数据推送方法、装置及服务器与流程

1.本公开涉及数据处理技术领域，尤其涉及一种数据推送方法、装置及服务器。


背景技术：

2.随着电子设备技术的发展，终端设备上可以安装越来越多的应用程序，且终端设备上可以安装同类型的应用程序供用户进行选择，比如，针对一用户，该用户的终端设备上可以安装多个视频应用程序供该用户进行选择。在该应用场景下，服务器通常会向应用程序的访问用户推送数据。
3.然而，目前服务器主要是依据用户的行为习惯给用户推送数据，这样，在向一些用户推送大量数据的情况下，可能无法为应用程序产生额外的访问用户，或者为应用程序仅产生少量的访问用户，从而导致目前服务器对数据的推送效果比较差。


技术实现要素：

4.本公开提供一种数据推送方法、装置及服务器，以至少解决相关技术中目前服务器对数据的推送效果比较差的问题。本公开的技术方案如下：
5.根据本公开实施例的第一方面，提供一种数据推送方法，包括：
6.响应于接收到的访问请求，检测发送所述访问请求的访问账户是否为目标分类中的账户，其中，所述访问请求用于请求获取平台数据；
7.若所述访问账户为所述目标分类中的账户，则基于调整参数，从候选平台数据中确定出平台推荐数据，其中，所述调整参数用于在确定平台推荐数据的过程中，调整目标类别数据在平台推荐数据中的比例，所述目标类别数据属于对数据执行交互操作之后，发生新增访问事件的数据；
8.向所述访问账户返回包含有所述目标类别数据的平台推荐数据。
9.可选的，所述基于调整参数，从候选平台数据中确定出平台推荐数据的步骤包括：
10.获取候选平台数据中的目标类别数据；
11.从所述候选平台数据的目标类别数据中确定出第一平台推荐数据，所述第一平台推荐数据在所述平台推荐数据的占比与所述调整参数对应比例匹配；
12.在所述平台推荐数据中还包括第二平台推荐数据的情况下，从所述候选平台数据除所述目标类别数据之外的数据中确定出所述第二平台推荐数据。
13.可选的，所述检测发送所述访问请求的访问账户是否为目标分类中的账户的步骤包括：
14.获取所述访问账户的属性信息；
15.将所述访问账户的属性信息与所述目标分类对应的属性信息进行比对，获得比对结果；
16.基于所述比对结果，确定所述访问账户是否为所述目标分类中的账户；
17.其中，在所述比对结果表明比对成功的情况下，确定所述访问账户为所述目标分
类中的账户，在所述比对结果表明比对失败的情况下，确定所述访问账户不为所述目标分类中的账户。
18.可选的，所述向所述访问账户返回包含有所述目标类别数据的平台推荐数据的步骤之前，所述方法还包括：
19.对所述平台推荐数据中的各数据进行排序；其中，所述目标类别数据位于所述平台推荐数据中除所述目标类别数据之外的数据之前；
20.所述向所述访问账户返回包含有所述目标类别数据的平台推荐数据的步骤包括：
21.向所述访问账户返回排序后的所述平台推荐数据。
22.检测模块，被配置为执行响应于接收到的访问请求，检测发送所述访问请求的访问账户是否为目标分类中的账户，其中，所述访问请求用于请求获取平台数据；
23.确定模块，被配置为执行若所述访问账户为所述目标分类中的账户，则基于调整参数，从候选平台数据中确定出平台推荐数据，其中，所述调整参数用于在确定平台推荐数据的过程中，调整目标类别数据在平台推荐数据中的比例，所述目标类别数据属于对数据执行交互操作之后，发生新增访问事件的数据；
24.推送模块，被配置为执行向所述访问账户返回包含有所述目标类别数据的平台推荐数据。
25.可选的，所述确定模块包括：
26.第一获取单元，被配置为执行获取候选平台数据中的目标类别数据；
27.第一确定单元，被配置为执行从所述候选平台数据的目标类别数据中确定出第一平台推荐数据，所述第一平台推荐数据在所述平台推荐数据的占比与所述调整参数对应比例匹配；
28.第二确定单元，被配置为执行在所述平台推荐数据中还包括第二平台推荐数据的情况下，从所述候选平台数据除所述目标类别数据之外的数据中确定出所述第二平台推荐数据。
