CN114168825A - 数据推送方法、装置、电子设备及可读存储介质 - Google Patents

Abstract

本公开提供了一种数据推送方法、装置、电子设备及可读存储介质，可以应用于数据处理技术领域、金融领域或其他领域。该方法包括：获取源数据中的业务数据、用户行为数据和用户属性数据，用户行为数据与业务数据具有对应关系；对源数据中的业务数据进行分类，生成事项业务数据、资讯业务数据和活动业务数据；根据用户行为数据对业务数据进行分析，确定分别与事项业务数据、资讯业务数据和活动业务数据相对应的热门数据，和/或确定相似度数据；至少根据用户属性数据将所述热门数据和相似度数据中的至少一者推送给目标用户。该方法可以实现精准数据推送。

Description

数据推送方法、装置、电子设备及可读存储介质

技术领域

本公开涉及数据处理技术领域，更具体地涉及一种数据推送方法、装置、电子设备及可读存储介质。

背景技术

数据推送在信息技术中应用越来越广泛，由于用户的种类复杂，并且不同的用户的行为习惯不相同，如何实现精准有效的进行数据推送变得原来越重要。相关技术中，在进行数据推送时，在对用户进行分析时无法精准的对特定用户的行为、用户属性数据以及业务数据进行区分，容易遗漏一些具有独特的代表性行为的用户，或者过多地代表了具有不常见用户行为的离群用户，导致进行数据推送时，推送的数据与推送的目标用户所期望的数据存在一定偏差，无法实现精准数据推送。

发明内容

鉴于上述问题，本公开提供了一种数据推送方法、装置、电子设备及可读存储介质，能够有效提高数据推送的准确率，实现数据的精准推送。

根据本公开的第一个方面，提供了一种数据推送方法，包括：获取源数据中的业务数据、用户行为数据和用户属性数据，所述用户行为数据与所述业务数据具有对应关系；对所述源数据中的业务数据进行分类，生成事项业务数据、资讯业务数据和活动业务数据；根据所述用户行为数据对所述业务数据进行分析，确定分别与所述事项业务数据、资讯业务数据和活动业务数据相对应的热门数据，和/或确定相似度数据；至少根据所述用户属性数据将所述热门数据和所述相似度数据中的至少一者推送给目标用户。

在本公开的一些示例性实施方式中，所述用户行为数据包括用户操作轨迹，其中，根据所述用户行为数据对所述业务数据进行分析，确定相似度数据包括：根据所述用户操作轨迹获取具有重合部分的用户操作轨迹；根据具有重合部分的用户操作轨迹确定该用户操作轨迹中未重合部分的用户操作轨迹对应的业务数据；将所述用户操作轨迹中未重合部分的用户操作轨迹对应的业务数据确定为相似度数据。

在本公开的一些示例性实施方式中，所述的数据推送方法还包括：根据具有重合部分的用户操作轨迹确定相似用户，所述相似用户包括第一相似用户和第二相似用户，所述第一相似用户的用户操作轨迹不包含未重合的用户操作轨迹，所述第二相似用户的用户操作轨迹包含未重合的用户操作轨迹；以及根据具有重合部分的用户操作轨迹和所述相似度数据确定相似用户的用户相似度标签。

在本公开的一些示例性实施方式中，所述至少根据所述用户属性数据将所述热门数据和所述相似度数据中的至少一者推送给目标用户包括：根据所述相似度标签确定所述目标用户中的第一相似用户；根据所述相似用户的用户属性数据将所述热门数据和所述相似度数据中的至少一者推送给第一相似用户。

在本公开的一些示例性实施方式中，所述具有重合部分的用户操作轨迹具有设定重合阈值。

在本公开的一些示例性实施方式中，所述获取源数据中的业务数据、用户行为数据和用户属性数据包括：通过数据埋点的方式获取源程序中的所述用户行为数据，所述用户行为数据包括用户对所述源程序的用户操作轨迹；以及通过数据抽取、数据清洗转换、加载至数据仓库的方式获取源程序中的所述业务数据和所述用户属性数据。

在本公开的一些示例性实施方式中，所述用户行为数据包括用户事项办理量、用户点击量、用户活动参与量，所述热门数据包括热门事项业务数据、热门资讯业务数据和热门活动业务数据；其中，根据所述用户行为数据对所述业务数据进行分析，确定分别与所述事项业务数据、资讯业务数据和活动业务数据相对应的热门数据包括：根据所述用户行为数据中的用户事项办理量对所述事项业务数据进行分析，确定热门事项业务数据；根据所述用户行为数据中的用户点击量对所述资讯业务数据进行分析，确定热门资讯业务数据；以及根据所述用户行为数据中的用户活动参与量对所述活动业务数据进行分析，确定热门活动业务数据。

