CN114996589B - 基于防疫大数据的线上资讯推送方法及系统 - Google Patents
基于防疫大数据的线上资讯推送方法及系统 Download PDFInfo
- Publication number
- CN114996589B CN114996589B CN202210919335.8A CN202210919335A CN114996589B CN 114996589 B CN114996589 B CN 114996589B CN 202210919335 A CN202210919335 A CN 202210919335A CN 114996589 B CN114996589 B CN 114996589B
- Authority
- CN
- China
- Prior art keywords
- user
- information
- network
- target user
- target
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G06F40/00—Handling natural language data
- G06F40/10—Text processing
- G06F40/194—Calculation of difference between files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Biomedical Technology (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供的基于防疫大数据的线上资讯推送方法及系统，涉及技术领域。在本发明中，对目标用户终端设备对应的目标用户和待推送防疫资讯进行匹配度的确定处理，以输出该目标用户终端设备对应的第一推送匹配度。对目标用户的关联用户和待推送防疫资讯进行匹配度的确定处理，以输出目标用户终端设备对应的第二推送匹配度。在依据第一推送匹配度和第二推送匹配度鉴别出目标用户与待推送防疫资讯匹配的情况下，将待推送防疫资讯推送给目标用户终端设备，使目标用户终端设备显示待推送防疫资讯。基于上述内容，可以提高防疫资讯推送的可靠度。
Description
技术领域
本发明涉及大数据技术领域，具体而言，涉及一种基于防疫大数据的线上资讯推送方法及系统。
背景技术
大数据技术的出现和应用，在很大程度提高了不同对象之间的相关关系的确定的可靠度。例如，在线上资讯的推送应用中，一般需要先确定用户与待推送资讯是否匹配，然后，再在用户与待推送资讯匹配的情况，将该待推送资讯推送给该用户。但是，仅依据用户自身与待推送资讯之间的匹配度来进行推送的确定，可能会导致推送的可靠度不高的问题。
发明内容
有鉴于此，本发明的目的在于提供一种基于防疫大数据的线上资讯推送方法及系统，以提高防疫资讯推送的可靠度。
为实现上述目的，本发明实施例采用如下技术方案：
一种基于防疫大数据的线上资讯推送方法，应用于大数据服务器，所述基于防疫大数据的线上资讯推送方法包括：
对目标用户终端设备对应的目标用户和待推送防疫资讯进行匹配度的确定处理，以输出该目标用户终端设备对应的第一推送匹配度；
对所述目标用户的关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第二推送匹配度；
在依据所述第一推送匹配度和所述第二推送匹配度鉴别出所述目标用户与所述待推送防疫资讯匹配的情况下，将所述待推送防疫资讯推送给所述目标用户终端设备，使所述目标用户终端设备显示所述待推送防疫资讯。
在一些优选的实施例中，在上述基于防疫大数据的线上资讯推送方法中，所述对目标用户终端设备对应的目标用户和待推送防疫资讯进行匹配度的确定处理，以输出该目标用户终端设备对应的第一推送匹配度的步骤，包括：
对目标用户终端设备对应的目标用户的网络行为进行分析处理，以输出所述目标用户对应的网络行为数据集合，所述网络行为数据集合包括多条用户网络行为数据，所述多条用户网络行为数据中的每一条用户网络行为数据依据所述目标用户在网络上进行的一次与防疫相关的操作形成；
依据所述网络行为数据集合包括的用户网络行为数据，对所述目标用户和待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第一推送匹配度。
在一些优选的实施例中，在上述基于防疫大数据的线上资讯推送方法中，所述依据所述网络行为数据集合包括的用户网络行为数据，对所述目标用户和待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第一推送匹配度的步骤，包括：
对于所述网络行为数据集合包括的每一条用户网络行为数据，对该用户网络行为数据和所述待推送防疫资讯进行文本相似度的计算处理，以输出该用户网络行为数据对应的文本相似度；
对于所述网络行为数据集合包括的每一条用户网络行为数据，依据该用户网络行为数据对应的行为结束时间对该用户网络行为数据进行重要度的确定处理，以输出该用户网络行为数据对应的第一重要度，再依据该用户网络行为数据对应的行为持续时间对该用户网络行为数据进行重要度的确定处理，以输出该用户网络行为数据对应的第二重要度，以及，再依据该用户网络行为数据对应的数据量对该用户网络行为数据进行重要度的确定处理，以输出该用户网络行为数据对应的第三重要度，再对该第一重要度、该第二重要度和该第三重要度进行融合，以输出对应的目标重要度；
依据每一条所述用户网络行为数据对应的目标重要度，对所述网络行为数据集合包括的每一条用户网络行为数据对应的文本相似度进行融合，以输出所述目标用户终端设备对应的第一推送匹配度。
在一些优选的实施例中，在上述基于防疫大数据的线上资讯推送方法中，所述对于所述网络行为数据集合包括的每一条用户网络行为数据，对该用户网络行为数据和所述待推送防疫资讯进行文本相似度的计算处理，以输出该用户网络行为数据对应的文本相似度的步骤，包括：
对所述待推送防疫资讯进行分词处理，以形成所述待推送防疫资讯对应的资讯词语集合，所述资讯词语集合包括多个资讯词语；
对于所述资讯词语集合包括的每一个资讯词语，依据目标疫情语料数据库，对该资讯词语的出现次数进行统计，再依据该资讯词语对应的出现次数对该资讯词语进行重要系数的确定处理，以输出对应的目标重要系数；
对于所述网络行为数据集合包括的每一条用户网络行为数据进行分词处理形成的多个行为数据分词中的每一个行为数据分词，依据所述目标疫情语料数据库，从所述资讯词语集合中，匹配出与该行为数据分词之间具有最大词语相关度的一个资讯词语，以定义为该行为数据分词对应的相关资讯词语，再将该行为数据分词和该相关资讯词语之间的词语相关度，定义为该行为数据分词对应的目标词语相关度；
对于所述网络行为数据集合包括的每一条用户网络行为数据，依据每一个行为数据分词对应的相关资讯词语对应的目标重要系数，对该用户网络行为数据进行分词处理形成的多个行为数据分词对应的目标词语相关度进行融合，以输出该用户网络行为数据对应的文本相似度。
在一些优选的实施例中，在上述基于防疫大数据的线上资讯推送方法中，所述对所述目标用户的关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第二推送匹配度的步骤，包括：
对于目标用户集合包括的多个资讯用户中的每一个资讯用户，对该资讯用户和所述目标用户进行用户相关度的计算，以输出该资讯用户对应的用户相关度，每一个所述资讯用户在网络上都进行过与防疫相关的操作；
依据每一个所述资讯用户对应的用户相关度，从所述目标用户集合中，筛查出所述目标用户对应的至少一个关联用户；
对于所述至少一个关联用户中的每一个关联用户，对该关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出该关联用户对应的关联匹配度，再对所述至少一个关联用户中的每一个关联用户对应的关联匹配度进行融合，以输出所述目标用户终端设备对应的第二推送匹配度。
