WO2020253364A1 - 基于大数据分析的信息推送方法、装置、设备及存储介质 - Google Patents
基于大数据分析的信息推送方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- WO2020253364A1 WO2020253364A1 PCT/CN2020/086169 CN2020086169W WO2020253364A1 WO 2020253364 A1 WO2020253364 A1 WO 2020253364A1 CN 2020086169 W CN2020086169 W CN 2020086169W WO 2020253364 A1 WO2020253364 A1 WO 2020253364A1
- Authority
- WO
- WIPO (PCT)
- Prior art keywords
- training
- self
- big data
- network
- data analysis
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
-
- 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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
Claims (20)
- 一种基于大数据分析的信息推送方法,其中,所述方法包括:分时段采集待监控自媒体账号发布的网络数据;利用预先构建的大数据分析模型对各时段的网络数据进行分析,得到所述网络数据对应的热点的变化率;根据所述变化率和预设的信息价值判断标准,预测所述热点是否具备推送价值;若预测所述热点具备推送价值,则将所述网络数据推送给用户,以使所述用户根据所述网络数据制定贴合所述热点的业务方案。
- 如权利要求1所述的方法,其中,所述分时段采集待监控自媒体账号发布的网络数据的步骤之前,所述方法还包括:确定所述待监控自媒体账号;其中,所述确定所述待监控自媒体账号的步骤,包括:根据业务需要确定待监控的自媒体平台的网络地址;根据所述网络地址对网络爬虫进行配置,利用所述网络爬虫从所述网络地址对应的自媒体平台爬取待处理网络数据;利用关键词提取技术,对预存的历史推送信息进行关键词提取,得到所述历史推送信息对应的热点的关键词;根据所述关键词,对所述待处理网络数据进行过滤,得到至少一个参与所述热点的自媒体账号;从各自媒体账号中筛选出参与热点次数符合预设阈值,且造成影响符合预设条件的自媒体账号,将筛选出的自媒体账号作为所述待监控自媒体账号。
- 如权利要求1所述的方法,其中,所述利用预先构建的大数据分析模型对各时段的网络数据进行分析的步骤之前,所述方法还包括:构建所述大数据分析模型;其中,所述构建所述大数据分析模型的步骤,包括:接收数据采集指令,从所述数据采集指令中提取待采集的训练数据的网络地址;根据所述网络地址对网络爬虫进行配置,利用所述网络爬虫从所述网络地址对应的网页中获取所述训练数据;根据所述训练数据和预先确定的机器学习算法,规划学习路径;根据所述学习路径和所述训练数据,构建训练模型;根据预设的大数据分析模型对应的业务需求,确定学习目标;采用所述机器学习算法,对所述训练模型进行迭代训练;在训练得到的训练结果与所述学习目标的匹配度大于预设阈值时,确定得到所述大数据分析模型。
- 如权利要求3所述的方法,其中,所述机器学习算法为卷积神经网络算法,所述训练模型的卷积核为5×5;所述采用所述机器学习算法,对所述训练模型进行迭代训练的步骤之前,所述方法还包括:对所述训练模型进行卷积核拆分操作,将所述训练模型中5×5的卷积核拆分为至少两个3×3的卷积核;其中,所述采用所述机器学习算法,对所述训练模型进行迭代训练的步骤,包括:采用卷积神经网络算法,分别对所述训练模型中拆分获得的至少两个3×3的卷积核进行迭代训练。
- 如权利要求3所述的方法,其中,所述根据所述学习路径和所述训练数据,构建训练模型的步骤之前,所述方法还包括:对所述训练数据进行归一化处理,得到目标训练数据;其中,所述根据所述学习路径和所述训练数据,构建训练模型的步骤,包括:根据所述学习路径和所述目标训练数据,构建训练模型。
- 如权利要求1至5任一项所述的方法,其中,所述以使所述用户根据所述网络数据制定贴合所述热点的业务方案的步骤,包括:监测所述用户是否触发了业务方案生成指令;若监测到所述用户触发了业务方案生成指令,则获取所述用户提供的待推广产品的产品信息;根据所述网络数据对应的热点,生成热点模板;将所述产品信息输入到所述热点模板的指定位置,得到贴合所述热点的业务方案。
- 如权利要求6所述的方法,其中,所述得到贴合所述热点的业务方案的步骤之后,所述方法还包括:将所述业务方案发布到预设的自媒体平台;获取所述自媒体平台的用户对所述业务方案的响应信息;根据所述响应信息,对所述业务方案进行调整。
- 一种基于大数据分析的信息推送设备,其中,所述设备包括: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基于大数据分析的信息推送程序,所述基于大数据分析的信息推送程序配置为被处理器执行实现如下步骤:分时段采集待监控自媒体账号发布的网络数据;利用预先构建的大数据分析模型对各时段的网络数据进行分析,得到所述网络数据对应的热点的变化率;根据所述变化率和预设的信息价值判断标准,预测所述热点是否具备推送价值;若预测所述热点具备推送价值,则将所述网络数据推送给用户,以使所述用户根据所述网络数据制定贴合所述热点的业务方案。
- 如权利要求8所述的基于大数据分析的信息推送设备,其中,所述分时段采集待监控自媒体账号发布的网络数据的步骤之前,所述处理器还执行实现:确定所述待监控自媒体账号;其中,所述确定所述待监控自媒体账号的步骤,包括:根据业务需要确定待监控的自媒体平台的网络地址;根据所述网络地址对网络爬虫进行配置,利用所述网络爬虫从所述网络地址对应的自媒体平台爬取待处理网络数据;利用关键词提取技术,对预存的历史推送信息进行关键词提取,得到所述历史推送信息对应的热点的关键词;根据所述关键词,对所述待处理网络数据进行过滤,得到至少一个参与所述热点的自媒体账号;从各自媒体账号中筛选出参与热点次数符合预设阈值,且造成影响符合预设条件的自媒体账号,将筛选出的自媒体账号作为所述待监控自媒体账号。
