一种基于遗传算法的精准信息推送系统及方法与流程

1.本发明涉及信息推送技术领域，尤其涉及一种基于遗传算法的精准信息推送系统及方法。


背景技术：

2.遗传算法是计算数学中用于解决最优化的搜索算法，是进化算法的一种。遗传算法通常实现方式为一种计算机模拟。精准营销就是在精准定位的基础上，依托现代信息技术手段建立个性化的顾客沟通服务体系，实现企业可度量的低成本扩张之路，是有态度的网络营销理念中的核心观点之一。
3.中国专利公开号cn108805199a，公开了一种基于遗传算法的实体商业营销方法，包括如下步骤：采集商家数据和用户数据；针对商家采用对不同消费类型设定标签；根据用户数据，建立用户偏好模型；利用k-means算法商家数据和用户数据进行初始聚类；采用遗传算法计算某一商家计算出满足条件的商家对此被推荐用户的推荐率，生成推新备选商家数据集，根据各商家在数据集中的排名，对被推荐用户进行精准推荐。该方案中仅向用户进行商家推荐，无法进行精确的商品推送。


技术实现要素：

4.为此，本发明提供一种基于遗传算法的精准信息推送系统及方法，用以克服现有技术中无法通过对用户信息进行精确分析以精确推送产品导致的信息推送效率低的问题。
5.为实现上述目的，一方面，本发明提供一种基于遗传算法的精准信息推送系统，包括，获取模块，用以获取用户信息特征值；分析模块，用以根据用户信息特征值分析用户特征，其与所述获取模块连接，所述分析模块内设有分级单元和筛选单元，所述分级单元用以根据用户特征值匹配系数对用户信息特征值进行分级，分级后的用户信息特征值包括第一级用户信息特征值、第二级用户信息特征值和第三级用户信息特征值，所述筛选单元用以根据第一级用户信息特征值计算适度函数，其与所述分级单元连接，所述筛选单元设定适度函数的终止条件，当适度函数不满足终止条件时，增加下一等级用户信息特征值至适度函数，以再次进行筛选，并将增加第三级用户信息特征值后仍不满足终止条件的适度函数作为二次适度函数；调整模块，用以对二次适度函数进行调整并筛选，其与所述分析模块连接，所述调整模块内设有补充单元、交叉单元、突变单元、二次筛选单元，在对二次适度函数进行调整时，所述补充单元用以补充获取一组相对的用户信息和一组动态变化的用户信息，所述交叉单元用以将补充的用户信息特征值中两个相互对应的用户信息特征值通过系数乘积进行交叉，得到交叉的用户信息特征值，其与所述补充单元连接，所述突变单元用以对补充的用户信息特征值中多个动态变化的用户信息特征值进行突变，得到突变之后的用户信息特征值，其与所述补充单元连接，所述二次筛选单元用以根据已有用户信息特征值、交叉的用
户信息特征值、突变之后的用户信息特征值进行二次筛选，以选出满足终止条件的用户特征集，其分别与所述交叉单元、突变单元连接，在二次适度函数不满足二次筛选的终止条件时，所述二次筛选单元停止用户信息特征值筛选；推送模块，用以根据筛选出的满足终止条件的用户特征集对用户进行信息推送，在进行信息推送时，所述推送模块还用以根据用户特征集匹配对应的产品进行信息推送。
6.进一步地，所述分级单元在对获取的用户信息特征值进行分级时，计算各用户信息特征值的匹配系数m，设定m=c/c0，c为用户信息特征值，c0为预设用户信息特征值，并将各用户信息特征值对应的匹配系数m与各预设匹配系数进行比对，并根据比对结果对获取的用户信息特征值进行分级，其中，当m＞m02时，所述分级单元将该匹配系数对应的用户信息特征值作为第一级用户信息特征值，标记为c11、c12...c1x，x为第一级用户信息特征值数量；当m01＜m≤m02时，所述分级单元将该匹配系数对应的用户信息特征值作为第二级用户信息特征值，标记为c21、c22...c2y，y为第二级用户信息特征值数量；当m≤ m01时，所述分级单元将该匹配系数对应的用户信息特征值作为第三级用户信息特征值，标记为c31、c32...c3z，z为第三级用户信息特征值数量；其中，mo1为第一预设匹配系数，mo2为第二预设匹配系数，m01＜m02。
7.进一步地，所述筛选单元在计算适度函数时，根据第一级用户信息特征值计算第一级适度函数f1，设定f1=v11
