本发明涉及互联网技术领域，具体而言，本发明涉及一种品类推送方法、装置及存储设备、计算机设备。
背景技术：
随着互联网的飞速发展，各种品类层出不穷。用户可以通过下载对应的APP客户端，搜索相应的品类。为了提高市场竞争力，品类运营商给用户客户端推送各种各样的品类。例如，直播类型的品类。直播运营商会根据直播内容向用户客户端不断推送各种用户可能感兴趣的直播，以吸引更多的用户，提高产品市场竞争力。
然而，随着品类的增多以及用户需求的变化，如何给用户客户端推送满足用户需求的品类，成为时下亟需解决的问题。如，直播类型的品类包括游戏直播品类，饮食直播品类，娱乐直播品类以及户外活动直播品类等。如何给直播客户端推送品类才能吸引更多的用户，成为提高直播市场竞争力需要解决的一大问题。
技术实现要素：
本发明的目的旨在提供一种品类推送方法、装置及存储设备、计算机设备，以推送用户感兴趣的品类，提高市场竞争力。
本发明提供以下方案：
一种品类推送方法，包括以下步骤：获取待推送品类的特征信息数据；将所述特征信息数据进行特征转换，得到特征向量；根据预设分值运算模型，计算所述特征向量对应的分值，将所述分值作为所述待推送品类的分值；其中，所述预设分值运算模型用于表征所述特征向量与所述待推送品类分值的关联关系；根据所述待推送品类的分值推送品类。
在其中一个实施例中，所述特征信息数据包括在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量；所述分别将多个所述特征信息数据进行特征转换，得到对应的多维特征向量，包括：分别将所述在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量进行归一化处理，得到归一化处理后的数据；根据最小二乘法对所述搜索量进行处理，得到所述搜索量的变化趋势值；根据所述归一化处理后的数据和所述搜索量变化趋势值，得到所述对应的多维特征向量。
在其中一个实施例中，所述待推送品类为直播品类；所述特征信息数据包括在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量、开播主播数；所述分别将多个所述特征信息数据进行特征转换，得到对应的多维特征向量，包括：分别将所述在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量、开播主播数进行归一化处理，得到归一化处理后的数据；根据最小二乘法分别对所述搜索量以及所述开播主播数进行处理，得到所述搜索量的变化趋势值和所述开播主播数的变化趋势值；根据所述归一化处理后的数据、所述搜索量的变化趋势值和所述开播主播数的变化趋势值，得到所述对应的多维特征向量。
在其中一个实施例中，所述根据所述待推送品类的分值推送品类，包括：获取第一预设时间段内，多个待推送品类的分值；推送分值达到预设分值范围内的待推送品类；或按照分值从大到小对所述多个待推送品类进行排序，获取排序在前的预设数量待推送品类，推送所述预设数量待推送品类。
在其中一个实施例中，所述推送分值达到预设分值范围内的待推送品类，包括：获取分值达到预设分值范围内的待推送品类的数量；判断所述数量是否小于预置数量；若是，计算预置数量与所述数量的差值，把差值作为待获数量；从第一预置品类列表中获取待获数量的品类；推送所述分值达到预设分值范围内的待推送品类以及从所述第一预置品类列表中获取的所述待获数量的品类；若否，推送所述分值达到预设分值范围内的待推送品类。
在其中一个实施例中，所述推送分值达到预设分值范围内的待推送品类，包括：获取第二预置品类列表中分值达到预设分值范围内的品类；推送分值达到预设分值范围内的待推送品类以及所述第二预置品类列表中分值达到预设分值范围内的品类。
在其中一个实施例中，所述待推送品类为直播品类；所述推送分值达到预设分值范围内的待推送品类，包括：获取分值达到预设分值范围内的直播品类在第二预设时间段内的最低开播主播数和/或最低人气数；推送最低开播主播数大于第一预设值和/或最低人气数大于第二预设值的直播品类。
在其中一个实施例中，所述待推送品类为直播品类；所述根据所述待推送品类的分值推送品类，包括：获取多个直播品类的分值；根据所述多个直播品类的分值确定下发的直播品类；获取所述下发的直播品类的观看用户数；根据所述下发的直播品类的观看用户数推送直播品类。
在其中一个实施例中，所述根据所述待推送品类的分值推送品类，包括：根据所述待推送品类的分值获得品类；获取所述获得的品类在APP客户端首页显示的位置、标题及图标；向APP客户端发送所述位置、标题及图标。
一种品类推送装置，包括：第一获取模块，用于获取待推送品类的特征信息数据；第二获取模块，用于将所述特征信息数据进行特征转换，得到特征向量；计算模块，用于根据预设分值运算模型，计算所述特征向量对应的分值，将所述分值作为所述待推送品类的分值；其中，所述预设分值运算模型用于表征所述特征向量与所述待推送品类分值的关联关系；推送模块，用于根据所述待推送品类的分值推送品类。
