消息推送系统、相关方法及装置与流程

1.本技术涉及数据处理技术领域，具体涉及消息推送系统、方法和装置，用 户习惯信息确定方法和装置，智能音箱，以及电子设备。


背景技术：

2.智能音箱，是一个音箱升级的产物，是家庭消费者用语音进行上网的一个 工具，比如点播歌曲、上网购物，或是了解天气预报，它也可以对智能家居设 备进行控制，比如打开窗帘、设置冰箱温度、提前让热水器升温等。为了提升 用户体验，智能音箱系统都会定期基于用户画像向智能音箱用户推送一些消息， 如健康检测提醒消息，闹钟叫醒消息，等等。
3.传统的用户画像通常对用户在某些交互领域的行为进行刻画时，只能做到 简单的周期、频次统计，如过去一周使用闹钟次数，平均多久使用一次等。这 种对多个维度的简单统计做法在一般的应用场景基本能够满足需求，但如果想 进一步理解用户，刻画用户非常复杂的行为模式就显得力不从心。而在诸如智 能音箱消息推送、智能音箱用户唤醒等很多场景，其实存在对用户深入理解的 需求。传统的智能音箱消息推送做法是，由专业的运营人员在离线使用已经加 工好的人群标签(如年龄，性别等人口属性，以及上述简单的行为频次统计等) 来圈选出一批智能音箱用户，然后通过在线系统向这群用户定向推送消息。
4.然而，在实现本发明过程中，发明人发现现有技术方案至少存在如下问题： 在确定推送用户、推送时间和推送内容时，需要运营人员根据自己的从业经验 进行判断，同时圈选人群时也只能利用形如人口属性，行为频次统计值等简单 人群标签，这种严重依赖人工并基于简单标签来判断智能音箱推送消息和用户 关联性的操作方式，不仅极大耗费人力，而且难以保障这种关联关系的准确度， 从而影响消息推送质量，要么会过多打扰用户，要么会漏掉重要消息。在大数 据时代，用户和智能音箱系统间存在极为丰富的交互行为数据，如何利用海量 的用户行为数据来系统性的挖掘智能音箱推送消息和用户之间的关联性，以提 升消息推送准确度，成为本领域技术人员迫切需要解决的问题。


技术实现要素：

5.本技术提供消息推送系统，以解决现有技术存在的智能音箱消息推送精准 度较低的问题。本技术另外提供消息推送方法和装置，用户习惯信息确定方法 和装置，智能音箱，以及电子设备。
6.本技术提供一种消息推送系统，包括：
7.服务端，用于确定用户在多个历史时间段针对多个智能音箱服务的交互次 数数据；通过基于数据降维算法的用户行为模式确定模型，根据所述交互次数 数据，从多个历史时间段与多个智能音箱服务间的对应关系集中，确定用户偏 好时间段与用户偏好服务间的目标对应关系，并确定目标对应关系的用户偏好 周期，形成所述用户的服务使用习惯信息；根据所述习惯信息，以所述用户偏 好周期在用户偏好时间段向所述用户的智能音箱
推送用户偏好服务的相关消 息；
8.智能音箱，用于接收所述相关消息，展示所述相关消息。
9.本技术还提供一种用户习惯信息确定方法，包括：
10.确定用户在多个历史时间段针对多个智能音箱服务的交互次数数据；
11.通过基于数据降维算法的用户行为模式确定模型，根据所述交互次数数据， 从多个历史时间段与多个智能音箱服务间的对应关系集中，确定用户偏好时间 段与用户偏好服务间的目标对应关系；
12.确定目标对应关系的用户偏好周期，由所述目标对应关系和所述用户偏好 周期形成所述用户的智能音箱服务使用习惯信息。
13.可选的，还包括：
14.若所述习惯为健康习惯，则以所述用户偏好周期，在用户偏好时间段向所 述用户的智能音箱推送用户偏好服务的相关消息。
15.可选的，还包括：
16.若所述习惯为不健康习惯，则向用户的智能音箱发送健康提示信息。
17.本技术还提供一种消息推送方法，包括：
18.确定用户在多个历史时间段针对多个智能音箱服务的交互次数数据；
19.通过基于数据降维算法的用户行为模式确定模型，根据所述交互次数数据， 从多个历史时间段与多个智能音箱服务间的对应关系集中，确定用户偏好时间 段与用户偏好服务间的目标对应关系，并确定目标对应关系的用户偏好周期， 形成所述用户的服务使用习惯信息；
20.根据所述习惯信息，以所述用户偏好周期在用户偏好时间段向所述用户的 智能音箱推送用户偏好服务的相关消息。
21.可选的，所述数据降维算法包括：主成分分析算法；
22.通过主成分分析算法，根据所述交互次数数据，确定所述对应关系集的主 成分信息，作为所述目标对应关系。
23.可选的，至少根据所述交互次数数据，确定所述用户偏好周期。
24.可选的，若所述用户未采用所述服务使用习惯与智能音箱交互，则向用户 的智能音箱推送相关消息。
25.可选的，在与日期类型相关的日期，执行确定所述服务使用习惯的步骤。
26.可选的，所述日期类型包括：节假日；
27.所述与日期类型相关的日期包括:节假日期间，节假日结束后，节假日开始 前。
28.可选的，还包括：
29.确定日期范围类型；
30.根据所述日期范围类型，确定所述历史时间段。
31.可选的，所述日期范围类型包括：
32.工作日类型，周末类型，假日类型。
33.可选的，所述确定日期范围类型，包括：
34.确定消息投放转换率；
35.至少根据所述消息投放转换率，确定所述日期范围类型。
36.可选的，还包括：
37.接收智能音箱发送的用户交互请求；
38.若所述交互请求为由所述方法推送的消息引发的请求，则将所述消息标记 为有效消息；
39.所述确定消息投放转换率，包括：
40.根据所述有效消息，确定消息投放转换率。
41.可选的，所述时间段包括：
42.以预设小时数量为时间段长度形成的时间段。
43.可选的，所述服务包括：
