CN105654211A - 信息推送方法及装置 - Google Patents

Abstract

本公开是关于一种信息推送方法及装置，其中，信息推送方法包括：获取当前商品的缺货时间；根据当前商品的缺货时间和当前商品的到货时间预测模型，获得当前商品的到货时间；向客户端推送当前商品缺货的提示信息和当前商品的到货时间。本公开实施例，可以获得当前商品的到货时间，并向客户端推送当前商品缺货的提示信息和当前商品的到货时间，使得用户对缺货商品的到货时间有正确的预期，从而为用户是否在当前电子商务平台的客户端购买当前商品提供判断依据，提高了用户的购物体验。

Description

信息推送方法及装置

技术领域

本公开涉及移动互联网技术领域，尤其涉及一种信息推送方法及装置。

背景技术

随着移动互联网的高速发展，电子商务的需求日益增加，越来越多的用户选择使用电子商务平台来购买商品和服务，且很多电子商务平台提供的商品种类和数量日益增多。但由于物流、仓储等综合原因，很多商品在某个时间段会出现缺货的情况。

目前，针对缺货商品，采用的是到货通知关注用户的方式。但是，这种方式，用户无法获知到货时间，由于用户没有正确的到货预期，很可能在收到到货通知之前就已经在其他电子商务平台购买其他替代商品，降低用户在该电子商务平台的购物体验。由此可见，如何为用户推送缺货商品的预计到货时间是目前急需解决的技术问题之一。

发明内容

为克服相关技术中存在的问题，本公开提供一种信息推送方法及装置。

根据本公开实施例的第一方面，提供一种信息推送方法，包括：

获取当前商品的缺货时间；

根据所述当前商品的缺货时间和所述当前商品的到货时间预测模型，获得所述当前商品的到货时间；

向客户端推送所述当前商品缺货的提示信息和所述当前商品的到货时间。

在一实施例中，所述方法还包括：

建立所述当前商品的到货时间预测模型。

在一实施例中，所述建立所述当前商品的到货时间预测模型，包括：

获得所述当前商品的历史到货时间和历史缺货时间；

建立所述当前商品的一次函数拟合曲线；

将所述历史缺货时间输入当前函数拟合曲线，得到历史预测到货时间；

若所述历史到货时间和所述历史预测到货时间之间的方差小于预设阈值，则将当前函数拟合曲线确定为所述当前商品的到货时间预测模型；

若所述方差大于或等于所述预设阈值，则建立二次函数拟合曲线或多次函数拟合曲线，并重复执行将所述历史缺货时间输入当前函数拟合曲线的操作，直至所述方差小于所述预设阈值。

在一实施例中，所述获得所述当前商品的历史到货时间和历史缺货时间，包括：

读取所述当前商品的日志信息；

根据所述日志信息获得所述当前商品的历史到货时间和历史缺货时间。

在一实施例中，所述方法还包括：

在所述建立所述当前商品的到货时间预测模型之后，获取所述当前商品的缺货时间，并将所述缺货时间输入所述到货时间预测模型，得到所述当前商品的预测到货时间；

获取所述当前商品的实际到货时间，并根据所述实际到货时间和所述预测到货时间调整所述到货时间预测模型的模型参数。

根据本公开实施例的第二方面，提供一种信息推送装置，包括：

获取模块，被配置为获取当前商品的缺货时间；

获得模块，被配置为根据所述获取模块获取的所述当前商品的缺货时间和所述当前商品的到货时间预测模型，获得所述当前商品的到货时间；

推送模块，被配置为向客户端推送所述当前商品缺货的提示信息和所述获得模块获得的所述当前商品的到货时间。

在一实施例中，所述装置还包括：

建立模块，被配置为建立所述当前商品的到货时间预测模型。

在一实施例中，所述建立模块包括：

获得子模块，被配置为获得所述当前商品的历史到货时间和历史缺货时间；

建立子模块，被配置为建立所述当前商品的一次函数拟合曲线；

输入子模块，被配置为将所述获得子模块获得的所述历史缺货时间输入当前函数拟合曲线，得到历史预测到货时间；

确定子模块，被配置为若所述获得子模块获得的所述历史到货时间和所述输入子模块得到的所述历史预测到货时间之间的方差小于预设阈值，则将当前函数拟合曲线确定为所述当前商品的到货时间预测模型；