在一些优选的实施例中，在上述基于防疫大数据的线上资讯推送方法中，所述对于目标用户集合包括的多个资讯用户中的每一个资讯用户，对该资讯用户和所述目标用户进行用户相关度的计算，以输出该资讯用户对应的用户相关度的步骤，包括：
对于目标用户集合包括的多个资讯用户中的每两个资讯用户，依据该两个资讯用户对应的用户交互数据集合，对该两个资讯用户进行交互相关度的确定处理，以形成该两个资讯用户之间的交互相关度，所述交互相关度的确定处理的依据至少包括三个维度，该三个维度包括用户交互数据集合包括的用户交互数据的总数据量、用户交互数据集合包括的具有肯定对方用户语义的用户交互数据的第一数据量、用户交互数据集合包括的具有否定对方用户语义的用户交互数据的第二数据量；
将所述目标用户集合中的每一个资讯用户作为一个网络节点，再依据每两个资讯用户之间的交互相关度，进行网络关系图的构建，以形成所述目标用户集合包括的多个资讯用户对应的用户网络关系图，在所述用户网络关系图中，每两个网络节点之间是否具有直接连接的关系依据该两个网络节点对应的两个资讯用户之间的交互相关度的大小确定；
依据所述目标用户与每一个所述资讯用户对应的用户交互数据集合，分别对所述目标用户与每一个所述资讯用户进行交互相关度的确定处理，以形成所述目标用户与每一个所述资讯用户之间的交互相关度；
依据所述目标用户与每一个所述资讯用户之间的交互相关度，将所述目标用户添加至所述用户网络关系图中，以形成所述用户网络关系图对应的目标用户网络关系图，在所述目标用户网络关系图中，所述目标用户对应的网络节点和所述资讯用户对应的网络节点之间是否具有直接连接的关系依据所述目标用户和该资讯用户之间的交互相关度的大小确定；
对于所述目标用户网络关系图中所述目标用户对应的第一网络节点以外的每一个第二网络节点，以该第二网络节点和所述第一网络节点为起点和终点，对所述目标用户网络关系图进行网络节点的遍历处理，以输出包括该第二网络节点和所述第一网络节点的最短网络路径，在所述最短网络路径中，每相邻的两个网络节点具有直接连接的关系；
对于所述目标用户网络关系图中所述目标用户对应的第一网络节点以外的每一个第二网络节点，分别将该第二网络节点对应的最短网络路径包括的每一个网络节点与所述第一网络节点之间关于对应的用户之间的交互相关度作为向量特征，以构建形成该第二网络节点对应的相关度特征向量，再依据该第二网络节点对应的相关度特征向量和每一个其它第二网络节点对应的相关度特征向量之间的向量相似度，从其它第二网络节点中，匹配出该第二网络节点对应的相关第二网络节点；
对于所述目标用户集合包括的多个资讯用户中的每一个资讯用户，依据该资讯用户与所述目标用户之间的交互相关度，并结合该资讯用户对应的第二网络节点对应的相关第二网络节点对应的其它资讯用户与所述目标用户之间的交互相关度，融合计算输出该资讯用户对应的用户相关度。
在一些优选的实施例中，在上述基于防疫大数据的线上资讯推送方法中，所述依据每一个所述资讯用户对应的用户相关度，从所述目标用户集合中，筛查出所述目标用户对应的至少一个关联用户的步骤，包括：
对于每一个所述资讯用户，对该资讯用户对应的用户相关度和预先设置的相关度标准值进行大小比较处理，以及，在该用户相关度大于所述相关度标准值的情况下，将该资讯用户标记为所述目标用户对应的关联用户；
对于每一个所述资讯用户，在该资讯用户对应的用户相关度小于或等于所述相关度标准值，且在该资讯用户对应的用户相关度大于预先设置的相关度召回标准值的情况，将该资讯用户标记为所述目标用户对应的候选资讯用户，所述相关度召回标准值小于所述相关度标准值；
对于每一个所述候选资讯用户，分别对该候选资讯用户和当前已经标记出的每一个关联用户进行用户相关度的计算，以输出该候选资讯用户和当前已经标记出的每一个关联用户之间的用户相关度；
对于每一个所述候选资讯用户，依据当前已经标记出的每一个关联用户和所述目标用户之间的用户相关度，对该候选资讯用户和当前已经标记出的每一个关联用户之间的用户相关度进行融合计算，以输出该候选资讯用户对应的参考用户相关度，再依据该参考用户相关度与该候选资讯用户和所述目标用户之间的用户相关度，对该候选资讯用户进行召回鉴别处理，以鉴别出是否将该候选资讯用户标记为所述目标用户对应的关联用户。
在一些优选的实施例中，在上述基于防疫大数据的线上资讯推送方法中，所述对于所述至少一个关联用户中的每一个关联用户，对该关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出该关联用户对应的关联匹配度，再对所述至少一个关联用户中的每一个关联用户对应的关联匹配度进行融合，以输出所述目标用户终端设备对应的第二推送匹配度的步骤，包括：
对于所述至少一个关联用户中的每一个关联用户，对该关联用户的网络行为进行分析处理，以输出该关联用户对应的关联网络行为数据集合，所述关联网络行为数据集合包括多条关联用户网络行为数据；
对于所述至少一个关联用户中的每一个关联用户，依据该关联用户对应的关联网络行为数据集合包括的关联用户网络行为数据，对该关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出对应的关联匹配度；
依据每一个所述关联用户对应的与该关联用户对应的用户相关度具有正相关关系的加权系数，对每一个所述关联用户对应的关联匹配度进行加权融合计算，以输出所述目标用户终端设备对应的第二推送匹配度。
在一些优选的实施例中，在上述基于防疫大数据的线上资讯推送方法中，所述在依据所述第一推送匹配度和所述第二推送匹配度鉴别出所述目标用户与所述待推送防疫资讯匹配的情况下，将所述待推送防疫资讯推送给所述目标用户终端设备，使所述目标用户终端设备显示所述待推送防疫资讯的步骤，包括：
对所述第一推送匹配度和所述第二推送匹配度进行加权求和计算，以输出目标推送匹配度，再将所述目标推送匹配度与预先设置的推送匹配度标准值进行大小比较处理，以及，在所述目标推送匹配度大于所述推送匹配度标准值的情况下，确定所述目标用户与所述待推送防疫资讯匹配；
在确定出所述目标用户与所述待推送防疫资讯匹配的情况下，将所述待推送防疫资讯推送给所述目标用户终端设备，使所述目标用户终端设备向所述目标用户显示所述待推送防疫资讯。
本发明实施例还提供一种基于防疫大数据的线上资讯推送系统，应用于大数据服务器，所述基于防疫大数据的线上资讯推送系统包括：
第一匹配度确定模块，用于对目标用户终端设备对应的目标用户和待推送防疫资讯进行匹配度的确定处理，以输出该目标用户终端设备对应的第一推送匹配度；
第二匹配度确定模块，用于对所述目标用户的关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第二推送匹配度；
防疫资讯推送模块，用于在依据所述第一推送匹配度和所述第二推送匹配度鉴别出所述目标用户与所述待推送防疫资讯匹配的情况下，将所述待推送防疫资讯推送给所述目标用户终端设备，使所述目标用户终端设备显示所述待推送防疫资讯。
本发明实施例提供的一种基于防疫大数据的线上资讯推送方法及系统，对目标用户终端设备对应的目标用户和待推送防疫资讯进行匹配度的确定处理，以输出该目标用户终端设备对应的第一推送匹配度。对目标用户的关联用户和待推送防疫资讯进行匹配度的确定处理，以输出目标用户终端设备对应的第二推送匹配度。在依据第一推送匹配度和第二推送匹配度鉴别出目标用户与待推送防疫资讯匹配的情况下，将待推送防疫资讯推送给目标用户终端设备，使目标用户终端设备显示待推送防疫资讯。基于前述的描述，在进行推送匹配的过程中，由于不仅参考了用户自身与待推送防疫资讯之间的推送匹配度，还结合了用户的关联用户与待推送防疫资讯之间的推送匹配度，使得推送匹配的依据可以更为充分，从而在一定程度上提高防疫资讯推送的可靠度，改善现有技术中可靠度不高的问题。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
