[发明专利]信息推送方法

说明书

技术领域

本发明涉及互联网技术，尤其涉及一种信息推送方法。

背景技术

随着网络的发展，越来越多的人开始使用网络即时通信工具，例如：Facebook，Twitter和微博等。

现有的即时通信工具，一般由即时通信服务器根据所述服务器内存储的每个用户的历史信息，每个用户注册时存储的注册信息及与所述用户链接的关注用户的历史信息等，单独分析每个用户感兴趣的信息，然后根据分析结果为用户推送相应的信息。现有技术中，服务器仅根据上述信息，独立的分析各用户感兴趣的信息，而未考虑整个网络平台中所有用户之间的互相影响关系，信息推送的准确度低。另外，对于那些在所述即时通信网络平台中新注册的用户或发布信息较少的用户，采用现有技术的方法是无法较准确的分析出新用户感兴趣的信息，并为其推送信息的。

发明内容

本发明提供一种信息推送方法，以进一步提高信息推送的准确性。

本发明提供一种信息推送方法，包括：

提取历史信息中的关键词，并获取所述关键词对应用户的初始权重；

根据所述用户与各其他用户之间的数据传输记录，计算各其他用户对所述用户的关联权重；

根据所述初始权重及所述关联权重，计算出所述关键词对应所述用户的关联后权重；

根据所述关键词对应所述用户的关联后权重，为所述用户推送匹配的信息。

本发明的技术效果是：本发明实施例提供的所述信息推送的方法，充分的考虑了所有影响用户的因素，以及网络平台中各用户之间的影响关系，通过用户与各其他用户之间的数据传输记录，计算出各其他用户对所述用户的关联权重，最后再根据所述初始权重及所述关联权重，计算出所述关键词对应所述用户的关联后权重，并根据所述关联后权重为用户推送匹配的信息。

附图说明

图1为本发明提供的信息推送方法实施例的流程示意图；

图2为各用户之间的数据影响关系示例图。

具体实施方式

如图1所示，本发明提供的信息推送方法实施例的流程示意图。如图中所示，本实施例所述信息推送方法，包括：

步骤S1、提取每个用户的历史信息中的关键词，并获取所述关键词对应用户的初始权重。

具体地，网络平台服务器中存储有各用户通过所述网络平台发布过的历史信息。所述历史信息具体包括：用户发布的信息、用户转发其他用户的发布信息、用户引用其他用户的发布信息、用户评论其他用户的发布信息等等。所述网络平台服务器基于现有的LDA（Latent Dirichlet Allocation，潜在狄利克雷分配模型）话题检测模型从每个用户的历史信息中提取出至少一个关键词，并获取提取出的所述关键字对应用户的初始权重。其中，所述关键词对应用户的初始权重具体可依据该用户的历史信息中所述关键词的出现频率来赋值。值越大，则表明所述用户对该关键词的兴趣越大，反之，则兴趣越小。值为零，则表明所述用户对该关键词没有兴趣。例如，所述LDA话题检测模型从每个用户的历史信息中提取出多个关键词，所述关键词的数量假设总共有N个，对于这N个关键词每个用户都有相应的初始权重。这N个关键词对应各用户的初始权重可表示成如下的U×N矩阵：

其中，U为网络平台中所有用户的集合。V_ij为第j个关键词对应用户i的初始权重，j＝1、2、…N，i=1、2、…︱U︱，︱U︱为用户的数量。

步骤S2、根据所述用户与各其他用户之间的数据传输记录，计算各其他用户对所述用户的关联权重。

所述网络平台服务器中存储有所述用户与各其他用户之间的数据传输记录。所述数据传输记录包括以下一种或任意组合：所述用户转发其他用户的发布信息的记录、所述用户评论其他用户的发布信息的记录、所述用户引用其他用户的发布信息的记录、以及所述用户与其他用户的链接记录。网络服务器根据所述数据传输记录，按照预设的关联权重计算程序计算出各其他用户对所述用户的关联权重。其中，所述预设的关联权重计算程序为预先根据相应算法编写而成，并存在所述服务器存储区域内。

步骤S3、根据所述初始权重及所述关联权重，计算出所述关键词对应所述用户的关联后权重。

具体地，网络平台服务器通过调用相应地计算程序，根据上述步骤S1和步骤S2得出的所述初始权重及所述关联权重，得出所述关键词对应所述用户的关联后权重。

步骤S4、根据所述关键词对应所述用户的关联后权重，为所述用户推送匹配的信息。