CN105354196B - 信息推送方法和信息推送装置 - Google Patents

Abstract

本发明公开了一种信息推送方法和信息推送装置，其中所述信息推送方法包括：收集用户的兴趣信息以及生活轨迹信息；根据收集的用户的兴趣信息以及生活轨迹信息，分别构建兴趣模型以及生活轨迹模型；根据生活轨迹模型对兴趣模型中的内容进行过滤；结合用户当前所处的地理位置，根据过滤后的兴趣模型，提取内容数据库中的相关信息；将提取的相关信息推送至用户。本发明极大地提高了信息推送的精确度，真实反映了用户需求，降低了信息推送的盲目性。

Description

信息推送方法和信息推送装置

技术领域

本发明主要涉及移动信息技术领域，尤其涉及一种信息推送方法、信息推送装置。

背景技术

所谓信息推送，就是通过一定的技术标准或协议，定期或不定期地向用户传送信息的一项技术。从技术而言，信息推送是一项以数据挖掘、自然语言处理以及互联网等多门技术为基础的综合性方向，将合适的信息推送给合适的人，是一项极具挑战的工作，这个过程需要对信息做充分的分析，对人的兴趣、行为等做细致的刻画，并对两者进行有效匹配，以最终确定需要推送的内容。

现有移动端信息推送技术的原理很简单，即在移动设备和服务器之间建立一条连接链路，当有消息需要发送给移动设备时，通过此链路发送。现有移动端信息推送技术可以实现向用户发送广告消息、日程提醒、活动预告、进度提示等功能。

现有的信息推送技术至少存在如下缺点：

1.现有信息推送技术大多需要用户主动参与设置，提前制定日程安排。

2.现有信息推送技术不能将多维度的用户资料进行综合判断，因而所推送的信息很难真实反映用户需求、推送精确度低、盲目性大。

发明内容

本发明提出了一种信息推送方法、信息推送装置，能够提高信息推送的精确度，真实反映用户需求，降低信息推送的盲目性。

根据本发明的一个实施例，提供了一种信息推送方法，包括：收集用户的兴趣信息以及生活轨迹信息；根据收集的用户的兴趣信息以及生活轨迹信息，分别构建兴趣模型以及生活轨迹模型；根据生活轨迹模型对兴趣模型中的内容进行过滤；结合用户当前所处的地理位置，根据过滤后的兴趣模型，提取内容数据库中的相关信息；将提取的相关信息推送至用户。

优选地，所述兴趣信息包括：用户安装的应用程序信息、用户通信记录信息、用户历史查询信息、或上述信息的任意组合。

优选地，所述生活轨迹信息包括：用户所在的地点信息、用户在所述地点的时间信息、用户在所述地点的停留时长信息、或上述信息的任意组合。

优选地，所述根据生活轨迹模型对兴趣模型中的内容进行过滤的步骤包括：根据生活轨迹模型的输出结果判断用户常用活动区域；排除兴趣模型中与用户常用活动区域相关的内容。

优选地，所述根据生活轨迹模型对兴趣模型中的内容进行过滤的步骤包括：根据生活轨迹模型的输出结果判断用户常用活动区域；排除兴趣模型中与用户常用活动区域不相关的内容。

优选地，所述结合用户当前所处的地理位置，根据过滤后的兴趣模型，提取内容数据库中的相关信息的步骤包括：判断用户当前所处的地理位置是否与过滤后的兴趣模型相符；如用户当前所处的地理位置与过滤后的兴趣模型相符，根据预定规则提取内容数据库中的相关信息。

优选地，所述结合用户当前所处的地理位置，根据过滤后的兴趣模型，提取内容数据库中的相关信息的步骤包括：判断用户当前所处的地理位置是否与过滤后的兴趣模型相符；如用户当前所处的地理位置与过滤后的兴趣模型相符，通过自学习的方式提取内容数据库中的相关信息。

根据本发明的一个实施例，提供了一种信息推送装置，包括：收集单元，用于收集用户的兴趣信息以及生活轨迹信息；建模单元，用于根据收集的用户的兴趣信息以及生活轨迹信息，分别构建兴趣模型以及生活轨迹模型；过滤单元，用于根据生活轨迹模型对兴趣模型中的内容进行过滤；提取单元，用于结合用户当前所处的地理位置，根据过滤后的兴趣模型，提取内容数据库中的相关信息；推送单元，用于将提取的相关信息推送至用户。

