CN108228887A - 用于生成信息的方法和装置 - Google Patents
用于生成信息的方法和装置 Download PDFInfo
- Publication number
- CN108228887A CN108228887A CN201810094273.5A CN201810094273A CN108228887A CN 108228887 A CN108228887 A CN 108228887A CN 201810094273 A CN201810094273 A CN 201810094273A CN 108228887 A CN108228887 A CN 108228887A
- Authority
- CN
- China
- Prior art keywords
- navigation patterns
- information
- user
- sample
- locus
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/28—Databases characterised by their database models, e.g. relational or object models
- G06F16/284—Relational databases
- G06F16/288—Entity relationship models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请实施例公开了用于生成信息的方法和装置。该方法的一具体实施方式包括:响应于检测到用户在搜索结果页面进行浏览,获取以下至少一项作为目标信息:用户的浏览行为信息、用户的用户画像信息和呈现搜索结果页面的用户终端的终端信息;将目标信息输入到预先训练的浏览行为轨迹预测模型中,生成用户的预期浏览行为轨迹图谱,其中,浏览行为轨迹预测模型用于表征目标信息与浏览行为轨迹图谱之间的对应关系,浏览行为轨迹图谱包括用于表征浏览对象的节点和用于表征浏览对象之间的关系的边。该实施方式使得预测出的预期浏览行为轨迹图谱更加准确。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及互联网技术领域,尤其涉及用于生成信息的方法和装置。
背景技术
随着互联网技术的发展,搜索行为目前已经成为每个网民的基本需求,用户发出的每个搜索请求背后都可能隐含着潜在的搜索意图,对于同一个搜索信息,可能会有众多资源提供搜索结果,如何预测用户的预期浏览行为从而在众多资源中找到最满足用户搜索意图的资源对于各个互联网搜索公司具有重要意义。
发明内容
本申请实施例提出了用于生成信息的方法和装置。
第一方面,本申请实施例提供了一种用于生成信息的方法,包括:响应于检测到用户在搜索结果页面进行浏览,获取以下至少一项作为目标信息:用户的浏览行为信息、用户的用户画像信息和呈现搜索结果页面的用户终端的终端信息;将目标信息输入到预先训练的浏览行为轨迹预测模型中,生成用户的预期浏览行为轨迹图谱,其中,浏览行为轨迹预测模型用于表征目标信息与浏览行为轨迹图谱之间的对应关系,浏览行为轨迹图谱包括用于表征浏览对象的节点和用于表征浏览对象之间的关系的边。
在一些实施例中,浏览对象之间的关系具有权值;以及在生成用户的预期浏览行为轨迹图谱之后,该方法还包括:将用户在当前时刻所浏览的浏览对象确定为目标浏览对象;响应于检测到目标浏览对象存在于预期浏览行为轨迹图谱中的节点所指示的浏览对象中,利用最短路径算法,在预期浏览行为轨迹图谱中除用于表征目标浏览对象的节点之外的剩余节点中,查找与用于表征目标浏览对象的节点之间的路径最短的节点作为目标节点。
在一些实施例中,在查找与用于表征目标浏览对象的节点之间的路径最短的节点作为目标节点之后,该方法还包括:向用户终端推送目标节点所表征的浏览对象的对象信息。
