CN113489771A - 推送信息的方法、装置、终端及存储介质 - Google Patents

Abstract

本申请适用于信息处理技术领域，提供了推送信息的方法、装置、终端及存储介质。该方法包括：获取目标应用程序对应的多个待推送信息；确定每个待推送信息对应的用户信息关联度；根据每个待推送信息对应的用户信息关联度，确定每个待推送信息对应的处理方式；该处理方式包括：将待推送信息推送给目标用户和屏蔽待推送信息；根据每个待推送信息对应的处理方式，处理每个待推送信息。上述方案中，一方面提高了信息推送的准确性，即将重要信息精准、及时地推送给用户；另一方面对于不重要的信息直接屏蔽，不推送给用户，这样提高了用户对应用程序的活跃度和好感度，避免用户直接关闭信息推送功能，促进了应用程序的良性发展。

Description

推送信息的方法、装置、终端及存储介质

技术领域

本申请属于信息处理技术领域，尤其涉及推送信息的方法、装置、终端及存储介质。

背景技术

随着现代科技的发展，应用程序上推送的信息越来越多。例如，新闻类应用程序每天会推送相关的新闻给用户；视频类应用程序，每天会推送电视剧、电影等给用户；借贷类应用每天会推送借贷信息、还款信息给用户等。当应用程序需要更新时，也会推送更新信息给用户。

良性的推送在一定程度上会提高用户对应用程序的活跃度和好感度。然而，现有的应用程序的推送方式过于频繁，对用户带来很大困扰，导致用户甚至关闭了推送功能。因此，急需一种基于应用程序的灵活的信息推送方法。

发明内容

有鉴于此，本申请实施例提供了推送信息的方法、装置、终端及存储介质，以解决现有技术中应用程序的推送方式过于频繁，且不能准确地推送给用户喜爱的信息的问题。

本申请实施例的第一方面提供了一种推送信息的方法，该方法包括：

获取目标应用程序对应的多个待推送信息，所述目标应用程序为目标用户使用的应用程序；

确定每个待推送信息对应的用户信息关联度，所述用户信息关联度用于表示待推送信息与所述目标用户的关联程度；

根据每个待推送信息对应的用户信息关联度，确定每个待推送信息对应的处理方式，所述处理方式包括：将待推送信息推送给所述目标用户和屏蔽待推送信息；

根据每个待推送信息对应的处理方式，处理每个待推送信息。

可选地，所述确定每个待推送信息对应的用户信息关联度，包括：

确定每个待推送信息所属的信息类型；

根据预设信息类型与预设信息关联度之间的对应关系，确定每个待推送信息所属的信息类型所对应的用户信息关联度。

可选地，所述确定每个待推送信息对应的用户信息关联度，包括：

将所述多个待推送信息输入到已训练的信息分析模型中进行处理，得到每个待推送信息对应的用户偏好度，所述信息分析模型是使用机器学习算法基于样本训练集对初始信息分析网络进行训练得到的；

确定每个待推送信息对应的个人信息关联度；

基于第一预设权重值、第二预设权重值、每个待推送信息对应的用户偏好度以及每个待推送信息对应的个人信息关联度，确定每个待推送信息对应的用户信息关联度，其中，所述第一预设权重值与用户偏好度对应，所述第二预设权重值与个人信息关联度对应。

可选地，所述将所述多个待推送信息输入到已训练的信息分析模型中进行处理，得到每个待推送信息对应的用户偏好度，包括：

针对每个待推送信息，对所述待推送信息进行分词处理，得到多个分词；

基于所述信息分析模型确定所述多个分词中的关键词；

根据所述信息分析模型确定所述关键词对应的用户偏好度。

可选地，所述将待推送信息推送给所述目标用户包括：将待推送信息及时推送给所述目标用户和将待推送信息在预设时间段推送给所述目标用户。

可选地，所述根据每个待推送信息对应的用户信息关联度，确定每个待推送信息对应的处理方式，包括：

针对每个待推送信息，若检测到待推送信息对应的用户信息关联度属于第一阈值范围内，则确定待推送信息对应的处理方式为将待推送信息及时推送给所述目标用户；

若检测到待推送信息对应的用户信息关联度属于第二阈值范围内，则确定待推送信息对应的处理方式为将待推送信息在预设时间段推送给所述目标用户；

若检测到待推送信息对应的用户信息关联度属于第三阈值范围内，则确定待推送信息对应的处理方式为屏蔽待推送信息。

可选地，若检测到待推送信息对应的用户信息关联度属于第二阈值范围内，则所述根据每个待推送信息对应的处理方式，处理每个待推送信息，包括：

获取所述目标用户对应的非工作时间段；

将待推送信息在所述非工作时间段内推送给所述目标用户。

可选地，当所述关键词的数量为多个时，所述根据所述信息分析模型确定所述关键词对应的用户偏好度，包括：

根据所述信息分析模型确定每个关键词对应的用户偏好度；

基于每个关键词对应的用户偏好度计算平均值，得到待推送信息对应的用户偏好度。

可选地，所述将所述多个待推送信息输入到已训练的信息分析模型中进行处理，得到每个待推送信息对应的用户偏好度之前，所述方法还包括：

获取样本训练集，所述样本训练集包括每个用户对应用程序的各个样本推送信息的不同操作，以及基于对各个样本推送信息的不同操作为每个样本推送信息设定的样本用户偏好度；

基于所述样本训练集对所述初始信息分析网络进行训练，并基于训练结果更新所述初始信息分析网络的参数；

当检测到所述初始信息分析网络对应的损失函数收敛时，得到所述已训练的信息分析模型。

本申请实施例的第二方面提供了一种推送信息的装置，包括：

获取单元，用于获取目标应用程序对应的多个待推送信息，所述目标应用程序为目标用户使用的应用程序；

第一处理单元，用于确定每个待推送信息对应的用户信息关联度，所述用户信息关联度用于表示待推送信息与所述目标用户的关联程度；

确定单元，用于根据每个待推送信息对应的用户信息关联度，确定每个待推送信息对应的处理方式，所述处理方式包括：将待推送信息推送给所述目标用户和屏蔽待推送信息；

第二处理单元，用于根据每个待推送信息对应的处理方式，处理每个待推送信息。

本申请实施例的第三方面提供了一种推送信息的终端，包括存储器、处理器以及存储在所述存储器中并可在所述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时实现如上述第一方面所述的推送信息的方法的步骤。

