CN113763085A - 信息推送方法、系统、电子设备及存储介质 - Google Patents
信息推送方法、系统、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113763085A CN113763085A CN202011008543.XA CN202011008543A CN113763085A CN 113763085 A CN113763085 A CN 113763085A CN 202011008543 A CN202011008543 A CN 202011008543A CN 113763085 A CN113763085 A CN 113763085A
- Authority
- CN
- China
- Prior art keywords
- shopping platform
- sample
- user
- characteristic data
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 101
- 230000015654 memory Effects 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 9
- 238000010586 diagram Methods 0.000 description 14
- 238000004891 communication Methods 0.000 description 8
- 238000012549 training Methods 0.000 description 7
- 230000003993 interaction Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 239000003795 chemical substances by application Substances 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种信息推送方法、线下购物平台、线上购物平台、服务器、系统、电子设备及存储介质,包括:获取待推送用户在线下购物平台上浏览和/或购买商品产生的第一特征数据,根据第一特征数据和预先设置的第一推送模型生成待推送的商品信息,其中,第一推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,购物平台包括线下购物平台和线上购物平台,向待推送用户推送商品信息,通过由样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的推送模型,生成商品信息,将线上购物平台的资源和线下购物平台的资源相结合,实现了提供资源利用率,且提高了推送的可靠性和准确性。
Description
技术领域
本申请涉及大互联网和大数据技术领域,尤其涉及一种信息推送方法、线上购物平台、线下购物平台、服务器、系统、电子设备及存储介质。
背景技术
随着互联网的不断发展,购物平台在线下购物平台的基础上又增加了线上购物平台。
在现有技术中,当线上购物平台为用户推送商品信息时,线上购物平台一般根据用户的历史购物记录为用户推送商品信息;当线下购物平台为用户推送商品信息时,线下购物平台一般根据线下购物平台的销售需求等为用户推送商品信息。
发明人在实现本申请的过程中,发现通过现有技术中的方案为用户推送商品信息至少存在以下问题:线上购物平台的资源和线下购物平台的资源无法被两种购物平台相互使用,造成资源的利用率偏低。
发明内容
本申请实施例提供一种信息推送方法、线上购物平台、线下购物平台、服务器、系统、电子设备及存储介质,用于解决上述技术问题。
第一方面,本申请实施例提供一种信息推送方法,应用于线下购物平台,所述方法包括:
获取待推送用户在线下购物平台上浏览和/或购买商品产生的第一特征数据;
根据所述第一特征数据和预先设置的第一推送模型生成待推送的商品信息,其中,所述第一推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,所述购物平台包括线上购物平台和所述线下购物平台;
向所述待推送用户推送所述商品信息。
在一些实施例中,所述样本用户为所述线上购物平台和所述线下购物平台共同的用户。
在一些实施例中,所述样本用户为在所述购物平台上浏览和/或购买商品产生了相同的特征数据的用户。
在一些实施例中,所述样本特征数据包括第一样本特征数据和第二样本特征数据,所述方法还包括:
获取所述线上购物平台基于所述第一样本特征数据生成的第一中间信息,所述第一样本特征数据为所述样本用户在所述线上购物平台上浏览和/或购买商品产生的特征数据;
根据所述第一中间信息和所述第二样本特征数据生成所述第一推送模型,所述第二样本特征数据是所述样本用户在所述线下购物平台上浏览和/或购买商品产生的特征数据。
在一些实施例中,所述方法还包括:
根据所述第二样本特征数据生成第二中间信息;
向所述线上购物平台发送所述第二中间信息,所述第二中间信息被所述线上购物平台用于生成第二推送模型。
在一些实施例中,所述商品信息包括商品的属性信息和/或商品的优惠信息。
第二方面,本申请实施例提供一种信息推送方法,应用于线上购物平台,所述方法包括:
获取待推送用户在线上购物平台上浏览和/或购买商品产生的第二特征数据;
根据所述第二特征数据和预先设置的第二推送模型生成待推送的商品信息,其中,所述第二推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,所述购物平台包括所述线上购物平台和线下购物平台;
向所述待推送用户推送所述商品信息。
在一些实施例中,所述样本用户为所述线上购物平台和所述线下购物平台共同的用户。
在一些实施例中,所述样本用户为在所述购物平台上浏览和/或购买商品产生了相同的特征数据的用户。
在一些实施例中,所述样本特征数据包括第一样本特征数据和第二样本特征数据,所述方法还包括:
获取所述线下购物平台基于所述第二样本特征数据生成的第二中间信息,所述第二样本特征数据为所述样本用户在所述线下购物平台上浏览和/或购买商品产生的特征数据;
根据所述第二中间信息和所述第一样本特征数据生成所述第二推送模型,所述第一样本特征数据为所述样本用户在所述线上购物平台上浏览和/或购买商品产生的特征数据。
在一些实施例中,所述方法还包括:
根据所述第一样本特征数据生成第一中间信息;
向所述线下购物平台发送所述第一中间信息,所述第一中间信息被所述线下购物平台用于生成第一推送模型。
在一些实施例中,所述商品信息包括商品的属性信息和/或商品的优惠信息。
第三方面,本申请实施例提供一种信息推送方法,应用于协作平台,所述方法包括:
获取多个用户在购物平台上浏览和/或购买商品产生的历史记录,所述购物平台包括线上购物平台和线下购物平台;
从历史记录中确定并通知所述购物平台样本用户,其中,所述样本用户在所述购物平台上浏览和/或购买商品产生的样本特征数据被所述购物平台用于生成各自对应的推送模型。
在一些实施例中,从历史记录中确定所述样本用户包括:
根据所述历史记录确定所述多个用户的标识;
根据所述标识确定所述线上购物平台和所述线下平台共同的用户;
将所述共同的用户确定为所述样本用户。
在一些实施例中,从历史记录中确定所述样本用户包括:
根据所述历史记录确定所述线上购物平台和所述线下平台相同的特征数据;
