TWI665607B - Information push method and device - Google Patents

Information push method and device Download PDF

Info

Publication number
TWI665607B
TWI665607B TW106112044A TW106112044A TWI665607B TW I665607 B TWI665607 B TW I665607B TW 106112044 A TW106112044 A TW 106112044A TW 106112044 A TW106112044 A TW 106112044A TW I665607 B TWI665607 B TW I665607B
Authority
TW
Taiwan
Prior art keywords
users
relationship
preset
information
user
Prior art date
Application number
TW106112044A
Other languages
English (en)
Other versions
TW201743204A (zh
Inventor
宋念
Original Assignee
香港商阿里巴巴集團服務有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 香港商阿里巴巴集團服務有限公司 filed Critical 香港商阿里巴巴集團服務有限公司
Publication of TW201743204A publication Critical patent/TW201743204A/zh
Application granted granted Critical
Publication of TWI665607B publication Critical patent/TWI665607B/zh

Links

Classifications

    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0269—Targeted advertisements based on user profile or attribute
    • 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
    • G06F16/906—Clustering; Classification
    • 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
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0242—Determining effectiveness of advertisements
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0255—Targeted advertisements based on user history
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0277—Online advertisement
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • 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
    • H04L67/50—Network services
    • H04L67/55—Push-based network services
    • 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
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H04L67/63—Routing a service request depending on the request content or context

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Accounting & Taxation (AREA)
  • Development Economics (AREA)
  • Finance (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Primary Health Care (AREA)
  • Tourism & Hospitality (AREA)
  • Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • User Interface Of Digital Computer (AREA)

Abstract

本發明揭露了一種資訊推送方法及裝置，涉及資訊技術領域。本發明主要用於解決資訊推送效率較低的問題。所述方法包括：獲取符合預置條件的多個用戶；根據所述多個用戶之間的關係強度資訊，以及所述多個用戶影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；對所述待推送預置資訊的用戶進行資訊推送。

