CN113222668A - 增值服务推送方法、装置、设备及存储介质 - Google Patents

Abstract

本发明涉及人工智能技术，揭露了一种增值服务推送方法，包括：对用户历史增值服务数据按照增值服务的种类进行分类，得到增值服务分类数据，对增值服务分类数据进行增值服务提供次数统计，得到用户使用矩阵，及对增值服务分类数据进行标签标注处理，得到用户标签数据，利用预构建的特征选择算法对用户标签数据及用户使用矩阵进行特征相似度计算，得到增值服务分类数据的分类权重，并基于分类权重得到增值服务推送结果。此外，本发明还涉及区块链技术，所述分类权重可存储在区块链的节点中。本发明还提出一种增值服务推送装置、电子设备以及计算机可读存储介质。本发明可以解决增值服务推送准确率及效率较低的问题。

Description

增值服务推送方法、装置、设备及存储介质

技术领域

本发明涉及人工智能技术领域，尤其涉及一种增值服务推送方法、装置、电子设备及计算机可读存储介质。

背景技术

人工智能技术可以实现对用户的历史数据进行分析，进而对用户推送服务。例如，在保险销售过程中，以车险为例，为了保持用户忠诚度和用户粘性，保险公司会在用户承保之后，为用户提供一些增值服务，如持续对用户发放各类“洗车券”、“保养服务”等来保持用户忠诚度和用户粘性。

现有技术下，传统的增值服务推送并没有考虑用户的真实喜好，而一味地按照预先设定的规则进行增值服务推送，这种方式无法挖掘出用户的需求，导致增值服务推送的准确率较低，效率较低，无法直观的反映用户需求，影响用户体验。

发明内容

本发明提供一种增值服务推送方法、装置、设备及存储介质，其主要目的在于解决增值服务推送准确率及效率较低的问题。

为实现上述目的，本发明提供的一种增值服务推送方法，包括：

获取用户历史增值服务数据，对所述用户历史增值服务数据按照增值服务的种类进行分类，得到增值服务分类数据；

对所述增值服务分类数据进行增值服务提供次数统计，得到用户使用矩阵，及对所述增值服务分类数据进行标签标注处理，得到用户标签数据；

利用预构建的特征选择算法对所述用户标签数据及所述用户使用矩阵进行特征相似度计算，得到所述增值服务分类数据的分类权重，并基于所述分类权重得到增值服务推送结果。

可选地，所述对所述用户历史增值服务数据按照增值服务的种类进行分类，得到增值服务分类数据，包括：

获取所述用户历史增值服务数据中的增值服务数据，及获取预设的分类标签；

对所述增值服务数据进行关键词提取，得到增值服务关键词；

将所述增值服务关键词和所述分类标签进行匹配，并在匹配成功时将所述增值服务关键词对应的增值服务数据归类到所述分类标签对应的增值服务分类数据。

可选地，所述对所述增值服务分类数据进行增值服务提供次数统计，得到用户使用矩阵，包括：

对所述增值服务分类数据中每个用户的增值服务提供发放次数进行统计，得到增值服务提供次数；

对所述增值服务分类数据中每个用户的增值服务提供使用次数进行统计，得到用户使用次数；

基于所述增值服务提供次数及所述用户使用次数计算用户使用率；

对所述用户使用率进行矩阵排列，得到所述用户使用矩阵。

可选地，所述对所述增值服务分类数据进行标签标注处理，得到用户标签数据，包括：

利用所述用户历史增值服务数据中的用户反馈行为数据对所述增值服务分类数据中的用户进行候选判断；

若所述用户反馈行为数据中的用户为候选用户，则对所述增值服务分类数据进行第一标注；

若所述用户反馈行为数据中的用户为非候选用户，则对所述增值服务分类数据进行第二标注；

汇总标注完成的增值服务分类数据，得到所述用户标签数据。

可选地，所述利用预构建的特征选择算法对所述用户标签数据及所述用户使用矩阵进行特征相似度计算，得到所述增值服务分类数据的分类权重，包括：

基于所述用户标签数据的第一标注及所述第二标注，计算所述用户使用矩阵中同类标签的用户使用率相似度，得到同类相似度，及计算所述用户使用矩阵中不同类标签的用户使用率相似度，得到不同类相似度；