图1为本发明实施例提供的基于防疫大数据的线上资讯推送方法包括的各步骤的流程示意图。
图2为本发明实施例提供的基于防疫大数据的线上资讯推送系统包括的各模块的示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例只是本发明的一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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，都属于本发明保护的范围。
本发明实施例提供了一种大数据服务器。
可以理解的是，在一些可能实现的实施方式中，所述大数据服务器可以包括存储器和处理器。详细地，所述存储器和处理器之间直接或间接地电性连接，以实现数据的传输或交互。例如，相互之间可通过一条或多条通讯总线或信号线实现电性连接。所述存储器中可以存储有至少一个可以以软件或固件（firmware）的形式，存在的软件功能模块（计算机程序）。所述处理器可以用于执行所述存储器中存储的可执行的计算机程序，从而实现本发明实施例提供的基于防疫大数据的线上资讯推送方法。
可以理解的是，在一些可能实现的实施方式中，所述存储器可以是，但不限于，随机存取存储器（Random Access Memory，RAM），只读存储器（Read Only Memory，ROM），可编程只读存储器（Programmable Read-Only Memory，PROM），可擦除只读存储器（ErasableProgrammable Read-Only Memory，EPROM），电可擦除只读存储器（Electric ErasableProgrammable Read-Only Memory，EEPROM）等。所述处理器可以是一种通用处理器，包括中央处理器（Central Processing Unit，CPU）、网络处理器（Network Processor，NP）、片上系统(System on Chip，SoC)等；还可以是数字信号处理器（DSP）、专用集成电路（ASIC）、现场可编程门阵列（FPGA）或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
参照图1所示，本发明实施例还提供一种基于防疫大数据的线上资讯推送方法，可应用于上述大数据服务器。其中，所述基于防疫大数据的线上资讯推送方法有关的流程所定义的方法步骤，可以由所述大数据服务器实现。下面将对图2所示的具体流程，进行详细阐述。
步骤S110，对目标用户终端设备对应的目标用户和待推送防疫资讯进行匹配度的确定处理，以输出该目标用户终端设备对应的第一推送匹配度。
在本发明实施例中，所述大数据服务器可以对目标用户终端设备对应的目标用户和待推送防疫资讯进行匹配度的确定处理，以输出该目标用户终端设备对应的第一推送匹配度。
步骤S120，对所述目标用户的关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第二推送匹配度。
在本发明实施例中，所述大数据服务器可以对所述目标用户的关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第二推送匹配度。
步骤S130，在依据所述第一推送匹配度和所述第二推送匹配度鉴别出所述目标用户与所述待推送防疫资讯匹配的情况下，将所述待推送防疫资讯推送给所述目标用户终端设备，使所述目标用户终端设备显示所述待推送防疫资讯。
在本发明实施例中，所述大数据服务器可以在依据所述第一推送匹配度和所述第二推送匹配度鉴别出所述目标用户与所述待推送防疫资讯匹配的情况下，将所述待推送防疫资讯推送给所述目标用户终端设备，使所述目标用户终端设备显示所述待推送防疫资讯。
基于前述的关于步骤S110、步骤S120和步骤S130的描述，在进行推送匹配的过程中，由于不仅参考了用户自身与待推送防疫资讯之间的推送匹配度，还结合了用户的关联用户与待推送防疫资讯之间的推送匹配度，使得推送匹配的依据可以更为充分，从而在一定程度上提高防疫资讯推送的可靠度，改善现有技术中可靠度不高的问题。
可以理解的是，在一些可能实现的实施方式中，上述描述的步骤S110，可以进一步包括以下示例性的具体子步骤：
对目标用户终端设备对应的目标用户的网络行为进行分析处理，以输出所述目标用户对应的网络行为数据集合，所述网络行为数据集合包括多条用户网络行为数据，所述多条用户网络行为数据中的每一条用户网络行为数据依据所述目标用户在网络上进行的一次与防疫相关的操作形成；
依据所述网络行为数据集合包括的用户网络行为数据，对所述目标用户和待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第一推送匹配度。
可以理解的是，在一些可能实现的实施方式中，上述描述的所述依据所述网络行为数据集合包括的用户网络行为数据，对所述目标用户和待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第一推送匹配度的步骤，可以进一步包括以下示例性的具体子步骤：
对于所述网络行为数据集合包括的每一条用户网络行为数据，对该用户网络行为数据和所述待推送防疫资讯进行文本相似度的计算处理，以输出该用户网络行为数据对应的文本相似度；
对于所述网络行为数据集合包括的每一条用户网络行为数据，依据该用户网络行为数据对应的行为结束时间对该用户网络行为数据进行重要度的确定处理，以输出该用户网络行为数据对应的第一重要度（所述行为结束时间越晚，所述第一重要度越大），再依据该用户网络行为数据对应的行为持续时间对该用户网络行为数据进行重要度的确定处理，以输出该用户网络行为数据对应的第二重要度（所述行为持续时间越长，所述第二重要度越大），以及，再依据该用户网络行为数据对应的数据量对该用户网络行为数据进行重要度的确定处理，以输出该用户网络行为数据对应的第三重要度（所述数据量越大，所述第三重要度越大），再对该第一重要度、该第二重要度和该第三重要度进行融合（例如，可以将所述第一重要度、所述第二重要度和所述第三重要度的加权和值，作为目标重要度，具体的加权系数可以按照实际应用需求配置），以输出对应的目标重要度；
依据每一条所述用户网络行为数据对应的目标重要度，对所述网络行为数据集合包括的每一条用户网络行为数据对应的文本相似度进行融合（也就是说，可以将所述目标重要度或将所述目标重要度的正相关系数，作为加权系数，以对所述文本相似度进行加权求和计算），以输出所述目标用户终端设备对应的第一推送匹配度。
可以理解的是，在一些可能实现的实施方式中，上述描述的所述对于所述网络行为数据集合包括的每一条用户网络行为数据，对该用户网络行为数据和所述待推送防疫资讯进行文本相似度的计算处理，以输出该用户网络行为数据对应的文本相似度的步骤，可以进一步包括以下示例性的具体子步骤：
对所述待推送防疫资讯进行分词处理（可以参照现有技术中，对文本数据进行分词处理的技术），以形成所述待推送防疫资讯对应的资讯词语集合，所述资讯词语集合包括多个资讯词语；
对于所述资讯词语集合包括的每一个资讯词语，依据目标疫情语料数据库，对该资讯词语的出现次数进行统计，再依据该资讯词语对应的出现次数对该资讯词语进行重要系数的确定处理，以输出对应的目标重要系数（例如，所述目标重要系数可以与所述出现次数正相关）；
对于所述网络行为数据集合包括的每一条用户网络行为数据进行分词处理形成的多个行为数据分词中的每一个行为数据分词，依据所述目标疫情语料数据库，从所述资讯词语集合中，匹配出与该行为数据分词之间具有最大词语相关度的一个资讯词语，以定义为该行为数据分词对应的相关资讯词语，再将该行为数据分词和该相关资讯词语之间的词语相关度，定义为该行为数据分词对应的目标词语相关度；
