CN114827254A - 一种消息推送方法、系统及存储介质 - Google Patents
一种消息推送方法、系统及存储介质 Download PDFInfo
- Publication number
- CN114827254A CN114827254A CN202210425856.8A CN202210425856A CN114827254A CN 114827254 A CN114827254 A CN 114827254A CN 202210425856 A CN202210425856 A CN 202210425856A CN 114827254 A CN114827254 A CN 114827254A
- Authority
- CN
- China
- Prior art keywords
- message
- pushing
- request
- pushed
- message pushing
- 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 30
- 238000012163 sequencing technique Methods 0.000 claims abstract description 23
- 239000013598 vector Substances 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 9
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 238000001514 detection method Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 3
- 238000004806 packaging method and process Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 4
- 238000003672 processing method Methods 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000013473 artificial intelligence Methods 0.000 description 3
- 230000006399 behavior Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 241000282414 Homo sapiens Species 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000012550 audit Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000002787 reinforcement Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000013526 transfer learning Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L63/00—Network architectures or network communication protocols for network security
- H04L63/10—Network architectures or network communication protocols for network security for controlling access to devices or network resources
- H04L63/101—Access control lists [ACL]
Abstract
本发明公开了一种消息推送方法、系统及存储介质,涉及计算机网络技术领域。具体步骤如下:获取消息推送请求以及所述消息推送请求对应的程序;判断所述程序是否具有消息推送权限;如有权限,则获取所述程序对应的待推送消息,并将所述待推送消息根据排序模型确定各所述待推送信息对应的排序信息,依序放入对应的消息队列;如无权限,则不显示所述消息推送请求,将所述消息推送请求封装为只读文件并存储所述只读文件。本发明提高了消息推送的效率和利用率,利用排序模型确定推送信息时,提高了用户对信息推送的体验度,解决了现有消息推送处理方法及消息推送处理装置无法根据用户的需求对消息推送进行处理,导致消息推送处理效率低下的问题。
Description
技术领域
本发明涉及计算机网络技术领域,更具体的说是涉及一种消息推送方法、系统及存储介质。
背景技术
随着移动互联网的发展,消息推送得到了越来越多的应用。推送技术是指根据一定的发送规则,依据相关的标准和协议通过互联网向用户发送信息的技术。电子商务厂商纷纷向用户的智能移动终端上推送各类信息。
在当今这个信息爆炸的时代,消息推送原本是根据用户的兴趣来搜索、过滤信息,并将其定期推给用户,帮助用户高效率地发掘有价值信息的一项利民技术。然而一些软件却趁机利用“消息推送”做广告、搞推广,推送一些毫无价值的消息,让人烦不胜烦。传统的PUSH方式虽然可以及时把最新信息推送给用户,但是所推送的信息可能是用户所不关心的,对于大多数用户来说是无效信息,不仅浪费用户的流量,而且还会对用户产生一定的困扰,降低了用户体验效果。所以,如何提高消息推送的效率和利用率,对本领域技术人员来说是亟待解决的问题。
发明内容
有鉴于此,本发明提供了一种消息推送方法、系统及存储介质,以解决背景技术中出现的问题。
为了实现上述目的,本发明采用如下技术方案:一种消息推送方法,其特征在于,具体步骤包括如下:
获取消息推送请求以及所述消息推送请求对应的程序;
