[發明專利]基于預測模型的APP智能推送引擎及方法

在審

• 申請號: 202111191523.5
• 申請日: 2021-10-13
• 公開（公告）號: CN114004630A
• 公開（公告）日: 2022-02-01
• 發明（設計）人: 歐陽燊
• 申請（專利權）人: 福建福諾移動通信技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 丘鴻超;蔡學俊

1.一種基于預測模型的APP智能推送引擎，其特征在于，包括：

推送結果采集模塊，用于獲取推送到達用戶的時刻和用戶響應推送信息的時刻；

活動參與記錄模塊，用于獲取用戶開始參與活動時刻和結果返回時刻；

推送成效統計模塊，用于根據所述推送結果采集模塊和活動參與記錄模塊采集的時刻信息分別獲取表征用戶活躍程度和系統負荷的時延參數；

預測模型構建模塊，用于根據時延參數基于推廣成效與系統負荷之間的平衡權重，構建獲得推送預測模型；

智能分配推送模塊，用于根據所述推送預測模型基于各個時間段的每日估算權重分布，分配推送時間段及其推送用戶量執行具體的推送操作。

2.根據權利要求1所述基于預測模型的APP智能推送引擎，其特征在于：通知響應時延=通知點擊時間-推送到達時間，用于表征推廣成效；活動參與時延=結果返回時間-開始參與時間，用于表征系統負荷。

3.根據權利要求2所述基于預測模型的APP智能推送引擎，其特征在于：在所述推送預測模型中，將某個時間段的推廣成效與時延參數的倒數相關聯構建獲得推廣成效的平衡權重參數；再通過所述平衡權重參數估算以不同時間段為區分計算各時間段分配到的推送量比例，及每個時間段分配到的推送用戶數量。

4.根據權利要求3所述基于預測模型的APP智能推送引擎，其特征在于：

所述時延參數的定義為：

其中D表示用戶活躍程度或系統負荷的時延參數，Xi表示每條記錄的時延大小，n表示記錄總數；

所述平衡權重參數的定義為：

其中，Wr表示某個時間段實際的平衡權重，Da表示該時間段的通知響應時延參數，Db表示該時間段的活動參與時延參數，100為固定的常數因子。

5.根據權利要求4所述基于預測模型的APP智能推送引擎，其特征在于：

所述平衡權重參數的估算模型為：

其中，Wf表示某個時間段估算的平衡權重，Wi表示前7天的每日實際平衡權重，i表示這7天里的第幾天，為調整權重大小的日期因子；

計算各時間段分配到的推送量比例=該時間段的估算權重值/所有時間段的估算權重總和：

其中，Ri表示某個時間段的推送量比例，Wi’表示該時間段的估算權重值，m表示當天可推送的小時數。

6.根據權利要求5所述基于預測模型的APP智能推送引擎，其特征在于：得到每個時間段的推送量比例之后，乘以待推送的用戶總數，即得到每個時間段分配到的推送用戶數量：

其中，Ni表示某個時間段分配到的推送用戶數量，S表示待推送的用戶總數。

7.一種基于預測模型的APP智能推送方法，其特征在于，包括以下步驟：

步驟S1：根據以往的推送結果與當時的系統壓力，建立近期時空背景下的推送預測模型；

步驟S2：按照用戶點擊通知的時延，以及受理活動的時延，對每個推送時間段計算推廣成效與系統負荷之間的平衡權重；

步驟S3：基于各個時間段的每日估算權重分布，由預測模型分配當日的推送時間段及其推送用戶量，再由推送引擎執行具體的推送操作。

8.根據權利要求7所述基于預測模型的APP智能推送方法，其特征在于：通知響應時延=通知點擊時間-推送到達時間，用于表征推廣成效；活動參與時延=結果返回時間-開始參與時間，用于表征系統負荷。

9.根據權利要求8所述基于預測模型的APP智能推送方法，其特征在于：所述推送預測模型將某個時間段的推廣成效與時延參數的倒數相關聯構建獲得推廣成效的平衡權重參數；再通過所述平衡權重參數估算以不同時間段為區分計算各時間段分配到的推送量比例，及每個時間段分配到的推送用戶數量。

10.根據權利要求9所述基于預測模型的APP智能推送方法，其特征在于：

所述時延參數的定義為：

其中D表示用戶活躍程度或系統負荷的時延參數，Xi表示每條記錄的時延大小，n表示記錄總數；

所述平衡權重參數的定義為：

其中，Wr表示某個時間段實際的平衡權重，Da表示該時間段的通知響應時延參數，Db表示該時間段的活動參與時延參數，100為固定的常數因子；

所述平衡權重參數的估算模型為：

其中，Wf表示某個時間段估算的平衡權重，Wi表示前7天的每日實際平衡權重，i表示這7天里的第幾天，為調整權重大小的日期因子；

計算各時間段分配到的推送量比例=該時間段的估算權重值/所有時間段的估算權重總和：

其中，Ri表示某個時間段的推送量比例，Wi’表示該時間段的估算權重值，m表示當天可推送的小時數。