利用预设的权重公式计算所述同类相似度及所述不同类相似度，得到所述增值服务分类数据的分类权重。

可选地，所述利用预设的权重公式计算所述同类相似度及所述不同类相似度，得到所述增值服务分类数据的分类权重，包括

利用下述的权重公式计算所述增值服务分类数据的分类权重：

其中，δ^j为第j种分类标签的分类权重，

为第i个用户对第j种分类标签中增值服务的使用率，

为与

同类标签下最近的用户使用率，

为与

不同类标签下最近的用户使用率，

为所述同类相似度，

为所述不同类相似度。

可选地，所述基于所述分类权重得到增值服务推送结果之后，所述方法还包括：

将所述分类权重及所述分类标签作为参数写入预构建的图形脚本模板，得到分类图形脚本；

将所述分类图形脚本转化为预设格式的可视化文件，对所述可视化文件进行异步加载，得到权重数据图。

为了解决上述问题，本发明还提供一种增值服务推送装置，所述装置包括：

增值服务分类模块，用于获取用户历史增值服务数据，对所述用户历史增值服务数据按照增值服务的种类进行分类，得到增值服务分类数据；

分类数据标注模块，用于对所述增值服务分类数据进行增值服务提供次数统计，得到用户使用矩阵，及对所述增值服务分类数据进行标签标注处理，得到用户标签数据；

增值服务推送模块，用于利用预构建的特征选择算法对所述用户标签数据及所述用户使用矩阵进行特征相似度计算，得到所述增值服务分类数据的分类权重，并基于所述分类权重得到增值服务推送结果。

为了解决上述问题，本发明还提供一种电子设备，所述电子设备包括：

存储器，存储至少一个指令；及

处理器，执行所述存储器中存储的指令以实现上述所述的增值服务推送方法。

为了解决上述问题，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的增值服务推送方法。

本发明通过对增值服务分类数据进行次数统计，得到用户使用数据，及对增值服务分类数据进行标签标注处理，得到用户标签数据，并利用预构建的特征选择算法对用户标签数据及所述用户使用数据进行特征相似度计算，可以更细粒度且更有针对性的深入挖掘用户特征，因此提高了增值服务推送的准确率及效率。因此本发明提出的增值服务推送方法、装置、电子设备及计算机可读存储介质，可以解决增值服务推送准确率及效率较低的问题。

附图说明

图1为本发明一实施例提供的增值服务推送方法的流程示意图；

图2为图1中其中一个步骤的详细实施流程示意图；

图3为图1中另一个步骤的详细实施流程示意图；

图4为图1中另一个步骤的详细实施流程示意图；

图5为本发明一实施例提供的增值服务推送装置的功能模块图；

图6为本发明一实施例提供的实现所述增值服务推送方法的电子设备的结构示意图。

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本申请实施例提供一种增值服务推送方法。所述增值服务推送方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述增值服务推送方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。

参照图1所示，为本发明一实施例提供的增值服务推送方法的流程示意图。在本实施例中，所述增值服务推送方法包括：

S1、获取用户历史增值服务数据，对所述用户历史增值服务数据按照增值服务的种类进行分类，得到增值服务分类数据。

本发明实施例中，所述增值服务是指为了保持用户忠诚度和用户粘性，为客户提供的超出常规服务范围的服务，或者采用超出常规的服务方法提供的服务。所述用户历史增值服务数据包括增值服务数据及用户反馈行为数据，其中，所述增值服务数据可以包括用户接收到的各领域的增值服务及使用数据，所述用户反馈行为数据包括对某个产品的增值服务发放后，用户对该产品的后续使用信息。例如，保险领域的车险产品，保险公司会在用户承保之后，持续对用户提供“洗车券”、“保养服务”等各类增值服务，以此来保持用户忠诚度和用户粘性，所述用户反馈行为数据包括是否对该车险产品进行续保的信息。

具体地，参照图2所示，所述对所述用户历史增值服务数据按照增值服务的种类进行分类，得到增值服务分类数据，包括：

S10、获取所述用户历史增值服务数据中的增值服务数据，及获取预设的分类标签；

S11、对所述增值服务数据进行关键词提取，得到增值服务关键词；

S12、将所述增值服务关键词和所述分类标签进行匹配，并在匹配成功时将所述增值服务关键词对应的增值服务数据归类到所述分类标签对应的增值服务分类数据。

本发明实施例中，以车险服务的增值服务为例，所述分类标签中包括：“洗车券”、“保养服务”、“代办服务”、“代驾服务”、“检测调整”、“喷漆服务”及“基础知识推广”等。对用户A的推送的增值服务有“xx洗车券”，提取得到用户的增值服务关键词“洗车”，并归类至对应的“洗车券”标签。