在本公开的一些示例性实施方式中，所述目标用户包括所有用户，所述至少根据所述用户属性数据将所述热门数据和所述相似度数据中的至少一者推送给目标用户包括：对所述热门数据进行分类，至少根据用户属性数据将分类后的所述热门数据推送给所有用户。

根据本公开实施例的第二方面，提供了一种数据推送装置，包括：获取模块，配置为获取源数据中的业务数据、用户行为数据和用户属性数据，所述用户行为数据与所述业务数据具有对应关系；分类模块，配置为对所述源数据中的业务数据进行分类，生成事项业务数据、资讯业务数据和活动业务数据；确定模块，配置为根据所述用户行为数据对所述业务数据进行分析，确定分别与所述事项业务数据、资讯业务数据和活动业务数据相对应的热门数据，和/或确定相似度数据；推送模块，配置为至少根据所述用户属性数据将所述热门数据和所述相似度数据中的至少一者推送给目标用户。

根据本公开实施例的第三方面，提供了一种电子设备，包括：一个或多个处理器；存储装置，用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现根据上文所述的方法。

根据本公开实施例的第四方面，提供了一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时，实现根据上文所述的方法。

根据本公开实施例的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据上文所述的方法。

据本公开的实施例，通过获取源数据中的业务数据、用户行为数据以及用户属性数据，并基于用户行为数据对业务数据进行分析，以确定热门数据和/或相似度数据，并基于用户属性数据向目标用户推送热门数据和/或相似度数据，可以实现精准数据推送，提高推送效率。

附图说明

通过以下参照附图对本公开实施例的描述，本公开的上述内容以及其他目的、特征和优点将更为清楚，在附图中：

图1示意性示出了可以应用本公开实施例的数据推送方法的系统架构的示意图；

图2示意性示出了根据本公开实施例的数据推送方法的流程图；

图3示意性示出了根据本公开一种实施例的数据推送方法的确定相似度数据的流程图；

图4示意性示出了根据本公开实施例的数据推送方法还包括的流程；

图5示意性示出了根据本公开一种实施例的数据推送方法的将数据推送至目标用户的流程图；

图6示意性示出了根据本公开实施例的数据推送装置的结构框图；

图7示意性示出了根据本公开实施例的适于实现数据推送方法的电子设备的方框图。

具体实施方式

以下，将参照附图来描述本公开的实施例。但是应该理解，这些描述只是示例性的，而并非要限制本公开的范围。在下面的详细描述中，为便于解释，阐述了许多具体的细节以提供对本公开实施例的全面理解。然而，明显地，一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外，在以下说明中，省略了对公知结构和技术的描述，以避免不必要地混淆本公开的概念。

在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。

在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。

在使用类似于“A、B和C等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。

在本公开的技术方案中，所涉及的用户个人信息的获取，存储和应用等，均符合相关法律法规的规定，采取了必要保密措施，且不违背公序良俗。

为了解决相关技术中的无法实现精准推送的问题，本公开的实施例提供了一种数据推送方法，包括但不限于：获取源数据中的业务数据、用户行为数据和用户属性数据，用户行为数据与业务数据具有对应关系；对源数据中的业务数据进行分类，生成事项业务数据、资讯业务数据和活动业务数据；根据用户行为数据对业务数据进行分析，确定分别与事项业务数据、资讯业务数据和活动业务数据相对应的热门数据，和/或确定相似度数据；至少根据用户属性数据将热门数据和相似度数据中的至少一者推送给目标用户。

根据本公开的实施例，通过获取源数据中的业务数据、用户行为数据以及用户属性数据，并基于用户行为数据对业务数据进行分析，以确定热门数据和/或相似度数据，并基于用户属性数据向目标用户推送热门数据和/或相似度数据，可以实现精准数据推送，提高推送效率。

图1示意性示出了可以应用本公开实施例的数据推送方法的系统架构的示意图。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。需要说明的是，本公开实施例提供的数据推送方法和数据推送装置可用于数据处理技术领域、金融领域的相关方面，也可用于除金融领域之外的任意领域，本公开实施例提供的数据推送方法和数据推送装置对应用领域不做限定。

如图1所示，可以应用数据推送方法的示例性系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如新闻客户端应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。

终端设备101、102、103可以是具有显示屏并且支持网页浏览、数据推送等功能的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。

服务器105可以是提供各种服务的服务器，例如对用户利用终端设备101、102、103所输入的信息或文本提供支持的后台管理服务器(仅为示例)，后台管理服务器可以对接收到的用户输入的文本或信息进行分析等处理，并将处理结果(例如用户输入的信息是否正确等)反馈给终端设备。又例如，对终端设备101、102、103发送的控制指令进行执行的控制中心服务器，控制中心服务器可以对接收到的用户发送的控制指令进行处理，实现向其他设备或装置进行数据推送。

