CN117376297A - 一种消息推送控制方法、装置、设备及其存储介质 - Google Patents
一种消息推送控制方法、装置、设备及其存储介质 Download PDFInfo
- Publication number
- CN117376297A CN117376297A CN202311324199.9A CN202311324199A CN117376297A CN 117376297 A CN117376297 A CN 117376297A CN 202311324199 A CN202311324199 A CN 202311324199A CN 117376297 A CN117376297 A CN 117376297A
- Authority
- CN
- China
- Prior art keywords
- message
- pushing
- target
- channels
- flow
- 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 42
- 230000005540 biological transmission Effects 0.000 claims abstract description 75
- 238000004458 analytical method Methods 0.000 claims abstract description 63
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 238000007405 data analysis Methods 0.000 claims abstract description 19
- 238000012545 processing Methods 0.000 claims description 19
- 238000004364 calculation method Methods 0.000 claims description 15
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000001419 dependent effect Effects 0.000 claims description 7
- 230000008707 rearrangement Effects 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 7
- 238000013473 artificial intelligence Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012417 linear regression Methods 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000008521 reorganization Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/21—Monitoring or handling of messages
- H04L51/214—Monitoring or handling of messages using selective forwarding
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/08—Configuration management of networks or network elements
- H04L41/0803—Configuration setting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/08—Monitoring or testing based on specific metrics, e.g. QoS, energy consumption or environmental parameters
- H04L43/0876—Network utilisation, e.g. volume of load or congestion level
- H04L43/0894—Packet rate
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L43/00—Arrangements for monitoring or testing data switching networks
- H04L43/16—Threshold monitoring
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Environmental & Geological Engineering (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本申请实施例属于数字医疗技术领域,应用于数字医疗系统消息推送场景中,涉及一种消息推送控制方法、装置、设备及其存储介质,包括通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息;将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,通过计算出所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系设置数字医疗系统的流量推送告警值和流量推送最大值,便于更加科学化对目标医疗系统进行流量推送控制,同时也保证目标医疗系统的稳定性。
Description
技术领域
本申请涉及数字医疗技术领域,应用于数字医疗系统消息推送场景中,尤其涉及一种消息推送控制方法、装置、设备及其存储介质。
背景技术
随着计算机行业和人工智能的发展、大数据时代来临,传统的医疗方式也逐渐向数字医疗方面进行转化。目前,为了完善数字医疗体系的建设,紧跟时代的发展,体检报告、化验结果、医疗检测报告等数据,已渐渐的从患者去医院打印获取,转型为数字医疗系统向目标患者进行推送,方便患者随时随地的进行自主打印获取。
虽然,通过数字医疗系统向目标患者进行推送,方便患者随时随地的进行自主打印获取,给国民带来了更好更便利的服务,但是,目前在数据推送上还存在一些问题需要不停的去完善,为了保证系统的稳定性,现有进行推送阈值设置多采用模拟流量方式,但是,这是模拟方式往往仅考虑了用户流量而无法去综合考虑每次的推送的数据量,因此,不够科学化,无法保证数字医疗系统的消息推送稳定性。
