本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)，尤其涉及一種推送信息的方法以及推送信息的裝置。

背景技術(shù)：

隨著互聯(lián)網(wǎng)技術(shù)尤其是移動(dòng)互聯(lián)網(wǎng)技術(shù)的快速發(fā)展和普及，能夠接入網(wǎng)絡(luò)的智能移動(dòng)設(shè)備(如智能移動(dòng)電話以及平板電腦等)已經(jīng)成為許多人隨身必備的物品，人們利用其智能移動(dòng)設(shè)備可以隨時(shí)隨地的實(shí)現(xiàn)郵件收發(fā)、即時(shí)消息交互以及網(wǎng)絡(luò)訪問(wèn)等。

目前，可安裝于智能移動(dòng)設(shè)備中的應(yīng)用(application，app)的種類(lèi)以及數(shù)量日漸豐富，一些應(yīng)用為了贏得用戶(hù)的關(guān)注以及喜愛(ài)等原因，而經(jīng)常會(huì)向用戶(hù)推送相應(yīng)的信息，如向用戶(hù)推送熱點(diǎn)新聞的概要信息，再如向用戶(hù)推送新上映的電影信息或者熱播的電視劇的劇情更新信息等。

發(fā)明人在實(shí)現(xiàn)本發(fā)明過(guò)程中發(fā)現(xiàn)，應(yīng)用向用戶(hù)推送的信息可能會(huì)由于冗余等原因而給用戶(hù)帶來(lái)困擾等問(wèn)題，如何在恰當(dāng)?shù)臅r(shí)間向用戶(hù)推送其感興趣的信息，使應(yīng)用贏得用戶(hù)的關(guān)注與喜愛(ài)，以提高應(yīng)用的生存周期及粘性，降低應(yīng)用的成本，這對(duì)于應(yīng)用開(kāi)發(fā)方以及應(yīng)用經(jīng)營(yíng)方而言都是非常重要的。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的是提供一種推送信息的方法和裝置。

根據(jù)本發(fā)明的一個(gè)方面，提供了一種推送信息的方法，其中，該方法主要包括以下步驟：獲取用戶(hù)的當(dāng)前特征信息；根據(jù)所述用戶(hù)的當(dāng)前特征信息中的用戶(hù)標(biāo)識(shí)信息確定所述用戶(hù)對(duì)應(yīng)的行為分析模型；將所述用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息輸入用戶(hù)對(duì)應(yīng)的行為分析模型中；根據(jù)所述用戶(hù)對(duì)應(yīng)的行為分析模型輸出的信息確定該用戶(hù)的當(dāng)前行為；根據(jù)所述用戶(hù)的當(dāng)前行為預(yù)測(cè)所述用戶(hù)的當(dāng)前意圖；選取滿(mǎn)足所述用戶(hù)的當(dāng)前意圖的信息，并向所述用戶(hù)推送；其中，所述用戶(hù)的當(dāng)前特征信息被存儲(chǔ)為所述用戶(hù)的歷史特征信息，所述歷史特征信息用于設(shè)置并更新所述用戶(hù)對(duì)應(yīng)的行為分析模型的模型參數(shù)。

根據(jù)本發(fā)明的另一個(gè)方面，提供了一種推送信息的裝置，其中，該裝置主要包括：獲取特征信息模塊，用于獲取用戶(hù)的當(dāng)前特征信息；確定分析模型模塊，用于根據(jù)所述用戶(hù)的當(dāng)前特征信息中的用戶(hù)標(biāo)識(shí)信息確定該用戶(hù)對(duì)應(yīng)的行為分析模型；信息處理模塊，用于將所述用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息輸入所述用戶(hù)對(duì)應(yīng)的行為分析模型中；確定當(dāng)前行為模塊，用于根據(jù)所述用戶(hù)對(duì)應(yīng)的行為分析模型輸出的信息確定所述用戶(hù)的當(dāng)前行為；意圖預(yù)測(cè)模塊，用于根據(jù)所述用戶(hù)的當(dāng)前行為預(yù)測(cè)所述用戶(hù)的當(dāng)前意圖；信息推送模塊，用于選取滿(mǎn)足所述用戶(hù)的當(dāng)前意圖的信息，并向所述用戶(hù)推送；其中，所述用戶(hù)的當(dāng)前特征信息被存儲(chǔ)為所述用戶(hù)的歷史特征信息，所述歷史特征信息用于設(shè)置并更新所述用戶(hù)對(duì)應(yīng)的行為分析模型的模型參數(shù)。

與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：本發(fā)明通過(guò)獲取用戶(hù)的當(dāng)前特征信息，一方面可以積累獲得大量的該用戶(hù)的歷史特征信息，從而可以利用該用戶(hù)的歷史特征信息建立該用戶(hù)所獨(dú)有(不為其他用戶(hù)所有)的行為分析模型，并可以利用該用戶(hù)的歷史特征信息不斷的調(diào)整(即更新)該用戶(hù)所對(duì)應(yīng)的行為分析模型的模型參數(shù)，使該用戶(hù)所對(duì)應(yīng)的行為分析模型始終可以盡可能的貼近該用戶(hù)的實(shí)際生活行為，另一方面可以利用該用戶(hù)對(duì)應(yīng)的行為分析模型對(duì)該用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息進(jìn)行計(jì)算，使本發(fā)明可以基于該用戶(hù)所對(duì)應(yīng)的行為分析模型輸出的信息及時(shí)的確定出用戶(hù)的當(dāng)前行為；由于獲知用戶(hù)當(dāng)前行為可以預(yù)測(cè)出用戶(hù)的當(dāng)前意圖，從而在應(yīng)用向用戶(hù)推送新的信息時(shí)，可以根據(jù)用戶(hù)的當(dāng)前意圖向用戶(hù)推送符合其當(dāng)前意圖的信息，這樣，可以有效避免推送的信息由于冗余等原因而給用戶(hù)帶來(lái)困擾等問(wèn)題，從而可以增加用戶(hù)對(duì)應(yīng)用的粘度；由此可知，本發(fā)明提供的技術(shù)方案能夠使應(yīng)用更好的符合用戶(hù)的實(shí)際需求，提高了應(yīng)用的生存周期以及競(jìng)爭(zhēng)力，進(jìn)而降低了應(yīng)用的成本。

附圖說(shuō)明

通過(guò)閱讀參照以下附圖所作的對(duì)非限制性實(shí)施例所作的詳細(xì)描述，本發(fā)明的其它特征、目的和優(yōu)點(diǎn)將會(huì)變得更明顯：

圖1為本發(fā)明實(shí)施例一的推送信息的方法流程圖；

圖2為本發(fā)明實(shí)施例二的推送信息的裝置示意圖。

附圖中相同或相似的附圖標(biāo)記代表相同或相似的部件。

具體實(shí)施方式

為使本發(fā)明的目的、技術(shù)方案和優(yōu)點(diǎn)更加清楚，下面將結(jié)合附圖對(duì)本發(fā)明的實(shí)施例作詳細(xì)描述。

在更加詳細(xì)地討論示例性實(shí)施例之前應(yīng)當(dāng)提到的是，一些示例性實(shí)施例被描述成作為流程圖描繪的處理或方法。雖然本發(fā)明的流程圖將各項(xiàng)操作描述成順序的處理，但是，其中的許多操作可以被并行地、并發(fā)地或者同時(shí)實(shí)施。此外，各項(xiàng)操作的順序可以被重新安排。當(dāng)其操作完成時(shí)所述處理可以被終止，但是還可以具有未包括在附圖中的附加步驟。所述處理可以對(duì)應(yīng)于方法、函數(shù)、規(guī)程、子例程、子程序等等。

所述智能電子設(shè)備包括用戶(hù)設(shè)備與網(wǎng)絡(luò)設(shè)備。其中，所述用戶(hù)設(shè)備包括但不限于電腦、智能移動(dòng)電話以及pda等；所述網(wǎng)絡(luò)設(shè)備包括但不限于單個(gè)網(wǎng)絡(luò)服務(wù)器、多個(gè)網(wǎng)絡(luò)服務(wù)器組成的服務(wù)器組或者基于云計(jì)算(aoudcomputing)的由大量計(jì)算機(jī)或者網(wǎng)絡(luò)服務(wù)器構(gòu)成的云，其中，云計(jì)算是分布式計(jì)算的一種，由一群松散耦合的計(jì)算機(jī)集組成的一個(gè)超級(jí)虛擬計(jì)算機(jī)。其中，所述智能電子設(shè)備可以接入網(wǎng)絡(luò)并與網(wǎng)絡(luò)中的其他智能電子設(shè)備進(jìn)行信息交互操作。其中，所述智能電子設(shè)備所能夠接入的網(wǎng)絡(luò)包括但不限于互聯(lián)網(wǎng)、廣域網(wǎng)、城域網(wǎng)、局域網(wǎng)、vpn網(wǎng)絡(luò)等。

需要說(shuō)明的是，所述用戶(hù)設(shè)備、網(wǎng)絡(luò)設(shè)備以及網(wǎng)絡(luò)等僅為舉例，其他現(xiàn)有的或今后可能出現(xiàn)的智能電子設(shè)備或者網(wǎng)絡(luò)如可適用于本申請(qǐng)，也應(yīng)包含在本申請(qǐng)保護(hù)范圍以?xún)?nèi)，并以引用方式包含于此。

后面描述所討論的方法(其中一些通過(guò)流程圖示出)實(shí)施例可以通過(guò)硬件、軟件、固件、中間件、微代碼、硬件描述語(yǔ)言或者其任意組合的形式來(lái)實(shí)施。當(dāng)用軟件、固件、中間件或者微代碼來(lái)實(shí)施時(shí)，用以實(shí)施必要任務(wù)的程序代碼或者代碼段可以被存儲(chǔ)在機(jī)器或計(jì)算機(jī)可讀介質(zhì)(比如存儲(chǔ)介質(zhì))中。(一個(gè)或多個(gè))處理器可以實(shí)施必要的任務(wù)。

這里所公開(kāi)的具體結(jié)構(gòu)和功能細(xì)節(jié)僅僅是代表性的，并且是用于描述本申請(qǐng)的示例性實(shí)施例的目的，但是，本申請(qǐng)可以通過(guò)許多替換形式來(lái)具體實(shí)現(xiàn)，并且不應(yīng)當(dāng)被解釋成僅僅受限于這里所闡述的實(shí)施例。

