[發(fā)明專利]信息推送方法、裝置及客戶端

在審

• 申請?zhí)枺?/td>: 201810146000.0
• 申請日: 2018-02-12
• 公開（公告）號: CN108566615A
• 公開（公告）日: 2018-09-21
• 發(fā)明（設計）人: 黃國進
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: H04W4/02
• 分類號: H04W4/02;H04L29/08;G06Q30/02
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 李輝

1.一種信息推送方法，包括：

獲取目標用戶的位置信息，確定所述位置信息所對應的推送范圍內的推送信息；

基于所述推送信息與所述目標用戶之間的喜好關聯度從所述推送信息中選取目標推送信息，所述喜好關聯度表征用戶對推送信息的喜好程度；

將所述目標推送信息推送給所述目標用戶。

2.根據權利要求1所述的方法，其中，所述喜好關聯度至少包括下述之一：

所述目標用戶與所述推送信息所對應的消費用戶之間的社交關聯度；

所述目標用戶的歷史消費信息與所述推送信息之間的相似度；

所述推送信息所對應的消費用戶中與所述目標用戶為同一消費喜好群組的消費用戶與所述目標用戶之間的聚類相似度；

基于所述目標用戶的用戶畫像信息和消費喜好信息進行使用概率訓練得到的所述目標用戶對所述推送信息的使用概率。

3.根據權利要求1或2所述的方法，其中，當所述喜好關聯度為所述目標用戶與所述推送信息所對應的消費用戶之間的社交關聯度時，所述基于所述推送信息與所述目標用戶之間的喜好關聯度從所述推送信息中選取目標推送信息包括：

基于所述目標用戶與所述推送信息所對應的消費用戶之間的社交關系確定所述目標用戶與所述推送信息所對應的消費用戶之間的社交關聯度；

將與所述目標用戶之間的社交關聯度大于等于第一閾值的推送信息作為所述目標推送信息。

4.根據權利要求1或2所述的方法，其中，當所述喜好關聯度為所述目標用戶的歷史消費信息與所述推送信息之間的相似度時，所述基于所述推送信息與所述目標用戶之間的喜好關聯度從所述推送信息中選取目標推送信息包括：

確定所述目標用戶的歷史消費信息與所述推送信息之間的相似度；

將與所述目標用戶的歷史消費信息的相似度大于等于第二閾值的推送信息作為所述目標推送信息。

5.根據權利要求1或2所述的方法，其中，當所述喜好關聯度為所述推送信息所對應的消費用戶中與所述目標用戶為同一消費喜好群組的消費用戶與所述目標用戶之間的聚類相似度時，所述基于所述推送信息與所述目標用戶之間的喜好關聯度從所述推送信息中選取目標推送信息包括：

確定所述推送信息所對應的消費用戶中與所述目標用戶在同一消費喜好群組的用戶，其中，所述消費喜好群組是基于表征用戶的消費喜好信息的特征向量進行聚類分析確定的；

計算所述同一消費喜好群組中的用戶與所述目標用戶之間的聚類相似度；

將與所述目標用戶之間的聚類相似度大于等于第三閾值的推送信息作為所述目標推送信息。

6.根據權利要求1或2所述的方法，其中，當所述喜好關聯度為基于所述目標用戶的用戶畫像信息和消費喜好信息進行使用概率訓練得到的所述目標用戶對所述推送信息的使用概率時，所述基于所述推送信息與所述目標用戶之間的喜好關聯度從所述推送信息中選取目標推送信息包括：

將所述目標用戶的用戶畫像信息、消費喜好信息和所述推送信息輸入使用概率識別模型進行訓練，得到所述目標用戶對所述推送信息的使用概率；

將使用概率大于等于第四閾值的推送信息作為所述目標推送信息；

其中，所述使用概率識別模型是基于機器學習對樣本用戶的用戶畫像信息、消費喜好信息以及樣本用戶對推送信息的反饋情況信息進行訓練確定的。

7.根據權利要求1或2所述的方法，其中，所述方法還包括：

當表征用戶對推送信息的喜好程度的喜好關聯度為多個時，分別確定所述多個喜好關聯度的權重系數，對所述多個喜好關聯度進行加權求和計算，將計算得到的結果作為所述推送信息與所述目標用戶之間的喜好關聯度；

其中，喜好關聯度的權重系數與對用戶消費喜好的影響程度成正比。

8.根據權利要求1或2所述的方法，其中，所述將所述目標推送信息推送給所述目標用戶包括：

將包括所述目標推送信息的推送文案信息推送給所述目標用戶。