本申请实施例的第四方面提供了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程序，所述计算机程序被处理器执行时实现如上述第一方面所述的推送信息的方法的步骤。

本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品在推送信息的终端上运行时，使得该终端执行上述第一方面所述的推送信息的方法的步骤。

本申请实施例提供的推送信息的方法、装置、终端及存储介质，具有以下有益效果：

获取目标应用程序对应的多个待推送信息，确定每个待推送信息对应的用户信息关联度，再根据每个待推送信息对应的用户信息关联度，确定每个待推送信息对应的处理方式为将待推送信息推送给目标用户，还是屏蔽待推送信息，根据不同的处理方式，处理每个待推送信息。上述方式中，确定每个待推送信息对应的用户信息关联度，该用户信息关联度用于表示每个待推送信息与用户的关联程度的高低，根据每个待推送信息对应的用户信息关联度，确定每个待推送信息不同的处理方式，再根据不同的处理方式，将待推送信息推送给用户，或者屏蔽该待推送信息。一方面提高了信息推送的准确性，即将重要信息(用户信息关联度高的待推送信息，可以理解为与用户个人信息高度相关，用户更喜爱、更感兴趣的待推送信息)精准、及时地推送给用户；另一方面对于不重要的信息(用户信息关联度低的待推送信息，可以理解为与用户个人信息关联度低或者无关，用户不喜爱、不感兴趣的待推送信息)直接屏蔽，不推送给用户，这样提高了用户对应用程序的活跃度和好感度，避免用户直接关闭信息推送功能，促进了应用程序的良性发展。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅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性的前提下，还可以根据这些附图获得其他的附图。

图1是本申请一示例性实施例提供的一种推送信息的方法的示意性流程图；

图2是本申请一示例性实施例示出的一种推送信息的方法的步骤S102的具体流程图；

图3是本申请一示例性实施例示出的一种推送信息的方法的步骤S103的具体流程图；

图4为本申请的另一个实施例提供的一种推送信息的方法的示意流程图；

图5是本申请一实施例提供的一种推送信息的装置的示意图；

图6是本申请另一实施例提供的一种推送信息的终端的示意图。

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仅用以解释本申请，并不用于限定本申请。

在本申请实施例的描述中，除非另有说明，“/”表示或的意思，例如，A/B可以表示A或B；本文中的“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，在本申请实施例的描述中，“多个”是指两个或多于两个。

以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。在本实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。

随着现代科技的发展，应用程序上推送的信息越来越多。例如，新闻类应用程序每天会推送相关的新闻给用户；视频类应用程序，每天会推送电视剧、电影等给用户；借贷类应用每天会推送借贷信息、还款信息给用户等。当应用程序需要更新时，也会推送更新信息给用户。

良性的推送在一定程度上会提高用户对应用程序的活跃度和好感度。然而，现有的应用程序的推送方式过于频繁，对用户带来很大困扰，导致用户甚至关闭了推送功能。因此，急需一种基于应用程序的灵活的信息推送方法。

有鉴于此，本申请提供一种推送信息的方法，该方法包括：获取目标应用程序对应的多个待推送信息，确定每个待推送信息对应的用户信息关联度，再根据每个待推送信息对应的用户信息关联度，确定每个待推送信息对应的处理方式为将待推送信息推送给目标用户，还是屏蔽待推送信息，根据不同的处理方式，处理每个待推送信息。上述方式中，确定每个待推送信息对应的用户信息关联度，该用户信息关联度用于表示每个待推送信息与用户的关联程度的高低，

根据每个待推送信息对应的用户信息关联度，确定每个待推送信息不同的处理方式，再根据不同的处理方式，将待推送信息推送给用户，或者屏蔽该待推送信息。一方面提高了信息推送的准确性，即将重要信息(用户信息关联度高的待推送信息，可以理解为与用户个人信息高度相关，用户更喜爱、更感兴趣的待推送信息)精准、及时地推送给用户；另一方面对于不重要的信息(用户信息关联度低的待推送信息，可以理解为与用户个人信息关联度低或者无关，用户不喜爱、不感兴趣的待推送信息)直接屏蔽，不推送给用户，这样提高了用户对应用程序的活跃度和好感度，避免用户直接关闭信息推送功能，促进了应用程序的良性发展。

请参见图1，图1是本申请一示例性实施例提供的一种推送信息的方法的示意性流程图。本申请提供的推送信息的方法的执行主体为推送信息的终端，其中，该终端包括但不限于智能手机、平板电脑、计算机、个人数字助理(Personal Digital Assistant，PDA)、台式电脑等移动终端，还可以包括各种类型的服务器。如图1所示的推送信息的方法可包括：S101～S104，具体如下：

S101：获取目标应用程序对应的多个待推送信息，该目标应用程序为目标用户使用的应用程序。

目标应用程序可以是目标用户使用的任意一种应用程序(Application，App)，该应用程序可以在各种智能终端中运行。其中，智能终端包括但不限于手机、平板电脑、笔记本、台式电脑、学习机等。例如，目标应用程序可以为目标用户当前使用的购物类APP、金融类APP、社交类APP、影视类APP、出行类APP、游戏类APP、学习类APP等。此处仅为示例性说明，对此不做限定。

目标应用程序对应的多个待推送信息，为该目标应用程序的发布方预先想要推送给每个用户的所有推送信息。可以理解的是，这里的待推送信息是目标应用程序的发布方面向所有用户的，即发布方预先想要推送给所有使用该目标应用程序的用户。

可在目标应用程序的服务器中获取目标应用程序对应的多个待推送信息。示例性地，向目标应用程序的服务器发送信息获取指令，该信息获取指令用于获取该目标应用程序在预设时间段内的所有待推送信息。其中，预设时间段可根据实际情况进行设置、调整，对此不做限定。