應(yīng)當(dāng)理解的是，雖然在這里可能使用了術(shù)語(yǔ)“第一”、“第二”等等來(lái)描述各個(gè)單元，但是這些單元不應(yīng)當(dāng)受這些術(shù)語(yǔ)限制。使用這些術(shù)語(yǔ)僅僅是為了將一個(gè)單元與另一個(gè)單元進(jìn)行區(qū)分。舉例來(lái)說(shuō)，在不背離示例性實(shí)施例的范圍的情況下，第一單元可以被稱(chēng)為第二單元，并且類(lèi)似地第二單元可以被稱(chēng)為第一單元。這里所使用的術(shù)語(yǔ)“和/或”包括其中一個(gè)或更多所列出的相關(guān)聯(lián)項(xiàng)目的任意和所有組合。

應(yīng)當(dāng)理解的是，當(dāng)一個(gè)單元被稱(chēng)為“連接”或者“耦合”到另一個(gè)單元時(shí)，其可以直接連接或者耦合到所述另一個(gè)單元，也可以存在中間單元。與此相對(duì)的，當(dāng)一個(gè)單元被稱(chēng)為“直接連接”或者“直接耦合”到另一個(gè)單元時(shí)，則不存在中間單元。應(yīng)當(dāng)按照類(lèi)似的方式來(lái)解釋被用于描述單元之間的關(guān)系的其他詞語(yǔ)(例如，“處于...之間”相比于“直接處于...之間”，“與...鄰近”相比于“與...直接鄰近”等等)。

這里所使用的術(shù)語(yǔ)僅僅是為了描述具體實(shí)施例，而不是意圖限制示例性實(shí)施例。除非上下文中明確地另有所指，否則，這里所使用的單數(shù)形式“一個(gè)”、“一項(xiàng)”還意圖包括復(fù)數(shù)。還應(yīng)當(dāng)理解的是，這里所使用的術(shù)語(yǔ)“包括”和/或“包含”規(guī)定了所陳述的特征、整數(shù)、步驟、操作、單元和/或組件的存在，而不排除存在或者添加一個(gè)或更多的其他特征、整數(shù)、步驟、操作、單元、組件和/或其組合。

還應(yīng)當(dāng)提到的是，在一些替換實(shí)現(xiàn)方式中，所提到的功能/動(dòng)作可以按照不同于附圖中標(biāo)示的順序發(fā)生。舉例來(lái)說(shuō)，取決于所涉及的功能/動(dòng)作，相繼示出的兩幅圖實(shí)際上可以基本上同時(shí)執(zhí)行或者有時(shí)可以按照相反的順序來(lái)執(zhí)行。

下面結(jié)合附圖對(duì)本發(fā)明的技術(shù)方案作進(jìn)一步詳細(xì)描述。

實(shí)施例一、推送信息的方法。

圖1為本實(shí)施例的推送信息的方法流程圖。在圖1所示的流程圖中，本實(shí)施例的推送信息的方法主要包括：步驟s100、步驟s110、步驟s120、步驟s130、步驟s140以及步驟s150。

本實(shí)施例所記載的方法是在智能電子設(shè)備中執(zhí)行的，且該方法通常是在網(wǎng)絡(luò)側(cè)的智能電子設(shè)備(如設(shè)置于云端的服務(wù)器等網(wǎng)絡(luò)設(shè)備)中執(zhí)行的，當(dāng)然，本實(shí)施例也不排除該方法在用戶(hù)側(cè)的智能電子設(shè)備(如智能移動(dòng)電話或者平板電腦等用戶(hù)設(shè)備)執(zhí)行或者在用戶(hù)側(cè)的智能電子設(shè)備以及網(wǎng)絡(luò)側(cè)的智能電子設(shè)備中共同執(zhí)行的可能性(如其中的模型可以由網(wǎng)絡(luò)側(cè)的網(wǎng)絡(luò)設(shè)備訓(xùn)練，并下發(fā)至用戶(hù)側(cè)，再如其中的用戶(hù)的當(dāng)前意圖可以由用戶(hù)側(cè)的智能電子設(shè)備預(yù)測(cè)并上傳至網(wǎng)絡(luò)側(cè)，網(wǎng)絡(luò)側(cè)的智能電子設(shè)備下發(fā)推送的信息等)。本實(shí)施例不限制實(shí)現(xiàn)確定用戶(hù)當(dāng)前行為的方法的智能電子設(shè)備的具體表現(xiàn)形式，即本實(shí)施例不限制確定用戶(hù)當(dāng)前行為的方法所適用的硬件環(huán)境。

下面對(duì)圖1中的各步驟分別進(jìn)行詳細(xì)描述。

s100、獲取用戶(hù)的當(dāng)前特征信息。

具體的，本實(shí)施例中的用戶(hù)的當(dāng)前特征信息即當(dāng)前時(shí)刻或者當(dāng)前時(shí)間段內(nèi)的用戶(hù)的特征信息；本實(shí)施例中的用戶(hù)的當(dāng)前特征信息可以作為用戶(hù)的歷史特征信息進(jìn)行存儲(chǔ)；也就是說(shuō)，用戶(hù)的當(dāng)前特征信息和用戶(hù)的歷史特征信息均為用戶(hù)的特征信息，在用戶(hù)的當(dāng)前特征信息失去其時(shí)效性時(shí)，用戶(hù)的當(dāng)前特征信息成為用戶(hù)的歷史特征信息。

本實(shí)施例中的用戶(hù)的特征信息是指用于描述用戶(hù)的特有特征的信息，如用于描述用戶(hù)的靜態(tài)特征以及動(dòng)態(tài)特征的信息。

本實(shí)施例中的用戶(hù)的靜態(tài)特征可以稱(chēng)為用戶(hù)屬性，且本實(shí)施例中的用戶(hù)屬性可以包括：用戶(hù)的性別、用戶(hù)的年齡段(或者用戶(hù)的出生年代)、用戶(hù)的職業(yè)類(lèi)別、用戶(hù)的住址、用戶(hù)的辦公地址、用戶(hù)的上下班交通工具、用戶(hù)的作息規(guī)律、用戶(hù)的收入水平、用戶(hù)的教育水平以及用戶(hù)的行為偏好等。

本實(shí)施例中的用戶(hù)的動(dòng)態(tài)特征可以稱(chēng)為用戶(hù)的狀態(tài)，且本實(shí)施例中的用戶(hù)的狀態(tài)可以具體包括：用戶(hù)的運(yùn)動(dòng)狀態(tài)、用戶(hù)身處的環(huán)境以及用戶(hù)所在的具體位置等。

本實(shí)施例中的用戶(hù)的特征信息(即用戶(hù)的當(dāng)前特征信息以及用戶(hù)的歷史特征信息)通常包括：表征用戶(hù)當(dāng)前狀態(tài)的信息，且表征用戶(hù)當(dāng)前狀態(tài)的信息該表征用戶(hù)當(dāng)前狀態(tài)的信息可以具體為用戶(hù)設(shè)備中的傳感器采集信息、用戶(hù)設(shè)備的衛(wèi)星定位信息以及基于用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息中的一個(gè)或者多個(gè)。上述用戶(hù)設(shè)備中的傳感器采集信息可以具體為用戶(hù)設(shè)備中的陀螺儀采集的信息、用戶(hù)設(shè)備中的重力傳感器采集的信息以及用戶(hù)設(shè)備中的加速度傳感器采集的信息中的一個(gè)或者多個(gè)。上述用戶(hù)設(shè)備的衛(wèi)星定位信息可以具體為用戶(hù)設(shè)備的基于gps(gobalpositionsystem，全球定位系統(tǒng))的定位信息，當(dāng)然，用戶(hù)設(shè)備的衛(wèi)星定位信息也可以具體為用戶(hù)設(shè)備的基于北斗衛(wèi)星定位系統(tǒng)的定位信息等。上述用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息通常為用戶(hù)所在環(huán)境中的聲音。

本實(shí)施例中的用戶(hù)的特征信息(即用戶(hù)的當(dāng)前特征信息以及用戶(hù)的歷史特征信息)通常還包括：用戶(hù)標(biāo)識(shí)、用戶(hù)設(shè)備中的電話通訊錄、用戶(hù)的通話記錄、日志信息、用戶(hù)設(shè)備中安裝的各應(yīng)用信息以及用戶(hù)設(shè)備型號(hào)中的任意一個(gè)或者多個(gè)。上述用戶(hù)標(biāo)識(shí)可以具體為用戶(hù)的移動(dòng)電話號(hào)碼或者用戶(hù)的imsi(internationalmobilesubscriberldentificationnumber，國(guó)際移動(dòng)用戶(hù)識(shí)別碼)等。上述用戶(hù)的通話記錄通常具體為在最近預(yù)定時(shí)間段內(nèi)用戶(hù)的通話記錄。上述日志信息可以具體為用戶(hù)使用各應(yīng)用的歷史記錄、用戶(hù)使用瀏覽器進(jìn)行網(wǎng)絡(luò)訪問(wèn)時(shí)所使用的網(wǎng)絡(luò)地址以及用戶(hù)使用瀏覽器進(jìn)行網(wǎng)絡(luò)訪問(wèn)時(shí)所輸入的搜索關(guān)鍵詞等。上述用戶(hù)設(shè)備中安裝的各應(yīng)用信息可以具體為用戶(hù)設(shè)備中安裝的應(yīng)用的列表信息。

在通常情況下，本實(shí)施例的用戶(hù)的特征信息所包含的內(nèi)容可以盡可能的全面一些，從而可以有利于準(zhǔn)確的確定出用戶(hù)當(dāng)前行為。另外，需要特別說(shuō)明的是，上述用戶(hù)的特征信息所包含的內(nèi)容既是用戶(hù)的當(dāng)前特征信息所包含的內(nèi)容，也是用戶(hù)的歷史特征信息所包含的內(nèi)容。