优选地，所述兴趣信息包括：用户安装的应用程序信息、用户通信记录信息、用户历史查询信息、或上述信息的任意组合。

优选地，所述生活轨迹信息包括：用户所在的地点信息、用户在所述地点的时间信息、用户在所述地点的停留时长信息、或上述信息的任意组合。

优选地，所述过滤单元包括：第一判断子单元，用于根据生活轨迹模型的输出结果判断用户常用活动区域；排除子单元，用于排除兴趣模型中与用户常用活动区域相关的内容。

优选地，所述过滤单元包括：第一判断子单元，用于根据生活轨迹模型的输出结果判断用户常用活动区域；排除子单元，用于排除兴趣模型中与用户常用活动区域不相关的内容。

优选地，提取单元包括：第二判断子单元，用于判断用户当前所处的地理位置是否与过滤后的兴趣模型相符；提取子单元，用于如用户当前所处的地理位置与过滤后的兴趣模型相符，根据预定规则提取内容数据库中的相关信息。

优选地，提取单元包括：第二判断子单元，用于判断用户当前所处的地理位置是否与过滤后的兴趣模型相符；提取子单元，用于如用户当前所处的地理位置与过滤后的兴趣模型相符，通过自学习的方式提取内容数据库中的相关信息。

通过本发明实施例所述的技术方案，收集移动设备端用户的兴趣信息以及生活轨迹信息，建立兴趣模型与生活轨迹模型，筛选用户兴趣内容并结合用户当前所在位置进而确定所要推送的内容，极大地提高了信息推送的精确度，真实反映了用户需求，降低了信息推送的盲目性。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：

图1为本发明一种信息推送方法的一个实施例的流程图；

图2为本发明一种信息推送装置的一个实施例的结构示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明作进一步详细描述。应当理解，此处所描述的实施例仅用于说明和解释本发明，并不用于限定本发明。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的情况下所获得的其他实施例，都属于本发明保护的范围。

参照图1，示出了本发明一种信息推送方法的一个实施例的流程图，包括步骤：

步骤102：收集用户的兴趣信息以及生活轨迹信息。

优选地，该兴趣信息可以包括用户安装在移动设备端上的应用程序信息、用户通信记录信息、用户历史查询信息、或上述信息的任意组合。这些兴趣信息反映了用户的兴趣。例如，用户的短信中提到“颐和园”，可能是对颐和园感兴趣。该生活轨迹信息可以包括：用户所在的地点信息、用户在所述地点的时间信息、用户在所述地点的停留时长信息、或上述信息的任意组合。

用户通信记录信息包括用户手机短信信息、通话记录信息、即时通讯工具信息以及邮件信息等等；用户历史查询信息包括用户在浏览器中的历史搜索记录、导航软件中的搜索记录等等。

用户所在的地点信息例如可以通过GPS定位***等获得。

一种收集移动设备端用户的兴趣信息以及生活轨迹信息的方式是由移动设备定期上报，例如每小时将用户的位置信息、在这一小时内的通信记录信息等上报给服务器端。另一种收集移动设备端用户的兴趣信息以及生活轨迹信息的方式是由服务器定期向移动设备端发命令，获取这些信息。

本领域普通技术人员可以理解，所述兴趣信息除了用户安装的应用程序信息、用户通信记录信息、用户历史查询信息、或上述信息的任意组合外，还可以包括其他信息，如手机型号信息等等；所述生活轨迹信息除了用户所在地点信息、用户所在地点时间信息、用户所在地点停留时长信息、或上述信息的任意组合外，还可以包括其他信息，如用户所在地点海拔高度信息等等。

步骤104：根据收集的用户的兴趣信息以及生活轨迹信息，分别构建兴趣模型以及生活轨迹模型。

在构建兴趣模型以及生活轨迹模型时，采用聚类算法对读取的兴趣信息和生活轨迹信息进行分析，在此并不限定采用某一特定的聚类算法。

作为构建兴趣模型的一个例子，收集用户安装在移动设备端上的应用程序信息、用户通信记录信息、用户历史查询信息等后，将这些信息分词，用分成的词训练兴趣模型。兴趣模型例如基于聚类算法等就会将出现程度高(用户感兴趣)的词聚在一起，而一些出现程度低的词可能由于出现程度低而不是用户兴趣点而被抛弃。

