一种具有跟踪功能的推送信息自动生成系统的制作方法

1.本发明涉及大数据领域，具体涉及一种具有跟踪功能的推送信息自动生成系统。


背景技术：

2.随着云时代的来临，大数据（big data）也吸引了越来越多的关注。有人认为，大数据（big data）通常用来形容一个公司创造的大量非结构化数据和半结构化数据，这些数据在下载到关系型数据库用于分析时会花费过多时间和金钱。大数据分析常和云计算联系到一起，因为实时的大型数据集分析需要像mapreduce一样的框架来向数十、数百或甚至数千的电脑分配工作。
3.大数据需要特殊的技术，以有效地处理大量的容忍经过时间内的数据。适用于大数据的技术，包括大规模并行处理（mpp）数据库、数据挖掘、分布式文件系统、分布式数据库、云计算平台、互联网和可扩展的存储系统。
4.现目前的信息推送大都是静态的数据采集，即当用户使用过程中的某个动作被采集到，则为用户推送该动作相关的信息，而不管用户是否已经动作完毕，或者与该动作进行关联的其他动作；使得消息推送变得机械化，无法对用户动作进行动态跟踪，并产生用户实际需要的信息。


技术实现要素：

5.本发明针对现有技术中存在的技术问题，提供一种具有跟踪功能的推送信息自动生成系统，其能够有效避免现有技术中机械式的消息推送，使得消息推送变得更加精准化，人性化，对于用户需求掌握更加准确实际，提升用户办事效率。
6.本发明解决上述技术问题的技术方案如下：一种具有跟踪功能的推送信息自动生成系统，其包括通过数据采集模块采集目标软件的数据信息，并对目标软件设定标签进行分类，不同分类的目标软件被采集的数据信息不同，再通过筛选模块对所数据采集模块所采集的数据信息按照设定的筛选规则进行筛选，将筛选后的数据信息发送到数据跟踪模块，数据跟踪模块对筛选后的数据信息进行实时跟踪，并将其分别发送给管理平台和学习模块，管理平台将这些数据信息存储在服务器内，所述学习模块将收到的数据信息根据设定的学习规则，推算出用户所需要的信息并发送给信息推送模块，信息推送模块根据该用户目前或周期内需要的信息选择已存储在服务器中的推送信息，并通过展示介质推送给用户。
7.作为优选的，所述筛选模块连接有缓存模块，所述缓存模块与数据跟踪模块连接，当所述筛选模块根据设定的筛选规则将数据信息筛选形成可用信息和不可用信息，其中可用信息发送至管理平台，而不可用信息则缓存在所述缓存模块内，当所述缓存模块内所存储的数据信息出现次数大于设定阈值时，则缓存模块将该数据信息发送给数据跟踪模块进行实时跟踪。
8.作为优选的，所述服务器至少包括第一存储模块和第二存储模块，其中第一存储
模块用于存储数据跟踪模块的数据信息，所述第二存储模块用于存储推送信息，每条推送信息具有若干用于区分的身份标签，这些身份标签与学习后产生的用户所需要的信息中的标签进行对应。
9.作为优选的，所述服务器还包括第三存储模块，所述第三存储模块用于对已通过信息推送模块完成信息推送的推送信息进行推送结果记录并保存，该推送结果反应用户是否使用该推送消息并完成指定动作。
10.作为优选的，数据跟踪模块在对数据进行跟踪时，数据信息进行分类并标记，并分别根据时间关系和频率进行排序。
11.作为优选的，所述的筛选规则包括：设定根据存储在服务器中的推送信息所需要了解的用户的日常生活习惯，对用户所使用的软件中能够反应用户的日常生活习惯的软件动态信息进行筛选，对于发生次数较少的偶然事件进行剔除作为不可用信息，而剩余信息作为可用信息。
12.作为优选的，所述学习规则包括：基于被选择跟踪的数据信息，根据用户在某事件发生时的前后事件进行关联，推算出用户当下或者具体周期范围内的需求信息，并将该需求信息进行记录反馈。
13.作为优选的，所述展示介质包括app、短信和网页弹窗中的一种或组合。
14.作为优选的，所述目标软件包括支付软件、社交软件、浏览器和功能性软件。
15.本发明的有益效果是：本发明提供一种具有跟踪功能的推送信息自动生成系统，其能够有效避免现有技术中机械式的消息推送，使得消息推送变得更加精准化，人性化，对于用户需求掌握更加准确实际，提升用户办事效率。
附图说明
16.图1为本发明的原理框图。
具体实施方式
17.以下结合附图对本发明的原理和特征进行描述，所举实例只用于解释本发明，并非用于限定本发明的范围。
18.如图1所示，本实施例公开了一种具有跟踪功能的推送信息自动生成系统，其包括通过数据采集模块采集目标软件的数据信息，并对目标软件设定标签进行分类，不同分类的目标软件被采集的数据信息不同，再通过筛选模块对所数据采集模块所采集的数据信息按照设定的筛选规则进行筛选，将筛选后的数据信息发送到数据跟踪模块，数据跟踪模块对筛选后的数据信息进行实时跟踪，并将其分别发送给管理平台和学习模块，管理平台将这些数据信息存储在服务器内，所述学习模块将收到的数据信息根据设定的学习规则，推算出用户所需要的信息并发送给信息推送模块，信息推送模块根据该用户目前或周期内需要的信息选择已存储在服务器中的推送信息，并通过展示介质推送给用户。
