用于发送信息的方法和装置与流程

本公开的实施例涉及计算机技术领域，具体涉及用于发送信息的方法和装置。

背景技术：

在各种支持产品购买的应用(application，app)中，为了降低产品的宣传成本，也为了吸引用户购买更多的产品，通常会随机选取一些用户账号，然后向登录这些用户账号的终端设备发送优惠信息(例如虚拟代金券)。

技术实现要素：

本公开的实施例提出了用于发送信息的方法和装置。

第一方面，本公开的实施例提供了一种用于发送信息的方法，该方法包括：获取预设数量的用户下单数据，其中，用户下单数据中包括用户账号和分类用指标的值；对预设数量的用户下单数据进行分类，得到分类结果；对于分类结果指示的每一个类别，执行信息发送步骤；信息发送步骤包括：根据属于上述类别的用户下单数据，计算分类用指标的平均值；确定平均值是否满足预设优惠信息集合中的优惠信息的选取条件；响应于满足，将所满足的选取条件所指示的优惠信息发送至目标终端设备，其中，目标终端设备为当前登录属于上述类别的用户下单数据中的用户账号的终端设备。

在一些实施例中，上述对所述预设数量的用户下单数据进行分类，得到分类结果，包括：获取聚类数集合；对于聚类数集合中的每一个聚类数，生成采用k-means聚类算法对预设数量的用户下单数据进行聚类的聚类结果，以及生成聚类结果的性能度量指标的值；将所生成的性能度量指标的值中符合预设条件的性能度量指标的值所对应的聚类结果确定为分类结果。

在一些实施例中，上述获取预设数量的用户下单数据，包括：对于预设数量的用户账号中的每一个用户账号，执行数据生成步骤；数据生成步骤包括：获取下单时间在预设时间段内的已完成订单数据，其中，已完成订单数据中包括用户信息和订单信息，用户信息中包括用户账号，订单信息中包括以下所有项：下单金额，下单时间，表征订单是否为采用优惠信息的订单的标识信息；基于已完成订单数据中的下单金额、下单时间和标识信息，计算以下分类用指标的值：下单总数，下单总额，首末次下单之间的时间间隔，未下单时长，采用优惠信息的下单次数与下单总数的比值；根据已完成订单数据中的用户账号，生成包括分类用指标的值的用户下单数据。

在一些实施例中，用户信息中还包括其它用户信息，订单信息中还包括其它订单信息；以及在上述基于已完成订单数据中的下单金额、下单时间和标识信息，计算以下分类用指标的值之前，上述数据生成步骤还包括：删除已完成订单数据中的其它用户信息和其它订单信息。

在一些实施例中，上述对预设数量的用户下单数据进行分类，得到分类结果，包括：对于预设数量的用户下单数据中的每一条用户下单数据，将该用户下单数据输入至预先训练的分类模型，得到该用户下单数据的类别，其中，分类模型用于表征用户下单数据和用户下单数据的类别之间的对应关系。

在一些实施例中，上述分类模型通过如下步骤训练得到：获取样本集合，其中，样本集合中的样本包括样本用户下单数据和与样本用户下单数据对应的样本类别；将样本集合中的样本的样本用户下单数据作为初始模型的输入，将与输入的样本用户下单数据对应的样本类别作为初始模型的期望输出，训练得到分类模型。

第二方面，本公开的实施例提供了一种用于发送信息的装置，该装置包括：获取单元，被配置成获取预设数量的用户下单数据，其中，用户下单数据中包括用户账号和分类用指标的值；分类单元，被配置成对预设数量的用户下单数据进行分类，得到分类结果；发送单元，被配置成对于分类结果指示的每一个类别，执行信息发送步骤；信息发送步骤包括：根据属于上述类别的用户下单数据，计算分类用指标的平均值；确定平均值是否满足预设优惠信息集合中的优惠信息的选取条件；响应于满足，将所满足的选取条件所指示的优惠信息发送至目标终端设备，其中，目标终端设备为当前登录属于上述类别的用户下单数据中的用户账号的终端设备。

