CN103166930A - 推送网络信息的方法和*** - Google Patents

Abstract

一种推送网络信息的方法，包括以下步骤：获取用户的好友关系链以及好友关系链上的好友；获取所述用户与好友之间的亲密度；获取所述用户的好友的业务好感度；根据所述亲密度和所述业务好感度计算所述用户对网络业务的期望好感度；根据所述期望好感度向所述用户推送与所述网络业务相关的网络信息。上述推送网络信息的方法，能有效挖掘用户的潜在需求，可提高用户接受网络信息所推荐的网络业务的概率，从而提高网络信息推荐网络业务的成功率。此外还提供一种推送网络信息的***。

Description

推送网络信息的方法和***

【技术领域】

本发明涉及网络技术领域，特别的涉及一种推送网络信息的方法和***。

【背景技术】

随着网络技术的发展以及用户需求的增长，各种网络业务层出不穷，业务开发商通过互联网向用户推送与网络业务相关的网络信息，以此来传播和推广网络业务。

传统的推送网络信息的方法，当需要推广网络业务时，则以一定的信息格式向某地域范围内的所有网络用户推送该网络业务相关的网络信息，并按照预设的周期或频率更新推送的网络信息。

传统的推送网络信息的方法，由于按照固定的时间、固定的方式向用户推送网络业务相关的网络信息，其收到的效果不佳，用户接受网络信息所推荐的网络业务的概率不高，也即网络信息推荐网络业务的成功率不高。

