一种事件处理方法及网络设备与流程

本发明涉及通信领域中的信息管理技术，尤其涉及一种事件处理方法及网络设备。

背景技术：

日历是现在很多人不可缺少的日常工具，同时也被广泛使用，从以前的纸质到现在的电子版，而在日历中新建事件来记录日志和事件也是人们常用的一种方法，把这些事情绑定在日历指定日期上，这样到了指定时间点就会有提醒了。新建一个日历事件需要手动的对其中多个项目进行设置，并且事件之间没有关联性，非常繁琐，容易出错。

技术实现要素：

有鉴于此，本发明的目的在于提供一种事件处理方法及网络设备，能至少解决现有技术中存在的上述问题。

为达到上述目的，本发明的技术方案是这样实现的：

本发明实施例提供一种事件处理方法，应用于网络设备，所述方法包括：

获取到终端设备发来事件请求信息，其中，所述事件请求信息中至少包括有针对目标事件的主题信息；

解析所述事件请求信息获取到针对目标事件的主题信息，至少基于所述针对目标事件的主题信息以及预设事件规则库确定目标事件信息；其中，所述事件规则库中至少包括由事件对应的主题信息，以及所述主题信息对应的至少一个维度的相关信息组成的事件规则；所述目标事件信息中包括有主题信息以及至少一个维度的相关信息；

发送所述目标事件信息至所述终端设备。

本发明实施例提供一种网络设备，所述网络设备包括：

事件规则模块，用于获取到终端设备发来事件请求信息，其中，所述事件请求信息中至少包括有针对目标事件的主题信息；发送所述目标事件信息至所述终端设备；

事件估计模块，用于解析所述事件请求信息获取到针对目标事件的主题信息，至少基于所述针对目标事件的主题信息以及预设事件规则库确定目标事件信息；其中，所述事件规则库中至少包括由事件对应的主题信息，以及所述主题信息对应的至少一个维度的相关信息组成的事件规则；所述目标事件信息中包括有主题信息以及至少一个维度的相关信息。

本发明实施例提供了事件处理方法及网络设备，能够接收到终端设备发来的事件主题时，基于事件主题从事件规则库选取得到目标事件信息，并且发送目标事件信息至终端设备。如此，就能够基于事件规则库就能够自动为终端设备的用户提供目标事件，避免由于用户手动输入而带来的繁琐以及误操作。

附图说明

图1为本发明实施例事件处理方法流程示意图；

图2为本发明实施例规则建立场景示意图一；

图3为本发明实施例规则建立场景示意图二；

图4为本发明实施例网络设备组成结构示意图；

图5为本发明实施例网络设备组成逻辑结构示意图。

具体实施方式

下面结合附图及具体实施例对本发明再作进一步详细的说明。

实施例一、

本发明实施例提供了一种事件处理方法，如图1所示，包括：

步骤101：获取到终端设备发来事件请求信息，其中，所述事件请求信 息中至少包括有针对目标事件的主题信息；

步骤102：解析所述事件请求信息获取到针对目标事件的主题信息，至少基于所述针对目标事件的主题信息以及预设事件规则库确定目标事件信息；其中，所述事件规则库中至少包括由事件对应的主题信息，以及所述主题信息对应的至少一个维度的相关信息组成的事件规则；所述目标事件信息中包括有主题信息以及至少一个维度的相关信息；

步骤103：发送所述目标事件信息至所述终端设备。

本实施例提供的处理方法可以应用于网络设备，所述网络设备可以为网络中的服务器，或者为网络中的管理设备等。

其中，所述目标事件的主题信息可以为用户在终端设备侧开启应用时，在所述应用的主题编辑框中输入对应的主题信息。其中，所述应用可以为终端设备中的日历；用户在标题栏输入事件相关的主题时，比如“买牛奶”，此时，控制终端设备的操作系统实时向网络设备，就是后台发起事件请求信息。