对于所述网络行为数据集合包括的每一条用户网络行为数据，依据每一个行为数据分词对应的相关资讯词语对应的目标重要系数，对该用户网络行为数据进行分词处理形成的多个行为数据分词对应的目标词语相关度进行融合（也就是说，可以将所述目标重要系数或者将所述目标重要系数的正相关系数，作为加权系数，以对所述目标词语相关度进行加权求和计算），以输出该用户网络行为数据对应的文本相似度。
可以理解的是，在一些可能实现的实施方式中，上述描述的步骤S120，可以进一步包括以下示例性的具体子步骤：
对于目标用户集合包括的多个资讯用户中的每一个资讯用户，对该资讯用户和所述目标用户进行用户相关度的计算，以输出该资讯用户对应的用户相关度，每一个所述资讯用户在网络上都进行过与防疫相关的操作（如查询、浏览防疫相关的线上资讯等）；
依据每一个所述资讯用户对应的用户相关度，从所述目标用户集合中，筛查出所述目标用户对应的至少一个关联用户；
对于所述至少一个关联用户中的每一个关联用户，对该关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出该关联用户对应的关联匹配度，再对所述至少一个关联用户中的每一个关联用户对应的关联匹配度进行融合，以输出所述目标用户终端设备对应的第二推送匹配度。
可以理解的是，在第一种可能实现的实施方式中，上述描述的所述对于目标用户集合包括的多个资讯用户中的每一个资讯用户，对该资讯用户和所述目标用户进行用户相关度的计算，以输出该资讯用户对应的用户相关度的步骤，可以进一步包括以下示例性的具体子步骤：
第一步，对于目标用户集合包括的多个资讯用户中的每两个资讯用户，依据该两个资讯用户对应的用户交互数据集合，对该两个资讯用户进行交互相关度的确定处理，以形成该两个资讯用户之间的交互相关度，所述交互相关度的确定处理的依据至少包括三个维度，该三个维度包括用户交互数据集合包括的用户交互数据的总数据量、用户交互数据集合包括的具有肯定对方用户语义的用户交互数据（例如，可以通过预先训练得到的属于神经网络模型的语义识别模型，对用户交互数据进行识别处理，以确定该用户交互数据相对于前一条用户交互数据，是否属于对前一条用户交互数据的肯定，其中，在训练神经网络模型的过程中，每一个训练样本包括两条用户交互数据，其中，该训练样本的样本标签为后一条用户交互数据是否属于对前一条用户交互数据的肯定）的第一数据量、用户交互数据集合包括的具有否定对方用户语义的用户交互数据的第二数据量（所述总数据量和所述交互相关度正相关，所述第一数据量和所述交互相关度正相关，所述第二数据量和所述交互相关度正相关）；
第二步，将所述目标用户集合中的每一个资讯用户作为一个网络节点，再依据每两个资讯用户之间的交互相关度，进行网络关系图的构建，以形成所述目标用户集合包括的多个资讯用户对应的用户网络关系图，在所述用户网络关系图中，每两个网络节点之间是否具有直接连接的关系依据该两个网络节点对应的两个资讯用户之间的交互相关度的大小确定（例如，在所述交互相关度大于相关度阈值时，可以具有直接连接的关系）；
第三步，依据所述目标用户与每一个所述资讯用户对应的用户交互数据集合，分别对所述目标用户与每一个所述资讯用户进行交互相关度的确定处理，以形成所述目标用户与每一个所述资讯用户之间的交互相关度；
第四步，依据所述目标用户与每一个所述资讯用户之间的交互相关度，将所述目标用户添加至所述用户网络关系图中，以形成所述用户网络关系图对应的目标用户网络关系图，在所述目标用户网络关系图中，所述目标用户对应的网络节点和所述资讯用户对应的网络节点之间是否具有直接连接的关系依据所述目标用户和该资讯用户之间的交互相关度的大小确定（同上）；
第五步，对于所述目标用户网络关系图中所述目标用户对应的第一网络节点以外的每一个第二网络节点（也就是说，所述目标用户网络关系图由所述第一网络节点和每一个所述第二网络节点构成），以该第二网络节点和所述第一网络节点为起点和终点，对所述目标用户网络关系图进行网络节点的遍历处理，以输出包括该第二网络节点和所述第一网络节点的最短网络路径，在所述最短网络路径中，每相邻的两个网络节点具有直接连接的关系；
第六步，对于所述目标用户网络关系图中所述目标用户对应的第一网络节点以外的每一个第二网络节点，分别将该第二网络节点对应的最短网络路径包括的每一个网络节点与所述第一网络节点之间关于对应的用户之间的交互相关度作为向量特征，以构建形成该第二网络节点对应的相关度特征向量（例如，每一个交互相关度可以作为一个向量坐标，使得可以依据对应的多个向量坐标形成相关度特征向量，在该相关度特征向量中各向量坐标之间的排序可以依据对应的网络节点在所述最短网络路径中的先后顺序确定），再依据该第二网络节点对应的相关度特征向量和每一个其它第二网络节点对应的相关度特征向量之间的向量相似度（如向量之间的外积），从其它第二网络节点中，匹配出该第二网络节点对应的相关第二网络节点（例如，所述相关第二网络节点对应的向量相似度可以最大）；
第七步，对于所述目标用户集合包括的多个资讯用户中的每一个资讯用户，依据该资讯用户与所述目标用户之间的交互相关度，并结合该资讯用户对应的第二网络节点对应的相关第二网络节点对应的其它资讯用户与所述目标用户之间的交互相关度（例如，可以对两个交互相关度进行加权求和计算，以输出用户相关度），融合计算输出该资讯用户对应的用户相关度。
可以理解的是，在第二种可能实现的实施方式中，上述描述的所述对于目标用户集合包括的多个资讯用户中的每一个资讯用户，对该资讯用户和所述目标用户进行用户相关度的计算，以输出该资讯用户对应的用户相关度的步骤，可以进一步包括以下示例性的具体子步骤：
第一步，参照执行前述的第一种可能实现的实施方式中的第一步、第二步、第三步和第四步；
第二步，对于所述目标用户网络关系图中所述目标用户对应的第一网络节点以外的每一个第二网络节点，以该第二网络节点和所述第一网络节点为起点和终点，对所述目标用户网络关系图进行网络节点的遍历处理，以输出该第二网络节点对应的网络路径集合，每一个所述网络路径集合包括至少一条网络路径，在每一条所述网络路径中，每两个网络节点不同，每相邻的两个网络节点具有直接连接的关系；
第三步，对于所述目标用户网络关系图中所述目标用户对应的第一网络节点以外的每一个第二网络节点，分别对该第二网络节点对应的网络路径集合中的每一条网络路径的路径长度进行计算，以输出每一条网络路径对应的路径长度，再分别对该第二网络节点对应的网络路径集合中的每一条网络路径的路径相关度进行计算，以输出每一条网络路径对应的路径相关度，所述路径相关度依据对应的网络路径中每相邻两个网络节点对应的用户之间的交互相关度确定（如该交互相关度的均值，可以作为路径相关度）；
第四步，对于所述目标用户网络关系图中所述目标用户对应的第一网络节点以外的每一个第二网络节点，依据该第二网络节点对应的网络路径集合中的每一条网络路径的路径长度和路径相关度，对该第二网络节点进行路径特征的确定处理，以输出该第二网络节点对应的路径特征（例如，可以分别将每一条网络路径的路径长度和路径相关度作为一个二维坐标，以形成多个二维坐标点，再对该多个二维坐标点进行曲线拟合等操作，以确定出对应的拟合曲线，该拟合曲线可以作为对应的路径特征），所述路径特征用于反映对应的网络路径集合中的每一条网络路径的路径长度和路径相关度之间的相关关系（例如，该相关关系通过拟合曲线来表征）；
第五步，依据每一个所述第二网络节点对应的路径特征，对所述第二网络节点进行聚类处理（在聚类的过程中，可以对路径特征进行特征相似度的计算，以根据对应的特征相似度来进行聚类，其中，特征相似度可以是指拟合曲线之间的曲线相似度，曲线相似度可以参照现有技术中关于轮廓相似度等的计算方式），以形成至少一个节点聚类簇，再将属于同一个所述节点聚类簇的每两个第二网络节点相互标记为对应的关联第二网络节点；