在一些实施例中，上述分类单元包括：获取子单元，被配置成获取聚类数集合；生成子单元，被配置成对于聚类数集合中的每一个聚类数，生成采用k-means聚类算法对预设数量的用户下单数据进行聚类的聚类结果，以及生成聚类结果的性能度量指标的值；确定子单元，被配置成将所生成的性能度量指标的值中符合预设条件的性能度量指标的值所对应的聚类结果确定为分类结果。

在一些实施例中，上述获取单元包括：执行子单元，被配置成对于预设数量的用户账号中的每一个用户账号，执行数据生成步骤；上述执行子单元包括：获取模块，被配置成获取下单时间在预设时间段内的已完成订单数据，其中，已完成订单数据中包括用户信息和订单信息，用户信息中包括用户账号，订单信息中包括以下所有项：下单金额，下单时间，表征订单是否为采用优惠信息的订单的标识信息；计算模块，被配置成基于已完成订单数据中的下单金额、下单时间和标识信息，计算以下分类用指标的值：下单总数，下单总额，首末次下单之间的时间间隔，未下单时长，采用优惠信息的下单次数与下单总数的比值；生成模块，被配置成根据已完成订单数据中的用户账号，生成包括分类用指标的值的用户下单数据。

在一些实施例中，用户信息中还包括其它用户信息，订单信息中还包括其它订单信息；上述执行子单元还包括：删除模块，被配置成删除已完成订单数据中的其它用户信息和其它订单信息。

在一些实施例中，上述分类单元进一步被配置成：对于预设数量的用户下单数据中的每一条用户下单数据，将该用户下单数据输入至预先训练的分类模型，得到该用户下单数据的类别，其中，分类模型用于表征用户下单数据和用户下单数据的类别之间的对应关系。

在一些实施例中，上述分类模型通过如下步骤训练得到：获取样本集合，其中，样本集合中的样本包括样本用户下单数据和与样本用户下单数据对应的样本类别；将样本集合中的样本的样本用户下单数据作为初始模型的输入，将与输入的样本用户下单数据对应的样本类别作为初始模型的期望输出，训练得到分类模型。

第三方面，本公开的实施例提供了一种服务器，该服务器包括：一个或多个处理器；存储装置，其上存储有一个或多个程序；当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。

第四方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面中任一实现方式描述的方法。

本公开的实施例提供的用于发送信息的方法和装置，首先可以获取预设数量的用户下单数据，然后可以对所获取的预设数量的用户下单数据进行分类，得到分类结果。而后对于分类结果指示的每一个类别，可以执行信息发送步骤。信息发送步骤可以包括：根据属于该类别的用户下单数据，计算分类用指标的平均值；确定上述平均值是否满足预设优惠信息集合中的优惠信息的选取条件；响应于满足，将所满足的选取条件所指示的优惠信息发送至目标终端设备。从而提高了发送优惠信息的准确性和效率。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于发送信息的方法的一个实施例的流程图；

图3是根据本公开的实施例的用于发送信息的方法的一个应用场景的示意图；

图4是根据本公开的用于发送信息的方法的又一个实施例的流程图；

图5是根据本公开的用于发送信息的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的电子设备的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的用于发送信息的方法或用于发送信息的装置的示例性架构100。

如图1所示，系统架构100可以包括服务器101，网络102和数据库服务器103。网络102可以用以在服务器101和数据库服务器103之间提供通信链路的介质。网络102可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

服务器101可以通过网络102与数据库服务器103交互，以接收或发送消息等。服务器101上可以安装有各种程序，例如用于数据分类的程序，用于数据获取的程序，用于信息发送的程序等。

服务器101可以是实现各种功能的服务器。作为示例，可以对所获取的预设数量的用户下单数据进行分类，得到分类结果。作为又一示例，可以对分类结果指示的每一个类别执行信息发送步骤，以将所满足的选取条件所指示的优惠信息发送至目标终端设备。

需要说明的是，上述用户下单数据也可以直接存储在服务器101的本地，服务器101可以直接提取本地所存储的用户下单数据并进行处理，此时，可以不存在数据库服务器103。

