CN115580649B - 一种基于用户网络行为的智能信息推送方法 - Google Patents
一种基于用户网络行为的智能信息推送方法 Download PDFInfo
- Publication number
- CN115580649B CN115580649B CN202211054533.9A CN202211054533A CN115580649B CN 115580649 B CN115580649 B CN 115580649B CN 202211054533 A CN202211054533 A CN 202211054533A CN 115580649 B CN115580649 B CN 115580649B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- network
- basic
- browsing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000006399 behavior Effects 0.000 title abstract description 29
- 238000005070 sampling Methods 0.000 claims abstract description 9
- 230000002159 abnormal effect Effects 0.000 claims description 39
- 238000012790 confirmation Methods 0.000 claims description 8
- 230000002427 irreversible effect Effects 0.000 claims description 6
- 239000000284 extract Substances 0.000 claims description 3
- 238000007789 sealing Methods 0.000 claims description 2
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000429 assembly Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000009792 diffusion process Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开一种基于用户网络行为的智能信息推送方法,涉及网络信息服务技术领域。本发明包括:对网络信息进行分类;根据网络信息的分类结果,从网络信息的不同分类中抽样得到初始样本信息;将初始样本信息向用户进行推送;根据用户浏览样本信息的网络行为,得到用户的信息种类偏好;根据用户的信息种类偏好在网络信息中选取个性化信息;将个性化信息推送至用户;根据用户浏览个性化信息的网络行为,更新用户的信息种类偏好。本发明通过对用户的网络行为进行分析,提高了对用户进行信息推送的准确度。
Description
技术领域
本发明属于网络信息服务技术领域,特别是涉及一种基于用户网络行为的智能信息推送方法。
背景技术
随着互联网信息数量和种类的极速增长,互联网信息的信息量已经远超脑力范围。现有的信息推送算法往往是根据已有的用户大数据分析提取出热点信息并进行推送,并非考虑到用户的网络行为背后的信息需求。
不仅如此,由于人们对于信息需要的准确程度要求越来越高,使得用户对互联网信息推送精度的要求也越来越高。
发明内容
本发明的目的在于提供一种基于用户网络行为的智能信息推送方法,通过对用户的网络行为进行分析,提高了对用户进行信息推送的准确度。
为解决上述技术问题,本发明是通过以下技术方案实现的:
本发明提供一种基于用户网络行为的智能信息推送方法,其包括:
对网络信息进行分类;
根据所述网络信息的分类结果,从所述网络信息的不同分类中抽样得到初始样本信息;
将所述初始样本信息向用户进行推送;
根据所述用户浏览所述样本信息的网络行为,得到所述用户的信息种类偏好;
根据所述用户的信息种类偏好在所述网络信息中选取个性化信息;
将所述个性化信息推送至所述用户;
根据所述用户浏览所述个性化信息的网络行为,更新所述用户的信息种类偏好。
