产品信息推送的处理方法、装置、计算机设备及存储介质与流程

本发明涉及信息推送技术领域，具体而言，本发明涉及一种基于大数据的产品信息推送的处理方法、装置、计算机设备及存储介质。

背景技术：

随着互联网的发展，电子商务平台因其智能、便捷等优势成为主流的媒介，拥有大量的客户资源与信息。目前无论在网页阅读或者购买平台，都实现了根据客户的浏览内容进行喜好推荐，以便于节省客户的产品挑选时间。

但是推荐的基础在于客户以往的浏览数据，通常是根据最近一段时间浏览的数据进行推荐，或者是根据某一时间段内用户搜索。这样推荐的内容单一，且顾客最近浏览的不一定就是目前依旧喜好和有需求的，推荐准确度不够，比如某男士曾经浏览了女士产品进行某一次的购买，实际上并不需要经常购买，若经常推荐相关女士产品，则没有太大的必要。另外，完全按照顾客浏览的来进行推荐，对于商家来说，这种根据浏览内容进行喜好推荐的方式不能很好地推荐商家真正想要推荐的产品，且根据喜好推送产品的方式不可人为操作。

技术实现要素：

本发明的目的旨在至少能解决上述的技术缺陷之一，公开一种产品信息推送的处理方法、装置、计算机设备及存储介质，基于大数据的信息处理，能够准确根据用户的个人属性和行为痕迹进行产品信息的推送，同时还可以通过有管理权限的用户指定某个产品作为推荐产品信息进行推送，推送方式更为多样化。

为了达到上述目的，本发明公开一种产品信息推送的处理方法，包括：

获取待推送产品的产品信息；

根据所述产品信息和用户的属性因子计算所述待推送产品的第一推送指数，同时根据所述产品信息和用户的行为因子计算所述待推送产品的第二推送指数；

根据所述第一推送指数和所述第二推送指数按照预设规则确定所述待推送产品的综合推送指数。

进一步的，所述属性因子包括用户的多个属性类别和属性权重值，各所述属性类别均对应有一个或多个产品，所述产品中包括待推送产品；

所述根据所述产品信息和用户的属性因子计算所述待推送产品的第一推送指数的方法包括：

获取与所述属性因子具有对应关系的属性产品库，其中，属性因子包括表征用户属性关系的多个属性类别，各所述属性类别包括有一个或多个产品组成属性产品信息库，所述属性产品库为所有所述属性产品信息库的集合；

确定所述待推送产品在所述属性产品库中包括的所述属性产品信息库中出现的总频次为第一频次；

计算所述第一频次与所述属性权重值之积得到所述待推送产品的第一推送指数。

进一步的，所述行为因子包括表征用户历史行为痕迹的行为类别和行为权重值，所述各行为类别均对应有一个或多个产品；

所述根据所述产品信息和用户的行为因子计算所述待推送产品的第二推送指数的方法包括：

获取与所述行为因子具有对应关系的行为产品库，其中，行为因子包括表征用户历史行为痕迹的行为类别，各所述行为类别映射有一个或多个产品组成行为产品信息库，所述行为产品库为所有所述行为产品信息库的集合；

确定所述待推送产品在所述行为产品库中包括的所述行为产品信息库中出现的总频次为第二频次；

计算所述第二频次与所述行为权重值之积得到所述待推送产品的第二推送指数。

进一步的，所述预设规则包括：待推送产品的第一推送指数与第二推送指数之和除以对应的属性权重值与行为权重值之和。

进一步的，所述产品信息推送的处理方法还包括：

根据所述待推送产品的综合推送指数确定推送名单，并按照推送名单推送待推送产品信息。

进一步的，在执行所述根据所述待推送产品的综合推送指数确定推送名单之前还包括：

检测是否有指定的推荐产品信息；

判断所述推荐产品信息的指令是否来自于具有管理权限的指定用户；

当推荐产品信息满足条件，将所述推荐产品信息的综合推送指数设置成最高值。

进一步的，所述行为类别的获取方法包括：

提取所述历史行为痕迹数据信息的特征词；

将提取的特征词与预设的类别词库进行匹配，以得到对应的行为分类。

本发明还公开一种产品信息推送的处理装置，包括：

获取模块；用于获取待推送产品的产品信息；

处理模块：用于根据所述产品信息和用户的属性因子计算所述待推送产品的第一推送指数；同时，根据所述产品信息和用户的行为因子计算所述待推送产品的第二推送指数；

执行模块：根据所述第一推送指数和所述第二推送指数按照预设规则确定所述待推送产品的综合推送指数。

进一步的，所述属性因子包括用户的多个属性类别和属性权重值，所述各属性类别均对应有一个或多个产品，所述产品中包括待推送产品；

所述产品信息推送的处理装置还包括：

第一获取子模块：用于获取与所述属性因子具有对应关系的属性产品库，其中，属性因子包括表征用户属性关系的多个属性类别，各所述属性类别包括有一个或多个产品组成属性产品信息库，所述属性产品库为所有所述属性产品信息库的集合；