需要说明的是，本公开实施例所提供的数据推送方法一般可以由终端设备101、102、103或者服务器105执行。相应地，本公开实施例所提供的数据推送装置一般可以设置于终端设备101、102、103或者服务器105中。本公开实施例所提供的数据推送方法也可以由不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群执行。相应地，本公开实施例所提供的数据推送装置也可以设置于不同于服务器105且能够与终端设备101、102、103和/或服务器105通信的服务器或服务器集群中。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

以下将通过图2至图5对公开实施例的数据推送方法进行详细描述。

图2示意性示出了根据本公开实施例的数据推送方法的流程图。如图2所示，本公开实施例的数据方法200包括操作S210至操作S240。

在操作S210中，获取源数据中的业务数据、用户行为数据和用户属性数据，用户行为数据与业务数据具有对应关系。

在本公开的实施例中，源数据可以是存储在数据库中的数据，该数据可以是第三方从各个渠道合法获取的数据，例如，通过数据收集工具获取的用户对某些程序或软件操作的用户行为数据，或者，通过用户在某一特定情况下输入的具有特定属性的用户属性数据，或者，是与其他业务相关联的业务数据等。在本实施例中，源数据可以是政务系统中存储的政务数据。在其他的可选实施例中，源数据也可以是其他系统存储的与该系统对应的数据，例如，可以是购物平台存储的购物数据信息等。

源数据中包括有业务数据、用户行为数据和用户属性数据等多种数据，在获取了源数据后，对源数据中的数据进行初步筛选分类，以过滤出业务数据、用户行为数据和用户属性数据，并将数据放置在不同类别中进行保存。在进行筛选分类后，可以从不同的类别中获取所需要的数据，例如，从业务数据类别中获取业务数据，从用户行为数据类别中获取用户行为数据，从用户属性数据类别中获取用户属性数据。

在本公开的实施例中，不同的用户行为数据可以对应不同的用户行为，不同的业务数据也进一步可以对应不同的业务内容，可以通过用户行为数据获知该用户行为数据对应的业务数据，即用户行为数据与业务数据具有对应关系。

例如，根据用户所使用的程序以及对程序的特定内容进行的操作，可以获知该操作对应的业务数据。在获知了用户对程序或者相应网页的内容进行的操作后(即用户行为数据)，可以获知与该用户行为数据对应的业务数据的具体内同。

在操作S220中，对源数据中的业务数据进行分类，生成事项业务数据、资讯业务数据和活动业务数据。

在本公开的实施例中，业务数据具有多个种类，不同种类的数据对应的用户行为数据不同，通过对业务数据进行分类，便于后续的基于用户行为数据对业务数据进行分析操作。同时通过对业务数据进行分类，以获取不同类别中对应的热门数据。

在操作S230中，根据用户行为数据对业务数据进行分析，确定分别与事项业务数据、资讯业务数据和活动业务数据相对应的热门数据，和/或确定相似度数据。

在本公开的一种实施例中，根据用户行为数据对业务数据进行分析，以确定热门数据。其中，不同种类的业务数据对应不同的热门数据，通过确定分别与事项业务数据、资讯业务数据和活动业务数据相对应的热门数据，可以实现在不同的推送栏分别推送对应的热门数据，从而使用户在浏览热门数据时，具有更好的浏览体验，不会出现因未分类导致的推送的热门数据混乱的情况。

在本公开的另一中实施例中，根据用户行为数据对业务数据进行分析，以确定相似度数据。相似度数据表示具有相似用户行为数据的两个用户之间存在差异的业务数据。例如，用户X和用户Y的用户行为数据均对业务1和业务2进行了操作，则确定用户X和用户Y为相似用户，其中用户Y的用户行为数据还表明用户Y对业务3进行了操作，且用户X未对业务3进行操作，则业务3为相似度数据。

在本公开的实施例中，用户行为数据例如可以是用户操作轨迹、户事项办理量、用户点击量、用户活动参与量等等。根据用户行为数据的不同，进一步确定推送给目标用户的数据。

在操作S240中，至少根据用户属性数据将热门数据和相似度数据中的至少一者推送给目标用户。

在本公开的实施例中，在将确定的热门数据和/或相似度数据推送给目标用户的过程中，需要至少根据用户属性数据来进行推送。由此，在进行推送时，推送的热门数据也会基于用户属性数据不同而存在一定的差异，以实现精准推送。另一方面，相似度数据是与相似度用户相关联的，在将相似度数据推送给目标用户时，也根据用户属性数据来进行推送，从而实现针对不同的目标用户推送的数据更加准确，有效提高数据推送的效率。

图3示意性示出了根据本公开一种实施例的数据推送方法的确定相似度数据的流程图。

如图3所示，根据用户行为数据对业务数据进行分析，确定相似度数据的流程300包括操作S310至操作S320。在本公开的实施例中，如上文所述，用户行为数据具有多种，在该流程中，用户行为数据为用户操作轨迹。