19.具体的，数据采集模块根据所要推送的信息中所需要的信息，针对已经分类的目标软件，以推送信息所需要的信息与对应的目标软件进行采集，例如，所需要推送的信息是贷款产品的信息，则可以通过采集用户日常生活中的消费情况进行采集，所采集的用户信息中可以包含购买的产品、金额大小、支付账户、支付时间等；其中，对所需要推送的信息无
关紧要的信息则经过筛选模块筛选剔除，并将有用信息反馈给数据跟踪模块，数据跟踪模块则通过该可用信息，对该可用信息产生时的前和后锁跟随或关联产生的信息进行跟踪，比如，用户消费购买了一批装修材料，而其前后数据显示其分别支付了装修公司合同款项和购买了家用电器，则学习模块则推算出其可能需要购买家具；其他领域可根据此进行类推。因此，信息推送模块则提取存储在服务器中的推送消息，该推送消息中包含有与家具相关的信息，若有多个该类型的推送消息，则依次或间隔推送给用户。
20.作为优选的，所述筛选模块连接有缓存模块，所述缓存模块与数据跟踪模块连接，当所述筛选模块根据设定的筛选规则将数据信息筛选形成可用信息和不可用信息，其中可用信息发送至管理平台，而不可用信息则缓存在所述缓存模块内，当所述缓存模块内所存储的数据信息出现次数大于设定阈值时，则缓存模块将该数据信息发送给数据跟踪模块进行实时跟踪。
21.在数据处理过程中，一些被筛选剔除的数据信息在此时可能是无效信息，但并不代表其一直为无效信息，即不可用信息，本实施例这里设定的规则是，通过设定缓存模块将这些开始被认定为不可用信息的数据信息通过其出现的次数与设定的阈值进行对比，以此来对其进行激活，当其被激活后，其可作为可用信息，并通过数据跟踪模块进行正常的数据跟踪。
22.作为优选的，所述服务器至少包括第一存储模块和第二存储模块，其中第一存储模块用于存储数据跟踪模块的数据信息，所述第二存储模块用于存储推送信息，每条推送信息具有若干用于区分的身份标签，这些身份标签与学习后产生的用户所需要的信息中的标签进行对应。设定服务器的存储模块为至少两个，用于对跟踪信息和后续结果进行分别存储。使得系统数据能够便于调用和管理。
23.作为优选的，所述服务器还包括第三存储模块，所述第三存储模块用于对已通过信息推送模块完成信息推送的推送信息进行推送结果记录并保存，该推送结果反应用户是否使用该推送消息并完成指定动作。
24.具体的，当系统根据数据跟踪情况向用户推送了一条推送消息后，用户是否通过点击、注册等方式对该推送消息进行了回应，并产生了具体用于判定该回应是否有效的结果，本实施例中作为举例，可以以消费或者注册进行判断；而未产生有效的回应结果的，系统认定为无效推送，当同类型推送消息被多次判定为无效推送时，则下次不再推送该无效推送的消息，这里的次数可以设定为2次。
25.作为优选的，数据跟踪模块在对数据信息进行跟踪时，数据信息进行分类并标记，并分别根据时间关系和频率进行排序。根据时间和频率排序的原因是，保证用户在接收到推送信息的时间与其以往实际行为产生的时间节点对应，而频率则表示用户的喜好程度。
26.作为优选的，所述的筛选规则包括：设定根据存储在服务器中的推送信息所需要了解的用户的日常生活习惯，对用户所使用的软件中能够反应用户的日常生活习惯的软件动态信息进行筛选，对于发生次数较少的偶然事件进行剔除作为不可用信息，而剩余信息作为可用信息。
27.作为优选的，所述学习规则包括：基于被选择跟踪的数据信息，根据用户在某事件发生时的前后事件进行关联，推算出用户当下或者具体周期范围内的需求信息，并将该需求信息进行记录反馈。或用户当前消费为餐饮消费，依据用户以往的消费习惯，其后续消费
记录中较大概率会在ktv等娱乐场所进行消费，此时，则为用户推送娱乐场所相关信息。该学习过程体现为根据用户日常行为习惯，推算用户当前或一定周期内可能产生的行为。
28.作为优选的，所述展示介质包括app、短信和网页弹窗中的一种或组合。
29.作为优选的，所述目标软件包括支付软件、社交软件、浏览器和功能性软件。
30.以上实施例所陈述的内容仅作为举例说明，并不用于限定本申请的实际保护范围，本申请的实际保护范围可根据本实施例中所列举的相关内容上以本领域技术人员的角度进行合理的延伸。
31.以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。