一种基于规则引擎的智能推送方法及系统与流程

本发明属于数据处理技术领域，尤其涉及一种基于规则引擎的智能推送方法及系统。

背景技术：

随着互联网经济的不断发展，企业对用户市场的争夺越来越激烈，用户的需求千变万化，如何能够在不需要开发人员参与的情况下，及时准确地匹配和把握用户需求，做到精准定位、高效推送以吸引目标用户的注意力，进而抢占市场先机是一个重要课题。

规则引擎，由推理引擎发展而来，是一种嵌入在应用程序中的组件，实现了将业务决策从应用程序代码中分离出来，并使用预定义的语义模块编写业务决策。接受数据输入，解释业务规则，并根据业务规则做出业务决策。

目前，传统的推送系统，是用户对自己关注或感兴趣的内容需通过搜索的方式自行添加到指定目录下，系统根据用户订阅的内容来展现相关内容或产品，在内容选择上准确度不足、时间段上把握不精准、开发维护上费时又费力，这是本领域所含待解决的问题。

技术实现要素：

为了提高推送系统的准确度和工作效率，本发明提供了一种基于规则引擎的智能推送方法及系统，可以精确识别用户关注或感兴趣的内容，通过分析和预测用户的操作习惯，有针对性地、在准确的时间段将内容主动推送给用户，并及时通知更新和更改的内容，使用户在浏览和阅读时更加方便和快捷，大大满足了用户个性化需求，同时也降低了系统更新和维护的成本。

本发明提供的一种基于规则引擎的智能推送方法，具体包括以下步骤：

s1、构建规则引擎；

s2、采集用户操作习惯等信息资源；

s3、构建规则库：对采集的信息资源做分类整理，构建规则库，并根据各个分类的特点定义规则库；

s4、按照规则对采集的信息资源做分析处理；

s5、返回分析结果，后台定时器定期向用户推送资源。

其中，所述步骤s2进一步包括：

s2.1、在需要采集用户操作信息的方法函数上增加面向切面注解@collectinfo("xxx")；

s2.2、采集用户对某个目录的操作频率；

s2.3、采集用户对某种资源的操作频率；

s2.4、采集用户对该资源经常做的操作，用于判断用户经常操作推送的系统；

s2.5、采集用户操作该资源的时间段，用于确定智能推送资源时间的判定，使推送的资源能更加及时的被处理；

s2.6、采集用户打开该资源停留时间，用于分析该资源对用户的吸引程度，增加推送准确度。

其中，所述步骤s4进一步包括：

s4.1、根据各种操作权重计算出用户对资源的关注程度；

s4.2、根据s4.1得出的关注程度，计算出发送资源频率、时间等信息。

另外，本发明还提供了一种基于规则引擎的智能推送系统，该系统具体包括以下模块：

采集管理模块：对推送系统对接的数据源或web进行采集配置；

资源管理模块：对采集的资源进行分类、标签、增删改查、移动复制等操作；

数据分析模块：对采集的资源进行统计和分析。

其中，所述“数据分析模块”进一步包括：

资产子模块；

新增子模块；

利用子模块。

其中，所述“资产子模块”进一步包括：

资源总计子模块：统计和分析所有资源的总数；

热门资源子模块：统计和分析资源条数排名居前的资源分类；

资源总量子模块：统计和分析网页、音频、视频、图片、文档5种资源的各自数量及占比；

资源库资源量排行子模块：统计和分析排名居前的资源库中资源量并由高到低排序，计算日变化百分比。

其中，所述“新增子模块”进一步包括：

一周新增资源子模块：统计和分析一周内通过人工录入、数据采集、数据库采集方式新增资源条数和占比；

一周新增资源走势子模块：统计和分析一周内每天的新增数量及一周走势。

其中，所述“利用子模块”进一步包括：

一周资源利用子模块：统计和分析一周内资源通过自动同步、手动发布、接口调用、导出方式被利用的资源条数和占比；

资源利用详情子模块：统计和分析资源利用途径总量并由大到小排序。

根据本发明的一种基于规则引擎的智能推送方法及系统可以看出，本发明解决了传统系统在选择用户关注或感兴趣的内容上准确度不足、时间段上把握不精准、开发维护上费时又费力的问题。

附图说明

为了更清楚地说明本发明实施例，下面将对实施例或现有技术描述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实施例中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明方法实施例一的基于规则引擎的智能推送流程图。

图2为本发明系统实施例二的基于规则引擎的智能推送功能模块图。

具体实施方式

上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可以找说明书的内容予以实施，并且为了让本发明的上述和其他目的、特征和优点能够更浅显易懂，以下为本发明的具体实施方式。

实施例一

图1为本发明基于规则引擎的智能推送方法，具体包括以下步骤：

s1、构建规则引擎；

s2、采集用户操作习惯等信息资源；

s3、构建规则库：对采集的信息资源做分类整理，构建规则库，并根据各个分类的特点定义规则库；

s4、按照规则对采集的信息资源做分析处理；

s5、返回分析结果，后台定时器定期向用户推送资源。

其中，所述步骤s2进一步包括：

s2.1、在需要采集用户操作信息的方法函数上增加面向切面注解@collectinfo("xxx")；

s2.2、采集用户对某个目录的操作频率；

s2.3、采集用户对某种资源的操作频率；

s2.4、采集用户对该资源经常做的操作，用于判断用户经常操作推送的系统；

s2.5、采集用户操作该资源的时间段，用于确定智能推送资源时间的判定，使推送的资源能更加及时的被处理；

s2.6、采集用户打开该资源停留时间，用于分析该资源对用户的吸引程度，增加推送准确度。

其中，所述步骤s4进一步包括：

s4.1、根据各种操作权重计算出用户对资源的关注程度；

s4.2、根据s4.1得出的关注程度，计算出发送资源频率、时间等信息。

实施例二

图2为本发明基于规则引擎的智能推送系统，该系统具体包括以下模块：

采集管理模块：对推送系统对接的数据源或web进行采集配置；

资源管理模块：对采集的资源进行分类、标签、增删改查、移动复制等操作；

数据分析模块：对采集的资源进行统计和分析。

其中，所述“数据分析模块”进一步包括：

资产子模块；

新增子模块；

利用子模块。

其中，所述“资产子模块”进一步包括：

资源总计子模块：统计和分析所有资源的总数；

热门资源子模块：统计和分析资源条数排名居前的资源分类；

资源总量子模块：统计和分析网页、音频、视频、图片、文档5种资源的各自数量及占比；

资源库资源量排行子模块：统计和分析排名居前的资源库中资源量并由高到低排序，计算日变化百分比。

其中，所述“新增子模块”进一步包括：

一周新增资源子模块：统计和分析一周内通过人工录入、数据采集、数据库采集方式新增资源条数和占比；

一周新增资源走势子模块：统计和分析一周内每天的新增数量及一周走势。

其中，所述“利用子模块”进一步包括：

一周资源利用子模块：统计和分析一周内资源通过自动同步、手动发布、接口调用、导出方式被利用的资源条数和占比；

资源利用详情子模块：统计和分析资源利用途径总量并由大到小排序。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围不局限于此，任何熟悉本技术领域的技术人员在本发明的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。