一种存储设备，其上存储有多条指令；所述指令适于由处理器加载并执行上述任一实施例所述的品类推送方法。
一种计算机设备，其包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于执行根据上述任一实施例所述的品类推送方法。
相比现有技术，本发明的方案具有以下优点：
本发明提供的一种品类推送方法，获取待推送品类的特征信息数据，并将待推送品类的特征信息数据转换成特征向量，根据预设分值运算模型可获取该待推送品类的分值，从而根据待推送品类的分值给用户客户端推送品类。其中，预设分值运算模型表征了待推送品类的特征向量与最终输出的分值的关联关系。也即是，由每个待推送品类的特征信息数据转换的特征向量均可根据预设分值运算模型，得到一个与该待推送品类特征信息对应的一个分值。因此，可以根据用户的兴趣爱好匹配对应的分值，给用户推送匹配分值对应的待推送品类，从而提高产品的市场竞争力。
进一步地，待推送品类的特征信息数据为多个，经过特征转化之后得到的特征向量为多维特征向量，最终运算得到的待推送品类的分值参考了待推送品类的多个相关参数。因此，提高了待推送品类的分值的参考价值，使得推送的品类更加精准，更符合用户的需求。
优选地，待推送品类为直播品类，特征信息数据包括在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量、开播主播数。本发明将分别将上述四个参考数据进行归一化处理，得到归一化处理后的数据。同时，根据最小二乘法分别对上述搜索量及开播主播数进行处理，得到相应的变化趋势值。进一步根据归一化处理后的数据和变化趋势值，得到所述对应的多维特征向量。也即是，推送到直播客户端的直播品类参考了直播的排名数据、开播主播数、搜索量以及直播品类的创建时间，从而保证推送的直播品类更加符合当下用户的需求，从而提高产品的市场竞争力。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明一实施例提供的服务器与客户端之间的交互示意图；
图2为本发明提供的一种品类推送方法的一实施例中的流程图；
图3为本发明提供的步骤S200的一实施例中的流程图；
图4为本发明提供的一种品类推送方法的另一实施例中的流程图；
图5为本发明提供的一种品类推送方法的又一实施例中的流程图；
图6为本发明提供的一种品类推送方法的再一实施例中的流程图；
图7为本发明提供的一种品类推送方法的又一实施例中的流程图；
图8为本发明提供的一种品类推送方法的再一实施例中的流程图；
图9为本发明提供的一种品类推送方法在一应用环境中的实施流程框架图；
图10为本发明提供的运营模块113中配置列表图；
图11为本发明提供的一种品类推送装置的一实施例中的结构框图；
图12为本发明提供的计算机设备结构一实施例中的示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
本领域技术人员应当理解，本发明所称的“应用”、“应用程序”、“应用软件”以及类似表述的概念，是业内技术人员所公知的相同概念，是指由一系列计算机指令及相关数据资源有机构造的适于电子运行的计算机软件。除非特别指定，这种命名本身不受编程语言种类、级别，也不受其赖以运行的操作系统或平台所限制。理所当然地，此类概念也不受任何形式的终端所限制。
本发明提供的一种品类推送方法，适用于各种类型的具有品类推送的内容平台。在一实施例中，该品类推送方法应用于如图1所示的应用环境中。
如图1所示，服务器100与用户终端300位于同一个网络200环境中，服务器100与用户终端300通过网络200进行数据信息的交互。服务器100与用户终端300的数量不作限定，图1所示只作为示例说明。用户终端300中安装有客户端，客户端为第三方应用软件，如直播客户端等。用户可以通过用户终端300中的客户端APP与对应的服务器100进行信息交互。客户端与服务器(Server)端相对应，共同遵循同一套数据协议，使得服务器端跟客户端能够互相解析出对方的数据，为用户推送品类。
服务器100可以是，但不限于，网络服务器、管理服务器、应用程序服务器、数据库服务器、云端服务器等等。用户终端300可以是，但不限于智能手机、个人电脑(personal computer，PC)、平板电脑、个人数字助理(personal digital assistant，PDA)、移动上网设备(mobile Internet device，MID)等。用户终端300的操作系统可以是，但不限于，安卓(Android)系统、IOS(iPhone operating system)系统、Windows phone系统、Windows系统等。