在一些实施例中,在查找与用于表征目标浏览对象的节点之间的路径最短的节点作为目标节点之后,该方法还包括:在预期浏览行为轨迹图谱上,以预设的呈现方式对目标节点进行处理,生成处理后的预期浏览行为轨迹图谱;向用户终端推送处理后的预期浏览行为轨迹图谱。
在一些实施例中,在生成用户的预期浏览行为轨迹图谱之后,该方法还包括:向用户终端推送预期浏览行为轨迹图谱。
在一些实施例中,浏览行为轨迹预测模型是通过如下步骤训练得到的:获取样本数据集合,其中,样本数据集合中的每个样本数据包括样本用户在历史第一时间段内的样本信息和样本用户在历史第二时间段内的浏览行为轨迹图谱,样本信息包括以下至少一项:样本用户在历史第一时间段内的浏览行为信息、样本用户的用户画像信息和样本用户进行页面浏览的浏览终端的终端信息,历史第二时间段在历史第一时间段之后;利用机器学习方法,将样本数据集合中的每个样本数据中的样本用户在历史第一时间段内的样本信息作为输入,将该样本数据中的样本用户在历史第二时间段内的浏览行为轨迹图谱作为输出,训练得到浏览行为轨迹预测模型。
第二方面,本申请实施例提供了一种用于生成信息的装置,包括:获取单元,配置用于响应于检测到用户在搜索结果页面进行浏览,获取以下至少一项作为目标信息:用户的浏览行为信息、用户的用户画像信息和呈现搜索结果页面的用户终端的终端信息;第一生成单元,配置用于将目标信息输入到预先训练的浏览行为轨迹预测模型中,生成用户的预期浏览行为轨迹图谱,其中,浏览行为轨迹预测模型用于表征目标信息与浏览行为轨迹图谱之间的对应关系,浏览行为轨迹图谱包括用于表征浏览对象的节点和用于表征浏览对象之间的关系的边。
在一些实施例中,浏览对象之间的关系具有权值;以及该装置还包括:确定单元,配置用于将用户在当前时刻所浏览的浏览对象确定为目标浏览对象;查找单元,配置用于响应于检测到目标浏览对象存在于预期浏览行为轨迹图谱中的节点所指示的浏览对象中,利用最短路径算法,在预期浏览行为轨迹图谱中除用于表征目标浏览对象的节点之外的剩余节点中,查找与用于表征目标浏览对象的节点之间的路径最短的节点作为目标节点。
在一些实施例中,该装置还包括:第一推送单元,配置用于向用户终端推送目标节点所表征的浏览对象的对象信息。
在一些实施例中,该装置还包括:第二生成单元,配置用于在预期浏览行为轨迹图谱上,以预设的呈现方式对目标节点进行处理,生成处理后的预期浏览行为轨迹图谱;第二推送单元,配置用于向用户终端推送处理后的预期浏览行为轨迹图谱。
在一些实施例中,该装置还包括:第三推送单元,配置用于向用户终端推送预期浏览行为轨迹图谱。
在一些实施例中,该装置还包括用于训练浏览行为轨迹预测模型的训练单元,训练单元包括:获取模块,配置用于获取样本数据集合,其中,样本数据集合中的每个样本数据包括样本用户在历史第一时间段内的样本信息和样本用户在历史第二时间段内的浏览行为轨迹图谱,样本信息包括以下至少一项:样本用户在历史第一时间段内的浏览行为信息、样本用户的用户画像信息和样本用户进行页面浏览的浏览终端的终端信息,历史第二时间段在历史第一时间段之后;训练模块,配置用于利用机器学习方法,将样本数据集合中的每个样本数据中的样本用户在历史第一时间段内的样本信息作为输入,将该样本数据中的样本用户在历史第二时间段内的浏览行为轨迹图谱作为输出,训练得到浏览行为轨迹预测模型。
第三方面,本申请实施例还提供了一种电子设备,包括:一个或多个处理器;存储装置,用于存储一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得上述一个或多个处理器实现本申请提供的用于生成信息的方法。
第四方面,本申请实施例还提供了一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现本申请提供的用于生成信息的方法。
