CN114238618A - 信息推送方法、电子设备及存储介质 - Google Patents

Abstract

本公开涉及一种信息推送方法、电子设备及存储介质。其中，信息推送方法包括：获取目标用户的至少一个数据维度的阅读相关数据以及目标用户的文案偏好分类；基于至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍；基于文案偏好分类，在待推送书籍对应的多个预设文案中筛选出待推送文案；根据待推送文案生成目标用户对应的目标推送消息。根据本公开实施例，能够使得生成的推送消息可以符合目标用户的书籍阅读喜好，满足了个性化的信息推送的需求，同时，可以通过目标推送消息吸引目标用户的书籍阅读兴趣，使得目标用户到电子书平台上阅读待推送书籍，进一步提高了电子书平台的知名度和浏览量。

Description

信息推送方法、电子设备及存储介质

技术领域

本公开涉及计算机技术领域，尤其涉及一种信息推送方法、电子设备及存储介质。

背景技术

随着互联网技术的不断发展，用户可以利用网络资源，从不同的平台上浏览自己感兴趣的电子书。

为了提高电子书平台的知名度和用户的访问量，针对电子书平台提供的书籍，可以生成推送消息。但是，目前的信息推送方式单一，针对不同的用户，只能采用统一的方式生成推送消息，因此，无法满足不同用户的多样化信息推送的需求。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题，本公开提供了一种信息推送方法、电子设备及存储介质。

第一方面，本公开提供了一种信息推送方法，包括：

获取目标用户的至少一个数据维度的阅读相关数据以及目标用户的文案偏好分类；

基于至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍；

基于文案偏好分类，在待推送书籍对应的多个预设文案中筛选出待推送文案；

根据待推送文案生成目标用户对应的目标推送消息。

第二方面，本公开提供了一种电子设备，包括处理器和存储器，存储器用于存储可执行指令，可执行指令使处理器执行以下操作：

获取目标用户的至少一个数据维度的阅读相关数据以及目标用户的文案偏好分类；

基于至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍；

基于文案偏好分类，在待推送书籍对应的多个预设文案中筛选出待推送文案；

根据待推送文案生成目标用户对应的目标推送消息。

第三方面，本公开提供了一种计算机可读存储介质，该存储介质存储有计算机程序，当计算机程序被处理器执行时，使得处理器实现第一方面的信息推送方法。

本公开实施例提供的技术方案与现有技术相比具有如下优点：

本公开实施例的信息推送方法、电子设备及存储介质，能够获取目标用户的至少一个数据维度的阅读相关数据以及目标用户的文案偏好分类，然后，基于至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍，进一步的，基于文案偏好分类，在待推送书籍对应的多个预设文案中筛选出待推送文案，并根据待推送文案生成目标用户对应的目标推送消息，由此，在进行信息推送时，可以筛选出与目标用户匹配的书籍，并生成符合用户偏好的待推送文案以及目标推送消息，使得生成的推送消息可以符合目标用户的书籍阅读喜好，满足了个性化的信息推送的需求，同时，可以通过目标推送消息吸引目标用户的书籍阅读兴趣，使得目标用户到电子书平台上阅读待推送书籍，进一步提高了电子书平台的知名度和浏览量。

附图说明

结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。

图1示出了本公开实施例提供的一种信息推送方法的流程示意图；

图2示出了本公开实施例提供的另一种信息推送方法的流程示意图；

图3示出了本公开实施例提供的一种电子设备的结构示意图。

具体实施方式

下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例，相反提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。

应当理解，本公开的方法实施方式中记载的各个步骤可以按照不同的顺序执行，和/或并行执行。此外，方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本公开的范围在此方面不受限制。

本文使用的术语“包括”及其变形是开放性包括，即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”；术语“另一实施例”表示“至少一个另外的实施例”；术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。

需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。

需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。

本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。

本公开实施例提供了一种能够生成待推送书籍的目标推送消息的信息推送方法、电子设备及存储介质。

下面首先结合图1-图2对本公开实施例提供的信息推送方法进行说明。

本公开实施例提供的信息推送方法，可以由能够提供生成目标推送消息功能的电子设备。其中，该电子设备可以包括但不限于诸如智能手机、笔记本电脑、个人数字助理(PDA)、平板电脑(PAD)、便携式多媒体播放器(PMP)、车载终端(例如车载导航终端)、可穿戴设备等的移动终端，以及诸如数字TV、台式计算机、智能家居设备、服务器等固定终端，对此不作限定。

图1示出了本公开实施例提供的一种信息推送方法的流程示意图。

如图1所示，该信息推送方法可以包括如下步骤。

S110、获取目标用户的至少一个数据维度的阅读相关数据以及目标用户的文案偏好分类。

在本公开实施例中，当需要生成目标用户推送书籍对应的推送消息时，电子设备可以获取目标用户的至少一个数据维度的阅读相关数据以及目标用户的文案偏好分类，使得根据阅读相关数据，确定向用户推荐的书籍，并根据文案偏好分类，确定向用户推送的文案。

在本公开实施例中，目标用户可以是需要进行信息推送的任一用户。

在本公开实施例中，数据维度可以是用于确定筛选书籍的考虑角度。

可选的，数据维度可以包括目标用户未阅读完成的维度、目标用户已交互的维度以及爆款书籍的维度等。

在一些实施例中，数据维度为目标用户未阅读完成的维度，阅读相关数据可以为目标用户在电子书平台上对书籍的阅读数据。

在另一些实施例中，数据维度为目标用户已交互的维度，阅读相关数据可以为目标用户在电子书平台上的书籍交互数据。

在又一些实施例中，数据维度为爆款书籍的维度，阅读相关数据可以为爆款书籍的书籍信息。

在本公开实施例中，文案偏好分类可以是目标用户所喜欢的文案模板分类。

可选的，文案偏好分类可以包括书籍的主人公文案模板分类、作者文案模板分类、书名文案模板分类以及书籍热门评论模板分类等分类中的至少一种。

S120、基于至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍。

在本公开实施例中，在电子设备获取到至少一个数据维度的阅读相关数据之后，可以根据至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出用于生成待推送文案的书籍，即确定待推送书籍。