将具有所述相同的特征数据的用户确定为所述样本用户。
第四方面,本申请实施例提供一种线下购物平台,包括:
第一获取模块,用于获取待推送用户在线下购物平台上浏览和/或购买商品产生的第一特征数据;
第一生成模块,用于根据所述第一特征数据和预先设置的第一推送模型生成待推送的商品信息,其中,所述第一推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,所述购物平台包括线上购物平台和所述线下购物平台;
第一推送模块,用于向所述待推送用户推送所述商品信息。
在一些实施例中,所述样本用户为所述线上购物平台和所述线下购物平台共同的用户。
在一些实施例中,所述样本用户为在所述购物平台上浏览和/或购买商品产生了相同的特征数据的用户。
在一些实施例中,所述样本特征数据包括第一样本特征数据和第二样本特征数据,所述线下购物平台还包括:
第二获取模块,用于获取所述线上购物平台基于所述第一样本特征数据生成的第一中间信息,所述第一样本特征数据为所述样本用户在所述线上购物平台上浏览和/或购买商品产生的特征数据;
第二生成模块,用于根据所述第一中间信息和所述第二样本特征数据生成所述第一推送模型,所述第二样本特征数据是所述样本用户在所述线上购物平台上浏览和/或购买商品产生的特征数据。
在一些实施例中,所述线下购物平台包括:
所述第二生成模块用于,根据所述第二样本特征数据生成第二中间信息;
第一发送模块,用于向所述线上购物平台发送所述第二中间信息,所述第二中间信息被所述线上购物平台用于生成第二推送模型。
在一些实施例中,所述商品信息包括商品的属性信息和/或商品的优惠信息。
第五方面,本申请实施例提供一种线上购物平台,所述线上购物平台包括:
第三获取模块,用于获取待推送用户在线上购物平台上浏览和/或购买商品产生的第二特征数据;
第三生成模块,用于根据所述第二特征数据和预先设置的第二推送模型生成待推送的商品信息,其中,所述第二推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,所述购物平台包括线上购物平台和线下购物平台;
第二推送模块,用于向所述待推送用户推送所述商品信息。
在一些实施例中,所述样本用户为所述线上购物平台和所述线下购物平台共同的用户。
在一些实施例中,所述样本用户为在所述购物平台上浏览和/或购买商品产生了相同的特征数据的用户。
在一些实施例中,所述样本特征数据包括第一样本特征数据和第二样本特征数据,所述线上购物平台还包括:
第四获取模块,用于获取所述线下购物平台基于所述第二样本特征数据生成的第二中间信息,所述第二样本特征数据为所述样本用户在所述线下购物平台上浏览和/或购买商品产生的特征数据;
第四生成模块,用于根据所述第二中间信息和所述第一样本特征数据生成所述第二推送模型,所述第一样本特征数据为所述样本用户在所述线上购物平台上浏览和/或购买商品产生的特征数据。
在一些实施例中,所述线上购物平台还包括:
所述第四生成模块用于,根据所述第一样本特征数据生成第一中间信息;
第二发送模块,用于向所述线下购物平台发送所述第一中间信息,所述第一中间信息被所述线下购物平台用于生成第一推送模型。
在一些实施例中,所述商品信息包括商品的属性信息和/或商品的优惠信息。
第六方面,本申请实施例提供一种服务器,包括:
第五获取模块,用于获取多个用户在购物平台上浏览和/或购买商品产生的历史记录,所述购物平台包括线上购物平台和线下购物平台;
确定模块,用于从历史记录中确定并通知所述购物平台样本用户,其中,所述样本用户在所述购物平台上浏览和/或购买商品产生的样本特征数据被所述购物平台用于生成各自对应的推送模型。
在一些实施例中,所述确定模块用于,根据所述历史记录确定所述多个用户的标识,根据所述标识确定所述线上购物平台和所述线下平台共同的用户,将所述共同的用户确定为所述样本用户。
在一些实施例中,所述确定模块用于,根据所述历史记录确定所述线上购物平台和所述线下平台相同的特征数据,将具有所述相同的特征数据的用户确定为所述样本用户。
第七方面,本申请实施例提供一种信息推送系统,包括:
如上任一实施例所述的线下购物平台;
如上任一实施例所述的线上购物平台;
如上任一实施例所述的服务器。
第八方面,本申请实施例提供一种电子设备,包括:存储器,处理器;
所述存储器用于存储所述处理器可执行指令的存储器;
其中,当执行所述存储器中的指令时,所述处理器被配置为实现上述任一实施例所述的方法。
第九方面,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任一实施例所述的方法。
本申请实施例提供一种信息推送方法、线下购物平台、线上购物平台、服务器、系统、电子设备及存储介质,包括:获取待推送用户在线下购物平台上浏览和/或购买商品产生的第一特征数据,根据第一特征数据和预先设置的第一推送模型生成待推送的商品信息,其中,第一推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,购物平台包括线下购物平台和线上购物平台,向待推送用户推送商品信息,通过由样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的第一推送模型,生成商品信息,可以将线上购物平台的资源和线下购物平台的资源相结合,实现了提供资源利用率,且提高了推送的可靠性和准确性。
附图说明
为了更清楚地说明本申请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为本申请实施例的信息推送方法的应用场景示意图;
图2为本申请一个实施例的信息推送方法的示意图;
图3为本申请另一实施例的信息推送方法的示意图;
图4为本申请另一实施例的信息推送方法的示意图;
图5为本申请另一实施例的信息推送方法的示意图;
图6为本申请另一实施例的信息推送方法的示意图;
图7为本申实施例的线下购物平台的示意图;
图8为本申请实施例的线上购物平台的示意图;
图9为本申请实施例的服务器的示意图;
图10为本申请实施例的电子设备的框图。
通过上述附图,已示出本公开明确的实施例,后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围,而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请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申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本申请保护的范围。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例例如能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,图1为本申请实施例的信息推送方法的应用场景示意图。
在如图1所示的应用场景中,包括:线上购物平台、线下购物平台、协作平台及终端设备。
其中,线上主要指代利用互联网等虚拟媒介而实现的一系列没有发生面对面交互的情况与动作,因此,线上购物平台也可以理解为利用互联网等虚拟媒介而实现的一系列没有发生面对面商品交易的购物平台,如线上购物平台可以包括网络购物服务商。