上述步骤102中，所述至少基于所述针对目标事件的主题信息以及预设事件规则库确定目标事件信息，可以包括：

基于所述针对目标事件的主题信息，从预设事件规则库中选取对应的匹配事件；

基于所述匹配事件获取到以下至少一个维度的相关信息：

基于所述匹配事件、以及所述终端设备所在位置，从所述事件规则库中选取得到目标事件的执行地点；

基于所述匹配事件从所述事件规则库中选取得到目标事件的执行时间；

基于所述匹配事件从所述事件规则库中选取得到目标事件的邀请人信息。

其中，所述终端设备的所在位置可以由终端设备通过自身的gps单元获取到所在位置，具体的，获取到终端设备所在位置的方式可以为，通过事件请求信息中还包括有所述终端设备所在位置获取到。比如，当网络设备接 收到事件请求信息后，就开始根据输入的内容进行搜索，系统根据当前时间(比如晚上商店是不开门的)、主题信息的内容与后台进行计算、匹配(比如用户每周六去超市的习惯、明天(开一天会)的时间安排)，给出时间、地点、人员的安排。

具体来说，关于执行时间的设置，可以为从事件规则库里以事件主题为关键字进行匹配，提取具有相等或相关关系的规则，获取规则中用户使用时间的习惯，例如：最近用户最近“买牛奶“的时间为：周六上午9点。

查看用户下一天的某个时段事件安排，如果没有，则获取事件所需的时间，如果明天下午没有安排，则添加事件。

关于执行地点的设置，可以为匹配事件规则后，从事件规则库里提取最大的地点集合，并根据与当前距离的远近以及事件中使用频次进行重新排序，返回。例如：“买牛奶“事件中地点规则为：家乐福(20次)，沃尔玛(8次)。。。但根据收集实时定位结果来看，沃尔玛里的更近一些，所以将沃尔玛排在第一位，以此类推。

关于邀请人信息的设置，可以为匹配事件规则后，从事件规则库里提取邀请人规则，并根据用户与邀请人最近联系统计结果(需从客户端定期上传通讯录，后台定期统计)以及事件中使用频次进行重新排序，返回。例如：“买牛奶“事件中邀请人规则为：”同事1“(20次)、同事2(10次)。。。但读取用户通讯录的统计结果，同事2(10次)与用户最近联系较多，可将同事2排在第一位。

本实施例中建立事件规则库的方法可以包括：

确定所述终端设备对应的用户信息，基于所述用户信息从用户行为特征库中获取到用户的历史事件；

对历史事件进行聚合得到事件主题，基于具备事件主题的历史事件，确定所述历史事件对应的至少一个维度的相关信息；

将所述历史事件的所述事件主题及其对应的至少一个维度的相关信息作为事件规则添加至所述事件规则库。

所述方法还包括：

接收到所述终端设备发来的针对所述目标事件的操作信息，基于所述操作信息进行记录以及统计；其中，所述操作信息至少包括有针对所述目标事件的修改操作、删除操作、复制操作；

比如，用户如果对于网络设备发来的目标事件信息中的给出的至少一个维度的相关信息不满意，可以修改事件的时间、地点、人员等信息；或者，用户还可以删除、批量删除事件，用户可以通过搜索查询过往的事件，用户还可以拷贝、粘贴已经形成的事件，这些操作都会被系统所记录。

相应的，所述方法还包括：

基于所述针对所述目标事件的操作信息，对所述事件规则库中的事件的至少一个维度的相关信息进行优先级设置。

所述方法还包括：

基于所述目标事件的执行时间，确定生成针对所述目标事件的提示信息，发送所述提示信息至所述终端设备；

判断是否接收到所述终端设备发来的推迟操作信息；

若接收到所述推迟操作信息，则针对所述目标事件进行处理。

也就是说，除了终端设备能够展示所述目标事件信息之外，网络设备还可以实时检测发出的目标事件是否到了其中的执行时间，网络设备会通过消息通知(比如短信、app提醒、邮件)的方式提示用户，用户可以选择完成或推迟执行。

所述针对所述目标事件进行处理，包括以下至少之一：

针对所述事件规则库中所述目标事件对应的事件规则中的至少一个维度的相关信息进行优先级调整；

基于所述事件规则库中针对所述目标事件的事件规则，生成更新有的目标事件信息，并发送更新后的目标事件信息至所述终端设备。

具体来说，如果用户选择了推迟执行，那么网络设备侧会根据用户使用习惯及事件安排，向用户提出另一个时间安排的建议，但不是在同一天，也 不是在那个特定的时间。比如用户周六临时有事无法去超市购物,系统会根据用户的时间安排，例如周日没有安排或周日事件空隙,给出时间建议。

另外，网络设备会纪录用户的操作进行统计分析，能够从用户的接受、删除、修改、复制或者推迟等操作中总结规律，随着时间的推移，能够针对事件规则库中的事件规则进行优先级调整，比如，针对事件规则中的至少一个维度的相关信息，进行相关信息的优先级调整，能够给出更好的事件估计方案。

优选地，本实施例提供的方案，还可以包括：至少基于所述事件规则库、所述终端设备所处场景信息，针对所述终端设备的用户生成预设时间段对应的预测事件信息，发送所述预测事件信息至所述终端设备。用户使用一段时间后，系统能够根据第二天的时间安排，为用户主动规划一些事件，对用户进行事件推送。比如：用户每天下午五点都要去健身，系统累计一段时间后，会主动新建一个健身事件，并提醒。

本发明实施例还提供了建立事件规则库的方法，可以包括：

确定所述终端设备对应的用户信息，基于所述用户信息，获取得到用户历史信息，其中，所述用户历史信息中包括有至少一条历史事件信息；

基于所述用户针对历史事件的至少一个特征向量，对历史事件进行聚合得到事件主题；

针对相同事件主题对应的历史事件及其所述至少一个特征向量，确定所述事件对应的至少一个维度的相关信息；

将所述事件主题及其对应的至少一个维度的相关信息作为事件规则添加至所述事件规则库。

通过建立事件规则库，能够根据用户行为特征引擎得到的用户习惯特征来提取用户的对某类日历使用时间的特征，利用数据挖掘的方法从不同的维度分析出用户近期生活、工作习惯的变化，从而得到某一用户对于某一类特定事件的特定的时间使用习惯，有的放矢的为用户的推荐合理的时间安排。

首先，对数据库存在的用户对某一事件的操作特征值、事件的主题、事 件持续使用的时间、事件的描述、事件的地点等作为特征向量，进行聚类，并计算所有事件的相似度，将相似的事件归为一类，不断重复这一过程直到达到收敛条件，这样通过聚类将所有的事件划分为工作事件、会议事件、培训事件、开发事件、学习事件、旅游事件、纪念事件等类似的事件群。

用户日常生活事件是多种多样的,例如:开会、健身、培训、开发等，同时对同一事件的表述又不一定相同，比如：“买牛奶”可以表述为“去超市买牛奶”，“买xxx牛奶”，“买1l牛奶”等，这些表述不同，但其实都是“买牛奶”事件，所以有必要将这些类似的事件使用聚类的方法归为一类，这样才能对一类型的事件进行归纳和总结，形成“用户习惯”。

对事件的起始时间、平均时间、重复频率等使用最小二乘法进行拟合，获得这一类事件的起始时间、平均时间、重复频率的趋势值。

例如：对于“买牛奶”事件群，可能包含几十个或上百个与“买牛奶”类似的事件，每个事件都包含起始时间、平均时间、重复频率等属性，需要使用最小二乘法对每个属性进行拟合，获得用户“买牛奶”事件的时间使用趋势。

对事件的地点进行合并，获取与某类事件相关的发生的地点最大集合，以及各个地点的使用频次，并排序。例如：对于“买牛奶”事件群，许多事件都可能包含地点属性，求得这些地点的合集，并统计每个地点的次数，并排序。

还可以包括对事件的邀请人也进行合并，获取与某类事件相关的发生的邀请人最大集合，以及各个邀请人的使用频次，并排序。例如：对于“买牛奶”事件群，许多事件都包含邀请人属性，求得这些邀请人的合集，并统计每个邀请人的使用次数，并排序。

另外，根据用户对事件的延迟操作的个数，统计所有事件群的优先级，以便于推送的先后顺序。这样如果客户端将一系列操作集合上传后，系统会计算用户操作与事件的特征，并与已有聚类的相似度，自动归为某个事件，重新计算某类事件的各个要素，以此往复。

规则生成引擎产生的结果是事件规则库，即包含了用户近期的使用规则或习惯，这些规则包含了：时间规律、地点规律、邀请人规律、优先级、使用频次等信息，以供事件评估使用，例如：

对于“买牛奶”事件，形成的用户最近使用规律是：

起始时间：周六上午9点

平均时间：两小时

重复频率：每周

地点：家乐福(20次)，沃尔玛(8次)。。。

邀请人：同事1(20次)、同事2(10次)。。。

优先级：1。

进一步地，本实施例还可以提供预测事件信息，所述方法还包括：

至少基于所述事件规则库中针对每一个事件的评分、所述终端设备所处场景信息，针对所述终端设备的用户生成预设时间段对应的预测事件信息，发送所述预测事件信息至所述终端设备。系统会纪录用户的操作，收集用户对时间估计的反馈，并发送到服务端进行统计分析，系统能够从用户的接受和拒绝中总结规律，随着时间的推移，给出更好的事件估计方案。

用户使用一段时间后，系统能够根据第二天的时间安排，为用户主动规划一些事件，对用户进行事件推送。比如：用户每天下午五点都要去健身，系统累计一段时间后，会主动新建一个健身事件，并提醒。

可见，通过采用上述方案，能够接收到终端设备发来的事件主题时，基于事件主题从事件规则库选取得到目标事件信息，并且发送目标事件信息至终端设备。如此，就能够基于事件规则库就能够自动为终端设备的用户提供目标事件，避免由于用户手动输入而带来的繁琐的操作。

实施例二、

在上述实施例提供的方案的基础上，本实施例进一步介绍维护用户特征库的方法，即在用户针对目标事件进行修改、删除、复制、或者推迟等操作 时，网络设备能够基于用户的操作信息进行进一步的用户特征的处理，可以包括：

接收到所述终端设备发来的针对所述目标事件的操作信息，基于所述操作信息进行记录以及统计；

其中，所述操作信息至少包括有针对所述目标事件的修改操作、删除操作、复制操作；

相应的，所述方法还包括：

基于所述针对所述目标事件的操作信息，对所述用户行为特征库中的事件进行处理。

所述方法还包括：基于所述目标事件的执行时间，确定生成针对所述目标事件的提示信息，发送所述提示信息至所述终端设备；判断是否接收到所述终端设备发来的推迟操作信息；若接收到所述推迟操作信息，则针对所述目标事件进行处理。

其中，所述针对所述目标事件进行处理，包括以下至少之一：

针对所述用户行为特征库中所述目标事件对应的至少一个特征信息进行调整；

基于所述事件规则库中针对所述目标事件的事件规则，生成更新的目标事件信息，并发送更新后的目标事件信息至所述终端设备。

建立用户行为特征库时，会首先获取到用户行为，也就是网络设备接受从客户端定期(比如一天)发来的用户对事件的操作习惯，比如增加、删除、修改、查询、拷贝、粘贴事件、推迟事件、完成事件等，并存储到数据库中。

从数据库里提取用户对某一事件的操作数据，根据用户使用事件的操作行为建立评价准则，比如图2所示，具体可以为执行一次编辑操作就会有对应的分值，分别针对编辑操作、推迟操作以及完成操作几大类划分，其中，编辑操作中可以有添加买牛奶事件、删除、批量删除、查询买牛奶以及修改买牛奶等操作分别对应的分值；推迟买牛奶也有对应的分值等等，不再一一列举。

根据评价规则，以用户的操作流水和事件流水为依据，我们可以将用户的近期新建事件、编辑事件等行为进行计算，得到每个用户和该用户相关的每个事件的一个评分，如图3所示，图中分别针对用户1、用户2和用户3的买牛奶、健身、开会、打电话以及学习等时间进行综合评分。

另外，用户行为分析的结果存储为用户行为特征库，包括：用户与事件矩阵、事件每个操作的频次、事件使用频率等。基础数据存储及分布式计算框架：这两个模块承担了事件估计系统的最基础的用户事件评估、事件相关性等基础数据的计算任务。其中基础数据存储，存储了用户的基本的日历数据、事件数据、用户的操作行为，而通过分布式计算框架可以为每一个用户的事件进行计算，可以根据用户的长期事件行为积累出每个用户独特的使用习惯，为上层的推荐提供可靠的数据源和依据。

可见，通过采用上述方案，能够接收到终端设备发来的事件主题时，基于事件主题从事件规则库选取得到目标事件信息，并且发送目标事件信息至终端设备。如此，就能够基于事件规则库就能够自动为终端设备的用户提供目标事件，避免由于用户手动输入而带来的繁琐的操作。

实施例三、

本发明实施例提供了一种网络设备，如图4所示，包括：

事件规则模块41，用于获取到终端设备发来事件请求信息，其中，所述事件请求信息中至少包括有针对目标事件的主题信息；发送所述目标事件信息至所述终端设备；

事件估计模块42，用于解析所述事件请求信息获取到针对目标事件的主题信息，至少基于所述针对目标事件的主题信息以及预设事件规则库确定目标事件信息；其中，所述事件规则库中至少包括由事件对应的主题信息，以及所述主题信息对应的至少一个维度的相关信息组成的事件规则；所述目标事件信息中包括有主题信息以及至少一个维度的相关信息。

本实施例提供的处理方法可以应用于网络设备，所述网络设备可以为网 络中的服务器，或者为网络中的管理设备等。

其中，所述目标事件的主题信息可以为用户在终端设备侧开启应用时，在所述应用的主题编辑框中输入对应的主题信息。其中，所述应用可以为终端设备中的日历；用户在标题栏输入事件相关的主题时，比如“买牛奶”，此时，控制终端设备的操作系统实时向网络设备，就是后台发起事件请求信息。

所述事件估计模块，用于基于所述针对目标事件的主题信息，从预设事件规则库中选取对应的匹配事件；基于所述匹配事件获取到以下至少一个维度的相关信息：

基于所述匹配事件、以及所述终端设备所在位置，从所述事件规则库中选取得到目标事件的执行地点；

基于所述匹配事件从所述事件规则库中选取得到目标事件的执行时间；

基于所述匹配事件从所述事件规则库中选取得到目标事件的邀请人信息。

其中，所述终端设备的所在位置可以由终端设备通过自身的gps单元获取到所在位置，具体的，获取到终端设备所在位置的方式可以为，通过事件请求信息中还包括有所述终端设备所在位置获取到。比如，当网络设备接收到事件请求信息后，就开始根据输入的内容进行搜索，系统根据当前时间(比如晚上商店是不开门的)、主题信息的内容与后台进行计算、匹配(比如用户每周六去超市的习惯、明天(开一天会)的时间安排)，给出时间、地点、人员的安排。

具体来说，关于执行时间的设置，可以为从事件规则库里以事件主题为关键字进行匹配，提取具有相等或相关关系的规则，获取规则中用户使用时间的习惯，例如：最近用户最近“买牛奶“的时间为：周六上午9点。

查看用户下一天的某个时段事件安排，如果没有，则获取事件所需的时间，如果明天下午没有安排，则添加事件。

关于执行地点的设置，可以为匹配事件规则后，从事件规则库里提取最 大的地点集合，并根据与当前距离的远近以及事件中使用频次进行重新排序，返回。例如：“买牛奶“事件中地点规则为：家乐福(20次)，沃尔玛(8次)。。。但根据收集实时定位结果来看，沃尔玛里的更近一些，所以将沃尔玛排在第一位，以此类推。

关于邀请人信息的设置，可以为匹配事件规则后，从事件规则库里提取邀请人规则，并根据用户与邀请人最近联系统计结果(需从客户端定期上传通讯录，后台定期统计)以及事件中使用频次进行重新排序，返回。例如：“买牛奶“事件中邀请人规则为：”同事1“(20次)、同事2(10次)。。。但读取用户通讯录的统计结果，同事2(10次)与用户最近联系较多，可将同事2排在第一位。

本实施例中所述网络设备还包括：

规则生成模块43，用于确定所述终端设备对应的用户信息，基于所述用户信息从用户行为特征库中获取到用户的历史事件；对历史事件进行聚合得到事件主题，基于具备事件主题的历史事件，确定所述历史事件对应的至少一个维度的相关信息；将所述历史事件的所述事件主题及其对应的至少一个维度的相关信息作为事件规则添加至所述事件规则库。

所述网络设备还包括：

用户行为特征分析模块44，用于基于所述针对所述目标事件的操作信息，对所述用户行为特征库中的事件进行处理；

相应的，所述事件规则模块43，用于接收到所述终端设备发来的针对所述目标事件的操作信息，基于所述操作信息进行记录以及统计；其中，所述操作信息至少包括有针对所述目标事件的修改操作、删除操作、复制操作。

比如，用户如果对于网络设备发来的目标事件信息中的给出的至少一个维度的相关信息不满意，可以修改事件的时间、地点、人员等信息；或者，用户还可以删除、批量删除事件，用户可以通过搜索查询过往的事件，用户还可以拷贝、粘贴已经形成的事件，这些操作都会被系统所记录。

所述事件规则模块，用于基于所述目标事件的执行时间，确定生成针对 所述目标事件的提示信息，发送所述提示信息至所述终端设备；判断是否接收到所述终端设备发来的推迟操作信息；若接收到所述推迟操作信息，则针对所述目标事件进行处理。