作为构建生活轨迹模型的一个例子，收集了用户历史上去过的每个点以及在每个点的时间的信息后，获得这些点的历史坐标集合，去除该集合中的孤立点。按时间顺序遍历该集合，对于集合中任一点p，若存在点p1，其采点时刻相距p小于预定时间段T,则删去p1,以保证采点的均匀性。对该集合中所有点进行聚类，例如用k-means算法，在此对聚类方法不作限定。这样，得到了生活轨迹模型。聚类集中的几个区域，即用户的常用活动区域。

步骤106：根据生活轨迹模型对兴趣模型中的内容进行过滤。

在一种方式中，过滤通过如下方式进行：根据生活轨迹模型的输出结果判断用户常用活动区域；排除兴趣模型中与用户常用活动区域相关的内容。

例如，在步骤104构建的生活轨迹模型中，聚类集中的有几个区域，这几个区域被判断为用户常用活动区域。例如，其中一个用户常用活动区域是颐和园，则从兴趣模型中排除与颐和园有关的内容，例如颐和园、昆明湖、万寿山等。这样做的好处是，假设用户是颐和园的员工，其短信中可能经常出现颐和园，但并不是对颐和园感兴趣。因此，从兴趣模型中排除与生活轨迹模型相符的内容，在此种情况下大大提高了判断用户真实兴趣的准确度。

在另一种方式中，过滤通过如下方式进行：根据生活轨迹模型的输出结果判断用户常用活动区域；排除兴趣模型中与用户常用活动区域不相关的内容。

例如，在步骤104构建的生活轨迹模型中，聚类集中的有几个区域，这几个区域被判断为用户常用活动区域。例如，其中一个用户常用活动区域是知春里小区，则从兴趣模型中排除与知春里小区不相关的内容，例如清华大学体育馆等。这样做的好处是，假设用户热爱健身运动，通常会选择在常用活动区域附近的健身房办理健身年卡。因此，从兴趣模型中排除与生活轨迹模型不相符的内容，在此种情况下大大提高了判断用户真实兴趣的准确度。

步骤108：结合用户当前所处的地理位置，根据过滤后的兴趣模型，提取内容数据库中的相关信息。

具体地，在一个实施例中，首先判断用户当前所处的地理位置是否与过滤后的兴趣模型相符。然后，如用户当前所处的地理位置与过滤后的兴趣模型相符，根据预定规则提取内容数据库中的相关信息。

用户当前所处的地理位置可以通过用户移动终端GPS***自动定时上报获得，也可以由服务器定时主动询问用户移动终端GPS***获得。

例如，用户当前所处的地理位置是距动物园100米，而过滤后的兴趣模型中有动物园(例如可能是由于用户短信中经常出现动物园，而动物园不是用户日常生活轨迹涉及到的地方)，则根据预定规则提取内容数据库中的相关信息。

预定规则例如是：拟推荐信息E为某动物园景点攻略，若用户当前位置X在动物园方圆一公里之内，而且在时刻T时，动物园正常开门营业，那么最终决定将该拟推荐信息E推送给用户，否则不推送。

此时，由于100米小于1公里，且时刻T时动物园正常开门营业，则将该拟推荐信息E推送给用户。

内容数据库在服务器端，存储的信息例如上述景点攻略。可以为存储的每个信息，例如每个景点攻略，分别设置预定规则，并在符合不同的预定规则时提取不同的相关信息。

在另一个实施例中，首先判断用户当前所处的地理位置是否与过滤后的兴趣模型相符。如用户当前所处的地理位置与过滤后的兴趣模型相符，通过自学习的方式提取内容数据库中的相关信息。

自学习的方式例如可以如下实施：假设在时刻T，根据过滤后的兴趣模型，从内容数据库提取拟推荐信息E触发，那么根据用户当前的位置X，可以用模型M(下面解释模型M的生成和使用)，来判断拟推荐信息E是不是要提供给用户。

模型M是一个分类算法，可以为神经网络、支持向量机、最大熵等任意一种实现(都是通用常见算法)。它的输入特征包括，时刻T，拟推荐信息E，用户当前的位置X，用户的常用活动区域r，输出为真(true)或假(false)。模型M的训练集使用用户的点击反馈日志进行有监督训练，认定用户正反馈为真(true)(例如用户点击)，即用户感兴趣，用户负反馈为假(false)(例如用户直接划掉)，即用户不感兴趣。经过采集训练集进行训练(使用任意一种常见分类算法)生成模型M。然后，当用户真实的时刻T、用户当前的位置X、用户的常用活动区域r、以及拟推荐信息E输入模型时，模型M产生的输入为真还是假就表明是否应将该拟推荐信息E推荐给用户。