其中,线下和线上为一组相对概念,则基于上述对线上的描述可知,线下可以指代面对面交互的情况与动作,而线下购物平台可以理解为发生面对面商品交互的购物平台,如线下购物平台可以包括超市和银行等实体购物服务商。
应该理解的是,商品可以包括实物商品和虚拟商品,在虚拟商品中又包括数字商品和非数字商品。因此,在本申请实施例中,购物平台可以为实体商品的购物平台,也可以为虚拟商品的购物平台。
其中,协作平台可以为由线上购物平台和线下购物平台共同推选的第三方平台。
其中,终端设备可以用于接收由线上购物平台和/或线下购物平台推送的商品信息,并对商品信息进行显示。例如,商品信息可以包括如图1中所示的商品的型号,以及购买该商品时的优惠券的金额。
具体地,终端设备可以是移动终端,如移动电话(或称为“蜂窝”电话)和具有移动终端的计算机,例如,可以是便携式、袖珍式、手持式、计算机内置的或者车载的移动装置,它们与无线接入网交换语言和/或数据;终端设备还可以是个人通信业务(PersonalCommunication Service,PCS)电话、无绳电话、会话发起协议(Session InitiationProtocol,SIP)话机、无线本地环路(Wireless Local Loop,WLL)站、个人数字助理(Personal Digital Assistant,PDA),平板型电脑、无线调制解调器(modem)、手持设备(handset)、膝上型电脑(laptop computer)、机器类型通信(Machine TypeCommunication,MTC)终端等设备;终端设备也可以称为系统、订户单元(SubscriberUnit)、订户站(Subscriber Station),移动站(Mobile Station)、移动台(Mobile)、远程站(Remote Station)、远程终端(Remote Terminal)、接入终端(Access Terminal)、用户终端(User Terminal)、用户代理(User Agent)、用户设备(User Device or User Equipment),等等,在此不作限定。
值得说明的是,上述示例只是用于示范性地说明本申请实施例的应用场景可能包括的元素,而不能理解为对上述应用场景的元素的限定,例如,在一些实施例中,协作平台可以为集成与线下购物平台中,或者,协作平台可以集成与线上购物平台中,又或者,线上购物平台的数量可以为多个,又或者,线下购物平台的数量可以为多个,等等。
且,应该理解的是,上述应用场景只是本申请实施例的信息推送方法的一个应用场景,而不能理解为对本申请实施例的信息推送方法的应用场景的限定。
在相关技术中,当购物平台在为用户推送商品信息时,如果是线上购物平台,则一般基于该用户历史购物记录实现,如果是线下购物平台,则一般基于该平台的销售需求实现。
然而,采用上述方案为用户推送商品信息时,仅从线上购物平台或线下购物平台的单一维度考虑,缺乏资源利用的合理性,尤其当由线下购物平台为用户推送商品信息时,缺乏针对性和个性化。
本申请的发明人在经过创造性地劳动之后,得到了本申请的发明构思:对线上购物平台和线下购物平台的资源进行整合,并基于整合后的资源为用户推送商品信息。
下面以具体地实施例对本申请的技术方案以及本申请的技术方案如何解决上述技术问题进行详细说明。下面这几个具体的实施例可以相互结合,对于相同或相似的概念或过程可能在某些实施例中不再赘述。下面将结合附图,对本申请的实施例进行描述。
根据本申请实施例的一个方面,本申请实施例提供了一种信息推送方法,该方法可以应用于如图1所示的应用场景,且具体可以应用为如图1中所示的线下购物平台。
请参阅图2,图2为本申请一个实施例的信息推送方法的示意图。
如图2所示,该方法包括:
S101:线下购物平台获取待推送用户在线下购物平台上浏览和/或购买商品产生的第一特征数据。
其中,线下购物平台具体可以为服务器(包括本地服务器和云服务器)、处理器及芯片等,本实施例不做限定。
其中,第一特征数据中的“第一”用于与后文中的第二特征数据进行区分,而不能理解为对特征数据的内容的限定,且第一特征数据可以用于表征待推送用户在线下购物平台上浏览和/或购买商品产生的数据,如待推送用户的开始浏览时间、结束浏览时间、浏览的商品的类型、浏览的商品的型号以及浏览的商品的价格等,又如待推送用户的购买商品的时间、购买的商品的类型、购买的商品的型号以及购买的商品的价格等。
值得说明的是,本实施例对执行S101的触发条件不做限定,即不限定线下购物平台向待推送用户推送商品信息的触发条件,如,线下购物平台可以基于预先设置的时间间隔向待推送用户推送商品信息,又如,线下购物平台可以基于待推送用户在线下购物平台上因浏览和/或购买商品产生了新的第一特征数据向待推送用户推送商品信息,又如,线下购物平台可以基于销售需求向待推送用户推送商品信息(如新品上市,或者商品促销等),等等。
S102:线下购物平台根据第一特征数据和预先设置的第一推送模型生成待推送的商品信息,其中,第一推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,购物平台包括线上购物平台和线下购物平台。
其中,第一推送模型可以用于表征,接收输入特征,并根据输入特征生成输出特征的神经网络模型,且该神经网络模型可以为采用训练样本对基础网络架构进行训练而生成的,基础网络构架可以为卷积神经网络,也可以为长短记忆神经网络等,本实施例不做限定。
相应的,在本实施例中,第一推送模型接收的输入特征为第一特征数据,输出特征为商品信息,训练样本为样本特征数据,且在本实施例中,样本特征数据包括两个维度的数据,一个维度的数据来自于线下购物平台,另一个维度的数据来自于线上购物平台。
值得说明的是,可以采用不同的基础网络架构进行训练,并基于训练结果从中选择训练结果最佳的基础网络架构作为生成推送模型的基础网络构架,例如,基于联邦随机森林、联邦极限梯度提升(Exterme Gradient Boosting,XGBoost)、联邦神经网络、联邦矩阵分解等方法分别生成推送模型,并基于各推送模型的实际效果从中选定推送模型。
且,可以根据不同的推送需求选择基础网络构架,如优惠券的推送、物品的推送及广告的推送等。
其中,商品信息可以用于表征对商品进行描述的信息,如商品的属性信息和/或商品的优惠信息。
例如,属性信息可以为商品的类别,如实物商品或者虚拟商品,也可以为商品的类型,如电子商品或者消费品等,也可以为商品的型号,也可以为商品的尺寸,也可以为商品的价格,等等。优惠信息可以为商品的优惠劵,商品的满减信息,等等。
值得说明的是,在本实施例中,第一推送模型是基于样本特征数据生成的,而样本特征数据来自于线下购物平台和线上购物平台,即第一推送模型的生成结合了线下购物平台的资源和线上购物平台的资源,通过充分利用线下购物平台的资源和线上购物平台的资源,从而避免了相关技术中线下购物平台的资源和线上购物平台的资源不共享,造成的资源利用率低的问题,实现了资源的合理且充分利用,且通过将线下购物平台的资源和线上购物平台的资源相结合,可以提高推送的多样性和可靠性,尤其在线下购物平台的推送时,可以实现推送的针对性和灵活性。
S103:线下购物平台向待推送用户推送商品信息。
结合图1所示的应用场景,线下购物平台可以将商品信息发送至待推送用户的终端设备,由终端设备对推送信息进行显示或者语音提示。