44.时间问询服务，天气问询服务，闹钟提醒服务，音乐播放服务。
45.本技术还提供一种消息推送方法，包括：
46.接收服务端推送的与用户对智能音箱服务的使用习惯关联的消息；
47.展示所述消息，以便于用户根据所述消息与智能音箱交互；
48.其中，所述消息采用如下方式确定：确定用户在多个历史时间段针对多个 智能音箱服务的交互次数数据；通过基于数据降维算法的用户行为模式确定模 型，根据所述交互次数数据，从多个历史时间段与多个智能音箱服务间的对应 关系集中，确定用户偏好时间段与用户偏好服务间的目标对应关系，并确定目 标对应关系的用户偏好周期，形成所述用户的服务使用习惯信息；根据所述习 惯信息，以所述用户偏好周期在用户偏好时间段向所述用户的智能音箱推送用 户偏好服务的相关消息。
49.本技术还提供一种消息推送装置，包括：
50.数据统计单元，用于确定用户在多个历史时间段针对多个智能音箱服务的 交互次数数据；
51.用户行为模式确定单元，用于通过基于数据降维算法的用户行为模式确定 模型，根据所述交互次数数据，从多个历史时间段与多个智能音箱服务间的对 应关系集中，确定用户偏好时间段与用户偏好服务间的目标对应关系，并确定 目标对应关系的用户偏好周期，形成所述用户的服务使用习惯信息；
52.消息推送单元，用于根据所述习惯信息，以所述用户偏好周期在用户偏好 时间段向所述用户的智能音箱推送用户偏好服务的相关消息。
53.本技术还提供一种电子设备，包括：
54.处理器；以及
55.存储器，用于存储实现消息推送方法的程序，该设备通电并通过所述处理 器运行该方法的程序后，执行下述步骤：确定用户在多个历史时间段针对多个 智能音箱服务的交互次数数据；通过基于数据降维算法的用户行为模式确定模 型，根据所述交互次数数据，从多个历史时间段与多个智能音箱服务间的对应 关系集中，确定用户偏好时间段与用户偏好服务间的目标对应关系，并确定目 标对应关系的用户偏好周期，形成所述用户的服务使用习惯信息；根据所述习 惯信息，以所述用户偏好周期在用户偏好时间段向所述用户的智能音箱推送用 户偏好服务的相关消息。
56.本技术还提供一种消息推送装置，包括：
57.消息接收单元，用于接收服务端推送的与用户对智能音箱服务的使用习惯 关联
的消息；
58.消息展示单元，用于展示所述消息，以便于用户根据所述消息与智能音箱 交互；
59.其中，所述消息采用如下方式确定：确定用户在多个历史时间段针对多个 智能音箱服务的交互次数数据；通过基于数据降维算法的用户行为模式确定模 型，根据所述交互次数数据，从多个历史时间段与多个智能音箱服务间的对应 关系集中，确定用户偏好时间段与用户偏好服务间的目标对应关系，并确定目 标对应关系的用户偏好周期，形成所述用户的服务使用习惯信息；根据所述习 惯信息，以所述用户偏好周期在用户偏好时间段向所述用户的智能音箱推送用 户偏好服务的相关消息。
60.本技术还提供一种智能音箱，包括：
61.处理器；以及
62.存储器，用于存储实现消息推送方法的程序，该设备通电并通过所述处理 器运行该方法的程序后，执行下述步骤：接收服务端推送的与用户对智能音箱 服务的使用习惯关联的消息；展示所述消息，以便于用户根据所述消息与智能 音箱交互；其中，所述消息采用如下方式确定：确定用户在多个历史时间段针 对多个智能音箱服务的交互次数数据；通过基于数据降维算法的用户行为模式 确定模型，根据所述交互次数数据，从多个历史时间段与多个智能音箱服务间 的对应关系集中，确定用户偏好时间段与用户偏好服务间的目标对应关系，并 确定目标对应关系的用户偏好周期，形成所述用户的服务使用习惯信息；根据 所述习惯信息，以所述用户偏好周期在用户偏好时间段向所述用户的智能音箱 推送用户偏好服务的相关消息。
63.本技术还提供一种用户习惯信息确定装置，包括：
64.数据统计单元，用于确定用户在多个历史时间段针对多个智能音箱服务的 交互次数数据；
65.目标对应关系确定单元，用于通过基于数据降维算法的用户行为模式确定 模型，根据所述交互次数数据，从多个历史时间段与多个智能音箱服务间的对 应关系集中，确定用户偏好时间段与用户偏好服务间的目标对应关系；
66.周期确定单元，用于确定目标对应关系的用户偏好周期，由所述目标对应 关系和所述用户偏好周期形成所述用户的智能音箱服务使用习惯信息。
67.本技术还提供一种电子设备，包括：
68.处理器；以及
69.存储器，用于存储实现用户习惯信息确定方法的程序，该设备通电并通过 所述处理器运行该方法的程序后，执行下述步骤：确定用户在多个历史时间段 针对多个智能音箱服务的交互次数数据；通过基于数据降维算法的用户行为模 式确定模型，根据所述交互次数数据，从多个历史时间段与多个智能音箱服务 间的对应关系集中，确定用户偏好时间段与用户偏好服务间的目标对应关系； 确定目标对应关系的用户偏好周期，由所述目标对应关系和所述用户偏好周期 形成所述用户的智能音箱服务使用习惯信息。
70.本技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储 有指令，当其在计算机上运行时，使得计算机执行上述各种方法。
71.本技术还提供一种包括指令的计算机程序产品，当其在计算机上运行时， 使得计算机执行上述各种方法。
72.与现有技术相比，本技术具有以下优点：
