CN116828041A - 车载应用的推送方法、装置、车辆及存储介质 - Google Patents
车载应用的推送方法、装置、车辆及存储介质 Download PDFInfo
- Publication number
- CN116828041A CN116828041A CN202310875736.2A CN202310875736A CN116828041A CN 116828041 A CN116828041 A CN 116828041A CN 202310875736 A CN202310875736 A CN 202310875736A CN 116828041 A CN116828041 A CN 116828041A
- Authority
- CN
- China
- Prior art keywords
- application
- user
- pushed
- pushing
- users
- 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 59
- 238000002372 labelling Methods 0.000 claims abstract description 33
- 238000012549 training Methods 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 14
- 230000005284 excitation Effects 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 abstract description 17
- 238000004891 communication Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 6
- 230000008901 benefit Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 238000003491 array Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
Landscapes
- User Interface Of Digital Computer (AREA)
Abstract
本申请涉及一种车载应用的推送方法、装置、车辆及存储介质,包括:将获取的待推送应用的标注信息输入至预先构建的应用模型得到待推送应用的类型,并将此类型输入至预先构建的用户模型得到待推送应用对应的第一用户集、第二用户集和第三用户集,将待推送应用分别推送至第一用户集中的所有用户,第二用户集中满足第一预设推送条件的目标用户,并在第三用户集中任一用户满足第二预设推送条件时推送待推送应用至第三用户集中的所有用户。由此,通过针对用户使用习惯和应用的类型对用户进行基于服务和内容的推送,解决用户对车载众多应用的整体使用频率和活跃度不平衡以及用户对推送内容产生反感等问题,提升用户的使用频率和覆盖率,保持用户活跃度。
Description
技术领域
本申请涉及车辆技术领域,特别涉及一种车载应用的推送方法、装置、车辆及存储介质。
背景技术
随着车辆智能领域的不断发展,车辆所承载的服务和应用越来越多,类型也是多种多样,然而,实际上用户在驾乘车辆的过程中,对车辆上面的很多应用和服务很少使用,甚至未曾使用过,这种状态将导致用户不能很好地获得相应的服务,相应的服务和应用也不能通过用户的使用而获得相应的收益,为了提高用户对车载应用的使用率,当前有许多的推荐和推送方法。
相关技术中,有一种信息推送方法,通过获取用户的第一数据特征日志,包括用户标识、场景标识以及用户的历史行为特征,并根据第一数据特征日志基于设定维度从数据库中提取具有点击特征的第一样本集合与具有分享特征的第二样本集合,将第一样本集合输入深度学习模型中进行训练,得到点击预测模型,将点击预测模型迁移到分享预测模型中,结合第二样本集合继续训练得到训练后的分享预测模型,采用训练后的分享预测模型对在线候选用户进行预测,得到满足预设条件的目标用户,从而实现向目标用户推送目标广告信息。
然而,该方法仅仅可以在一定程度上提高用户对相应应用的使用率,但是仅限于对用户常用的应用和服务进行相应信息推荐,并不能提高用户对众多应用的整体使用率和活跃度,亟待解决。
发明内容
本申请提供一种车载应用的推送方法、装置、车辆及存储介质,以解决用户对车载众多应用的整体使用频率和活跃度不平衡以及用户对推送内容产生反感等问题,提升用户的使用频率和覆盖率,保持用户活跃度。
本申请第一方面实施例提供一种车载应用的推送方法,包括以下步骤:
获取待推送应用的标注信息;
