一种基于智能预测的内容处理推送方法

技术领域

本发明涉及内容处理推送技术领域，具体涉及一种基于智能预测的内容处理推送方法。

背景技术

随着互联网的发展，越来越多的通信设备出现在人们生活的各个领域，通信设备的数量也呈出几何式的增长，同时通信设备发送的请求也逐渐呈现出地区性和潮汐性的规律，导致瞬时回程链路的负担增大，一定程度上限制了整个网络的性能，但是由于通信设备用户的行为动作往往存在着时间上和空间上的规律，使得依据对通信设备用户设备的历史行为进行参考，以用于对接下来一段时间内通信设备用户动作行为的预测具有一定的参考意义。

相关技术中的内容处理推送的方法往往在对用户进行内容推送时，无法准确预测用户的需求内容，容易导致用户接收到的推荐内容与自身需求不符，存在改进之处。

发明内容

本申请实施例的目的在于提供一种基于智能预测的内容处理推送方法，以改善相关技术中在对用户进行个性化内容推送时，往往无法准确预测用户的需求内容，容易导致用户接收到的推荐内容与自身需求不符的问题。

本发明提供一种基于智能预测的内容处理推送方法，所述方法包括：

获取待推送用户的用户信息，并根据所述待推送用户的用户信息生成用户信息模板；

基于所述用户信息模板构建用户信息库；

根据所述待推送用户的用户信息进行模型训练获得智能预测模型；

基于所述智能预测模型对待推送用户的用户信息进行预测处理，获得一定预设数量的待推送内容；

将一定预设数量的待推送内容与待推送用户的用户信息模板进行信息匹配，依据信息匹配结果确定待推送用户的推送内容。

优选的，所述获取待推送用户的用户信息，并根据所述待推送用户的用户信息生成用户信息模板，包括：

获取待推送用户的用户信息包括获取待推送用户的基本信息、待推送用户的历史推送内容以及待推送用户的备注需求信息；

待推送用户的基本信息包括待推送用户的年龄、职业以及兴趣爱好等信息；

通过采用上述技术方案，依据获取待推送用户的基本信息、待推送用户的历史推送内容以及待推送用户的备注需求信息对待推送用户的用户信息进行细致了解，并基于待推送用户的历史推送内容以及待推送用户的备注需求信息便于对待推送用户进行更精确、更符合用户需求的内容推送。

优选的，所述获取待推送用户的用户信息，并根据所述待推送用户的用户信息生成用户信息模板，还包括：

在获取待推送用户得用户信息之后，根据获得的待推送用户的用户信息生成与待推送用户对应的用户信息模板；

所述用户信息模板包含待推送用户的用户信息；

通过更新所述用户信息模板对待推送用户的用户信息进行更新。

通过采用上述技术方案，用户信息模板包含待推送用户的用户信息，便于通过用户信息模版保存和管理待推送用户的信息，另外通过更新用户信息模板实现对待推送用户的用户信息的更新，便于对待推送用户的用户信息进行更新或修改。

优选的，所述基于所述用户信息模板构建用户信息库，包括：

生成待推送用户的用户信息模板后基于所述用户信息模板构建用户信息库；

所述用户信息库存储所有待推送用户的用户信息模板。

通过采用上述技术方案，在生成待推送用户的用户信息模板之后基于用户信息模板构建用户信息库，用户信息库用于存储所有待推送用户的用户信息模板，包括有推送历史的用户以及有意向获得推送内容的用户，通过用户信息库实现对用户信息模版的存储及管理。

优选的，所述根据所述待推送用户的用户信息进行模型训练获得智能预测模型，包括：

确定预设时间段内待推送用户的历史推送内容；

将历史推送内容的内容类型标注为与待推送用户相匹配的内容类型；

基于待推送用户的用户信息和标注为与待推送用户相匹配的内容类型，构建模型训练样本。

通过采用上述技术方案，首先确定预设时间段内待推送用户的历史推送内容，通过将历史推送内容的内容类型标注为与待推送用户相匹配的内容类型，基于待推送用户的用户信息和标注的与待推送用户相匹配的内容类型，构建模型训练样本，模型训练样本可根据预设时间段的不同获取不同的训练样本。

