本发明涉及数据分析领域，尤其是一种基于用户浏览习惯的公众号推送平台。
背景技术：
随着互联网的发展，尤其是大数据计算的发展，各种基于互联网和大数据的应用也相应地陆续诞生。其中，很大一部分涉及到内容的应用，比如公众号。
对于内容和种类日益丰富的公众号，哪怕是属于同一主题下的公众号，其发布的内容也大相径庭，而对于用户来说，不可能逐一浏览，因此，如何保证用户能浏览到特定主题下，相关性高的，内容丰富的公众号，是一个符合信息发展需求的，也是亟待解决的问题。
技术实现要素：
本发明的发明目的在于：针对上述存在的问题，提供一种基于用户对其历史浏览的公众号，自动推送相关性高的、符合其浏览习惯的其它公众号的方案，从而解决用户对公众号内容获取的覆盖面，以及保证其浏览的公众号为符合其浏览需求的问题。
本发明采用的技术方案如下：
一种基于用户浏览习惯的公众号推送平台，包括：
数据采集部，用于采集用户在终端上对若干公众号浏览的历史浏览数据；
数据分析部，连接数据采集部，用于根据所述历史浏览数据，分析出用户习惯浏览的数据信息；
数据推送部，连接数据分析部，用于根据所述数据信息，向终端推送公众号。
上述方案，通过用户的历史浏览数据，分析出其浏览习惯，进而根据其浏览习惯，为其推送相应的公众号，从而实现基于用户浏览习惯的公众号推送，保证了推送的公众号符合用户浏览需求，同时，丰富了用户对公众号的获取方式，也丰富了其获取公众号的知识覆盖面。
进一步的，上述历史浏览数据为：用户浏览公众号的属性信息和/或对若干公众号的点击量信息和/或对所述若干公众号的浏览时长信息。
作为优选，上述公众号的属性信息包括：公众号的开发者信息、公众号的名称信息、公众号的分类信息或者公众号的认证信息中的一项或多项。
作为优选，数据采集部采集用户对若干公众号的所有历史浏览数据，或者为用户对若干公众号的预定时段的历史浏览数据。
进一步的，上述数据分析部包括：
数据分析单元，用于根据所述历史浏览数据，分析出浏览偏好信息；
建模单元，用于根据所述浏览偏好信息，构建浏览模型；
数据预测单元，用于根据所述浏览模型，分析出用户习惯浏览的数据信息。
上述方案中，浏览偏好信息包括：公众号信息、公众号分类信息、公众号浏览顺序信息、公众号浏览时间信息或公众号浏览黑名单信息中的一项或多项。
作为优选，上述建模单元通过回归分析法构建浏览模型。
上述建模单元，通过浏览偏好信息构建浏览模型，该浏览模型为虚拟的用户对匹配于用户对各公众号进行浏览的模型，以此从客观数据中，推测出该用户的浏览习惯，得到满足该用户浏览习惯的数据信息。该数据信息为预测的对公众号的偏好信息。
进一步的，上述数据推送部包括：
排序单元，用于根据所述数据分析部分析出的数据信息，根据特定主题对数据信息包含的数据进行排序；
数据截取单元，用于截取所述排序的数据信息中，靠前预定量的数据信息；
匹配单元，用于匹配出与所述截取的数据信息相关的公众号；
数据推送单元，用于将所述匹配单元输出的相关公众号推送给所述终端。
其中，匹配单元包括：
匹配模块，用于匹配出与所述截取的数据信息相关的公众号；
排序模块，用于对匹配模块匹配的相关公众号进行排序；
截取模块，用于截取排序模块输出的，预定数量排序靠前的相关公众号。
作为优选，排序模块根据公众号作者名称、公众号名称、公众号评价信息、公众号历史点击量、公众号历史浏览流量或公众号认证信息中一项或多项的结合对所述公众号进行排序。
作为优选，上述特定主题为：公众号的历史点击量、历史浏览流量或历史浏览时长。
综上所述，由于采用了上述技术方案，本发明的有益效果是：
通过本发明的平台，实现根据用户的浏览习惯，在众多公众号中，筛选出满足用户浏览需求的，相关性高的，评价高的，认证权威的，知识面丰富的公众号。进一步的，解决了通过用户自己逐一排查众多公众号所带来的浪费时间、排查不完整、知识面排查不全等问题。以此，该平台可满足大数据发展和内容应用发展的需求，进一步的，还可推动高价值公众号/知识库的推广和发展，达到多赢的效果，实用性极高。
附图说明
本发明将通过例子并参照附图的方式说明，其中：
图1是基于用户浏览习惯的公众号推送平台结构图。
图2是图1中数据分析部模块图。
图3是图1中数据推送部模块图。
图4是图3中匹配单元结构图。
具体实施方式
本说明书中公开的所有特征，或公开的所有方法或过程中的步骤，除了互相排斥的特征和/或步骤以外，均可以以任何方式组合。
本说明书（包括任何附加权利要求、摘要）中公开的任一特征，除非特别叙述，均可被其他等效或具有类似目的的替代特征加以替换。即，除非特别叙述，每个特征只是一系列等效或类似特征中的一个例子而已。
