CN109379410A

CN109379410A - 信息推送方法、装置、服务器以及存储介质

Info

Publication number: CN109379410A
Application number: CN201811117810.XA
Authority: CN
Inventors: 程波波; 严强
Original assignee: Beijing Dajia Internet Information Technology Co Ltd
Current assignee: Beijing Dajia Internet Information Technology Co Ltd
Priority date: 2018-09-21
Filing date: 2018-09-21
Publication date: 2019-02-22
Anticipated expiration: 2038-09-21
Also published as: CN109379410B

Abstract

本申请是关于一种信息推送方法、装置、服务器以及存储介质，包括：根据待推送信息建立分数矩阵和推送量向量，所述分数矩阵是由信息推送效果量化而成分数构建的矩阵；根据分数矩阵和推送量向量建立推送计算模型；其中，推送计算模型为在满足分数矩阵和推送量向量的约束条件下推送信息被推送的概率取值的计算模型；利用推送计算模型计算所述待推送信息的推送概率；根据所述推送概率推送所述待推送信息。所述信息推送方法、装置、服务器以及存储介质通过建立推送计算模型，获得对应待推送信息的推送概率并依据所述推送概率实现待推送信息的推送。信息推送方法、装置、服务器以及存储介质在保证推送需求量得到满足的条件下，能够获得优化的推送效果。

Description

信息推送方法、装置、服务器以及存储介质

技术领域

本申请涉及互联网应用领域，尤其涉及一种信息推送方法、装置、服务器以及存储介质。

背景技术

在互联网应用中，信息具有推广需求，经常需要将信息推送至客户等指定目标处。使信息或者信息的拥有者获得一定量的曝光和关注。

相关技术中，主要实现平稳推送为目标，以推送视频为例，推送视频通常是将一定量的视频，根据推送量的需要计算出当前推送的概率以及推送的位置。在保证推送量的前提下，实现视频的平稳推送，完成视频的推送量指标。

但采用上述技术方案，是根据需求量排序来进行推送，导致无法最大化推送效果。

发明内容

为克服相关技术中存在的问题，本申请提供一种信息推送方法、装置、服务器以及存储介质。

根据本申请实施例的第一方面，提供一种信息推送方法，包括：

根据待推送信息建立分数矩阵和推送量向量，所述分数矩阵是由信息推送效果量化而成分数构建的矩阵；

根据所述分数矩阵和推送量向量建立推送计算模型；其中，所述推送计算模型为在满足所述分数矩阵和推送量向量的约束条件下推送信息被推送的概率取值的计算模型；

利用推送计算模型计算所述待推送信息的推送概率；

根据所述推送概率推送所述待推送信息。

可选地，根据所述推送概率推送所述待推送信息，包括：

根据待推送信息对应的推送概率，形成概率区间；

生成对应待推送信息的随机数；

判断随机数是否处于相应所述概率区间；

若随机数处在相应所述概率区间，则将对应随机数的待推送信息投放到访问页面中进行推送，否则不推送。

可选地，根据待推送信息对应的推送概率，形成概率区间之前，还包括：

获取访问页面的最大推送信息量；

判断待推送信息数量是否小于或等于最大推送信息量；

若是，执行所述根据待推送信息对应的推送概率，形成概率区间，否则不作推送。

可选地，利用所述推送计算模型计算所述待推送信息的推送概率包括：

min_X(-Σ_i,j log(1+A_ij X_ij))；

s.t.Σ_i X_ij＝d_j；

X_ij≥0；

其中，A_ij表示分数矩阵，X表示推送矩阵，X_ij表示第i个访问页面中第j个信息的推送概率，d_j表示推送量向量，i表示访问页面序数，j表示单个访问页面内的信息序数。

利用KKT条件，结合启发式约束，将X_ij表达为下式：

X_ij＝min(s_i,max(0,1/α_j–1/A_ij))；

约束条件为Σ_i X_ij＝d_j；

其中，A_ij表示分数矩阵，X_ij表示第i个访问页面中第j个信息的推送概率，d_j表示推送量向量，i表示访问页面序数，j表示单个访问页面内的信息序数，α_j表示推送概率的对偶变量，s_i表示启发约束，KKT条件表示非线性规划最佳解的必要条件；求解出α_j，通过上述X_ij的表达式计算X_ij。