在操作S310中，根据用户操作轨迹获取具有重合部分的用户操作轨迹。

首先，获取多个用户的用户操作轨迹，然后根据获取的多个用户的用户操作轨迹获取具有重合部分的用户操作轨迹。例如获取用户A的操作轨迹为业务1-业务2-业务3-业务4，获取用户B的操作轨迹为业务1-业务3-业务4，获取用户C的操作轨迹为业务1-业务2-业务3。则获取的用户A和用户B之间的具有重合部分的用户操作轨迹为业务1-业务3-业务4。获取的用户A和用户C之间的具有重合部分的用户操作轨迹为业务1-业务2-业务3。获取的用户B和用户C之间的具有重合部分的用户操作轨迹为业务1和业务3。

在操作S320中，根据具有重合部分的用户操作轨迹确定该用户操作轨迹中未重合部分的用户操作轨迹对应的业务数据。

接下来，根据操作S310中确定的具有重合部分的用户操作轨迹确定该用户操作轨迹中未重合部分的用户操作轨迹。例如，用户A和用户B之间的具有重合部分的用户操作轨迹为业务1-业务3-业务4，用户A和用户B之间的未重合部分的用户操作轨迹为业务2。用户A和用户C之间的未重合部分的用户操作轨迹为业务4。用户B和用户C之间的未重合部分的用户操作轨迹为业务2和业务4。

然后，进一步对根据未重合部分的用户操作来确定其对应的业务数据，例如，根据用户A和用户B之间的未重合部分的用户操作轨迹为业务2，进一步确定业务2的业务数据。根据用户A和用户C之间的未重合部分的用户操作轨迹为业务4，进一步确定业务4的业务数据。根据用户B和用户C之间的未重合部分的用户操作轨迹为业务2和业务4，进一步确定业务2和业务4的业务数据。

在操作S330中，将用户操作轨迹中未重合部分的用户操作轨迹对应的业务数据确定为相似度数据。

在本公开的实施例中，在操作S320中确定了用户操作轨迹中未重合部分的用户操作轨迹对应的业务数据后，将该业务数据确定为相似度数据。例如，在用户A和用户B之间，将业务2对应的业务数据确定为相似度数据，在用户A和用户C之间，将业务4对应的业务数据确定为相似度数据，在用户B和用户C之间，将业务数据2和业务数据4分别对应的业务数据确定为相似度数据。

图4示意性示出了根据本公开实施例的数据推送方法还包括的流程。

如图4所示，本公开的数据推送方法除了上述的操作S210至操作S240之外，还进一步包括S410至操作S420。

在操作S410中，根据具有重合部分的用户操作轨迹确定相似用户，相似用户包括第一相似用户和第二相似用户，第一相似用户的用户操作轨迹不包含未重合的用户操作轨迹，第二相似用户的用户操作轨迹包含未重合的用户操作轨迹。

以上述的用户A、用户B、用户C为例，用户A和用户B之间具有重合部分的用户操作轨迹，因此，确定用户A和用户B为相似用户，同理，用户B和用户C，用户A和用户C也为相似用户。将相似用户分为第一相似用户和第二相似用户。例如，以用户A和用户B为例，用户A和用户B之间的重合部分的用户操作轨迹为业务1-业务3-业务4。未重合部分的用户操作轨迹为业务2，由于用户B中不包含未重合的用户操作轨迹，则确定用户B为第一相似用户，由于用户A包含未重合的用户操作轨迹，则确定用户A为第二相似用户。

又例如，以用户B和用户C为例，用户B和用户C互为相似用户，用户B和用户C之间的重合部分的用户操作轨迹为业务1-业务3。未重合部分的用户操作轨迹为业务2和业务4，由于用户B不包含未重合的用户操作轨迹(业务2)，则确定用户B为第一相似用户，同时，由于用户C不包含未重合的用户操作轨迹(业务4)，则确定用户C为第一相似用户。

在操作S420中，根据具有重合部分的用户操作轨迹和相似度数据确定相似用户的用户相似度标签。

在本公开的实施例中，具有重合部分的用户操作轨迹越多，则可确定两个用户之间的相似度更高。以上述的实施例中的用户A、用户B、用户C以及新的用户D为例，用户D的用户操作轨迹包括业务1-业务3。

例如，用户A与用户B之间的重合部分的用户操作轨迹为业务1-业务3-业务4，用户A与用户C之间的重合部分的用户操作轨迹为业务1-业务2-业务3，用户A与用户D之间的重合部分的用户操作轨迹为业务1-业务3。则根据具有重合部分的用户操作轨迹可以确定用户A和用户B之间、用户A与用户C之间相比于用户A与用户D之间具有更高的相似度。从而根据具有重合部分的用户操作轨迹确定用户相似度标签。