Description

資訊推送方法及裝置
本發明有關一種資訊技術領域，尤其是一種資訊推送方法及裝置。
隨著資訊技術和網際網路技術的不斷發展，各種各樣的應用程式也不斷出現，而應用程式擁有的用戶數量和品質是其得以生存和發展的前提。為了吸引和獲取更多的用戶，許多應用程式提供商會在新應用程式前期投放廣告，即向用戶推薦應用程式資訊。
目前，在進行資訊推送時，通常根據預置評分模型，直接篩選待推送預置資訊的用戶進行資訊推送，其中，預置評分模型是根據應用程式歷史獲取的用戶結果和用戶屬性產生的。即根據預置評分模型為潛在用戶進行評分，然後從潛在用戶中篩選出分數最高的待推送預置資訊的用戶。然而，若根據預置評分模型，直接篩選待推送預置資訊的用戶進行應用程式資訊推送，只能保證篩選出的用戶本身轉化為進行資訊推送的應用程式用戶，無法額外獲取更多的應用程式用戶，導致無法放大應用程式廣告預算成 本收益，從而導致資訊推送效率較低。
有鑑於此，本發明實施例提供一種資訊推送方法及裝置，主要目的是解決資訊推送效率較低的問題。
為達到上述目的，本發明提供如下技術方案：本發明實施例提供一種資訊推送方法，包括：獲取符合預置條件的多個用戶；根據所述多個用戶之間的關係強度資訊，以及所述多個用戶影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；對所述待推送預置資訊的用戶進行資訊推送。
本發明實施例提供一種資訊推送裝置，包括：獲取單元，用於獲取符合預置條件的多個用戶；篩選單元，用於根據所述獲取單元獲取的所述多個用戶之間的關係強度資訊，以及所述多個用戶影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；推送單元，用於對所述篩選單元篩選的所述待推送預置資訊的用戶進行資訊推送。
本發明實施例提供一種目標用戶確定方法，包括：獲取符合預置條件的多個用戶；根據所述多個用戶分別對應的影響力強度資訊，從所述多個用戶中篩選出影響力強度資訊符合預置影響力強度條件的用戶； 將所述影響力強度資訊符合預置影響力強度條件的用戶確定為目標用戶。
本發明實施例提供一種目標用戶確定裝置，包括：獲取單元，用於通過獲取符合預置條件的多個用戶；篩選單元，用於根據所述獲取單元獲取的所述多個用戶分別對應的影響力強度資訊，從所述多個用戶中篩選出影響力強度資訊符合預置影響力強度條件的用戶；確定單元，用於將所述篩選單元篩選的所述影響力強度資訊符合預置影響力強度條件的用戶確定為目標用戶。
借由上述技術方案，本發明實施例提供的技術方案至少具有下列優點：本發明實施例提供的一種資訊推送方法及裝置，首先獲取符合預置條件的多個用戶；根據所述多個用戶之間的關係強度資訊，以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；最後對所述待推送預置資訊的用戶進行資訊推送。與目前直接篩選待推送預置資訊的用戶進行資訊推送相比，本發明實施例通過預置評分模型，篩選得到分數符合預置條件的多個用戶，然後再根據多個用戶之間關係強度資訊以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶，能夠在保證篩選出的用戶本身轉化為進行資訊推送的應用程式用戶的同時能夠額外獲取更多的應用程式用戶，從而能夠放大應用程式廣告預算成本收益，進而能夠提高資訊推送效率。
上述說明僅是本發明技術方案的概述，為了能夠更清楚瞭解本發明的技術手段，而可依照說明書的內容予以實施，並且為了讓本發明的上述和其它目的、特徵和優點能夠更明顯易懂，以下特舉本發明的具體實施方式。
101‧‧‧步驟
102‧‧‧步驟
103‧‧‧步驟
201‧‧‧步驟
202‧‧‧步驟
203‧‧‧步驟
204‧‧‧步驟
205‧‧‧步驟
301‧‧‧步驟
302‧‧‧步驟
303‧‧‧步驟
401‧‧‧步驟
402‧‧‧步驟
403‧‧‧步驟
404‧‧‧步驟
405‧‧‧步驟
51‧‧‧獲取單元
52‧‧‧篩選單元
53‧‧‧推送單元
61‧‧‧獲取單元
62‧‧‧篩選單元
621‧‧‧劃分子單元
6211‧‧‧更新模組
6212‧‧‧劃分模組
6213‧‧‧獲取模組
6214‧‧‧判斷模組
622‧‧‧篩選子單元
623‧‧‧確定子單元
624‧‧‧獲取子單元
63‧‧‧推送單元
71‧‧‧獲取單元
72‧‧‧篩選單元
73‧‧‧確定單元
81‧‧‧獲取單元
82‧‧‧篩選單元
821‧‧‧確定子單元
822‧‧‧劃分子單元
8221‧‧‧更新模組
8222‧‧‧劃分模組
8223‧‧‧獲取模組
8224‧‧‧判斷模組
823‧‧‧獲取子單元
83‧‧‧確定單元
84‧‧‧建立單元
85‧‧‧保存單元
通過閱讀下文優選實施方式的詳細描述，各種其他的優點和益處對於本領域普通技術人員將變得清楚明瞭。圖式僅用於示出優選實施方式的目的，而並不認為是對本發明的限制。而且在整個圖式中，用相同的參考符號表示相同的部件。在圖式中：圖1示出了本發明實施例提供的一種資訊推送方法的流程圖；圖2示出了本發明實施例提供的另一種資訊推送方法的流程圖；圖3示出了本發明實施例提供的一種目標用戶確定方法的流程圖；圖4示出了本發明實施例提供的另一種目標用戶確定方法的流程圖；圖5示出了本發明實施例提供的一種資訊推送裝置的結構示意圖；圖6示出了本發明實施例提供的另一種資訊推送裝置的結構示意圖；圖7示出了本發明實施例提供的一種目標用戶確定裝 置的結構示意圖；圖8示出了本發明實施例提供的另一種目標用戶確定裝置的結構示意圖；圖9示出了本發明實施例提供的資料處理方法流程圖；圖10示出了本發明實施例提供的預置評分模型產生方法流程圖；圖11示出了本發明實施例提供的待推送預置資訊的用戶篩選的流程圖。
下面將參照圖式更詳細地描述本揭露的示例性實施例。雖然圖式中顯示了本揭露的示例性實施例，然而應當理解，可以以各種形式實現本揭露而不應被這裡闡述的實施例所限制。相反，提供這些實施例是為了能夠更透徹地理解本揭露，並且能夠將本揭露的範圍完整的傳達給本領域的技術人員。
本發明實施例提供一種資訊推送方法，如圖1所示，所述方法包括：101、獲取符合預置條件的多個用戶。
其中，所述預置條件可以根據用戶的需求進行設置，也可以根據系統需求進行設置，本發明實例不做限定。所述多個用戶具體可以為分數符合預置分數條件的多個用戶。具體地，可以通過預置評分模型，篩選分數符合預置 分數條件的用戶。
其中，所述預置評分模型是根據應用程式歷史獲取的用戶結果和用戶屬性產生的。所述應用程式歷史獲取的用戶結果可以包括應用程式歷史獲取的潛在用戶和轉化為應用程式用戶的用戶。所述預置分數條件可以根據用戶的需求進行設置，也可以根據系統需求進行設置，本發明實例不做限定。例如，預置分數條件可以為潛在用戶中分數最高的750個用戶，也可以為潛在用戶中分數大於或者0.8分的用戶等。
對於本發明實施例，在產生預置評分模型之前，需要通過不明確指定目標用戶的資訊推送方式獲取的資訊推送樣本用戶以及樣本用戶的屬性資料，然後對樣本用戶的屬性資料進行處理，獲取產生預置評分模型的特徵資料，其中，產生預置評分模型的特徵資料要求完備無缺失、準確無異常、資料格式符合評分模型產生的標準。
其中，所述不明確指定目標用戶的資訊推送方式為在各種渠道上投放和展示應用程式廣告，不明確限定廣告投放用戶。通過不明確指定目標用戶的資訊推送方式可以獲取較多的資訊推送用戶，在推送資訊後可以通過廣告渠道上嵌入的程式採集資訊推送用戶的屬性資料。
對於本發明實施例，針對用戶的屬性資料，在此對資料處理方法進行說明，如圖9：
1、資料清洗和加工。由於樣本用戶以及樣本用戶的屬性資料是通過渠道上嵌入的程式採集的，在同一渠道上 通常會存在多個應用程式或者產品的廣告，採集的樣本用戶可能會存在其他應用程式廣告用戶；或者樣本用戶的屬性資料中的某些資料不是產生評分模型的特徵資料，因此需要對樣本用戶以及樣本用戶的屬性資料進行清洗和加工，如採集到的用戶資產資料為用戶在不同資產帳號中的資產資料，而產生評分模型的資產資料是用戶的總資產資料，因此需要根據用戶在不同資產帳號中的資產資料，獲取用戶的總資產資料。
2、異常檢測。由於樣本用戶以及樣本用戶的屬性資料是通過渠道上嵌入的程式採集的日誌資訊解析出來的資料，從日誌資訊中解析出來的資料可能會存在一些髒資料，例如，用戶使用手機的品牌資料中可能會存在一些亂碼、用戶存取應用程式廣告次數過多、其中，存取應用程式廣告次數過多可能是由於機器惡意存取攻擊導致的等，髒資料會影響評分模型的產生，因此需要檢測樣本用戶的屬性資料的是否存在髒資料。
3、資料拆分→資料採樣→資料探索。由於樣本用戶中轉化為應用程式用戶的用戶和應用程式潛在用戶的比例、或者應用程式潛在用戶的比例和轉化為應用程式用戶的用戶的比例可能會很大，因此需要對樣本用戶的屬性資料進行過採樣、或者欠採樣，以便於評分模型產生算法能夠有效的學習出轉化為應用程式用戶的屬性特徵。
4、特徵剔除→缺失處理→異常處理。由於大部分評分模型產生算法不支持有缺失的樣本資料也不支持屬性特 徵資料過多的樣本資料，對於屬性特徵資料缺失過多、屬性特徵類型過多的樣本資料進行剔除；而針對屬性特徵資料缺失較少的樣本資料進行屬性特徵資料處理，即將缺失的屬性特徵資料填充上，其中，數值型的資料可以用中位數填充、離散型的資料可以用眾數填充，如用戶的屬性資料缺失某用戶的年齡資料，可以根據樣本用戶中年齡資料的中位數作為該用戶的年齡資料。其次，為了避免評分模型受一些異常資料的影響，通常需要對異常資料進行處理，例如，用99分位數替代異常資料等。
5、特徵變換。由於評分模型算法中的模型算法只支持稀疏矩陣，不支持普通二維表，因此需要對屬性資料進行格式轉換，得到產生評分模型的特徵資料。如可以通過對數變換轉換屬性資料的格式，得到產生評分模型的特徵資料。
對於本發明實施例，圖10所示，在此對預置評分模型的產生方法進行說明：
1、特徵選擇。獲取產生評分模型的特徵資料和評分模型產生算法。所述評分模型產生算法可以為決策樹算法、邏輯回歸算法、隨機森林算法、迭代的決策樹算法(GBDT，Gradient Boosting Decision Tree)等。
2、模型訓練。根據產生評分模型的特徵資料和評分模型產生算法，訓練產生多個評分模型。
3、參數調優。根據評分模型產生算法中的參數以及不同的所述特徵資料組合，獲取各個評分模型的評分效 果。具體可以根據模型評分效果度量標準度量評分模型的評分效果。所述模型評分效果度量標準可以為曲線下面積，曲線下面積越大，評分模型的評分效果越佳。
