CN116684481B - 推送信息同质化的处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请涉及一种推送信息同质化的处理方法、装置、电子设备及存储介质，所述方法，通过获取当前用户信息，判断基于当前用户信息生成的第一推送信息集合是否属于同质化类型；并在第一推送信息集合属于同质化类型的情况下，确定第一推送信息集合的推送成因类型，以此基于推送成因类型确定调整策略，基于调整策略调整第一推送信息集合中的推送信息，以生成目标推送信息集合。由此，通过第一推送信息集合是否属于同质化类型，来判断当前是否存在同质化问题，并且在存在同质化问题的情况下，可以利用调整策略调整推送信息确定出目标推送信息集合，克服第一推送信息所存在的同质化问题，实现了为用户提供多样性推送内容的效果。

Description

推送信息同质化的处理方法、装置、电子设备及存储介质

技术领域

本申请涉及计算机领域，尤其涉及一种推送信息同质化的处理方法、装置、电子设备及存储介质。

背景技术

随着互联网的发展，个性化推送方式是目前信息流推送产品的核心，个性化推送方式主要通过用户信息帮助用户在海量数据中筛选出感兴趣的内容。

个性化推送方式可以在多种场景中使用，例如购物平台、短视频平台等。个性化推送方式生成推送信息的过程中，主要是以用户信息中的点击率、消费时长、观看时长等数据来决定推送策略，会逐渐生成更为符合用户信息的推送信息，但是，此时也会使得推送信息的内容越来越单一，将该种情况称为推送信息存在同质化问题。

