …… …… ……
进一步地，在上述实施例的基础上，所述根据所述目标用户标签和所述业务信息，确定是否向所述目标用户发送所述业务信息，包括：
根据预先设置的信息模型与所述业务信息，确定与所述业务信息对应的至少一个业务信息标签；所述业务信息标签表示了所述业务信息对应的业务内容；
根据所述目标用户标签和所述业务信息标签，确定是否向所述目标用户发送所述业务信息；
其中，所述信息模型用于，基于输入的任一信息输出对应于所述任一信息的信息标签。
所述业务信息标签至少包括如下任一类型：表示所述业务信息中所包含的具体业务的介绍类标签(例如，业务信息推送的是某一歌手的某一歌曲的彩铃)、表示所述业务信息的预期目的的目的类标签(业务信息为期待用户进行订购的信息)。
信息模型为预先通过机器学习训练的模型。
本实施例中，信息模型能够对输入的业务信息进行识别从而对业务信息添加信息标签，进而通过信息标签和用户标签能够更快更准确地判断出业务信息是否与用户需求吻合。
其中，对于信息模型的训练包括：
确定第二训练样本；所述第二训练样本以任一信息作为输入，以对所述任一信息标记的信息标签作为期望输出；其中，对所述任一信息标记的信息标签根据所述任一信息的内容确定；
通过若干第二训练样本对第二初始模型进行训练，得到所述用户模型。
其中，第二初始模型可以为基于朴素贝叶斯分类器构建的模型。
关于对业务信息进行标签化的处理过程：
数据抽样处理，标记数据集：可得到短信分类标签，包括：业务推广、活动邀请、业务通知、业务推荐、业务订购、业务确认、营销推广、个性化推荐等。
数据预处理：导入大量的原始历史短信，首先进行数据预处理，包括去除空格、去除URL链接、去除EMOJI表情符号、英文大写转小写、中文繁体转简体、X序列(将账号、电话、日期等替换为X)；文本去重，去重即仅保留重复文本中的一条记录。
分词处理：对短信进行分词处理，基本上是基于词袋模型，也就是一个文本中包含多少词以及各个词的频率。中文分词是指以词作为基本单元，使用计算机自动对中文文本进行词语的切分，将一个完整的中文分割为一个一个词。具体来可采用正向最大匹配法，NLP概率图-HMM针对中文分词应用-Viterbi算法，利用Viterbi算法找出一条概率最大路径；停用过滤词：中文表达中最常用的功能性词语是限定词，如“的”、“一个”、“这”、“那”等。这些词语的使用较大的作用仅仅是协助一些文本的名词描述和概念表达，并没有太多的实际含义。
文本向量表示：将非结构化数据转化为结构化数据，将每个词表示为一个向量，使文本转化为词向量矩阵。随即转换成TF-IDF权重矩阵(TF＝N/M，IDF＝log(D/Dw))。
建立朴素贝叶斯分类器并进行训练和模型测试：朴素贝叶斯是一个准确率很高的机器学习算法，用它来做分类器达到非常好的效果。
以营销短信(业务信息)的发送为例，图2为本实施例提供的营销短信发送的过程示意图，参见图2，这一过程包括：
解析待发送短信内容，得到营销短信的多标签化特征；
基于短信多维特征和用户历史短信建立用户标签体系，将用户属性、行为、偏好、订购导入用户模型中学习；
将待发送短信的特征和用户的标签进行匹配，基于所述用户属性、行为、偏好、订购，向用户发送营销短信。
该过程通过由神经网络构建的用户模型，得到目标用户的用户属性、行为、偏好、订购，然后再基于深度神经网络和目标用户的标签，对每个待发送单元进行学习，使得营销短信发送更加有效。而且有用户模型通过训练选取标签特征，使营销短信发送频率更合理，提高了精准率和用户接受率，从而降低了用户投诉率。
进一步地，在上述各实施例的基础上，所述根据所述目标用户标签和所述业务信息标签，确定是否向所述目标用户发送所述业务信息，包括：
从至少一个目标用户标签中确定与所述业务信息标签相匹配的目标用户标签；
对与所述业务信息标签相匹配的任一目标用户标签，根据所述任一目标用户标签与所述业务信息标签的匹配程度，确定所述任一目标用户标签对应的评分值；
根据与所述业务信息标签相匹配的目标用户标签对应的最高评分值，确定是否向所述目标用户发送所述业务信息。
其中，从至少一个目标用户标签中确定与所述业务信息标签相匹配的目标用户标签，可以具体包括：从至少一个目标用户标签中获取在所述业务信息标签中出现过的标签，作为与所述业务信息标签相匹配的目标用户标签。
仅根据最高评分值确定是否向所述目标用户发送所述业务信息时，可以只计算与所述业务信息标签相匹配的每一目标用户标签对应的评分值，而不需要计算所有目标用户标签对应的评分值，节省计算成本。
