CN117312660A - 项目推送方法、装置、计算机设备和存储介质 - Google Patents
项目推送方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN117312660A CN117312660A CN202311193227.8A CN202311193227A CN117312660A CN 117312660 A CN117312660 A CN 117312660A CN 202311193227 A CN202311193227 A CN 202311193227A CN 117312660 A CN117312660 A CN 117312660A
- Authority
- CN
- China
- Prior art keywords
- item
- pushed
- items
- target user
- existing
- 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 43
- 230000006399 behavior Effects 0.000 claims description 66
- 238000004590 computer program Methods 0.000 claims description 36
- 238000010586 diagram Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 229910021389 graphene Inorganic materials 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
- 230000003287 optical effect Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
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
- 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Finance (AREA)
- Accounting & Taxation (AREA)
- Evolutionary Biology (AREA)
- Development Economics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Technology Law (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请涉及一种项目推送方法、装置、计算机设备和存储介质，涉及计算机技术领域，可应用于金融技术领域以及其他技术领域。所述方法包括：根据目标用户对上一推送周期内所推送的各已有项目的浏览行为，从各已有项目中确定所述目标用户的感兴趣项目；根据所述感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对所述推送项目集中各待推送项目的优先级进行更新；根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目；向所述目标用户推送至少一个目标项目。采用本方法能够提高推送项目为用户感兴趣项目的概率，并增加用户粘性。
Description
技术领域
本申请涉及计算机技术领域，特别是涉及一种项目推送方法、装置、计算机设备和存储介质，可应用于金融技术领域以及其他技术领域。
背景技术
随着科技的迅猛发展，线上金融正逐渐成为金融行业的新宠。越来越多的用户选择在线上进行金融操作，例如账户注册、移动支付、借贷、理财等。为了提高用户粘性和活跃度，金融机构会通过客户端为用户推送营销项目(比如营销活动)。
目前，金融机构通常根据用户浏览过的项目的关键词，来匹配需要向用户推送的项目，然而这种匹配机制难以精准匹配到用户感兴趣的项目，即向用户所推送的项目的准确度低。
发明内容
基于此，有必要针对上述技术问题，提供一种项目推送方法、装置、计算机设备和存储介质，以提高项目推送准确度。
第一方面，本申请提供了一种项目推送方法，包括：
根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定所述目标用户的感兴趣项目；
根据所述感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对所述待推送项目集中各待推送项目的优先级进行更新；
根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目；
向所述目标用户推送至少一个目标项目。
在其中一个实施例中，根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定所述目标用户的感兴趣项目，包括：
对目标用户对上一推送周期内所推送的各已有项目的浏览行为数据进行哈希运算，得到各已有项目的项目哈希值；
将项目哈希值最大的已有项目，作为所述目标用户的感兴趣项目。
在其中一个实施例中，根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定所述目标用户的感兴趣项目，包括：
根据各已有项目的项目类型，对各已有项目进行分类，得到至少一个项目组；
对所述目标用户对项目组中已有项目的浏览行为数据进行哈希运算，得到各项目组的组哈希值；
将组哈希值最大的项目组中的已有项目，作为所述目标用户的感兴趣项目。