29.可选的，所述检测模块包括：
30.第二获取单元，被配置为执行获取所述访问账户的属性信息；
31.比对单元，被配置为执行将所述访问账户的属性信息与所述目标分类对应的属性信息进行比对，获得比对结果；
32.检测单元，被配置为执行基于所述比对结果，确定所述访问账户是否为所述目标分类中的账户；
33.其中，在所述比对结果表明比对成功的情况下，确定所述访问账户为所述目标分类中的账户，在所述比对结果表明比对失败的情况下，确定所述访问账户不为所述目标分类中的账户。
34.可选的，所述装置还包括：
35.排序模块，被配置为执行对所述平台推荐数据中的各数据进行排序；其中，所述目标类别数据位于所述平台推荐数据中除所述目标类别数据之外的数据之前；
36.所述推送模块，具体被配置为执行向所述访问账户返回排序后的所述平台推荐数据。
37.根据本公开实施例的第三方面，提供一种服务器，包括：
38.处理器；
39.用于存储所述处理器可执行指令的存储器；
40.其中，所述处理器被配置为执行所述指令，以实现第一方面中任一项所述的数据推送方法。
41.根据本公开实施例的第四方面，提供一种存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得服务器能够执行第一方面中任一项所述的数据推送方法。
42.根据本公开实施例的第五方面，提供一种计算机程序产品，包括：可执行指令，当所述可执行指令在计算机上运行时，使得计算机能够执行第一方面中任一项所述的数据推送方法。
43.本公开的实施例提供的技术方案至少带来以下有益效果：
44.在接收到目标分类中的账户发送的用于请求获取平台数据的访问请求的情况下，通过向目标分类中的账户返回包含有目标类别数据的平台推荐数据。由于，目标类别数据属于对数据执行交互操作之后，发生新增访问事件的数据，因此，向目标分类中的账户推送目标类别数据，可以吸引目标分类中的账户的兴趣，这样，可以提高目标分类中的账户对目标类别数据执行交互操作的概率，从而可以提高服务器发生新增访问事件的概率，进而可以提高数据的推送效果。
45.并且，在确定平台推荐数据的过程中，可以基于调整参数调整目标类别数据在平台推荐数据中的比例，这样，根据目标分类中的不同账户，若调整参数不同，可以推送不同比例的目标类别数据，从而可以为目标分类中的账户实现数据的个性化推送，进而可以进一步提高数据的推送效果。
46.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
47.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
48.图1是根据一示例性实施例示出的一种数据推送方法的流程图；
49.图2是应用程序的用户破圈示意图；
50.图3是分桶来定义的用户与第一破圈系数的对应关系图；
51.图4是各用户的第一破圈系数与目标参数的倒数的关系示意图；
52.图5是根据一示例性实施例示出的一种数据推送装置的框图；
53.图6是根据一示例性实施例示出的一种服务器的框图。
具体实施方式
54.为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
55.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或
描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
56.图1是根据一示例性实施例示出的一种数据推送方法的流程图，如图1所示，所述数据推送方法应用于服务器中，包括以下步骤：
57.在步骤s101中，响应于接收到的访问请求，检测发送所述访问请求的访问账户是否为目标分类中的账户，其中，所述访问请求用于请求获取平台数据；