基于上述分析可知,本实施例提供了一种信息推送方法,应用于线下购物平台,该方法包括:获取待推送用户在线下购物平台上浏览和/或购买商品产生的第一特征数据,根据第一特征数据和预先设置的第一推送模型生成待推送的商品信息,其中,第一推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,购物平台包括线上购物平台和线下购物平台,向待推送用户推送商品信息,通过由样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的推送模型,生成商品信息,可以将线上购物平台的资源和线下购物平台的资源相结合,实现了提供资源利用率,且提高了推送的可靠性和准确性。
为使读者更加清楚地理解本申请实施例的信息推送方法,现结合图3对本申请实施例的信息推送方法进行详细地阐述。
请参阅图3,图3为本申请另一实施例的信息的推送方法的示意图。
如图3所示,该方法包括:
S201:线下购物平台向协作平台发送各用户在线下购物平台上浏览和/或购买商品产生的历史记录。
S202:线上购物平台向协作平台发送各用户在线上购物平台上浏览和/或购买商品产生的历史记录。
相应的,协作平台接收购物平台(即线下购物平台和线上购物平台)发送的各用户各自对应的历史记录。
其中,历史记录包括用户的标识和特征数据。
标识包括手机号、身份证号以及国际移动设备识别码(International MobileEquipment Identity,IMEI)等。
同理,特征数据可以用于表征每个用户在待推送购物平台上浏览和/或购买商品产生的数据,如每个用户的开始浏览时间、结束浏览时间、浏览的商品的类型、浏览的商品的型号以及浏览的商品的价格等,又如每个用户的购买商品的时间、购买的商品的类型、购买的商品的型号以及购买的商品的价格等。
应该理解的是,在一些实现中,线下购物平台的至少部分用户与线上购物平台的至少部分用户相同,也即,线下购物平台可能与线上平台存在至少部分相同的用户;在另一些实现中,至少部分线下购物平台的特征数据与至少部分线上购物平台的特征数据相同。
而基于上述示例可知,第一推送模型是基于样本用户对应的样本特征数据生成的,在本实施例中,以标识为依据从购物平台(即线下购物平台和线上购物平台)的用户中选择样本用户为例进行示范性地说明。
S203:协作平台根据历史记录确定多个用户的标识。
例如,线下购物平台共有m个用户,则包括m个标识,线上购物平台共有n个用户,则包括n个标识。其中,m和n之间并没大小关系的限定,即m可以大于n,或者,m可以小于n,或者m可以等于n。
S204:协作平台根据标识确定线上购物平台和线下平台共同的用户。
基于上述示例,当协作平台确定出线下购物平台的m个标识和线上购物平台的n个标识之后,可以将m个标识和n个标识进行匹配,得到m个标识和n个标识中共同的标识。
S205:协作平台将共同的用户确定为样本用户。
也就是说,样本用户既为线下购物平台的用户,也为线上购物平台的用户。
S206:协作平台分别通知线下购物平台和线上购物平台确定出的样本用户。
相应的,线下购物平台和线上购物平台分别接收协作平台发送的通知样本用户的信息。
S207:线上购物平台根据样本用户确定第一样本特征数据。
同理,第一样本特征数据中的“第一”用于与后文中的第二样本特征数据进行区分,而不能理解为对样本特征数据的内容的限定,且第一样本特征数据为样本用户在线上购物平台上浏览和/或购买商品产生的特征数据,也即,样本特征数据为样本用户对应的特征数据,且样本特征数据中包括第一样本特征数据,且具体包括样本用户在线上购物平台上浏览和/或购买商品产生的特征数据。
S208:线上购物平台根据第一样本特征数据和线上购物平台中设置的神经网络模型生成第一中间信息。
S209:线上购物平台向协作平台发送第一中间信息。
同理,第一中间信息中的“第一”用于与后文中的第二中间信息进行区分,而不能理解为对中间信息的内容的限定。
相应的,协作平台接收线上购物平台发送的第一中间信息。
值得说明的是,在一些实施例中,可以由线上购物平台对第一中间信息进行加密等处理,然后发送至协作平台,以便确保线上购物平台中样本特征数据的安全性。
S210:协作平台向线下购物平台发送第一中间信息。
相应的,线下购物平台接收协作平台发送的第一中间信息。
值得说明的是,在一些实施例中,线上购物平台可以直接向线下购物平台发送第一中间信息,而无需经过协作平台;在另一些实施例中,协作平台可以对第一中间信息进行加密处理后发送至线下购物平台,以便确保线上购物平台中样本特征数据的安全性。
S211:线下购物平台根据第一中间信息和第二样本特征数据生成第一推送模型。
同理,第二样本特征数据中的“第二”用于与前文中的第一样本特征数据进行区分,而不能理解为对样本特征数据的内容的限定;第一推送模型中的“第一”用于与后文中的第二推送模型进行区分,而不能理解为对推送模型的内容的限定。
基于上述示例,样本特征数据中包括第二样本特征数据,且具体包括样本用户在线下购物平台上浏览和/或购买商品产生的特征数据。
S212:线下购物平台获取待推送用户在线下购物平台上浏览和/或购买商品产生的第一特征数据。
其中,关于S212的描述可以参见上述示例,此处不再赘述。
S213:线下购物平台根据第一特征数据和第一推送模型生成待推送的商品信息。
基于上述分析可知,在本申请实施例中,第一推送模型是基于第一中间信息生成的,而第一中间信息是由线上购物平台基于第一样本特征数据生成的,也即,第一推送模型结合了线上购物平台的特征数据,相当于商品信息是结合了线上购物平台和线下购物平台的特征数据生成的,实现了线上购物平台和线下购物平台资源的相结合,且提高了推送的准确性和可靠性,且确保了线上购物平台和线下购物平台的特征数据不被彼此盗取,实现了确保用户的隐私的安全性,提高用户的购物体验。
基于上述示例可知,待推送购物平台可以为线下购物平台,也可以为线上购物平台,现结合图1所示的应用场景,且主要以线上购物平台推送商品信息为例,对本申请实施例的信息推送方法进行详细地阐述,且在上述实施例(如图2和图3所示的实施例)中已经阐述的内容,本实施例不再赘述。
请参阅图4,图4为本申请另一实施例的信息的推送方法的示意图。
如图4所示,该方法包括:
S301:线上购物平台获取待推送用户在线上购物平台上浏览和/或购买商品产生的第二特征数据。
同理,线上购物平台具体可以为服务器(包括本地服务器和云服务器)、处理器及芯片等,本实施例不做限定。
第二特征数据可以用于表征待推送用户在线上购物平台上浏览和/或购买商品产生的数据,如待推送用户的开始浏览时间、结束浏览时间、浏览的商品的类型、浏览的商品的型号以及浏览的商品的价格等,又如待推送用户的购买商品的时间、购买的商品的类型、购买的商品的型号以及购买的商品的价格等。
且本实施例对执行S301的触发条件不做限定,即不限定线上购物平台向待推送用户推送商品信息的触发条件。
S302:线上购物平台根据第二特征数据和预先设置的第二推送模型生成待推送的商品信息,其中,第二推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,购物平台包括线上购物平台和线下购物平台。
值得说明的是,在本实施例中,第二推送模型是基于样本特征数据生成的,而样本特征数据来自于线下购物平台和线上购物平台,即第二推送模型的生成结合了线下购物平台的资源和线上购物平台的资源,通过充分利用线下购物平台的资源和线上购物平台的资源,从而避免了相关技术中线下购物平台的资源和线上购物平台的资源不共享,造成的资源利用率低的问题,实现了资源的合理且充分利用,且通过将线下购物平台的资源和线上购物平台的资源相结合,可以提高推送的多样性和可靠性,尤其在线下购物平台的推送时,可以实现推送的针对性和灵活性。