第六步，对于所述目标用户集合包括的多个资讯用户中的每一个资讯用户，依据该资讯用户与所述目标用户之间的交互相关度，并结合该资讯用户对应的第二网络节点对应的每一个关联第二网络节点对应的其它资讯用户与所述目标用户之间的交互相关度，融合计算（例如，可以对各交互相关度进行加权求和的计算）输出该资讯用户对应的用户相关度。
可以理解的是，在一些可能实现的实施方式中，上述描述的所述依据每一个所述资讯用户对应的用户相关度，从所述目标用户集合中，筛查出所述目标用户对应的至少一个关联用户的步骤，可以进一步包括以下示例性的具体子步骤：
对于每一个所述资讯用户，对该资讯用户对应的用户相关度和预先设置的相关度标准值进行大小比较处理，以及，在该用户相关度大于所述相关度标准值的情况下，将该资讯用户标记为所述目标用户对应的关联用户；
对于每一个所述资讯用户，在该资讯用户对应的用户相关度小于或等于所述相关度标准值，且在该资讯用户对应的用户相关度大于预先设置的相关度召回标准值的情况，将该资讯用户标记为所述目标用户对应的候选资讯用户，所述相关度召回标准值小于所述相关度标准值；
对于每一个所述候选资讯用户，分别对该候选资讯用户和当前已经标记出的每一个关联用户进行用户相关度的计算，以输出该候选资讯用户和当前已经标记出的每一个关联用户之间的用户相关度；
对于每一个所述候选资讯用户，依据当前已经标记出的每一个关联用户和所述目标用户之间的用户相关度，对该候选资讯用户和当前已经标记出的每一个关联用户之间的用户相关度进行融合计算（例如，可以对该用户相关度进行均值计算），以输出该候选资讯用户对应的参考用户相关度，再依据该参考用户相关度与该候选资讯用户和所述目标用户之间的用户相关度（例如，可以对该参考用户相关度和该用户相关度进行加权求和的计算处理，并在输出的加权求和值大于一阈值时，标记为关联用户，该阈值可以为所述相关度标准值），对该候选资讯用户进行召回鉴别处理，以鉴别出是否将该候选资讯用户标记为所述目标用户对应的关联用户。
可以理解的是，在一些可能实现的实施方式中，上述描述的所述对于所述至少一个关联用户中的每一个关联用户，对该关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出该关联用户对应的关联匹配度，再对所述至少一个关联用户中的每一个关联用户对应的关联匹配度进行融合，以输出所述目标用户终端设备对应的第二推送匹配度的步骤，可以进一步包括以下示例性的具体子步骤：
对于所述至少一个关联用户中的每一个关联用户，对该关联用户的网络行为进行分析处理，以输出该关联用户对应的关联网络行为数据集合，所述关联网络行为数据集合包括多条关联用户网络行为数据；
对于所述至少一个关联用户中的每一个关联用户，依据该关联用户对应的关联网络行为数据集合包括的关联用户网络行为数据，对该关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出对应的关联匹配度；
依据每一个所述关联用户对应的与该关联用户对应的用户相关度具有正相关关系的加权系数，对每一个所述关联用户对应的关联匹配度进行加权融合计算（也就是说，可以先依据该用户相关度确定出对应的加权系数，再进行加权求和计算，该加权系数和该用户相关度正相关），以输出所述目标用户终端设备对应的第二推送匹配度。
可以理解的是，在一些可能实现的实施方式中，上述描述的步骤S130，可以进一步包括以下示例性的具体子步骤：
对所述第一推送匹配度和所述第二推送匹配度进行加权求和计算，以输出目标推送匹配度，再将所述目标推送匹配度与预先设置的推送匹配度标准值进行大小比较处理，以及，在所述目标推送匹配度大于所述推送匹配度标准值的情况下，确定所述目标用户与所述待推送防疫资讯匹配；
在确定出所述目标用户与所述待推送防疫资讯匹配的情况下，将所述待推送防疫资讯推送给所述目标用户终端设备，使所述目标用户终端设备向所述目标用户显示所述待推送防疫资讯。
参照图2所示，本发明实施例还提供一种基于防疫大数据的线上资讯推送系统，可应用于上述大数据服务器。其中，所述线上资讯推送系统可以包括第一匹配度确定模块、第二匹配度确定模块和防疫资讯推送模块。
可以理解的是，在一些可能实现的实施方式中，所述第一匹配度确定模块，用于对目标用户终端设备对应的目标用户和待推送防疫资讯进行匹配度的确定处理，以输出该目标用户终端设备对应的第一推送匹配度。
可以理解的是，在一些可能实现的实施方式中，所述第二匹配度确定模块，用于对所述目标用户的关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第二推送匹配度。
可以理解的是，在一些可能实现的实施方式中，所述防疫资讯推送模块，用于在依据所述第一推送匹配度和所述第二推送匹配度鉴别出所述目标用户与所述待推送防疫资讯匹配的情况下，将所述待推送防疫资讯推送给所述目标用户终端设备，使目标用户终端设备显示所述待推送防疫资讯。
综上所述，本发明提供的一种基于防疫大数据的线上资讯推送方法及系统，对目标用户终端设备对应的目标用户和待推送防疫资讯进行匹配度的确定处理，以输出该目标用户终端设备对应的第一推送匹配度。对目标用户的关联用户和待推送防疫资讯进行匹配度的确定处理，以输出目标用户终端设备对应的第二推送匹配度。在依据第一推送匹配度和第二推送匹配度鉴别出目标用户与待推送防疫资讯匹配的情况下，将待推送防疫资讯推送给目标用户终端设备，使目标用户终端设备显示待推送防疫资讯。基于前述的描述，在进行推送匹配的过程中，由于不仅参考了用户自身与待推送防疫资讯之间的推送匹配度，还结合了用户的关联用户与待推送防疫资讯之间的推送匹配度，使得推送匹配的依据可以更为充分，从而在一定程度上提高防疫资讯推送的可靠度，改善现有技术中可靠度不高的问题。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (5)
1.一种基于防疫大数据的线上资讯推送方法，其特征在于，应用于大数据服务器，所述基于防疫大数据的线上资讯推送方法包括：
对目标用户终端设备对应的目标用户和待推送防疫资讯进行匹配度的确定处理，以输出该目标用户终端设备对应的第一推送匹配度；
对所述目标用户的关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第二推送匹配度；
在依据所述第一推送匹配度和所述第二推送匹配度鉴别出所述目标用户与所述待推送防疫资讯匹配的情况下，将所述待推送防疫资讯推送给所述目标用户终端设备，使所述目标用户终端设备显示所述待推送防疫资讯；
其中，所述对目标用户终端设备对应的目标用户和待推送防疫资讯进行匹配度的确定处理，以输出该目标用户终端设备对应的第一推送匹配度的步骤，包括：
对目标用户终端设备对应的目标用户的网络行为进行分析处理，以输出所述目标用户对应的网络行为数据集合，所述网络行为数据集合包括多条用户网络行为数据，所述多条用户网络行为数据中的每一条用户网络行为数据依据所述目标用户在网络上进行的一次与防疫相关的操作形成；
依据所述网络行为数据集合包括的用户网络行为数据，对所述目标用户和待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第一推送匹配度；
所述依据所述网络行为数据集合包括的用户网络行为数据，对所述目标用户和待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第一推送匹配度的步骤，包括：
对于所述网络行为数据集合包括的每一条用户网络行为数据，对该用户网络行为数据和所述待推送防疫资讯进行文本相似度的计算处理，以输出该用户网络行为数据对应的文本相似度；