在本发明的一个实施例中,所述根据所述网络信息的分类结果,从所述网络信息的不同分类中抽样得到初始样本信息的步骤,包括,
根据所述网络信息的分类结果,得到每一类所述网络信息中的信息条数、每一条所述网络信息的浏览耗时以及每一条所述网络信息的浏览量;
选取信息条数达到设定阈值的网络信息种类作为基础信息种类;
选取所述基础信息种类中浏览量达到设定阈值的所述网络信息作为基础信息条目;
对所述基础信息条目中的每一条所述网络信息根据每一条所述网络信息的浏览耗时长度进行排序;
将所述基础信息条目组成所述初始样本信息向所述用户进行推送,其中所述基础信息条目中浏览耗时长度较短的所述网络信息相对优先推送。
在本发明的一个实施例中,所述将所述基础信息条目组成所述初始样本信息向所述用户进行推送的步骤,包括,
获取每个所述基础信息种类中所述基础信息条目的数量;
将每个所述基础信息种类按照其包含的所述基础信息条目的数量分多波次选取每个所述基础信息种类中的所述基础信息条目作为基础信息推送单元;
将同一波次产生的所述基础信息推送单元中的所述基础信息条目进行推送;
当前一波此的所述基础信息推送单元中的所述基础信息条目全部完成推送,则进行下一波次的所述基础信息推送单元中的所述基础信息条目的推送。
在本发明的一个实施例中,所述根据所述网络信息的分类结果,从所述网络信息的不同分类中抽样得到初始样本信息的步骤,还包括,
选取信息条数未达到设定阈值的网络信息种类作为扩展信息种类;
若完成所述基础信息条目推送之后所述用户继续请求浏览所述网络数据,则选取所述扩展信息种类中浏览量达到设定阈值的所述网络信息作为扩展信息条目添加至所述初始样本信息进行推送。
在本发明的一个实施例中,所述选取信息条数未达到设定阈值的网络信息种类作为扩展信息种类的步骤,包括,
获取所述基础信息种类与其他信息种类之间的内容相似度;
将内容相似度大于设定阈值的其他信息种类标记为扩展信息种类;
根据不同种类的所述扩展信息种类与所述基础信息种类之间的内容相似度的比例,获取向用户进行信息推送时不同种类的所述扩展信息种类之间的比例。
在本发明的一个实施例中,所述根据不同种类的所述扩展信息种类与所述基础信息种类之间的内容相似度的比例,获取向用户进行信息推送时不同种类的所述扩展信息种类之间的比例的步骤,包括,
根据每个所述基础信息种类内所述基础信息条目的数量,获取所述基础信息种类之间的所述基础信息条目数量的相比比例;
根据所述基础信息种类之间的所述基础信息条目数量的相比比例,获取所述基础信息种类的权重;
获取每个所述扩展信息种类与每个所述基础信息种类之间的相似度;
将每个所述扩展信息种类与每个所述基础信息种类之间的相似度,与对应的所述基础信息种类的权重的乘积进行累加,得到每个所述扩展信息种类的推送系数;
根据每个所述扩展信息种类的推送系数的相对比值,得到向用户进行信息推送时不同种类的所述扩展信息种类之间的比例。
在本发明的一个实施例中,所述根据所述用户浏览所述样本信息的网络行为,得到所述用户的信息种类偏好的步骤,包括,
实时获取每条所述网络信息的浏览量;
若所述网络信息的浏览量达到设定阈值,则实时获取浏览该条所述网络信息的所述用户的信息浏览量;
若所述用户在单位时间内的信息浏览量达到设定阈值,则实时获取所述用户的信息访问端的硬件信息、网络地址以及对应的所述网络行为数据;
根据同一个所述硬件信息对应的所述网络行为数据判定对应的所述用户是否为异常用户;
若否则继续提供网络推送服务;
若是,则根据所述异常用户的信息访问端的网络地址判定是否应该对应所述用户封禁。
在本发明的一个实施例中,所述根据同一个所述硬件信息对应的所述网络行为数据判定对应的所述用户是否为异常用户的步骤,包括,
将在单位时间内的信息浏览量达到设定阈值的所述信息访问端标记为可疑信息访问端;
向所述可疑信息访问端发送控制指令,使得所述可疑信息访问端将在信息浏览量达到设定阈值时段自身缓存的所述网络行为数据的数字摘要进行提取并上传;
若浏览单位时间内浏览量达到设定阈值的所述网络信息的所述可疑信息访问端上传的数字摘要出现相同值,则提取对应的所述可疑信息访问端标记为异常信息访问端;
所述异常信息访问端对应的所述用户为异常用户。
在本发明的一个实施例中,所述根据所述异常用户的信息访问端的网络地址判定是否应该对应所述用户封禁的步骤,包括,
