CN114218482A - 信息推送方法及装置 - Google Patents

Abstract

本申请提供信息推送方法及装置，其中所述信息推送方法包括：基于用户集合中每个用户的属性标签，确定每个用户对应的信息推送策略；根据所述信息推送策略向每个用户推送初始信息列表，并采集推送后的所述初始信息列表中包含的初始信息对应的业务信息；根据所述业务信息确定目标信息集合，并基于所述目标信息集合对所述信息推送策略进行更新。通过分析用户的属性标签，确定用户对应的信息推送策略，结合与待推送信息对应的业务信息，对信息推送策略进行更新，在实现有针对性的为用户推送信息的基础上提高了用户体验，同时也提高了待推送信息的质量。

Description

信息推送方法及装置

技术领域

本申请涉及数据处理技术领域，特别涉及一种信息推送方法。本申请同时涉及一种信息推送装置，一种计算设备，以及一种计算机可读存储介质。

背景技术

随着移动互联网的发展，越来越多的应用程序丰富了人们的生活，同时也为人们的工作，学习和生活带来了便利，在使用应用程序时，通常会为用户推送广告、视频、商品等信息，然而现有技术中在实现为用户推送信息时，并未考虑到所推送的信息是否符合用户的兴趣偏好，往往会导致推送的信息无法触达用户，影响用户体验。

发明内容

有鉴于此，本申请实施例提供了一种信息推送方法。本申请同时涉及一种信息推送装置，一种计算设备，以及一种计算机可读存储介质，以解决现有技术中存在的为用户推送的信息与用户的用户画像相似度较低的问题。

根据本申请实施例的第一方面，提供了一种信息推送方法，包括：

基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略；

根据所述信息推送策略向每个用户推送初始信息列表，并采集推送后的所述初始信息列表中包含的初始信息对应的业务信息；

根据所述业务信息确定目标信息集合，并基于所述目标信息集合对所述信息推送策略进行更新。

根据本申请实施例的第二方面，提供了一种信息推送装置，包括：

确定模块，被配置为基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略；

处理模块，被配置为根据所述信息推送策略向每个用户推送初始信息列表，并采集推送后的所述初始信息列表中包含的初始信息对应的业务信息；

更新模块，被配置为根据所述业务信息确定目标信息集合，并基于所述目标信息集合对所述信息推送策略进行更新。

根据本申请实施例的第三方面，提供了一种计算设备，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指令，所述处理器执行所述计算机指令时实现所述信息推送方法的步骤。

根据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，其存储有计算机指令，该计算机指令被处理器执行时实现所述信息推送方法的步骤。

本申请提供的信息推送方法，实现了有针对性的为用户推送信息，先基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略，再根据确定的信息推送策略向每个用户推送初始信息列表，并采集推送后的初始信息列表中包含的初始信息对应的业务信息，最后根据采集到的业务信息确定目标信息集合，并基于目标信息集合对信息推送策略进行更新。通过分析用户的属性标签，确定用户对应的信息推送策略，结合与待推送信息对应的业务信息，对信息推送策略进行更新，从而实现在有针对性的为用户推送信息的基础上提高待推送信息的质量，同时也提高了用户体验。

附图说明

图1是本申请一实施例提供的一种信息推送方法的流程图；

图2是本申请一实施例提供的一种信息推送方法的示意图；

图3是本申请一实施例提供的另一种信息推送方法的示意图；

图4是本申请一实施例提供的一种应用于视频应用程序中广告推荐的信息推送方法的处理流程图；

图5是本申请一实施例提供的一种信息推送装置的结构示意图；

图6是本申请一实施例提供的一种计算设备的结构框图。

具体实施方式

在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是本申请能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本申请内涵的情况下做类似推广，因此本申请不受下面公开的具体实施的限制。

在本申请一个或多个实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本申请一个或多个实施例。在本申请一个或多个实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本申请一个或多个实施例中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本申请一个或多个实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本申请一个或多个实施例范围的情况下，第一也可以被称为第二，类似地，第二也可以被称为第一。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

首先，对本申请一个或多个实施例涉及的名词术语进行解释。

ECPM(effective cost per mille)：广告信息每一千次展示可以获得的广告收入。

CTR(Click-Through-Rate)：点击通过率，指网络广告(图片广告/文字广告/关键词广告/排名广告/视频广告等)的点击到达率，即该广告的实际点击次数除以广告的展现量。

瀑布流：广告分层，是目前主要的广告分配方式，它的基本流程是用户请求广告，广告平台A提供展示，若A不提供则将请求抓到广告平台B，以此类推。

广告归因：一般指多屏或多渠道的情况下，产生的广告转化收入的归属分配。

在本申请中，提供了一种信息推送方法，本申请同时涉及一种信息推送装置，一种计算设备，以及一种计算机可读存储介质，在下面的实施例中逐一进行详细说明。

图1示出了根据本申请一实施例提供的一种信息推送方法的流程图，具体包括以下步骤：

步骤S102，基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略。

具体的，用户画像是指对用户的性别年龄等基础信息、用户的兴趣爱好、浏览记录和行为数据进行分析汇总后，得到的表征用户对业务兴趣度的表达，即将用户的每个具体信息抽象成标签，利用这些标签将用户形象具体化；抽象出了用户信息的全貌，能够代表用户的整体特征。信息推送策略是指将信息实时送达到目标对象的方法，实现针对具有不同属性特征的对象，推送不同的符合对象属性特征的信息。

具体实施时，向用户推送的信息包括但不限于广告、视频、商品、应用程序连接等内容，本实施例以推送广告为例进行说明，其他推送信息的场景均可参见本实施例中相同或相应的描述内容，在此不作过多赘述。