×
c11/c011 v12
×
c12/c012 ... v1x
×
c1x/c01x，其中，v1i=（m-m02）/m02，设定i=1,2...x，v1i为第一级用户特征系数，c01i为预设第一级用户信息特征值，所述筛选单元将第一级适度函数f1与预设终止条件f0进行比对，并根据比对结果进行筛选，其中，当f1≥f0时，所述单元判定第一级适度函数f1满足终止条件，并筛选出第一级适度函数f1中的用户特征集u1，设定u1={c11...c1x}；当f1＜f0时，所述筛选单元判定第一级适度函数f1不满足终止条件，并通过计算第二级适度函数f2再次进行筛选。
8.进一步地，所述筛选单元在计算第二级适度函数f2时，设定f2=f1 v21
×
c21/c021 v22
×
c22/c022 ... v2y
×
c2y/c02y，其中，v2j=（m-m01）/m01，设定j=1,2...y，v2j为第二级用户特征系数，c02j为预设第二级用户信息特征值，所述筛选单元将第二级适度函数f2与预设终止条件f0进行比对，并根据比对结果进行筛选，其中，当f2≥f0时，所述筛选单元判定第二级用户信息特征值满足适度函数终止条件，所述筛选单元筛选出第二级适度函数f2中的用户特征集u2，设定u2={ c11...c1x ，c21...c2y}；当f2＜f0时，所述筛选单元判定第二级用户信息特征值不满足适度函数终止条件，并通过计算第三级适度函数f3再次进行筛选。
9.进一步地，所述筛选单元在计算第三级适度函数f3时，设定f3=f2 v31
×
c31/c031 v32
×
c32/c032 ... v3z
×
c3z/c03z，其中，v3k=m/m01，设定k=1,2...z，v3k为第三级用户特征系数，z为第三级用户信息特征值数量，c03k为预设第三级用户信息特征值，所述筛选单元将第三级适度函数f3与预设终止条件f0进行比对，并根据比对结果进行筛选，其中，当f3≥f0时，所述筛选单元判定第三级用户信息特征值满足适度函数终止条件，
所述筛选单元筛选出第三级适度函数f3中的用户特征集u3，设定u3={ c11...c1x ，c21...c2y ，c31...c3z}；当f3＜f0时，所述筛选单元判定第三级用户信息特征值不满足适度函数终止条件，对二次适度函数进行调整并筛选。
10.进一步地，在对二次适度函数进行调整并筛选时，所述交叉单元将补充的一组相对的用户信息的用户信息特征值通过系数乘积进行交叉，以生成交叉后的用户信息特征值c’，设定c’=0.5
×
ca/coa 0.5
×
cb/cob， ca为第一相关用户信息特征值，cb为第二相关用户信息特征值，coa为预设第一相关用户信息特征值，cob为预设第二相关用户信息特征值。
11.进一步地，所述突变单元在进行突变时，根据补充的用户信息特征值中多个动态变化的用户信息特征值进行突变，以生成突变后的用户信息特征值ch，设定突变系数h，h=1/r，r为动态变化的用户信息数量，得到突变之后的用户信息特征值ch，设定ch=h
×
vd
×
cd/cod,vd为预设的用户信息特征值突变系数，设定vd=1，cd为多个动态变化的用户信息特征值之和，cod为预设的用户信息特征值之和。
12.进一步地，所述二次筛选单元在进行二次筛选时，计算二次适度函数f’，设定f’=f3 c’ ch，所述二次筛选单元将二次适度函数f’与预设终止条件f0进行比对，并根据比对结果进行筛选，其中，当f’≥f0时，所述二次筛选单元判定经过二次筛选的用户信息特征值满足适度函数终止条件，所述筛选单元筛选出二次筛选适度函数f’中的用户特征集u4={ c11...c1x ，c21...c2y ，c31...c3z， ca，cb，cd}；当f’＜f0时，所述二次筛选单元判定经过二次筛选的用户信息特征值不满足适度函数终止条件，停止筛选。