【发明内容】

基于此，有必要提供一种能提高网络业务推荐成功率的推送网络信息的方法。

一种推送网络信息的方法，包括以下步骤：

获取用户的好友关系链以及好友关系链上的好友；

获取所述用户与好友之间的亲密度；

获取所述用户的好友的业务好感度；

根据所述亲密度和所述业务好感度计算所述用户对网络业务的期望好感度；

根据所述期望好感度向所述用户推送与所述网络业务相关的网络信息。

优选的，所述获取所述用户与好友之间的亲密度的步骤包括：

获取用户与好友之间的网络交互记录和/或个人信息；

根据所述网络交互记录和/或个人信息计算所述用户与好友之间的亲密度。

优选的，所述获取用户的好友的业务好感度的步骤包括：

获取用户的好友对网络业务的操作记录；

根据所述操作记录计算用户的好友的业务好感度。

优选的，所述操作记录包括注册信息、读写记录、评价信息中的一种或几种的组合。

优选的，所述根据所述期望好感度向所述用户推送与所述网络业务相关的网络信息的步骤包括：

将网络业务按照所述用户对网络业务的期望好感度由高到低的顺序进行排序；

向所述用户推送与排序靠前的预设数量的网络业务相关的网络信息。

优选的，所述方法还包括：

获取所述用户对推送的网络信息的反馈信息；

根据所述反馈信息对所述用户的待推荐网络业务进行重新排序。

基于此，还有必要提供一种能提高网络业务推荐成功率的推送网络信息的***。

一种推送网络信息的***，包括：

好友获取模块，用于获取用户的好友关系链以及好友关系链上的好友；

亲密度获取模块，用于获取所述用户与好友之间的亲密度；

好感度获取模块，用于获取所述用户的好友的业务好感度；

期望好感度计算模块，用于根据所述亲密度和所述业务好感度计算所述用户对网络业务的期望好感度；

信息推送模块，用于根据所述期望好感度向所述用户推送与所述网络业务相关的网络信息。

优选的，所述亲密度获取模块包括：

亲密度相关信息获取模块，用于获取用户与好友之间的网络交互记录和/或个人信息；

亲密度计算模块，用于根据所述网络交互记录和/或个人信息计算所述用户与好友之间的亲密度。

优选的，所述好感度获取模块包括：

操作记录获取模块，用于获取用户的好友对网络业务的操作记录；

好感度计算模块，用于根据所述操作记录计算用户的好友对网络业务的好感度。

优选的，所述操作记录包括注册信息、读写记录、评价信息中的一种或几种的组合。

优选的，所述信息推送模块包括：

排序模块，用于将网络业务按照所述用户对网络业务的期望好感度由高到低的顺序进行排序；

推送模块，向所述用户推送与排序靠前的预设数量的网络业务相关的网络信息。

优选的，所述***还包括：

反馈信息获取模块，用于获取所述用户对推送的网络信息的反馈信息；

所述排序模块还用于根据所述反馈信息对所述用户的待推荐网络业务进行重新排序。

上述推送网络信息的方法和***，根据用户与好友之间的亲密度、以及用户的好友的业务好感度，来获取用户对网络业务的期望好感度，并根据此期望好感度向用户推送与网络业务相关的网络信息。由于亲密度高的用户之间的兴趣爱好很可能是相似的，若用户非常亲密的好友对某网络业务的好感度很高，则该用户对该网络业务也可能会感兴趣，所以采用上述方式向用户推送其好友感兴趣的网络业务相关的网络信息，能有效挖掘用户的潜在需求，可提高用户接受网络信息所推荐的网络业务的概率，从而提高网络信息推荐网络业务的成功率。

【附图说明】

图1为一个实施例中的推送网络信息的方法的流程示意图；

图2为一个实施例中的获取用户与好友之间的亲密度的流程示意图；

图3为一个实施例中的获取用户的好友的业务好感度的流程示意图；

图4为一个实施例中的根据期望好感度向用户推送与网络业务相关的网络信息的流程示意图；

图5为一个实施例中的向用户推送的网络信息的界面示意图；

图6为一个实施例中的推送网络信息的***的结构示意图；

图7为一个实施例中的亲密度获取模块的结构示意图；

图8为一个实施例中的好感度获取模块的结构示意图；

图9为一个实施例中的信息推送模块的结构示意图；

图10为另一个实施例中的推送信息的***的结构示意图。

【具体实施方式】

如图1所示，在一个实施例中，一种推送网络信息的方法，包括以下步骤：

步骤S10，获取用户的好友关系链以及好友关系链上的好友。

在网络社区中，用户可以与一个或多个其他用户建立好友关系，与用户是好友关系的其他用户即构成用户的好友关系链。用户的好友关系链以与用户标识对应的好友列表的形式存储在数据库中。本实施例中，通过获取用户的好友关系链即可得到用户的好友列表，进一步得到用户的好友关系链上的好友。应当说明的是，用户与好友是相对的关系，用户的好友在网络社区中也为用户。

步骤S20，获取用户与好友之间的亲密度。

如图2所示，在一个实施例中，步骤S20包括以下步骤：

步骤S202，获取用户与好友之间的网络交互记录和/或个人信息。

具体的，网络交互记录包括用户与好友之间的网络信息的请求与响应记录、语音或文字的即时通信记录、互通邮件记录以及网络信息的访问和评论记录等。优选的，个人信息包括用户的年龄、学校、学历、专业、地址、兴趣爱好等信息。

步骤S204，根据网络交互记录和/或个人信息计算用户与好友之间的亲密度。

在一个实施例中，可根据用户与好友之间的网络交互记录计算用户与好友之间的亲密度。具体的，可统计用户与好友之间的网络交互频次、交互时长等，并设置用户与好友之间的亲密度为其网络交互频次和时长的增函数，即用户与好友之间的网络交互频次、交互时长的数值越大，则用户与好友之间的亲密度越高。

在一个实施例中，可根据用户的个人信息与好友的个人信息计算用户与好友之间的亲密度。具体的，可统计用户的个人信息与好友的个人信息之间的相似度，并设置用户与好友之间的亲密度为用户与好友的个人信息的相似度的增函数。

在另一个实施例中，可根据用户与好友之间的网络交互记录以及用户的个人信息和好友的个人信息计算用户与好友之间的亲密度。具体的，可综合统计用户与好友之间的网络交互频次和时长以及用户的个人信息与好友的个人信息之间的相似度，并设置用户与好友之间的亲密度为网络交互频次、时长以及个人信息相似度的增函数。