4、預置評分模型。從多個評分模型中選擇評分效果最好的評分模型並將評分效果最好的評分模型確定為篩選分數符合預置條件的用戶的預置評分模型。
5、潛在用戶評分。根據預置評分模型對潛在用戶進行評分，然後從潛在用戶中篩選出分數符合預置條件的用戶。
102、根據多個用戶之間的關係強度資訊，以及多個用戶的影響力強度資訊，從多個用戶中篩選出待推送預置資訊的用戶。
其中，所述多個用戶之間的關係強度資訊可以為多個用戶屬性資訊之間的相似度。用戶的影響力強度是指用戶影響其他用戶的能力強度，具體可以為用戶發佈的資訊被其他用戶閱讀、分享以及轉發的次數。
其中，待推送預置資訊可以為應用程式提供商根據廣告預算成本推送的廣告資訊。為了避免在應用程式廣告上投入較高成本，許多的應用程式提供商通常會對廣告成本進行預算，即根據廣告預算成本確定資訊推送用戶資料，只將資訊推送給資訊推送用戶資料的用戶。
例如，應用程式對應的廣告投放成本為500萬，每個用戶的廣告成本為1元，待推送預置資訊的用戶有500萬個，通過預置評分模型篩選出分數最高的750萬個用戶， 則根據用戶之間的關係強度資訊和用戶的影響力強度資訊，從通過預置評分模型篩選的分數最高的750萬個用戶中篩選出待推送預置資訊的500個用戶。
對於本發明實施例，首先通過預置評分模型篩選得到分數符合預置條件的多個用戶，然後根據所述多個用戶之間的關係強度資訊，以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶，能夠保證待推送預置資訊的用戶自身轉化為進行資訊推送的應用程式用戶，同時能夠利用用戶的影響力和傳播能力以及通過分享、轉發、或者口碑的等方式為應用程式獲取更多的用戶，從而能夠放大應用程式廣告預算成本收益，進而能夠提高資訊推送效率。
103、對待推送預置資訊的用戶進行資訊推送。
本發明實施例提供的一種資訊推送方法，首先獲取符合預置條件的多個用戶；根據所述多個用戶之間的關係強度資訊，以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；最後對所述待推送預置資訊的用戶進行資訊推送。與目前直接篩選待推送預置資訊的用戶進行資訊推送相比，本發明實施例通過預置評分模型，篩選得到分數符合預置條件的多個用戶，然後再根據多個用戶之間關係強度資訊以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶，能夠在保證篩選出的用戶本身轉化為進行資訊推送的應用程式用戶的同時能夠額外獲取更多的應用程式 用戶，從而能夠放大應用程式廣告預算成本收益，進而能夠提高資訊推送效率。
本發明實施例提供另一種資訊推送方法，如圖2所示，所述方法包括：201、獲取符合預置條件的多個用戶。
其中，符合預置條件的用戶的解釋以及獲取符合預置條件的多個用戶的過程，在步驟101中已進行了詳細的描述，在此本發明實施例不進行贅述。
202、根據多個用戶之間的關係強度資訊，將多個用戶劃分為不同關係社區。
其中，每一個關係社區中保存的用戶之間關係強度資訊大於預設閾值。所述關係社區可以為關係網路社區，具體可以為論壇、貼吧、公告欄、群組討論、在線聊天、交友、個人空間、無線增值服務等形式在內的網上交流空間，同一關係社區中的用戶具有相同的關係社區標籤。所述預設閾值可以根據用戶的需求進行設置，也可以根據系統默認模式進行設置，本發明實施例不做限定。例如，預設閾值可以為0.4、0.5等。
對於本發明實施例，步驟202之前，所述方法還包括：獲取所述多個用戶的初始關係社區標籤。所述步驟202具體可以包括：將所述多個用戶中每個用戶的初始關係社區標籤更新為與所述用戶關係強度資訊大於預設閾值的用戶的關係社區標籤；將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
例如，若預置閾值為0.4，通過預置評分模型篩選的多個用戶有用戶1、用戶2、用戶3、用戶4。用戶1與用戶2之間的關係強度為0.1、用戶1與用戶3之間的關係強度為0.4、用戶1與用戶4的關係強度為0.2，其中，用戶1與用戶3的關係強度大於或者等於0.4，則將用戶1的關係社區標籤更新為用戶3的關係社區標籤。按照同樣的方式可以對用戶2、用戶3、用戶4的關係社區標籤進行更新。
其中，劃分關係社區的過程是不斷迭代的過程，進行第一次迭代時，獲取所述多個用戶的初始關係社區標籤，所述多個用戶中每個用戶的初始關係社區標籤，可以為所述用戶的身份標識號(Identity，ID)。進行第一次迭代以後的迭代時，每個用戶的關係社區標籤是根據用戶之間的關係強度資訊，更新後的關係社區標籤。
對於本發明實施例，所述將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中之前，所述方法還包括：獲取所述用戶的關係社區標籤更新次數；判斷所述用戶的關係社區標籤更新次數是否大於預置次數閾值。
其中，所述預置次數閾值可以根據用戶的需求進行設置，也可以根據系統的默認模式進行設置，本發明實施例不做限定。例如，預置次數閾值可以為100次、150次、200次等。
所述將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中步驟包括：若所述用戶的關係社區標籤 更新次數大於預置次數閾值，則將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
例如，若預置次數閾值為100次，當用戶的關係社區標籤更新次數為50次時，說明關係社區未劃分完，需要繼續根據用戶之間的關係強度資訊，更新用戶的關係社區標籤，當用戶的關係社區標籤更新次數為100次時，說明關係社區的劃分完成。
對於本發明實施例，所述判斷所述用戶的關係社區標籤更新次數是否大於預置次數閾值之後，所述方法還包括：若所述用戶的關係社區標籤更新次數小於或者等於預置次數閾值，則將所述用戶的關係社區標籤更新為與所述用戶之間關係強度資訊大於預設閾值的用戶的關係社區標籤。
203、從不同關係社區中分別篩選出影響力強度資訊符合預置影響力強度條件的用戶。
對於本發明實施例，當所述影響力強度資訊為影響力強度指數資訊時，步驟203具體可以為：根據所述影響力強度指數資訊，從所述不同關係社區中分別篩選出影響力強度指數資訊大於或者等於預置影響力強度指數資訊的用戶。
其中，所述影響力強度指數可以為用戶發佈的資訊被其他用戶閱讀次數、分享次數或者轉發次數。所述預置影響力指數閾值可以根據用戶的需求進行設置，也可以根據系統的默認模式進行設置，具體地，可以根據待推送預置 資訊的預算成本設置，本發明實施例不做限定。
例如，預置廣告的廣告預算成本為300萬，預置廣告待投放用戶為300個萬用戶，需從關係社區中篩選出300個萬用戶，將關係社區中的用戶按照影響力強度指數從大到小的排序並根據第300個用戶的影響力強度指數設置預置影響力強度指數閾值。
又例如，當所述影響力強度指數可以為用戶發佈的資訊被其他用戶閱讀次數時，預置影響力強度指數閾值可以為預置發佈的資訊被其他用戶閱讀次數閾值，如可以為50000次；當所述影響力強度指數可以為用戶發佈的資訊被其他用戶分享次數時，預置影響力強度指數閾值可以為預置發佈的資訊被其他用戶分享次數閾值，如可以為100000次；當所述影響力強度指數可以為用戶發佈的資訊被其他用戶轉發次數時，預置影響力強度指數閾值可以為預置發佈的資訊被其他用戶轉發次數閾值，如可以為80000次。
204、將影響力強度資訊符合預置影響力強度條件的用戶確定為待推送預置資訊的用戶。
對於本發明實施例，當所述影響力強度資訊為影響力強度指數資訊時，步驟204具體可以為：將影響力強度指數資訊大於或者等於預置影響力強度指數閾值的用戶確定為待推送預置資訊的用戶。
對於本發明實施例，待推送預置資訊的用戶篩選的完整過程，如圖11所示：首先通過預置評分模型，篩選得 到分數符合預置條件的多個用戶；然後根據所述多個用戶之間的關係強度資訊，將所述多個用戶劃分為不同關係社區；最後從所述不同關係社區中分別篩選出影響力強度資訊符合預置影響力強度條件的用戶並將所述影響力強度資訊符合預置影響力強度條件的用戶確定為待推送預置資訊的用戶。
205、對待推送預置資訊的用戶進行資訊推送。
對於本發明實施例，具體的應用場景可以如下所示，但不限於此，包括：待投放應用程式廣告的用戶有500萬個，通過預置評分模型從歷史資訊推送獲取的潛在用戶中篩選出分數最高的750萬個用戶，其中，750萬是500萬的1.5倍，並且獲取750萬用戶中每個用戶的影響力以及每個用戶與其他用戶之間的關係強度。根據每個用戶與其他用戶之間的關係強度，劃分得到4關係社區，包括關係社區1、關係社區2、關係社區3、關係社區4，從每個關係社區中分別篩選出影響力最強的且數量為每個社區用戶數量2/3的用戶，得到500萬個用戶。將從關係社區中篩選出的500萬個用戶確定為待投放應用程式廣告的用戶並進行資訊推送。
本發明實施例提供的另一種資訊推送方法，首先獲取符合預置條件的多個用戶；根據所述多個用戶之間的關係強度資訊，以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；最後對所述待推送預置資訊的用戶進行資訊推送。與目前直接篩選待推 送預置資訊的用戶進行資訊推送相比，本發明實施例通過預置評分模型，篩選得到分數符合預置條件的多個用戶，然後再根據多個用戶之間關係強度資訊以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶，能夠在保證篩選出的用戶本身轉化為進行資訊推送的應用程式用戶的同時能夠額外獲取更多的應用程式用戶，從而能夠放大應用程式廣告預算成本收益，進而能夠提高資訊推送效率。
本發明實施例提供一種目標用戶確定方法，如圖3所示，所述方法包括：301、獲取符合預置條件的多個用戶。
其中，符合預置條件的用戶的解釋以及獲取符合預置條件的多個用戶的過程，在步驟101中已進行了詳細的描述，在此本發明實施例不進行贅述。
302、根據多個用戶分別對應的影響力強度資訊，從多個用戶中篩選出影響力強度資訊符合預置影響力強度條件的用戶。
其中，預置影響力強度條件可以根據用戶需要進行設置，也可以根據系統默認模式進行設置，本發明實施例不做限定。如預置影響力強度條件可以為影響力強度等級為高，也可以為影響力強度指數大於或者等於50000次。
