[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：

获取用户针对同一物品类别的物品的至少两个订单信息，其中，订单信息包括订单日期和购买量；

基于所述至少两个订单信息中的购买量，确定所述用户针对所述物品类别的物品的间隔期的日均消耗量，其中，间隔期为订单日期相邻的两个订单的日期间隔；

基于各个间隔期的日均消耗量，确定所述用户针对所述物品类别的物品的平均日均消耗量；

基于所述平均日均消耗量和最新订单对应的购买量，确定向所述用户的用户终端推送所述物品类别的物品关联的物品信息的推送日期；

基于所述推送日期，向所述用户的用户终端推送所述物品类别的物品关联的物品信息。

2.根据权利要求1所述的方法，其特征在于，所述基于各个间隔期的日均消耗量，确定所述用户针对所述物品类别的物品的平均日均消耗量，包括：

确定各个间隔期的日均消耗量的类型，其中，所述类型包括正常和异常；

基于各个间隔期的日均消耗量的类型，确定所述用户针对所述物品类别的物品的平均日均消耗量。

3.根据权利要求2所述的方法，其特征在于，所述确定各个间隔期的日均消耗量的类型，包括：

将物品类别和针对物品类别的物品的各个间隔期的日均消耗量输入预先训练的类型识别模型，以确定针对物品类别的物品的各个间隔期的日均消耗量对应的类型，其中，所述类型识别模型用于表征针对物品类别的物品的间隔期的日均消耗量与类型的对应关系。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：训练类型识别模型的步骤，包括：

获取针对各个物品类别的物品的间隔期的日均消耗量的样本集合，其中，所述样本集合包括预先标识出的正常类型的间隔期的日均消耗量的样本和预先标识出的异常类型的间隔期的日均消耗量的样本；

利用机器学习方法，基于所述标识出的正常类型的间隔期的日均消耗量的样本和所述标识出的异常类型的间隔期的日均消耗量的样本，训练得到类型识别模型。

5.根据权利要求2所述的方法，其特征在于，所述确定各个间隔期的日均消耗量的类型，包括：

求取日期在前的间隔期的日均消耗量与相邻的且日期在后的间隔期的日均消耗量的差值的绝对值，再将所述差值的绝对值除以日期在前的间隔期的日均消耗量得到的商确定为所述日期在后的间隔期的日均消耗量的稳定度，其中，针对每个间隔期的日均消耗量，将确定该间隔期的日均消耗量时所使用的订单日期相邻的两个订单的在前订单日期或在后订单日期作为该间隔期的日均消耗量的日期；

确定所述稳定度是否小于等于预设的稳定度阈值；

若是，则确定所述日期在后的间隔期的日均消耗量的类型为正常；

若否，则确定所述日期在后的间隔期的日均消耗量的类型为异常。

6.根据权利要求5所述的方法，其特征在于，所述基于各个间隔期的日均消耗量，确定所述用户针对所述物品类别的物品的平均日均消耗量，包括：

按照日期由先到后的顺序对每个间隔期的日均消耗量按照编号由小到大的顺序或由大到小的顺序进行编号；

对于正常类型的间隔期的日均消耗量，将编号相邻的间隔期的日均消耗量划分为同一区间；求取各个区间内的间隔期的日均消耗量的平均值；选取各个平均值中最大的平均值作为正常平均日均消耗量；

对于异常类型的间隔期的日均消耗量，选取各个异常类型的间隔期的日均消耗量中最大的日均消耗量作为异常平均日均消耗量；

确定所述正常平均日均消耗量与所述异常平均日均消耗量的平均值，并将确定出的平均值作为所述用户针对所述物品类别的物品的平均日均消耗量。

7.根据权利要求1或6所述的方法，其特征在于，所述基于所述平均日均消耗量和最新订单对应的购买量，确定向所述用户的用户终端推送所述物品类别的物品关联的物品信息的推送日期，包括：

将最新订单对应的购买量除以所述平均日均消耗量所得的商确定为所述用户针对所述物品类别的物品的使用天数；

基于最新订单的订单日期与所述使用天数，确定向所述用户的用户终端推送所述物品类别的物品关联的物品信息的推送日期。