本发明一可选实施例中，可以使用预设的语言处理算法对所述增值服务数据进行关键词提取处理，所述预设的语言处理算法可以为现有的任何分词方法，如哈工大的LTP、中科院计算所NLPIR、清华大学THULAC、斯坦福分词器、结巴分词等等，这里不做详细介绍。

S2、对所述增值服务分类数据进行增值服务提供次数统计，得到用户使用矩阵，及对所述增值服务分类数据进行标签标注处理，得到用户标签数据。

具体地，所述对所述增值服务分类数据进行增值服务提供次数统计，得到用户使用矩阵，包括：

对所述增值服务分类数据中每个用户的增值服务提供发放次数进行统计，得到增值服务提供次数；

对所述增值服务分类数据中每个用户的增值服务提供使用次数进行统计，得到用户使用次数；

基于所述增值服务提供次数及所述用户使用次数计算用户使用率；

对所述用户使用率进行矩阵排列，得到所述用户使用矩阵。

本发明一可选实施例中，以车险产品的增值服务为例，进一步统计每个具体用户i针对每个分类标签j的服务增值服务的发放次数Release_ij以及实际使用次数Use_ij(实物类增值服务为线下实际使用次数，链接类增值服务为实际点击次数)。

本发明实施例中，所述基于所述增值服务提供次数及所述用户使用次数计算用户使用率，包括：

利用下述公式依次计算用户使用率：

其中，

为第i个客户对第j种分类标签下增值服务的用户使用率，Release_ij为第i个客户对第j种分类标签下增值服务的发放次数，Use_ij为第i个客户对第j种分类标签下增值服务的使用次数。

本发明实施例中，通过计算不同客户对于不同增值服务的使用率，并构建用户使用矩阵，可以提高对增值服务推送的计算效率。

详细地，参照图3所示，所述对所述增值服务分类数据进行标签标注处理，得到用户标签数据，包括：

S20、利用所述用户历史增值服务数据中的用户反馈行为数据对所述增值服务分类数据中的用户进行候选判断；

若所述用户反馈行为数据中的用户为候选用户，则执行S21、对所述增值服务分类数据进行第一标注；

若所述用户反馈行为数据中的用户为非候选用户，则执行S22、对所述增值服务分类数据进行第二标注；

S23、汇总标注完成的增值服务分类数据，得到所述用户标签数据。

本发明一可选实施例中，对于车险用户，所述用户反馈行为数据中包括用户是否续保的历史信息，若用户实际已续保，则为候选用户，并进行第一标注(标签可为1)，若用户实际未续保，则为非候选客户，并进行第二标注(标签可为0)。

本发明实施例中，通过对所述增值服务分类数据进行次数统计，及对所述增值服务分类数据进行标签标注处理，可以进一步深度挖掘用户对增值服务的使用情况，提高增值服务推送的准确性。

S3、利用预构建的特征选择算法对所述用户标签数据及所述用户使用矩阵进行特征相似度计算，得到所述增值服务分类数据的分类权重，并基于所述分类权重得到增值服务推送结果。

具体地，参照图4所示，所述利用预构建的特征选择算法对所述用户标签数据及所述用户使用矩阵进行特征相似度计算，得到所述增值服务分类数据的分类权重，包括：

S30、基于所述用户标签数据的第一标注及所述第二标注，计算所述用户使用矩阵中同类标签的用户使用率相似度，得到同类相似度，及计算所述用户使用矩阵中不同类标签的用户使用率相似度，得到不同类相似度；

S31、利用预设的权重公式计算所述同类相似度及所述不同类相似度，得到所述增值服务分类数据的分类权重。

本发明一可选实施例中，所述预构建的特征选择算法可以为Relief特征选择算法，例如，对于每个用户x_i，利用所述Relief特征选择算法可以得到与x_i同类别标签的猜中最近邻x_i,nh(同类标签下最近的用户使用率)，及与x_i不同类别标签的猜错最近邻x_i,nm(不同类标签下最近的用户使用率)，所述相似度可以为欧氏距离。