例如某个信用卡APP，向该信用卡APP的服务器发送信息获取指令，该信息获取指令用于获取该信用卡APP在当天所有的待推送信息。其中，待推送信息可以包括还款提醒、消费提醒、账号异常提醒、节日活动信息、节日祝福信息、生日祝福信息、贷款信息、分期还款提醒、APP更新提醒、热门咨询、理财产品推送等。此处仅为示例性说明，对此不做限定。

可选地，在一种可能的实现方式中，可实时获取目标应用程序对应的一个或多个待推送信息。示例性地，向目标应用程序的服务器发送实时信息获取指令，该实时信息获取指令用于获取该目标应用程序当前的所有待推送信息。此处仅为示例性说明，对此不做限定。

S102：确定每个待推送信息对应的用户信息关联度，该用户信息关联度用于表示待推送信息与目标用户的关联程度。

用户信息关联度越高，表示该待推送信息与目标用户的关联程度越高。例如，还款提醒、消费提醒、账号异常提醒等这些待推送信息与目标用户密切相关，这些待推送信息各自对应的用户信息关联度高。用户信息关联度越低，表示该待推送信息与目标用户的关联程度越低。例如，热门咨询、理财产品推送等这些待推送信息与目标用户基本不相关，这些待推送信息各自对应的用户信息关联度低。生日祝福信息、APP更新提醒等这些待推送信息与目标用户相关但是不密切，这些待推送信息各自对应的用户信息关联度一般。

预先根据待推送信息对应的不同信息类型与用户之间的关联程度，建立预设信息类型与预设信息关联度之间的对应关系，并存储在数据库中。示例性地，预先收集多种不同的待推送信息，为每个不同的待推送信息人工标记信息类型，标记的信息类型即为预设信息类型。信息类型可以包括账户安全类型、还款类型、活动提醒类型、广告类型、应用程序类型等。示例性地，账号异常提醒对应的信息类型为账户安全类型，还款提醒、分期还款提醒对应的信息类型为还款类型，节日活动信息、节日祝福信息、生日祝福信息对应的信息类型为活动提醒类型，热门咨询、理财产品推送对应的信息类型为广告类型，APP更新提醒对应的信息类型为应用程序类型。此处仅为示例性说明，对此不做限定。

在建立预设信息类型与预设信息关联度之间的对应关系时，可根据信息类型对应的待推送信息对用户的安全程度的影响进行设定。例如，属于账户安全类型的待推送信息对用户经济的安全程度有重大影响，则可将账户安全类型对应的预设信息关联度设置的高一些。属于广告类型的待推送信息对用户经济的安全程度基本没有影响，则可将广告类型对应的预设信息关联度设置的低一些。也可根据用户对不同信息类型对应的不同的待推送信息的喜爱程度，设置不同的预设信息关联度。此处仅为示例性说明，对此不做限定。

在本示例性中，确定每个待推送信息所属的信息类型，根据预设信息类型与预设信息关联度之间的对应关系，确定每个待推送信息所属的信息类型所对应的用户信息关联度。具体地，对每个待推送信息进行分类，得到每个待推送信息所属的信息类型。在数据库中查找预设信息类型与预设信息关联度之间的对应关系，针对每个待推送信息，根据该待推送信息的信息类型，在该对应关系中查找与该信息类型相同的预设信息类型，进而查找该预设信息类型对应的预设信息关联度，该预设信息关联度即为该待推送信息对应的用户信息关联度。对每个待推送信息都进行上述操作，得到每个待推送信息所属的信息类型所对应的用户信息关联度。此处仅为示例性说明，对此不做限定。

可选地，为了提升用户信息关联度的准确性，便于后续准确地确定每个待推送信息的处理方式，上述S102可包括S1021～S1023。请参见图2，图2是本申请一示例性实施例示出的一种推送信息的方法的步骤S102的具体流程图；在本申请一些可能的实现方式中，上述S102可包括S1021～S1023，具体如下：

S1021：将该多个待推送信息输入到已训练的信息分析模型中进行处理，得到每个待推送信息对应的用户偏好度，该用户偏好度用于表示用户对每个待推送信息的偏好程度，该信息分析模型是使用机器学习算法基于样本训练集对初始信息分析网络进行训练得到的。

示例性地，信息分析模型是使用机器学习算法基于样本训练集对初始信息分析网络进行训练得到的。其中，样本训练集包括每个用户对应用程序的各个样本推送信息的不同操作，以及基于对各个样本推送信息的不同操作为每个样本推送信息设定的样本用户偏好度。初始信息分析网络指未训练的信息分析模型。例如，初始信息分析网络可以包括神经网络语言模型(Neural Network Language Model，NNLM)。

可选地，在一种可能的实现方式中，可先对每个该待推送信息进行预处理，得到每个待推送信息对应的预处理结果。其中，预处理指提取去除每个该待推送信息中的冗余信息。冗余信息是指待推送信息中没有实际意义的信息。例如，冗余信息可以是待推送信息中的停用词、标点符号等。停用词通常为限定词、语气助词、副词、介词、连接词、英文字符、数字、数学字符等。其中，英文字符为单独存在的字母，且没有实际意义。若英文字符为字母组合且具有意义时，此时，该英文字符被认定为有效字符，不会被去除。例如，当英文字符为CPU、MAC、HR等时，会作为有效字符保留下来，不会被去除。此处仅为示例性说明，对此不做限定。将经过预处理后的待推送信息输入到已训练的信息分析模型中进行处理，得到每个待推送信息对应的用户偏好度。这种实现方式中，对待推送信息进行了预处理，预先去除了待推送信息中的冗余信息，使后续信息分析模型对这些经过预处理的待推送信息进行处理时，少了冗余信息的干扰，加快了信息分析模型的处理速度，以及提升了处理结果的准确度。

可选地，在一种可能的实现方式中，可以是直接将每个待推送信息输入到已训练的信息分析模型中进行处理，得到每个待推送信息对应的用户偏好度。用户偏好度用于表示用户对每个待推送信息的偏好程度。待推送信息对应的用户偏好度越高，表示用户对该待推送信息越喜爱、越感兴趣；待推送信息对应的用户偏好度越低，表示用户对该待推送信息越不喜爱、越不感兴趣。