处理子模块，被配置为若所述获得子模块获得的所述历史到货时间和所述输入子模块得到的所述历史预测到货时间之间的方差大于或等于所述预设阈值，则建立二次函数拟合曲线或多次函数拟合曲线，并通过所述输入子模块重复执行将所述获得子模块获得的所述历史缺货时间输入当前函数拟合曲线的操作，直至所述方差小于所述预设阈值。

在一实施例中，所述获得子模块包括：

读取单元，被配置为读取所述当前商品的日志信息；

获得单元，被配置为根据所述读取单元读取的所述日志信息获得所述当前商品的历史到货时间和历史缺货时间。

在一实施例中，所述装置还包括：

获取输入模块，被配置为在所述建立模块建立所述当前商品的到货时间预测模型之后，获取所述当前商品的缺货时间，并将所述缺货时间输入所述到货时间预测模型，得到所述当前商品的预测到货时间；

获取调整模块，被配置为获取所述当前商品的实际到货时间，并根据所述实际到货时间和所述获取输入模块得到的所述预测到货时间调整所述到货时间预测模型的模型参数。

根据本公开实施例的第三方面，提供一种信息推送装置，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

获取当前商品的缺货时间；

根据所述当前商品的缺货时间和所述当前商品的到货时间预测模型，获得所述当前商品的到货时间；

向客户端推送所述当前商品缺货的提示信息和所述当前商品的到货时间。

本公开的实施例提供的技术方案可以包括以下有益效果：通过获取当前商品的缺货时间，并根据当前商品的缺货时间和当前商品的到货时间预测模型，获得当前商品的到货时间，然后向客户端推送当前商品缺货的提示信息和当前商品的到货时间，使得用户对缺货商品的到货时间有正确的预期，从而为用户是否在当前电子商务平台的客户端购买当前商品提供判断依据，提高了用户的购物体验。

通过建立当前商品的到货时间预测模型，为后续获得当前商品的到货时间提供了条件。

通过曲线拟合的方式建立当前商品的到货时间预测模型，实现简单。

通过根据日志信息获得当前商品的历史到货时间和历史缺货时间，从而为后续建立商品的到货时间预测模型提供了条件。

通过根据实际到货时间对到货时间预测模型的模型参数进行调整，提高了到货时间预测模型的准确度，从而为后续根据该到货时间预测模型获得当前商品更准确的到货时间提供了条件。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

图1是根据一示例性实施例示出的一种信息推送方法的流程图。

图2是根据一示例性实施例示出的一种信息推送方法的场景图。

图3是根据一示例性实施例示出的一种建立所述当前商品的到货时间预测模型的流程图。

图4是根据一示例性实施例示出的一种优化当前商品的到货时间预测模型的流程图。

图5是根据一示例性实施例示出的一种信息推送装置的框图。

图6是根据一示例性实施例示出的另一种信息推送装置的框图。

图7是根据一示例性实施例示出的另一种信息推送装置的框图。

图8是根据一示例性实施例示出的另一种信息推送装置的框图。

图9是根据一示例性实施例示出的另一种信息推送装置的框图。

图10是根据一示例性实施例示出的一种适用于信息推送装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种信息推送方法的流程图，如图1所示，该信息推送方法可应用于电子商务平台上，该信息推送方法包括以下步骤S101-S103：

在步骤S101中，获取当前商品的缺货时间。

在该实施例中，当前商品可以为当前缺货商品，当前商品的缺货时间是指当前商品的售罄时间点，例如北京时间2016/3/320:33:30，该缺货时间仅为示例，在实际应用中，可以根据需要调整缺货时间的精度，例如可以精确到小时或天。

