类型确定方法及装置、电子设备和计算机可读存储介质与流程

【技术领域】

本发明涉及计算机技术领域，尤其涉及一种类型确定方法及装置、电子设备和计算机可读存储介质。

背景技术：

随着计算机技术的发展，越来越多的信息推送方式步入了人们的生活。一般地，app可直接向外部推送消息，比如，app将实时消息推送在终端的通知栏中进行显示。在app内，其内部的消息推送方也可进行消息的推送，比如，app内的公众号可在app内推送文，供终端用户查看。

然而，随着app和app内部的公众号等一众消息推送主体的数量的暴增，终端每天甚至每小时都会接收到大量的推送内容。这些推送内容在终端中一般按照推送时间的先后进行排列，终端的用户在浏览时，需要在大量推送信息中人为查找和选取所关注的信息。这就造成用户获取所需信息的过程极冗长和繁琐，使得用户体验不佳。

因此，如何使用户便捷获取所关注的信息，成为目前亟待解决的技术问题。

技术实现要素：

本发明实施例提供了一种类型确定方法及装置、电子设备和计算机可读存储介质，旨在解决相关技术中终端用户在大量推送信息中选取所需信息费时费力的技术问题。

第一方面，本发明实施例提供了一种类型确定方法，包括：获取信息推送主体在预定时间间隔内推送的多条文本信息；通过语言表示模型将所述多条文本信息转换为多个第一向量；基于所述多个第一向量，确定所述信息推送主体对应的第二向量；根据所述第二向量，确定所述信息推送主体的类型。

第二方面，本发明实施例提供了一种类型确定装置，包括：文本信息获取单元，用于获取信息推送主体在预定时间间隔内推送的多条文本信息；第一向量确定单元，用于通过语言表示模型将所述多条文本信息转换为多个第一向量；第二向量确定单元，用于基于所述多个第一向量，确定所述信息推送主体对应的第二向量；类型确定单元，用于根据所述第二向量，确定所述信息推送主体的类型。

第三方面，本发明实施例提供了一种电子设备，包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被设置为用于执行上述第一方面中任一项所述的方法。

第四方面，本发明实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述第一方面中任一项所述的方法流程。

以上技术方案，针对相关技术中的终端用户在大量推送信息中选取所需信息费时费力的技术问题，可为信息推送主体进行分类，以便用户可选取自身所需信息所属的类别，从而直接查看该类别下的推送信息。其中，信息推送主体包括但不限于app、app中的插件、app中的小程序、app中的公众号和任何以公众号的方式存在的其他推送主体。

信息推送主体会定时或不定时地推送文本信息，比如，app将实时新闻标题和/或摘要推送在终端的通知栏中进行显示。再比如，公众号可在app内推送文章和/或文章摘要，供终端用户查看。因此，判断信息推送主体的类型前，可将信息推送主体在预定时间间隔内推送的多条文本信息获取为判断依据的基础。

其中，在推送的文本信息数量足够多时，可基于其判断出信息推送主体的类型，而推送这些足够多的文本信息所占用的整体时长，即为预定时间间隔。预定时间间隔可基于用户的实际需求进行设置，比如，可设置预定时间间隔为1周。

获取多条文本信息后，可通过语言表示模型将多条文本信息转换为多个第一向量。语言表示模型用于将文本信息转换为对应的第一向量，文本信息的语义体现为第一向量的特征值，文本信息间的差异体现为第一向量的特征值间的差别。其中，语言表示模型包括但不限于bert(bidirectionalencoderrepresentationsfromtransformers)模型、elmo模型和openaigpt模型，当然，语言表示模型还可以是能够将文本信息转化为向量的任何其他类型的模型。

购物app经常推送购物折扣信息，新闻app经常推送实时新闻，参照此实际场景可知，信息推送主体推送的文本信息的内容是能够体现其自身的类型的。继续参照上述实际场景，若一app经常推送购物折扣信息，则多个购物折扣信息可整体表现出购物这一语义，进一步地，购物即可被认定为该app的类型。基于此，可通过多个文本信息对应的多个第一向量，生成第二向量。由于第一向量的特征值表示了其对应的文本信息的语义，则信息推送主体中多个文本信息对应的多个第一向量则在一定程度上能够体现信息推送主体所要表现的整体语义。第二向量是由体现信息推送主体所要表现的整体语义的多个第一向量生成，因此，第二向量也就能够体现信息推送主体所要表现的整体语义。而该整体语义，即可被认定为信息推送主体的类型。