优选的，所述根据所述待推送用户的用户信息进行模型训练获得智能预测模型，还包括：

构建模型训练样本之后基于所述模型训练样本进行模型预测训练；

将所述待推送用户的用户信息作为模型输入内容，将标注为待推送用户相匹配的内容类型作为期望输出内容，基于所述模型训练样本对智能预测模型进行训练，获得训练后的智能预测模型。

通过采用上述技术方案，在获取模型训练样本之后基于模型训练样本进行模型预测训练，通过将待推送用户的用户信息作为模型输入内容，将标注的待推送用户相匹配的内容类型作为期望输出内容，基于模型训练样本对智能预测模型进行训练，也可根据在预设时间段的获取的不同的训练样本对模型进行多次训练以提高模型预测精度，获得训练后的智能预测模型。

优选的，所述基于所述智能预测模型对待推送用户的用户信息进行预测处理，获得一定预设数量的待推送内容，包括：

通过将用户信息库中待推送用户的用户信息输入所述智能预测模型中；

所述智能预测模型依据待推送用户的用户信息进行智能预测处理获得一定预设数量的待推送内容。

通过采用上述技术方案，将用户信息库中待推送用户的用户信息输入智能预测模型中，智能预测模型依据待推送用户的用户信息进行智能预测处理并获得一定预设数量的待推送内容，获得的待推送内容的预设数量可依据待推送用户的备注需求信息进行预设。

优选的，所述将一定预设数量的待推送内容与待推送用户的用户信息模板进行信息匹配，依据信息匹配结果确定待推送用户的推送内容，包括：

获得一定预设数量的待推送内容后与对应的待推送用户的用户信息模板进行匹配获得信息匹配结果；

所述信息匹配结果表示为待推送内容与待推送用户信息的匹配程度；

根据所述匹配程度确定待推送用户的推送内容。

通过采用上述技术方案，依据待推送内容与对应的待推送用户进行信息匹配获得的匹配结果确定待推送用户的推送内容。

综上所述，本发明的有益效果是：该基于智能预测的内容处理推送方法通过获取待推送用户的用户信息，根据待推送用户的用户信息生成用户信息模板，通过用户信息模板便于保存和更新待推送用户的用户信息，并基于用户信息模板构建用户信息库，便于对待推送用户的用户信息模板进行管理和存储，根据待推送用户的用户信息进行模型训练获得智能预测模型，基于智能预测模型对待推送用户的用户信息进行预测处理，获得一定预设数量的待推送内容，并将一定预设数量的待推送内容与待推送用户的用户信息模板进行信息匹配，最后依据信息匹配结果确定待推送用户的推送内容，保证待推送用户与确定推送内容的信息相符性，通过智能预测模型能够准确预测待推送用户的推送内容，通过待推送内容与待推送用户的用户信息模板进行信息匹配保证了待推送用户与确定的推送内容匹配结果相符，使用户能够接收到与自身需求相符的推送内容。

附图说明

为了更清楚地阐述本申请实施例的技术方案，下面将对本申请实施例中的部分附图作简单地描述，应当理解的是，下面附图仅出示了本申请的部分实施例，因此不应被认为是对本申请范围的限定。

图1为本申请实施例提供的一种基于智能预测的内容处理推送方法的流程示意图。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行描述。

