用于推送信息的方法和设备专利检索-分布式账本资料储存系统专利检索查询-专利查询网

用于推送信息的方法和设备

阅读：1012发布：2020-07-20

专利汇可以提供用于推送信息的方法和设备专利检索，专利查询，专利分析的服务。并且本申请实施例公开了用于推送信息的方法和设备。用于推送信息的方法的一具体实施方式包括：若接收到第一推送信息，从基于区块链的分布式账本中获取推荐模型，其中，基于区块链的分布式账本用于存储推荐模型，推荐模型用于推荐推送用户；将第一推送信息输入至推荐模型，确定第一推送信息对应的第一推送用户；将第一推送信息推送给第一推送用户。该实施方式利用基于区块链的分布式账本中存储的推荐模型为推送信息推荐推送用户，提高了信息推送的精准度。，下面是用于推送信息的方法和设备专利的具体信息内容。

权利要求

1.一种用于推送信息的方法，其特征在于，包括：
若接收到第一推送信息，从基于区块链的分布式账本中获取推荐模型，其中，所述基于区块链的分布式账本用于存储所述推荐模型，所述推荐模型用于推荐推送用户；
将所述第一推送信息输入至所述推荐模型，并根据所述推荐模型确定所述第一推送信息对应的第一推送用户；
将所述第一推送信息推送给所述第一推送用户。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
若接收到第二推送用户的行为数据，从所述基于区块链的分布式账本中获取所述推荐模型；
将所述第二推送用户的行为数据输入至所述推荐模型，并根据所述推荐模型确定所述第二推送用户对应的第二推送信息，其中，所述推荐模型还用于推荐推送信息；
将所述第二推送信息推送给所述第二推送用户。
3.根据权利要求2所述的方法，其特征在于，在所述将所述第一推送信息输入至所述推荐模型之前，还包括：
获取训练样本，其中，所述训练样本包括样本推送信息、样本推送用户的行为数据和所述样本推送用户对所述样本推送信息感兴趣的概率；
将所述样本推送信息和所述样本推送用户的行为数据作为输入，将所述样本推送用户对所述样本推送信息感兴趣的概率作为输出，训练得到所述推荐模型。
4.根据权利要求3所述的方法，其特征在于，所述方法还包括：
若接收到所述第二推送用户响应所述第二推送信息产生的第二行为数据，利用所述第二推送信息和所述第二行为数据对所述推荐模型进行更新；
将更新后的推荐模型存储到所述基于区块链的分布式账本中。
5.根据权利要求1至4中任一项所述的方法，其特征在于，所述方法还包括：
若接收到所述第一推送用户响应所述第一推送信息产生的第一行为数据，利用所述第一推送信息和所述第一行为数据对所述推荐模型进行更新；
将更新后的推荐模型存储到所述基于区块链的分布式账本中。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
将所述第一推送信息输入至所述更新后的推荐模型，确定所述第一推送信息对应的更新后的第一推送用户；
将所述第一推送信息推送给更新后的第一推送用户。
7.根据权利要求4至6中任一项所述的方法，其特征在于，所述方法还包括：
若接收到第一推送信息，确定所述第一推送信息的关键信息和上传信息；
将所述第一推送信息的关键信息和上传信息存储到所述基于区块链的分布式账本中，其中，所述基于区块链的分布式账本还用于存储推送信息的关键信息和上传信息。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
对所述第一行为数据进行统计分析，确定所述第一推送信息的点击量、所述第一推送信息的点击率以及点击所述第一推送信息的用户的类别信息中的至少一项。
9.根据权利要求8所述的方法，其特征在于，所述方法还包括：
将所述第一推送信息的关键信息与所述基于区块链的分布式账本中存储的推送信息的关键信息进行匹配，确定出与所述第一推送信息关联的推送信息；
基于所述第一推送信息的点击量、所述第一推送信息的点击率和所述第一推送信息的资源信息为以下用户至少之一分配资源：上传所述第一推送信息的用户、上传与所述第一推送信息关联的推送信息的用户和点击所述第一推送信息的用户。
10.一种计算机设备，包括：
一个或多个处理器；
存储装置，其上存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-9中任一所述的方法。
11.一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权利要求1-9中任一所述的方法。

