[發明專利]推送信息的方法和裝置

有效

• 申請號: 201610371042.5
• 申請日: 2016-05-30
• 公開（公告）號: CN107451832B
• 公開（公告）日: 2023-09-05
• 發明（設計）人: 黃靖鋒
• 申請（專利權）人: 北京京東尚科信息技術有限公司;北京京東世紀貿易有限公司
• 主分類號: G06Q30/0251
• 分類號: G06Q30/0251
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 王達佐;馬曉亞

1.一種推送信息的方法，其特征在于，所述方法包括：

基于優先維度數據庫中的優先維度，獲取預定時間段內每個用戶的多維度的特征數據；

將所述每個用戶的多維度的特征數據劃分至多個周期，其中，所述多個周期通過對所述預定時間段進行劃分得到；

獲取每個用戶在每個周期的用戶活躍度值；

在預定的周期內，計算每個用戶的兩兩周期的用戶活躍度值之間的歐式距離；

根據所述歐式距離，聚類用戶群體數據，以將在所述預定的周期內活躍度值的變化趨勢類似的用戶組成用戶群體；

根據所述用戶群體數據，向用戶端推送信息；

其中，所述獲取每個用戶在每個周期的用戶活躍度值，包括：根據預設的用戶活躍度計算規則將所述多個周期中每個周期的多維度的特征數據轉換為用戶活躍度值；具體包括：

在每個周期中獲取多維度的特征數據的加權平均值；歸一化所述加權平均值，得到歸一化后的特征數據；擬合所述歸一化后的特征數據，得到用戶活躍度曲線；根據所述用戶活躍度曲線，獲取每個周期的用戶活躍度值。

2.根據權利要求1所述的推送信息的方法，其特征在于，所述擬合所述歸一化后的特征數據，得到用戶活躍度曲線包括：

將所述歸一化后的特征數據輸入支持向量回歸模型進行擬合，得到用戶活躍度曲線。

3.根據權利要求2所述的推送信息的方法，其特征在于，所述獲取每個用戶在每個周期的用戶活躍度值還包括：

采用所述歸一化后的特征數據，訓練所述支持向量回歸模型。

4.根據權利要求1所述的推送信息的方法，其特征在于，所述方法還包括：

檢測所述用戶群體數據中與用戶的歷史訂單數據相符的用戶個體數據；

獲取所述用戶個體數據所獲取的特征數據的維度以及每一個所獲取的特征數據的維度的數量；

根據所述數量從大到小，獲取預設數量所獲取的特征數據的維度；

將所述預設數量所獲取的特征數據的維度作為優先維度，更新所述優先維度數據庫。

5.根據權利要求1所述的推送信息的方法，其特征在于，所述特征數據包括以下維度中的多項：訂單數據、購物車數據、收藏數據、咨詢數據、評論數據、關注數據、轉發數據、瀏覽記錄數據、搜索記錄數據、發表數據、性別數據、年齡數據、收入數據、職業數據、心理特征數據、價值觀數據、消費行為偏好數據、態度數據和習慣數據。

6.一種推送信息的裝置，其特征在于，所述裝置包括：

第一獲取單元，用于基于優先維度數據庫中的優先維度，獲取預定時間段內每個用戶的多維度的特征數據；

劃分單元，用于將所述每個用戶的多維度的特征數據劃分至多個周期，其中，所述多個周期通過對所述預定時間段進行劃分得到；

第二獲取單元，用于獲取每個用戶在每個周期的用戶活躍度值；

計算單元，用于在預定的周期內，計算每個用戶的兩兩周期的用戶活躍度值之間的歐式距離；

聚類單元，用于根據所述歐式距離，聚類用戶群體數據，以將在所述預定的周期內活躍度值的變化趨勢類似的用戶組成用戶群體；

推送單元，用于根據所述用戶群體數據，向用戶端推送信息；

所述第二獲取單元，進一步用于：根據預設的用戶活躍度計算規則將所述多個周期中每個周期的多維度的特征數據轉換為用戶活躍度值；

其中，所述第二獲取單元包括：第一獲取子單元，用于在每個周期中獲取多維度的特征數據的加權平均值；歸一化子單元，用于歸一化所述加權平均值，得到歸一化后的特征數據；擬合子單元，用于擬合所述歸一化后的特征數據，得到用戶活躍度曲線；第二獲取子單元，用于根據所述用戶活躍度曲線，獲取每個周期的用戶活躍度值。

7.根據權利要求6所述的推送信息的裝置，其特征在于，所述擬合子單元進一步用于：將所述歸一化后的特征數據輸入支持向量回歸模型進行擬合，得到用戶活躍度曲線。

8.根據權利要求7所述的推送信息的裝置，其特征在于，所述第二獲取單元還包括：

訓練子單元，用于采用所述歸一化后的特征數據，訓練所述支持向量回歸模型。