此外，也可以计算所有目标用户标签对应的评分值，进而根据中间评分值确定是否向所述目标用户发送所述业务信息。其中，所述中间评分值为，按照评分值对目标用户标签进行排序后，在排序的序号中位于中位数的目标用户标签对应的评分值。当然，还可以根据目标用户标签对应的最高评分值和中间评分值，确定是否向所述目标用户发送所述业务信息。
例如，按照评分值从大到小或从小到大排序，得到A(1)，……A(i)……,A(N)，其中，A(i)表示排序的序号为i的目标用户标签对应的评分值。当N为奇数时，中间评分值等于排序的序号为(1+N)/2的目标用户标签对应的评分值，当N为偶数时，中间评分值根据排序的序号为N/2和(2+N)/2的目标用户标签对应的评分值共同确定，通常等于N/2和(2+N)/2的目标用户标签对应的评分值的平均值。
其中，根据所述目标用户标签对应的最高评分值确定是否向所述目标用户发送所述业务信息，包括：
若所述最高评分值大于第一预设阈值，则向所述目标用户发送所述业务信息。
根据所述中间评分值确定是否向所述目标用户发送所述业务信息，包括：
若所述中间评分值大于第二预设阈值，则向所述目标用户发送所述业务信息。
可理解的是，第一预设阈值大于第二预设阈值。第一预设阈值和第二预设阈值均为人为设定的阈值。
根据所述目标用户标签对应的最高评分值和中间评分值，确定是否向所述目标用户发送所述业务信息，包括：
若所述最高评分值大于第一预设阈值，则向所述目标用户发送所述业务信息，否则，获取所述中间评分值；
若所述中间评分值大于第二预设阈值，则向所述目标用户发送所述业务信息，否则，不向所述目标用户发送所述业务信息。
具体来说，当匹配程度最高的目标用户标签对应的评分值高于设定的第一预设阈值后，表示该业务信息与目标用户的偏好吻合程度较高，可以直接向目标用户发送该业务信息。当匹配程度最高的目标用户标签对应的评分值达不到第一预设阈值后，可以根据中间评分值是否达到第二预设阈值确定是否向目标用户发送业务信息。
本实施例中，通过对每一目标用户标签计算评分值，并通过最高评分值和/或中间评分值实现了对是否向目标用户发送业务信息的确定过程，评分值反映了用户需求，从而能够保证向目标用户发送符合目标用户需求的业务信息。
进一步地，在上述各实施例的基础上，所述根据所述任一目标用户标签与所述业务信息标签的匹配程度，确定所述任一目标用户标签对应的评分值，包括：
根据所述目标用户对所述任一目标用户标签所表示的业务内容进行操作的操作信息，确定所述任一目标用户标签对应的权重值；所述操作信息包括如下至少一种：操作内容、执行每一操作内容的时间、执行每一操作内容的次数；
根据所述任一目标用户标签与所述业务信息标签的匹配程度和所述权重值，确定所述任一目标用户标签对应的评分值。
其中，可以根据所述任一目标用户标签与所述业务信息标签的匹配程度确定所述任一目标用户标签的标签系数，将所述标签系数与所述标签权重的乘积作为所述任一目标用户标签对应的评分值。即A＝X*t，X为标签权重，t为标签系数。
关于标签系数，当所述业务信息标签中存在与所述任一目标用户标签相同的标签时，所述任一目标用户标签的标签系数为1，否则，通过余弦相似度函数计算所述任一目标用户标签的标签系数。
通过余弦相似度函数计算所述任一目标用户标签的标签系数，包括：根据所有用户的用户行为信息中，确定所述任一目标用户标签与所述业务信息标签共同出现的次数与所述任一目标用户标签出现的次数之间的比值，作为所述任一目标用户标签的标签系数。例如，所述任一目标用户标签为歌曲A，业务信息标签中的歌曲为歌曲B，则歌曲A和歌曲B同时出现(例如，用户同时订购了歌曲A和歌曲B)的次数与歌曲A出现次数的比值为该任一目标用户标签的标签系数。
关于所述任一目标用户标签对应的权重值Y可以根据如下公式计算：
Y＝∑(y1*y2*y3*y4)j，其中，j表示对所述任一目标用户标签所表示的业务内容第j次进行操作，y1、y2、y3、y4分别表示第j次进行操作时操作内容所对应操作类型的预设权重(例如，订购类的操作比下载类的操作具有更大的预设权重)、根据第j次进行操作的时间确定的时间衰减系数、第j次进行操作的次数、通过TF-IDF算法确定的权重(即所述任一目标用户标签在所述目标用户的所有标签中出现的概率TF与所述任一目标用户标签在所有用户的标签中出现的概率的乘积IDF)。