303、將影響力強度資訊符合預置影響力強度條件的用戶確定為目標用戶。
其中，目標用戶可以為待推送預置資訊的用戶。
例如，預置影響力強度條件為：影響力強度等級為高。首先獲取800萬個分數最高的用戶，800萬個分數最高的用戶影響力強度等級為高的用戶有500萬個，然後將影響力等級為高的500萬個用戶確定為待推送預置資訊的用戶。
本發明實施例提供的一種目標用戶確定方法，首先獲取符合預置條件的多個用戶；根據所述多個用戶之間的關係強度資訊，以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；最後對所述待推送預置資訊的用戶進行資訊推送。與目前直接篩選待推送預置資訊的用戶進行資訊推送相比，本發明實施例通過預置評分模型，篩選得到分數符合預置條件的多個用戶，然後再根據多個用戶之間關係強度資訊以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶，能夠在保證篩選出的用戶本身轉化為進行資訊推送的應用程式用戶的同時能夠額外獲取更多的應用程式用戶，從而能夠放大應用程式廣告預算成本收益，進而能夠提高資訊推送效率。
本發明實施例提供另一種目標用戶確定方法，如圖4所示，所述方法包括：401、通過預置評分模型，篩選得到分數符合預置條件的多個用戶。
其中，預置評分模型的解釋以及通過預置評分模型篩選出分數符合預置條件的多個用戶的過程，在步驟101中 已進行了詳細的描述，在此本發明實施例不進行贅述。
402、根據預置影響力強度等級表和多個用戶分別對應的影響力強度資訊，確定多個用戶的影響力強度等級。
其中，所述預置影響力強度等級表中保存有不同影響力強度等級分別對應的影響力強度資訊閾值區間。影響力強度等級可以分為高、中、低三個等級、也可以分為高、中、次中、低四個等級等。
例如，影響力強度等級分為高、中、低三個等級。影響力強度等級為高時，對應的影響力強度資訊閾值區間為(50000，100000)；影響力強度等級為中時，對應的影響力強度資訊閾值區間為(5000，50000)，影響力強度等級為低時，對應的影響力強度資訊閾值區間為(0，5000)。當用戶的影響力強度為4000時，確定用戶影響力強度等級為低，當用戶的影響力強度為80000時，確定用戶影響力強度等級高。
對於本發明實施例，步驟402之前所述方法還包括：建立不同影響力強度等級與不同影響力強度資訊閾值區間之間的映射關係；將所述映射關係保存在所述預置影響力強度等級表中。
403、根據多個用戶之間的關係強度資訊，將多個用戶劃分為不同關係社區。
其中，每一個關係社區中保存的用戶之間關係強度資訊大於預設閾值。其中，所述預設閾值可以根據用戶的需求進行設置，也可以根據系統默認模式進行設置，本發明 實施例不做限定。例如，預設閾值可以為0.5、0.6等。
對於本發明實施例，步驟403之前，所述方法還包括：獲取所述多個用戶的初始關係社區標籤。步驟403具體可以為：將所述多個用戶的初始關係社區標籤更新為與所述用多個戶關係強度資訊大於預設閾值的用戶的關係社區標籤；將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
所述將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中之前，所述方法還包括：獲取所述用戶的關係社區標籤更新次數；判斷所述用戶的關係社區標籤更新次數是否大於預置次數閾值；所述將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中包括：若所述用戶的關係社區標籤更新次數大於預置次數閾值，則將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
對於本發明實施例，所述判斷所述用戶的關係社區標籤更新次數是否大於預置次數閾值之後，所述方法還包括：若所述用戶的關係社區標籤更新次數小於或者等於預置次數閾值，則將所述用戶的關係社區標籤更新為與所述用戶之間關係強度資訊大於預設閾值的用戶的關係社區標籤。
404、將不同關係社區中影響力強度等級大於或等於預置等級的用戶確定為影響力強度資訊符合預置影響力強度條件的用戶。
所述預置等級可以根據用戶需求進行設置，也可以根據系統默認模式進行設置，本發明實施例不做限定。例如，預置等級為高，則將影響力強度等級為高的用戶確定為影響力強度資訊符合預置影響力強度條件的用戶。
例如，預置等級為高，通過預置評分模型篩選得到750萬個用戶，根據用戶之間的關係強度資訊將750萬個用戶劃分為5個關係社區、分別為關係社區1、關係社區2、關係社區3、關係社區4、關係社區5，則獲取關係社區1、關係社區2、關係社區3、關係社區4、關係社區5中影響力強度等級分別為高的用戶，將影響力強度等級為高的用戶確定為影響力強度資訊符合預置影響力強度條件的用戶。
405、將影響力強度資訊符合預置影響力強度條件的用戶確定為目標用戶。
其中，所述目標用戶可以為待推送預置資訊的用戶。
本發明實施例提供的另一種目標用戶確定方法，首先獲取符合預置條件的多個用戶；根據所述多個用戶之間的關係強度資訊，以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；最後對所述待推送預置資訊的用戶進行資訊推送。與目前直接篩選待推送預置資訊的用戶進行資訊推送相比，本發明實施例通過預置評分模型，篩選得到分數符合預置條件的多個用戶，然後再根據多個用戶之間關係強度資訊以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送 預置資訊的用戶，能夠在保證篩選出的用戶本身轉化為進行資訊推送的應用程式用戶的同時能夠額外獲取更多的應用程式用戶，從而能夠放大應用程式廣告預算成本收益，進而能夠提高資訊推送效率。
進一步地，作為圖1所示方法的具體實現，本發明實施例提供一種資訊推送裝置，如圖5所示，所述裝置可以包括：獲取單元51、篩選單元52、推送單元53。
獲取單元51，用於獲取符合預置條件的多個用戶。
篩選單元52，用於根據所述獲取單元51獲取的所述多個用戶之間的關係強度資訊，以及所述多個用戶影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶。
推送單元53，用於對所述篩選單元52篩選的所述待推送預置資訊的用戶進行資訊推送。
需要說明的是，該裝置實施例與前述方法實施例對應，為便於閱讀，本裝置實施例不再對前述方法實施例中的細節內容進行逐一贅述，但應當明確，本實施例中的裝置能夠對應實現前述方法實施例中的全部內容。
本發明實施例提供的一種資訊推送裝置，首先獲取符合預置條件的多個用戶；根據所述多個用戶之間的關係強度資訊，以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；最後對所述待推送預置資訊的用戶進行資訊推送。與目前直接篩選待推送預置資訊的用戶進行資訊推送相比，本發明實施例通過預 置評分模型，篩選得到分數符合預置條件的多個用戶，然後再根據多個用戶之間關係強度資訊以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶，能夠在保證篩選出的用戶本身轉化為進行資訊推送的應用程式用戶的同時能夠額外獲取更多的應用程式用戶，從而能夠放大應用程式廣告預算成本收益，進而能夠提高資訊推送效率。
進一步地，作為圖2所示方法的具體實現，本發明實施例提供另一種資訊推送裝置，如圖6所示，所述裝置可以包括：獲取單元61、篩選單元62、推送單元63。
獲取單元61，用於獲取符合預置條件的多個用戶。
篩選單元62，用於根據所述獲取單元61獲取的所述多個用戶之間的關係強度資訊，以及所述多個用戶影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶。
推送單元63，用於對所述篩選單元62篩選的所述待推送預置資訊的用戶進行資訊推送。
進一步地，所述篩選單元62包括：劃分子單元621、篩選子單元622、確定子單元623。
劃分子單元621，用於根據所述獲取單元61獲取的所述多個用戶之間的關係強度資訊，將所述多個用戶劃分為不同關係社區，每一個關係社區中保存的用戶之間關係強度資訊大於預設閾值。
篩選子單元622，用於從所述劃分子單元621劃分的 所述不同關係社區中分別篩選出影響力強度資訊符合預置影響力強度條件的用戶。
確定子單元623，用於將所述篩選子單元622篩選的所述影響力強度資訊符合預置影響力強度條件的用戶確定為待推送預置資訊的用戶。
進一步地，所述篩選單元62還包括：獲取子單元624。
所述獲取子單元624，用於獲取所述多個用戶的初始關係社區標籤。
所述劃分子單元621包括：更新模組6211和劃分模組6212。
更新模組6211，用於將所述獲取子單元624獲取的所述多個用戶中每個用戶的初始關係社區標籤更新為與所述用戶關係強度資訊大於預設閾值的用戶的關係社區標籤。
劃分模組6212，用於根將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
所述劃分子單元621還包括：獲取模組6213和判斷模組6214。
所述獲取模組6213，用於獲取所述用戶的關係社區標籤更新次數。
所述判斷模組6214，用於判斷所述獲取模組6213獲取的所述用戶的關係社區標籤更新次數是否大於預置次數閾值。
所述劃分模組6213，具體用於若所述判斷模組6214判斷所述用戶的關係社區標籤更新次數大於預置次數閾值，則將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
所述更新模組6211，還用於若所述判斷模組6214判斷所述用戶的關係社區標籤更新次數小於或者等於預置次數閾值，則將所述用戶的關係社區標籤更新為與所述用戶之間關係強度資訊大於預設閾值的用戶的關係社區標籤。
所述篩選子單元622，用於當所述影響力強度資訊為影響力強度指數資訊時，從所述不同關係社區中分別篩選出影響力強度指數資訊大於或者等於預置影響力強度指數資訊的用戶。
