[发明专利]基于位置的信息推送方法、推送装置和网络

说明书

技术领域

本发明涉及移动通信技术领域，尤其涉及一种基于位置的信息推送方法、推送装置和网络。

背景技术

基于位置的广告推送是当前移动互联网应用的发展趋势。但是如果简单的当用户经过该位置时，就进行广告的推送容易将用户陷入信息沼泽或是引起用户的反感，因此当前的基于位置的单一因素的判断往往不够准确。

例如，用户周一早上8:00经过大悦城，他很可能是去上班，你就不能给他推送购物信息的打折广告，否则的话，他收到的是自己并不想收到的信息，可能就会认为是垃圾信息。但是如果他是周末或者节假日经过大悦城，那可以给他推送购物信息的打折广告。用户的行为在同一地点可能有不同的意义，因此需要基于多种用户信息进行预测。

发明内容

有鉴于此，本发明要解决的一个技术问题是提供一种基于位置的信息推送方法，通过终端所处的当前位置环境信息、基于多种因素的概率进行用户行为的预测。

一种基于位置的信息推送方法,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；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。

根据本发明的方法的一个实施例，进一步的，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。

根据本发明的方法的一个实施例，进一步的，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。

根据本发明的方法的一个实施例，进一步的，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。

根据本发明的方法的一个实施例，进一步的，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，计算出所述用户未来行为的概率。

本发明要解决的一个技术问题是提供一种推送装置，通过终端所处的当前位置环境信息、基于多种因素的概率进行用户行为的预测。

一种推送装置,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；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。

根据本发明的装置的一个实施例，进一步的，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。

根据本发明的装置的一个实施例，进一步的，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。

根据本发明的装置的一个实施例，进一步的，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。

根据本发明的装置的一个实施例，进一步的，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。

一种移动网络，包括如上所述的推送装置。