本申请实施例涉及信息处理技术领域，涉及但不限于一种消息推送方法及其装置、设备、存储介质。
背景技术：
在相关技术中，好多家推荐系统的冷启动问题，存在由于用户是新用户，可以获得的用户信息很少，甚至可以获得的用户信息的有用性几乎为零，一般推荐效果还是主要以推荐热门商品为主，无法对用户进行个性化推荐，或者基于有限的用户信息推荐效果很差。而且热门推荐无法满足用户的个性化需求，没有千人千面的特性，一些热门商品长期霸占热门位置，导致推荐效果不好。
技术实现要素：
有鉴于此，本申请实施例提供一种消息推送方法及其装置、设备、存储介质。
本申请实施例的技术方案是这样实现的：
本申请实施例提供一种消息推送方法，所述方法包括：
根据待推荐用户的联系人信息获取联系人的消费信息；
根据所述联系人的消费信息确定所述联系人的购物偏好列表；其中，所述联系人的购物偏好列表用于表明所述联系人针对每一类别的商品的喜好度；
根据所述联系人的购物偏好列表确定待推送的消息，并将所述待推送消息发送给所述待推荐用户。
在上述方法中，所述方法还包括：
获取首次注册预设应用程序的待推荐用户对应的联系人信息；其中，所述待推荐用户为首次注册预设应用程序的用户，所述联系人信息为所述待推荐用户拥有的联系人的相关信息。
在上述方法中，所述根据待推荐用户的联系人信息获取联系人的消费信息，包括：
根据所述待推荐用户的联系人信息统计所述联系人浏览购物网页的数据；其中，所述联系人信息是根据输入的授权指令获取的；
根据所述联系人浏览购物网页的数据生成所述联系人的消费信息。
在上述方法中，所述根据所述联系人的消费信息确定所述联系人的购物偏好列表，包括：
确定所述联系人的消费信息对应的商品类别集；
根据所述联系人的消费信息，确定所述商品类别集中每一类商品对应的购物概率；
根据所述购物概率确定所述联系人的购物偏好列表。
在上述方法中，所述根据所述联系人的消费信息，确定所述商品类别集中每一类商品对应的购物概率，包括：
根据所述联系人的消费信息，确定所述联系人针对所述商品类别集中的商品的购物行为总次数；其中，所述购物行为至少包括购买商品、浏览商品或者关注商品；
针对所述商品类别集中每一类商品，确定所述联系人对所述每一类商品的单一购物行为次数；
根据所述购物行为总次数和所述单一购物行为次数确定所述商品类别集中每一类别的商品对应的购物概率。
在上述方法中，所述根据所述购物概率确定所述联系人的购物偏好列表，包括：
将所述购物概率降序排列，得到所述联系人的购物偏好列表。
在上述方法中，根据所述联系人的购物偏好列表确定待推送的消息，并将所述待推送消息发送给所述待推荐用户，包括：
在所述联系人的购物偏好列表中，确定购物概率满足预设概率阈值的概率对应的商品类别；
根据所述满足预设概率阈值的概率对应的商品类别，确定并发送待推送的消息到所述待推荐用户。
本申请实施例提供一种消息推送装置，所述装置包括：第一获取模块、第一确定模块和第一输出模块，其中：
所述第一获取模块，用于根据待推荐用户的联系人信息获取联系人的消费信息；
所述第一确定模块，用于根据所述联系人的消费信息确定所述联系人的购物偏好列表；其中，所述联系人的购物偏好列表用于表明所述联系人针对每一类别的商品的喜好度；
所述第一输出模块，用于根据所述联系人的购物偏好列表确定待推送的消息，并将所述待推送消息发送给所述待推荐用户。
本申请实施例提供一种数据保存设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述的消息推送方法中的步骤。
本申请实施例提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述的消息推送方法中的步骤。
本申请实施例提供一种消息推送方法及其装置、设备、存储介质，其中，首先，根据待推荐用户的联系人信息获取联系人的消费信息；然后，根据所述联系人的消费信息确定所述联系人的购物偏好列表；其中，所述联系人的购物偏好列表用于表明所述联系人针对每一类别的商品的喜好度；最后，根据所述联系人的购物偏好列表确定待推送的消息，并将所述待推送消息发送给所述待推荐用户；如此，通过获取过获取手机联系人列表，基于用户手机联系人的大量浏览记录购买记录等历史数据，确定联系人的喜好，然后根据联系人喜好的商品确定为用户推送的消息，在一定程度上进行商品个性化推荐，提高用户购物体验。
附图说明
图1为本申请实施例消息推送方法的实现流程示意图；
图2为本申请实施例消息推送方法的又一实现流程示意图；
图3为本申请实施例消息推送方法的实现流程示意图；
图4为本申请实施例消息推送装置的组成结构示意图；
图5为本申请实施例电子设备的组成结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对发明的具体技术方案做进一步详细描述。以下实施例用于说明本申请，但不用来限制本申请的范围。
在后续的描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本申请的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。
电子设备可以以各种形式来实施。例如，本申请中描述的电子设备可以包括诸如个人数字助理(personaldigitalassistant，pda)、导航装置、可穿戴设备等移动电子设备，以及诸如数字tv、台式计算机等固定电子设备。
后续描述中将以移动电子设备为例进行说明，本领域技术人员将理解的是，除了特别用于移动目的的元件之外，根据本申请的实施方式的构造也能够应用于固定类型的电子设备。
本申请实施例提供一种消息推送方法，图1为本申请实施例消息推送方法的实现流程示意图，如图1所示，所述方法包括以下步骤：
步骤s101，根据待推荐用户的联系人信息获取联系人的消费信息。
这里，所述联系人信息为待推荐用户的手机等电子设备中的联系人信息，所述联系人信息可以包括：联系人姓名、性别、电话号码等。所述步骤s101，可以理解为，根据联系人信息统计联系人浏览购物网页的数据，然后分析这些数据，即可得到联系人的消费信息。所述消费信息包括：联系人购买商品的记录、浏览商品的记录、关注的商品类别、收藏的商铺等。所述联系人信息是通过获取首次注册预设应用程序的注册信息对应的联系人信息得到的，其中，所述注册信息至少包括登陆的密码和登陆的账号；也就是说，在本实施例中，所述联系人信息是指新用户手机中的联系人信息，所谓新用户即是第一次登陆到某应用程序的用户，比如用户a第一次登陆某购物应用程序(application，app)，这时获取该用户a手机中的所有联系人信息，然后分析这些联系人的购物偏好，根据这些联系人的购物偏好为用户a进行定向的推荐商品。
这里，所述注册信息至少包括登陆的密码和登陆的账号。
步骤s102，根据所述联系人的消费信息确定所述联系人的购物偏好列表。
这里，所述联系人的购物偏好列表用于表明所述联系人针对每一类别的商品的喜好度。在联系人的购物偏好列表中排列在前面的为联系人购买次数较多的商品类别。
步骤s103，根据所述联系人的购物偏好列表确定待推送的消息，并将所述待推送消息给所述待推荐用户。
这里，根据联系人的购物偏好列表中排列在前面的商品，生成该商品的推送消息，将该推送消息发送给拥有这些联系人信息的待推荐用户。
在本实施例中，通过确定用户的联系人的购买商品的喜好，为初次登陆到预设应用程序的用户根据用户的联系人购买商品的喜好为用户推送消息，因为“物以类聚，人以群分”，所以用户的联系人的购物偏好能够在一定程度上反映该用户的购物偏好，因此用户的联系人的购买商品的喜好，为初次登陆到预设应用程序的用户根据用户的联系人购买商品的喜好为用户推送消息，能够为用户提供商品个性化推荐，提高用户购物体验。
本申请实施例提供一种消息推送方法，图2为本申请实施例消息推送方法的又一实现流程示意图，如图2所示，所述方法包括以下步骤：
步骤s201，根据所述联系人信息统计所述联系人浏览购物网页的数据。
这里，所述联系人信息是根据待推荐用户输入的授权指令获取的。所述步骤s201可以理解为，根据待推荐用户的手机中的联系人信息，统计这些联系人浏览的购物网页中的商品类别，或者购买的商品类别等。所述联系人信息是根据输入的授权指令获取的，所述授权指令用于授权公开所述联系人信息。也就是说，需要先向用户发送获取联系人信息的请求，如果用户同意公开手机中的联系人信息，那么输入授权指令，从而能够得到用户手机中的联系人信息。
步骤s202，根据所述联系人浏览购物网页的数据生成所述联系人的消费信息。
这里，所述步骤s202可以理解为，通过分析联系人浏览购物网页的数据，确定联系人购买了哪些类别的商品、关注了哪些商品、浏览了哪些商品等。
在本实施例中，通过统计联系人浏览的购物网页的数据，得到联系人的消费信息，保证了联系人消费信息的丰富性和准确性。
步骤s203，确定所述联系人的消费信息对应的商品类别集。
这里，根据联系人的消费信息，比如联系人购买商品的购买记录、浏览记录、关注的商品和收藏的店铺等确定用户有购买倾向或者已经购买的商品的类别。
步骤s204，根据所述联系人的消费信息确定所述商品类别集中每一类商品对应的购物概率。
这里，通过统计所有用户在某个品类j下的购物行为次数总和，以及所有用户在所有品类下的购物行为次数的总和，来得到一个商品类别的购物概率。
步骤s205，根据所述购物概率确定所述联系人的购物偏好列表。
这里，将所述购物概率降序排列，得到所述联系人的购物偏好列表。比如，联系人购买a类商品的购物概率是0.9，是最高的购物概率，那么将a类商品排在购物偏好列表的第一个。
步骤s206，在所述联系人的购物偏好列表中，确定购物概率满足预设概率阈值的概率对应的商品类别。
这里，所述预设的概率预设可以根据用户的需要来设定，比如将预设的概率阈值设置为0.5，那么所述步骤s206，可以理解为，确定联系人的购物偏好列表中购物概率大于0.5的概率对应的商品类别，比如，b类、c类和d类等商品的购物概率均大于0.5，那么找到这些类别的商品，并生成这些类别商品的推送消息。
步骤s207，根据所述满足预设概率阈值的概率对应的商品类别，确定并发送待推送的消息到所述待推荐用户。
这里，将购物概率均大于0.5的商品类别对应的推送消息，发送给第一次注册当前应用程序的待推荐用户。
在本实施例中，通过确定新用户的联系人的购物偏好，来为该新用户推送相应的商品的推送消息，以此为新用户进行商品个性化推荐而不是仅推荐热门商品，提高用户购物体验。
在其他实施例中，所述步骤s204，即根据所述联系人的消费信息确定所述商品类别集中每一类商品对应的购物概率，可以通过以下步骤实现：
步骤s241，根据所述联系人的消费信息，确定所述联系人针对所述商品类别集中的商品的购物行为总次数。
这里，所述购物行为至少包括购买商品、浏览商品或者关注商品。所述步骤s241可以理解为，假设新用户共有n个联系人，m个品类，某个用户i在某个品类j下的浏览，购买，关注等购物行为的次数表示为xij，所述购物行为总次数即为所有联系人在所有品类下的购物行为次数的总和。
步骤s242，针对所述商品类别集中每一类商品，确定所述联系人对所述每一类商品的单一购物行为次数。
这里，所述单一购物行为次数即为，所有联系人在某个品类j下的购物行为次数总和。
步骤s243，根据所述购物行为总次数和所述单一购物行为次数确定所述商品类别集中每一类别的商品对应的购物概率。
这里，将所述单一购物行为次数除以所述购物行为总次数，即为一类商品的购物概率。
在本实施例中，通过确定所有联系人购买所有类别商品的总次数，与所有联系人购买某一类商品的次数，来确定所述某一类商品的购物概率，能够精确的得到联系人喜好的所有类别的商品的购物概率，依次为这些联系人对应的用户个性化的推荐商品。
本申请实施例提供一种消息推送方法，通过获取手机联系人的相应权限，获取用户的联系人列表，通过联系人的手机号在商品系统中查询用户的浏览记录，购买记录等等历史信息，获取用户联系人列表中购物偏好排序列表。例如，一个体育爱好者的手机联系人中好多人会经常在系统中购买一些球鞋球衣等体育用品。这样当这个用户作为新用户来到平台时，冷启动的推荐系统就可以推送一些体育用品相关的商品，进行个性化推荐。
图3为本申请实施例消息推送方法的实现流程示意图，如图3所示，所述方法包括以下步骤：
步骤s301，获取用户手机的联系人权限和用户的手机联系人列表，并查询手机联系人在商品系统中的历史记录。
这里，所述用户为某一应用程序的新用户，即新用户进入app时，通过获取用户的手机联系人的权限，获取用户手机联系人列表。
步骤s302，基于手机联系人的历史记录，通过大数据与机器学习得到手机联系人的购物偏好的排序列表。
这里，根据冷启动用户联系人列表的数据，在商品系统中查询所有联系人的商品浏览记录、下单记录、收藏、关注等等记录。简单的使用用户在某个品类下的购物行为的频率作为用户的购物偏好判断依据。假设新用户共有n个联系人，m个品类，某个用户i在某个品类j下的浏览，购买，关注等购物行为的次数表示为xij，则某个品类j的购物行为频率为
通过对fj的统计计算，按照fj的降序排列，可以得到联系人的购物偏好类别(即购物偏好列表)。
步骤s303，当新用户进入该app平台时，基于所述购物偏好列表中各类商品的排列顺序进行个性化推荐。
这里，当新用户新进入app时，即用户冷启动情况下，根据获取的购物偏好列表，获取相应的排列在前几位偏好品类下的商品进行个性化推荐。
由于获取用户的手机联系人的购物偏好，在一定程度上可以反应用户的购物喜好，基于上述的几步操作，当用户冷启动时，可以根据手机联系人的购物偏好进行相关的个性化推荐。
在本实施例中，通过获取手机联系人列表的权限获取用户的手机联系人，基于用户手机联系人的大量浏览记录购买记录等历史数据，通过大数据与机器学习等方法，获取用户的购物偏好排序列表，在新用户进入app时，即冷启动的情况下，通过这种优化，可以在一定程度上进行商品个性化推荐，提高用户购物体验。
本申请实施例再提供一种消息推送装置，该装置包括所包括的各模块、以及各模块所包括的各子模块和各单元，可以通过电子设备中的处理器来实现；当然也可通过具体的逻辑电路实现；在实施的过程中，处理器可以为中央处理器(cpu)、微处理器(mpu)、数字信号处理器(dsp)或现场可编程门阵列(fpga)等。
本实施例提供一种消息推送装置，图4为本申请实施例消息推送装置的组成结构示意图，如图4所示，所述装置400包括：第一获取模块401、第一确定模块402和第一输出模块403，其中：
所述第一获取模块401，用于根据待推荐用户的联系人信息获取联系人的消费信息；
所述第一确定模块402，用于根据所述联系人的消费信息确定所述联系人的购物偏好列表；其中，所述联系人的购物偏好列表用于表明所述联系人针对每一类别的商品的喜好度；
所述第一输出模块403，用于根据所述联系人的购物偏好列表确定待推送的消息，并将所述待推送消息发送给所述待推荐用户。
需要说明的是，以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请装置实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。
需要说明的是，本申请实施例中，如果以软件功能模块的形式实现上述的消息推送方法，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，本申请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消息推送设备(可以是终端、服务器等)执行本申请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(readonlymemory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本申请实施例不限制于任何特定的硬件和软件结合。
相应地，本申请实施例再提供一种可读存储介质，所述可读存储介质上存储有消息推送程序，所述消息推送程序被处理器执行时实现上述的消息推送方法的步骤。
本申请实施例再提供一种电子设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现上述消息推送方法中的步骤。
以上电子设备和存储介质实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本申请消息推送设备和存储介质实施例中未披露的技术细节，请参照本申请方法实施例的描述而理解。
需要说明的是，图5为本申请实施例中电子设备的一种硬件实体示意图，如图5所示，该设备500的硬件实体包括：处理器501、通信接口502和存储器503，其中
处理器501通常控制设备500的总体操作。
通信接口502可以使设备通过网络与其他终端或服务器通信。
存储器503配置为存储由处理器501可执行的指令和应用，还可以缓存待处理器501以及设备500中各模块待处理或已经处理的数据(例如，音频数据、语音通信数据和视频通信数据)，可以通过闪存(flash)或随机访问存储器(randomaccessmemory，ram)实现。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本申请的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。上述本申请实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备和方法，可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个系统，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元；既可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外，在本申请各实施例中的各功能单元可以全部集成在一个处理单元中，也可以是各单元分别单独作为一个单元，也可以两个或两个以上单元集成在一个单元中；上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(readonlymemory，rom)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本申请上述集成的单元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，本申请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(可以是个人计算机或服务器等)执行本申请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：移动存储设备、rom、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。
1.一种消息推送方法，其特征在于，所述方法包括：
根据待推荐用户的联系人信息获取联系人的消费信息；
根据所述联系人的消费信息确定所述联系人的购物偏好列表；其中，所述联系人的购物偏好列表用于表明所述联系人针对每一类别的商品的喜好度；
根据所述联系人的购物偏好列表确定待推送的消息，并将所述待推送消息发送给所述待推荐用户。
2.根据权利要求1中所述的方法，其特征在于，所述方法还包括：
获取首次注册预设应用程序的待推荐用户对应的联系人信息；其中，所述待推荐用户为首次注册预设应用程序的用户，所述联系人信息为所述待推荐用户拥有的联系人的相关信息。
3.根据权利要求1中所述的方法，其特征在于，所述根据待推荐用户的联系人信息获取联系人的消费信息，包括：
根据所述待推荐用户的联系人信息统计所述联系人浏览购物网页的数据；其中，所述联系人信息是根据输入的授权指令获取的；
根据所述联系人浏览购物网页的数据生成所述联系人的消费信息。
4.根据权利要求1中所述的方法，其特征在于，所述根据所述联系人的消费信息确定所述联系人的购物偏好列表，包括：
确定所述联系人的消费信息对应的商品类别集；
根据所述联系人的消费信息，确定所述商品类别集中每一类商品对应的购物概率；
根据所述购物概率确定所述联系人的购物偏好列表。
5.根据权利要求4中所述的方法，其特征在于，所述根据所述联系人的消费信息，确定所述商品类别集中每一类商品对应的购物概率，包括：
根据所述联系人的消费信息，确定所述联系人针对所述商品类别集中的商品的购物行为总次数；其中，所述购物行为至少包括购买商品、浏览商品或者关注商品；
针对所述商品类别集中每一类商品，确定所述联系人对所述每一类商品的单一购物行为次数；
根据所述购物行为总次数和所述单一购物行为次数，确定所述商品类别集中每一类别的商品对应的购物概率。
6.根据权利要求4中所述的方法，其特征在于，所述根据所述购物概率确定所述联系人的购物偏好列表，包括：
将所述购物概率降序排列，得到所述联系人的购物偏好列表。
7.根据权利要求5或6中所述的方法，其特征在于，根据所述联系人的购物偏好列表确定待推送的消息，并将所述待推送消息发送给所述待推荐用户，包括：
在所述联系人的购物偏好列表中，确定购物概率满足预设概率阈值的概率对应的商品类别；
根据所述满足预设概率阈值的概率对应的商品类别，确定并发送待推送的消息到所述待推荐用户。
8.一种消息推送装置，其特征在于，所述装置包括：第一获取模块、第一确定模块和第一输出模块，其中：
所述第一获取模块，用于根据待推荐用户的联系人信息获取联系人的消费信息；
所述第一确定模块，用于根据所述联系人的消费信息确定所述联系人的购物偏好列表；其中，所述联系人的购物偏好列表用于表明所述联系人针对每一类别的商品的喜好度；
所述第一输出模块，用于根据所述联系人的购物偏好列表确定待推送的消息，并将所述待推送消息发送给所述待推荐用户。
9.一种电子设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至7任一项所述消息推送方法中的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至7任一项所述消息推送方法中的步骤。
技术总结