对于所述网络行为数据集合包括的每一条用户网络行为数据，依据该用户网络行为数据对应的行为结束时间对该用户网络行为数据进行重要度的确定处理，以输出该用户网络行为数据对应的第一重要度，再依据该用户网络行为数据对应的行为持续时间对该用户网络行为数据进行重要度的确定处理，以输出该用户网络行为数据对应的第二重要度，以及，再依据该用户网络行为数据对应的数据量对该用户网络行为数据进行重要度的确定处理，以输出该用户网络行为数据对应的第三重要度，再对该第一重要度、该第二重要度和该第三重要度进行融合，以输出对应的目标重要度；
依据每一条所述用户网络行为数据对应的目标重要度，对所述网络行为数据集合包括的每一条用户网络行为数据对应的文本相似度进行融合，以输出所述目标用户终端设备对应的第一推送匹配度；
其中，所述对所述目标用户的关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第二推送匹配度的步骤，包括：
对于目标用户集合包括的多个资讯用户中的每一个资讯用户，对该资讯用户和所述目标用户进行用户相关度的计算，以输出该资讯用户对应的用户相关度，每一个所述资讯用户在网络上都进行过与防疫相关的操作；
依据每一个所述资讯用户对应的用户相关度，从所述目标用户集合中，筛查出所述目标用户对应的至少一个关联用户；
对于所述至少一个关联用户中的每一个关联用户，对该关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出该关联用户对应的关联匹配度，再对所述至少一个关联用户中的每一个关联用户对应的关联匹配度进行融合，以输出所述目标用户终端设备对应的第二推送匹配度；
所述对于目标用户集合包括的多个资讯用户中的每一个资讯用户，对该资讯用户和所述目标用户进行用户相关度的计算，以输出该资讯用户对应的用户相关度的步骤，包括：
对于目标用户集合包括的多个资讯用户中的每两个资讯用户，依据该两个资讯用户对应的用户交互数据集合，对该两个资讯用户进行交互相关度的确定处理，以形成该两个资讯用户之间的交互相关度，所述交互相关度的确定处理的依据至少包括三个维度，该三个维度包括用户交互数据集合包括的用户交互数据的总数据量、用户交互数据集合包括的具有肯定对方用户语义的用户交互数据的第一数据量、用户交互数据集合包括的具有否定对方用户语义的用户交互数据的第二数据量；
将所述目标用户集合中的每一个资讯用户作为一个网络节点，再依据每两个资讯用户之间的交互相关度，进行网络关系图的构建，以形成所述目标用户集合包括的多个资讯用户对应的用户网络关系图，在所述用户网络关系图中，每两个网络节点之间是否具有直接连接的关系依据该两个网络节点对应的两个资讯用户之间的交互相关度的大小确定；
依据所述目标用户与每一个所述资讯用户对应的用户交互数据集合，分别对所述目标用户与每一个所述资讯用户进行交互相关度的确定处理，以形成所述目标用户与每一个所述资讯用户之间的交互相关度；
依据所述目标用户与每一个所述资讯用户之间的交互相关度，将所述目标用户添加至所述用户网络关系图中，以形成所述用户网络关系图对应的目标用户网络关系图，在所述目标用户网络关系图中，所述目标用户对应的网络节点和所述资讯用户对应的网络节点之间是否具有直接连接的关系依据所述目标用户和该资讯用户之间的交互相关度的大小确定；
对于所述目标用户网络关系图中所述目标用户对应的第一网络节点以外的每一个第二网络节点，以该第二网络节点和所述第一网络节点为起点和终点，对所述目标用户网络关系图进行网络节点的遍历处理，以输出包括该第二网络节点和所述第一网络节点的最短网络路径，在所述最短网络路径中，每相邻的两个网络节点具有直接连接的关系；
对于所述目标用户网络关系图中所述目标用户对应的第一网络节点以外的每一个第二网络节点，分别将该第二网络节点对应的最短网络路径包括的每一个网络节点与所述第一网络节点之间关于对应的用户之间的交互相关度作为向量特征，以构建形成该第二网络节点对应的相关度特征向量，再依据该第二网络节点对应的相关度特征向量和每一个其它第二网络节点对应的相关度特征向量之间的向量相似度，从其它第二网络节点中，匹配出该第二网络节点对应的相关第二网络节点；
对于所述目标用户集合包括的多个资讯用户中的每一个资讯用户，依据该资讯用户与所述目标用户之间的交互相关度，并结合该资讯用户对应的第二网络节点对应的相关第二网络节点对应的其它资讯用户与所述目标用户之间的交互相关度，融合计算输出该资讯用户对应的用户相关度；
其中，所述在依据所述第一推送匹配度和所述第二推送匹配度鉴别出所述目标用户与所述待推送防疫资讯匹配的情况下，将所述待推送防疫资讯推送给所述目标用户终端设备，使所述目标用户终端设备显示所述待推送防疫资讯的步骤，包括：
对所述第一推送匹配度和所述第二推送匹配度进行加权求和计算，以输出目标推送匹配度，再将所述目标推送匹配度与预先设置的推送匹配度标准值进行大小比较处理，以及，在所述目标推送匹配度大于所述推送匹配度标准值的情况下，确定所述目标用户与所述待推送防疫资讯匹配；
在确定出所述目标用户与所述待推送防疫资讯匹配的情况下，将所述待推送防疫资讯推送给所述目标用户终端设备，使所述目标用户终端设备向所述目标用户显示所述待推送防疫资讯。
2.如权利要求1所述的基于防疫大数据的线上资讯推送方法，其特征在于，所述对于所述网络行为数据集合包括的每一条用户网络行为数据，对该用户网络行为数据和所述待推送防疫资讯进行文本相似度的计算处理，以输出该用户网络行为数据对应的文本相似度的步骤，包括：
对所述待推送防疫资讯进行分词处理，以形成所述待推送防疫资讯对应的资讯词语集合，所述资讯词语集合包括多个资讯词语；
对于所述资讯词语集合包括的每一个资讯词语，依据目标疫情语料数据库，对该资讯词语的出现次数进行统计，再依据该资讯词语对应的出现次数对该资讯词语进行重要系数的确定处理，以输出对应的目标重要系数；
对于所述网络行为数据集合包括的每一条用户网络行为数据进行分词处理形成的多个行为数据分词中的每一个行为数据分词，依据所述目标疫情语料数据库，从所述资讯词语集合中，匹配出与该行为数据分词之间具有最大词语相关度的一个资讯词语，以定义为该行为数据分词对应的相关资讯词语，再将该行为数据分词和该相关资讯词语之间的词语相关度，定义为该行为数据分词对应的目标词语相关度；
对于所述网络行为数据集合包括的每一条用户网络行为数据，依据每一个行为数据分词对应的相关资讯词语对应的目标重要系数，对该用户网络行为数据进行分词处理形成的多个行为数据分词对应的目标词语相关度进行融合，以输出该用户网络行为数据对应的文本相似度。
3.如权利要求1所述的基于防疫大数据的线上资讯推送方法，其特征在于，所述依据每一个所述资讯用户对应的用户相关度，从所述目标用户集合中，筛查出所述目标用户对应的至少一个关联用户的步骤，包括：
对于每一个所述资讯用户，对该资讯用户对应的用户相关度和预先设置的相关度标准值进行大小比较处理，以及，在该用户相关度大于所述相关度标准值的情况下，将该资讯用户标记为所述目标用户对应的关联用户；
对于每一个所述资讯用户，在该资讯用户对应的用户相关度小于或等于所述相关度标准值，且在该资讯用户对应的用户相关度大于预先设置的相关度召回标准值的情况，将该资讯用户标记为所述目标用户对应的候选资讯用户，所述相关度召回标准值小于所述相关度标准值；
对于每一个所述候选资讯用户，分别对该候选资讯用户和当前已经标记出的每一个关联用户进行用户相关度的计算，以输出该候选资讯用户和当前已经标记出的每一个关联用户之间的用户相关度；
对于每一个所述候选资讯用户，依据当前已经标记出的每一个关联用户和所述目标用户之间的用户相关度，对该候选资讯用户和当前已经标记出的每一个关联用户之间的用户相关度进行融合计算，以输出该候选资讯用户对应的参考用户相关度，再依据该参考用户相关度与该候选资讯用户和所述目标用户之间的用户相关度，对该候选资讯用户进行召回鉴别处理，以鉴别出是否将该候选资讯用户标记为所述目标用户对应的关联用户。