第一统计子模块：用于确定所述待推送产品在所述属性产品库中包括的所述属性产品信息库中出现的总频次为第一频次；

第一计算子模块：用于计算所述第一频次与所述属性权重值之积得到所述待推送产品的第一推送指数。

进一步的，所述行为因子包括表征用户历史行为痕迹的行为类别和行为权重值，所述各行为类别均对应有一个或多个产品；

所述产品信息推送的处理装置包括：

第二获取子模块：用于获取与所述行为因子具有对应关系的行为产品库，其中，行为因子包括表征用户历史行为痕迹的行为类别，各所述行为类别映射有一个或多个产品组成行为产品信息库，所述行为产品库为所有所述行为产品信息库的集合；

第二统计子模块：用于确定所述待推送产品在所述行为产品库中包括的所述行为产品信息库中出现的总频次为第二频次；

第二计算子模块：用于计算所述第二频次与所述行为权重值之积得到所述待推送产品的第二推送指数。

进一步的，所述预设规则包括：待推送产品的第一推送指数与第二推送指数之和除以对应的属性权重值与行为权重值之和。

进一步的，所述产品信息推送的处理装置还包括：

第一推送子模块：用于根据所述待推送产品的综合推送指数确定推送名单，并按照推送名单推送待推送产品信息。

进一步的，所述产品信息推送的处理装置还包括：

第一检测子模块：用于检测是否有指定的推荐产品信息；

第一判断子模块：用于判断所述推荐产品信息的指令是否来自于具有管理权限的指定用户；

第一设置子模块：当推荐产品信息满足条件，将所述推荐产品信息的综合推送指数设置成最高值。

进一步的，所述产品信息推送的处理装置还包括：

第一提取子模块：用于提取所述历史行为痕迹数据信息的特征词；

第一匹配子模块：用于将提取的特征词与预设的类别词库进行匹配，以得到对应的行为分类。

本发明还公开一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行如权利要求1至7中任一项权利要求所述的产品信息推送的处理方法的步骤。

本发明还公开一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行如权利要求1至7中任一项权利要求所述的产品信息推送的处理方法的步骤。

本发明的有益效果是：

1)本方案提出了一种产品信息推送的处理方法，通过将个人分类和产品喜好分类两种分类方式结合，根据对应的各个类别的推荐指数，来对信息产品进行推荐，分类更为精准；

2)在没有历史的产品喜好分类数据的时候，根据个人分类默认信息进行推荐；

3)后台分级控制，上一级终端可以通过后台设置，控制下一级终端信息推荐的途径以及推荐的信息内容、指定推荐的下一级客户，从而达到按照上一级终端的意愿定向对产品推荐内容进行控制，提高欲推广产品的曝光度，更利于商家对信息产品的推广。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

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为本发明产品信息推送的处理方法流程图；

图2为本发明产品信息推送步骤的流程图；

图3为本发明获取第一推送指数的方法流程图；

图4为本发明获取第二推送指数的方法流程图；

图5为本发明指定推荐产品推送流程图；

图6为本发明行为痕迹特征词提取流程图；

图7为本发明产品信息推送处理装置模块示意图；

图8为本发明计算机设备基本结构框图。

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、元件和/或组件，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、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一单元和全部组合。

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。

本技术领域技术人员可以理解，这里所使用的“终端”、“终端设备”既包括无线信号接收器的设备，其仅具备无发射能力的无线信号接收器的设备，又包括接收和发射硬件的设备，其具有能够在双向通信链路上，执行双向通信的接收和发射硬件的设备。这种设备可以包括：蜂窝或其他通信设备，其具有单线路显示器或多线路显示器或没有多线路显示器的蜂窝或其他通信设备；pcs(personalcommunicationsservice，个人通信系统)，其可以组合语音、数据处理、传真和/或数据通信能力；pda(personaldigitalassistant，个人数字助理)，其可以包括射频接收器、寻呼机、互联网/内联网访问、网络浏览器、记事本、日历和/或gps(globalpositioningsystem，全球定位系统)接收器；常规膝上型和/或掌上型计算机或其他设备，其具有和/或包括射频接收器的常规膝上型和/或掌上型计算机或其他设备。这里所使用的“终端”、“终端设备”可以是便携式、可运输、安装在交通工具(航空、海运和/或陆地)中的，或者适合于和/或配置为在本地运行，和/或以分布形式，运行在地球和/或空间的任何其他位置运行。这里所使用的“终端”、“终端设备”还可以是通信终端、上网终端、音乐/视频播放终端，例如可以是pda、mid(mobileinternetdevice，移动互联网设备)和/或具有音乐/视频播放功能的移动电话，也可以是智能电视、机顶盒等设备。