优选的，在一个实施例中，可预先设置关系链库，计算得到用户与好友之间的亲密度后，将该亲密度存储在关系链库中，并可定时对关系链库进行更新。

步骤S30，获取用户的好友的业务好感度。具体的，用户的好友的业务好感度即用户的好友对网络业务的好感度。

如图3所示，在一个实施例中，步骤S30包括以下步骤：

步骤S302，获取用户的好友对网络业务的操作记录。

具体的，用户对网络业务的操作包括注册操作、读操作和写操作。例如，注册操作为用户注册某一个网络业务的操作，如提交注册请求，填写注册信息等；读操作为用户查看其好友发表的日志、相册等网络信息进行的操作；写操作则为用户提交日志、相册、评论等网络信息的操作。进一步的，获取用户的好友对网络业务的操作次数和/或操作时长。

步骤S304，根据上述操作记录计算用户的好友的业务好感度。

具体的，可根据用户的好友对网络业务的操作次数和/或操作时长记录用户的好友对网络业务的好感度。相应的，若用户的好友对网络业务的操作次数和/或操作时长越大，则可设置用户的好友的业务好感度越高。

优选的，在一个实施例中，可预先设置用户业务库，将计算得到的用户的好友的业务好感度存储在用户业务库中。如上所述，由于用户与好友是相对的关系，用户业务库实际存储的是所有用户的业务好感度。

步骤S40，根据用户与好友之间的亲密度以及用户的好友的业务好感度计算用户对网络业务的期望好感度。

具体的，期望好感度是对用户对网络业务的潜在好感度的预测指标。由于越亲密的好友之间的兴趣爱好可能越相似，因此，可根据用户与好友的亲密度以及用户的好友的业务好感度计算用户对网络业务的期望好感度；用户的好友对网络业务的业务好感度越高且用户与该好友的亲密度越高，则用户对该网络业务的期望好感度就越高。

优选的，在一个实施例中，按如下公式计算用户对网络业务的期望好感度：

$\mathrm{Expect}{F}_a=\underset{i}{\overset{\mathrm{friendNum}}{\mathrm{\Σ}}}{C}_i*F_{\mathrm{ai}}$

其中，ExpectF_a表示用户对网络业务a的期望好感度，friendNum表示用户的好友个数，C_i表示用户与其第i个好友之间的亲密度，F_ai表示该第i个好友对网络业务a的业务好感度。

在一个实施例中，可将计算得到的用户对网络业务的期望好感度作为用户的业务好感度存储至用户业务库，以对用户业务库进行更新，并用于下一次计算用户对网络业务的期望好感度。

步骤S50，根据上述期望好感度向用户推送与网络业务相关的网络信息。

如图4所示，在一个实施例中，步骤S50包括以下步骤：

步骤S502，将网络业务按照用户对网络业务的期望好感度由高到低的顺序进行排序。

步骤S504，向用户推送与排序靠前预设数量的网络业务相关的网络信息。

在一个实施例中，预先设定与网络业务相关的网络信息，推送网络信息时，则直接将预先设定的网络信息推送给用户。在另一个实施例中，还可动态设置网络信息，将用户的好友的个人信息加入到网络信息中一起推送给用户。例如，如图5所示，将用户的好友的姓名Andy、Ben加入到向用户推送的网络信息中。本实施例中，由于将用户的好友的个人信息也加入到网络信息中，能够进一步提高用户的关注度，从而进一步提高用户接受网络信息所推荐的网络业务的成功率。

在一个实施例中，向用户推送的与网络业务相关的网络信息中还可包括该网络业务的链接信息(如图5所示)。用户直接点击该链接就可以进入到该网络业务的页面，方便用户的操作。

在一个实例中，上述推送网络信息的方法还包括步骤：获取用户对推送的网络信息的反馈信息，根据反馈信息对用户的待推荐网络业务进行重新排序。

具体的，可获取网络信息的播放频次、用户对网络信息的点击率，以及用户对网络信息相关的网络业务的操作记录，如用户对网络业务的注册记录、登录记录、访问记录、写操作记录等。

在一个实施例中，若网络信息的播放频次超过预设的阈值，则可将该网络信息相关的网络业务在用户的待推荐网络业务队列中往后排放，因为如果再继续向用户推送该网络业务相关的网络信息，则可能对用户造成侵扰。相应的，若用户对推送的网络信息相关的网络业务增加了操作记录，如注册、登录或访问等，则也可将该网络业务在用户的待推荐网络业务队列中往后排放，因为推送的网络信息已经成功地使用户接受了该网络信息推荐的网络业务，则该网络业务的相关信息可在一定周期后再向用户推送。

