一种客户端APP的数据推送方法

技术领域

本发明涉及数据处理技术领域，特别是涉及一种客户端APP的数据推送方法。

背景技术

随着网络的普及和深入应用，互联网汇聚了极其丰富的信息资源，在这种信息爆炸的网络环境下，人们不再满足于门户网站、搜索引擎这种主动信息获取方式，更期望通过内容监测，将与自己兴趣相关、来源丰富、主题鲜明的信息资源，以可定制、即时的方式获知。其常见的一种方式是通过客户端APP的信息推送。有关报告显示，新用户在下载应用的前90天内，一定频率的消息推送有助于提高产品的留存率，收到过消息推送的应用用户留存率高大约3倍。App的信息推送本质上是希望通过推送这个通道将最新信息下发给终端用户，并和用户形成良好的互动，提高App的用户体验。

但是很多App在推送信息的时候，都是将服务器端收到的消息，直接泛推给所有的用户，逐一的推送到移动终端的消息通知栏。随着APP的数量不断增加，移动用户会收到数量巨大的推送消息。其中也不乏存在重复的消息占用存储空间；或者具有时效性的消息，推送后对于客户不再具有意义。数量巨大的信息导致有效信息在接受的消息中比例降低，不仅拉低了用户获取有效信息的效率，不利于用户及时对接收的信息进行判断，影响到了消息推送的效果；同时，还占用了智能终端的内存，也对用户造成了骚扰，无法根据用户的需求推准确推送合适有效的数据。

发明内容

本发明旨在提供一种客户端APP的数据推送方法，以解决上述技术问题，分别对客户端APP的待推送内容源和客户端用户建立数据标签，基于数据标签的相关生成用户的数据推送方案，提高客户端APP的数据推送准确性和客户端用户体验感。

为了解决上述技术问题，本发明提供了一种客户端APP的数据推送方法，包括:

基于预设分类标准将客户端APP的待推送内容源进行分类，基于分类后的内容源构建数据内容库，并对每个所述数据内容库的数据建立数据标签；

获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库；其中，所述用户标签信息库包括数据偏好标签信息和时序标签信息；

计算每个客户端用户的数据偏好标签与所述数据标签的相关性，根据相关性计算结果生成每个用户的数据推送方案；

根据所述数据推送方案生成消息队列推送列表，基于所述时序标签信息向客户端用户推送所述消息队列列表中的数据内容。

上述方案中，预先对客户端APP内的待推送内容源进行分类建立相关数据标签，可以避免在向客户端客户进行数据推送时直接将所有待推送内容源泛推给用户，产生过量推送数据和内存占用问题。同时根据每个客户端用户的历史行为数据对用户进行用户画像，生成每个用户的数据偏好标签信息和时序标签信息。根据数据偏好标签信息和数据内容库的数据标签相关性结果可以快速从不同数据内容库中获取符合用户喜好的数据内容，提高数据内容推送的准确性。进一步的，根据时序标签信息选取预设时间节点向客户端用户推送消息队列推送列表可以提高用户在接收到数据内容推送时的点击率，同时避免在用户不便于进行数据内容浏览的时候进行数据内容推送，产生过量数据骚扰，提高用户的使用体验感。

在一种实现方式中，所述基于预设分类标准将客户端APP的待推送内容源进行分类，基于分类后的内容源构建数据内容库，并对每个所述数据内容库的数据建立数据标签，具体包括：

获取客户端APP的待推送内容源；其中，所述待推送内容源的类型包括文本、视频、图文和音频；

基于所述待推送内容源的类型将所述待推送内容源划分为若干数据内容库；

基于每个所述数据内容库的内容源类型调用预设分类模型，以使所述分类模型对每个数据内容库内的数据进行分类判决，输出每个数据内容库包含的数据标签。

在一种实现方式中，所述获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库，具体为：

基于所述客户端APP的业务日志获取客户端用户的历史行为数据；其中，所述历史行为数据包括：用户在线时间、用户订阅的内容、用户点赞的内容、用户分享的内容、用户多次观看的内容、用户单次观看超过预设时间长度的内容；