根据所述异常用户的信息访问端的网络地址获取所述异常用户的信息访问端的模糊地理地址;
获取所述异常用户的信息访问端的模糊地理地址的聚类中心;
获取所述异常用户的信息访问端的模糊地理地址覆盖的范围;
将信息访问端的模糊地理地址覆盖的范围与所述聚类中心有重叠的所述异常用户标记为黑名单用户;
对所述黑名单用户进行封禁。
在本发明的一个实施例中,所述根据所述用户浏览所述样本信息的网络行为,得到所述用户的信息种类偏好的步骤,还包括,
将所述黑名单用户的所述硬件信息与保密随机信息一同提取不可逆数字摘要作为加密公开网络黑名单身份;
公开所述加密公开网络黑名单身份;
接收外部的待确认黑名单用户确定请求时,获取所述待确认黑名单用户的硬件信息;
将所述待确认黑名单用户的所述硬件信息与保密随机信息一同提取不可逆数字摘要作为确认返回值;
由发出待确认黑名单用户确定请求端将所述确认返回值与公开的所述加密公开网络黑名单身份进行比对,判断是否为黑名单用户。
本发明通过对用户的网络行为进行分析,在满足用户信息需求的同时,提高了对用户进行信息推送的准确度。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明所述一种基于用户网络行为的智能信息推送方法于一实施例的步骤流程示意图;
图2为本发明所述步骤S2于一实施例的步骤流程示意图一;
图3为本发明所述步骤S25于一实施例的步骤流程示意图;
图4为本发明所述步骤S2于一实施例的步骤流程示意图二;
图5为本发明所述步骤S26于一实施例的步骤流程示意图;
图6为本发明所述步骤S263于一实施例的步骤流程示意图;
图7为本发明所述步骤S4于一实施例的步骤流程示意图一;
图8为本发明所述步骤S44于一实施例的步骤流程示意图;
图9为本发明所述步骤S46于一实施例的步骤流程示意图;
图10为本发明所述步骤S4于一实施例的步骤流程示意图二。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。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前提下所获得的所有其它实施例,都属于本发明保护的范围。
从信息分析的角度出发,往往现在广泛使用的复杂软件***(Complex SoftwareSystem,下简称为CSS)在对数据的分析过程当中都会存在一定误差,即信息需要不等同于信息满足的需要,***提供的信息亦不等于用户使用信息。这种偏差来自于***本身的算法与个体自主意识之间的差距。因此需要提高信息推送方式的准确度。
请参阅图1所示,本发明提供了一种基于用户网络行为的智能信息推送方法。在实施过程中可以首先执行步骤S1对网络信息进行分类,接下来可以执行步骤S2根据网络信息的分类结果,从网络信息的不同分类中抽样得到初始样本信息,接下来可以执行步骤S3将初始样本信息向用户进行推送。接下来可以执行步骤S4根据用户浏览样本信息的网络行为,得到用户的信息种类偏好,接下来可以执行步骤S5根据用户的信息种类偏好在网络信息中选取个性化信息。接下来可以执行步骤S6将个性化信息推送至用户,最后可以执行步骤S7根据用户浏览个性化信息的网络行为,更新用户的信息种类偏好。在实施过程中,通过对用户的网络行为进行分析,得到用户的信息种类偏好,再根据信息种类偏好将个性化信息推送至用户,并且还根据更新后的用户信息偏好实现对推送的个性化信息的更新,从而实现提高对用户进行信息推送准确度的技术效果。
请参阅图2所示,为了获取初始样本信息,上述的步骤S2中可以首先执行步骤S21根据网络信息的分类结果,得到每一类网络信息中的信息条数、每一条网络信息的浏览耗时以及每一条网络信息的浏览量。接下来可以执行步骤S22选取信息条数达到设定阈值的网络信息种类作为基础信息种类。接下来可以执行步骤S23选取基础信息种类中浏览量达到设定阈值的网络信息作为基础信息条目。接下来可以执行步骤S24对基础信息条目中的每一条网络信息根据每一条网络信息的浏览耗时长度进行排序。最后可以执行步骤S25将基础信息条目组成初始样本信息向用户进行推送,其中基础信息条目中浏览耗时长度较短的网络信息相对优先推送。通过上述方式将网络信息中的典型代表信息选取出来进行初始样本信息推送,提高获取用户的信息种类偏好的准确度。