服务器101和数据库服务器103可以是硬件，也可以是软件。当服务器101和数据库服务器103为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器101和数据库服务器103为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务)，也可以实现成单个软件或软件模块。在此不做具体限定。

需要说明的是，本公开的实施例所提供的用于发送信息的方法一般由服务器101执行，相应地，用于发送信息的装置一般设置于服务器101中。

应该理解，图1中的服务器、网络和数据库服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的服务器、网络和数据库服务器。

继续参考图2，示出了根据本公开的用于发送信息的方法的一个实施例的流程200。该用于发送信息的方法包括以下步骤：

步骤201，获取预设数量的用户下单数据。

在本实施例中，用于发送信息的方法的执行主体(如图1所示的服务器101)可以通过各种方法获取预设数量的用户下单数据。其中，用户下单数据通常是对用户在预设时间段内的多条已完成订单数据进行处理之后，所得到的数据。此处，已完成订单数据通常是用户在某一支持产品购买的应用(例如购物类应用)中下单(支付成功)之后，所得到的数据。

实践中，用户下单数据中可以包括用户账号和分类用指标的值。用户账号通常是用户在上述支持产品购买的应用中所注册的账号。分类用指标通常是可以用于对多个用户的用户下单数据进行分类的指标。例如，分类用指标可以包括但不限于以下至少一项：下单总数，下单总额，首末次下单之间的时间间隔，未下单时长，采用优惠信息的下单次数与下单总数的比值。未下单时长通常是最后一次下单的时间与上述预设时间段的终止时刻之间的时长。优惠信息通常是技术人员预先定义好的可以在付款时用于金额抵扣的信息(例如虚拟代金券)。优惠信息中可以包括抵扣金额或者折扣率(例如打8折)，还可以包括但不限于以下至少一项：使用时间范围，支持使用的产品的类别，使用金额范围(例如，下单金额满200以上)。可以理解，上述采用优惠信息的下单次数可以是使用优惠信息进行金额抵扣的下单次数。

作为示例，技术人员可以预先对大量用户的在一定时间段内的多条已完成订单数据进行处理，得到每一个用户的用户下单数据，然后将所得到的大量用户的用户下单数据存储于上述执行主体本地或者通信连接的数据库服务器(如图1中所示的数据库服务器103)。由此，上述执行主体可以从本地或者通信连接的数据库服务器获取预设数量的用户下单数据。

作为又一示例，可以预先选定预设数量的用户账号，然后对于每一个用户账号，上述执行主体可以从本地或者通信连接的数据库服务器获取包括该用户账号的用户下单数据。由此，可以获取到预设数量的用户下单数据。

在本实施例的一些可选的实现方式中，上述执行主体可以预先选定预设数量的用户账号，然后对每一个用户账号执行数据生成步骤，进而得到预设数量的用户下单数据。上述数据生成步骤具体包括如下步骤。

第一步，获取下单时间在预设时间段内的已完成订单数据。

已完成订单数据中可以包括用户信息和订单信息。其中，用户信息中可以包括用户账号，订单信息中可以包括以下所有项：下单金额，下单时间，表征订单是否为采用优惠信息的订单的标识信息。上述标识信息可以是能够表征订单是否为使用优惠信息进行金额抵扣的订单的各种信息，例如，数字，字母，图片等。以数字为例，“1”可以表示订单是使用优惠信息进行金额抵扣的订单，“0”表示订单不是使用优惠信息进行金额抵扣的订单。

上述执行主体可以根据已完成订单数据中的下单时间，从存储有上述支持产品购买的应用的用户下单数据的数据库服务器中获取下单时间在预设时间段内的已完成订单数据。

第二步，基于已完成订单数据中的下单金额、下单时间和标识信息，计算以下分类用指标的值：下单总数，下单总额，首末次下单之间的时间间隔，未下单时长，采用优惠信息的下单次数与下单总数的比值。

上述执行主体可以从每一条已完成订单数据中读取下单金额、下单时间和标识信息。然后可以计算得到以下分类用指标的值：下单总数，下单总额，首末次下单之间的时间间隔，未下单时长，采用优惠信息的下单次数与下单总数的比值。