具体地，关于任一目标用户标签对应的权重值的计算，操作类型权重y1：用户的不同行为，在用户标签层面权重不同。比如用户订购彩铃的行为的权重要比用户登录行为权重依次要高。时间衰减y2：用户某些行为受时间影响不断减弱，行为时间距现在越远，该行为对用户当前来说的意义越小。操作次数t3：用户标签权重按天统计，用户某天与该标签产生的行为次数越多，该标签对用户的影响越大。TF-IDF计算标签权重y4：每个标签的对用户的重要性及该标签在全体标签中重要性的乘积得出每个标签的客观权重值。TF＝w(P,T)/Σw(P,Ti)，w(P,T)表示一个标签T被用于标记用户P的次数。TF(P,T)表示这个标记次数在用户P所有标签中所占的比重。IDF＝ΣΣw(Pi,Ti)/Σw(Pi,t)。例如，用户昨天订购了一首周杰伦的彩铃mojito。那么标签为订购的彩铃mojito、周杰伦；行为权重为1；时间是昨天的行为，衰减因子为0.95；TF-IDF是0.95。那么标签权重是1*0.95*0.95＝0.9，即用户：订购的彩铃mojito 0.9、周杰伦0.9。
需要说明的是，每一目标用户标签对应的权重值可以通过上述的计算过程进行计算，也可以在模型训练的过程中，在训练样本的期望输出中加入所输出的每一用户标签对应的权重，进而使得用户模型能够直接输出与每一用户标签对应的权重值，从而简化处理过程。
本实施例中，关于每一目标用户标签对应的评分值的计算过程，可以结合其与业务信息标签的匹配程度和标签权重共同确定。标签权重与用户操作的内容和时间相关，从时间维度表示了用户的需求变化，因此通过标签权重修正后的评分值能够更加精准地反映用户实际需求。
图3为本实施例提供的模型训练和短信发送的过程示意图，参见图3，预先训练出用户模型和短信模型(即信息模型)，在对某一短信发送之前，可以通过训练的用户模型对某一用户输出用户标签，通过短信模型对待发送的短信进行分类(即输出信息标签)，然后基于用户标签和信息标签对是否向该用户发送该短信进行预测，输出预设结果。由于用户标签表示了用户对业务的需求，因此通过图3所示的方法能够准确地向用户提供符合用户需求的业务信息。
进一步地，在上述各实施例的基础上，在确定向所述目标用户发送所述业务信息后，还包括：
根据所述用户行为信息确定所述目标用户对业务信息的附加需求；所述附加需求包括如下至少一种：接收业务信息的时间段、接收业务信息的格式；
根据所述附加需求向所述目标用户发送所述业务信息。
例如，通过用户行为信息能够分析出用户通常在哪一时间段订购业务或打开业务信息中的链接等，从而确定用户喜欢在哪一时间段接收并处理业务信息。
接收业务信息的格式通常包括文字类、图片类(例如彩信)、视频类等。
本实施例中，通过分析用户的附加需求能够进一步优化对业务信息的发送过程，避免在用户较为繁忙的时间发送业务信息导致用户忽略信息。
进一步地，在上述各实施例的基础上，在确定向所述目标用户发送所述业务信息后，还包括：
根据至少一个业务系统向所述目标用户发送业务信息的数量和/或时间，调整向所述目标用户发送所述业务信息的时间。
例如，当多个业务系统当前已经发送了超过预设数量的业务信息后，则可以待经过预设时长后发送所述业务信息，或者，当多个业务系统均在当前时间段向某一用户下发业务信息，则待经过预设时长后发送所述业务信息。
本实施例中，通过多个业务系统向所述目标用户发送业务信息数量和/或时间，避免向目标用户进行业务信息的轰炸，使得目标用户因为接受的业务信息数量很多或时间很集中产生投诉。
具体地，在确定向所述目标用户发送所述业务信息后，还可以进行如下内容的优化：
短信模板选择：基于用户对短信模板的偏好选择合适的模板发送，例如对纯文字类偏好用户发送文字类短信，对图片加文字类偏好用户发送图片加文字类彩信，对视频加文字类偏好用户发送视频加文字类彩信等。
发送时段选择：基于用户易接受时段偏好选择合适的时间发送营销短信。
发送频率控制：多接入平台会导致营销短信的频率太高而造成短信轰炸，这也是客户投诉和退订的一个原因。设定用户一天的可接受的营销短信阀值，高于阀值不能发送。
重复发送：多接入平台会导致短时间发送相同内容营销短信，端口平台控制相同的营销内容不能重复发送。
综上，本实施例解析待发送业务信息(例如，营销短信)，得到业务信息的多标签化特征，基于业务信息多维特征和用户行为信息建立用户标签体系，将用户属性、行为、偏好、订购导入用户模型中学习，将待发送业务信息的特征和用户的标签进行匹配，基于所述用户属性、行为、偏好、订购，向用户发送业务信息。通过建模和机器训练的方式，降低了人工成本，提高了处理的实时性；使业务信息可以精准发送，减少了业务信息成本的浪费，提高了准确率，减少了用户投诉。
图4为本实施例提供的业务信息发送装置的结构框图，参见图4，该业务信息发送装置包括获取模块401和确定模块402，其中，
获取模块401，用于获取目标用户对不同业务的用户行为信息，以及待发送的业务信息；