上述推送网络信息的方法，通过根据用户对推送的网络信息的反馈信息，重新排序向用户待推荐的网络业务，可更新向用户推送的与网络业务相关的网络信息，从而可进一步提高推送与网络信息相关的网络业务的成功率，并减少对用户的侵扰。

如图6所示，一种推送网络信息的***，包括好友获取模块100、亲密度获取模块200、好感度获取模块300、期望好感度计算模块400、信息推送模块500，其中：

好友获取模块100，用于获取用户的好友关系链以及好友关系链上的好友。

在网络社区中，用户可以与一个或多个其他用户建立好友关系，与用户是好友关系的其他用户即构成用户的好友关系链。用户的好友关系链以与用户标识对应的好友列表的形式存储在数据库中。本实施例中，好友获取模块100用于通过获取用户的好友关系链即可得到用户的好友列表，进一步得到用户的好友关系链上的好友。应当说明的是，用户与好友是相对的关系，用户的好友在网络社区中也为用户。

亲密度获取模块200，用于获取用户与好友之间的亲密度。

如图7所示，在一个实施例中，亲密度获取模块200包括亲密度相关信息获取模块202、亲密度计算模块204，其中：

亲密度相关信息获取模块202，用于获取用户与好友之间的网络交互记录和/或个人信息。

具体的，网络交互记录包括用户与好友之间的网络信息的请求与响应记录、语音或文字的即时通信记录、互通邮件记录以及网络信息的访问和评论记录等。优选的，个人信息包括用户的年龄、学校、学历、专业、地址、兴趣爱好等信息。

亲密度计算模块204，用于根据网络交互记录和/或个人信息计算用户与好友之间的亲密度。

在一个实施例中，亲密度计算模块204可用于根据用户与好友之间的网络交互记录计算用户与好友之间的亲密度。具体的，亲密度计算模块204可统计用户与好友之间的网络交互频次、交互时长等，并设置用户与好友之间的亲密度为其网络交互频次和时长的增函数。

在一个实施例中，亲密度计算模块204可用于根据用户的个人信息与好友的个人信息计算用户与好友之间的亲密度。具体的，亲密度计算模块204可用于统计用户的个人信息与好友的个人信息之间的相似度，并设置用户与好友之间的亲密度为用户与好友的个人信息的相似度的增函数。

在另一个实施例中，亲密度计算模块204可用于根据用户与好友之间的网络交互记录以及用户的个人信息与好友的个人信息计算用户与好友之间的亲密度。具体的，亲密度计算模块204可用于综合统计用户与好友之间的网络交互频次和时长以及用户的个人信息与好友的个人信息之间的相似度，并设置用户与好友之间的亲密度为网络交互频次、时长以及个人信息相似度的增函数。

优选的，在一个实施例中，可预先设置关系链库(图中未示出)，计算得到用户与好友之间的亲密度后，将该亲密度存储在关系链库中，并可定时对关系链库进行更新。

好感度获取模块300，用于获取用户的好友的业务好感度。具体的，用户的好友的业务好感度即用户的好友对网络业务的好感度。

如图8所示，在一个实施例中，好感度获取模块300包括操作记录获取模块302、好感度计算模块304，其中：

操作记录获取模块302，用于获取用户的好友对网络业务的操作记录。

具体的，用户对网络业务的操作包括注册操作、读操作和写操作。例如，注册操作为用户注册某一个网络业务的操作，如提交注册请求，填写注册信息等；读操作为用户查看其好友发表的日志、相册等网络信息进行的操作；写操作则为用户提交日志、相册、评论等网络信息的操作。进一步的，操作记录获取模块302可获取用户的好友对网络业务的操作次数和/或操作时长。

好感度计算模块304，用于根据上述操作记录计算用户的好友的业务好感度。

具体的，好感度计算模块304可根据用户的好友对网络业务的操作次数和/或操作时长记录用户的好友对网络业务的好感度。相应的，若用户的好友对网络业务的操作次数和/或操作时长越大，则可设置用户的好友的业务好感度越高。

