[发明专利]一种基于时效性的个性化消息推送方法及系统

说明书

本发明公开了一种基于时效性的个性化消息推送方法，该方法包括以下步骤：1)收集用户对消息的交互行为信息；2)根据行为的相似度来计算用户之间的相似度；3)对消息集合建模，计算信息老化率，剔除过时信息；4)对更新后的消息集合预测用户的兴趣评分；5)根据用户对消息集合的预测评分做Top‑K推荐，给用户发送推送消息。发明提供的技术方案采集用户对消息推送的行为数据，根据用户相似度发现用户可能的兴趣偏好，同时依据时效性模型剔除过时信息，对用户的兴趣评分进行控制，从而产生推荐，使用户收到更加符合个人兴趣的推送内容，提高消息的召回率，提升用户体验。

技术领域

本发明涉及消息推送领域，特别涉及一种基于时效性的个性化消息推送方法及系统。

背景技术

随着移动互联网的飞速发展，智能手机越来越成为人们生活中不可或缺的一部分，消息推送也得到了广泛的应用。消息推送是一种主动向用户推送消息的服务，也是APP运营的一种常用手段，它可以有效地增加用户黏度与软件留存率，激发用户对产品的兴趣。消息推送虽然成本低廉、投放搞高效，但海量和无用的消息推送也会使用户心生厌恶，甚至导致用户卸载应用。因此，需要一种个性化的推送方法来解决上述问题。

当前，学术界研究的个性化推荐方法主要有以下几种：

第一种是基于用户或者产品的协同过滤，其通过计算用户/产品之间的相似度，查找与目标用户相似性较高的近邻集，并通过近邻集用户对其他产品的评分来预测目标用户对该产品的潜在评分，产生推荐的产品集合其推荐性能随时间的推移不断提高，并能够向用户提供新的兴趣点。但存在冷启动的问题。

第二种是基于内容的推荐，其通过分析产品的特征属性进行推荐，不需要评分信息，在文本信息推荐领域应用最为成熟，但在对其他产品进行推荐时，易受特征提取技术的制约。

第三种是基于关联规则的推荐，它根据在用户数据中提取的关联规则进行推荐，但在实际应用中，关联规则难以提取。

第四种是基于社交网络的推荐，该类算法利用好友数据向目标推荐产品或好友，可以减轻“信息超载”现象，有利于推荐长尾商品，但在实际系统中获取用户好友数据存在困难。

现有技术中，专利申请号为201711271886.3的中国发明专利申请公开了一种基于用户偏好的个性化消息推送方法，该方案分为两步：首先搜集用户行为数据，建立用户兴趣模型；然后在服务器推送信息之前，判断该信息是否与用户兴趣模型相匹配，从而进行个性化消息推送。可见，该方案根据用户所浏览信息的标签关系网络来进行消息推送，虽然一定程度上实现了个性化推送，但个性化程度不高，推送结果缺乏惊喜，还受到新内容的限制。

专利申请号为201611217545.3的中国发明专利申请公开了一种实时推送信息的方法和装置，通过发布订阅系统实时接收用户当前的行为数据，并将其保存在数据库中，之后选择最接近当前时刻的历史行为数据对需要推荐的项目进行相似度计算，产生推荐。该方法时效性强，但是基于用户搜索信息产生的历史数据，需要用户主动输入搜索关键词等搜索信息，而且只是作为推荐系统的应用，并没有应用到消息推送的领域。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于时效性的个性化消息推送方法，该方法能够克服现有技术在消息推送时，推送条数过多，消息过时，不符合用户兴趣的问题。根据用户相似度预测用户偏好，并剔除过时老化的信息，提高了用户体验，为用户提供更加精准的个性化消息推送。

本发明的另一目的在于提供一种基于时效性的个性化消息推送系统。

本发明的目的通过以下的技术方案实现：

一种基于时效性的个性化消息推送方法，包括以下步骤：

步骤1：收集用户对消息的交互行为信息并建立消息访问表；

步骤2：根据行为的相似度来计算用户之间的相似度；