将所述待推送应用的标注信息输入至预先构建的应用模型,得到所述待推送应用的类型,并将所述待推送应用的类型输入至预先构建的用户模型,得到所述待推送应用对应的第一用户集、第二用户集和第三用户集;以及
将所述待推送应用推送至所述第一用户集中的所有用户,并将所述待推送应用推送至所述第二用户集中满足第一预设推送条件的目标用户,并在所述第三用户集中任一用户满足第二预设推送条件时推送所述待推送应用至所述第三用户集中的所有用户。
根据上述技术手段,本申请可以在进行应用推送之前,通过对用户和应用进行标注和模型构建,且根据模型中的信息对用户和应用进行聚类,在用户使用车辆过程中根据运营人员设定的相关规则对用户进行应用推送,从而提升用户的使用频率和覆盖率,保持用户活跃度。
进一步地,在将所述待推送应用的标注信息输入至预先构建的应用模型之前,还包括:
获取目标应用集,其中,所述目标应用集包括每个目标应用的标注信息和每个目标应用的类型;
根据所述每个目标应用的标注信息和所述每个目标应用的类型训练预设的第一神经网络,得到所述构建的应用模型。
根据上述技术手段,本申请通过根据应用的特点预先构建应用模型,可以将待推送应用进行类型方面的分类,以根据不同类型的待推送应用对用户进行合理推送,提升用户使用应用和服务的活跃度。
进一步地,在将所述待推送应用的类型输入至预先构建的用户模型之前,还包括:
获取待训练用户集,其中,所述待训练用户集包括每个用户的兴趣信息和所述每个用户的需求信息;
根据所述每个用户的兴趣信息和所述每个用户的需求信息确定所述每个用户对应的至少一个应用类型;
根据所述每个用户的兴趣信息和所述每个用户的需求信息、所述每个用户对应的至少一个应用类型训练预设的第二神经网络,得到所述预先构建的用户模型。
根据上述技术手段,本申请通过根据用户的特点预先构建用户模型,可以将众多用户分成不同的用户集群,使用协同过滤方式对用户进行应用推送,避免推送给用户自身不感兴趣的应用内容,增强用户体验感。
进一步地,在将所述待推送应用推送至所述第一用户集中的所有用户,并将所述待推送应用推送至所述第二用户集中满足第一预设推送条件的目标用户,并在所述第三用户集中任一用户满足第二预设推送条件时推送所述待推送应用至所述第三用户集中的所有用户之后,还包括:
获取所述第一用户集中对于所述待推送应用的第一反馈结果、所述第二用户集中对于所述待推送应用的第二反馈结果和所述第三用户集中对于所述待推送应用的第三反馈结果;
基于所述第一反馈结果、所述第二反馈结果和所述第三反馈结果,筛选出拒绝使用所述待推送应用的第四用户集,并调整所述第四用户集中所有用户的兴趣信息和需求信息,并根据调整后的第四用户集更新所述预先构建的用户模型。
根据上述技术手段,本申请可以通过记录用户对于不同应用推送的反馈结果,对部分用户进行重新标注、模型构建,进一步完善对不同用户的应用推送机制。
进一步地,在得到所述待推送应用对应的第一用户集、第二用户集和第三用户集之后,还包括:
若所述待推送应用的类型为运营强推应用且所述待推送应用对应所述第三用户集时,则调整所述待推送应用的激励程度,其中,所述激励程度与第一至第三用户集中用户对所述待推送应用的感兴趣程度呈负相关。
根据上述技术手段,本申请通过对部分运营强推应用使用可调节的激励制度,可以提升用户对该部分应用的使用频率和粘度,进而提高用户使用车载应用的积极性。
本申请第二方面实施例提供一种车载应用的推送装置,包括:
获取模块,用于获取待推送应用的标注信息;
输入模块,用于将所述待推送应用的标注信息输入至预先构建的应用模型,得到所述待推送应用的类型,并将所述待推送应用的类型输入至预先构建的用户模型,得到所述待推送应用对应的第一用户集、第二用户集和第三用户集;以及
推送模块,用于将所述待推送应用推送至所述第一用户集中的所有用户,并将所述待推送应用推送至所述第二用户集中满足第一预设推送条件的目标用户,并在所述第三用户集中任一用户满足第二预设推送条件时推送所述待推送应用至所述第三用户集中的所有用户。
进一步地,在将所述待推送应用的标注信息输入至预先构建的应用模型之前,所述输入模块,还用于:
获取目标应用集,其中,所述目标应用集包括每个目标应用的标注信息和每个目标应用的类型;
根据所述每个目标应用的标注信息和所述每个目标应用的类型训练预设的第一神经网络,得到所述构建的应用模型。
进一步地,在将所述待推送应用的类型输入至预先构建的用户模型之前,所述输入模块,还用于:
获取待训练用户集,其中,所述待训练用户集包括每个用户的兴趣信息和所述每个用户的需求信息;
根据所述每个用户的兴趣信息和所述每个用户的需求信息确定所述每个用户对应的至少一个应用类型;
根据所述每个用户的兴趣信息和所述每个用户的需求信息、所述每个用户对应的至少一个应用类型训练预设的第二神经网络,得到所述预先构建的用户模型。