提取所述历史行为数据包含的文案标题和内容字段；

对提取的文案标题进行语义分析，基于语义分析结果获取预设权重占比范围内的文案标题；

在所述内容字段中筛选所述预设权重占比范围内的文案标题对应的第一内容字段；

基于词频分析法提取最大权重占比的文案标题在所述第一内容字段内出现频次最多的第二内容字段；

将所述预设权重占比范围内的文案标题和第一内容字段对应的数据标签类型作为次数据偏好标签；

将所述最大权重占比的文案标题和所述第二内容字段对应的数据标签类型作为主数据偏好标签；

根据所述用户在线时间提取所述客户端用户的在线浏览时间分布图，基于所述在线浏览时间分布图构建时序标签信息。

在一种实现方式中，所述获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库，还包括：

获取客户端用户的用户属性信息；其中，所述用户属性信息包括性别信息、年龄信息、婚姻信息、地域信息、社交信息和职业信息；

基于所述用户属性信息将客户端用户进行聚类；其中，将具备一个相同所述用户属性信息的客户端用户划分为第一级用户群，将具备两个相同所述用户属性标签的客户端用户划分为第二级用户群，依次类推直至所有的客户端用户分类完成；

分别采集每一级用户群的输入的搜索关键词并进行聚类，生成每一级用户群的聚类关键词库；

基于每个客户端用户在最高级用户群内的聚类关键词库生成次数据推送方案。

在一种实现方式中，所述计算每个客户端用户的数据偏好标签与所述数据标签的相关性，根据相关性计算结果生成每个用户的数据推送方案，具体包括：

创建所述数据偏好标签和所述数据标签的共现矩阵；其中，所述共现矩阵中的每个元素用于表征一个数据偏好标签和一个数据标签的共现频次；

获取共现频次达到预设阈值的目标元素，基于所述目标元素在所述数据内容库中获取待推送数据；

根据共现频次结果进行统计排名，更新所述待推送数据的推送顺序和推送数量。

在一种实现方式中，所述根据所述数据推送列表生成消息队列推送列表，基于所述时序标签信息向客户端用户推送所述消息队列推送列表中的数据内容，具体包括：

获取每个客户端用户的数据推送方案；

建立客户端APP与客户端用户的订阅关系，在所述订阅关系下基于所述数据推送方案生成每个客户端用户的消息队列推送列表；其中，所述消息队列推送列表包含待推送的数据内容，每个所述待推送的数据内容以对应的数据标签为身份标识符；

基于所述时序标签信息在预设时间节点向每个客户端用户推送所述消息队列推送列表中的数据内容。

在一种实现方式中，所述客户端APP的数据推送方法还包括根据客户端用户对于推送的所述数据内容的浏览反馈更新所述消息队列推送列表，具体为：

获取客户端用户对于推送的所述数据内容的浏览反馈信息；其中，所述浏览反馈信息包括数据内容即时点击率、数据内容点击率、数据内容观看率、数据内容喜好率；

基于所述数据内容即时点击率更新所述消息队列推送列表的推送时间节点；

基于所述数据内容点击率、所述数据内容观看率和所述数据内容喜好率更新客户端用户的数据偏好标签信息。

第二方面，本发明还提供一种客户端APP的数据推送方法装置，包括第一数据处理模块、第二数据处理模块、推送方案生成模块和推送方案处理模块；

所述数据处理模块基于预设分类标准将客户端APP的待推送内容源进行分类，基于分类后的内容源构建数据内容库，并对每个所述数据内容库的数据建立数据标签；

所述第二数据处理模块用于获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库；其中，所述用户标签信息库包括数据偏好标签信息和时序标签信息；

所述推送方案生成模块用于计算每个客户端用户的数据偏好标签与所述数据标签的相关性，根据相关性计算结果生成每个用户的数据推送方案；

所述推送方案处理模块用于根据所述数据推送方案生成消息队列推送列表，基于所述时序标签信息向客户端用户推送所述消息队列列表中的数据内容。

上述方案中，本发明实施例提供一种客户端APP的数据推送方法，预先对客户端APP内的待推送内容源进行分类建立相关数据标签，可以避免在向客户端客户进行数据推送时直接将所有待推送内容源泛推给用户，产生过量推送数据和内存占用问题。同时根据每个客户端用户的历史行为数据对用户进行用户画像，生成每个用户的数据偏好标签信息和时序标签信息。根据数据偏好标签信息和数据内容库的数据标签相关性结果可以快速从不同数据内容库中获取符合用户喜好的数据内容，提高数据内容推送的准确性。进一步的，根据时序标签信息选取预设时间节点向客户端用户推送消息队列推送列表可以提高用户在接收到数据内容推送时的点击率，同时避免在用户不便于进行数据内容浏览的时候进行数据内容推送，产生过量数据骚扰，提高用户的使用体验感。