在本公开实施例中，预设书籍可以是电子书平台所提供的多个书籍。

在本公开实施例中，待推送书籍可以是用于向目标用户推送并用于生成待推送文案的书籍。具体的，待推送书籍可以是与目标用户匹配的书籍。

在一些实施例中，针对每个数据维度，可以根据阅读相关数据，在多个预设书籍中筛选出至少一本书籍，作为待推送书籍。

在另一些实施例中，针对每个数据维度，可以根据阅读相关数据，先从多个预设书籍中筛选出该数据维度对应的候选书籍，然后根据各个数据维度的推送优先级，从每个数据维度对应的候选书籍中选择待推送书籍。

在又一些实施例中，根据任一数据维度对应的阅读相关数据，在多个预设书籍中筛选出该数据维度对应的至少一本书籍，作为待推送书籍。

由此，在本公开实施例中，可以基于目标用户的至少一个数据维度的阅读相关数据，从预设书籍中筛选出与目标用户匹配的书籍，作为待推送书籍。

S130、基于文案偏好分类，在待推送书籍对应的多个预设文案中筛选出待推送文案。

在本公开实施例中，在电子设备获取到目标用户的文案偏好分类之后，可以在待推送书籍对应的多个预设文案中，选择文案偏好分类对应的预设文案，作为待推送文案。

在本公开实施例中，预设文案可以是基于待推送书籍的核心元素生成的任意一种分类的文案。

在一些实施例中，核心元素为主人公，则预设文案对应的文案分类为主人公分类。

在另一些实施例中，核心元素为作者，则预设文案对应的文案分类为作者分类。

在又一些实施例中，核心元素为书名，则预设文案对应的文案分类为书名分类。

在再一些实施例中，核心元素为书籍热门评论，则预设文案对应的文案分类为书籍热门评论分类。

在本公开实施例中，待推送文案可以是用于生成推送消息的书籍推送文案。

可选的，待推送文案可以为纯图片形式的文案、纯文字形式的文案、文字与图片结合形式的文案等，在此不做限制。

由此，在本公开实施例中，可以从多个预设文案中，筛选出文案偏好分类对应的待推送文案，使得生成的待推送文案更符合用户的偏好，达到个性化的文案生成的目的。

S140、根据待推送文案生成目标用户对应的目标推送消息。

在本公开实施例中，在电子设备生成待推送文案之后，可以基于待推送文案的文案内容，生成目标用户对应的目标推送消息。

在本公开实施例中，目标推送消息可以是用于推送到目标用户所使用的终端的推送信息。

在一些实施例中，若待推送文案为纯图片形式的文案，可以将待推送文案中的部分图片内容转化为文字和非文字，并按照推送消息的编辑规则，生成针对目标用户的目标推送消息。

在另一些实施例中，若待推送文案为纯文字形式的文案，可以从待推送文案中提取用于生成推送消息的部分文字，并按照推送消息的编辑规则，生成针对目标用户的目标推送消息。

在又一些实施例中，若待推送文案为文字与图片结合形式的文案，可以的部分图片内容转化为文字和非文字，以及从待推送文案的文字中提取用于生成待推送消息的部分文字，并按照推送消息的编辑规则，生成针对目标用户的目标推送消息。

可选的，推送消息的编辑规则可以包括推送消息的文字限制规则、文字排版规则等规则。

由此，在本公开实施例中，可以根据符合用户偏好的待推送文案，生成待推送消息，使得通过待推送消息能够吸引目标用户的书籍阅读兴趣，若接收到目标用户针对目标推送消息的触发操作，可以跳转到电子书平台，使得用户在电子书平台阅读自己感兴趣的书籍。

在本公开实施例中，能够获取目标用户的至少一个数据维度的阅读相关数据以及目标用户的文案偏好分类，然后，基于至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍，进一步的，基于文案偏好分类，在待推送书籍对应的多个预设文案中筛选出待推送文案，并根据待推送文案生成目标用户对应的目标推送消息，由此，在进行信息推送时，可以筛选出与目标用户匹配的书籍，并生成符合用户偏好的待推送文案以及目标推送消息，使得生成的推送消息可以符合目标用户的书籍阅读喜好，满足了个性化的信息推送的需求，同时，可以通过目标推送消息吸引目标用户的书籍阅读兴趣，使得目标用户到电子书平台上阅读待推送书籍，进一步提高了电子书平台的知名度和浏览量。

在本公开另一种实施方式中，可以利用预先训练好的文案偏好检测模型，计算各个预设文案分类对应的预测值，并基于预测值，确定文案偏好分类。

在本公开一些实施例中，针对S110中的获取目标用户的文案偏好分类，具体可以包括如下步骤。

S1101、获取目标用户针对历史推送消息的消息交互数据。

在本公开实施例中，在需要确定目标用户的文案偏好分类时，电子设备可以获取历史推送消息，针对历史推送消息，获取目标用户针对历史推送消息的消息交互数据。

在本公开实施例中，历史推送消息可以是已推送书籍对应的已推送消息。具体的，历史推送消息可以是基于已推送书籍对应的已推送文案生成的推送消息。

在本公开实施例中，消息交互数据可以是目标用户针对历史推送消息的操作记录和/或针对历史推送消息对应的已推送书籍的操作记录。

可选的，目标用户针对历史推送消息的操作记录可以包括目标用户已点开记录和已忽略记录中的至少一种。

可选的，目标用户针对历史推送消息对应的已推送书籍的操作记录可以包括购买记录、点赞记录、评论记录、收藏记录、加入书架记录、阅读记录等记录中的至少一种。

S1102、将消息交互数据输入预先训练好的文案偏好检测模型，得到文案偏好检测模型输出的各个预设文案分类对应的预测值。

在本公开实施例中，在电子设备获取到消息交互数据之后，可以将消息交互数据输入预先训练好的文案偏好检测模型，使得利用文案偏好检测模型，计算各个预设文案分类对应的预测值。

在本公开实施例中，文案偏好检测模型可以利用多个样本用户针对样本推送消息的样本交互数据训练得到。具体的，可以将样本推送消息输入初始模型，利用初始模型对样本推送消息对应的各推送文案进行向量化处理，基于向量化处理之后的样本推送消息对应的各推送文案以及样本交互数据，迭代训练初始模型，得到训练好的文案偏好检测模型。