发明内容
本申请实施例的目的在于提出一种消息推送控制方法、装置、设备及其存储介质,以解决现有技术进行消息推送控制时,设置的相关阈值不够科学化,无法保证数字医疗系统的消息推送稳定性的问题。
为了解决上述技术问题,本申请实施例提供消息推送控制方法,采用了如下所述的技术方案:
一种消息推送控制方法,包括下述步骤:
通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息,所述流量推送反馈信息包括每次进行消息推送的消息数据量、消息到达速率、消息到达频率、信道传输速率;
将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果;
根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值;
根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制。
进一步的,所述通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息的步骤,具体包括:
通过所述监测组件,获取所述历史目标时间段内每次进行消息推送所述目标推送系统中所有消息推送渠道对应的消息数据量、消息到达速率、消息到达频率、信道传输速率,其中,所述监测组件包括流量推送状态反馈组件,所述消息推送渠道包括邮件推送、短信推送、小程序推送、公众号推送、目标APP推送。
进一步的,所述数据分析模型包括数据重整理组件和数据计算组件,所述将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果的步骤,具体包括:
根据所述数据重整理组件对所述流量推送反馈信息进行重整理,获得所有消息推送渠道分别对应的重整理结果;
根据所有消息推送渠道分别对应的重整理结果,采用所述数据计算组件计算所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系,获得所述综合分析结果。
进一步的,所述根据所述数据重整理组件对所述流量推送反馈信息进行重整理,获得所有消息推送渠道分别对应的重整理结果的步骤,具体包括:
步骤401,根据消息推送渠道的渠道区别标识信息,依次从所述所有消息推送渠道中选择不同的消息推送渠道作为目标消息推送渠道;
步骤402,识别出所述目标消息推送渠道在所述历史目标时间段内每次进行消息推送所对应的消息数据量、消息到达速率、消息到达频率、信道传输速率;
步骤403,根据推送时间的不同,将所述目标消息推送渠道每次进行消息推送所对应的消息数据量、消息到达速率、消息到达频率、信道传输速率加入到预设的JSON数组序列中,获得所述目标消息推送渠道对应的重整理结果,其中,所述预设的JSON数组序列中每个数组内都包含四个填充位,所述四个填充位按照预设对应关系分别填充消息数据量、消息到达速率、消息到达频率、信道传输速率;
步骤404,重复执行步骤401至步骤403,获得所有消息推送渠道分别对应的重整理结果。
进一步的,所述根据所有消息推送渠道分别对应的重整理结果,采用所述数据计算组件计算所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系,获得所述综合分析结果的步骤,具体包括:
步骤501,基于所有消息推送渠道分别对应的重整理结果,解析获得所有消息推送渠道分别对应的JSON数组序列;
步骤502,依次将不同的JSON数组序列作为目标JSON数组序列;
步骤503,获取所述目标JSON数组序列内的消息到达速率,构建因变量矩阵;
步骤504,获取所述目标JSON数组序列内的消息数据量、消息到达频率、信道传输速率,构建自变量矩阵;
步骤505,将所述因变量矩阵和所述自变量矩阵输入到所述数据计算组件中,并根据所述数据计算组件中预设的分析算法公式,计算出所述目标JSON数组序列内消息到达速率与消息数据量、消息到达频率、信道传输速率间的函数关系,其中,所述预设的分析算法公式包括OLS算法公式;
步骤506,将所述目标JSON数组序列内消息到达速率与消息数据量、消息到达频率、信道传输速率间的函数关系作为相应消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系;
步骤507,重复执行步骤502至步骤506,计算出所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系。
进一步的,所述根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值的步骤,具体包括:
根据所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系,计算出所有消息推送渠道分别在相应的消息到达速率满足预设的速率条件下所对应的最大消息数据量;
根据所有消息推送渠道分别所对应的最大消息数据量,设置所有消息推送渠道分别对应流量推送预警阈值;
通过所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系以及每次推送的时间,进行综合计算,获得同一推送时间点下所有消息推送渠道分别所对应的消息数据量;
通过比较,获得同一推送时间点下所有消息推送渠道所对应的消息数据量的最大和值,并将所述最大和值设置为所述目标推送系统在同一时间点下的流量推送最大值。
进一步的,所述根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制的步骤,具体包括:
将所述流量推送预警阈值、所述流量推送最大值作为控制参数,部署到所述流量推送控制模型内;
计算所有消息推送渠道分别最新推送的消息数据量;
根据所述流量推送控制模型内预设的对比组件,判断所有消息推送渠道分别最新推送的消息数据量是否超过相应的流量推送预警阈值,以及所有消息推送渠道分别最新推送的消息数据量的和值是否超过所述流量推送最大值;
若所有消息推送渠道分别最新推送的消息数据量都未超过相应的流量推送预警阈值,且所有消息推送渠道分别最新推送的消息数据量的和值也未超过所述流量推送最大值,则正常进行消息推送;
若所有消息推送渠道分别最新推送的消息数据量存在超过相应的流量推送预警阈值,或者所有消息推送渠道分别最新推送的消息数据量的和值超过所述流量推送最大值,则进行消息推送告警。
为了解决上述技术问题,本申请实施例还提供消息推送控制装置,采用了如下所述的技术方案:
一种消息推送控制装置,包括:
流量推送反馈信息获取模块,用于通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息,所述流量推送反馈信息包括每次进行消息推送的消息数据量、消息到达速率、消息到达频率、信道传输速率;
数据综合分析模块,用于将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果;
告警值设置模块,用于根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值;
消息推送控制模块,用于根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制。
为了解决上述技术问题,本申请实施例还提供一种计算机设备,采用了如下所述的技术方案:
一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现上述所述的消息推送控制方法的步骤。
为了解决上述技术问题,本申请实施例还提供一种计算机可读存储介质,采用了如下所述的技术方案:
一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如上述所述的消息推送控制方法的步骤。
与现有技术相比,本申请实施例主要有以下有益效果:
本申请实施例所述消息推送控制方法,通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息,所述流量推送反馈信息包括每次进行消息推送的消息数据量、消息到达速率、消息到达频率、信道传输速率;将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果;根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值;根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制。结合所述流量推送反馈信息进行综合分析,通过计算出所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系设置数字医疗系统的流量推送告警值,便于更加科学化对目标医疗系统进行流量推送控制,同时也保证目标医疗系统的稳定性。
附图说明
为了更清楚地说明本申请中的方案,下面将对本申请实施例描述中所需要使用的附图作一个简单介绍,显而易见地,下面描述中的附图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是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的消息推送控制方法的一个实施例的流程图;
图3是图2所示步骤202的一个具体实施例的流程图;
图4是图3所示步骤301的一个具体实施例的流程图;
图5是图3所示步骤302的一个具体实施例的流程图;
图6是图2所示步骤203的一个具体实施例的流程图;
图7是图2所示步骤204的一个具体实施例的流程图;
图8是根据本申请的消息推送控制装置的一个实施例的结构示意图;
图9是根据本申请的计算机设备的一个实施例的结构示意图。
具体实施方式
除非另有定义,本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同;本文中在申请的说明书中所使用的术语只是为了描述具体的实施例的目的,不是旨在于限制本申请;本申请的说明书和权利要求书及上述附图说明中的术语“包括”和“具有”以及它们的任何变形,意图在于覆盖不排他的包含。本申请的说明书和权利要求书或上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
为了使本技术领域的人员更好地理解本申请方案,下面将结合附图,对本申请实施例中的技术方案进行清楚、完整地描述。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving PictureExpertsGroup Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPictureExperts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102、103上显示的页面提供支持的后台服务器。
需要说明的是,本申请实施例所提供的消息推送控制方法一般由服务器/终端设备执行,相应地,消息推送控制装置一般设置于服务器/终端设备中。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。
继续参考图2,示出了根据本申请的消息推送控制方法的一个实施例的流程图。所述的消息推送控制方法,包括以下步骤:
步骤201,通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息,所述流量推送反馈信息包括每次进行消息推送的消息数据量、消息到达速率、消息到达频率、信道传输速率。
本实施例中,所述通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息的步骤,具体包括:通过所述监测组件,获取所述历史目标时间段内每次进行消息推送所述目标推送系统中所有消息推送渠道对应的消息数据量、消息到达速率、消息到达频率、信道传输速率,其中,所述监测组件包括流量推送状态反馈组件,所述消息推送渠道包括邮件推送、短信推送、小程序推送、公众号推送、目标APP推送。
本实施例中,所述预设监测组件,指用于监测数据传输状态的监测组件,相应的,其可以监测每次进行消息推送所述目标推送系统中所有消息推送渠道对应的消息数据量、消息到达速率、消息到达频率、信道传输速率。
具体的,所述目标推送系统指用于向患者推送医疗检测报告的数字医疗系统,所述消息数据量,一般指所述向患者推送的医疗检测报告的数据量,常常用KB、MB、GB为单位,而所述的消息到达速率,一般指所述医疗检测报告从所述数字医疗系统发送到目标接收端,单位时间内传输的比特率,常常用kb/s、MB/s为单位,其中,s为时间单位秒,所述的消息达到频率,一般指所述医疗检测报告从所述数字医疗系统发送到目标接收端,单位时间内的传输速率发生变化的次数,所述的信道传输速率,一般指单位时间内信道上所能传输的数据量,单位也为KB、MB、GB。