又例如，用户B与用户D之间的重合部分的用户操作轨迹与用户C与用户D之间的重合部分的用户操作轨迹相同，都是业务1-业务3。此时可以根据相似度数据进一步确定相似用户的用户相似度标签。例如，可以根据相似度数据在所有用户中所占的比例来确定相似度数据的重要程度，进一步根据重要程度来确定用户B与用户D之间以及用户C与用户D之间的相似度标签。

图5示意性示出了根据本公开一种实施例的数据推送方法的将数据推送至目标用户的流程图。

如图5所示，将数据推送至目标用户的流程500包括操作S510至操作S520。

在操作S510中，根据相似度标签确定目标用户中的第一相似用户。

在本公开的实施例中，相似的用户之间具有相似度标签，相似度标签具有不同用户之间的相似程度，根据相似度标签，可以获知不同用户之间的相似程度，例如，根据相似度标签确定用户A和用户B具有最大的相似程度，则向用户A或用户B推送相似度数据，首先确定目标用户中的第一相似用户，例如，由于用户B不包含未重合的用户操作轨迹，则用户B为第一相似用户，同时确定用户B未目标用户中的第一相似用户。

在操作S520中，根据相似用户的用户属性数据将热门数据和相似度数据中的至少一者推送给第一相似用户。

在进行数据推送的过程中，首先获知相似用户的用户属性数据，例如用户属性数据可以是性别、身份、年龄、职业等内容，该内容是通过合法的途经收集，或者由用户自主填入的内容，根据用户属性数据的不同，推送不同的热门数据，可以提高数据推送过程的精确度。

在本公开的实施例中，例如，以上述的用户A、用户B、用户C为例，将相似度数据推送给第一相似用户的过程如下：首先确定用户A和用户B之间的相似度数据为业务2对应的业务数据，用户A和用户C之间的相似度数据为业务4对应的业务数据。确定目标用户A与用户B之间的第一相似用户为用户B，则将业务2对应的业务数据推送至用户B，确定目标用户A与C之间的第一相似用户为用户C，将业务4对应的业务数据推送至用户C，从而实现精准推送。

在本公开的实施例中，在将数据推送至目标用户的过程中，可以同时推送相似度数据和热门数据，也可以择一推送，该推送策略根据具体的场景可以进行调整。

在本公开的实施例中，具有重合部分的用户操作轨迹具有设定重合阈值。例如，对于用户数量较大的业务，较少的重合部分的用户操作轨迹无法反映出用户之间具有相似度，因此，可以将用户操作轨迹的重合阈值设置为较大值，例如，重合阈值为具有5个相同业务操作。当重合阈值小于5时，则不认为用户之间具有相似度。又例如，对于用户数量较小的业务，较少的重合部分的用户操作轨迹就可以反映出用户之间具有相似度，则可以将用户操作轨迹的重合阈值设置为较小值，例如重合阈值可以设置为1。在本公开的实施例中，该设定重合阈值的数值可以根据实际的需求进行调整。

根据本公开的实施例，通过设定重合阈值，可以实现对不同的应用场景进行调整，以满足不同的需求，确定的相似度数据更加精准，从而使数据推送更准确，提高数据推送的效率。

在本公开的实施例中，获取源数据中的业务数据、用户行为数据和用户属性数据包括：通过数据埋点的方式获取源程序中的用户行为数据，用户行为数据包括用户对源程序的用户操作轨迹；以及通过数据抽取、数据清洗转换、加载至数据仓库的方式获取源程序中的业务数据和用户属性数据。

对于用户行为数据本实施例通过在应用、小程序等特定的流程进行埋点，通过埋点的方式收集流程的信息，用来跟踪应用使用状况，从而获取源程序中的用户行为数据。例如，可以通过埋点的方式获取应用的访问次数、访问人数、停留时长等信息。用户行为数据例如是用户对源程序的用户操作轨迹，例如，用户在登录后，分别对不同的页面中的业务数据进行点击或者办理，则可以反映出该用户的用户操作轨迹。根据该用户操作轨迹可以获知该用户操作办理的相关的业务信息等内容，例如在各个渠道端阅读资讯、参加活动或者办理事项等用户行为数据。

在本公开的实施例中，通过埋点的方式获取用户行为数据后，将采集到的数据推送到kafka消息队列，便于用户行为数据的读取，减小服务器的读取压力。

在本公开的实施例中，对于业务数据和用户属性数据，其可以从数据库中直接获取，由于业务数据和用户属性数据之间存在分散、凌乱、标准不统一等问题，本公开通过ETL(Extract，Transform，Load)的方式对数据进行采集，首先，进行数据抽取，例如确定数据源，确定从目标源进行数据抽取，定义数据接口，对每个源文件的每个字段进行详细说明，以及确定数据抽取方法等。接下来，进行数据清洗转换，例如，将不完整数据、错误数据、重复数据进行处理，将数据进行转换，获取可以统一识别读取的数据。最后，加载至数据仓库。例如，将数据缓冲区的数据直接加载到数据库对应表中，便于后续读取调用。