发明内容

为了解决上述技术问题，本申请提供了一种推送信息同质化的处理方法、装置、电子设备及存储介质。

第一方面，本申请提供了一种推送信息同质化的处理方法，所述方法包括：

获取当前用户信息；

判断基于所述当前用户信息生成的第一推送信息集合是否属于同质化类型；属于所述同质化类型表示所述第一推送信息集合中，属于目标类别的推送信息的比例，大于预设阈值；

在所述第一推送信息集合属于所述同质化类型的情况下，确定所述第一推送信息集合的推送成因类型；

基于所述推送成因类型确定调整策略，所述调整策略表示调整所述第一推送信息集合中的推送信息的策略；

基于所述调整策略调整所述第一推送信息集合中的推送信息，以生成目标推送信息集合。

可选地，所述判断基于所述当前用户信息生成的第一推送信息集合是否属于同质化类型，包括：

基于所述当前用户信息，确定第一用户特征集合，所述第一用户特征集合表示基于所述当前用户信息确定的特征的集合；

将所述第一用户特征集合输入至预设预测模型，以判断所述第一推送信息集合是否属于所述同质化类型。

可选地，所述预测模型的训练过程如下：

获取第一用户信息，以及基于所述第一用户信息，确定的第二推送信息集合；

确定所述第二推送信息集合的第二同质化信息，所述第二同质化信息表示所述第二推送信息集合是否属于所述同质化类型；

基于所述第一用户信息确定第二用户特征集合，所述第二用户特征集合表示基于所述第一用户信息确定的特征的集合；

将所述第二用户特征集合作为输入数据，将所述第二同质化信息作为期望输出数据，训练得到所述预测模型。

可选地，所述将所述第一用户特征集合输入至预设预测模型，以判断所述第一推送信息集合是否属于所述同质化类型，包括：

将所述第一用户特征集合输入至预设预测模型；

基于所述预测模型的输出，确定第一同质化信息，所述第一同质化信息表示所述第一推送信息集合是否属于所述同质化类型；

基于所述第一同质化信息，判断所述第一推送信息集合是否属于所述同质化类型。

可选地，所述将所述第一用户特征集合输入至预设预测模型，之后还包括：

基于所述预测模型的输出，确定特征排序表，所述特征排序表表示所述第一用户特征集合中特征的重要度由高到低的排序表；

将所述特征排序表中重要度低于预设重要度的特征，确定为第一目标特征信息；

将所述第一目标特征信息表示的特征从所述第一用户特征集合中移除。

可选地，所述在所述第一推送信息集合属于所述同质化类型的情况下，确定所述第一推送信息集合的推送成因类型，包括：

在所述第一推送信息集合属于所述同质化类型的情况下，确定所述目标类别的类型信息；

基于类型信息确定所述第一推送信息集合的推送成因类型。

可选地，所述判断基于所述当前用户信息生成的第一推送信息集合是否属于同质化类型，之后包括：

在基于所述当前用户信息生成的第一推送信息集合不属于所述同质化类型的情况下，确定预设时间后的目标用户信息；

判断基于所述目标用户信息，生成的第三推送信息集合是否属于所述同质化类型；

在所述第三推送信息集合属于所述同质化类型的情况下，输出预警信息。

第三方面，提供了一种推送信息同质化的处理装置，所述装置包括：

获取模块，用于获取当前用户信息；

第一判断模块，用于判断基于所述当前用户信息生成的第一推送信息集合是否属于同质化类型；属于所述同质化类型表示所述第一推送信息集合中，属于目标类别的推送信息的比例，大于预设阈值；

第一确定模块，用于在所述第一推送信息集合属于所述同质化类型的情况下，确定所述第一推送信息集合的推送成因类型；

第二确定模块，用于基于所述推送成因类型确定调整策略，所述调整策略表示调整所述第一推送信息集合中的推送信息的策略；

生成模块，用于基于所述调整策略调整所述第一推送信息集合中的推送信息，以生成目标推送信息集合。

第三方面，提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现第一方面任一项实施例所述的方法。

第四方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项实施例所述的方法。

本申请实施例提供的上述技术方案与现有技术相比具有如下优点：

本申请实施例提供的该方法，通过获取当前用户信息，判断基于当前用户信息生成的第一推送信息集合是否属于同质化类型；属于同质化类型表示第一推送信息集合中，属于目标类别的推送信息的比例，大于预设阈值，并在第一推送信息集合属于同质化类型的情况下，确定第一推送信息集合的推送成因类型，以此基于推送成因类型确定调整策略，调整策略表示调整第一推送信息集合中的推送信息的策略，基于调整策略调整第一推送信息集合中的推送信息，以生成目标推送信息集合。由此，通过第一推送信息集合是否属于同质化类型，来判断当前是否存在同质化问题，并且在存在同质化问题的情况下，可以利用调整策略调整推送信息确定出目标推送信息集合，克服第一推送信息所存在的同质化问题，实现了为用户提供多样性推送内容的效果。

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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种推送信息同质化的处理方法的流程示意图；

图2为本申请实施例提供的一种推送信息同质化的处理装置的结构示意图；

图3为本申请实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

在现有的推送信息生成的过程中，更多的会注重推送信息是否符合用户的浏览习惯或使用习惯，也即期望生成更为针对用户的推送信息，但是，若仅根据用户的浏览习惯或使用习惯来生成针对用户的推送信息，则会使得推送信息的内容越来越单一，随着时间的增长，用户仅能接收到过于单一的推送信息，该情况则称为形成了推送信息存在同质化问题；此时会导致无法为用户提供多样化的推送信息，用户易出现审美疲劳，进一步使得用户对于客户端使用率低的问题。也即单一的推送信息虽然可以为用户提供针对性的内容，但是会存在同质化问题并且无法引导用户查看多样性的内容，导致用户使用体验感单一的问题。

图1为本申请实施例提供的一种推送信息同质化的处理方法的流程示意图。

如图1所示的，本申请公开一实施例，提供了一种推送信息同质化的处理方法，所述方法包括：

S110：获取当前用户信息。

本实施例中推送信息同质化的处理方法可以应用于服务端，当前用户信息可以包括用户标识、时间戳等信息；当前用户信息还可以包括通过用户标识以及时间戳确定的历史信息，历史信息可以包括浏览记录、点击记录、浏览时长、历史推送信息等。

通常情况下，在生成推送信息的过程是仅基于用户信息进行生成的，而该方式会存在前述的易出现生成过于单一的推送内容的问题。

S120：判断基于当前用户信息生成的第一推送信息集合是否属于同质化类型；属于同质化类型表示第一推送信息集合中，属于目标类别的推送信息的比例，是否大于预设阈值。

本实施例中，在获取当前用户信息后，判断基于所述当前用户信息生成的第一推送信息集合是否属于同质化类型，其中第一推送信息集合是否同质化类型，表示第一推送信息集合中，属于目标类别的推送信息的比例，是否大于预设阈值，大于的情况说明第一推送信息集合属于同质化类型，不大于的情况说明第一推送信息集合不属于同质化类型，属于同质化类型说明第一推送信息集合中的推送信息内容过于单一存在同质化问题，不属于同质化类型说明第一推送信息集合并不存在同质化问题；其中，第一推送信息集合表示基于当前用户信息生成的推送信息的集合，目标类别表示第一推送信息集合中占比最大的推送信息的类别，各个推送信息均会有预先确定好的类别，例如搞笑类、生活类、娱乐明星类等。因此，在目标类别的推送信息的比例大于预设阈值的情况下，说明当前第一推送信息集合中的推送信息较为单一，不具备多样性的推送信息，此时第一推送信息集合属于同质化类型，需要调整第一推送信息集合中的推送信息；而在目标类别的推送信息的比例不大于预设阈值的情况下，说明当前第一推送信息集合中的推送信息不存在较为单一的同质化问题，此时第一推送信息集合不属于同质化类型，可以暂时不调整第一推送信息集合中的推送信息。需要说明的是预设阈值可以根据需求进行确定，例如40％、50％等。以此通过判断目标类别的推送信息的比例，是否大于预设阈值，起到判断第一推送信息集合中的推送信息是否存在内容单一不具备多样性的同质化问题的作用。

在判断当前用户信息生成的第一推送信息集合是否属于同质化类型的过程中，可以采用神经网络模型、决策树算法、随机森林算法等方式。

在一实施例中，S120判断基于当前用户信息生成的第一推送信息集合是否属于同质化类型，可以包括：

基于当前用户信息，确定第一用户特征集合，第一用户特征集合表示基于当前用户信息确定的特征的集合；

将第一用户特征集合输入至预设预测模型，以判断第一推送信息集合是否属于同质化类型。

本实施例中，以随机森林算法的方式建立模型为例进行说明，在获取当前用户信息后，首先基于当前用户信息，确定第一用户特征集合，第一用户特征集合表示基于当前用户信息可以确定的特征的集合，其中，当前用户信息可以包括用户标识、时间戳、星期几、工作日信息、周末信息、节假日信息、距离上次访问的时间等信息，第一用户特征集合中的特征可以包括该用户标识在该时间戳之前的历史信息，例如浏览记录、点击记录、浏览时长、历史推送信息、平均点击时间间隔、平均浏览时间间隔等。接着，将第一用户特征集合输入至预设预测模型，以判断第一推送信息集合是否属于同质化类型，其中预设的预测模型为预先训练完成的以随机森林算法的方式建立的模型，预测模型的输出是表示第一推送信息集合是否属于同质化类型的信息，例如输出为0或1，0表示第一推送信息集合不属于同质化类型，1表示第一推送信息集合属于同质化类型。

需要说明的是，本实施例中的用户信息可以包括时间戳或者时间段，时间戳表示具体的时间点，而时间段则是表示以当前时间点为开始时间点经过预设时间长度的时间段，另外，可以是在时间窗口范围内执行判断基于当前用户信息生成的第一推送信息集合是否属于同质化类型的步骤，时间窗口范围表示的是一段包含多个连续行为的时间片段，连续指的是前后两次行为的时间间隔不超过缓存时长，超过缓存时长缓存会释放，此时的行为则被确定为新的时间窗口，例如缓存时长为30分钟，时间窗口范围表示的是前后两次行为的时间间隔不超过30分钟，超过30分钟的行为则被确定为新的时间窗口；缓存时长是缓存机制中的一种参数，客户端的缓存机制使得客户端可以将数据暂时存储缓存时长的时间，例如客户端接收到服务端发送的第一推送信息集合后，第一推送信息集合会在客户端中以缓存的形式保存缓存时长的时间。在缓存时长内展示第一推送信息集合中的推荐信息过程是，在第一推送信息集合中包括100个推送信息时，客户端每次展示10个推送信息，剩余90个未展示推送信息，在缓存时长内客户端刷新推送信息时，会从90个未展示推送信息中重新选择10个推送信息进行展示。因此，间隔时长超过缓存时长会释放缓存的信息，视为新的时间窗口的开始。

在一例子中，第一推送信息集合中的特征可以包括如下表1的特征内容：

表1

其中，历史时间戳表示当前用户信息的时间戳之前的历史时间戳，特征名称表示各个特征的名称，特征说明表示对特征的解释说明。

在一实施例中，预测模型的训练过程如下：

获取第一用户信息，以及基于第一用户信息，确定的第二推送信息集合；

确定第二推送信息集合的第二同质化信息，第二同质化信息表示第二推送信息集合中是否属于所述同质化类型；

基于第一用户信息确定第二用户特征集合，第二用户特征集合表示基于第一用户信息确定的特征的集合；

将第二用户特征集合作为输入数据，将第二同质化信息作为期望输出数据，训练得到预测模型。

本实施例中，对于预测模型的训练包括训练数据获取过程以及训练过程，训练数据获取过程可以是，获取第一用户信息，以及基于第一用户信息，确定的第二推送信息集合，其中第一用户信息表示历史用户信息，第二推送信息集合表示根据第一用户信息所生成的第二推送信息集合；接着，基于第一用户信息确定第二用户特征集合，第二用户特征集合表示基于第一用户信息确定的特征的集合。训练过程可以是，将第二用户特征集合作为输入数据，将第二同质化信息作为期望输出数据，训练得到预测模型。

在一实施例中，将第一用户特征集合输入至预设预测模型，以判断第一推送信息集合是否属于同质化类型，包括：

将第一用户特征集合输入至预设预测模型；

基于预测模型的输出，确定第一同质化信息，第一同质化信息表示第一推送信息集合是否属于同质化类型；

基于第一同质化信息，判断第一推送信息集合是否属于同质化类型。

本实施例中，第一用户特征集合输入至预设预测模型后，预测模型会基于第一用户特征集合输出第一同质化信息，第一同质化信息表示第一推送信息集合是否属于同质化类型，然后基于第一同质化信息，来判断判断第一推送信息集合是否属于同质化类型，例如第一同质化信息可以是0或1，第一同质化信息为0时表示第一推送信息集合不属于同质化类型，第一同质化信息为1时表示第一推送信息集合不属于同质化类型。

在一实施例中，将第一用户特征集合输入至预设预测模型，之后还包括：

基于预测模型的输出，确定特征排序表，特征排序表表示第一用户特征集合中特征的重要度由高到低的排序表；

将特征排序表中重要度低于预设重要度的特征，确定为第一目标特征信息；

将第一目标特征信息表示的特征从第一用户特征集合中移除。

本实施例中，由于预测模型的输入为第一用户特征集合，而第一用户特征集合中的特征可以是预先选择配置的特征，因此其中一些特征在预测模型运行计算的过程中可能并未利用到。本实施例中预测模型可以输出第一同质化信息之外，还可以输出特征排序表，特征排序表表示第一用户特征集合中特征的重要度由高到低的排序表，也即特征排序表可以起到确定各个特征在进行预测的过程中的重要度排序的作用；接着，将特征排序表中重要度低于预设重要度的特征，确定为第一目标特征信息，也即第一目标特征信息表示的特征是在进行预测模型运行计算过程中重要度较低的特征；然后，将第一目标特征信息表示的特征从第一用户特征集合中移除。通过将进行预测模型运行计算过程中重要度较低的特征进行移除，起到简化第一用户特征集合生成的过程，以及减少预测模型输入数据量的作用，实现了提高预测模型响应效率以及第一用户特征集合有效性的效果。

需要说明的是预设重要度可以根据需求进行确定，例如重要度可以包括重要度0、1、2、3四个级别，重要度0表示进行预测模型运行计算过程中并未使用到重要度级别，重要度1、2、3表示使用率依次递增的重要度级别级别。例如第一用户特征集合中包括有特征1-100，根据特征排序表的排序顺序，确定特征10-20的重要度为0，此时预设重要度1，低于重要度1的为重要度0，因此将特征10-20确定为第一目标特征信息，并将第一目标特征信息表示的特征10-20从第一用户特征集合中移除，以使得后续，再次执行基于所述当前用户信息，确定第一用户特征集合的步骤时，无需确定特征10-20，起到简化第一用户特征集合的作用，以此提高预测模型响应效率。

S130：在第一推送信息集合属于所述同质化类型的情况下，确定第一推送信息集合的推送成因类型。

本实施例中，在第一推送信息集合属于所述同质化类型的情况下，说明根据当前用户信息直接生成的第一推送信息集合会存在内容单一的同质化问题，此时则需要调整第一推送信息集合中的推送信息，具体调整则需要先确定第一推送信息集合的推送成因类型，推送成因类型表示第一推送信息集合中推送信息的主要生成类型，由于推送信息是根据当前用户信息进行生成的，而具体生成过程则可以根据用户个性进行生成、时事热点进行生成、***主动推送生成等，因此推送成因类型可以是***主动推送成因类型、用户个性推送成因类型、热点推送成因类型等。以便于后续可以根据推送成因类型进行针对性的调整第一推送信息集合中的推送信息。

在一实施例中，在第一推送信息集合属于同质化类型的情况下，确定第一推送信息集合的推送成因类型，包括：

在第一推送信息集合属于同质化类型的情况下，确定目标类别的类型信息；

基于类型信息确定第一推送信息集合的推送成因类型。

本实施例中，在第一推送信息集合属于同质化类型的情况下，确定目标类别的类型信息，目标类别表示第一推送信息集合中占比最大的推送信息的类别，类型信息可以表示目标类别的生成类型，类型信息可以是***主动推送成因类型、用户个性推送成因类型、热点推送成因类型。在一例子中，第一推送信息集合中包括10个推送信息，其中6个推送信息的类别为娱乐圈热点，此时目标类别则为娱乐圈热点，而该娱乐圈热点所属的类型信息为时事热点，此时基于时事热点的类型信息，则可以确定第一推送信息集合的推送成因类型为热点推送成因类型。

S140：基于推送成因类型确定调整策略，调整策略表示调整第一推送信息集合中的推送信息的策略。

本实施例中，调整策略表示调整第一推送信息集合中的推送信息的策略，可以是改变生成第一推送信息集合中的推送信息的方式，例如推送成因类型为热点推送成因类型时，说明当前根据时事热点生成的推送信息较多，此时确定的调整策略则可是减低降低生成推送信息过程中的时事热点比例的策略，在推送成因类型为用户个性推送成因类型时，说明当前根据用户个性化生成的推送信息较多，此时确定的调整策略则可是减低降低生成推送信息过程中的用户个性化比例的策略或者增加时事热点比例的策略等，以此起到根据不同的推送成因类型确定出不同的调整策略，以此实现根据推送成因类型确定出适合当前第一推送信息集合的调整策略的效果。

S150：基于调整策略调整第一推送信息集合中的推送信息，以生成目标第一推送信息集合。

本实施例中，基于调整策略调整第一推送信息集合中的推送信息，则是调整生成第一推送信息集合的过程，推送成因类型为热点推送成因类型时，确定的调整策略是降低生成推送信息过程中的时事热点比例的策略，此时调整生成第一推送信息集合的过程中减低生成时事热点的推送信息的比例，使得其他推送信息的比例增加，以此生成的目标第一推送信息集合则是克服了推送内容单一的同质化问题；最后可以输出目标第一推送信息集合至客户端，实现了生成推送内容多样性的目标第一推送信息集合的效果，也是使得用户的使用体验感更为多样性。

在一实施例中，判断基于当前用户信息生成的第一推送信息集合是否属于同质化类型，之后包括：

在基于当前用户信息生成的第一推送信息集合不属于同质化类型的情况下，确定预设时间后的目标用户信息；

判断基于目标用户信息，生成的第三推送信息集合是否属于同质化类型；

在第三推送信息集合属于同质化类型的情况下，输出预警信息。

本实施例中，在基于当前用户信息生成的第一推送信息集合不属于同质化类型的情况下，说明根据当前生成的第一推送信息集合并不存在内容单一的同质化问题，由于生成推送信息会与当前用户信息的时间戳存在密切关系，因此可能在时间戳改变之后，也即预设时间后的将来可能会存在生成的第三推送信息集合存在内容单一的同质化问题。为了预测预设时间后的将来所生成的第三推送信息集合是否会存在内容单一的同质化问题，可以确定预设时间后的目标用户信息，判断基于目标用户信息，生成的第三推送信息集合是否属于同质化类型，其中，目标用户信息则是改变了当前用户信息中时间戳的用户信息，针对目标用户信息可以再次执行S120-S150的步骤，以此起到判断预设时间后生成的第三推送信息集合是否会存在内容单一的同质化问题。在第三推送信息集合属于同质化类型的情况下，说明预设时间后生成的第三推送信息集合存在内容单一的同质化问题，此时需要输出预警信息，服务端可以根据输出的预警信息提前调整优化生成第三推送信息集合的策略，以此实现了对预设时间后的第三推送信息集合进行同质化问题预警的效果。

在一例子中，预测模型可以是基于窗口获取平台的多个用户信息，因此可以通过多个时间点抽样进行天级预测，通过对多个用户信息分别执行S120-S150的步骤，其中多个用户信息可以包括不同用户、不同时间点的用户信息，以此将预测结果上升到平台的同质化问题预测。

进一步的，由于本实施例的推送信息同质化的处理方法可以应用于服务端，而服务端会与多个客户端连接，各个客户端均会包括不同的用户信息，也即会存在多个用户信息的情况，此时则可以获取与服务端连接的客户端的用户信息，对各个用户信息执行S120-S150的步骤，以此起到判断服务端当前生成推送信息集合的方式是否具备多样性的作用。

如图2所示的，本申请还公开一实施例，提供了一种推送信息同质化的处理装置，装置包括：

获取模块210，用于获取当前用户信息；

第一判断模块220，用于判断基于所述当前用户信息生成的第一推送信息集合是否属于同质化类型；属于所述同质化类型表示所述第一推送信息集合中，属于目标类别的推送信息的比例，大于预设阈值；

第一确定模块230，用于在所述第一推送信息集合属于所述同质化类型的情况下，确定所述第一推送信息集合的推送成因类型；

第二确定模块240，用于基于所述推送成因类型确定调整策略，所述调整策略表示调整所述第一推送信息集合中的推送信息的策略；

生成模块250，用于基于所述调整策略调整所述第一推送信息集合中的推送信息，以生成目标推送信息集合。

在一实施例中，第一判断模块220可以包括：

第一确定单元，用于基于当前用户信息，确定第一用户特征集合，第一用户特征集合表示基于当前用户信息确定的特征的集合；

预测单元，用于将第一用户特征集合输入至预设预测模型，以判断第一推送信息集合是否属于所述同质化类型。

在一实施例中，预测模型的训练过程如下：

获取第一用户信息，以及基于所述第一用户信息，确定的第二推送信息集合；

确定所述第二推送信息集合的第二同质化信息，所述第二同质化信息表示所述第二推送信息集合是否属于所述同质化类型；

基于所述第一用户信息确定第二用户特征集合，所述第二用户特征集合表示基于所述第一用户信息确定的特征的集合；

将所述第二用户特征集合作为输入数据，将所述第二同质化信息作为期望输出数据，训练得到所述预测模型。

在一实施例中，预测单元可以包括：

输入子单元，用于将第一用户特征集合输入至预设预测模型；

第一确定子单元，用于基于预测模型的输出，确定第一同质化信息，所述第一同质化信息表示所述第一推送信息集合是否属于所述同质化类型；

判断子单元，用于基于所述第一同质化信息，判断所述第一推送信息集合是否属于所述同质化类型。

在一实施例中，预测单元可以还可以包括：

第二确定子单元，用于基于预测模型的输出，确定特征排序表，特征排序表表示第一用户特征集合中特征的重要度由高到低的排序表；

第三确定子单元，用于将特征排序表中重要度低于预设重要度的特征，确定为第一目标特征信息；

移除子单元，用于将第一目标特征信息表示的特征从第一用户特征集合中移除。

在一实施例中，第一确定模块230可以包括：

第二确定单元，用于在所述第一推送信息集合属于所述同质化类型的情况下，确定目标类别的类型信息；

第三确定单元，用于基于类型信息确定第一推送信息集合的推送成因类型。

在一实施例中，所述装置还可以包括：

第三确定模块，用于在基于所述当前用户信息生成的第一推送信息集合不属于所述同质化类型的情况下，确定预设时间后的目标用户信息；

第二判断模块，用于判断基于所述目标用户信息，生成的第三推送信息集合是否属于所述同质化类型；

预警模块，用于在所述第三推送信息集合属于所述同质化类型的情况下，输出预警信息。

上述装置中各个模块的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。

如图3所示，本申请实施例提供了一种电子设备，包括处理器310、通信接口320、存储器330和通信总线340，其中，处理器310，通信接口320，存储器330通过通信总线340完成相互间的通信，

存储器330，用于存放计算机程序；

在本申请一个实施例中，处理器310，用于执行存储器330上所存放的程序时，实现前述任意一个方法实施例提供的方法。

本申请实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如前述任意一个方法实施例提供的方法。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