优选的，在一个实施例中，可预先设置用户业务库(图中未示出)，将计算得到的用户的好友的业务好感度存储在用户业务库中。如上所述，由于用户与好友是相对的关系，用户业务库实际存储的是所有用户的业务好感度。

期望好感度计算模块400，用于根据用户与好友之间的亲密度和用户的好友的业务好感度计算用户对网络业务的期望好感度。

具体的，期望好感度是对用户对网络业务的潜在好感度的预测指标。由于越亲密的好友之间的兴趣爱好可能越相似，因此，期望好感度计算模块400可用于根据用户与好友的亲密度以及用户的好友的业务好感度计算用户对网络业务的期望好感度；用户的好友对网络业务的业务好感度越高且用户与该好友的亲密度越高，则好感度计算模块304可设置用户对该网络业务的期望好感度也越高。

优选的，在一个实施例中，期望好感度计算模块400用于按如下公式计算用户对网络业务的期望好感度：

$\mathrm{Expect}{F}_a=\underset{i}{\overset{\mathrm{friendNum}}{\mathrm{\Σ}}}{C}_i*F_{\mathrm{ai}}$

其中，ExpecF_a表示用户对网络业务a的期望好感度，friendNum表示用户的好友个数，C_i表示用户与其第i个好友之间的亲密度，F_ai表示该第i个好友对网络业务a的业务好感度。

在一个实施例中，期望好感度计算模块400可用于将计算得到的用户对网络业务的期望好感度作为用户的业务好感度存储至用户业务库，以对用户业务库进行更新，并用于下一次计算用户对网络业务的期望好感度。

信息推送模块500，用于根据期望好感度向用户推送与网络业务相关的网络信息。

如图9所示，在一个实施例中，信息推送模块500包括排序模块502、推送模块504，其中：

排序模块502，用于将网络业务按照用户对网络业务的期望好感度由高到低的顺序进行排序。

推送模块504，用于向用户推送与排序靠前预设数量的网络业务相关的网络信息。

在一个实施例中，推送模块504可用于预先设定与网络业务相关的网络信息，推送网络信息时，则直接将预先设定的网络信息推送给用户。在另一个实施例中，推送模块504还可用于动态设置网络信息，将用户的好友的个人信息加入到网络信息中一起推送给用户。例如，如图5所示，将用户的好友的姓名Andy、Ben加入到向用户推送的网络信息中。本实施例中，由于将用户的好友的个人信息也加入到网络信息中，能够进一步提高用户的关注度，从而进一步提高用户接受网络信息所推荐的网络业务的成功率。

在一个实施例中，向用户推送的与网络业务相关的网络信息中还可包括该网络业务的链接信息(如图5所示)。用户直接点击该链接就可以进入到该网络业务的页面，方便用户的操作。

如图10所示，在一个实施例中，上述推送信息的***还包括：

反馈信息获取模块600，用于获取用户对推送的网络信息的反馈信息。

具体的，反馈信息获取模块600可获取网络信息的播放频次、用户对网络信息的点击率，以及用户对网络信息相关的网络业务的操作记录，如用户对网络业务的注册记录、登录记录、访问记录、写操作记录等。

本实施例中，排序模块502还用于根据上述反馈信息对用户的待推荐网络业务进行重新排序。

在一个实施例中，若网络信息的播放频次超过预设的阈值，则排序模块502可将该网络信息相关的网络业务在用户的待推荐网络业务队列中往后排放，因为如果再继续向用户推送该网络业务相关的网络信息，则可能对用户造成侵扰。相应的，若用户对推送的网络信息相关的网络业务增加了操作记录，如注册、登录或访问等，则排序模块502也可将该网络业务在用户的待推荐网络业务队列中往后排放，因为推送的网络信息已经成功地使用户接受了该网络信息推荐的网络业务，则该网络业务的相关信息可在一定周期后再向用户推送。

上述推送网络信息的***，通过根据用户对推送的网络信息的反馈信息，重新排序向用户待推荐的网络业务，可更新向用户推送的与网络业务相关的网络信息，从而可进一步提高推送与网络信息相关的网络业务的成功率，并减少对用户的侵扰。