在本发明实施例中，服务器100可以通过网络200获取用户终端300的客户端中待推送品类的相关特征信息数据，也可以是直接在服务器100的本地存储中获取待推送品类的相关特征信息数据。同时，服务器100将推送的品类通过网络200下发到用户终端300的客户端。
本发明提供的一种品类推送方法，应用于服务器端。在一实施例中，如图2所示，本发明的一种品类推送方法包括以下步骤：
S100，获取待推送品类的特征信息数据。
在本实施例中，服务器获取待推送品类的特征信息数据。待推送品类可以是直播品类，短视频品类，APP品类等。待推送品类的特征信息数据可以是：待推送品类的创建时间，待推送品类在运营平台上的排名数据，待推送品类的人气指数，待推送品类的搜索量等。其中，待推送品类的特征信息数据可以是一个或者多个。为了提高推送品类的精准性，可采集待推送品类的多个特征信息数据。此处的多个特征信息数据可以是与待推送品类的特性以及与用户的兴趣度相关的特征信息数据，以使得后续基于待推送品类的特征信息数据获得的分值能更加体现该品类对于用户群的推送价值。
S200，将所述特征信息数据进行特征转换，得到特征向量。
进一步地，服务器将待推送品类的特征信息数据进行特征转换，从而得到该待推送品类的特征向量。特征转换的技术实现方式可以是，对特征信息数据进行线性处理或者非线性处理，或者对特征信息数据中部分数据进行线性处理，另外部分数据进行非线性处理。具体的特征转换方式可以是，对特征信息数据进行归一化处理，和/或，根据最小二乘法对特征信息数据进行处理。
在本实施例中，待推送品类的特征信息数据为多个。将多个特征信息数据进行特征转换后，得到多维特征向量。具体地，服务器分别对每个特征信息数据进行特征转换，得到对应的多维特征向量。其中，多维特征向量中，每个元素对应一个特征信息数据进行特征转化后的数值。
在一实施例中，待推送品类的特征信息数据包括在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量。如图3所示，步骤S200包括以下步骤：
S210，分别将所述在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量进行归一化处理，得到归一化处理后的数据。
在本实施例中，服务器获取预设时间段内的品类搜索次数。具体可根据预设时间段内用户的搜索词，后台运用关键词匹配得到的待推荐品类的搜索量。服务器对待推送品类的搜索量的归一化处理方式可以是：通过上述方式获取预设数量的品类(包括待推送品类)中每个品类的搜索量，再计算该预设数量的品类中搜索量的平均值，根据搜索量的平均值，最大值以及最小值对待推送品类的搜索量进行归一化处理，得到搜索量归一化处理后的数值。
服务器获取待推送品类的创建时间，计算创建时间距离当前时间的时间差值，再对该时间差值进行归一化处理。服务器对该时间差值归一化处理的方式可以是：通过上述方式获取预设数量的品类(包括待推送品类)中每个品类创建时间距离当前时间的时间差值，再根据预设数量的品类中品类创建时间距离当前时间的时间差值中的最大值以及最小值对待推送品类进行归一化处理，得到待推送品类创建时间与当前时间的时间距离值归一化处理后的数值。
服务器获取待推送品类在应用商城的排名数据，以及应用商城中其他品类的排名数据，并对待推送品类在应用商城的排名数据进行归一化处理。服务器对待推送品类在应用商城的排名数据的方式可以是：获取应用商城中预设数量的品类(包括待推送品类)的排名数据，利用该排名数据中的最大值和最小值对待推送品类在应用商城的排名数据进行归一化处理，得到待推送品类在应用商城的排名数据归一化处理后的数值。具体归一化处理可表示为：X＝(x-min)/(max-min)。其中X表示待推送品类在应用商城的排名数据进行归一化处理后的对应的数值，x表示待推送品类在应用商城的排名数据进行归一化处理之前的排名数值，min表示上述所述的最小值，max表示上述所述的最大值。其中，可以是通过爬虫技术得到应用商城中预设数量的品类(包括待推送品类)的排名数据。
需要注意的是，在对待推送品类在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量进行归一化处理的步骤中所提到的【预设数量的品类(包括待推送品类)】指代同一个意思。也即是，服务器采用同一品类包对待推送品类的在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量进行归一化处理。因此，才能确保对待推送品类的各个相关参数进行处理时，采用同样的参考标准。也即是在归一化处理的过程中，参考的其他品类是确定的，从而保证对待推送品类的相关参数进行归一化处理后得到的数值的准确性。
S230，根据最小二乘法对所述搜索量进行处理，得到所述搜索量的变化趋势值。
在本实施例中，服务器根据最小二乘法对待推送品类的搜索量进行处理，得到待推送品类搜索量的变化趋势值。具体可以是用最小二乘法计算步骤S210中所述的预设时间段内的待推送品类的搜索量的变化趋势值。