- 如权利要求8所述的基于大数据分析的信息推送设备,其中,所述利用预先构建的大数据分析模型对各时段的网络数据进行分析的步骤之前,所述处理器还执行:构建所述大数据分析模型;其中,所述构建所述大数据分析模型的步骤,包括:接收数据采集指令,从所述数据采集指令中提取待采集的训练数据的网络地址;根据所述网络地址对网络爬虫进行配置,利用所述网络爬虫从所述网络地址对应的网页中获取所述训练数据;根据所述训练数据和预先确定的机器学习算法,规划学习路径;根据所述学习路径和所述训练数据,构建训练模型;根据预设的大数据分析模型对应的业务需求,确定学习目标;采用所述机器学习算法,对所述训练模型进行迭代训练;在训练得到的训练结果与所述学习目标的匹配度大于预设阈值时,确定得到所述大数据分析模型。
- 如权利要求10所述的基于大数据分析的信息推送设备,其中,所述机器学习算法为卷积神经网络算法,所述训练模型的卷积核为5×5;所述采用所述机器学习算法,对所述训练模型进行迭代训练的步骤之前,所述处理器还执行:对所述训练模型进行卷积核拆分操作,将所述训练模型中5×5的卷积核拆分为至少两个3×3的卷积核;其中,所述采用所述机器学习算法,所述处理器执行实现对所述训练模型进行迭代训练的步骤,包括:采用卷积神经网络算法,分别对所述训练模型中拆分获得的至少两个3×3的卷积核进行迭代训练。
- 如权利要求10所述的基于大数据分析的信息推送设备,其中,所述根据所述学习路径和所述训练数据,构建训练模型的步骤之前,所述处理器还执行:对所述训练数据进行归一化处理,得到目标训练数据;其中,所述处理器执行实现所述根据所述学习路径和所述训练数据,构建训练模型的步骤,包括:根据所述学习路径和所述目标训练数据,构建训练模型。
- 如权利要求8至12任一项所述的基于大数据分析的信息推送设备,其中,所述处理器执行实现所述以使所述用户根据所述网络数据制定贴合所述热点的业务方案的步骤,包括:监测所述用户是否触发了业务方案生成指令;若监测到所述用户触发了业务方案生成指令,则获取所述用户提供的待推广产品的产品信息;根据所述网络数据对应的热点,生成热点模板;将所述产品信息输入到所述热点模板的指定位置,得到贴合所述热点的业务方案。
- 如权利要求13所述的基于大数据分析的信息推送设备,其中,所述得到贴合所述热点的业务方案的步骤之后,所述处理器还执行:将所述业务方案发布到预设的自媒体平台;获取所述自媒体平台的用户对所述业务方案的响应信息;根据所述响应信息,对所述业务方案进行调整。
- 一种存储介质,其中,所述存储介质上存储有基于大数据分析的信息推送程序,所述基于大数据分析的信息推送程序被处理器执行时实现如下步骤:分时段采集待监控自媒体账号发布的网络数据;利用预先构建的大数据分析模型对各时段的网络数据进行分析,得到所述网络数据对应的热点的变化率;根据所述变化率和预设的信息价值判断标准,预测所述热点是否具备推送价值;若预测所述热点具备推送价值,则将所述网络数据推送给用户,以使所述用户根据所述网络数据制定贴合所述热点的业务方案。
- 如权利要求15所述的存储介质,其中,所述分时段采集待监控自媒体账号发布的网络数据的步骤之前,所述基于大数据分析的信 息推送程序还被处理器执行实现:确定所述待监控自媒体账号;其中,所述确定所述待监控自媒体账号的步骤,包括:根据业务需要确定待监控的自媒体平台的网络地址;根据所述网络地址对网络爬虫进行配置,利用所述网络爬虫从所述网络地址对应的自媒体平台爬取待处理网络数据;利用关键词提取技术,对预存的历史推送信息进行关键词提取,得到所述历史推送信息对应的热点的关键词;根据所述关键词,对所述待处理网络数据进行过滤,得到至少一个参与所述热点的自媒体账号;从各自媒体账号中筛选出参与热点次数符合预设阈值,且造成影响符合预设条件的自媒体账号,将筛选出的自媒体账号作为所述待监控自媒体账号。
- 如权利要求15所述的存储介质,其中,所述利用预先构建的大数据分析模型对各时段的网络数据进行分析的步骤之前,所述基于大数据分析的信息推送程序还被处理器执行实现:构建所述大数据分析模型;其中,所述构建所述大数据分析模型的步骤,包括:接收数据采集指令,从所述数据采集指令中提取待采集的训练数据的网络地址;根据所述网络地址对网络爬虫进行配置,利用所述网络爬虫从所述网络地址对应的网页中获取所述训练数据;根据所述训练数据和预先确定的机器学习算法,规划学习路径;根据所述学习路径和所述训练数据,构建训练模型;根据预设的大数据分析模型对应的业务需求,确定学习目标;采用所述机器学习算法,对所述训练模型进行迭代训练;在训练得到的训练结果与所述学习目标的匹配度大于预设阈值时,确定得到所述大数据分析模型。
- 如权利要求17所述的存储介质,其中,所述机器学习算法为卷积神经网络算法,所述训练模型的卷积核为5×5;所述采用所述机器学习算法,对所述训练模型进行迭代训练的步骤之前,所述基于大数据分析的信息推送程序还被处理器执行实现:对所述训练模型进行卷积核拆分操作,将所述训练模型中5×5的卷积核拆分为至少两个3×3的卷积核;其中,所述基于大数据分析的信息推送程序被处理器执行实现所述采用所述机器学习算法,对所述训练模型进行迭代训练的步骤,包括:采用卷积神经网络算法,分别对所述训练模型中拆分获得的至少两个3×3的卷积核进行迭代训练。
- 如权利要求17所述的存储介质,其中,所述根据所述学习路径和所述训练数据,构建训练模型的步骤之前,所述基于大数据分析的信息推送程序还被处理器执行实现:对所述训练数据进行归一化处理,得到目标训练数据;其中,所述根据所述学习路径和所述训练数据,构建训练模型的步骤,包括:根据所述学习路径和所述目标训练数据,构建训练模型。