请参阅图3所示,为了避免用户初次使用互联网时间不足导致采样评估不足,从而影响后续个性化信息的准确度,上述的步骤S25中可以首先执行步骤S251获取每个基础信息种类中基础信息条目的数量。接下来可以执行步骤S252将每个基础信息种类按照其包含的基础信息条目的数量分多波次选取每个基础信息种类中的基础信息条目作为基础信息推送单元。接下来可以执行步骤S253将同一波次产生的基础信息推送单元中的基础信息条目进行推送。最后可以执行步骤S254当前一波此的基础信息推送单元中的基础信息条目全部完成推送,则进行下一波次的基础信息推送单元中的基础信息条目的推送。通过上述方式,免用户初次使用互联网时间不足导致采样评估不足,提高了用户的信息种类偏好的获取准确度。
请参阅图4所示,当用户初次使用网络且有充足的时间的时候,为了提高用户的信息种类偏好的获取准确度,尤其是小众爱好的信息种类偏好,上述的步骤S2中还可以执行步骤S26选取信息条数未达到设定阈值的网络信息种类作为扩展信息种类。若完成基础信息条目推送之后用户继续请求浏览网络数据,则接下来可以执行步骤S27选取扩展信息种类中浏览量达到设定阈值的网络信息作为扩展信息条目添加至初始样本信息进行推送。通过在初始样本信息中添加扩展信息种类,提高用户的信息种类偏好的获取准确度。
请参阅图5所示,为了进一步提高用户的信息种类偏好的获取准确度,上述的步骤S26中可以首先执行步骤S261获取基础信息种类与其他信息种类之间的内容相似度。解析来可以执行步骤S262将内容相似度大于设定阈值的其他信息种类标记为扩展信息种类。最后可以执行步骤S263根据不同种类的扩展信息种类与基础信息种类之间的内容相似度的比例,获取向用户进行信息推送时不同种类的扩展信息种类之间的比例。通过将内容相似度大于设定阈值的其他信息种类标记为扩展信息种类,进一步提高用户的信息种类偏好的获取准确度。
请参阅图6所示,为了确定每个扩展信息的推送状况,从未实现提高用户的信息种类偏好的获取准确度,上述的步骤S263中可以首先执行步骤S2631,根据每个基础信息种类内基础信息条目的数量,获取基础信息种类之间的基础信息条目数量的相比比例。接下来可以执行步骤S2632根据基础信息种类之间的基础信息条目数量的相比比例,获取基础信息种类的权重。接下来可以执行步骤S2633获取每个扩展信息种类与每个基础信息种类之间的相似度。接下来可以执行步骤S2634将每个扩展信息种类与每个基础信息种类之间的相似度,与对应的基础信息种类的权重的乘积进行累加,得到每个扩展信息种类的推送系数。最后可以执行步骤S263根据每个扩展信息种类的推送系数的相对比值,得到向用户进行信息推送时不同种类的扩展信息种类之间的比例。通过获取每个扩展信息种类的推送系数,进一步提高用户的信息种类偏好的获取准确度。
请参阅图7所示,为了避免网络水军对网络信息推送造成的扭曲,上述的步骤S4中可以首先执行步骤S41实时获取每条网络信息的浏览量。若网络信息的浏览量达到设定阈值,则接下来可以执行步骤S42实时获取浏览该条网络信息的用户的信息浏览量。若用户在单位时间内的信息浏览量达到设定阈值,则接下来可以执行步骤S43实时获取用户的信息访问端的硬件信息、网络地址以及对应的网络行为数据。接下来可以执行步骤S44根据同一个硬件信息对应的网络行为数据判定对应的用户是否为异常用户。若否则接下来可以执行步骤S45继续提供网络推送服务。若是,则接下来可以执行步骤S46根据异常用户的信息访问端的网络地址判定是否应该对应用户封禁。通过判定异常用户并进一步判定是否封禁,避免网络水军对网络信息推送造成的扭曲,从而实现提高网络信息推送精度的技术效果。
请参阅图8所示,为了实现对异常用户的判断,上述的步骤S44中可以首先执行步骤S441将在单位时间内的信息浏览量达到设定阈值的信息访问端标记为可疑信息访问端。接下来可以执行步骤S442向可疑信息访问端发送控制指令,使得可疑信息访问端将在信息浏览量达到设定阈值时段自身缓存的网络行为数据的数字摘要进行提取并上传。若浏览单位时间内浏览量达到设定阈值的网络信息的可疑信息访问端上传的数字摘要出现相同值,则接下来可以执行步骤S443提取对应的可疑信息访问端标记为异常信息访问端。接下来可以执行步骤S444异常信息访问端对应的用户为异常用户。通过上述方式,实现对异常用户的判断。