在本公开的实施例中，通过读取kafka消息队列中的用户行为数据以及读取通过ETL获取的业务数据和用户属性数据，并将用户行为数据、业务数据以及用户属性数据保存到大数据库中。

在本公开的实施例中，用户行为数据包括用户事项办理量、用户点击量、用户活动参与量。例如，不同的用户对同一用户事项办理，对办理完成的用户事项办理量进行统计，可以获取每一个用户事项对应的用户事项办理量。对于用户点击量，可以通过统计不同的用户对同一个资讯数据进行点击浏览的数量来获得用户点击量。对于用户活动参与量，可以通过统计不同的用户对于同一活动的参与的数量来获得。

在本公开的实施例中，热门数据包括热门事项业务数据、热门资讯业务数据和热门活动业务数据。其中热门事项业务数据表示在所有的事项业务数据中，不同用户对于同一事项业务数据办理在排名中占一定比例，则为热门事项业务数据。例如，在100件事项业务办理中，有90％以上的用户均办理了前4件事项业务，则将该4件事项业务所对应的数据确定为热门事项业务数据。或者，对于该100件事项业务，将办理人数最多的业务事项进行排名，选择排名前五的事项业务所对应的数据确定为热门事项业务数据。对于热门资讯业务数据和热门活动业务数据可以采用与热门事项业务数据相同的方法进行确定。

在本公开的实施例中，根据用户行为数据对业务数据进行分析，确定分别与事项业务数据、资讯业务数据和活动业务数据相对应的热门数据包括：根据用户行为数据中的用户事项办理量对事项业务数据进行分析，确定热门事项业务数据；根据用户行为数据中的用户点击量对资讯业务数据进行分析，确定热门资讯业务数据；以及根据用户行为数据中的用户活动参与量对活动业务数据进行分析，确定热门活动业务数据。

在本公开的实施例中，目标用户可以包括所有用户，至少根据用户属性数据将热门数据和相似度数据中的至少一者推送给目标用户包括：对热门数据进行分类，至少根据用户属性数据将分类后的热门数据推送给所有用户。

例如，在获取了热门数据后，对热门数据进行分类。例如，热门数据中包括热门事项业务数据、热门资讯业务数据和热门活动业务数据，在获取了所有的热门数据后，根据热门数据所属的类别不同进行分类，获取不同类别的热门数据。接下来根据用户属性将分类后的热门数据推送给目标用户，该目标用户包括所有用户，比如，用户属性包括性别，热门资讯业务具有与男性有关的第一热门资讯业务以及与女性有关的第二热门资讯业务，根据用户属性，将第一热门资讯业务推送给所有男性用户，将所有第二热门资讯业务推送给所有女性用户。

在本公开的实施例中，在确定了要推送的数据后，可以通过服务器向用户的所在的网页、APP、小程序等渠道端系统向用户推送，其中在用户登录之前，可以推送热门数据，用户浏览的界面具有多个数据框，每一个数据框中显示不同的业务数据。例如，具有三个数据框，分别显示热门事项业务数据、热门资讯业务数据以及热门活动业务数据。当热门事项业务数据存在多个时，则可以通过滚动显示的方式在该数据框中进行滚动显示，或者以列表的形式显示等等。

根据本公开的实施例，通过获取源数据中的业务数据、用户行为数据以及用户属性数据，并基于用户行为数据对业务数据进行分析，以确定热门数据和/或相似度数据，并基于用户属性数据向目标用户推送热门数据和/或相似度数据，可以实现精准数据推送，提高推送效率。

图6示意性示出了根据本公开实施例的数据推送装置的结构框图。

如图6所示，本公开实施例的数据推送装置600包括获取模块610、分类模块620、确定模块630以及推送模块640。

获取模块610，配置为获取源数据中的业务数据、用户行为数据和用户属性数据，用户行为数据与业务数据具有对应关系。在一实施例中，获取模块610可以用于执行前文描述的操作S210，在此不再赘述。

分类模块620，配置为对源数据中的业务数据进行分类，生成事项业务数据、资讯业务数据和活动业务数据。分类模块620可以用于执行前文描述的操作S220，在此不再赘述。

确定模块630，配置为根据用户行为数据对业务数据进行分析，确定分别与事项业务数据、资讯业务数据和活动业务数据相对应的热门数据，和/或确定相似度数据。确定模块630可以用于执行前文描述的操作S230，在此不再赘述。

