基于朴素贝叶斯的移动端网页内容推送方法及装置制造方法及图纸

本发明专利技术公开了一种基于朴素贝叶斯的移动端网页内容推送方法及装置，该方法包括以下步骤：获取历史浏览数据，包括内容类别和每个内容类别对应的浏览数据；根据浏览数据获得每个内容类别的基础概率模型；当待推送内容的用户进入网页后，判断该用户是否存在对应的概率模型；如果不存在则获取该用户的当前浏览数据，并基于基础概率模型得到每个内容的预测概率值，并将最大预测概率值对应的内容推送给该用户；当该用户浏览已推送内容时，基于对应的概率模型得到实际概率值；判断预测概率值和实际概率值之间的差值是否大于第一预设阈值；如果是则将对应的概率模型的权重值进行调整，以得到新的用户概率模型；从而提高内容推送的精准度。度。度。

【技术实现步骤摘要】
基于朴素贝叶斯的移动端网页内容推送方法及装置


[0001]本专利技术涉及消息推送
，特别涉及一种基于朴素贝叶斯的移动端网页内容推送方法、一种计算机可读存储介质、一种基于朴素贝叶斯的移动端网页内容推送装置及一种终端设备。

技术介绍

[0002]相关技术中，随着各种信息流资源的推广和普及，用户在浏览网页时，经常会收到一些推送内容；现有服务器端向用户设备推送内容的方式一般有两种：一种是采用随机推送，另一种是依据网页的页面内容推送，由于采用上述方式推送的内容可能并不是用户所感兴趣的，所以导致推送缺乏精准度，使得用户体验差。