需要說明的是，該裝置實施例與前述方法實施例對應，為便於閱讀，本裝置實施例不再對前述方法實施例中的細節內容進行逐一贅述，但應當明確，本實施例中的裝置能夠對應實現前述方法實施例中的全部內容。
本發明實施例提供的另一種資訊推送裝置，首先獲取符合預置條件的多個用戶；根據所述多個用戶之間的關係強度資訊，以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；最後對所述待推送預置資訊的用戶進行資訊推送。與目前直接篩選待推送預置資訊的用戶進行資訊推送相比，本發明實施例通過預置評分模型，篩選得到分數符合預置條件的多個用戶，然後再根據多個用戶之間關係強度資訊以及所述多個用戶 的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶，能夠在保證篩選出的用戶本身轉化為進行資訊推送的應用程式用戶的同時能夠額外獲取更多的應用程式用戶，從而能夠放大應用程式廣告預算成本收益，進而能夠提高資訊推送效率。
進一步地，作為圖3所示方法的具體實現，本發明實施例提供一種目標用戶確定裝置，如圖7所示，所述裝置可以包括：獲取單元71、篩選單元72、確定單元73。
獲取單元71，用於獲取符合預置條件的多個用戶。
篩選單元72，用於根據所述獲取單元71獲取的所述多個用戶分別對應的影響力強度資訊，從所述多個用戶中篩選出影響力強度資訊符合預置影響力強度條件的用戶。
確定單元73，用於將所述篩選單元72篩選的所述影響力強度資訊符合預置影響力強度條件的用戶確定為目標用戶。
需要說明的是，該裝置實施例與前述方法實施例對應，為便於閱讀，本裝置實施例不再對前述方法實施例中的細節內容進行逐一贅述，但應當明確，本實施例中的裝置能夠對應實現前述方法實施例中的全部內容。
本發明實施例提供的一種目標用戶確定裝置，首先獲取符合預置條件的多個用戶；根據所述多個用戶之間的關係強度資訊，以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；最後對所述待推送預置資訊的用戶進行資訊推送。與目前直接篩選待 推送預置資訊的用戶進行資訊推送相比，本發明實施例通過預置評分模型，篩選得到分數符合預置條件的多個用戶，然後再根據多個用戶之間關係強度資訊以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶，能夠在保證篩選出的用戶本身轉化為進行資訊推送的應用程式用戶的同時能夠額外獲取更多的應用程式用戶，從而能夠放大應用程式廣告預算成本收益，進而能夠提高資訊推送效率。
進一步地，作為圖4所示方法的具體實現，本發明實施例提供另一種目標用戶確定裝置，如圖8所示，所述裝置可以包括：獲取單元81、篩選單元82、確定單元83。
獲取單元81，用於獲取符合預置條件的多個用戶。
篩選單元82，用於根據所述獲取單元81獲取的所述多個用戶分別對應的影響力強度資訊，從所述多個用戶中篩選出影響力強度資訊符合預置影響力強度條件的用戶。
確定單元83，用於將所述篩選單元82篩選的所述影響力強度資訊符合預置影響力強度條件的用戶確定為目標用戶。
所述獲取單元81，具體用於通過預置評分模型，篩選得到分數符合預置條件的多個用戶。
所述篩選單元82包括：確定子單元821。
確定子單元821，用於根據預置影響力強度等級表和所述多個用戶分別對應的影響力強度資訊，確定所述多個用戶的影響力強度等級，所述預置影響力強度等級表中保 存有不同影響力強度等級分別對應的影響力強度資訊閾值區間。
所述確定子單元821，還用於將所述多個用戶中影響力強度等級大於或等於預置等級的用戶確定為影響力強度資訊符合預置影響力強度條件的用戶。
進一步地，所述篩選單元還包括：劃分子單元822。
劃分子單元822，用於根據所述多個用戶之間的關係強度資訊，將所述多個用戶劃分為不同關係社區，所述關係社區中保存有用戶之間關係強度資訊大於預設閾值的用戶。
所述確定子單元821，具體用於將所述不同關係社區中影響力強度等級大於或等於預置等級的用戶確定為目標用戶。
進一步地，所述裝置還包括：建立單元84和保存單元85。
建立單元84，用於建立不同影響力強度等級與不同影響力強度資訊閾值區間之間的映射關係；保存單元85，用於將所述映射關係保存在所述預置影響力強度等級表中。
進一步地，所述篩選單元還包括：獲取子單元823。
所述獲取子單元823，具體用於獲取所述多個用戶的初始關係社區標籤。
所述劃分子單元822包括：更新模組8221，用於將所述多個用戶中每個用戶的 初始關係社區標籤更新為與所述用戶關係強度資訊大於預設閾值的用戶的關係社區標籤；劃分模組8222，用於將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
所述劃分子單元822還包括：獲取模組8223和判斷模組8224。
所述獲取模組8223，用於獲取所述用戶的關係社區標籤更新次數； 所述判斷模組8224，用於判斷所述獲取模組獲取的所述用戶的關係社區標籤更新次數是否大於預置次數閾值； 所述劃分模組8222，具體用於若所述判斷模組8224判斷所述用戶的關係社區標籤更新次數大於預置次數閾值，則將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
所述更新模組8221，還用於若所述判斷模組8224判斷所述多個用戶的關係社區標籤更新次數小於或者等於預置次數閾值，則將所述用戶的關係社區標籤更新為與所述用戶之間關係強度資訊大於預設閾值的用戶的關係社區標籤。
需要說明的是，該裝置實施例與前述方法實施例對應，為便於閱讀，本裝置實施例不再對前述方法實施例中的細節內容進行逐一贅述，但應當明確，本實施例中的裝置能夠對應實現前述方法實施例中的全部內容。
本發明實施例提供的另一種目標用戶確定裝置，首先獲取符合預置條件的多個用戶；根據所述多個用戶之間的關係強度資訊，以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；最後對所述待推送預置資訊的用戶進行資訊推送。與目前直接篩選待推送預置資訊的用戶進行資訊推送相比，本發明實施例通過預置評分模型，篩選得到分數符合預置條件的多個用戶，然後再根據多個用戶之間關係強度資訊以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶，能夠在保證篩選出的用戶本身轉化為進行資訊推送的應用程式用戶的同時能夠額外獲取更多的應用程式用戶，從而能夠放大應用程式廣告預算成本收益，進而能夠提高資訊推送效率。
所述資訊推送裝置包括處理器和儲存器，上述獲取單元、篩選單元和推送單元等均作為程式單元儲存在儲存器中，由處理器執行儲存在儲存器中的上述程式單元來實現相應的功能。
處理器中包含內核，由內核去儲存器中調取相應的程式單元。內核可以設置一個或以上，通過調整內核參數來解決在對圖表中被選中的圖形進行顯示時存在顯示卡頓的問題。
儲存器可能包括電腦可讀媒介中的非永久性儲存器，隨機存取儲存器(RAM)及/或非易失性記憶體等形式，如唯讀儲存器(ROM)或快閃隨機存取記憶體(flash RAM)，儲存 器包括至少一個儲存晶片。
本發明還提供了一種電腦程式產品，當在資料處理設備上執行時，適於執行初始化有如下方法步驟的程式代碼：獲取符合預置條件的多個用戶；根據所述多個用戶之間的關係強度資訊，以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；對所述待推送預置資訊的用戶進行資訊推送。
本領域內的技術人員應明白，本發明的實施例可提供為方法、系統、或電腦程式產品。因此，本發明可採用完全硬體實施例、完全軟體實施例、或結合軟體和硬體方面的實施例的形式。而且，本可採用在一個或多個其中包含有電腦可用程式代碼的電腦可用儲存媒介(包括但不限於磁碟儲存器、CD-ROM、光學儲存器等)上實施的電腦程式產品的形式。
本發明是參照根據本實施例的圖表中圖形的顯示方法、裝置、和電腦程式產品的流程圖及/或方塊圖來描述的。應理解可由電腦程式指令實現流程圖及/或方塊圖中的每一流程及/或方塊、以及流程圖及/或方塊圖中的流程及/或方塊的結合。可提供這些電腦程式指令到通用電腦、專用電腦、嵌入式處理機或其他可編程資料處理設備的處理器以產生一個機器，使得通過電腦或其他可編程資料處理設備的處理器執行的指令產生用於實現在流程圖一個流程或多個流程及/或方塊圖一個方塊或多個方塊中指定的功能的裝置。
這些電腦程式指令也可儲存在能引導電腦或其他可編程資料處理設備以特定方式工作的電腦可讀儲存器中，使得儲存在該電腦可讀儲存器中的指令產生包括指令裝置的製造品，該指令裝置實現在流程圖一個流程或多個流程及/或方塊圖一個方塊或多個方塊中指定的功能。
這些電腦程式指令也可裝載到電腦或其他可編程資料處理設備上，使得在電腦或其他可編程設備上執行一系列操作步驟以產生電腦實現的處理，從而在電腦或其他可編程設備上執行的指令提供用於實現在流程圖一個流程或多個流程及/或方塊圖一個方塊或多個方塊中指定的功能的步驟。
在一個典型的配置中，計算設備包括一個或多個處理器(CPU)、輸入/輸出介面、網路介面和記憶體。
儲存器可能包括電腦可讀媒介中的非永久性儲存器，隨機存取儲存器(RAM)及/或非易失性記憶體等形式，如唯讀儲存器(ROM)或快閃隨機存取記憶體(flash RAM)。儲存器是電腦可讀媒介的示例。
電腦可讀媒介包括永久性和非永久性、可行動和非可行動媒體可以由任何方法或技術來實現資訊儲存。資訊可以是電腦可讀指令、資料結構、程式的模組或其他資料。電腦的儲存媒介的例子包括，但不限於相變記憶體(PRAM)、靜態隨機存取儲存器(SRAM)、動態隨機存取儲存器(DRAM)、其他類型的隨機存取儲存器(RAM)、唯讀儲存器(ROM)、電可抹除可編程唯讀儲存器(EEPROM)、 快閃記憶體或其他記憶體技術、唯讀光碟唯讀儲存器(CD-ROM)、數位多功能光碟(DVD)或其他光學儲存、卡式磁帶，磁帶磁磁碟儲存或其他磁性儲存設備或任何其他非傳輸媒介，可用於儲存可以被計算設備存取的資訊。按照本文中的界定，電腦可讀媒介不包括暫存電腦可讀媒體(transitory media)，如調變的資料信號和載波。
以上僅為本發明的實施例而已，並不用於限制本發明。對於本領域技術人員來說，本發明可以有各種更改和變化。凡在本發明的精神和原理之內所作的任何修改、等同替換、改進等，均應包含在本發明的請求項範圍之內。