- 如权利要求15至19任一项所述的存储介质,其中,所述基于大数 据分析的信息推送程序被处理器执行实现所述以使所述用户根据所述网络数据制定贴合所述热点的业务方案的步骤,包括:监测所述用户是否触发了业务方案生成指令;若监测到所述用户触发了业务方案生成指令,则获取所述用户提供的待推广产品的产品信息;根据所述网络数据对应的热点,生成热点模板;将所述产品信息输入到所述热点模板的指定位置,得到贴合所述热点的业务方案。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910539816.4A CN110362728A (zh) | 2019-06-19 | 2019-06-19 | 基于大数据分析的信息推送方法、装置、设备及存储介质 |
CN201910539816.4 | 2019-06-19 |
Publications (1)
Publication Number | Publication Date |
---|---|
WO2020253364A1 true WO2020253364A1 (zh) | 2020-12-24 |
Family
ID=68216543
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
PCT/CN2020/086169 WO2020253364A1 (zh) | 2019-06-19 | 2020-04-22 | 基于大数据分析的信息推送方法、装置、设备及存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN110362728A (zh) |
WO (1) | WO2020253364A1 (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110362728A (zh) * | 2019-06-19 | 2019-10-22 | 深圳壹账通智能科技有限公司 | 基于大数据分析的信息推送方法、装置、设备及存储介质 |
CN110852792B (zh) * | 2019-10-28 | 2023-10-03 | 海南太美航空股份有限公司 | 一种基于大数据分析的航线价值评估方法及相关产品 |
CN112749324B (zh) * | 2019-10-31 | 2024-03-12 | 北京达佳互联信息技术有限公司 | 网络媒介信息投放控制方法、装置、电子设备及存储介质 |
CN111177552A (zh) * | 2019-12-27 | 2020-05-19 | 绍兴市上虞区理工高等研究院 | 一种基于用户需求的科技成果推送方法及装置 |
CN114897176B (zh) * | 2022-03-11 | 2023-11-07 | 内蒙古塞上明珠科技成果推广服务有限公司 | 一种基于人工智能的互联网大数据处理系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010076780A1 (en) * | 2009-01-01 | 2010-07-08 | Orca Interactive Ltd. | Adaptive blending of recommendation engines |
CN106909637A (zh) * | 2017-02-14 | 2017-06-30 | 国家计算机网络与信息安全管理中心 | 微信公众号的影响力分析方法和系统 |
CN109191183A (zh) * | 2018-08-10 | 2019-01-11 | 宜人恒业科技发展(北京)有限公司 | 一种基于大数据的广告投放动态调整系统 |
CN109670104A (zh) * | 2018-11-12 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 基于机器学习的信息推送方法、设备、装置及存储介质 |
CN109711872A (zh) * | 2018-12-14 | 2019-05-03 | 中国平安人寿保险股份有限公司 | 基于大数据分析的广告投放方法及装置 |
CN110362728A (zh) * | 2019-06-19 | 2019-10-22 | 深圳壹账通智能科技有限公司 | 基于大数据分析的信息推送方法、装置、设备及存储介质 |
-
2019
- 2019-06-19 CN CN201910539816.4A patent/CN110362728A/zh active Pending
-
2020
- 2020-04-22 WO PCT/CN2020/086169 patent/WO2020253364A1/zh active Application Filing
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2010076780A1 (en) * | 2009-01-01 | 2010-07-08 | Orca Interactive Ltd. | Adaptive blending of recommendation engines |
CN106909637A (zh) * | 2017-02-14 | 2017-06-30 | 国家计算机网络与信息安全管理中心 | 微信公众号的影响力分析方法和系统 |
CN109191183A (zh) * | 2018-08-10 | 2019-01-11 | 宜人恒业科技发展(北京)有限公司 | 一种基于大数据的广告投放动态调整系统 |
CN109670104A (zh) * | 2018-11-12 | 2019-04-23 | 深圳壹账通智能科技有限公司 | 基于机器学习的信息推送方法、设备、装置及存储介质 |
CN109711872A (zh) * | 2018-12-14 | 2019-05-03 | 中国平安人寿保险股份有限公司 | 基于大数据分析的广告投放方法及装置 |
CN110362728A (zh) * | 2019-06-19 | 2019-10-22 | 深圳壹账通智能科技有限公司 | 基于大数据分析的信息推送方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN110362728A (zh) | 2019-10-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020253364A1 (zh) | 基于大数据分析的信息推送方法、装置、设备及存储介质 | |