确定模块402，用于根据所述用户行为信息和所述业务信息，确定是否向所述目标用户发送所述业务信息。
本实施例提供的业务信息发送装置适用于上述各实施例提供的业务信息发送方法，在此不再赘述。
本实施例提供了一种业务信息发送装置，根据目标用户对不同业务的用户行为信息，确定是否向目标用户发送某一业务信息。用户行为信息反映了目标用户对不同业务的需求，因而根据用户行为信息能够使得所下发的业务信息与目标用户的实际需求更好的吻合，避免下发与用户实际需求存在较大偏差的业务信息，降低了用户接收到垃圾信息的可能性，减少了用户投诉，避免用户流失。
可选地，所述根据所述用户行为信息和所述业务信息，确定是否向所述目标用户发送所述业务信息，包括：
根据预先设置的用户模型与所述用户行为信息，确定与所述目标用户对应的至少一个目标用户标签；所述目标用户标签表示了所述目标用户对不同业务内容的需求；
根据所述目标用户标签和所述业务信息，确定是否向所述目标用户发送所述业务信息；
其中，所述用户模型用于，基于输入的任一用户的用户行为信息输出对应于所述任一用户的用户标签。
可选地，所述根据所述目标用户标签和所述业务信息，确定是否向所述目标用户发送所述业务信息，包括：
根据预先设置的信息模型与所述业务信息，确定与所述业务信息对应的至少一个业务信息标签；所述业务信息标签表示了所述业务信息对应的业务内容；
根据所述目标用户标签和所述业务信息标签，确定是否向所述目标用户发送所述业务信息；
其中，所述信息模型用于，基于输入的任一信息输出对应于所述任一信息的信息标签。
可选地，所述根据所述目标用户标签和所述业务信息标签，确定是否向所述目标用户发送所述业务信息，包括：
从至少一个目标用户标签中确定与所述业务信息标签相匹配的目标用户标签；
对与所述业务信息标签相匹配的任一目标用户标签，根据所述任一目标用户标签与所述业务信息标签的匹配程度，确定所述任一目标用户标签对应的评分值；
根据与所述业务信息标签相匹配的目标用户标签对应的最高评分值，确定是否向所述目标用户发送所述业务信息。
可选地，所述根据所述任一目标用户标签与所述业务信息标签的匹配程度，确定所述任一目标用户标签对应的评分值，包括：
根据所述目标用户对所述任一目标用户标签所表示的业务内容进行操作的操作信息，确定所述任一目标用户标签对应的权重值；所述操作信息包括如下至少一种：操作内容、执行每一操作内容的时间、执行每一操作内容的次数；
根据所述任一目标用户标签与所述业务信息标签的匹配程度和所述权重值，确定所述任一目标用户标签对应的评分值。
可选地，在确定向所述目标用户发送所述业务信息后，还包括：
根据所述用户行为信息确定所述目标用户对业务信息的附加需求；所述附加需求包括如下至少一种：接收业务信息的时间段、接收业务信息的格式；
根据所述附加需求向所述目标用户发送所述业务信息。
可选地，在确定向所述目标用户发送所述业务信息后，还包括：
根据至少一个业务系统向所述目标用户发送业务信息的数量和/或时间，调整向所述目标用户发送所述业务信息的时间。
图5示例了一种电子设备的实体结构示意图，如图5所示，该电子设备可以包括：处理器(processor)501、通信接口(Communications Interface)502、存储器(memory)503和通信总线504，其中，处理器501，通信接口502，存储器503通过通信总线504完成相互间的通信。处理器501可以调用存储器503中的逻辑指令，以执行如下方法：获取目标用户对不同业务的用户行为信息，以及待发送的业务信息；根据所述用户行为信息和所述业务信息，确定是否向所述目标用户发送所述业务信息。
此外，上述的存储器503中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。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或者该技术方案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中，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方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
进一步地，本发明实施例公开一种计算机程序产品，所述计算机程序产品包括存储在非暂态可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，计算机能够执行上述各方法实施例所提供的方法，例如包括：获取目标用户对不同业务的用户行为信息，以及待发送的业务信息；根据所述用户行为信息和所述业务信息，确定是否向所述目标用户发送所述业务信息。