4.如权利要求1所述的基于防疫大数据的线上资讯推送方法，其特征在于，所述对于所述至少一个关联用户中的每一个关联用户，对该关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出该关联用户对应的关联匹配度，再对所述至少一个关联用户中的每一个关联用户对应的关联匹配度进行融合，以输出所述目标用户终端设备对应的第二推送匹配度的步骤，包括：
对于所述至少一个关联用户中的每一个关联用户，对该关联用户的网络行为进行分析处理，以输出该关联用户对应的关联网络行为数据集合，所述关联网络行为数据集合包括多条关联用户网络行为数据；
对于所述至少一个关联用户中的每一个关联用户，依据该关联用户对应的关联网络行为数据集合包括的关联用户网络行为数据，对该关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出对应的关联匹配度；
依据每一个所述关联用户对应的与该关联用户对应的用户相关度具有正相关关系的加权系数，对每一个所述关联用户对应的关联匹配度进行加权融合计算，以输出所述目标用户终端设备对应的第二推送匹配度。
5.一种基于防疫大数据的线上资讯推送系统，其特征在于，应用于大数据服务器，所述基于防疫大数据的线上资讯推送系统包括：
第一匹配度确定模块，用于对目标用户终端设备对应的目标用户和待推送防疫资讯进行匹配度的确定处理，以输出该目标用户终端设备对应的第一推送匹配度；
第二匹配度确定模块，用于对所述目标用户的关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第二推送匹配度；
防疫资讯推送模块，用于在依据所述第一推送匹配度和所述第二推送匹配度鉴别出所述目标用户与所述待推送防疫资讯匹配的情况下，将所述待推送防疫资讯推送给所述目标用户终端设备，使所述目标用户终端设备显示所述待推送防疫资讯；
其中，所述第一匹配度确定模块具体用于：
对目标用户终端设备对应的目标用户的网络行为进行分析处理，以输出所述目标用户对应的网络行为数据集合，所述网络行为数据集合包括多条用户网络行为数据，所述多条用户网络行为数据中的每一条用户网络行为数据依据所述目标用户在网络上进行的一次与防疫相关的操作形成；
依据所述网络行为数据集合包括的用户网络行为数据，对所述目标用户和待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第一推送匹配度；
所述依据所述网络行为数据集合包括的用户网络行为数据，对所述目标用户和待推送防疫资讯进行匹配度的确定处理，以输出所述目标用户终端设备对应的第一推送匹配度，包括：
对于所述网络行为数据集合包括的每一条用户网络行为数据，对该用户网络行为数据和所述待推送防疫资讯进行文本相似度的计算处理，以输出该用户网络行为数据对应的文本相似度；
对于所述网络行为数据集合包括的每一条用户网络行为数据，依据该用户网络行为数据对应的行为结束时间对该用户网络行为数据进行重要度的确定处理，以输出该用户网络行为数据对应的第一重要度，再依据该用户网络行为数据对应的行为持续时间对该用户网络行为数据进行重要度的确定处理，以输出该用户网络行为数据对应的第二重要度，以及，再依据该用户网络行为数据对应的数据量对该用户网络行为数据进行重要度的确定处理，以输出该用户网络行为数据对应的第三重要度，再对该第一重要度、该第二重要度和该第三重要度进行融合，以输出对应的目标重要度；
依据每一条所述用户网络行为数据对应的目标重要度，对所述网络行为数据集合包括的每一条用户网络行为数据对应的文本相似度进行融合，以输出所述目标用户终端设备对应的第一推送匹配度；
其中，所述第二匹配度确定模块具体用于：
对于目标用户集合包括的多个资讯用户中的每一个资讯用户，对该资讯用户和所述目标用户进行用户相关度的计算，以输出该资讯用户对应的用户相关度，每一个所述资讯用户在网络上都进行过与防疫相关的操作；
依据每一个所述资讯用户对应的用户相关度，从所述目标用户集合中，筛查出所述目标用户对应的至少一个关联用户；
对于所述至少一个关联用户中的每一个关联用户，对该关联用户和所述待推送防疫资讯进行匹配度的确定处理，以输出该关联用户对应的关联匹配度，再对所述至少一个关联用户中的每一个关联用户对应的关联匹配度进行融合，以输出所述目标用户终端设备对应的第二推送匹配度；
所述对于目标用户集合包括的多个资讯用户中的每一个资讯用户，对该资讯用户和所述目标用户进行用户相关度的计算，以输出该资讯用户对应的用户相关度，包括：
对于目标用户集合包括的多个资讯用户中的每两个资讯用户，依据该两个资讯用户对应的用户交互数据集合，对该两个资讯用户进行交互相关度的确定处理，以形成该两个资讯用户之间的交互相关度，所述交互相关度的确定处理的依据至少包括三个维度，该三个维度包括用户交互数据集合包括的用户交互数据的总数据量、用户交互数据集合包括的具有肯定对方用户语义的用户交互数据的第一数据量、用户交互数据集合包括的具有否定对方用户语义的用户交互数据的第二数据量；
将所述目标用户集合中的每一个资讯用户作为一个网络节点，再依据每两个资讯用户之间的交互相关度，进行网络关系图的构建，以形成所述目标用户集合包括的多个资讯用户对应的用户网络关系图，在所述用户网络关系图中，每两个网络节点之间是否具有直接连接的关系依据该两个网络节点对应的两个资讯用户之间的交互相关度的大小确定；
依据所述目标用户与每一个所述资讯用户对应的用户交互数据集合，分别对所述目标用户与每一个所述资讯用户进行交互相关度的确定处理，以形成所述目标用户与每一个所述资讯用户之间的交互相关度；
依据所述目标用户与每一个所述资讯用户之间的交互相关度，将所述目标用户添加至所述用户网络关系图中，以形成所述用户网络关系图对应的目标用户网络关系图，在所述目标用户网络关系图中，所述目标用户对应的网络节点和所述资讯用户对应的网络节点之间是否具有直接连接的关系依据所述目标用户和该资讯用户之间的交互相关度的大小确定；
对于所述目标用户网络关系图中所述目标用户对应的第一网络节点以外的每一个第二网络节点，以该第二网络节点和所述第一网络节点为起点和终点，对所述目标用户网络关系图进行网络节点的遍历处理，以输出包括该第二网络节点和所述第一网络节点的最短网络路径，在所述最短网络路径中，每相邻的两个网络节点具有直接连接的关系；
对于所述目标用户网络关系图中所述目标用户对应的第一网络节点以外的每一个第二网络节点，分别将该第二网络节点对应的最短网络路径包括的每一个网络节点与所述第一网络节点之间关于对应的用户之间的交互相关度作为向量特征，以构建形成该第二网络节点对应的相关度特征向量，再依据该第二网络节点对应的相关度特征向量和每一个其它第二网络节点对应的相关度特征向量之间的向量相似度，从其它第二网络节点中，匹配出该第二网络节点对应的相关第二网络节点；
对于所述目标用户集合包括的多个资讯用户中的每一个资讯用户，依据该资讯用户与所述目标用户之间的交互相关度，并结合该资讯用户对应的第二网络节点对应的相关第二网络节点对应的其它资讯用户与所述目标用户之间的交互相关度，融合计算输出该资讯用户对应的用户相关度；
其中，所述防疫资讯推送模块具体用于：
对所述第一推送匹配度和所述第二推送匹配度进行加权求和计算，以输出目标推送匹配度，再将所述目标推送匹配度与预先设置的推送匹配度标准值进行大小比较处理，以及，在所述目标推送匹配度大于所述推送匹配度标准值的情况下，确定所述目标用户与所述待推送防疫资讯匹配；
在确定出所述目标用户与所述待推送防疫资讯匹配的情况下，将所述待推送防疫资讯推送给所述目标用户终端设备，使所述目标用户终端设备向所述目标用户显示所述待推送防疫资讯。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210919335.8A CN114996589B (zh) | 2022-08-02 | 2022-08-02 | 基于防疫大数据的线上资讯推送方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210919335.8A CN114996589B (zh) | 2022-08-02 | 2022-08-02 | 基于防疫大数据的线上资讯推送方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114996589A CN114996589A (zh) | 2022-09-02 |