当然，不同的信息推送主体因其类型不同，其对应的第二向量也就有所不同。换言之，信息推送主体的第二向量的分布与其所属类型的分布具有相关性。因此，可根据基于该相关性，通过表示信息推送主体的第二向量，得到信息推送主体的类型。

以上技术方案，针对相关技术中用户在大量推送信息中获取所需推送信息的过程极冗长和繁琐的问题，提供了一种对信息推送主体进行分类的方式，使用户可基于自身的信息查看需求，直接选择所需信息所属的信息推送主体的类型，以直接查看该类型下的信息推送主体所推送的信息。由此，使用户无需冗长和繁琐的查找步骤就能够便捷获取所关注类型的信息，增加了用户获取信息的便利性，提升了用户体验。

【附图说明】

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它的附图。

图1示出了根据本发明的一个实施例的类型确定方法的流程图；

图2示出了根据本发明的另一个实施例的类型确定方法的流程图；

图3示出了根据本发明的再一个实施例的类型确定方法的流程图；

图4示出了根据本发明的一个实施例的类型确定装置的框图；

图5示出了根据本发明的一个实施例的电子设备的框图。

【具体实施方式】

为了更好的理解本发明的技术方案，下面结合附图对本发明实施例进行详细描述。

应当明确，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。

图1示出了根据本发明的一个实施例的类型确定方法的流程图。

如图1所示，根据本发明的一个实施例的类型确定方法，包括：

步骤102，获取信息推送主体在预定时间间隔内推送的多条文本信息。

信息推送主体包括但不限于app、app中的插件、app中的小程序、app中的公众号和任何以公众号的方式存在的其他推送主体。信息推送主体会定时或不定时地推送文本信息，比如，app将实时新闻标题和/或摘要推送在终端的通知栏中进行显示。再比如，公众号可在app内推送文章和/或文章摘要，供终端用户查看。因此，判断信息推送主体的类型前，可将信息推送主体在预定时间间隔内推送的多条文本信息获取为判断依据的基础。

在推送的文本信息数量足够多时，可基于其判断出信息推送主体的类型，而推送这些足够多的文本信息所占用的整体时长，即为预定时间间隔。预定时间间隔可基于用户的实际需求进行设置，比如，可设置预定时间间隔为1周。

步骤104，通过语言表示模型将所述多条文本信息转换为多个第一向量。

获取多条文本信息后，可通过语言表示模型将多条文本信息转换为多个第一向量。语言表示模型用于将文本信息转换为对应的第一向量，文本信息的语义体现为第一向量的特征值，文本信息间的差异体现为第一向量的特征值间的差别。其中，语言表示模型包括但不限于bert(bidirectionalencoderrepresentationsfromtransformers)模型、elmo模型和openaigpt模型，当然，语言表示模型还可以是能够将文本信息转化为向量的任何其他类型的模型。

步骤106，基于所述多个第一向量，确定所述信息推送主体对应的第二向量。

购物app经常推送购物折扣信息，新闻app经常推送实时新闻，参照此实际场景可知，信息推送主体推送的文本信息的内容是能够体现其自身的类型的。继续参照上述实际场景，若一app经常推送购物折扣信息，则多个购物折扣信息可整体表现出购物这一语义，进一步地，购物即可被认定为该app的类型。基于此，可通过多个文本信息对应的多个第一向量，生成第二向量。由于第一向量的特征值表示了其对应的文本信息的语义，则信息推送主体中多个文本信息对应的多个第一向量则在一定程度上能够体现信息推送主体所要表现的整体语义。第二向量是由体现信息推送主体所要表现的整体语义的多个第一向量生成，因此，第二向量也就能够体现信息推送主体所要表现的整体语义。而该整体语义，即可被认定为信息推送主体的类型。

步骤108，根据所述第二向量，确定所述信息推送主体的类型。

不同的信息推送主体因其类型不同，其对应的第二向量也就有所不同。换言之，信息推送主体的第二向量的分布与其所属类型的分布具有相关性。因此，可根据基于该相关性，通过表示信息推送主体的第二向量，得到信息推送主体的类型。

以上技术方案，针对相关技术中用户在大量推送信息中获取所需推送信息的过程极冗长和繁琐的问题，提供了一种对信息推送主体进行分类的方式，使用户可基于自身的信息查看需求，直接选择所需信息所属的信息推送主体的类型，以直接查看该类型下的信息推送主体所推送的信息。由此，使用户无需冗长和繁琐的查找步骤就能够便捷获取所关注类型的信息，增加了用户获取信息的便利性，提升了用户体验。