另一方面，本发明实施例还提供一种非暂态可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各实施例提供的传输方法，例如包括：获取目标用户对不同业务的用户行为信息，以及待发送的业务信息；根据所述用户行为信息和所述业务信息，确定是否向所述目标用户发送所述业务信息。
以上所描述的装置实施例仅仅是示意性的，其中所述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，作为单元显示的部件可以是或者也可以不是物理单元，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在不付出创造性的劳动的情况下，即可以理解并实施。
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各实施方式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。基于这样的理解，上述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可读存储介质中，如ROM/RAM、磁碟、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)执行各个实施例或者实施例的某些部分所述的方法。
最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例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同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (10)

1.一种业务信息发送方法，其特征在于，包括：
获取目标用户对不同业务的用户行为信息，以及待发送的业务信息；
根据所述用户行为信息和所述业务信息，确定是否向所述目标用户发送所述业务信息。
2.根据权利要求1所述的业务信息发送方法，其特征在于，所述根据所述用户行为信息和所述业务信息，确定是否向所述目标用户发送所述业务信息，包括：
根据预先设置的用户模型与所述用户行为信息，确定与所述目标用户对应的至少一个目标用户标签；所述目标用户标签表示了所述目标用户对不同业务内容的需求；
根据所述目标用户标签和所述业务信息，确定是否向所述目标用户发送所述业务信息；
其中，所述用户模型用于，基于输入的任一用户的用户行为信息输出对应于所述任一用户的用户标签。
3.根据权利要求2所述的业务信息发送方法，其特征在于，所述根据所述目标用户标签和所述业务信息，确定是否向所述目标用户发送所述业务信息，包括：
根据预先设置的信息模型与所述业务信息，确定与所述业务信息对应的至少一个业务信息标签；所述业务信息标签表示了所述业务信息对应的业务内容；
根据所述目标用户标签和所述业务信息标签，确定是否向所述目标用户发送所述业务信息；
其中，所述信息模型用于，基于输入的任一信息输出对应于所述任一信息的信息标签。
4.根据权利要求3所述的业务信息发送方法，其特征在于，所述根据所述目标用户标签和所述业务信息标签，确定是否向所述目标用户发送所述业务信息，包括：
从至少一个目标用户标签中确定与所述业务信息标签相匹配的目标用户标签；
对与所述业务信息标签相匹配的任一目标用户标签，根据所述任一目标用户标签与所述业务信息标签的匹配程度，确定所述任一目标用户标签对应的评分值；
根据与所述业务信息标签相匹配的目标用户标签对应的最高评分值，确定是否向所述目标用户发送所述业务信息。
5.根据权利要求4所述的业务信息发送方法，其特征在于，所述根据所述任一目标用户标签与所述业务信息标签的匹配程度，确定所述任一目标用户标签对应的评分值，包括：
根据所述目标用户对所述任一目标用户标签所表示的业务内容进行操作的操作信息，确定所述任一目标用户标签对应的权重值；所述操作信息包括如下至少一种：操作内容、执行每一操作内容的时间、执行每一操作内容的次数；
根据所述任一目标用户标签与所述业务信息标签的匹配程度和所述权重值，确定所述任一目标用户标签对应的评分值。
6.根据权利要求1所述的业务信息发送方法，其特征在于，在确定向所述目标用户发送所述业务信息后，还包括：
根据所述用户行为信息确定所述目标用户对业务信息的附加需求；所述附加需求包括如下至少一种：接收业务信息的时间段、接收业务信息的格式；