在本實(shí)施例的方法由用戶(hù)設(shè)備執(zhí)行的情況下，用戶(hù)設(shè)備可以以定時(shí)或者不定時(shí)的方式獲取用戶(hù)的當(dāng)前特征信息，如定時(shí)或者不定時(shí)的觸發(fā)用戶(hù)設(shè)備的麥克風(fēng)進(jìn)行音頻采集，以獲得短時(shí)間段內(nèi)的用戶(hù)所在環(huán)境中的聲音；再如定時(shí)或者不定時(shí)的采集用戶(hù)設(shè)備中的陀螺儀產(chǎn)生的姿態(tài)信息等；再如，定時(shí)或者不定時(shí)的獲取自前一次獲取用戶(hù)的通話記錄以及日志信息時(shí)間之后所產(chǎn)生的用戶(hù)的通話記錄以及日志信息。另外，本實(shí)施例應(yīng)在獲得了用戶(hù)的允許的情況下，才能獲取到用戶(hù)的當(dāng)前特征信息。

在本實(shí)施例的方法由設(shè)置于網(wǎng)絡(luò)側(cè)的網(wǎng)絡(luò)設(shè)備執(zhí)行的情況下，用戶(hù)設(shè)備可以采用定時(shí)或者不定時(shí)的方式將其獲取用戶(hù)的當(dāng)前特征信息向網(wǎng)絡(luò)側(cè)上報(bào)，從而使設(shè)置于網(wǎng)絡(luò)側(cè)的網(wǎng)絡(luò)設(shè)備獲取到用戶(hù)的當(dāng)前特征信息。本實(shí)施例不限制用戶(hù)設(shè)備向網(wǎng)絡(luò)側(cè)上報(bào)用戶(hù)的當(dāng)前特征信息的具體實(shí)現(xiàn)方式。

s110、根據(jù)用戶(hù)的當(dāng)前特征信息中的用戶(hù)標(biāo)識(shí)信息確定用戶(hù)對(duì)應(yīng)的行為分析模型。

具體的，本實(shí)施例通常會(huì)預(yù)先為多個(gè)用戶(hù)分別設(shè)置行為分析模型，即本實(shí)施例中通常設(shè)置有多個(gè)行為分析模型，且每一個(gè)行為分析模型對(duì)應(yīng)一個(gè)用戶(hù)，而不同的行為分析模型通常對(duì)應(yīng)不同的用戶(hù)，即不同的用戶(hù)具有不同的行為分析模型。本實(shí)施例可以將每一個(gè)行為分析模型與用戶(hù)標(biāo)識(shí)信息對(duì)應(yīng)存儲(chǔ)，從而本實(shí)施例在獲取到用戶(hù)的當(dāng)前特征信息之后，可以在預(yù)先存儲(chǔ)的信息中查找與用戶(hù)的當(dāng)前特征信息中的用戶(hù)標(biāo)識(shí)信息相匹配的對(duì)應(yīng)關(guān)系，并將相匹配的對(duì)應(yīng)關(guān)系中的行為分析模型作為該用戶(hù)對(duì)應(yīng)的行為分析模型。

針對(duì)一個(gè)具體的用戶(hù)而言，本實(shí)施例是利用該用戶(hù)的歷史特征信息為該用戶(hù)設(shè)置其對(duì)應(yīng)的行為分析模型的，為該用戶(hù)設(shè)置行為分析模型的一個(gè)具體過(guò)程可以為：

首先，本實(shí)施例中預(yù)先設(shè)置有多個(gè)基礎(chǔ)模型，且每個(gè)基礎(chǔ)模型對(duì)應(yīng)一種屬性類(lèi)型的用戶(hù)，而不同的基礎(chǔ)模型對(duì)應(yīng)不同屬性類(lèi)型的用戶(hù)，例如本實(shí)施例可以針對(duì)朝九晚五的上班族這種屬性類(lèi)型設(shè)置一個(gè)基礎(chǔ)模型，并針對(duì)采用彈性工作制度的上班族這種屬性類(lèi)型設(shè)置一個(gè)基礎(chǔ)模型等；上述舉例中的基礎(chǔ)模型所對(duì)應(yīng)的用戶(hù)屬性類(lèi)型的分類(lèi)顆粒度較粗，而在實(shí)際應(yīng)用中，本實(shí)施例的基礎(chǔ)模型所對(duì)應(yīng)的用戶(hù)屬性類(lèi)型的分類(lèi)顆粒度可以更細(xì)，且對(duì)用戶(hù)的屬性類(lèi)型的分類(lèi)方式可以根據(jù)實(shí)際需求來(lái)設(shè)置。

其次，在獲取了一個(gè)用戶(hù)的大量的歷史特征信息之后，本實(shí)施例可以根據(jù)該用戶(hù)的大量的歷史特征信息確定出該用戶(hù)的屬性以及該用戶(hù)的屬性所屬的類(lèi)型，如通過(guò)將該用戶(hù)的大量的歷史特征信息輸入預(yù)先設(shè)置的用戶(hù)屬性分類(lèi)模型中，從而本實(shí)施例可以根據(jù)用戶(hù)屬性分類(lèi)模型輸出的信息確定出該用戶(hù)的屬性所屬的類(lèi)型。本實(shí)施例中的用戶(hù)屬性分類(lèi)模型是通過(guò)對(duì)大量用戶(hù)的歷史特征信息進(jìn)行學(xué)習(xí)而形成的，如本實(shí)施例可以采用有監(jiān)督的學(xué)習(xí)方式對(duì)大量用戶(hù)的歷史特征信息進(jìn)行學(xué)習(xí)，從而形成用戶(hù)屬性分類(lèi)模型；上述對(duì)大量用戶(hù)的歷史特征信息進(jìn)行學(xué)習(xí)的結(jié)果與用戶(hù)分類(lèi)的方式密切相關(guān)。

在本實(shí)施例的用戶(hù)屬性包括：用戶(hù)的性別、用戶(hù)的年齡段(或者用戶(hù)的出生年代)、用戶(hù)的職業(yè)類(lèi)別、用戶(hù)的住址、用戶(hù)的辦公地址、用戶(hù)的上下班交通工具、用戶(hù)的作息規(guī)律、用戶(hù)的收入水平、用戶(hù)的教育水平以及用戶(hù)的行為偏好的情況下，用戶(hù)屬性分類(lèi)模型可以根據(jù)一個(gè)用戶(hù)的大量(如一個(gè)月或者幾個(gè)月)的日志信息(如網(wǎng)絡(luò)訪問(wèn)地址以及搜索關(guān)鍵詞等)等確定出用戶(hù)喜歡瀏覽的內(nèi)容，并根據(jù)該用戶(hù)的大量的用戶(hù)設(shè)備的衛(wèi)星定位信息等確定該用戶(hù)在休閑時(shí)間喜歡去的場(chǎng)所等，從而可以初步推斷出用戶(hù)的性別、用戶(hù)的年齡段以及用戶(hù)的教育水平等；用戶(hù)屬性分類(lèi)模型可以根據(jù)一個(gè)用戶(hù)的大量(如一個(gè)月或者幾個(gè)月)的用戶(hù)設(shè)備的衛(wèi)星定位信息確定出用戶(hù)周期性的在某個(gè)位置的停留時(shí)間，從而可以確定出用戶(hù)的住址、用戶(hù)的辦公地址以及用戶(hù)的作息規(guī)律等，且用戶(hù)設(shè)備中的傳感器采集信息也可以成為確定出用戶(hù)的住址、用戶(hù)的辦公地址以及用戶(hù)的作息規(guī)律的輔助信息；用戶(hù)屬性分類(lèi)模型可以根據(jù)一個(gè)用戶(hù)的大量(如一個(gè)月或者幾個(gè)月)電話通話記錄(通話是否頻繁)、用戶(hù)設(shè)備的衛(wèi)星定位信息(工作時(shí)間是否經(jīng)常位于一個(gè)小的區(qū)域范圍內(nèi)等)以及用戶(hù)設(shè)備中的傳感器采集信息等粗略的確定出用戶(hù)的職業(yè)類(lèi)別，用戶(hù)屬性分類(lèi)模型可以根據(jù)用戶(hù)在其住址和辦公地址之間移動(dòng)過(guò)程的用戶(hù)設(shè)備的衛(wèi)星定位信息可以確定出用戶(hù)的上下班交通工具，且用戶(hù)設(shè)備中的傳感器采集信息也可以成為確定出用戶(hù)的上下班交通工具的輔助信息；用戶(hù)的上下班交通工具以及用戶(hù)的住址等也有助于進(jìn)一步的確定用戶(hù)的收入水平以及用戶(hù)的教育水平等；用戶(hù)屬性分類(lèi)模型可以根據(jù)一個(gè)用戶(hù)的大量的用戶(hù)設(shè)備的衛(wèi)星定位信息、基于用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息以及上述確定出的用戶(hù)的作息規(guī)律可以確定出用戶(hù)的行為偏好等，如用戶(hù)在中午經(jīng)常去的餐館、用戶(hù)在休息日經(jīng)常去的餐館、用戶(hù)經(jīng)常去的電影院、用戶(hù)看電影的頻率和時(shí)間以及用戶(hù)經(jīng)常去的購(gòu)物場(chǎng)所等，另外，用戶(hù)設(shè)備中的傳感器采集信息也可以成為確定出用戶(hù)的行為偏好的輔助信息。上述僅為對(duì)用戶(hù)屬性分類(lèi)模型確定出用戶(hù)屬性的過(guò)程的一個(gè)舉例說(shuō)明，本實(shí)施例不限制用戶(hù)屬性分類(lèi)模型確定出用戶(hù)屬性的具體實(shí)現(xiàn)方式。

作為示例，本實(shí)施例的用戶(hù)屬性分類(lèi)模型可以基于用戶(hù)屬性中的部分內(nèi)容確定用戶(hù)屬性所屬的類(lèi)型，如用戶(hù)屬性分類(lèi)模型可以根據(jù)用戶(hù)的性別、用戶(hù)的年齡段、用戶(hù)的職業(yè)類(lèi)別、用戶(hù)的上下班交通工具、用戶(hù)的收入水平以及用戶(hù)的教育水平對(duì)用戶(hù)屬性進(jìn)行分類(lèi)，本實(shí)施例可以根據(jù)實(shí)際需求預(yù)先設(shè)置多個(gè)類(lèi)型，并根據(jù)每個(gè)類(lèi)型所包含的參數(shù)的具體取值來(lái)確定當(dāng)前用戶(hù)的用戶(hù)屬性所屬的類(lèi)型，本實(shí)施例不限制用戶(hù)屬性分類(lèi)模型確定用戶(hù)屬性所屬的類(lèi)型的具體實(shí)現(xiàn)方式。