可选地，所述根据待推送信息建立分数矩阵和推送量向量之前，所述信息推送方法还包括：

获取页面上推送信息的浏览量；

根据所述浏览量从所述推送信息中提取所述待推送信息并存储。

可选地，所述分数矩阵用于表征信息点击率、涨粉率、点赞率、粉丝在线时长或好感度的推送效果。

可选地，所述待推送信息包括视频、音频、图像、文字的至少一种信息。

根据本申请实施例的第二方面，提供一种推送信息装置，包括：

分析单元，被配置为根据待推送信息建立分数矩阵和推送量向量，所述分数矩阵是由信息推送效果量化而成分数构建的矩阵；

建模单元，被配置为根据所述分数矩阵和推送量向量建立推送计算模型；其中，所述推送计算模型为在满足所述分数矩阵和推送量向量的约束条件下推送信息被推送的概率取值的计算模型；

运算单元，被配置为利用推送计算模型计算所述待推送信息的推送概率；

推送单元，被配置为根据所述推送概率推送所述待推送信息。

可选地，所述推送单元包括：

区间生成单元，被配置为根据待推送信息对应的推送概率，形成概率区间；

随机数生成单元，被配置为生成对应待推送信息的随机数；

随机数判断单元，被配置为判断随机数是否处于相应所述概率区间；

执行推送单元，被配置为若随机数处在相应所述概率区间，则将对应随机数的待推送信息投放到访问页面中进行推送，否则不推送。

可选地，所述信息推送装置还包括：

第一获取单元，被配置为获取访问页面的最大推送信息量；

信息量判断单元，被配置为判断待推送信息数量是否小于或等于最大推送信息量；

区间生成单元，被配置为若是，根据待推送信息对应的推送概率，形成概率区间，否则不作推送。

min_X(-Σ_i,j log(1+A_ij X_ij))；

s.t.Σ_i X_ij＝d_j；

X_ij≥0；

利用KKT条件，结合启发式约束，将X_ij表达为下式：

X_ij＝min(s_i,max(0,1/α_j–1/A_ij))；

约束条件为Σ_i X_ij＝d_j；

可选地，所述信息推送装置还包括：

第二获取单元，被配置为获取页面上推送信息的浏览量；

提取单元，被配置为根据所述浏览量从所述推送信息中提取所述待推送信息并存储。

根据本申请实施例的第三方面，提供一种信息推送服务器，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：上述信息推送方法的步骤。

根据本申请实施例的第四方面，提供一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得服务器能够执行如上述的推送信息方法。

根据本申请实施例的第五方面，提供一种计算机程序产品，包括计算机程序代码，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行上述推送信息方法的步骤。

本申请的实施例提供的技术方案可以包括以下有益效果：

根据待推送信息建立分数矩阵和推送量向量；根据所述分数矩阵和推送量向量建立推送计算模型；其中，所述推送计算模型为在满足所述分数矩阵和推送量向量的约束条件下推送信息被推送的概率取值；利用推送计算模型计算所述待推送信息的推送概率；根据所述推送概率推送所述待推送信息。本申请通过分数矩阵和推送量向量以建立推送计算模型，进而在满足所述分数矩阵和推送量向量的约束条件下获得推送概率，利用推送概率推送信息，能够获得较好的信息推送效果，即在保证推送量满足需求量的前提下，最大化实现推送效果。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。

图1是根据一示例性实施例示出的一种信息推送方法的流程图。

图2是根据一示例性实施例示出的利用推送概率推送信息的一种实施方式流程图。

图3是根据一示例性实施例示出的待推送信息量结合推送概率推送信息的一种实施方式流程图。

图4是根据一示例性实施例示出的获取待推送信息的一种实施方式流程图。

图5是根据一示例性实施例示出的一种信息推送装置的框图。

图6是根据一示例性实施例示出的框图，在于展示区间生成单元641、随机数生成单元642、随机数判断单元643以及执行推送单元644。

图7是根据一示例性实施例示出的另一种信息推送装置的框图，在于展示第一获取单元751、信息量判断单元752、区间生成单元741、随机数生成单元742、随机数判断单元743以及执行推送单元744。

图8是根据一示例性实施例示出的另一种信息推送装置的框图，在于展示第二获取单元861和提取单元862。

图9是根据一示例性实施例示出的一种用于信息推送的装置900的框图。

图10是根据一示例性实施例示出的一种用于信息推送方法的装置1000的框图

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种信息推送方法的流程图，如图1所示，信息推送方法包括以下步骤：

在步骤S11中，根据待推送信息建立分数矩阵和推送量向量，所述分数矩阵是由信息推送效果量化而成分数构建的矩阵。

在本实施例中，信息推送方法可以根据待推送信息内含需要达到的推送效果以及推送量的要求，并将其量化形成一定的分数，根据量化形成的分数，分别建立分数矩阵和推送向量。其中，分数矩阵可以反映一定的推送效果，可以将不同的推送效果量化为分数，再结合待推送信息所处的位置形成分数矩阵。推送量向量可以反映对应待推送信息的推送次数，即待推送信息的推送需求量。