请参照图1，本发明的实施例提供了一种基于智能预测的内容处理推送方法，本方法包括：

步骤101、获取待推送用户的用户信息，并根据待推送用户的用户信息生成用户信息模板；

步骤102、基于用户信息模板构建用户信息库；

步骤103、根据待推送用户的用户信息进行模型训练获得智能预测模型；

步骤104、基于智能预测模型对待推送用户的用户信息进行预测处理，获得一定预设数量的待推送内容；

步骤105、将一定预设数量的待推送内容与待推送用户的用户信息模板进行信息匹配，依据信息匹配结果确定待推送用户的推送内容。

其中，在步骤101中，获取待推送用户的用户信息包括获取待推送用户的基本信息、待推送用户的历史推送内容以及待推送用户的备注需求信息，其中待推送用户的基本信息包括待推送用户的年龄、职业以及兴趣爱好等信息，通过获取的待推送用户的基本信息、待推送用户的历史推送内容以及待推送用户的备注需求信息能够对待推送用户进行更细致的了解，基于待推荐用户的历史推送内容便能够便于智能预测模型的构建，基于待推送用户的备注需求信息能够对待推送用户的推送更准确，便于为待推送用户预测及推送与用户匹配度更高的推送内容。

在一些实施例中，根据获得的待推送用户的用户信息生成与待推送用户对应的用户信息模板，用户信息模板包含待推送用户的用户信息，并且通过对用户信息模版的修改及更新实现对用户信息模版对应的待推送用户信息的修改及更新，且通过以用户信息模版的方式保存和管理待推送用户的信息，提高了待推送用户的信息安全性，也便于对待推送用户的信息进行管理及更新。

其中，在步骤102中，通过基于用户信息模板构建用户信息库，在生成待推送用户的用户信息模板后基于所有待推送用户的用户信息模板对用户信息库进行构建，用户信息库存储所有待推送用户的用户信息模板信息，包括有过推送历史的用户以及有意向获得推送内容的新用户，当了解到用户进行过内容推送或者有内容推送的需求，会将对应用户生成的用户信息模版存储于用户信息库中，便于对用户进行再次内容推送时进行信息获取。

其中，在步骤103中，根据待推送用户的用户信息进行模型训练获得智能预测模型，首先基于待推送用户的用户信息获取智能预测模型的模型训练样本，通过确定预设时间段内待推送用户的历史推送内容，将历史推送内容的内容类型标注为与待推送用户相匹配的内容类型，并基于待推送用户的用户信息和标注为与待推送用户相匹配的内容类型，构建模型训练样本，在构建模型训练样本时也可根据预设时间段的不同获取不同的模型训练样本；在构建模型训练样本之后基于模型训练样本进行模型预测训练，通过将待推送用户的用户信息作为模型输入内容，将标注的与待推送用户相匹配的内容类型作为期望输出内容，基于模型训练样本对智能预测模型进行训练，也可根据在预设时间段的获取的不同的训练样本对模型进行多次训练以提高模型预测精度，获得训练后的智能预测模型。

其中，在步骤104中，基于智能预测模型对待推送用户的用户信息进行预测处理，通过将待推送用户的用户信息输入至智能预测模型中，智能预测模型依据待推送用户的用户信息进行智能预测处理获取到一定预设数量的待推送内容，其中一定预设数量的待推送内容数量可根据待推送用户的备注需求信息进行详细预设。

其中，在步骤105中，通过将一定预设数量的待推送内容与待推送用户的用户信息模板进行信息匹配，获得待推送内容后与对应的待推送用户的信息匹配结果，其中信息匹配结果表示为待推送内容与待推送用户信息的匹配程度，根据匹配程度确定待推送用户的推送内容。

本申请实施例一种临床试验志愿者的筛选方法及系统的实施原理为：该基于智能预测的内容处理推送方法通过获取待推送用户的用户信息，根据待推送用户的用户信息生成用户信息模板，并基于用户信息模板构建用户信息库，根据待推送用户的用户信息进行模型训练获得智能预测模型，基于智能预测模型对待推送用户的用户信息进行预测处理，获得一定预设数量的待推送内容，并将一定预设数量的待推送内容与待推送用户的用户信息模板进行信息匹配，最后依据信息匹配结果确定待推送用户的推送内容。

以上均为本申请的较佳实施例，并非依此限制本申请的保护范围，故：凡依本申请的结构、形状、原理所做的等效变化，均应涵盖于本申请的保护范围之内。