58.在步骤s102中，若所述访问账户为所述目标分类中的账户，则基于调整参数，从候选平台数据中确定出平台推荐数据，其中，所述调整参数用于在确定平台推荐数据的过程中，调整目标类别数据在平台推荐数据中的比例，所述目标类别数据属于对数据执行交互操作之后，发生新增访问事件的数据；
59.在步骤s103中，向所述访问账户返回包含有所述目标类别数据的平台推荐数据。
60.在步骤s101中，首先来介绍本实施例的应用场景，应用于数据推送系统，可以包括客户端和服务器。用户可以在客户端上登录应用程序，以浏览应用程序上的数据，客户端在监听到用户的登录事件时，可以向服务器发送访问请求，以请求获取平台数据给用户浏览。相应的，服务器可以接收访问账户的访问请求，并进行响应，以为该访问账户进行数据推送，并在确定出平台推荐数据之后返回给该访问账户。
61.客户端接收服务器发送的平台推荐数据，显示该平台推荐数据，给该访问账户对应用户进行浏览。其中，该平台推荐数据包括目标类别数据，其目的是提高访问账户对应用户的交互操作，以为应用程序扩展新的用户。
62.其中，平台数据可以为多媒体数据，即可以为视频、音频或电子书等数据，以下以视频为例进行详细说明。
63.在该步骤中，发送访问请求的访问账户可以为应用程序的站内用户，所述应用程序的站内用户可以理解为应用程序的注册用户，其与应用程序的站外用户是相反的概念。服务器在向访问账户返回平台推荐数据时，其需要考虑其推送的数据可以提高站内用户的交互操作(该交互操作可以包括分享操作)，以为应用程序的站外用户提供数据入口，为应用程序的站外用户转化为该应用程序的站内用户提供条件。
64.其中，应用程序的注册用户可以理解为在应用程序已注册的用户，也可以理解为在应用程序已实名认证的用户，还可以理解为在应用程序已注册升级的重要用户(如vip用户)。
65.所述站外用户可以包括两种，第一种是与站内用户同性质的用户，可以称之为站外同质用户，比如与站内用户的年龄阶段相同，或者与站内用户的职业相同，或者与站内用户所处的城市等级相同等等。第二种是与站内用户不同性质的用户，可以称之为站外差异用户，比如与站内用户的年龄阶段不同，或者与站内用户的职业不同，或者与站内用户所处的城市等级不同等等。
66.本实施例的目的即在于向应用程序的站内用户推送数据，以使站内用户可以根据推送的数据拉新到站外用户，从而扩展应用程序的使用用户，打破该应用程序固有的使用群体，实现应用程序的用户破圈。
67.参见图2，图2是应用程序的用户破圈示意图，如图2所示，破圈的意义有两种，第一
种是将现有的圈子扩大，即将应用程序的站外同质用户拉入至该应用程序的站内用户的圈子内来，使应用程序的站内用户的圈子扩大，可以称之为同质用户破圈。第二种是将突破到另一圈子，即将应用程序的站外差异用户拉入至该应用程序的站内用户的圈子内来，使应用程序的站内用户的圈子扩大，可以称之为差异用户破圈。
68.服务器在接收到访问请求的情况下，可以查询访问账户是站内用户还是站外用户，在确定访问账户为站内用户的情况下，检测该访问账户是否为目标分类中的账户。其中，目标分类中的账户可以称之为破圈用户，破圈用户可以理解为突破现有圈子概率比较大的用户，平台数据通常比较不符合其调性，其喜欢的视频与站外用户喜欢的视频的相似程序高，使得其拉新能力强，即为应用程序扩展新的用户的能力强。
69.在步骤s102中，若检测到该访问账户为破圈用户，则基于调整参数，从候选平台数据中确定出平台推荐数据。
70.其中，调整参数可以称之为第一破圈系数，破圈用户可以通过该第一破圈系数来评估，第一破圈系数用于表征站内用户喜欢的视频与站外用户群体喜欢的视频的相似程度，也就是说，第一破圈系数可以表征站内用户的拉新能力。第一破圈系数越大，则表明该站内用户喜欢的视频与该站内用户对应的站外用户群体喜欢的视频相似程度高，而使得该站内用户的拉新能力越强，越有可能拉新到站外用户。