进一步地,在将所述待推送应用推送至所述第一用户集中的所有用户,并将所述待推送应用推送至所述第二用户集中满足第一预设推送条件的目标用户,并在所述第三用户集中任一用户满足第二预设推送条件时推送所述待推送应用至所述第三用户集中的所有用户之后,所述推送模块,还用于:
获取所述第一用户集中对于所述待推送应用的第一反馈结果、所述第二用户集中对于所述待推送应用的第二反馈结果和所述第三用户集中对于所述待推送应用的第三反馈结果;
基于所述第一反馈结果、所述第二反馈结果和所述第三反馈结果,筛选出拒绝使用所述待推送应用的第四用户集,并调整所述第四用户集中所有用户的兴趣信息和需求信息,并根据调整后的第四用户集更新所述预先构建的用户模型。
进一步地,在得到所述待推送应用对应的第一用户集、第二用户集和第三用户集之后,所述输入模块,还用于:
若所述待推送应用的类型为运营强推应用且所述待推送应用对应所述第三用户集时,则调整所述待推送应用的激励程度,其中,所述激励程度与第一至第三用户集中用户对所述待推送应用的感兴趣程度呈负相关。
本申请第三方面实施例提供一种车辆,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如上述实施例所述的车载应用的推送方法。
本申请第四方面实施例提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行,以用于实现如上述实施例所述的车载应用的推送方法。
本申请实施例的有益效果:
(1)能够提升用户对于不常用、新上线应用的使用频率,提高用户在不同应用的活跃度,避免用户仅能享受到部分应用服务的处境,同时也可以避免应用对于用户越用越推荐,越不用越“隐身”的现象。
(2)扩大用户使用车载应用的范围,使用协同过滤思想,避免推荐用户不喜欢的内容,同时使用可调节的激励制度,增加用户对部分应用使用频率和粘度,提高车辆用户使用应用服务的积极性,提升用户的活跃度。
本申请附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
附图说明
本申请上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为根据本申请实施例提供的一种车载应用的推送方法的流程图;
图2为根据本申请的一个实施例的车载应用的推送系统的工作流程图;
图3为根据本申请实施例的车载应用的推送装置的方框示意图;
图4为根据本申请实施例的车辆的结构示意图。
其中:10-车载应用的推送装置、100-获取模块、200-输入模块、300-推送模块、401-存储器、402-处理器、403-通信接口。
具体实施方式
下面详细描述本申请的实施例,实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,旨在用于解释本申请,而不能理解为对本申请的限制。
下面参考附图描述本申请实施例的车载应用的推送方法、装置、车辆及存储介质。
在介绍本申请实施例提出的车载应用的推送方法之前,先简单介绍下相关技术中的信息推送方法。
相关技术中,提出一种信息推送方法及装置,方法包括:获取用于表征目标用户对多个推送信息中的每个推送信息进行选择和使用的多个历史行为特征的特征值;针对每个推送信息,将该推送信息对应的多个历史行为特征的特征值,分别输入至与该推送信息的信息类别对应的选择概率预测模型中,获取目标用户选择该信息类别中的推送信息的选择概率;根据目标用户选择每种信息类别中的推送信息的选择概率,确定针对目标用户的目标推送信息类别,并基于确定的目标推送信息类别,确定目标推送信息。
然而,该方法虽然可以一定程度上提高用户对相应应用的使用频率,但是仅限于对用户常用的应用和服务进行相应信息的推荐,并不能提高用户对众多应用的整体使用率和活跃度。
正是基于上述问题,本申请提供了一种车载应用的推送方法,在该方法中,通过将获取的待推送应用的标注信息输入至预先构建的应用模型,可以得到待推送应用的类型,并将此类型输入至预先构建的用户模型,可以得到待推送应用对应的第一用户集、第二用户集和第三用户集,将待推送应用分别推送至第一用户集中的所有用户,第二用户集中满足第一预设推送条件的目标用户,并在第三用户集中任一用户满足第二预设推送条件时推送待推送应用至第三用户集中的所有用户。由此,通过针对用户使用习惯和应用的类型对用户进行基于服务和内容的推送,解决了用户对车载众多应用的整体使用频率和活跃度不平衡以及用户对推送内容产生反感等问题,提升用户的使用频率和覆盖率,保持用户活跃度。
具体而言,图1为本申请实施例所提供的一种车载应用的推送方法的流程示意图,图2为本申请的一个实施例的车载应用的推送系统的工作流程图。
结合图1、图2所示,该车载应用的推送方法包括以下步骤:
在步骤S101中,获取待推送应用的标注信息。
可以理解的是,本申请实施例在进行相关应用推送之前可以对待推送应用进行标注,形成标注信息,其中,待推送应用的标注信息可以包括应用的类别、应用的上线时间等。
在步骤S102中,将待推送应用的标注信息输入至预先构建的应用模型,得到待推送应用的类型,并将待推送应用的类型输入至预先构建的用户模型,得到待推送应用对应的第一用户集、第二用户集和第三用户集。
其中,待推送应用对应的第一用户集可以为对待推送应用感兴趣程度较高的用户集,待推送应用对应的第二用户集可以为由所有用户组成的用户集;待推送应用对应的第三用户集可以为使用待推送应用频率较低的用户集。
具体而言,通过将待推送应用的标注信息输入至预先构建的应用模型,可以输出得到待推送应用的类型,其中,待推送应用的类型包括新上线的应用、用户使用频率较低的应用和用户感兴趣程度较高的应用,再将待推送应用的类型输入至预先构建的用户模型,即可输出得到待推送应用所对应的用户集,即第一用户集、第二用户集和第三用户集。
进一步地,在一些实施例中,在将待推送应用的标注信息输入至预先构建的应用模型之前,还包括:获取目标应用集,其中,目标应用集包括每个目标应用的标注信息和每个目标应用的类型;根据每个目标应用的标注信息和每个目标应用的类型训练预设的第一神经网络,得到构建的应用模型。
具体而言,本申请实施例可以根据应用的特点预先构建应用模型,首先获取包括每个目标应用的标注信息和每个目标应用的类型的目标应用集,根据每个目标应用的标注信息和类型对应用进行聚类,训练预设的第一神经网络,即可得到构建的应用模型。
进一步地,另一些实施例中,在将待推送应用的类型输入至预先构建的用户模型之前,还包括:获取待训练用户集,其中,待训练用户集包括每个用户的兴趣信息和每个用户的需求信息;根据每个用户的兴趣信息和每个用户的需求信息确定每个用户对应的至少一个应用类型;根据每个用户的兴趣信息和每个用户的需求信息、每个用户对应的至少一个应用类型训练预设的第二神经网络,得到预先构建的用户模型。
具体而言,本申请实施例可以根据用户的特点预先构建用户模型,首先获取包括每个用户的兴趣信息和每个用户的需求信息的待训练用户集,其中,用户的兴趣信息可以是篮球、音乐、娱乐新闻等,需求信息可以是天气预报、导航地图等;根据每个用户的兴趣信息和需求信息确定每个用户对应的至少一个应用类型;根据每个用户的兴趣信息和需求信息以及每个用户对应的至少一个应用类型对用户进行聚类,训练预设的第二神经网络,从而得到预先构建的用户模型。
在步骤S103中,将待推送应用推送至第一用户集中的所有用户,并将待推送应用推送至第二用户集中满足第一预设推送条件的目标用户,并在第三用户集中任一用户满足第二预设推送条件时推送待推送应用至第三用户集中的所有用户。
具体而言,由于第一用户集对应的待推送应用类型为用户感兴趣程度较高的应用,该类待推送应用对于第一用户集中的用户而言使用频率较高,当有推送任务时,本申请可以直接将与该应用类型相关的待推送应用推送至第一用户集中的所有用户;第二用户集对应的待推送应用类型为新上线的应用,当有推送任务时,本申请可以通过该待推送应用的标注信息确定该待推送应用的类别(如影视娱乐类、教育类等),从第二用户集中筛选对该类别应用感兴趣的用户,当第二用户集中的用户满足第一预设推送条件时,即第二用户集中的用户驾车状态处于特定环境,如开机、某时间、某地点或者车况达到某一阈值或者用户使用相关应用时,触发了对当前用户的应用推送,则可以对第二用户集中满足第一预设推送条件的目标用户进行新上线的应用的推送,其中,推送的时机可以依据运营人员预先的设定,也可以设置默认的推送时间;第三用户集对应的待推送应用类型为用户使用频率较低的应用,当有推送任务时,本申请可以通过查看用户的应用分类,对第三用户集中的用户所感兴趣的应用进行筛选,将其中满足第二预设推送条件,即属于用户使用频率较低的应用类型的待推送应用在第三用户集中的用户所感兴趣的应用中的,可以针对这些待推送应用,在触发应用推送时,将其推送至第三用户集中的所有用户。
由此,本申请实施例在进行应用推送之前,通过对用户和待推送应用进行标注以及模型构建,将用户和待推送应用进行过滤分类,当用户点击某个应用或内容时,可考虑适时为同分类(即同一用户集)下的其他用户推送该应用的内容,如果有其他的应用需要进行推送时,也可以根据该应用的特性,对使用过相似应用的用户进行应用推送。
此外,在一些实施例中,在将待推送应用推送至第一用户集中的所有用户,并将待推送应用推送至第二用户集中满足第一预设推送条件的目标用户,并在第三用户集中任一用户满足第二预设推送条件时推送待推送应用至第三用户集中的所有用户之后,还包括:获取第一用户集中对于待推送应用的第一反馈结果、第二用户集中对于待推送应用的第二反馈结果和第三用户集中对于待推送应用的第三反馈结果;基于第一反馈结果、第二反馈结果和第三反馈结果,筛选出拒绝使用待推送应用的第四用户集,并调整第四用户集中所有用户的兴趣信息和需求信息,并根据调整后的第四用户集更新预先构建的用户模型。