在其中一个实施例中，对所述目标用户对项目组中已有项目的浏览行为数据进行哈希运算，得到各项目组的组哈希值包括：
针对每一项目组，对所述目标用户对该项目组中各已有项目的浏览行为数据进行哈希运算，得到该项目组中各已有项目的项目哈希值；
将该项目组中各已有项目的项目哈希值之和，作为该项目组的组哈希值。
在其中一个实施例中，根据所述感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对所述待推送项目集中各待推送项目的优先级进行更新，包括：
根据所述感兴趣项目的项目类型，从待推送项目集中确定项目子集；
根据所述感兴趣项目的项目内容与所述项目子集中各待推送项目之间的模糊匹配度，对所述项目子集中各待推送项目的优先级进行更新。
在其中一个实施例中，浏览行为数据包括点击次数和点击时间。
第二方面，本申请还提供了一种项目推送装置，包括：
第一确定模块，用于根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定所述目标用户的感兴趣项目；
更新模块，用于根据所述感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对所述待推送项目集中各待推送项目的优先级进行更新；
第二确定模块，用于根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目；
推送模块，用于向所述目标用户推送至少一个目标项目。
第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现以下步骤：
根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定所述目标用户的感兴趣项目；
根据所述感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对所述待推送项目集中各待推送项目的优先级进行更新；
根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目；
向所述目标用户推送至少一个目标项目。
第四方面，本申请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，所述计算机程序被处理器执行时实现以下步骤：
根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定所述目标用户的感兴趣项目；
根据所述感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对所述待推送项目集中各待推送项目的优先级进行更新；
根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目；
向所述目标用户推送至少一个目标项目。
第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定所述目标用户的感兴趣项目；
根据所述感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对所述待推送项目集中各待推送项目的优先级进行更新；
根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目；
向所述目标用户推送至少一个目标项目。
上述项目推送方法、装置、计算机设备和存储介质，通过根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据来确定目标用户的感兴趣项目，并根据感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对推送项目集中各待推送项目的优先级进行更新，进而根据各待推送项目的更新后的优先级，向目标用户推送当前推送周期内的至少一个目标项目。上述方案，一方面，通过引入浏览行为数据，在一定程度上提高了确定感兴趣项目的精准度；另一方面，通过引入模糊匹配操作，进一步提高推送项目为目标用户感兴趣项目的概率，提高用户粘性；相比于相关技术通常根据用户浏览过的项目的关键词，来匹配需要向用户推送的项目而言，本方案一定程度上达到了精准推送的效果。
附图说明
为了更清楚地说明本申请实施例或相关技术中的技术方案，下面将对实施例或相关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申请的一些实施例，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，还可以根据这些附图获得其他的附图。
图1为本申请实施例中提供的一种项目推送方法的应用环境图；
图2为本申请实施例中提供的一种项目推送方法的流程示意图；
图3为本申请实施例中提供的一种确定目标用户的感兴趣项目的流程示意图；
图4为本申请实施例中提供的另一种确定目标用户的感兴趣项目的流程示意图；
图5为本申请实施例中提供的一种更新待推送项目优先级的流程示意图；
图6为本申请实施例中提供的另一种项目推送方法的流程示意图；
图7为本申请实施例中提供的一种项目推送装置的结构框图；
图8为本申请实施例中提供的另一种项目推送装置的结构框图；
图9为本申请实施例中提供的一种计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