S303:线上购物平台向待推送用户推送商品信息。
同理,结合图1所示的应用场景,线上购物平台可以将商品信息发送至待推送用户的终端设备,由终端设备对推送信息进行显示或者语音提示。
现结合图5对线上购物平台实现信息推送的具体流程进行详细阐述。其中,图5为本申请另一实施例的信息的推送方法的示意图。
如图5所示,该方法包括:
S401:线下购物平台向协作平台发送各用户在线下购物平台上浏览和/或购买商品产生的历史记录。
S402:线上购物平台向协作平台发送各用户在线上购物平台上浏览和/或购买商品产生的历史记录。
相应的,协作平台接收购物平台(即线下购物平台和线上购物平台)发送的各用户各自对应的历史记录。
基于上述实施例可知,线下购物平台的至少部分用户与线上购物平台的至少部分用户相同,也即,线下购物平台可能与线上平台存在至少部分相同的用户;至少部分线下购物平台的特征数据与至少部分线上购物平台的特征数据相同。
而基于上述示例可知,第二推送模型是基于样本用户对应的样本特征数据生成的,在本实施例中,以在线上购物平台和线下平台上具有相同的特征数据的用户为样本用户为例进行示范性地说明。
S403:协作平台根据历史记录确定线上购物平台和线下购物平台相同的特征数据。
例如,线下购物平台共有m份特征数据,线上购物平台共有n份特征数据,则协作平台可以根据确定出m份特征数据和n份特征数据中的共同的特征数据。
S404:协作平台将具有相同的特征数据的用户确定为样本用户。
例如,线下购物平台中多个用户均购买了商品A,线上购物平台中多个用户购买了商品A,则将线下购物平台中购买了商品A的多个用户确定为样本用户,并将线上购物平台中购买了商品A的多个用户确定为样本用户。
S405:协作平台分别通知线下购物平台和线上购物平台确定出的样本用户。
相应的,线下购物平台和线上购物平台分别接收协作平台发送的通知样本用户的信息。
S406:线下购物平台根据样本用户确定第二样本特征数据。
S407:线下购物平台根据第二样本特征数据和线下购物平台中设置的神经网络模型生成第二中间信息。
S408:线下购物平台向协作平台发送第二中间信息。
相应的,协作平台接收线上购物平台发送的第二中间信息。
S409:协作平台向线上购物平台发送第二中间信息。
相应的,线上购物平台接收协作平台发送的第二中间信息。
S410:线上购物平台根据第二中间信息和第一样本特征数据生成第二推送模型。
S411:线上购物平台获取待推送用户在线上购物平台上浏览和/或购买商品产生的第二特征数据。
S412:根据第二特征数据和第二推送模型生成待推送的商品信息。
基于上述分析可知,在本申请实施例中,第二推送模型是基于第二中间信息生成的,而第二中间信息是由线下购物平台基于第一样本特征数据生成的,也即,第二推送模型结合了线下购物平台的第二特征数据,相当于商品信息是结合了线下购物平台和线上购物平台的第二特征数据生成的,实现了线下购物平台和线上购物平台资源的相结合,且提高了推送的准确性和可靠性,且确保了线下购物平台和线上购物平台的第二特征数据不被彼此盗取,实现了确保用户的隐私的安全性,提高用户的购物体验。
基于上述示例可知,样本用户可以为具有相同标识的用户,样本用户也可以为具有相同样本特征数据的用户,而在一些实施例中,样本用户可以为各用户,也即,线下购物平台的各用户和线上购物平台的各用户均为样本用户。
而结合图3和图5所示的实施例可知,当样本用户为具有相同标识的用户时,可以采用纵向联邦学习的方法得到相应的推送模型,而当样本用户为具有相同的样本特征数据的用户时,可以采用横向联邦学习的方法得到相应的推送模型,而线下购物平台的各用户和线上购物平台的各用户均为样本用户,可以采用迁移联邦学习的方法得到相应的推送模型,且关于采用联邦学习的方法得到相应的推送模型的原理可以参见上述示例,此处不再赘述。
根据本申请实施例的另一个方面,本申请实施例还提供了一种信息推送方法,应用于协作平台。
请参阅图6,图6为本申请另一实施例的信息推送方法的示意图。
如图6所示,该方法包括:
S501:协作平台获取多个用户在购物平台上浏览和/或购买商品产生的历史记录,购物平台包括线上购物平台和线下购物平台。
S502:协作平台从历史记录中确定并通知购物平台样本用户,其中,样本用户在购物平台上浏览和/或购买商品产生的样本特征数据被购物平台用于生成各自对应的推送模型。
例如,推送模型包括:线下购物平台对应的第一推送模型和线上购物平台对应的第二推送模型。
在一些实施例中,从历史记录中确定所述样本用户包括:
S5021:根据所述历史记录确定所述多个用户的标识;
S5022:根据所述标识确定所述线上购物平台和所述线下平台共同的用户;
S5023:将所述共同的用户确定为所述样本用户。
在一些实施例中,从历史记录中确定所述样本用户包括:
S5024:根据所述历史记录确定所述线上购物平台和所述线下平台相同的特征数据;
S5025:将具有所述相同的特征数据的用户确定为所述样本用户。
根据本申请实施例的另一个方面,本申请实施例还提供了一种线下购物平台,用于执行如图2所示的方法。
请参阅图7,图7为本申请一个实施例的线下购物平台的示意图。
如图7所示,该购物平台包括:
第一获取模块11,用于获取待推送用户在线下购物平台上浏览和/或购买商品产生的第一特征数据;
第一生成模块12,用于根据所述第一特征数据和预先设置的第一推送模型生成待推送的商品信息,其中,所述推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,所述购物平台包括线上购物平台和所述线下购物平台;
第一推送模块13,用于向所述待推送用户推送所述商品信息。
在一些实施例中,所述样本用户为所述线上购物平台和所述线下购物平台共同的用户。
在一些实施例中,所述样本用户为在所述购物平台上浏览和/或购买商品产生了相同的特征数据的用户。
结合图7可知,在一些实施例中,所述样本特征数据包括第一样本特征数据和第二样本特征数据,所述线下购物平台还包括:
第二获取模块14,用于获取所述线上购物平台基于所述第一样本特征数据生成的第一中间信息,所述第一样本特征数据为所述样本用户在所述线上购物平台上浏览和/或购买商品产生的特征数据;
第二生成模块15,用于根据所述第一中间信息和所述第二样本特征数据生成所述第一推送模型,所述第二样本特征数据是所述样本用户在所述线下购物平台上浏览和/或购买商品产生的特征数据。
结合图7可知,在一些实施例中,所述线下购物平台还包括:
所述第二生成模块15用于,根据所述第二样本特征数据生成第二中间信息;
第一发送模块16,用于向所述线上购物平台发送所述第二中间信息,所述第二中间信息被所述线上购物平台用于生成第二推送模型。
在一些实施例中,所述商品信息包括商品的属性信息和/或商品的优惠信息。
根据本申请实施例的另一个方面,本申请实施例还提供了一种线上购物平台,用于执行如图4所示的方法。
请参阅图8,图8为本申请实施例的线上购物平台的示意图。
如图8所示,该线上购物平台包括:
第三获取模块21,用于获取待推送用户在线上购物平台上浏览和/或购买商品产生的第二特征数据;
第三生成模块22,用于根据所述第二特征数据和预先设置的第二推送模型生成待推送的商品信息,其中,所述第二推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,所述购物平台包括线上购物平台和线下购物平台;
第二推送模块23,用于向所述待推送用户推送所述商品信息。