73.本技术实施例提供的消息推送系统，通过服务端根据用户与智能音箱间的 历史交互行为数据，确定用户在多个历史时间段针对多个智能音箱服务的交互 次数数据；通过基于数据降维算法的用户行为模式确定模型，根据所述交互次 数数据，从多个历史时间段与多个智能音箱服务间的对应关系集中，确定用户 偏好时间段与用户偏好服务间的目标对应关系，并确定目标对应关系的用户偏 好周期，形成所述用户的服务使用习惯信息；根据所述习惯信息，以所述用户 偏好周期在用户偏好时间段向所述用户的智能音箱推送用户偏好服务的相关消 息；智能音箱展示所述消息，以便于用户根据所述消息与智能音箱交互；这种 处理方式，使得根据用户行为数据，挖掘深层次的用户与智能音箱间的交互模 式信息，该模式直接刻画用户、消息投放领域(又称为音箱服务或技能)和投 放时间三者的关系，由此可避免人为地依赖简单的行为频次统计数据进行消息 推送决策；因此，可以有效提升智能音箱消息投放精准度，确保精准地唤醒用 户与智能音箱交互，由此提升消息投放转换率，从而提升用户体验和用户活跃 度。此外，这种处理方式使得自动化的确定用户与智能音箱间的交互模式信息， 自动化的向用户推送消息，因此，可以有效提升消息投放效率，并且节约人力 资源成本。
附图说明
74.图1本技术提供的一种消息推送系统的实施例的示意图；
75.图2本技术提供的一种消息推送系统的实施例的场景示意图；
76.图3本技术提供的一种消息推送系统的实施例的设备交互示意图；
77.图4本技术提供的一种消息推送系统的实施例的用户行为模式确定过程的 示意图；
78.图5本技术提供的一种消息推送系统的实施例的用户行为模式确定过程的 具体示意图。
具体实施方式
79.在下面的描述中阐述了很多具体细节以便于充分理解本技术。但是本技术 能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背 本技术内涵的情况下做类似推广，因此本技术不受下面公开的具体实施的限制。
80.在本技术中，提供了消息推送系统、方法和装置，用户习惯信息确定方法 和装置，智能音箱，以及电子设备。在下面的实施例中逐一对各种方案进行详 细说明。
81.第一实施例
82.请参考图1，其为本技术实施例的消息推送系统的示例图。在本实施例中， 所述系统包括:服务端1和智能音箱2。
83.所述服务端1，可以是部署在云端服务器上的服务端，也可以是专用于实现 面向智能音箱用户的消息推送服务的服务器，可部署在数据中心。服务器，可 以是集群服务器，也可以是单台服务器。
84.所述智能音箱2，可以是家庭消费者用语音进行上网的一个工具，比如点播 歌曲、上网购物，或是了解天气预报，它也可以对智能家居设备进行控制，比 如打开窗帘、设置冰
箱温度、提前让热水器升温等。
85.请参考图2，其为本技术的消息推送系统的场景示意图。服务端1和智能音 箱2间可通过网络连接，如智能音箱和服务端可通过wifi等方式联网，等等。 由图2可见，智能音箱用户a在日常工作日经常通过智能音箱查询第二天的天 气信息，以便于做好上班准备(如根据气温添减衣物等等)；然后，在诸如春节 等长假期间，由于用户a无需上班，因此也就无需通过智能音箱查询第二天的 天气信息；接下来，在假期结束后，由于没有及时调整回日常生活状态，因此 用户a可能忘记通过智能音箱查询第二天的天气信息，在现有技术下，这样就 会导致用户无法及时地为第二天的上班做准备。而通过本技术实施例提供的系 统，服务端2可在假期结束时，根据用户a与智能音箱a间在假期前的一段时 间(如7天/14天等)的历史交互行为数据，自动化地挖掘更深层次的用户a与 智能音箱a间的交互模式信息，该模式直接刻画用户、消息投放领域和投放时 间三者的关系，如在工作日的前晚时段，向智能音箱a推送“询问用户a是否 查询天气信息”的消息，智能音箱a将该消息播放给用户a，以唤醒用户a查询 第二天天气信息。
86.再例如，图2中的智能音箱用户b在日常晚上经常通过智能音箱b打开电 视看新闻联播，在暑假外出度假回来后，可能忘记通过智能音箱b打开电视看 新闻联播，通过本技术实施例提供的系统，服务端2可在假期结束时，根据用 户b与智能音箱b间的历史交互行为数据，自动化地挖掘出“用户b在日常晚 上收看新闻联播”这一行为模式，向智能音箱b推送“询问用户b是否收看新 闻联播”的消息，智能音箱b将该消息播放给用户b，以唤醒用户b通过智能音 箱b打开电视看新闻联播。
87.请参考图3，其为本技术的消息推送系统的实施例的设备交互示意图。在本 实施例中，服务端用于确定用户在多个历史时间段针对多个智能音箱服务的交 互次数数据；通过基于数据降维算法的用户行为模式确定模型，根据所述交互 次数数据，从多个历史时间段与多个智能音箱服务间的对应关系集中，确定用 户偏好时间段与用户偏好服务间的目标对应关系，并确定目标对应关系的用户 偏好周期，形成所述用户的服务使用习惯信息；根据所述习惯信息，以所述用 户偏好周期在用户偏好时间段向所述用户的智能音箱推送用户偏好服务的相关 消息；智能音箱，用于接收所述相关消息，展示所述相关消息。
88.所述用户，包括智能音箱的用户。所述用户与智能音箱2之间可以在有多 种音箱服务进行交互，如时间问询服务(用户向智能音箱询问时间信息)，天气 问询服务(用户向智能音箱询问天气信息)，闹钟提醒服务(用户通过智能音箱 设置闹钟唤醒时间)，音乐播放服务(用户指示智能音箱播放音乐)，等等。
89.所述用户行为模式确定模型，包括根据所述交互次数数据，从多个历史时 间段与多个智能音箱服务间的对应关系集中，确定用户偏好时间段与用户偏好 服务间的目标对应关系，并确定目标对应关系的用户偏好周期，形成所述用户 的服务使用习惯信息的模型。