本申请实施例提供的项目推送方法，可以应用于如图1所示的应用环境中。其中，终端101通过网络与服务器102进行通信。数据存储系统可以存储服务器102需要处理的数据。数据存储系统可以集成在服务器102上，也可以放在云上或其他网络服务器上。其中，终端101中可安装金融机构的客户端，服务器102可以是客户端所对应的服务器。可选的，服务器102根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定目标用户的感兴趣项目，然后根据感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对推送项目集中各待推送项目的优先级进行更新，进一步的，服务器102根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目，进而向目标用户所持终端101推送所确定的至少一个目标项目。其中，终端101可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑等。服务器102可以用独立的服务器或者是多个服务器组成的服务器集群来实现。
在一个示例性的实施例中，如图2所示，提供了一种项目推送方法，以该方法应用于图1中的服务器102为例进行说明，包括以下步骤：
S201，根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定目标用户的感兴趣项目。
其中，在金融领域场景下，项目可以是金融机构所创建的营销活动，比如可以是开户营销活动、理财产品营销活动、信用卡营销活动等。目标用户可以为已注册成为金融机构(比如银行)下的任一用户。可选的，对于任一用户，在该用户成为金融机构的用户的情况下，金融机构所对应的服务器可以通过该用户所持终端中安装的客户端，向该用户推送项目。
已有项目指的是已经向目标用户推送过的项目。所谓推送周期即为向目标用户推送项目的周期，比如可以是每一分钟向目标用户推送一次项目，相应的推送周期为一分钟。上一推送周期为当前推送周期的上一个推送周期，比如推送周期为一分钟，则上一推送周期为当前推送周期的上一分钟。
浏览行为数据指目标用户对已有项目的操作数据，包括但不限于点击次数和点击时间等。感兴趣项目即为目标用户所关注或心仪的项目。
可选的，可以对目标用户对上一个推送周期内推送的各已有项目的点击次数和点击时间进行统计分析，来确定目标用户的感兴趣项目。例如，可以按照点击时间，对各已有项目进行排序，提取最近一段时间内的已有项目；之后，将提取的已有项目中点击次数最高的项目，作为目标用户的感兴趣项目。
S202，根据感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对待推送项目集中各待推送项目的优先级进行更新。
其中，项目内容包括但不限于项目名称和项目实质内容。模糊匹配度表征待推送项目与感兴趣项目之间的相似度，通常用百分数表示，比如模糊匹配度可以为85％；可选的，模糊匹配度越高，待推送项目的优先级越高。待推送项目是未向目标用户推送过的项目，待推送项目集是所有待推送项目组成的集合。
优先级表征向目标用户推送项目的优先顺序，优先级高的项目优先推送给目标用户。
可选的，待推送项目集中各待推送项目具有默认的优先级，例如，其默认优先级可以为设定的优先级；或者，每一个推送周期对应一个待推送项目集，进而当前推送周期对应的待推送项目集中各待推送项目的优先级也可以根据上一个推送周期所对应的待推送项目集中各待推送项目的优先级确定。
可选的，在确定感兴趣项目后，将待推送项目集中各待推送项目，均与感兴趣项目的项目内容进行模糊匹配，得到每一待推送项目与感兴趣项目之间的模糊匹配度；按照待推送项目的模糊匹配度，将待推送项目分为三个等级，比如，将待推送项目分为高等级(模糊匹配度在90％及以上)、中等级(模糊匹配度在60％-90％之间)和低等级(模糊匹配度在60％及以下)。对于任一待推送项目，直接采用该待推送项目的等级，对该待推送项目的默认优先级进行替换，来实现对该待推送项目的优先级的更新。或者，根据部分待推荐项目的等级，对该待推荐项目的默认等级进行合理替换。例如，若高等级的待推送项目的默认等级为低等级，则将该待推送项目更新为高等级。
S203，根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目。
其中，目标项目为当前推送周期内向目标用户推送的项目。
可选的，可以基于不同的优先级，按照比例从各待推送项目中确定目标项目。例如，可以将所有高优先级的待推送项目作为目标项目，也可以按照一定的比例，确定目标项目。比如一个推送周期内可推送10个项目，可按照5:3:2的比例确定高优先级、中优先级和低优先级项目数量，也就是说，目标项目包含5个高优先级项目、3个中优先级项目和2个低优先级项目。
S204，向目标用户推送至少一个目标项目。
可选的，在当前推送周期内，通过目标用户所持终端中安装的客户端，向目标用户推送至少一个目标项目。
进一步的，还可以根据对目标用户浏览行为数据的统计，分析出目标用户的浏览习惯，可选的，按照目标用户的浏览习惯，对各目标项目进行合理排版，将排版之后的目标项目推送给目标用户，以提高目标用户的浏览体验。
上述项目推送方法中，通过根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据来确定目标用户的感兴趣项目，并根据感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对推送项目集中各待推送项目的优先级进行更新，进而根据各待推送项目的更新后的优先级，向目标用户推送当前推送周期内的至少一个目标项目。上述方案，一方面，通过引入浏览行为数据，在一定程度上提高了确定感兴趣项目的精准度；另一方面，通过引入模糊匹配操作，进一步提高推送项目为目标用户感兴趣项目的概率，提高用户粘性；相比于相关技术通常根据用户浏览过的项目的关键词，来匹配需要向用户推送的项目而言，本方案一定程度上达到了精准推送的效果。