例如在网页中实现推送的例子中，假设每页访问网页支持单条推送信息的推送，那么在10万次网页访问中，需要推送100条待推送信息时，每条待推送信息的需求期望为100次。

在此过程中，还可以针对待推送信息推送所指向的目标位置结合需求期望，形成推送量向量。基于待推送信息推送的目标位置不同，形成的推送量向量也不相同。例如，目标位置设定在访问页面的中心区域与访问页面的边缘区域，将会有所不同。

上述过程中，信息推送方法可以同时处理多条推送信息，批量处理，也可以单独处理推送信息，以提升建立分数矩阵和推送量向量的速度。

在步骤S12中，根据所述分数矩阵和推送量向量建立推送计算模型。其中，所述推送计算模型为在满足所述分数矩阵和推送量向量的约束条件下，推送信息被推送的概率取值的计算模型。

本实施例中，主要是基于前面建立的分数矩阵和推送量向量来建立推送计算模型，该推送计算模型需要满足所述分数矩阵和推送量向量的约束条件，用于计算推送信息被推送的概率取值；在保证推送量向量达到要求的前提下，所述推算计算模型能够实现相应的推送效果要求，其中的推送效果要求量化为分数矩阵。所述推算计算模型同时满足推送量向量和分数矩阵的约束条件。

在步骤S13中，利用推送计算模型计算所述待推送信息的推送概率。

在本实施例中，可以根据所述计算模型中约束条件的限制，获得对应待推送信息的推送概率，上述推送概率反映了待推送信息是否获得推送的概率情况，即获得推送的可能性。

在步骤S14中，根据所述推送概率推送所述待推送信息。

在本实施例中，对于一次网页浏览来说，根据前述步骤计算的推送概率，依概率采样来推送待推送信息。

例如，若针对某条待推送信息的推送概率为0.6，则待推送信息在每100次推送中，其中60次获得推送。

通过所述信息推送方法，待推送信息可以在保证推送需求量得到满足的情况下，实现推送效果的优化。

相对于直接根据需求量满足条件依次推送的方式，所述信息推送方法可以根据分数矩阵和推送量向量的限制下，获得优化的解。采用所述信息推送方法的运算量更小，运算速度更快，进而对指令的相应速度也相应提升。

在一种示例性实施例中，步骤S14具体包括步骤S241和步骤S242，请参考图2，图2是根据一示例性实施例示出的利用推送概率推送信息的一种实施方式流程图。

在步骤S241中，根据待推送信息对应的推送概率，形成概率区间。

例如，若对应待推送信息的推送概率为0.3，那么对应形成的概率区间为[0，0.3]。

在步骤S242中，生成对应待推送信息的随机数。

相应地，根据待推送信息的数量生成随机数。在本例中待推送信息数量为1，则随机数将会是一个处于[0，1]的随机生成的数字。

在步骤S243中，判断随机数是否处于相应所述概率区间。

在步骤S244中，若随机数处在相应所述概率区间，则将对应随机数的待推送信息投放到访问页面中进行推送，否则不推送。

例如，若上述过程中生成的随机数是0.2，属于概率区间[0，0.3]，则符合条件，可以执行待推送信息的推送。若上述过程中生成的随机数是0.5，不属于概率区间[0，0.3]，则符合条件，不执行待推送信息的推送。

在本实施例中，还对对应数量大于1的待推送信息，根据推送概率执行推送的过程进行演示。例如，待推送信息数量是3。

在步骤S241中，根据上述待推送信息对应的推送概率，分别为0.5、0.3、0.8。待推送信息的推送概率之和小于必然推送待推送信息的概率。将上述推送概率按照从小到大的顺序排列，依次为0.3、0.5、0.8。将排列完成的推送概率依次累加形成概率区间，依次为[0，0.3]、(0.3，0.8]、(0.8，1.6]，每个概率区间对应待推送信息。

在步骤S242中，生成对应待推送信息的随机数，在本例中随机数的取值区间根据待推送信息的数量为[0，3]。根据随机算法，生成的随机数分别是1.5、0.2、1.8。

在步骤S243中，判断随机数是否处于相应所述概率区间。

在上述过程中，随机数1.5处于概率区间(0.8，1.6]，随机数0.2处于[0，0.3]，随机数1.8未落入对应概率区间。判断结果说明，概率区间(0.8，1.6]、[0，0.3]对应的待推送信息将获得推送，即推送概率对应0.3、0.8的待推送信息可以执行推送。此外，待推送信息的推送还可以设定，若推送概率大于预设阈值才执行上述步骤。