90.通过所述数据降维算法，可根据所述交互次数数据，从多个历史时间段与 多个智能音箱服务间的对应关系集中，确定用户偏好时间段与用户偏好服务间 的目标对应关系的算法。也就是说，所述数据降维算法可从对应关系集中选取 出目标对应关系，目标对应关系的数量可远远小于对应关系集中的关系数量。
91.所述数据降维算法可以是主成分分析算法。在一个示例中，通过主成分分 析算
法，根据所述交互次数数据，确定所述对应关系集的主成分信息，作为所 述目标对应关系。
92.具体实施时，服务端可根据用户与智能音箱间的历史交互行为数据，确定 用户在目标日期范围内的各个时间段针对各个交互领域(即上述音箱服务，又 称为音箱技能)的行为次数统计数据(即上述交互次数数据)；根据所述行为次 数统计数据，确定用户行为模式(即上述服务使用习惯信息)；以及，向与用户 对应的智能音箱推送与用户行为模式关联的消息(即上述用户偏好服务的相关 消息，如健康检测提醒信息，闹钟提醒信息，天气查询信息等)；智能音箱用于 接收所述消息，展示所述消息，以便于用户根据所述消息与智能音箱交互。
93.所述历史交互行为数据，包括用户历史上向智能音箱下达的指令信息，如 用户在何时向智能音箱下达何种领域(音箱服务)的交互指令。表1示出了本 实施例的服务端2中记录的所述历史交互行为数据。
[0094][0095][0096]
表1、用户与智能音箱间的历史交互行为数据
[0097]
由表1可见，服务端2搜集并记录了多个智能音箱用户的历史交互行为数 据。本技术实施例提供的所述系统，基于如表1所示的历史交互行为数据，服 务端2可针对各个用户，从用户的历史交互行为数据中挖掘出更深层次的用户 与智能音箱间的交互模式信息，该模式直接刻画用户、消息投放领域和投放时 间三者的关系。
[0098]
所述目标日期范围，可以是用户与智能音箱间所有交互的日期范围，如 2018/10/5至挖掘用户行为模式的日期；所述目标日期范围，也可以是用户与智 能音箱间最近交互
的一段时间范围，如最近一周工作日，最近两周工作日，最 近节假日期间，最近一个月的隔天日期等等。
[0099]
所述时间段，可以是以预设小时数为间隔的一天内的小时间段，如一天内 每4小时做为一个时间段，则一天包括6个时间段，可以是0-4点，4-8点，8 至12点，12-16点，16-20点，20-24点。具体实施时，也可以是每小时一个时 间段，或者8小时一个时间段，等等。
[0100]
所述行为次数统计数据，可以是用户在一天内的每个时间段分别针对各个 交互领域的行为次数数据。表2示出了本实施例的服务端2中记录的所述行为 次数统计数据。
[0101][0102][0103]
表2、用户的行为次数统计数据
[0104]
由表2可见，服务端2可为每个用户分别统计该用户在每天的各个时间段 针对各个交互领域的行为次数数据。
[0105]
请参考图4，其为本技术的消息推送系统的实施例的用户行为模式(即所述 用户的服务使用习惯信息)确定过程的示意图。在本实施例中，服务端2确定 所述行为次数统计数据的处理过程如下所述。
[0106]
第一步，根据每个用户的行为日志，为每个用户分别构造高维表示的用户 行为统计矩阵，具体可以设用户的日志涉及m个领域，形如：天气、时间、闹 钟、音乐等，并将每天24小时划分为n个小时段，可以按固定小时间隔(如4 小时间隔)划分，再分领域和时间段进行
行为次数统计，即：用户分别在m个 领域，n个时间段的访问次数。由图4可见，本步骤构建的高维矩阵可包括三个 维度：领域、时间段和日期，这三个维度的数据可以作为索引值使用，三维矩 阵上的每个元素值可为具体的行为次数数据。
[0107]
第二步，日期窗口(所述目标日期范围)选择：将以上统计数据按某一类 型日期窗口内顺序排列，得到图4所示的用户行为统计矩阵。在图4中，日期 窗口类型为最近三天，该矩阵包括最近三天的行为次数统计数据。
[0108]
第三步，通过降维模块，得到用户行为统计矩阵中的主成分，即：候选用 户行为模式及模式得分。也就是说，本实施例根据所述行为次数统计数据，确 定候选用户行为模式和模式得分。
[0109]
具体实施时，可通过主成分分析算法，根据所述行为次数统计数据，确定 所述候选用户行为模式和模式得分；也可以采用其他降维技术确定所述候选用 户行为模式和模式得分。
[0110]
在本实施例中，具体采用如下过程确定主成分矩阵，主成分可以是最主要 一个日期索引下的矩阵。1)假设日期窗口大小为d，通过日期窗口选择得到m xn x d的三维用户行为统计矩阵，其中m表示领域维度(即音箱服务维度)，n 表示时间段维度，d表示日期维度，行为次数统计数据是这三个坐标下的一个点 的数据，修改该矩阵的维度，将前两个维度拉平成一维，形成mn x d的二维矩 阵x；2)归一化预处理矩阵x，x＝(x-min(x))/(max(x)-min(x))；3) 对矩阵x执行去列均值的处理，x＝x-mean(x)；4)降维：采用pca方法进 行降维，对以上x进行奇异值svd分解，则有u，s，v＝svd(x)，其中u的每 一列为一个成分，仅保留最重要的成分，记u的第一列主成分为c(范数为1)， 将其转换成mxn的矩阵a＝(a)，矩阵a即主成分矩阵，该矩阵中的每个元素位置 对应的模式即为候选用户行为模式(即候选的目标对应关系)。
[0111]
第四步，从主成分中提取主模式，即：用户行为模式(即：目标对应关系)。 所述用户行为模式包括：交互领域与时间段间的对应关系。主模式，即主成分 中元素值排在前面的多个位置，位置所在的索引分别为领域和时间段，该位置 的值即该模式的权重(所述模式得分)。本实施例根据所述模式得分，确定所述 用户行为模式。
[0112]