判断所述程序是否具有消息推送权限;
如有权限,则获取所述程序对应的待推送消息,并将所述待推送消息根据排序模型确定各所述待推送信息对应的排序信息,依序放入对应的消息队列;
如无权限,则不显示所述消息推送请求,将所述消息推送请求封装为只读文件并存储所述只读文件。
可选的,还包括检测所述待推送消息中是否包含非法内容,若所述待推送消息中包含非法内容,则将对应的推送者身份信息以及对应的检测结果列入永久黑名单。
可选的,所述排序模型是利用神经网络模型训练得到的,具体训练过程为:
按照预设的向量转换方式,对各样本用户特征及其对应的各样本语料进行向量转换,得到样本向量;
将所述样本向量作为所述神经网络模型的输入数据,按照所述神经网络模型对应的叠加方式依次叠加所述输入数据,得到所述样本数据分别对应的样本排序结果;其中,所述叠加方式包括各全连接层的模型参数信息;
确定所述样本排序结果及所述排序特征之间的误差,并根据所述误差调整全连接层的模型参数信息,直至所述误差满足预设的模型损失函数时,获得所述排序模型。
可选的,所述消息推送请求在发送前定义相应的过期时间,在规定时间内如用户不收取信息,过期的信息将被删除不发送给用户。
可选的,还包括将已发送的待推送消息对应的推送请求存入历史记录。
另一方面,提供一种消息推送系统,包括请求获取模块、权限判断模块、请求排序模块、推送权限关闭模块;其中,
所述请求获取模块,用于获取消息推送请求以及所述消息推送请求对应的程序;
所述权限判断模块,用于判断所述程序是否具有消息推送权限;
所述请求排序模块,用于在有消息推送权限时,获取所述程序对应的待推送消息,并将所述待推送消息根据排序模型确定各所述待推送信息对应的排序信息,依序放入对应的消息队列;
所述推送权限关闭模块,用于在无消息推送权限时,不显示所述消息推送请求,将所述消息推送请求封装为只读文件并存储所述只读文件。
可选的,还包括非法内容判断模块,用于检测所述待推送消息中是否包含非法内容,若所述待推送消息中包含非法内容,则将对应的推送者身份信息以及对应的检测结果列入永久黑名单。
最后,提供一种计算机存储介质,计算机存储介质上存储有计算机程序,计算机程序被处理器执行时实现一种消息推送方法的步骤。
经由上述的技术方案可知,与现有技术相比,本发明公开提供了一种消息推送方法、系统及存储介质,提高了消息推送的效率和利用率,利用排序模型确定推送信息时,提高了用户对信息推送的体验度,解决了现有消息推送处理方法及消息推送处理装置无法根据用户的需求对消息推送进行处理,导致消息推送处理效率低下的技术问题;通过消息推送权限审核对推送请求进行检查,可以阻止非法消息的传播,维护网络环境洁净,解决了消息发送的安全问题。
附图说明
为了更清楚地说明本发明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简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据提供的附图获得其他的附图。
图1为本发明的方法流程图;
图2为本发明的系统结构图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明实施例1公开了一种消息推送方法,如图1所示,具体步骤包括如下:
S1、获取消息推送请求以及消息推送请求对应的程序;
S2、判断程序是否具有消息推送权限;
S3、如有权限,则获取程序对应的待推送消息,并将待推送消息根据排序模型确定各待推送信息对应的排序信息,依序放入对应的消息队列;
S4、如无权限,则不显示消息推送请求,将消息推送请求封装为只读文件并存储只读文件。
在S1中,终端接收消息推送请求,终端可以是手机、平板电脑等电子设备。举例来说,将手机上的微信设置为“接收新消息提醒”,若未使用微信时好友发送了一条消息,则微信将发送推送此新消息的请求给手机,手机接收该消息推送请求,随后转入步骤S2。
推送者身份信息表示推送者的真实身份,对推送者身份信息的审查是检查推送者本身是否符合接入条件,可以通过登记认证机制来实现,也就是只对经过事先登记认证的推送者发出的推送请求进行响应,拒绝响应未经认证的推送者发出的推送请求。登记认证机制可以体现为黑名单和白名单,推送者在黑名单内,则对应的消息推送权限审查结果为不合格,推送者不在黑名单内或在白名单内,则对应的消息推送权限审查结果为合格。
进一步的,还包括检测待推送消息中是否包含非法内容,若待推送消息中包含非法内容,则将对应的推送者身份信息以及对应的检测结果列入永久黑名单。待推送消息包含非法消息往往涉及违法甚至犯罪,对应的推送者需要受到法律的追究。如果安全审计结果为不合格,除了停止推送对应的待推送消息,还将该推送请求封装为只读文件并存储该只读文件。只读文件可以保证所存储内容的完整性,而只读文件记录了相关推送者的真实身份信息以及完整的待推送消息,可以作为有力的电子数据证据,提供给相关部门做进一步调查,从而打击非法消息推送行为。
在本实施例中,结合人工智能技术中的机器学习(Machine Learning,ML)进行待推送信息排序,该机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
具体的,若有权限,则获取程序对应的待推送消息,排序模型是利用神经网络模型训练得到的,具体训练过程为:
S31、按照预设的向量转换方式,对各样本用户特征及其对应的各样本语料进行向量转换,得到样本向量;
S32、将样本向量作为神经网络模型的输入数据,按照神经网络模型对应的叠加方式依次叠加所述输入数据,得到样本数据分别对应的样本排序结果;其中,叠加方式包括各全连接层的模型参数信息;
S33、确定样本排序结果及排序特征之间的误差,并根据误差调整全连接层的模型参数信息,直至误差满足预设的模型损失函数时,获得排序模型。
样本用户特征包括用户所属国家、用户所用语言、用户所在城市、用户年龄、性别等信息。样本语料包括推送信息的信息源、信息类别(如新闻类信息、体育类信息、游戏类信息等)、信息标题长度、信息中的图片数量等信息。