S1022：确定每个待推送信息对应的个人信息关联度。

确定每个待推送信息所属的信息类型；根据预设信息类型与预设个人信息关联度之间的对应关系，确定每个待推送信息所属的信息类型所对应的个人信息关联度。值得说明的是，本示例中确定每个待推送信息对应的个人信息关联度，与上述确定每个待推送信息对应的用户信息关联度的过程类似，此处不再赘述。

S1023：基于第一预设权重值、第二预设权重值、每个待推送信息对应的用户偏好度以及每个待推送信息对应的个人信息关联度，确定每个待推送信息对应的用户信息关联度，其中，所述第一预设权重值与用户偏好度对应，所述第二预设权重值与个人信息关联度对应。

第一预设权重值为预先为用户偏好度设定的权重值，第二预设权重值为预先为个人信息关联度设定的权重值，可根据实际情况对第一预设权重值以及第二预设权重值进行调整，对此不做限定。例如，第一预设权重值可以为0.4，第二预设权重值可以为0.6。

针对每个待推送信息，将第一预设权重值与该待推送信息对应的用户偏好度相乘，得到第一数值；将第二预设权重值与该待推送信息对应的个人信息关联度相乘，得到第二数值，将第一数值与第二数值相加，得到的数值即为该待推送信息对应的用户信息关联度。对每个待推送信息进行上述处理，得到每个待推送信息对应的用户信息关联度。此处仅为示例性说明，对此不做限定。

可选地，在本申请一些可能的实现方式中，上述S1021可包括S10211～S10213，具体如下：

S10211：针对每个待推送信息，对待推送信息进行分词处理，得到多个分词。

分词处理是指通过分词算法将待推送信息中连续的字序列划分为多个词序列，即多个分词。信息分析模型可以包括分词算法，通过分词算法对每个待推送信息进行分词处理，得到每个待推送信息对应的多个分词。即通过分词算法将待推送信息中的内容划分为多个分词。其中，分词可以为词语或者单字。

具体地，分词算法中自带的dict.txt词典，dict.txt是一种词典文件格式，由若干单词单元组成，每一个单元包含了单词与解释信息，每个单词单元以单词开始，解释结束。通过分词算法中自带的dict.txt词典生成字典树，根据待分词的待推送信息以及字典树生成有向无环图，在有向无环图中查找最大概率路径，确定分词方式，根据分词方式对待推送信息进行分词，得到多个分词。其中，有向无环图指一个无回路的有向图。即如果一个有向图无法从某个顶点出发经过若干条边回到该点，则这个图是一个有向无环图。可以理解为，根据待分词的待推送信息以及字典树，可以确定待推送信息对应的多种分词方式，选取其中最合适的分词方式对该待推送信息进行分词，得到该待推送信息对应的多个分词。

值得说明的是，若预先对每个该待推送信息进行了预处理，则此时就是对每个预处理后的该待推送信息进行分词处理，分词处理的过程与直接对待推送信息进行分词处理的过程相同，此处不再赘述。

S10212：基于该信息分析模型确定多个分词中的关键词。

针对每个待推送信息，基于信息分析模型中的网络层对该待推送信息对应的每个分词以及该待推送信息进行向量化处理。例如，信息分析模型中的多个隐藏层对每个分词以及该待推送信息进行映射处理，将每个分词以及该待推送信息映射到公共语义空间，输出每个分词对应的词向量以及待推送信息对应的语义向量。

通过信息分析模型计算每个分词对应的词向量与待推送信息对应的语义向量之间的余弦相似度，采用归一化指数函数对计算得到的每个余弦相似度进行归一化处理，得到归一化的概率分布。该概率分布即为每个分词与待推送信息之间的相关程度值。相关程度值越大，表示该分词与待推送信息相关程度越高；相关程度值越小，表示该分词与待推送信息相关程度越低。根据相关程度值从高到低的顺序对每个分词进行排序，选择排序在前的若干个分词作为待推送信息对应的关键词并输出。

S10213：根据该信息分析模型确定该关键词对应的用户偏好度。

通过信息分析模型中的全连接层对关键词进行处理，可以理解为对关键词进行分类，为其匹配合适的用户偏好度，将该关键词对应的用户偏好度输出。在该信息分析模型的训练过程中，其学习到了不同的关键词与其对应的用户偏好度之间的关系，因此，通过该信息分析模型可以确定出关键词对应的用户偏好度。

可选地，当某个待推送信息对应的关键词只有一个时，该关键词对应的用户偏好度即为该条待推送信息对应的用户偏好度。当某个待推送信息对应的关键词有多个时，根据信息分析模型确定每个关键词对应的用户偏好度。计算这些关键词对应的用户偏好度的平均值，将该平均值作为该条待推送信息对应的用户偏好度。例如，当某个待推送信息对应的关键词有多个时，将每个关键词对应的用户偏好度相加，用相加得到的值除以关键词的数量，得到的平均值即为该条待推送信息对应的用户偏好度。

S103：根据每个待推送信息对应的用户信息关联度，确定每个待推送信息对应的处理方式，该处理方式包括：将待推送信息推送给该目标用户和屏蔽待推送信息。

预先根据不同的用户信息关联度设置不同的处理方式，根据每个待推送信息对应的用户信息关联度，确定每个待推送信息对应的处理方式。该处理方式包括将待推送信息推送给该目标用户和屏蔽待推送信息。其中，将待推送信息推送给该目标用户又可以包括将待推送信息及时推送给目标用户和将待推送信息在预设时间段推送给目标用户。预设时间段可以包括目标用户的非工作时间段、目标用户自定义的娱乐时间段、目标用户的休息时间段等。

示例性地，根据某个待推送信息对应的用户信息关联度，确定该待推送信息对应的处理方式为将待推送信息推送给目标用户，此时，可进一步确定将该待推送信息及时推送给目标用户，还是将该待推送信息在预设时间段推送给目标用户。若是前者，则目标用户在其使用的智能终端中会及时收到待推送信息；若是后者，则目标用户在其使用的智能终端中会在预设时间段收到该待推送信息。

或者，根据某个待推送信息对应的用户信息关联度，确定该待推送信息对应的处理方式为屏蔽待推送信息，此时，终端可直接将该待推送信息屏蔽，不将该待推送信息推送给目标用户。目标用户在其使用的智能终端中看不到该待推送信息。