S1103、根据预测值，从多个预设文案分类中选择文案偏好分类。

在本公开实施例中，在电子设备计算出各个预设文案分类对应的预测值之后，可以根据各个预设文案分类对应的预测值的大小，选择文案偏好分类。

在一些实施例中，可以将文案偏好分类模型计算得到的预测值最大的预设文案分类，作为文案偏好分类。

在另一些实施例中，S1103具体可以包括如下步骤。

S11031、将第一预设时间段内未推送过的预设文案分类作为候选文案分类。

具体的，针对第一预设时间段，电子设备可以从预设文案分类中选择未推送过的文案分类，作为候选文案分类，使得进一步基于候选文案分类，继续确定目标用户的文案偏好分类。

其中，第一预设时间段可以是每个推送周期对应的用于确定未推送过的预设文案分类的时间段。

可选的，推送周期可以是1天、3天、1周等时间段在此不做限制。

其中，候选文案分类可以是用于确定文案偏好分类的预设文案分类。

示例性的，若推送周期为1天，第一预设时间段为12小时，在每天内，电子设备可以确定当前时间之前的12小时内已推送过的文案和未推送过的文案，则从当前时间之前的12小时内未推送过的文案中，选择候选文案分类。

S11032、将预测值最大的候选文案分类作为文案偏好分类。

具体的，在电子设备确定候选文案分类之后，可以从候选文案分类中选择预测值最大的文案分类，作为文案偏好分类。

由此，在本公开实施例中，通过将第一预设时间段内未推送的预设文案分类，作为候选文案分类，并将预测值最大的候选文案分类，作为文案偏好分类，使得确定的文案偏好分类在第一预设时间段内不重复，避免将同一个文案分类始终作为目标用户的文案偏好分类，进而避免始终生成相同的目标推送消息。

在又一些实施例中，S1103具体可以包括如下步骤。

S11033、从预设文案分类中选择预测值大于或等于预测值阈值的候选文案分类。

具体的，电子设备可以将各个预设文案分类对应的预测值与预测值阈值比较，并将预测值大于或等于预测值阈值的预设文案分类，作为候选文案分类。

其中，预测值阈值可以是根据需要预先设置的用于选择候选文案分类的预测值。

S11034、将第一预设时间段内未推送过的且预测值最大的候选文案分类，作为文案偏好分类。

具体的，针对第一预设时间段，电子设备可以从预设文案分类中选择未推送过且预测值最大的候选文案分类，作为目标用户的文案偏好分类。

由此，在本公开实施例中，可以先从预设文案分类中选择预测值大于或等于预测值阈值的候选文案分类，再将第一预设时间段内未推送过的且预测值最大的候选文案分类，作为文案偏好分类，使得确定的文案偏好分类在第一预设时间段内不重复，避免将同一个文案分类始终作为目标用户的文案偏好分类，进而避免始终生成相同的目标推送消息。

综上，在本公开实施例中，可以根据各个预设文案分类对应的预测值，基于预测值，采用不同的方式，确定目标用户的文案偏好分类，提高了文案偏好分类确定的灵活性。

在本公开又一种实施方式中，可以将第二预设时间段内目标用户的消息推送次数和预设次数阈值比较，根据不同的比较结果，采用不同的方式从预设文案中选择文案偏好分类对应的待推送文案。

在本公开一些实施例中，S130具体可以包括如下步骤。

S1301、获取第二预设时间段内针对目标用户的消息推送次数。

在本公开实施例中，在电子设备确定目标用户的文案偏好分类之后，针对第二预设时间段，可以获取目标用户的消息推送次数，使得基于消息推送次数的大小，确定待推送文案。

在本公开实施例中，第二预设时间段可以是每个推送周期对应的用于确定消息推送次数的时间段。

可选的，推送周期可以是1天、3天、1周等时间段在此不做限制。

在本公开实施例中，消息推送次数可以是文案偏好分类对应的已推送文案的推送次数。

示例性的，若推送周期为1天，第二预设时间段为6小时，文案偏好分类对应的已推送文案为主人公文案，在每天内，电子设备可以确定当前时间之前的6小时内主人公文案的消息推送次数，使得基于当前时间之前的6小时内主人公文案的消息推送次数的大小，确定待推送文案。

S1302、在消息推送次数小于预设次数阈值的情况下，将文案偏好分类对应的预设文案作为待推送文案。

在本公开实施例中，在电子设备确定消息推送次数之后，可以将消息推送次数与预设次数阈值比较，如果消息推送次数小于预设次数阈值，则将文案偏好分类对应的预设文案作为待推送文案，否则，采用其他方式确定待推送文案。

在本公开实施例中，预设推送次数阈值可以是在第二预设时间段内用于生成同一分类的推送文案的最大推送次数。

可选的，预设次数阈值可以为3次、4次等，在此不做限制。

示例性的，若推送周期为1天，第二预设时间段为6小时，文案偏好分类对应的已推送文案为主人公文案，在每天内，电子设备可以确定当前时间之前的6小时内主人公文案的消息推送次数为2次，若预设推送次数阈值为3次，则消息推送次数小于预设次数阈值，可以将文案偏好分类对应的预设文案作为待推送文案，即将主人公文案对应的文案偏好分类作为待推送文案。

由此，在本公开实施例中，若第二时间段内的目标用户的消息推送次数较小，可以将文案偏好分类对应的预设文案，直接作为待推送文案。

在本公开另一种实施方式中，S130具体可以包括如下步骤。

S1303、获取第二预设时间段内针对目标用户的消息推送次数。

其中，S1303与S1301的具体实现方式相似，在此不做赘述。

S1304、在消息推送次数大于或等于预设次数阈值的情况下，将文案偏好分类以外的任一预设文案作为待推送文案。

在本公开实施例中，在电子设备确定消息推送次数之后，可以将消息推送次数与预设次数阈值比较，如果消息推送次数大于或等于预设次数阈值，则将文案偏好分类以外的任一预设文案作为待推送文案。

示例性的，若推送周期为1天，第二预设时间段为6小时，文案偏好分类对应的已推送文案为主人公文案，文案偏好分类以外的分类包括作者分类、书名分类以及书籍热门评论分类，在每天内，电子设备可以确定当前时间之前的6小时内主人公文案的消息推送次数为3次，若预设推送次数阈值为3次，则消息推送次数等于预设次数阈值，可以将作者分类、书名分类以及书籍热门评论分类中的任意一种分类对应的预设文案，作为待推送文案。

由此，在本公开实施例中，若第二时间段内的目标用户的消息推送次数较大，可以将文案偏好分类以外的任一预设文案作为待推送文案，使得将文案偏好分类以外的任一预设文案作为探测文案，并向目标用户推送探测文案，避免重复推送相同的文案，使得通过不同的文案类别吸引目标用户阅读待推送书籍。