更进一步的,在本实施例中,消息推送请求在发送前定义相应的过期时间,在规定时间内如用户不收取信息,过期的信息将被删除不发送给用户。
还包括将已发送的待推送消息对应的推送请求存入历史记录。
本发明实施例2公开了一种消息推送系统,如图2所示,包括请求获取模块、权限判断模块、请求排序模块、推送权限关闭模块;其中,
请求获取模块,用于获取消息推送请求以及消息推送请求对应的程序;
权限判断模块,用于判断程序是否具有消息推送权限;
请求排序模块,用于在有消息推送权限时,获取程序对应的待推送消息,并将待推送消息根据排序模型确定各待推送信息对应的排序信息,依序放入对应的消息队列;
推送权限关闭模块,用于在无消息推送权限时,不显示消息推送请求,将消息推送请求封装为只读文件并存储只读文件。
还包括非法内容判断模块,用于检测待推送消息中是否包含非法内容,若待推送消息中包含非法内容,则将对应的推送者身份信息以及对应的检测结果列入永久黑名单。
最后,提供一种计算机存储介质,计算机存储介质上存储有计算机程序,计算机程序被处理器执行时实现一种消息推送方法的步骤。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
对所公开的实施例的上述说明,使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种消息推送方法,其特征在于,具体步骤包括如下:
获取消息推送请求以及所述消息推送请求对应的程序;
判断所述程序是否具有消息推送权限;
如有权限,则获取所述程序对应的待推送消息,并将所述待推送消息根据排序模型确定各所述待推送信息对应的排序信息,依序放入对应的消息队列;
如无权限,则不显示所述消息推送请求,将所述消息推送请求封装为只读文件并存储所述只读文件。
2.根据权利要求1所述的一种消息推送方法,其特征在于,还包括检测所述待推送消息中是否包含非法内容,若所述待推送消息中包含非法内容,则将对应的推送者身份信息以及对应的检测结果列入永久黑名单。
3.根据权利要求1所述的一种消息推送方法,其特征在于,所述排序模型是利用神经网络模型训练得到的,具体训练过程为:
按照预设的向量转换方式,对各样本用户特征及其对应的各样本语料进行向量转换,得到样本向量;
将所述样本向量作为所述神经网络模型的输入数据,按照所述神经网络模型对应的叠加方式依次叠加所述输入数据,得到样本数据分别对应的样本排序结果;其中,所述叠加方式包括各全连接层的模型参数信息;
确定所述样本排序结果及所述排序特征之间的误差,并根据所述误差调整全连接层的模型参数信息,直至所述误差满足预设的模型损失函数时,获得所述排序模型。
4.根据权利要求1所述的一种消息推送方法,其特征在于,所述消息推送请求在发送前定义相应的过期时间,在规定时间内如用户不收取信息,过期的信息将被删除不发送给用户。
5.根据权利要求1所述的一种消息推送方法,其特征在于,还包括将已发送的待推送消息对应的推送请求存入历史记录。
6.一种消息推送系统,其特征在于,包括请求获取模块、权限判断模块、请求排序模块、推送权限关闭模块;其中,
所述请求获取模块,用于获取消息推送请求以及所述消息推送请求对应的程序;
所述权限判断模块,用于判断所述程序是否具有消息推送权限;
所述请求排序模块,用于在有消息推送权限时,获取所述程序对应的待推送消息,并将所述待推送消息根据排序模型确定各所述待推送信息对应的排序信息,依序放入对应的消息队列;
所述推送权限关闭模块,用于在无消息推送权限时,不显示所述消息推送请求,将所述消息推送请求封装为只读文件并存储所述只读文件。
7.根据权利要求6所述的一种消息推送系统,其特征在于,还包括非法内容判断模块,用于检测所述待推送消息中是否包含非法内容,若所述待推送消息中包含非法内容,则将对应的推送者身份信息以及对应的检测结果列入永久黑名单。
8.一种计算机存储介质,其特征在于,所述计算机存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1-5中任意一项所述的一种消息推送方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210425856.8A CN114827254A (zh) | 2022-04-22 | 2022-04-22 | 一种消息推送方法、系统及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210425856.8A CN114827254A (zh) | 2022-04-22 | 2022-04-22 | 一种消息推送方法、系统及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114827254A true CN114827254A (zh) | 2022-07-29 |
Family
ID=82506420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210425856.8A Pending CN114827254A (zh) | 2022-04-22 | 2022-04-22 | 一种消息推送方法、系统及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114827254A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108347374A (zh) * | 2018-01-22 | 2018-07-31 | 广州欧赛斯信息科技有限公司 | 一种阻止非法消息的消息推送方法、系统及装置 |
WO2019085579A1 (zh) * | 2017-10-30 | 2019-05-09 | 阿里巴巴集团控股有限公司 | 一种信息推送方法和装置 |