在该实施例中，可以首先获取当前商品的标识，然后根据该标识获取当前商品的缺货时间。

在步骤S102中，根据当前商品的缺货时间和当前商品的到货时间预测模型，获得当前商品的到货时间。

在该实施例中，在执行步骤S102之前，还可以包括：为每个商品建立一个对应的到货时间预测模型。

在该实施例中，为了获得当前商品的到货时间，可以先获取当前商品的到货时间预测模型，然后将当前商品的缺货时间输入到该到货时间预测模型，得到当前商品的到货时间。

在步骤S103中，向客户端推送当前商品缺货的提示信息和当前商品的到货时间。

在该实施例中，在获得当前商品的到货时间之后，可以在向客户端推送当前商品缺货的提示信息时，向客户端推送当前商品的到货时间，以使通知用户当前商品的到货时间，从而使得用户对到货时间有正确的预期。

下面结合图2对本公开进行示例性说明，如图2所示，用户在通过手机21登录小米商城购买空气净化器时，假设空气净化器为缺货状态，则小米商城的服务器22可以获得空气净化器的到货时间预测模型，并根据空气净化器的缺货时间和空气净化器的到货时间预测模型获得空气净化器的到货时间，然后向小米商城推送空气净化器的到货时间，这样，用户除了可以看到空气净化器缺货的提示信息外，还可以看到空气净化器的到货时间，用户在获知空气净化器的到货时间后可以决定是否继续在小米商城购买空气净化器，提高了用户的购物体验。

上述信息推送方法实施例，通过获取当前商品的缺货时间，并根据当前商品的缺货时间和当前商品的到货时间预测模型，获得当前商品的到货时间，然后向客户端推送当前商品缺货的提示信息和当前商品的到货时间，使得用户对缺货商品的到货时间有正确的预期，从而为用户是否在当前电子商务平台的客户端购买当前商品提供判断依据，提高了用户的购物体验。

图3是根据一示例性实施例示出的一种建立当前商品的到货时间预测模型的流程图，如图3所示，包括如下步骤：

在步骤S301中，获得当前商品的历史到货时间和历史缺货时间。

在该实施例中，可以读取当前商品的日志信息，并根据该日志信息获得当前商品的历史到货时间和历史缺货时间。

例如，在首次建立当前商品的到货时间预测模型时，可以根据当前商品的标识(ID)，读取仓储物流的日志信息，从而获得当前商品的历史到货时间和历史缺货时间，并在当前电子商品平台的数据系统中保存当前商品的历史到货时间和历史缺货时间，之后仅仅对历史到货时间和历史缺货时间进行更新操作，而不再通过重新读取日志信息来获得历史到货时间和历史缺货时间，这是因为日志信息的保存有时间限制，即不可能保存所有的日志信息。

在步骤S302中，建立当前商品的一次函数拟合曲线。

在该实施例中，在获得当前商品的历史到货时间和历史缺货时间之后，可以利用回线性回归分析的方法，建立一次函数拟合曲线，该一次函数拟合曲线可以为Y＝aX+b，其中a、b为常数，X为缺货时间，Y为到货时间。

在步骤S303中，将历史缺货时间输入当前函数拟合曲线，得到历史预测到货时间。

在该实施例中，可以对缺货时间和到货时间进行格式化操作，并将格式化后的缺货时间输入一次函数拟合曲线，得到历史预测到货时间。

在步骤S304中，判断历史到货时间和历史预测到货时间之间的方差是否小于预设阈值，若小于，则执行步骤S305，否则，执行步骤S306。

在步骤S305中，将当前函数拟合曲线确定为当前商品的到货时间预测模型，操作结束。

在获得当前商品的历史预测到货时间之后，可以计算历史到货时间和历史预测到货时间之间的方差，并判断该方差是否小于预设阈值，若小于预设阈值，则将一次函数拟合曲线确定为当前商品的到货时间预测模型。

在步骤S306中，建立二次函数拟合曲线或多次函数拟合曲线，并转向执行步骤S303，直至方差小于预设阈值。

在该实施例中，若历史到货时间和历史预测到货时间之间的方差大于或等于预设阈值，则表明历史到货时间和历史预测到货时间的差距比较大，因此需要调整拟合函数，例如可以采用二次函数曲线进行拟合，即建立二次函数拟合曲线，该二次函数拟合曲线可以为Y＝aX2+bX+c，其中a、b和c为常数，然后将格式化后的缺货时间输入该二次函数拟合曲线，得到历史预测到货时间，并计算历史到货时间和历史预测到货时间之间的方差，若该方差小于预设阈值，则将该二次函数拟合曲线确定为当前商品的到货时间预测模型，若该方差大于等于预设阈值，需要继续调整拟合函数，例如可以采用多次函数曲线进行拟合，即建立多次函数拟合曲线，然后将格式化后的缺货时间输入该多次函数拟合曲线，得到历史预测到货时间，并计算历史到货时间和历史预测到货时间之间的方差，若该方差小于预设阈值，则将该多次函数拟合曲线确定为当前商品的到货时间预测模型。

采用上述步骤S301-S306可以计算每个商品的到货时间预测模型。

上述实施例，通过曲线拟合的方式建立当前商品的到货时间预测模型，从而为后续获得当前商品的到货时间提供条件。

图4是根据一示例性实施例示出的一种优化当前商品的到货时间预测模型的流程图，如图4所示，该优化过程包括：

在步骤S401中，获取当前商品的缺货时间，并将缺货时间输入到货时间预测模型，得到当前商品的预测到货时间。

在该实施例中，在通过步骤S301-S306计算出每个商品的到货时间预测模型之后，可以将当前商品的缺货时间输入到货时间预测模型，得到当前商品的预测到货时间。

在步骤S402中，获取当前商品的实际到货时间，并根据实际到货时间和预测到货时间调整到货时间预测模型的模型参数。

在该实施例中，在获得当前商品的预测到货时间之后，可以获取当前商品的实际到货时间，并根据实际到货时间和预测到货时间调整到货时间预测模型的模型参数，以提高到货时间预测模型的准确度。

上述实施例，通过根据实际到货时间对到货时间预测模型的模型参数进行调整，提高了到货时间预测模型的准确度，从而为后续根据该到货时间预测模型获得当前商品更准确的到货时间提供了条件。

与前述信息推送方法实施例相对应，本公开还提供了信息推送装置实施例。

图5是根据一示例性实施例示出的一种信息推送装置的框图，如图5所示，信息推送装置包括：获取模块51、获得模块52和推送模块53。

获取模块51被配置为获取当前商品的缺货时间。

在该实施例中，当前商品可以为当前缺货商品，当前商品的缺货时间是指当前商品的售罄时间点，例如北京时间2016/3/320:33:30，该缺货时间仅为示例，在实际应用中，可以根据需要调整缺货时间的精度，例如可以精确到小时或天。

在该实施例中，可以首先获取当前商品的标识，然后根据该标识获取当前商品的缺货时间。

获得模块52被配置为根据获取模块51获取的当前商品的缺货时间和当前商品的到货时间预测模型，获得当前商品的到货时间。

在该实施例中，为了获得当前商品的到货时间，可以先获取当前商品的到货时间预测模型，然后将当前商品的缺货时间输入到该到货时间预测模型，得到当前商品的到货时间。

推送模块53被配置为向客户端推送当前商品缺货的提示信息和获得模块52获得的当前商品的到货时间。

在该实施例中，在获得当前商品的到货时间之后，可以在向客户端推送当前商品缺货的提示信息时，向客户端推送当前商品的到货时间，以使通知用户当前商品的到货时间，从而使得用户对到货时间有正确的预期。

如图5所示的装置用于实现上述如图1所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述信息推送装置实施例，通过获取当前商品的缺货时间，并根据当前商品的缺货时间和当前商品的到货时间预测模型，获得当前商品的到货时间，然后向客户端推送当前商品缺货的提示信息和当前商品的到货时间，使得用户对缺货商品的到货时间有正确的预期，从而为用户是否在当前电子商务平台的客户端购买当前商品提供判断依据，提高了用户的购物体验。

图6是根据一示例性实施例示出的另一种信息推送装置的框图，如图6所示，在上述图5所示实施例的基础上，该装置还可包括：建立模块54。

建立模块54被配置为建立当前商品的到货时间预测模型。

如图6所示的装置用于实现上述如图1所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述实施例，通过建立当前商品的到货时间预测模型，为后续获得当前商品的到货时间提供了条件。

图7是根据一示例性实施例示出的另一种信息推送装置的框图，如图7所示，在上述图6所示实施例的基础上，建立模块54可包括：获得子模块541、建立子模块542、输入子模块543、确定子模块544和处理子模块545。

获得子模块541被配置为获得当前商品的历史到货时间和历史缺货时间。

在该实施例中，可以读取当前商品的日志信息，并根据该日志信息获得当前商品的历史到货时间和历史缺货时间。

例如，在首次建立当前商品的到货时间预测模型时，可以根据当前商品的标识(ID)，读取仓储物流的日志信息，从而获得当前商品的历史到货时间和历史缺货时间，并在当前电子商品平台的数据系统中保存当前商品的历史到货时间和历史缺货时间，之后仅仅对历史到货时间和历史缺货时间进行更新操作，而不再通过重新读取日志信息来获得历史到货时间和历史缺货时间，这是因为日志信息的保存有时间限制，即不可能保存所有的日志信息。

建立子模块542被配置为建立当前商品的一次函数拟合曲线。

在该实施例中，在获得当前商品的历史到货时间和历史缺货时间之后，可以利用回线性回归分析的方法，建立一次函数拟合曲线，该一次函数拟合曲线可以为Y＝aX+b，其中a、b为常数，X为缺货时间，Y为到货时间。

输入子模块543被配置为将获得子模块541获得的历史缺货时间输入当前函数拟合曲线，得到历史预测到货时间。

在该实施例中，可以对缺货时间和到货时间进行格式化操作，并将格式化后的缺货时间输入一次函数拟合曲线，得到历史预测到货时间。

确定子模块544被配置为若获得子模块541获得的历史到货时间和输入子模块543得到的历史预测到货时间之间的方差小于预设阈值，则将当前函数拟合曲线确定为当前商品的到货时间预测模型。

在获得当前商品的历史预测到货时间之后，可以计算历史到货时间和历史预测到货时间之间的方差，并判断该方差是否小于预设阈值，若小于预设阈值，则将一次函数拟合曲线确定为当前商品的到货时间预测模型。

处理子模块545被配置为若获得子模块541获得的历史到货时间和输入子模块543得到的历史预测到货时间之间的方差大于或等于预设阈值，则建立二次函数拟合曲线或多次函数拟合曲线，并通过输入子模块543重复执行将获得子模块541获得的历史缺货时间输入当前函数拟合曲线的操作，直至方差小于预设阈值。

在该实施例中，若历史到货时间和历史预测到货时间之间的方差大于或等于预设阈值，则表明历史到货时间和历史预测到货时间的差距比较大，因此需要调整拟合函数，例如可以采用二次函数曲线进行拟合，即建立二次函数拟合曲线，该二次函数拟合曲线可以为Y＝aX2+bX+c，其中a、b和c为常数，然后将格式化后的缺货时间输入该二次函数拟合曲线，得到历史预测到货时间，并计算历史到货时间和历史预测到货时间之间的方差，若该方差小于预设阈值，则将该二次函数拟合曲线确定为当前商品的到货时间预测模型，若该方差大于等于预设阈值，需要继续调整拟合函数，例如可以采用多次函数曲线进行拟合，即建立多次函数拟合曲线，然后将格式化后的缺货时间输入该多次函数拟合曲线，得到历史预测到货时间，并计算历史到货时间和历史预测到货时间之间的方差，若该方差小于预设阈值，则将该多次函数拟合曲线确定为当前商品的到货时间预测模型。

如图7所示的装置用于实现上述如图3所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述实施例，通过曲线拟合的方式建立当前商品的到货时间预测模型，实现简单。

图8是根据一示例性实施例示出的另一种信息推送装置的框图，如图9C所示，在上述图7所示实施例的基础上，获得子模块541可包括：读取单元5411和获得单元5412。

读取单元5411被配置为读取当前商品的日志信息。

获得单元5412被配置为根据读取单元5411读取的日志信息获得当前商品的历史到货时间和历史缺货时间。

如图8所示的装置用于实现上述如图3所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述实施例，通过根据日志信息获得当前商品的历史到货时间和历史缺货时间，从而为后续建立商品的到货时间预测模型提供了条件。

图9是根据一示例性实施例示出的另一种信息推送装置的框图，如图9所示，在上述图6、图7或图8所示实施例的基础上，该装置还可包括：获取输入模块55和获取调整模块56。

获取输入模块55被配置为在建立模块54建立当前商品的到货时间预测模型之后，获取当前商品的缺货时间，并将缺货时间输入到货时间预测模型，得到当前商品的预测到货时间。

在该实施例中，在计算出每个商品的到货时间预测模型之后，可以将当前商品的缺货时间输入到货时间预测模型，得到当前商品的预测到货时间。

获取调整模块56被配置为获取当前商品的实际到货时间，并根据实际到货时间和获取输入模块55得到的预测到货时间调整到货时间预测模型的模型参数。

在该实施例中，在获得当前商品的预测到货时间之后，可以获取当前商品的实际到货时间，并根据实际到货时间和预测到货时间调整到货时间预测模型的模型参数，以提高到货时间预测模型的准确度。

如图9所示的装置用于实现上述如图4所示的方法流程，涉及到的相关内容描述相同，此处不赘述。

上述实施例，通过根据实际到货时间对到货时间预测模型的模型参数进行调整，提高了到货时间预测模型的准确度，从而为后续根据该到货时间预测模型获得当前商品更准确的到货时间提供了条件。

关于上述实施例中的装置，其中各个模块、子模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

图10是根据一示例性实施例示出的一种适用于信息推送装置的框图。例如，装置1000可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图10，装置1000可以包括以下一个或多个组件：处理组件1002，存储器1004，电源组件1006，多媒体组件1008，音频组件1010，输入/输出(I/O)的接口1012，传感器组件1014，以及通信组件1016。

处理组件1002通常控制装置1000的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件1002可以包括一个或多个处理器1020来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1002可以包括一个或多个模块，便于处理组件1002和其他组件之间的交互。例如，处理部件1002可以包括多媒体模块，以方便多媒体组件1008和处理组件1002之间的交互。

存储器1004被配置为存储各种类型的数据以支持在设备1000的操作。这些数据的示例包括用于在装置1000上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1004可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件1006为装置1000的各种组件提供电力。电力组件1006可以包括电源管理系统，一个或多个电源，及其他与为装置1000生成、管理和分配电力相关联的组件。

多媒体组件1008包括在所述装置1000和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1008包括一个前置摄像头和/或后置摄像头。当设备1000处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1010被配置为输出和/或输入音频信号。例如，音频组件1010包括一个麦克风(MIC)，当装置1000处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1004或经由通信组件1016发送。在一些实施例中，音频组件1010还包括一个扬声器，用于输出音频信号。

I/O接口1012为处理组件1002和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1014包括一个或多个传感器，用于为装置1000提供各个方面的状态评估。例如，传感器组件1014可以检测到设备1000的打开/关闭状态，组件的相对定位，例如所述组件为装置1000的显示器和小键盘，传感器组件1014还可以检测装置1000或装置1000一个组件的位置改变，用户与装置1000接触的存在或不存在，装置1000方位或加速/减速和装置1000的温度变化。传感器组件1014可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1014还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1014还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件1016被配置为便于装置1000和其他设备之间有线或无线方式的通信。装置1000可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件1016经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件1016还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1000可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1004，上述指令可由装置1000的处理器1020执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (11)

