本發明涉及數據處理技術，揭露了一種資訊推送方法，包括：獲取用戶的資訊瀏覽痕跡數據集，判斷用戶是否為活躍用戶；若用戶為活躍用戶，對資訊瀏覽痕跡數據集中資訊數據子集進行分類，計算所述用戶對資訊數據子集中不同類別的資訊數據的偏好程度，根據偏好程度生成第一資訊推薦列表，向用戶推送第一資訊推薦列表中的資訊；若用戶為非活躍用戶，根據資訊瀏覽痕跡數據集中資訊數據子集獲取相似用戶集，根據相似用戶集對待推薦資訊集的資訊評分生成第二資訊推薦列表，向用戶推送第二資訊推薦列表中的資訊。此外，本發明還涉及區塊鏈技術，資訊瀏覽痕跡數據集可存儲于區塊鏈節點中。本發明可以提高資訊推送的效率，進行個性化的資訊推送。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種資訊推送方法、裝置、電子設備及計算機可讀存儲介質。

背景技術

隨著網絡的迅速發展，網絡中隨時都可能產生大量的資訊。在向用戶進行資訊推送時，若將海量的資訊都推送至客戶端，將消耗較大的網絡帶寬，占用較大的存儲資源，也降低服務器端和客戶端的運行效率。如何篩選出符合用戶的資訊并推送給用戶，成為了越來越重要的需求。

目前市場上主流的資訊推送方法是人工篩選資訊，從而選擇性的對用戶進行資訊推送。但此種方法過于依賴于人工進行，效率低下且篩選出的資訊不能精準的與用戶進行匹配，無法達成既高效又個性化的資訊推送。

發明內容

本發明提供一種資訊推送方法、裝置、電子設備及計算機可讀存儲介質，其主要目的在于提供提高資訊推送的效率，進行個性化的資訊推送。

為實現上述目的，本發明提供的一種資訊推送方法，包括：

獲取用戶的資訊瀏覽痕跡數據集，根據所述資訊瀏覽痕跡數據集判斷所述用戶是否為活躍用戶；

若所述用戶為活躍用戶，對所述資訊瀏覽痕跡數據集中資訊數據子集進行分類，計算所述用戶對所述資訊數據子集中不同類別的資訊數據的偏好程度，根據所述偏好程度從待推薦資訊集中選取多個資訊數據，生成第一資訊推薦列表，向所述用戶推送所述第一資訊推薦列表中的資訊；

若所述用戶為非活躍用戶，根據所述資訊瀏覽痕跡數據集中資訊數據子集獲取相似用戶集，根據所述相似用戶集對所述待推薦資訊集的資訊評分生成第二資訊推薦列表，向所述用戶推送所述第二資訊推薦列表中的資訊。

可選地，所述向所述用戶推送所述第一資訊推薦列表中的資訊，包括：

提取所述資訊瀏覽痕跡數據集的時序特征；

根據所述時序特征統計所述用戶的瀏覽時間偏好；

根據所述瀏覽時間偏好確定推送時間；

在所述推送時間向所述用戶推送所述第一資訊推薦列表中的資訊。

可選地，所述提取所述資訊瀏覽痕跡數據集的時序特征，包括：

利用時序特征提取算法提取所述資訊瀏覽痕跡數據集的時序特征b_u(t)：

其中，為所述資訊瀏覽痕跡數據集中資訊數據，為所述資訊數據的歷史瀏覽時間，t一t_u為所述用戶瀏覽所述資訊數據的時間間隔。

可選地，所述對所述資訊瀏覽痕跡數據集中資訊數據子集進行分類，包括：

利用多個分類函數對所述資訊瀏覽痕跡數據集中資訊數據子集進行分類，得到多個分類結果；

根據所述多個分類結果中概率值最大的分類結果確定所述資訊數據子集中資訊數據的類別。

可選地，所述分類函數為：