最小二乘法(又称最小平方法)是一种数学优化技术。它通过最小化误差的平方和寻找数据的最佳函数匹配。利用最小二乘法可以简便地求得未知的数据，并使得这些求得的数据与实际数据之间误差的平方和为最小。最小二乘法还可用于曲线拟合。其他一些优化问题也可通过最小化能量或最大化熵用最小二乘法来表达。
S250，根据所述归一化处理后的数据和所述变化趋势值，得到所述对应的多维特征向量。
在本实施例中，将步骤S210中得到的待推送品类在应用商城的排名数据进行归一化处理后的数值，待推送品类创建时间与当前时间的时间距离值进行归一化处理后的数值，待推送品类的搜索量进行归一化处理得到的数值，以及步骤S230中根据最小二乘法得到的待推送品类搜索量的变化趋势值，得到对应的多维特征向量。特征向量中每个元素对应上述处理后得到的一个数值。
S300，根据预设分值运算模型，计算所述特征向量对应的分值，将所述分值作为所述待推送品类的分值；其中，所述预设分值运算模型用于表征所述特征向量与所述待推送品类分值的关联关系。
在本实施例中，服务器将所述特征向量输入预设分值运算模型中，以得到待推送品类的分值。其中，预设分值运算模型表征特征向量与待推送品类分值的关联关系。预设分值运算模型可以是根据样本数据训练得到的分值运算模型，也可以是现有的分值运算模型。例如根据神经网络模型训练得到的分值运算模型，或者多个参数(可以是特征信息数据中的参数)乘积的累加函数值形成的分值运算模型。
在一个实施例中，待推送品类为直播品类。直播品类的特征信息数据包括在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量、开播主播数。步骤S200包括以下步骤：
分别将所述在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量、开播主播数进行归一化处理，得到归一化处理后的数据；根据最小二乘法分别对所述搜索量以及所述开播主播数进行处理，得到相应的变化趋势值；根据所述归一化处理后的数据和所述搜索量的变化趋势值、所述开播主播数的变化趋势值，得到所述对应的多维特征向量。
在本实施例中，服务器获取预设时间段内的直播品类搜索次数。具体可根据预设时间段内用户的搜索词，后台运用关键词匹配得到的直播品类的搜索量。服务器对直播品类的搜索量的归一化处理方式可以是：通过上述方式获取预设数量的直播品类(包括本发明所述的直播品类)中每个品类的搜索量，再计算该预设数量的直播品类中搜索量的平均值，根据搜索量的平均值，最大值以及最小值对本发明所述的直播品类的搜索量进行归一化处理，得到本发明所述的直播品类的搜索量归一化处理后的数值。
服务器获取直播品类的创建时间，计算创建时间距离当前时间的时间差值，再对该时间差值进行归一化处理。服务器对该时间差值归一化处理的方式可以是：通过上述方式获取预设数量的品类(包括本发明所述的直播品类)中每个品类创建时间距离当前时间的时间差值，再根据预设数量的直播品类中品类创建时间距离当前时间的时间差值中的最大值以及最小值对本发明所述的直播品类的创建时间进行归一化处理，得到本发明所述的直播品类创建时间与当前时间的时间距离值归一化处理后的数值。
服务器获取本发明所述的直播品类在应用商城的排名数据，以及应用商城中其他直播品类的排名数据，并对本发明所述的直播品类在应用商城的排名数据进行归一化处理。服务器对本发明所述的直播品类在应用商城的排名数据进行归一化处理的方式可以是：获取应用商城中预设数量的直播品类(包括本发明所述的直播品类)的排名数据，利用该排名数据中的最大值和最小值对本发明所述的直播品类在应用商城的排名数据进行归一化处理，得到本发明所述的直播品类在应用商城的排名数据归一化处理后的数值。具体归一化处理可表示为：X＝(x-min)/(max-min)。其中X表示本发明所述的直播品类在应用商城的排名数据进行归一化处理后的对应的数值，x表示本发明所述的直播品类在应用商城的排名数据进行归一化处理之前的排名数值，min表示上述所述的最小值，max表示上述所述的最大值。
服务器获取预设时间段内的直播品类的开播主播数。服务器对本发明所述的直播品类的开播主播数的归一化处理方式可以是：通过上述方式获取预设数量的直播品类(包括本发明所述的直播品类)中每个品类的开播主播数，再计算该预设数量的直播品类中开播主播数的平均值，根据开播主播数的平均值，最大值以及最小值对本发明所述的直播品类的开播主播数进行归一化处理，得到本发明所述的开播主播数归一化处理后的数值。