在上述过程中，所述待推送信息的推送是在访问页面中向用户呈现。在其它可能的实施方式中，所述待推送信息还可以在提醒页面、阅读页面、欢迎页面等页面展示。例如，在访问页面中，有两个可供推送的待推送位置，那么上述符合推送要求的两个推送信息可以随机选择任一待推送位置，当然也可以根据其他因素指定待推送位置。若待推送位置的数量小于符合条件的待推送信息的数量，则选取推送概率较大的对应待推送信息。在一些实施方式中，一个待推送位置也可以对应容纳多个待推送信息。

在一种示例性实施例中，在步骤S14之前还包括步骤S351和步骤S352，请参考图3，图3是根据一示例性实施例示出的待推送信息量结合推送概率推送信息的一种实施方式流程图。

在步骤S351中，获取访问页面的最大推送信息量。

所述访问页面是指待推送信息展示的页面中能够承载的最大推送信息量。所述最大推送信息量可以对应单个访问页面的最大推送信息量，也可以针对推送目标的若干访问页面的最大信息推送量。所述访问页面可以是单个独立跳转的访问页面，也可以是无缝衔接的页面流。所述页面流可以连续加载访问内容，使待推送信息和其他信息连续地展示在访问页面中。所述页面流还可以设定某一周期或者某一指令，使页面流上的待推送信息和其他信息持续更新。

在步骤S352中，判断待推送信息数量是否小于或等于最大推送信息量。

在本实施例中，判断待推送信息数量与最大推送信息量的数值关系，并以此限制是否执行推送。若待推送信息的整体数量已经超过最大推送信息量，则不作推送。换而言之，若待推送信息的整体数量已经超过最大推送信息量，就不再进行所述推送概率是否大于预设阈值的判断。

以单个访问页面的最大推送信息量为例，即在单个访问页面中最大可以允许推送的待推送信息。在本实施例中，最大推送信息量可以通过统计对应访问页面的历史推送信息量、网络质量等因素进行判断或者直接获取人工预设的最大推送信息量。假设单个访问页面的最大推送信息量为10条，若根据统计本次推送总计9条，则可以执行推送概率是否大于预设阈值的判断；若根据统计本次推送总计13条，那么将不再进行推送。

在其它可能的实施方式中，还可以通过序数的大小，判断是否超出最大推送信息量的限制。例如，单个访问页面的最大推送信息量为5条，待推送信息的序号为3，表示如果待推送信息能够获得推送，该条待推送信息就是第3条待推送信息，反映所述待推送信息数量小于最大推送信息量，可以执行推送概率是否大于预设阈值的判断；若待推送信息的序号为7，表示如果待推送信息能够获得推送，该条待推送信息就是第7条待推送信息，反映所述待推送信息数量大于最大推送信息量，则不执行推送概率是否大于预设阈值的判断。以序号判断的技术方案中，还可以在待推送信息的序号大于最大推送信息量之后，直接判断得出所述访问页面已达最大推送信息量，在本访问页面中不再推送。

在页面流的方案中，可以通过划分虚拟页面的方式，设定最大信息推送量。最大信息推送量除了可以针对单个访问页面，还可以针对多个访问页面进行设置。在其它可能的实施方式中，针对特定的推送对象也可以设置最大信息推送量，避免特定推送对象接收过多推送信息。在其它可能的实施方式中，所述最大信息推送量可以量化为其中一种约束条件，参与到推送计算模型中，使推送计算模型进一步收敛。

通过限制最大推送信息量可以使所述推送计算模型的运算量进一步减少，加快运算速度，更进一步提升响应速度。同时，限制最大推送信息量可以控制在访问页面中展示的信息，避免访问信息中出现待推送信息的比例过高。最大信息推送量的限制，还可以限制待推送信息的最大量，避免推送信息过多造成不必要的困扰。值得注意的是，

在本申请的启发下，最大信息推送量具体数值可以根据实际情况调整。在可能的情况或者特殊需求时，所述最大信息推送量可以设定为等于访问页面中承载的最大信息量。

在一种示例性实施例中，利用所述推送计算模型计算所述待推送信息的推送概率包括：

min_X(-Σ_i,j log(1+A_ij X_ij))；

约束条件为Σ_i X_ij＝d_j；

X_ij≥0；

在示例性实施例中，所述推送计算模型在推送量向量和分数矩阵的约束下，可以得到推送概率X_ij。推送概率X_ij表示为在第i个访问页面中的第j个信息对应的位置，在该位置对应待推送信息的推送概率。A_ij表示分数矩阵，即在第i个访问页面中的第j个信息对应的位置，在该位置对应待推送信息的分数。d_j表示推送量向量，即待推送信息在单个访问页面于单位时间内对应的推送需求量。