综上，在本公开实施例中，可以将第二时间段内的目标用户的消息推送次数与预设次数阈值比较，根据不同的比较结果，采用不同的方式确定待推送文案，可以适应生成待推送文案的不同场景。

在本公开再一种实施方式中，针对每个数据维度，可以筛选出该数据维度对应的候选数据，并按照各数据维度对应的推送优先级，从候选书籍中选择待推送书籍。

在本公开实施例中，可选的，S120具体可以包括如下步骤。

S1201、针对每个数据维度，根据数据维度的阅读相关数据，在多个预设书籍中筛选出数据维度对应的候选书籍。

在本公开实施例中，针对每个数据维度，电子设备可以根据该数据维度对应的阅读相关数据，采用该数据维度对应的书籍筛选策略，在多个预设书籍中筛选出数据维度对应的候选书籍。

在本公开一些实施例中，数据维度为目标用户未阅读完成的维度，阅读相关数据包括至少一个第一书籍对应的阅读强度数据，第一书籍为目标用户未阅读完成的书籍。

相应的，S1201具体可以包括如下步骤。

S12011、基于阅读强度数据，计算每个第一书籍的阅读强度评分。

其中，阅读强度数据可以为目标用户针对第一书籍的已阅读相关数据。

可选的，阅读强度数据可以包括目标用户针对第一书籍的交互新鲜度、交互深度以及阅读进度。可选的，交互深度可以包括阅读时长、点赞数、评论数等数据，在此不做限制。

在一些实施例中，电子设备可以基于阅读强度数据中的交互新鲜度，计算每个第一书籍的阅读强度评分。

在另一些实施例中，电子设备可以基于阅读强度数据中的交互深度，计算每个第一书籍的阅读强度评分。

在又一些实施例中，电子设备可以基于阅读强度数据中的阅读进度，计算每个第一书籍的阅读强度评分。

在再一些实施例中，电子设备可以对阅读强度数据中的交互新鲜度、交互深度、阅读进度进行加权求和，得到每个第一书籍的阅读强度评分。

由此，在本公开实施例中，可以根据阅读强度数据中的不同数据，计算每个第一书籍的阅读强度评分。

S12012、将阅读强度评分大于或等于评分阈值的第一书籍作为候选书籍。

在本公开实施例中，在电子设备计算得到阅读强度评分之后，可以将阅读强度评分与评分阈值进行比较，将阅读强度评分大于或等于评分阈值的第一书籍作为候选书籍。

在本公开实施例中，评分阈值可以是根据需要预先确定的用于确定候选书籍的评分。

由此，在本公开实施例中，可以基于阅读强度数据计算阅读强度评分，并根据阅读强度评分与评分阈值，确定候选书籍。

在本公开另一些实施例中，数据维度为目标用户已交互的维度，阅读相关数据包括对至少一个第二书籍对应的书籍交互数据，第二书籍为目标用户的已交互书籍。可选的，已交互的书籍可以包括已阅读完的书籍、未阅读完的书籍、已评论的书籍、已点赞的书籍、已加入书架的书籍、已购买的书籍等。

相应的，S1201具体可以包括如下步骤。

S12013、基于书籍交互数据，计算目标用户针对各个预设书籍类型的阅读喜好评分。

在本公开实施例中，书籍交互数据可以是目标用户针对第二书籍的交互记录。

可选的，书籍交互数据可以包括目标用户针对第二书籍的阅读进度、评论数、点赞数、购买状态数据、加购状态数据、收藏状态数据等数据中的至少一种。

在本公开实施例中，预设书籍类型可以为预先设置的书籍分类。

可选的，预设书籍类型可以包括都市类型、玄幻类型、言情类型、推理类型等，在此不做限制。

在本公开实施例中，阅读喜好评分可以用于表征目标用户针对各个预设书籍类型的喜好程度。具体的，预设书籍类型的阅读喜好评分越高，说明目标用户对预设书籍类型的喜好程度越高，否则，用户对预设书籍类型的喜好程度越低。

在一些实施例中，可以根据任意一种数据交互数据，计算目标用户针对各个预设书籍类型的阅读喜好评分。

在另一些实施例中，可以对至少两种数据交互数据进行加权求和，得到目标用户针对各个预设书籍类型的阅读喜好评分。

S12014、将阅读喜好评分最高的预设书籍类型对应的书籍作为候选书籍。

在本公开实施例中，在电子设备计算得到各个预设书籍类型的阅读喜好评分之后，可以从预设数据类型中选择阅读喜好评分最高的书籍类型，并将阅读喜好评分最高的预设书籍类型对应的书籍作为候选书籍。

由此，在本公开实施例中，可以基于书籍交互数据，计算目标用户针对各个预设书籍类型的阅读喜好评分，并将阅读喜好评分最高的预设书籍类型对应的书籍作为候选书籍。

在本公开又一些实施例中，数据维度为爆款书籍的维度，阅读相关数据包括至少一个爆款书籍的书籍信息；具体的，爆款书籍的书籍信息可以包括爆款书籍的书籍名称、书籍所属频道、书籍所属类型。具体的，可以将累积阅读总量最大的书籍和/或累积消费总量最大的书籍，作为爆款书籍。

在一些实施例中，可以基于爆款书籍的书名，将所有的爆款书籍，均作为候选书籍。

在另一些实施例中，S1201具体可以包括如下步骤。

S12015、根据书籍信息，在爆款书籍中选择满足爆款书籍筛选条件的书籍，作为候选书籍。

在本公开实施例中，爆款书籍筛选条件可以是预先确定的用于从爆款书籍中筛选候选书籍的筛选条件。

可选的，爆款书籍筛选条件可以包括爆款书籍的频道为预设频道、爆款书籍类型为预设类型中的至少一种。可选的，预设频道可以包括男频频道和女频频道。可选的，爆款书籍类型都市类型、玄幻类型、言情类型、推理类型等类型中的至少一种，在此不做限制。

在一些实施例中，爆款书籍筛选条件为爆款书籍的频道为预设频道，电子设备可以获取爆款书籍所属的频道并确定目标用户所喜爱的频道，若爆款书籍的频道与目标用户所喜爱的频道一致，则将爆款书籍作为待推送书籍。