本发明实施例中，所述预设的权重公式如下：

其中，δ^j为第j种分类标签的分类权重，

为第i个用户对第j种分类标签中增值服务的使用率，

为与

同类标签下最近的用户使用率，

为与

不同类标签下最近的用户使用率，

为所述同类相似度，

为所述不同类相似度。

本发明一可选实施例中，以车险为例，若用户与其猜中最近邻在增值服务类别j上的距离小于此用户与其猜错最近邻在此维度上的距离，则说明该增值服务类别对于促进此用户续保是有益的，反之则是不利的，因此可以提高增值服务的发放效率。

本发明实施例中，所述增值服务推送结果可以为根据所述分类权重得到的推送权重，例如，用户A计算得出的分类权重为[9,20,9,5,6,9,2]，对应的分类标签为“洗车券”、“保养服务”、“代办服务”、“代驾服务”、“检测调整”、“喷漆服务”及“基础知识推广”，针对用户A以后可以提高“保养服务”的推送权重到33％(20/60)，降低“基础知识推广”的推送权重到3.3％(2/60)。

本发明另一可选实施例中，所述方法还包括：

将所述分类权重及所述分类标签作为参数写入预构建的图形脚本模板，得到分类图形脚本；

将所述分类图形脚本转化为预设格式的可视化文件，对所述可视化文件进行异步加载，得到权重数据图。

本发明实施例中，可以使用预设的可视化工具ECharts进行可视化处理，所述ECharts可视化工具是一个开源的数据可视化工具，并且由于是一个纯Javascript的图表库，在使用时按照js文件加载即可。所述预构建的图形脚本模板可以为柱状图模板、饼状图模板、折线图模板等。

本发明一可选实施例中，例如，用户A计算得出的分类权重为[9,20,9,5,6,9,2]，将所述分类权重与所述分类标签“洗车券”、“保养服务”、“代办服务”、“代驾服务”、“检测调整”、“喷漆服务”及“基础知识推广”作为参数写入柱状图模板，并转化为json格式的文件中，通过javascript异步加载得到权重柱状图，根据所述权重柱状图可以直观的反应用户喜好，便于对用户需求进一步分析。

本发明通过对增值服务分类数据进行次数统计，得到用户使用数据，及对增值服务分类数据进行标签标注处理，得到用户标签数据，并利用预构建的特征选择算法对用户标签数据及所述用户使用数据进行特征相似度计算，可以更细粒度且更有针对性的深入挖掘用户特征，因此提高了增值服务推送的准确率及效率。因此本发明实施例可以解决增值服务推送准确率及效率较低的问题。

如图5所示，是本发明一实施例提供的增值服务推送装置的功能模块图。

本发明所述增值服务推送装置100可以安装于电子设备中。根据实现的功能，所述增值服务推送装置100可以包括增值服务分类模块101、分类数据标注模块102及增值服务推送模块103。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。

在本实施例中，关于各模块/单元的功能如下：

所述增值服务分类模块101，用于获取用户历史增值服务数据，对所述用户历史增值服务数据按照增值服务的种类进行分类，得到增值服务分类数据。

本发明实施例中，所述增值服务是指为了保持用户忠诚度和用户粘性，为客户提供的超出常规服务范围的服务，或者采用超出常规的服务方法提供的服务。所述用户历史增值服务数据包括增值服务数据及用户反馈行为数据，其中，所述增值服务数据可以包括用户接收到的各领域的增值服务及使用数据，所述用户反馈行为数据包括对某个产品的增值服务发放后，用户对该产品的后续使用信息。例如，保险领域的车险产品，保险公司会在用户承保之后，持续对用户提供“洗车券”、“保养服务”等各类增值服务，以此来保持用户忠诚度和用户粘性，所述用户反馈行为数据包括是否对该车险产品进行续保的信息。

具体地，所述增值服务分类模块101通过下述操作得到增值服务分类数据：

获取所述用户历史增值服务数据中的增值服务数据，及获取预设的分类标签；

对所述增值服务数据进行关键词提取，得到增值服务关键词；

将所述增值服务关键词和所述分类标签进行匹配，并在匹配成功时将所述增值服务关键词对应的增值服务数据归类到所述分类标签对应的增值服务分类数据。

本发明实施例中，以车险服务的增值服务为例，所述分类标签中包括：“洗车券”、“保养服务”、“代办服务”、“代驾服务”、“检测调整”、“喷漆服务”及“基础知识推广”等。对用户A的推送的增值服务有“xx洗车券”，提取得到用户的增值服务关键词“洗车”，并归类至对应的“洗车券”标签。