例如，推送概率X₅₆表示为在第5个访问页面中的第6个信息对应的位置，在该位置对应待推送信息的推送概率。A₄₉表示分数矩阵，即在第4个访问页面中的第9个信息对应的位置，在该位置对应待推送信息的分数。在其他实施方式中，推送概率X_ij的对应推送信息可以共享对应的待推送位置。

例如，d_j＝100表示为在五分钟内，对应待推送视频的推送需求量为100次。表示对应待推送信息需要被推送100次方能满足要求。

此外，还可以引入Σ_i X_ij小于或等于待推送位置数量限制。例如，当在单个访问页面内，只设置有一个待推送位置可供待推送信息实现推送时，则引入约束Σ_i X_ij≤1。相应地，根据待推送位置数量的限制，还可以设定为其他数量的限制，不受上述举例所限。通过Σ_i X_ij与待推送位置之间数量的限制，可以限制可行解的数量。在另外的实施方式中，在同一页面中设置有固定的待推送位置，所有待推送信息可以共享所述待推送位置，每个待推送位置还可以容纳两个或以上的推送信息。

在本实施例中，推送概率X_ij≥0，使算法收敛，排除缺少实际意义的推送概率的解，减少上式的运算量，提升运算速度，减少运算时间。

在本实施例中的推送计算模型还应用了，矩阵的运算形式，可以实现多条待推送信息的同时运算，满足大量待推送信息的推送需求。同时，所述推送计算模型还应用凸函数或凹函数的变换，配套结合最大值或最小值的求解，可以简化运算，更快更准确地获得推送概率X_ij。上式中，还设定前提Σ_iX_ij＝d_j，该前提表示在i个访问页面中的推送概率之和需要等于推送量向量d_j的要求，即上式包含满足推送量的限制。

在本实施例中，还可以引入所述最大信息推送量的限制，迫使算法收敛，使运算速度更快，求解更精确。例如，限制在单个访问页面中，可以只推送一条推送信息。

在另一种示例性实施例中，利用所述推送计算模型计算所述待推送信息的推送概率包括：

利用KKT条件，结合启发式约束，将X_ij表达为下式：

X_ij＝min(s_i,max(0,1/α_j–1/A_ij))；

约束条件为Σ_i X_ij＝d_j；

在本实施例中，所述推送计算模型通过对偶变换，将推送概率X_ij转换为与推送概率对偶相关的对偶变量α_j。求解对偶变量α_j即求解推送概率X_ij。推送概率X_ij表示为在第i个访问页面中的第j个信息对应的位置，在该位置对应待推送信息的推送概率。A_ij表示分数矩阵，即在第i个访问页面中的第j个信息对应的位置，在该位置对应待推送信息的分数。d_j表示推送量向量，即待推送信息在单个访问页面于单位时间内对应的推送需求量。上述KKT条件是指Karush-Kuhn-Tucher条件，在优化理论中，KKT条件是非线性规划最佳解的必要条件。KKT条件将拉格朗日乘数法(Lagrange multipliers)中的等式约束优化问题推广至不等式约束。

例如，推送概率X₁₃表示为在第1个访问页面中的第3个信息对应的位置，在该位置对应待推送信息的推送概率。A₉₇表示分数矩阵，即在第9个访问页面中的第7个信息对应的位置，在该位置对应待推送信息的分数。对偶变量α_j的运算量相对于直接获得推送概率X_ij的运算量更小，运算速度更快，并且可实时获得推送概率X_ij的数值，克服积累一定数量或一定时间段数据才能求解的问题，使上述推送计算模型可以用于线上推送上述待推送信息。其中的线上是指一种在线的、实时的推送。相应的，线下是指需要储存一定量的历史数据以获得推送概率X_ij的过程。线下计算需要依赖于一定时期的历史数据，例如是10min之内的数据，那么线上计算可以直接根据实时的分数矩阵A_ij实现实时运算。通过求解对偶变量α_j可以实现推送概率X_ij的实时获取。

以一种实施方式为例，其中启发约束s_i是指访问页面中最大投放数量，即最大信息推送量，启发约束s_i还可以表示为s_i≤Σ_j X_ij，其中的可以理解为推送数量的上限。假设s_i设置为3，则表示超过三条待推送信息的数量，则不再实现推送。例如当推送至第90条至100条待推送信息时，由于90条至100条已经超出启发约束s_i的上限，在启发约束s_i之后的待推送信息，将会使其对应的推送概率强制置零，即不再实现推送。

在本实施例中，还引入s_i启发约束，所述启发约束表示的是一种基于直观或经验构造的约束，在可接受的相应条件下，获得待解决组合优化问题每一个实例的一个可行解，该可行解与最优解的偏离程度一般不能被预计。在其他可能的实施例中，启发约束可以采用仿自然体的相关约束，例如可以采用蚁群算法、模拟退火法、神经网络等方式，通过对应的算法获得启发约束的具体值。引入启发约束，减少所述推送信息模型的运算量，在追求更快速的运算和更短的响应时间的前提下，可以被应用。