在一种实现方式中，所述基于预设分类标准将客户端APP的待推送内容源进行分类，基于分类后的内容源构建数据内容库，并对每个所述数据内容库的数据建立数据标签，具体包括：

获取客户端APP的待推送内容源；其中，所述待推送内容源的类型包括文本、视频、图文和音频；

基于所述待推送内容源的类型将所述待推送内容源划分为若干数据内容库；

基于每个所述数据内容库的内容源类型调用预设分类模型，以使所述分类模型对每个数据内容库内的数据进行分类判决，输出每个数据内容库包含的数据标签。

在一种实现方式中，所述获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库，具体为：

基于所述客户端APP的业务日志获取客户端用户的历史行为数据；其中，所述历史行为数据包括：用户在线时间、用户订阅的内容、用户点赞的内容、用户分享的内容、用户多次观看的内容、用户单次观看超过预设时间长度的内容；

提取所述历史行为数据包含的文案标题和内容字段；

对提取的文案标题进行语义分析，基于语义分析结果获取预设权重占比范围内的文案标题；

在所述内容字段中筛选所述预设权重占比范围内的文案标题对应的第一内容字段；

基于词频分析法提取最大权重占比的文案标题在所述第一内容字段内出现频次最多的第二内容字段；

将所述预设权重占比范围内的文案标题和第一内容字段对应的数据标签类型作为次数据偏好标签；

将所述最大权重占比的文案标题和所述第二内容字段对应的数据标签类型作为主数据偏好标签；

根据所述用户在线时间提取所述客户端用户的在线浏览时间分布图，基于所述在线浏览时间分布图构建时序标签信息。

在一种实现方式中，所述获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库，还包括：

获取客户端用户的用户属性信息；其中，所述用户属性信息包括性别信息、年龄信息、婚姻信息、地域信息、社交信息和职业信息；

基于所述用户属性信息将客户端用户进行聚类；其中，将具备一个相同所述用户属性信息的客户端用户划分为第一级用户群，将具备两个相同所述用户属性标签的客户端用户划分为第二级用户群，依次类推直至所有的客户端用户分类完成；

分别采集每一级用户群的输入的搜索关键词并进行聚类，生成每一级用户群的聚类关键词库；

基于每个客户端用户在最高级用户群内的聚类关键词库生成次数据推送方案。

在一种实现方式中，所述计算每个客户端用户的数据偏好标签与所述数据标签的相关性，根据相关性计算结果生成每个用户的数据推送方案，具体包括：

创建所述数据偏好标签和所述数据标签的共现矩阵；其中，所述共现矩阵中的每个元素用于表征一个数据偏好标签和一个数据标签的共现频次；

获取共现频次达到预设阈值的目标元素，基于所述目标元素在所述数据内容库中获取待推送数据；

根据共现频次结果进行统计排名，更新所述待推送数据的推送顺序和推送数量。

在一种实现方式中，所述根据所述数据推送列表生成消息队列推送列表，基于所述时序标签信息向客户端用户推送所述消息队列推送列表中的数据内容，具体包括：

获取每个客户端用户的数据推送方案；

建立客户端APP与客户端用户的订阅关系，在所述订阅关系下基于所述数据推送方案生成每个客户端用户的消息队列推送列表；其中，所述消息队列推送列表包含待推送的数据内容，每个所述待推送的数据内容以对应的数据标签为身份标识符；

基于所述时序标签信息在预设时间节点向每个客户端用户推送所述消息队列推送列表中的数据内容。

在一种实现方式中，所述客户端APP的数据推送方法还包括根据客户端用户对于推送的所述数据内容的浏览反馈更新所述消息队列推送列表，具体为：

获取客户端用户对于推送的所述数据内容的浏览反馈信息；其中，所述浏览反馈信息包括数据内容即时点击率、数据内容点击率、数据内容观看率、数据内容喜好率；

基于所述数据内容即时点击率更新所述消息队列推送列表的推送时间节点；

基于所述数据内容点击率、所述数据内容观看率和所述数据内容喜好率更新客户端用户的数据偏好标签信息。

第三方面，本申请还提供一种终端设备，包括处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序，处理器执行计算机程序时实现如上的所述客户端APP的数据推送方法。