具体而言,将待推送应用分别推送至第一至第三用户集中的用户之后,可以获取并记录第一至第三用户集分别对于待推送应用的反馈结果,即第一至第三反馈结果,系统可以根据用户的反馈结果重新对用户进行标注,筛选出其中不理睬、拒绝使用待推送应用的第四用户集,并在后续的推荐过程中进行计算迭代,调整第四用户集中所有用户的兴趣信息和需求信息,并根据调整后的第四用户集更新预先构建的用户模型。
进一步地,在一些实施例中,在得到待推送应用对应的第一用户集、第二用户集和第三用户集之后,还包括:若待推送应用的类型为运营强推应用且待推送应用对应第三用户集时,则调整待推送应用的激励程度,其中,激励程度与第一至第三用户集中用户对待推送应用的感兴趣程度呈负相关。
需要说明的是,针对剩余的用户使用频率较低的待推送应用,本申请实施例可以将这些待推送应用的类型分为运营强推应用和运营非强推应用。其中,分类依据可由运营人员进行设定,即某些待推送应用虽然使用频率不高,但是该待推送应用为主推应用,或者某些应用预计能够产生效益,这类应用均需要在适当的时候强推给用户。
具体地,当待推送应用的类型为运营强推应用且待推送应用对应第三用户集时,对此类应用的推荐增加激励制度,即通过将第三用户集中的用户对这些应用的感兴趣程度进行排行,调整待推送应用的激励程度,且激励程度与第一至第三用户集中的用户对待推送应用的感兴趣程度呈负相关,故而不同用户对于不同应用的激励水平是不同的。其中,激励方式包括但不限于积分、勋章、抵用券等,具体的激励方式可由运营人员进行规定。
可以理解的是,本申请使用协同过滤方式对用户进行应用推送,对于推送部分用户不常使用的应用可能会引起用户乘车舒适度和满意度降低的情况,本申请实施例可以使用激励方式对用户活跃度进行调节,减少用户对于推送应用所产生的反感,进而平衡用户对各个不同应用的使用频率,激励用户尽可能地享受全部车载应用服务,提升用户使用应用和服务的活跃度。
根据本申请实施例提出的车载应用的推送方法,通过将获取的待推送应用的标注信息输入至预先构建的应用模型,可以得到待推送应用的类型,并将此类型输入至预先构建的用户模型,可以得到待推送应用对应的第一用户集、第二用户集和第三用户集,将待推送应用分别推送至第一用户集中的所有用户,第二用户集中满足第一预设推送条件的目标用户,并在第三用户集中任一用户满足第二预设推送条件时推送待推送应用至第三用户集中的所有用户。由此,通过针对用户使用习惯和应用的类型对用户进行基于服务和内容的推送,解决了用户对车载众多应用的整体使用频率和活跃度不平衡以及用户对推送内容产生反感等问题,提升用户的使用频率和覆盖率,保持用户活跃度。
其次参照附图描述根据本申请实施例提出的车载应用的推送装置。
图3是本申请实施例的车载应用的推送装置的方框示意图。
如图3所示,该车载应用的推送装置10包括:获取模块100、输入模块200和推送模块300。
其中,获取模块100,用于获取待推送应用的标注信息;
输入模块200,用于将待推送应用的标注信息输入至预先构建的应用模型,得到待推送应用的类型,并将待推送应用的类型输入至预先构建的用户模型,得到待推送应用对应的第一用户集、第二用户集和第三用户集;以及
推送模块300,用于将待推送应用推送至第一用户集中的所有用户,并将待推送应用推送至第二用户集中满足第一预设推送条件的目标用户,并在第三用户集中任一用户满足第二预设推送条件时推送待推送应用至第三用户集中的所有用户。
进一步地,在一些实施例中,在将待推送应用的标注信息输入至预先构建的应用模型之前,输入模块200,还用于:
获取目标应用集,其中,目标应用集包括每个目标应用的标注信息和每个目标应用的类型;
根据每个目标应用的标注信息和每个目标应用的类型训练预设的第一神经网络,得到构建的应用模型。
进一步地,在一些实施例中,在将待推送应用的类型输入至预先构建的用户模型之前,输入模块200,还用于:
获取待训练用户集,其中,待训练用户集包括每个用户的兴趣信息和每个用户的需求信息;
根据每个用户的兴趣信息和每个用户的需求信息确定每个用户对应的至少一个应用类型;
根据每个用户的兴趣信息和每个用户的需求信息、每个用户对应的至少一个应用类型训练预设的第二神经网络,得到预先构建的用户模型。
进一步地,在一些实施例中,在将待推送应用推送至第一用户集中的所有用户,并将待推送应用推送至第二用户集中满足第一预设推送条件的目标用户,并在第三用户集中任一用户满足第二预设推送条件时推送待推送应用至第三用户集中的所有用户之后,推送模块300,还用于:
获取第一用户集中对于待推送应用的第一反馈结果、第二用户集中对于待推送应用的第二反馈结果和第三用户集中对于待推送应用的第三反馈结果;
基于第一反馈结果、第二反馈结果和第三反馈结果,筛选出拒绝使用待推送应用的第四用户集,并调整第四用户集中所有用户的兴趣信息和需求信息,并根据调整后的第四用户集更新预先构建的用户模型。
进一步地,在一些实施例中,在得到待推送应用对应的第一用户集、第二用户集和第三用户集之后,输入模块200,还用于:
若待推送应用的类型为运营强推应用且待推送应用对应第三用户集时,则调整待推送应用的激励程度,其中,激励程度与第一至第三用户集中用户对待推送应用的感兴趣程度呈负相关。
需要说明的是,前述对车载应用的推送方法实施例的解释说明也适用于该实施例的车载应用的推送装置,此处不再赘述。
根据本申请实施例提出的车载应用的推送装置,通过将获取的待推送应用的标注信息输入至预先构建的应用模型,可以得到待推送应用的类型,并将此类型输入至预先构建的用户模型,可以得到待推送应用对应的第一用户集、第二用户集和第三用户集,将待推送应用分别推送至第一用户集中的所有用户,第二用户集中满足第一预设推送条件的目标用户,并在第三用户集中任一用户满足第二预设推送条件时推送待推送应用至第三用户集中的所有用户。由此,通过针对用户使用习惯和应用的类型对用户进行基于服务和内容的推送,解决了用户对车载众多应用的整体使用频率和活跃度不平衡以及用户对推送内容产生反感等问题,提升用户的使用频率和覆盖率,保持用户活跃度。
图4为本申请实施例提供的车辆的结构示意图。该车辆可以包括:
存储器401、处理器402及存储在存储器401上并可在处理器402上运行的计算机程序。
处理器402执行程序时实现上述实施例中提供的车载应用的推送方法。
进一步地,车辆还包括:
通信接口403,用于存储器401和处理器402之间的通信。
存储器401,用于存放可在处理器402上运行的计算机程序。
存储器401可能包含高速RAM(Random Access Memory,随机存取存储器)存储器,也可能还包括非易失性存储器,例如至少一个磁盘存储器。
如果存储器401、处理器402和通信接口403独立实现,则通信接口403、存储器401和处理器402可以通过总线相互连接并完成相互间的通信。总线可以是ISA(IndustryStandard Architecture,工业标准体系结构)总线、PCI(Peripheral Component,外部设备互连)总线或EISA(Extended Industry Standard Architecture,扩展工业标准体系结构)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,图4中仅用一条粗线表示,但并不表示仅有一根总线或一种类型的总线。
可选的,在具体实现上,如果存储器401、处理器402及通信接口403,集成在一块芯片上实现,则存储器401、处理器402及通信接口403可以通过内部接口完成相互间的通信。
处理器402可能是一个CPU(Central Processing Unit,中央处理器),或者是ASIC(Application Specific Integrated Circuit,特定集成电路),或者是被配置成实施本申请实施例的一个或多个集成电路。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现如上的车载应用的推送方法。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本申请的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不是必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或N个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本申请的描述中,“N个”的含义是至少两个,例如两个,三个等,除非另有明确具体的限定。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或N个用于实现定制逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本申请的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本申请的实施例所属技术领域的技术人员所理解。