可选的，确定目标用户的感兴趣项目有多种方式，在一个实施例中，如图3所示，提供了一种确定目标用户的感兴趣项目的可选方式，具体包括以下步骤：
S302，对目标用户对上一推送周期内所推送的各已有项目的浏览行为数据进行哈希运算，得到各已有项目的项目哈希值。
可选的，针对每一个已有项目，可以将目标用户对该已有项目的点击次数和点击时间排列组合成为一个字符串；采用设定的哈希算法，对该字符串进行哈希运算，得到该已有项目的哈希值。
S302，将项目哈希值最大的已有项目，作为目标用户的感兴趣项目。
可选的，项目哈希值最大的已有项目，说明目标用户在上一推送周期内点击次数偏高，也就是说项目哈希值最大的已有项目为目标用户的感兴趣项目。
本实施例中，通过对目标用户对上一推送周期内所推送的各已有项目的浏览行为数据进行哈希运算，来确定目标用户的感兴趣项目，提高了确定感兴趣项目的准确度。
在一个实施例中，提供了另一种确定目标用户的感兴趣项目的可选方式，如图4所示，具体包括以下步骤：
S401，根据各已有项目的项目类型，对各已有项目进行分类，得到至少一个项目组。
其中，金融机构的所有项目可以被分为不同的类型，比如银行卡营销类、理财产品营销类、信贷营销类、信用卡营销类等类型。项目组指的是由同一类型的项目组成的组合。比如将待推送项目中所有银行卡营销类的项目作为一个项目组。
可选的，按照已有项目的项目类型，将已有项目进行分类，得到各个类型的项目组。比如可以分为银行卡营销类项目组、理财产品营销类项目组、信用卡营销类项目组等。
S402，对目标用户对项目组中已有项目的浏览行为数据进行哈希运算，得到各项目组的组哈希值。
可选的，为了提高计算组哈希值的合理性和准确性，可以选择不同的方式计算组哈希值，具体如下：
第一种方式为，针对每一项目组，将该项目组中目标用户对所有已有项目的点击次数求和，并将点击时间取中间值，可以将求和后的点击次数和点击时间的中间值排列组合成为一个字符串；采用设定的哈希算法，对该字符串进行哈希运算，得到该项目组的组哈希值。
第二种方式为，针对每一项目组，对目标用户对该项目组中各已有项目的浏览行为进行哈希运算，得到该项目组中各已有项目的项目哈希值；将该项目组中各已有项目的项目哈希值之和，作为该项目组的组哈希值。具体的，对于每一个项目组，可以将目标用户对该项目组中各已有项目的点击次数和点击时间排列组合成为一个字符串，并采用设定的哈希算法，对该字符串进行哈希运算，得到该项目组中每一个项目的项目哈希值；将该项目组中所有项目的项目哈希值相加，便可得到该项目组的组哈希值。
S403，将组哈希值最大的项目组中的已有项目，作为目标用户的感兴趣项目。
可选的，得到组哈希值后，可以将组哈希值最大的项目组中的所有项目，作为目标用户的感兴趣项目；也可以将组哈希值最大的项目组中的任一项目，作为目标用户的感兴趣项目。
本实施例中，通过根据项目类型构建项目组，并计算各项目组的哈希值，一定程度上提高了哈希计算的效率，并提高了确定感兴趣项目的准确率。
需要说明的是，为了提高模糊匹配的效率，可以按照项目类型，对感兴趣项目的项目内容进行模糊匹配。在上述实施例的基础上，在一个实施例中，如图5所示，提供了一种更新待推送项目优先级的方式，具体包括以下步骤：
S501，根据感兴趣项目的项目类型，从待推送项目集中确定项目子集。
可选的，在确定感兴趣项目后，将待推送项目集中所有与感兴趣项目的项目类型相同的待推送项目，组成项目子集。
S502，根据感兴趣项目的项目内容与项目子集中各待推送项目之间的模糊匹配度，对项目子集中各待推送项目的优先级进行更新。
可选的，在确定感兴趣项目后，将项目子集中各待推送项目，均与感兴趣项目的项目内容进行模糊匹配，得到每一待推送项目与感兴趣项目之间的模糊匹配度；按照待推送项目的模糊匹配度，将待推送项目分为三个等级，比如，将待推送项目分为高等级(模糊匹配度在90％及以上)、中等级(模糊匹配度在60％-90％之间)和低等级(模糊匹配度在60％及以下)，对于任一待推送项目，直接采用该待推送项目的等级，对该待推送项目的默认优先级进行替换，来实现对该待推送项目的优先级的更新。或者，若高等级的待推送项目的默认等级为低等级，则将该待推送项目更新为高等级。
本实施例中，通过根据感兴趣项目的项目类型，对待推送项目进行筛选，在保证确定的待推送项目的优先级的合理性大队同时，降低了计算量。
图6为另一个实施例中项目推送方法的流程示意图，在上述实施例的基础上，本实施例提供了一种项目推送方法的可选实例。结合图6，具体实现过程如下：
S601，对目标用户对上一推送周期内所推送的各已有项目的浏览行为数据进行哈希运算，得到各已有项目的项目哈希值。
S602，将项目哈希值最大的已有项目，作为目标用户的感兴趣项目。
S603，根据感兴趣项目的项目类型，从待推送项目集中确定项目子集。
S604，根据感兴趣项目的项目内容与项目子集中各待推送项目之间的模糊匹配度，对项目子集中各待推送项目的优先级进行更新。
S605，根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目。
S606，向目标用户推送至少一个目标项目。
上述S601-S606的具体过程可以参见上述方法实施例的描述，其实现原理和技术效果类似，在此不再赘述。
应该理解的是，虽然如上所述的各实施例所涉及的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，如上所述的各实施例所涉及的流程图中的至少一部分步骤可以包括多个步骤或者多个阶段，这些步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