图2示出了根据本发明的另一个实施例的类型确定方法的流程图。

如图2所示，根据本发明的另一个实施例的类型确定方法，包括：

步骤202，获取信息推送主体在预定时间间隔内推送的多条文本信息。

信息推送主体包括但不限于app、app中的插件、app中的小程序、app中的公众号和任何以公众号的方式存在的其他推送主体。信息推送主体会定时或不定时地推送文本信息，比如，app将实时新闻标题和/或摘要推送在终端的通知栏中进行显示。再比如，公众号可在app内推送文章和/或文章摘要，供终端用户查看。因此，判断信息推送主体的类型前，可将信息推送主体在预定时间间隔内推送的多条文本信息获取为判断依据的基础。

在推送的文本信息数量足够多时，可基于其判断出信息推送主体的类型，而推送这些足够多的文本信息所占用的整体时长，即为预定时间间隔。预定时间间隔可基于用户的实际需求进行设置，比如，可设置预定时间间隔为1周。

步骤204，通过语言表示模型将所述多条文本信息转换为多个第一向量。

获取多条文本信息后，可通过语言表示模型将多条文本信息转换为多个第一向量。语言表示模型用于将文本信息转换为对应的第一向量，文本信息的语义体现为第一向量的特征值，文本信息间的差异体现为第一向量的特征值间的差别。其中，语言表示模型包括但不限于bert(bidirectionalencoderrepresentationsfromtransformers)模型、elmo模型和openaigpt模型，当然，语言表示模型还可以是能够将文本信息转化为向量的任何其他类型的模型。

步骤206，对所述信息推送主体的指定文本信息进行one-hot向量处理，得到第三向量。

一个信息推送主体中的指定文本信息可由用户根据实际的信息分类查看需求进行分类，也可由电子设备根据用户日常查看的信息的类型、信息查看习惯等用户个体信息进行设置。一个信息推送主体的指定文本信息是多而繁杂的，由大量离散值组成，包括但不限于上述步骤202所述的多条文本信息中的部分或全部、个体摘要信息、个体业务信息等。one-hot向量处理用于将这些离散值转换为机器学习算法易于利用的形式。

在一种可能的设计中，将信息推送主体的指定文本信息进行分词，分词后的所有单词作为一个总体的特征数目，进行one-hot向量处理，其中，每一个单词就是一个one-hot向量，所有单词的one-hot向量相加或相拼接，组成指定文本信息对应的第三向量。

在另一种可能的设计中，对指定文本信息中的每个语句进行分词，分词后将这些单词作为该语句的表示方式，这样，一个语句就是一个二维向量，二维向量的行数即语句包含的单词总数，所有语句的二维向量相加或相拼接，组成指定文本信息对应的第三向量。

步骤208，将所述第三向量作为输入训练样本，将所述多个第一向量作为输出训练样本，训练skip-gram模型。

步骤210，将所述skip-gram模型的隐藏层向量确定为所述信息推送主体的第二向量。

one-hot向量处理之所以转化得到机器学习算法易于利用的第三向量，就是为了基于第三向量和第一向量训练skip-gram模型。skip-gram模型是word2vec模型的一种，用于通过给定的信息预测其上下文的关联信息。则信息推送主体中的指定文本信息对应的第三向量，与信息推送主体中推送的多个文本信息对应的多个第一向量，两者的关联关系体现在两者均属于同一信息推送主体，为同一类型下的信息。因此，可将将所述第三向量作为输入训练样本，将所述多个第一向量作为输出训练样本，训练一个skip-gram模型。该skip-gram模型作为两者关联关系的体现，其中的隐藏层向量即为信息推送主体对应的第二向量。

步骤212，对多个所述信息推送主体对应的多个所述第二向量进行聚类，得到每个所述第二向量的聚类类型，将每个所述第二向量的聚类类型确定为该第二向量对应的所述信息推送主体的类型。

不同的信息推送主体因其类型不同，其对应的第二向量也就有所不同。换言之，信息推送主体的第二向量的分布与其所属类型的分布具有相关性。因此，可根据基于该相关性，对多个第二向量进行聚类，所得的聚类类型即为每个第二向量对应的信息推送主体的类型。其中，聚类方式包括但不限于密度聚类方式、网格聚类方式和神经网络聚类方式。