为了能让任意人都能远程操控用于行进的装置，并执行拍摄功能，实现实时查看拍摄的图像的目的，本发明提供一种产品信息推送的处理方法的方法，其中，当该方法使用在远程看房的应用场景中时，该产品信息推送的处理方法的方法至少包括两个终端，一个是远程终端，用于用户对图像以及控制状态进行查看的，以及发送控制指令的远程终端，该远程终端可以是电脑、笔记本、手机或者其他的终端，而所述无人设备可以为机器人或者无人机，遥控车等无人驾驶设备。而另一个则是被控制以进行移动以及能够执行相关拍摄动作的无人设备。二者之间远程通讯，无人设备对发送的相关指令根据自身的运动状态进行分析判断，执行或者禁止该第一状态指令，从而达到远程控制看房的目的，同时无人设备具有自动避障功能，智能化程度高，且控制方式简单。

具体的，请参阅图1-图2，本发明公开一种产品信息推送的处理方法，主要包括以下步骤：

s100、获取待推送产品的产品信息；

本发明是一种产品信息推送的处理方法，这里的待推送产品包括但是不限于作为实物的产品的广告信息还，还包括新闻资讯、优惠券信息或者其他任何一种可作为消息载体被推送的信息。

本发明中，产品信息包括但是不限于产品的类型、产品的归属、产品的编号等信息。在本申请中，由于需要对产品信息进行推送，为了能更好的区分各条信息，并进行精准推送，可以对每一条可以进行推送的产品信息制定一个编号，以方便识别和推送。

s200、根据所述产品信息和用户的属性因子计算所述待推送产品的第一推送指数；同时，根据所述产品信息和用户的行为因子计算所述待推送产品的第二推送指数；

第一推送指数是指上述所述的产品信息结合用户自身的属性而确定的推送指数。推送指数的高低可以确定是否能够被推送。

用户自身的属性包括生理方面的属性，比如性别、年龄阶段等属性类别，还可以包括兴趣爱好等心理上的属性类别，比如是冒险型的还是保守型的，还是混合型的等。进一步的，可以根据上述的自身的属性进行分类，根据当前用户自身的情况进行分类匹配。

属性因子包括用户的多个属性类别，所述各属性类别均对应有一个或多个产品。上面所述的多个属性类别即表示性别、年龄、兴趣爱好等属性类别，每一个属性类别均包含对应一个或多个产品，可以理解为一个属性类别里面分别包括一个属性产品信息库，该属性产品信息库是由一个或多个产品的信息组合而成的。需要说明的是，产品信息可以根据具体的类型和适用群体，被分配到上述不同的属性类别中，还可以同一产品信息同时在上述不同的属性类别中。

进一步的，为了能更好地对产品进行区分，可以对上述产品信息进行编号，通过编号对产品信息的分配进行统一管理。需要说明的是，这一步骤是在执行推送任务之前，后台完成预先完成的。即每一条可以被推送的产品信息，在添加入系统之前，都需要对产品信息进行编号，并确定其类型和属性，根据属性被分配到不同的属性类别映射的属性产品信息库中。同样，一个产品信息可以同时被分配到多个不同的属性类别中。

另外，属性因子还包括属性权重值，属性权重值是一个针对属性因子的系数，请参阅图3，所述根据所述产品信息和用户的属性因子计算所述待推送产品的第一推送指数的方法包括：

s210、获取与所述属性因子具有对应关系的属性产品库，其中，属性因子包括表征用户属性关系的多个属性类别，各所述属性类别包括有一个或多个产品组成属性产品信息库，所述属性产品库为所有所述属性产品信息库的集合；