请参见图3，图3是本申请一示例性实施例示出的一种推送信息的方法的步骤S103的具体流程图；在本申请一些可能的实现方式中，上述S103可包括S1031～S1033，具体如下：

S1031：针对每个待推送信息，若检测到待推送信息对应的用户信息关联度属于第一阈值范围内，则确定待推送信息对应的处理方式为将待推送信息及时推送给该目标用户。

示例性地，预先设置不同的阈值范围，不同的阈值范围对应不同的处理方式。例如，第一阈值范围对应第一处理方式，第二阈值范围对应第二处理方式，第三阈值范围对应第三处理方式。其中，第一处理方式为将待推送信息及时推送给目标用户，第二处理方式为将待推送信息在预设时间段推送给目标用户，第三处理方式为屏蔽待推送信息。

例如，用户信息关联度用1至10的数字表示，分别为：用户信息关联度1、用户信息关联度2、用户信息关联度3、用户信息关联度4、用户信息关联度5、用户信息关联度6、用户信息关联度7、用户信息关联度8、用户信息关联度9、用户信息关联度10。其中，用户信息关联度的数值越大，表示用户对该待推送信息越喜爱、越感兴趣，也就表示该用户信息关联度对应的待推送信息对于目标用户来说越重要；相应地，用户信息关联度的数值越小，表示用户对该待推送信息越不喜爱、越不感兴趣，也就表示该用户信息关联度对应的待推送信息对于目标用户来说越不重要。

可以理解的是，也可以设定为用户信息关联度的数值越小，表示用户对该待推送信息越喜爱、越感兴趣；相应地，用户信息关联度的数值越大，表示用户对该待推送信息越不喜爱、越不感兴趣。此处仅为示例性说明，对此不做限定。

例如，预先设定第一阈值范围为10-7，第二阈值范围为6-4，第三阈值范围为3-1。获取待推送信息对应的用户信息关联度，判断该用户信息关联度在哪个阈值范围内，根据其所属的阈值范围，确定该阈值范围对应的处理方式，即得到该待推送信息对应的处理方式。

若检测到某个待推送信息对应的用户信息关联度属于第一阈值范围内，则确定该待推送信息对应的处理方式为将待推送信息及时推送给该目标用户。例如，某个待推送信息对应的用户信息关联度为9，判定该用户信息关联度9属于第一阈值范围内，第一阈值范围对应的处理方式为第一处理方式，即该待推送信息对应的处理方式为第一处理方式，具体为将待推送信息及时推送给该目标用户。此时，目标用户在其使用的智能终端中会及时收到该待推送信息。

S1032：若检测到待推送信息对应的用户信息关联度属于第二阈值范围内，则确定待推送信息对应的处理方式为将待推送信息在预设时间段推送给该目标用户。

预设时间段可以包括目标用户的非工作时间段、目标用户自定义的娱乐时间段、目标用户的休息时间段等，或者也可以是目标用户自定义的其他可以查阅待推送信息的时间段。此处仅为示例性说明，对此不做限定。

沿用上述S1031中的例子，例如，某个待推送信息对应的用户信息关联度为6，该用户信息关联度6属于第二阈值范围内，第二阈值范围对应的处理方式为第二处理方式，即该待推送信息对应的处理方式为第二处理方式，具体为将该待推送信息在预设时间段推送给目标用户。

值得说明的是，可以在预设时间段内的任意时间点将待推送信息推送给目标用户。终端随机选取预设时间段内的一个时间点将待推送信息推送给目标用户。例如，预设时间段为18:00-22:00，可以在18:30将待推送信息推送给目标用户，也可以在19:00将待推送信息推送给目标用户。

可选地，在一种可能的实现方式中，若检测到在同一预设时间段内需要推送的待推送信息大于预设数量，可以在预设时间段内的任意时间点将这些待推送信息一并推送给目标用户，也可以每隔预设时长，依次将这些待推送信息推送给目标用户。例如，预设时间段为18:00-22:00，在该预设时间段内有5条待推送信息需要推送给目标用户，则每隔半个小时给目标用户推送一条待推送信息。此处仅为示例性说明，对此不做限定。

可选地，在本申请一些可能的实现方式中，上述S1032可包括S10321～S10322，具体如下：

S10321：获取目标用户对应的非工作时间段。

若检测到待推送信息对应的用户信息关联度属于第二阈值范围内，则获取目标用户对应的非工作时间段。该非工作时间段由用户自行设定，并提前上传终端。例如，终端可以弹出界面收集目标用户的非工作时间段，并提醒目标用户会在该非工作时间段中向其推送一些待推送信息，用户在该界面输入其想要收到推送信息的时间段并提交，终端获取到目标用户的非工作时间段。也可以是终端获取目标用户使用的工作打卡软件的时间，获取到目标用户的工作时间后，根据根据工作时间推测出目标用户的非工作时间段。

S10322：将待推送信息在非工作时间段内推送给该目标用户。

例如，获取到目标用户的非工作时间段为12:00-14：00以及18:00以后，将待推送信息在12:00-14：00中的任意时间点，或18:00以后的任意时间点推送给目标用户。

S1033：若检测到待推送信息对应的用户信息关联度属于第三阈值范围内，则确定待推送信息对应的处理方式为屏蔽待推送信息。

沿用上述S1031中的例子，例如，某个待推送信息对应的用户信息关联度为2，该用户信息关联度2属于第三阈值范围内，第三阈值范围对应的处理方式为第三处理方式，即该待推送信息对应的处理方式为第三处理方式，具体为屏蔽待推送信息，此时，终端可直接将该待推送信息屏蔽，不将该待推送信息推送给目标用户。目标用户在其使用的智能终端中看不到该待推送信息。

值得说明的是，当用户信息关联度属于某个阈值范围的边界值时，该用户信息关联度属于该阈值范围内。例如，用户信息关联度7属于第一阈值范围，用户信息关联度4属于第二阈值范围，用户信息关联度1属于第三阈值范围。