基于同样的发明构思，本申请实施例还提供了一种用于实现上述所涉及的项目推送方法的项目推送装置。该装置所提供的解决问题的实现方案与上述方法中所记载的实现方案相似，故下面所提供的一个或多个项目推送装置实施例中的具体限定可以参见上文中对于项目推送方法的限定，在此不再赘述。
在一个示例性的实施例中，如图7所示，提供了一种项目推送装置1，包括：第一确定模块10、更新模块20、第二确定模块30和推送模块40，其中：
第一确定模块10，用于根据目标用户对上一推送周期内所推送的各已有项目的浏览行为，从各已有项目中确定目标用户的感兴趣项目。
更新模块20，用于根据感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对推送项目集中各待推送项目的优先级进行更新。
第二确定模块30，用于根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目。
推送模块40，向目标用户推送至少一个目标项目。
上述项目推送装置，通过根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据来确定目标用户的感兴趣项目，并根据感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对推送项目集中各待推送项目的优先级进行更新，进而根据各待推送项目的更新后的优先级，向目标用户推送当前推送周期内的至少一个目标项目。上述方案，一方面，通过引入浏览行为数据，在一定程度上提高了确定感兴趣项目的精准度；另一方面，通过引入模糊匹配操作，进一步提高推送项目为目标用户感兴趣项目的概率，提高用户粘性；相比于相关技术通常根据用户浏览过的项目的关键词，来匹配需要向用户推送的项目而言，本方案一定程度上达到了精准推送的效果。
在一个实施例中，第一确定模块10具体用于：
对目标用户对上一推送周期内所推送的各已有项目的浏览行为进行哈希运算，得到各已有项目的项目哈希值；将项目哈希值最大的已有项目，作为目标用户的感兴趣项目。
在一个实施例中，在图7的基础上，如图8所示，第一确定模块10还包括：
确定单元11，用于根据各已有项目的项目类型，对各已有项目进行分类，得到至少一个项目组。
哈希运算单元12，用于对目标用户对项目组中已有项目的浏览行为进行哈希运算，得到各项目组的组哈希值。
项目确定单元13，用于将组哈希值最大的项目组中的已有项目，作为目标用户的感兴趣项目。
在一个实施例中，哈希运算单元12具体用于：
针对每一项目组，对目标用户对该项目组中各已有项目的浏览行为进行哈希运算，得到该项目组中各已有项目的项目哈希值；将该项目组中各已有项目的项目哈希值之和，作为该项目组的组哈希值。
在一个实施例中，更新模块20具体用于：
根据感兴趣项目的项目类型，从待推送项目集中确定项目子集；根据感兴趣项目的项目内容与项目子集中各待推送项目之间的模糊匹配度，对项目子集中各待推送项目的优先级进行更新。
在一个实施例中，项目推送装置1中的浏览行为数据包括点击次数和点击时间。
上述项目推送装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个示例性的实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图9所示。该计算机设备包括处理器、存储器、输入/输出接口(Input/Output，简称I/O)和通信接口。其中，处理器、存储器和输入/输出接口通过系统总线连接，通信接口通过输入/输出接口连接到系统总线。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质和内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储目标用户对已有项目的浏览行为数据。该计算机设备的输入/输出接口用于处理器与外部设备之间交换信息。该计算机设备的通信接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种项目推送方法。
本领域技术人员可以理解，图9中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个示例性的实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定目标用户的感兴趣项目；
根据感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对待推送项目集中各待推送项目的优先级进行更新；
根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目；
向目标用户推送至少一个目标项目。
在一个实施例中，处理器执行计算机程序根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定目标用户的感兴趣项目时，还实现以下步骤：
对目标用户对上一推送周期内所推送的各已有项目的浏览行为数据进行哈希运算，得到各已有项目的项目哈希值；将项目哈希值最大的已有项目，作为目标用户的感兴趣项目。
在一个实施例中，处理器执行计算机程序根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定目标用户的感兴趣项目时，还实现以下步骤：
根据各已有项目的项目类型，对各已有项目进行分类，得到至少一个项目组；对目标用户对项目组中已有项目的浏览行为数据进行哈希运算，得到各项目组的组哈希值；将组哈希值最大的项目组中的已有项目，作为目标用户的感兴趣项目。