应当理解,本申请的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,N个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。如,如果用硬件来实现和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列,现场可编程门阵列等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
尽管上面已经示出和描述了本申请的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本申请的限制,本领域的普通技术人员在本申请的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种车载应用的推送方法,其特征在于,包括以下步骤:
获取待推送应用的标注信息;
将所述待推送应用的标注信息输入至预先构建的应用模型,得到所述待推送应用的类型,并将所述待推送应用的类型输入至预先构建的用户模型,得到所述待推送应用对应的第一用户集、第二用户集和第三用户集;以及
将所述待推送应用推送至所述第一用户集中的所有用户,并将所述待推送应用推送至所述第二用户集中满足第一预设推送条件的目标用户,并在所述第三用户集中任一用户满足第二预设推送条件时推送所述待推送应用至所述第三用户集中的所有用户。
2.根据权利要求1所述的方法,其特征在于,在将所述待推送应用的标注信息输入至预先构建的应用模型之前,还包括:
获取目标应用集,其中,所述目标应用集包括每个目标应用的标注信息和每个目标应用的类型;
根据所述每个目标应用的标注信息和所述每个目标应用的类型训练预设的第一神经网络,得到所述构建的应用模型。
3.根据权利要求1所述的方法,其特征在于,在将所述待推送应用的类型输入至预先构建的用户模型之前,还包括:
获取待训练用户集,其中,所述待训练用户集包括每个用户的兴趣信息和所述每个用户的需求信息;
根据所述每个用户的兴趣信息和所述每个用户的需求信息确定所述每个用户对应的至少一个应用类型;
根据所述每个用户的兴趣信息和所述每个用户的需求信息、所述每个用户对应的至少一个应用类型训练预设的第二神经网络,得到所述预先构建的用户模型。
4.根据权利要求1或3所述的方法,其特征在于,在将所述待推送应用推送至所述第一用户集中的所有用户,并将所述待推送应用推送至所述第二用户集中满足第一预设推送条件的目标用户,并在所述第三用户集中任一用户满足第二预设推送条件时推送所述待推送应用至所述第三用户集中的所有用户之后,还包括:
获取所述第一用户集中对于所述待推送应用的第一反馈结果、所述第二用户集中对于所述待推送应用的第二反馈结果和所述第三用户集中对于所述待推送应用的第三反馈结果;
基于所述第一反馈结果、所述第二反馈结果和所述第三反馈结果,筛选出拒绝使用所述待推送应用的第四用户集,并调整所述第四用户集中所有用户的兴趣信息和需求信息,并根据调整后的第四用户集更新所述预先构建的用户模型。
5.根据权利要求1所述的方法,其特征在于,在得到所述待推送应用对应的第一用户集、第二用户集和第三用户集之后,还包括:
若所述待推送应用的类型为运营强推应用且所述待推送应用对应所述第三用户集时,则调整所述待推送应用的激励程度,其中,所述激励程度与第一至第三用户集中用户对所述待推送应用的感兴趣程度呈负相关。
6.一种车载应用的推送装置,其特征在于,包括:
获取模块,用于获取待推送应用的标注信息;
输入模块,用于将所述待推送应用的标注信息输入至预先构建的应用模型,得到所述待推送应用的类型,并将所述待推送应用的类型输入至预先构建的用户模型,得到所述待推送应用对应的第一用户集、第二用户集和第三用户集;以及
推送模块,用于将所述待推送应用推送至所述第一用户集中的所有用户,并将所述待推送应用推送至所述第二用户集中满足第一预设推送条件的目标用户,并在所述第三用户集中任一用户满足第二预设推送条件时推送所述待推送应用至所述第三用户集中的所有用户。
7.根据权利要求6所述的装置,其特征在于,在将所述待推送应用的标注信息输入至预先构建的应用模型之前,所述输入模块,还用于:
获取目标应用集,其中,所述目标应用集包括每个目标应用的标注信息和每个目标应用的类型;
根据所述每个目标应用的标注信息和所述每个目标应用的类型训练预设的第一神经网络,得到所述构建的应用模型。
8.根据权利要求6所述的装置,其特征在于,在将所述待推送应用的类型输入至预先构建的用户模型之前,所述输入模块,还用于:
获取待训练用户集,其中,所述待训练用户集包括每个用户的兴趣信息和所述每个用户的需求信息;
根据所述每个用户的兴趣信息和所述每个用户的需求信息确定所述每个用户对应的至少一个应用类型;
根据所述每个用户的兴趣信息和所述每个用户的需求信息、所述每个用户对应的至少一个应用类型训练预设的第二神经网络,得到所述预先构建的用户模型。