第四方面，本申请还提供一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行如上所述的客户端APP的数据推送方法。

附图说明

图1为本发明一实施例中提供的一种客户端APP的数据推送方法的流程示意图；

图2为发明一实施例中提供的一种客户端APP的数据推送装置的模块示意图。

具体实施方式

下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明，但不用来限制本发明的范围。

本申请的说明书和权利要求书及附图中的术语“第一”和“第二”等是用于区别不同对象，而不是用于描述特定顺序。此外，术语“包括”和“具有”以及它们任何变形，意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、系统、产品或设备没有限定于已列出的步骤或单元，而是可选地还包括没有列出的步骤或单元，或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤或单元。

在本文中提及“实施例”意味着，结合实施例描述的特定特征、结构或特性可以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例，也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是，本文所描述的实施例可以与其它实施例相结合。

实施例1

参见图1，图1为本发明一实施例中提供的一种客户端APP的数据推送方法的流程示意图，本发明实施例提供一种客户端APP的数据推送方法，包括步骤101至步骤104，各项步骤具体如下：

步骤101：基于预设分类标准将客户端APP的待推送内容源进行分类，基于分类后的内容源构建数据内容库，并对每个所述数据内容库的数据建立数据标签。

一实施例中，所述基于预设分类标准将客户端APP的待推送内容源进行分类，基于分类后的内容源构建数据内容库，并对每个所述数据内容库的数据建立数据标签，具体包括：获取客户端APP的待推送内容源；其中，所述待推送内容源的类型包括文本、视频、图文和音频；基于所述待推送内容源的类型将所述待推送内容源划分为若干数据内容库；基于每个所述数据内容库的内容源类型调用预设分类模型，以使所述分类模型对每个数据内容库内的数据进行分类判决，输出每个数据内容库包含的数据标签。

获取数据内容生产者在平台创作的文本、视频、图文以及音频等数据作为待推送内容源，由于不同类型的内容源的数据内容、质量、数据呈现方式等均存在较大差异，因此需要对待推送内容源进行预先分类，根据内容源的类型进行划分，可划分为文本内容库、视频内容库、图文内容库以及音频内容库。将待推送内容源划分为若干数据内容库后根据不同数据内容库的数据类型对数据内容库的数据进行分类判决，以便对不同的数据进行分类。对于文本内容库可以通过文本特征提取方法进行分类判决；对于视频内容库可以通过视频内容的视觉特征进行分类判决；对于图文内容库可以结合图像和文本的特征进行分类判决；对于音频内容库可以通过音频的声学特征进行分类判决。优选的，本发明实施例中，调用词嵌入模型Word2Vec对所述文本内容库内的数据进行特征提取，输出文本数据的特征向量，基于所述特征向量划分文本数据标签。其中，所述文本数据标签可以分为新闻、体育、科技等主题标签，也可分为正面、负面、中性等情感标签。数据标签的划分可进行自定义设定，在此不做限定。调用ResNet模型对视频数据库内的数据进行视频帧特征提取，根据提取的视频帧特征划分视频数据标签。其中，所述视频数据标签可以分为电影、音乐、体育、动画等类别标签，也可进一步细分为喜剧、动作、恐怖等电影类型标签，足球、篮球、田径等体育类型标签。调用卷积神经网络模型VGG对所述图文内容库内的图像数据进行图像特征提取，基于文本分类方法将所述图文内容库内的文本数据转换为数值的文本特征，将提取的图像特征和文本特征进行融合，调用深度学习模型对融合的特征划分图文数据标签。其中，所述图文数据标签可分为主题标签、情感标签和话题标签等。采用短时傅里叶变换技术对所述音频内容库内的数据进行音频特征提取，根据提取的音频特征数据划分音频数据标签。其中，所述音频数据标签可分为流行、古典、摇滚等音乐风格标签，也可分为英语、中文、法语等语言类型标签，还可划分为快乐、悲伤、愤怒等情感标签或乐器类型标签。对于各个数据内容库划分的数据标签类型可根据每个数据内容库的应用场景进行定义，上述数据标签类型仅用于进行示例说明。