通过所述监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息,便于后续结合所述流量推送反馈信息进行综合分析,根据综合分析结果设置出所述数字医疗系统的流量推送告警值,便于更加科学化和合理化的对目标医疗系统进行流量推送控制。
步骤202,将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果。
本实施例中,所述数据分析模型包括数据重整理组件和数据计算组件,具体的,所述数据重整理组件,用于对所述流量推送反馈信息进行重整理,获得所有消息推送渠道分别对应的重整理结果,重整理时包括根据消息推送渠道的不同分别对不同消息传输渠道对应的流量推送反馈信息进行整理,所述数据计算组件,用于结合所述重整理后的数据,以及预设的算法公式进行消息数据量、消息到达速率、消息到达频率、信道传输速率四者间的函数关系计算,所述预设的算法公式,可以为线性回归算法、也可以为马尔可夫链算法或者Q学习算法。
继续参考图3,图3是图2所示步骤202的一个具体实施例的流程图,包括:
步骤301,根据所述数据重整理组件对所述流量推送反馈信息进行重整理,获得所有消息推送渠道分别对应的重整理结果;
继续参考图4,图4是图3所示步骤301的一个具体实施例的流程图,包括:
步骤401,根据消息推送渠道的渠道区别标识信息,依次从所述所有消息推送渠道中选择不同的消息推送渠道作为目标消息推送渠道;
步骤402,识别出所述目标消息推送渠道在所述历史目标时间段内每次进行消息推送所对应的消息数据量、消息到达速率、消息到达频率、信道传输速率;
步骤403,根据推送时间的不同,将所述目标消息推送渠道每次进行消息推送所对应的消息数据量、消息到达速率、消息到达频率、信道传输速率加入到预设的JSON数组序列中,获得所述目标消息推送渠道对应的重整理结果,其中,所述预设的JSON数组序列中每个数组内都包含四个填充位,所述四个填充位按照预设对应关系分别填充消息数据量、消息到达速率、消息到达频率、信道传输速率;
步骤404,重复执行步骤401至步骤403,获得所有消息推送渠道分别对应的重整理结果。
具体的,假设所述数字医疗系统向患者推送医学检测报告时,所选择的消息推送渠道为邮件推送,每基于一个待推送数据推送一次都会向所述监测组件返回一组数据,即消息数据量、消息到达速率、消息到达频率、信道传输速率,假设本次所述数字医疗系统推送时,并非向单个目标进行推送,而是同时向多个患者推送不同的医学检测报告,因此,通过预设JSON数组序列,保证了每个患者在所述JSON数组序列都有对应的四元数组数据,而此时的消息数据量、消息到达速率、消息到达频率、信道传输速率也是在所述多个患者下的消息数据量、消息到达速率、消息到达频率、信道传输速率,通过获取多次推送分别对应的消息数据量、消息到达速率、消息到达频率、信道传输速率,便于后续进行综合分析,而采用JSON数组序列便于分析时的数据取用和转换处理。
步骤302,根据所有消息推送渠道分别对应的重整理结果,采用所述数据计算组件计算所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系,获得所述综合分析结果。
继续参考图5,图5是图3所示步骤302的一个具体实施例的流程图,包括:
步骤501,基于所有消息推送渠道分别对应的重整理结果,解析获得所有消息推送渠道分别对应的JSON数组序列;
步骤502,依次将不同的JSON数组序列作为目标JSON数组序列;
步骤503,获取所述目标JSON数组序列内的消息到达速率,构建因变量矩阵;
步骤504,获取所述目标JSON数组序列内的消息数据量、消息到达频率、信道传输速率,构建自变量矩阵;
步骤505,将所述因变量矩阵和所述自变量矩阵输入到所述数据计算组件中,并根据所述数据计算组件中预设的分析算法公式,计算出所述目标JSON数组序列内消息到达速率与消息数据量、消息到达频率、信道传输速率间的函数关系,其中,所述预设的分析算法公式包括OLS算法公式;
本实施例中,所述预设的分析算法公式包括线性回归算法公式、机器学习算法公式等,例如线性回归算法公式中的OLS算法公式,将消息到达速率作为因变量,将消息数据量、消息到达频率、信道传输速率作为自变量,采用OLS算法公式:a=β0+β1*b+β2*c+β3*d,其中,a表示同一个四元数组中的消息到达速率,b、c、d分别表示同一个四元数组中的消息数据量、消息到达频率、信道传输速率,β0、β1、β2和β3为通过所述JSON数字序列计算出的消息到达速率、消息数据量、消息到达频率、信道传输速率分别对应的系数,而最终获得的β0、β1、β2和β3确定的OLS算法公式:a=β0+β1*b+β2*c+β3*d,即所述目标JSON数组序列内消息到达速率与消息数据量、消息到达频率、信道传输速率间的函数关系。
同理,这里的分析算法公式,也可以为将所述JSON数组序列作为训练数据进行模型学习训练时训练消息到达速率与消息数据量、消息到达频率、信道传输速率间的函数关系的算法公式,例如马尔科夫链公式、机器学习算法公式中的Q学习算法公式等,这里原理都一致,都是将目标JSON数组序列中的消息到达速率作为结果值,将消息数据量、消息到达频率、信道传输速率作为参数值,学习出结果值与参数值间的函数关系,不再一一进行赘述。
步骤506,将所述目标JSON数组序列内消息到达速率与消息数据量、消息到达频率、信道传输速率间的函数关系作为相应消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系;
步骤507,重复执行步骤502至步骤506,计算出所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系。
通过计算出所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系,便于后续结合函数关系进行综合分析,获得相应的告警值。
步骤203,根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值。
继续参考图6,图6是图2所示步骤203的一个具体实施例的流程图,包括:
步骤601,根据所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系,计算出所有消息推送渠道分别在相应的消息到达速率满足预设的速率条件下所对应的最大消息数据量;
通过预先设置消息到达速率对应的速率条件,例如消息到达速率不得低于10MB/s,从而根据步骤505获得的函数关系,计算出消息到达速度不低于10MB/s的情况下,所对应的最大消息数据量。便于保证未超过设置的告警阈值前传输效率满足要求且所述数字医疗系统也处于运行稳定状态。