9.一种车辆,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述程序,以实现如权利要求1-5任一项所述的车载应用的推送方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行,以用于实现如权利要求1-5任一项所述的车载应用的推送方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310875736.2A CN116828041A (zh) | 2023-07-17 | 2023-07-17 | 车载应用的推送方法、装置、车辆及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310875736.2A CN116828041A (zh) | 2023-07-17 | 2023-07-17 | 车载应用的推送方法、装置、车辆及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116828041A true CN116828041A (zh) | 2023-09-29 |
Family
ID=88143031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310875736.2A Pending CN116828041A (zh) | 2023-07-17 | 2023-07-17 | 车载应用的推送方法、装置、车辆及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116828041A (zh) |
-
2023
- 2023-07-17 CN CN202310875736.2A patent/CN116828041A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104615661B (zh) | 面向云平台应用的服务推荐方法、设备及系统 | |
CN110573837B (zh) | 导航方法、装置、存储介质以及服务器 | |
US20080140591A1 (en) | System and method for matching objects belonging to hierarchies | |
CN111279328A (zh) | 预测对于特定场境的搜索的意图 | |
CN104965630A (zh) | 桌面应用程序图标布局的方法和系统 | |
CN111523035B (zh) | App浏览内容的推荐方法、装置、服务器和介质 | |
CN106202427A (zh) | 应用处理方法及装置 | |
CN114418035A (zh) | 决策树模型生成方法、基于决策树模型的数据推荐方法 | |
CN106649696A (zh) | 信息分类方法及装置 | |
CN111061979A (zh) | 一种用户标签的推送方法、装置、电子设备和介质 | |
CN114943030A (zh) | 一种网联汽车推荐方法及系统 | |
CN112650946B (zh) | 产品信息的推荐方法、装置、系统及存储介质 | |
CN114428910A (zh) | 资源推荐方法、装置、电子设备、产品及介质 | |
CN116701772B (zh) | 数据推荐方法和装置、计算机可读存储介质、电子设备 | |
CN112100509B (zh) | 信息推荐方法、装置、服务器和存储介质 | |
CN108647347A (zh) | 分页显示方法、用户设备、存储介质及装置 | |
CN110619090B (zh) | 一种区域吸引力评估方法及设备 | |
CN116828041A (zh) | 车载应用的推送方法、装置、车辆及存储介质 | |
CN105446971B (zh) | 一种信息显示方法和装置 | |
CN113572841B (zh) | 信息推送方法及装置 | |
CN112926690B (zh) | 数据处理方法、装置、设备及存储介质 | |
CN112406873B (zh) | 纵向控制模型参数确认方法、车辆控制方法、存储介质和电子设备 | |
CN114647782A (zh) | 书架页面的书籍推荐方法、计算设备及存储介质 | |
CN113536028A (zh) | 音乐的推荐方法和装置 | |
CN110275986B (zh) | 基于协同过滤的视频推荐方法、服务器及计算机存储介质 |
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 |