13.进一步地，在进行信息推送时，所述推送模块根据筛选出的用户特征集选取不同类别产品进行信息推送，其中，当筛选出的用户特征集为u1时，所述推送模块选取a1类产品进行信息推送；当筛选出的用户特征集为u2时，所述推送模块选取a2类产品进行信息推送；当筛选出的用户特征集为u3时，所述推送模块选取a3类产品进行信息推送；当筛选出的用户特征集为u4时，所述推送模块选取a4类产品进行信息推送；其中，a1为第一预设产品类型，a2为第二预设产品类型，a3为第三预设产品类型，a4为第四预设产品类型。
14.另一方面，本发明还提供一种基于遗传算法的精准信息推送方法，包括，步骤s1，通过获取模块获取用户信息特征值；步骤s2，通过分析模块根据用户信息特征值分析用户特征，在进行分析时，通过分级单元根据用户特征值匹配系数对用户信息特征值进行分级，通过筛选单元根据分级后的用户信息特征值计算适度函数，对未满足终止条件的适度函数适用二次适度函数；步骤s3，通过调整模块对二次适度函数进行调整并筛选；步骤s4，通过推送模块根据筛选出的满足终止条件的用户特征集对用户进行信息推送。
15.与现有技术相比，本发明的有益效果在于，通过获取模块对用户信息进行获取，并转化为具体数值得到用户信息特征值，以精确获取用户信息，通过分析模块对获取的用户
信息进行精确分析，将获取的用户信息进行分级并筛选，以筛选出满足要求的用户特征，从而根据用户特征进行精确产品推送，以提高信息推送的效率，通过调整模块对分级筛选后未满足终止条件的适度函数进行信息补充，并对补充信息进行交叉、突变，以此进行二次筛选，通过推送模块对满足终止条件的用户根据用户信息特征值进行信息推送，进一步提高信息推送效率。
16.尤其，所述分级单元通过用户信息特征值的匹配系数将各用户信息特征值对应的匹配系数与各预设匹配系数进行比对，并根据比对结果对获取的用户信息特征值进行分级，使得用户信息根据匹配度分级，从而优先筛选匹配度高的用户信息，提高信息推送效率，当匹配系数大于第二预设匹配系数时，所述分级单元将该匹配系数对应的用户信息特征值作为第一级用户信息特征值并标记，当匹配系数大于第一预设匹配系数并小于等于第二预设匹配系数时，所述分级单元将该匹配系数对应的用户信息特征值作为第二级用户信息特征值并标记，当匹配系数小于第一预设匹配系数时，所述分级单元将该匹配系数对应的用户信息特征值作为第三级用户信息特征值并标记，以此对信息进行分级，从而优先筛选匹配度高的用户信息，提高信息推送效率。
17.尤其，所述筛选单元根据第一级用户信息特征值计算第一级适度函数f1，用以判定适度函数是否满足终止条件，从而精准筛选出用户特征集，进而提高信息推送效率，所述筛选单元将第一级适度函数与预设终止条件进行比对，并根据比对结果进行筛选，其中，当第一级适度函数值大于等于预设终止条件时，所述单元判定第一级适度函数满足终止条件，并筛选出第一级适度函数中的用户特征集，当第一级适度函数值小于预设终止条件时，所述筛选单元判定第一级适度函数不满足终止条件，并通过计算第二级适度函数再次进行筛选，从而更为精准地筛选出用户特征集，进而提高信息推送效率。
18.尤其，所述筛选单元根据第二级用户信息特征值计算第二级适度函数f2，用以判定适度函数是否满足终止条件，从而精准筛选出用户特征集，进而提高信息推送效率，所述筛选单元将第二级适度函数与预设终止条件进行比对，并根据比对结果进行筛选，其中，当第二级适度函数值大于等于预设终止条件时，所述单元判定第二级适度函数满足终止条件，并筛选出第二级适度函数中的用户特征集，当第二级适度函数值小于预设终止条件时，所述筛选单元判定第二级适度函数不满足终止条件，并通过计算第三级适度函数再次进行筛选，从而更为精准地筛选出用户特征集，进而提高信息推送效率。
19.尤其，所述筛选单元根据第三级用户信息特征值计算第三级适度函数，用以判定适度函数是否满足终止条件，从而精准筛选出用户特征集，进而提高信息推送效率，所述筛选单元将第三级适度函数与预设终止条件进行比对，并根据比对结果进行筛选，其中，当三级适度函数值大于等于预设终止条件时，所述单元判定第三级适度函数满足终止条件，并筛选出第三级适度函数中的用户特征集，当第三级适度函数值小于预设终止条件时，所述筛选单元判定第三级适度函数不满足终止条件，对二次适度函数进行调整并筛选，从而更为精准地筛选出用户特征集，进而提高信息推送效率。
20.尤其，所述交叉单元通过将补充的一组相对的用户信息的用户信息特征值通过系数乘积进行交叉，得到交叉的用户信息特征值，从而对用户信息进行整合，进行二次筛选，进一步精确定位用户特征，提高信息推送效率。
21.尤其，所述突变单元通过将补充的用户信息特征值中多个动态变化的用户信息特
征值进行突变，得到突变之后的用户信息特征值，从而对用户信息进行整合，进行二次筛选，进一步精确定位用户特征，提高信息推送效率。
22.尤其，所述二次筛选单元通过计算二次适度函数再次进行筛选，从而进一步筛选用户数据，定位用户特征，有效提高信息推送的效率，将二次适度函数与预设终止条件进行比对，并根据比对结果进行筛选，其中，当二次适度函数大于等于预设终止条件时，所述二次筛选单元判定经过二次筛选的用户信息特征值满足适度函数终止条件，所述筛选单元筛选出二次筛选适度函数中的用户特征集，当二次适度函数小于预设终止条件时，所述二次筛选单元判定经过二次筛选的用户信息特征值不满足适度函数终止条件，停止筛选，从而进行精确分析以提高产品推送效率。
23.尤其，所述推送模块根据筛选出的用户特征集选取不同类别产品进行信息推送，通过精确的用户分析与产品匹配，提高信息推送效率，所述推送模块在进行信息推送时，根据筛选出的用户特征集选取不同产品进行信息推送，精确定位用户特征，有效提高了信息推送的效率。
附图说明
24.图1为本实施例基于遗传算法的精准信息推送系统的结构示意图；图2为本实施例基于遗传算法的精准信息推送方法的流程示意图。
具体实施方式
25.为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
26.下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
27.此外，还需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
28.请参阅图1所示，其为本实施例基于遗传算法的精准信息推送系统，所述系统包括，获取模块，用以获取用户信息特征值，所述用户信息包括用户年龄、用户上线时间、用户转账交易流水、用户近期消费金额、用户家庭成员情况等，用户信息特征值则对应为具体数值，如年龄28，用户单日上线时长3小时，用户一年内的转账交易额为100ｗ，用户近月消费额2ｗ，用户家庭成员数量5等，本实施例不对用户信息做具体限定，本领域技术人员还可设置其他反映用户消费能力的用户信息；分析模块，用以根据用户信息特征值分析用户特征，其与所述获取模块连接，所述分析模块内设有分级单元和筛选单元，所述分级单元用以根据用户特征值匹配系数对用户信息特征值进行分级，分级后的用户信息特征值包括第一级用户信息特征值、第二级用户信息特征值和第三级用户信息特征值，所述筛选单元用以根据第一级用户信息特征值计算
适度函数，其与所述分级单元连接，所述筛选单元设定适度函数的终止条件，当适度函数不满足终止条件时，增加下一等级用户信息特征值至适度函数，以再次进行筛选，并将增加第三级用户信息特征值仍不满足终止条件的适度函数作为二次适度函数；调整模块，用以对二次适度函数进行调整并筛选，其与所述分析模块连接，所述调整模块内设有补充单元、交叉单元、突变单元、二次筛选单元，在对二次适度函数进行调整时，所述补充单元用以补充获取一组相对的用户信息和一组动态变化的用户信息，所述交叉单元用以将补充的用户信息特征值中两个相互对应的用户信息特征值通过系数乘积进行交叉，得到交叉的用户信息特征值c’，其与所述补充单元连接，所述突变单元用以对补充的用户信息特征值中多个动态变化的用户信息特征值进行突变，得到突变之后的用户信息特征值ch，其与所述补充单元连接，所述二次筛选单元用以根据已有用户信息特征值、交叉的用户信息特征值c’、突变之后的用户信息特征值ch进行二次筛选，以选出满足终止条件的用户特征集，其分别与所述交叉单元、突变单元连接，在二次适度函数不满足二次筛选的终止条件时，所述二次筛选单元停止用户信息特征值筛选；推送模块，用以根据筛选出的满足终止条件的用户特征集对用户进行信息推送，在进行信息推送时，所述推送模块还用以根据用户特征集匹配对应的产品进行信息推送。
29.具体而言，本实施例所述系统通过获取模块对用户信息进行获取，并转化为具体数值得到用户信息特征值，以精确获取用户信息，通过分析模块对获取的用户信息进行精确分析，将获取的用户信息进行分级并筛选，以筛选出满足要求的用户特征，从而根据用户特征进行精确产品推送，以提高信息推送的效率，通过调整模块对分级筛选后未满足终止条件的适度函数进行信息补充，并对补充信息进行交叉、突变，以此进行二次筛选，通过推送模块对满足终止条件的用户根据用户信息特征值进行信息推送，进一步提高信息推送效率。
30.具体而言，所述分级单元在对获取的用户信息特征值进行分级时，计算各用户信息特征值的匹配系数m，设定m=c/c0，c为用户信息特征值，c0为预设用户信息特征值，并将各用户信息特征值对应的匹配系数m与各预设匹配系数进行比对，并根据比对结果对获取的用户信息特征值进行分级，其中，当m＞m02时，所述分级单元将该匹配系数对应的用户信息特征值作为第一级用户信息特征值，标记为c11、c12...c1x，x为第一级用户信息特征值数量；当m01＜m≤m02时，所述分级单元将该匹配系数对应的用户信息特征值作为第二级用户信息特征值，标记为c21、c22...c2y，y为第二级用户信息特征值数量；当m≤ m01时，所述分级单元将该匹配系数对应的用户信息特征值作为第三级用户信息特征值，标记为c31、c32...c3z，z为第三级用户信息特征值数量；其中，mo1为第一预设匹配系数，mo2为第二预设匹配系数，m01＜m02。
31.具体而言，所述分级单元通过用户信息特征值的匹配系数将各用户信息特征值对应的匹配系数与各预设匹配系数进行比对，并根据比对结果对获取的用户信息特征值进行分级，使得用户信息根据匹配度分级，从而优先筛选匹配度高的用户信息，提高信息推送效率，当匹配系数大于第二预设匹配系数时，所述分级单元将该匹配系数对应的用户信息特征值作为第一级用户信息特征值并标记，当匹配系数大于第一预设匹配系数并小于等于第二预设匹配系数时，所述分级单元将该匹配系数对应的用户信息特征值作为第二级用户信
息特征值并标记，当匹配系数小于第一预设匹配系数时，所述分级单元将该匹配系数对应的用户信息特征值作为第三级用户信息特征值并标记，以此对信息进行分级，从而优先筛选匹配度高的用户信息，提高信息推送效率。可以理解的是，本实施例未对信息等级的划分作具体限定，本领域技术人员可以根据信息划分需要自由设置，如将信息等级划分为五级。
32.具体而言，所述筛选单元在计算适度函数时，根据第一级用户信息特征值计算第一级适度函数f1，设定f1=v11
×
c11/c011 v12
×
c12/c012 ... v1x
×
c1x/c01x，其中，v1i=（m-m02）/m02，设定i=1,2...x，v1i为第一级用户特征系数，c01i为预设第一级用户信息特征值，所述筛选单元将第一级适度函数f1与预设终止条件f0进行比对，并根据比对结果进行筛选，其中，当f1≥f0时，所述单元判定第一级适度函数f1满足终止条件，并筛选出第一级适度函数f1中的用户特征集u1，设定u1={c11...c1x}；当f1＜f0时，所述筛选单元判定第一级适度函数f1不满足终止条件，并通过计算第二级适度函数f2再次进行筛选。
33.具体而言，所述筛选单元根据第一级用户信息特征值计算第一级适度函数f1，用以判定适度函数是否满足终止条件，从而精准筛选出用户特征集，进而提高信息推送效率，所述筛选单元将第一级适度函数与预设终止条件进行比对，并根据比对结果进行筛选，其中，当第一级适度函数值大于等于预设终止条件时，所述单元判定第一级适度函数满足终止条件，并筛选出第一级适度函数中的用户特征集，当第一级适度函数值小于预设终止条件时，所述筛选单元判定第一级适度函数不满足终止条件，并通过计算第二级适度函数再次进行筛选，从而更为精准地筛选出用户特征集，进而提高信息推送效率。
34.具体而言，所述筛选单元在计算第二级适度函数f2时，设定f2=f1 v21
×
c21/c021 v22
×
c22/c022 ... v2y
×
c2y/c02y，其中，v2j=（m-m01）/m01，设定j=1,2...y，v2j为第二级用户特征系数，c02j为预设第二级用户信息特征值，所述筛选单元将第二级适度函数f2与预设终止条件f0进行比对，并根据比对结果进行筛选，其中，当f2≥f0时，所述筛选单元判定第二级用户信息特征值满足适度函数终止条件，所述筛选单元筛选出第二级适度函数f2中的用户特征集u2，设定u2={ c11...c1x ，c21...c2y}；当f2＜f0时，所述筛选单元判定第二级用户信息特征值不满足适度函数终止条件，并通过计算第三级适度函数f3再次进行筛选。
35.具体而言，所述筛选单元根据第二级用户信息特征值计算第二级适度函数f2，用以判定适度函数是否满足终止条件，从而精准筛选出用户特征集，进而提高信息推送效率，所述筛选单元将第二级适度函数与预设终止条件进行比对，并根据比对结果进行筛选，其中，当第二级适度函数值大于等于预设终止条件时，所述单元判定第二级适度函数满足终止条件，并筛选出第二级适度函数中的用户特征集，当第二级适度函数值小于预设终止条件时，所述筛选单元判定第二级适度函数不满足终止条件，并通过计算第三级适度函数再次进行筛选，从而更为精准地筛选出用户特征集，进而提高信息推送效率。
36.具体而言，所述筛选单元在计算第三级适度函数f3时，设定f3=f2 v31
×
c31/c031 v32
×
c32/c032 ... v3z
×
c3z/c03z，其中，v3k=m/m01，设定k=1,2...z，v3k为第三级用户特征系数，z为第三级用户信息特征值数量，c03k为预设第三级用户信息特征值，所述筛选
单元将第三级适度函数f3与预设终止条件f0进行比对，并根据比对结果进行筛选，其中，当f3≥f0时，所述筛选单元判定第三级用户信息特征值满足适度函数终止条件，所述筛选单元筛选出第三级适度函数f3中的用户特征集u3，设定u3={ c11...c1x ，c21...c2y ，c31...c3z}；当f3＜f0时，所述筛选单元判定第三级用户信息特征值不满足适度函数终止条件，对二次适度函数进行调整并筛选。
37.具体而言，所述筛选单元根据第三级用户信息特征值计算第三级适度函数，用以判定适度函数是否满足终止条件，从而精准筛选出用户特征集，进而提高信息推送效率，所述筛选单元将第三级适度函数与预设终止条件进行比对，并根据比对结果进行筛选，其中，当三级适度函数值大于等于预设终止条件时，所述单元判定第三级适度函数满足终止条件，并筛选出第三级适度函数中的用户特征集，当第三级适度函数值小于预设终止条件时，所述筛选单元判定第三级适度函数不满足终止条件，对二次适度函数进行调整并筛选，从而更为精准地筛选出用户特征集，进而提高信息推送效率。
38.具体而言，在对二次适度函数进行调整并筛选时，所述交叉单元将补充的一组相对的用户信息的用户信息特征值通过系数乘积进行交叉，以生成交叉后的用户信息特征值c’，设定c’=0.5
×
ca/coa 0.5
×
cb/cob， ca为第一相关用户信息特征值，cb为第二相关用户信息特征值，coa为预设第一相关用户信息特征值，cob为预设第二相关用户信息特征值。
39.具体而言，本实施例所述交叉单元通过将补充的一组相对的用户信息的用户信息特征值通过系数乘积进行交叉，得到交叉的用户信息特征值c’，从而对用户信息进行整合，进行二次筛选，进一步精确定位用户特征，提高信息推送效率。如用户收入10k元每月，用户收入信息ca=100，用户支出为2k元每月，用户支出信息cb=-20，设定预设用户收入信息coa=10，设定预设用户支出信息cob=5那么可以得到用户收支差值，即交叉的用户信息特征值c’，c’=0.5
×
ca/coa 0.5
×
cb/cob=0.5*100/10 0.5*(-20)/5 = 3。
40.具体而言，所述突变单元在进行突变时，根据补充的用户信息特征值中多个动态变化的用户信息特征值进行突变，以生成突变后的用户信息特征值ch，设定突变系数h，h=1/r，r为动态变化的用户信息数量，得到突变之后的用户信息特征值ch，设定ch=h
×
vd
×
cd/cod,vd为预设的用户信息特征值突变系数，设定vd=1，cd为多个动态变化的用户信息特征值之和，cod为预设的用户信息特征值之和。
41.具体而言，所述突变单元通过将补充的用户信息特征值中多个动态变化的用户信息特征值进行突变，得到突变之后的用户信息特征值ch，从而对用户信息进行整合，进行二次筛选，进一步精确定位用户特征，提高信息推送效率。如用户收支差值是动态变化的，今天的收支差值和昨天的收支差值是不尽相同的，此时引入突变系数，此情况下突变系数的含义表示一段时间之内的收支差值，一个月之内的收支差值cy，突变系数为h，将收支差值cy与突变系数为h相乘，通得到用户收支差值特征值ch。可以理解的是，本实施例未对动态变化的用户信息作具体限定，本领域技术人员可以根据产品针对的用户信息自由设置，如设置一年之内的收支差值等。
42.具体而言，所述二次筛选单元在进行二次筛选时，计算二次适度函数f’，设定f’=f3 c’ ch，所述二次筛选单元将二次适度函数f’与预设终止条件f0进行比对，并根据比对结果进行筛选，其中，
当f’≥f0时，所述二次筛选单元判定经过二次筛选的用户信息特征值满足适度函数终止条件，所述筛选单元筛选出二次筛选适度函数f’中的用户特征集u4={ c11...c1x ，c21...c2y ，c31...c3z， ca，cb，cd}；当f’＜f0时，所述二次筛选单元判定经过二次筛选的用户信息特征值不满足适度函数终止条件，停止筛选。
43.具体而言，本实施例所述二次筛选单元通过计算二次适度函数f’再次进行筛选，从而进一步筛选用户数据，定位用户特征，有效提高信息推送的效率，通过将二次适度函数f’与预设终止条件f0进行比对，并根据比对结果进行筛选，其中，当二次适度函数f’大于等于预设终止条件f0时，所述二次筛选单元判定经过二次筛选的用户信息特征值满足适度函数终止条件，所述筛选单元筛选出二次筛选适度函数f’中的用户特征集，当二次适度函数f’小于预设终止条件f0时，所述二次筛选单元判定经过二次筛选的用户信息特征值不满足适度函数终止条件，停止筛选，从而通过精确分析以提高产品推送效率。可以理解的是，本实施例未对二次筛选的用户信息特征值作具体限定，本领域技术人员可以自由设置，如可加入用户成交量进行二次筛选。
44.具体而言，在进行信息推送时，所述推送模块根据筛选出的用户特征集选取不同类别产品进行信息推送，其中，当筛选出的用户特征集为u1时，所述推送模块选取a1类产品进行信息推送；当筛选出的用户特征集为u2时，所述推送模块选取a2类产品进行信息推送；当筛选出的用户特征集为u3时，所述推送模块选取a3类产品进行信息推送；当筛选出的用户特征集为u4时，所述推送模块选取a4类产品进行信息推送；其中，a1为第一预设产品类型，a2为第二预设产品类型，a3为第三预设产品类型，a4为第四预设产品类型。
45.具体而言，本实施例所述推送模块根据筛选出的用户特征集选取不同类别产品进行信息推送，通过精确的用户分析与产品匹配，提高信息推送效率，所述推送模块在进行信息推送时，根据筛选出的用户特征集选取不同产品进行信息推送，有效提高了信息推送的效率。
46.请参阅图2所示，其为本实施例基于遗传算法的精准信息推送方法的流程示意图，所述方法包括，步骤s1，通过获取模块获取用户信息特征值；步骤s2，通过分析模块根据用户信息特征值分析用户特征，在进行分析时，通过分级单元根据用户特征值匹配系数对用户信息特征值进行分级，通过筛选单元根据分级后的用户信息特征值计算适度函数，对未满足终止条件的适度函数适用二次适度函数；步骤s3，通过调整模块对二次适度函数进行调整并筛选；步骤s4，通过推送模块根据筛选出的满足终止条件的用户特征集对用户进行信息推送。
47.至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。