在另一些实施例中，爆款书籍筛选条件为爆款书籍类型为预设类型，电子设备可以获取爆款书籍类型并确定目标用户所喜爱的书籍类型，若爆款书籍类型与目标用户所喜爱的书籍类型一致，则将爆款书籍作为待推送书籍。

由此，在本公开实施例中，可以基于爆款书籍的书籍信息，采用不同的方式，从爆款书籍中选择候选书籍。

S1202、按照各个数据维度的推送优先级，在多个数据维度对应的候选书籍中选择待推送书籍。

在本公开实施例中，推送优先级可以是各个数据维度对应的书籍推送等级。

可选的，推送优先级可以为：目标用户未阅读完成的维度>目标用户已交互的维度>爆款书籍的维度。

在本公开一些实施例中，S1202具体可以包括如下步骤。

S12021、在每个时间周期之内，根据预先确定的信息推送频率，计算待推送书籍的第一数量；

S12022、按照推送优先级由高到低的顺序，从候选书籍中，选择第一数量的待推送书籍。

在本公开实施例中，在每个时间周期之内，电子设备可以根据信息推送频率，确定书籍推荐数量，即计算待推送书籍的第一数量，获取推荐优先级最高的数据维度对应的候选书籍的数量，若推荐优先级最高的候选书籍的数量等于第一数量，则将推荐优先级最高的数据维度对应的候选书籍，作为待推送书籍，否则，继续获取推荐优先级次高的数据维度对应的候选书籍的数量，若推荐优先级最高的候选书籍的数量与推荐优先级次高的候选书籍的数量之和等于第一数量，则将推荐优先级最高的候选书籍与推荐优先级次高的候选书籍，作为待推送书籍，否则，继续从获取推荐优先级最低的数据维度对应的候选书籍的数量，直至从候选书籍中，选择出第一数量的待推送书籍。

在本公开实施例中，信息推送频率可以根据目标用户的书籍阅读的活跃度确定。

由此，在本公开实施例中，可以在每个时间周期之内，对待推送书籍进行依次推送。

在本公开另一些实施例中，S1202具体可以包括如下步骤。

S12023、针对每个数据维度，确定每个数据维度对应的候选书籍的推送顺序；

S12024、从推送优先级最高的数据维度开始，按照每个数据维度对应的候选书籍的推送顺序，从候选书籍中选择待推送书籍。

在本公开实施例中，针对每个数据维度，电子设备可以确定每个数据维度对应的候选书籍的推送顺序，从推送优先级最高的数据维度开始，按照每个数据维度对应的候选书籍的推送顺序，从候选书籍中选择待推送书籍。也就是说，可以按照推送优先级，先从推送优先级最高的数据维度对应的候选书籍中，选择待推送书籍，再从优先级次高的数据维度对应的候选书籍中，选择待推送书籍，最后从优先级最低的数据维度对应的候选书籍中，选择待推送书籍。

在本公开另一些实施例中，S1202具体可以包括如下步骤。

S12025、针对推送优先级对应的每个数据维度，从每个数据维度对应的候选书籍中选择第一个待推送书籍；

S12024、针对推送优先级对应的每个数据维度，从每个数据维度对应的候选书籍中选择第二个待推送书籍，直至得到所有的待推荐书籍。

在本公开实施例中，针对每个数据维度，电子设备可以针对推送优先级对应的每个数据维度，从每个数据维度对应的候选书籍中选择第一个待推送书籍，针对推送优先级对应的每个数据维度，从每个数据维度对应的候选书籍中选择第二个待推送书籍，直至得到所有的待推荐书籍。也就是说，可以先得到每个数据维度的第一个待推送书籍，再得到每个数据维度的第二个待推送书籍，继续得到每个数据维度的第三个待推送书籍，直至得到所有的待推荐书籍。