| CN114996589B true CN114996589B (zh) | 2022-10-21 |
Family
ID=83022397
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210919335.8A Active CN114996589B (zh) | 2022-08-02 | 2022-08-02 | 基于防疫大数据的线上资讯推送方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114996589B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103995858A (zh) * | 2014-05-15 | 2014-08-20 | 北京航空航天大学 | 基于任务分解的个性化知识主动推送方法 |
| CN107229708A (zh) * | 2017-05-27 | 2017-10-03 | 科技谷（厦门）信息技术有限公司 | 一种个性化出行服务大数据应用系统及方法 |
| CN110135915A (zh) * | 2016-08-22 | 2019-08-16 | 北京京东尚科信息技术有限公司 | 商品推荐方法和系统 |
| CN111026966A (zh) * | 2019-12-06 | 2020-04-17 | 创新奇智(成都)科技有限公司 | 基于用户和产品画像及两者关联程度的搜索推荐排序方法 |
| CN111079028A (zh) * | 2019-12-04 | 2020-04-28 | 上海财经大学 | 基于多源辅助信息的协同过滤推荐系统及方法 |
| CN111159566A (zh) * | 2019-12-31 | 2020-05-15 | 中国银行股份有限公司 | 金融市场产品的资讯推送方法及装置 |
| CN112148937A (zh) * | 2020-10-12 | 2020-12-29 | 平安科技（深圳）有限公司 | 动态防疫知识的推送方法及系统 |
| CN114371946A (zh) * | 2022-01-11 | 2022-04-19 | 企知眼数据科技(浙江)有限公司 | 基于云计算和大数据的信息推送方法及信息推送服务器 |
-
2022
- 2022-08-02 CN CN202210919335.8A patent/CN114996589B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103995858A (zh) * | 2014-05-15 | 2014-08-20 | 北京航空航天大学 | 基于任务分解的个性化知识主动推送方法 |
| CN110135915A (zh) * | 2016-08-22 | 2019-08-16 | 北京京东尚科信息技术有限公司 | 商品推荐方法和系统 |
| CN107229708A (zh) * | 2017-05-27 | 2017-10-03 | 科技谷（厦门）信息技术有限公司 | 一种个性化出行服务大数据应用系统及方法 |
| CN111079028A (zh) * | 2019-12-04 | 2020-04-28 | 上海财经大学 | 基于多源辅助信息的协同过滤推荐系统及方法 |
| CN111026966A (zh) * | 2019-12-06 | 2020-04-17 | 创新奇智(成都)科技有限公司 | 基于用户和产品画像及两者关联程度的搜索推荐排序方法 |
| CN111159566A (zh) * | 2019-12-31 | 2020-05-15 | 中国银行股份有限公司 | 金融市场产品的资讯推送方法及装置 |
| CN112148937A (zh) * | 2020-10-12 | 2020-12-29 | 平安科技（深圳）有限公司 | 动态防疫知识的推送方法及系统 |
| CN114371946A (zh) * | 2022-01-11 | 2022-04-19 | 企知眼数据科技(浙江)有限公司 | 基于云计算和大数据的信息推送方法及信息推送服务器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114996589A (zh) | 2022-09-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112084383A (zh) | 基于知识图谱的信息推荐方法、装置、设备及存储介质 | |
| CN110909182B (zh) | 多媒体资源搜索方法、装置、计算机设备及存储介质 | |
| CN112329836A (zh) | 基于深度学习的文本分类方法、装置、服务器及存储介质 | |
| CN112164391A (zh) | 语句处理方法、装置、电子设备及存储介质 | |
| CN110334179B (zh) | 问答处理方法、装置、计算机设备和存储介质 | |
| CN111460783B (zh) | 一种数据处理方法、装置、计算机设备及存储介质 | |
| CN114581207B (zh) | 一种面向电商平台的商品图像大数据精准推送方法及系统 | |
| CN112784066A (zh) | 基于知识图谱的信息反馈方法、装置、终端和存储介质 | |
| CN112395881A (zh) | 物料标签的构建方法、装置、可读存储介质及电子设备 | |
| CN117459575A (zh) | 业务数据推送方法、装置、计算机设备和存储介质 | |
| CN114116997A (zh) | 知识问答方法、装置、电子设备及存储介质 | |
| CN111428486A (zh) | 物品信息数据处理方法、装置、介质及电子设备 | |
| CN117195046A (zh) | 异常文本识别方法及相关设备 | |
| CN116720119A (zh) | 应用于多端业务交互的大数据识别方法及系统 | |
| CN114996589B (zh) | 基于防疫大数据的线上资讯推送方法及系统 | |
| CN111460808A (zh) | 同义文本识别及内容推荐方法、装置及电子设备 | |
| CN114647739B (zh) | 实体链指方法、装置、电子设备及存储介质 | |
| CN112541357B (zh) | 实体识别方法、装置及智能设备 | |
| CN113327154B (zh) | 基于大数据的电商用户讯息推送方法及系统 | |
| CN114444514A (zh) | 语义匹配模型训练、语义匹配方法及相关装置 | |
| CN113886547A (zh) | 基于人工智能的客户实时对话转接方法、装置和电子设备 | |
| CN114048315A (zh) | 确定文档标签的方法、装置、电子设备和存储介质 | |
| CN113609363A (zh) | 一种用户搜索方法及装置 | |
| CN111782880A (zh) | 语义泛化方法及显示设备 | |
| CN111708908A (zh) | 视频标签的添加方法及装置、电子设备、计算机可读存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |