用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)的設(shè)計(jì)

沈軍彩

摘 要： 針對(duì)在信息推送過(guò)程中難以計(jì)算出用戶行為數(shù)據(jù)分析下信息推送指標(biāo)的權(quán)重輸出，存在信息推送針對(duì)性差，信息推廣轉(zhuǎn)化率低的問(wèn)題，提出一種基于模糊遺傳的用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)方法。將互聯(lián)網(wǎng)用戶抽象為結(jié)構(gòu)化數(shù)據(jù)信息本體，計(jì)算出用戶行為數(shù)據(jù)下各詞匯的TF?IDF指標(biāo)，建立用戶行為數(shù)據(jù)下的行為?主題分布模型和主題?詞匯分布模型，得到用戶行為數(shù)據(jù)下所有主題?詞匯的聯(lián)合分布，利用向量模型匹配關(guān)鍵詞思想理論確定關(guān)鍵詞在文檔中的權(quán)重，通過(guò)用戶查詢與結(jié)果記錄詞條間的關(guān)聯(lián)性計(jì)算，得到用戶行為數(shù)據(jù)下不同信息推送指標(biāo)的權(quán)重輸出，由此完成用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)。實(shí)驗(yàn)結(jié)果表明該方法能夠有效提高信息推送的準(zhǔn)確性，且可擴(kuò)展性較強(qiáng)。

關(guān)鍵詞： 用戶行為； 數(shù)據(jù)分析； 信息推送； 系統(tǒng)設(shè)計(jì)

中圖分類號(hào)： TN915?34； TP391 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2017）17?0158?04

Design of information push system under user behavior data analysis

SHEN Juncai

（Faculty of Information and Computer， Shanghai Business School， Shanghai 201204， China）

Abstract： The current method to push information is difficult to calculate the output weight of information push index under user behavior data analysis， and has poor pertinency and low percent conversion of information push. Therefore， a fuzzy genetic based design method of information push system under user behavior data analysis is proposed. The Internet users are abstracted as structural data information ontology by means of the method to calculate the TF?IDF index of each vocabulary under user behavior data. The behavior?theme distribution model and theme?vocabulary distribution model under user behavior data were established to get all theme?vocabulary joint distributions under user behavior data. The theory of vector model marching keyword is used to determine the weight of keyword in the file. The correlation between entries is calculated by means of user query and result recording to get the output weight of different information push indexes under user behavior data， so as to design the information push system under user behavior data analysis. Experimental results show that the method can improve the accuracy of information push effectively， and has strong scalability.

Keywords： user behavior； data analysis； information push； system design

0 引 言

近年來(lái)，隨著我國(guó)科學(xué)技術(shù)的飛速發(fā)展，互聯(lián)網(wǎng)和云計(jì)算等技術(shù)不斷地影響和改變著人們的日常生活。當(dāng)今社會(huì)互聯(lián)網(wǎng)是人們?nèi)粘Ｉ钪蝎@取外界信息的主要來(lái)源，也是人們進(jìn)行信息共享、贏得商機(jī)的重要媒介[1?2]。因此，人們對(duì)及時(shí)獲取信息服務(wù)的需求隨著信息技術(shù)的高度發(fā)展而逐漸增強(qiáng)，信息推送服務(wù)已經(jīng)在京東、百度、亞馬遜等互聯(lián)網(wǎng)電商以及信息服務(wù)企業(yè)中得到了廣泛的應(yīng)用，有效的信息推送服務(wù)可以方便用戶快速找到個(gè)人真正需要的信息，減少互聯(lián)網(wǎng)的使用成本以及用戶個(gè)人尋找有用信息時(shí)所花費(fèi)的時(shí)間，但是由于現(xiàn)階段的信息推送服務(wù)缺少對(duì)互聯(lián)網(wǎng)用戶個(gè)人的時(shí)間、喜好以及用戶存在的購(gòu)買(mǎi)能力等各方面因素的考慮，導(dǎo)致推送信息泛濫以及信息推送時(shí)缺乏精準(zhǔn)性，且隨著數(shù)據(jù)庫(kù)技術(shù)的迅速發(fā)展，大量的網(wǎng)絡(luò)信息如潮水般呈現(xiàn)在用戶面前，使得信息用戶感到無(wú)所適從[3?4]。在這種情況下，如何有效地從大量的信息數(shù)據(jù)中挖掘和提取對(duì)用戶有用的信息，并對(duì)用戶推送有針對(duì)性的信息服務(wù)，提高信息對(duì)用戶的應(yīng)用價(jià)值，成為該領(lǐng)域亟需解決的重要技術(shù)難題，受到了有關(guān)專家學(xué)者的高度關(guān)注[5]。

文獻(xiàn)[6]提出一種基于用戶畫(huà)像的用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)方法。該方法先獲取用戶行為數(shù)據(jù)下的詳情表，并對(duì)所述用戶行為數(shù)據(jù)下詳情表中的用戶畫(huà)像進(jìn)行數(shù)據(jù)分析與計(jì)算，得到用戶行為數(shù)據(jù)下的特征權(quán)重表，根據(jù)用戶行為數(shù)據(jù)權(quán)重表中的目標(biāo)用戶行為特征權(quán)重信息與反饋處理結(jié)果對(duì)用戶興趣信息進(jìn)行修正，實(shí)時(shí)改進(jìn)用戶信息推送模型的精度。由此完成用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)。該方法能夠?yàn)橛脩羲阉鞒鱿嗨飘a(chǎn)品從而縮短用戶個(gè)人的搜索時(shí)間，但存在預(yù)測(cè)精度較低的問(wèn)題。文獻(xiàn)[7]提出一種基于ERP的用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)方法。該方法先獲取用戶的歷史行為數(shù)據(jù)，對(duì)獲取的數(shù)據(jù)進(jìn)行分析與計(jì)算，并預(yù)先設(shè)定用戶行為數(shù)據(jù)下的角色規(guī)則，計(jì)算出用戶的歷史行為數(shù)據(jù)對(duì)應(yīng)的用戶系統(tǒng)角色，根據(jù)用戶行為數(shù)據(jù)下預(yù)設(shè)的系統(tǒng)角色與用戶關(guān)注信息類型的映射關(guān)系，將該項(xiàng)待推送的信息推送給被系統(tǒng)角色鎖定的用戶。該方法的信息推送準(zhǔn)確性較高，但存在計(jì)算過(guò)程較為繁瑣且消耗時(shí)間較長(zhǎng)的問(wèn)題。文獻(xiàn)[8]提出一種基于相似度的用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)方法。該方法先對(duì)用戶歷史行為數(shù)據(jù)進(jìn)行分析，通過(guò)計(jì)算這些信息數(shù)據(jù)間的屬性相似度，得到用戶的興趣信息類型，將未被用戶瀏覽過(guò)的信息與用戶瀏覽過(guò)的興趣信息進(jìn)行相似度匹配，進(jìn)而判斷該信息是否為用戶感興趣的信息，從而對(duì)該用戶進(jìn)行無(wú)人工干預(yù)的用戶信息推送服務(wù)。該方法可以從側(cè)面了解用戶的需求，但存在預(yù)測(cè)局限性較大的問(wèn)題。endprint

針對(duì)上述問(wèn)題，本文提出一種基于模糊遺傳的用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)的設(shè)計(jì)方法。實(shí)驗(yàn)結(jié)果表明，所提方法能夠有效提高信息推送的準(zhǔn)確性，且可擴(kuò)展性較強(qiáng)。

1 用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)

1.1 用戶行為數(shù)據(jù)分析下的信息推送流程

在進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)過(guò)程中，先對(duì)用戶行為數(shù)據(jù)進(jìn)行分析處理，計(jì)算出用戶行為數(shù)據(jù)下各詞匯的TF?IDF指標(biāo)，建立用戶行為數(shù)據(jù)下的行為?主題分布模型和主題?詞匯分布模型，在此基礎(chǔ)上對(duì)用戶行為對(duì)應(yīng)的詞匯向量進(jìn)行計(jì)算[9?10]，提取用戶隨機(jī)行為數(shù)據(jù)下的信息本體，具體過(guò)程如下所述。

假設(shè)代表用戶搜索的主題集合；代表用戶行為數(shù)據(jù)集合；代表用戶行為數(shù)據(jù)中所用的詞匯個(gè)數(shù)；代表先驗(yàn)參數(shù)。首先對(duì)用戶行為數(shù)據(jù)進(jìn)行分析處理，將用戶行為數(shù)據(jù)下的非文本信息進(jìn)行過(guò)濾，利用式（1）計(jì)算出用戶行為數(shù)據(jù)下各詞匯的TF?IDF指標(biāo)：

（1）

式中：TF代表用戶行為數(shù)據(jù)下的詞項(xiàng)頻率；代表用戶行為數(shù)據(jù)下的逆文檔頻率；代表用戶行為數(shù)據(jù)下的詞匯出現(xiàn)過(guò)的行為集；代表用戶行為數(shù)據(jù)下的某一行為記錄；代表用戶行為數(shù)據(jù)下詞匯在中出現(xiàn)的次數(shù)；代表用戶行為數(shù)據(jù)下搜索的主題在中出現(xiàn)的次數(shù)。在先驗(yàn)參數(shù)為的Dirichlet分布中抽取用戶行為數(shù)據(jù)下各文檔對(duì)應(yīng)的行為?主題分布模型，利用式（2）進(jìn)行表示：

（2）

式中：代表用戶行為數(shù)據(jù)下的行為?主題分布模型；代表用戶行為數(shù)據(jù)下先驗(yàn)參數(shù)為的Dirichlet分布。假設(shè)代表用戶第個(gè)行為中出現(xiàn)的詞匯數(shù)，則利用式（3）計(jì)算出用戶的整個(gè)行為庫(kù)中生成主題的概率：

（3）

式中：代表拉普拉斯算子；代表用戶第個(gè)行為下的主題生成概率。從先驗(yàn)參數(shù)為的Dirichlet分布中抽取用戶行為數(shù)據(jù)下各主題對(duì)應(yīng)的主題?詞匯分布模型，利用式（4）進(jìn)行計(jì)算：

（4）

式中：代表用戶行為數(shù)據(jù)下的主題?詞匯分布模型；代表用戶行為數(shù)據(jù)下先驗(yàn)參數(shù)為的Dirichlet分布。利用式（5）計(jì)算用戶行為數(shù)據(jù)下所有主題生成的詞匯概率：

（5）

式中：代表用戶行為數(shù)據(jù)下先驗(yàn)參數(shù)為的主題中生成的詞匯概率，代表用戶行為數(shù)據(jù)分析下主題中詞匯的生成概率，通過(guò)對(duì)式（3）、式（5）進(jìn)行分析，可以得到用戶行為數(shù)據(jù)下的所有主題?詞匯的聯(lián)合分布，可利用式（6）進(jìn)行表示：

（6）

假設(shè)代表用戶行為數(shù)據(jù)下的主題隱含量，結(jié)合用戶行為數(shù)據(jù)下的主題?詞匯分布模型和行為?主題分布模型，計(jì)算出用戶行為數(shù)據(jù)對(duì)應(yīng)的第個(gè)詞匯，利用下式進(jìn)行計(jì)算：

（7）

（8）

式中：代表用戶行為數(shù)據(jù)下特定詞匯的獲取量；代表用戶行為數(shù)據(jù)下行為?主題分布模型的Multinomial共軛分布空間閾值；代表主題隱含量為的Multinomial共軛分布空間閾值。結(jié)合吉布斯采樣法對(duì)用戶行為數(shù)據(jù)下的主題隱含量進(jìn)行求解，提取互聯(lián)網(wǎng)用戶隨機(jī)行為數(shù)據(jù)下的信息本體，需計(jì)算用戶行為數(shù)據(jù)下的權(quán)重。

1.2 用戶信息推送的關(guān)鍵詞搜索匹配

在進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)的設(shè)計(jì)過(guò)程中，以1.1節(jié)獲得的互聯(lián)網(wǎng)用戶隨機(jī)行為數(shù)據(jù)下的信息本體為依據(jù)，計(jì)算出用戶行為數(shù)據(jù)下詞匯在主題中出現(xiàn)的次數(shù)概率，結(jié)合Dirichlet參數(shù)估計(jì)公式建立用戶行為數(shù)據(jù)下的最終行為?詞匯模型，在此基礎(chǔ)上利用向量模型匹配關(guān)鍵詞思想理論確定關(guān)鍵詞在文檔中的權(quán)重，得到用戶行為數(shù)據(jù)下不同信息推送指標(biāo)的權(quán)重輸出，由此完成用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)，具體過(guò)程如下所述。

假設(shè)代表用戶行為數(shù)據(jù)中去除下標(biāo)為的詞匯，代表用戶行為數(shù)據(jù)中第個(gè)詞匯對(duì)應(yīng)的主題，代表用戶第個(gè)行為數(shù)據(jù)中去除主題中下標(biāo)為的詞匯，代表用戶第個(gè)行為數(shù)據(jù)中去除文檔中下標(biāo)為的主題詞匯，和代表相應(yīng)的兩個(gè)Dirichlet后驗(yàn)分布在貝葉斯框架下的參數(shù)估計(jì)，利用式（9）建立用戶行為數(shù)據(jù)下的最終行為?詞匯模型：

（9）

式中：代表用戶行為數(shù)據(jù)下的最終行為?詞匯模型；代表用戶行為數(shù)據(jù)中的文檔集合。假設(shè)代表用戶行為數(shù)據(jù)下的關(guān)鍵詞在第個(gè)文檔中出現(xiàn)的概率，利用向量模型匹配關(guān)鍵詞的方法對(duì)用戶行為數(shù)據(jù)中索引詞的選擇和語(yǔ)義進(jìn)行提取，得到用戶行為數(shù)據(jù)下關(guān)鍵詞在文檔中的權(quán)重：

（10）

式中：代表用戶行為數(shù)據(jù)下信息庫(kù)中文檔的個(gè)數(shù)；代表用戶行為數(shù)據(jù)下包含關(guān)鍵詞的文檔個(gè)數(shù)；代表用戶行為數(shù)據(jù)下文檔中所有關(guān)鍵詞的個(gè)數(shù)；代表用戶行為數(shù)據(jù)下的主題在第個(gè)文檔中出現(xiàn)的概率；代表用戶行為數(shù)據(jù)下包含主題的文檔個(gè)數(shù)。根據(jù)用戶行為數(shù)據(jù)下關(guān)鍵詞在檢索中的使用情況，結(jié)合相似度函數(shù)通過(guò)分析用戶行為數(shù)據(jù)判定用戶查詢記錄與結(jié)果記錄詞條之間的關(guān)聯(lián)性：

（11）

式中：代表用戶查詢行為字符串的第個(gè)詞條的權(quán)重；代表用戶行為數(shù)據(jù)下文檔中第個(gè)詞條的權(quán)重；代表用戶行為數(shù)據(jù)下文檔的長(zhǎng)度；代表用戶查詢行為字符串的長(zhǎng)度。

結(jié)合模糊集理論，對(duì)用戶行為數(shù)據(jù)下文本的長(zhǎng)度和用戶查詢行為字符串的長(zhǎng)度進(jìn)行分析，建立用戶行為數(shù)據(jù)下不同的信息推送評(píng)價(jià)指標(biāo)，然后對(duì)用戶行為數(shù)據(jù)下不同的指標(biāo)值進(jìn)行模糊化，在此基礎(chǔ)上對(duì)不同的信息推送指標(biāo)進(jìn)行加權(quán)平均反模糊化，計(jì)算出用戶行為數(shù)據(jù)下不同的信息推送指標(biāo)的權(quán)重輸出：

（12）

式中：代表用戶行為數(shù)據(jù)下信息推送評(píng)價(jià)指標(biāo)集；代表用戶行為數(shù)據(jù)下第個(gè)信息推送評(píng)價(jià)指標(biāo)的規(guī)則權(quán)重；代表用戶行為數(shù)據(jù)下輸入的第個(gè)信息推送評(píng)價(jià)指標(biāo)值的模糊度；代表用戶行為數(shù)據(jù)下第個(gè)信息推送評(píng)價(jià)指標(biāo)集合的容積；代表用戶行為數(shù)據(jù)下第個(gè)信息推送評(píng)價(jià)指標(biāo)集合權(quán)重。

2 實(shí)驗(yàn)結(jié)果與分析

為了證明提出的基于模糊遺傳的用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)方法的有效性，需要進(jìn)行一次實(shí)驗(yàn)。實(shí)驗(yàn)在Windows Phone7的環(huán)境下搭建用戶行為數(shù)據(jù)分析下的信息推送實(shí)驗(yàn)平臺(tái)，實(shí)驗(yàn)數(shù)據(jù)來(lái)源于SQL Server關(guān)系數(shù)據(jù)庫(kù)，采用北京大學(xué)2015年用戶行為數(shù)據(jù)分析下的信息推送應(yīng)用數(shù)據(jù)作為實(shí)驗(yàn)數(shù)據(jù)。endprint

分別利用模糊遺傳方法和協(xié)同過(guò)濾方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)實(shí)驗(yàn)。將兩種不同方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送精度對(duì)比，采用平均絕對(duì)誤差MAE（%）作為度量不同方法用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)的精度對(duì)比結(jié)果，利用式（13）進(jìn)行計(jì)算：

（13）

式中：代表系統(tǒng)對(duì)推送的第個(gè)信息的預(yù)測(cè)評(píng)分值；代表用戶對(duì)推送的第個(gè)信息的實(shí)際評(píng)分值；代表用戶行為數(shù)據(jù)分析下的信息推送數(shù)據(jù)集的數(shù)據(jù)個(gè)數(shù)。比較兩種不同方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送的平均絕對(duì)誤差，其結(jié)果如圖1所示。

通過(guò)對(duì)圖1進(jìn)行分析可知，利用模糊遺傳方法進(jìn)行用戶行為數(shù)據(jù)分析下信息推送的平均絕對(duì)誤差要低于協(xié)同過(guò)濾方法，這主要是因?yàn)樵诶媚：z傳方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)過(guò)程中，先對(duì)用戶行為數(shù)據(jù)進(jìn)行分析處理，計(jì)算出用戶行為數(shù)據(jù)下各詞匯的TF?IDF指標(biāo)，再結(jié)合先驗(yàn)參數(shù)的Dirichlet分布建立用戶行為數(shù)據(jù)下的行為?主題分布模型和主題?詞匯分布模型，在此基礎(chǔ)上，利用向量模型匹配關(guān)鍵詞思想理論確定關(guān)鍵詞在文檔中的權(quán)重，得到用戶行為數(shù)據(jù)下不同信息推送指標(biāo)的權(quán)重輸出，使得利用模糊遺傳方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)的推送精度較高。

分別利用模糊遺傳方法和協(xié)同過(guò)濾方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)實(shí)驗(yàn)。對(duì)比兩種不同方法進(jìn)行信息推送的有用度（%）和召回率（%），召回率是指用戶認(rèn)為推送信息無(wú)用時(shí)所占總體的比率。有用度是指信息推送主動(dòng)可用性的程度，利用對(duì)比結(jié)果來(lái)衡量不同方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)的綜合有效性，對(duì)比結(jié)果見(jiàn)表1，表2。

通過(guò)對(duì)表1，表2進(jìn)行分析可知，利用模糊遺傳方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)的綜合性能要高于協(xié)同過(guò)濾方法，這主要是因?yàn)樵诶媚：z傳方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)過(guò)程中，先將互聯(lián)網(wǎng)用戶抽象為結(jié)構(gòu)化數(shù)據(jù)信息本體，再對(duì)用戶第個(gè)行為對(duì)應(yīng)的第個(gè)詞匯進(jìn)行計(jì)算，提取出互聯(lián)網(wǎng)用戶隨機(jī)行為數(shù)據(jù)下的信息本體，在此基礎(chǔ)上，用戶通過(guò)查詢與結(jié)果記錄詞條間的關(guān)聯(lián)性計(jì)算，得到用戶行為數(shù)據(jù)下不同信息推送指標(biāo)的權(quán)重輸出，使得利用模糊遺傳方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)的綜合性能較優(yōu)。

以表1，表2給出的統(tǒng)計(jì)結(jié)果為基礎(chǔ)，分別利用模糊遺傳方法和協(xié)同過(guò)濾方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)實(shí)驗(yàn)。對(duì)比兩種不同方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送的查準(zhǔn)率（%）：