例如，可以根据用户当前的位置X，基于例如GPS信息判断附近例如100米之内的景点，在内容数据库中检索与这些景点相关的信息，以形成若干候选拟推荐信息E。然后，把这些候选拟推荐信息E逐一地连同用户真实的时刻T、用户当前的位置X、用户的常用活动区域r输入模型M，判断是否将该候选拟推荐信息E推荐给用户。

步骤110：将提取的相关信息推送至用户。

将从内容数据库中提取的相关信息，以文字、语音、视频等形式推送至客户端。

本实施例中，通过读取用户多维度的信息资料、建立兴趣模型与生活轨迹模型、筛选用户兴趣内容并结合用户当前所在位置进而确定所要推送的内容，极大地提高了信息推送的精确度，真实反映了用户需求，降低了信息推送的盲目性。

本发明实施例还公开了一种信息推送装置。参照图2，示出了本发明一种信息推送装置一个实施例的结构示意图；上述图1方法发明的实施例可以在图2所示结构的装置中实现。所述推送装置200包括收集单元202、建模单元204、过滤单元206、提取单元208、推送单元210。

收集单元202用于收集用户的兴趣信息以及生活轨迹信息。

其中，该兴趣信息可以包括用户安装的应用程序信息、用户通信记录信息、用户历史查询信息、或上述信息的任意组合；该生活轨迹信息包括：用户所在的地点信息、用户在所述地点的时间信息、用户在所述地点的停留时长信息、或上述信息的任意组合。

用户通信记录信息包括用户手机短信信息、通话记录信息、即时通讯工具信息以及邮件信息等等；用户历史查询信息包括用户在浏览器中的历史搜索记录、导航软件中的搜索记录等等。

建模单元204用于根据收集的用户的兴趣信息以及生活轨迹信息，分别构建兴趣模型以及生活轨迹模型。

过滤单元206用于根据生活轨迹模型对兴趣模型中的内容进行过滤。

优选地，所述过滤单元206包括：

第一判断子单元2062，用于根据生活轨迹模型的输出结果判断用户常用活动区域；

排除子单元2064，用于排除兴趣模型中与用户常用活动区域相关的内容。

优选地，所述过滤单元206包括：

第一判断子单元2062，用于根据生活轨迹模型的输出结果判断用户常用活动区域；

排除子单元2064，用于排除兴趣模型中与用户常用活动区域不相关的内容。

提取单元208用于结合用户当前所处的地理位置，根据过滤后的兴趣模型，提取内容数据库中的相关信息。

在一个实施例中，提取单元208包括：第二判断子单元2082，用于判断用户当前所处的地理位置是否与过滤后的兴趣模型相符；提取子单元2084，用于如用户当前所处的地理位置与过滤后的兴趣模型相符，根据预定规则提取内容数据库中的相关信息。

在另一个实施例中，提取单元208包括：第二判断子单元2082，用于判断用户当前所处的地理位置是否与过滤后的兴趣模型相符；提取子单元2084，用于如用户当前所处的地理位置与过滤后的兴趣模型相符，通过自学习的方式提取内容数据库中的相关信息。

推送单元210用于将提取的相关信息推送至客户端。

对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的。

Claims (12)