步骤102：获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库；其中，所述用户标签信息库包括数据偏好标签信息和时序标签信息；

一实施例中，所述获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库，具体为：基于所述客户端APP的业务日志获取客户端用户的历史行为数据；其中，所述历史行为数据包括：用户在线时间、用户订阅的内容、用户点赞的内容、用户分享的内容、用户多次观看的内容、用户单次观看超过预设时间长度的内容；提取所述历史行为数据包含的文案标题和内容字段；对提取的文案标题进行语义分析，基于语义分析结果获取预设权重占比范围内的文案标题；在所述内容字段中筛选所述预设权重占比范围内的文案标题对应的第一内容字段；基于词频分析法提取最大权重占比的文案标题在所述第一内容字段内出现频次最多的第二内容字段；将所述预设权重占比范围内的文案标题和第一内容字段对应的数据标签类型作为次数据偏好标签；将所述最大权重占比的文案标题和所述第二内容字段对应的数据标签类型作为主数据偏好标签；根据所述用户在线时间提取所述客户端用户的在线浏览时间分布图，基于所述在线浏览时间分布图构建时序标签信息。

本发明实施例中，根据客户端APP的业务日志即可获取客户端用户的历史行为数据。优选的，一般以一个星期作为最小历史行为数据的分析周期。获取用户的历史行为数据后进行文本解析，提取历史行为数据中包含的文案标题和内容字段。对于提取的文案标题和内容字段可通过NLP识别模型进行语义分析，根据语义分析结果提取的所述文案标题的权重占比进行统计，并提取预设权重占比范围内的文案标题构建数据偏好标签。优选的，本发明实施例选取权重占比在前十五名范围内的文案标题构建数据偏好标签。当客户端用户的历史行为数据较多时，可以对应调整权重占比范围。提取内容字段中预设权重占比范围内的文案标题对应的第一内容字段，而后采用TF-IDF词频分析法提取最大权重占比的文案标题在第一内容字段内出现频次最多的第二内容字段。将最大权重占比的文案标题和第二内容字段对应的数据标签作为用户的主数据偏好标签，其余权重占比范围内的文案标题和对应的第一内容字段为用户的次数据偏好标签。一天内的最佳推送时间与客户端用户的生活作息相关，以大学生的作息时间进行示例说明，早上8点为上午第一节课的上课时间，中午12点为午休时间，而下午16点为下午下课的时间，晚上19:30后为空闲时间。客户端APP在不同的时间向大学生群体推送同一条数据，可以发现在一天中，以8:00、12:00、16:00、19:30后的数据点击率较高，数据的触达率存在明显差异。作为本发明实施例的一个优化方案，还根据用户在线时间提取客户端用户的在线浏览时间分布图，根据客户端用户在不同在线时间的数据推送浏览率和在线浏览时间分布图即可构建客户端用户的时序标签信息。选取客户端用户在线时间较长且浏览率较高的时间段进行数据推送，有利于提高用户的数据接收效率。

一实施例中，所述获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库，还包括：获取客户端用户的用户属性信息；其中，所述用户属性信息包括性别信息、年龄信息、婚姻信息、地域信息、社交信息和职业信息；基于所述用户属性信息将客户端用户进行聚类；其中，将具备一个相同所述用户属性信息的客户端用户划分为第一级用户群，将具备两个相同所述用户属性标签的客户端用户划分为第二级用户群，依次类推直至所有的客户端用户分类完成；分别采集每一级用户群的输入的搜索关键词并进行聚类，生成每一级用户群的聚类关键词库；基于每个客户端用户在最高级用户群内的聚类关键词库生成次数据推送方案。

客户端用户是个十分庞大的群体，不同群体的需求喜好呈现多样化，因此，在采集用户的历史行为数据时还同步采集用户的用户属性信息。根据用户属性信息将用户进行用户群划分，以便对客户端用户提供具有地域性、针对性和有有效性的数据推送。进一步的，根据不同用户群内用户搜索过的关键词进行聚类，根据用户在最高级用户群内的聚类关键词库可以进一步准确获取用户的浏览喜好，根据用户在最高级用户群内的聚类关键词库对应的数据标签生成次生数据推送方案。

