本發(fā)明涉及智能推送，具體為一種基于用戶習(xí)慣的智能推送系統(tǒng)及方法。

背景技術(shù)：

1、基于用戶習(xí)慣的智能推送系統(tǒng)是利用用戶的行為數(shù)據(jù)和習(xí)慣來提供個(gè)性化內(nèi)容或服務(wù)的系統(tǒng)，通過精準(zhǔn)的推送，提高用戶體驗(yàn)和系統(tǒng)的有效性，系統(tǒng)包括：數(shù)據(jù)采集模塊、數(shù)據(jù)處理與分析模塊、智能推送算法、推送執(zhí)行模塊以及反饋與優(yōu)化模塊等，能夠顯著提高用戶的滿意度和參與度，同時(shí)增加系統(tǒng)的運(yùn)營(yíng)效率和效益；

2、記錄用戶的行為數(shù)據(jù)，收集用戶的偏好信息，處理原始數(shù)據(jù)，去除噪聲，整理成可用的格式，根據(jù)用戶的行為數(shù)據(jù)和偏好信息建立用戶畫像，利用機(jī)器學(xué)習(xí)和數(shù)據(jù)挖掘技術(shù)識(shí)別用戶行為模式，預(yù)測(cè)用戶的未來需求，基于用戶畫像和行為模式，利用算法生成個(gè)性化推薦，根據(jù)用戶的實(shí)時(shí)反饋和新的行為數(shù)據(jù)調(diào)整推送策略，確保推薦的相關(guān)性和準(zhǔn)確性，根據(jù)推薦算法生成個(gè)性化的推送內(nèi)容，選擇合適的推送渠道，控制推送的頻率，避免過多打擾用戶，收集用戶對(duì)推送內(nèi)容的反饋，分析推送效果，優(yōu)化推薦算法和推送策略，提高系統(tǒng)的整體性能；

3、集成數(shù)據(jù)采集工具，確保能夠?qū)崟r(shí)或定期收集用戶的行為數(shù)據(jù)和偏好信息，采用數(shù)據(jù)挖掘技術(shù)分析用戶的歷史行為，創(chuàng)建詳細(xì)的用戶畫像，選擇適合的推薦算法，并進(jìn)行算法開發(fā)和優(yōu)化，將推送系統(tǒng)集成到現(xiàn)有平臺(tái)中，進(jìn)行系統(tǒng)測(cè)試和性能評(píng)估，確保推送內(nèi)容的準(zhǔn)確性和有效性，設(shè)置用戶反饋渠道，定期收集和分析用戶反饋，不斷優(yōu)化推送策略和系統(tǒng)性能；

4、現(xiàn)有的基于用戶習(xí)慣的智能推送系統(tǒng)及方法，無法根據(jù)用戶的瀏覽選擇，分析并判斷用戶的喜好，無法根據(jù)用戶的瀏覽情況，確定用戶具體的瀏覽喜好，從而容易出現(xiàn)推送不精準(zhǔn)的情況，使用戶瀏覽體驗(yàn)感下降，無法瀏覽更多的自己真正感興趣的內(nèi)容，其實(shí)用性存在一定的局限性。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供了一種基于用戶習(xí)慣的智能推送系統(tǒng)及方法，用于促進(jìn)解決背景技術(shù)中所提問題。

2、本發(fā)明提供如下技術(shù)方案：一種基于用戶習(xí)慣的智能推送方法，包括：

3、獲取目標(biāo)用戶的目標(biāo)信息；

4、所述目標(biāo)信息包括目標(biāo)用戶的瀏覽內(nèi)容和對(duì)瀏覽內(nèi)容的操作；

5、所述操作包括瀏覽操作和刪除操作；

6、根據(jù)目標(biāo)信息，通過信息分析策略，形成分析數(shù)據(jù)，以確定用戶對(duì)瀏覽內(nèi)容的喜好，從而便于更精確地向目標(biāo)用戶推送其感興趣的瀏覽內(nèi)容；

7、根據(jù)分析數(shù)據(jù)，通過目標(biāo)調(diào)整策略或用戶喜好判定策略，形成推送數(shù)據(jù)，以確定目標(biāo)用戶的喜好，并對(duì)存在刪除操作的瀏覽內(nèi)容進(jìn)一步確定用戶執(zhí)行該操作的原因，從而便于更精確地向目標(biāo)用戶推送其感興趣的瀏覽內(nèi)容；

8、根據(jù)推送數(shù)據(jù)，提取數(shù)據(jù)庫(kù)中相應(yīng)的內(nèi)容，并對(duì)目標(biāo)用戶推送該內(nèi)容，以更精確地向目標(biāo)用戶推送其感興趣的瀏覽內(nèi)容。

9、作為本發(fā)明所述一種基于用戶習(xí)慣的智能推送方法，其中：所述信息分析策略，具體為：

10、獲取目標(biāo)用戶的當(dāng)前瀏覽內(nèi)容；

11、獲取目標(biāo)用戶對(duì)當(dāng)前瀏覽內(nèi)容的操作；

12、若目標(biāo)用戶對(duì)當(dāng)前瀏覽內(nèi)容的操作為瀏覽操作，則獲取目標(biāo)用戶對(duì)當(dāng)前瀏覽內(nèi)容的瀏覽時(shí)長(zhǎng)，定為用戶瀏覽時(shí)長(zhǎng)；

13、獲取當(dāng)前瀏覽內(nèi)容的總時(shí)長(zhǎng)，定為內(nèi)容時(shí)長(zhǎng)；

14、計(jì)算用戶瀏覽比值，用戶瀏覽比值＝用戶瀏覽時(shí)長(zhǎng)÷內(nèi)容時(shí)長(zhǎng)；

15、設(shè)定時(shí)長(zhǎng)比值閾值；

16、若用戶瀏覽比值≥時(shí)長(zhǎng)比值閾值，則執(zhí)行目標(biāo)調(diào)整策略；

17、若用戶瀏覽比值＜時(shí)長(zhǎng)比值閾值，則不形成判定；

18、若目標(biāo)用戶對(duì)當(dāng)前瀏覽內(nèi)容的操作為刪除操作，則執(zhí)行用戶喜好判定策略。

19、作為本發(fā)明所述一種基于用戶習(xí)慣的智能推送方法，其中：所述目標(biāo)調(diào)整策略，具體為：

20、獲取當(dāng)前瀏覽內(nèi)容；

21、獲取數(shù)據(jù)庫(kù)中的所有瀏覽內(nèi)容，定為目標(biāo)瀏覽內(nèi)容；

22、若數(shù)據(jù)庫(kù)中存在與當(dāng)前瀏覽內(nèi)容相同的目標(biāo)瀏覽內(nèi)容，則將該目標(biāo)瀏覽內(nèi)容認(rèn)定為目標(biāo)推送內(nèi)容；

23、若數(shù)據(jù)庫(kù)中不存在與當(dāng)前瀏覽內(nèi)容相同的目標(biāo)瀏覽內(nèi)容，則獲取當(dāng)前瀏覽內(nèi)容的內(nèi)容關(guān)鍵詞；

24、提取數(shù)據(jù)庫(kù)中所有包含內(nèi)容關(guān)鍵詞的目標(biāo)瀏覽內(nèi)容，并認(rèn)定為目標(biāo)推送內(nèi)容；

25、將所有目標(biāo)推送內(nèi)容整合為推送集合；

26、提取推送集合中的任意一個(gè)目標(biāo)推送內(nèi)容，作為目標(biāo)用戶的下一個(gè)當(dāng)前瀏覽內(nèi)容。

27、作為本發(fā)明所述一種基于用戶習(xí)慣的智能推送方法，其中：所述用戶喜好判定策略，具體為：

28、獲取當(dāng)前瀏覽內(nèi)容的目標(biāo)數(shù)據(jù)，所述目標(biāo)數(shù)據(jù)包括標(biāo)題、作者以及內(nèi)容主體；

29、獲取數(shù)據(jù)庫(kù)中的所有瀏覽內(nèi)容；

30、獲取當(dāng)前瀏覽內(nèi)容的標(biāo)題，定為目標(biāo)標(biāo)題；

31、將數(shù)據(jù)庫(kù)中與目標(biāo)標(biāo)題為相同標(biāo)題的瀏覽內(nèi)容，定為目標(biāo)判定內(nèi)容；

32、若數(shù)據(jù)庫(kù)中存在目標(biāo)判定內(nèi)容，則提取所有的目標(biāo)判定內(nèi)容，形成目標(biāo)判定數(shù)據(jù)集；

33、若數(shù)據(jù)庫(kù)中不存在目標(biāo)判定內(nèi)容，則提取目標(biāo)標(biāo)題的關(guān)鍵詞，定為判定關(guān)鍵詞；

34、提取數(shù)據(jù)庫(kù)中所有存在判定關(guān)鍵詞的瀏覽內(nèi)容，認(rèn)定為目標(biāo)判定內(nèi)容，并形成目標(biāo)判定數(shù)據(jù)集；

35、設(shè)定判定推送數(shù)量；

36、將目標(biāo)判定數(shù)據(jù)集中的所有目標(biāo)判定內(nèi)容根據(jù)瀏覽量的數(shù)值由大到小，依次推送至目標(biāo)人物，推送的數(shù)量為判定推送數(shù)量；

37、獲取目標(biāo)用戶對(duì)每個(gè)目標(biāo)判定內(nèi)容的操作，定為目標(biāo)判定操作；

38、提取目標(biāo)判定操作為刪除操作的目標(biāo)判定內(nèi)容的數(shù)量，定為第一判定數(shù)量；

39、若第一判定數(shù)量÷判定推送數(shù)量≥60％，則不再向目標(biāo)用戶推送目標(biāo)標(biāo)題以及判定關(guān)鍵詞相關(guān)的瀏覽內(nèi)容；

40、將數(shù)據(jù)庫(kù)中的所有目標(biāo)判定內(nèi)容進(jìn)行標(biāo)記，將數(shù)據(jù)庫(kù)中所有未標(biāo)記的瀏覽內(nèi)容整理形成推送數(shù)據(jù)庫(kù)；

41、提取推送數(shù)據(jù)庫(kù)中任意一瀏覽內(nèi)容，作為目標(biāo)用戶的下一個(gè)當(dāng)前瀏覽內(nèi)容；

42、若第一判定數(shù)量÷判定推送數(shù)量＜60％，則執(zhí)行用戶判定策略。

43、作為本發(fā)明所述一種基于用戶習(xí)慣的智能推送方法，其中：所述用戶判定策略，具體為：

44、獲取數(shù)據(jù)庫(kù)中的所有瀏覽內(nèi)容；

45、獲取當(dāng)前瀏覽內(nèi)容的作者id，定為目標(biāo)id；

46、將數(shù)據(jù)庫(kù)中與目標(biāo)id所關(guān)聯(lián)的瀏覽內(nèi)容，定為關(guān)聯(lián)判定內(nèi)容；

47、若數(shù)據(jù)庫(kù)中存在關(guān)聯(lián)判定內(nèi)容，則提取所有的關(guān)聯(lián)判定內(nèi)容，形成關(guān)聯(lián)判定數(shù)據(jù)集；

48、若數(shù)據(jù)庫(kù)中不存在關(guān)聯(lián)判定內(nèi)容，則執(zhí)行第一內(nèi)容判定策略；

49、獲取判定推送數(shù)量；

50、將關(guān)聯(lián)判定數(shù)據(jù)集中的所有關(guān)聯(lián)判定內(nèi)容根據(jù)瀏覽量的數(shù)值由大到小，依次推送至目標(biāo)人物，推送的數(shù)量為判定推送數(shù)量；

51、獲取目標(biāo)用戶對(duì)每個(gè)關(guān)聯(lián)判定內(nèi)容的操作，定為關(guān)聯(lián)判定操作；

52、提取關(guān)聯(lián)判定操作為刪除操作的關(guān)聯(lián)判定內(nèi)容的數(shù)量，定為第二判定數(shù)量；

53、若第二判定數(shù)量÷判定推送數(shù)量≥60％，則不再向目標(biāo)用戶推送與目標(biāo)id所關(guān)聯(lián)的瀏覽內(nèi)容；

54、將數(shù)據(jù)庫(kù)中的所有關(guān)聯(lián)判定內(nèi)容進(jìn)行標(biāo)記，將數(shù)據(jù)庫(kù)中所有未標(biāo)記的瀏覽內(nèi)容整理形成推送數(shù)據(jù)庫(kù)；

55、提取推送數(shù)據(jù)庫(kù)中任意一瀏覽內(nèi)容，作為目標(biāo)用戶的下一個(gè)當(dāng)前瀏覽內(nèi)容；

56、若第二判定數(shù)量÷判定推送數(shù)量＜60％，則執(zhí)行第一內(nèi)容判定策略。

57、作為本發(fā)明所述一種基于用戶習(xí)慣的智能推送方法，其中：所述第一內(nèi)容判定策略，具體為：

58、獲取數(shù)據(jù)庫(kù)中的所有瀏覽內(nèi)容；

59、獲取當(dāng)前瀏覽內(nèi)容的內(nèi)容主體，所述內(nèi)容主體包括第一主體；

60、獲取當(dāng)前瀏覽內(nèi)容的第一主體，定為第一目標(biāo)內(nèi)容；

61、將數(shù)據(jù)庫(kù)中存在第一目標(biāo)內(nèi)容的瀏覽內(nèi)容，定為第一判定內(nèi)容；

62、若數(shù)據(jù)庫(kù)中存在第一判定內(nèi)容，則提取所有的第一判定內(nèi)容，形成第一判定數(shù)據(jù)集；

63、若數(shù)據(jù)庫(kù)中不存在第一判定內(nèi)容，則執(zhí)行第二內(nèi)容判定策略；

64、獲取判定推送數(shù)量；

65、將第一判定數(shù)據(jù)集中的所有第一判定內(nèi)容根據(jù)瀏覽量的數(shù)值由大到小，依次推送至目標(biāo)人物，推送的數(shù)量為判定推送數(shù)量；

66、獲取目標(biāo)用戶對(duì)每個(gè)第一判定內(nèi)容的操作，定為第一操作；

67、提取第一操作為刪除操作的第一判定內(nèi)容的數(shù)量，定為第三判定數(shù)量；

68、若第三判定數(shù)量÷判定推送數(shù)量≥60％，則不再向目標(biāo)用戶推送存在第一目標(biāo)內(nèi)容的瀏覽內(nèi)容；

69、將數(shù)據(jù)庫(kù)中的所有第一判定內(nèi)容進(jìn)行標(biāo)記，將數(shù)據(jù)庫(kù)中所有未標(biāo)記的瀏覽內(nèi)容整理形成推送數(shù)據(jù)庫(kù)；

70、任意提取推送數(shù)據(jù)庫(kù)中一瀏覽內(nèi)容，作為目標(biāo)用戶的下一個(gè)當(dāng)前瀏覽內(nèi)容；

71、若第三判定數(shù)量÷判定推送數(shù)量＜60％，則執(zhí)行第二內(nèi)容判定策略。

72、作為本發(fā)明所述一種基于用戶習(xí)慣的智能推送方法，其中：所述第二內(nèi)容判定策略，具體為：

73、獲取數(shù)據(jù)庫(kù)中的所有瀏覽內(nèi)容；

74、獲取當(dāng)前瀏覽內(nèi)容的內(nèi)容主體，所述內(nèi)容主體包括第二主體；

75、獲取當(dāng)前瀏覽內(nèi)容的第二主體，定為第二目標(biāo)內(nèi)容；

76、將數(shù)據(jù)庫(kù)中存在第二目標(biāo)內(nèi)容的瀏覽內(nèi)容，定為第二判定內(nèi)容；

77、若數(shù)據(jù)庫(kù)中存在第二判定內(nèi)容，則提取所有的第二判定內(nèi)容，形成第二判定數(shù)據(jù)集；

78、若數(shù)據(jù)庫(kù)中不存在第二判定內(nèi)容，則執(zhí)行第三內(nèi)容判定策略；

79、獲取判定推送數(shù)量；

80、將第二判定數(shù)據(jù)集中的所有第二判定內(nèi)容根據(jù)瀏覽量的數(shù)值由大到小，依次推送至目標(biāo)人物，推送的數(shù)量為判定推送數(shù)量；

81、獲取目標(biāo)用戶對(duì)每個(gè)第二判定內(nèi)容的操作，定為第二操作；

82、提取第二操作為刪除操作的第二判定內(nèi)容的數(shù)量，定為第四判定數(shù)量；

83、若第四判定數(shù)量÷判定推送數(shù)量≥60％，則不再向目標(biāo)用戶推送存在第二目標(biāo)內(nèi)容的瀏覽內(nèi)容；

84、將數(shù)據(jù)庫(kù)中的所有第二判定內(nèi)容進(jìn)行標(biāo)記，將數(shù)據(jù)庫(kù)中所有未標(biāo)記的瀏覽內(nèi)容整理形成推送數(shù)據(jù)庫(kù)；

85、提取推送數(shù)據(jù)庫(kù)中任意一瀏覽內(nèi)容，作為目標(biāo)用戶的下一個(gè)當(dāng)前瀏覽內(nèi)容；

86、若第四判定數(shù)量÷判定推送數(shù)量＜60％，則執(zhí)行第三內(nèi)容判定策略。

87、作為本發(fā)明所述一種基于用戶習(xí)慣的智能推送方法，其中：所述第三內(nèi)容判定策略，具體為：

88、獲取數(shù)據(jù)庫(kù)中的所有瀏覽內(nèi)容；

89、獲取當(dāng)前瀏覽內(nèi)容的內(nèi)容主體，所述內(nèi)容主體包括第三主體；

90、獲取當(dāng)前瀏覽內(nèi)容的第三主體，定為第三目標(biāo)內(nèi)容；

91、將數(shù)據(jù)庫(kù)中存在第三目標(biāo)內(nèi)容的瀏覽內(nèi)容，定為第三判定內(nèi)容；

92、若數(shù)據(jù)庫(kù)中存在第三判定內(nèi)容，則提取所有的第三判定內(nèi)容，形成第三判定數(shù)據(jù)集；

93、若數(shù)據(jù)庫(kù)中不存在第三判定內(nèi)容，則判定用戶為誤觸操作，提取數(shù)據(jù)庫(kù)中任意一瀏覽內(nèi)容，作為目標(biāo)用戶的下一個(gè)當(dāng)前瀏覽內(nèi)容；

94、獲取判定推送數(shù)量；

95、將第三判定數(shù)據(jù)集中的所有第三判定內(nèi)容根據(jù)瀏覽量的數(shù)值由大到小，依次推送至目標(biāo)人物，推送的數(shù)量為判定推送數(shù)量；

96、獲取目標(biāo)用戶對(duì)每個(gè)第三判定內(nèi)容的操作，定為第三操作；

97、提取第三操作為刪除操作的第三判定內(nèi)容的數(shù)量，定為第五判定數(shù)量；

98、若第五判定數(shù)量÷判定推送數(shù)量≥60％，則不再向目標(biāo)用戶推送存在第三目標(biāo)內(nèi)容的瀏覽內(nèi)容；

99、將數(shù)據(jù)庫(kù)中的所有第三判定內(nèi)容進(jìn)行標(biāo)記，將數(shù)據(jù)庫(kù)中所有未標(biāo)記的瀏覽內(nèi)容整理形成推送數(shù)據(jù)庫(kù)；

100、提取推送數(shù)據(jù)庫(kù)中任意一瀏覽內(nèi)容，作為目標(biāo)用戶的下一個(gè)當(dāng)前瀏覽內(nèi)容；

101、若第五判定數(shù)量÷判定推送數(shù)量＜60％，則判定用戶為誤觸操作，任意提取數(shù)據(jù)庫(kù)中一瀏覽內(nèi)容，作為目標(biāo)用戶的下一個(gè)當(dāng)前瀏覽內(nèi)容。