本申请提供的用于生成信息的方法和装置,通过响应于检测到用户在搜索结果页面进行浏览,获取上述用户的浏览行为信息、上述用户的用户画像信息和呈现上述搜索结果页面的用户终端的终端信息中的至少一项作为目标信息,而后将上述目标信息输入到预先训练的浏览行为轨迹预测模型中,生成上述用户的预期浏览行为轨迹图谱,从而有效利用了用户在搜索结果页面的浏览信息、用户画像信息和呈现搜索结果页面的用户终端的终端信息中的至少一项,通过预先训练出的浏览行为轨迹预测模型对用户的预期浏览行为轨迹进行预测,使得预测出的预期浏览行为轨迹图谱更加准确。
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,本申请的其它特征、目的和优点将会变得更明显:
图1是本申请可以应用于其中的示例性系统架构图;
图2是根据本申请的用于生成信息的方法的一个实施例的流程图;
图3是根据本申请的用于生成信息的方法的一个应用场景的示意图;
图4是根据本申请的用于生成信息的方法的又一个实施例的流程图;
图5是根据本申请的用于生成信息的装置的一个实施例的结构示意图;
图6是适于用来实现本申请实施例的电子设备的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本申请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,本申请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申请。
图1示出了可以应用本申请的用于生成信息的方法或用于生成信息的装置的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104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。
用户可以使用终端设备101、102、103通过网络104与服务器105交互,以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、搜索类应用等。
终端设备101、102、103可以是具有显示屏并且支持网页浏览的各种电子设备,包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器105可以是提供各种服务的服务器,例如对用户针对终端设备101、102、103上所呈现的搜索结果页面的浏览行为信息、用户的用户画像信息和终端设备101、102、103的终端信息中的至少一项进行处理的后台服务器。后台服务器可以对获取到的用户的浏览行为信息、用户的用户画像信息和终端设备的终端信息等进行分析等处理,并将处理结果(例如预期浏览行为轨迹图谱)反馈给终端设备。
需要说明的是,本申请实施例所提供的用于生成信息的方法一般由服务器105执行,相应地,用于生成信息的装置一般设置于服务器105中。
需要指出的是,终端设备101、102、103中可以安装有浏览轨迹预测类应用,终端设备101、102、103可以基于浏览轨迹预测类应用对与用户的浏览行为相关的目标信息进行处理,此时,用于生成信息的方法也可以由终端设备101、102、103执行,相应地,用于生成信息的装置也可以设置于终端设备101、102、103中。此时,示例性系统架构100可以不存在服务器105和网络104。
应该理解,图1中的终端设备、网络和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终端设备、网络和服务器。
继续参考图2,示出了根据本申请的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法,包括以下步骤:
步骤201,响应于检测到用户在搜索结果页面进行浏览,获取以下至少一项作为目标信息:用户的浏览行为信息、用户的用户画像信息和呈现搜索结果页面的用户终端的终端信息。