步骤103：计算每个客户端用户的数据偏好标签与所述数据标签的相关性，根据相关性计算结果生成每个用户的数据推送方案。

一实施例中，所述计算每个客户端用户的数据偏好标签与所述数据标签的相关性，根据相关性计算结果生成每个用户的数据推送方案，具体包括：创建所述数据偏好标签和所述数据标签的共现矩阵；其中，所述共现矩阵中的每个元素用于表征一个数据偏好标签和一个数据标签的共现频次；获取共现频次达到预设阈值的目标元素，基于所述目标元素在所述数据内容库中获取待推送数据；根据共现频次结果进行统计排名，更新所述待推送数据的推送顺序和推送数量。

本发明实施例中预先创建一个空白共现矩阵，其行和列分别对应数据偏好标签和数据标签。重复遍历数据偏好标签和数据标签，对于两个同时出现的标签将其对应的矩阵元素加一，重复遍历全部的数据偏好标签和数据标签，直至处理完所有的标签，更新共现矩阵的元素值，得到创建完成的共现矩阵。根据共现矩阵的元素值即可获取客户端用户的每个数据偏好标签与数据标签的相关性。选取达到预设阈值的元素，根据每个元素对应的数据标签在数据内容库中获取对应的数据内容构成待推送数据。进一步的，对共现频次结果进行排名统计，即对共现矩阵的元素进行数值排名，根据排名结果选取共线频次较高的数据标签作为优先顺位推送数据内容，并扩大推送的消息数量。对数据推送方案中的待推送数据内容和数据推送数量进行调整优化。所述数据推送方案中包含待推送数据内容和数据推送数量，其中，每个所述待推送数据内容中包含基于数据标签构建的标识符。

步骤104：根据所述数据推送列表生成消息队列推送列表，基于所述时序标签信息向客户端用户推送所述消息队列列表中的数据内容。

一实施例中，所述根据所述数据推送列表生成消息队列推送列表，基于所述时序标签信息向客户端用户推送所述消息队列推送列表中的数据内容，具体包括：获取每个客户端用户的数据推送方案；建立客户端APP与客户端用户的订阅关系，在所述订阅关系下基于所述数据推送方案生成每个客户端用户的消息队列推送列表；其中，所述消息队列推送列表包含待推送的数据内容，每个所述待推送的数据内容以对应的数据标签为身份标识符；基于所述时序标签信息在预设时间节点向每个客户端用户推送所述消息队列推送列表中的数据内容。

本发明实施例中，建立客户端APP与客户端用户的订阅关系，基于该订阅关系，当客户端APP产生新的待推送内容源时，客户端APP可以根据客户端用户的数据推送方案生成对应的消息队列推送列表以推送对应数据标签类型的数据内容。进一步的，根据每个客户端用户的时序标签信息获取客户端用户的在线时间浏览时间分布图，选取客户端用户的常规在线时间节点向用户推送消息队列推送列表中的数据内容。

一实施例中，所述客户端APP的数据推送方法还包括根据客户端用户对于推送的所述数据内容的浏览反馈更新所述消息队列推送列表，具体为：获取客户端用户对于推送的所述数据内容的浏览反馈信息；其中，所述浏览反馈信息包括数据内容即时点击率、数据内容点击率、数据内容观看率、数据内容喜好率；基于所述数据内容即时点击率更新所述消息队列推送列表的推送时间节点；基于所述数据内容点击率、所述数据内容观看率和所述数据内容喜好率更新客户端用户的数据偏好标签信息。

为了提高对客户端用户数据内容的推送准确性，作为本发明实施例的一个优化方案，在向客户端用户推送所述消息队列列表中的数据内容后，还包括获取客户端用户对于推送的数据内容的浏览反馈信息。通过数据内容即时点击率可以获取客户端用户在不同时间节点对于接收的数据内容的点击效率。基于此，选择数据内容即时点击率较高的时间节点更新消息队列推送列表的时间节点，以提高用户在接收到数据内容推送时的点击率，同时避免在用户不便于进行数据内容浏览的时候进行数据内容推送，产生过量数据骚扰，提高用户的使用体验感。进一步的，根据数据内容点击率、数据内容观看率和数据内容喜好率更新客户端用户的数据偏好标签信息。数据内容点击率为用户接收推送的数据内容的点击查看率；数据内容观看率为用户点击查看的时间与全部内容看完所述时间的占比；数据内容喜好率为用户对推送的数据内容执行的点赞、分享、收藏、屏蔽以及投诉等喜好行为信息。通过数据内容点击率、数据内容观看率和数据内容喜好率可以分析用户的喜好数据类型，更新用户的数据偏好标签信息，从而优化客户端用户推送的数据内容类型，提高用户的体验。