由此，在本公开实施例中，可以采用不同的方式从候选书籍中选择待推送书籍，可以适应不同的待推送书籍的确定场景。

综上，可以采用不同的方式，从多个预设书籍中筛选出数据维度对应的候选书籍，并采用不同的方式，从候选书籍中选择待推送书籍，提高了确定待推送书籍的灵活性。

在本公开再一种实施方式中，在生成目标用户对应的目标推送消息之后，可以将目标推送消息推送至目标用户对应的目标设备。

图2示出了本公开实施例提供的另一种信息推送方法的流程示意图。

如图2所示，该信息推送方法可以包括如下步骤。

S210、获取目标用户的至少一个数据维度的阅读相关数据以及目标用户的文案偏好分类。

在本公开实施例中，可选的，S210具体可以包括如下步骤。

S2101、在预先确定的目标用户的活跃时间，获取阅读相关数据以及文案偏好分类。

其中，目标用户的活跃时间可以是目标用户的书籍浏览时间。

在一些实施例中，S2101具体可以包括如下步骤。

S21011、获取目标用户的活跃度。

其中，活跃度可以为用户在电子书平台上阅读电子书的活跃程度。

在一些实施例中，可以根据目标用户的登录电子书平台的次数，确定目标用户的活跃度。

在另一些实施例中，可以根据目标用户在电子书平台上的阅读时长，确定目标用户的活跃度。

在又一些实施例中，可以对目标用户的登录电子书平台的次数和在电子书平台上的阅读时长进行加权求和，得到目标用户的活跃度。

S21012、基于活跃度，确定针对目标用户的消息推送频率。

具体的，可以根据活跃度与消息推送频率的对应关系，确定针对目标用户的消息推送频率。

可选的，活跃度越高，则可以确定针对目标用户的消息推送频率越高，否则，可以确定针对目标用户的消息推送频率越低。

S21013、基于消息推送频率，确定目标用户在第三预设时间段内的至少一个活跃时间。

具体的，电子设备可以根据消息推送频率和第三预设时间段，确定目标用户在第三预设时间段内的至少一个活跃时间。

在本公开实施例中，第三预设时间段可以是预先确定的用户获取阅读相关数据以及文案偏好分类的时间周期。

可选的，第三预设时间段可以是1天、3天、1周等时间段，在此不做限制。

在另一些实施例中，S2101具体可以包括如下步骤。

S21014、获取目标用户的阅读时间数据。

具体的，电子设备可以实时检测目标用户在电子平台上的阅读状态，确定目标用户的阅读时间数据。

其中，阅读时间数据可以是目标用户浏览电子书的时间。

S21015、根据阅读时间数据，确定目标用户的偏好阅读时间。

具体的，电子设备可以对阅读时间数据进行统计，根据统计结果，确定目标用户的偏好阅读时间。

其中，偏好阅读时间可以是目标用户的习惯浏览时间。

S21016、根据偏好阅读时间，确定活跃时间。

具体的，电子设备可以将偏好阅读时间之前的预设时间，作为活跃时间。

可选的，偏好阅读时间之前的预设时间可以为偏好阅读时间之前的5分钟、10分钟等，在此不做限制。

在又一些实施例中，S2101具体可以包括如下步骤。

S21017、在目标用户已授予地理位置获取权限的情况下，获取目标用户的阅读地理位置数据。

具体的，在目标用户已授予地理位置获取权限时，电子设备可以实时检测目标用户阅读电子书的地理位置数据。

其中，地理位置数据可以为目标用户的位置信息。

S21018、根据阅读地理位置数据，确定目标用户的偏好阅读地理位置。

具体的，电子设备可以对阅读地理位置数据进行统计，根据统计结果，确定目标用户的偏好阅读地理位置。

其中，偏好阅读地理位置可以是目标用户习惯浏览电子书的地理位置。

S21019、检测目标用户的实时地理位置。

具体的，电子设备可以实时检测目标用户所在的地理位置，作为实时地理位置。

S21020、将检测到实时地理位置为偏好阅读地理位置的时间作为活跃时间。

具体的，电子设备可以实时确定实时地理位置与偏好阅读地理位置是否一致，若一致，则将实时地理位置与偏好阅读地理位置一致的时间，作为活跃时间。

由此，在本公开实施例中，可以利用不同的方式确定活跃时间，提高了活跃时间的灵活性。

S220、基于至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍。

S230、基于文案偏好分类，在待推送书籍对应的多个预设文案中筛选出待推送文案。

S240、根据待推送文案生成目标用户对应的目标推送消息。

其中，S220～S240与S120～S140相似，在此不做赘述。

S250、在预先确定的目标用户的活跃时间，将目标推送消息推送至目标用户对应的目标设备。

在本公开实施例中，电子设备可以实时检测目标用户的活跃时间，若检测到目标用户的活跃时间，则将目标推送消息推送至目标用户对应的目标设备。

其中，活跃时间可以根据S210中的任意一种方式确定。

由此，在本公开实施例中，可以在目标用户的活跃时间，将目标推送消息推送至目标用户对应的目标设备，可以很好的适应目标用户的阅读习惯，使得目标用户在活跃时间查看到目标推送消息，若目标用户点击目标推送消息，可以启动电子书平台打开电子书，有利于提高电子书平台的访问量和知名度。

图3示出了本公开实施例提供的一种电子设备的结构示意图。

本公开实施例提供的电子设备可以包括支持电子书阅读功能的电子设备。该电子设备可以包括但不限于诸如智能手机、笔记本电脑、个人数字助理(PDA)、平板电脑(PAD)、便携式多媒体播放器(PMP)、车载终端(例如车载导航终端)、可穿戴设备等的移动终端，以及诸如数字TV、台式计算机、智能家居设备、服务器等的固定终端。

需要说明的是，图3示出的电子设备300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。

该电子设备300传统上包括处理器310和以存储器320形式的计算机程序产品或者计算机可读介质。存储器320可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。存储器320具有用于执行上述信息推送方法中的任何方法步骤的可执行指令(或程序代码)3211的存储空间321。例如，用于可执行指令的存储空间321可以包括分别用于实现上面的信息推送方法中的各种步骤的各个可执行指令3211。这些可执行指令可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。这些计算机程序产品包括诸如硬盘，光盘(CD)、存储卡或者软盘之类的程序代码载体。这样的计算机程序产品通常为便携式或者固定存储单元。该存储单元可以具有与图3的电子设备300中的存储器320类似布置的存储段或者存储空间等。可执行指令可以例如以适当形式进行压缩。通常，存储单元包括用于执行根据本公开的信息推送方法步骤的可执行指令，即可以由例如诸如处理器310之类的处理器读取的代码，这些代码当由电子设备300运行时，导致该电子设备300执行上面所描述的信息推送方法中的各个步骤。

当然，为了简化，图3中仅示出了该电子设备300中与本公开有关的组件中的一些，省略了诸如总线、输入/输出接口、输入装置和输出装置等等的组件。除此之外，根据具体应用情况，电子设备300还可以包括任何其他适当的组件。

本公开实施例还提供了一种计算机可读存储介质，其上存储有计算机程序指令，计算机程序指令在被处理器运行时使得处理器执行本公开各实施例所提供的信息推送方法。

该计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。

在本公开实施例中，可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的程序代码，上述程序设计语言包括但不限于面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“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机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

本申请公开了：

A1.一种信息推送方法，其中，包括：

获取目标用户的至少一个数据维度的阅读相关数据以及目标用户的文案偏好分类；

基于至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍；

基于文案偏好分类，在待推送书籍对应的多个预设文案中筛选出待推送文案；

根据待推送文案生成目标用户对应的目标推送消息。

A2.根据权利要求A1的方法，其中，在处理器执行获取目标用户的文案偏好分类时，可执行指令具体使处理器执行：

获取目标用户针对历史推送消息的消息交互数据；

将消息交互数据输入预先训练好的文案偏好检测模型，得到文案偏好检测模型输出的各个预设文案分类对应的预测值；

根据预测值，从多个预设文案分类中选择文案偏好分类。

A3.根据权利要求A2的方法，其中，在处理器执行根据预测值，从多个预设文案分类中选择文案偏好分类时，可执行指令具体使处理器执行：

将第一预设时间段内未推送过的预设文案分类作为候选文案分类；

将预测值最大的候选文案分类作为文案偏好分类。

A4.根据权利要求A1的方法，其中，在处理器执行基于文案偏好分类，在待推送书籍对应的多个预设文案中筛选出待推送文案时，可执行指令具体使处理器执行：

获取第二预设时间段内针对目标用户的消息推送次数；

在消息推送次数小于预设次数阈值的情况下，将文案偏好分类对应的预设文案作为待推送文案。

A5.根据权利要求A4的方法，其中，在处理器执行在获取第二预设时间段内针对目标用户的消息推送次数之后，可执行指令具体使处理器执行：

在消息推送次数大于或等于预设次数阈值的情况下，将文案偏好分类以外的任一预设文案作为待推送文案。

A6.根据权利要求A1的方法，其中，在处理器执行基于至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍时，可执行指令具体使处理器执行：