具体实施时，可以是根据所述模式得分和得分阈值，确定所述用户行为模 式。服务端2可根据用户行为模式数量阈值，确定所述得分阈值。例如，设最 多有k(如由人工确定k＝4)个模式时，则所述得分阈值可以为1/(k*k)，选取 主成分矩阵中大于等于该阈值的元素a的坐标(i，j)，其中i表示领域，j表 示时间段，便取到用户行为模式对应的领域和时间段。
[0113]
第五步，若所述用户未采用所述用户行为模式与智能音箱交互，则向与用 户对应的智能音箱推送与用户行为模式关联的消息。
[0114]
所述与用户行为模式关联的消息，可以是用户行为模式引发的系统回复信 息，也可以是询问用户是否采用用户行为模式与音箱进行交互的提示信息。
[0115]
具体实施时，可以是按用户行为模式所在的领域进行相应的消息投放。例 如，假如以上得到用户a模式：天气时间段8：00-10：00，而某天用户在该时 间段虽然和系统进行交互，但未访问天气，则可投放天气信息至该用户音箱或 手机端的音箱app。或者是，当检测到用户本该出现的模式未出现时进行适当的 唤醒，如图2所示的通过音箱询问用户是否
查询第二天的天气。
[0116]
在一个示例中，服务端2在与日期类型相关的日期，执行所述确定服务使 用习惯的步骤。所述日期类型包括但不限于：节假日，也可是某个固定日期等 等；所述与日期类型相关的日期，包括但不限于:节假日期间，节假日结束后， 节假日开始前。如图2所示，服务端2可在假期结束后挖掘用户行为模式。
[0117]
在一个示例中，服务端至少根据所述交互次数数据，确定所述用户偏好周 期。具体实施时，可通过时间窗口滑动方式，确定所述目标对应关系的用户偏 好周期。例如，用户a的目标对应关系包括：天气时间段8：00-10：00，偏好 周期为“工作日前一天”，如周日至周四。
[0118]
此外，为了持续不断的挖掘用户行为模式，具体实施时，服务端2还可用 于将第二步的日期窗口进行滑动，这样可以得到用户行为模式持续的时间区间， 可包括用户行为模式的形成时间，上一次出现时间，等等。
[0119]
例如，在第二步选择工作日窗口类型，窗口大小为10日，则目标时间范围 包括：2020年1月6日到2020年1月17日的10个工作日，根据这10个工作 日的行为次数统计数据，可确定用户行为模式，根据该模式可确定何时向用户 推送何种消息，此时还可确定用户行为模式的形成时间。然后，将时间窗口向 后滑动一天，则得到下一个时间窗口为2020年1月7日到2020年1月20日， 根据该窗口内的用户行为统计矩阵，可确定前一天出现的用户行为模式是否再 次出现。
[0120]
请参考图5，其为本技术的消息推送系统的实施例的用户行为模式确定过程 的具体示意图。在本实施例中，为了根据合理的目标日期范围的行为次数统计 数据，挖掘出准确度更高的用户行为模式，服务端2还可用于通过降维模块， 得到用户行为统计矩阵的重建矩阵；根据所述重建矩阵，构建重建图像，向系 统相关人员显示该图像，该图像可包括体现用户行为模式的行为次数统计数据。 可采用标注的方法确定模式类型，包括日期窗口类型。标注，即对重建后的矩 阵，随机采样一批样本，直接可视化展示，让标注人员标注有哪些比较明显的 行为类型，具有探索的性质。
[0121]
所述重建矩阵，其维度可用户行为统计矩阵的维度相同，但只包括用户行 为统计矩阵中的部分数据，这部分数据可以是与确定出的用户行为模式相关的 行为次数统计数据，也就是说，重建矩阵可包括能够体现用户行为模式的数据。
[0122]
此外，系统相关人员还可根据该图像，对挖掘出的用户行为模式给出该模 式是否可用的标注信息。如果系统相关人员根据图像中的数据认为挖掘出的模 式会具有较高的消息投放转换率，则可所述系统投入使用；否则，如果所述系 统推送的消息无法达到一定的消息投放转换率，则可调整所述系统的参数，调 整的目标是：所述系统推送的消息要达到一定的消息投放转换率。
[0123]
具体实施时，还可采用聚类方法确定模式类型，包括日期窗口类型。如假 设可聚为x类，可选取重建后的矩阵，每个当成一个样本，得到所有的样本后， 选取某个聚类算法，得到x个聚类中心，将聚类中心可视化出来，可分析每类 领域的行为习惯，然后便提取得到最为典型的x类行为类型。
[0124]
综上所述，本技术实施例提供的所述系统的思路可以是先用高维表示向量 (用户行为统计矩阵)来刻画用户复杂的历史行为，再利用降维技术将该表示 向量进行降维(如
将三维的用户行为统计矩阵变换为二维的用户行为统计矩 阵)、重建(如上述重建矩阵)，对其可视化来探索可能存在的模式类型(如日 期窗口类型为最近一周工作日等等)，最后从主成分中提取出用户行为模式。
[0125]
在一个示例中，服务端2还用于确定日期范围类型(即上述日期窗口类型)； 至少根据所述日期范围类型，确定所述历史时间段。所述日期范围类型，包括 但不限于以下类型：工作日类型，周末类型，假日类型。
[0126]
具体实施时，可以是先根据所述日期范围类型，目标日期范围；然后，再 根据目标日期范围，确定所述历史时间段。
[0127]
在本实施例中，可以先通过人工方式设置一些日期范围类型，然后可根据 消息投放转换率，调整所述日期范围类型。所述消息投放转换率，可以是引发 用户与智能音箱交互的系统推送消息数量、与系统总推送消息数量间的比值。
[0128]
具体实施时，服务端2还用于接收智能音箱发送的用户交互请求；若所述 交互请求为由所述方法推送的消息引发的请求，则将所述消息标记为有效消息； 服务端2具体用于根据所述有效消息和消息总数量，确定消息投放转换率。此 外，服务端2还用于根据所述交互请求携带的用户指令数据，生成所述历史交 互行为数据。