上述对本说明书实施例特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (9)

1.一种推送信息同质化的处理方法，其特征在于，所述方法包括：

获取当前用户信息；

判断基于所述当前用户信息生成的第一推送信息集合是否属于同质化类型，包括：基于所述当前用户信息，确定第一用户特征集合，所述第一用户特征集合表示基于所述当前用户信息确定的特征的集合；将所述第一用户特征集合输入至预设预测模型，以判断所述第一推送信息集合是否属于所述同质化类型；属于所述同质化类型表示所述第一推送信息集合中，属于目标类别的推送信息的比例，大于预设阈值；

在所述第一推送信息集合属于所述同质化类型的情况下，确定所述第一推送信息集合的推送成因类型；

基于所述推送成因类型确定调整策略，所述调整策略表示调整所述第一推送信息集合中的推送信息的策略；

基于所述调整策略调整所述第一推送信息集合中的推送信息，以生成目标推送信息集合。

2.根据权利要求1所述的方法，其特征在于，所述预测模型的训练过程如下：

获取第一用户信息，以及基于所述第一用户信息，确定的第二推送信息集合；

确定所述第二推送信息集合的第二同质化信息，所述第二同质化信息表示所述第二推送信息集合是否属于所述同质化类型；

基于所述第一用户信息确定第二用户特征集合，所述第二用户特征集合表示基于所述第一用户信息确定的特征的集合；

将所述第二用户特征集合作为输入数据，将所述第二同质化信息作为期望输出数据，训练得到所述预测模型。

3.根据权利要求1所述的方法，其特征在于，所述将所述第一用户特征集合输入至预设预测模型，以判断所述第一推送信息集合是否属于所述同质化类型，包括：

将所述第一用户特征集合输入至预设预测模型；

基于所述预测模型的输出，确定第一同质化信息，所述第一同质化信息表示所述第一推送信息集合是否属于所述同质化类型；

基于所述第一同质化信息，判断所述第一推送信息集合是否属于所述同质化类型。

4.根据权利要求3所述的方法，其特征在于，所述将所述第一用户特征集合输入至预设预测模型，之后还包括：

基于所述预测模型的输出，确定特征排序表，所述特征排序表表示所述第一用户特征集合中特征的重要度由高到低的排序表；

将所述特征排序表中重要度低于预设重要度的特征，确定为第一目标特征信息；

将所述第一目标特征信息表示的特征从所述第一用户特征集合中移除。

5.根据权利要求1所述的方法，其特征在于，所述在所述第一推送信息集合属于所述同质化类型的情况下，确定所述第一推送信息集合的推送成因类型，包括：

在所述第一推送信息集合属于所述同质化类型的情况下，确定所述目标类别的类型信息；

基于类型信息确定所述第一推送信息集合的推送成因类型。

6.根据权利要求1所述的方法，其特征在于，所述判断基于所述当前用户信息生成的第一推送信息集合是否属于同质化类型，之后包括：

在基于所述当前用户信息生成的第一推送信息集合不属于所述同质化类型的情况下，确定预设时间后的目标用户信息；

判断基于所述目标用户信息，生成的第三推送信息集合是否属于所述同质化类型；

在所述第三推送信息集合属于所述同质化类型的情况下，输出预警信息。

7.一种推送信息同质化的处理装置，其特征在于，所述装置包括：

获取模块，用于获取当前用户信息；

第一判断模块，用于判断基于所述当前用户信息生成的第一推送信息集合是否属于同质化类型，包括：基于所述当前用户信息，确定第一用户特征集合，所述第一用户特征集合表示基于所述当前用户信息确定的特征的集合；将所述第一用户特征集合输入至预设预测模型，以判断所述第一推送信息集合是否属于所述同质化类型；属于所述同质化类型表示所述第一推送信息集合中，属于目标类别的推送信息的比例，大于预设阈值；

第一确定模块，用于在所述第一推送信息集合属于所述同质化类型的情况下，确定所述第一推送信息集合的推送成因类型；

第二确定模块，用于基于所述推送成因类型确定调整策略，所述调整策略表示调整所述第一推送信息集合中的推送信息的策略；

生成模块，用于基于所述调整策略调整所述第一推送信息集合中的推送信息，以生成目标推送信息集合。

8.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1-6任一项所述的方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-6任一项所述的方法。