由于属性类别会映射多个不同的属性产品信息库，比如表征年龄的第一属性产品信息库、表征性别的第二产品信息库，表征兴趣爱好的第三属性产品信息库，当属性类别被定义只有这三个类别的情况下，属性产品库则为上述的第一属性产品信息库、第二属性产品信息库和第三属性产品信息库的集合。

s220、确定所述待推送产品在所述属性产品库中包括的所述属性产品信息库中出现的总频次为第一频次；

在确认该待推送产品的产品信息的第一推送指数的时候，先获取对应的属性产品库，再从属性产品库中找到所属的属性产品信息库，由于同一个产品信息可以存放在多个属性产品信息库中，故此时可以得到一个关于该产品信息在属性产品库中的出现的总频次。

s230、计算所述第一频次与所述属性权重值之积得到所述待推送产品的第一推送指数。

由于确定了总频次，则可以根据总频次与属性权重值之积得到第一推送指数，其公式可以表达为：

a1＝kx

其中，a1为第一推送指数，k为属性权重值，x为该产品信息在属性产品库中出现的总频次。

但是，在另一实施例中，为了能更精确地将产品信息匹配用户，可以对上述的多个属性产品信息库都对应设置一个权重值，比如，第一属性产品信息库的权重值为k1,第二属性产品信息库的权重值为k2，第三属性产品信息库的权重值为k3。产品信息虽然可以在不同的属性产品信息库中同时出现，但是每个特定的属性产品信息库中，最多只能出现一次，故对应的，本实施例中，第一推送指数的表达公式为：

a1＝k(k1*x1+k2*x2+k3*x3)

其中，a1为第一推送指数，k为属性权重值，k1为第一属性产品信息库的权重值，k2为第二属性产品信息库的权重值，k3为第三属性产品信息库的权重值，x1为产品信息在第一属性产品信息库中出现的次数，x2为产品信息在第二属性产品信息库中出现的次数，x3为产品信息在第三属性产品信息库中出现的次数，其中，x1、x2和x3，在对应的属性产品信息库中，有出现为1，没有出现为0，以此可以计算出对应的第一推送指数。

本发明还需要根据所述产品信息和用户的行为因子计算所述待推送产品的第二推送指数；

第二推送指数是指上述所述的产品信息结合用户的行为属性而确定的推送指数。该推送指数的高低也可以用来确定是否能够被推送。

所述行为因子包括表征用户历史行为痕迹的行为类别。不同功能的系统，所要监控的行为痕迹不同，通过监控的行为痕迹数据，对相关数据进行分类，从而可以得到多个行为类别，比如在金融系统页面中，用户可能会浏览或者购买基金、股票、保险等类别的产品，每一个行为类别均包含对应一个或多个产品，与上述介绍的行为类别一样，一个行为类别里面分别包括一个行为产品信息库，该行为产品信息库是由一个或多个产品的信息组合而成的。需要说明的是，产品信息可以根据具体的类型，被分配到上述不同的行为类别中，还可以同一产品信息同时在上述不同的行为类别中。

另外，行为因子还包括行为权重值，行为权重值是一个针对行为因子的系数，请参阅图4，所述根据所述产品信息和用户的行为因子计算所述待推送产品的第二推送指数的方法包括：

s240、获取与所述行为因子具有对应关系的行为产品库，其中，行为因子包括表征用户历史行为痕迹的行为类别，各所述行为类别映射有一个或多个产品组成行为产品信息库，所述行为产品库为所有所述行为产品信息库的集合；

由于行为类别会映射多个不同的行为产品信息库，比如表征基金的第一行为产品信息库、表征股票的第二行为产品信息处库，表征保险的第三产品信息库，当行为类别被定义只有这三个类别的情况下，行为产品库则为上述的第一行为产品信息库、第二行为产品信息库和第三行为产品信息库的集合。

s250、确定所述待推送产品在所述行为产品库中包括的所述行为产品信息库中出现的总频次为第二频次；

在确认该待推送产品的产品信息的第二推送指数的时候，先获取对应的行为产品库，再从行为产品库中找到所属的行为产品信息库，由于同一个产品信息可以存放在多个行为产品信息库中，故此时可以得到一个关于该产品信息在行为产品库中的出现的总频次。

s260、计算所述第二频次与所述行为权重值之积得到所述待推送产品的第二推送指数。

由于确定了待推送的产品信息在行为产品库中出现的总频次，则可以根据总频次与属性权重值之积得到第一推送指数，其公式可以表达为：

a2＝jy

其中，a2为第二推送指数，j为行为权重值，y为该产品信息在行为产品库中出现的总频次。

但是，在另一实施例中，为了能更精确地将产品信息匹配用户，可以对上述的多个行为产品信息库都对应设置一个权重值，比如，第一行为产品信息库的权重值为j1,第二行为产品信息库的权重值为j2，第三行为产品信息库的权重值为j3。产品信息虽然可以在不同的行为产品信息库中同时出现，但是每个特定的行为产品信息库中，最多只能出现一次，故对应的，本实施例中，第二推送指数的表达公示为：

a2＝j(j1*y1+j2*y2+j3*y3)