（14）

式中：代表推送的信息符合用戶興趣的數(shù)量；代表推送的信息不符合用戶興趣的數(shù)量。對(duì)比結(jié)果如圖2所示。

通過(guò)對(duì)圖2進(jìn)行分析可知，利用模糊遺傳方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送的查準(zhǔn)率要高于協(xié)同過(guò)濾方法，這主要是因?yàn)樵诶媚：z傳方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)過(guò)程中，以1.1節(jié)獲得的互聯(lián)網(wǎng)用戶隨機(jī)行為數(shù)據(jù)下的信息本體結(jié)果為依據(jù)，計(jì)算出用戶行為數(shù)據(jù)下詞匯在主題中出現(xiàn)的次數(shù)概率，再結(jié)合相似度函數(shù)計(jì)算出用戶行為數(shù)據(jù)下文本的長(zhǎng)度和用戶查詢行為字符串的長(zhǎng)度，最后結(jié)合模糊集理論得到用戶行為數(shù)據(jù)下不同的信息推送指標(biāo)的權(quán)重輸出，使得利用模糊遺傳方法進(jìn)行用戶行為數(shù)據(jù)分析下的信息推送的查準(zhǔn)率較高。

3 結(jié) 語(yǔ)

針對(duì)當(dāng)前方法進(jìn)行信息推送過(guò)程中難以計(jì)算出用戶行為數(shù)據(jù)分析下的權(quán)重輸出，存在信息推送針對(duì)性差、信息推廣轉(zhuǎn)化率低的問(wèn)題，提出一種基于模糊遺傳的用戶行為數(shù)據(jù)分析下的信息推送系統(tǒng)設(shè)計(jì)方法。實(shí)驗(yàn)結(jié)果表明，所提方法能夠有效提高信息推送的準(zhǔn)確性，且可擴(kuò)展性較強(qiáng)。

參考文獻(xiàn)

[1] 朱曉林，鄒宇，易琳，等.基于模型需求模板匹配的多源地理數(shù)據(jù)推送方法研究[J].地理與地理信息科學(xué)，2016，32（1）：24?28.

[2] 鄧志文，都平平，秦麗，等.面向社交網(wǎng)的圖書(shū)館信息主動(dòng)推送方法研究：以“人人網(wǎng)”為例[J].圖書(shū)館雜志，2015，34（3）：84?89.

[3] 陳伶娜.移動(dòng)新聞客戶端信息推送特點(diǎn)及問(wèn)題分析：以鳳凰新聞、今日頭條等五大新聞客戶端為例[J].今傳媒，2016，24（10）：17?19.

[4] 屈赟，陶晡，王克儉.基于Android的果樹(shù)病蟲(chóng)害信息推送系統(tǒng)的設(shè)計(jì)[J].科技通報(bào)，2016，32（5）：86?90.

[5] 尹延寧，劉太君，葉焱，等.基于Node.js，Sencha Touch和iBeacon信息推送系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].火力與指揮控制，2016，41（8）：151?154.

[6] 路曄綿，李軼夫，應(yīng)凌云，等.Android應(yīng)用第三方推送服務(wù)安全分析與安全增強(qiáng)[J].計(jì)算機(jī)研究與發(fā)展，2016，53（11）：2431?2445.

[7] 楊帆，何敏，施繼紅，等.基于LDA模型的網(wǎng)絡(luò)黨建信息推送策略[J].計(jì)算機(jī)工程，2016，42（9）：286?291.

[8] 田林青，余成波，孔慶達(dá)，等.基于藍(lán)牙技術(shù)的推送系統(tǒng)的設(shè)計(jì)和實(shí)現(xiàn)[J].微型機(jī)與應(yīng)用，2016，35（20）：61?64.

[9] 方耀耀，李同剛.面向Android系統(tǒng)的內(nèi)容推送方法應(yīng)用研究[J].電腦知識(shí)與技術(shù)，2016，12（7）：28?31.

[10] 李歡.基于文化安全的微博信息推送技術(shù)的研究[J].現(xiàn)代電子技術(shù)，2016，39（8）：41?44.endprint