请参阅图9所示,为了准确判断哪些异常用户应当被封禁,上述的步骤S46中可以首先执行步骤S461根据异常用户的信息访问端的网络地址获取异常用户的信息访问端的模糊地理地址,接下来可以执行步骤S462获取异常用户的信息访问端的模糊地理地址的聚类中心。接下来可以执行步骤S463获取异常用户的信息访问端的模糊地理地址覆盖的范围,接下来可以执行步骤S46将信息访问端的模糊地理地址覆盖的范围与聚类中心有重叠的异常用户标记为黑名单用户。最后可以执行步骤S46对黑名单用户进行封禁。通过对信息访问端的地理地址进行分析,准确判断哪些异常用户应当被封禁,进一步避免网络水军对网络信息的推送造成的扭曲。
请参阅图10所示,为了将黑名单用户在保护其基本隐私的情况下进行公开,上述的步骤S4中还可以执行步骤S47将黑名单用户的硬件信息与保密随机信息一同提取不可逆数字摘要作为加密公开网络黑名单身份,接下来可以执行步骤S48公开加密公开网络黑名单身份。接下来可以执行步骤S49接收外部的待确认黑名单用户确定请求时,获取待确认黑名单用户的硬件信息,接下来可以执行步骤S410将待确认黑名单用户的硬件信息与保密随机信息一同提取不可逆数字摘要作为确认返回值。接下来可以执行步骤S411由发出待确认黑名单用户确定请求端将确认返回值与公开的加密公开网络黑名单身份进行比对,判断是否为黑名单用户。通过将黑名单用户的硬件信息进行加密处理,在公开的同时也保护其隐私,当外部第三方需要确认是否为黑名单用户的时候,获取确认返回值即可完成确认,在保护黑名单用户基本隐私的情况下进行公开,避免黑名单用户造成的推送信息扭曲扩散。
综上所示,通过对用户的网络行为进行分析,得到用户的信息种类偏好,再根据用户的信息种类偏好在网络信息中选取个性化信息,将生成的个性化信息推送至用户,在满足用户信息需求的同时,提高了对用户进行信息推送的准确度。
本发明所示实施例的上述描述(包括在说明书摘要中的内容)并非意在详尽列举或将本发明限制到本文所公开的精确形式。尽管在本文仅为说明的目的而描述了本发明的具体实施例和本发明的实例,但是正如本领域技术人员将认识和理解的,各种等效修改是可以在本发明的精神和范围内的。如所指出的,可以按照本发明实施例的上述描述来对本发明进行这些修改,并且这些修改将在本发明的精神和范围内。
本文已经在总体上将***和方法描述为有助于理解本发明的细节。此外,已经给出了各种具体细节以提供本发明实施例的总体理解。然而,相关领域的技术人员将会认识到,本发明的实施例可以在没有一个或多个具体细节的情况下进行实践,或者利用其它装置、***、配件、方法、组件、材料、部分等进行实践。在其它情况下,并未特别示出或详细描述公知结构、材料和/或操作以避免对本发明实施例的各方面造成混淆。
因而,尽管本发明在本文已参照其具体实施例进行描述,但是修改自由、各种改变和替换意在上述公开内,并且应当理解,在某些情况下,在未背离所提出发明的范围和精神的前提下,在没有对应使用其他特征的情况下将采用本发明的一些特征。因此,可以进行许多修改,以使特定环境或材料适应本发明的实质范围和精神。本发明并非意在限制到在下面权利要求书中使用的特定术语和/或作为设想用以执行本发明的最佳方式公开的具体实施例,但是本发明将包括落入所附权利要求书范围内的任何和所有实施例及等同物。因而,本发明的范围将只由所附的权利要求书进行确定。
Claims (6)
1.一种基于用户网络行为的智能信息推送方法,其特征在于,包括,
对网络信息进行分类;
根据所述网络信息的分类结果,从所述网络信息的不同分类中抽样得到初始样本信息;
将所述初始样本信息向用户进行推送;
根据所述用户浏览所述样本信息的网络行为,得到所述用户的信息种类偏好;
根据所述用户的信息种类偏好在所述网络信息中选取个性化信息;
将所述个性化信息推送至所述用户;
根据所述用户浏览所述个性化信息的网络行为,更新所述用户的信息种类偏好;
所述根据所述网络信息的分类结果,从所述网络信息的不同分类中抽样得到初始样本信息的步骤,包括,
根据所述网络信息的分类结果,得到每一类所述网络信息中的信息条数、每一条所述网络信息的浏览耗时以及每一条所述网络信息的浏览量;
选取信息条数达到设定阈值的网络信息种类作为基础信息种类;
选取所述基础信息种类中浏览量达到设定阈值的所述网络信息作为基础信息条目;
对所述基础信息条目中的每一条所述网络信息根据每一条所述网络信息的浏览耗时长度进行排序;