本发明一可选实施例中，可以使用预设的语言处理算法对所述增值服务数据进行关键词提取处理，所述预设的语言处理算法可以为现有的任何分词方法，如哈工大的LTP、中科院计算所NLPIR、清华大学THULAC、斯坦福分词器、结巴分词等等，这里不做详细介绍。

所述分类数据标注模块102，用于对所述增值服务分类数据进行增值服务提供次数统计，得到用户使用矩阵，及对所述增值服务分类数据进行标签标注处理，得到用户标签数据。

具体地，所述分类数据标注模块102通过下述操作得到用户使用矩阵：

对所述增值服务分类数据中每个用户的增值服务提供发放次数进行统计，得到增值服务提供次数；

对所述增值服务分类数据中每个用户的增值服务提供使用次数进行统计，得到用户使用次数；

基于所述增值服务提供次数及所述用户使用次数计算用户使用率；

对所述用户使用率进行矩阵排列，得到所述用户使用矩阵。

本发明一可选实施例中，以车险产品的增值服务为例，进一步统计每个具体用户i针对每个分类标签j的服务增值服务的发放次数Release_ij以及实际使用次数Use_ij(实物类增值服务为线下实际使用次数，链接类增值服务为实际点击次数)。

本发明实施例中，所述基于所述增值服务提供次数及所述用户使用次数计算用户使用率，包括：

利用下述公式依次计算用户使用率：

其中，

为第i个客户对第j种分类标签下增值服务的用户使用率，Release_ij为第i个客户对第j种分类标签下增值服务的发放次数，Use_ij为第i个客户对第j种分类标签下增值服务的使用次数。

本发明实施例中，通过计算不同客户对于不同增值服务的使用率，并构建用户使用矩阵，可以提高对增值服务推送的计算效率。

详细地，所述分类数据标注模块102通过下述操作得到用户标签数据：

利用所述用户历史增值服务数据中的用户反馈行为数据对所述增值服务分类数据中的用户进行候选判断；

若所述用户反馈行为数据中的用户为候选用户，则执行对所述增值服务分类数据进行第一标注；

若所述用户反馈行为数据中的用户为非候选用户，则执行对所述增值服务分类数据进行第二标注；

汇总标注完成的增值服务分类数据，得到所述用户标签数据。

本发明一可选实施例中，对于车险用户，所述用户反馈行为数据中包括用户是否续保的历史信息，若用户实际已续保，则为候选用户，并进行第一标注(标签可为1)，若用户实际未续保，则为非候选客户，并进行第二标注(标签可为0)。

本发明实施例中，通过对所述增值服务分类数据进行次数统计，及对所述增值服务分类数据进行标签标注处理，可以进一步深度挖掘用户对增值服务的使用情况，提高增值服务推送的准确性。

所述增值服务推送模块103，用于利用预构建的特征选择算法对所述用户标签数据及所述用户使用矩阵进行特征相似度计算，得到所述增值服务分类数据的分类权重，并基于所述分类权重得到增值服务推送结果。

具体地，所述增值服务推送模块103通过下述操作得到所述增值服务分类数据的分类权重：

基于所述用户标签数据的第一标注及所述第二标注，计算所述用户使用矩阵中同类标签的用户使用率相似度，得到同类相似度，及计算所述用户使用矩阵中不同类标签的用户使用率相似度，得到不同类相似度；

利用预设的权重公式计算所述同类相似度及所述不同类相似度，得到所述增值服务分类数据的分类权重。

本发明一可选实施例中，所述预构建的特征选择算法可以为Relief特征选择算法，例如，对于每个用户x_i，利用所述Relief特征选择算法可以得到与x_i同类别标签的猜中最近邻x_i,nh(同类标签下最近的用户使用率)，及与x_i不同类别标签的猜错最近邻x_i,nm(不同类标签下最近的用户使用率)，所述相似度可以为欧氏距离。

本发明实施例中，所述预设的权重公式如下：

其中，δ^j为第j种分类标签的分类权重，

为第i个用户对第j种分类标签中增值服务的使用率，

为与

同类标签下最近的用户使用率，

为与

不同类标签下最近的用户使用率，

为所述同类相似度，

为所述不同类相似度。

本发明一可选实施例中，以车险为例，若用户与其猜中最近邻在增值服务类别j上的距离小于此用户与其猜错最近邻在此维度上的距离，则说明该增值服务类别对于促进此用户续保是有益的，反之则是不利的，因此可以提高增值服务的发放效率。