在一个实施例中，处理器执行计算机程序对目标用户对项目组中已有项目的浏览行为数据进行哈希运算，得到各项目组的组哈希值时，还实现以下步骤：
针对每一项目组，对目标用户对该项目组中各已有项目的浏览行为数据进行哈希运算，得到该项目组中各已有项目的项目哈希值；将该项目组中各已有项目的项目哈希值之和，作为该项目组的组哈希值。
在一个实施例中，处理器执行计算机程序根据感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对待推送项目集中各待推送项目的优先级进行更新时，还实现以下步骤：
根据感兴趣项目的项目类型，从待推送项目集中确定项目子集；根据感兴趣项目的项目内容与项目子集中各待推送项目之间的模糊匹配度，对项目子集中各待推送项目的优先级进行更新。
在一个实施例中，处理器执行上述计算机程序时，浏览行为包括点击次数和点击时间。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定目标用户的感兴趣项目；
根据感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对待推送项目集中各待推送项目的优先级进行更新；
根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目；
向目标用户推送至少一个目标项目。
在一个实施例中，计算机程序根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定目标用户的感兴趣项目被处理器执行时，还实现以下步骤：
对目标用户对上一推送周期内所推送的各已有项目的浏览行为数据进行哈希运算，得到各已有项目的项目哈希值；将项目哈希值最大的已有项目，作为目标用户的感兴趣项目。
在一个实施例中，计算机程序根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定目标用户的感兴趣项目被处理器执行时，还实现以下步骤：
根据各已有项目的项目类型，对各已有项目进行分类，得到至少一个项目组；对目标用户对项目组中已有项目的浏览行为数据进行哈希运算，得到各项目组的组哈希值；将组哈希值最大的项目组中的已有项目，作为目标用户的感兴趣项目。
在一个实施例中，计算机程序对目标用户对项目组中已有项目的浏览行为数据进行哈希运算，得到各项目组的组哈希值被处理器执行时，还实现以下步骤：
针对每一项目组，对目标用户对该项目组中各已有项目的浏览行为数据进行哈希运算，得到该项目组中各已有项目的项目哈希值；将该项目组中各已有项目的项目哈希值之和，作为该项目组的组哈希值。
在一个实施例中，计算机程序根据感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对待推送项目集中各待推送项目的优先级进行更新被处理器执行时，还实现以下步骤：
根据感兴趣项目的项目类型，从待推送项目集中确定项目子集；根据感兴趣项目的项目内容与项目子集中各待推送项目之间的模糊匹配度，对项目子集中各待推送项目的优先级进行更新。
在一个实施例中，上述计算机程序被处理器执行时，浏览行为包括点击次数和点击时间。
在一个实施例中，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下步骤：
根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定目标用户的感兴趣项目；
根据感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对待推送项目集中各待推送项目的优先级进行更新；
根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目；
向目标用户推送至少一个目标项目。
在一个实施例中，计算机程序根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定目标用户的感兴趣项目被处理器执行时，还实现以下步骤：
对目标用户对上一推送周期内所推送的各已有项目的浏览行为数据进行哈希运算，得到各已有项目的项目哈希值；将项目哈希值最大的已有项目，作为目标用户的感兴趣项目。
在一个实施例中，计算机程序根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定目标用户的感兴趣项目被处理器执行时，还实现以下步骤：
根据各已有项目的项目类型，对各已有项目进行分类，得到至少一个项目组；对目标用户对项目组中已有项目的浏览行为数据进行哈希运算，得到各项目组的组哈希值；将组哈希值最大的项目组中的已有项目，作为目标用户的感兴趣项目。
在一个实施例中，计算机程序对目标用户对项目组中已有项目的浏览行为数据进行哈希运算，得到各项目组的组哈希值被处理器执行时，还实现以下步骤：
针对每一项目组，对目标用户对该项目组中各已有项目的浏览行为数据进行哈希运算，得到该项目组中各已有项目的项目哈希值；将该项目组中各已有项目的项目哈希值之和，作为该项目组的组哈希值。
在一个实施例中，计算机程序根据感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对待推送项目集中各待推送项目的优先级进行更新被处理器执行时，还实现以下步骤：
根据感兴趣项目的项目类型，从待推送项目集中确定项目子集；根据感兴趣项目的项目内容与项目子集中各待推送项目之间的模糊匹配度，对项目子集中各待推送项目的优先级进行更新。
在一个实施例中，上述计算机程序被处理器执行时，浏览行为包括点击次数和点击时间。