CN109816438A (zh) * | 2019-01-11 | 2019-05-28 | 珠海天燕科技有限公司 | 信息推送方法及装置 |
WO2020207249A1 (zh) * | 2019-04-09 | 2020-10-15 | Oppo广东移动通信有限公司 | 通知消息的推送方法、装置、存储介质及电子设备 |
US11003720B1 (en) * | 2016-12-08 | 2021-05-11 | Twitter, Inc. | Relevance-ordered message search |
-
2022
- 2022-04-22 CN CN202210425856.8A patent/CN114827254A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11003720B1 (en) * | 2016-12-08 | 2021-05-11 | Twitter, Inc. | Relevance-ordered message search |
WO2019085579A1 (zh) * | 2017-10-30 | 2019-05-09 | 阿里巴巴集团控股有限公司 | 一种信息推送方法和装置 |
CN108347374A (zh) * | 2018-01-22 | 2018-07-31 | 广州欧赛斯信息科技有限公司 | 一种阻止非法消息的消息推送方法、系统及装置 |
CN109816438A (zh) * | 2019-01-11 | 2019-05-28 | 珠海天燕科技有限公司 | 信息推送方法及装置 |
WO2020207249A1 (zh) * | 2019-04-09 | 2020-10-15 | Oppo广东移动通信有限公司 | 通知消息的推送方法、装置、存储介质及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104158977B (zh) | 在移动设备上有条件地授权测量应用的方法、系统和装置 | |
CN102624705B (zh) | 一种智能图像验证方法及系统 | |
CN105787366B (zh) | 基于组件关系的安卓软件可视化安全分析方法 | |
CN107580699A (zh) | 用于特定于行为的致动以实时白名单化的方法和系统 | |
CN108632227A (zh) | 一种恶意域名检测处理方法及装置 | |
CN112231570B (zh) | 推荐系统托攻击检测方法、装置、设备及存储介质 | |
WO2013086845A1 (zh) | 一种移动终端及用户身份识别方法 | |
CN108491720B (zh) | 一种应用识别方法、系统以及相关设备 | |
CN110020002A (zh) | 事件处理方案的查询方法、装置、设备和计算机存储介质 | |
CN108366052A (zh) | 验证短信的处理方法及系统 | |
WO2022015611A1 (en) | Authentication electronic infrastructure | |
Taofeek et al. | A cognitive deception model for generating fake documents to curb data exfiltration in networks during cyber-attacks | |
Neve et al. | ImRec: Learning reciprocal preferences using images | |
Ruffo et al. | Surveying the research on fake news in social media: a tale of networks and language | |
CN109657428A (zh) | 一种移动终端的控制方法、移动终端以及存储介质 | |
CN114827254A (zh) | 一种消息推送方法、系统及存储介质 | |
Li et al. | An Analysis of User Behaviors in Phishing eMail using Machine Learning Techniques. | |
CN111522747B (zh) | 一种应用程序的处理方法、装置、设备及介质 | |
CN115442159A (zh) | 一种基于家用路由的风险管控方法、系统和存储介质 | |
Yu et al. | Whether the sensitive information statement of the IoT privacy policy is consistent with the actual behavior | |
CN114970670A (zh) | 模型公平性评估方法及装置 | |
Noll et al. | Web page classification: An exploratory study of the usage of Internet content rating systems | |
VanDam | Learning Algorithms for Detecting Disinformation on Social Media | |
Elmas | The Role of Compromised Accounts in Social Media Manipulation | |
Njoya et al. | Characterizing Mobile Money Phishing Using Reinforcement Learning |
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 |