在本实施例中,用于生成信息的方法运行于其上的电子设备(例如图1所示的服务器)可以检测用户是否在搜索结果页面进行浏览,若检测到用户在搜索结果页面中进行浏览,可以获取以下至少一项作为目标信息:上述用户的浏览行为信息、上述用户的用户画像信息和呈现上述搜索结果页面的用户终端的终端信息。若上述电子设备检测到上述用户进行页面浏览的用户终端所呈现的搜索结果页面中的鼠标指针的移动行为、上述用户对用户终端所呈现的搜索结果页面的点击行为以及上述用户对用户终端所呈现的搜索结果页面的翻页行为中的至少一项,可以确定为检测到上述用户在搜索结果页面进行了浏览。上述搜索结果页面可以是上述用户通过上述用户终端发送搜索请求所得到的页面。
在本实施例中,上述用户的浏览行为信息可以包括但不限于以下至少一项:上述用户所输入的搜索关键词、上述用户所浏览的浏览对象的对象信息(例如,浏览对象标识和浏览对象的链接等)、上述用户针对浏览对象进行的浏览操作(例如,点击操作、翻页操作、鼠标移动操作和鼠标悬停操作等)、上述用户针对浏览对象的浏览时间、停留时间。此处,若上述用户针对浏览对象进行了点击操作,上述用户的浏览行为信息还可以包括用户对浏览对象的点击位置信息、所点击的标题和链接等等。需要说明的是,浏览对象可以为用户所浏览的信息,例如,图片、广告信息等。
在本实施例中,用户的画像信息可以是根据用户人口统计学信息、社交关系、偏好习惯和消费行为等信息而抽象出的标签化画像信息,画像信息可以包括至少一个用户标签。在这里,上述用户的用户画像信息可以包括用户的性别、年龄等信息,上述电子设备可以从目标应用(返回搜索结果页面的网页浏览器应用)的数据库中获取与上述用户的用户名关联的用户信息,该用户信息中包括用户的性别和年龄等信息。
在本实施例中,呈现上述搜索结果页面的用户终端的终端信息可以包括但不限于以下至少一项:用户终端的全球唯一标识符(GUID,Globally Unique Identifier)、国际移动设备身份码(IMEI,International Mobile Equipment Identity)和IP地址(互联网协议地址,Internet Protocol Address)。全球唯一标识符是一个字母数字标识符,用于指示产品的唯一性安装。在通常情况下,任何两台计算机都不会生成重复的GUID值。GUID主要用于在拥有多个节点、多台计算机的网络或系统中,分配必须具有唯一性的标识符。国际移动设备身份码,也可以称为国际移动装备辨识码,每一只移动电话机在组装完成后都将被赋予一个全球唯一的一组号码。IP地址为互联网上的每一个网络和每一台主机分配一个逻辑地址,以此来屏蔽物理地址的差异。
步骤202,将目标信息输入到预先训练的浏览行为轨迹预测模型中,生成用户的预期浏览行为轨迹图谱。
在本实施例中,上述电子设备可以将上述目标信息输入到预先训练的浏览行为轨迹预测模型中,生成上述用户的预期浏览行为轨迹图谱。此处,所生成的预期浏览行为轨迹图谱中可以包括至少一条预期的浏览行为轨迹,每条预期的浏览行为轨迹可以对应于预期概率,该预期概率用于表征在对应于上述目标信息的用户中使用该条预期的浏览行为轨迹进行浏览的用户的数量占对应于上述目标信息的用户的总数量的比值。浏览行为轨迹图谱可以包括用于表征浏览对象的节点和用于表征浏览对象之间的关系的边,例如,可以按照浏览时间的先后顺序将用于表征各个浏览对象的各个节点连接起来,形成边,边的方向可以是从浏览时间在前的节点指向浏览时间在后的节点;还可以通过浏览对象的属性信息之间的关系将用于表征各个浏览对象的各个节点连接起来。需要说明的是,上述浏览行为轨迹预测模型可以用于表征目标信息与浏览行为轨迹图谱之间的对应关系。作为示例,浏览行为轨迹预测模型可以是技术人员基于对大量的目标信息和浏览行为轨迹图谱的统计而预先制定的、存储有多个目标信息与浏览行为轨迹图谱的对应关系的对应关系表。
在本实施例的一些可选的实现方式中,上述电子设备可以预先按照以下步骤训练浏览行为轨迹预测模型:
首先,上述电子设备可以获取样本数据集合,其中,上述样本数据集合中的每个样本数据包括样本用户在历史第一时间段内的样本信息和上述样本用户在历史第二时间段内的浏览行为轨迹图谱,上述样本信息可以包括以下至少一项:上述样本用户在上述历史第一时间段内的浏览行为信息、上述样本用户的用户画像信息和上述样本用户进行页面浏览的浏览终端的终端信息。
此处,上述样本用户在上述历史第一时间段内的浏览行为信息可以包括但不限于以下至少一项:上述样本用户所输入的搜索关键词、上述样本用户在上述历史第一时间段内所浏览的浏览对象的对象信息、上述样本用户在上述历史第一时间段内针对浏览对象进行的浏览操作、上述样本用户针对浏览对象的浏览时间、停留时间。此处,若上述样本用户针对浏览对象进行了点击操作,上述样本用户的浏览行为信息还可以包括样本用户对浏览对象的点击位置信息、所点击的标题和链接等等。上述样本用户的用户画像信息可以包括样本用户的性别、年龄等信息。上述样本用户进行页面浏览的浏览终端的终端信息可以包括但不限于以下至少一项:用户终端的全球唯一标识符、国际移动设备身份码和IP地址。
需要说明的是,上述历史第二时间段通常在上述历史第一时间段之后,在实际应用中,上述历史第二时间段的起始时间点通常与上述历史第一时间段的结束时间点重合。作为示例,若上述历史第一时间段为从十点到十点零三分的时间段,上述历史第二时间段可以为从十点零三分到十点十分的时间段。
在这里,上述样本用户在历史第二时间段内的浏览行为轨迹图谱可以是通过如下步骤生成的:首先,上述电子设备可以获取上述样本用户在历史第二时间段内的浏览行为信息,其中,上述浏览行为信息包括样本用户的至少一个浏览对象的对象信息、针对每个浏览对象的浏览时间、针对每个浏览对象进行的浏览操作等;之后,可以生成至少一个节点使得每个节点用于表征上述样本用户在历史第二时间段内所浏览的一个浏览对象;而后,可以按照每个节点对应的浏览时间先后的顺序,以节点之间边的形式将各个节点连接起来,边的方向可以是从浏览时间在前的节点指向浏览时间在后的节点,从而生成样本用户在历史第二时间段内的浏览行为轨迹图谱。
之后,上述电子设备可以利用机器学习方法,将上述样本数据集合中的每个样本数据中的样本用户在历史第一时间段内的样本信息作为输入,将该样本数据中的样本用户在历史第二时间段内的浏览行为轨迹图谱作为输出,训练得到浏览行为轨迹预测模型。具体的,上述电子设备可以使用朴素贝叶斯模型(Naive Bayesian Model,NBM)或支持向量机(Support Vector Machine,SVM)或深度神经网络(Deep Neural Network,DNN)等模型,将上述样本数据集合中的每个样本数据中的样本用户在历史第一时间段内的样本信息作为输入,将该样本数据中的样本用户在历史第二时间段内的浏览行为轨迹图谱作为输出,利用机器学习方法,对该模型进行训练,得到浏览行为轨迹预测模型。
在本实施例的一些可选的实现方式中,上述电子设备可以向上述用户终端推送所生成的预期浏览行为轨迹图谱,以供上述用户终端呈现上述预期浏览行为轨迹图谱。
继续参见图3,图3是根据本实施例的用于生成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首先检测到用户在用户终端302所呈现的搜索结果页面中针对搜索结果页面中的图片进行了翻页操作,服务器301获取到上述用户的浏览行为信息304包括:搜索关键词“汽车”、用户在2点26分38秒浏览了图片标识为“01275”的图片、用户在图片标识“01275”的图片上的停留时间为7秒、用户针对图片标识“01275”的图片进行了翻页操作、用户在2点26分45秒浏览了图片标识为“01651”的图片、用户在图片标识“01651”的图片上的停留时间为15秒、用户针对图片标识“01651”的图片进行了点击操作,服务器301获取到上述用户的用户画像信息305包括:年龄26、性别男,服务器301获取到呈现上述搜索结果页面的用户终端的