根据所述附加需求向所述目标用户发送所述业务信息。
7.根据权利要求1所述的业务信息发送方法，其特征在于，在确定向所述目标用户发送所述业务信息后，还包括：
根据至少一个业务系统向所述目标用户发送业务信息的数量和/或时间，调整向所述目标用户发送所述业务信息的时间。
8.一种业务信息发送装置，其特征在于，包括：
获取模块，用于获取目标用户对不同业务的用户行为信息，以及待发送的业务信息；
确定模块，用于根据所述用户行为信息和所述业务信息，确定是否向所述目标用户发送所述业务信息。
9.一种电子设备，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至7任一项所述的业务信息发送方法的步骤。
10.一种非暂态可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至7任一项所述的业务信息发送方法的步骤。
CN202011614689.9A 2020-12-30 2020-12-30 一种业务信息发送方法、装置、电子设备和存储介质 Pending CN112734463A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011614689.9A CN112734463A (zh) 2020-12-30 2020-12-30 一种业务信息发送方法、装置、电子设备和存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011614689.9A CN112734463A (zh) 2020-12-30 2020-12-30 一种业务信息发送方法、装置、电子设备和存储介质

Publications (1)

Publication Number Publication Date
CN112734463A true CN112734463A (zh) 2021-04-30

Family

ID=75611234

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011614689.9A Pending CN112734463A (zh) 2020-12-30 2020-12-30 一种业务信息发送方法、装置、电子设备和存储介质

Country Status (1)

Country Link
CN (1) CN112734463A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113672816A (zh) * 2021-10-21 2021-11-19 腾讯科技（深圳）有限公司 帐号特征信息的生成方法、装置和存储介质及电子设备

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109446412A (zh) * 2018-09-25 2019-03-08 中国平安人寿保险股份有限公司 基于网页标签的产品数据推送方法、装置、设备及介质
CN109543111A (zh) * 2018-11-28 2019-03-29 广州虎牙信息科技有限公司 推荐信息筛选方法、装置、存储介质及服务器
CN109963259A (zh) * 2017-12-26 2019-07-02 中国移动通信集团山东有限公司 一种短信发送方法及装置
CN110222267A (zh) * 2019-06-06 2019-09-10 中山大学 一种游戏平台信息推送方法、系统、存储介质及设备
CN110413876A (zh) * 2019-06-28 2019-11-05 卓尔智联(武汉)研究院有限公司 信息处理方法、装置、服务器及存储介质
CN110929166A (zh) * 2019-12-27 2020-03-27 咪咕文化科技有限公司 一种内容推荐的方法、电子设备和存储介质
CN111061948A (zh) * 2019-11-25 2020-04-24 成都铂锡金融信息技术有限公司 一种用户标签推荐方法、装置、计算机设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109963259A (zh) * 2017-12-26 2019-07-02 中国移动通信集团山东有限公司 一种短信发送方法及装置
CN109446412A (zh) * 2018-09-25 2019-03-08 中国平安人寿保险股份有限公司 基于网页标签的产品数据推送方法、装置、设备及介质