针对每个数据维度，根据数据维度的阅读相关数据，在多个预设书籍中筛选出数据维度对应的候选书籍；

按照各个数据维度的推送优先级，在多个数据维度对应的候选书籍中选择待推送书籍。

A7.根据权利要求A6的方法，其中，阅读相关数据包括至少一个第一书籍对应的阅读强度数据，第一书籍为目标用户未阅读完成的书籍；

其中，在处理器执行根据数据维度的阅读相关数据，在多个预设书籍中筛选出数据维度对应的候选书籍时，可执行指令具体使处理器执行：

基于阅读强度数据，计算每个第一书籍的阅读强度评分；

将阅读强度评分大于或等于评分阈值的第一书籍作为候选书籍。

A8.根据权利要求A6的方法，其中，阅读相关数据包括对至少一个第二书籍对应的书籍交互数据，第二书籍为目标用户的已交互书籍；

其中，在处理器执行根据数据维度的阅读相关数据，在多个预设书籍中筛选出数据维度对应的候选书籍时，可执行指令具体使处理器执行：

基于书籍交互数据，计算目标用户针对各个预设书籍类型的阅读喜好评分；

将阅读喜好评分最高的预设书籍类型对应的书籍作为候选书籍。

A9.根据权利要求A6的方法，其中，阅读相关数据包括至少一个爆款书籍的书籍信息；

其中，在处理器执行根据数据维度的阅读相关数据，在多个预设书籍中筛选出数据维度对应的候选书籍时，可执行指令具体使处理器执行：

根据书籍信息，在爆款书籍中选择满足爆款书籍筛选条件的书籍，作为候选书籍。

A10.根据权利要求A1的方法，其中，在处理器执行在根据待推送文案生成目标用户对应的目标推送消息之后，可执行指令具体使处理器执行：

在预先确定的目标用户的活跃时间，将目标推送消息推送至目标用户对应的目标设备。

A11.根据权利要求A1的方法，其中，在处理器执行获取目标用户的至少一个数据维度的阅读相关数据以及目标用户的文案偏好分类时，可执行指令具体使处理器执行：

在预先确定的目标用户的活跃时间，获取阅读相关数据以及文案偏好分类。

A12.根据权利要求A10或A11的方法，其中，可执行指令具体使处理器执行：

获取目标用户的活跃度；

基于活跃度，确定针对目标用户的消息推送频率；

基于消息推送频率，确定目标用户在第三预设时间段内的至少一个活跃时间。

A13.根据权利要求A10或A11的方法，其中，可执行指令具体使处理器执行：

获取目标用户的阅读时间数据；

根据阅读时间数据，确定目标用户的偏好阅读时间；

根据偏好阅读时间，确定活跃时间。

A14.根据权利要求A10或A11的方法，其中，可执行指令具体使处理器执行：

在目标用户已授予地理位置获取权限的情况下，获取目标用户的阅读地理位置数据；

根据阅读地理位置数据，确定目标用户的偏好阅读地理位置；

检测目标用户的实时地理位置；

将检测到实时地理位置为偏好阅读地理位置的时间作为活跃时间。

B15.一种电子设备，其中，包括处理器和存储器，存储器用于存储可执行指令，可执行指令使处理器执行以下操作：

获取目标用户的至少一个数据维度的阅读相关数据以及目标用户的文案偏好分类；

基于至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍；

基于文案偏好分类，在待推送书籍对应的多个预设文案中筛选出待推送文案；

根据待推送文案生成目标用户对应的目标推送消息。

B16.根据权利要求B15的电子设备，其中，在获取目标用户的文案偏好分类时，可执行指令还使处理器执行：

获取目标用户针对历史推送消息的消息交互数据；

将消息交互数据输入预先训练好的文案偏好检测模型，得到文案偏好检测模型输出的各个预设文案分类对应的预测值；

根据预测值，从多个预设文案分类中选择文案偏好分类。

B17.根据权利要求B16的电子设备，其中，在根据预测值，从多个预设文案分类中选择文案偏好分类时，可执行指令还使处理器执行：

将第一预设时间段内未推送过的预设文案分类作为候选文案分类；

将预测值最大的候选文案分类作为文案偏好分类。

B18.根据权利要求B15的电子设备，其中，在基于文案偏好分类，在待推送书籍对应的多个预设文案中筛选出待推送文案时，可执行指令还使处理器执行：

获取第二预设时间段内针对目标用户的消息推送次数；

在消息推送次数小于预设次数阈值的情况下，将文案偏好分类对应的预设文案作为待推送文案。

B19.根据权利要求B18的电子设备，其中，在获取第二预设时间段内针对目标用户的消息推送次数之后，可执行指令还使处理器执行：

在消息推送次数大于或等于预设次数阈值的情况下，将文案偏好分类以外的任一预设文案作为待推送文案。

B20.根据权利要求B15的电子设备，其中，在基于至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍时，可执行指令还使处理器执行：