所述推送计算模型中，还设定前提Σ_iX_ij＝d_j，该前提表示在i个访问页面中的推送概率之和需要等于推送量向量d_j的要求，即上式包含满足推送量的限制。在本实施例中，还可以引入所述最大信息推送量的限制，防止待推送信息的数量过大。例如，限制在单个访问页面中，确认只推送3条推送信息。

在一种示例性实施例中，在步骤S11之前还包括步骤S461、步骤S462以及步骤S463，请参考图4，图4是根据一示例性实施例示出的获取待推送信息的一种实施方式流程图。

在步骤S461中，获取页面上推送信息的浏览量。

在本实施例中，通过抓取页面访问或者其他数据存储的方式，获取浏览量。所述浏览量可以包括页面访问量、整个页面浏览量、页面具体信息的浏览量、点击量等信息。所述多媒体资源包括视频、音频、图像、文字的一种或多种以综合形式呈现的多媒体信息。以视频为例，可以通过访问页面本身，获取视频的浏览量或者点击量，若页面访问中存在多个视频，还可以分别获得对应视频的浏览量。

在一种实施方式中，获取浏览量的操作，可以根据一定的周期，例如每分钟更新，也可以根据一定的触发条件，例如用户触控更新按钮或者手势滑动，更新获取浏览量。

在步骤S462中，根据所述浏览量从所述推送信息中提取所述待推送信息并存储。

在本实施例中，待推送信息是指推送需求量未被满足的待推送信息。对浏览量分析，并根据浏览量提取符合待推送要求的待推送信息。以视频为例，根据视频浏览量的筛选，获取推送需求量未被满足的视频，若在访问页面中存在多个满足条件的视频，可以一同提取。

在一种实施方式中，可以实时根据用户、用户端或者服务器的任一端所提取的浏览量，获得待推送信息。例如，可以通过服务器获得实时推送的信息，检测是否满足需求量。在本实施例中，根据浏览量的筛选条件，对提取得到的待推送信息存储，以便于后续应用。在本实施例中，还可以在待推送信息对应推送需求量或浏览量获得满足时，删去存储的待推送信息或者将待推送信息转移至其他区域存储，以降低对应存储的压力，提升存储效率。

在一种示例性实施例中，所述分数矩阵用于表征信息点击率、涨粉率、点赞率、粉丝在线时长或好感度的推送效果。在本实施例中，所述分数矩阵通过特定的推送需求，并以一定的量化指标表征对应的推送需求。例如，某待推送信息具有点赞率达到80％的推送需求，将点赞率需求转化为对应的分数，并由分数组成分数矩阵，所述分数矩阵映射对应推送信息的分数。此外，分数矩阵可以表征推送用户数量的需求，例如是在单位时间内或者一定数量的访问页面内，向预设数量的用户推送待推送信息的需求。

在本实施例中，粉丝在线时长反映粉丝的真实性或活跃程度，可以一定程度避免虚拟粉丝或者虚构数据的作弊方式，提升需求量被满足的真实性。所述好感度反映用户对待推送信息的容忍程度，例如用户针对待推送信息关闭、投诉、不感兴趣等至少一种反馈，即可以判定用户对待推送信息的并不感兴趣或者厌恶，此时可以调整推送策略。在其它可能的实施方式中，所述分数矩阵中的分数可以是多种推送效果的综合分数，对于多种推送效果可以通过一定加权的方式统计为对应分数，通过这种加权合并的技术方案，可以减少推送计算模型的建立，可以减少运算量。当然，也可以针对多种推送效果结合推送量向量建立多个推送计算模型。

在一种示例性实施例中，所述待推送信息包括视频、音频、图像、文字的至少一种信息。在本实施例中，所述待推送信息可以是视频，即所述信息推送方法推送的对象为视频，其目的在于实现使视频在满足推送需求量的前提下获得优化效果的推送。

例如，在对某视频或某批视频有推广需求时，可以采用所述信息推送方法，在保证推送量得到满足的情况下，获得优化的推送效果，例如是点击率、用户访问率、评论率、播放量等。在其它可能的实施例中，待推送信息还有可能是文字，所述文字还包括能够执行跳转的链接，所述连接在可能实现的其他方式中还可以结合图片、视频等展示形式，丰富展示形式。