需要注意的是，在对直播品类在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量、开播主播数进行归一化处理的步骤中所提到的【预设数量的直播品类(包括本发明所述的直播品类))】指代同一个意思。也即是，服务器采用同一品类包对直播品类的在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量、开播主播数进行归一化处理。因此，才能确保对直播品类的各个相关参数进行处理时，采用同样的参考标准。也即是在归一化处理的过程中，参考的其他直播品类是确定的，从而保证对本发明所述的直播品类的相关参数进行归一化处理后得到的数值的准确性。
服务器根据最小二乘法分别对直播品类的搜索量以及开播主播数进行处理，得到直播品类搜索量的变化趋势值以及直播品类开播主播数的变化趋势值。具体可以是用最小二乘法计算直播品类的搜索量以及开播主播数的变化趋势值。
在本实施例中，根据通过上述所述的处理方式获得的直播品类在应用商城的排名数据进行归一化处理后的数值，直播品类创建时间与当前时间的时间距离值进行归一化处理后的数值，直播品类的搜索量进行归一化处理得到的数值，直播品类的开播主播数进行归一化处理得到的数值，以及根据最小二乘法得到的直播品类搜索量的变化趋势值和开播主播数的变化趋势值，得到对应的多维特征向量。特征向量中每个元素对应上述一个数值。
S400，根据所述待推送品类的分值推送品类。
根据上述步骤计算得到待推送品类的分值之后，服务器根据待推送品类的分值向APP客户端推送品类。优选地，当该待推送品类的分值达到服务器的预设分值时，向APP客户推送该待推送品类。当该待推送品类的分值未达到服务器预设分值时，服务器获取其他分值达到所述预设分值的品类。
在一个实施例中，步骤S400可以包括：获取第一预设时间段内多个待推送品类的分值；按照分值从大到小对所述多个待推送品类进行排序，获取排序在前的预设数量待推送品类，推送所述预设数量待推送品类。也即是，按照步骤S100-S300获取第一预设时间段内多个待推送品类的分值，根据每个待推送品类的分值从大到小对多个待推送品类进行排序，获取排序在前的预设数量的待推送品类进行推送。第一预设时间段可以是一周内。预设数量可以根据后台推送到APP客户端的品类的数量确定。
在一个实施例中，如图4所示，步骤S400可以包括以下步骤：
S410，获取第一预设时间段内多个待推送品类的分值。
S430，推送分值达到预设分值范围内的待推送品类。
在本实施例中，服务器根据步骤S100-步骤300分别获取第一预设时间段内多个待推送品类的分值。统计分值达到预设分值范围内的待推送品类，并向APP客户端推送该待推送品类。
在一个实施例中，如图5所示，步骤S430包括以下步骤：
S431，获取分值达到预设分值范围内的待推送品类的数量。
S433，判断所述数量是否小于预置数量。
S435，若是，计算预置数量与所述数量的差值，把差值作为待获数量；从第一预置品类列表中获取待获数量的品类；推送所述分值达到预设分值范围内的待推送品类以及从所述第一预置品类列表中获取的所述待获数量的品类。
S437，若否，推送所述分值达到预设分值范围内的待推送品类。
在本实施例中，服务器确定出多个待推送品类中分值达到预设分值范围内的待推送品类的数量，判断该数量是否小于预置数量。其中，预置数量是根据后台给APP客户端推送品类的数量确定。
若该数量小于预置数量，即服务器中算法数据库通过算法计算输出的推送品类的数量小于预置数量，则进一步计算预置数量与分值达到预设分值范围内的待推送品类的数量的差值，把该差值作为待获数量，从第一预置品类列表中获取该待获数量的品类。第一预置品类列表为服务器预设的品类保底列表，从而向APP客户端推送分值达到预设分值范围内的待推送品类以及从第一预置品类列表中获取的待获数量的品类。也即是，当算法计算输出的推送品类的数量小于服务器预设推送到APP客户端的品类的数量时，从服务器的保底品类列表中获取分值达到预设分值范围内的品类，将这两部分的品类推送到APP客户端。
若该数量不小于预置数量，则直接将算法计算输出的待推送品类推送到APP客户端。
在一个实施例中，如图6所示，步骤S430可以包括以下步骤：
S432，获取第二预置品类列表中分值达到预设分值范围内的品类。
S434，推送分值达到预设分值范围内的待推送品类以及所述第二预置品类列表中分值达到预设分值范围内的品类。
在本实施例中，服务器从算法数据库中获取到分值达到预设分值范围内的待推送品类之后，同时从第二预置品类列表中获取分值达到预设分值范围内的品类。其中，第二预置品类列表为后台根据用户需求向APP客户端推送的品类列表，或者后台向APP客户端推荐的品类列表。如，最新的品类形成的品类列表，最近热度高的品类形成的品类列表等。因此，可通过后台运营调控推送到APP客户端的品类。
在一具体实施方式中，待推送品类为直播品类。服务器通过步骤S100-步骤300获取到多个直播品类的分值，根据直播品类的分值向APP客户端推送直播品类。具体可以是，按照直播品类的分值对多个直播品类进行排序，向APP客户端推送排序在前的预设数量的直播品类。也可以是，获取分值达到预设分值范围内的直播品类，向APP客户端推送分值达到预设分值范围内的直播品类。