通过以上技术方案，可训练带有隐藏层的skip-gram模型，从而将其隐藏层中的第二向量确定为信息推送主体的向量，依此确定信息推送主体的类型，使用户可基于自身的信息查看需求，直接选择所需信息所属的信息推送主体的类型，以直接查看该类型下的信息推送主体所推送的信息。

图3示出了根据本发明的再一个实施例的类型确定方法的流程图。

如图3所示，在信息推送主体为多个的情况下，每个所述信息推送主体对应有若干个第一向量，则根据本发明的再一个实施例的类型确定方法，包括：

步骤302，获取多个信息推送主体中每个信息推送主体在预定时间间隔内推送的文本信息。

信息推送主体包括但不限于app、app中的插件、app中的小程序、app中的公众号和任何以公众号的方式存在的其他推送主体。信息推送主体会定时或不定时地推送文本信息，比如，app将实时新闻标题和/或摘要推送在终端的通知栏中进行显示。再比如，公众号可在app内推送文章和/或文章摘要，供终端用户查看。因此，判断信息推送主体的类型前，可将信息推送主体在预定时间间隔内推送的多条文本信息获取为判断依据的基础。

在推送的文本信息数量足够多时，可基于其判断出信息推送主体的类型，而推送这些足够多的文本信息所占用的整体时长，即为预定时间间隔。预定时间间隔可基于用户的实际需求进行设置，比如，可设置预定时间间隔为1周。

步骤304，通过语言表示模型将每个所述信息推送主体推送的文本信息转换为第一向量。

获取多条文本信息后，可通过语言表示模型将多条文本信息转换为多个第一向量。语言表示模型用于将文本信息转换为对应的第一向量，文本信息的语义体现为第一向量的特征值，文本信息间的差异体现为第一向量的特征值间的差别。其中，语言表示模型包括但不限于bert(bidirectionalencoderrepresentationsfromtransformers)模型、elmo模型和openaigpt模型，当然，语言表示模型还可以是能够将文本信息转化为向量的任何其他类型的模型。

步骤306，对每个所述信息推送主体的指定文本信息进行one-hot向量处理，得到每个所述信息推送主体对应的第三向量。

一个信息推送主体中，其指定文本信息是多而繁杂的，由大量离散值组成，包括但不限于信息推送主体推送的文本信息、个体摘要信息、个体业务信息等。one-hot向量处理用于将这些离散值转换为机器学习算法易于利用的形式。

在一种可能的设计中，将信息推送主体的指定文本信息进行分词，分词后的所有单词作为一个总体的特征数目，进行one-hot向量处理，其中，每一个单词就是一个one-hot向量，所有单词的one-hot向量相加或相拼接，组成指定文本信息对应的第三向量。

在另一种可能的设计中，对指定文本信息中的每个语句进行分词，分词后将这些单词作为该语句的表示方式，这样，一个语句就是一个二维向量，二维向量的行数即语句包含的单词总数，所有语句的二维向量相加或相拼接，组成指定文本信息对应的第三向量。

步骤308，将多个所述信息推送主体分别对应的多个所述第三向量作为输入训练样本，将多个所述信息推送主体的全部所述第一向量作为输出训练样本，训练skip-gram模型。

步骤310，对于多个所述信息推送主体中的任一所述信息推送主体，在所述skip-gram模型的隐藏层矩阵中选择行标识与该所述信息推送主体的标识相匹配的行向量，作为该所述信息推送主体的第二向量。

在图2实施例的基础上，需要理解的是，若将多个信息推送主体分别对应的多个第三向量作为输入训练样本，将多个信息推送主体的全部第一向量作为输出训练样本，其训练得到的skip-gram模型也就集中体现了多个信息推送主体与全部第一向量的关联关系。则skip-gram模型的隐藏层中，相应设置有一个矩阵，该矩阵的行数与多个信息推送主体的数量一致。其中，每一行对应唯一的一个信息推送主体，每一行设置有唯一的行标识，则其行标识与其对应唯一的一个信息推送主体的标识也是对应的。进一步地，可通过该矩阵每一行的行标识，确定与其相同的或者相关联的信息推送主体的标识，从而将该行向量确定为该信息推送主体对应的第二向量。

步骤312，通过预训练的信息推送主体分类模型确定所述信息推送主体的类型。其中，所述信息推送主体分类模型的输入为所述信息推送主体对应的所述第二向量，所述信息推送主体分类模型的输出为所述信息推送主体的类型。