其中，a2为第一推送指数，j为属性权重值，j1为第一行为产品信息库的权重值，j2为第二行为产品信息库的权重值，j3为第三行为产品信息库的权重值，y1为产品信息在第一行为产品信息库中出现的次数，y2为产品信息在第二行为产品信息库中出现的次数，y3为产品信息在第三行为产品信息库中出现的次数，其中，y1、y2和y3，在对应的行为产品信息库中，有出现为1，没有出现为0，以此可以计算出对应的第一推送指数。

进一步的，行为因子与属性因子的不同之处在于，属性因子中表征的属性权重值，以及属性产品信息库中的权重值都是固定的，根据预先定义的属性以及权重计算第一推送指数。行为因子表征的行为权重值是固定的，但是不同的行为产品信息库中的权重值是可以根据用户的行为痕迹进行变动的。具体的，根据用户在特定时间内所浏览的内容所属的类型，对用户的喜好进行排序，比如，当统计时间为近三个月时，在近三个月的时间内，用于浏览次数最多的为基金类产品信息，第二多的为股票类产品，第三多的为保险类产品信息，可以将表征基金类的第一行为产品信息库的权重值j1、表征股票类的第二行为产品信息库的权重值j2和表征保险类的第三行为产品信息库的权重值j3的权重值大小定义为：j1>j2>j3。随着时间的推移，当用户的浏览类型有变化的时候，对应行为类别的权重值的大小也会发生变化。

进一步的，行为类别权重值变化的可以是根据某种规则进行改变的，也可以是固定的值，比如，确定单位时间内，浏览频次最多的产品对应的类别的权重值为0.8，第二多的为0.6，第三多的为0.5，则根据当前用户在该单位时间内的行为痕迹获得的行为类别排序，来确定对应的权重值大小。

s300、根据所述第一推送指数和所述第二推送指数按照预设规则确定所述待推送产品的综合推送指数。

综合推送指数a是根据上述的第一推送指数a1和第二推送指数a2按照预设规则确定得到的。

所述预设规则包括：待推送产品的第一推送指数与第二推送指数之和除以对应的属性权重值与行为权重值之和，即表达式为：

a＝(a1+a2)/(k+j)

对应上述的两种不同的方式，当属性因子和行为因子无对应的属性产品信息库的权重值和行为产品信息库的权重值时，其进一步的表达式可以为：

a＝(kx+jy)/(k+j)；

当属性因子和行为因子存在对应的属性产品信息库的权重值和行为产品信息库的权重值时，其进一步的表达式可以为：

a＝【k(k1*x1+k2*x2+k3*x3)+j(j1*y1+j2*y2+j3*y3)】/(k+j)。

当属性类别和行为类别数量为n时，表达式为：

s400、根据所述待推送产品的综合推送指数确定推送名单。

根据上述公式的运算，可以得到某一个待推送产品的综合推送指数。依据此方法，对所有的待推送产品进行综合推送指数的计算，即可得到一份关于所有待推荐产品的综合推送指数，很容易得到一份关于所有待推送产品的综合推送指数的排名，进一步的，本发明中，可以根据待推送的综合推送指数的排序，将排序靠前的特定数量的待推送产品列入推送名单中，或者是按照综合推送指数达到的某一个标准值，来确定列入推送名单中的待推送产品。根据上述的推送名单，来对推送产品进行推送。

进一步的，请参阅图5，在执行所述根据所述待推送产品的综合推送指数确定推送名单之前还包括：

s510、检测是否有指定的推荐产品信息；

指定的推荐产品信息是指根据用户的意愿，指定某一款特定的产品信息人为地列入到推送名单中。列入推送名单的方式，可以是在推送名单中增加一个推送名额，也可以是在推送名单中替换其中一条产品信息。

s520、判断所述推荐产品信息的指令是否来自于具有管理权限的指定用户；

当检测到有指定的推荐产品信息，则判断该推荐产品信息是否来源于具有管理权限的指定用户。在本实施例中，具有管理权限的指定用户是指除了后台之外，另外开设的具有管理权限的用户账户，这个管理权限可以通过后台进行限定。当监测到指定的推荐产品信息来源于具有管理权限的指定用户后，则认定其为合法操作，当指定的推荐产品信息不是来源于上述的具有管理权限的指定用户，则认定为不合法操作。

s530、当推荐产品信息满足条件，将所述推荐产品信息的综合推送指数设置成最高值。

根据上述步骤，当认定为合法操作的时候，则将所述指定的推荐产品的产品信息的综合推送指数自动设置成最高值，以便于其将纳入推荐名单中。

在另一实施例中，实际上，所述推荐产品信息的综合推送指数不一定是通过系统自动设置成最高值，还可以是通过上述的具有管理权限的指定用户手动定义综合推送指数数值。比如，现有的推送名单中的推送指数前6个分别为：5.0、4.9、4.6、4.5、4.4、4.3，则当需要推送的时候，可手动将上述的待推送产品的综合推送指数定义为4.8，则其排列在4.9于4.6之间，当推送名单的推送是按照综合推送指数的大小进行排序，并先后进行推送的时候，则该指定的推荐产品在第三个被推送。当然，在另一实施例中，推送名单中的待推送产品还可以是随机进行推送。