第三步，根据已完成订单数据中的用户账号，生成包括上述分类用指标的值的用户下单数据。

计算得到上述分类用指标的值之后，上述执行主体可以按照预定的顺序对用户账号和上述各分类用指标的值进行排序，然后使用排序后的值集作为用户下单数据。也可以按照预定的格式对用户账号和上述各分类用指标的值进行处理，然后使用处理后的信息集作为用户下单数据。例如，用户账号为“aaa”，下单总数为“a”，下单总额为“b”，首末次下单之间的时间间隔为“c”，未下单时长为“d”，采用优惠信息的下单次数与下单总数的比值为“e”，按照键值(keyvalue)对的格式可以依次处理为“用户账号：aaa”、“下单总数：a”、“下单总额：b”、“首末次下单时间间隔：c”、“未下单时长：d”、“优惠信息下单占比：e”，那么可以使用处理得到的各键值对集作为用户下单数据。

在本实施例的一些可选的实现方式中，用户信息中还可以包括其它用户信息，订单信息中还可以包括其它订单信息。其它用户信息例如可以包括用户的性别、年龄、会员等级、品牌偏好等各种信息。其它订单信息例如可以包括购买的产品的名称、购买的产品的尺码、网店的名称等各种信息。

在这些实现方式中，在计算上述各分类用指标的值之前，上述数据生成步骤号可以包括：删除已完成订单数据中的其它用户信息和其它订单信息。

步骤202，对预设数量的用户下单数据进行分类，得到分类结果。

在本实施例中，获取预设数量的用户下单数据之后，上述执行主体可以对预设数量的用户下单数据进行分类，得到分类结果。其中，分类结果用于表征每条用户下单数据所属的类别。

作为示例，上述执行主体可以直接使用无需预先指定聚类数(即需要划分的类别数)的聚类算法对所获取的预设数量的用户下单数据进行分类，得到分类结果。上述无需预先指定聚类数的聚类算法可以包括以下任意一类算法：层次聚类算法，密度聚类算法，核聚类算法，基于约束的聚类算法，基于模糊的聚类算法等。

在本实施例的一些可选的实现方式中，上述执行主体还可以使用k-means聚类算法对预设数量的用户下单数据进行分类，得到分类结果，具体步骤如下。

第一步，获取聚类数集合。此处，聚类数集合可以是预先给定的一定数量个聚类数(例如2到10之间的正整数)所组成的值集。

第二步，对于聚类数集合中的每一个聚类数，生成采用k-means聚类算法对预设数量的用户下单数据进行聚类的聚类结果，以及生成聚类结果的性能度量指标的值。

首先，对于聚类数集合中的每一个聚类数，上述执行主体可以使用k-means聚类算法将预设数量的用户下单数据划分为该聚类数个类别。而后，可以确定表征此次聚类结果的性能度量指标的值。此处，性能度量指标可以是dbi(davies-bouldinindex，戴维森堡丁指数)，也可以是dvi(dunnvalidityindex，邓恩指数)。其中，dbi的值越小，表示聚类效果越好。dvi的值越大，表示聚类效果越好。

第三步，将所生成的性能度量指标的值中符合预设条件的性能度量指标的值所对应的聚类结果确定为分类结果。

确定性能度量指标的值之后，上述执行主体可以从中选取符合预设条件的性能度量指标的值。此处，所说的符合预设条件的性能度量指标的值依性能度量指标而定。具体的，当性能度量指标为dbi时，符合预设条件的性能度量指标的值指的是最小的性能度量指标的值，当性能度量指标为dvi时，符合预设条件的性能度量指标的值指的是最大的性能度量指标的值。然后上述执行主体可以将所选取的符合预设条件的性能度量指标的值所指示的聚类结果确定为对预设数量的用户下单数据进行分类的分类结果。