也就是说，可通过大量的历史信息推送主体的历史第二向量与历史信息推送主体的历史类型作为训练样本，训练一个能够体现信息推送主体的第二向量与信息推送主体的类型的关联关系的模型。这样，在计算得到第二向量后，直接将第二向量输入该模型，即可得到相应的信息推送主体的类型。

其中，训练所述信息推送主体分类模型的步骤包括：获取所述信息推送主体分类模型的训练样本集合，所述训练样本集合中的每个训练样本包括历史信息推送主体的历史第二向量和所述历史信息推送主体的历史类型；初始化初始信息推送主体分类模型的模型参数；将所述每个训练样本的所述历史第二向量输入所述初始信息推送主体分类模型，得到所述每个训练样本对应的预测类型；基于所述每个训练样本的所述预测类型和所述历史类型的差异，对所述初始信息推送主体分类模型的模型参数进行调整，得到所述信息推送主体分类模型。

当然，在图1至图3中任一实施例的基础上，在判断信息推送主体的类型时，既可以采用图2实施例所述的对第二向量进行聚类，也可以采用图3实施例所述的应用信息推送主体分类模型的方式。

在一种可能的设计中，为获得尽可能准确的分类结果，可同时使用对第二向量进行聚类的方式，以及应用信息推送主体分类模型的方式。在两者结果一致时，将结果指示的类型确定为信息推送主体的类型。在两者结果不一致时，返回初始步骤，重新获取信息推送主体在新的预定时间间隔内推送的多条文本信息，作为新的判断依据，重新判断信息推送主体的类型。由此，增加了信息推送主体的类型判断的准确性。

在图1实施例的基础上，确定信息推送主体对应的第二向量还可包括以下两种方式：

其一，可将所述多个第一向量的均值向量确定为所述信息推送主体对应的所述第二向量。即将多个第一向量的相同位置的元素相加，再除以多个第一向量的数量，作为该位置的最终元素。则各个位置的最终元素组成多个第一向量的平均值向量。

其中，可将由所述多个第一向量中每个元素位置的最大元素组成的最大值向量确定为所述信息推送主体对应的所述第二向量。对于多个第一向量的相同位置，选择最大的元素，作为第二向量中该位置处的元素，则每个位置的最大元素组成的向量即为个第一向量的最大值向量。

由此，可简单快捷地得出信息推送主体对应的第二向量，提升了为信息推送主体进行分类效率。当然，图2和图3实施例中通过skip-gram模型确定第二向量的方式，则更具精确性。

图4示出了根据本发明的一个实施例的类型确定装置的框图。

如图4所示，根据本发明的一个实施例的类型确定装置400，包括：文本信息获取单元402，用于获取信息推送主体在预定时间间隔内推送的多条文本信息；第一向量确定单元404，用于通过语言表示模型将所述多条文本信息转换为多个第一向量；第二向量确定单元406，用于基于所述多个第一向量，确定所述信息推送主体对应的第二向量；类型确定单元408，用于根据所述第二向量，确定所述信息推送主体的类型。

在一种可能的设计中，还包括：第三向量确定单元，用于在所述第二向量确定单元406确定所述信息推送主体对应的第二向量之前，对所述信息推送主体的指定文本信息进行one-hot向量处理，得到第三向量；则所述第二向量确定单元406用于：将所述第三向量作为输入训练样本，将所述多个第一向量作为输出训练样本，训练skip-gram模型；将所述skip-gram模型的隐藏层向量确定为所述信息推送主体的第二向量。

在一种可能的设计中，在所述信息推送主体为多个的情况下，每个所述信息推送主体对应有若干个所述第一向量，则所述类型确定装置400还包括：one-hot处理单元，用于在所述第二向量确定单元406确定所述信息推送主体对应的第二向量之前，对每个所述信息推送主体的指定文本信息进行one-hot向量处理，得到每个所述信息推送主体对应的第三向量；所述第二向量确定单元406用于：将多个所述信息推送主体分别对应的多个所述第三向量作为输入训练样本，将多个所述信息推送主体的全部所述第一向量作为输出训练样本，训练skip-gram模型；对于多个所述信息推送主体中的任一所述信息推送主体，在所述skip-gram模型的隐藏层矩阵中选择行标识与该所述信息推送主体的标识相匹配的行向量，作为该所述信息推送主体的第二向量。

