信息推送方法、装置、计算机设备及存储介质与流程

本发明涉及信息处理技术领域，尤其涉及信息推送方法、装置、计算机设备及存储介质。

背景技术：

金融领域对风险信息尤其敏感。许多金融机构内部均设有专门的风险控制部门，对风险信息进行关注和筛查。随着信息技术的高速发展，对风险信息的获取和处理，已由传统的以人工经验为主的人工处理方式，逐渐转变为电子信息化处理模式。

由于引起风险的因素很多，包括政治的因素、经济大环境的因素、法律法规及政策的因素等，因此，风控人员需要从大量的数据信息中获取与自身业务相关的重点风险信息。在传统的风控系统中，风控人员需要通过登录系统，并依托关键字进行分类查询。这样做虽然能查询到相关信息，但过于依赖人的操作；同时，当面对庞大的数据信息库，难以捕捉到与自身业务相匹配的重点信息，使得查询的效率不高。

技术实现要素：

本发明实施例提供一种信息推送方法、装置、计算机设备及存储介质，以解决获取信息方式单一、效率低下，且难以获取重点信息的问题。

一种信息推送方法，包括：

以预设时间间隔从预设风险信息数据库中获取风控数据；

根据预设关键字集合对所述风控数据进行关键字查询，并根据查询结果确定每条所述风控数据的优先级；

从预设用户数据库中获取风控人员的身份标识信息，并根据所述身份标识信息和所述优先级之间的预设映射关系，确定所述身份标识信息对应的目标优先级，并将属于所述目标优先级的所述风控数据作为推送信息；

将所述推送信息，发送到所述风控人员所在的客户端。

一种信息推送装置，包括：

数据获取模块，用于以预设时间间隔从预设风险信息数据库中获取风控数据；

优先级确定模块，用于根据预设关键字集合对所述风控数据进行关键字查询，并根据查询结果确定每条所述风控数据的优先级；

信息匹配模块，用于从预设用户数据库中获取风控人员的身份标识信息，并根据所述身份标识信息和所述优先级之间的预设映射关系，确定所述身份标识信息对应的目标优先级，并将属于所述目标优先级的所述风控数据作为推送信息；

推送模块，用于将所述推送信息，发送到所述风控人员所在的客户端。

一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述信息推送方法的步骤。

一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现上述信息推送方法的步骤。

上述信息推送方法、装置、计算机设备及存储介质，以预设时间间隔，定期自动从预设风险信息数据库中获取风控数据；根据预设关键字集合对风控数据进行关键字查询，并根据查询结果确定每条所述风控数据的优先级，实现了对风控数据进行汇总和按优先级进行分类；根据风控人员的身份标识信息和风控数据优先级之间的预设映射关系，确定身份标识信息对应的目标优先级，并将属于目标优先级的风控数据作为推送信息，实现为每个风控人员定制风控信息；将推送信息发送到风控人员所在的客户端，实现了信息的精准推送，为用户提供了一种更快捷、高效的信息获取方式，节省了用户操作时间，同时，所推送的信息与用户的需求高度相关，提升了信息获取的效率。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的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性的前提下，还可以根据这些附图获得其他的附图。

图1是本发明一实施例中信息推送方法的一应用环境示意图；

图2是本发明一实施例中信息推送方法的流程图；

图3是本发明一实施例中信息推送方法中步骤s1的流程图；

图4是本发明一实施例中信息推送方法中确定风控数据优先级的流程图；

图5是本发明一实施例中信息推送方法中步骤s3的流程图；

图6是本发明一实施例中信息推送方法中步骤s4的流程图；

图7是本发明一实施例中信息推送装置的示意图；

图8是本发明一实施例中计算机设备的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例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他实施例，都属于本发明保护的范围。

本发明提供的信息推送方法，可应用在如图1的应用环境中，其中，服务端是提供信息推送服务的计算机设备，服务端可以是服务器或服务器集群；客户端是接收服务端推送信息的计算机终端设备，客户端可以是pc电脑、手机app等；客户端与服务端之间通过网络连接，网络可以是有限网络或无线网络。本发明实施例提供的信息推送方法应用于服务端。