基于此，在为用户推送信息时，为了提高被推送的信息与用户特征的关联性，需要先确定用户的用户画像。在为用户绘制用户画像时，为了提高用户画像的准确性，需要对用户多方面的特征信息进行综合分析。确定用户集合中每个用户的用户画像，根据每个用户的用户画像分别为每个用户制定对应的信息推送策略，从而实现有针对性的为不同的用户推送信息。

进一步的，由于用户集合中用户的数量较多，考虑到用户兴趣爱好的多样性，为了使用户画像与用户的匹配度尽可能的高，则需要从多个维度对用户的特征信息进行分析，再汇总用户多个维度的特征信息，得出与用户对应的用户画像，其中，任意一个用户的用户画像的构建过程如下所述：

获取用户的基础属性信息、历史行为信息和历史访问信息；基于所述基础属性信息确定基础信息标签，基于所述历史行为信息确定兴趣信息标签，基于所述历史访问信息确定访问信息分值；根据基础信息标签、兴趣信息标签和访问信息分值构建用户对应的所述用户画像。

具体的，基础属性信息是指用户的个人信息，包括用户的性别、年龄、所在地区、学校、职业等；基础信息标签是指对用户的基础属性信息进行分析后为用户分配的标签，用来表征用户基础信息的属性特征；历史行为信息是指能够反映用户兴趣爱好，行为习惯的信息，包括但不限于用户的浏览记录，浏览时间，搜索记录，购买记录等；兴趣信息标签是指对用户的历史行为信息进行分析后为用户分配的标签，用来表征用户历史行为的特征；历史访问信息是指用户对于系统推送的信息的访问行为，包括针对系统推送的信息的观看时长、点击次数、关闭次数、举报次数等；访问信息分值是指对用户的历史访问信息进行分析计算后得出的，用户对系统推送的信息的喜爱值。

基于此，在确定用户集合中各个用户对应的用户画像时，先获取用户对应的基础属性信息、历史行为信息和历史访问信息，分别对获取到的基础属性信息、历史行为信息和历史访问信息进行分析，得到与用户的基础属性信息对应的基础信息标签，与历史行为信息对应的兴趣信息标签，以及与用户历史访问信息对应的访问信息分值。

综上所述，通过从用户的基础属性信息、历史行为信息和历史访问信息这三方面对用户进行分析，从而确定用户的用户画像，提高了用户画像与用户之间的匹配度，提高了后续基于用户画像为用户推送信息的准确性。

进一步的，在对用户的历史行为信息进行分析时，对于具有不同兴趣爱好的用户历史行为，需要分别对用户的历史行为进行仔细分析，先对用户的历史行为信息按照类别划分信息集，再对各类别信息集中所包含的信息进行统计，从而确定用户对不同的信息集的感兴趣程度，根据用户对不同信息集的感兴趣程度为用户分配兴趣信息标签，具体实现如下：

对所述历史行为信息进行分类，获得对应各个类别标签的信息集；根据所述信息集及其对应的类别标签确定各个类别标签的兴趣分值；根据各个类别标签的兴趣分值创建类别标签列表，并在所述类别标签列表中选择所述兴趣信息标签。

具体的，信息集是指与历史行为信息对应的信息集合，每个信息集中包含的信息都属于同一类别；类别标签是指与信息集对应的，能够代表信息集中包含的信息的种类的标签，例如，在视频应用程序使用场景下，信息集可以是游戏类视频信息集、摄影类视频信息集、美妆类视频信息集等；兴趣分值是指与每个类别标签对应的参考值，其具体的计算方法是，根据某类信息集中的信息在用户历史行为信息中所占的比例，通过加权计算得到的；标签列表是指存储类别标签的列表，列表中的标签按照其对应的兴趣分值高低进行排序。

基于此，在对用户的历史行为信息进行分析时，考虑到用户历史行为信息的多样性，先按照获取到的用户历史行为信息的类别标签对其进行分类，将用户历史行为信息划分为多个种类，每个类别标签对应的历史行为信息作为一个信息集，再根据多个信息集及其对应的类别标签为每个类别标签确定兴趣分值，在确定了每个类别标签的兴趣分值后，基于每个类别标签的兴趣分值按照兴趣分值的从高到底的顺序对类别标签进行排序，生成类别标签列表，在类别标签列表中选择设定数量的类别标签作为用户的兴趣信息标签。

举例说明，在为用户推送广告信息前，为了实现推送的广告信息符合用户的兴趣或满足用户的需求，需要先根据用户多维度的信息确定用户的用户画像，再根据用户画像制定广告信息推送策略，从而实现在保持广告信息的收入的同时提高用户的体验，在确定用户的用户画像时，分别从用户的基础属性信息、历史行为信息和历史访问信息这三个维度进行分析。先分析用户的基础属性信息，通常基础属性信息是由用户填写的，在用户启动应用程序，并同意用户隐私协议后，系统会自动获取用户的性别、年龄、地区、职业等基础属性信息，例如：用户A、女、23岁、山东，用户B、男、19岁、吉林。则用户A的基础信息标签为：女、20-25岁、华东，用户B的基础信息标签为男、15-20岁、东北。

对用户使用应用程序期间的历史行为信息进行获取，对获取到的历史行为信息进行脱敏，过滤掉用户使用的设备的ID等敏感信息，再对用户的历史行为信息进行分析，用户A的历史观看记录有15条，对这15条历史观看记录进行分类，其中游戏类观看记录有7条，摄影类观看记录有5条，影视类观看记录有3条，对这三类观看记录集合进行加权计算，游戏、摄影、影视的权重分别为0.5、0.2、0.1，则计算出用户A对游戏类标签的兴趣分是0.5*7，即3.5，用户A对摄影类标签的兴趣分是1，用户A对影视类标签的兴趣分是0.3，则对这三类观看记录标签对应的兴趣分从高到底进行排序依次为游戏、摄影、影视，选择排在前两位的标签作为用户A的兴趣标签，采用上述计算方法对用户B进行计算，得到用户B的兴趣标签为学习和影视。