将所述基础信息条目组成所述初始样本信息向所述用户进行推送,其中所述基础信息条目中浏览耗时长度较短的所述网络信息相对优先推送;
所述根据所述网络信息的分类结果,从所述网络信息的不同分类中抽样得到初始样本信息的步骤,还包括,
选取信息条数未达到设定阈值的网络信息种类作为扩展信息种类;
若完成所述基础信息条目推送之后所述用户继续请求浏览网络数据,则选取所述扩展信息种类中浏览量达到设定阈值的所述网络信息作为扩展信息条目添加至所述初始样本信息进行推送;
所述选取信息条数未达到设定阈值的网络信息种类作为扩展信息种类的步骤,包括,
获取所述基础信息种类与其他信息种类之间的内容相似度;
将内容相似度大于设定阈值的其他信息种类标记为扩展信息种类;
根据不同种类的所述扩展信息种类与所述基础信息种类之间的内容相似度的比例,获取向用户进行信息推送时不同种类的所述扩展信息种类之间的比例;
所述根据不同种类的所述扩展信息种类与所述基础信息种类之间的内容相似度的比例,获取向用户进行信息推送时不同种类的所述扩展信息种类之间的比例的步骤,包括,
根据每个所述基础信息种类内所述基础信息条目的数量,获取所述基础信息种类之间的所述基础信息条目数量的相比比例;
根据所述基础信息种类之间的所述基础信息条目数量的相比比例,获取所述基础信息种类的权重;
获取每个所述扩展信息种类与每个所述基础信息种类之间的相似度;
将每个所述扩展信息种类与每个所述基础信息种类之间的相似度,与对应的所述基础信息种类的权重的乘积进行累加,得到每个所述扩展信息种类的推送系数;
根据每个所述扩展信息种类的推送系数的相对比值,得到向用户进行信息推送时不同种类的所述扩展信息种类之间的比例。
2.根据权利要求1所述的方法,其特征在于,所述将所述基础信息条目组成所述初始样本信息向所述用户进行推送的步骤,包括,
获取每个所述基础信息种类中所述基础信息条目的数量;
将每个所述基础信息种类按照其包含的所述基础信息条目的数量分多波次选取每个所述基础信息种类中的所述基础信息条目作为基础信息推送单元;
将同一波次产生的所述基础信息推送单元中的所述基础信息条目进行推送;
当前一波此的所述基础信息推送单元中的所述基础信息条目全部完成推送,则进行下一波次的所述基础信息推送单元中的所述基础信息条目的推送。
3.根据权利要求1所述的方法,其特征在于,所述根据所述用户浏览所述样本信息的网络行为,得到所述用户的信息种类偏好的步骤,包括,
实时获取每条所述网络信息的浏览量;
若所述网络信息的浏览量达到设定阈值,则实时获取浏览该条所述网络信息的所述用户的信息浏览量;
若所述用户在单位时间内的信息浏览量达到设定阈值,则实时获取所述用户的信息访问端的硬件信息、网络地址以及对应的所述网络行为数据;
根据同一个所述硬件信息对应的所述网络行为数据判定对应的所述用户是否为异常用户;
若否则继续提供网络推送服务;
若是,则根据所述异常用户的信息访问端的网络地址判定是否应该对应所述用户封禁。
4.根据权利要求3所述的方法,其特征在于,所述根据同一个所述硬件信息对应的所述网络行为数据判定对应的所述用户是否为异常用户的步骤,包括,
将在单位时间内的信息浏览量达到设定阈值的所述信息访问端标记为可疑信息访问端;
向所述可疑信息访问端发送控制指令,使得所述可疑信息访问端将在信息浏览量达到设定阈值时段自身缓存的所述网络行为数据的数字摘要进行提取并上传;
若浏览单位时间内浏览量达到设定阈值的所述网络信息的所述可疑信息访问端上传的数字摘要出现相同值,则提取对应的所述可疑信息访问端标记为异常信息访问端;
所述异常信息访问端对应的所述用户为异常用户。
5.根据权利要求3所述的方法,其特征在于,所述根据所述异常用户的信息访问端的网络地址判定是否应该对应所述用户封禁的步骤,包括,
根据所述异常用户的信息访问端的网络地址获取所述异常用户的信息访问端的模糊地理地址;
获取所述异常用户的信息访问端的模糊地理地址的聚类中心;
获取所述异常用户的信息访问端的模糊地理地址覆盖的范围;
将信息访问端的模糊地理地址覆盖的范围与所述聚类中心有重叠的所述异常用户标记为黑名单用户;
对所述黑名单用户进行封禁。
6.根据权利要求5所述的方法,其特征在于,所述根据所述用户浏览所述样本信息的网络行为,得到所述用户的信息种类偏好的步骤,还包括,
将所述黑名单用户的所述硬件信息与保密随机信息一同提取不可逆数字摘要作为加密公开网络黑名单身份;