CN109543111A (zh) * 2018-11-28 2019-03-29 广州虎牙信息科技有限公司 推荐信息筛选方法、装置、存储介质及服务器
CN110222267A (zh) * 2019-06-06 2019-09-10 中山大学 一种游戏平台信息推送方法、系统、存储介质及设备
CN110413876A (zh) * 2019-06-28 2019-11-05 卓尔智联(武汉)研究院有限公司 信息处理方法、装置、服务器及存储介质
CN111061948A (zh) * 2019-11-25 2020-04-24 成都铂锡金融信息技术有限公司 一种用户标签推荐方法、装置、计算机设备及存储介质
CN110929166A (zh) * 2019-12-27 2020-03-27 咪咕文化科技有限公司 一种内容推荐的方法、电子设备和存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113672816A (zh) * 2021-10-21 2021-11-19 腾讯科技（深圳）有限公司 帐号特征信息的生成方法、装置和存储介质及电子设备

Similar Documents

Publication Publication Date Title
US11010555B2 (en) Systems and methods for automated question response
CN104281622B (zh) 一种社交媒体中的信息推荐方法和装置
US20170372329A1 (en) Predictive analytics for providing targeted information
US10803479B2 (en) Systems and methods for management of automated dynamic messaging
CN109165975B (zh) 标签推荐方法、装置、计算机设备及存储介质
CN102208992B (zh) 面向互联网的不良信息过滤系统及其方法
CN111666502A (zh) 一种基于深度学习的异常用户识别方法、装置及存储介质
CN106997549A (zh) 一种广告信息的推送方法及系统
US20140006153A1 (en) System for making personalized offers for business facilitation of an entity and methods thereof
US20150081725A1 (en) System and method for actively obtaining social data
CN105159910A (zh) 信息推荐方法和装置
CN106339507A (zh) 流媒体消息推送方法和装置
CN113901226B (zh) 实时直播数据处理方法及计算机存储介质
CN107247728B (zh) 文本处理方法、装置及计算机存储介质
US10026037B2 (en) Systems and methods for configuring knowledge sets and AI algorithms for automated message exchanges
CN116862592A (zh) 一种基于用户行为的sop私域营销信息自动推送方法
CN113766281A (zh) 短视频推荐方法、电子设备和计算机可读存储介质
CN109493186A (zh) 确定推送信息的方法和装置
CN110502639B (zh) 基于问题贡献度的信息推荐方法、装置、及计算机设备
CN110929144A (zh) 一种业务数据管理方法、系统和可读存储介质
CN112734463A (zh) 一种业务信息发送方法、装置、电子设备和存储介质
CN118014622A (zh) 一种基于用户画像的广告推送方法及系统
WO2019060468A1 (en) NATURAL LANGUAGE PROCESSING AND CLASSIFICATION SYSTEMS AND METHODS
CN115511582B (zh) 一种基于人工智能的商品推荐系统及方法
CN115719244A (zh) 用户行为预测方法及装置

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