[发明专利]基于用户信息的关联推送方法、装置、设备及存储介质

说明书

本发明涉及数据推送领域，提供了一种基于用户信息的关联推送方法、装置、设备及存储介质。所述方法包括：当侦测到需要向用户推送待推送事项时，根据待推送事项的事项类型获取用户的相关信息，基于相关信息确定用户的关联用户群，根据预设的亲密度值及社交关系树得到目标用户群，之后获取目标用户群中各用户的行为信息，基于行为信息判断目标用户群中的用户是否存在与待推送事项相关联的偏好事项，若是，将待推送事项推送至用户及存在相关联的偏好事项的用户。本发明还涉及区块链技术领域，上述行为信息可以存储于一区块链的节点中。

技术领域

本发明涉及数据推送领域，尤其涉及一种基于用户信息的关联推送方法、装置、设备及存储介质。

背景技术

目前，现有的信息推送大多根据用户的基本信息结合相关的推荐算法进行推送的，而对于用户的关联推送，例如，推送给A用户的信息同时也推送给B用户，大多数是基于协同过滤算法或者大型的推送模型进行推送的，这种采用模型的方案存在占用系统资源较多、对系统性能的要求较高的问题。

发明内容

鉴于以上内容，本发明提供一种基于用户信息的关联推送方法、装置、设备及存储介质，其目的在于在不需要构建复杂推送模型的基础上实现关联推送，既能实现关联推送的准确性，又可以解决现有技术中通过构建复杂推送模型实现关联推送占用系统资源较多的技术问题。

为实现上述目的，本发明提供一种基于用户信息的关联推送方法，该方法包括：

当侦测到需要向用户推送待推送事项时，根据所述待推送事项的事项类型获取所述用户的相关信息；

基于所述相关信息确定所述用户的关联用户群，根据预设的亲密度值从所述关联用户群中选取目标用户群；

基于所述社交信息构建该用户与预设用户群的社交关系树，基于所述社交关系树利用预设算法计算所述用户与所述预设用户群中各用户的社交相似度值，将所述社交相似度值大于第一预设阈值对应的用户添加至所述目标用户群；

获取所述目标用户群中各用户的行为信息，基于所述行为信息判断所述目标用户群中的用户是否存在与所述待推送事项相关联的偏好事项，若是，将所述待推送事项推送至所述用户及存在相关联的偏好事项的用户。

优选的，所述预设算法的计算公式包括：

其中，S_tree，ab表示用户a与用户b的社交相似度值，N表示叶子节点到根节点的深度，K_ab表示用户a与用户b之间的深度，w表示预设的权重系数。

优选的，所述根据预设的亲密度值从所述关联用户群中选取目标用户群，包括：

分别统计所述用户与所述关联用户群中各用户在预设时间段内各日期的聊天时长；

基于所述聊天时长及预设时间段内各日期的权重值，计算所述用户与所述关联用户群中各用户的行为亲密度值；

基于所述行为亲密度值及预设的初始亲密度值，计算得到所述用户与所述关联用户群中各用户的目标亲密度值；

对所述目标亲密度值由大到小进行排序，根据排序顺序选取第一预设数量的关联用户群中的用户作为所述目标用户群。

优选的，所述初始亲密度值是基于用户的相关信息确定的，包括：

获取所述用户与关联用户群中各用户的属性特征词，将所述属性特征词转换为词向量；

计算所述用户与关联用户群中各用户对应的词向量相似度，统计词向量相似度值大于第二预设阈值的词向量的数量；

基于所述词向量相似度值大于第二预设阈值的词向量的数量，确定所述用户与关联用户群中各用户的初始亲密度值。