针对每个数据维度，根据数据维度的阅读相关数据，在多个预设书籍中筛选出数据维度对应的候选书籍；

按照各个数据维度的推送优先级，在多个数据维度对应的候选书籍中选择待推送书籍。

B21.根据权利要求B20的电子设备，其中，阅读相关数据包括至少一个第一书籍对应的阅读强度数据，第一书籍为目标用户未阅读完成的书籍；

其中，在根据数据维度的阅读相关数据，在多个预设书籍中筛选出数据维度对应的候选书籍时，可执行指令还使处理器执行：

基于阅读强度数据，计算每个第一书籍的阅读强度评分；

将阅读强度评分大于或等于评分阈值的第一书籍作为候选书籍。

B22.根据权利要求B20的电子设备，其中，阅读相关数据包括对至少一个第二书籍对应的书籍交互数据，第二书籍为目标用户的已交互书籍；

其中，在根据数据维度的阅读相关数据，在多个预设书籍中筛选出数据维度对应的候选书籍时，可执行指令还使处理器执行：

基于书籍交互数据，计算目标用户针对各个预设书籍类型的阅读喜好评分；

将阅读喜好评分最高的预设书籍类型对应的书籍作为候选书籍。

B23.根据权利要求B20的电子设备，其中，阅读相关数据包括至少一个爆款书籍的书籍信息；

其中，在根据数据维度的阅读相关数据，在多个预设书籍中筛选出数据维度对应的候选书籍时，可执行指令还使处理器执行：

根据书籍信息，在爆款书籍中选择满足爆款书籍筛选条件的书籍，作为候选书籍。

B24.根据权利要求B15的电子设备，其中，在在处理器执行根据待推送文案生成目标用户对应的目标推送消息之后，可执行指令还使处理器执行：

在预先确定的目标用户的活跃时间，将目标推送消息推送至目标用户对应的目标设备。

B25.根据权利要求B15的电子设备，其中，在处理器执行获取目标用户的至少一个数据维度的阅读相关数据以及目标用户的文案偏好分类时，可执行指令还使处理器执行：

在预先确定的目标用户的活跃时间，获取阅读相关数据以及文案偏好分类。

B26.根据权利要求B24或B25的电子设备，其中，可执行指令还使处理器执行：

获取目标用户的活跃度；

基于活跃度，确定针对目标用户的消息推送频率；

基于消息推送频率，确定目标用户在第三预设时间段内的至少一个活跃时间。

B27.根据权利要求B24或B25的电子设备，其中，可执行指令还使处理器执行：

获取目标用户的阅读时间数据；

根据阅读时间数据，确定目标用户的偏好阅读时间；

根据偏好阅读时间，确定活跃时间。

B28.根据权利要求B24或B25的电子设备，其中，可执行指令还使处理器执行：

在目标用户已授予地理位置获取权限的情况下，获取目标用户的阅读地理位置数据；

根据阅读地理位置数据，确定目标用户的偏好阅读地理位置；

检测目标用户的实时地理位置；

将检测到实时地理位置为偏好阅读地理位置的时间作为活跃时间。

C29.一种计算机可读存储介质，其中，存储介质存储有计算机程序，当计算机程序被处理器执行时，使得处理器实现上述权利要求A1-A14中任一项的信息推送方法。

本公开的各个部件实施例可以全部或部分步骤以硬件实现，或者以在一个或者多个处理器上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解，可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本公开实施例的电子设备中的一些或者全部部件的一些或者全部功能。本公开还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如，计算机程序和计算机程序产品)。这样的实现本公开的程序可以存储在计算机可读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

此外，虽然采用特定次序描绘了各操作，但是这不应当理解为要求这些操作以所示出的特定次序或以顺序次序执行来执行。在一定环境下，多任务和并行处理可能是有利的。同样地，虽然在上面论述中包含了若干具体实现细节，但是这些不应当被解释为对本公开的范围的限制。在单独的实施例的上下文中描述的某些特征还可以组合地实现在单个实施例中。相反地，在单个实施例的上下文中描述的各种特征也可以单独地或以任何合适的子组合的方式实现在多个实施例中。

尽管已经采用特定于结构特征和/或方法逻辑动作的语言描述了本主题，但是应当理解所附权利要求书中所限定的主题未必局限于上面描述的特定特征或动作。相反，上面所描述的特定特征和动作仅仅是实现权利要求书的示例形式。

Claims (10)

1.一种信息推送方法，其特征在于，所述方法包括：

获取目标用户的至少一个数据维度的阅读相关数据以及所述目标用户的文案偏好分类；

基于所述至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍；

基于所述文案偏好分类，在所述待推送书籍对应的多个预设文案中筛选出待推送文案；

根据所述待推送文案生成所述目标用户对应的目标推送消息。

2.根据权利要求1所述的方法，其特征在于，获取所述目标用户的文案偏好分类，包括：

获取所述目标用户针对历史推送消息的消息交互数据；

将所述消息交互数据输入预先训练好的文案偏好检测模型，得到所述文案偏好检测模型输出的各个预设文案分类对应的预测值；

根据所述预测值，从所述多个预设文案分类中选择所述文案偏好分类。

3.根据权利要求2所述的方法，其特征在于，所述根据所述预测值，从所述多个所述预设文案分类中选择所述文案偏好分类，包括：

将第一预设时间段内未推送过的预设文案分类作为候选文案分类；

将所述预测值最大的候选文案分类作为所述文案偏好分类。

4.根据权利要求1所述的方法，其特征在于，所述基于所述文案偏好分类，在所述待推送书籍对应的多个预设文案中筛选出待推送文案，包括：

获取第二预设时间段内针对所述目标用户的消息推送次数；

在所述消息推送次数小于预设次数阈值的情况下，将所述文案偏好分类对应的预设文案作为所述待推送文案。

5.根据权利要求4所述的方法，其特征在于，在所述获取第二预设时间段内针对所述目标用户的消息推送次数之后，所述方法还包括：

在所述消息推送次数大于或等于所述预设次数阈值的情况下，将所述文案偏好分类以外的任一预设文案作为所述待推送文案。

6.根据权利要求1所述的方法，其特征在于，所述基于所述至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍，包括：

针对每个所述数据维度，根据所述数据维度的阅读相关数据，在所述多个预设书籍中筛选出所述数据维度对应的候选书籍；

按照各个所述数据维度的推送优先级，在多个所述数据维度对应的候选书籍中选择所述待推送书籍。

7.根据权利要求1所述的方法，其特征在于，在所述根据所述待推送文案生成所述目标用户对应的目标推送消息之后，所述方法还包括：

在预先确定的所述目标用户的活跃时间，将所述目标推送消息推送至所述目标用户对应的目标设备。

8.根据权利要求1所述的方法，其特征在于，所述获取目标用户的至少一个数据维度的阅读相关数据以及所述目标用户的文案偏好分类，包括：

在预先确定的所述目标用户的活跃时间，获取所述阅读相关数据以及所述文案偏好分类。

9.一种电子设备，其特征在于，包括处理器和存储器，所述存储器用于存储可执行指令，所述可执行指令使所述处理器执行以下操作：

获取目标用户的至少一个数据维度的阅读相关数据以及所述目标用户的文案偏好分类；

基于所述至少一个数据维度的阅读相关数据，在多个预设书籍中筛选出待推送书籍；

基于所述文案偏好分类，在所述待推送书籍对应的多个预设文案中筛选出待推送文案；

根据所述待推送文案生成所述目标用户对应的目标推送消息。

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有计算机程序，当所述计算机程序被处理器执行时，使得处理器实现用上述权利要求1-8中任一项所述的信息推送方法。

Images