S104：根据每个待推送信息对应的处理方式，处理每个待推送信息。

当用户信息关联度属于第一阈值范围内时，证明该用户信息关联度对应的待推送信息目标用户非常感兴趣，也证明该用户信息关联度对应的待推送信息对于目标用户来说是重要信息，与用户的关联度高，此时，将该待推送信息及时推送给目标用户。当用户信息关联度属于第二阈值范围内时，证明该用户信息关联度对应的待推送信息目标用户较为感兴趣，也证明该用户信息关联度对应的待推送信息对于目标用户来说是中等重要信息，可以理解为，该待推送信息对于目标用户来说不是很重要，与用户的关联度一般，此时，将该待推送信息在预设时间段内推送给目标用户。当用户信息关联度属于第三阈值范围内时，证明该用户信息关联度对应的待推送信息目标用户不感兴趣，也证明该用户信息关联度对应的待推送信息对于目标用户来说是不重要信息，与用户的关联度较低，可以理解为，该待推送信息对于目标用户来说完全不重要，可以忽略。此时，不将该待推送信息推送给目标用户，将该待推送信息在后台屏蔽，不在目标用户的应用程序或终端界面中显示。此处仅为示例性说明，对此不做限定。

例如，某个信用卡APP中的待推送信息包括还款提醒、消费提醒、账号异常提醒、节日活动信息、节日祝福信息、生日祝福信息、贷款信息、分期还款提醒、APP更新提醒、热门咨询、理财产品推送等。其中，还款提醒与账号异常提醒对应的用户信息关联度均为10、生日祝福信息与消费提醒对应的用户信息关联度均为9、节日活动信息对应的用户信息关联度为4、节日祝福信息对应的用户信息关联度为3、贷款信息与理财产品推送对应的用户信息关联度均为1、分期还款提醒对应的用户信息关联度为2、APP更新提醒对应的用户信息关联度为6、热门咨询对应的用户信息关联度为5。

根据每个待推送信息对应的用户信息关联度，确定每个待推送信息所属的阈值范围，得到还款提醒、账号异常提醒、消费提醒以及生日祝福信息属于第一阈值范围，证明目标用户对还款提醒、账号异常提醒、消费提醒以及生日祝福信息非常感兴趣。将还款提醒、账号异常提醒、消费提醒以及生日祝福信息及时推送给目标用户。示例性地，在一种实现场景中，当获取到目标应用程序对应的待推送信息为还款提醒、账号异常内提醒、消费提醒以及生日祝福信息时，将这些信息及时推送给目标用户。

APP更新提醒、节日活动信息、热门咨询分别对应的用户信息关联度都属于第二阈值范围内，证明目标用户对APP更新提醒、节日活动信息、热门咨询较为感兴趣，将APP更新提醒、节日活动信息、热门咨询在预设时间段内推送给目标用户。示例性地，在一种实现场景中，当获取到目标应用程序对应的待推送信息为APP更新提醒、节日活动信息、热门咨询时，将这些待推送信息在预设时间段内推送给目标用户。

节日祝福信息、贷款信息、分期还款提醒分别对应的用户信息关联度都属于第三阈值范围内，证明目标用户对节日祝福信息、贷款信息、分期还款提醒不感兴趣，将节日祝福信息、贷款信息、分期还款提醒在屏蔽，不推送给用户。示例性地，在一种实现场景中，当获取到目标应用程序对应的待推送信息为节日祝福信息、贷款信息、分期还款提醒时，将节日祝福信息、贷款信息、分期还款提醒在目标应用程序后台屏蔽，不推送给目标用户。此处仅为示例性说明，对此不做限定。

本示例中，对于目标用户来说，若是重要信息会及时推送给目标用户，例如还款提醒、账户异常等，避免用户错过这些重要信息。属于不怎么重要的信息在目标用户闲暇的时间推送给目标用户，不会打扰用户工作，也保证了目标用户对于应用程序的活跃度。对于目标用户来说属于不重要的信息，直接在后台屏蔽，不显示给目标用户，提升了用户对应用程序的好感度。若在闲暇时推送一些产品，还可以提高产品的转化率。

请参见图4，图4为本申请的另一个实施例提供的一种推送信息的方法的示意流程图。主要涉及在执行如图1所示的推送信息的过程之前，训练信息分析模型的过程。该方法包括：

S201：获取样本训练集，该样本训练集包括每个用户对应用程序的各个样本推送信息的不同操作，以及基于对各个样本推送信息的不同操作为每个样本推送信息设定的样本用户偏好度。

针对同一个应用程序，预先采集每个用户对该应用程序的各个样本推送信息的不同操作，以及基于对各个样本推送信息的不同操作为每个样本推送信息设定的样本用户偏好度。将这些数据作为一组样本训练集，对于其他应用程序，也是同样的处理。本示例中，目标用户在刚开始使用该应用程序时，前期会接收到所有推送的信息(此时接收到的所有的推送的信息即为样本推送信息)，这时采集目标用户对这些信息的具体操作，例如浏览(包括浏览时长)、点赞、正面评论、负面评论、收藏、清除、删除等操作，基于对各个样本推送信息的不同操作为每个样本推送信息设定的样本用户偏好度。基于这些数据作为样本训练集，基于样本训练集训练信息分析模型，当信息分析模型训练成功后，就可对之后的待推送信息进行上述S101～S104中的处理。

值得说明的是，在基于对各个样本推送信息的不同操作为每个样本推送信息设定的样本用户偏好度时，可对不同操作设定不同的权重值，权重值越高，该操作对应的样本推送信息对应的样本用户偏好度越高；权重值越低，该操作对应的样本推送信息对应的样本用户偏好度越低。例如，收藏、点赞、正面评论等操作的权重值高于清除、删除、负面评论等操作的权重值。根据不同操作对应的权重值确定对应的样本用户偏好度，标记该条样本推送信息中的关键词，将关键词与样本用户偏好度关联，便可使后续模型在训练过程中学习到样本待推送信息的关键词与其对应的样本用户偏好度之间的关系。

S202：基于该样本训练集对初始信息分析网络进行训练，并基于训练结果更新初始信息分析网络的参数。

示例性地，通过初始信息分析网络对样本训练集中的每个样本推送信息进行处理，得到每个样本推送信息对应的用户偏好度。初始信息分析网络样本推送信息进行处理的具体过程，可参考上述S102中的具体过程，此处不再赘述。