进一步的，请参阅图6，在本发明中，如何通过用户的历史行为痕迹得到对应喜好的行为类别。其方法主要包括：

s610、提取所述历史行为痕迹数据信息的特征词；

历史行为痕迹，可以利用api(applicationprogramminginerface)接口从网络侧采集用户的行为数据，具体的，可以利用api获取到终端设备中的浏览器开始向网络设备上报行为数据之前，用户执行网络访问所产生并存储在网络侧的行为数据。

由于历史行为痕迹中涉及浏览的产品信息，比如关于该产品信息的表征内容的特征词，故获取的数据，可通过特征词提取方式提取关键字。关于特征词提取的方式，可以采用文档频率(df,documentfrequency)、互信息(mi，mutualinformation)、期望交叉熵(ece，expectedcrossentropy)、信息增益(ig，informationgain)、文本证据权(wet，theweightofevidencefortext)、几率比(or，oddsratio)以及伽马函数概率统计等进行特征词提取。

s620、将提取的特征词与预设的类别词库进行匹配，以得到对应的行为分类。

类别对应的实体词库可以通过对各用户的行为数据样本量统计分析、聚类分析以及结合机器学习的方法得到，即设置的类别可以是由一个或多个实体词构成的向量实体词库。例如，通过对大量用户的行为数据的统计分析、聚类分析以及结合机器学习的方法，得到的类别可以包括：基金、股票、保险等，对于保险，可以通过寿险、健康险、商业险等实体词进行分类标记，对于股票，可以以a股、b股、h股、n股和s股等进行分类，以此类推。可以设置多级类别，以便于精准分类。

通过特征词提取，可以得到用户在一定时间内行的行为喜好，从而可以根据喜好，得到行为产品信息库对应的权重值的大小。

本发明还公开一种产品信息推送的处理装置，请参阅图7，包括：

获取模块100；用于获取待推送产品的产品信息；这里的待推送产品包括但是不限于作为实物的产品的广告信息还，还包括新闻资讯、优惠券信息或者其他任何一种可作为消息载体被推送的信息。

处理模块200：用于根据所述产品信息和用户的属性因子计算所述待推送产品的第一推送指数；同时，根据所述产品信息和用户的行为因子计算所述待推送产品的第二推送指数；

第一推送指数是指上述所述的产品信息结合用户自身的属性而确定的推送指数。推送指数的高低可以确定是否能够被推送。

属性因子包括用户的多个属性类别，比如，比如表征年龄的第一属性产品信息库、表征性别的第二产品信息处库，表征兴趣爱好的第三属性产品信息库，或者是第n属性产品信息库。

属性因子还包括属性权重值，属性权重值是一个针对属性因子的系数。

第一推送指数的获得还通过以下装置的协助：

第一获取子模块：用用于获取与所述属性因子具有对应关系的属性产品库，其中，属性因子包括表征用户属性关系的多个属性类别，各所述属性类别包括有一个或多个产品组成属性产品信息库，所述属性产品库为所有所述属性产品信息库的集合；由于属性类别会映射多个不同的属性产品信息库，比如表征年龄的第一属性产品信息库、表征性别的第二产品信息处库，表征兴趣爱好的第三属性产品信息库，当属性类别被定义只有这三个类别的情况下，属性产品库则为上述的第一属性产品信息库、第二属性产品信息库和第三属性产品信息库的集合。

第一统计子模块：用于确定所述待推送产品在所述属性产品库中包括的所述属性产品信息库中出现的总频次为第一频次；在确认该待推送产品的产品信息的第一推送指数的时候，先获取对应的属性产品库，再从属性产品库中找到所属的属性产品信息库，由于同一个产品信息可以存放在多个属性产品信息库中，故此时可以得到一个关于该产品信息在属性产品库中的出现的总频次。

第一计算子模块：用于计算所述第一频次与所述属性权重值之积得到所述待推送产品的第一推送指数。

由于确定了总频次，则可以根据总频次与属性权重值之积得到第一推送指数，其公式可以表达为：

a1＝kx

其中，a1为第一推送指数，k为属性权重值，x为该产品信息在属性产品库中出现的总频次。

对于属性产品库中对应的第一属性产品信息库、第二属性产品信息库和第三属性产品信息库至第n属性产品信息库有对应的权重值时，第一推送指数的表达公式为：

其中，a1为第一推送指数，k为属性权重值，k1为第一属性产品信息库的权重值，k2为第二属性产品信息库的权重值，k3为第三属性产品信息库的权重值，x1为产品信息在第一属性产品信息库中出现的次数，x2为产品信息在第二属性产品信息库中出现的次数，x3为产品信息在第三属性产品信息库中出现的次数，其中，x1、x2和x3，在对应的属性产品信息库中，有出现为1，没有出现为0，以此可以计算出对应的第一推送指数。

第二推送指数是指上述所述的产品信息结合用户的行为属性而确定的推送指数。该推送指数的高低也可以用来确定是否能够被推送。

所述行为因子包括表征用户历史行为痕迹的行为类别，比如表征基金的第一行为产品信息库、表征股票的第二行为产品信息处库，表征保险的第三产品信息库。

行为因子还包括行为权重值，行为权重值是一个针对行为因子的系数，通过该行为权重值可以获得第二推送指数。

获取第二推送指数通过以下装置协助：

第二获取子模块：用于获取与所述行为因子具有对应关系的行为产品库，其中，行为因子包括表征用户历史行为痕迹的行为类别，各所述行为类别映射有一个或多个产品组成行为产品信息库，所述行为产品库为所有所述行为产品信息库的集合；

由于行为类别会映射多个不同的行为产品信息库，比如表征基金的第一行为产品信息库、表征股票的第二行为产品信息处库，表征保险的第三产品信息库，当行为类别被定义只有这三个类别的情况下，行为产品库则为上述的第一行为产品信息库、第二行为产品信息库和第三行为产品信息库的集合。

第二统计子模块：用于确定所述待推送产品在所述行为产品库中包括的所述行为产品信息库中出现的总频次为第二频次；

在确认该待推送产品的产品信息的第二推送指数的时候，先获取对应的行为产品库，再从行为产品库中找到所属的行为产品信息库，由于同一个产品信息可以存放在多个行为产品信息库中，故此时可以得到一个关于该产品信息在行为产品库中的出现的总频次。

第二计算子模块：用于计算所述第二频次与所述行为权重值之积得到所述待推送产品的第二推送指数。

由于确定了待推送的产品信息在行为产品库中出现的总频次，则可以根据总频次与属性权重值之积得到第一推送指数，其公式可以表达为：

a2＝jy

其中，a2为第二推送指数，j为行为权重值，y为该产品信息在行为产品库中出现的总频次。

对于属性产品库中对应的第一行为产品信息库、第二行为产品信息库和第三行为产品信息库至第n行为产品信息库有对应的权重值时，第二推送指数的表达公式为：

执行模块300：根据所述第一推送指数和所述第二推送指数按照预设规则确定所述待推送产品的综合推送指数。

综合推送指数a是根据上述的第一推送指数a1和第二推送指数a2按照预设规则确定得到的。

所述预设规则包括：待推送产品的第一推送指数与第二推送指数之和除以对应的属性权重值与行为权重值之和，即表达式为：

a＝(a1+a2)/(k+j)

对应上述的两种不同的方式，当属性因子和行为因子无对应的属性产品信息库的权重值和行为产品信息库的权重值时，其进一步的表达式可以为：

a＝(kx+jy)/(k+j)；

当属性因子和行为因子存在对应的属性产品信息库的权重值和行为产品信息库的权重值时，待推送产品的第一推送指数与第二推送指数之和除以对应的属性权重值与行为权重值之和，其进一步的表达式可以为：

进一步的，所述产品信息推送的处理装置还包括：

第一推送子模块：用于根据所述待推送产品的综合推送指数确定推送名单，并按照推送名单推送待推送产品信息。

根据上述公式的运算，可以得到某一个待推送产品的综合推送指数。通过该综合推送指数，可以得到一份关于所有待推送产品的综合推送指数的排名，根据排名，可得到用于推送的推送名单。

进一步的，本申请的装置中还包括：

第一检测子模块：用于检测是否有指定的推荐产品信息；

指定的推荐产品信息是指根据用户的意愿，指定某一款特定的产品信息人为地列入到推送名单中。列入推送名单的方式，可以是在推送名单中增加一个推送名额，也可以是在推送名单中替换其中一条产品信息。