71.比如，站内用户喜欢视频a，该站内用户对应的站外用户群体有很大比例也喜欢视频a，或者站内用户非常喜欢视频a，该站内用户对应的站外用户群体对于视频a的喜欢程度与站内用户相似，也非常喜欢视频a，则说明该站内用户的第一破圈系数高，其拉新能力强。
72.在该步骤中，候选平台数据中可以大致分为两类，第一类为目标类别数据，第二类为除目标类别数据之外的数据。其中，目标类别数据属于对数据执行交互操作之后，发生新增访问事件的数据。当候选平台数据为视频时，目标类别数据可以称之为破圈视频，破圈视频可以理解为站内用户喜欢的视频中与站外用户喜欢的视频中相似程度高的视频。
73.比如，站内用户喜欢视频a、视频b和视频c，而站外用户群体喜欢视频a、视频d和视频e，则破圈视频即为视频a。也就是说，破圈视频为站内用户和站外用户群体均喜欢的视频。因此，在站内用户对破圈视频执行交互操作(该交互操作可以包括分享操作)之后，通常可以引起站外用户的兴趣，从而引导站外用户注册成为应用程序的站内用户，服务器即可发生新增访问事件。
74.所述调整参数用于在确定平台推荐数据的过程中，调整目标类别数据在平台推荐数据中的比例，也就是说，目标类别数据在平台推荐数据中的占比与第一破圈系数对应，即在第一破圈系数大的情况下，平台推荐数据中的破圈视频数量相应多一些，在第一破圈系数相对比较小的情况下，平台推荐数据中的破圈视频数量相应少一些。
75.比如，若一访问账户的第一破圈系数为1.04，平台推荐数据中破圈视频数量为8个，而另一访问账户的第一破圈系数为1，在推荐相同数量的平台推荐数据的情况下，其中的破圈视频数量为5个，向该访问账户推荐的破圈视频数量相对比向第一破圈系数为1.04的访问账户推荐的破圈视频数量少。
76.在步骤s103中，向所述访问账户返回包含有所述目标类别数据的平台推荐数据。其中，平台推荐数据中至少包括破圈视频，当然，破圈视频在平台推荐数据中的占比不为1的情况下，平台推荐数据中还包括第二类数据。
77.在向访问账户返回平台推荐数据时，可以按照随机顺序返回，也可以将平台推荐数据进行排序后返回，这里不做具体限定。
78.本实施例中，由于对于破圈用户，平台的内容通常比较不符合其调性，因此，通过向破圈用户推送破圈视频，可以提高破圈用户对于破圈视频的点击意愿，且提高其分享意愿。并且，对于破圈用户，其喜欢的视频与站外用户群体喜欢的视频的相似程度高，因此，若将破圈视频分享至站外之后，也会引起站外用户群体的兴趣，从而可以引导站外用户注册成为应用程序的站内用户，实现应用程序的用户破圈。如此可以从服务器的推荐策略上来扩展应用程序的使用用户，降低了应用程序的推广成本，因此，本实施例中服务器对数据的推送效果比较好。
79.可选的，基于实施例一，所述步骤s102具体包括：
80.获取候选平台数据中的目标类别数据；
81.从所述候选平台数据的目标类别数据中确定出第一平台推荐数据，所述第一平台推荐数据在所述平台推荐数据的占比与所述调整参数对应比例匹配；
82.在所述平台推荐数据中还包括第二平台推荐数据的情况下，从所述候选平台数据除所述目标类别数据之外的数据中确定出所述第二平台推荐数据。
83.在实际应用中，破圈视频可以通过第二破圈系数来评估，第二破圈系数可以表征视频的拉新效率，也就是说，第二破圈系数可以理解为若视频分享至站外之后，其可以拉新站外用户的概率。在分享的视频与站外用户群体喜欢的视频相似程度高的情况下，通常拉新站外用户的概率大，第二破圈系数也就比较大，因此，第二破圈系数也可以用于表征站内用户喜欢的视频与站外用户群体喜欢的视频的相似程度。
84.视频的第二破圈系数可以通过预测得到，具体的，可以基于预先训练的预测模型，预测应用程序上已有视频的第二破圈系数。
85.其中，该预测模型可以基于多个训练样本视频和所述多个训练样本视频的标签数据对预设模型进行训练获得；所述多个训练样本视频为预设时间段内在应用程序上分享出去的视频，第一训练样本视频的标签数据为基于所述第一训练样本视频单次分享的拉新设备数为所述第一训练样本视频建立标签的数据，所述第一训练样本视频为所述多个训练样本视频中任一训练样本视频。
