CN113792201A - 用于推送信息的方法和装置 - Google Patents
用于推送信息的方法和装置 Download PDFInfo
- Publication number
- CN113792201A CN113792201A CN202110228067.0A CN202110228067A CN113792201A CN 113792201 A CN113792201 A CN 113792201A CN 202110228067 A CN202110228067 A CN 202110228067A CN 113792201 A CN113792201 A CN 113792201A
- Authority
- CN
- China
- Prior art keywords
- classification
- user group
- sub
- user
- identifier
- 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.)
- Pending
Links
- 230000000875 corresponding Effects 0.000 claims abstract description 137
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 6
- 230000002123 temporal effect Effects 0.000 claims description 5
- 230000004048 modification Effects 0.000 claims description 4
- 238000006011 modification reaction Methods 0.000 claims description 4
- 230000006399 behavior Effects 0.000 description 133
- 238000010586 diagram Methods 0.000 description 11
- 238000006243 chemical reaction Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 5
- 238000000034 method Methods 0.000 description 4
- 230000003287 optical Effects 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003542 behavioural Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000014759 maintenance of location Effects 0.000 description 2
- 230000000644 propagated Effects 0.000 description 2
- 241000531116 Blitum bonus-henricus Species 0.000 description 1
- 235000008645 Chenopodium bonus henricus Nutrition 0.000 description 1
- 210000003666 Nerve Fibers, Myelinated Anatomy 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000001174 ascending Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000003365 glass fiber Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING; 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
Abstract
本公开的实施例公开了用于推送信息的方法和装置。该方法的一具体实施方式包括:获取用户群中的用户的行为数据,以及确定针对用户群的分类标识集,其中,分类标识集中的分类标识用于指示对用户群分类得到子用户群集的分类方式;对于分类标识集中的分类标识,根据行为数据,确定该分类标识对应的子用户群集中的子用户群的行为数据之间的差异度;根据对应的差异度,从分类标识集中选取分类标识作为目标分类标识;向目标分类标识对应的子用户群集中的各子用户群推送信息。该实施方式实现了信息的个性化推送。
Description
技术领域 本公开的实施例涉及计算机技术领域,具体涉及用于推送信息的方法和装置。 背景技术 随着网络技术的快速发展,人们的生活逐渐全面向互联网和移动互联网转移。互联网在为人们提供便利的同时,也带来了信息爆炸的问题。对于用户来说,如何在互联网海量的信息中找到期望的信息是有待解决或进一步优化的问题。 基于此,一些研究人员提出利用基于大数据的数据挖掘和数据分析等方法,帮助用户从海量的信息中筛选出用户所期望的信息。目前,许多如资讯类应用、社交类应用、电商平台、阅读类应用等等都采用了这种手段向用户推送或展示为用户筛选出的信息,以进一步提升用户在使用互联网过程中的体验。 举例来说,一些应用或平台通常会基于对用户历史行为数据的挖掘和分析,为每个用户赋予对应的用户标签。进而,可以基于用户标签,将用户划分成分别对应不同标签的用户群,便于为不同标签的用户群分别提供不同的服务(如推送不同的信息等等),以此来使得用户能够快速地得到其所需的服务。 发明内容 本公开的实施例提出了用于推送信息的方法和装置。 第一方面,本公开的实施例提供了一种用于推送信息的方法,该方法包括:获取用户群中的用户的行为数据,以及确定针对用户群的分类标识集,其中,分类标识集中的分类标识用于指示对用户群分类得到子用户群集的分类方式;对于分类标识集中的分类标识,根据行为数据,确定该分类标识对应的子用户群集中的子用户群的行为数据之间的差异度;根据对应的差异度,从分类标识集中选取分类标识作为目标分类标识;向目标分类标识对应的子用户群集中的各子用户群推送信息。 第二方面,本公开的实施例提供了一种用于推送信息的装置,该装置包括:获取单元,被配置成获取用户群中的用户的行为数据,以及确定针对用户群的分类标识集,其中,分类标识集中的分类标识用于指示对用户群分类得到子用户群集的分类方式;确定单元,被配置成对于分类标识集中的分类标识,根据用户群中的用户的行为数据,确定该分类标识对应的子用户群集中的子用户群的行为数据之间的差异度;选取单元,被配置成根据对应的差异度,从分类标识集中选取分类标识作为目标分类标识;推送单元,被配置成向目标分类标识对应的子用户群集中的各子用户群推送信息。 第三方面,本公开的实施例提供了一种服务器,该服务器包括:一个或多个处理器;存储装置,用于存储一个或多个程序;当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。 第四方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该计算机程序被处理器执行时实现如第一方面中任一实现方式描述的方法。 本公开的实施例提供的用于推送信息的方法和装置,通过用户群中的各用户的行为数据,确定对该用户群的每种分类方式下得到的各子用户群中的用户的行为数据之间的差异度,从而就可以了解每种分类方式下得到的子用户群之间的区分度,进而可以根据各种分类方式分别对应的差异度,选取分类方式并向这种分类方式对应的各子用户群分别推送信息,由此可以根据不同需求实现对用户群的分类方式的灵活控制,以及实现对向用户群中的各用户推送的信息的灵活控制。 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,本公开的其它特征、目的和优点将会变得更明显: 图1是本公开的一个实施例可以应用于其中的示例性系统架构图; 图2是根据本公开的用于推送信息的方法的一个实施例的流程图; 图3是根据本公开的实施例的用于推送信息的方法的一个应用场景的示意图; 图4是根据本公开的用于更新目标分类标识的一个实施例的流程; 图5是根据本公开的用于推送信息的装置的一个实施例的结构示意图; 图6是适于用来实现本公开的实施例的电子设备的结构示意图。 具体实施方式 下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。 需要说明的是,在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。 图1示出了可以应用本公开的用于推送信息的方法或用于推送信息的装置的实施例的示例性架构100。 如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。 终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种客户端应用。例如,浏览器类应用、搜索类应用、购物类应用、社交平台、信息流类应用等等。 终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。 服务器105可以是提供各种服务的服务器,例如为终端设备101、102、103上安装的客户端应用提供支持的后端服务器。例如,服务器105可以从终端设备101、102、103获取用户群中的用户的行为数据,并根据这些行为数据,确定对该用户群的不同分类方式分别对应的差异度,然后根据得到的差异度,选取对该用户群的分类方式,并向利用选取的分类方式得到的子用户群分别推送信息。 需要说明的是,上述用户群中的用户的行为数据也可以直接存储在服务器105的本地,服务器105可以直接提取本地所存储的用户群中的用户的行为数据并进行处理,此时,可以不存在终端设备101、102、103和网络104。 需要说明的是,本公开的实施例所提供的用于推送信息的方法一般由服务器105执行,相应地,用于推送信息的装置一般设置于服务器105中。 还需要指出的是,终端设备101、102、103也可以从本地或其它存储设备获取用户群中的用户的行为数据,并根据这些行为数据,确定对该用户群的不同分类方式分别对应的差异度,然后根据得到的差异度,选取对该用户群的分类方式,并向利用选取的分类方式得到的子用户群分别推送信息。此时,用于推送信息的方法也可以由终端设备101、102、103执行,相应地,用于推送信息的装置也可以设置于终端设备101、102、103中。此时,示例性系统架构100可以不存在服务器105和网络104。 需要说明的是,服务器105可以是硬件,也可以是软件。当服务器105为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器105为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。 应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。 继续参考图2,其示出了根据本公开的用于推送信息的方法的一个实施例的流程200。该用于推送信息的方法包括以下步骤: 步骤201,获取用户群中的用户的行为数据,以及确定针对该用户群的分类标识集。 在本实施例中,用户群由用户组成。用户群可以根据实际的应用需求确定。例如,可以由技术人员等预先指定用户群。又例如,用户群可以根据筛选条件确定。其中,筛选条件可以灵活设置。作为示例,可以预先为不同的用户群设置不同的筛选条件。然后,可以根据当前接收到的筛选条件,选取当前的筛选条件所对应的用户群。 用户的行为数据可以指用户行为相关的各种数据,具体可以根据实际的应用需求或应用场景确定。用户行为也可以根据实际的应用需求或应用场景灵活设置。例如,用户行为包括但不限于浏览行为、点击行为、交易行为等等。又例如,用户行为包括但不限于对指定信息的一次或多次浏览行为、对指定信息的一次或多次交易行为等等。 作为示例,用户行为包括浏览行为时,用户的行为数据可以包括但不限于:浏览次数、浏览时长、浏览发生时间等等。用户行为包括交易行为时,用户的行为数据可以包括但不限于:交易次数、交易发生时间等等。 在本实施例中,用于推送信息的方法的执行主体(如图1所示的服务器)可以从本地或其它存储设备(如图1所示的终端设备101、102、103或连接的数据库等等)获取用户群中的各个用户分别对应的行为数据。 在本实施例中,分类标识可以用于指示针对用户群的分类方式。具体地,通过对用户群进行分类可以将用户群划分成若干子用户群,从而组成子用户群集。一般地,采用不同的分类方式对用户群进行分类得到的子用户群集可以不同。 分类标识集可以由不同的分类标识组成。分类标识集可以根据实际的应用需求确定。例如,分类标识集可以由技术人员等预先指定。又例如,分类标识集可以由针对用户群的所有分类方式对应的分类标识组成,也可以由针对用户群的部分分类方式对应的分类标识组成。 在本实施例中,执行主体可以从本地或其它存储设备获取分类标识集,也可以接收其使用者输入的分类标识集。 步骤202,对于分类标识集中的分类标识,根据用户群中的用户的行为数据,确定该分类标识对应的子用户群集中的子用户群的行为数据之间的差异度。 在本实施例中,每个分类标识对应的差异度可以用于表征该分类标识对应的子用户群集中的各子用户群分别对应的行为数据之间的差异程度。其中,子用户群的行为数据可以指该子用户群中的各用户分别对应的行为数据。 例如,对于一分类标识,可以先确定该分类标识对应的子用户群集中的子用户群两两之间的差异度,然后可以计算得到的所有差异度的平均值作为该分类标识对应的差异度。其中,任意两个子用户群之间的差异度可以使用两个子用户群具有的、不同的用户行为数据的数目表征。 步骤203,根据对应的差异度,从分类标识集中选取分类标识作为目标分类标识。 在本实施例中,可以根据实际的应用场景,灵活采用各种方法从分类标识集中选取分类标识。例如,可以从分类标识集中选取对应的差异度大于预设的差异度阈值的分类标识。 步骤204,向目标分类标识对应的子用户群集中的各子用户群推送信息。 在本实施例中,可以向目标分类标识对应的子用户群集中的各子用户群分别推送信息。具体地,可以根据各个子用户群分别对应的行为数据,向各个子用户群分别推送相同或不同的信息。其中,对于每个子用户群推送的信息的内容可以根据实际的应用需求和/或该子用户群中的用户的行为数据确定。 可选地,可以从分类标识集中选取对应最大差异度的分类标识作为目标分类标识,然后向目标分类标识对应的子用户群集中的各子用户群推送信息。此时,按照目标分类标识指示的分类方式对用户群划分得到的各子用户群的行为数据之间差异最大,进而可以根据这些差异,有针对性地向各子用户群分别推送信息,实现对用户群中的用户的个性化信息推送。 在本实施例的一些可选的实现方式中,可以通过如下步骤,根据用户群中的用户的行为数据,确定每个分类标识对应的差异度: 步骤一,对于该分类标识对应的子用户群集中的子用户群,根据该子用户群中的用户的行为数据,确定该子用户群的行为指标值。 在本步骤中,子用户群的行为指标可以指针对用户的行为设置的行为指标,具体可以根据实际的应用需求由技术人员预先设置。例如,行为指标包括但不限于:点击率、转化率、留存率等等。子用户群的行为指标值一般可以对该子用户群中的各用户的行为数据进行统计分析等处理确定。 可选地,子用户群的行为指标值可以指目标时间段对应的行为指标值。其中,目标时间段可以根据具体的应用需求进行设置。例如,行为指标值可以指统计分析出的用户在最近一周内的点击率或转化率或留存率等。由此可以根据实际采集到的用户群中的用户的行为数据,更灵活、准确地确定子用户群的行为指标值。 步骤二,根据该分类标识对应的各子用户群分别对应的行为指标值,确定该分类标识对应的差异度。 在本步骤中,在得到分类标识对应的各子用户群分别对应的行为指标值之后,可以灵活采用各种方法确定该分类标识对应的差异度。例如,可以计算各子用户群分别对应的行为指标值的方差或标准差,并使用得到的方差或标准差来表征该分类标识对应的差异度。 由于用户群的行为指标值可以反映用户群中的用户的一些属性。例如,点击率、转化率等可以反映用户的偏好等等。因此,基于对应的各子用户群的行为指标值确定分类标识对应的差异度,可以比较准确地表示该分类标识对应的各子用户群中的用户的偏好等属性的差异,进而便于为不同属性的用户分别提供不同服务,以提升服务质量。 可选地,可以通过如下步骤根据每个分类标识对应的各子用户群分别对应的行为指标值,确定该分类标识对应的差异度: 步骤一,将该分类标识对应的各子用户群分别对应的行为指标值顺序排列,得到行为指标值序列。 在本步骤中,可以按照对应的行为指标值的大小关系,将各个子用户群分别对应的行为指标值顺序排列。例如,可以按照从小到大的顺序将各个子用户群分别对应的行为指标值进行升序排列。 步骤二,确定行为指标值序列中相邻的行为指标值的差值。 在本步骤中,可以分别计算指标值序列中各组相邻的两个行为指标值的差值。作为示例,指标值序列包括第一指标值、第二指标值和第三指标值,则分别确定第一指标值和第二指标值的差值、第二指标值和第三指标值的差值。一般地,差值可以为非负数。 步骤三,根据确定的差值,确定该分类标识对应的差异度。 在本步骤中,可以根据得到的各个差值,采用各种方法确定该分类标识对应的差异度。例如,可以计算得到的各个差值的方差或平均差或总和等,并使用计算得到的方差或平均差或总和等表征该分类标识对应的差异度。 又例如,对于每组相邻的两个行为指标值,可以计算该组的两个行为指标值的相邻差占比,其中,相邻差占比可以表示这两个行为指标值的差值与较大的行为指标值的比值。然后,可以计算各组相邻的行为指标值分别对应的相邻差占比的总和,并使用计算得到的总和表征该分类标识对应的差异度。 利用相邻差占比可以更准确地表示两个子用户群中的用户差异,从而有助于更准确地表示每个分类标识对应的各子用户群之间的差异,提升分类标识的差异度的准确性。 在本实施例的一些可选的实现方式中,分类标识集中的分类标识指示的分类方式用于根据用户的目标行为的时间特征或频率特征对用户群分类。 其中,目标行为可以是用户的各种行为,具体可以根据实际的应用需求由技术人员预先确定。时间特征可以指与用户的目标行为的发生时间相关的特征。例如,时间特征可以直接使用用户的目标行为的发生时间来表征。频率特征可以指与用户的目标行为发生的频率相关的特征。例如,频率特征可以使用用户执行目标行为的频率来表征。 可选地,时间特征可以使用用户的目标行为的最近发生时刻与目标时刻之间的时间差来表征。其中,目标时刻可以根据实际的应用需求或应用场景灵活设置。例如,目标时刻可以为当前时刻,也可以为预设时刻。 在根据时间特征对用户群进行分类时,具体可以通过对时间进行分段来实现对用户群中的用户的分类。例如,在时间特征指示用户最近一次的浏览行为与预设日期之间间隔的天数。则此时可以通过对用户最近一次的浏览行为与预设日期之间间隔的天数的不同划分来实现对用户群的不同分类。 作为示例,分类标识可以为(3,7,14),该分类标识指示的分类方式可以将用户群划分成4个类别。其中,最近一次的浏览行为与预设日期之间间隔的天数在3天之内的用户为第一类别,最近一次的浏览行为与预设日期之间间隔的天数在3天至7天之间的用户为第二类别,最近一次的浏览行为与预设日期之间间隔的天数在7天至14天的用户为第三类别,最近一次的浏览行为与预设日期之间间隔的天数超过14天的用户为第四类别。 可选地,频率特征可以采用目标时间段内用户执行目标行为的频率来表征。其中,目标时间段可以根据具体的应用需求灵活设置。例如,目标时间段可以为最近一周内,也可以为最近一年内。 在根据频率特征对用户群进行分类时,具体可以通过频率进行分段来实现对用户群中的用户的分类。例如,在频率特征指示用户最近一年内的交易行为的次数。则此时可以通过对用户最近一年内的交易行为的次数的不同划分来实现对用户群的不同分类。 作为示例,分类标识可以为(5,20),该分类标识指示的分类方式可以将用户群划分成3个类别。其中,最近一年内的交易行为的次数在5次之内的用户为第一类别,最近一年内的交易行为的次数在5次至20次之间的用户为第二类别,最近一年内的交易行为的次数超过20次的用户为第三类别。 此时,获取的用户群中的用户的行为数据可以包括表征用户的目标行为的时间特征或频率特征的数据。 在本实施例的一些可选的实现方式中,用户群可以根据目标对象确定。例如,可以预先设置有用户群与目标对象之间的关系。此时,可以根据目标对象查找对应的用户群。具体地,可以根据预先指定的目标对象或当前接收到的指令指示的目标对象,确定与目标对象对应的用户群,从而获取用户群中的用户的行为数据。此时,用户群中的用户的行为数据可以指用户针对该目标对象的行为数据。由此可以实现对目标对象的相关用户群的分类。 其中,目标对象可以是任意的对象。例如,目标对象可以是各种物品或服务等等。作为示例,当使用指定的类目表征目标对象时,目标对象即为该类目下包括的所有物品或服务等。 可选地,可以接收针对目标对象的信息推送请求,然后可以获取用户群中的用户针对该目标对象的行为数据,再根据获取的行为数据,从分类标识集中选取目标分类标识,以向目标分类标识对应的子用户群集中的各子用户群推送该目标对象的相关信息。 其中,目标对象可以是任意的对象。用户群可以由对该目标对象具有目标行为的全部或部分用户组成。其中,目标行为可以根据具体的应用场景设置。由此可以实现对目标对象的用户群的灵活分类,从而实现针对目标对象的相关信息的个性化推送。 此时,还可以进一步存储目标对象与目标分类标识的对应关系。 在本实施例的一些可选的实现方式中,用户群中的用户属于相同的用户类别,且用户类别根据用户群中的用户的行为数据确定。此时,分类标识集中的分类标识用于指示根据用户的行为数据对用户进行进一步地细分类,以确定用户群中的每个用户所属的子类别。 例如,被推送过目标对象的相关信息的用户属于第一类别、浏览过目标对象的相关信息的用户属于第二类别、执行过针对目标对象的交易行为的用户属于第三类别、执行的针对目标对象的交易行为的次数大于预设阈值的用户属于第四类别。此时,可以按照该分类方式先将目标对象的用户群划分成四个类别。 然后,对于每个类别的用户群都可以通过执行上述步骤201-204的方法以确定对该子用户群的分类方式,再按照确定的分类方式进行针对性地信息推送。 在许多情况下,用户的数量是海量的,而且即使在对用户分类之后,每个类别的用户群包括的用户的数目仍然是非常多的。此时,通过对每个类别的用户群进一步细分,能够更有针对性地对每个用户进行信息推送,提升信息推送的准确性。 在本实施例的一些可选的实现方式中,在从分类标识集中选出目标分类标识之后,可以进一步展示目标分类标识指示的分类方式针对用户群的分类结果信息。 其中,分类结果信息可以指与分类结果相关的各种信息。例如,分类结果信息可以包括按照目标分类标识对用户群进行划分后得到的子用户群集。 可选地,分类结果信息可以包括目标分类标识对应的子用户群集的属性信息。其中,子用户群集的属性信息可以指与用于描述子用户群集的各种特征的信息。例如,子用户群集的属性信息可以包括其中的各子用户群分别对应的属性信息。子用户群的属性信息可以指用于描述子用户群的各种特征的信息。例如,子用户群的属性信息包括该子用户群包括的用户的数目、包括的用户数目相对于子用户群集包括的用户总数目的占比等等。 可选地,子用户群集的属性信息还可以包括其中各子用户群分别对应的行为指标值、子用户群集对应的差异度等等。 此外,用户群中的用户的行为数据等各种数据都可以预先存储在数据库中并实时更新。上述步骤201-204可以根据存储的数据实时执行,也可以离线执行。 根据实际的应用需求和应用场景,数据库中可以存储用户群中的用户的各种数据。例如,在用户具有交易行为时,在存储用户的交易时间的同时,还是存储用户的交易金额、最近一年内的交易频率等各种数据。在一些情况下,交易时间还可以包括交易开始时间、交易结束时间和交易时长等等。 可选地,分类标识集可以由针对用户群的所有或被选择出的分类方式对应的分类标识组成。此时,可以从分类标识集中选取较佳的分类方式对应的分类标识,以辅助于针对用户群中的用户的信息推送。 继续参见图3,图3是根据本实施例的用于推送信息的方法的一个示意性的应用场景300。在图3的应用场景中,执行主体301可以接收输入的书籍类目“A”,然后从数据库302获取针对类目“A”下的书籍具有交互的用户标识组成用户群303。其中,每个用户标识可以用于标识一个用户。 执行主体301还可以接收输入的两个分类标识:(3,10)和(7,14)。其中,分类标识(3,10)用于将根据用户一周前最近一次浏览类目“A”的书籍的时间距离一周前的天数(即浏览间隔天数)将用户分成三类:浏览间隔天数在3天之内的、浏览间隔天数在3天至10天之间的、浏览间隔天数超过10天的。 分类标识(7,14)用于将根据用户的浏览间隔天数将用户分成三类:浏览间隔天数在7天之内的、浏览间隔天数在7天至14天之间的、浏览间隔天数超过14天的。 数据库302中还存储有每个用户的浏览间隔天数和购买行为。其中,购买行为用于表示用户在最近一周内是否对类目“A”的书籍具有购买行为。 对于分类标识(3,10),根据数据库302中存储的用户的浏览间隔天数将用户群303划分成第一子用户群、第二子用户群和第三子用户群。然后根据数据库302中存储的用户的购买行为,通过每个子用户群中的具有购买行为的用户数相对于该子用户群包括的用户总数的占比确定该子用户群的转化率。然后,根据第一子用户群、第二子用户群和第三子用户群分别对应的转化率计算分类标识(3,10)对应的差异度,具体计算方法可以参考上述图2实施例中的相关说明,在此不再赘述。 同样地,对于分类标识(7,14),根据数据库302中存储的用户的浏览间隔天数将用户群303划分成第四子用户群、第五子用户群和第六子用户群。然后根据数据库302中存储的用户的购买行为,通过每个子用户群中的具有购买行为的用户数相对于该子用户群包括的用户总数的占比确定该子用户群的转化率。然后,根据第一子用户群、第二子用户群和第三子用户群分别对应的转化率计算分类标识(7,14)对应的差异度。 根据分类标识(3,10)和分类标识(7,14)分别对应的差异度,从中选取较大差异度对应的分类标识(3,10)。然后分别为第一子用户群、第二子用户群和第三子用户群设置不同的推送信息,并向第一子用户群中的用户推送第一推送信息,向第二子用户群中的用户推送第二推送信息,以及向第三子用户群中的用户推送第三推送信息。 现有技术中,通常都是为每个用户赋予对应的用户标签,并将具有相同用户标签的用户组成对应的用户群,然后通过用户群的交、并、差等操作来生成新的用户群以对应用户标签的交、并、差,进而向新的用户群进行信息推送。 本公开的上述实施例提供的方法通过选取对应的差异度符合需求的分类标识,可以按照该分类标识对应的分类方式将用户群划分成若干子用户群,从而实现对用户群的灵活分类,以区分用户群中行为数据差异较大的用户。基于此,还可以进一步向划分得到的各个子用户群分别推送信息,实现对用户群中的用户的个性化信息推送。 在展示目标分类标识指示的分类方式针对用户群的分类结果信息之后,可以进一步根据需求更新目标分类标识。具体参考图4,其示出了用于更新目标分类标识的一个实施例的流程400。该用于推送信息的方法的流程400,包括以下步骤: 步骤401,响应于接收到针对目标分类标识的修改请求,接收修改后的分类标识。 在本实施例中,用户在浏览过目标分类标识对应的分类结果信息之后,可以根据需求向执行主体发送用于请求修改目标分类标识的修改请求。同时,用户可以向执行主体发送其期望修改后的分类标识。 步骤402,确定并展示修改后的分类标识对应的分类结果信息。 在本实施例中,执行主体可以利用图2对应实施例公开的方法确定修改后的分类标识对应的分类结果信息。具体可参见图2对应实施例中的相关说明,在此不再赘述。 可选地,可以由执行主体或其它电子设备预先利用图2对应实施例公开的方法确定修改后的分类标识对应的分类结果信息并存储。此时,执行主体可以直接获取并展示预存的、修改后的分类标识对应的分类结果信息。 步骤403,响应于接收到针对目标分类标识的更新请求,使用修改后的分类标识更新目标分类标识。 在本实施例中,用户可以比较原目标分类标识和其修改后的分类标识分别对应的分类结果信息,若修改后的分类标识对应的分类结果系信息比较符合期望,则可以向执行主体发送用于请求更新目标分类标识的请求。然后,执行主体可以将原目标分类标识更新为用户修改后的分类标识。 可选地,若修改后的分类标识对应的分类结果系信息比较不符合期望,则可以保持原目标分类标识不变。或者,也可以继续执行上述步骤401-403,直至将目标用户标识更新为比较符合期望的分类标识。 可选地,在对目标分类标识进行更新之后,还可以进一步向目标分类标识对应的子用户群集中的各子用户群推送信息。具体的推送方法可以参考图2对应实施例中的相关说明,在此不再赘述。 需要说明的是,本实施例中未具体说明的内容可参考图2对应实施例中的相关说明,在此不再赘述。 本公开的上述实施例提供的用于推送信息的方法可以从分类标识集中选取具有较好的分类结果的分类标识,并向用户展示选取的分类标识的分类结果信息,同时,用户可以根据需求修改分类标识,并查看修改后的分类标识对应的分类结果信息,然后可以通过比较不同分类标识分别对应的分类结果信息,选择对应的分类结果信息比较符合期望的分类标识作为目标分类标识,并基于目标分类标识实现更精准地信息推送。 进一步参考图5,作为对上述各图所示方法的实现,本公开提供了用于推送信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,该装置具体可以应用于各种电子设备中。 如图5所示,本实施例提供的用于推送信息的装置500包括获取单元501、确定单元502、选取单元503和推送单元504。其中,获取单元501被配置成获取用户群中的用户的行为数据,以及确定针对用户群的分类标识集,其中,分类标识集中的分类标识用于指示对用户群分类得到子用户群集的分类方式;确定单元502被配置成对于分类标识集中的分类标识,根据用户群中的用户的行为数据,确定该分类标识对应的子用户群集中的子用户群的行为数据之间的差异度;选取单元503被配置成根据对应的差异度,从分类标识集中选取分类标识作为目标分类标识;推送单元504被配置成向目标分类标识对应的子用户群集中的各子用户群推送信息。 在本实施例中,用于推送信息的装置500中:获取单元501、确定单元502、选取单元503和推送单元504的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202、步骤203和步骤204的相关说明,在此不再赘述。 在本实施例的一些可选的实现方式中,上述确定单元502进一步被配置成:对于该分类标识对应的子用户群集中的子用户群,根据该子用户群中的用户的行为数据,确定该子用户群的行为指标值;根据该分类标识对应的各子用户群分别对应的行为指标值,确定该分类标识对应的差异度。 在本实施例的一些可选的实现方式中,上述确定单元502进一步被配置成:将该分类标识对应的各子用户群分别对应的行为指标值顺序排列,得到行为指标值序列;确定行为指标值序列中相邻的行为指标值的差值;根据确定的差值,确定该分类标识对应的差异度。 在本实施例的一些可选的实现方式中,上述分类标识集中的分类标识指示的分类方式用于根据用户的目标行为的时间特征或频率特征对用户群分类。 在本实施例的一些可选的实现方式中,上述时间特征用于表征用户的目标行为的最近发生时刻与目标时刻之间的时间差,频率特征用于表征目标时间段内用户的目标行为的发生频率。 在本实施例的一些可选的实现方式中,上述用于推送信息的装置500还包括接收单元(图中未示出),被配置成接收针对目标对象的信息推送请求;以及上述获取单元501进一步被配置成获取用户群中的用户针对目标对象的行为数据。 在本实施例的一些可选的实现方式中,上述用户群中的用户属于相同的用户类别,其中,用户类别根据用户群中的用户的行为数据确定;以及上述分类标识集中的分类标识用于指示对用户群细分类,以确定用户群中的用户所属的用户子类别。 在本实施例的一些可选的实现方式中,上述用于推送信息的装置500还包括展示单元(图中未示出),被配置成展示目标分类标识指示的分类方式针对用户群的分类结果信息,其中,分类结果信息包括目标分类标识对应的子用户群集的属性信息。 在本实施例的一些可选的实现方式中,上述用于推送信息的装置500还包括更新单元(图中未示出),被配置成:响应于接收到针对目标分类标识的修改请求,接收修改后的分类标识;确定并展示修改后的分类标识对应的分类结果信息;响应于接收到针对目标分类标识的更新请求,使用修改后的分类标识更新目标分类标识。 本公开的上述实施例提供的装置,通过获取单元获取用户群中的用户的行为数据,以及确定针对用户群的分类标识集,其中,分类标识集中的分类标识用于指示对用户群分类得到子用户群集的分类方式;确定单元对于分类标识集中的分类标识,根据用户群中的用户的行为数据,确定该分类标识对应的子用户群集中的子用户群的行为数据之间的差异度;选取单元根据对应的差异度,从分类标识集中选取分类标识作为目标分类标识;推送单元向目标分类标识对应的子用户群集中的各子用户群推送信息,从而可以选取差异度符合需求的分类标识,并按照该分类标识对应的分类方式将用户群划分成若干子用户群,实现对用户群的灵活分类。同时,还可以向划分得到的各个子用户群分别推送信息,实现对用户群中的用户的不同信息推送。 下面参考图6,其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器)600的结构示意图。图6示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。 如图6所示,电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601,其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中,还存储有电子设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。 通常,以下装置可以连接至I/O接口605:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607;包括例如磁带、硬盘等的存储装置608;以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。 特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信装置609从网络上被下载和安装,或者从存储装置608被安装,或者从ROM 602被安装。在该计算机程序被处理装置601执行时,执行本公开的实施例的方法中限定的上述功能。 需要说明的是,本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。 上述计算机可读介质可以是上述服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务器执行时,使得该服务器:获取用户群中的用户的行为数据,以及确定针对用户群的分类标识集,其中,分类标识集中的分类标识用于指示对用户群分类得到子用户群集的分类方式;对于分类标识集中的分类标识,根据行为数据,确定该分类标识对应的子用户群集中的子用户群的行为数据之间的差异度;根据对应的差异度,从分类标识集中选取分类标识作为目标分类标识;向目标分类标识对应的子用户群集中的各子用户群推送信息。 可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。 附图中的流程图和框图,图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。 描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、确定单元、选取单元和推送单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,推送单元还可以被描述为“向目标分类标识对应的子用户群集中的各子用户群推送信息的单元”。 以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。