对用户针对广告信息的历史访问情况进行分析时，获取用户针对多个广告信息的观看时长，点击次数，关闭次数等信息，通过分析得出，游戏类广告展示了10次，学习类广告展示了6次，摄影类广告展示了8次，用户A点击了游戏类广告5次，观看完整的游戏类广告5次，关闭了学习类广告4次，观看完整的学习类广告2次，点击了摄影类广告4次，观看完整的摄影类广告3次，关闭了摄影类广告1次，分别为观看、点击、关闭这三种操作设置权值0.4、0.5、0.2，计算出用户A对游戏类广告的喜爱值为5*0.4+5*0.5，即4.5，用户A对学习类广告的喜爱值为4*0.2+2*0.4，即0.16，用户A对摄影类广告的喜爱值为4*0.5+3*0.4+1*0.2，即3.4。采用上述计算方法对用户B对游戏类广告、学习类广告、摄影类广告的喜爱值，得到用户B对游戏类广告的喜爱值为0.3，对学习类广告的喜爱值为3.6，对摄影类广告的喜爱值为1.2。

如图2所示，对每个用户的用户基础信息、用户兴趣以及对用户针对广告的广告行为记录通过对数据做权重计算生成每个用户的用户画像，即用户A女、20-25岁、华东，兴趣标签为游戏和摄影，对游戏类广告的喜爱值为4.5，对学习类广告的喜爱值为0.16，对摄影类广告的喜爱值为3.4；为用户A对应的基础信息分配初始特征值x，权重0.3，为用户A对应的用户兴趣分配初始特征值y，权重0.4，为用户A对应的针对广告的行为记录分配初始特征值z，权重0.3,分别将初始特征值及其对应的权重相乘，得到用户A对应的用户画像。用户B男、15-20岁、东北，兴趣标签为学习和影视，对游戏类广告的喜爱值为0.3，对学习类广告的喜爱值为3.6，对摄影类广告的喜爱值为1.2。为用户B对应的基础信息分配初始特征值j，权重0.3，为用户A对应的用户兴趣分配初始特征值k，权重0.4，为用户A对应的针对广告的行为记录分配初始特征值l，权重0.3，分别将初始特征值及其对应的权重相乘，得到用户B对应的用户画像,根据得到的用户画像，分别为用户A和用户B制定广告信息推送策略，由于用户A对学习类广告的喜爱值明显低于游戏类广告的喜爱值，因此减少学习类广告信息的推荐次数为5次，增加游戏类广告信息的推荐次数到11次，采用相同的方法为用户B制定广告信息推荐策略。

综上所述，在确定用户的用户画像时，通过综合分析用户的基础信息，历史观看记录，以及针对不同的广告信息的访问信息，从而得出较为准确的用户画像，实现为用户推送与用户关联度较高的广告信息，在保证广告信息收入的同时提高用户体验。

进一步的，在确定用户集合中每个用户对应的用户画像之前先对待推送信息进行收集和处理，由于不同来源的待推送信息的类别也各不相同，因此需要先获取待推送信息，再根据待推送信息的来源和类别对获取到的所有待推荐信息进行分类，生成多个类别的待推送信息集合，再根据每个类别的待推送信息集合与用户对应的用户画像之间的关联度确定与每个用户对应的信息推送策略，具体实现如下：

接收待推送信息，并基于所述待推送信息生成待推送信息集合；提取所述待推送信息集合中，每个待推送信息对应的关键信息；基于所述关键信息为每个待推送信息分配信息分类标签，基于携带信息分类标签的待推送信息创建初始信息集合；相应的，所述基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略，包括：计算每个用户的用户画像与所述初始信息集合中包含的待推送信息携带的信息分类标签的关联度；根据所述关联度确定与每个用户对应的信息推送策略。

具体的，待推送信息是指将要推送给用户的广告信息、商品信息、应用程序链接等信息；待推送信息集合是指由多条待推送信息组成的信息集合；关键信息是指与待推送信息对应的，能够代表待推送信息特征的词或语句；信息分类标签是指与每条待推送信息的类别对应的特征标签；初始信息集合是指由待推送信息及其对应的信息分类标签组成的信息集合；关联度是指事物之间的相关联程度，在本实施例中是指用户画像与信息分类标签之间的相关联程度。

基于此，在确定用户画像之前，先获取待推送信息，基于获取到的待推送信息生成待推送信息集合，对待推送信息集合中每条待推送信息进行分析，提取出每条待推送信息对应的关键信息，基于每条待推送信息对应的关键信息为待推送信息分配信息分类标签，基于待推送信息及其对应的信息分类标签创建初始信息集合。在确定了用户画像后，即可基于初始信息集合对用户画像进行分析，确定每个用户对应的用户画像初始信息集合中每个信息分类标签之间的关联度，基于关联度即可为确定每个用户对应的信息推送策略。

综上所述，通过先对待推送信息按照与其对应的标签进行分类和汇总，实现了待推送信息的规范化，后续即可根据每个待推送信息的标签确定与用户画像关联度较高的待推送信息集合，从而实现有针对性的为用户推送信息，提高了用户体验。

进一步的，在确定了每个用户对应的信息推送策略后，即可根据已经确定的信息推送策略在初始信息集合中筛选与每个用户匹配的初始信息，将筛选出的初始信息组成与用户对应的初始信息列表，并为用户推送这个初始信息列表中的初始信息，具体实现如下:

根据所述信息推送策略，在所述初始信息集合中筛选与每个用户匹配的初始信息；基于所述信息推送策略和每个用户匹配的初始信息，创建每个用户对应的初始信息列表并推送。

具体的，初始信息列表是由多条初始信息组成的序列，初始信息是指从初始信息集合中筛选出的与用户画像关联度较高的待推送信息。

基于此，在确定了每个用户对应的信息推送策略后，即可根据信息推送策略在初始信息集合中筛选与每个用户相匹配的初始信息，以信息推送策略为基础，将筛选出的初始信息统一放在一个列表中，组成初始信息列表，在合适的时间节点将这个初始信息列表中的初始信息推送给用户。

沿用上例，如图3所示，在确定每个用户对应的用户画像之前，先实现对广告信息的集成，将来自广告服务商A、广告服务商B、广告服务商C等多个广告服务商的多个种类和类型的广告组成广告信息集合，由广告服务端下发到用户的手机端，其中广告信息可以来自多家广告商，广告信息的类别可以包含游戏、美妆、摄影、学习、育儿、影视等，广告的类型可以是实体商品推荐、应用程序推荐、影视资源推荐等，对广告信息集合中不同种类，不同类型的广告信息进行信息提取，提取出关键信息，并基于关键信息为广告信息集合中的广告信息进行分类，由游戏类的广告信息组成游戏广告信息集合，美妆类的广告信息组成美妆广告信息集合，以此类推，创建多个类别的广告信息集合，并确定各类广告信息集合的类别标签，如游戏、美妆、美食等。

基于用户A对应的用户画像，计算用户A与各个类别标签之间的关联度，如用户A女、20-25岁、华东，兴趣标签为游戏和摄影，对游戏类广告的喜爱值为4.5，对学习类广告的喜爱值为0.16，对摄影类广告的喜爱值为3.4；经过分析可知，用户A喜爱值较高的是游戏类广告，其次为摄影类广告，喜爱值较低的是学习类广告，则在多个类别的广告信息集合中进行筛选，优先选择4条游戏类广告信息，选择3条摄影类广告信息和1条学习类广告信息，由于用户A为女性，则再选择1条美妆类广告信息，由选择的广告信息组成将要推送给用户A的广告信息列表。

此外，在组成广告信息列表时，可以对广告信息列表中的广告信息进行排序，将5条游戏类广告、3条摄影类广告等广告信息分散排列，组成游戏1、摄影1、学习1、游戏2、摄影2、游戏3、美妆1、摄影3、游戏4的广告信息列表，在满足广告信息推送条件时，为用户推送广告信息，其中广告信息推送条件包括，到达固定的广告信息推送时间点，即，当用户A观看视频时，在视频开始播放前先推送游戏1、摄影1这两个广告信息，当用户A观看视频的时长达到十分钟后推送学习1这个广告信息，用户继续观看视频，达到十分钟后，再继续推送游戏2这个广告信息，从而在考虑到用户兴趣的基础上实现广告信息的有序推送，既能达到广告信息推送的目的还能提高用户的体验。

综上所述，通过分析信息推送策略，实现根据信息推送策略在初始信息集合中筛选初始信息并推送给药后，从而实现有针对性的为用户推送信息，提高了用户体验。

步骤S104，根据所述信息推送策略向每个用户推送初始信息列表，并采集推送后的所述初始信息列表中包含的初始信息对应的业务信息。

具体的，在上述根据用户画像确定了每个用户对应的信息推送策略之后，即可根据已经确定的信息推送策略确定将要推送给用户的初始信息列表，并基于初始信息列表中的初始信息确定与每条初始信息对应的业务信息，其中，初始信息列表是指由多条初始信息组成的序列，业务信息是指与初始信息对应的，初始信息推送给用户后，用户对初始信息的点击通过率，以及与初始信息对应的价值信息。

基于此，在根据用户集合中的每个用户的用户画像确定了针对每个用户的信息推送策略后，即可根据信息推送策略筛选待推送信息，组成初始信息列表，并将初始信息列表中的每条初始信息分别在合适的时间节点推送给用户，继续采集用户对已经推送的初始信息的业务信息，以便于后续对业务信息进行分析，从而得知用户对初始信息的访问情况，实现对初始信息列表中的初始信息进行调整和更新。

进一步的，在将初始信息列表推送给用户后，继续采集用户针对推送的初始信息的业务信息，从而分析出用户对系统推送的初始信息的访问情况，包括是否点击了系统推送的初始信息，是否观看了系统推送的初始信息等，对业务信息的确定，具体实现如下：

在预设的时间节点，采集初始信息列表中包含的各个初始信息的访问数据；基于所述访问数据以及与各个初始信息对应的资源数据确定各个初始信息对应的业务信息。

具体的，时间节点是指一个具体的时间数值，以天为时间周期时，一天之内的24个小时中任何一个时刻都可以作为一个时间节点，或者以周、月、年为周期，任意一个时刻都可以作为一个时间节点；访问数据是指用户针对初始信息的点击通过率；资源数据是指在初始信息推送给用户后，基于用户对初始信息的点击率计算得出的初始信息的价值。

基于此，在将初始信息列表中的初始信息推送给用户后，在预设的时间节点采集初始信息列表中用户对每条初始信息的访问数据，基于用户对每条初始信息的访问数据获得每条初始信息对应的资源数据，再基于每条初始信息对应的访问数据和资源数据确定与每条初始信息对应的业务信息，以便于后续基于确定的业务信息，实现对信息推送策略的调整和更新。

沿用上例，在基于用户A对应的用户画像，确定了针对用户A的广告信息推送策略后，将基于广告信息推送策略确定的，广告信息列表中的广告信息按照预先确定的时间间隔分别推送给用户，在到达固定的时间节点时，即每天上午八点整，对已经推送给用户的广告信息对应的用户给出的反馈信息进行统计和分析，其中反馈信息包括用户针对推送的广告信息的点击次数，关闭次数，基于用户对广告信息的点击次数和关闭次数计算出每条广告信息的点击通过率，再计算出每条初始信息对应ECPM值，由每条初始信息对应的点击通过率和ECPM值组成了这条初始信息的业务信息，针对为用户推送的广告信息，用户点击了游戏类广告50次，观看完整的游戏类广告50次，点击了学习类广告20次，关闭了学习类广告40次，观看完整的学习类广告40次，点击了摄影类广告80次，观看完整的摄影类广告10次，关闭了摄影类广告10次，则用户对游戏类广告的点击到达率为0.5，ECPM值为1000，对学习类广告的点击到达率为0.2，ECPM值为300，对摄影类广告的点击通过率为0.8，ECPM值为2000。

综上所述，通过在预设的时间节点采集初始信息列表中，每个初始信息对应的访问数据和资源数据，并对其进行分析，从而判断已经推送给用户的初始信息的业务信息，从而对用户的信息推送策略进行调整，使推送给用户的初始信息与用户的关联度进一步提高，同时也提高了用户体验。

步骤S106，根据所述业务信息确定目标信息集合，并基于所述目标信息集合对所述信息推送策略进行更新。

具体的，在上述通过采集已经推送给用户的初始信息对应的业务信息并分析后，为了进一步提高用户画像与推送策略之间的关联度，从而在提高初始信息的价值的同时提高用户体验，还需要对初始信息对应的业务信息进行分析，基于分析结果更新初始信息集合，其中目标信息集合是指对初始信息集合进行更新后获得的信息集合。

基于此，在基于信息推送策略为用户推送了初始信息列表后，对已经推送给用户的初始信息对应的业务信息进行采集和分析，根据分析结果确定与用户画像匹配的目标信息集合，再基于目标信息集合对信息推送策略进行更新，以便于后续基于更新后的，与用户画像关联度较高的信息推送策略确定将要推送给用户的信息列表。

进一步的，在基于业务信息确定目标信息集合时，由于不同的初始信息对应的业务信息也不相同，所以需要基于初始信息对应的业务信息，综合分析用户感兴趣的初始信息，从而对初始信息的排列顺序进行调整和更新，基于更新结果确定目标信息集合，具体实现如下：

确定所述初始信息集合中包含的初始信息的排列顺序；按照所述业务信息对所述初始信息集合中包含的初始信息的排列顺序进行更新，获得目标信息集合。

具体的，初始信息的排列顺序是基于初始信息集合中，不同种类的初始信息对应的业务信息决定的，对于点击通过率较高或ECPM值较高的初始信息对应信息类别，将会调整此类别的信息在初始信息集合中的排列顺序，排列顺序靠前的初始信息将会优先推送给用户。

基于此，在确定了推送给用户的初始信息对应的业务信息后，再确定初始信息集合中包含的初始信息的排列顺序，基于业务信息对初始信息集合中包含的初始信息的排列顺序进行调整和更新，获得更新后的初始信息集合，即，目标信息集合，以便于后续基于目标信息集合对用户的信息推送策略进行更新。

沿用上例，在确定了用户对推送的各类广告信息的业务信息后，即，用户对游戏类广告的点击到达率为0.5，ECPM值为1000，对学习类广告的点击到达率为0.2，ECPM值为800，对摄影类广告的点击通过率为0.8，ECPM值为2000，经过分析可知，用户对学习类广告的点击率以及ECPM值相较于游戏类广告和摄影类广告的点击率和ECPM值较低，用户对摄影类广告的点击率以及ECPM值较高，则将广告信息集合中广告信息类别的排序由游戏、学习、摄影，调整为摄影、游戏、学习，并对信息推送策略进行更新，即适当提高摄影类广告信息在推送给用户的广告信息列表中的比例，适当降低学习类广告信息在推送给用户的广告信息列表中的比例。

此外，还可以预设固定的时间节点，统计一个时间周期中广告信息价格趋势，绘制成折线图，对于呈下降趋势的广告信息，用呈上升趋势的广告信息替换，从而实现对信息推送策略的调整。

综上所述，通过在预设的时间节点统计广告信息的点击通过率以及广告信息的ECPM值，达到对广告信息的价值进行监控目的，通过综合分析用户针对广告信息的行为，对信息推送策略进行适当的调整，实现在保持广告信息的价值的同时提高用户体验。

进一步的，在基于目标信息集合对信息推送策略进行更新后，由于信息推送策略更新了，则代表初始信息列表中的初始信息需要调整，此时即可基于更新后的信息推送策略在目标信息集合中选择与信息推送策略对应的目标信息，组成目标信息列表，再推送给对应的用户，具体实现如下：

基于更新后的信息推送策略在所述目标信息集合中筛选目标信息组成所述目标信息列表；向更新后的信息推送策略对应的用户推送所述目标信息列表中包含的目标信息。

具体的，目标信息是指基于更新后的信息推送策略在目标信息集合中确定的待推送信息；目标信息列表是指从目标信息集合中选择的目标信息组成的目标信息序列。

基于此，在基于目标信息集合对信息推送策略进行更新后，即可根据更新后的信息推送策略在目标信息集合中筛选将要推送给用户的目标信息，由多条目标信息组成目标信息列表，其中目标信息列表中的目标信息按照一定的顺序进行排列，确定了目标信息列表后，即可将目标信息列表中的目标信息推送给对应的用户。

综上所述，基于初始信息对应的业务信息对初始信息进行分析，从而实现对信息推送策略的更新，再基于更新后的信息推送策略为用户推送信息，实现了在用户的偏好发生变化时，也能及时调整信息推送策略。

进一步的，在将目标信息列表中的目标信息推送给用户后，还需要计算每个类别的目标信息推送给用户的次数，对于价值较高但是用户喜爱值较低的目标信息，限定推送次数，因此可以基于预设的推送阈值对目标信息列表中包含的目标信息对应的推送数值进行比较，从而实现再次对目标信息列表进行更新，具体实现如下：

将所述目标信息列表中包含的目标信息的推送数值与推送阈值进行比较；筛选所述目标信息列表中推送数值小于所述推送阈值的目标信息生成目标信息推送列表；向更新后的信息推送策略对应的用户推送所述目标信息推送列表中包含的目标信息。