在一实施例中，如图2所示，提供了一种信息推送方法，其具体实现流程包括如下步骤：

s1：以预设时间间隔从预设风险信息数据库中获取风控数据。

风控数据是风险信息的数据集合。风险信息分为企业内部风险和企业外部风险，其中，企业内部风险是指在企业的内部控制和治理流程中，因未能够与法律、法规、政策、最佳范例或服务水平协定保持一致而导致的风险；企业外部分析是指当保监会、人民银行、税务局等监管单位对本企业、分公司或子公司做监管检查时，可能存在的违规事项等风险。企业内部风险还可以细分为一线业务所存在的风险，如承保风险、理赔风险等等。

风控数据具体可以表现为预设风险信息数据库中的数据记录，例如，在一条承保风险记录中保存着承保保单的保单号、投保人身份信息、投保人违约记录等。

预设风险信息数据库是存储风险信息数据的数据库。预设风险信息数据库可以部署在服务端本地，也可以通过网络与服务端相连，具体地，预设风险信息数据库可以但不限于各种关系型数据库或非关系型数据库，如ms-sql、oracle、mysql、sybase、db2、redis、mongoddb、hbase等。

风险信息是瞬息万变的，因此，服务端可以以预设时间间隔定期获取风控数据。预设时间间隔可以根据实际应用需要进行设置，如每天、每周、每月、每季度等。

具体地，以预设时间间隔为每天为例，若服务端运行环境为linux，则服务端可以调用crontab命令启用定时器任务，定时器任务的间隔时间为24小时，定时器任务通过调用jdbc访问预设风险信息数据库，提取数据表中的数据记录作为风控数据。其中，jdbc(javadatabaseconnectivity，java数据库连接)是一种用于执行sql语句的javaapi，可以为多种关系数据库提供统一访问，它由一组用java语言编写的类和接口组成。jdbc提供了一种基准，据此可以构建更高级的工具和接口，使数据库开发人员能够编写数据库应用程序。数据库开发人员通过jdbc编写的接口程序能适用于不同的数据库，而不再需要为不同的数据库分别编写接口程序，极大提高了开发效率

s2：根据预设关键字集合对风控数据进行关键字查询，并根据查询结果确定每条风控数据的优先级。

风控数据的优先级是用于判断一条风控信息的重要程度的指标。优先级越高的风控数据，其重要程度越高，越被优先推送到风控人员手中。优先级的等级可以根据实际应用需要进行预先设定，例如，重要程度最高的优先级设置为1级，优先级的级别随着重要程度的降低依次增加，重要程度最低的优先级设置为9级。

预设关键字是用来评估风控数据优先级的字、词或数字。例如，若预设关键字为“杠杆率”，则代表了与杠杆率相关的风控数据属于风控人员非常关注的风控信息；若预设关键字为“融资额范围”，则代表了与一定范围内的融资额相关的风控数据属于风控人员非常关注的风控信息。

预设关键字集合是由预设关键字组成的数据集，具体地，预设关键字集合可以是一个字符串数组或一个向量集。例如，一个字符串数组可以表示为：keyword＝[‘杠杆率’,‘融资金额’,‘违约率’...]。

服务端以风控数据中出现预设关键字的多少来确定风控数据的优先级。例如，若风控数据中出现了一定范围内的融资额数据，则该条风控数据的优先级高于没有出现预设关键字的风控数据；若风控数据中同时出现了预设关键字“杠杆率”和“融资额范围”，则该条风控数据的优先级高于只出现一个预设关键字的风控数据。

具体地，服务端可以先将风控数据导出为文本格式的文件，如可以利用sql语句直接将查询结果输出为文本格式的文件；然后根据预设关键字对文本文件的内容进行查询，并根据查询结果为每条风控数据增加一个优先级字段，以确定每天风控数据的优先级。

s3：从预设用户数据库中获取风控人员的身份标识信息，并根据身份标识信息和优先级之间的预设映射关系，确定身份标识信息对应的目标优先级，并将属于目标优先级的风控数据作为推送信息。

预设用户数据库是存储风控人员相关信息的数据库，预设用户数据库可以部署在服务端本地，也可以通过网络与服务端相连，具体地，预设用户数据库可以但不限于各种关系型数据库或非关系型数据库，如ms-sql、oracle、mysql、sybase、db2、redis、mongoddb、hbase等。

预设用户数据库中的信息包括但不限于风控人员的身份标识信息，风控人员的登录信息、状态信息、分组信息、权限信息等等。其中，风控人员的身份标识信息用于唯一标识一个风控人员，风控人员的身份标识信息具体可以为id(identification，身份标识)号。

风控人员的身份标识信息和优先级之间的预设映射关系反映了不同的风控人员享有获取不同优先级级别的风控数据的权利，其中，与风控人员的身份标识信息对应的优先级称为目标优先级，只有属于目标优先级的风控数据才能被推送或优先推送给该风控人员。例如，企业的高层人员可以获得所有优先级级别的风控数据，且优先获得最高级别的风控数据；企业的普通风控人员则无法获得或不能优先获得目标优先级之外的风控数据。

具体地，风控人员的身份标识信息和优先级之间的预设映射关系可以由一个json文件表示。json(javascriptobjectnotation，js对象简谱)是一种轻量级的数据交换格式。json文件是以ascii编码方式存储的，不依赖于操作系统，能被计算机程序快速的读取或生成，是一种流行的数据交换格式。一个反映了风控人员的身份标识信息和优先级之间的预设映射关系的json文件可以表示为：

{

“id_0001”:[1,2,3,4,5,6,7,8,9]，

“id_0002”:[6,7,8,9]，

“id_0003”:[8,9]，

...

}

其中，id_0001、id_0002和id_0003分别代表一个风控人员的身份标识信息；风控人员id_0001对应的目标优先级为1至9级，风控人员id_0002对应的目标优先级为6至9级，风控人员id_0003对应的目标优先级为8至9级，即风控数据中，优先级别为1至9级的风控数据可以作为风控人员id_0001的推送信息，优先级别为6至9级的风控数据可以作为风控人员id_0002的推送信息，优先级别为8至9级的风控数据可以作为风控人员id_0003的推送信息。

s4：将推送信息，发送到风控人员所在的客户端。

风控人员可以通过各种客户端获取推送信息，例如，通过pc浏览服务端提供的web页面，或通过手机app等。

以服务端为风控人员提供了web页面为例，风控人员事先在服务端进行了身份注册，服务端的预设用户数据库中存储有风控人员的相关信息，如风控人员的身份标识信息、风控人员的登录信息、状态信息、分组信息、权限信息等等。当风控人员在浏览web页面时，需要进行登录，服务端由此得知风控人员的登录状态，并根据登录状态向风控人员推送web页面。

具体地，服务端定时获取预设用户数据库中风控人员的登录状态，若检测到风控人员为在线状态，则服务端将推送信息插入到web页面中，并推送到风控人员所在的客户端。

在本实施例中，以预设时间间隔，定期自动从预设风险信息数据库中获取风控数据；根据预设关键字集合对风控数据进行关键字查询，并根据查询结果确定每条所述风控数据的优先级，实现了对风控数据进行汇总和按优先级进行分类；根据风控人员的身份标识信息和风控数据优先级之间的预设映射关系，确定身份标识信息对应的目标优先级，并将属于目标优先级的风控数据作为推送信息，实现为每个风控人员定制风控信息；将推送信息发送到风控人员所在的客户端，实现了信息的精准推送，为用户提供了一种更快捷、高效的信息获取方式，节省了用户操作时间，同时，所推送的信息与用户的需求高度相关，提升了信息获取的效率。

进一步地，在一实施例中，如图3所示，针对步骤s1，即以预设时间间隔从预设风险信息数据库中获取风控数据，具体可以包括如下步骤：

s11：根据预设维度，定制数据包文件。

预设维度是指从时间维度、空间维度或自定义条件中的一种或几种去获取风控数据。其中，时间维度是指以时间为周期，如月度、季度、年度，或者以项目的持续时长为周期；空间维度是指以地域为划分，如以行政区划的县、区、市、省等，或者以企业内部的组织架构为划分，如不同的部门、子公司等；自定义条件是根据实际应用需要确定的划分条件，如以某产品的季度销售额为划分条件等。

数据包文件即pkg文件，pkg即package，是一个可以将相关对象存储在一起的pl/sql结构。其中，pl/sql也是一种程序语言，叫做过程化sql语言(procedurallanguage/sql)。pl/sql是oracle数据库对sql语句的扩展。在普通sql语句的使用上增加了编程语言的特点，所以pl/sql把数据操作和查询语句组织在pl/sql代码的过程性单元中，通过逻辑判断、循环等操作实现复杂的功能或者计算。数据包文件由sql语句和过程函数组成，其中，过程函数是包含逻辑判断、循环等操作语句的函数。

具体地，预设维度可以表现为预设数据包定制文件的形式。例如，预设维度与预设过程函数相对应。服务端根据实际应用的需要，选取与预设维度相对应的过程函数，并将过程函数与select语句结合，形成数据包文件。

s12：以预设时间间隔调用并执行数据包文件，其中，数据包文件用于从预设风险信息数据库中获取风控数据，并将风控数据保存到临时数据表中。

临时数据表用于临时存储从预设风险信息数据库中获取到的风控数据。当服务端完成对风控数据的处理，临时数据表将被释放或删除。临时数据表具体可以表现为服务端本地的一个临时文件，或者服务端本地的一片内存空间。其中，若临时数据表是服务端本地的一片内存空间，则服务端可以通过新建一个n*m维数组用于临时存储风控数据，m、n均为大于零的整数。

具体地，若服务端运行环境为linux，服务端可以调用crontab命令启用定时器任务，定时器任务用于调用并执行数据包文件，并将执行数据包文件后得到的风控数据保存到服务端新建的数组中。其中，数组相当于临时数据表。数组中包括的数据有：数据包文件运行的批次号、报表时间、统计纬度以及风控数据等。数组在使用完后，将被服务端释放。

在本实施例中，服务端根据不同的维度定制数据包文件，然后获取风控数据，使得可以从多角度、灵活地获取实际需要的风险数据，实现了定制风控信息的功能，同时，将风控数据保存到临时数据表中，有利于节省服务端的存储空间。

进一步地，在一实施例中，如图4所示，针对步骤s2，即根据预设关键字集合对风控数据进行关键字查询，并根据查询结果确定每条风控数据的优先级，可以由以下具体步骤代替：

s5：对风控数据构成的数据集合进行词频统计，得到风控数据中出现的词语的词频。

风控数据构成的数据集合是风控数据的总和，数据集合具体可以表现为一个由风控数据组成的表格文件、文本文件或数据字典。

例如，若拟将数据集合保存为一个表格文件，如excel表格，则服务端可以先创建excel模板文件流，然后利用poi将风控数据填充到excel模板文件流的sheet页中。其中，poi全称是apachepoi，它是用java编写的免费开源的跨平台的javaapi，利用它可以实现对microsoftoffice(excel、word、powerpoint、visio等)格式文档的读和写的功能；sheet页中的每行数据对应sql查询语句获取到的一条记录。

若拟将数据集合保存为一个数据字典，服务端可以将风控数据存储到一个非关系型数据库中，如nosql。数据字典是非关系型数据库中的内置数据结构。非关系型数据库是相对于传统关系型数据库而言，非关系型数据库将数据以类似键值对形式进行存储，存入的多条数据之间不需要有严格的格式一致性，这使得非关系型数据库特别适合于大数据分析。例如，服务端可以将一条关于a部门的风控数据和一条b部门的风控数据同时存储到非关系型数据库中的一个数据字典中，其中，a部门的风控数据的字段与b部门的风控数据的字段可以完全不同。

词频是在一段文字中各词语出现的频率，词频统计是一种用于情报检索与文本挖掘的常用加权技术，用以评估一个词对于一个文件或者一个语料库中的一个领域文件集的重要程度。例如，若一段文字包括100个词语，其中词语“去杠杆”出现了5次，则“去杠杆”一词在该段文字中的词频为0.05(5/100)。

服务端可以调用r或python语言定义的函数对风控数据构成的数据集合进行词频统计，或者，服务端可以调用第三方提供的词频统计api对对风控数据构成的数据集合进行词频统计。其中，r是一个开源、自由、免费的软件，它擅长于统计计算和统计制图；python是一种计算机程序设计语言，它简洁、易读、可扩展性高，有丰富的第三方库使用，适合应用在科学计算和统计分析领域；提供词频统计的第三方包括谷歌、百度、搜狗等企业，以及一些大学和研究机构。

具体地，服务端先将风控数据保存到一个数据集合中，然后调用第三方提供的词频统计api对数据集合中进行词频统计，从而得到风控数据中出现的词语的词频。例如，在一批风控数据构成的数据集合中，词语总数为1000，词语“高杠杆”出现了101次，对应词频为0.101，词语“合规风险”出现49次，对应词频为0.049，等等。

s6：将词频超过预设阈值的词语作为关键词。

预设阈值用于判断一个词语的重要程度，超过预设阈值的词语称为关键词。例如，若预设阈值为0.05，词语“高杠杆”的词频为0.101，则词语“高杠杆”将作为关键词。预设阈值可以根据风控数据构成的数据集合的大小或实际应用的需要来确定。