上述推送网络信息的方法和***，根据用户与好友之间的亲密度、以及用户的好友的业务好感度，来获取用户对网络业务的期望好感度，并根据此期望好感度向用户推送与网络业务相关的网络信息。由于亲密度高的用户之间的兴趣爱好很可能是相似的，若用户非常亲密的好友对某网络业务的好感度很高，则该用户对该网络业务也可能会感兴趣，所以采用上述方式向用户推送其好友感兴趣的网络业务相关的网络信息，能有效挖掘用户的潜在需求，可提高用户接受网络信息所推荐的网络业务的概率，从而提高网络信息推荐网络业务的成功率。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

Claims (12)

1.一种推送网络信息的方法，包括以下步骤：

获取用户的好友关系链以及好友关系链上的好友；

获取所述用户与好友之间的亲密度；

获取所述用户的好友的业务好感度；

根据所述亲密度和所述业务好感度计算所述用户对网络业务的期望好感度；

根据所述期望好感度向所述用户推送与所述网络业务相关的网络信息。

2.根据权利要求1所述的推送网络信息的方法，其特征在于，所述获取所述用户与好友之间的亲密度的步骤包括：

获取用户与好友之间的网络交互记录和/或个人信息；

根据所述网络交互记录和/或个人信息计算所述用户与好友之间的亲密度。

3.根据权利要求1所述的推送网络信息的方法，其特征在于，所述获取用户的好友的业务好感度的步骤包括：

获取用户的好友对网络业务的操作记录；

根据所述操作记录计算用户的好友的业务好感度。

4.根据权利要求3所述的推送网络信息的方法，其特征在于，所述操作记录包括注册信息、读写记录、评价信息中的一种或几种的组合。

5.根据权利要求1至4所述的推送网络信息的方法，其特征在于，所述根据所述期望好感度向所述用户推送与所述网络业务相关的网络信息的步骤包括：

将网络业务按照所述用户对网络业务的期望好感度由高到低的顺序进行排序；

向所述用户推送与排序靠前的预设数量的网络业务相关的网络信息。

6.根据权利要求5所述的推送网络信息的方法，其特征在于，所述方法还包括：

获取所述用户对推送的网络信息的反馈信息；

根据所述反馈信息对所述用户的待推荐网络业务进行重新排序。

7.一种推送网络信息的***，其特征在于，包括：

好友获取模块，用于获取用户的好友关系链以及好友关系链上的好友；

亲密度获取模块，用于获取所述用户与好友之间的亲密度；

好感度获取模块，用于获取所述用户的好友的业务好感度；

期望好感度计算模块，用于根据所述亲密度和所述业务好感度计算所述用户对网络业务的期望好感度；

信息推送模块，用于根据所述期望好感度向所述用户推送与所述网络业务相关的网络信息。

8.根据权利要求7所述的推送网络信息的***，其特征在于，所述亲密度获取模块包括：

亲密度相关信息获取模块，用于获取用户与好友之间的网络交互记录和/或个人信息；

亲密度计算模块，用于根据所述网络交互记录和/或个人信息计算所述用户与好友之间的亲密度。

9.根据权利要求7所述的推送网络信息的***，其特征在于，所述好感度获取模块包括：

操作记录获取模块，用于获取用户的好友对网络业务的操作记录；

好感度计算模块，用于根据所述操作记录计算用户的好友的业务好感度。

10.根据权利要求9所述的推送网络信息的***，其特征在于，所述操作记录包括注册信息、读写记录、评价信息中的一种或几种的组合。

11.根据权利要求7至10所述的推送网络信息的***，其特征在于，所述信息推送模块包括：

排序模块，用于将网络业务按照所述用户对网络业务的期望好感度由高到低的顺序进行排序；

推送模块，向所述用户推送与排序靠前的预设数量的网络业务相关的网络信息。

12.根据权利要求11所述的推送网络信息的***，其特征在于，所述***还包括：

反馈信息获取模块，用于获取所述用户对推送的网络信息的反馈信息；

所述排序模块还用于根据所述反馈信息对所述用户的待推荐网络业务进行重新排序。

Images