具体的，推送数值是指对于同一类别的目标信息，在预设的时间周期内推送给用户的频次；推送阈值是针对推送数值和用户画像预设的，同一类别的目标信息，在预设的时间周期内推送给用户的最高频次。

基于此，在基于更新后的信息推送策略为用户推送了目标信息列表中包含的目标信息后，再对目标信息列表中包含的目标信息的推送数值进行统计，计算出每个类别的目标信息的推送数值，再分别与其对应的推送阈值进行比较，将推送数值小于推送阈值的目标信息筛选出来，组成目标信息推送列表，再将目标信息推送列表中包含的目标信息推送给与其对应的用户。

沿用上例，在对信息推送策略进行更新后，基于更新后的信息推送策略，即，广告信息集合中广告信息类别的排序摄影、游戏、学习，在摄影类广告集合中选择10条广告信息、游戏类广告集合中选择6条广告信息、学习类广告集合中选择3条广告信息，组成广告信息列表，分被在多个预设的时间节点将广告信息列表中的广告信息推送给用户。在将广告信息列表中的广告信息推送给用户后，计算广告信息列表中包含的每个类别的广告信息是否超过了预设的推送阈值，若超过了推送阈值，则对应类别的广告信息将不再出现在下一广告信息推送列表中。学习类广告信息的推送阈值为10，经过对学习类广告信息的推送情况进行统计，得到学习类广告信息的推送数值为10，则不再为用户推送学习类广告信息。对于推送阈值，可以基于用户的偏好和广告信息的价值综合设定，当美妆类广告信息的价值较高，但是用户的偏好程度较低时，则将美妆类广告信息的推送阈值设定一个较小的数值，推送次数达到这个数值后，将不再为用户推送，改为推送其它类别的广告信息。

综上所述，通过先基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略，再根据确定的信息推送策略向每个用户推送初始信息列表，并采集推送后的初始信息列表中包含的初始信息对应的业务信息，最后根据采集到的业务信息确定目标信息集合，并基于目标信息集合对信息推送策略进行更新。通过分析用户的属性标签，确定用户对应的信息推送策略，结合与待推送信息对应的业务信息，对信息推送策略进行更新，从而实现在有针对性的为用户推送信息的基础上提高待推送信息的质量，同时也提高了用户体验。

下述结合附图4以本申请提供的信息推送方法在视频应用程序中广告推荐的应用为例，对所述信息推送方法进行进一步说明。其中，图4示出了本申请一实施例提供的一种应用于视频应用程序中广告推荐的信息推送方法的处理流程图，具体包括以下步骤：

步骤S402，获取并分析广告信息，为广告信息分配广告标签，生成广告信息集合。

从多个渠道获取多家广告提供者提供的广告信息，通过分析每个广告信息的标题，广告内容等信息为每个广告数据分配广告标签，根据广告标签生成广告信息集合，将广告标签为“游戏”的广告信息存储到游戏类广告信息集合中，将广告标签为“科技”的广告信息存储到科技类广告信息集合中，采用此信息集合划分方法将获取到的所有广告信息进行集合划分，在划分集合时，标注出每个广告信息对应的广告提供者，将多个类别的广告信息集合下发至广告SDK，用于在广告SDK启动后为用户推送广告信息。

步骤S404，获取用户个人信息，基于用户个人信息确定用户个人信息标签。

在用户启动应用程序时，根据用户针对用户隐私协议的授权情况，以及用户对个人信息的完善情况收集用户的性别、年龄、地区、职业等个人信息，根据收集到的用户个人信息为对应的用户分配个人信息标签。

步骤S406，获取用户访问信息，基于用户访问信息确定用户访问标签。

根据用户的访问记录，分析访问记录中每条访问记录对应的关键词，访问记录包括但不限于用的观看记录、搜索记录、分享记录，根据提取到的每条访问记录中的关键词，为每条访问记录分配一个类别标签，作为用户针对该访问记录的访问标签。

步骤S408，获取用户行为信息，基于用户行为信息确定用户行为分值。

在用户使用视频应用程序时，针对推送的不同类别的广告信息，存在不同的应对行为，包括但不限于关闭、点击并查看、查看、举报等行为，针对用户点击率较高的广告信息，则可以认定为用户对推送的这类广告信息较为感兴趣，针对用户关闭次数较多的广告信息，则可以认定为用户兴趣度较低，记录用户对不同种类的广告信息的兴趣度，将兴趣度作为用户针对不同种类的广告信息的行为分值。

步骤S410，基于用户个人信息标签、用户访问标签，用户行为分值生成用户特征信息。

分别为用户个人信息标签、用户访问标签，用户行为分值设置一个初始特征值，在对用户的用户个人信息标签、用户访问标签，用户行为分值进行加权计算，得到与每个用户对应的用户特征信息。

步骤S412，基于用户特征信息在广告信息集合中筛选待推送广告信息，生成待推送广告信息集合。

基于计算得到的用户特征信息在多个类别的广告信息集合筛选与用户特征信息的相似度较高的广告信息，作为待推送广告信息，由筛选出的多个待推送广告信息组成待推送广告信息集合。

步骤S414，将待推送广告信息集合推送给用户。

当推送事件被触发时，将待推送广告信息集合中的一个待推送广告信息推送给用户，每次推送事件被触发时都将待推送广告信息集合中的一个待推送广告信息推送给用户。

步骤S416，基于待推送广告信息集合，统计待推送广告信息的业务信息。

设置一个时间节点，实现间隔固定的时间对待推送广告信息集合中，已经推送给用户的待推送广告信息对应的业务信息进行统计。

步骤S418，根据业务信息对待推送广告信息集合进行更新，并推送给用户。

通过统计业务信息，判断用户对已经推送的待推送广告信息的喜爱程度，根据用户对每个类别的待推送广告信息的喜爱程度，对待推送广告信息集合进行更新，减少待推送广告信息集合中，用户喜爱程度较低的广告信息，并适当增加用户喜爱程度较高的广告信息，生成新的待推送广告信息集合，并将待推送广告信息集合终的待推送广告信息在推送事件被触发时推送给用户。

