[发明专利]基于大数据分析的信息推送方法、装置、设备及存储介质

权利要求书

1.一种基于大数据分析的信息推送方法，其特征在于，所述方法包括：

分时段采集待监控自媒体账号发布的网络数据；

利用预先构建的大数据分析模型对各时段的网络数据进行分析，得到所述网络数据对应的热点的变化率；

根据所述变化率和预设的信息价值判断标准，预测所述热点是否具备推送价值；

若预测所述热点具备推送价值，则将所述网络数据推送给用户，以使所述用户根据所述网络数据制定贴合所述热点的业务方案。

2.如权利要求1所述的方法，其特征在于，所述分时段采集待监控自媒体账号发布的网络数据的步骤之前，所述方法还包括：

确定所述待监控自媒体账号；

其中，所述确定所述待监控自媒体账号的步骤，包括：

根据业务需要确定待监控的自媒体平台的网络地址；

根据所述网络地址对网络爬虫进行配置，利用所述网络爬虫从所述网络地址对应的自媒体平台爬取待处理网络数据；

利用关键词提取技术，对预存的历史推送信息进行关键词提取，得到所述历史推送信息对应的热点的关键词；

根据所述关键词，对所述待处理网络数据进行过滤，得到至少一个参与所述热点的自媒体账号；

从各自媒体账号中筛选出参与热点次数符合预设阈值，且造成影响符合预设条件的自媒体账号，将筛选出的自媒体账号作为所述待监控自媒体账号。

3.如权利要求1所述的方法，其特征在于，所述利用预先构建的大数据分析模型对各时段的网络数据进行分析的步骤之前，所述方法还包括：

构建所述大数据分析模型；

其中，所述构建所述大数据分析模型的步骤，包括：

接收数据采集指令，从所述数据采集指令中提取待采集的训练数据的网络地址；

根据所述网络地址对网络爬虫进行配置，利用所述网络爬虫从所述网络地址对应的网页中获取所述训练数据；

根据所述训练数据和预先确定的机器学习算法，规划学习路径；

根据所述学习路径和所述训练数据，构建训练模型；

根据预设的大数据分析模型对应的业务需求，确定学习目标；

采用所述机器学习算法，对所述训练模型进行迭代训练；

在训练得到的训练结果与所述学习目标的匹配度大于预设阈值时，确定得到所述大数据分析模型。

4.如权利要求3所述的方法，其特征在于，所述机器学习算法为卷积神经网络算法，所述训练模型的卷积核为5×5；

所述采用所述机器学习算法，对所述训练模型进行迭代训练的步骤之前，所述方法还包括：

对所述训练模型进行卷积核拆分操作，将所述训练模型中5×5的卷积核拆分为至少两个3×3的卷积核；

其中，所述采用所述机器学习算法，对所述训练模型进行迭代训练的步骤，包括：

采用卷积神经网络算法，分别对所述训练模型中拆分获得的至少两个3×3的卷积核进行迭代训练。

5.如权利要求3所述的方法，其特征在于，所述根据所述学习路径和所述训练数据，构建训练模型的步骤之前，所述方法还包括：

对所述训练数据进行归一化处理，得到目标训练数据；

其中，所述根据所述学习路径和所述训练数据，构建训练模型的步骤，包括：

根据所述学习路径和所述目标训练数据，构建训练模型。

6.如权利要求1至5任一项所述的方法，其特征在于，所述以使所述用户根据所述网络数据制定贴合所述热点的业务方案的步骤，包括：

监测所述用户是否触发了业务方案生成指令；

若监测到所述用户触发了业务方案生成指令，则获取所述用户提供的待推广产品的产品信息；

根据所述网络数据对应的热点，生成热点模板；

将所述产品信息输入到所述热点模板的指定位置，得到贴合所述热点的业务方案。

7.如权利要求6所述的方法，其特征在于，所述得到贴合所述热点的业务方案的步骤之后，所述方法还包括：

将所述业务方案发布到预设的自媒体平台；

获取所述自媒体平台的用户对所述业务方案的响应信息；

根据所述响应信息，对所述业务方案进行调整。