1.一种信息推送方法，其特征在于，包括：

收集用户的兴趣信息以及生活轨迹信息；

根据收集的用户的兴趣信息以及生活轨迹信息，分别构建兴趣模型以及生活轨迹模型；

根据生活轨迹模型对兴趣模型中的内容进行过滤；

结合用户当前所处的地理位置，根据过滤后的兴趣模型，提取内容数据库中的相关信息；

将提取的相关信息推送至用户；

其中，所述生活轨迹信息包括：用户所在的地点信息、用户在所述地点的时间信息、用户在所述地点的停留时长信息、或上述信息的任意组合；

根据所述生活轨迹信息构建生活轨迹模型包括：

根据所述生活轨迹信息获得用户所在的地点的历史坐标集合；

对所述集合进行过滤，去除所述集合中的孤立点；

按时间顺序遍历过滤后的集合，对于集合中任一点p，若存在点p1，则删去点p1，所述点p1的采点时刻相距点p的采点时刻小于预定时间段T；

对遍历后的集合中的所有点进行聚类，得到所述生活轨迹模型。

2.根据权利要求1所述的信息推送方法，其特征在于，所述兴趣信息包括：用户安装的应用程序信息、用户通信记录信息、用户历史查询信息、或上述信息的任意组合。

3.根据权利要求1所述的信息推送方法，其特征在于，所述根据生活轨迹模型对兴趣模型中的内容进行过滤的步骤包括：

根据生活轨迹模型的输出结果判断用户常用活动区域；

排除兴趣模型中与用户常用活动区域相关的内容。

4.根据权利要求1所述的信息推送方法，其特征在于，所述根据生活轨迹模型对兴趣模型中的内容进行过滤的步骤包括：

根据生活轨迹模型的输出结果判断用户常用活动区域；

排除兴趣模型中与用户常用活动区域不相关的内容。

5.根据权利要求1所述的信息推送方法，其特征在于，所述结合用户当前所处的地理位置，根据过滤后的兴趣模型，提取内容数据库中的相关信息的步骤包括：

判断用户当前所处的地理位置是否与过滤后的兴趣模型相符；

如用户当前所处的地理位置与过滤后的兴趣模型相符，根据预定规则提取内容数据库中的相关信息。

6.根据权利要求1所述的信息推送方法，其特征在于，所述结合用户当前所处的地理位置，根据过滤后的兴趣模型，提取内容数据库中的相关信息的步骤包括：

判断用户当前所处的地理位置是否与过滤后的兴趣模型相符；

如用户当前所处的地理位置与过滤后的兴趣模型相符，通过自学习的方式提取内容数据库中的相关信息。

7.一种信息推送装置，其特征在于，包括：

收集单元，用于收集用户的兴趣信息以及生活轨迹信息；

建模单元，用于根据收集的用户的兴趣信息以及生活轨迹信息，分别构建兴趣模型以及生活轨迹模型；

过滤单元，用于根据生活轨迹模型对兴趣模型中的内容进行过滤；

提取单元，用于结合用户当前所处的地理位置，根据过滤后的兴趣模型，提取内容数据库中的相关信息；

推送单元，用于将提取的相关信息推送至用户；

其中，所述生活轨迹信息包括：用户所在的地点信息、用户在所述地点的时间信息、用户在所述地点的停留时长信息、或上述信息的任意组合；

所述建模单元根据生活轨迹信息构建生活轨迹模型包括：

根据所述生活轨迹信息构建生活轨迹模型包括：

根据所述生活轨迹信息获得用户所在的地点的历史坐标集合；

对所述集合进行过滤，去除所述集合中的孤立点；

按时间顺序遍历过滤后的集合，对于集合中任一点p，若存在点p1，则删去点p1，所述点p1的采点时刻相距点p的采点时刻小于预定时间段T；

对遍历后的集合中的所有点进行聚类，得到所述生活轨迹模型。

8.根据权利要求7所述的信息推送装置，其特征在于，所述兴趣信息包括：用户安装的应用程序信息、用户通信记录信息、用户历史查询信息、或上述信息的任意组合。

9.根据权利要求7所述的信息推送装置，其特征在于，所述过滤单元包括：

第一判断子单元，用于根据生活轨迹模型的输出结果判断用户常用活动区域；

排除子单元，用于排除兴趣模型中与用户常用活动区域相关的内容。

10.根据权利要求7所述的信息推送装置，其特征在于，所述过滤单元包括：

第一判断子单元，用于根据生活轨迹模型的输出结果判断用户常用活动区域；

排除子单元，用于排除兴趣模型中与用户常用活动区域不相关的内容。

11.根据权利要求7所述的信息推送装置，其特征在于，提取单元包括：

第二判断子单元，用于判断用户当前所处的地理位置是否与过滤后的兴趣模型相符；

提取子单元，用于如用户当前所处的地理位置与过滤后的兴趣模型相符，根据预定规则提取内容数据库中的相关信息。

12.根据权利要求7所述的信息推送装置，其特征在于，提取单元包括：

第二判断子单元，用于判断用户当前所处的地理位置是否与过滤后的兴趣模型相符；

提取子单元，用于如用户当前所处的地理位置与过滤后的兴趣模型相符，通过自学习的方式提取内容数据库中的相关信息。