步骤203，对于分类结果指示的每一个类别，执行信息发送步骤。

在本实施例中，对预设数量的用户下单数据进行分类之后，上述执行主体可以对每一个类别执行如下所示的信息发送步骤。

步骤2031，根据属于上述类别的用户下单数据，计算分类用指标的平均值。

首先，上述执行主体可以读取属于该类别每一条用户下单数据中的下单总数，下单总额，首末次下单之间的时间间隔，未下单时长，采用优惠信息的下单次数与下单总数的比值。接着，可以计算得到下单总数的平均值、下单总额的平均值、首末次下单之间的时间间隔的平均值、未下单时长的平均值、采用优惠信息的下单次数与下单总数的比值的平均值。

步骤2032，确定上述平均值是否满足预设优惠信息集合中的优惠信息的选取条件。

计算各项分类用指标的平均值之后，述执行主体可以判断各项分类用指标的平均值是否满足预设优惠信息集合中的优惠信息的选取条件。此处，所说的选取条件通常是预先设定好的从预设优惠信息集合中选取优惠信息的条件。

上述选取条件可以包括但不限于以下至少一项：下单总数的平均值大于等于预设下单总数，下单总额的平均值大于等于预设下单总额，首末次下单之间的时间间隔的平均值大于等于第一预设时间间隔，未下单时长的平均值小于等于第二预设时间间隔，采用优惠信息的下单次数与下单总数的比值的平均值大于等于预设比值。

通常，可以通过设定不同的预设下单总数、预设下单总额、第一预设时间间隔、第二预设时间间隔和预设比值，为预设优惠信息集合中的每一条优惠信息设定不同的选取条件。

步骤2033，响应于满足，将所满足的选取条件所指示的优惠信息发送至目标终端设备。其中，目标终端设备可以是当前登录属于该类别的用户下单数据中的用户账号的终端设备。

如果上述平均值满足选取条件，那么上述执行主体可以将该选取条件所指示的优惠信息发送至当前登录属于该类别的每一条用户下单数据中的用户账号的终端设备。

由此，对于属于不同类别的用户下单数据，可以向所包括的用户账号的终端设备发送不同的优惠信息。

继续参见图3，图3是根据本实施例的用于发送信息的方法的应用场景的一个示意图。在图3的应用场景中，服务器301可以从通信连接的数据库服务器中获取预设数量的用户下单数据，如图中所示的用户下单数据302、用户下单数据303和用户下单数据304等。

可选的，服务器301可以按照如下步骤对所获取预设数量的用户下单数据进行分类，得到分类结果。首先，服务器301可以获取聚类数集合。然后，对于聚类数集合中的每一个聚类数，服务器301可以使用k-means聚类算法对所获取的预设数量的用户下单数据进行聚类，以及生成用于表征聚类效果的dbi。而后，服务器301可以将最小dbi所对应的聚类结果确定为对预设数量的用户下单数据的分类结果(如图3中所示的分类结果305)。

接下来，对于分类结果指示的每一个类别，服务器301可以执行信息发送步骤。下面以分类结果305指示的“类别1”为例。其中，用户下单数据302、用户下单数据303和用户下单数据304属于类别1。对于用户下单数据302、用户下单数据303和用户下单数据304，服务器301可以读取每一条用户下单数据中的以下所有项：下单总数，下单总额，首末次下单之间的时间间隔，未下单时长，采用优惠信息的下单次数与下单总数的比值。然后，服务器301可以计算得到以下每一项平均值：下单总数的平均值3061(如图3中所示的20)，下单总额的平均值3062(如图3中所示的115)，首末次下单之间的时间间隔的平均值3063(如图3中所示的200)，未下单时长的平均值3064(如图3中所示的5)，采用优惠信息的下单次数与下单总数的比值的平均值3065(如图3中所示的0.7)。而后，服务器301可以确定计算得到平均值满足优惠信息307的选取条件308。例如，选取条件308可以为：下单总数大于10，且首末次下单之间的时间间隔大于150，且未下单时长小于10。进而，服务器301可以将优惠信息307发送至终端设备309、终端设备310和终端设备311。其中，终端设备309可以是当前登录用户下单数据302中的用户账号的终端设备，终端设备310可以是当前登录用户下单数据303中的用户账号的终端设备，终端设备311可以是当前登录用户下单数据304中的用户账号的终端设备。