如图1所示，本实施例公开了一种基于用户浏览习惯的公众号推送平台，包括：
数据采集部，用于采集用户在终端上对若干公众号浏览的历史浏览数据；
数据分析部，连接数据采集部，用于根据所述历史浏览数据，分析出用户习惯浏览的数据信息；
数据推送部，连接数据分析部，用于根据所述数据信息，向终端推送公众号。
其中，数据采集部采集用户对若干公众号的所有历史浏览数据，或者为用户对若干公众号的预定时段的历史浏览数据。如用户开始使用该公众号开始计算为历史浏览数据，也可通过用户近期集中浏览的数据，判断出该用户近期亟需的知识内容，从而根据用户的阶段性问题，为其推送相应的公众号/知识库。
上述历史浏览数据为：用户浏览公众号的属性信息和/或对若干公众号的点击量信息和/或对所述若干公众号的浏览时长信息。其中公众号的属性信息包括：公众号的开发者信息、公众号的名称信息、公众号的分类信息或者公众号的认证信息中的一项或多项。
如，数据采集部采集到用户近一周（预定时段）集中浏览的名为“知识产权日报”、“欧洲旅游攻略”的公众号/知识库,通过收集该历史浏览数据发现，其中，公众号分别对应于知识产权和旅游分类，两个公众号均得到管理者认证，“知识产权日报”的开发者为a公司，“欧洲旅游攻略”的开发者为b公司，对“知识产权日报”的浏览时间为24小时，对“欧洲旅游攻略”的浏览时间为8小时。
则数据分析部通过上述浏览的历史数据，分析出用户对公众号/知识库分类的偏好、作者偏好、近期的浏览需求偏好等信息，再据此匹配出相关的公众号/知识库，数据推送部以此为用户推送公众号/知识库。
如附图2-4所示，本实施例具体公开了实施例一中各部的具体结构：
上述数据分析部包括：
数据分析单元，用于根据所述历史浏览数据，分析出浏览偏好信息；
建模单元，用于根据所述浏览偏好信息，通过回归分析法构建浏览模型，此处也可应用其它现有方法进行建模；
数据预测单元，用于根据所述浏览模型，分析出用户习惯浏览的数据信息。
上述方案中，浏览偏好信息包括：公众号信息、公众号分类信息、公众号浏览顺序信息、公众号浏览时间信息或公众号浏览黑名单信息中的一项或多项。
如实施例一中，用户还将为通过管理者认证的公众号/知识库列入了浏览黑名单，则不会再推送未通过管理者认证的公众号/知识库推送给用户。
上述数据推送部包括：
排序单元，用于根据所述数据分析部分析出的数据信息，根据特定主题对数据信息包含的数据进行排序；
数据截取单元，用于截取所述排序的数据信息中，靠前预定量的数据信息；
匹配单元，用于匹配出与所述截取的数据信息相关的公众号；
数据推送单元，用于将所述匹配单元输出的相关公众号推送给所述终端。
其中，匹配单元包括：
匹配模块，用于匹配出与所述截取的数据信息相关的公众号；
排序模块，用于对匹配模块匹配的相关公众号进行排序；
截取模块，用于截取排序模块输出的，预定数量排序靠前的相关公众号。
作为优选，排序模块根据公众号作者名称、公众号名称、公众号评价信息、公众号历史点击量、公众号历史浏览流量或公众号认证信息中一项或多项的结合对所述公众号进行排序。
作为优选，上述特定主题为：公众号的历史点击量、历史浏览流量或历史浏览时长。
如实施例一中，排序单元根据对公众号历史浏览时长对数据信息排序，即“知识产权日报”排序靠前，“欧洲旅游攻略”排序次之，还可能包括一些其它浏览时间占比极小的公众号。对此，数据截取单元截取排序前5的公众号排名，得到对应的数据信息。
匹配模块再根据截取出的数据信息，查找出相关的公众号，如与截取的数据信息中的分类相同的、开发者相同的（或其他方面相关的）公众号，如查找到名为“专利日报”、“知识产权运营日报”、“商标日报”、“法国旅游攻略”、“荷兰旅游攻略”、“签证攻略”和“欧洲游”等公众号。
进一步，排序模块对查找到的公众号按评价信息+公众号认证+公众号名称（按首字母排序）进行排序。如上述查找的公众号评价依次为（总分5）：4.8、4.9、3.7、4.8、3.2、3.1和3.5，其中，除“欧洲游”外，其余公众号均通过认证，则排序为：“知识产权运营日报”、“法国旅游攻略”、“专利日报”、“商标日报”、“荷兰旅游攻略”、“签证攻略”（“欧洲游”不计入排序）；以该排序向用户推送该批公众号。进一步的，截取模块继续对推送的公众号进行截取，如截取排序考前的5名，则“签章攻略”及以后的公众号不被推送。
本发明并不局限于前述的具体实施方式。本发明扩展到任何在本说明书中披露的新特征或任何新的组合，以及披露的任一新的方法或过程的步骤或任何新的组合。