S203：当检测到初始信息分析网络对应的损失函数收敛时，得到已训练的信息分析模型。

在达到预设的训练次数时，对此时的初始信息分析网络进行测试。示例性地，将样本训练集中的一部分样本推送信息以及这些样本推送信息各自对应的样本用户偏好度作为测试集。将测试集中的样本推送信息输入此时的初始信息分析网络中进行处理，此时的初始信息分析网络输出该样本推送信息对应的实际用户偏好度。基于损失函数计算该样本推送信息对应的实际用户偏好度与测试集中该样本推送信息对应的样本用户偏好度之间的损失值。其中，损失函数可以为交叉熵损失函数。

当损失值不满足预设条件时，调整初始信息分析网络的参数(例如，调整初始信息分析网络的隐含层对应的权重值)，并继续训练该初始信息分析网络。当损失值满足预设条件时，停止训练该初始信息分析网络，并将训练后的该初始信息分析网络作为已训练好的信息分析模型。例如，假设预设条件为损失值小于或等于预设的损失值阈值。那么，当损失值大于损失值阈值时，调整初始信息分析网络的参数，并继续训练该初始信息分析网络。当损失值小于或等于损失值阈值时，停止训练该初始信息分析网络，并将训练后的该初始信息分析网络作为已训练好的信息分析模型。此处仅为示例性说明，对此不做限定。

可选地，也可以是在训练初始信息分析网络的过程中，观察初始信息分析网络对应的损失函数收敛情况。当损失函数未收敛时，调整初始信息分析网络的参数，并继续训练该初始信息分析网络。当损失函数收敛时，停止训练该初始信息分析网络，并将训练后的该初始信息分析网络作为已训练好的信息分析模型。其中，损失函数收敛是指损失函数的值趋于稳定。此处仅为示例性说明，对此不做限定。

本实施例中，基于样本训练集对初始信息分析网络进行训练，得到信息分析模型。便于后续基于该信息分析模型对待推送进行处理，准确地得到每个待推送信息对应的用户偏好度，根据该用户偏好度确定用户信息关联度，进而根据用户信息关联度确定合适的推送方式，将待推送信息推送给目标用户，或者屏蔽待推送信息。

请参见图5，图5是本申请一实施例提供的一种推送信息的装置的示意图。该装置包括的各单元用于执行图1～图4对应的实施例中的各步骤。具体请参阅图1～图4各自对应的实施例中的相关描述。

为了便于说明，仅示出了与本实施例相关的部分。参见图5，包括：

获取单元310，用于获取目标应用程序对应的多个待推送信息，所述目标应用程序为目标用户使用的应用程序；

第一处理单元320，用于确定每个待推送信息对应的用户信息关联度，所述用户信息关联度用于表示待推送信息与所述目标用户的关联程度；

确定单元330，用于根据每个待推送信息对应的用户信息关联度，确定每个待推送信息对应的处理方式，所述处理方式包括：将待推送信息推送给所述目标用户和屏蔽待推送信息；

第二处理单元340，用于根据每个待推送信息对应的处理方式，处理每个待推送信息。

可选地，所述第一处理单元320具体用于：

确定每个待推送信息所属的信息类型；

根据预设信息类型与预设信息关联度之间的对应关系，确定每个待推送信息所属的信息类型所对应的用户信息关联度。

可选地，所述第一处理单元320还用于：

将所述多个待推送信息输入到已训练的信息分析模型中进行处理，得到每个待推送信息对应的用户偏好度，所述信息分析模型是使用机器学习算法基于样本训练集对初始信息分析网络进行训练得到的；

确定每个待推送信息对应的个人信息关联度；

基于第一预设权重值、第二预设权重值、每个待推送信息对应的用户偏好度以及每个待推送信息对应的个人信息关联度，确定每个待推送信息对应的用户信息关联度，其中，所述第一预设权重值与用户偏好度对应，所述第二预设权重值与个人信息关联度对应。

可选地，所述第一处理单元320还用于：

针对每个待推送信息，对所述待推送信息进行分词处理，得到多个分词；

基于所述信息分析模型确定所述多个分词中的关键词；

根据所述信息分析模型确定所述关键词对应的用户偏好度。

可选地，所述将待推送信息推送给所述目标用户包括：将待推送信息及时推送给所述目标用户和将待推送信息在预设时间段推送给所述目标用户。

可选地，所述确定单元330具体用于：

针对每个待推送信息，若检测到待推送信息对应的用户信息关联度属于第一阈值范围内，则确定待推送信息对应的处理方式为将待推送信息及时推送给所述目标用户；

若检测到待推送信息对应的用户信息关联度属于第二阈值范围内，则确定待推送信息对应的处理方式为将待推送信息在预设时间段推送给所述目标用户；

若检测到待推送信息对应的用户信息关联度属于第三阈值范围内，则确定待推送信息对应的处理方式为屏蔽待推送信息。

可选地，若检测到待推送信息对应的用户信息关联度属于第二阈值范围内，则所述确定单元330具体用于：

获取所述目标用户对应的非工作时间段；

将待推送信息在所述非工作时间段内推送给所述目标用户。

可选地，所述第一处理单元320还用于：根据所述信息分析模型确定每个关键词对应的用户偏好度；基于每个关键词对应的用户偏好度计算平均值，得到待推送信息对应的用户偏好度。

可选地，所述装置还包括：

训练集获取单元，用于获取样本训练集，所述样本训练集包括每个用户对应用程序的各个样本推送信息的不同操作，以及基于对各个样本推送信息的不同操作为每个样本推送信息设定的样本用户偏好度；

训练单元，用于基于所述样本训练集对所述初始信息分析网络进行训练，并基于训练结果更新所述初始信息分析网络的参数；

检测单元，用于当检测到所述初始信息分析网络对应的损失函数收敛时，得到所述已训练的信息分析模型。

请参见图6，图6是本申请另一实施例提供的一种推送信息的终端的示意图。如图6所示，该实施例的终端4包括：处理器40、存储器41以及存储在所述存储器41中并可在所述处理器40上运行的计算机程序42。所述处理器40执行所述计算机程序42时实现上述各个推送信息的方法实施例中的步骤，例如图1所示的S101至S104。或者，所述处理器40执行所述计算机程序42时实现上述各实施例中各单元的功能，例如图5所示单元310至340功能。