[0129]
在确定日期范围类型后，可根据所述日期范围类型，确定所述目标日期范 围。具体实施时，可以确定多个日期范围类型，从而确定多个目标日期范围， 然后根据每个目标日期范围的行为次数统计数据，分别挖掘用户行为模式。此 外，还可针对不同领域确定不同的目标日期范围，以使得挖掘出更加准确的用 户行为模式。
[0130]
本实施例提供的所述系统，通过采用如图5所示的处理方式，使得确定出 更加合理的目标日期范围，可以避免该范围过大或过小，如果范围过大，则可 能过度挖掘出一些已经失效的用户行为模式，如果范围过小，则可能漏掉一些 实际有效的用户行为模式。在确定出更加合理的日期范围后，就可以根据该范 围的所述行为次数统计数据，挖掘出更加准确的用户行为模式；因此，可以有 效提升消息推送的精准度。
[0131]
从上述实施例可见，本技术实施例提供的消息推送系统，通过服务端根据 用户与智能音箱间的历史交互行为数据，确定用户在多个历史时间段针对多个 智能音箱服务的交互次数数据；通过基于数据降维算法的用户行为模式确定模 型，根据所述交互次数数据，从多个历史时间段与多个智能音箱服务间的对应 关系集中，确定用户偏好时间段与用户偏好服务间的目标对应关系，并确定目 标对应关系的用户偏好周期，形成所述用户的服务使用习惯信息；根据所述习 惯信息，以所述用户偏好周期在用户偏好时间段向所述用户的智能音箱推送用 户偏好服务的相关消息；智能音箱展示所述消息，以便于用户根据所述消息与 智能音箱交互；这种处理方式，使得根据用户行为数据，挖掘深层次的用户与 智能音箱间的交互模式信息，该模式直接刻画用户、消息投放领域(又称为音 箱服务或技能)和投放时间三者的关系，由此可避免人为地依赖简单的行为频 次统计数据进行消息推送决策；因此，可以有效提升智能音箱消息投放精准度， 确保精准地唤醒用户与智能音箱交互，由此提升消息投放转换率，从而提升用 户体验和用户活跃度。此外，这种处理方式使得自动化的确定用户与智能音箱 间的交互模式信息，自动化的向用户推送消息，因此，可以有效提升消息投放 效率，并且节约人力资源成本。
[0132]
第二实施例
[0133]
本技术实施例还提供一种消息推送方法。所述方法的执行主体可以是服务 器，也可以是能够执行所述方法的任意设备。在本实施例中，所述方法包括如 下步骤:
[0134]
步骤1：确定用户在多个历史时间段针对多个智能音箱服务的交互次数数 据；
[0135]
步骤2：通过基于数据降维算法的用户行为模式确定模型，根据所述交互次 数数据，从多个历史时间段与多个智能音箱服务间的对应关系集中，确定用户 偏好时间段与用户偏好服务间的目标对应关系，并确定目标对应关系的用户偏 好周期，形成所述用户的服务使用习惯信息；
[0136]
步骤3：根据所述习惯信息，以所述用户偏好周期在用户偏好时间段向所述 用户的智能音箱推送用户偏好服务的相关消息。
[0137]
在一个示例中，所述数据降维算法包括：主成分分析算法；通过主成分分 析算法，根据所述交互次数数据，确定所述对应关系集的主成分信息，作为所 述目标对应关系。
[0138]
在一个示例中，至少根据所述交互次数数据，确定所述用户偏好周期。
[0139]
在一个示例中，若所述用户未采用所述服务使用习惯与智能音箱交互，则 向用户的智能音箱推送相关消息。
[0140]
在一个示例中，在与日期类型相关的日期，执行确定所述服务使用习惯的 步骤。
[0141]
所述日期类型，包括但不限于：节假日；所述与日期类型相关的日期包括 但不限于:节假日期间，节假日结束后，节假日开始前。
[0142]
在一个示例中，所述方法还可包括如下步骤：确定日期范围类型；根据所 述日期范围类型，确定所述历史时间段。
[0143]
所述日期范围类型，包括但不限于：工作日类型，周末类型，假日类型。
[0144]
在一个示例中，所述确定日期范围类型，可包括如下子步骤：确定消息投 放转换率；至少根据所述消息投放转换率，确定所述日期范围类型。
[0145]
在一个示例中，所述方法还可包括如下步骤：接收智能音箱发送的用户交 互请求；若所述交互请求为由所述方法推送的消息引发的请求，则将所述消息 标记为有效消息；相应的，所述确定消息投放转换率，可采用如下方式：根据 所述有效消息，确定消息投放转换率。
[0146]
所述时间段，包括但不限于：以预设小时数量为时间段长度形成的时间段。
[0147]
所述服务，包括但不限于：时间问询服务，天气问询服务，闹钟提醒服务， 音乐播放服务。
[0148]
第三实施例
[0149]
与上述的消息推送方法相对应，本技术还提供一种消息推送装置。由于装 置实施例基本相似于方法实施例一，所以描述得比较简单，相关之处参见方法 实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
[0150]
本技术提供一种消息推送装置，包括：
[0151]
数据统计单元，用于确定用户在多个历史时间段针对多个智能音箱服务的 交互次数数据；
[0152]
用户行为模式确定单元，用于通过基于数据降维算法的用户行为模式确定 模型，根据所述交互次数数据，从多个历史时间段与多个智能音箱服务间的对 应关系集中，确定用户偏好时间段与用户偏好服务间的目标对应关系，并确定 目标对应关系的用户偏好周
期，形成所述用户的服务使用习惯信息；
[0153]
消息推送单元，用于根据所述习惯信息，以所述用户偏好周期在用户偏好 时间段向所述用户的智能音箱推送用户偏好服务的相关消息。
