[发明专利]信息推送方法和装置

说明书

本申请公开了信息推送方法和装置。该方法的一具体实施方式包括：获取目标物品的当前属性值以及关联信息，其中，该关联信息包括以下至少一项：历史属性值、预定时间段内包括该目标物品的物品信息的订单；基于该当前属性值和该关联信息，确定该当前属性值是否异常；响应于确定该当前属性值异常，推送用于提示该当前属性值异常的提示信息。该实施方式实现了内容丰富的信息推送。

技术领域

本申请涉及计算机技术领域，具体涉及互联网技术领域，尤其涉及信息推送方法和装置。

背景技术

信息推送，是通过一定的技术标准或协议，在互联网上通过推送用户需要的信息来减少信息过载的一项技术。

然而，现有的信息推送方式所推送的信息类别有限，从而，存在着推送的信息不丰富的问题。

发明内容

本申请的目的在于提出一种改进的信息推送方法和装置，来解决以上背景技术部分提到的技术问题。

第一方面，本申请实施例提供了一种信息推送方法，上述方法包括：获取目标物品的当前属性值以及关联信息，其中，上述关联信息包括以下至少一项：历史属性值、预定时间段内包括上述目标物品的物品信息的订单；基于上述当前属性值和上述关联信息，确定上述当前属性值是否异常；响应于确定上述当前属性值异常，推送用于提示上述当前属性值异常的提示信息。

在一些实施例中，上述基于上述当前属性值和上述关联信息，确定上述当前属性值是否异常，包括：确定所获取的订单的订单数量和/或所获取的订单中上述目标物品的物品总数量；根据上述订单数量和/或上述物品总数量，确定上述当前属性值是否异常。

在一些实施例中，上述根据上述订单数量和/或上述物品总数量，确定上述当前属性值是否异常，还包括：提取所获取的订单中的收货人的联系方式信息，并对于所提取的联系方式信息中的每个联系方式信息，确定通过该联系方式信息所指示的联系方式注册的账号的账号数量；根据所确定的账号数量，确定上述当前属性值是否异常。

在一些实施例中，上述根据所确定的账号数量，确定上述当前属性值是否异常，包括：利用异常点检测算法，确定包括所获取的历史属性值与上述当前属性值的属性值集合中的异常值；响应于确定所确定的异常值包括上述当前属性值，确定上述当前属性值异常。

在一些实施例中，上述基于上述当前属性值和上述关联信息，确定上述当前属性值是否异常，包括：将上述当前属性值和上述关联信息导入预先训练的识别模型，得到用于指示上述当前属性值是否异常的指示信息，其中，上述识别模型用于表征属性值、关联信息两者与指示信息之间的对应关系。

在一些实施例中，上述方法还包括训练识别模型的步骤，其中，上述训练识别模型的步骤，包括：基于精英保留策略，利用遗传算法调整初始的神经网络模型；确定训练样本，其中，上述训练样本包括属性值、关联信息以及用于指示上述属性值是否异常的指示信息；利用所确定的训练样本，训练经调整的初始神经网络模型，得到上述识别模型。

在一些实施例中，上述将上述当前属性值和上述关联信息导入预先训练的识别模型：根据上述目标物品的历史属性值，查找与上述历史属性值所属的属性值区间对应的识别模型；将上述当前属性值和上述关联信息导入查找出的识别模型。

第二方面，本申请实施例提供了一种信息推送装置，上述装置包括：获取单元，用于获取目标物品的当前属性值以及关联信息，其中，上述关联信息包括以下至少一项：历史属性值、预定时间段内包括上述目标物品的物品信息的订单；确定单元，用于基于上述当前属性值和上述关联信息，确定上述当前属性值是否异常；推送单元，用于响应于确定上述当前属性值异常，推送用于提示上述当前属性值异常的提示信息。

在一些实施例中，上述确定单元，还用于：确定所获取的订单的订单数量和/或所获取的订单中上述目标物品的物品总数量；根据上述订单数量和/或上述物品总数量，确定上述当前属性值是否异常。