示例性地，所述计算机程序42可以被分割成一个或多个单元，所述一个或者多个单元被存储在所述存储器41中，并由所述处理器40执行，以完成本申请。所述一个或多个单元可以是能够完成特定功能的一系列计算机指令段，该指令段用于描述所述计算机程序42在所述终端4中的执行过程。例如，所述计算机程序42可以被分割为获取单元、第一处理单元、确定单元以及第二处理单元，各单元具体功能如上所述。

所述终端可包括，但不仅限于，处理器40、存储器41。本领域技术人员可以理解，图6仅仅是终端4的示例，并不构成对终端的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述终端还可以包括输入输出终端、网络接入终端、总线等。

所称处理器40可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。

所述存储器41可以是所述终端的内部存储单元，例如终端的硬盘或内存。所述存储器41也可以是所述终端的外部存储终端，例如所述终端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(Flash Card)等。进一步地，所述存储器41还可以既包括所述终端的内部存储单元也包括外部存储终端。所述存储器41用于存储所述计算机指令以及所述终端所需的其他程序和数据。所述存储器41还可以用于暂时地存储已经输出或者将要输出的数据。

本申请实施例还提供了一种计算机存储介质，计算机存储介质可以是非易失性，也可以是易失性，该计算机存储介质存储有计算机程序，该计算机程序被处理器执行时实现上述各个推送信息的方法实施例中的步骤。

本申请还提供了一种计算机程序产品，当计算机程序产品在终端上运行时，使得该终端执行上述各个推送信息的方法实施例中的步骤。

本申请实施例还提供了一种芯片或者集成电路，该芯片或者集成电路包括：处理器，用于从存储器中调用并运行计算机程序，使得安装有该芯片或者集成电路的终端执行上述各个推送信息的方法实施例中的步骤。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、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，也可以采用软件功能单元的形式实现。另外，各功能单元、模块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。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，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申请各实施例技术方案的精神范围，均应包含在本申请的保护范围之内。

Claims (10)

1.一种推送信息的方法，其特征在于，包括：

获取目标应用程序对应的多个待推送信息，所述目标应用程序为目标用户使用的应用程序；

确定每个待推送信息对应的用户信息关联度，所述用户信息关联度用于表示待推送信息与所述目标用户的关联程度；

根据每个待推送信息对应的用户信息关联度，确定每个待推送信息对应的处理方式，所述处理方式包括：将待推送信息推送给所述目标用户和屏蔽待推送信息；

根据每个待推送信息对应的处理方式，处理每个待推送信息。

2.如权利要求1所述的方法，其特征在于，所述确定每个待推送信息对应的用户信息关联度，包括：

确定每个待推送信息所属的信息类型；

根据预设信息类型与预设信息关联度之间的对应关系，确定每个待推送信息所属的信息类型所对应的用户信息关联度。

3.如权利要求1所述的方法，其特征在于，所述确定每个待推送信息对应的用户信息关联度，包括：

将所述多个待推送信息输入到已训练的信息分析模型中进行处理，得到每个待推送信息对应的用户偏好度，所述信息分析模型是使用机器学习算法基于样本训练集对初始信息分析网络进行训练得到的；

确定每个待推送信息对应的个人信息关联度；

基于第一预设权重值、第二预设权重值、每个待推送信息对应的用户偏好度以及每个待推送信息对应的个人信息关联度，确定每个待推送信息对应的用户信息关联度，其中，所述第一预设权重值与用户偏好度对应，所述第二预设权重值与个人信息关联度对应。

4.如权利要求3所述的方法，其特征在于，所述将所述多个待推送信息输入到已训练的信息分析模型中进行处理，得到每个待推送信息对应的用户偏好度，包括：

针对每个待推送信息，对所述待推送信息进行分词处理，得到多个分词；

基于所述信息分析模型确定所述多个分词中的关键词；

根据所述信息分析模型确定所述关键词对应的用户偏好度。

5.如权利要求1所述的方法，其特征在于，所述将待推送信息推送给所述目标用户包括：将待推送信息及时推送给所述目标用户和将待推送信息在预设时间段推送给所述目标用户。

6.如权利要求1至5任一项所述的方法，其特征在于，所述根据每个待推送信息对应的用户信息关联度，确定每个待推送信息对应的处理方式，包括：

针对每个待推送信息，若检测到待推送信息对应的用户信息关联度属于第一阈值范围内，则确定待推送信息对应的处理方式为将待推送信息及时推送给所述目标用户；

若检测到待推送信息对应的用户信息关联度属于第二阈值范围内，则确定待推送信息对应的处理方式为将待推送信息在预设时间段推送给所述目标用户；

若检测到待推送信息对应的用户信息关联度属于第三阈值范围内，则确定待推送信息对应的处理方式为屏蔽待推送信息。

7.如权利要求6所述的方法，其特征在于，若检测到待推送信息对应的用户信息关联度属于第二阈值范围内，则所述根据每个待推送信息对应的处理方式，处理每个待推送信息，包括：

获取所述目标用户对应的非工作时间段；

将待推送信息在所述非工作时间段内推送给所述目标用户。

8.一种推送信息的装置，其特征在于，包括：

获取单元，用于获取目标应用程序对应的多个待推送信息，所述目标应用程序为目标用户使用的应用程序；

第一处理单元，用于确定每个待推送信息对应的用户信息关联度，所述用户信息关联度用于表示待推送信息与所述目标用户的关联程度；

确定单元，用于根据每个待推送信息对应的用户信息关联度，确定每个待推送信息对应的处理方式，所述处理方式包括：将待推送信息推送给所述目标用户和屏蔽待推送信息；

第二处理单元，用于根据每个待推送信息对应的处理方式，处理每个待推送信息。

9.一种推送信息的终端，包括存储器、处理器以及存储在所述存储器中并可在所述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时实现如权利要求1至7任一项所述的方法。

10.一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任一项所述的方法。

Images