说明书全文

用于推送信息的方法和设备

技术领域

[0001] 本申请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设备。

背景技术

[0002] 信息推送，又称为“网络广播”，是通过一定的技术标准或协议，在互联网上通过推送用户需要的信息来减少信息过载的一项技术。信息推送技术通过主动推送信息给用户，可以减少用户在网络上搜索所花的时间。它根据用户的兴趣来搜索、过滤信息，并将其主动推给用户，帮助用户高效率地发掘有价值的信息。

[0003] 现有的信息推送方式通常是对用户个人在一个应用上的行为数据进行分析，并根据分析结果向该用户推送信息。发明内容

[0004] 本申请实施例提出了用于推送信息的方法和设备。

[0005] 第一方面，本申请的一些实施例提供了一种用于推送信息的方法，包括：若接收到第一推送信息，从基于区块链的分布式账本中获取推荐模型，其中，基于区块链的分布式账本用于存储推荐模型，推荐模型用于推荐推送用户；将第一推送信息输入至推荐模型，并根据推荐模型确定第一推送信息对应的第一推送用户；将第一推送信息推送给第一推送用户。

[0006] 在一些实施例中，若接收到第二推送用户的行为数据，从基于区块链的分布式账本中获取推荐模型；将第二推送用户的行为数据输入至推荐模型，并根据推荐模型确定第二推送用户对应的第二推送信息，其中，推荐模型还用于推荐推送信息；将第二推送信息推送给第二推送用户。

[0007] 在一些实施例中，在将第一推送信息输入至推荐模型之前，还包括：获取训练样本，其中，训练样本包括样本推送信息、样本推送用户的行为数据和样本推送用户对样本推送信息感兴趣的概率；将样本推送信息和样本推送用户的行为数据作为输入，将样本推送用户对样本推送信息感兴趣的概率作为输出，训练得到推荐模型。

[0008] 在一些实施例中，该方法还包括：若接收到第二推送用户响应第二推送信息产生的第二行为数据，利用第二推送信息和第二行为数据对的推荐模型进行更新；将更新后的推荐模型存储到基于区块链的分布式账本中。

[0009] 在一些实施例中，该方法还包括：若接收到第一推送用户响应第一推送信息产生的第一行为数据，利用第一推送信息和第一行为数据对推荐模型进行更新；将更新后的推荐模型存储到基于区块链的分布式账本中。

[0010] 在一些实施例中，该方法还包括：将第一推送信息输入至更新后的推荐模型，确定第一推送信息对应的更新后的第一推送用户；将第一推送信息推送给更新后的第一推送用户。

[0011] 在一些实施例中，该方法还包括：若接收到第一推送信息，确定第一推送信息的关键信息和上传信息；将第一推送信息的关键信息和上传信息存储到基于区块链的分布式账本中，其中，基于区块链的分布式账本还用于存储推送信息的关键信息和上传信息。

[0012] 在一些实施例中，该方法还包括：对第一行为数据进行统计分析，确定第一推送信息的点击量、第一推送信息的点击率以及点击第一推送信息的用户的类别信息中的至少一项。

[0013] 在一些实施例中，该方法还包括：将第一推送信息的关键信息与基于区块链的分布式账本中存储的推送信息的关键信息进行匹配，确定出与第一推送信息关联的推送信息；基于第一推送信息的点击量、第一推送信息的点击率和第一推送信息的资源信息为以下用户至少之一分配资源：上传第一推送信息的用户、上传与第一推送信息关联的推送信息的用户和点击第一推送信息的用户。

[0014] 第二方面，本申请的一些实施例提供了一种用于推送信息的装置，包括：获取单元，被配置成若接收到第一推送信息，从基于区块链的分布式账本中获取推荐模型，其中，基于区块链的分布式账本用于存储推荐模型，推荐模型用于推荐推送用户；确定单元，被配置成将第一推送信息输入至推荐模型，并根据推荐模型确定第一推送信息对应的第一推送用户；推送单元，被配置成将第一推送信息推送给第一推送用户。

[0015] 第三方面，本申请的一些实施例提供了一种计算机设备，该计算机设备包括：一个或多个处理器；存储装置，其上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。

[0016] 第四方面，本申请的一些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。

[0017] 本申请的上述实施例提供的用于推送信息的方法和设备，若接收到第一推送信息，从基于区块链的分布式账本中获取推荐模型。随后，将第一推送信息输入至推荐模型，以确定第一推送信息对应的第一推送用户。最后，将第一推送信息推送给第一推送用户。相比于现有的基于用户在单一应用上的行为数据进行分析的信息推荐方式，本申请利用基于区块链的分布式账本中存储的推荐模型为推送信息推荐推送用户，由于基于区块链的分布式账本存储的信息量较大，提高了信息推送的精准度。附图说明

[0018] 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，本申请的其它特征、目的和优点将会变得更明显：

[0019] 图1是本申请一些实施例可以应用于其中的示例性系统架构图；

[0020] 图2是根据本申请的用于推送信息的方法的一个实施例的流程图；

[0021] 图3是根据本申请的用于推送信息的方法的又一个实施例的流程图；

[0022] 图4是根据本申请的用于推送信息的方法的另一个实施例的流程图；

[0023] 图5是根据本申请的用于推送信息的方法的再一个实施例的流程图；

[0024] 图6是适于用来实现本申请实施例的计算机设备的计算机系统的结构示意图。

具体实施方式

[0025] 下面结合附图和实施例对本申请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。

[0026] 需要说明的是，在不冲突的情况下，本申请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申请。

[0027] 图1示出了可以应用本申请的用于推送信息的方法的示例性系统架构100。

[0028] 如图1所示，系统架构100可以包括设备101、102、103和网络104。网络104用以在设备101、102、103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。

[0029] 设备101、102、103可以是支持网络连接从而提供各种网络服务的硬件设备或软件。当设备为硬件时，其可以是各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机、台式计算机和服务器等等。这时，作为硬件设备，其可以实现成多个设备组成的分布式设备群，也可以实现成单个设备。当设备为软件时，可以安装在上述所列举的设备中。这时，作为软件，其可以实现成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。

[0030] 在实践中，设备可以通过安装相应的客户端应用或服务端应用来提供相应的网络服务。设备在安装了客户端应用之后，其可以在网络通信中体现为客户端。相应地，在安装了服务端应用之后，其可以在网络通信中体现为服务端。

[0031] 作为示例，在图1中，设备101、102体现为客户端，而设备103体现为服务端。具体地，设备101、102可以是安装有信息浏览类应用的客户端，设备103可以是信息浏览类应用的后台服务器。信息浏览类应用的后台服务器可以在接收到信息浏览类应用的客户端(例如设备101)发送的第一推送信息的情况下，从基于区块链的分布式账本中获取推荐模型；将第一推送信息输入至推荐模型，并根据推荐模型确定第一推送信息对应的第一推送用户；将第一推送信息推送给第一推送用户的客户端(例如设备102)。

[0032] 需要说明的是，本申请实施例所提供的用于推送信息的方法可以由设备103执行。

[0033] 应该理解，图1中的网络和设备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网络和设备。

[0034] 继续参考图2，其示出了根据本申请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：

[0035] 步骤201，若接收到第一推送信息，从基于区块链的分布式账本中获取推荐模型。

[0036] 在本实施例中，用户可以向用于推送信息的方法的执行主体(例如图1所示的设备103)上传第一推送信息。若接收到第一推送信息，上述执行主体可以从基于区块链的分布式账本中获取推送模型。通常，从基于区块链的分布式账本中获取的推送模型是最新存储的推荐模型。其中，最新存储的推荐模型是基于区块链的分布式账本中最后一个区块中存储的推荐模型。

[0037] 这里，基于区块链的分布式账本可以用于存储推荐模型。具体地，上述执行主体可以在基于区块链的分布式账本中创建用于存储推荐模型的区块，并将推荐模型写入区块中。若推荐模型的参数被调整而生成新的推荐模型，则可以在存储该推荐模型的区块的后面创建一个新的区块，并将新的推荐模型存储到新的区块中。若推荐模型的参数不断地被调整而不断地生成新的推荐模型，则可以不断地在基于区块链的分布式账本中创建新的区块，以存储不断生成的新的推荐模型。其中，区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链是一种去中心化的数据库，它包含一张被称为区块的列表，有着持续增长并且排列整齐的记录。每个区块都包含一个时间戳和一个与前一区块的链接，这样就使得记录在区块中的数据不可篡改。并且，区块链包含多个节点，当区块链中的一个节点中写入新数据时，会通过共识机制将该节点写入的新数据同步到区块链的其他节点中，以使所有节点保存的区块链中的数据具有一致性。

[0038] 这里，推荐模型可以用于推荐推送用户，表征推送信息与推送用户之间的对应关系。在一些实施例中，用于训练推荐模型的训练样本可以包括样本推送信息和样本推送用户的行为数据。其中，样本推送信息可以是预设时间段内(例如前三个月内)推送给用户的推送信息。样本推送用户可以是预设时间段内接收到样本推送信息的用户。样本推送用户的行为数据可以是样本推送用户响应预设时间段内接收到的样本推送信息所产生的行为数据。通常，当用户对推送信息进行操作时，可以记录相应的行为数据。其中，行为数据可以包括但不限于以下至少一项：推送信息的标识、推送信息展示在终端设备上的时间点、推送信息不再展示在终端设备上的时间点、推送信息的浏览时长等等。例如，当用户打开推送信息时，用户的终端设备上可以展示推送信息，此时，可以记录推送信息展示在终端设备上的时间点。又例如，当用户关闭推送信息时，用户的终端设备上不再展示推送信息，此时，可以记录推送信息不再展示在终端设备上的时间点。同时，还可以利用推送信息不再展示在终端设备上的时间点减去推送信息展示在终端设备上的时间点，记录推送信息的浏览时长。

[0039] 在一些实施例中，推荐模型可以是利用各种机器学习方法和训练样本对现有的机器学习模型(例如各种神经网络)进行有监督训练而得到的。通常，训练样本的输入可以包括样本推送信息和样本推送用户的行为数据。训练样本的输出可以是本领域技术人员对样本推送用户的行为数据进行分析，从而确定出的样本推送用户对样本推送信息感兴趣的概率。这时，推荐模型可以通过如下步骤训练得到：

[0040] 首先，获取大量训练样本。

[0041] 其中，每个训练样本可以包括样本推送信息、样本推送用户的行为数据和样本推送用户对样本推送信息感兴趣的概率。这里，样本推送用户的行为数据可以是利用区块链的智能协议功能接入各个不同的应用所获取的样本推送用户在各个不同应用上的行为数据。

[0042] 然后，对于大量训练样本中的每个训练样本，将该训练样本中的样本推送信息和样本推送用户的行为数据作为输入，将该训练样本中的样本推送用户对样本推送信息感兴趣的概率作为输出，对初始机器学习模型进行训练，直至训练出能够用于推荐推送用户的推荐模型。

[0043] 这里，初始机器学习模型可以是未经训练的机器学习模型或未训练完成的机器学习模型，初始机器学习模型可以设置有初始参数(例如不同的小随机数)，参数在推荐模型的训练过程中可以被不断地调整。直至训练出能够用于推荐推送用户的推荐模型位置。例如，可以采用BP(Back Propagation，反向传播)算法或者SGD(Stochastic Gradient Descent，随机梯度下降)算法来调整推荐模型的参数。

[0044] 在一些实施例中，推荐模型可以是本领域技术人员对大量样本推送信息和大量样本推送用户的行为数据进行统计分析，而得到的存储有多个样本推送信息和对应的样本推送用户的信息的对应关系表。具体地，对于每个样本推送信息，本领域技术人员可以对大量样本推送用户的行为数据进行分析，从而确定出大量样本推送用户对该样本推送信息感兴趣的概率。随后将该样本推送信息和感兴趣的概率大于预设概率阈值(例如0.7)的样本推送用户的信息存储在对应关系表中，以生成推荐模型。

[0045] 在一些实施例中，若接收到第一推送信息，上述执行主体还可以确定第一推送信息的关键信息和上传信息，并将第一推送信息的关键信息和上传信息存储到基于区块链的分布式账本中。这里，基于区块链的分布式账本还可以用于存储推送信息的关键信息和上传信息。具体地，上述执行主体可以在基于区块链的分布式账本中创建用于存储推送信息的关键信息和上传信息的区块，并将储推送信息的关键信息和上传信息写入区块中。其中，第一推送信息的关键信息可以表征第一推送信息的主要内容，通常是对第一推送信息的标题、概要信息或者详细内容进行分析而生成的。第一推送信息的上传信息可以包括但不限于上传第一推送信息的用户的标识(如账号)、第一推送信息的上传时间、第一推送信息的存储地址等等。

[0046] 步骤202，将第一推送信息输入至推荐模型，并根据推荐模型确定第一推送信息对应的第一推送用户。

[0047] 在本实施例中，上述执行主体可以将第一推送信息输入至推荐模型，从而确定第一推送信息对应的第一推送用户。

[0048] 在一些实施例中，若推荐模型是利用各种机器学习方法和训练样本对现有的机器学习模型进行有监督训练而得到的。此时，上述执行主体可以将第一推送信息输入至推荐模型，从而输出大量样本推送用户中的每个样本推送用户对第一推送信息感兴趣的概率。此时，上述执行主体可以根据大量样本推送用户中的每个样本推送用户对第一推送信息感兴趣的概率从大量样本推送用户中确定出第一推送用户。例如，将感兴趣的概率大于预设概率阈值的样本推送用户确定为第一推送用户。

[0049] 在一些实施例中，若推荐模型是存储有多个样本推送信息和对应的样本推送用户的信息的对应关系表。此时，上述执行主体可以计算第一推送信息与多个样本推送信息中的每个样本推送信息之间的相似度，并基于相似度计算结果，从该对应关系表中确定第一推送用户。例如，将相似度最高的样本推送信息对应的样本推送用户作为第一推送用户。又例如，将相似度大于相似度阈值(例如70％)的样本推送信息对应的样本推送用户作为第一推送用户。

[0050] 步骤203，将第一推送信息推送给第一推送用户。

[0051] 在本实施例中，上述执行主体可以将第一推送信息推送给第一推送用户。

[0052] 在一些实施例中，在将第一推送信息推送给第一推送用户之后，第一推送用户可以对第一推送信息进行操作。此时，会生成相应的第一行为数据。第一行为数据可以被发送至上述执行主体，上述执行主体可以对第一行为数据进行统计分析，从而确定第一推送信息的点击量、第一推送信息的点击率以及点击第一推送信息的用户的类别信息中的至少一项，以供上传第一推送信息的用户查看。这里，上述执行主体可以统计第一推送用户点击第一推送信息时所生成的第一行为数据的数量作为第一推送信息的点击量。上述执行主体还可以计算第一推送信息的点击量与第一推送用户的数量的比值，作为第一推送信息的点击率。上述执行主体还可以对点击第一推送信息的用户的信息进行统计分析，从而确定出点击第一推送信息的用户的类别信息。这里，可以按照年龄对用户的类别进行划分，也可以按照性别对用户的类别进行划分，本实施例对此不进行限定。

[0053] 在一些实施例中，在基于区块链的分布式账本还存储有推送信息的关键信息和上传信息的情况下，上述执行主体还可以将第一推送信息的关键信息与基于区块链的分布式账本中存储的推送信息的关键信息进行匹配，确定出与第一推送信息关联的推送信息。其中，若基于区块链的分布式账本中存储的一个推送信息的关键信息包含第一推送信息的关键信息，则可以认为该推送信息与第一推送信息关联。随后，基于第一推送信息的点击量、第一推送信息的点击率和第一推送信息的资源信息为以下用户至少之一分配资源：上传第一推送信息的用户、上传与第一推送信息关联的推送信息的用户和点击第一推送信息的用户。通常，由于用户点击第一推送信息可以为第一推送信息带来相应的资源，上述执行主体可以按照预设的比例为上传第一推送信息的用户、上传与第一推送信息关联的推送信息的用户和点击第一推送信息的用户分配资源。其中，资源可以是通过互联网分配的虚拟物品，例如，资源可以包括但不限于红包、优惠券、抵用券等等。预设比例可以由上述执行主体和上传第一推送信息的用户共同调整。需要说明的是，若与第一推送信息关联的推送信息的上传时间早于第一推送信息，并且与第一推送信息的内容至少部分相同，才会为上传与第一推送信息关联的推送信息的用户分配资源。

[0054] 本申请的上述实施例提供的用于推送信息的方法，若接收到第一推送信息，从基于区块链的分布式账本中获取推荐模型。随后，将第一推送信息输入至推荐模型，以确定第一推送信息对应的第一推送用户。最后，将第一推送信息推送给第一推送用户。相比于现有的基于用户在单一应用上的行为数据进行分析的信息推荐方式，本申请利用基于区块链的分布式账本中存储的推荐模型为推送信息推荐推送用户，由于基于区块链的分布式账本存储的信息量较大，提高了信息推送的精准度。

[0055] 进一步参考图3，其示出了根据本申请的用于推送信息的方法的又一个实施例的流程300。该用于推送信息的方法包括以下步骤：

[0056] 步骤301，若接收到第一推送信息，从基于区块链的分布式账本中获取推荐模型。

[0057] 步骤302，将第一推送信息输入至推荐模型，并根据推荐模型确定第一推送信息对应的第一推送用户。

[0058] 步骤303，将第一推送信息推送给第一推送用户。

[0059] 在本实施例中，步骤301-303的具体操作与图2所示的实施例中步骤201-203的操作基本相同，在此不再赘述。

[0060] 步骤304，若接收到第一推送用户响应第一推送信息产生的第一行为数据，利用第一推送信息和第一行为数据对推荐模型进行更新。

[0061] 在本实施例中，在将第一推送信息推送给第一推送用户之后，第一推送用户可以对第一推送信息进行操作。此时，会生成相应的第一行为数据。第一行为数据可以发送至用于推送信息的方法的执行主体(例如图1所示的设备103)，上述执行主体可以利用第一推送信息和第一行为数据对推荐模型进行更新。具体地，本领域技术人员可以对第一行为数据进行分析，从而确定出第一推送用户对第一推送信息感兴趣的概率。此时，上述执行主体可以将第一推送信息和第一行为数据作为输入，将第一推送用户对第一推送信息感兴趣的概率作为输出对推荐模型进行更新，以调整推荐模型的参数，从而得到更新后的推荐模型。

[0062] 步骤305，将更新后的推荐模型存储到基于区块链的分布式账本中。

[0063] 在本实施例中，上述执行主体可以在存储推荐模型的区块的后面创建一个新的区块，并将更新后的推荐模型存储到新的区块中。此时，更新后的推荐模型就成为了最新存储的推荐模型。

[0064] 步骤306，将第一推送信息输入至更新后的推荐模型，确定第一推送信息对应的更新后的第一推送用户。

[0065] 在本实施例中，上述执行主体可以将第一推送信息输入至更新后的推荐模型，从而确定出第一推送信息对应的更新后的第一推送用户。通常，更新后的推荐模型确定出的更新后的第一推送用户不同于第一推送用户。

[0066] 步骤307，将第一推送信息推送给更新后的第一推送用户。

[0067] 在本实施例中，上述执行主体可以将第一推送信息推送给更新后的第一推送用户。

[0068] 在一些实施例中，在将第一推送信息推送给更新后的第一推送用户之后，更新后的第一推送用户可以对第一推送信息进行操作，从而生成相应的第一行为数据。此时，上述执行主体还可以利用本次生成的第一行为数据对更新后的推荐模型继续进行更新，并继续推荐更多的第一推送用户，以继续推送第一推送信息。如此循环往复，第一推送信息就可以被推送给更多对其感兴趣的用户。

[0069] 从图3中可以看出，与图2对应的实施例相比，本实施例中的用于推送信息的方法的流程300增加了步骤304-307。由此，本实施例描述的方案能够在第一推送用户响应第一推送信息产生的第一行为数据时继续对推荐模型进行更新，从而推荐出更多对第一推送信息感兴趣的第一推送用户，以便于将第一推送信息推送给更多对其感兴趣的用户。尤其是，对于新的推送信息，实现了在很短的时间内就可以将其推送给较多的对其感兴趣的用户，大大缩短了新的推送信息的冷启动过程的持续时长。

[0070] 继续参考图4，其示出了根据本申请的用于推送信息的方法的另一个实施例的流程400。该用于推送信息的方法包括以下步骤：

[0071] 步骤401，若接收到第二推送用户的行为数据，从基于区块链的分布式账本中获取推荐模型。

[0072] 在本实施例中，用户可以向用于推送信息的方法的执行主体(例如图1所示的设备103)上传第二推送用户的行为数据。若接收到第二推送用户的行为数据，上述执行主体可以从基于区块链的分布式账本中获取推荐模型。通常，从基于区块链的分布式账本中获取的推送模型是最新存储的推荐模型。其中，最新存储的推荐模型是基于区块链的分布式账本中最后一个区块中存储的推荐模型。需要说明的是，行为数据、区块链和推荐模型已在参照图2所示实施例中予以详述，在此不再赘述。

[0073] 步骤402，将第二推送用户的行为数据输入至推荐模型，并根据推荐模型确定第二推送用户对应的第二推送信息。

[0074] 在本实施例中，上述执行主体可以将第二推送用户的行为数据输入至推荐模型，从而确定第二推送用户对应的第二推送信息。这里，推荐模型还可以用于推荐推送信息。

[0075] 在一些实施例中，若推荐模型是利用各种机器学习方法和训练样本对现有的机器学习模型进行有监督训练而得到的。此时，上述执行主体可以将第二推送用户的行为数据输入至推荐模型，从而输出第二推送用户对大量样本推送信息中的每个样本推送信息感兴趣的概率。此时，上述执行主体可以根据第二推送用户对大量样本推送信息中的每个样本推送信息感兴趣的概率从大量样本推送信息中确定出第二推送信息。例如，将感兴趣的概率大于预设概率阈值的样本推送信息确定为第二推送信息。

[0076] 在一些实施例中，若推荐模型是存储有多个样本推送信息和对应的样本推送用户的信息的对应关系表。此时，上述执行主体可以查询出与第二推送用户的信息相同的样本推送用户的信息对应的样本推送信息，并作为第二推送信息。

[0077] 步骤403，将第二推送信息推送给第二推送用户。

[0078] 在本实施例中，上述执行主体可以将第二推送信息推送给第二推送用户。在一些实施例中，在基于区块链的分布式账本还存储有推送信息的关键信息和上传信息的情况下，上述执行主体可以确定第二推送信息的关键信息，并与基于区块链的分布式账本中存储的推送信息的关键信息进行匹配，若存在一个推送信息的关键信息与第二推送信息的关键信息相同，获取该推送信息的关键信息的上传信息，并从上传信息中的存储地址中下载该推送信息，作为第二推送信息。

[0079] 本申请的上述实施例提供的用于推送信息的方法，若接收到第二推送用户的行为数据，从基于区块链的分布式账本中获取推荐模型。随后，将第二推送用户的行为数据输入至推荐模型，以确定第二推送用户对应的第二推送信息。最后，将第二推送信息推送给第二推送用户。相比于现有的基于用户在单一应用上的行为数据进行分析的信息推荐方式，本申请利用基于区块链的分布式账本中存储的推荐模型为推送用户推荐推送信息，由于基于区块链的分布式账本存储的信息量较大，提高了信息推送的精准度。

