[发明专利]信息推送方法和装置

权利要求书

1.一种信息推送方法，其特征在于，所述方法包括：

获取目标物品的当前属性值以及关联信息，其中，所述关联信息包括以下至少一项：历史属性值、预定时间段内包括所述目标物品的物品信息的订单；

基于所述当前属性值和所述关联信息，确定所述当前属性值是否异常，包括：确定所获取的订单的订单数量和/或所获取的订单中所述目标物品的物品总数量；根据所述订单数量和/或所述物品总数量，确定所述当前属性值是否异常；

响应于确定所述当前属性值异常，推送用于提示所述当前属性值异常的提示信息。

2.根据权利要求1所述的方法，其特征在于，所述根据所述订单数量和/或所述物品总数量，确定所述当前属性值是否异常，还包括：

提取所获取的订单中的收货人的联系方式信息，并对于所提取的联系方式信息中的每个联系方式信息，确定通过该联系方式信息所指示的联系方式注册的账号的账号数量；

根据所确定的账号数量，确定所述当前属性值是否异常。

3.根据权利要求2所述的方法，其特征在于，所述根据所确定的账号数量，确定所述当前属性值是否异常，包括：

利用异常点检测算法，确定包括所获取的历史属性值与所述当前属性值的属性值集合中的异常值；

响应于确定所确定的异常值包括所述当前属性值，确定所述当前属性值异常。

4.根据权利要求1所述的方法，其特征在于，所述基于所述当前属性值和所述关联信息，确定所述当前属性值是否异常，包括：

将所述当前属性值和所述关联信息导入预先训练的识别模型，得到用于指示所述当前属性值是否异常的指示信息，其中，所述识别模型用于表征属性值、关联信息两者与指示信息之间的对应关系。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括训练识别模型的步骤，其中，所述训练识别模型的步骤，包括：

基于精英保留策略，利用遗传算法调整初始的神经网络模型；

确定训练样本，其中，所述训练样本包括属性值、关联信息以及用于指示所述属性值是否异常的指示信息；

利用所确定的训练样本，训练经调整的初始神经网络模型，得到所述识别模型。

6.根据权利要求5所述的方法，其特征在于，所述将所述当前属性值和所述关联信息导入预先训练的识别模型：

根据所述目标物品的历史属性值，查找与所述历史属性值所属的属性值区间对应的识别模型；

将所述当前属性值和所述关联信息导入查找出的识别模型。

7.一种信息推送装置，其特征在于，所述装置包括：

获取单元，用于获取目标物品的当前属性值以及关联信息，其中，所述关联信息包括以下至少一项：历史属性值、预定时间段内包括所述目标物品的物品信息的订单；

确定单元，用于基于所述当前属性值和所述关联信息，确定所述当前属性值是否异常，包括：确定所获取的订单的订单数量和/或所获取的订单中所述目标物品的物品总数量；根据所述订单数量和/或所述物品总数量，确定所述当前属性值是否异常；

推送单元，用于响应于确定所述当前属性值异常，推送用于提示所述当前属性值异常的提示信息。

8.一种服务器，其特征在于，所述服务器包括：

一个或多个处理器；

存储装置，用于存储一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-6中任一所述的方法。