在一种示例性实施例中，对根据所述推送概率推送信息还可以附加其他的限制，例如根据地理位置信息、年龄信息、交互信息、主题信息、历史推送信息等信息，对推送进行限制。以地理位置信息为例，针对北京的用户，可以推送与北京相关的待推送信息；针对广州的用户，可以推送粤港澳地区相关的待推送消息。以交互信息为例，可以针对用户好友被推送的信息，可以推送相同或近似的信息，以社交为基础实现更好的推送效果。在本实施例中，通过附加上述限制信息，可以使待推送信息的推送更加精准，提升推送效果的准确性。

图5是根据一示例性实施例示出的一种信息推送装置的框图。参照图5，该装置包括分析单元51、建模单元52、运算单元53以及推送单元54：

分析单元51，被配置为根据待推送信息建立分数矩阵和推送量向量，所述分数矩阵是由信息推送效果量化而成分数构建的矩阵；

建模单元52，被配置为根据所述分数矩阵和推送量向量建立推送计算模型；其中，所述推送计算模型为在满足所述分数矩阵和推送量向量的约束条件下，推送信息被推送的概率取值的计算模型；

运算单元53，被配置为利用推送计算模型计算所述待推送信息的推送概率；

推送单元54，被配置为根据所述推送概率推送所述待推送信息。

图6是根据一示例性实施例示出的另一种信息推送装置的框图，在于展示区间生成单元641、随机数生成单元642、随机数判断单元643以及执行推送单元644。请参照图6，在本实施例中推送单元54包括区间生成单元641、随机数生成单元642、随机数判断单元643以及执行推送单元644：

区间生成单元641，被配置为根据待推送信息对应的推送概率，形成概率区间。

随机数生成单元642，被配置为生成对应待推送信息的随机数。

随机数判断单元643，被配置为判断随机数是否处于相应所述概率区间。

执行推送单元644，被配置为若随机数处在相应所述概率区间，则将对应随机数的待推送信息投放到访问页面中进行推送，否则不推送。

图7是根据一示例性实施例示出的另一种信息推送装置的框图，在于展示第一获取单元751、信息量判断单元752、区间生成单元741、随机数生成单元742、随机数判断单元743以及执行推送单元744。参照图7，在本实施例中所述信息推送装置还包括第一获取单元751、信息量判断单元752、区间生成单元741、随机数生成单元742、随机数判断单元743以及执行推送单元744：

第一获取单元751，被配置为获取单个访问页面的最大推送信息量；

信息量判断单元752，被配置为判断待推送信息数量是否小于或等于最大推送信息量；

区间生成单元，被配置为若是，根据待推送信息对应的推送概率，形成概率区间，否则不作推送；

随机数生成单元742，被配置为生成对应待推送信息的随机数；

随机数判断单元743，被配置为判断随机数是否处于相应所述概率区间；

执行推送单元744，被配置为若随机数处在相应所述概率区间，则将对应随机数的待推送信息投放到访问页面中进行推送，否则不推送。

min_X(-Σ_i,j log(1+A_ij X_ij))；

约束条件为Σ_i X_ij＝d_j；

X_ij≥0；

利用KKT条件，结合启发式约束，将X_ij表达为下式：

X_ij＝min(s_i,max(0,1/α_j–1/A_ij))；

约束条件为Σ_i X_ij＝d_j；

在一种示例性实施例中，所述分数矩阵用于表征信息点击率、涨粉率、点赞率、粉丝在线时长或好感度的推送效果。

在一种示例性实施例中，所述待推送信息包括视频、音频、图像、文字的至少一种信息。

图8是根据一示例性实施例示出的另一种信息推送装置的框图，在于展示第二获取单元861和提取单元862。参照图8，在本实施例中所述信息推送装置还包括第二获取单元861、提取单元862以及存储单元863：

第二获取单元861，被配置为获取页面上推送信息的浏览量；

提取单元862，被配置为根据所述浏览量从所述推送信息中提取所述待推送信息并存储。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

在一种实施方式中，还提出一种信息推送服务器，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为所述的信息推送方法的步骤。

在本实施例中，除了服务器，还可以包括移动通讯设备、计算机等设备，例如是手机、平板、笔记本等电子设备。

关于上述实施例中的信息推送服务器，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

在一种实施方式中，还提出一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得非临时性计算机可读存储介质能够执行所述的推送信息方法。

关于上述实施例中的非临时性计算机可读存储介质，其中各具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图9是根据一示例性实施例示出的一种用于信息推送的装置900的框图。例如，装置900可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图9，装置900可以包括以下一个或多个组件：处理组件902，存储器904，电力组件906，多媒体组件908，音频组件910，输入/输出(I/O)的接口912，传感器组件914，以及通信组件916。

处理组件902通常控制装置900的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件902可以包括一个或多个处理器920来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件902可以包括一个或多个模块，便于处理组件902和其他组件之间的交互。例如，处理组件902可以包括多媒体模块，以方便多媒体组件908和处理组件902之间的交互。