在一种可能的设计中，所述第二向量确定单元406用于：将所述多个第一向量的均值向量确定为所述信息推送主体对应的所述第二向量；或者将由所述多个第一向量中每个元素位置的最大元素组成的最大值向量确定为所述信息推送主体对应的所述第二向量。

在一种可能的设计中，所述类型确定单元408用于：对多个所述信息推送主体对应的多个所述第二向量进行聚类，得到每个所述第二向量的聚类类型；将每个所述第二向量的聚类类型确定为该第二向量对应的所述信息推送主体的类型。

在一种可能的设计中，所述类型确定单元408用于：通过预训练的信息推送主体分类模型确定所述信息推送主体的类型，其中，所述信息推送主体分类模型的输入为所述信息推送主体对应的所述第二向量，所述信息推送主体分类模型的输出为所述信息推送主体的类型。

在一种可能的设计中，所述类型确定装置400还包括：信息推送主体分类模型训练单元，用于获取所述信息推送主体分类模型的训练样本集合，所述训练样本集合中的每个训练样本包括历史信息推送主体的历史第二向量和所述历史信息推送主体的历史类型；初始化初始信息推送主体分类模型的模型参数；将所述每个训练样本的所述历史第二向量输入所述初始信息推送主体分类模型，得到所述每个训练样本对应的预测类型；基于所述每个训练样本的所述预测类型和所述历史类型的差异，对所述初始信息推送主体分类模型的模型参数进行调整，得到所述信息推送主体分类模型。

该类型确定装置400使用图1至图3示出的实施例中任一项所述的方案，因此，具有上述所有技术效果，在此不再赘述。

图5示出了根据本发明的一个实施例的电子设备的框图。

如图5所示，本发明的一个实施例的电子设备500，包括至少一个存储器502；以及，与所述至少一个存储器502通信连接的处理器504；其中，所述存储器存储有可被所述至少一个处理器504执行的指令，所述指令被设置为用于执行上述图1至图3实施例中任一项所述的方案。因此，该电子设备500具有图1至图3实施例中任一项相同的技术效果，在此不再赘述。

本发明实施例的电子设备以多种形式存在，包括但不限于:

(1)移动通信设备:这类设备的特点是具备移动通信功能，并且以提供话音、数据通信为主要目标。这类终端包括:智能手机(例如iphone)、多媒体手机、功能性手机，以及低端手机等。

(2)超移动个人计算机设备:这类设备属于个人计算机的范畴，有计算和处理功能，一般也具备移动上网特性。这类终端包括:pda、mid和umpc设备等，例如ipad。

(3)便携式娱乐设备:这类设备可以显示和播放多媒体内容。该类设备包括:音频、视频播放器(例如ipod)，掌上游戏机，电子书，以及智能玩具和便携式车载导航设备。

(4)服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。

(5)其他具有数据交互功能的电子装置。

另外，本发明实施例提供了一种计算机可读存储介质，存储有计算机可执行指令，所述计算机可执行指令用于执行上述图1至图3实施例中任一项所述的方法流程。

以上结合附图详细说明了本发明的技术方案，通过本发明的技术方案，针对相关技术中用户在大量推送信息中获取所需推送信息的过程极冗长和繁琐的问题，提供了一种对信息推送主体进行分类的方式，使用户可基于自身的信息查看需求，直接选择所需信息所属的信息推送主体的类型，以直接查看该类型下的信息推送主体所推送的信息。由此，使用户无需冗长和繁琐的查找步骤就能够便捷获取所关注类型的信息，增加了用户获取信息的便利性，提升了用户体验。

应当理解，本文中使用的术语“和/或”仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。

应当理解，尽管在本发明实施例中可能采用术语第一、第二等来描述xxx，但这些xxx不应限于这些术语。这些术语仅用来将xxx彼此区分开。例如，在不脱离本发明实施例范围的情况下，第一xxx也可以被称为第二xxx，类似地，第二xxx也可以被称为第一xxx。

取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”或“响应于检测”。类似地，取决于语境，短语“如果确定”或“如果检测(陈述的条件或事件)”可以被解释成为“当确定时”或“响应于确定”或“当检测(陈述的条件或事件)时”或“响应于检测(陈述的条件或事件)”。

在本发明所提供的几个实施例中，应该理解到，所揭露的系统、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。

上述以软件功能单元的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中，包括若干指令用以使得一台计算机装置(可以是个人计算机，服务器，或者网络装置等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括：u盘、移动硬盘、只读存储器(read-onlymemory，rom)、随机存取存储器(randomaccessmemory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。