推送模块640，配置为至少根据用户属性数据将热门数据和相似度数据中的至少一者推送给目标用户。推送模块640可以用于执行前文描述的操作S240，在此不再赘述。

例如，获取模块610、分类模块620、确定模块630以及推送模块640中的任意多个模块可以合并在一个模块中实现，或者其中的任意一个模块可以被拆分成多个模块。或者，这些模块中的一个或多个模块的至少部分功能可以与其他模块的至少部分功能相结合，并在一个模块中实现。根据本公开的实施例，获取模块610、分类模块620、确定模块630以及推送模块640中的至少一个可以至少被部分地实现为硬件电路，例如现场可编程门阵列(FPGA)、可编程逻辑阵列(PLA)、片上系统、基板上的系统、封装上的系统、专用集成电路(ASIC)，或可以通过对电路进行集成或封装的任何其他的合理方式等硬件或固件来实现，或以软件、硬件以及固件三种实现方式中任意一种或以其中任意几种的适当组合来实现。或者，获取模块610、分类模块620、确定模块630以及推送模块640中的至少一个可以至少被部分地实现为计算机程序模块，当该计算机程序模块被运行时，可以执行相应的功能。

图7示意性示出了根据本公开实施例的适于实现数据推送方法的电子设备的方框图。图7示出的电子设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图7所示，根据本公开实施例的电子设备700包括处理器701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储部分708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。处理器701例如可以包括通用微处理器(例如CPU)、指令集处理器和/或相关芯片组和/或专用微处理器(例如，专用集成电路(ASIC))等等。处理器701还可以包括用于缓存用途的板载存储器。处理器701可以包括用于执行根据本公开实施例的方法流程的不同动作的单一处理单元或者是多个处理单元。

在RAM 703中，存储有电子设备700操作所需的各种程序和数据。处理器701、ROM702以及RAM 703通过总线704彼此相连。处理器701通过执行ROM 702和/或RAM 703中的程序来执行根据本公开实施例的方法流程的各种操作。需要注意，所述程序也可以存储在除ROM 702和RAM 703以外的一个或多个存储器中。处理器701也可以通过执行存储在所述一个或多个存储器中的程序来执行根据本公开实施例的方法流程的各种操作。

根据本公开的实施例，电子设备700还可以包括输入/输出(I/O)接口705，输入/输出(I/O)接口705也连接至总线704。电子设备700还可以包括连接至I/O接口705的以下部件中的一项或多项：包括键盘、鼠标等的输入部分706；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分707；包括硬盘等的存储部分708；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分709。通信部分709经由诸如因特网的网络执行通信处理。驱动器710也根据需要连接至I/O接口705。可拆卸介质711，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器710上，以便于从其上读出的计算机程序根据需要被安装入存储部分708。

本公开还提供了一种计算机可读存储介质，该计算机可读存储介质可以是上述实施例中描述的设备/装置/系统中所包含的；也可以是单独存在，而未装配入该设备/装置/系统中。上述计算机可读存储介质承载有一个或者多个程序，当上述一个或者多个程序被执行时，实现根据本公开实施例的数据推送方法。

根据本公开的实施例，计算机可读存储介质可以是非易失性的计算机可读存储介质，例如可以包括但不限于：便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。例如，根据本公开的实施例，计算机可读存储介质可以包括上文描述的ROM 702和/或RAM 703和/或ROM 702和RAM 703以外的一个或多个存储器。

本公开的实施例还包括一种计算机程序产品，其包括计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。当计算机程序产品在计算机系统中运行时，该程序代码用于使计算机系统实现本公开实施例所提供的数据推送方法。

在该计算机程序被处理器701执行时执行本公开实施例的系统/装置中限定的上述功能。根据本公开的实施例，上文描述的系统、装置、模块、单元等可以通过计算机程序模块来实现。

在一种实施例中，该计算机程序可以依托于光存储器件、磁存储器件等有形存储介质。在另一种实施例中，该计算机程序也可以在网络介质上以信号的形式进行传输、分发，并通过通信部分709被下载和安装，和/或从可拆卸介质711被安装。该计算机程序包含的程序代码可以用任何适当的网络介质传输，包括但不限于：无线、有线等等，或者上述的任意合适的组合。

在这样的实施例中，该计算机程序可以通过通信部分709从网络上被下载和安装，和/或从可拆卸介质711被安装。在该计算机程序被处理器701执行时，执行本公开实施例的系统中限定的上述功能。根据本公开的实施例，上文描述的系统、设备、装置、模块、单元等可以通过计算机程序模块来实现。

根据本公开的实施例，可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例提供的计算机程序的程序代码，具体地，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程序。程序设计语言包括但不限于诸如Java，C++，python，“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

本领域技术人员可以理解，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合或/或结合，即使这样的组合或结合没有明确记载于本公开中。特别地，在不脱离本公开精神和教导的情况下，本公开的各个实施例和/或权利要求中记载的特征可以进行多种组合和/或结合。所有这些组合和/或结合均落入本公开的范围。