在一些实施例中,所述样本用户为所述线上购物平台和所述线下购物平台共同的用户。
在一些实施例中,所述样本用户为在所述购物平台上浏览和/或购买商品产生了相同的特征数据的用户。
结合图8可知,在一些实施例中,所述样本特征数据包括第一样本特征数据和第二样本特征数据,所述线上购物平台还包括:
第四获取模块24,用于获取所述线下购物平台基于所述第二样本特征数据生成的第二中间信息,所述第二样本特征数据为所述样本用户在所述线下购物平台上浏览和/或购买商品产生的特征数据;
第四生成模块25,用于根据所述第二中间信息和所述第一样本特征数据生成所述第二推送模型,所述第一样本特征数据为所述样本用户在所述线上购物平台上浏览和/或购买商品产生的特征数据。
在一些实施例中,所述线上购物平台还包括:
所述第四生成模块25用于,根据所述第一样本特征数据生成第一中间信息;
第二发送模块26,用于向所述线下购物平台发送所述第一中间信息,所述第一中间信息被所述线下购物平台用于生成第一推送模型。
在一些实施例中,所述商品信息包括商品的属性信息和/或商品的优惠信息。
根据本申请实施例的另一个方面,本申请实施例还提供了一种服务器,用于执行如图6所示的方法。
请参阅图9,图9为本申请实施例的服务器的示意图。
如图9所示,服务器包括:
第五获取模块31,用于获取多个用户在购物平台上浏览和/或购买商品产生的历史记录,所述购物平台包括线上购物平台和线下购物平台;
确定模块32,用于从历史记录中确定并通知所述购物平台样本用户,其中,所述样本用户在所述购物平台上浏览和/或购买商品产生的样本特征数据被所述购物平台用于生成各自对应的推送模型。
在一些实施例中,所述确定模块32用于,根据所述历史记录确定所述多个用户的标识,根据所述标识确定所述线上购物平台和所述线下平台共同的用户,将所述共同的用户确定为所述样本用户。
在一些实施例中,所述确定模块32用于,根据所述历史记录确定所述线上购物平台和所述线下平台相同的特征数据,将具有所述相同的特征数据的用户确定为所述样本用户。
根据本申请实施例的另一个方面,本申请实施例还提供了一种信息推送系统,用于执行如图2至图6中任一实施例所示的方法,包括:
如上任一实施例所述的线下购物平台,如图7所示的线下购物平台;
如上任一实施例所述的线上购物平台,如图8所示的线上购物平台;
如上任一实施例所述的服务器,如图9所示的服务器。
根据本申请实施例的另一个方面,本申请实施例还提供了一种电子设备,包括:存储器,处理器;
存储器用于存储处理器可执行指令的存储器;
其中,当执行存储器中的指令时,处理器被配置为实现如上任一实施例所述的方法,如实现如图2至图6中所示的信息推送方法。
请参阅图10,图10为本申请实施例的电子设备的框图。
如图10所示,电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本申请实施例的实现。
如图10所示,该电子设备包括:一个或多个处理器101、存储器102,以及用于连接各部件的接口,包括高速接口和低速接口。各个部件利用不同的总线互相连接,并且可以被安装在公共主板上或者根据需要以其它方式安装。处理器可以对在电子设备内执行的指令进行处理,包括存储在存储器中或者存储器上以在外部输入/输出装置(诸如,耦合至接口的显示设备)上显示GUI的图形信息的指令。在其它实施方式中,若需要,可以将多个处理器和/或多条总线与多个存储器一起使用。同样,可以连接多个电子设备,各个设备提供部分必要的操作(例如,作为服务器阵列、一组刀片式服务器、或者多处理器系统)。图10中以一个处理器101为例。
存储器102即为本申请实施例所提供的非瞬时计算机可读存储介质。其中,所述存储器存储有可由至少一个处理器执行的指令,以使所述至少一个处理器执行本申请实施例所提供的信息推送方法。本申请实施例的非瞬时计算机可读存储介质存储计算机指令,该计算机指令用于使计算机执行本申请实施例所提供的信息推送方法。
存储器102作为一种非瞬时计算机可读存储介质,可用于存储非瞬时软件程序、非瞬时计算机可执行程序以及模块,如本申请实施例中的程序指令/模块。处理器101通过运行存储在存储器102中的非瞬时软件程序、指令以及模块,从而执行服务器的各种功能应用以及数据处理,即实现上述方法实施例中的信息推送方法。
存储器102可以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、至少一个功能所需要的应用程序;存储数据区可存储根据电子设备的使用所创建的数据等。此外,存储器102可以包括高速随机存取存储器,还可以包括非瞬时存储器,例如至少一个磁盘存储器件、闪存器件、或其他非瞬时固态存储器件。在一些实施例中,存储器102可选包括相对于处理器101远程设置的存储器,这些远程存储器可以通过网络连接至电子设备。上述网络的实例包括但不限于互联网、企业内部网、局域网、区块链服务网络(Block-chain-based Service Network,BSN)、移动通信网及其组合。
电子设备还可以包括:输入装置103和输出装置104。处理器101、存储器102、输入装置103和输出装置104可以通过总线或者其他方式连接,图10中以通过总线连接为例。
输入装置103可接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入,例如触摸屏、小键盘、鼠标、轨迹板、触摸板、指示杆、一个或者多个鼠标按钮、轨迹球、操纵杆等输入装置。输出装置104可以包括显示设备、辅助照明装置(例如,LED)和触觉反馈装置(例如,振动电机)等。该显示设备可以包括但不限于,液晶显示器(LCD)、发光二极管(LED)显示器和等离子体显示器。在一些实施方式中,显示设备可以是触摸屏。
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、专用ASIC(专用集成电路)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
这些计算机程序(也称作程序、软件、软件应用、或者代码)包括可编程处理器的机器指令,并且可以利用高级过程和/或面向对象的编程语言、和/或汇编/机器语言来实施这些计算机程序。如本文使用的,术语“机器可读介质”和“计算机可读介质”指的是用于将机器指令和/或数据提供给可编程处理器的任何计算机程序产品、设备、和/或装置(例如,磁盘、光盘、存储器、可编程逻辑装置(PLD)),包括,接收作为机器可读信号的机器指令的机器可读介质。术语“机器可读信号”指的是用于将机器指令和/或数据提供给可编程处理器的任何信号。
为了提供与用户的交互,可以在计算机上实施此处描述的系统和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如,作为数据服务器)、或者包括中间件部件的计算系统(例如,应用服务器)、或者包括前端部件的计算系统(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将系统的部件相互连接。通信网络的示例包括:局域网(LAN)、区块链服务网络(Block-chain-based Service Network,BSN)、广域网(WAN)和互联网。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