1.一种信息推送方法，其特征在于，所述方法包括：

获取当前商品的缺货时间；

根据所述当前商品的缺货时间和所述当前商品的到货时间预测模型，获得所述当前商品的到货时间；

向客户端推送所述当前商品缺货的提示信息和所述当前商品的到货时间。

2.根据权利要求1所述的信息推送方法，其特征在于，所述方法还包括：

建立所述当前商品的到货时间预测模型。

3.根据权利要求2所述的信息推送方法，其特征在于，所述建立所述当前商品的到货时间预测模型，包括：

获得所述当前商品的历史到货时间和历史缺货时间；

建立所述当前商品的一次函数拟合曲线；

将所述历史缺货时间输入当前函数拟合曲线，得到历史预测到货时间；

若所述历史到货时间和所述历史预测到货时间之间的方差小于预设阈值，则将当前函数拟合曲线确定为所述当前商品的到货时间预测模型；

若所述方差大于或等于所述预设阈值，则建立二次函数拟合曲线或多次函数拟合曲线，并重复执行将所述历史缺货时间输入当前函数拟合曲线的操作，直至所述方差小于所述预设阈值。

4.根据权利要求3所述的信息推送方法，其特征在于，所述获得所述当前商品的历史到货时间和历史缺货时间，包括：

读取所述当前商品的日志信息；

根据所述日志信息获得所述当前商品的历史到货时间和历史缺货时间。

5.根据权利要求2-4任一项所述的信息推送方法，其特征在于，所述方法还包括：

在所述建立所述当前商品的到货时间预测模型之后，获取所述当前商品的缺货时间，并将所述缺货时间输入所述到货时间预测模型，得到所述当前商品的预测到货时间；

获取所述当前商品的实际到货时间，并根据所述实际到货时间和所述预测到货时间调整所述到货时间预测模型的模型参数。

6.一种信息推送装置，其特征在于，所述装置包括：

获取模块，被配置为获取当前商品的缺货时间；

获得模块，被配置为根据所述获取模块获取的所述当前商品的缺货时间和所述当前商品的到货时间预测模型，获得所述当前商品的到货时间；

推送模块，被配置为向客户端推送所述当前商品缺货的提示信息和所述获得模块获得的所述当前商品的到货时间。

7.根据权利要求6所述的信息推送装置，其特征在于，所述装置还包括：

建立模块，被配置为建立所述当前商品的到货时间预测模型。

8.根据权利要求7所述的信息推送装置，其特征在于，所述建立模块包括：

获得子模块，被配置为获得所述当前商品的历史到货时间和历史缺货时间；

建立子模块，被配置为建立所述当前商品的一次函数拟合曲线；

输入子模块，被配置为将所述获得子模块获得的所述历史缺货时间输入当前函数拟合曲线，得到历史预测到货时间；

确定子模块，被配置为若所述获得子模块获得的所述历史到货时间和所述输入子模块得到的所述历史预测到货时间之间的方差小于预设阈值，则将当前函数拟合曲线确定为所述当前商品的到货时间预测模型；

处理子模块，被配置为若所述获得子模块获得的所述历史到货时间和所述输入子模块得到的所述历史预测到货时间之间的方差大于或等于所述预设阈值，则建立二次函数拟合曲线或多次函数拟合曲线，并通过所述输入子模块重复执行将所述获得子模块获得的所述历史缺货时间输入当前函数拟合曲线的操作，直至所述方差小于所述预设阈值。

9.根据权利要求8所述的信息推送装置，其特征在于，所述获得子模块包括：

读取单元，被配置为读取所述当前商品的日志信息；

获得单元，被配置为根据所述读取单元读取的所述日志信息获得所述当前商品的历史到货时间和历史缺货时间。

10.根据权利要求7-9任一项所述的信息推送装置，其特征在于，所述装置还包括：

获取输入模块，被配置为在所述建立模块建立所述当前商品的到货时间预测模型之后，获取所述当前商品的缺货时间，并将所述缺货时间输入所述到货时间预测模型，得到所述当前商品的预测到货时间；

获取调整模块，被配置为获取所述当前商品的实际到货时间，并根据所述实际到货时间和所述获取输入模块得到的所述预测到货时间调整所述到货时间预测模型的模型参数。

11.一种信息推送装置，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取当前商品的缺货时间；

根据所述当前商品的缺货时间和所述当前商品的到货时间预测模型，获得所述当前商品的到货时间；

向客户端推送所述当前商品缺货的提示信息和所述当前商品的到货时间。