[0154]
第四实施例
[0155]
与上述的消息推送方法相对应，本技术还提供一种电子设备。由于设备实 施例基本相似于方法实施例一，所以描述得比较简单，相关之处参见方法实施 例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
[0156]
本技术提供一种电子设备，包括：处理器和存储器，用于存储实现消息推 送方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述 步骤：确定用户在多个历史时间段针对多个智能音箱服务的交互次数数据；通 过基于数据降维算法的用户行为模式确定模型，根据所述交互次数数据，从多 个历史时间段与多个智能音箱服务间的对应关系集中，确定用户偏好时间段与 用户偏好服务间的目标对应关系，并确定目标对应关系的用户偏好周期，形成 所述用户的服务使用习惯信息；根据所述习惯信息，以所述用户偏好周期在用 户偏好时间段向所述用户的智能音箱推送用户偏好服务的相关消息。
[0157]
第五实施例
[0158]
本技术实施例还提供一种消息推送方法。所述方法的执行主体可以是智能 音箱，也可以是能够执行所述方法的任意设备，如智能手机等等。在本实施例 中，所述方法包括如下步骤:
[0159]
步骤1：接收服务端推送的与用户对智能音箱服务的使用习惯关联的消息；
[0160]
步骤2：展示所述消息，以便于用户根据所述消息与智能音箱交互；
[0161]
其中，所述消息采用如下方式确定：确定用户在多个历史时间段针对多个 智能音箱服务的交互次数数据；通过基于数据降维算法的用户行为模式确定模 型，根据所述交互次数数据，从多个历史时间段与多个智能音箱服务间的对应 关系集中，确定用户偏好时间段与用户偏好服务间的目标对应关系，并确定目 标对应关系的用户偏好周期，形成所述用户的服务使用习惯信息；根据所述习 惯信息，以所述用户偏好周期在用户偏好时间段向所述用户的智能音箱推送用 户偏好服务的相关消息。
[0162]
第六实施例
[0163]
与上述的消息推送方法相对应，本技术还提供一种消息推送装置。由于装 置实施例基本相似于方法实施例一，所以描述得比较简单，相关之处参见方法 实施例的部分说明即可。下述描述的装置实施例仅仅是示意性的。
[0164]
本技术提供一种消息推送装置，包括：
[0165]
消息接收单元，用于接收服务端推送的与用户对智能音箱服务的使用习惯 关联的消息；
[0166]
消息展示单元，用于展示所述消息，以便于用户根据所述消息与智能音箱 交互；
[0167]
其中，所述消息采用如下方式确定：确定用户在多个历史时间段针对多个 智能音箱服务的交互次数数据；通过基于数据降维算法的用户行为模式确定模 型，根据所述交互次数数据，从多个历史时间段与多个智能音箱服务间的对应 关系集中，确定用户偏好时间段与用户偏好服务间的目标对应关系，并确定目 标对应关系的用户偏好周期，形成所述用户的服务使用习惯信息；根据所述习 惯信息，以所述用户偏好周期在用户偏好时间段向所
述用户的智能音箱推送用 户偏好服务的相关消息。
[0168]
第七实施例
[0169]
与上述的消息推送方法相对应，本技术还提供一种智能音箱。由于设备实 施例基本相似于方法实施例一，所以描述得比较简单，相关之处参见方法实施 例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
[0170]
本技术提供一种智能音箱，包括：处理器和存储器，用于存储实现消息推 送方法的程序，该设备通电并通过所述处理器运行该方法的程序后，执行下述 步骤：接收服务端推送的与用户对智能音箱服务的使用习惯关联的消息；展示 所述消息，以便于用户根据所述消息与智能音箱交互；其中，所述消息采用如 下方式确定：确定用户在多个历史时间段针对多个智能音箱服务的交互次数数 据；通过基于数据降维算法的用户行为模式确定模型，根据所述交互次数数据， 从多个历史时间段与多个智能音箱服务间的对应关系集中，确定用户偏好时间 段与用户偏好服务间的目标对应关系，并确定目标对应关系的用户偏好周期， 形成所述用户的服务使用习惯信息；根据所述习惯信息，以所述用户偏好周期 在用户偏好时间段向所述用户的智能音箱推送用户偏好服务的相关消息。
[0171]
第八实施例
[0172]
本技术实施例还提供一种用户习惯信息确定方法的流程图。所述方法的执 行主体可以是服务器，也可以是能够执行所述方法的任意设备。在本实施例中， 所述方法包括如下步骤:
[0173]
步骤1：确定用户在多个历史时间段针对多个智能音箱服务的交互次数数 据；
[0174]
步骤2：通过基于数据降维算法的用户行为模式确定模型，根据所述交互次 数数据，从多个历史时间段与多个智能音箱服务间的对应关系集中，确定用户 偏好时间段与用户偏好服务间的目标对应关系；
[0175]
步骤3：确定目标对应关系的用户偏好周期，由所述目标对应关系和所述用 户偏好周期形成所述用户的智能音箱服务使用习惯信息。
[0176]
在一个示例中，所述方法还可包括如下步骤：若所述习惯为健康习惯，则 以所述用户偏好周期，在用户偏好时间段向所述用户的智能音箱推送用户偏好 服务的相关消息。
[0177]
在一个示例中，所述方法还可包括如下步骤：若所述习惯为不健康习惯， 则向用户的智能音箱发送健康提示信息。
[0178]
采用这种处理方式，使得可根据健康的用户使用智能音箱服务习惯，向用 户推送服务相关的消息，并可以提醒用户不健康的使用习惯；因此，可以有效 提升用户体验。
[0179]