以上对本公开的实施例进行了描述。但是，这些实施例仅仅是为了说明的目的，而并非为了限制本公开的范围。尽管在以上分别描述了各实施例，但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围，本领域技术人员可以做出多种替代和修改，这些替代和修改都应落在本公开的范围之内。

Claims (12)

1.一种数据推送方法，包括：

获取源数据中的业务数据、用户行为数据和用户属性数据，所述用户行为数据与所述业务数据具有对应关系；

对所述源数据中的业务数据进行分类，生成事项业务数据、资讯业务数据和活动业务数据；

根据所述用户行为数据对所述业务数据进行分析，确定分别与所述事项业务数据、资讯业务数据和活动业务数据相对应的热门数据，和/或确定相似度数据；

至少根据所述用户属性数据将所述热门数据和所述相似度数据中的至少一者推送给目标用户。

2.根据权利要求1所述的数据推送方法，所述用户行为数据包括用户操作轨迹，

其中，根据所述用户行为数据对所述业务数据进行分析，确定相似度数据包括：

根据所述用户操作轨迹获取具有重合部分的用户操作轨迹；

根据具有重合部分的用户操作轨迹确定该用户操作轨迹中未重合部分的用户操作轨迹对应的业务数据；

将所述用户操作轨迹中未重合部分的用户操作轨迹对应的业务数据确定为相似度数据。

3.根据权利要求2所述的数据推送方法，还包括：

根据具有重合部分的用户操作轨迹确定相似用户，所述相似用户包括第一相似用户和第二相似用户，所述第一相似用户的用户操作轨迹不包含未重合的用户操作轨迹，所述第二相似用户的用户操作轨迹包含未重合的用户操作轨迹；以及

根据所述具有重合部分的用户操作轨迹和所述相似度数据确定相似用户的用户相似度标签。

4.根据权利要求3所述的数据推送方法，其中，

所述至少根据所述用户属性数据将所述热门数据和所述相似度数据中的至少一者推送给目标用户包括：

根据所述相似度标签确定所述目标用户中的第一相似用户；

根据所述相似用户的用户属性数据将所述热门数据和所述相似度数据中的至少一者推送给第一相似用户。

5.根据权利要求2至4中任一项所述的数据推送方法，其中，所述具有重合部分的用户操作轨迹具有设定重合阈值。

6.根据权利要求1所述的数据推送方法，其中，所述获取源数据中的业务数据、用户行为数据和用户属性数据包括：

通过数据埋点的方式获取源程序中的所述用户行为数据，所述用户行为数据包括用户对所述源程序的用户操作轨迹；以及

通过数据抽取、数据清洗转换、加载至数据仓库的方式获取源程序中的所述业务数据和所述用户属性数据。

7.根据权利要求1所述的数据推送方法，所述用户行为数据包括用户事项办理量、用户点击量、用户活动参与量，

所述热门数据包括热门事项业务数据、热门资讯业务数据和热门活动业务数据；

其中，根据所述用户行为数据对所述业务数据进行分析，确定分别与所述事项业务数据、资讯业务数据和活动业务数据相对应的热门数据包括：

根据所述用户行为数据中的用户事项办理量对所述事项业务数据进行分析，确定热门事项业务数据；

根据所述用户行为数据中的用户点击量对所述资讯业务数据进行分析，确定热门资讯业务数据；以及

根据所述用户行为数据中的用户活动参与量对所述活动业务数据进行分析，确定热门活动业务数据。

8.根据权利要求1所述的数据推送方法，所述目标用户包括所有用户，

所述至少根据所述用户属性数据将所述热门数据和所述相似度数据中的至少一者推送给目标用户包括：

对所述热门数据进行分类，至少根据用户属性数据将分类后的所述热门数据推送给所有用户。

9.一种数据推送装置，包括：

获取模块，配置为获取源数据中的业务数据、用户行为数据和用户属性数据，所述用户行为数据与所述业务数据具有对应关系；

分类模块，配置为对所述源数据中的业务数据进行分类，生成事项业务数据、资讯业务数据和活动业务数据；

确定模块，配置为根据所述用户行为数据对所述业务数据进行分析，确定分别与所述事项业务数据、资讯业务数据和活动业务数据相对应的热门数据，和/或确定相似度数据；

推送模块，配置为至少根据所述用户属性数据将所述热门数据和所述相似度数据中的至少一者推送给目标用户。

10.一种电子设备，包括：

一个或多个处理器；

存储装置，用于存储可执行指令，所述可执行指令在被所述处理器执行时，实现根据权利要求1至8中任一项所述的方法。

11.一种计算机可读存储介质，其上存储有可执行指令，该指令被处理器执行时，实现根据权利要求1至8中任一项所述的方法。

12.一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现根据权利要求1至8中任一项所述的方法。

Images