公开所述加密公开网络黑名单身份;
接收外部的待确认黑名单用户确定请求时,获取所述待确认黑名单用户的硬件信息;
将所述待确认黑名单用户的所述硬件信息与保密随机信息一同提取不可逆数字摘要作为确认返回值;
由发出待确认黑名单用户确定请求端将所述确认返回值与公开的所述加密公开网络黑名单身份进行比对,判断是否为黑名单用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211054533.9A CN115580649B (zh) | 2022-08-31 | 2022-08-31 | 一种基于用户网络行为的智能信息推送方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211054533.9A CN115580649B (zh) | 2022-08-31 | 2022-08-31 | 一种基于用户网络行为的智能信息推送方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115580649A CN115580649A (zh) | 2023-01-06 |
CN115580649B true CN115580649B (zh) | 2024-05-03 |
Family
ID=84579114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211054533.9A Active CN115580649B (zh) | 2022-08-31 | 2022-08-31 | 一种基于用户网络行为的智能信息推送方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115580649B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017071251A1 (zh) * | 2015-10-28 | 2017-05-04 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN107341225A (zh) * | 2017-06-30 | 2017-11-10 | 沈思远 | 信息智能推送与鉴别方法、装置和*** |
CN110717106A (zh) * | 2019-10-14 | 2020-01-21 | 支付宝(杭州)信息技术有限公司 | 信息推送的方法及装置 |
WO2022068659A1 (zh) * | 2020-09-30 | 2022-04-07 | 深圳前海微众银行股份有限公司 | 信息的推送方法、装置和存储介质 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11985101B2 (en) * | 2019-01-18 | 2024-05-14 | Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. | Method, apparatus, electronic message server and computer program for processing a plurality of electronic messages |
-
2022
- 2022-08-31 CN CN202211054533.9A patent/CN115580649B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017071251A1 (zh) * | 2015-10-28 | 2017-05-04 | 百度在线网络技术(北京)有限公司 | 信息推送方法和装置 |
CN107341225A (zh) * | 2017-06-30 | 2017-11-10 | 沈思远 | 信息智能推送与鉴别方法、装置和*** |
CN110717106A (zh) * | 2019-10-14 | 2020-01-21 | 支付宝(杭州)信息技术有限公司 | 信息推送的方法及装置 |
WO2022068659A1 (zh) * | 2020-09-30 | 2022-04-07 | 深圳前海微众银行股份有限公司 | 信息的推送方法、装置和存储介质 |