[0080] 进一步参考图5，其示出了根据本申请的用于推送信息的方法的再一个实施例的流程500。该用于推送信息的方法包括以下步骤：

[0081] 步骤501，若接收到第二推送用户的行为数据，从基于区块链的分布式账本中获取推荐模型。

[0082] 步骤502，将第二推送用户的行为数据输入至推荐模型，并根据推荐模型确定第二推送用户对应的第二推送信息。

[0083] 步骤503，将第二推送信息推送给第二推送用户。

[0084] 在本实施例中，步骤501-503的具体操作与图2所示的实施例中步骤401-403的操作基本相同，在此不再赘述。

[0085] 步骤504，若接收到第二推送用户响应第二推送信息产生的第二行为数据，利用第二推送信息和第二行为数据对推荐模型进行更新。

[0086] 在本实施例中，在将第二推送信息推送给第二推送用户之后，第二推送用户可以对第二推送信息进行操作。此时，会生成相应的第二行为数据。第二行为数据可以发送至用于推送信息的方法的执行主体(例如图1所示的设备103)，上述执行主体可以利用第二推送信息和第二行为数据对推荐模型进行更新。具体地，本领域技术人员可以对第二行为数据进行分析，从而确定出第二推送用户对第二推送信息感兴趣的概率。此时，上述执行主体可以将第二推送信息和第二行为数据作为输入，将第二推送用户对第二推送信息感兴趣的概率作为输出对推荐模型进行更新，以调整推荐模型的参数，从而得到更新后的推荐模型。

[0087] 步骤505，将更新后的推荐模型存储到基于区块链的分布式账本中。

[0088] 在本实施例中，上述执行主体可以在存储推荐模型的区块的后面创建一个新的区块，并将更新后的推荐模型存储到新的区块中。此时，更新后的推荐模型就成为了最新存储的推荐模型。

[0089] 从图5中可以看出，与图4对应的实施例相比，本实施例中的用于推送信息的方法的流程500增加了步骤504-505。由此，本实施例描述的方案能够在第二推送用户响应第二推送信息产生的第二行为数据时继续对推荐模型进行更新，以使更新后的推荐模型可以推荐出更加精准的推送信息或推送用户。

[0090] 下面参考图6，其示出了适于用来实现本申请实施例的计算机设备(例如图1所示的设备103)的计算机系统600的结构示意图。图6示出的计算机设备仅仅是一个示例，不应对本申请实施例的功能和使用范围带来任何限制。

[0091] 如图6所示，计算机系统600包括中央处理单元(CPU)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部分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，还存储有系统600操作所需的各种程序和数据。CPU 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。

[0092] 以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。

[0093] 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部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本申请的方法中限定的上述功能。需要说明的是，本申请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介质或者是上述两者的任意组合。计算机可读介质例如可以是——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。在本申请中，计算机可读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。而在本申请中，计算机可读的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。计算机可读的信号介质还可以是计算机可读介质以外的任何计算机可读介质，该计算机可读介质可以发送、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：无线、电线、光缆、RF等等，或者上述的任意合适的组合。

[0094] 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申请的操作的计算机程序代码，所述程序设计语言包括面向目标的程序设计语言—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)。

[0095] 附图中的流程图和框图，图示了按照本申请各种实施例的系统、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。

[0096] 描述于本申请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，获取单元还可以被描述为“若接收到第一推送信息，从基于区块链的分布式账本中获取推荐模型的单元”。

[0097] 作为另一方面，本申请还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的计算机设备中所包含的；也可以是单独存在，而未装配入该计算机设备中。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计算机设备执行时，使得该计算机设备：若接收到第一推送信息，从基于区块链的分布式账本中获取推荐模型，其中，基于区块链的分布式账本用于存储推荐模型，推荐模型用于推荐推送用户；将第一推送信息输入至推荐模型，确定第一推送信息对应的第一推送用户；将第一推送信息推送给第一推送用户。

[0098] 以上描述仅为本申请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，本申请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。例如上述特征与本申请中公开的(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。

标题	发布/更新时间	阅读量
基于智能物联设备数字身份的可信采集存录方法及装置	2020-05-14	245
用于区块链实现的基于脚本的字节解释的方法和系统	2020-05-11	637
数据流通方法、认证服务器以及数据结构	2020-05-25	891
一种基于区块链技术的汽车检测信息系统	2020-05-15	71
校准测试和追溯的方法、系统和计算机可读介质	2020-05-17	228
用于企业管理的分布式账本系统	2020-05-17	760
基于区块链的物流隐私保护方法、系统和可读存储介质	2020-05-26	875
一种文件签名处理系统	2020-05-22	294
一种基于区块链的电力审核信任系统及方法	2020-05-24	429
一种基于区块链的消息传输方法	2020-05-11	800

用于推送信息的方法和设备

用于推送信息的方法和设备

技术领域

背景技术

具体实施方式

该功能需要专业版企业版VIP权限，您可以：