本发明实施例中，还提供了一种客户端APP的数据推送设备，包括处理器、存储器以及存储在存储器中且被配置为由处理器执行的计算机程序，处理器执行计算机程序时实现上述的客户端APP的数据推送方法。

本发明实施例中，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序运行时控制计算机可读存储介质所在设备执行上述的机器异常检查中断的处理方法。示例性的，所述计算机程序可以被分割成一个或多个模块，所述一个或者多个模块被存储在所述存储器中，并由所述处理器执行，以完成本发明。所述一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段，该指令段用于描述所述计算机程序在机器异常检查中断的处理设备中的执行过程。

所述机器异常检查中断的处理设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。所述机器异常检查中断的处理设备可包括，但不仅限于，处理器、存储器、显示器。本领域技术人员可以理解，上述部件仅仅是机器异常检查中断的处理设备的示例，并不构成对机器异常检查中断的处理设备的限定，可以包括比所述部件更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述机器异常检查中断的处理设备还可以包括输入输出设备、网络接入设备、总线等。

所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述机器异常检查中断的处理设备的控制中心，利用各种接口和线路连接整个所述机器异常检查中断的处理设备的各个部分。

所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述机器异常检查中断的处理设备的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、文字转换功能等)等；存储数据区可存储根据手机的使用所创建的数据(比如音频数据、文字消息数据等)等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(SecureDigital,SD)卡，闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。

其中，所述机器异常检查中断的处理设备集成的模块如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实现上述实施例方法中的全部或部分流程，也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个计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-OnlyMemory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

本发明实施例提供一种客户端APP的数据推送方法，预先对客户端APP内的待推送内容源进行分类建立相关数据标签，可以避免在向客户端客户进行数据推送时直接将所有待推送内容源泛推给用户，产生过量推送数据和内存占用问题。同时根据每个客户端用户的历史行为数据对用户进行用户画像，生成每个用户的数据偏好标签信息和时序标签信息。根据数据偏好标签信息和数据内容库的数据标签相关性结果可以快速从不同数据内容库中获取符合用户喜好的数据内容，提高数据内容推送的准确性。进一步的，根据时序标签信息选取预设时间节点向客户端用户推送消息队列推送列表可以提高用户在接收到数据内容推送时的点击率，同时避免在用户不便于进行数据内容浏览的时候进行数据内容推送，产生过量数据骚扰，提高用户的使用体验感。

实施例2

参见图2，图2为发明一实施例中提供的一种客户端APP的数据推送装置的模块示意图。本发明实施例提供一种客户端APP的数据推送装置，包括第一数据处理模块201、第二数据处理模块202、推送方案生成模块203和推送方案处理模块204；

所述数据处理模块201基于预设分类标准将客户端APP的待推送内容源进行分类，基于分类后的内容源构建数据内容库，并对每个所述数据内容库的数据建立数据标签；

所述第二数据处理模块202用于获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库；其中，所述用户标签信息库包括数据偏好标签信息和时序标签信息；

所述推送方案生成模块203用于计算每个客户端用户的数据偏好标签与所述数据标签的相关性，根据相关性计算结果生成每个用户的数据推送方案；

所述推送方案处理模块204用于根据所述数据推送方案生成消息队列推送列表，基于所述时序标签信息向客户端用户推送所述消息队列列表中的数据内容。

一实施例中，所述基于预设分类标准将客户端APP的待推送内容源进行分类，基于分类后的内容源构建数据内容库，并对每个所述数据内容库的数据建立数据标签，具体包括：获取客户端APP的待推送内容源；其中，所述待推送内容源的类型包括文本、视频、图文和音频；基于所述待推送内容源的类型将所述待推送内容源划分为若干数据内容库；基于每个所述数据内容库的内容源类型调用预设分类模型，以使所述分类模型对每个数据内容库内的数据进行分类判决，输出每个数据内容库包含的数据标签。