本申请提供的信息推送方法，实现了有针对性的为用户推送信息，先基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略，再根据确定的信息推送策略向每个用户推送初始信息列表，并采集推送后的初始信息列表中包含的初始信息对应的业务信息，最后根据采集到的业务信息确定目标信息集合，并基于目标信息集合对信息推送策略进行更新。通过分析用户的属性标签，确定用户对应的信息推送策略，结合与待推送信息对应的业务信息，对信息推送策略进行更新，从而实现在有针对性的为用户推送信息的基础上提高待推送信息的质量，同时也提高了用户体验。

与上述方法实施例相对应，本申请还提供了信息推送装置实施例，图5示出了本申请一实施例提供的一种信息推送装置的结构示意图。如图5所示，该装置包括：

确定模块502，被配置为基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略；

处理模块504，被配置为根据所述信息推送策略向每个用户推送初始信息列表，并采集推送后的所述初始信息列表中包含的初始信息对应的业务信息；

更新模块506，被配置为根据所述业务信息确定目标信息集合，并基于所述目标信息集合对所述信息推送策略进行更新。

一个可选的实施例中，所述确定模块502，进一步被配置为获取用户的基础属性信息、历史行为信息和历史访问信息；基于所述基础属性信息确定基础信息标签，基于所述历史行为信息确定兴趣信息标签，基于所述历史访问信息确定访问信息分值；根据基础信息标签、兴趣信息标签和访问信息分值构建用户对应的所述用户画像。

一个可选的实施例中，所述确定模块502，进一步被配置为对所述历史行为信息进行分类，获得对应各个类别标签的信息集；根据所述信息集及其对应的类别标签确定各个类别标签的兴趣分值；根据各个类别标签的兴趣分值创建类别标签列表，并在所述类别标签列表中选择所述兴趣信息标签。

一个可选的实施例中，所述确定模块502，还被配置为接收待推送信息，并基于所述待推送信息生成待推送信息集合；提取所述待推送信息集合中，每个待推送信息对应的关键信息；基于所述关键信息为每个待推送信息分配信息分类标签，基于携带信息分类标签的待推送信息创建初始信息集合；相应的，所述基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略，包括：计算每个用户的用户画像与所述初始信息集合中包含的待推送信息携带的信息分类标签的关联度；根据所述关联度确定与每个用户对应的信息推送策略。

一个可选的实施例中，所述确定模块502，进一步被配置为根据所述信息推送策略，在所述初始信息集合中筛选与每个用户匹配的初始信息；基于所述信息推送策略和每个用户匹配的初始信息，创建每个用户对应的初始信息列表并推送。

一个可选的实施例中，所述确定模块502，进一步被配置为确定所述初始信息集合中包含的初始信息的排列顺序；按照所述业务信息对所述初始信息集合中包含的初始信息的排列顺序进行更新，获得目标信息集合。

一个可选的实施例中，所述处理模块504，进一步被配置为在预设的时间节点，采集初始信息列表中包含的各个初始信息的访问数据；基于所述访问数据以及与各个初始信息对应的资源数据确定各个初始信息对应的业务信息。

一个可选的实施例中，所述更新模块506，还被配置为基于更新后的信息推送策略在所述目标信息集合中筛选目标信息组成所述目标信息列表；向更新后的信息推送策略对应的用户推送所述目标信息列表中包含的目标信息。

一个可选的实施例中，所述更新模块506，还被配置为将所述目标信息列表中包含的目标信息的推送数值与推送阈值进行比较；筛选所述目标信息列表中推送数值小于所述推送阈值的目标信息生成目标信息推送列表；向更新后的信息推送策略对应的用户推送所述目标信息推送列表中包含的目标信息。

本申请提供的信息推送方法，实现了有针对性的为用户推送信息，先基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略，再根据确定的信息推送策略向每个用户推送初始信息列表，并采集推送后的初始信息列表中包含的初始信息对应的业务信息，最后根据采集到的业务信息确定目标信息集合，并基于目标信息集合对信息推送策略进行更新。通过分析用户的属性标签，确定用户对应的信息推送策略，结合与待推送信息对应的业务信息，对信息推送策略进行更新，从而实现在有针对性的为用户推送信息的基础上提高待推送信息的质量，同时也提高了用户体验。

上述为本实施例的一种信息推送装置的示意性方案。需要说明的是，该信息推送装置的技术方案与上述的信息推送方法的技术方案属于同一构思，信息推送装置的技术方案未详细描述的细节内容，均可以参见上述信息推送方法的技术方案的描述。

图6示出了根据本申请一实施例提供的一种计算设备600的结构框图。该计算设备600的部件包括但不限于存储器610和处理器620。处理器620与存储器610通过总线630相连接，数据库650用于保存数据。

计算设备600还包括接入设备640，接入设备640使得计算设备600能够经由一个或多个网络660通信。这些网络的示例包括公用交换电话网(PSTN)、局域网(LAN)、广域网(WAN)、个域网(PAN)或诸如因特网的通信网络的组合。接入设备640可以包括有线或无线的任何类型的网络接口(例如，网络接口卡(NIC))中的一个或多个，诸如IEEE802.11无线局域网(WLAN)无线接口、全球微波互联接入(Wi-MAX)接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、蓝牙接口、近场通信(NFC)接口，等等。

在本申请的一个实施例中，计算设备600的上述部件以及图6中未示出的其他部件也可以彼此相连接，例如通过总线。应当理解，图6所示的计算设备结构框图仅仅是出于示例的目的，而不是对本申请范围的限制。本领域技术人员可以根据需要，增添或替换其他部件。

计算设备600可以是任何类型的静止或移动计算设备，包括移动计算机或移动计算设备(例如，平板计算机、个人数字助理、膝上型计算机、笔记本计算机、上网本等)、移动电话(例如，智能手机)、可佩戴的计算设备(例如，智能手表、智能眼镜等)或其他类型的移动设备，或者诸如台式计算机或PC的静止计算设备。计算设备600还可以是移动式或静止式的服务器。

其中，处理器620执行所述计算机指令时实现所述的信息推送方法的步骤。

上述为本实施例的一种计算设备的示意性方案。需要说明的是，该计算设备的技术方案与上述的信息推送方法的技术方案属于同一构思，计算设备的技术方案未详细描述的细节内容，均可以参见上述信息推送方法的技术方案的描述。

本申请一实施例还提供一种计算机可读存储介质，其存储有计算机指令，该计算机指令被处理器执行时实现如前所述信息推送方法的步骤。

上述为本实施例的一种计算机可读存储介质的示意性方案。需要说明的是，该存储介质的技术方案与上述的信息推送方法的技术方案属于同一构思，存储介质的技术方案未详细描述的细节内容，均可以参见上述信息推送方法的技术方案的描述。

上述对本申请特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

所述计算机指令包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。

需要说明的是，对于前述的各方法实施例，为了简便描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其它顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定都是本申请所必须的。

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的部分，可以参见其它实施例的相关描述。

以上公开的本申请优选实施例只是用于帮助阐述本申请。可选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本申请的内容，可作很多的修改和变化。本申请选取并具体描述这些实施例，是为了更好地解释本申请的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本申请。本申请仅受权利要求书及其全部范围和等效物的限制。

Claims (12)

1.一种信息推送方法，其特征在于，包括：

基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略；

根据所述信息推送策略向每个用户推送初始信息列表，并采集推送后的所述初始信息列表中包含的初始信息对应的业务信息；

根据所述业务信息确定目标信息集合，并基于所述目标信息集合对所述信息推送策略进行更新。

2.根据权利要求1所述的方法，其特征在于，所述用户集合中的任意一个用户的用户画像确定，包括：

获取用户的基础属性信息、历史行为信息和历史访问信息；

基于所述基础属性信息确定基础信息标签，基于所述历史行为信息确定兴趣信息标签，基于所述历史访问信息确定访问信息分值；

根据基础信息标签、兴趣信息标签和访问信息分值构建用户对应的所述用户画像。

3.根据权利要求2所述的方法，其特征在于，所述基于所述历史行为信息确定兴趣信息标签，包括：

对所述历史行为信息进行分类，获得对应各个类别标签的信息集；

根据所述信息集及其对应的类别标签确定各个类别标签的兴趣分值；

根据各个类别标签的兴趣分值创建类别标签列表，并在所述类别标签列表中选择所述兴趣信息标签。

4.根据权利要求1所述的方法，其特征在于，所述基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略步骤执行之前，还包括：

接收待推送信息，并基于所述待推送信息生成待推送信息集合；

提取所述待推送信息集合中，每个待推送信息对应的关键信息；

基于所述关键信息为每个待推送信息分配信息分类标签，基于携带信息分类标签的待推送信息创建初始信息集合；

相应的，所述基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略，包括：

计算每个用户的用户画像与所述初始信息集合中包含的待推送信息携带的信息分类标签的关联度；

根据所述关联度确定与每个用户对应的信息推送策略。

5.根据权利要求4所述的方法，其特征在于，所述根据所述信息推送策略向每个用户推送初始信息列表，包括：

根据所述信息推送策略，在所述初始信息集合中筛选与每个用户匹配的初始信息；

基于所述信息推送策略和每个用户匹配的初始信息，创建每个用户对应的初始信息列表并推送。

6.根据权利要求4或5所述的方法，其特征在于，所述根据所述业务信息确定目标信息集合，包括：

确定所述初始信息集合中包含的初始信息的排列顺序；

按照所述业务信息对所述初始信息集合中包含的初始信息的排列顺序进行更新，获得目标信息集合。

7.根据权利要求1所述的方法，其特征在于，所述采集推送后的所述初始信息列表中包含的初始信息对应的业务信息，包括：

在预设的时间节点，采集初始信息列表中包含的各个初始信息的访问数据；

基于所述访问数据以及与各个初始信息对应的资源数据确定各个初始信息对应的业务信息。

8.根据权利要求1所述的方法，其特征在于，所述基于所述目标信息集合对所述信息推送策略进行更新步骤执行之后，还包括：

基于更新后的信息推送策略在所述目标信息集合中筛选目标信息组成所述目标信息列表；

向更新后的信息推送策略对应的用户推送所述目标信息列表中包含的目标信息。

9.根据权利要求8所述的方法，其特征在于，还包括：

将所述目标信息列表中包含的目标信息的推送数值与推送阈值进行比较；

筛选所述目标信息列表中推送数值小于所述推送阈值的目标信息生成目标信息推送列表；

向更新后的信息推送策略对应的用户推送所述目标信息推送列表中包含的目标信息。

10.一种信息推送装置，其特征在于，包括：

确定模块，被配置为基于用户集合中每个用户的用户画像，确定每个用户对应的信息推送策略；

处理模块，被配置为根据所述信息推送策略向每个用户推送初始信息列表，并采集推送后的所述初始信息列表中包含的初始信息对应的业务信息；

更新模块，被配置为根据所述业务信息确定目标信息集合，并基于所述目标信息集合对所述信息推送策略进行更新。

11.一种计算设备，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指令，其特征在于，所述处理器执行所述计算机指令时实现权利要求1-9任意一项所述方法的步骤。

12.一种计算机可读存储介质，其存储有计算机指令，其特征在于，该计算机指令被处理器执行时实现权利要求1-9任意一项所述方法的步骤。

Images