目前，为了实现发送优惠信息，现有技术之一通常是先选取一些用户账号，然后确定每一个用户账户采用优惠信息的下单比例，而后向采用优惠信息的下单比例较高的用户账号随机发送优惠信息。由于不同的优惠信息针对不同的抵扣金额或者折扣率，不同的用户对抵扣金额或者折扣率的要求也不同，所以上述现有技术提供的方法可能会将不合适的优惠信息发送给用户。另外，上述现有技术提供的方法，对于每一个用户账号，均需要确定采用优惠信息的下单比例，当选取的用户账号数量较大时，会造成发送优惠信息的效率会比较低。而本公开的上述实施例提供的方法，通过对所获取的预设数量的用户下单数据进行分类，实现了对预设数量的用户账号的分组。通过确定每一个类别的用户下单数据的分类用指标的平均值，以及确定平均值是否满足优惠信息的选取条件，实现了根据多项分类用指标选取出合适的优惠信息。通过将所满足的选取条件指示的优惠信息发送至目标终端设备，实现了根据分组发送优惠信息。从而，提高了发送优惠信息的准确性和效率。

进一步参考图4，其示出了用于发送信息的方法的又一个实施例的流程400。该用于发送信息的方法的流程400，包括以下步骤：

步骤401，获取预设数量的用户下单数据。

上述步骤401与前述实施例中的步骤201一致，上文针对步骤201的描述也适用于步骤401，此处不再赘述。

步骤402，对于预设数量的用户下单数据中的每一条用户下单数据，将该用户下单数据输入至预先训练的分类模型，得到该用户下单数据的类别。

在本实施例中，对于所获取的预设数量的用户下单数据中的每条用户下单数据，用于发送信息的方法的执行主体(例如图1所示的服务器101)可以将该用户下单数据输入至预先训练的分类模型，进而得到该用户下单数据的类别。其中，上述分类模型可以用于表征用户下单数据和用户下单数据的类别之间的对应关系。作为示例，分类模型可以是技术人员对预先搜集的大量的用户下单数据进行统计分类，所得到的用户下单数据和类别之间的对应关系表。

在本实施例的一些可选的实现方式中，上述分类模型可以是通过如下步骤训练得到的机器学习模型。

步骤s1，获取样本集合。其中，样本集合中的样本包括样本用户下单数据和与样本用户下单数据对应的样本类别。

实践中，可以预先选定一定数量的用户账号，然后对于每一个用户账号，可以从存储有上述支持产品购买的应用的已完成订单数据的数据库服务器中获取包括该用户账号的已完成订单数据。然后可以采用步骤201中所示的可选的实现方式中描述的方法，生成每一个用户账号的样本用户下单数据。而后可以分别标注所得到的每一条样本用户下单数据的类别作为该样本用户下单数据的样本类别。进而可以使用一个样本用户下单数据和该样本用户下单数据的样本类别组合成一个样本。那么可以使用得到的多个样本组合成样本集合。

得到的样本集合可以存储于训练上述分类模型的执行主体本地，也可以存储于与训练上述分类模型的执行主体通信连接的数据库服务器。由此，训练上述分类模型的执行主体可以从本地或者通信连接的数据库服务器获取样本集合。

步骤s2，将上述样本集合中的样本的样本用户下单数据作为初始模型的输入，将与输入的样本用户下单数据对应的样本类别作为初始模型的期望输出，训练得到分类模型。其中，初始模型可以是使用人工神经网络(artificialneuralnetwork，ann)构造的用于数据分类的模型。

具体的，训练上述分类模型的执行主体可以从样本集合中选取样本，然后执行如下训练步骤。

第一步，将选取的样本的样本用户下单数据输入至初始模型，得到输入的样本用户下单数据的类别。

第二步，利用预设的损失函数计算所得到的类别与输入的样本的样本类别之间的差异程度，以及利用正则化项计算初始模型的复杂度。

上述预设的损失函数可以是根据实际需求选取的以下至少一类损失函数：0-1损失函数，绝对值损失函数，平方损失函数，指数损失函数，对数损失函数，合页损失函数等。上述正则化项可以是根据实际需求选取的以下任意一种范数：l0范数，l1范数，l2范数，迹范数，核范数等。

第三步，根据计算所得的差异程度和模型的复杂度，调整初始模型的结构参数。

实践中，可以采用以下任意一种算法调整初始模型的结构参数：bp(backpropgation，反向传播)算法，gd(gradientdescent，梯度下降)算法等。

第四步，响应于确定达到预设的训练结束条件，训练上述分类模型的执行主体可以确定初始模型训练完成，以及将训练完成的初始模型确定为分类模型。

上述预设的训练结束条件可以包括以下至少一项：训练时间超过预设时长；训练次数超过预设次数；计算所得的差异程度小于预设的差异阈值。

第五步，响应于确定未达到上述预设的训练结束条件，训练上述分类模型的执行主体可以从样本集合中选取未选取过的样本，以及使用调整后的初始模型作为初始模型，继续执行上述训练步骤。

需要说明的是，训练上述分类模型的执行主体与用于发送信息的执行主体可以相同，也可以不同。若二者相同，训练上述分类模型的执行主体可以将训练完成的分类模型的结构信息和参数值存储在本地。若二者不同，训练上述分类模型的执行主体可以将训练完成的分类模型的结构信息和参数值发送至用于发送信息的执行主体。

步骤403，对于分类结果指示的每一个类别，执行信息发送步骤。

步骤4031，根据属于上述类别的用户下单数据，计算分类用指标的平均值。

步骤4032，确定平均值是否满足预设优惠信息集合中的优惠信息的选取条件。

步骤4033，响应于满足，将所满足的选取条件所指示的优惠信息发送至目标终端设备。

上述步骤403与前述实施例中的步骤203一致，上文针对步骤203的描述也适用于步骤403，此处不再赘述。

从图4中可以看出，与图2对应的实施例相比，本实施例中的用于发送信息的方法的流程400体现了训练分类模型的步骤，以及体现了使用训练所得的分类模型对预设数量的用户下单数据进行分类的步骤。由此，本实施例描述的方案可以将所获取的每一条用户下单数据输入至预先训练的分类模型中，得到该用户下单数据的类别。从而可以提高对预设数量的用户下单数据进行分类的准确率，进一步保证发送优惠信息的准确性。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了用于发送信息的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种电子设备中。

如图5所示，本实施例提供的用于发送信息的装置500包括获取单元501、分类单元502和发送单元503。其中，获取单元501可以被配置成：获取预设数量的用户下单数据。用户下单数据中包括用户账号和分类用指标的值。分类单元502可以被配置成：对预设数量的用户下单数据进行分类，得到分类结果。发送单元503可以被配置成：对于分类结果指示的每一个类别，执行信息发送步骤；信息发送步骤包括：根据属于上述类别的用户下单数据，计算分类用指标的平均值；确定平均值是否满足预设优惠信息集合中的优惠信息的选取条件；响应于满足，将所满足的选取条件所指示的优惠信息发送至目标终端设备，其中，目标终端设备为当前登录属于上述类别的用户下单数据中的用户账号的终端设备。

在本实施例中，用于发送信息的装置500中：获取单元501、分类单元502和发送单元503的具体处理及其所带来的技术效果可分别参考图2对应实施例中的步骤201、步骤202和步骤203的相关说明，在此不再赘述。

在本实施例的一些可选的实现方式中，上述分类单元502可以包括：获取子单元(图中未示出)、生成子单元(图中未示出)和确定子单元(图中未示出)。其中，获取子单元可以被配置成：获取聚类数集合。生成子单元可以被配置成：对于聚类数集合中的每一个聚类数，生成采用k-means聚类算法对预设数量的用户下单数据进行聚类的聚类结果，以及生成聚类结果的性能度量指标的值。确定子单元可以被配置成：将所生成的性能度量指标的值中符合预设条件的性能度量指标的值所对应的聚类结果确定为分类结果。

在本实施例的一些可选的实现方式中，上述获取单元501可以包括：执行子单元(图中未示出)。其中，执行子单元可以被配置成：对于预设数量的用户账号中的每一个用户账号，执行数据生成步骤。执行子单元可以包括：获取模块(图中未示出)、计算模块(图中未示出)和生成模块(图中未示出)。其中，获取模块可以被配置成：获取下单时间在预设时间段内的已完成订单数据。已完成订单数据中可以包括用户信息和订单信息，用户信息中可以包括用户账号，订单信息中可以包括以下所有项：下单金额，下单时间，表征订单是否为采用优惠信息的订单的标识信息。计算模块可以被配置成：基于已完成订单数据中的下单金额、下单时间和标识信息，计算以下分类用指标的值：下单总数，下单总额，首末次下单之间的时间间隔，未下单时长，采用优惠信息的下单次数与下单总数的比值。生成模块可以被配置成：根据已完成订单数据中的用户账号，生成包括分类用指标的值的用户下单数据。

在本实施例的一些可选的实现方式中，用户信息中还可以包括其它用户信息，订单信息中还可以包括其它订单信息。上述执行子单元还可以包括：删除模块(图中未示出)。其中，删除模块可以被配置成：删除已完成订单数据中的其它用户信息和其它订单信息。

在本实施例的一些可选的实现方式中，上述分类单元502可以进一步被配置成：对于预设数量的用户下单数据中的每一条用户下单数据，将该用户下单数据输入至预先训练的分类模型，得到该用户下单数据的类别，其中，分类模型用于表征用户下单数据和用户下单数据的类别之间的对应关系。

在本实施例的一些可选的实现方式中，上述分类模型可以通过如下步骤训练得到：获取样本集合，其中，样本集合中的样本包括样本用户下单数据和与样本用户下单数据对应的样本类别；将样本集合中的样本的样本用户下单数据作为初始模型的输入，将与输入的样本用户下单数据对应的样本类别作为初始模型的期望输出，训练得到分类模型。

本公开的上述实施例提供的装置，首先可以通过获取单元501获取预设数量的用户下单数据，然后可以通过分类单元502对所获取的获取预设数量的用户下单数据进行分类，得到分类结果。而后可以通过发送单元503，对于分类所得的每一个类别，执行信息发送步骤。信息发送步骤可以包括：根据属于该类别的用户下单数据，计算分类用指标的平均值；确定上述平均值是否满足预设优惠信息集合中的优惠信息的选取条件；响应于满足，将所满足的选取条件所指示的优惠信息发送至目标终端设备。从而提高了发送优惠信息的准确性和效率。

下面参考图6，其示出了适于用来实现本公开的实施例的电子设备(例如图1中的服务器101)600的结构示意图。图6示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。

如图6所示，电子设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(rom)602中的程序或者从存储装置608加载到随机访问存储器(ram)603中的程序而执行各种适当的动作和处理。在ram603中，还存储有电子设备600操作所需的各种程序和数据。处理装置601、rom602以及ram603通过总线604彼此相连。输入/输出(i/o)接口605也连接至总线604。

通常，以下装置可以连接至i/o接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(lcd)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许电子设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的电子设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图6中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从rom602被安装。在该计算机程序被处理装置601执行时，执行本公开的实施例的方法中限定的上述功能。需要说明的是，本公开的实施例所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、光纤、便携式紧凑磁盘只读存储器(cd-rom)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、rf(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：获取预设数量的用户下单数据，其中，用户下单数据中包括用户账号和分类用指标的值；对预设数量的用户下单数据进行分类，得到分类结果；对于分类结果指示的每一个类别，执行信息发送步骤；信息发送步骤包括：根据属于上述类别的用户下单数据，计算分类用指标的平均值；确定平均值是否满足预设优惠信息集合中的优惠信息的选取条件；响应于满足，将所满足的选取条件所指示的优惠信息发送至目标终端设备，其中，目标终端设备为当前登录属于上述类别的用户下单数据中的用户账号的终端设备。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的实施例的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如java、smalltalk、c++，还包括常规的过程式程序设计语言—诸如“c”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器，包括获取单元、分类单元和发送单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取预设数量的用户下单数据的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。