也就是说，除了终端设备能够展示所述目标事件信息之外，网络设备还可以实时检测发出的目标事件是否到了其中的执行时间，网络设备会通过消息通知(比如短信、app提醒、邮件)的方式提示用户，用户可以选择完成或推迟执行。

所述针对所述目标事件进行处理，包括以下至少之一：

针对所述事件规则库中所述目标事件对应的事件规则中的至少一个维度的相关信息进行优先级调整；

基于所述事件规则库中针对所述目标事件的事件规则，生成更新有的目标事件信息，并发送更新后的目标事件信息至所述终端设备。

具体来说，如果用户选择了推迟执行，那么网络设备侧会根据用户使用习惯及事件安排，向用户提出另一个时间安排的建议，但不是在同一天，也不是在那个特定的时间。比如用户周六临时有事无法去超市购物,系统会根据用户的时间安排，例如周日没有安排或周日事件空隙,给出时间建议。

另外，网络设备会纪录用户的操作进行统计分析，能够从用户的接受、删除、修改、复制或者推迟等操作中总结规律，随着时间的推移，能够针对事件规则库中的事件规则进行优先级调整，比如，针对事件规则中的至少一个维度的相关信息，进行相关信息的优先级调整，能够给出更好的事件估计方案。

优选地，本实施例提供的方案，还可以包括：所所述事件估计模块，用于至少基于所述事件规则库中针对每一个事件的评分、所述终端设备所处场景信息，针对所述终端设备的用户生成预设时间段对应的预测事件信息，发送所述预测事件信息至所述终端设备。用户使用一段时间后，系统能够根据第二天的时间安排，为用户主动规划一些事件，对用户进行事件推送。比如：用户每天下午五点都要去健身，系统累计一段时间后，会主动新建一个健身 事件，并提醒。

通过建立事件规则库，能够根据用户行为特征引擎得到的用户习惯特征来提取用户的对某类日历使用时间的特征，利用数据挖掘的方法从不同的维度分析出用户近期生活、工作习惯的变化，从而得到某一用户对于某一类特定事件的特定的时间使用习惯，有的放矢的为用户的推荐合理的时间安排。

首先，对数据库存在的用户对某一事件的操作特征值、事件的主题、事件持续使用的时间、事件的描述、事件的地点等作为特征向量，进行聚类，并计算所有事件的相似度，将相似的事件归为一类，不断重复这一过程直到达到收敛条件，这样通过聚类将所有的事件划分为工作事件、会议事件、培训事件、开发事件、学习事件、旅游事件、纪念事件等类似的事件群。

用户日常生活事件是多种多样的,例如:开会、健身、培训、开发等，同时对同一事件的表述又不一定相同，比如：“买牛奶”可以表述为“去超市买牛奶”，“买xxx牛奶”，“买1l牛奶”等，这些表述不同，但其实都是“买牛奶”事件，所以有必要将这些类似的事件使用聚类的方法归为一类，这样才能对一类型的事件进行归纳和总结，形成“用户习惯”。

对事件的起始时间、平均时间、重复频率等使用最小二乘法进行拟合，获得这一类事件的起始时间、平均时间、重复频率的趋势值。

例如：对于“买牛奶”事件群，可能包含几十个或上百个与“买牛奶”类似的事件，每个事件都包含起始时间、平均时间、重复频率等属性，需要使用最小二乘法对每个属性进行拟合，获得用户“买牛奶”事件的时间使用趋势。

对事件的地点进行合并，获取与某类事件相关的发生的地点最大集合，以及各个地点的使用频次，并排序。例如：对于“买牛奶”事件群，许多事件都可能包含地点属性，求得这些地点的合集，并统计每个地点的次数，并排序。

还可以包括对事件的邀请人也进行合并，获取与某类事件相关的发生的邀请人最大集合，以及各个邀请人的使用频次，并排序。例如：对于“买牛 奶”事件群，许多事件都包含邀请人属性，求得这些邀请人的合集，并统计每个邀请人的使用次数，并排序。

另外，根据用户对事件的延迟操作的个数，统计所有事件群的优先级，以便于推送的先后顺序。这样如果客户端将一系列操作集合上传后，系统会计算用户操作与事件的特征，并与已有聚类的相似度，自动归为某个事件，重新计算某类事件的各个要素，以此往复。

规则生成引擎产生的结果是事件规则库，即包含了用户近期的使用规则或习惯，这些规则包含了：时间规律、地点规律、邀请人规律、优先级、使用频次等信息，以供事件评估使用，例如：

对于“买牛奶”事件，形成的用户最近使用规律是：

起始时间：周六上午9点

平均时间：两小时

重复频率：每周

地点：家乐福(20次)，沃尔玛(8次)。。。

邀请人：同事1(20次)、同事2(10次)。。。

优先级：1。

进一步地，本实施例还可以提供预测事件信息，所述方法还包括：

至少基于所述事件规则库中针对每一个事件的评分、所述终端设备所处场景信息，针对所述终端设备的用户生成预设时间段对应的预测事件信息，发送所述预测事件信息至所述终端设备。系统会纪录用户的操作，收集用户对时间估计的反馈，并发送到服务端进行统计分析，系统能够从用户的接受和拒绝中总结规律，随着时间的推移，给出更好的事件估计方案。

用户使用一段时间后，系统能够根据第二天的时间安排，为用户主动规划一些事件，对用户进行事件推送。比如：用户每天下午五点都要去健身，系统累计一段时间后，会主动新建一个健身事件，并提醒。

在上述实施例提供的方案的基础上，本实施例进一步介绍维护用户特征库的方法，即在用户针对目标事件进行修改、删除、复制、或者推迟等操作 时，网络设备能够基于用户的操作信息进行进一步的用户特征的处理，所述网络设备还包括：

用户行为特征分析模块，用于基于所述针对所述目标事件的操作信息，对所述用户行为特征库中的事件进行处理；

相应的，所述事件规则模块，用于接收到所述终端设备发来的针对所述目标事件的操作信息，基于所述操作信息进行记录以及统计；其中，所述操作信息至少包括有针对所述目标事件的修改操作、删除操作、复制操作。

所述事件规则模块，用于基于所述目标事件的执行时间，确定生成针对所述目标事件的提示信息，发送所述提示信息至所述终端设备；判断是否接收到所述终端设备发来的推迟操作信息；若接收到所述推迟操作信息，则针对所述目标事件进行处理。

其中，所述针对所述目标事件进行处理，包括以下至少之一：

针对所述用户行为特征库中所述目标事件对应的至少一个特征信息进行调整；

基于所述事件规则库中针对所述目标事件的事件规则，生成更新的目标事件信息，并发送更新后的目标事件信息至所述终端设备。

建立用户行为特征库时，会首先获取到用户行为，也就是网络设备接受从客户端定期(比如一天)发来的用户对事件的操作习惯，比如增加、删除、修改、查询、拷贝、粘贴事件、推迟事件、完成事件等，并存储到数据库中。

从数据库里提取用户对某一事件的操作数据，根据用户使用事件的操作行为建立评价准则，比如图2所示；根据评价规则，以用户的操作流水和事件流水为依据，我们可以将用户的近期新建事件、编辑事件等行为进行计算，得到每个用户和该用户相关的每个事件的一个评分，如图3所示。

另外，用户行为分析的结果存储为用户行为特征库，包括：用户与事件矩阵、事件每个操作的频次、事件使用频率等。基础数据存储及分布式计算框架：这两个模块承担了事件估计系统的最基础的用户事件评估、事件相关性等基础数据的计算任务。其中基础数据存储，存储了用户的基本的日历数 据、事件数据、用户的操作行为，而通过分布式计算框架可以为每一个用户的事件进行计算，可以根据用户的长期事件行为积累出每个用户独特的使用习惯，为上层的推荐提供可靠的数据源和依据。

下面结合图5，结合每一个模块的具体功能进行结构描述，其中客户端用于泛指android客户端、ios客户端、web客户端等，客户端能够与服务端进行交互，并提供日历的日常使用模块，包括日历的日、周、月浏览模式，新建、管理日历。能够在某一日历内增加、删除、修改、查询、拷贝、粘贴事件等；能够在事件到达约定的时间进行事件提醒功能，并引导用户对事件进行管理，进行中、推迟还是完成；能够完成服务端事件推送提示功能，并新建事件功能。此外，客户端还负责采集、纪录用户操作事件的整个过程，并定时发往后台系统。