一实施例中，所述获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库，具体为：基于所述客户端APP的业务日志获取客户端用户的历史行为数据；其中，所述历史行为数据包括：用户在线时间、用户订阅的内容、用户点赞的内容、用户分享的内容、用户多次观看的内容、用户单次观看超过预设时间长度的内容；提取所述历史行为数据包含的文案标题和内容字段；对提取的文案标题进行语义分析，基于语义分析结果获取预设权重占比范围内的文案标题；在所述内容字段中筛选所述预设权重占比范围内的文案标题对应的第一内容字段；基于词频分析法提取最大权重占比的文案标题在所述第一内容字段内出现频次最多的第二内容字段；将所述预设权重占比范围内的文案标题和第一内容字段对应的数据标签类型作为次数据偏好标签；将所述最大权重占比的文案标题和所述第二内容字段对应的数据标签类型作为主数据偏好标签；根据所述用户在线时间提取所述客户端用户的在线浏览时间分布图，基于所述在线浏览时间分布图构建时序标签信息。

一实施例中，所述获取客户端用户的历史行为数据，基于所述历史行为数据进行用户画像分析，建立用户标签信息库，还包括：获取客户端用户的用户属性信息；其中，所述用户属性信息包括性别信息、年龄信息、婚姻信息、地域信息、社交信息和职业信息；基于所述用户属性信息将客户端用户进行聚类；其中，将具备一个相同所述用户属性信息的客户端用户划分为第一级用户群，将具备两个相同所述用户属性标签的客户端用户划分为第二级用户群，依次类推直至所有的客户端用户分类完成；分别采集每一级用户群的输入的搜索关键词并进行聚类，生成每一级用户群的聚类关键词库；基于每个客户端用户在最高级用户群内的聚类关键词库生成次数据推送方案。

一实施例中，所述计算每个客户端用户的数据偏好标签与所述数据标签的相关性，根据相关性计算结果生成每个用户的数据推送方案，具体包括：创建所述数据偏好标签和所述数据标签的共现矩阵；其中，所述共现矩阵中的每个元素用于表征一个数据偏好标签和一个数据标签的共现频次；获取共现频次达到预设阈值的目标元素，基于所述目标元素在所述数据内容库中获取待推送数据；根据共现频次结果进行统计排名，更新所述待推送数据的推送顺序和推送数量。

一实施例中，所述根据所述数据推送列表生成消息队列推送列表，基于所述时序标签信息向客户端用户推送所述消息队列推送列表中的数据内容，具体包括：获取每个客户端用户的数据推送方案；建立客户端APP与客户端用户的订阅关系，在所述订阅关系下基于所述数据推送方案生成每个客户端用户的消息队列推送列表；其中，所述消息队列推送列表包含待推送的数据内容，每个所述待推送的数据内容以对应的数据标签为身份标识符；基于所述时序标签信息在预设时间节点向每个客户端用户推送所述消息队列推送列表中的数据内容。

一实施例中，所述客户端APP的数据推送装置还包括根据客户端用户对于推送的所述数据内容的浏览反馈更新所述消息队列推送列表，具体为：获取客户端用户对于推送的所述数据内容的浏览反馈信息；其中，所述浏览反馈信息包括数据内容即时点击率、数据内容点击率、数据内容观看率、数据内容喜好率；基于所述数据内容即时点击率更新所述消息队列推送列表的推送时间节点；基于所述数据内容点击率、所述数据内容观看率和所述数据内容喜好率更新客户端用户的数据偏好标签信息。

所属领域的技术人员可以清楚的了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本发明实施例提供一种客户端APP的数据推送装置，预先对客户端APP内的待推送内容源进行分类建立相关数据标签，可以避免在向客户端客户进行数据推送时直接将所有待推送内容源泛推给用户，产生过量推送数据和内存占用问题。同时根据每个客户端用户的历史行为数据对用户进行用户画像，生成每个用户的数据偏好标签信息和时序标签信息。根据数据偏好标签信息和数据内容库的数据标签相关性结果可以快速从不同数据内容库中获取符合用户喜好的数据内容，提高数据内容推送的准确性。进一步的，根据时序标签信息选取预设时间节点向客户端用户推送消息队列推送列表可以提高用户在接收到数据内容推送时的点击率，同时避免在用户不便于进行数据内容浏览的时候进行数据内容推送，产生过量数据骚扰，提高用户的使用体验感。

以上仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本发明的保护范围。