Non-Patent Citations (2)
Title |
---|
A Deep Reinforcement Learning Approach to Proactive Content Pushing and Recommendation for Mobile Users(Article);Liu, D等;《IEEE》;20191231;全文 * |
网络域名用户异常访问行为信息精准识别仿真;穆荣;;计算机仿真;20180715(第07期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN115580649A (zh) | 2023-01-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103117903B (zh) | 上网流量异常检测方法及装置 | |
CN108154425B (zh) | 一种结合社会网络和位置的线下商户推荐方法 | |
US9122731B2 (en) | Displaying search results | |
US7558805B2 (en) | Searching content on web pages | |
US7970750B2 (en) | Category searching | |
US7225180B2 (en) | Filtering search results | |
CN113672937B (zh) | 一种区块链节点 | |
US20130012176A1 (en) | Providing customized information to a user based on identifying a trend | |
US7424518B2 (en) | Information-presenting apparatus, information-presenting method, information-processing apparatus, information-processing method and program-storing medium | |
CN108462888A (zh) | 用户电视及上网行为的智能关联分析方法及*** | |
CN107529093B (zh) | 一种视频文件播放量的检测方法及*** | |
CN107948255A (zh) | App的推送方法及计算机可读存储介质 | |
CN112261429A (zh) | 无卡顿智能终端直播应用***、方法、设备及存储介质 | |
CN109583228B (zh) | 一种隐私信息管理方法、装置和*** | |
CN103442267A (zh) | 一种用户行为信息采集的方法和电视 | |
CN107679101A (zh) | 一种基于位置和信任关系的网络服务推荐方法 | |
KR100354207B1 (ko) | 인터넷상의 음란물을 차단하는 방법 및 장치 | |
KR20070094264A (ko) | 신경망을 가지는 협업 필터링 시스템을 이용하여 클릭패턴에 기초한 웹 광고 추천 방법 및 그 시스템 | |
CN113221015B (zh) | 一种同源用户确定及同源网络构建方法、***及存储介质 | |
CN115580649B (zh) | 一种基于用户网络行为的智能信息推送方法 | |
CN116610040A (zh) | 一种基于物联网的智能家电控制方法、***及装置 | |
CN117596621A (zh) | 上网满意度预测方法、装置、电子设备及计算机存储介质 | |
KR101483189B1 (ko) | 통합 정보를 이용한 사용자 맞춤형 광고 제공 방법 및 시스템 | |
KR20070094056A (ko) | 협업 필터링 시스템을 이용하여 클릭 패턴에 기초한 웹광고 추천 방법 및 그 시스템 | |
KR102458373B1 (ko) | 반응형 고객 분류에 표적 추출과 이를 이용한 관리 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |