[发明专利]一种建立模型和推送消息的方法及装置

权利要求书

1.一种建立模型的方法，其特征在于，包括：

获取用户最近K天和第K+1天中访问预设应用的用户行为信息；

根据用户最近K天和第K+1天的用户行为信息构建训练集；

根据所述训练集建立预测模型，所述预测模型用于根据用户最近N天访问预设应用的用户行为信息，确定用户第N+1天关于预设应用的推送时间；其中，K和N均为预设的参数，且均为大于1的整数。

2.如权利要求1所述的方法，其特征在于，所述根据所述训练集建立预测模型，包括：

将所有可能的用户行为信息分为多个类；

确定最近K天中的用户行为信息所属的类；

根据用户行为信息所属的类，确定用户在各个类的概率；

根据确定的概率构建概率模型，所述概率模型即为预测模型。

3.如权利要求1所述的方法，其特征在于，所述方法还包括：

将用户在各个类的概率归一化处理。

4.如权利要求1所述的方法，其特征在于，所述用户行为信息，包括：

用户每个小时在预设应用程序中访问的频道以及每个频道的访问频次；和/或

用户每个小时所处的网络环境以及在每个网络环境下的访问频次。

5.一种推送消息的方法，其特征在于，包括：

将当前用户最近N天访问预设应用的用户行为信息输入预测模型，确定出所述当前用户第N+1天关于预设应用的推送时间；

当所述推送时间到达时，向所述当前用户推送关于预设应用的消息。

6.如权利要求5所述的方法，其特征在于，所述将当前用户最近N天访问预设应用的用户行为信息输入预测模型，确定出所述当前用户第N+1天关于预设应用的推送时间，包括：

确定当前用户最近N天中的用户行为信息所属的类；

根据用户行为信息所属的类，确定当前用户在各个类的概率；

根据当前用户在各个类的概率确定当前用户第N+1天关于预设应用的推送时间。

7.如权利要求5所述的方法，其特征在于，所述用户行为信息，包括：

用户每个小时在预设应用程序中访问的频道以及每个频道的访问频次；和/或

用户每个小时所处的网络环境以及在每个网络环境下的访问频次。

8.如权利要求7所述的方法，其特征在于，所述将当前用户最近N天访问预设应用的用户行为信息输入预测模型，确定出所述当前用户第N+1天关于预设应用的推送时间，包括：

将当前用户最近N天每个小时在预设应用访问的频道作为特征，将用户最近N天访问的频道的访问频次作为所述特征对应的值，将所述特征和所述特征的值输入所述预测模型，确定当前用户第N+1天关于预设应用的推送时间。

9.如权利要求7或8所述的方法，其特征在于，所述确定当前用户第N+1天关于预设应用的推送时间，包括：

确定当前用户第N+1天每个小时访问预设应用的概率；

将所述每个小时访问预设应用程序的概率归一化处理；

确定归一化处理后访问所述应用程序的概率的最大值对应的时间；

将所述最大值对应的时间确定为当前用户的推送时间。

10.一种建立模型的装置，其特征在于，包括：

获取模块，用于获取用户最近K天和第K+1天中访问预设应用的用户行为信息；

构建模块，用于根据用户最近K天和第K+1天的用户行为信息构建训练集；

建模模块，用于根据所述训练集建立预测模型，所述预测模型用于根据用户最近N天访问预设应用的用户行为信息，确定用户第N+1天关于预设应用的推送时间；其中，K和N均为预设的参数，且均为大于1的整数。

11.如权利要求10所述的装置，其特征在于，所述建模模块，包括：

分类子模块，用于将所有可能的用户行为信息分为多个类；

第一确定子模块，用于确定最近K天中的用户行为信息所属的类；

第二确定子模块，用于根据用户行为信息所属的类，确定用户在各个类的概率；

第三确定子模块，用于根据确定的概率构建概率模型，所述概率模型即为预测模型。

12.如权利要求10所述的装置，其特征在于，所述装置还包括：

归一化模块，用于将用户在各个类的概率归一化处理。