技术实现思路

[0003]本专利技术旨在至少在一定程度上解决上述技术中的技术问题之一。为此，本专利技术的一个目的在于提出一种基于朴素贝叶斯的移动端网页内容推送方法，通过充分利用移动端数据，根据用户当前浏览信息进行实时调整，对每个用户做到个性化处理，形成用户个性化模型，从而提高内容推送的精准度，进而提高用户体验。
[0004]本专利技术的第二个目的在于提出一种计算机可读存储介质。
[0005]本专利技术的第三个目的在于提出一种基于朴素贝叶斯的移动端网页内容推送装置。
[0006]本专利技术的第四个目的在于提出一种终端设备。
[0007]为达到上述目的，本专利技术第一方面实施例提出了一种基于朴素贝叶斯的移动端网页内容推送装置，包括以下步骤：获取已有历史浏览数据，其中，所述历史浏览数据包括内容类别和每个内容类别对应的浏览数据；采用朴素贝叶斯算法对所述每个内容类别对应的浏览数据进行计算，以获得每个内容类别的基础概率模型；当待推送网页内容的用户进入网页后，判断所述待推送网页内容的用户是否存在对应的用户概率模型；如果所述待推送网页内容的用户不存在对应的用户概率模型，则获取所述待推送网页内容的用户的当前浏览数据，并基于基础概率模型以得到每个内容类别的用户概率模型和相应概率值中的最大预测概率值，并将所述最大预测概率值对应的内容推送给所述待推送网页内容的用户；当所述待推送网页内容的用户浏览所述已推送内容时，获取所述待推送网页内容的用户的当前浏览数据，并根据所述当前浏览数据基于所述用户概率模型得到实际概率值；判断所述最大预测概率值和所述实际概率值之间的差值是否大于第一预设阈值；如果所述差值大于第一预设阈值，则对所述用户概率模型的权重值进行调整，以得到新的用户概率模型。
[0008]根据本专利技术实施例的基于朴素贝叶斯的移动端网页内容推送方法，首先，获取每个用户对应的历史浏览数据，其中，历史浏览数据包括内容类别和每个内容类别对应的浏览数据；然后，采用朴素贝叶斯算法对每个内容类别对应的浏览数据进行计算，以获得获得每个内容类别的基础概率模型；接着，当待推送网页内容的用户进入网页后，判断待推送网页内容的用户是否存在对应的用户概率模型；再然后，如果待推送网页内容的用户不存在
对应的用户概率模型，则获取待推送网页内容的用户的当前浏览数据，并基于基础概率模型以得到每个内容类别的用户概率模型和相应概率值中的最大预测概率值，并将最大预测概率值对应的内容推送给待推送网页内容的用户；再接着，当待推送网页内容的用户浏览已推送内容时，获取待推送网页内容的用户的当前浏览数据，并根据当前浏览数据基于用户概率模型得到实际概率值；最后，判断已推送内容的最大预测概率值和实际概率值之间的差值是否大于第一预设阈值；如果差值大于第一预设阈值，则对用户概率模型的权重值进行调整，以得到新的用户概率模型；由此，通过充分利用移动端数据，根据用户当前浏览信息进行实时调整，对每个用户做到个性化处理，形成用户个性化模型，从而提高内容推送的精准度，进而提高用户体验。
[0009]另外，根据本专利技术上述实施例提出的基于朴素贝叶斯的移动端网页内容推送方法还可以具有如下附加的技术特征：
[0010]可选地，对所述用户概率模型的权重值进行调整，包括：判断当前浏览数据是否大于第二预设阈值或者小于第三预设阈值，如果大于第二预设阈值则使对应的权重值增加第四预设阈值，如果小于第三预设阈值则使对应的权重值减小第四预设阈值。
[0011]可选地，所述每个内容类别对应的浏览数据包括用户经纬度坐标、浏览滑动速度、用户心率、浏览停留时间中的一种或者任意几种浏览参数。
[0012]可选地，采用朴素贝叶斯算法对所述每个内容类别对应的浏览数据进行计算，以获得每个内容类别的基础概率模型，包括：设定所述每个内容类别对应的浏览数据与对应用户的喜欢程度呈高斯正态分布，以得到每个内容类别对应的各个浏览参数的均值和方差；根据所述各个浏览参数的均值和方差获得各个浏览参数对应的正态分布密度函数；根据所述各个浏览参数对应的正态分布密度函数采用朴素贝叶斯算法获得每个用户对应的每个内容类别的基础概率模型。
[0013]可选地，如果所述待推送网页内容的用户存在对应的用户概率模型，则获取所述待推送网页内容的用户的当前浏览数据，并根据所述当前浏览数据基于所述对应的每个内容类别的用户概率模型得到每个内容类别相应概率值中的最大预测概率值，并将所述最大预测概率值对应的内容推送给所述待推送网页内容的用户。
[0014]可选地，如果所述差值小于等于第一预设阈值，则不对所述用户概率模型的权重值进行调整。
[0015]为达到上述目的，本专利技术第二方面实施例提出了一种计算机可读存储介质，其上存储有基于朴素贝叶斯的移动端网页内容推送程序，该基于朴素贝叶斯的移动端网页内容推送程序被处理器执行时实现如上所述的基于朴素贝叶斯的移动端网页内容推送方法。
[0016]根据本专利技术实施例的计算机可读存储介质，通过存储基于朴素贝叶斯的移动端网页内容推送程序，以使得处理器在执行该基于朴素贝叶斯的移动端网页内容推送程序时，实现如上述的基于朴素贝叶斯的移动端网页内容推送方法，由此，通过充分利用移动端数据，根据用户当前浏览信息进行实时调整，对每个用户做到个性化处理，形成用户个性化模型，从而提高内容推送的精准度，进而提高用户体验。
[0017]为达到上述目的，本专利技术第三方面实施例提出了一种基于朴素贝叶斯的移动端网页内容推送装置，包括：第一获取模块，用于获取已有的历史浏览数据，其中，所述历史浏览数据包括内容类别和每个内容类别对应的浏览数据；模型生成模块，用于采用朴素贝叶斯
算法对所述每个内容类别对应的浏览数据进行计算，以获得每个内容类别的基础概率模型；第一判断模块，用于当待推送网页内容的用户进入网页后，判断所述待推送网页内容的用户是否存在对应的用户概率模型；推送模块，用于如果所述待推送网页内容的用户不存在对应的用户概率模型，则获取所述待推送网页内容的用户的当前浏览数据，并基于基础概率模型以得到每个内容类别的用户概率模型和相应概率值中的最大预测概率值，并将所述最大预测概率值对应的内容推送给所述待推送网页内容的用户；第二获取模块，用于当所述待推送网页内容的用户浏览所述已推送内容时，获取所述待推送网页内容的用户的当前浏览数据，并根据所述当前浏览数据基于所述用户概率模型得到实际概率值；第二判断模块，用于判断所述最本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于朴素贝叶斯的移动端网页内容推送方法，其特征在于，包括以下步骤：获取已有历史浏览数据，其中，所述历史浏览数据包括内容类别和每个内容类别对应的浏览数据；采用朴素贝叶斯算法对所述每个内容类别对应的浏览数据进行计算，以获得每个内容类别的基础概率模型；当待推送网页内容的用户进入网页后，判断所述待推送网页内容的用户是否存在对应的用户概率模型；如果所述待推送网页内容的用户不存在对应的用户概率模型，则获取所述待推送网页内容的用户的当前浏览数据，并基于基础概率模型以得到每个内容类别的用户概率模型和相应概率值中的最大预测概率值，并将所述最大预测概率值对应的内容推送给所述待推送网页内容的用户；当所述待推送网页内容的用户浏览所述已推送内容时，获取所述待推送网页内容的用户的当前浏览数据，并基于所述用户概率模型得到实际概率值；判断所述已推送内容的最大预测概率值和所述实际概率值之间的差值是否大于第一预设阈值；如果所述差值大于第一预设阈值，则对所述用户概率模型的权重值进行调整，以得到新的用户概率模型。2.如权利要求1所述的基于朴素贝叶斯的移动端网页内容推送方法，其特征在于，对所述用户概率模型的权重值进行调整，包括：判断当前浏览数据是否大于第二预设阈值或者小于第三预设阈值，如果大于第二预设阈值则使对应的权重值增加第四预设阈值，如果小于第三预设阈值则使对应的权重值减小第四预设阈值。3.如权利要求1
‑
2中任一项所述的基于朴素贝叶斯的移动端网页内容推送方法，其特征在于，所述每个内容类别对应的浏览数据包括用户经纬度坐标、浏览滑动速度、用户心率、浏览停留时间中的一种或者任意几种浏览参数。4.如权利要求1
‑
3中任一项所述的基于朴素贝叶斯的移动端网页内容推送方法，其特征在于，采用朴素贝叶斯算法对所述每个内容类别对应的浏览数据进行计算，以获得每个内容类别的基础概率模型，包括：设定所述每个内容类别对应的浏览数据与对应用户的喜欢程度呈高斯正态分布，以得到每个内容类别对应的各个浏览参数的均值和方差；根据所述各个浏览参数的均值和方差获得各个浏览参数对应的正态分布密度函数；根据所述各个浏览参数对应的正态分布密度函数采用朴素贝叶斯算法获得每个用户对应的每个内容类别的基础概率模型。5.如权利要求1所述的基于朴素贝叶斯的移动端网页内容推送方法，其特征在于，如果所述待推送网页内容的用户存在对应的用户概率模型，则获取所述待推送网页内容的用户的当前浏览数据，...

【专利技术属性】
技术研发人员：肖苹苹，乔绍刚，韩科敏，
申请(专利权)人：厦门路桥信息股份有限公司，
类型：发明
国别省市：