存储器904被配置为存储各种类型的数据以支持在设备900的操作。这些数据的示例包括用于在装置900上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器904可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件906为装置900的各种组件提供电力。电源组件906可以包括电源管理***，一个或多个电源，及其他与为装置900生成、管理和分配电力相关联的组件。

多媒体组件908包括在所述装置900和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件908包括一个前置摄像头和/或后置摄像头。当设备900处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜***或具有焦距和光学变焦能力。

音频组件910被配置为输出和/或输入音频信号。例如，音频组件910包括一个麦克风(MIC)，当装置900处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器904或经由通信组件916发送。在一些实施例中，音频组件910还包括一个扬声器，用于输出音频信号。

I/O接口912为处理组件902和***接口模块之间提供接口，上述***接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件914包括一个或多个传感器，用于为装置900提供各个方面的状态评估。例如，传感器组件914可以检测到设备900的打开/关闭状态，组件的相对定位，例如所述组件为装置900的显示器和小键盘，传感器组件914还可以检测装置900或装置900一个组件的位置改变，用户与装置900接触的存在或不存在，装置900方位或加速/减速和装置900的温度变化。传感器组件914可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件914还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件914还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件916被配置为便于装置900和其他设备之间有线或无线方式的通信。装置900可以接入基于通信标准的无线网络，如WiFi，运营商网络(如2G、3G、4G或5G)，或它们的组合。在一个示例性实施例中，通信组件916经由广播信道接收来自外部广播管理***的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件916还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置900可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器904，上述指令可由装置900的处理器920执行以完成所述信息推送方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

图10是根据一示例性实施例示出的一种用于信息推送方法的装置1000的框图。例如，装置1000可以被提供为一服务器。参照图10，装置1000包括处理组件1022，其进一步包括一个或多个处理器，以及由存储器1032所代表的存储器资源，用于存储可由处理组件1022的执行的指令，例如应用程序。存储器1032中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1022被配置为执行指令，以执行所述信息推送方法。

装置1000还可以包括一个电源组件1026被配置为执行装置1000的电源管理，一个有线或无线网络接口1050被配置为将装置1000连接到网络，和一个输入输出(I/O)接口1058。装置1000可以操作基于存储在存储器1032的操作***，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。

在一种实施方式中，还涉及一种计算机程序产品，包括计算机程序代码，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，使所述计算机执行所述信息推送方法。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本申请的其它实施方案。本申请旨在涵盖本申请的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本申请的一般性原理并包括本申请未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本申请的真正范围和精神由下面的权利要求指出。

应当理解的是，本申请并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本申请的范围仅由所附的权利要求来限制。

Claims

1.一种信息推送方法，其特征在于，包括：

利用推送计算模型计算所述待推送信息的推送概率；

根据所述推送概率推送所述待推送信息。

2.根据权利要求1所述的信息推送方法，其特征在于，根据所述推送概率推送所述待推送信息，包括：

根据待推送信息对应的推送概率，形成概率区间；

生成对应待推送信息的随机数；

判断随机数是否处于相应所述概率区间；

3.根据权利要求2所述的信息推送方法，其特征在于，判断所述根据待推送信息对应的推送概率，形成概率区间之前，还包括：

获取访问页面的最大推送信息量；

判断待推送信息数量是否小于或等于最大推送信息量；

若是，根据待推送信息对应的推送概率，形成概率区间，否则不作推送。

4.根据权利要求1所述的信息推送方法，其特征在于，利用所述推送计算模型计算所述待推送信息的推送概率包括：

min_X(-Σ_i,j log(1+A_ij X_ij))；

约束条件为Σ_i X_ij＝d_j；

X_ij≥0；

5.根据权利要求4所述的信息推送方法，其特征在于，利用所述推送计算模型计算所述待推送信息的推送概率包括：

利用KKT条件，结合启发式约束，将X_ij表达为下式：

X_ij＝min(s_i,max(0,1/α_j–1/A_ij))；

约束条件为Σ_i X_ij＝d_j；

6.根据权利要求2所述的信息推送方法，其特征在于，所述根据待推送信息建立分数矩阵和推送量向量之前，所述信息推送方法还包括：

获取页面上推送信息的浏览量；

7.根据权利要求1所述的信息推送方法，其特征在于，所述分数矩阵用于表征信息点击率、涨粉率、点赞率、粉丝在线时长或好感度的推送效果。

8.一种信息推送装置，其特征在于，所述信息推送装置包括：

9.一种信息推送服务器，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：如权利要求1至7中任一项权利要求所述的信息推送方法的步骤。

10.一种非临时性计算机可读存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得服务器能够执行如权利要求1至7中任一项权利要求所述的推送信息方法。