第一判断子模块：用于判断所述推荐产品信息的指令是否来自于具有管理权限的指定用户；

当检测到有指定的推荐产品信息，则判断该推荐产品信息是否来源于具有管理权限的指定用户。在本实施例中，具有管理权限的指定用户是指除了后台之外，另外开设的具有管理权限的用户账户，这个管理权限可以通过后台进行限定。当监测到指定的推荐产品信息来源于具有管理权限的指定用户后，则认定其为合法操作，当指定的推荐产品信息不是来源于上述的具有管理权限的指定用户，则认定为不合法操作。

第一设置子模块：当推荐产品信息满足条件，将所述推荐产品信息的综合推送指数设置成最高值。

根据上述步骤，当认定为合法操作的时候，则将所述指定的推荐产品的产品信息的综合推送指数自动设置成最高值，以便于其将纳入推荐名单中。

本申请中，如何通过用户的历史行为痕迹得到对应喜好的行为类别所涉及的装置包括：

第一提取子模块：用于提取所述历史行为痕迹数据信息的特征词；

历史行为痕迹，可以利用api(applicationprogramminginerface)接口从网络侧采集用户的行为数据，具体的，可以利用api获取到终端设备中的浏览器开始向网络设备上报行为数据之前，用户执行网络访问所产生并存储在网络侧的行为数据。

由于历史行为痕迹中涉及浏览的产品信息，比如关于该产品信息的表征内容的特征词，故获取的数据，可通过特征词提取方式提取关键字。关于特征词提取的方式，可以采用文档频率(df,documentfrequency)、互信息(mi，mutualinformation)、期望交叉熵(ece，expectedcrossentropy)、信息增益(ig，informationgain)、文本证据权(wet，theweightofevidencefortext)、几率比(or，oddsratio)以及伽马函数概率统计等进行特征词提取。

第一匹配子模块：用于将提取的特征词与预设的类别词库进行匹配，以得到对应的行为分类。

类别对应的实体词库可以通过对各用户的行为数据样本量统计分析、聚类分析以及结合机器学习的方法得到，即设置的类别可以是由一个或多个实体词构成的向量实体词库。例如，通过对大量用户的行为数据的统计分析、聚类分析以及结合机器学习的方法，得到的类别可以包括：基金、股票、保险等，对于保险，可以通过寿险、健康险、商业险等实体词进行分类标记，对于股票，可以以a股、b股、h股、n股和s股等进行分类，以此类推。可以设置多级类别，以便于精准分类。

通过特征词提取，可以得到用户在一定时间内行的行为喜好，从而可以根据喜好，得到行为产品信息库对应的权重值的大小。

本发明还公开一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述计算机可读指令被所述处理器执行时，使得所述处理器执行上述任意一项所述产品信息推送的处理的方法。

本发明实施例提供计算机设备基本结构框图请参阅图8。

该计算机设备包括通过系统总线连接的处理器、非易失性存储介质、存储器和网络接口。其中，该计算机设备的非易失性存储介质存储有操作系统、数据库和计算机可读指令，数据库中可存储有控件信息序列，该计算机可读指令被处理器执行时，可使得处理器实现一种产品信息推送的处理方法。该计算机设备的处理器用于提供计算和控制能力，支撑整个计算机设备的运行。该计算机设备的存储器中可存储有计算机可读指令，该计算机可读指令被处理器执行时，可使得处理器执行一种产品信息推送的处理方法。该计算机设备的网络接口用于与终端连接通信。本领域技术人员可以理解，图8中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

计算机设备通过接收关联的客户端发送的提示行为的状态信息，即关联终端是否开启提示以及用户是否关闭该提示任务。通过验证上述任务条件是否达成，进而向关联终端发送对应的预设指令，以使关联终端能够根据该预设指令执行相应的操作，从而实现了对关联终端的有效监管。同时，在提示信息状态与预设的状态指令不相同时，服务器端控制关联终端持续进行响铃，以防止关联终端的提示任务在执行一段时间后自动终止的问题。

本发明还提供一种存储有计算机可读指令的存储介质，所述计算机可读指令被一个或多个处理器执行时，使得一个或多个处理器执行上述任一实施例所述产品信息推送的处理方法的方法。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，该计算机程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，前述的存储介质可为磁碟、光盘、只读存储记忆体(read-onlymemory，rom)等非易失性存储介质，或随机存储记忆体(randomaccessmemory，ram)等。

应该理解的是，虽然附图的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，其可以以其他的顺序执行。而且，附图的流程图中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，其执行顺序也不必然是依次进行，而是可以与其他步骤或者其他步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

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。