终端信息306包括:全球唯一标识符“6F9619FF-8B86-D011-B42D-00C04FC964FF”和IP地址“39.155.216.78”,而后服务器301可以将获取到的上述用户的浏览行为信息304、上述用户的用户画像信息305和呈现上述搜索结果页面的用户终端的终端信息306确定为目标信息303;之后,服务器301将目标信息303输入到预先训练的浏览行为轨迹预测模型307中,生成上述用户的预期浏览行为轨迹图谱308,预期浏览行为轨迹图谱308包括:用于表征图片标识为“01687”的图片的节点A、用于表征图片标识为“01942”的图片的节点B、用于表征图片标识为“01528”的图片的节点C和用于表征图片标识为“01208”的图片的节点D,且节点之间的边方向为由节点A指向节点B、由节点B指向节点C、由节点A指向节点D和由节点D指向节点C。
本申请的上述实施例提供的方法通过利用用户在搜索结果页面的浏览信息、用户画像信息和呈现搜索结果页面的用户终端的终端信息中的至少一项,通过预先训练出的浏览行为轨迹预测模型对用户的预期浏览行为轨迹进行预测,使得预测出的预期浏览行为轨迹图谱更加准确。
进一步参考图4,其示出了用于生成信息的方法的又一个实施例的流程400。该用于生成信息的方法的流程400,包括以下步骤:
步骤401,响应于检测到用户在搜索结果页面进行浏览,获取以下至少一项作为目标信息:用户的浏览行为信息、用户的用户画像信息和呈现搜索结果页面的用户终端的终端信息。
步骤402,将目标信息输入到预先训练的浏览行为轨迹预测模型中,生成用户的预期浏览行为轨迹图谱。
在本实施例中,步骤401-步骤402的操作与步骤201-步骤202的操作基本相同,在此不再赘述。
步骤403,将用户在当前时刻所浏览的浏览对象确定为目标浏览对象。
在本实施例中,上述电子设备可以将上述用户在当前时刻所浏览的浏览对象确定为目标浏览对象。若上述电子设备检测到上述用户终端所呈现的搜索结果页面中的鼠标指针的移动行为、上述用户对上述用户终端所呈现的搜索结果页面的点击行为以及上述用户对上述用户终端所呈现的搜索结果页面的翻页行为中的至少一项,可以获取上述浏览行为(移动行为、点击行为、翻页行为等)所针对的浏览对象作为目标浏览对象。作为示例,若用户在当前时刻对搜索结果页面中的A图片进行点击,则可以将A图片确定为目标浏览对象。
步骤404,检测目标浏览对象是否存在于预期浏览行为轨迹图谱中的节点所指示的浏览对象中。
在本实施例中,上述电子设备可以检测上述目标浏览对象是否存在于上述预期浏览行为轨迹图谱中的节点所指示的浏览对象中,响应于检测到存在于上述预期浏览行为轨迹图谱中的节点所指示的浏览对象中,可以执行步骤405。
步骤405,利用最短路径算法,在预期浏览行为轨迹图谱中除用于表征目标浏览对象的节点之外的剩余节点中,查找与用于表征目标浏览对象的节点之间的路径最短的节点作为目标节点。
在本实施例中,浏览对象之间的关系具有权值,因此,用于表征浏览对象之间的关系的边对应于权值。响应于检测到上述目标浏览对象存在于上述预期浏览行为轨迹图谱中的节点所指示的浏览对象中,上述电子设备可以利用最短路径算法(Shortest PathAlgorithm),在上述预期浏览行为轨迹图谱中除用于表征上述目标浏览对象的节点之外的剩余节点中,查找与用于表征上述目标浏览对象的节点之间的路径最短的节点作为目标节点。具体地,上述电子设备可以首先确定上述预期浏览行为轨迹图谱的每个剩余节点与用于表征上述目标浏览对象的节点之间的路径长度,针对每个剩余节点,路径长度可以为从用于表征上述目标浏览对象的节点出发,沿着图谱中的各条边到达该剩余节点的路径中的各条边所对应的权值之和;之后,可以在各个剩余节点所对应的路径长度中选取最短的路径长度所对应的剩余节点作为目标节点。
需要说明的是,上述目标节点所表征的浏览对象通常为预测出的最满足用户的搜索意图的浏览对象。