再次，本實(shí)施例在確定出該用戶(hù)屬性所屬的類(lèi)型之后，可以從預(yù)先設(shè)置的多個(gè)基礎(chǔ)模型中選取與該用戶(hù)屬性所屬的類(lèi)型相匹配的基礎(chǔ)模型；即本實(shí)施例預(yù)先設(shè)置有多個(gè)基礎(chǔ)模型，且每一個(gè)基礎(chǔ)模型均對(duì)應(yīng)有一種用戶(hù)屬性類(lèi)型，從而在確定出用戶(hù)屬性所屬的類(lèi)型時(shí)即確定出應(yīng)采用的基礎(chǔ)模型。

最后，本實(shí)施例可以根據(jù)該用戶(hù)的歷史特征信息為用戶(hù)屬性所屬的類(lèi)型相匹配的基礎(chǔ)模型設(shè)置個(gè)性化模型參數(shù)，從而形成該用戶(hù)對(duì)應(yīng)的行為分析模型；如本實(shí)施例可以利用該用戶(hù)的大量歷史特征信息對(duì)上述相匹配的基礎(chǔ)模型進(jìn)行訓(xùn)練，從而使該基礎(chǔ)模型的模型參數(shù)是針對(duì)該用戶(hù)而設(shè)置的個(gè)性化模型參數(shù)，即訓(xùn)練后的基礎(chǔ)模型是用戶(hù)對(duì)應(yīng)的行為分析模型。本實(shí)施例中的個(gè)性化模型參數(shù)可以是基于用戶(hù)的住址、用戶(hù)的辦公地址以及用戶(hù)的行為偏好等而設(shè)置的模型參數(shù)。

本實(shí)施例的行為分析模型可以采用基于+hmm(包括hmm以及gmmhmm等以hmm為核心算法)的行為分析模型，且基于+hmm的行為分析模型中的識(shí)別分類(lèi)算法可以采用“前向算法”。本實(shí)施例對(duì)行為分析模型的具體訓(xùn)練過(guò)程在此不再詳細(xì)說(shuō)明。

另外需要特別說(shuō)明的是，在已經(jīng)成功為用戶(hù)設(shè)置了其行為分析模型的情況下，本實(shí)施例后續(xù)獲取到的用戶(hù)的當(dāng)前特征信息會(huì)被作為用戶(hù)的歷史特征信息存儲(chǔ)，且后續(xù)存儲(chǔ)的用戶(hù)的歷史特征信息仍然可以用于對(duì)該用戶(hù)的行為分析模型進(jìn)行訓(xùn)練，以不斷的校正(即調(diào)整或者調(diào)整)用戶(hù)的行為分析模型的個(gè)性化模型參數(shù)，使用戶(hù)的行為分析模型的個(gè)性化模型參數(shù)能夠更好的表現(xiàn)出與用戶(hù)的實(shí)際情況。

s120、將用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息輸入用戶(hù)對(duì)應(yīng)的行為分析模型中。

具體的，本實(shí)施例的用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息可以具體為用戶(hù)設(shè)備中的傳感器采集信息、用戶(hù)設(shè)備的衛(wèi)星定位信息以及基于用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息。

本實(shí)施例可以先對(duì)用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息進(jìn)行整理，然后，再將整理后的表征用戶(hù)當(dāng)前狀態(tài)的信息輸入用戶(hù)對(duì)應(yīng)的行為分析模型中。

本實(shí)施例對(duì)用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息進(jìn)行整理的一個(gè)具體的例子為：本實(shí)施例在將獲取到的當(dāng)前特征信息存儲(chǔ)于當(dāng)前特征信息集合中的情況下，可以先從當(dāng)前特征信息集合中讀取未處理的該用戶(hù)的當(dāng)前特征信息，并識(shí)別讀取出的各當(dāng)前特征信息的類(lèi)型，當(dāng)前特征信息的類(lèi)型可以為通訊錄類(lèi)型、姿態(tài)類(lèi)型(如用戶(hù)設(shè)備中的傳感器采集信息屬于姿態(tài)類(lèi)型)、音頻類(lèi)型(如基于用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息屬于音頻類(lèi)型)以及定位類(lèi)型(如用戶(hù)設(shè)備的衛(wèi)星定位信息屬于定位類(lèi)型)等；之后，本實(shí)施例可以根據(jù)識(shí)別出的類(lèi)型選取表征用戶(hù)當(dāng)前狀態(tài)的信息，并將對(duì)應(yīng)同一時(shí)間的不同類(lèi)型的表征用戶(hù)當(dāng)前狀態(tài)的信息進(jìn)行組合，從而形成以時(shí)間為維度的至少一個(gè)狀態(tài)信息組。

一個(gè)具體的例子，本實(shí)施例獲取到的用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息可以表述為下述公式(1)所示的形式：

[motiondatafromtn-1totn]+[sounddatafromtn-1totn]+[locationdatafromtn-1totn]；公式(1)

在上述公式(1)中，[^＊]表示一組連續(xù)的數(shù)據(jù)，tn-1表示前次處理數(shù)據(jù)的時(shí)間，tn表示本次處理數(shù)據(jù)的時(shí)間，且tn-1和tn之間存在多個(gè)時(shí)刻均對(duì)應(yīng)有獲取到的用戶(hù)的當(dāng)前特征信息；motiondata表示用戶(hù)設(shè)備中的傳感器采集信息，sounddata表示基于用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息，locationdata表示用戶(hù)設(shè)備的衛(wèi)星定位信息；

本實(shí)施例可以將上述公式(1)所示的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息整理為下述公式(2)所示的形式：

[(motiontypeattn-1，soundtypeattn-1，locationtypeattn-1)...(motiontypeattn，soundtypeattn，locationtypeattn)]

公式(2)

在上述公式(2)中，[^＊]表示一組連續(xù)的數(shù)據(jù)，(^＊)表示一組連續(xù)的數(shù)據(jù)中的一個(gè)狀態(tài)信息組，tn-1表示前次處理數(shù)據(jù)的時(shí)間，tn表示本次處理數(shù)據(jù)的時(shí)間，且tn-1和tn之間存在多個(gè)時(shí)刻均對(duì)應(yīng)有獲取到的用戶(hù)的當(dāng)前特征信息；motiondata表示用戶(hù)設(shè)備中的傳感器采集信息，sounddata表示基于用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息，locationdata表示用戶(hù)設(shè)備的衛(wèi)星定位信息。

由上述公式(2)可知，本實(shí)施例的用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息按照時(shí)間維護(hù)被重新組合為多個(gè)狀態(tài)信息組。

本實(shí)施例可以根據(jù)時(shí)間維度的先后順序(即時(shí)間順序)將各狀態(tài)信息組依次輸入用戶(hù)對(duì)應(yīng)的行為分析模型中。續(xù)前例，本實(shí)施例可以先將(motiontypeattn-1，soundtypeattn-1，locationtypeattn-1)輸入用戶(hù)對(duì)應(yīng)的行為分析模型中，然后，將tn-1和tn之間的各中間時(shí)刻的狀態(tài)信息組依次輸入用戶(hù)對(duì)應(yīng)的行為分析模型中，直到將(motiontypeattn，soundtypeattn，locationtypeattn)。

s130、根據(jù)用戶(hù)對(duì)應(yīng)的行為分析模型輸出的信息確定用戶(hù)的當(dāng)前行為。

具體的，本實(shí)施例中的用戶(hù)的當(dāng)前行為也可以稱(chēng)為用戶(hù)的當(dāng)前生活行為或者用戶(hù)的事件等。用戶(hù)的當(dāng)前行為可以具體為在上/下班的路上(采用走路/開(kāi)車(chē)/公共交通工具方式)、在去某目的地(如電影院)的路上(采用走路/開(kāi)車(chē)/公共交通工具方式)、在吃中飯(在餐館/家中/辦公室)、在工作(正在開(kāi)會(huì)/正在伏案工作/正在出差的路上)、在睡午覺(jué)或者在逛商場(chǎng)等等。本實(shí)施例不限制用戶(hù)當(dāng)前行為的具體表現(xiàn)形式。

本實(shí)施例中的用戶(hù)的行為分析模型可以根據(jù)輸入的表征用戶(hù)當(dāng)前狀態(tài)的信息(如用戶(hù)設(shè)備中的傳感器采集信息、用戶(hù)設(shè)備的衛(wèi)星定位信息以及基于用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息)獲得每一種可能的用戶(hù)行為的概率，如用戶(hù)的行為分析模型針對(duì)每一種可能的用戶(hù)行為分別利用預(yù)定算法對(duì)輸入的表征用戶(hù)當(dāng)前狀態(tài)的信息進(jìn)行概率計(jì)算，以獲得輸入的表征用戶(hù)當(dāng)前狀態(tài)的信息對(duì)應(yīng)每一種可能的用戶(hù)行為的概率；用戶(hù)的行為分析模型在計(jì)算每一種可能的用戶(hù)行為的概率的過(guò)程中通常會(huì)對(duì)表征用戶(hù)當(dāng)前狀態(tài)的信息、用戶(hù)的歷史事件以及日志信息等多方面進(jìn)行綜合考量。本實(shí)施例可以根據(jù)用戶(hù)的行為分析模型計(jì)算獲得的每一種可能的用戶(hù)行為的概率確定出用戶(hù)的當(dāng)前行為，如將用戶(hù)的行為分析模型計(jì)算獲得的概率最高的用戶(hù)行為確定為用戶(hù)的當(dāng)前行為。本實(shí)施例不限制用戶(hù)的行為分析模型對(duì)輸入的表征用戶(hù)當(dāng)前狀態(tài)的信息進(jìn)行計(jì)算的具體實(shí)現(xiàn)過(guò)程。

本實(shí)施例確定出的用戶(hù)的當(dāng)前行為不僅可以用于預(yù)測(cè)用戶(hù)意圖，而且也可以用于其他場(chǎng)景，如通過(guò)利用獲得的用戶(hù)的當(dāng)前行為可以記錄用戶(hù)在一段時(shí)間范圍內(nèi)的生活歷程，從而可以在用戶(hù)查看時(shí)呈現(xiàn)給用戶(hù)或者定期的呈現(xiàn)給用戶(hù)等。本實(shí)施例不限制確定出的用戶(hù)的當(dāng)前行為的具體應(yīng)用場(chǎng)景。

s140、根據(jù)上述確定出的用戶(hù)的當(dāng)前行為預(yù)測(cè)用戶(hù)的當(dāng)前意圖。

具體的，由于用戶(hù)的當(dāng)前行為可以在一定程度上反映出用戶(hù)的意愿，因此，本實(shí)施例可以根據(jù)用戶(hù)的當(dāng)前行為并結(jié)合預(yù)定策略預(yù)測(cè)出用戶(hù)的當(dāng)前意圖；如在確定出的用戶(hù)的當(dāng)前行為為在去電影院的路上時(shí)，可以根據(jù)預(yù)定策略預(yù)測(cè)出用戶(hù)的當(dāng)前意圖很可能為希望去看場(chǎng)電影；再如在確定出的用戶(hù)的當(dāng)前行為為在逛商場(chǎng)時(shí)，如果當(dāng)前時(shí)間已經(jīng)到了午餐或者晚餐時(shí)間，則可以根據(jù)預(yù)定策略預(yù)測(cè)出用戶(hù)的當(dāng)前意圖很可能為希望在商場(chǎng)附近吃飯。在此不對(duì)根據(jù)預(yù)定策略預(yù)測(cè)出的用戶(hù)的當(dāng)前意圖進(jìn)行一一舉例說(shuō)明，本實(shí)施例不限制預(yù)測(cè)出的用戶(hù)的當(dāng)前意圖的具體表現(xiàn)形式，且本實(shí)施例中的預(yù)定策略可以根據(jù)實(shí)際需求來(lái)設(shè)置。

s150、選取滿(mǎn)足上述用戶(hù)的當(dāng)前意圖的信息，并向用戶(hù)推送。

具體的，本實(shí)施例中的用戶(hù)的當(dāng)前意圖可以體現(xiàn)出用戶(hù)的當(dāng)前需求，因此，本實(shí)施例可以針對(duì)用戶(hù)的當(dāng)前需求在網(wǎng)絡(luò)中查找能夠滿(mǎn)足用戶(hù)的當(dāng)前需求的信息，以及時(shí)的向用戶(hù)推送相應(yīng)的信息。本實(shí)施例可以采用以用戶(hù)的當(dāng)前意圖的信息中的關(guān)鍵字進(jìn)行索引以及數(shù)據(jù)過(guò)濾等方式來(lái)選取滿(mǎn)足用戶(hù)的當(dāng)前意圖的信息。

本實(shí)施例選擇滿(mǎn)足用戶(hù)的當(dāng)前意圖的信息的一個(gè)具體的例子為：在預(yù)測(cè)出用戶(hù)的當(dāng)前意圖為希望去看場(chǎng)電影的情況下，本實(shí)施例可以通過(guò)信息檢索以及信息過(guò)濾等方式獲取最近一段時(shí)間上映的評(píng)價(jià)較高的新電影的相關(guān)信息，該相關(guān)信息可以為電影名、評(píng)價(jià)指數(shù)、上映時(shí)間、播映時(shí)間、票價(jià)以及在線購(gòu)票鏈接等。

本實(shí)施例選擇滿(mǎn)足用戶(hù)的當(dāng)前意圖的信息的另一個(gè)具體的例子為：在預(yù)測(cè)出用戶(hù)的當(dāng)前意圖為希望在商場(chǎng)附近吃飯的情況下，本實(shí)施例可以通過(guò)信息檢索以及信息過(guò)濾等方式獲取位于用戶(hù)附近的評(píng)價(jià)較高的餐館或者小吃的相關(guān)信息，該相關(guān)信息可以為餐館或者小吃的名稱(chēng)、評(píng)價(jià)指數(shù)、人均消費(fèi)以及地理位置等。

在此不對(duì)選取滿(mǎn)足用戶(hù)的當(dāng)前意圖的信息的具體實(shí)現(xiàn)過(guò)程進(jìn)行一一舉例說(shuō)明，本實(shí)施例不限制選取滿(mǎn)足用戶(hù)的當(dāng)前意圖的信息的具體表現(xiàn)形式，且本實(shí)施例中的信息檢索方式以及信息過(guò)濾所采用的相應(yīng)策略可以根據(jù)實(shí)際需求來(lái)設(shè)置。

實(shí)施例二、推送信息的裝置。

圖2為本實(shí)施例的推送信息的裝置示意圖。如圖2所示，本實(shí)施例的推送信息的裝置主要包括：獲取特征信息模塊200、確定分析模型模塊210、信息處理模塊220、確定當(dāng)前行為模塊230、意圖預(yù)測(cè)模塊240以及信息推送模塊250。可選的，本實(shí)施例的裝置還包括：模型設(shè)置模塊(圖2中未示出)。

本實(shí)施例所記載的裝置可以設(shè)置于智能電子設(shè)備中，且該裝置通常設(shè)置于網(wǎng)絡(luò)側(cè)的智能電子設(shè)備(如設(shè)置于云端的服務(wù)器等網(wǎng)絡(luò)設(shè)備)中，當(dāng)然本實(shí)施例也不排除該裝置設(shè)置于用戶(hù)側(cè)的智能電子設(shè)備(如智能移動(dòng)電話或者平板電腦等用戶(hù)設(shè)備)中或者設(shè)置于用戶(hù)側(cè)的智能電子設(shè)備以及網(wǎng)絡(luò)側(cè)的智能電子設(shè)備中的可能性(如其中的模型可以由設(shè)置于網(wǎng)絡(luò)側(cè)的模型設(shè)置模塊訓(xùn)練，并下發(fā)至用戶(hù)側(cè)，再如設(shè)置于用戶(hù)側(cè)的意圖預(yù)測(cè)模塊240預(yù)測(cè)用戶(hù)的當(dāng)前意圖并上傳至網(wǎng)絡(luò)側(cè)，設(shè)置于網(wǎng)絡(luò)側(cè)的信息推送模塊250下發(fā)推送的信息等)。本實(shí)施例不限制設(shè)置有推送信息的裝置的智能電子設(shè)備的具體表現(xiàn)形式，即本實(shí)施例不限制推送信息的裝置所適用的硬件環(huán)境。

下面對(duì)圖2中的各模塊分別進(jìn)行詳細(xì)描述。

獲取特征信息模型200主要用于獲取用戶(hù)的當(dāng)前特征信息。

具體的，本實(shí)施例中的用戶(hù)的當(dāng)前特征信息即當(dāng)前時(shí)刻或者當(dāng)前時(shí)間段內(nèi)的用戶(hù)的特征信息；本實(shí)施例中的用戶(hù)的當(dāng)前特征信息可以作為用戶(hù)的歷史特征信息進(jìn)行存儲(chǔ)；也就是說(shuō)，用戶(hù)的當(dāng)前特征信息和用戶(hù)的歷史特征信息均為用戶(hù)的特征信息，在用戶(hù)的當(dāng)前特征信息失去其時(shí)效性時(shí)，用戶(hù)的當(dāng)前特征信息成為用戶(hù)的歷史特征信息。

本實(shí)施例中的用戶(hù)的特征信息是指用于描述用戶(hù)的特有特征的信息，如用于描述用戶(hù)的靜態(tài)特征以及動(dòng)態(tài)特征的信息。

本實(shí)施例中的用戶(hù)的靜態(tài)特征可以稱(chēng)為用戶(hù)屬性，且本實(shí)施例中的用戶(hù)屬性可以包括：用戶(hù)的性別、用戶(hù)的年齡段(或者用戶(hù)的出生年代)、用戶(hù)的職業(yè)類(lèi)別、用戶(hù)的住址、用戶(hù)的辦公地址、用戶(hù)的上下班交通工具、用戶(hù)的作息規(guī)律、用戶(hù)的收入水平、用戶(hù)的教育水平以及用戶(hù)的行為偏好等。

本實(shí)施例中的用戶(hù)的動(dòng)態(tài)特征可以稱(chēng)為用戶(hù)的狀態(tài)，且本實(shí)施例中的用戶(hù)的狀態(tài)可以具體包括：用戶(hù)的運(yùn)動(dòng)狀態(tài)、用戶(hù)身處的環(huán)境以及用戶(hù)所在的具體位置等。

本實(shí)施例中的用戶(hù)的特征信息(即用戶(hù)的當(dāng)前特征信息以及用戶(hù)的歷史特征信息)通常包括：表征用戶(hù)當(dāng)前狀態(tài)的信息，且表征用戶(hù)當(dāng)前狀態(tài)的信息該表征用戶(hù)當(dāng)前狀態(tài)的信息可以具體為用戶(hù)設(shè)備中的傳感器采集信息、用戶(hù)設(shè)備的衛(wèi)星定位信息以及基于用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息中的一個(gè)或者多個(gè)。上述用戶(hù)設(shè)備中的傳感器采集信息可以具體為用戶(hù)設(shè)備中的陀螺儀采集的信息、用戶(hù)設(shè)備中的重力傳感器采集的信息以及用戶(hù)設(shè)備中的加速度傳感器采集的信息中的一個(gè)或者多個(gè)。上述用戶(hù)設(shè)備的衛(wèi)星定位信息可以具體為用戶(hù)設(shè)備的基于gps(gobalpositionsystem，全球定位系統(tǒng))的定位信息，當(dāng)然，用戶(hù)設(shè)備的衛(wèi)星定位信息也可以具體為用戶(hù)設(shè)備的基于北斗衛(wèi)星定位系統(tǒng)的定位信息等。上述用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息通常為用戶(hù)所在環(huán)境中的聲音。

本實(shí)施例中的用戶(hù)的特征信息(即用戶(hù)的當(dāng)前特征信息以及用戶(hù)的歷史特征信息)通常還包括：用戶(hù)標(biāo)識(shí)、用戶(hù)設(shè)備中的電話通訊錄、用戶(hù)的通話記錄、日志信息、用戶(hù)設(shè)備中安裝的各應(yīng)用信息以及用戶(hù)設(shè)備型號(hào)中的任意一個(gè)或者多個(gè)。上述用戶(hù)標(biāo)識(shí)可以具體為用戶(hù)的移動(dòng)電話號(hào)碼或者用戶(hù)的imsi等。上述用戶(hù)的通話記錄通常具體為在最近預(yù)定時(shí)間段內(nèi)用戶(hù)的通話記錄。上述日志信息可以具體為用戶(hù)使用各應(yīng)用的歷史記錄、用戶(hù)使用瀏覽器進(jìn)行網(wǎng)絡(luò)訪問(wèn)時(shí)所使用的網(wǎng)絡(luò)地址以及用戶(hù)使用瀏覽器進(jìn)行網(wǎng)絡(luò)訪問(wèn)時(shí)所輸入的搜索關(guān)鍵詞等。上述用戶(hù)設(shè)備中安裝的各應(yīng)用信息可以具體為用戶(hù)設(shè)備中安裝的應(yīng)用的列表信息。

在通常情況下，本實(shí)施例的用戶(hù)的特征信息所包含的內(nèi)容可以盡可能的全面一些，從而可以有利于準(zhǔn)確的確定出用戶(hù)當(dāng)前行為。另外，需要特別說(shuō)明的是，上述用戶(hù)的特征信息所包含的內(nèi)容既是用戶(hù)的當(dāng)前特征信息所包含的內(nèi)容，也是用戶(hù)的歷史特征信息所包含的內(nèi)容。

在本實(shí)施例的裝置設(shè)置于用戶(hù)設(shè)備中的情況下，獲取特征信息模型200可以以定時(shí)或者不定時(shí)的方式獲取用戶(hù)的當(dāng)前特征信息，如獲取特征信息模型200定時(shí)或者不定時(shí)的觸發(fā)用戶(hù)設(shè)備的麥克風(fēng)進(jìn)行音頻采集，以獲得短時(shí)間段內(nèi)的用戶(hù)所在環(huán)境中的聲音；再如獲取特征信息模型200定時(shí)或者不定時(shí)的采集用戶(hù)設(shè)備中的陀螺儀產(chǎn)生的姿態(tài)信息等；再如，獲取特征信息模型200定時(shí)或者不定時(shí)的獲取自前一次獲取用戶(hù)的通話記錄以及日志信息時(shí)間之后所產(chǎn)生的用戶(hù)的通話記錄以及日志信息。另外，獲取特征信息模型200應(yīng)在獲得了用戶(hù)的允許的情況下，才能獲取到用戶(hù)的當(dāng)前特征信息。

在本實(shí)施例的裝置設(shè)置于網(wǎng)絡(luò)側(cè)的網(wǎng)絡(luò)設(shè)備中的情況下，用戶(hù)設(shè)備可以采用定時(shí)或者不定時(shí)的方式將其獲取用戶(hù)的當(dāng)前特征信息向網(wǎng)絡(luò)側(cè)上報(bào)，從而使設(shè)置于網(wǎng)絡(luò)側(cè)的網(wǎng)絡(luò)設(shè)備中的獲取特征信息模型200獲取到用戶(hù)的當(dāng)前特征信息。本實(shí)施例不限制用戶(hù)設(shè)備向網(wǎng)絡(luò)側(cè)上報(bào)用戶(hù)的當(dāng)前特征信息的具體實(shí)現(xiàn)方式。

確定分析模型模塊210主要用于根據(jù)用戶(hù)的當(dāng)前特征信息中的用戶(hù)標(biāo)識(shí)信息確定用戶(hù)對(duì)應(yīng)的行為分析模型。

具體的，本實(shí)施例中的模型設(shè)置模塊通常會(huì)預(yù)先為多個(gè)用戶(hù)分別設(shè)置各自的行為分析模型，即本實(shí)施例的裝置中通常設(shè)置有多個(gè)行為分析模型，且每一個(gè)行為分析模型對(duì)應(yīng)一個(gè)用戶(hù)，而不同的行為分析模型通常對(duì)應(yīng)不同的用戶(hù)，即不同的用戶(hù)具有不同的行為分析模型。模型設(shè)置模塊可以將每一個(gè)行為分析模型與用戶(hù)標(biāo)識(shí)信息對(duì)應(yīng)存儲(chǔ)，從而在獲取特征信息模型200獲取到用戶(hù)的當(dāng)前特征信息之后，確定分析模型模塊210可以在預(yù)先存儲(chǔ)的信息中查找與用戶(hù)的當(dāng)前特征信息中的用戶(hù)標(biāo)識(shí)信息相匹配的對(duì)應(yīng)關(guān)系，并將相匹配的對(duì)應(yīng)關(guān)系中的行為分析模型作為該用戶(hù)對(duì)應(yīng)的行為分析模型。

模型設(shè)置模塊主要用于為用戶(hù)設(shè)置其對(duì)應(yīng)的行為分析模型；且該模型設(shè)置模塊主要包括：第一子模塊、第二子模塊以及第三子模塊；其中，第一子模塊主要用于根據(jù)用戶(hù)的歷史特征信息確定所述用戶(hù)的用戶(hù)屬性所屬的類(lèi)型；第二子模塊主要用于從預(yù)先設(shè)置的多個(gè)基礎(chǔ)模型中選取與用戶(hù)屬性所屬的類(lèi)型相匹配的基礎(chǔ)模型；第三子模塊主要用于根據(jù)用戶(hù)的歷史特征信息為上述相匹配的基礎(chǔ)模型設(shè)置個(gè)性化模型參數(shù)，以形成用戶(hù)對(duì)應(yīng)的行為分析模型。

針對(duì)一個(gè)具體的用戶(hù)而言，本實(shí)施例的模型設(shè)置模塊是利用該用戶(hù)的歷史特征信息為該用戶(hù)設(shè)置其對(duì)應(yīng)的行為分析模型的，模型設(shè)置模塊為該用戶(hù)設(shè)置行為分析模型的一個(gè)具體過(guò)程可以為：

首先，模型設(shè)置模塊中預(yù)先設(shè)置有多個(gè)基礎(chǔ)模型，且每一個(gè)基礎(chǔ)模型對(duì)應(yīng)一種屬性類(lèi)型的用戶(hù)，而不同的基礎(chǔ)模型對(duì)應(yīng)不同屬性類(lèi)型的用戶(hù)，如模型設(shè)置模塊可以針對(duì)朝九晚五的上班族這種屬性類(lèi)型設(shè)置一個(gè)基礎(chǔ)模型，并針對(duì)采用彈性工作制度的上班族這種屬性類(lèi)型設(shè)置一個(gè)基礎(chǔ)模型等；在上述舉例中，基礎(chǔ)模型所對(duì)應(yīng)的用戶(hù)屬性類(lèi)型的分類(lèi)顆粒度較粗，而在實(shí)際應(yīng)用中，模型設(shè)置模塊中的基礎(chǔ)模型所對(duì)應(yīng)的用戶(hù)屬性類(lèi)型的分類(lèi)顆粒度可以更細(xì)致，且對(duì)用戶(hù)的屬性類(lèi)型的分類(lèi)方式可以根據(jù)實(shí)際需求來(lái)設(shè)置。

其次，在獲取特征信息模型200獲取了一個(gè)用戶(hù)的大量的歷史特征信息之后，模型設(shè)置模塊(如第一子模塊)可以根據(jù)該用戶(hù)的大量的歷史特征信息確定出該用戶(hù)的屬性以及該用戶(hù)的屬性所屬的類(lèi)型，如模型設(shè)置模塊(如第一子模塊)通過(guò)將該用戶(hù)的大量的歷史特征信息輸入預(yù)先設(shè)置的用戶(hù)屬性分類(lèi)模型中，從而本實(shí)施例可以根據(jù)用戶(hù)屬性分類(lèi)模型輸出的信息確定出該用戶(hù)的屬性所屬的類(lèi)型。本實(shí)施例中的用戶(hù)屬性分類(lèi)模型是通過(guò)對(duì)大量用戶(hù)的歷史特征信息進(jìn)行學(xué)習(xí)而形成的，如本實(shí)施例可以采用有監(jiān)督的學(xué)習(xí)方式對(duì)大量用戶(hù)的歷史特征信息進(jìn)行學(xué)習(xí)，從而形成用戶(hù)屬性分類(lèi)模型；上述對(duì)大量用戶(hù)的歷史特征信息進(jìn)行學(xué)習(xí)的結(jié)果與用戶(hù)分類(lèi)的方式密切相關(guān)。

在本實(shí)施例的用戶(hù)屬性包括：用戶(hù)的性別、用戶(hù)的年齡段(或者用戶(hù)的出生年代)、用戶(hù)的職業(yè)類(lèi)別、用戶(hù)的住址、用戶(hù)的辦公地址、用戶(hù)的上下班交通工具、用戶(hù)的作息規(guī)律、用戶(hù)的收入水平、用戶(hù)的教育水平以及用戶(hù)的行為偏好的情況下，用戶(hù)屬性分類(lèi)模型可以根據(jù)一個(gè)用戶(hù)的大量(如一個(gè)月或者幾個(gè)月)的日志信息(如網(wǎng)絡(luò)訪問(wèn)地址以及搜索關(guān)鍵詞等)等確定出用戶(hù)喜歡瀏覽的內(nèi)容，并根據(jù)該用戶(hù)的大量的用戶(hù)設(shè)備的衛(wèi)星定位信息等確定該用戶(hù)在休閑時(shí)間喜歡去的場(chǎng)所等，從而可以初步推斷出用戶(hù)的性別、用戶(hù)的年齡段以及用戶(hù)的教育水平等；用戶(hù)屬性分類(lèi)模型可以根據(jù)一個(gè)用戶(hù)的大量(如一個(gè)月或者幾個(gè)月)的用戶(hù)設(shè)備的衛(wèi)星定位信息確定出用戶(hù)周期性的在某個(gè)位置的停留時(shí)間，從而可以確定出用戶(hù)的住址、用戶(hù)的辦公地址以及用戶(hù)的作息規(guī)律等，且用戶(hù)設(shè)備中的傳感器采集信息也可以成為確定出用戶(hù)的住址、用戶(hù)的辦公地址以及用戶(hù)的作息規(guī)律的輔助信息；用戶(hù)屬性分類(lèi)模型可以根據(jù)一個(gè)用戶(hù)的大量(如一個(gè)月或者幾個(gè)月)電話通話記錄(通話是否頻繁)、用戶(hù)設(shè)備的衛(wèi)星定位信息(工作時(shí)間是否經(jīng)常位于一個(gè)小的區(qū)域范圍內(nèi)等)以及用戶(hù)設(shè)備中的傳感器采集信息等粗略的確定出用戶(hù)的職業(yè)類(lèi)別，用戶(hù)屬性分類(lèi)模型可以根據(jù)用戶(hù)在其住址和辦公地址之間移動(dòng)過(guò)程的用戶(hù)設(shè)備的衛(wèi)星定位信息可以確定出用戶(hù)的上下班交通工具，且用戶(hù)設(shè)備中的傳感器采集信息也可以成為確定出用戶(hù)的上下班交通工具的輔助信息；用戶(hù)的上下班交通工具以及用戶(hù)的住址等也有助于進(jìn)一步的確定用戶(hù)的收入水平以及用戶(hù)的教育水平等；用戶(hù)屬性分類(lèi)模型可以根據(jù)一個(gè)用戶(hù)的大量的用戶(hù)設(shè)備的衛(wèi)星定位信息、基于用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息以及上述確定出的用戶(hù)的作息規(guī)律可以確定出用戶(hù)的行為偏好等，如用戶(hù)在中午經(jīng)常去的餐館、用戶(hù)在休息日經(jīng)常去的餐館、用戶(hù)經(jīng)常去的電影院、用戶(hù)看電影的頻率和時(shí)間以及用戶(hù)經(jīng)常去的購(gòu)物場(chǎng)所等，另外，用戶(hù)設(shè)備中的傳感器采集信息也可以成為確定出用戶(hù)的行為偏好的輔助信息。上述僅為對(duì)用戶(hù)屬性分類(lèi)模型確定出用戶(hù)屬性的過(guò)程的一個(gè)舉例說(shuō)明，本實(shí)施例不限制用戶(hù)屬性分類(lèi)模型確定出用戶(hù)屬性的具體實(shí)現(xiàn)方式。

作為示例，本實(shí)施例的用戶(hù)屬性分類(lèi)模型可以基于用戶(hù)屬性中的部分內(nèi)容確定用戶(hù)屬性所屬的類(lèi)型，如用戶(hù)屬性分類(lèi)模型可以根據(jù)用戶(hù)的性別、用戶(hù)的年齡段、用戶(hù)的職業(yè)類(lèi)別、用戶(hù)的上下班交通工具、用戶(hù)的收入水平以及用戶(hù)的教育水平對(duì)用戶(hù)屬性進(jìn)行分類(lèi)，本實(shí)施例可以根據(jù)實(shí)際需求預(yù)先設(shè)置多個(gè)類(lèi)型，并根據(jù)每個(gè)類(lèi)型所包含的參數(shù)的具體取值來(lái)確定當(dāng)前用戶(hù)的用戶(hù)屬性所屬的類(lèi)型，本實(shí)施例不限制用戶(hù)屬性分類(lèi)模型確定用戶(hù)屬性所屬的類(lèi)型的具體實(shí)現(xiàn)方式。

再次，模型設(shè)置模塊(如第二子模塊)在確定出該用戶(hù)屬性所屬的類(lèi)型之后，可以從預(yù)先設(shè)置的多個(gè)基礎(chǔ)模型中選取與該用戶(hù)屬性所屬的類(lèi)型相匹配的基礎(chǔ)模型；即模型設(shè)置模塊(如第二子模塊)預(yù)先設(shè)置有多個(gè)基礎(chǔ)模型，且每一個(gè)基礎(chǔ)模型均對(duì)應(yīng)有一種用戶(hù)屬性類(lèi)型，從而在模型設(shè)置模塊(如第二子模塊)確定出用戶(hù)屬性所屬的類(lèi)型時(shí)即確定出應(yīng)采用的基礎(chǔ)模型。

最后，模型設(shè)置模塊(如第三子模塊)可以根據(jù)該用戶(hù)的歷史特征信息為用戶(hù)屬性所屬的類(lèi)型相匹配的基礎(chǔ)模型設(shè)置個(gè)性化模型參數(shù)，從而形成該用戶(hù)對(duì)應(yīng)的行為分析模型；如模型設(shè)置模塊(如第三子模塊)可以利用該用戶(hù)的大量歷史特征信息對(duì)上述相匹配的基礎(chǔ)模型進(jìn)行訓(xùn)練，從而使該基礎(chǔ)模型的模型參數(shù)是針對(duì)該用戶(hù)而設(shè)置的個(gè)性化模型參數(shù)，即訓(xùn)練后的基礎(chǔ)模型是用戶(hù)對(duì)應(yīng)的行為分析模型。本實(shí)施例中的個(gè)性化模型參數(shù)可以是基于用戶(hù)的住址、用戶(hù)的辦公地址以及用戶(hù)的行為偏好等而設(shè)置的模型參數(shù)。

本實(shí)施例的行為分析模型可以采用基于+hmm(包括hmm以及gmmhmm等以hmm為核心算法)的行為分析模型，且基于+hmm的行為分析模型中的識(shí)別分類(lèi)算法可以采用“前向算法”。本實(shí)施例對(duì)行為分析模型的具體訓(xùn)練過(guò)程在此不再詳細(xì)說(shuō)明。

另外需要特別說(shuō)明的是，在模型設(shè)置模塊已經(jīng)成功為用戶(hù)設(shè)置了其行為分析模型的情況下，獲取特征信息模型200后續(xù)獲取到的用戶(hù)的當(dāng)前特征信息會(huì)被作為用戶(hù)的歷史特征信息存儲(chǔ)，且后續(xù)存儲(chǔ)的用戶(hù)的歷史特征信息仍然可以用于模型設(shè)置模塊對(duì)該用戶(hù)的行為分析模型進(jìn)行訓(xùn)練，以不斷的校正(即調(diào)整或者調(diào)整)用戶(hù)的行為分析模型的個(gè)性化模型參數(shù)，使用戶(hù)的行為分析模型的個(gè)性化模型參數(shù)能夠更好的表現(xiàn)出與用戶(hù)的實(shí)際情況。

信息處理模塊220主要用于將用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息輸入用戶(hù)對(duì)應(yīng)的行為分析模型中；且該信息處理模塊220包括：第四子模塊、第五子模塊、第六子模塊、第七子模塊以及第八子模塊；其中的第四子模塊主要用于從當(dāng)前特征信息集合中讀取未處理的當(dāng)前特征信息；第五子模塊主要用于識(shí)別讀取出的各當(dāng)前特征信息的類(lèi)型；第六子模塊主要用于根據(jù)識(shí)別出的類(lèi)型選取表征用戶(hù)當(dāng)前狀態(tài)的信息；第七子模塊主要用于將對(duì)應(yīng)同一時(shí)間的不同類(lèi)型的表征用戶(hù)當(dāng)前狀態(tài)的信息進(jìn)行組合，以形成以時(shí)間為維度的至少一個(gè)狀態(tài)信息組；第八子模塊主要用于將狀態(tài)信息組輸入用戶(hù)對(duì)應(yīng)的行為分析模型中。

具體的，本實(shí)施例的用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息可以具體為用戶(hù)設(shè)備中的傳感器采集信息、用戶(hù)設(shè)備的衛(wèi)星定位信息以及基于用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息。

信息處理模塊220(如第四子模塊、第五子模塊、第六子模塊以及第七子模塊)可以先對(duì)用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息進(jìn)行整理，然后，信息處理模塊220(如第八子模塊)再將整理后的表征用戶(hù)當(dāng)前狀態(tài)的信息輸入用戶(hù)對(duì)應(yīng)的行為分析模型中。

信息處理模塊220對(duì)用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息進(jìn)行整理的一個(gè)具體的例子為：本實(shí)施例在獲取特征信息模型200將獲取到的當(dāng)前特征信息存儲(chǔ)于當(dāng)前特征信息集合中的情況下，信息處理模塊220(如第四子模塊)可以先從當(dāng)前特征信息集合中讀取未處理的該用戶(hù)的當(dāng)前特征信息，信息處理模塊220(如第五子模塊)識(shí)別讀取出的各當(dāng)前特征信息的類(lèi)型，當(dāng)前特征信息的類(lèi)型可以為通訊錄類(lèi)型、姿態(tài)類(lèi)型(如用戶(hù)設(shè)備中的傳感器采集信息屬于姿態(tài)類(lèi)型)、音頻類(lèi)型(如基于用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息屬于音頻類(lèi)型)以及定位類(lèi)型(如用戶(hù)設(shè)備的衛(wèi)星定位信息屬于定位類(lèi)型)等；之后，信息處理模塊220(如第六子模塊)可以根據(jù)識(shí)別出的類(lèi)型選取表征用戶(hù)當(dāng)前狀態(tài)的信息，信息處理模塊220(如第七子模塊)將對(duì)應(yīng)同一時(shí)間的不同類(lèi)型的表征用戶(hù)當(dāng)前狀態(tài)的信息進(jìn)行組合，從而形成以時(shí)間為維度的至少一個(gè)狀態(tài)信息組。

一個(gè)具體的例子，獲取特征信息模型200獲取到的用戶(hù)的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息可以表述為上述公式(1)所示的形式，信息處理模塊220可以將上述公式(1)所示的當(dāng)前特征信息中的表征用戶(hù)當(dāng)前狀態(tài)的信息整理為上述公式(2)所示的形式。

信息處理模塊220(如第八子模塊)可以根據(jù)時(shí)間維度的先后順序(即時(shí)間順序)將各狀態(tài)信息組依次輸入用戶(hù)對(duì)應(yīng)的行為分析模型中。如信息處理模塊220(如第八子模塊)可以先將(motiontypeattn-1，soundtypeattn-1，locationtypeattn-1)輸入用戶(hù)對(duì)應(yīng)的行為分析模型中，然后，信息處理模塊220(如第八子模塊)將tn-1和tn之間的各中間時(shí)刻的狀態(tài)信息組依次輸入用戶(hù)對(duì)應(yīng)的行為分析模型中，直到將(motiontypeattn，soundtypeattn，locationtypeattn)。

確定當(dāng)前行為模塊230主要用于根據(jù)用戶(hù)對(duì)應(yīng)的行為分析模型輸出的信息確定用戶(hù)的當(dāng)前行為。

具體的，本實(shí)施例中的用戶(hù)的當(dāng)前行為也可以稱(chēng)為用戶(hù)的當(dāng)前生活行為或者用戶(hù)的事件等。用戶(hù)的當(dāng)前行為可以具體為在上/下班的路上(采用走路/開(kāi)車(chē)/公共交通工具方式)、在去某目的地(如電影院)的路上(采用走路/開(kāi)車(chē)/公共交通工具方式)、在吃中飯(在餐館/家中/辦公室)、在工作(正在開(kāi)會(huì)/正在伏案工作/正在出差的路上)、在睡午覺(jué)或者在逛商場(chǎng)等等。本實(shí)施例不限制用戶(hù)當(dāng)前行為的具體表現(xiàn)形式。

本實(shí)施例中的用戶(hù)的行為分析模型可以根據(jù)輸入的表征用戶(hù)當(dāng)前狀態(tài)的信息(如用戶(hù)設(shè)備中的傳感器采集信息、用戶(hù)設(shè)備的衛(wèi)星定位信息以及基于用戶(hù)設(shè)備的麥克風(fēng)采集的音頻信息)獲得每一種可能的用戶(hù)行為的概率，如用戶(hù)的行為分析模型針對(duì)每一種可能的用戶(hù)行為分別利用預(yù)定算法對(duì)輸入的表征用戶(hù)當(dāng)前狀態(tài)的信息進(jìn)行概率計(jì)算，以獲得輸入的表征用戶(hù)當(dāng)前狀態(tài)的信息對(duì)應(yīng)每一種可能的用戶(hù)行為的概率；用戶(hù)的行為分析模型在計(jì)算每一種可能的用戶(hù)行為的概率的過(guò)程中通常會(huì)對(duì)表征用戶(hù)當(dāng)前狀態(tài)的信息、用戶(hù)的歷史事件以及日志信息等多方面進(jìn)行綜合考量。確定當(dāng)前行為模塊230可以根據(jù)用戶(hù)的行為分析模型計(jì)算獲得的每一種可能的用戶(hù)行為的概率確定出用戶(hù)的當(dāng)前行為，如確定當(dāng)前行為模塊230將用戶(hù)的行為分析模型計(jì)算獲得的概率最高的用戶(hù)行為確定為用戶(hù)的當(dāng)前行為。本實(shí)施例不限制用戶(hù)的行為分析模型對(duì)輸入的表征用戶(hù)當(dāng)前狀態(tài)的信息進(jìn)行計(jì)算的具體實(shí)現(xiàn)過(guò)程。

確定當(dāng)前行為模塊230確定出的用戶(hù)的當(dāng)前行為不僅可以用于預(yù)測(cè)用戶(hù)意圖，而且也可以用于其他場(chǎng)景，如通過(guò)利用確定當(dāng)前行為模塊230獲得的用戶(hù)的當(dāng)前行為可以記錄用戶(hù)在一段時(shí)間范圍內(nèi)的生活歷程，從而可以在用戶(hù)查看時(shí)呈現(xiàn)給用戶(hù)或者定期的呈現(xiàn)給用戶(hù)等。本實(shí)施例不限制確定當(dāng)前行為模塊230確定出的用戶(hù)的當(dāng)前行為的具體應(yīng)用場(chǎng)景。

意圖預(yù)測(cè)模塊240主要用于根據(jù)確定當(dāng)前行為模塊230確定出的用戶(hù)的當(dāng)前行為預(yù)測(cè)用戶(hù)的當(dāng)前意圖。

具體的，由于用戶(hù)的當(dāng)前行為可以在一定程度上反映出用戶(hù)的意愿，因此，意圖預(yù)測(cè)模塊240可以根據(jù)用戶(hù)的當(dāng)前行為并結(jié)合預(yù)定策略預(yù)測(cè)出用戶(hù)的當(dāng)前意圖；如在確定當(dāng)前行為模塊230確定出的用戶(hù)的當(dāng)前行為為在去電影院的路上時(shí)，意圖預(yù)測(cè)模塊240可以根據(jù)預(yù)定策略預(yù)測(cè)出用戶(hù)的當(dāng)前意圖很可能為希望去看場(chǎng)電影；再如在確定當(dāng)前行為模塊230確定出的用戶(hù)的當(dāng)前行為為在逛商場(chǎng)時(shí)，如果當(dāng)前時(shí)間已經(jīng)到了午餐或者晚餐時(shí)間，則意圖預(yù)測(cè)模塊240可以根據(jù)預(yù)定策略預(yù)測(cè)出用戶(hù)的當(dāng)前意圖很可能為希望在商場(chǎng)附近吃飯。在此不對(duì)意圖預(yù)測(cè)模塊240根據(jù)預(yù)定策略預(yù)測(cè)出的用戶(hù)的當(dāng)前意圖進(jìn)行一一舉例說(shuō)明，本實(shí)施例不限制意圖預(yù)測(cè)模塊240預(yù)測(cè)出的用戶(hù)的當(dāng)前意圖的具體表現(xiàn)形式，且意圖預(yù)測(cè)模塊240中的預(yù)定策略可以根據(jù)實(shí)際需求來(lái)設(shè)置。

信息推送模塊250主要用于選取滿(mǎn)足用戶(hù)的當(dāng)前意圖的信息，并向用戶(hù)推送。

具體的，本實(shí)施例中的用戶(hù)的當(dāng)前意圖可以體現(xiàn)出用戶(hù)的當(dāng)前需求，因此，信息推送模塊250可以針對(duì)用戶(hù)的當(dāng)前需求在網(wǎng)絡(luò)中查找能夠滿(mǎn)足用戶(hù)的當(dāng)前需求的信息，以及時(shí)的向用戶(hù)推送相應(yīng)的信息。信息推送模塊250可以采用以用戶(hù)的當(dāng)前意圖的信息中的關(guān)鍵字進(jìn)行索引以及數(shù)據(jù)過(guò)濾等方式來(lái)選取滿(mǎn)足用戶(hù)的當(dāng)前意圖的信息。

信息推送模塊250選擇滿(mǎn)足用戶(hù)的當(dāng)前意圖的信息的一個(gè)具體的例子為：在意圖預(yù)測(cè)模塊240預(yù)測(cè)出的用戶(hù)的當(dāng)前意圖為希望去看場(chǎng)電影的情況下，信息推送模塊250可以通過(guò)信息檢索以及信息過(guò)濾等方式獲取最近一段時(shí)間上映的評(píng)價(jià)較高的新電影的相關(guān)信息，該相關(guān)信息可以為電影名、評(píng)價(jià)指數(shù)、上映時(shí)間、播映時(shí)間、票價(jià)以及在線購(gòu)票鏈接等。

信息推送模塊250選擇滿(mǎn)足用戶(hù)的當(dāng)前意圖的信息的另一個(gè)具體的例子為：在意圖預(yù)測(cè)模塊240預(yù)測(cè)出的用戶(hù)的當(dāng)前意圖為希望在商場(chǎng)附近吃飯的情況下，信息推送模塊250可以通過(guò)信息檢索以及信息過(guò)濾等方式獲取位于用戶(hù)附近的評(píng)價(jià)較高的餐館或者小吃的相關(guān)信息，該相關(guān)信息可以為餐館或者小吃的名稱(chēng)、評(píng)價(jià)指數(shù)、人均消費(fèi)以及地理位置等。

在此不對(duì)信息推送模塊250選取滿(mǎn)足用戶(hù)的當(dāng)前意圖的信息的具體實(shí)現(xiàn)過(guò)程進(jìn)行一一舉例說(shuō)明，本實(shí)施例不限制信息推送模塊250選取滿(mǎn)足用戶(hù)的當(dāng)前意圖的信息的具體表現(xiàn)形式，且信息推送模塊250中的信息檢索方式以及信息過(guò)濾所采用的相應(yīng)策略可以根據(jù)實(shí)際需求來(lái)設(shè)置。

需要注意的是，本發(fā)明的一部分可以被應(yīng)用為計(jì)算機(jī)程序產(chǎn)品，例如計(jì)算機(jī)程序指令，當(dāng)其被智能電子設(shè)備(如智能移動(dòng)電話或者平板電腦等)執(zhí)行時(shí)，通過(guò)該智能電子設(shè)備的操作可以調(diào)用或者提供根據(jù)本發(fā)明的方法和/或技術(shù)方案。而調(diào)用本發(fā)明的方法的程序指令，可能被存儲(chǔ)在固定的或可移動(dòng)的記錄介質(zhì)中，和/或通過(guò)廣播或者其他信號(hào)承載媒體中的數(shù)據(jù)流而被傳輸，和/或被存儲(chǔ)在根據(jù)所述程序指令運(yùn)行的智能電子設(shè)備的工作存儲(chǔ)器中。在此，根據(jù)本發(fā)明的一個(gè)實(shí)施例包括一個(gè)裝置，該裝置包括用于存儲(chǔ)計(jì)算機(jī)程序指令的存儲(chǔ)器和用于執(zhí)行程序指令的處理器，其中，當(dāng)該計(jì)算機(jī)程序指令被該處理器執(zhí)行時(shí)，觸發(fā)該裝置運(yùn)行基于前述根據(jù)本發(fā)明的多個(gè)實(shí)施例的方法和/或技術(shù)方案。

對(duì)于本領(lǐng)域技術(shù)人員而言，顯然本發(fā)明不限于上述示范性實(shí)施例的細(xì)節(jié)，而且在不背離本發(fā)明的精神或基本特征的情況下，能夠以其他的具體形式實(shí)現(xiàn)本發(fā)明。因此，無(wú)論從哪一點(diǎn)來(lái)看，均應(yīng)將實(shí)施例看作是示范性的，而且是非限制性的，本發(fā)明的范圍由所附權(quán)利要求而不是上述說(shuō)明限定，因此旨在將落在權(quán)利要求的等同要件的含義和范圍內(nèi)的所有變化涵括在本發(fā)明內(nèi)。不應(yīng)將權(quán)利要求中的任何附圖標(biāo)記視為限制所涉及的權(quán)利要求。此外，顯然“包括”一詞不排除其他單元或步驟，單數(shù)不排除復(fù)數(shù)。系統(tǒng)權(quán)利要求中陳述的多個(gè)單元或裝置也可以由一個(gè)單元或裝置通過(guò)軟件或者硬件來(lái)實(shí)現(xiàn)。第一，第二等詞語(yǔ)用來(lái)表示名稱(chēng)，而并不表示任何特定的順序。