事件规划模块中的新建事件功能，能够根据用户输入的事件主题，客户端发起请求，系统响应客户端发起的新建事件的请求，根据请求中的主题关键字通过事件估计模块获取新建事件中的时间、地点、邀请人等相关信息，返回给客户端。事件规划模块中的延期事件功能，如果用户对事件发起推迟请求，系统会纪录该事件的推迟动作，并将此类事件的优先级降低，同时根据事件估计模块重新获取新的事件排期，地点、邀请人不变。事件规划模块中的推送事件功能，使用事件估计模块的时间安排模块，定期(比如每天凌晨)检查每个用户第二天的事件安排情况，如果检测到有空余时间，服务端会根据近期用户事件规则库里的事件群优先级进行推送。

事件估计模块，时间排期：从事件规则库里以事件主题为关键字进行匹配，提取具有相等或相关关系的规则，获取规则中用户使用时间的习惯，例如：最近用户最近“买牛奶“的时间为：周六上午9点。查看用户下一天的某个时段事件安排，如果没有，则获取事件所需的时间，如果明天下午没有安排，则添加事件。地点估计：匹配事件规则后，从事件规则库里提取最大的地点集合，并根据与当前距离的远近以及事件中使用频次进行重新排序，返回。邀请人估计:匹配事件规则后，从事件规则库里提取邀请人规则， 并根据用户与邀请人最近联系统计结果(需从客户端定期上传通讯录，后台定期统计)以及事件中使用频次进行重新排序，返回。

规则生成模块中，规则生成引擎主要根据用户行为特征引擎得到的用户习惯特征来提取用户的对某类日历使用时间的特征，利用数据挖掘的方法从不同的维度分析出用户近期生活、工作习惯的变化，从而得到某一用户对于某一类特定事件的特定的时间使用习惯，有的放矢的为用户的推荐合理的时间安排。对事件的起始时间、平均时间、重复频率等使用最小二乘法进行拟合，获得这一类事件的起始时间、平均时间、重复频率的趋势值。对事件的地点进行合并，获取与某类事件相关的发生的地点最大集合，以及各个地点的使用频次，并排序。对事件的邀请人也进行合并，获取与某类事件相关的发生的邀请人最大集合，以及各个邀请人的使用频次，并排序；例如：对于“买牛奶”事件群，许多事件都包含邀请人属性，求得这些邀请人的合集，并统计每个邀请人的使用次数，并排序；另外，根据用户对事件的延迟操作的个数，统计所有事件群的优先级，以便于推送的先后顺序。

这样如果客户端将一系列操作集合上传后，系统会计算用户操作与事件的特征，并与已有聚类的相似度，自动归为某个事件，重新计算某类事件的各个要素，以此往复。

事件规则库中，即包含了用户近期的使用规则或习惯，这些规则包含了：时间规律、地点规律、邀请人规律、优先级、使用频次等信息，以供事件评估使用。

用户行为特征引擎，用户行为收集用于接受从客户端定期(比如一天)发来的用户对事件的操作习惯，比如增加、删除、修改、查询、拷贝、粘贴事件、推迟事件、完成事件等，并存储到数据库中。

用户行为分析，用于从数据库里提取用户对某一事件的操作数据，根据用户使用事件的操作行为建立评价准则。根据评价规则，以用户的操作流水和事件流水为依据，我们可以将用户的近期新建事件、编辑事件等行为进行计算，得到每个用户和该用户相关的每个事件的一个得分。

另外，其中，用户行为特征库，具体可以包括：用户与事件矩阵、事件每个操作的频次、事件使用频率等。

基础数据存储及分布式计算框架，这两个模块承担了事件估计系统的最基础的用户事件评估、事件相关性等基础数据的计算任务。其中基础数据存储，存储了用户的基本的日历数据、事件数据、用户的操作行为，而通过分布式计算框架可以为每一个用户的事件进行计算，可以根据用户的长期事件行为积累出每个用户独特的使用习惯，为上层的推荐提供可靠的数据源和依据。

可见，通过采用上述方案，能够接收到终端设备发来的事件主题时，基于事件主题从事件规则库选取得到目标事件信息，并且发送目标事件信息至终端设备。如此，就能够基于事件规则库就能够自动为终端设备的用户提供目标事件，避免由于用户手动输入而带来的繁琐的操作。

本发明实施例所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机、网络设备、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：u盘、移动硬盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本发明实施例不限制于任何特定的硬件和软件结合。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。