步骤602,根据所有消息推送渠道分别所对应的最大消息数据量,设置所有消息推送渠道分别对应流量推送预警阈值;
本实施例中,所述根据所有消息推送渠道分别所对应的最大消息数据量,设置所有消息推送渠道分别对应流量推送预警阈值的步骤,具体包括:根据所有消息推送渠道分别所对应的最大消息数据量与预设的比例系数的乘积,计算出所有消息推送渠道分别对应流量推送预警阈值,例如所述比例系数为85%,之后,再根据计算出所有消息推送渠道分别对应流量推送预警阈值进行设置。
步骤603,通过所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系以及每次推送的时间,进行综合计算,获得同一推送时间点下所有消息推送渠道分别所对应的消息数据量;
实质上,步骤603是根据每次推送的时间,结合所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系,获取整个数字医疗系统在多个消息推送渠道同时运作的情况下的最大消息数据量,具体实现方式为,分别获取所有消息推送渠道对应的所述函数关系,构建多项式关联方程,在推送时间相同情况下,获取所有消息推送渠道分别对应的消息数据量,通过累加获取消息数据量的和值,之后,在对不同推送时间对应的消息数据量的和值进行对比,获得最大和值,即所述流量推送最大值。
步骤604,通过比较,获得同一推送时间点下所有消息推送渠道所对应的消息数据量的最大和值,并将所述最大和值设置为所述目标推送系统在同一时间点下的流量推送最大值。
步骤204,根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制。
继续参考图7,图7是图2所示步骤204的一个具体实施例的流程图,包括:
步骤701,将所述流量推送预警阈值、所述流量推送最大值作为控制参数,部署到所述流量推送控制模型内;
本实施例中,所述将所述流量推送预警阈值、所述流量推送最大值作为控制参数,部署到所述流量推送控制模型内的步骤,具体包括:将所有消息推送渠道分别对应的流量推送预警阈值设置为相应消息推送渠道对应的控制参数;将所述流量推送最大值作为所述目标推送系统的控制参数。
步骤702,计算所有消息推送渠道分别最新推送的消息数据量;
步骤703,根据所述流量推送控制模型内预设的对比组件,判断所有消息推送渠道分别最新推送的消息数据量是否超过相应的流量推送预警阈值,以及所有消息推送渠道分别最新推送的消息数据量的和值是否超过所述流量推送最大值;
步骤704,若所有消息推送渠道分别最新推送的消息数据量都未超过相应的流量推送预警阈值,且所有消息推送渠道分别最新推送的消息数据量的和值也未超过所述流量推送最大值,则正常进行消息推送;
步骤705,若所有消息推送渠道分别最新推送的消息数据量存在超过相应的流量推送预警阈值,或者所有消息推送渠道分别最新推送的消息数据量的和值超过所述流量推送最大值,则进行消息推送告警。
本申请通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息,所述流量推送反馈信息包括每次进行消息推送的消息数据量、消息到达速率、消息到达频率、信道传输速率;将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果;根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值;根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制。结合所述流量推送反馈信息进行综合分析,通过计算出所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系设置数字医疗系统的流量推送告警值,便于更加科学化对目标医疗系统进行流量推送控制,同时也保证目标医疗系统的稳定性。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中,人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、机器人技术、生物识别技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
本申请实施例中,本申请通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息,所述流量推送反馈信息包括每次进行消息推送的消息数据量、消息到达速率、消息到达频率、信道传输速率;将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果;根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值;根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制。结合所述流量推送反馈信息进行综合分析,通过计算出所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系设置数字医疗系统的流量推送告警值,便于更加科学化对目标医疗系统进行流量推送控制,同时也保证目标医疗系统的稳定性。
进一步参考图8,作为对上述图2所示方法的实现,本申请提供了消息推送控制装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。
如图8所示,本实施例所述的消息推送控制装置800包括:流量推送反馈信息获取模块801、数据综合分析模块802、告警值设置模块803和消息推送控制模块804。其中:
流量推送反馈信息获取模块801,用于通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息,所述流量推送反馈信息包括每次进行消息推送的消息数据量、消息到达速率、消息到达频率、信道传输速率;
数据综合分析模块802,用于将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果;
告警值设置模块803,用于根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值;
消息推送控制模块804,用于根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制。
本申请通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息,所述流量推送反馈信息包括每次进行消息推送的消息数据量、消息到达速率、消息到达频率、信道传输速率;将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果;根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值;根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制。结合所述流量推送反馈信息进行综合分析,通过计算出所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系设置数字医疗系统的流量推送告警值,便于更加科学化对目标医疗系统进行流量推送控制,同时也保证目标医疗系统的稳定性。
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,是可以通过计算机可读指令来指令相关的硬件来完成,该计算机可读指令可存储于计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,前述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)等非易失性存储介质,或随机存储记忆体(Random Access Memory,RAM)等。
应该理解的是,虽然附图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,其可以以其他的顺序执行。而且,附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子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,其执行顺序也不必然是依次进行,而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
为解决上述技术问题,本申请实施例还提供计算机设备。具体请参阅图9,图9为本实施例计算机设备基本结构框图。
所述计算机设备9包括通过系统总线相互通信连接存储器9a、处理器9b、网络接口9c。需要指出的是,图中仅示出了具有组件9a-9c的计算机设备9,但是应理解的是,并不要求实施所有示出的组件,可以替代的实施更多或者更少的组件。其中,本技术领域技术人员可以理解,这里的计算机设备是一种能够按照事先设定或存储的指令,自动进行数值计算和/或信息处理的设备,其硬件包括但不限于微处理器、专用集成电路(ApplicationSpecific Integrated Circuit,ASIC)、可编程门阵列(Field -Programmable GateArray,FPGA)、数字处理器(Digital Signal Processor,DSP)、嵌入式设备等。
所述计算机设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述计算机设备可以与用户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互。
所述存储器9a至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,所述存储器9a可以是所述计算机设备9的内部存储单元,例如该计算机设备9的硬盘或内存。在另一些实施例中,所述存储器9a也可以是所述计算机设备9的外部存储设备,例如该计算机设备9上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(FlashCard)等。当然,所述存储器9a还可以既包括所述计算机设备9的内部存储单元也包括其外部存储设备。本实施例中,所述存储器9a通常用于存储安装于所述计算机设备9的操作系统和各类应用软件,例如一种消息推送控制方法的计算机可读指令等。此外,所述存储器9a还可以用于暂时地存储已经输出或者将要输出的各类数据。
所述处理器9b在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器9b通常用于控制所述计算机设备9的总体操作。本实施例中,所述处理器9b用于运行所述存储器9a中存储的计算机可读指令或者处理数据,例如运行所述消息推送控制方法的计算机可读指令。
所述网络接口9c可包括无线网络接口或有线网络接口,该网络接口9c通常用于在所述计算机设备9与其他电子设备之间建立通信连接。
本实施例提出的计算机设备,属于数字医疗技术领域,应用于数字医疗系统消息推送场景中。本申请通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息,所述流量推送反馈信息包括每次进行消息推送的消息数据量、消息到达速率、消息到达频率、信道传输速率;将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果;根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值;根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制。结合所述流量推送反馈信息进行综合分析,通过计算出所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系设置数字医疗系统的流量推送告警值,便于更加科学化对目标医疗系统进行流量推送控制,同时也保证目标医疗系统的稳定性。
本申请还提供了另一种实施方式,即提供一种计算机可读存储介质,所述计算机可读存储介质存储有计算机可读指令,所述计算机可读指令可被处理器执行,以使所述处理器执行如上述的消息推送控制方法的步骤。
本实施例提出的计算机可读存储介质,属于数字医疗技术领域,应用于数字医疗系统消息推送场景中。本申请通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息,所述流量推送反馈信息包括每次进行消息推送的消息数据量、消息到达速率、消息到达频率、信道传输速率;将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果;根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值;根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制。结合所述流量推送反馈信息进行综合分析,通过计算出所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系设置数字医疗系统的流量推送告警值,便于更加科学化对目标医疗系统进行流量推送控制,同时也保证目标医疗系统的稳定性。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本申请各个实施例所述的方法。
显然,以上所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例,附图中给出了本申请的较佳实施例,但并不限制本申请的专利范围。本申请可以以许多不同的形式来实现,相反地,提供这些实施例的目的是使对本申请的公开内容的理解更加透彻全面。尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来而言,其依然可以对前述各具体实施方式所记载的技术方案进行修改,或者对其中部分技术特征进行等效替换。凡是利用本申请说明书及附图内容所做的等效结构,直接或间接运用在其他相关的技术领域,均同理在本申请专利保护范围之内。
Claims (10)
1.一种消息推送控制方法,其特征在于,包括下述步骤:
通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息,所述流量推送反馈信息包括每次进行消息推送的消息数据量、消息到达速率、消息到达频率、信道传输速率;
将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果;
根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值;
根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制。
2.根据权利要求1所述的消息推送控制方法,其特征在于,所述通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息的步骤,具体包括:
通过所述监测组件,获取所述历史目标时间段内每次进行消息推送所述目标推送系统中所有消息推送渠道对应的消息数据量、消息到达速率、消息到达频率、信道传输速率,其中,所述监测组件包括流量推送状态反馈组件,所述消息推送渠道包括邮件推送、短信推送、小程序推送、公众号推送、目标APP推送。
3.根据权利要求1或2所述的消息推送控制方法,其特征在于,所述数据分析模型包括数据重整理组件和数据计算组件,所述将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果的步骤,具体包括:
根据所述数据重整理组件对所述流量推送反馈信息进行重整理,获得所有消息推送渠道分别对应的重整理结果;
根据所有消息推送渠道分别对应的重整理结果,采用所述数据计算组件计算所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系,获得所述综合分析结果。
4.根据权利要求3所述的消息推送控制方法,其特征在于,所述根据所述数据重整理组件对所述流量推送反馈信息进行重整理,获得所有消息推送渠道分别对应的重整理结果的步骤,具体包括:
步骤401,根据消息推送渠道的渠道区别标识信息,依次从所述所有消息推送渠道中选择不同的消息推送渠道作为目标消息推送渠道;
步骤402,识别出所述目标消息推送渠道在所述历史目标时间段内每次进行消息推送所对应的消息数据量、消息到达速率、消息到达频率、信道传输速率;
步骤403,根据推送时间的不同,将所述目标消息推送渠道每次进行消息推送所对应的消息数据量、消息到达速率、消息到达频率、信道传输速率加入到预设的JSON数组序列中,获得所述目标消息推送渠道对应的重整理结果,其中,所述预设的JSON数组序列中每个数组内都包含四个填充位,所述四个填充位按照预设对应关系分别填充消息数据量、消息到达速率、消息到达频率、信道传输速率;
步骤404,重复执行步骤401至步骤403,获得所有消息推送渠道分别对应的重整理结果。
5.根据权利要求4所述的消息推送控制方法,其特征在于,所述根据所有消息推送渠道分别对应的重整理结果,采用所述数据计算组件计算所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系,获得所述综合分析结果的步骤,具体包括:
步骤501,基于所有消息推送渠道分别对应的重整理结果,解析获得所有消息推送渠道分别对应的JSON数组序列;
步骤502,依次将不同的JSON数组序列作为目标JSON数组序列;
步骤503,获取所述目标JSON数组序列内的消息到达速率,构建因变量矩阵;
步骤504,获取所述目标JSON数组序列内的消息数据量、消息到达频率、信道传输速率,构建自变量矩阵;
步骤505,将所述因变量矩阵和所述自变量矩阵输入到所述数据计算组件中,并根据所述数据计算组件中预设的分析算法公式,计算出所述目标JSON数组序列内消息到达速率与消息数据量、消息到达频率、信道传输速率间的函数关系,其中,所述预设的分析算法公式包括OLS算法公式;
步骤506,将所述目标JSON数组序列内消息到达速率与消息数据量、消息到达频率、信道传输速率间的函数关系作为相应消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系;
步骤507,重复执行步骤502至步骤506,计算出所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系。
6.根据权利要求3所述的消息推送控制方法,其特征在于,所述根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值的步骤,具体包括:
根据所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系,计算出所有消息推送渠道分别在相应的消息到达速率满足预设的速率条件下所对应的最大消息数据量;
根据所有消息推送渠道分别所对应的最大消息数据量,设置所有消息推送渠道分别对应流量推送预警阈值;
通过所有消息推送渠道中消息数据量、消息到达速率、消息到达频率、信道传输速率的关联关系以及每次推送的时间,进行综合计算,获得同一推送时间点下所有消息推送渠道分别所对应的消息数据量;
通过比较,获得同一推送时间点下所有消息推送渠道所对应的消息数据量的最大和值,并将所述最大和值设置为所述目标推送系统在同一时间点下的流量推送最大值。
7.根据权利要求1或6所述的消息推送控制方法,其特征在于,所述根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制的步骤,具体包括:
将所述流量推送预警阈值、所述流量推送最大值作为控制参数,部署到所述流量推送控制模型内;
计算所有消息推送渠道分别最新推送的消息数据量;
根据所述流量推送控制模型内预设的对比组件,判断所有消息推送渠道分别最新推送的消息数据量是否超过相应的流量推送预警阈值,以及所有消息推送渠道分别最新推送的消息数据量的和值是否超过所述流量推送最大值;
若所有消息推送渠道分别最新推送的消息数据量都未超过相应的流量推送预警阈值,且所有消息推送渠道分别最新推送的消息数据量的和值也未超过所述流量推送最大值,则正常进行消息推送;
若所有消息推送渠道分别最新推送的消息数据量存在超过相应的流量推送预警阈值,或者所有消息推送渠道分别最新推送的消息数据量的和值超过所述流量推送最大值,则进行消息推送告警。
8.一种消息推送控制装置,其特征在于,包括:
流量推送反馈信息获取模块,用于通过预设监测组件,获取历史目标时间段内目标推送系统中所有消息推送渠道的流量推送反馈信息,所述流量推送反馈信息包括每次进行消息推送的消息数据量、消息到达速率、消息到达频率、信道传输速率;
数据综合分析模块,用于将所述流量推送反馈信息输入预设的数据分析模型进行综合分析,获得综合分析结果;
告警值设置模块,用于根据所述综合分析结果设置所述目标推送系统在同一时间点下的流量推送最大值,以及所述所有消息推送渠道分别对应的流量推送预警阈值;
消息推送控制模块,用于根据所述流量推送预警阈值、所述流量推送最大值以及预设的流量推送控制模型对所述目标消推送系统的消息推送进行控制。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机可读指令,所述处理器执行所述计算机可读指令时实现如权利要求1至7中任一项所述的消息推送控制方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有计算机可读指令,所述计算机可读指令被处理器执行时实现如权利要求1至7中任一项所述的消息推送控制方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311324199.9A CN117376297A (zh) | 2023-10-12 | 2023-10-12 | 一种消息推送控制方法、装置、设备及其存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311324199.9A CN117376297A (zh) | 2023-10-12 | 2023-10-12 | 一种消息推送控制方法、装置、设备及其存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117376297A true CN117376297A (zh) | 2024-01-09 |
Family
ID=89390486
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311324199.9A Pending CN117376297A (zh) | 2023-10-12 | 2023-10-12 | 一种消息推送控制方法、装置、设备及其存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117376297A (zh) |
-
2023
- 2023-10-12 CN CN202311324199.9A patent/CN117376297A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112309565B (zh) | 用于匹配药品信息和病症信息的方法、装置、电子设备和介质 | |
CN115757075A (zh) | 任务异常检测方法、装置、计算机设备及存储介质 | |
CN112507141B (zh) | 调查任务生成方法、装置、计算机设备及存储介质 | |
CN117252362A (zh) | 基于人工智能的调度方法、装置、计算机设备及存储介质 | |
CN117057935A (zh) | 基于领域设计的数据处理方法、装置、设备及其存储介质 | |
CN116681045A (zh) | 报表生成方法、装置、计算机设备及存储介质 | |
CN116843395A (zh) | 一种业务系统的告警分级方法、装置、设备及存储介质 | |
CN116383787A (zh) | 页面创建方法、装置、计算机设备及存储介质 | |
CN116612745A (zh) | 一种语音情感识别方法、装置、设备及其存储介质 | |
CN116168403A (zh) | 医疗数据分类模型训练方法、分类方法、装置及相关介质 | |
CN117376297A (zh) | 一种消息推送控制方法、装置、设备及其存储介质 | |
CN113780855A (zh) | 医疗机构监管方法、装置、计算机设备及存储介质 | |
CN117219244A (zh) | 一种医疗耗材成本分配预测方法及其相关设备 | |
CN116364223B (zh) | 特征处理方法、装置、计算机设备及存储介质 | |
CN117253594A (zh) | 一种动态监测配置优化方法、装置、设备及其存储介质 | |
CN116820443A (zh) | 数据分析方法、装置、计算机设备及存储介质 | |
CN117251502A (zh) | 数据看板生成方法、装置、计算机设备及存储介质 | |
CN118299064A (zh) | 基于罕见病的图模型训练方法、应用方法及相关设备 | |
CN116578630A (zh) | 数据采集方法、装置、计算机设备及存储介质 | |
CN116795882A (zh) | 数据获取方法、装置、计算机设备及存储介质 | |
CN116738084A (zh) | 埋点数据处理方法、装置、计算机设备及存储介质 | |
CN116402290A (zh) | 基于决策树的任务排期方法、装置、设备及存储介质 | |
CN118734337A (zh) | 心电图数据的处理方法、装置、计算机设备及存储介质 | |
CN115859998A (zh) | 问题数据的处理方法、装置、计算机设备及存储介质 | |
CN117034173A (zh) | 数据处理方法、装置、计算机设备及存储介质 |
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 |