[发明专利]基于位置的信息推送方法、推送装置和网络

权利要求书

1.一种基于位置的信息推送方法,其特征在于，包括:

推送装置接收到用户终端到达设定位置的位置事件；

所述推送装置根据多种因素的概率对所述用户的行为进行预测；其中，所述推送装置对多种因素中的每个因素的取值设定概率分布,并用采集的数据对贝叶斯预测模型进行训练，得到每个因素的条件概率，将所述条件概率值输入贝叶斯计算工具，计算出用户未来行为的概率；所述多种因素包括:当前日期、当前位置、当前时间、用户身份信息、外界激励、用户历史行为、用户当前行为；

所述推送装置根据预测结果确定是否向用户终端推送信息以及信息的内容。

2.如权利要求1所述的方法，其特征在于：

所述推送装置采用贝叶斯预测模型，根据用户的当前日期、当前位置、当前时间、身份信息、外界激励、用户历史行为、用户当前行为的取值的概率进行预测，输出所述用户未来行为的预判值，并将所述预判值与预先设定的发送阈值进行比较；

当所述预判值小于或等于所述发送阈值时，不向所述用户终端推送信息；

当所述预判值大于所述发送阈值时，则向所述用户终端推送信息。

3.如权利要求2所述的方法，其特征在于：

所述用户的当前日期取值包括：休息日和工作日；

所述用户的当前时间取值包括：高峰时间和非高峰时间；

所述用户的当前位置取值包括：兴趣点的周边和不在兴趣点的周边；

所述用户的外界激励取值包括：0,2；其中0代表最强；

所述用户的用户当前行为取值包括：A和NA；其中，A代表要接近兴趣点和NA代表不要接近兴趣点；

所述用户的未来行为取值包括：T和F，其中T代表对广告有兴趣和F代表对广告没兴趣。

4.一种推送装置,其特征在于，包括:

事件接收单元，用于接收到用户终端到达设定位置的位置事件；

行为预测单元，用于根据多种因素的概率对所述用户的行为进行预测；其中,所述行为预测单元对多种因素中的每个因素的取值设定概率分布,并用采集的数据对贝叶斯预测模型进行训练，得到每个因素的条件概率，将所述条件概率值输入贝叶斯计算工具，计算出所述用户未来行为的概率；所述多种因素包括:当前日期、当前位置、当前时间、用户身份信息、外界激励、用户历史行为、用户当前行为；

信息推送单元，用于根据预测结果确定是否向用户终端推送信息以及信息的内容。

5.如权利要求4所述的装置，其特征在于：

所述行为预测单元采用贝叶斯预测模型，根据用户的当前日期、当前位置、当前时间、身份信息、外界激励、用户历史行为、用户当前行为的取值的概率进行预测，输出所述用户未来行为的预判值，并将所述预判值与预先设定的发送阈值进行比较；

当所述预判值小于或等于所述发送阈值时，不向所述用户终端推送信息；

当所述预判值大于所述发送阈值时，则向所述用户终端推送信息。

6.如权利要求5所述的装置，其特征在于：

所述用户的当前日期取值包括：休息日和工作日；

所述用户的当前时间取值包括：高峰时间和非高峰时间；

所述用户的当前位置取值包括：兴趣点的周边和不在兴趣点的周边；

所述用户的外界激励取值包括：0,2；其中0代表最强；

所述用户的用户当前行为取值包括：A和NA；其中，A代表要接近兴趣点和NA代表不要接近兴趣点；

所述用户的未来行为取值包括：T和F，其中T代表对广告有兴趣和F代表对广告没兴趣。

7.一种移动网络，其特征在于：

包括如权利要求4至6任意一项所述的推送装置。