在一实施例中，所述待推送品类为直播品类。如图7所示，步骤S430可以包括以下步骤：
S436，获取分值达到预设分值范围内的直播品类在第二预设时间段内的最低开播主播数和/或最低人气数。
S438，推送最低开播主播数大于第一预设值和/或最低人气数大于第二预设值的直播品类。
在本实施例中，服务器从算法数据库中获取到多个待推送品类的分值并确定出分值达到预设分值范围内的直播品类之后，进一步确认分值达到预设分值范围内的直播品类在第二预设时间段内的最低开播主播数和/或最低人气数。确认直播品类的开播主播数或最低人气数，可以在后台运营执行，也可以是直接在算法数据库执行。
进一步地，服务器获取最低开播主播数大于第一预设值和/或最低人气数大于第二预设值的直播品类，将该部分的直播品类推送到直播客户端。因此，可进一步提高下发到用户终端的直播品类的用户满意度，提高直播产品的市场竞争力。
在一个实施例中，所述待推送品类为直播品类。如图8所示，步骤S400包括以下步骤：
S450，获取多个直播品类的分值。
S460，根据所述多个直播品类的分值确定下发的直播品类。
S470，获取所述下发的直播品类的观看用户数。
S480，根据所述下发的直播品类的观看用户数推送直播品类。
在本实施例中，服务器获取多个直播品类的分值，根据该分值确定下发的直播品类。同时，进一步获取下发的直播品类的观看用户数，根据所述下发的直播品类的观看用户数推送直播品类。在具体的实施方式中，可以是获取预设数量的直播品类(包括本发明所述的直播品类)中每个直播品类的观看用户数，再计算该预设数量的直播品类的观看用户数的平均值，根据观看用户数的平均值，最大值以及最小值对本发明所述的直播品类进行归一化处理，得到归一化处理后的数值。另外，也可通过最小二乘法对本发明所述的直播品类的观看用户数进行处理，得到观看用户数的变化趋势值。服务器根据观看用户数归一化处理后的数值以及其变化趋势值调整并推送下发的直播品类。其中，服务器获取的直播品类的观看用户数与推送直播品类可以是同步进行，也可以是异步进行。
在其他实施方式中，服务器可以先将所述下发的直播品类推送到直播客户端，预设时间段后获取直播客户端中观看用户数，根据观看用户数调整下发的直播品类，将观看用户数大于预置值的直播品类推送到直播客户端。也可以是，服务器在下发直播品类之前，先获取下发的直播品类在历史时间中直播品类的观看用户数，将观看用户数大于预置值的直播品类推送到直播客户端。
在一个实施例中，步骤S400包括：根据所述待推送品类的分值获得品类；获取所述获得的品类在APP客户端首页显示的位置、标题及图标；向APP客户端发送所述位置、标题及图标。
在本实施例中，服务器根据待推送品类的分值获得推送到APP客户端的品类之后，进一步获取该品类在APP客户端首页显示的位置、标题及图标，向APP客户端下发所述位置、标题及图标。APP客户端在接收到推送品类在首页上显示的位置之后，在该位置上展示推送品类的标题及图标。其中，该品类在APP客户端首页显示的位置可以是APP客户端的首页中最新热游专区的位置。
本发明提供的一种品类推送方法，获取待推送品类的特征信息数据，并将待推送品类的特征信息数据转换成特征向量，根据预设分值运算模型可获取该待推送品类的分值，从而根据待推送品类的分值给用户客户端推送品类。其中，预设分值运算模型表征了待推送品类的特征向量与最终输出的分值的关联关系。也即是，由每个待推送品类的特征信息数据转换的特征向量均可根据预设分值运算模型，得到一个与该待推送品类特征信息对应的一个分值。因此，可以根据用户的兴趣爱好匹配对应的分值，给用户推送匹配分值对应的待推送品类，从而提高产品的市场竞争力。
进一步地，待推送品类的特征信息数据为多个，经过特征转化之后得到的特征向量为多维特征向量，最终运算得到的待推送品类的分值参考了待推送品类的多个相关参数。因此，提高了待推送品类的分值的参考价值，使得推送的品类更加精准，更符合用户的需求。
优选地，待推送品类为直播品类，特征信息数据包括在应用商城的排名数据，创建时间与当前时间的时间距离值，以及搜索量、开播主播数。本发明将分别将上述四个参考数据进行归一化处理，得到归一化处理后的数据。同时，根据最小二乘法分别对上述搜索量及开播主播数进行处理，得到相应的变化趋势值。进一步根据归一化处理后的数据和变化趋势值，得到所述对应的多维特征向量。也即是，推送到直播客户端的直播品类参考了直播的排名数据、开播主播数、搜索量以及直播品类的创建时间，从而保证推送的直播品类更加符合当下用户的需求，从而提高产品的市场竞争力。
针对本发明提供的一种品类推送方法，以下结合常用的应用环境提供一个具体的实施方式，以进一步详细说明该品类推送方法的实施过程：
在本实施方式中，推送的品类为直播品类。APP客户端为直播客户端。直播客户端包括主播开播使用的直播客户端，以及用户观看使用的直播客户端。服务器具体为直播运营的服务器。服务器后台给直播客户端推送最新热游直播品类。
如图9所示，服务器110中包括算法数据库111和运营模块113。算法数据库111将通过预设分值模型计算出直播品类的分值，并输出分值达到预设分值的最热品类的推荐列表以及推荐列表中每个直播品类的权重(与上述实施例所述的分值对应)。运营模块113根据算法数据库111输出的推荐列表进行运营干预，在推荐列表中增加新的推荐直播品类，或者屏蔽推荐列表中某些直播品类。最终服务器110通过接口整合算法数据库111和运营模块113输出的列表数据，并通过网络210下发到直播客户端310。服务器110下发到直播客户端310的数据包括：直播品类的区块图标、区块名称以及栏目列表。栏目列表包含【gameid】、【在播人数】。直播客户端310将在页面最新热游位置展示服务器110下发的直播品类列表。具体地，算法数据库111根据一定规则算法给出“新热栏目”排序列表，包含gameid(品类ID)和权重(权重高代表越靠前)。服务器110采用Summer接口给客户端下发直播品类列表。在一实施方式中，Summer接口根据算法数据库提供的排序列表，结合后台配置的运营干预(修改权重、保底策略等)，下发数据给客户端。客户端加载首页的时候，根据下发具体数据，展示【最新热游】区块。
其中，算法数据库111对直播品类的处理过程如下：
首先，算法运算用到的数据包括：app store中直播品类的排名，一个星期内的直播品类下的开播主播数，直播品类的创建时间，一个星期内的直播品类搜索次数。算法运算过程包括：对上述数据做不同线性和非线性的特征转换，得到一个8维的特征向量，然后对该特征向量进行非线性运算得到一个分数，分数高就说明是新热的。将新热的游戏直播显示在最新热游区域中。具体的运算过程为：
0、一个星期内的品类搜索次数：根据用户的搜索词，用关键词匹配得到对应品类下的搜索量，然后计算平均值+最大最小归一化处理。
1、一个星期内的直播品类搜索次数：并且用最小二乘算法得到品类搜索量的变化趋势值。
2、一个星期内的直播品类下的开播主播数：求平均值+最大最小归一化处理。
3、一个星期内的直播品类下的开播主播数：用最小二乘算法得到开播主播数的变化趋势值。
4、直播品类的创建时间：离当天计算时间相差的天数，然后用最大最小归一化处理。
5、app store中直播品类的排名：利用最大最小(x-min)/(max-min)做归一化，排名数据是每天从appstore的网站中爬虫得到的数据，并和服务器中在播直播品类进行整合处理。
6、该品类下一个星期内的观看用户数：求平均值+最大最小归一化处理。
7、该品类下一个星期内的观看用户数：用最小二乘算法得到观看用户数的变化趋势值。
最后通过下述公式获取直播品类对应的分值：
Score＝(1.0*x[4]+(x[1]+0.8*x[1]*x[0]+x[0]+0.5*x[2]*x[3]+x[2]+x[3]+x[4]*x[3]+1.0*x[4]*x[0])/4+1.0*x[5])。
其中，x[0]表示步骤0中得到的数据，x[1]表示步骤1中得到的数据，x[2]表示步骤2中得到的数据，x[3]表示步骤3中得到的数据，x[4]表示步骤4中得到的数据，x[5]表示步骤5中得到的数据。
步骤6和步骤7中对于直播品类的观看用户数的处理，用于后续推送品类的调整，此处只是做数据准备处理。
运营模块113对于推送直播品类的干预处理过程参照图10所示。对于图10所述的处理过程解释如下所示：
服务器110中，算法数据库111和运营模块113对于直播品类的综合处理过程如下：
本发明还提供一种品类推送装置，如图11所示，该品类推送装置包括第一获取模块101，第二获取模块103，计算模块105和推送模块107。
第一获取模块101用于获取待推送品类的特征信息数据。在本实施例中，服务器获取待推送品类的特征信息数据。待推送品类可以是直播品类，短视频品类，APP品类等。待推送品类的特征信息数据可以是：待推送品类的创建时间，待推送品类在运营平台上的排名数据，待推送品类的人气指数，待推送品类的搜索量等。其中，待推送品类的特征信息数据可以是一个或者多个。为了提高推送品类的精准性，可采集待推送品类的多个特征信息数据。此处的多个特征信息数据可以是与待推送品类的特性以及与用户的兴趣度相关的特征信息数据，以使得后续基于待推送品类的特征信息数据获得的分值能更加体现该品类对于用户群的推送价值。
第二获取模块103用于将所述特征信息数据进行特征转换，得到特征向量。进一步地，服务器将待推送品类的特征信息数据进行特征转换，从而得到该待推送品类的特征向量。特征转换的技术实现方式可以是，对特征信息数据进行线性处理或者非线性处理，或者对特征信息数据中部分数据进行线性处理，另外部分数据进行非线性处理。具体的特征转换方式可以是，对特征信息数据进行归一化处理，和/或，根据最小二乘法对特征信息数据进行处理。
在本实施例中，待推送品类的特征信息数据为多个。将多个特征信息数据进行特征转换后，得到多维特征向量。具体地，服务器分别对每个特征信息数据进行特征转换，得到对应的多维特征向量。其中，多维特征向量中，每个元素对应一个特征信息数据进行特征转化后的数值。
计算模块105用于根据预设分值运算模型，计算所述特征向量对应的分值，将所述分值作为所述待推送品类的分值；其中，所述预设分值运算模型用于表征所述特征向量与所述待推送品类分值的关联关系。在本实施例中，服务器将所述特征向量输入预设分值运算模型中，以得到待推送品类的分值。其中，预设分值运算模型表征特征向量与待推送品类分值的关联关系。预设分值运算模型可以是根据样本数据训练得到的分值运算模型，也可以是现有的分值运算模型。例如根据神经网络模型训练得到的分值运算模型，或者多个参数(可以是特征信息数据中的参数)乘积的累加函数值形成的分值运算模型。
推送模块107用于根据所述待推送品类的分值推送品类。根据上述模块计算得到待推送品类的分值之后，服务器根据待推送品类的分值向APP客户端推送品类。优选地，当该待推送品类的分值达到服务器的预设分值时，向APP客户推送该待推送品类。当该待推送品类的分值未达到服务器预设分值时，服务器获取其他分值达到所述预设分值的品类。
在其他实施例中，本发明提供的品类推送装置中的各个模块还用于执行本发明所述的品类推送方法中，对应各个步骤执行的操作，在此不再做详细的说明。
本发明还提供一种存储设备。该存储设备上存储有多条指令；所述指令适于由处理器加载并执行上述任一实施例所述的品类推送方法。
本实施例所述的存储设备可以是存储器。存储器可以是内存储器或外存储器，或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。本发明所公开的存储器包括但不限于这些类型的存储器。本发明所公开的存储器只作为例子而非作为限定。
本发明还提供一种计算机设备。一种计算机设备包括：一个或多个处理器；存储器；一个或多个应用程序。其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于执行上述任一实施例所述的品类推送方法。
图12为本发明一实施例中的计算机设备的结构示意图。本实施例所述的设备可以是计算机设备。例如服务器、个人计算机以及网络设备。如图12所示，设备包括处理器1203、存储器1205、输入单元1207以及显示单元1209等器件。本领域技术人员可以理解，图12示出的设备结构器件并不构成对所有设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件。存储器1205可用于存储应用程序1201以及各功能模块，处理器1203运行存储在存储器1205的应用程序1201，从而执行设备的各种功能应用以及数据处理。存储器可以是内存储器或外存储器，或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。本发明所公开的存储器包括但不限于这些类型的存储器。本发明所公开的存储器只作为例子而非作为限定。
输入单元1207用于接收信号的输入，以及接收用户输入的关键字。输入单元1207可包括触控面板以及其它输入设备。触控面板可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并根据预先设定的程序驱动相应的连接装置；其它输入设备可以包括但不限于物理键盘、功能键(比如播放控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元1209可用于显示用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元1209可采用液晶显示器、有机发光二极管等形式。处理器1203是计算机设备的控制中心，利用各种接口和线路连接整个电脑的各个部分，通过运行或执行存储在存储器1203内的软件程序和/或模块，以及调用存储在存储器内的数据，执行各种功能和处理数据。
在一实施方式中，设备包括一个或多个处理器1203，以及一个或多个存储器1205，一个或多个应用程序1201。其中所述一个或多个应用程序1201被存储在存储器1205中并被配置为由所述一个或多个处理器1203执行，所述一个或多个应用程序1201配置用于执行以上实施例所述的品类推送方法方法。
此外，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模块中，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模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括存储器、磁盘或光盘等。
以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。