本发明实施例中，所述增值服务推送结果可以为根据所述分类权重得到的推送权重，例如，用户A计算得出的分类权重为[9,20,9,5,6,9,2]，对应的分类标签为“洗车券”、“保养服务”、“代办服务”、“代驾服务”、“检测调整”、“喷漆服务”及“基础知识推广”，针对用户A以后可以提高“保养服务”的推送权重到33％(20/60)，降低“基础知识推广”的推送权重到3.3％(2/60)。

本发明另一可选实施例中，所述增值服务推送模块103还包括：

将所述分类权重及所述分类标签作为参数写入预构建的图形脚本模板，得到分类图形脚本；

将所述分类图形脚本转化为预设格式的可视化文件，对所述可视化文件进行异步加载，得到权重数据图。

本发明实施例中，可以使用预设的可视化工具ECharts进行可视化处理，所述ECharts可视化工具是一个开源的数据可视化工具，并且由于是一个纯Javascript的图表库，在使用时按照js文件加载即可。所述预构建的图形脚本模板可以为柱状图模板、饼状图模板、折线图模板等。

本发明一可选实施例中，例如，用户A计算得出的分类权重为[9,20,9,5,6,9,2]，将所述分类权重与所述分类标签“洗车券”、“保养服务”、“代办服务”、“代驾服务”、“检测调整”、“喷漆服务”及“基础知识推广”作为参数写入柱状图模板，并转化为json格式的文件中，通过javascript异步加载得到权重柱状图，根据所述权重柱状图可以直观的反应用户喜好，便于对用户需求进一步分析。

如图6所示，是本发明一实施例提供的增值服务推送方法的电子设备的结构示意图，包括处理器111、通信接口112、存储器113和通信总线114，其中，处理器111，通信接口112，存储器113通过通信总线114完成相互间的通信，

存储器113，用于存放计算机程序，如增值服务推送程序；

在本申请一个实施例中，处理器111，用于执行存储器113上所存放的程序时，实现前述任意一个方法实施例提供的增值服务推送方法，包括：

获取用户历史增值服务数据，对所述用户历史增值服务数据按照增值服务的种类进行分类，得到增值服务分类数据；

对所述增值服务分类数据进行增值服务提供次数统计，得到用户使用矩阵，及对所述增值服务分类数据进行标签标注处理，得到用户标签数据；

利用预构建的特征选择算法对所述用户标签数据及所述用户使用矩阵进行特征相似度计算，得到所述增值服务分类数据的分类权重，并基于所述分类权重得到增值服务推送结果。

上述通信总线114可以是外设部件互连标准(PeripheralComponentInterconnect，简称PCI)总线或扩展工业标准结构(ExtendedIndustryStandardArchitecture，简称EISA)总线等。该通信总线114可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口112用于上述电子设备与其他设备之间的通信。

存储器113可以包括随机存取存储器(RandomAccessMemory，简称RAM)，也可以包括非易失性存储器(non-volatilememory)，例如至少一个磁盘存储器。可选的，存储器113还可以是至少一个位于远离前述处理器111的存储装置。

上述的处理器111可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称CPU)、网络处理器(NetworkProcessor，简称NP)等；还可以是数字信号处理器(DigitalSignalProcessing，简称DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit，简称ASIC)、现场可编程门阵列(Field-ProgrammableGateArray，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

本发明还提供一种计算机可读存储介质，所述可读存储介质存储有计算机程序，所述计算机程序在被电子设备的处理器所执行时，可以实现：

获取用户历史增值服务数据，对所述用户历史增值服务数据按照增值服务的种类进行分类，得到增值服务分类数据；

对所述增值服务分类数据进行增值服务提供次数统计，得到用户使用矩阵，及对所述增值服务分类数据进行标签标注处理，得到用户标签数据；

利用预构建的特征选择算法对所述用户标签数据及所述用户使用矩阵进行特征相似度计算，得到所述增值服务分类数据的分类权重，并基于所述分类权重得到增值服务推送结果。

在本发明所提供的几个实施例中，应该理解到，所揭露的设备，装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块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。

另外，在本发明各个实施例中的各功能模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。

因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。

本发明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。

此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第二等词语用来表示名称，而并不表示任何特定的顺序。

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限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种增值服务推送方法，其特征在于，所述方法包括：