需要说明的是，本申请所涉及的数据(包括但不限于用于用户对已有项目的浏览行为数据、分析的数据、存储的数据、展示的数据等)，均为经用户授权或者经过各方充分授权的信息和数据，且相关数据的收集、使用和处理需要符合相关规定。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-OnlyMemory，ROM)、磁带、软盘、闪存、光存储器、高密度嵌入式非易失性存储器、阻变存储器(ReRAM)、磁变存储器(Magnetoresistive Random Access Memory，MRAM)、铁电存储器(Ferroelectric Random Access Memory，FRAM)、相变存储器(Phase Change Memory，PCM)、石墨烯存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器等。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic RandomAccess Memory，DRAM)等。本申请所提供的各实施例中所涉及的数据库可包括关系型数据库和非关系型数据库中至少一种。非关系型数据库可包括基于区块链的分布式数据库等，不限于此。本申请所提供的各实施例中所涉及的处理器可为通用处理器、中央处理器、图形处理器、数字信号处理器、可编程逻辑器、基于量子计算的数据处理逻辑器等，不限于此。
以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本申请专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请的保护范围应以所附权利要求为准。
Claims (10)
1.一种项目推送方法，其特征在于，所述方法包括：
根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定所述目标用户的感兴趣项目；
根据所述感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对所述待推送项目集中各待推送项目的优先级进行更新；
根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目；
向所述目标用户推送至少一个目标项目。
2.根据权利要求1所述的方法，其特征在于，所述根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定所述目标用户的感兴趣项目，包括：
对目标用户对上一推送周期内所推送的各已有项目的浏览行为数据进行哈希运算，得到各已有项目的项目哈希值；
将项目哈希值最大的已有项目，作为所述目标用户的感兴趣项目。
3.根据权利要求1所述的方法，其特征在于，所述根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定所述目标用户的感兴趣项目，包括：
根据各已有项目的项目类型，对各已有项目进行分类，得到至少一个项目组；
对所述目标用户对项目组中已有项目的浏览行为数据进行哈希运算，得到各项目组的组哈希值；
将组哈希值最大的项目组中的已有项目，作为所述目标用户的感兴趣项目。
4.根据权利要求3所述的方法，其特征在于，所述对所述目标用户对项目组中已有项目的浏览行为数据进行哈希运算，得到各项目组的组哈希值，包括：
针对每一项目组，对所述目标用户对该项目组中各已有项目的浏览行为数据进行哈希运算，得到该项目组中各已有项目的项目哈希值；
将该项目组中各已有项目的项目哈希值之和，作为该项目组的组哈希值。
5.根据权利要求1所述的方法，其特征在于，所述根据所述感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对所述待推送项目集中各待推送项目的优先级进行更新，包括：
根据所述感兴趣项目的项目类型，从待推送项目集中确定项目子集；
根据所述感兴趣项目的项目内容与所述项目子集中各待推送项目之间的模糊匹配度，对所述项目子集中各待推送项目的优先级进行更新。
6.根据权利要求1-5任一项所述的方法，其特征在于，所述浏览行为数据包括点击次数和点击时间。
7.一种项目推送装置，其特征在于，所述装置包括：
第一确定模块，用于根据目标用户对上一推送周期内所推送的各已有项目的浏览行为数据，从各已有项目中确定所述目标用户的感兴趣项目；
更新模块，用于根据所述感兴趣项目的项目内容与待推送项目集中各待推送项目之间的模糊匹配度，对所述待推送项目集中各待推送项目的优先级进行更新；
第二确定模块，用于根据各待推送项目的更新后的优先级，从各待推送项目中确定当前推送周期的至少一个目标项目；
推送模块，用于向所述目标用户推送至少一个目标项目。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一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，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311193227.8A CN117312660A (zh) | 2023-09-15 | 2023-09-15 | 项目推送方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311193227.8A CN117312660A (zh) | 2023-09-15 | 2023-09-15 | 项目推送方法、装置、计算机设备和存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117312660A true CN117312660A (zh) | 2023-12-29 |