Zhou et al. | A survey of information cascade analysis: Models, predictions, and recent advances | |
Nguyen et al. | Real-time event detection for online behavioral analysis of big social data | |
US11375030B2 (en) | Future event detection and notification | |
US10430481B2 (en) | Method and apparatus for generating a content recommendation in a recommendation system | |
US20190356684A1 (en) | Detecting robotic internet activity across domains utilizing one-class and domain adaptation machine-learning models | |
US20160307131A1 (en) | Method, apparatus, and system for controlling delivery task in social networking platform | |
Tatar et al. | A survey on predicting the popularity of web content | |
US10162891B2 (en) | Determining demographics based on user interaction | |
US20180014038A1 (en) | Method and apparatus for selecting a network resource as a source of content for a recommendation system | |
Shi et al. | Event detection and identification of influential spreaders in social media data streams | |
JP5454357B2 (ja) | 情報処理装置および方法、並びに、プログラム | |
KR101923067B1 (ko) | 네이티브 애플리케이션 테스트 | |
US20160132904A1 (en) | Influence score of a brand | |
US11544633B2 (en) | Method for cleaning up background application, storage medium, and electronic device | |
US9584565B1 (en) | Methods for generating notifications in a shared workspace | |
US20170063606A1 (en) | Event Notifications for Applications | |
WO2021073271A1 (zh) | 舆情分析方法、装置、计算机装置及存储介质 | |
CN111885399A (zh) | 内容分发方法、装置、电子设备以及存储介质 | |
US10516644B2 (en) | Near real time relevance ranker for notifications | |
KR20150067897A (ko) | 소셜 데이터의 인기도 예측 장치 및 방법 | |
JP2021523492A (ja) | 検索動作出力要素のアクションインジケータ | |
WO2020258773A1 (zh) | 确定推送用户群的方法、装置、设备及存储介质 | |
US9582586B2 (en) | Massive rule-based classification engine | |
Liu et al. | Request dependency graph: A model for web usage mining in large-scale web of things |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
121 | Ep: the epo has been informed by wipo that ep was designated in this application |
Ref document number: 20827005 Country of ref document: EP Kind code of ref document: A1 |
|
NENP | Non-entry into the national phase |
Ref country code: DE |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 20827005 Country of ref document: EP Kind code of ref document: A1 |
|
32PN | Ep: public notification in the ep bulletin as address of the adressee cannot be established |
Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205 DATED 29/03/2022) |
|
122 | Ep: pct application non-entry in european phase |
Ref document number: 20827005 Country of ref document: EP Kind code of ref document: A1 |