86.所述预设时间段可以根据实际情况进行设置，比如相对于当前时间之前的三个月，所述多个训练样本视频可以为最近三个月内从应用程序分享出去的，且分享次数大于或等于预设次数如200次的视频。可以针对分享出去的视频，计算该视频单次分享拉新设备数，所述单次分享拉新设备数＝拉新设备数/分享次数。
87.可以基于训练样本视频的单次分享拉新设备数为训练样本视频建立标签，获得标签数据。其中，训练样本视频可以包括正样本和负样本，正样本可以定义为单次分享拉新设备数大于0.01的训练样本视频，负样本可以定义为单次分享拉新设备数小于0.005的训练样本视频。相应的，可以为正样本的训练样本视频的标签数据设置为1，负样本的训练样本视频的标签数据设置为0。
88.基于多个训练样本视频和所述多个训练样本视频的标签数据对预设模型进行训练获得该预测模型之后，可以使用该预测模型预测应用程序上其他视频的第二破圈系数。具体的，将应用程序上数据输入至该预测模型，该预测模型可以对视频固有特征(包括视频
时长和视频文字面积等)，作者属性(包括数量、性别、年龄和地理位置分布等)，视频操作指标(包括点赞率、关注率和长播率等)进行分析，即可输出第二破圈系数，该第二破圈系数可以为0至1之间的任一值。
89.这里，通过统计应用程序上以广告投放方式分享出去的视频的单次分享拉新设备数，并基于单次分享拉新设备数对视频进行标注，从而使得分享出去的视频可以有效地被量化，进而可以训练得到预测模型，使得基于该预测模型预测应用程序上视频的第二破圈系数更具有解释性。
90.之后，可以基于视频的第二破圈系数，获取候选平台数据中的破圈视频。由于破圈视频为站内用户喜欢的视频中与站外用户群体喜欢的视频中相似程度高的视频，因此，破圈视频可以为应用程序上第二破圈系数大于预设阈值的视频，预设阈值通常比较大，如可以设置为大于或等于0.5的任一值。
91.服务器可以存储候选平台数据中各视频的第二破圈系数，且可以将第二破圈系数大于预设阈值的视频标记为破圈视频，相应的，获取候选平台数据中的破圈视频。
92.在获取候选平台数据中的破圈视频之后，可以从所述候选平台数据的目标类别数据中确定出第一平台推荐数据，所述第一平台推荐数据在所述平台推荐数据的占比与所述调整参数对应比例匹配。
93.比如，若平台推荐数据的数量为10条，而调整参数对应比例为0.8，即第一平台推荐数据的数量为8条，则从候选平台数据的破圈视频中挑出8条，其中，这8条可以随机挑出，也可以挑出第二破圈系数排列在前的破圈视频，亦或是通过其他策略挑出8条破圈视频，这里不做具体限定。
94.在调整参数对应比例小于1的情况下，即破圈视频在平台推荐数据的占比小于1的情况下，表示平台推荐数据中还包括第二平台推荐数据，如上述例子，平台推荐数据中还包括两条其他的视频，此时，从所述候选平台数据除破圈视频之外的视频中挑出另外两条视频。
95.本实施例中，通过获取候选平台数据中的破圈视频，并基于调整参数从候选平台数据的破圈视频和除破圈视频之外的视频中分别获取第一平台推荐数据和第二平台推荐数据，从而可以为访问账户进行个性化的数据推送，提高视频的推送效果。
96.可选的，基于实施例一，所述步骤s101具体包括：
97.获取所述访问账户的属性信息；
98.将所述访问账户的属性信息与所述目标分类对应的属性信息进行比对，获得比对结果；
99.基于所述比对结果，确定所述访问账户是否为所述目标分类中的账户；
100.其中，在所述比对结果表明比对成功的情况下，确定所述访问账户为所述目标分类中的账户，在所述比对结果表明比对失败的情况下，确定所述访问账户不为所述目标分类中的账户。
101.服务器可以预先获取破圈用户的属性信息并进行存储，且在获取破圈用户的属性信息之前，需首先确定哪些属性的用户属于破圈用户，以下对此进行详细说明。
102.具体的，用户的属性信息可以从不同层次来定义。比如，分维度来定义，参见表1，表1是分维度来定义的用户与第一破圈系数的对应关系表，如下表1所示，可以从不同维度
来定义用户，如南北方维度、城市等级维度、年龄段维度和性别维度等，从南北方维度来看，用户可以分为北方用户和南方用户，从城市等级维度来看，用户可以分为一线新一线城市的用户、二三线城市的用户和四五线城市的用户。每种属性的用户都可以对应有一个第一破圈系数。
103.表1分维度来定义的用户与第一破圈系数的对应关系表
[0104][0105]
又比如，分桶来定义，参见图3，图3是分桶来定义的用户与第一破圈系数的对应关系图，如图3所示，可以从不同桶来定义用户，若从上述4个维度来看，可以分为36个桶，每个桶都代表一种属性的用户，如属性为南方的、四五线城市的、40岁多的男性的用户，属性为北方的、一线新一线城市的、13岁至22岁之间的女性的用户等等。
[0106]
每种属性的用户都可以对应有一个第一破圈系数，该第一破圈系数可以是经过标准化后的破圈系数，可以将一属性的用户的破圈系数去除以各种属性的用户的破圈系数的平均值，得到该属性的用户的第一破圈系数，根据该属性的用户的第一破圈系数与平均值的大小关系，其值可以大于1，也可以小于1。
[0107]
需要说明的是，以上的属性划分只是举例说明，对于不同维度，也可以按照其他趋势进行划分，比如，针对年龄段维度，可以划分成其他三个属性，分别为12至23岁，24岁至40岁，41岁以上。当然，对于不同维度，也可以划分成更多属性或者划分成更少属性，比如，针对城市等级维度，可以划分成五个属性，分别为一线新一线，二线，三线，四线，五线。
[0108]
针对每种属性的用户，其第一破圈系数可以通过以下方式来计算。具体的，可以获取该属性的用户针对破圈视频的第一点击率，以及获取该属性的用户针对平台上的已有视频的第二点击率，将第一点击率除以第二点击率，即可以计算得到该属性用户的第一破圈系数。
[0109]
为了验证计算获得的第一破圈系数符合认知，可以很好的表征站内用户喜欢的视频与站外用户群体喜欢的视频的相似程度，以准确地根据该第一破圈系数，确定出破圈用户，可以对其进行离线验证。具体的，第一破圈系数与用户对应的目标参数呈负相关，目标参数基于用户的留存率和渗透率计算获得。
[0110]
参见图4，图4是各用户的第一破圈系数与目标参数的倒数的关系示意图，如图4所
示，以12桶用户即n＝12为例，用户的第一破圈系数越大，目标参数的倒数则越大，而用户的第一破圈系数越小，目标参数的倒数则越小，可知，各用户的第一破圈系数与目标参数的倒数的秩相关系数比较高，经过计算，各用户的第一破圈系数与目标参数的倒数的spearman秩相关系数为0.9。根据spearman秩相关系数检验的临界值表，在n＝12时，显著水平为0.01的临界值为0.7，因此，可以证明spearman秩相关系数比较符合认知。
[0111]
而若想同时达到同质用户破圈和差异用户破圈的目的，各用户的第一破圈系数应该与目标参数的倒数的秩相关性高，即spearman秩相关系数大，也就是说，各用户的第一破圈系数应该与目标参数的倒数的排序一致性高。比如，第一破圈系数从高至低的排序为用户a、用户b、用户c、用户d和用户e，目标参数的倒数从高至低的排序为用户a、用户c、用户b、用户d和用户e，其排序一致性高，因此，各用户的第一破圈系数比较合理。
[0112]
其中，目标参数通过留存率乘以渗透率计算获得，第一破圈系数与目标参数呈负相关。举几个例子来说，属性为南方的、40岁多的男性用户针对应用程序的留存率低，且渗透率低，其第一破圈系数应该比较大；属性为北方、13岁至22岁的女性用户的留存率高，且渗透率高，其第一破圈系数应该比较小。
[0113]
经过上述验证，可以得出各用户的第一破圈系数比较符合认知，从而可以准确地根据该第一破圈系数，确定出破圈用户。
[0114]
进一步的，如上表1所述，分维度来看，第一破圈系数大的用户即破圈用户的主要特征为：偏南方、偏一线新一线、偏高龄段以及偏女性，也就是说，这些属性的用户比其他属性的用户喜欢的视频，相对于站外用户群体喜欢的视频相似程度高，更愿意去点击破圈视频。而分桶来看，破圈用户的主要特征为：高年龄段的用户，平台的内容比较不符合他们的调性，其点击破圈视频的意愿较高，北方低年龄段的女性用户，平台的内容比较符合他们的调性，点击破圈视频的意愿较低。
[0115]
服务器获取并存储破圈用户的属性信息之后，在接收到访问账户的访问请求时，可以获取该访问账户的属性信息，并将该访问账户的属性信息与破圈用户的属性信息进行比对，以确定该访问账户是否为破圈用户。比如，存储的破圈用户的属性信息为高年龄段，若访问账户的属性信息为高年龄段，则表明该访问账户为破圈用户。
[0116]
若访问账户是破圈用户，则有针对性地向该访问账户推送一些破圈视频，如此可以提高数据的推送效果。若访问账户不为破圈用户，则按照推荐策略正常推送即可。
[0117]
可选的，基于实施例一，所述步骤s103之前，所述方法还包括：
[0118]
对所述平台推荐数据中的各数据进行排序；其中，所述目标类别数据位于所述平台推荐数据中除所述目标类别数据之外的数据之前；
[0119]
所述步骤s103具体包括：
[0120]
向所述访问账户返回排序后的所述平台推荐数据。
[0121]
本实施例中，为了提高访问账户对应用户针对平台推荐数据的交互操作的概率，在推送之前，可以对平台推荐数据中的各数据进行排序，其中，可以对平台推荐数据中的破圈视频进行提权，以提高破圈视频在平台推荐数据中的排序位置，使得破圈视频排序在其他视频之前。另外，对于不同的破圈视频，可以按照第二破圈系数对其进行排序，使得第二破圈系数越大的，排序越靠前。这样，可以使得客户端上显示的破圈视频更加显眼，从而可以进一步提高访问账户对破圈视频的交互操作的概率，进一步提高应用程序的用户破圈的
可能性。
[0122]
图5是根据一示例性实施例示出的一种数据推送装置的框图。参照图5，该装置包括检测模块501，确定模块502和推送模块503。
[0123]
检测模块501，被配置为执行响应于接收到的访问请求，检测发送所述访问请求的访问账户是否为目标分类中的账户，其中，所述访问请求用于请求获取平台数据；
[0124]
确定模块502，被配置为执行若所述访问账户为所述目标分类中的账户，则基于调整参数，从候选平台数据中确定出平台推荐数据，其中，所述调整参数用于在确定平台推荐数据的过程中，调整目标类别数据在平台推荐数据中的比例，所述目标类别数据属于对数据执行交互操作之后，发生新增访问事件的数据；
[0125]
推送模块503，被配置为执行向所述访问账户返回包含有所述目标类别数据的平台推荐数据。
[0126]
可选的，所述确定模块502包括：
[0127]
第一获取单元，被配置为执行获取候选平台数据中的目标类别数据；
[0128]
第一确定单元，被配置为执行从所述候选平台数据的目标类别数据中确定出第一平台推荐数据，所述第一平台推荐数据在所述平台推荐数据的占比与所述调整参数对应比例匹配；
[0129]
第二确定单元，被配置为执行在所述平台推荐数据中还包括第二平台推荐数据的情况下，从所述候选平台数据除所述目标类别数据之外的数据中确定出所述第二平台推荐数据。
[0130]
可选的，所述检测模块501包括：
[0131]
第二获取单元，被配置为执行获取所述访问账户的属性信息；
[0132]
比对单元，被配置为执行将所述访问账户的属性信息与所述目标分类对应的属性信息进行比对，获得比对结果；
[0133]
检测单元，被配置为执行基于所述比对结果，确定所述访问账户是否为所述目标分类中的账户；
[0134]
其中，在所述比对结果表明比对成功的情况下，确定所述访问账户为所述目标分类中的账户，在所述比对结果表明比对失败的情况下，确定所述访问账户不为所述目标分类中的账户。
[0135]
可选的，所述装置还包括：
[0136]
排序模块，被配置为执行对所述平台推荐数据中的各数据进行排序；其中，所述目标类别数据位于所述平台推荐数据中除所述目标类别数据之外的数据之前；
[0137]
所述推送模块503，具体被配置为执行向所述访问账户返回排序后的所述平台推荐数据。
[0138]
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0139]
图6是根据一示例性实施例示出的一种服务器的框图，包括处理组件601，其进一步包括一个或多个处理器，以及由存储器602所代表的存储器资源，用于存储可由处理组件601的执行的指令，例如应用程序。存储器602中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件601被配置为执行指令，以执行下列过程：
[0140]
响应于接收到的访问请求，检测发送所述访问请求的访问账户是否为目标分类中的账户，其中，所述访问请求用于请求获取平台数据；
[0141]
若所述访问账户为所述目标分类中的账户，则基于调整参数，从候选平台数据中确定出平台推荐数据，其中，所述调整参数用于在确定平台推荐数据的过程中，调整目标类别数据在平台推荐数据中的比例，所述目标类别数据属于对数据执行交互操作之后，发生新增访问事件的数据；
[0142]
向所述访问账户返回包含有所述目标类别数据的平台推荐数据。
[0143]
可选的，处理组件601还被配置为执行：
[0144]
获取候选平台数据中的目标类别数据；
[0145]
从所述候选平台数据的目标类别数据中确定出第一平台推荐数据，所述第一平台推荐数据在所述平台推荐数据的占比与所述调整参数对应比例匹配；
[0146]
在所述平台推荐数据中还包括第二平台推荐数据的情况下，从所述候选平台数据除所述目标类别数据之外的数据中确定出所述第二平台推荐数据。
[0147]
可选的，处理组件601还被配置为执行：
[0148]
获取所述访问账户的属性信息；
[0149]
将所述访问账户的属性信息与所述目标分类对应的属性信息进行比对，获得比对结果；
[0150]
基于所述比对结果，确定所述访问账户是否为所述目标分类中的账户；
[0151]
其中，在所述比对结果表明比对成功的情况下，确定所述访问账户为所述目标分类中的账户，在所述比对结果表明比对失败的情况下，确定所述访问账户不为所述目标分类中的账户。
[0152]
可选的，处理组件601还被配置为执行：
[0153]
对所述平台推荐数据中的各数据进行排序；其中，所述目标类别数据位于所述平台推荐数据中除所述目标类别数据之外的数据之前；
[0154]
向所述访问账户返回排序后的所述平台推荐数据。
[0155]
服务器600还可以包括一个电源组件603被配置为执行服务器600的电源管理，一个有线或无线网络接口604被配置为将服务器600连接到网络，和一个输入输出(i/o)接口605。服务器600可以操作基于存储在存储器602的操作系统，例如windows servertm，mac os xtm，unixtm,linuxtm，freebsdtm等。
[0156]
在示例性实施例中，还提供了一种包括指令的存储介质，例如包括指令的存储器602，上述指令可由服务器600的处理组件601执行以完成上述方法。可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
[0157]
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本技术旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0158]
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并
且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。