102、作為本發(fā)明還公開了一種執(zhí)行基于用戶習(xí)慣的智能推送方法的系統(tǒng)，其中：包括：

103、采集模塊：獲取目標(biāo)用戶的目標(biāo)信息；

104、分析模塊：根據(jù)目標(biāo)信息，通過信息分析策略，形成分析數(shù)據(jù)，以確定用戶對(duì)瀏覽內(nèi)容的喜好，從而便于更精確地向目標(biāo)用戶推送其感興趣的瀏覽內(nèi)容；

105、判斷模塊：根據(jù)分析數(shù)據(jù)，通過目標(biāo)調(diào)整策略或用戶喜好判定策略，形成推送數(shù)據(jù)，以確定目標(biāo)用戶的喜好，并對(duì)存在刪除操作的瀏覽內(nèi)容進(jìn)一步確定用戶執(zhí)行該操作的原因，從而便于更精確地向目標(biāo)用戶推送其感興趣的瀏覽內(nèi)容；

106、推送模塊：根據(jù)推送數(shù)據(jù)，提取數(shù)據(jù)庫(kù)中相應(yīng)的內(nèi)容，并對(duì)目標(biāo)用戶推送該內(nèi)容，以更精確地向目標(biāo)用戶推送其感興趣的瀏覽內(nèi)容。

107、本發(fā)明具備以下有益效果：

108、1、該基于用戶習(xí)慣的智能推送系統(tǒng)及方法，通過獲取用戶對(duì)當(dāng)前瀏覽內(nèi)容的操作，判斷用戶對(duì)當(dāng)前瀏覽內(nèi)容的喜好，若用戶瀏覽時(shí)間較長(zhǎng)，則說明用戶較喜歡該類視頻，則繼續(xù)向用戶推送相關(guān)視頻，從而對(duì)用戶精準(zhǔn)的推送更多的其真正感興趣的內(nèi)容，減少推送不精準(zhǔn)的情況，提升用戶的瀏覽體驗(yàn)感，使用戶能夠?yàn)g覽到更多自己喜歡的內(nèi)容，吸引更多的用戶，并使更多的用戶能夠長(zhǎng)期留存。

109、2、該基于用戶習(xí)慣的智能推送系統(tǒng)及方法，通過獲取用戶對(duì)當(dāng)前瀏覽內(nèi)容的操作，判斷用戶對(duì)當(dāng)前瀏覽內(nèi)容的喜好，若用戶選擇刪除當(dāng)前視頻，則說明用戶不喜歡該類視頻，則停止向用戶推送相關(guān)視頻，從而對(duì)用戶精準(zhǔn)的推送更多的其真正感興趣的內(nèi)容，減少推送不精準(zhǔn)的情況，提升用戶的瀏覽體驗(yàn)感，使用戶能夠?yàn)g覽到更多自己喜歡的內(nèi)容，吸引更多的用戶，并使更多的用戶能夠長(zhǎng)期留存。

110、3、該基于用戶習(xí)慣的智能推送系統(tǒng)及方法，通過獲取當(dāng)前瀏覽內(nèi)容的相關(guān)數(shù)據(jù)，提取數(shù)據(jù)庫(kù)中與當(dāng)前瀏覽內(nèi)容相關(guān)的所有內(nèi)容，依次向用戶推送，并獲取用戶的操作，確定用戶刪除當(dāng)前瀏覽內(nèi)容的原因，若用戶對(duì)于當(dāng)前瀏覽內(nèi)容相關(guān)的視頻大多都感興趣，則說明用戶為誤觸操作，在不需要調(diào)整推送內(nèi)容，減少推送不精準(zhǔn)的情況，提升用戶的瀏覽體驗(yàn)感，使用戶能夠?yàn)g覽到更多自己喜歡的內(nèi)容，吸引更多的用戶，并使更多的用戶能夠長(zhǎng)期留存。