具体地，服务端将词语的词频与预设阈值进行比较，若词频超过预设阈值，则服务端可以将该词频对应的词语存储到一个关键词数组中。

s7：根据关键词在每条风控数据中出现的次数，确定每条风控数据的优先级。

具体地，服务端从关键词数组中依次取出一个词语作为搜索匹配条件，检测关键词在每条风控数据中出现的次数；将风控数据中出现了关键词数量最多的风控数据确定为最高优先级，以此类推，直到匹配完所有的风控数据，从而得到每条风控数据的优先级。

在本实施例中，服务端对风控数据构成的数据集合进行词频统计，得到风控数据中出现的词语的词频；用预设阈值对词语的词频进行筛选，将词频超过预设阈值的词语作为关键词；通过比较每条风控数据中出现的关键词的数量来确定风控数据的优先级。与步骤s2的方法相比，不需要事先预设关键字，而是通过直接分析风控数据之间的关联性来确定风控数据的优先级，减少了人为干预，能自适应确定重要的风险信息，进一步提高了效率。

进一步地，在一实施例中，如图5所示，针对步骤s3，即从预设用户数据库中获取风控人员的身份标识信息，并根据身份标识信息和优先级之间的预设映射关系，确定身份标识信息对应的目标优先级，并将属于目标优先级的风控数据作为推送信息，具体包括如下步骤：

s31：从预设用户数据库中获取风控人员的身份标识信息，以及风控人员所属的用户组。

预设用户数据库中存储了风控人员的相关信息，其中包括了风控人员的身份标识信息，以及风控人员所属的用户组。风控人员所属的用户组将风控人员进行预先分类，具体可以根据风控人员的岗位级别、所属部门等进行分组。

具体地，服务端调用jdbc访问预设用户数据库，即可获取风控人员的身份标识信息，以及风控人员所属的用户组。

s32：从预设配置文件中读取用户组与风控数据优先级之间的映射关系。

预设配置文件中包括用户组与风控数据优先级之间的映射关系，与包括身份标识信息和优先级之间的预设映射关系的json文件类似，预设配置文件中将用户组的id号代替了身份标识信息。由于风控人员数量庞大，而用户组的数量相对较少，使用包括用户组与风控数据优先级之间的映射关系的配置文件，可以减少重复的数据，并节省存储空间。

具体地，服务端可以调用第三方json库，如jackson，读取包括用户组与风控数据优先级之间的映射关系的json文件。其中，jackson是一个基于java的第三方应用库，通过jackson包中的内置函数可以快捷的将json文件中的数据转换成java对象。

s33：根据映射关系，获取风控人员的身份标识信息对应的风控数据优先级，并将获取到的风控数据优先级作为目标优先级。

服务端根据风控人员所属的用户组确定该风控人员对应的目标优先级。

具体地，服务端根据风控人员的身份标识，确定风控人员所属的用户组id，并获取与用户组id对应的风控数据优先级，即可得到风控人员对应的目标优先级。

s34：将目标优先级对应的风控数据作为推送信息。

具体地，服务端为每个风控人员新建一个推送信息对象，推送信息对象中的属性包括风控人员的身份标识信息、风控人员所属的用户组id、风控人员对应的目标优先级以及推送信息。其中，推送信息由服务端根据目标优先级从预设风险信息数据库中获取。

在本实施例中，服务端从预设用户数据库中获取风控人员的身份标识信息，以及风控人员所属的用户组，从而确定风控人员所属的用户组，然后根据用户组与风控数据优先级之间的映射关系确定风控人员对应的目标优先级，并根据目标优先级确定推送信息，避免了由于风控人员数量庞大，获取推送信息时间过长的问题，节省了确定推送信息的时间，提高了执行效率。

进一步地，在一实施例中，如图6所示，针对步骤s4，即将推送信息，发送到风控人员所在的客户端，具体包括如下步骤：

s41：从预设用户数据库中获取风控人员的电子邮箱地址。

预设用户数据库中包括风控人员的电子邮箱地址。服务端根据风控人员的身份标识信息即可获取该风控人员的电子邮箱地址。

具体地，服务端通过调用jdbc访问预设用户数据库，查询风控人员的电子邮箱地址。

s42：将推送信息作为电子邮件的正文，并将电子邮件发送到风控人员的电子邮箱地址。

服务端可以通过多种方式发送电子邮件，如定时发送或即时发送等。其中，定时发送是指以预设时间为周期，定期发送推送信息；即时发送是指当服务端确定完推送信息之后，即可发送。

具体地，服务端可以调用sendmail邮件客户端进行发送。其中，sendmail是一个邮件客户端代理程序，sendmail是一种linux系统上常见的邮件客户端，它能通过简单的命令发送邮件。sendmail中的mail命令用于在命令行下发送邮件。

举例来说，一条基于命令行的邮件发送命令为：mail-s“title”admin@163.com<important.txt。其中，title代表邮件标题，admin@163.com代表邮件地址，important.txt代表该文本文件中的内容作为邮件的正文。同时，通过mail命令还可以将邮件群发给不同的风控人员。

在本实施例中，服务端从预设用户数据库中获取风控人员的电子邮箱地址，将推送信息以电子邮件的形式发送到风控人员的电子邮箱地址。通过电子邮件的方式推送信息，不受风控人员所登录的客户端的限制，风控人员可以在任意客户端获取推送信息，从而使得风控人员获取推送信息的方式更方便、灵活。

应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

在一实施例中，提供一种信息推送装置，该信息推送装置与上述实施例中信息推送方法一一对应。如图7所示，该信息推送装置包括数据获取模块71、优先级确定模块72、信息匹配模块73和推送模块74。各功能模块详细说明如下：

数据获取模块71，用于以预设时间间隔从预设风险信息数据库中获取风控数据；

优先级确定模块72，用于根据预设关键字集合对风控数据进行关键字查询，并根据查询结果确定每条风控数据的优先级；

信息匹配模块73，用于从预设用户数据库中获取风控人员的身份标识信息，并根据身份标识信息和优先级之间的预设映射关系，确定身份标识信息对应的目标优先级，并将属于目标优先级的风控数据作为推送信息；

推送模块74，用于将推送信息，发送到风控人员所在的客户端。

进一步地，数据获取模块71包括：

数据包定制子模块711，用于根据预设维度，定制数据包文件；

数据获取子模块712，用于以预设时间间隔调用并执行数据包文件，其中，数据包文件用于从预设风险信息数据库中获取风控数据，并将风控数据保存到临时数据表中。

进一步地，信息推送装置还包括：

词语分析模块75，用于对风控数据构成的数据集合进行词频统计，得到风控数据中出现的词语的词频；

关键词获取模块76，用于将词频超过预设阈值的词语作为关键词；

分级模块77，用于根据关键词在每条风控数据中出现的次数，确定每条风控数据的优先级。

进一步地，信息匹配模块73包括：

标识获取子模块731，用于从预设用户数据库中获取风控人员的身份标识信息，以及风控人员所属的用户组；

数据读取子模块732，用于从预设配置文件中读取用户组与风控数据优先级之间的映射关系；

信息搜寻子模块733，用于根据映射关系，获取风控人员的身份标识信息对应的风控数据优先级，并将获取到的风控数据优先级作为目标优先级；

信息匹配子模块734，用于将目标优先级对应的风控数据作为推送信息。

进一步地，推送模块74包括：

地址获取子模块741，用于从预设用户数据库中获取风控人员的电子邮箱地址；

信息推送子模块742，用于将推送信息作为电子邮件的正文，并将电子邮件发送到风控人员的电子邮箱地址。

关于信息推送装置的具体限定可以参见上文中对于信息推送方法的限定，在此不再赘述。上述信息推送装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是服务器，其内部结构图可以如图8所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种信息推送方法。

在一个实施例中，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述实施例中信息推送方法的步骤，例如图2所示的步骤s1至步骤s4。或者，处理器执行计算机程序时实现上述实施例中信息推送装置的各模块/单元的功能，例如图7所示模块71至模块74的功能。为避免重复，这里不再赘述。

在一实施例中，提供一计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法实施例中信息推送方法，或者，该计算机程序被处理器执行时实现上述装置实施例中信息推送装置中各模块/单元的功能。为避免重复，这里不再赘述。

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，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本发明所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦除可编程rom(eeprom)或闪存。易失性存储器可包括随机存取存储器(ram)或者外部高速缓冲存储器。作为说明而非局限，ram以多种形式可得，诸如静态ram(sram)、动态ram(dram)、同步dram(sdram)、双数据率sdram(ddrsdram)、增强型sdram(esdram)、同步链路(synchlink)dram(sldram)、存储器总线(rambus)直接ram(rdram)、直接存储器总线动态ram(drdram)、以及存储器总线动态ram(rdram)等。

所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。

以上所述实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围，均应包含在本发明的保护范围之内。