其中,计算机可读介质包括计算机存储介质和通信介质,其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。一种示例性的存储介质耦合至处理器,从而使处理器能够从该存储介质读取信息,且可向该存储介质写入信息。当然,存储介质也可以是处理器的组成部分。处理器和存储介质可以位于ASIC中。另外,该ASIC可以位于用户设备中。当然,处理器和存储介质也可以作为分立组件存在于通信设备中。
本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时,执行包括上述各方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上各实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述各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,或对其中部分或全部技术特征进行等同替换;而这些修改或替换,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范围。
Claims (21)
1.一种信息推送方法,其特征在于,应用于线下购物平台,所述方法包括:
获取待推送用户在线下购物平台上浏览和/或购买商品产生的第一特征数据;
根据所述第一特征数据和预先设置的第一推送模型生成待推送的商品信息,其中,所述第一推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,所述购物平台包括线上购物平台和所述线下购物平台;
向所述待推送用户推送所述商品信息。
2.根据权利要求1所述的方法,其特征在于,所述样本用户为所述线上购物平台和所述线下购物平台共同的用户。
3.根据权利要求1所述的方法,其特征在于,所述样本用户为在所述购物平台上浏览和/或购买商品产生了相同的特征数据的用户。
4.根据权利要求1至3中任一项所述的方法,其特征在于,所述样本特征数据包括第一样本特征数据和第二样本特征数据,所述方法还包括:
获取所述线上购物平台基于所述第一样本特征数据生成的第一中间信息,所述第一样本特征数据为所述样本用户在所述线上购物平台上浏览和/或购买商品产生的特征数据;
根据所述第一中间信息和所述第二样本特征数据生成所述第一推送模型,所述第二样本特征数据为所述样本用户在所述线下购物平台上浏览和/或购买商品产生的特征数据。
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:
根据所述第二样本特征数据生成第二中间信息;
向所述线上购物平台发送所述第二中间信息,所述第二中间信息被所述线上购物平台用于生成第二推送模型。
6.根据权利要求1至3中任一项所述的方法,其特征在于,所述商品信息包括商品的属性信息和/或商品的优惠信息。
7.一种信息推送方法,其特征在于,应用于线上购物平台,所述方法包括:
获取待推送用户在线上购物平台上浏览和/或购买商品产生的第二特征数据;
根据所述第二特征数据和预先设置的第二推送模型生成待推送的商品信息,其中,所述第二推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,所述购物平台包括所述线上购物平台和线下购物平台;
向所述待推送用户推送所述商品信息。
8.根据权利要求7所述的方法,其特征在于,所述样本用户为所述线上购物平台和所述线下购物平台共同的用户。
9.根据权利要求7所述的方法,其特征在于,所述样本用户为在所述购物平台上浏览和/或购买商品产生了相同的特征数据的用户。
10.根据权利要求7至9中任一项所述的方法,其特征在于,所述样本特征数据包括第一样本特征数据和第二样本特征数据,所述方法还包括:
获取所述线下购物平台基于所述第二样本特征数据生成的第二中间信息,所述第二样本特征数据为所述样本用户在所述线下购物平台上浏览和/或购买商品产生的特征数据;
根据所述第二中间信息和所述第一样本特征数据生成所述第二推送模型,所述第一样本特征数据为所述样本用户在所述线上购物平台上浏览和/或购买商品产生的特征数据。
11.根据权利要求10所述的方法,其特征在于,所述方法还包括:
根据所述第一样本特征数据生成第一中间信息;
向所述线下购物平台发送所述第一中间信息,所述第一中间信息被所述线下购物平台用于生成第一推送模型。
12.根据权利要求7至9中任一项所述的方法,其特征在于,所述商品信息包括商品的属性信息和/或商品的优惠信息。
13.一种信息推送方法,其特征在于,应用于协作平台,所述方法包括:
获取多个用户在购物平台上浏览和/或购买商品产生的历史记录,所述购物平台包括线上购物平台和线下购物平台;
从历史记录中确定并通知所述购物平台样本用户,其中,所述样本用户在所述购物平台上浏览和/或购买商品产生的样本特征数据被所述购物平台用于生成各自对应的推送模型。
14.根据权利要求13所述的方法,其特征在于,从所述历史记录中确定所述样本用户包括:
根据所述历史记录确定所述多个用户的标识;
根据所述标识确定所述线上购物平台和所述线下平台共同的用户;
将所述共同的用户确定为所述样本用户。
15.根据权利要求13所述的方法,其特征在于,从所述历史记录中确定所述样本用户包括:
根据所述历史记录确定所述线上购物平台和所述线下平台相同的特征数据;
将具有所述相同的特征数据的用户确定为所述样本用户。
16.一种线下购物平台,其特征在于,包括:
第一获取模块,用于获取待推送用户在线下购物平台上浏览和/或购买商品产生的第一特征数据;
生成模块,用于根据所述第一特征数据和预先设置的第一推送模型生成待推送的商品信息,其中,所述第一推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,所述购物平台包括线上购物平台和线下购物平台;
推送模块,用于向所述待推送用户推送所述商品信息。
17.一种线上购物平台,其特征在于,包括:
第三获取模块,用于获取待推送用户在线上购物平台上浏览和/或购买商品产生的第二特征数据;
第三生成模块,用于根据所述第二特征数据和预先设置的第二推送模型生成待推送的商品信息,其中,所述第二推送模型是根据样本用户在购物平台上浏览和/或购买商品产生的样本特征数据生成的,所述购物平台包括线上购物平台和线下购物平台;
第二推送模块,用于向所述待推送用户推送所述商品信息。
18.一种服务器,其特征在于,包括:
第五获取模块,用于获取多个用户在购物平台上浏览和/或购买商品产生的历史记录,所述购物平台包括线上购物平台和线下购物平台;
确定模块,用于从历史记录中确定并通知所述购物平台样本用户,其中,所述样本用户在所述购物平台上浏览和/或购买商品产生的样本特征数据被所述购物平台用于生成各自对应的推送模型。
19.一种信息推送系统,其特征在于,包括:
如权利要求16所述的线下购物平台;
如权利要求17所述的线上购物平台;
如权利要求18所述的服务器。
20.一种电子设备,其特征在于,包括:存储器,处理器;
所述存储器用于存储所述处理器可执行指令的存储器;
其中,当执行所述存储器中的指令时,所述处理器被配置为实现如权利要求1至6中任一项所述的方法;或者,
当执行所述存储器中的指令时,所述处理器被配置为实现如权利要求7至12中任一项所述的方法;
当执行所述存储器中的指令时,所述处理器被配置为实现如权利要求13至15中任一项所述的方法。