具体实施时，可以是预先设置健康的习惯，如早上5点至晚上11点间使用 某个音箱服务是健康习惯等等，如果用户的目标对应关系符合预设的健康习惯， 则可以向其音箱推送该目标对应关系涉及的用户偏好服务的相关消息；如果用 户的目标对应关系不符合预设的健康习惯，则可以向其音箱推送该目标对应关 系涉及的用户偏好服务的健康提示信息。
[0180]
从上述实施例可见，本技术实施例提供的用户习惯信息确定方法，通过确 定用户在多个历史时间段针对多个智能音箱服务的交互次数数据；通过基于数 据降维算法的用户行为模式确定模型，根据所述交互次数数据，从多个历史时 间段与多个智能音箱服务间的对应关系集中，确定用户偏好时间段与用户偏好 服务间的目标对应关系；确定目标对应
关系的用户偏好周期，由所述目标对应 关系和所述用户偏好周期形成所述用户的智能音箱服务使用习惯信息；这种处 理方式，使得根据用户行为数据，挖掘深层次的用户与智能音箱间的交互模式 信息，该模式直接刻画用户、消息投放领域(又称为音箱服务或技能)和投放 时间三者的关系，由此可避免人为地依赖简单的行为频次统计数据进行消息推 送决策；因此，可以有效提升智能音箱消息投放精准度，确保精准地唤醒用户 与智能音箱交互，由此提升消息投放转换率。
[0181]
第九实施例
[0182]
与上述的用户习惯信息确定方法相对应，本技术还提供一种用户习惯信息 确定装置。由于装置实施例基本相似于方法实施例一，所以描述得比较简单， 相关之处参见方法实施例的部分说明即可。下述描述的装置实施例仅仅是示意 性的。
[0183]
本技术提供一种用户习惯信息确定装置，包括：
[0184]
数据统计单元，用于确定用户在多个历史时间段针对多个智能音箱服务的 交互次数数据；
[0185]
目标对应关系确定单元，用于通过基于数据降维算法的用户行为模式确定 模型，根据所述交互次数数据，从多个历史时间段与多个智能音箱服务间的对 应关系集中，确定用户偏好时间段与用户偏好服务间的目标对应关系；
[0186]
周期确定单元，用于确定目标对应关系的用户偏好周期，由所述目标对应 关系和所述用户偏好周期形成所述用户的智能音箱服务使用习惯信息。
[0187]
第十实施例
[0188]
与上述的用户行为模式方法相对应，本技术还提供一种电子设备。由于设 备实施例基本相似于方法实施例一，所以描述得比较简单，相关之处参见方法 实施例的部分说明即可。下述描述的设备实施例仅仅是示意性的。
[0189]
本技术提供一种电子设备，包括：处理器和存储器，用于存储实现用户习 惯信息确定方法的程序，该设备通电并通过所述处理器运行该方法的程序后， 执行下述步骤：确定用户在多个历史时间段针对多个智能音箱服务的交互次数 数据；通过基于数据降维算法的用户行为模式确定模型，根据所述交互次数数 据，从多个历史时间段与多个智能音箱服务间的对应关系集中，确定用户偏好 时间段与用户偏好服务间的目标对应关系；确定目标对应关系的用户偏好周期， 由所述目标对应关系和所述用户偏好周期形成所述用户的智能音箱服务使用习 惯信息。
[0190]
本技术虽然以较佳实施例公开如上，但其并不是用来限定本技术，任何本 领域技术人员在不脱离本技术的精神和范围内，都可以做出可能的变动和修改， 因此本技术的保护范围应当以本技术权利要求所界定的范围为准。
[0191]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输 出接口、网络接口和内存。
[0192]
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram) 和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。内存是 计算机可读介质的示例。
[0193]
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由 任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程 序的模块或其他
数据。计算机的存储介质的例子包括，但不限于相变内存 (pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类 型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器 (eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字 多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性 存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按 照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitorymedia)，如调制的数据信号和载波。
[0194]
2、本领域技术人员应明白，本技术的实施例可提供为方法、系统或计算机 程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例或结合软件 和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计 算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、 光学存储器等)上实施的计算机程序产品的形式。