信息推送方法、服务器及系统的制作方法
【技术领域】
[0001]本发明涉及互联网技术领域，尤其涉及一种信息推送方法、服务器及系统。
【背景技术】
[0002]目前，互联网爆炸式信息增长使得信息过载问题越来越严重，用户很难从海量的新闻网站、论坛、博客等信息来源地去找到自己感兴趣的内容。由此,产生了个性化推荐系统。通常，个性化推荐系统根据用户的浏览历史来计算用户可能感兴趣的内容，并将这些内容优先展示给用户。
[0003]但是，个性化推荐系统面临一个很重要的问题就是如何确定每次用户请求的推荐结果下发数量。如果下发的数量不够，则无法完全满足用户每次的浏览需求，用户看完后需要再次请求；如果下发的太多，则用户无法一次完全消费，反而会造成无谓的流量浪费。
[0004]现有的推荐结果下发策略一般采用结合业务的固定的人工经验值，其存在的缺陷是:没有考虑到不同时刻用户使用产品时的场景可能不一样，从而使得其下发的推荐方案不一定是最优的下发方案。因此，现有的推荐结果下发策略无法做到灵活控制。
【发明内容】
[0005]本发明实施例提供一种信息推送方法、服务器及系统，旨在提高信息推送结果下发策略的灵活性，既满足用户的浏览需求，又避免造成流量浪费。
[0006]本发明实施例提出一种信息推送方法，包括:
[0007]获取用户端对信息推送列表的点击信息，形成用户点击日志；
[0008]基于所述用户点击日志，对用户点击行为分布进行分析，获取分析结果；
[0009]根据所述分析结果从所述信息推送列表中选取相应的推荐条目进行下发。
[0010]本发明实施例还提出一种信息推送服务器，包括:
[0011 ] 获取模块，用于获取用户端对信息推送列表的点击信息，形成用户点击日志；
[0012]分析模块，用于基于所述用户点击日志，对用户点击行为分布进行分析，获取分析结果;
[0013]下发模块，用于根据所述分析结果从所述信息推送列表中选取相应的推荐条目进行下发。
[0014]本发明实施例还提出一种信息推送系统，包括:用户端和与所述用户端通信连接的服务器；其中:
[0015]所述服务器为如上所述的服务器；
[0016]所述用户端，用于响应用户对信息推送列表的点击操作，将点击信息上报至所述服务器；以及，接收所述服务器下发的推荐条目。
[0017]本发明实施例提出的一种信息推送方法、服务器及系统，通过获取用户端对信息推送列表的点击信息，形成用户点击日志，基于用户点击日志，对用户点击行为分布进行分析，具体可以分析用户的点击位置分布，并可以结合不同的时间段，在不同时刻给予不同的下发条数，从而实现信息推送结果下发策略的灵活控制，使得推荐条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。
【附图说明】
[0018]图1是本发明信息推送方法第一实施例的流程示意图；
[0019]图2a是本发明实施例中基于用户点击日志，对用户点击行为分布进行分析，获取分析结果的一种实施方式流程示意图；
[0020]图2b是本发明实施例中根据分析结果从所述信息推送列表中选取相应的推荐条目进行下发的一种实施方式流程示意图；
[0021]图3是本发明实施例中基于用户点击位置分布的分析策略的一种统计示意图；
[0022]图4a是本发明实施例中基于用户点击日志，对用户点击行为分布进行分析，获取分析结果的另一种实施方式流程示意图；
[0023]图4b是本发明实施例中根据分析结果从所述信息推送列表中选取相应的推荐条目进行下发的另一种实施方式流程示意图；
[0024]图5是本发明实施例中基于不同时间段的用户点击位置分布的分析策略的一种统计示意图；
[0025]图6是本发明信息推送服务器较佳实施例的功能模块示意图；
[0026]图7是本发明实施例中分析模块的结构示意图；
[0027]图8是本发明信息推送系统较佳实施例的架构示意图。
[0028]为了使本发明的技术方案更加清楚、明了，下面将结合附图作进一步详述。
【具体实施方式】
[0029]应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
[0030]如图1所示，本发明第一实施例提出一种信息推送方法，包括:
[0031]步骤S101，获取用户端对信息推送列表的点击信息，形成用户点击日志；
[0032]其中，信息推送列表可以是由后台服务器个性化推荐系统根据用户的浏览历史记录，计算得到的包括用户可能感兴趣的内容的信息推荐条目，以便将这些内容优先展示给用户。其中，信息推送列表所包含的各种信息推荐条目可以来自各种新闻网站、论坛、博客等；此外，信息推送列表所包含的信息也可以是微博、公众平台数据等用户订制信息。
[0033]为了较为准确的确定用户每次请求的推送结果下发数量，以满足大多数用户每次的浏览需求，又避免造成流量浪费，实现推送结果下发策略的灵活控制，本实施例通过分析用户对于个性化推送结果的点击信息来确定推送结果的最优下发条数。
[0034]具体地，首先，当个性化信息推送列表呈现给用户后，用户可以根据自身需求从个性化信息推送列表中点击选取自己想要浏览的网页推荐条目，用户终端会响应用户对信息推送列表的点击操作，记录用户的点击信息，并将点击信息上报至后台服务器。
[0035]其中，点击信息可以包括用户的点击时间、在信息推送列表中的点击位置、用户ID
坐寸ο
[0036]后台服务器在获取到用户端上报的点击信息后，形成用户点击日志，以便根据用户点击日志对用户的点击位置分布进行分析。
[0037]步骤S102，基于所述用户点击日志，对用户点击行为分布进行分析，获取分析结果;
[0038]其中，用户点击行为可以包括用户在信息推送列表中的点击位置选取行为，以及用户的点击时间选取行为等。
[0039]后台服务器根据形成的用户点击日志，分析用户在信息推送列表中的点击位置分布，并可以结合不同的时间段，累积信息推送列表中第I位到当前统计位置的点击数占总点击数的比例，由此得到分析结果，以便根据此分析结果在不同时刻给予不同的下发条数，实现信息推送结果下发策略的灵活控制，使得推荐条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。
[0040]步骤S103，根据所述分析结果从所述信息推送列表中选取相应的推荐条目进行下发。
[0041]后台服务器根据统计分析结果，选取满足预设条件的推荐条目位置之前的所有推荐条目下发给对应的用户端。
[0042]本实施例通过上述方案，通过获取用户端对信息推送列表的点击信息，形成用户点击日志，基于用户点击日志，对用户点击行为分布进行分析，具体可以分析用户的点击位置分布，并可以结合不同的时间段，在不同时刻给予不同的下发条数，从而实现信息推送结果下发策略的灵活控制，使得推荐条数既能够满足大部分用户在不同时间的浏览需求，同时避免多余下发造成的流量浪费。
[0043]以下基于用户点击位置分布、基于不同时间段的用户点击位置分布两种分析策略，对本实施例的技术方案进行详细阐述:
[0044]作为用户点击位置分布的分析策略，如图2a所示，上述步骤S102:基于用户点击日志，对用户点击行为分布进行分析，获取分析结果可以包括:
[0045]步骤S1021，从所述用户点击日志中提取用户对信息推送列表的点击位置信息；
[0046]步骤S1022，根据提取的所述点击位置信息，统计所述信息推送列表中各个推荐条目位置的点击数；
[0047]步骤S1023，根据统计的各个推荐条目位置的点击数，分别计算得到所述信息推送列表中前I条、(l+n)、(l+2n)……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比；其中，η为大于或等于I的整数。
[0048]如图2b所示，上述步骤S103:根据分析结果从所述信息推送列表中选取相应的推荐条目进行下发可以包括:
[0049]步骤S1031，从计算得到的所有点击百分比中选取满足预设条件的百分比对应的推荐条目位置；
[0050]步骤S1032，将所述信息推送列表中第I位至所述选取的满足预设条件的百分比对应的推荐条目位置之间的所有推荐条目下发给用户端。
[0051]具体地，在本实施方式中，考虑到:通常用户对于信息推送列表的点击趋势都存在头部效应，即信息推送列表头部点击比例明显高于尾部，基于这一构思，本实施例根据用户点击日志，对信息推送列表中各点击位置的点击数进行统计，并计算前I条、(1+Π)、(l+2n)……至所有推荐条目的点击数占所述信息推送列表总点击数的百分比。比如计算前10条、20条…的点击数占总点击数比例，以此来确定最终下发条数。
[0052]后台服务器会记录用户的每一次点击行为以及此次点击在信息推送列表中的位置。类似于搜索引擎，比如用户点击的是第I条结果，则会记录1，用户点击的是第10条结果，则会记录10。然后计算每个推荐条目位置的用户点击分布，并累积第I位到当前统计位置的点击数占总点击数比例。
[0053]比如，分别统计前1、5、9、13……69、73、77的点击数占总点击数的百分