21.一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权利要求1至6中任一项所述的方法;或者,
该程序被处理器执行时实现如权利要求7至12中任一项所述的方法;或者,
该程序被处理器执行时实现如权利要求13至15中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011008543.XA CN113763085A (zh) | 2020-09-23 | 2020-09-23 | 信息推送方法、系统、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011008543.XA CN113763085A (zh) | 2020-09-23 | 2020-09-23 | 信息推送方法、系统、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113763085A true CN113763085A (zh) | 2021-12-07 |
Family
ID=78785864
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011008543.XA Pending CN113763085A (zh) | 2020-09-23 | 2020-09-23 | 信息推送方法、系统、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113763085A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160095362A (ko) * | 2015-02-03 | 2016-08-11 | 손승현 | 구매 알림 푸시용 프로그램 및 이를 구현하는 플랫폼 서버 |
CN107507017A (zh) * | 2017-07-07 | 2017-12-22 | 阿里巴巴集团控股有限公司 | 一种线下导购方法和装置 |
CN107767154A (zh) * | 2016-08-18 | 2018-03-06 | 中国电信股份有限公司 | 信息推送方法、平台和系统 |
CN108665329A (zh) * | 2017-03-29 | 2018-10-16 | 北京京东尚科信息技术有限公司 | 一种基于用户浏览行为的商品推荐方法 |
CN108876526A (zh) * | 2018-06-06 | 2018-11-23 | 北京京东尚科信息技术有限公司 | 商品推荐方法、装置和计算机可读存储介质 |
CN110223093A (zh) * | 2018-03-02 | 2019-09-10 | 北京京东尚科信息技术有限公司 | 一种商品推介的方法和装置 |
-
2020
- 2020-09-23 CN CN202011008543.XA patent/CN113763085A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160095362A (ko) * | 2015-02-03 | 2016-08-11 | 손승현 | 구매 알림 푸시용 프로그램 및 이를 구현하는 플랫폼 서버 |
CN107767154A (zh) * | 2016-08-18 | 2018-03-06 | 中国电信股份有限公司 | 信息推送方法、平台和系统 |
CN108665329A (zh) * | 2017-03-29 | 2018-10-16 | 北京京东尚科信息技术有限公司 | 一种基于用户浏览行为的商品推荐方法 |
CN107507017A (zh) * | 2017-07-07 | 2017-12-22 | 阿里巴巴集团控股有限公司 | 一种线下导购方法和装置 |
CN110223093A (zh) * | 2018-03-02 | 2019-09-10 | 北京京东尚科信息技术有限公司 | 一种商品推介的方法和装置 |
CN108876526A (zh) * | 2018-06-06 | 2018-11-23 | 北京京东尚科信息技术有限公司 | 商品推荐方法、装置和计算机可读存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104574156A (zh) | 一种商品扩展信息匹配、获取方法及装置 | |
CN111800493A (zh) | 信息内容推送方法、装置、电子设备和存储介质 | |
CN111597467A (zh) | 展示方法、装置和电子设备 | |
CN113935813A (zh) | 信息显示方法、装置、电子设备和存储介质 | |
CN112446736A (zh) | 一种点击通过率ctr预测方法及装置 | |
WO2014067407A1 (en) | Systems and methods for content browsing, generation, and interaction | |
CN111787042B (zh) | 用于推送信息的方法和装置 | |
CN107451769B (zh) | 快递信息处理方法及装置 | |
CN112346608A (zh) | 一种基于业务活动结果显示的页面展示方法、装置和电子设备 | |
CN103778232A (zh) | 个性化信息的处理方法及装置 | |
CN110390531B (zh) | 一种基于即时通讯的关系沉淀方法、设备以及系统 | |
CN111078636A (zh) | 营销数据处理方法、系统及相关设备 | |
CN111625710A (zh) | 推荐内容的处理方法、装置、电子设备及可读存储介质 | |
CN113763085A (zh) | 信息推送方法、系统、电子设备及存储介质 | |
CN104571816A (zh) | 一种信息获取方法、终端及系统 | |
CN112541145A (zh) | 一种页面展现方法、装置、设备及存储介质 | |
CN112162804B (zh) | 信息显示方法及装置 | |
US20160292730A1 (en) | System, method, and platform for user generated advertising campaign | |
US20160241987A1 (en) | An operation and management system for e-commerce application on mobile device, method therof, and application gernerator | |
CN111177558A (zh) | 频道业务构建方法及装置 | |
CN111754284A (zh) | 订单处理的方法、系统、计算设备及介质 | |
CN104601721A (zh) | 一种多终端间信息处理方法和装置 | |
CN110377834A (zh) | 借助于区块链的共享经济数据推荐方法及其装置 | |
CN110415085A (zh) | 一种基于地理位置信息的商品筛选、展示方法和装置 | |
CN104424293A (zh) | 一种信息处理方法及电子设备 |
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 |