获取用户历史增值服务数据，对所述用户历史增值服务数据按照增值服务的种类进行分类，得到增值服务分类数据；

对所述增值服务分类数据进行增值服务提供次数统计，得到用户使用矩阵，及对所述增值服务分类数据进行标签标注处理，得到用户标签数据；

利用预构建的特征选择算法对所述用户标签数据及所述用户使用矩阵进行特征相似度计算，得到所述增值服务分类数据的分类权重，并基于所述分类权重得到增值服务推送结果。

2.如权利要求1所述的增值服务推送方法，其特征在于，所述对所述用户历史增值服务数据按照增值服务的种类进行分类，得到增值服务分类数据，包括：

获取所述用户历史增值服务数据中的增值服务数据，及获取预设的分类标签；

对所述增值服务数据进行关键词提取，得到增值服务关键词；

将所述增值服务关键词和所述分类标签进行匹配，并在匹配成功时将所述增值服务关键词对应的增值服务数据归类到所述分类标签对应的增值服务分类数据。

3.如权利要求2所述的增值服务推送方法，其特征在于，所述对所述增值服务分类数据进行增值服务提供次数统计，得到用户使用矩阵，包括：

对所述增值服务分类数据中每个用户的增值服务提供发放次数进行统计，得到增值服务提供次数；

对所述增值服务分类数据中每个用户的增值服务提供使用次数进行统计，得到用户使用次数；

基于所述增值服务提供次数及所述用户使用次数计算用户使用率；

对所述用户使用率进行矩阵排列，得到所述用户使用矩阵。

4.如权利要求3所述的增值服务推送方法，其特征在于，所述对所述增值服务分类数据进行标签标注处理，得到用户标签数据，包括：

利用所述用户历史增值服务数据中的用户反馈行为数据对所述增值服务分类数据中的用户进行候选判断；

若所述用户反馈行为数据中的用户为候选用户，则对所述增值服务分类数据进行第一标注；

若所述用户反馈行为数据中的用户为非候选用户，则对所述增值服务分类数据进行第二标注；

汇总标注完成的增值服务分类数据，得到所述用户标签数据。

5.如权利要求4所述的增值服务推送方法，其特征在于，所述利用预构建的特征选择算法对所述用户标签数据及所述用户使用矩阵进行特征相似度计算，得到所述增值服务分类数据的分类权重，包括：

基于所述用户标签数据的第一标注及所述第二标注，计算所述用户使用矩阵中同类标签的用户使用率相似度，得到同类相似度，及计算所述用户使用矩阵中不同类标签的用户使用率相似度，得到不同类相似度；

利用预设的权重公式计算所述同类相似度及所述不同类相似度，得到所述增值服务分类数据的分类权重。

6.如权利要求5所述的增值服务推送方法，其特征在于，所述利用预设的权重公式计算所述同类相似度及所述不同类相似度，得到所述增值服务分类数据的分类权重，包括：

利用下述的权重公式计算所述增值服务分类数据的分类权重：

其中，δ^j为第j种分类标签的分类权重，

为第i个用户对第j种分类标签中增值服务的使用率，

为与

同类标签下最近的用户使用率，

为与

不同类标签下最近的用户使用率，

为所述同类相似度，

为所述不同类相似度。

7.如权利要求2至6中任意一项所述的增值服务推送方法，其特征在于，所述基于所述分类权重得到增值服务推送结果之后，所述方法还包括：

将所述分类权重及所述分类标签作为参数写入预构建的图形脚本模板，得到分类图形脚本；

将所述分类图形脚本转化为预设格式的可视化文件，对所述可视化文件进行异步加载，得到权重数据图。

8.一种增值服务推送装置，其特征在于，所述装置包括：

增值服务分类模块，用于获取用户历史增值服务数据，对所述用户历史增值服务数据按照增值服务的种类进行分类，得到增值服务分类数据；

分类数据标注模块，用于对所述增值服务分类数据进行增值服务提供次数统计，得到用户使用矩阵，及对所述增值服务分类数据进行标签标注处理，得到用户标签数据；

增值服务推送模块，用于利用预构建的特征选择算法对所述用户标签数据及所述用户使用矩阵进行特征相似度计算，得到所述增值服务分类数据的分类权重，并基于所述分类权重得到增值服务推送结果。

9.一种电子设备，其特征在于，所述电子设备包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至7中任意一项所述的增值服务推送方法。

10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的增值服务推送方法。

Images