Family
ID=89236426
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311193227.8A Pending CN117312660A (zh) | 2023-09-15 | 2023-09-15 | 项目推送方法、装置、计算机设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117312660A (zh) |
-
2023
- 2023-09-15 CN CN202311193227.8A patent/CN117312660A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Ramírez-Gallego et al. | An information theory-based feature selection framework for big data under apache spark | |
| Bolón-Canedo et al. | Feature selection for high-dimensional data | |
| US20230004979A1 (en) | Abnormal behavior detection method and apparatus, electronic device, and computer-readable storage medium | |
| CN114579584A (zh) | 数据表处理方法、装置、计算机设备和存储介质 | |
| Satish et al. | Big data processing with harnessing hadoop-MapReduce for optimizing analytical workloads | |
| CN115660686A (zh) | 交易风险评估方法、装置、设备、存储介质和程序产品 | |
| CN117033765A (zh) | 业务推荐方法、装置、计算机设备和存储介质 | |
| CN115204984A (zh) | 业务产品推送方法、装置、计算机设备和存储介质 | |
| CN117312660A (zh) | 项目推送方法、装置、计算机设备和存储介质 | |
| Bhatnagar | Data mining-based big data analytics: parameters and layered framework | |
| Jain et al. | Collaborative and clustering based strategy in big data | |
| Zdunek et al. | Distributed geometric nonnegative matrix factorization and hierarchical alternating least squares–based nonnegative tensor factorization with the MapReduce paradigm | |
| US20230060127A1 (en) | Techniques to generate and store graph models from structured and unstructured data in a cloud-based graph database system | |
| CN113240472B (zh) | 理财产品推荐方法、电子设备及存储介质 | |
| US20230419098A1 (en) | Utilizing selective transformation and replacement with high-dimensionality projection layers to implement neural networks in tabular data environments | |
| CN117196602A (zh) | 缴费数据处理方法、装置、计算机设备和存储介质 | |
| CN117333255A (zh) | 产品推荐方法、装置、计算机设备、存储介质和程序产品 | |
| CN115147115A (zh) | 资源转移数据的分析方法、装置、设备及介质 | |
| CN116739659A (zh) | 卡片激励信息处理方法、装置、设备、介质和程序产品 | |
| CN117290594A (zh) | 金融业务活动推荐方法、装置、计算机设备和存储介质 | |
| CN116993358A (zh) | 业务处理方法、装置、计算机设备、存储介质和程序产品 | |
| Purushu et al. | Predictive Analysis of Transaction Fraud leveraging Big Data for Deep Learning | |
| CN118485492A (zh) | 产品推荐策略确定方法、装置、计算机设备和存储介质 | |
| CN118536083A (zh) | 用户信用评分方法、装置、计算机设备、可读存储介质和程序产品 | |
| CN116091209A (zh) | 信贷业务处理方法、装置、计算机设备和存储介质 |
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 |