Claims (28)

  1. 一種資訊推送方法，包括：獲取符合預置條件的多個用戶；根據所述多個用戶之間的關係強度資訊，以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；對所述待推送預置資訊的用戶進行資訊推送。
  2. 根據申請專利範圍第1項所述的方法，其中，所述根據所述多個用戶之間的關係強度資訊，以及所述多個用戶的影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶包括：根據所述多個用戶之間的關係強度資訊，將所述多個用戶劃分為不同關係社區，每一個關係社區中保存的用戶之間關係強度資訊大於預設閾值；從所述不同關係社區中分別篩選出影響力強度資訊符合預置影響力強度條件的用戶並將所述影響力強度資訊符合預置影響力強度條件的用戶確定為待推送預置資訊的用戶。
  3. 根據申請專利範圍第2項所述的方法，其中，所述根據所述多個用戶之間的關係強度資訊，將所述多個用戶劃分為不同關係社區之前，所述方法還包括：獲取所述多個用戶的初始關係社區標籤；所述根據所述多個用戶之間的關係強度資訊，將所述多個用戶劃分為不同關係社區包括：將所述多個用戶中每個用戶的初始關係社區標籤更新為與所述用戶關係強度資訊大於預設閾值的用戶的關係社區標籤；將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
  4. 根據申請專利範圍第3項所述的方法，其中，所述將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中之前，所述方法還包括：獲取所述用戶的關係社區標籤更新次數；判斷所述用戶的關係社區標籤更新次數是否大於預置次數閾值；所述將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中包括：若所述用戶的關係社區標籤更新次數大於預置次數閾值，則將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
  5. 根據申請專利範圍第4項所述的方法，其中，所述判斷所述多個用戶的關係社區標籤更新次數是否大於預置次數閾值之後，所述方法還包括：若所述用戶的關係社區標籤更新次數小於或者等於預置次數閾值，則將所述用戶的關係社區標籤更新為與所述用戶之間關係強度資訊大於預設閾值的用戶的關係社區標籤。
  6. 根據申請專利範圍第2項所述的方法，其中，所述影響力強度資訊為影響力強度指數資訊，所述從所述不同關係社區中分別篩選出影響力強度資訊符合預置影響力強度條件的用戶包括：從所述不同關係社區中分別篩選出影響力強度指數資訊大於或者等於預置影響力強度指數資訊的用戶。
  7. 一種資訊推送裝置，包括：獲取單元，用於獲取符合預置條件的多個用戶；篩選單元，用於根據所述獲取單元獲取的所述多個用戶之間的關係強度資訊，以及所述多個用戶影響力強度資訊，從所述多個用戶中篩選出待推送預置資訊的用戶；推送單元，用於對所述篩選單元篩選的所述待推送預置資訊的用戶進行資訊推送。
  8. 根據申請專利範圍第7項所述的裝置，其中，所述篩選單元包括：劃分子單元，用於根據所述獲取單元獲取的所述多個用戶之間的關係強度資訊，將所述多個用戶劃分為不同關係社區，每一個關係社區中保存的用戶之間關係強度資訊大於預設閾值；篩選子單元，用於從所述劃分子單元劃分的所述不同關係社區中分別篩選出影響力強度資訊符合預置影響力強度條件的用戶；確定子單元，用於將所述篩選子單元篩選的所述影響力強度資訊符合預置影響力強度條件的用戶確定為待推送預置資訊的用戶。
  9. 根據申請專利範圍第8項所述的裝置，其中，所述篩選單元還包括：獲取子單元，所述獲取子單元，用於獲取所述多個用戶的初始關係社區標籤；所述劃分子單元包括：更新模組，用於將所述多個用戶中每個用戶的初始關係社區標籤更新為與所述用戶關係強度資訊大於預設閾值的用戶的關係社區標籤；劃分模組，用於將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
  10. 根據申請專利範圍第9項所述的裝置，其中，所述劃分子單元還包括：獲取模組和判斷模組，所述獲取模組，用於獲取所述用戶的關係社區標籤更新次數；所述判斷模組，用於判斷所述獲取模組獲取的所述用戶的關係社區標籤更新次數是否大於預置次數閾值；所述劃分模組，具體用於若所述判斷模組判斷所述用戶的關係社區標籤更新次數大於預置次數閾值，則將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
  11. 根據申請專利範圍第10項所述的裝置，其中，所述更新模組，還用於若所述判斷模組判斷所述用戶的關係社區標籤更新次數小於或者等於預置次數閾值，則將所述用戶的關係社區標籤更新為與所述用戶之間關係強度資訊大於預設閾值的用戶的關係社區標籤。
  12. 根據申請專利範圍第8項所述的裝置，其中，所述篩選子單元，用於當所述影響力強度資訊為影響力強度指數資訊時，從所述不同關係社區中分別篩選出影響力強度指數資訊大於或者等於預置影響力強度指數資訊的用戶。
  13. 一種目標用戶確定方法，包括：獲取符合預置條件的多個用戶；根據所述多個用戶分別對應的影響力強度資訊，從所述多個用戶中篩選出影響力強度資訊符合預置影響力強度條件的用戶；將所述影響力強度資訊符合預置影響力強度條件的用戶確定為目標用戶。
  14. 根據申請專利範圍第13項所述的方法，其中，所述獲取符合預置條件的多個用戶包括：通過預置評分模型，篩選得到分數符合預置條件的多個用戶。
  15. 根據申請專利範圍第13項所述的方法，其中，所述從所述多個用戶中篩選出影響力強度資訊符合預置影響力強度條件的用戶包括：根據預置影響力強度等級表和所述多個用戶分別對應的影響力強度資訊，確定所述多個用戶的影響力強度等級，所述預置影響力強度等級表中保存有不同影響力強度等級分別對應的影響力強度資訊閾值區間；將所述多個用戶中影響力強度等級大於或等於預置等級的用戶確定為影響力強度資訊符合預置影響力強度條件的用戶。
  16. 根據申請專利範圍第15項所述的方法，所述將所述多個用戶中影響力強度等級大於或等於預置等級的用戶確定為影響力強度資訊符合預置影響力強度條件的用戶之前，所述方法還包括：根據所述多個用戶之間的關係強度資訊，將所述多個用戶劃分為不同關係社區，每一個關係社區中保存的用戶之間關係強度資訊大於預設閾值；所述將所述多個用戶中影響力強度等級大於或等於預置等級的用戶確定為影響力強度資訊符合預置影響力強度條件的用戶包括：將所述不同關係社區中影響力強度等級大於或等於預置等級的用戶確定為所述影響力強度資訊符合預置影響力強度條件的用戶。
  17. 根據申請專利範圍第15項所述的方法，其中，所述獲取符合預置條件的多個用戶之前，所述方法還包括：建立不同影響力強度等級與不同影響力強度資訊閾值區間之間的映射關係；將所述映射關係保存在所述預置影響力強度等級表中。
  18. 根據申請專利範圍第16項所述的方法，其中，所述根據所述多個用戶之間的關係強度資訊，將所述多個用戶劃分為不同關係社區之前，所述方法還包括：獲取所述多個用戶的初始關係社區標籤；所述根據多個用戶之間的關係強度資訊，將所述多個用戶劃分為不同關係社區包括：將所述多個用戶中每個用戶的初始關係社區標籤更新為與所述用戶關係強度資訊大於預設閾值的用戶的關係社區標籤；將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
  19. 根據申請專利範圍第18項所述的方法，其中，所述將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中之前，所述方法還包括：獲取所述用戶的關係社區標籤更新次數；判斷所述用戶的關係社區標籤更新次數是否大於預置次數閾值；所述將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中包括：若所述用戶的關係社區標籤更新次數大於預置次數閾值，則將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
  20. 根據申請專利範圍第18項所述的方法，其中，所述判斷所述多個用戶的關係社區標籤更新次數是否大於預置次數閾值之後，所述方法還包括：若所述用戶的關係社區標籤更新次數小於或者等於預置次數閾值，則將所述用戶的關係社區標籤更新為與所述用戶之間關係強度資訊大於預設閾值的用戶的關係社區標籤。
  21. 一種目標用戶確定裝置，包括：獲取單元，用於獲取符合預置條件的多個用戶；篩選單元，用於根據所述獲取單元獲取的所述多個用戶分別對應的影響力強度資訊，從所述多個用戶中篩選出影響力強度資訊符合預置影響力強度條件的用戶；確定單元，用於將所述篩選單元篩選的所述影響力強度資訊符合預置影響力強度條件的用戶確定為目標用戶。
  22. 根據申請專利範圍第21項所述的裝置，其中，所述獲取單元，具體用於通過預置評分模型，篩選得到分數符合預置條件的多個用戶。
  23. 根據申請專利範圍第21項所述的裝置，其中，所述篩選單元包括：確定子單元，用於根據預置影響力強度等級表和所述多個用戶分別對應的影響力強度資訊，確定所述多個用戶的影響力強度等級，所述預置影響力強度等級表中保存有不同影響力強度等級分別對應的影響力強度資訊閾值區間；所述確定子單元，還用於將所述多個用戶中影響力強度等級大於或等於預置等級的用戶確定為影響力強度資訊符合預置影響力強度條件的用戶。
  24. 根據申請專利範圍第23項所述的裝置，其中，所述篩選單元還包括：劃分子單元，劃分子單元，用於根據所述多個用戶之間的關係強度資訊，將所述多個用戶劃分為不同關係社區，所述關係社區中保存的用戶之間關係強度資訊大於預設閾值；所述確定子單元，具體用於將所述不同關係社區中影響力強度等級大於或等於預置等級的用戶確定為所述目標用戶。
  25. 根據申請專利範圍第23項所述的裝置，其中，所述裝置還包括：建立單元，用於建立不同影響力強度等級與不同影響力強度資訊閾值區間之間的映射關係；保存單元，用於將所述映射關係保存在所述預置影響力強度等級表中。
  26. 根據申請專利範圍第24項所述的裝置，其中，所述篩選單元還包括：獲取子單元，所述獲取子單元，具體用於獲取所述多個用戶的初始關係社區標籤；所述劃分子單元包括：更新模組，用於將所述多個用戶中每個用戶的初始關係社區標籤更新為與所述用戶關係強度資訊大於預設閾值的用戶的關係社區標籤；劃分模組，用於將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
  27. 根據申請專利範圍第26項所述的裝置，其中，所述劃分子單元還包括：獲取模組和判斷模組，所述獲取模組，用於獲取所述用戶的關係社區標籤更新次數；所述判斷模組，用於判斷所述獲取模組獲取的所述用戶的關係社區標籤更新次數是否大於預置次數閾值；所述劃分模組，具體用於若所述判斷模組判斷所述用戶的關係社區標籤更新次數大於預置次數閾值，則將所述多個用戶中關係社區標籤相同的用戶劃分到同一關係社區中。
  28. 根據申請專利範圍第27項所述的裝置，其中，所述更新模組，還用於若所述判斷模組判斷所述用戶的關係社區標籤更新次數小於或者等於預置次數閾值，則將所述用戶的關係社區標籤更新為與所述用戶之間關係強度資訊大於預設閾值的用戶的關係社區標籤。
TW106112044A 2016-06-06 2017-04-11 Information push method and device TWI665607B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
??201610395230.1 2016-06-06
CN201610395230.1A CN106909594B (zh) 2016-06-06 2016-06-06 信息推送方法及装置

Publications (2)

Publication Number Publication Date
TW201743204A TW201743204A (zh) 2017-12-16
TWI665607B true TWI665607B (zh) 2019-07-11

Family

ID=59206137

Family Applications (1)

Application Number Title Priority Date Filing Date
TW106112044A TWI665607B (zh) 2016-06-06 2017-04-11 Information push method and device

Country Status (10)

Country Link
US (3) US20190108552A1 (zh)
EP (1) EP3467754A1 (zh)
JP (1) JP6991163B2 (zh)
KR (1) KR20190015373A (zh)
CN (1) CN106909594B (zh)
MY (1) MY194098A (zh)
PH (1) PH12018502583A1 (zh)
SG (1) SG11201810809XA (zh)
TW (1) TWI665607B (zh)
WO (1) WO2017211191A1 (zh)

Families Citing this family (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105677881B (zh) * 2016-01-12 2020-07-03 腾讯科技（深圳）有限公司 一种信息推荐方法、装置及服务器
CN106909594B (zh) 2016-06-06 2020-05-05 阿里巴巴集团控股有限公司 信息推送方法及装置
CN107679239B (zh) * 2017-10-27 2020-12-29 天津理工大学 一种基于用户行为的个性化社区推荐方法
CN109189935B (zh) * 2018-07-02 2021-01-12 北京市天元网络技术股份有限公司 一种基于知识图谱的app传播分析方法及系统
CN109309715B (zh) * 2018-09-20 2021-11-30 江苏满运软件科技有限公司 基于用户群的信息分组推送方法、系统、设备及存储介质
CN109993573A (zh) * 2019-02-19 2019-07-09 拉扎斯网络科技（上海）有限公司 信息投放方法、装置、电子设备和非易失性存储介质
CN110069700A (zh) * 2019-03-13 2019-07-30 深圳壹账通智能科技有限公司 金融社区信息推送方法、装置、介质、电子设备
CN111818114B (zh) * 2019-04-12 2023-05-30 财付通支付科技有限公司 信息分享方法和装置
CN110817636B (zh) * 2019-11-20 2021-09-21 上海电气集团股份有限公司 一种电梯门系统故障诊断方法、装置、介质和设备
JP6934040B2 (ja) * 2019-12-27 2021-09-08 株式会社ビデオリサーチ 顧客推定装置及び顧客推定方法
CN111291264B (zh) * 2020-01-23 2023-06-23 腾讯科技（深圳）有限公司 基于机器学习的访问对象预测方法、装置和计算机设备
CN111339468B (zh) * 2020-02-28 2023-08-04 北京嘀嘀无限科技发展有限公司 信息推送方法、装置、电子设备和存储介质
WO2021174495A1 (zh) * 2020-03-05 2021-09-10 深圳市欢太科技有限公司 信息推送方法、装置、服务器及存储介质
CN111476657B (zh) * 2020-04-07 2023-07-18 度小满科技(北京)有限公司 信息推送方法、装置及系统
CN111815368B (zh) * 2020-07-24 2024-05-03 深圳市欢太科技有限公司 广告推送方法、装置、终端及存储介质
TWI808454B (zh) * 2021-07-22 2023-07-11 沛倫設計股份有限公司 廣告投放方法
KR102360969B1 (ko) * 2021-08-17 2022-02-10 (주)브이플랫폼 광고 제공 방법 및 시스템
CN117496669A (zh) * 2023-11-17 2024-02-02 成都市美幻科技有限公司 灾害预警和紧急信息的靶向发布与闭环管理的方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103745105A (zh) * 2014-01-06 2014-04-23 中国科学院计算技术研究所 一种社交网络中用户属性的预测方法及系统
TW201443811A (zh) * 2013-01-02 2014-11-16 Microsoft Corp 社群媒體影響性評估（一）
TW201443812A (zh) * 2013-01-02 2014-11-16 Microsoft Corp 社群媒體影響性評估（二）
US20150324861A1 (en) * 2012-12-04 2015-11-12 Alcatel Lucent Method and device for optimizing information diffusion between communities linked by interaction similarities

Family Cites Families (38)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5872952A (en) * 1995-04-17 1999-02-16 Synopsys, Inc. Integrated circuit power net analysis through simulation
US20050228778A1 (en) * 2004-04-05 2005-10-13 International Business Machines Corporation System and method for retrieving documents based on mixture models
US20060010029A1 (en) * 2004-04-29 2006-01-12 Gross John N System & method for online advertising
US20050246391A1 (en) * 2004-04-29 2005-11-03 Gross John N System & method for monitoring web pages
GB0504568D0 (en) * 2005-03-04 2005-04-13 Vida Software S L User interfaces for electronic devices
US20060282282A1 (en) * 2005-06-03 2006-12-14 Spechler Brent A Bonus tracking system and method
US20080140506A1 (en) * 2006-12-08 2008-06-12 The Procter & Gamble Corporation Systems and methods for the identification, recruitment, and enrollment of influential members of social groups
US8438062B2 (en) * 2006-12-29 2013-05-07 Google Inc. Network node ad targeting
US9946975B2 (en) * 2007-08-24 2018-04-17 At&T Intellectual Property I, L.P. Method and apparatus to identify influencers
US20100198660A1 (en) * 2009-01-30 2010-08-05 Bank Of America Corporation Subcontractor compliance measurement
BRPI0924431A2 (pt) 2009-03-03 2016-01-26 Google Inc modelo de anúncio adheat para rede social
CA2754121C (en) 2009-03-03 2021-06-22 Google, Inc. Method and system for providing advertising to users of social network
US9183287B2 (en) * 2010-01-29 2015-11-10 E-Therapeutics Plc Social media analysis system
US8639692B2 (en) * 2010-06-28 2014-01-28 Alcatel Lucent High-dimensional stratified sampling
KR101297271B1 (ko) 2011-04-11 2013-08-14 에스케이씨앤씨 주식회사 소셜 네트워크 분석 서비스 방법 및 장치
US10580022B2 (en) * 2011-05-27 2020-03-03 Groupon, Inc. Computing early adopters and potential influencers using transactional data and network analysis
WO2013123462A1 (en) * 2012-02-15 2013-08-22 Bottlenose, Inc. Systems and methods for recommending advertisement placement based on cross network online activity analysis
US9262791B2 (en) 2012-03-23 2016-02-16 Facebook, Inc. Targeting stories based on influencer scores
US8566165B1 (en) * 2012-03-30 2013-10-22 Palo Alto Research Center Incorporated Performance-efficient system and method for sampling users for population-centric activity modeling
US9558277B2 (en) * 2012-04-04 2017-01-31 Salesforce.Com, Inc. Computer implemented methods and apparatus for identifying topical influence in an online social network
CN103426042B (zh) 2012-05-15 2016-04-13 腾讯科技（深圳）有限公司 社交网络的分组方法及系统
US9558273B2 (en) * 2012-09-21 2017-01-31 Appinions Inc. System and method for generating influencer scores
US9489864B2 (en) * 2013-01-07 2016-11-08 Educational Testing Service Systems and methods for an automated pronunciation assessment system for similar vowel pairs
US10559013B2 (en) 2013-03-07 2020-02-11 Facebook, Inc. Identifying users for advertising opportunities based on paired identifiers
US20140288999A1 (en) * 2013-03-12 2014-09-25 Correlor Technologies Ltd Social character recognition (scr) system
US9443193B2 (en) * 2013-04-19 2016-09-13 Educational Testing Service Systems and methods for generating automated evaluation models
WO2015058307A1 (en) * 2013-10-25 2015-04-30 Sysomos L.P. Systems and methods for dynamically determining influencers in a social data network using weighted analysis
CN104811428B (zh) * 2014-01-28 2019-04-12 阿里巴巴集团控股有限公司 利用社交关系数据验证客户端身份的方法、装置及系统
US10459767B2 (en) * 2014-03-05 2019-10-29 International Business Machines Corporation Performing data analytics utilizing a user configurable group of reusable modules
US9754503B2 (en) * 2014-03-24 2017-09-05 Educational Testing Service Systems and methods for automated scoring of a user's performance
CN105095256B (zh) * 2014-05-07 2019-06-11 阿里巴巴集团控股有限公司 基于用户之间相似度进行信息推送的方法及装置
US20160019579A1 (en) * 2014-05-21 2016-01-21 Jamie Reardon Sims Systems and methods to coordinate communication programs
US10438206B2 (en) * 2014-05-27 2019-10-08 The Toronto-Dominion Bank Systems and methods for providing merchant fraud alerts
US20160034974A1 (en) * 2014-07-31 2016-02-04 Ravi Neb Method, a system and a mobile app for providing an influencer with an offer to endorse a brand's product or service
WO2016095133A1 (en) * 2014-12-17 2016-06-23 Yahoo! Inc. Method and system for determining user interests based on a correspondence graph
CN106815732A (zh) * 2015-11-27 2017-06-09 英业达科技有限公司 计算方法及计算系统
CN105608179B (zh) * 2015-12-22 2019-03-12 百度在线网络技术（北京）有限公司 确定用户标识的关联性的方法和装置
CN106909594B (zh) 2016-06-06 2020-05-05 阿里巴巴集团控股有限公司 信息推送方法及装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20150324861A1 (en) * 2012-12-04 2015-11-12 Alcatel Lucent Method and device for optimizing information diffusion between communities linked by interaction similarities
TW201443811A (zh) * 2013-01-02 2014-11-16 Microsoft Corp 社群媒體影響性評估（一）
TW201443812A (zh) * 2013-01-02 2014-11-16 Microsoft Corp 社群媒體影響性評估（二）
CN103745105A (zh) * 2014-01-06 2014-04-23 中国科学院计算技术研究所 一种社交网络中用户属性的预测方法及系统

Also Published As

Publication number Publication date
US11074623B2 (en) 2021-07-27
MY194098A (en) 2022-11-11
KR20190015373A (ko) 2019-02-13
WO2017211191A1 (zh) 2017-12-14
CN106909594A (zh) 2017-06-30
EP3467754A4 (en) 2019-04-10
US20210357985A1 (en) 2021-11-18
TW201743204A (zh) 2017-12-16
PH12018502583A1 (en) 2019-09-30
CN106909594B (zh) 2020-05-05
US20200134674A1 (en) 2020-04-30
JP6991163B2 (ja) 2022-01-12
EP3467754A1 (en) 2019-04-10
SG11201810809XA (en) 2018-12-28
JP2019519042A (ja) 2019-07-04
US20190108552A1 (en) 2019-04-11

Similar Documents

Publication Publication Date Title
TWI665607B (zh) Information push method and device
US10552682B2 (en) User classification based upon images
US10218716B2 (en) Technologies for analyzing uniform resource locators
US10318990B2 (en) Selecting users relevant to a geofence
US9286379B2 (en) Document quality measurement
US20120042267A1 (en) Inferring that a message has been read
US20190266619A1 (en) Behavior pattern search system and behavior pattern search method
US20160034968A1 (en) Method and device for determining target user, and network server
WO2015172685A1 (en) Method and apparatus for identifying malicious account
US20140067472A1 (en) System and Method For Segmenting A Customer Base
US20150262238A1 (en) Techniques for Topic Extraction Using Targeted Message Characteristics
CN106708871B (zh) 一种社交业务特征用户的识别方法和装置
CN108241867B (zh) 一种分类方法及装置
CN105187641A (zh) 一种对应用程序通知进行智能提醒的方法及系统
US20200210695A1 (en) Utilizing optical character recognition (ocr) to remove biasing
JP5945206B2 (ja) 商品推薦装置及び方法及びプログラム
JP6680663B2 (ja) 情報処理装置、情報処理方法、予測モデルの生成装置、予測モデルの生成方法、およびプログラム
CN109241249B (zh) 一种确定突发问题的方法及装置
US10354313B2 (en) Emphasizing communication based on past interaction related to promoted items
CN111382343B (zh) 一种标签体系生成方法及装置
CN108062337B (zh) 一种对爬虫种子打标签的方法及装置
CN112308603A (zh) 基于相似性扩展的快速门店选址方法及装置、存储介质
US20160028614A1 (en) Identifying Influence Paths in a Communication Network
US20230109001A1 (en) Predicting the Value of an Asset Using Machine-Learning Techniques
WO2024096976A1 (en) Building and using target-based sentiment models