在本实施例中,最短路径算法的目的是寻找图(由节点和边组成的)中两节点之间的最短路径,从某节点出发,沿图的边到达另一节点所经过的路径中,各边上权值之和最小的一条路径叫做最短路径。常用的最短路径算法可以包括Dijkstra算法(迪杰斯特拉算法)和Floyd算法(弗洛伊德算法)。Dijkstra算法用于计算一个节点到其他所有节点的最短路径。主要特点是以起始点为中心向外层层扩展,直到扩展到终点为止。Floyd算法又称为插点法,是一种利用动态规划的思想寻找给定的加权图中多源点之间最短路径的算法。
步骤406,向用户终端推送目标节点所表征的浏览对象的对象信息。
在本实施例中,在步骤405中查找到目标节点之后,上述电子设备可以向上述用户终端推送上述目标节点所表征的浏览对象的对象信息,对象信息可以包括浏览对象标识和浏览对象的链接等,以供上述用户终端呈现上述目标节点所表征的浏览对象的对象信息。
步骤407,在预期浏览行为轨迹图谱上,以预设的呈现方式对目标节点进行处理,生成处理后的预期浏览行为轨迹图谱。
在本实施例中,上述电子设备可以在上述预期浏览行为轨迹图谱上,以预设的呈现方式对目标节点进行处理,生成处理后的预期浏览行为轨迹图谱。上述预设的呈现方式可以包括以预设的颜色(例如,红色、黄色等)对上述目标节点进行标识;也可以对上述目标节点进行增大处理;还可以将上述目标节点呈现为预设的形状,例如,将上述目标节点呈现为三角形,将除上述目标节点之外的节点呈现为圆形。
步骤408,向用户终端推送处理后的预期浏览行为轨迹图谱。
在本实施例中,上述电子设备可以向上述用户终端推送步骤407中得到的处理后的预期浏览行为轨迹图谱,以供上述用户终端呈现上述处理后的预期浏览行为轨迹图谱。
从图4中可以看出,与图2对应的实施例相比,本实施例中的用于生成信息的方法的流程400突出了在预期浏览行为轨迹图谱中查找目标节点的步骤、向用户终端推送目标节点所表征的浏览对象的对象信息的步骤以及向用户终端推送处理后的预期浏览行为轨迹图谱的步骤。由此,本实施例描述的方案可以查找到最满足用户搜索意图的浏览对象,从而提高了用户的搜索效率以及针对浏览对象的点击率。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种用于生成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,本实施例的用于生成信息的装置500包括:获取单元501和第一生成单元502。其中,获取单元501配置用于响应于检测到用户在搜索结果页面进行浏览,获取以下至少一项作为目标信息:用户的浏览行为信息、用户的用户画像信息和呈现搜索结果页面的用户终端的终端信息;第一生成单元502配置用于将目标信息输入到预先训练的浏览行为轨迹预测模型中,生成用户的预期浏览行为轨迹图谱,其中,浏览行为轨迹预测模型用于表征目标信息与浏览行为轨迹图谱之间的对应关系,浏览行为轨迹图谱包括用于表征浏览对象的节点和用于表征浏览对象之间的关系的边。
在本实施例中,用于生成信息的装置500的获取单元501和第一生成单元502的具体处理可以参考图2对应实施例中的步骤201和步骤202。
在本实施例的一些可选的实现方式中,上述用于生成信息的装置500还可以包括确定单元503和查找单元504。浏览对象之间的关系具有权值,因此,用于表征浏览对象之间的关系的边对应于权值。上述确定单元503可以将上述用户在当前时刻所浏览的浏览对象确定为目标浏览对象。若上述确定单元503检测到上述用户终端所呈现的搜索结果页面中的鼠标指针的移动行为、上述用户对上述用户终端所呈现的搜索结果页面的点击行为以及上述用户对上述用户终端所呈现的搜索结果页面的翻页行为中的至少一项,可以获取上述浏览行为所针对的浏览对象作为目标浏览对象。作为示例,若用户在当前时刻对搜索结果页面中的A图片进行点击,则上述确定单元503可以将A图片确定为目标浏览对象。
在本实施例的一些可选的实现方式中,上述查找单元504可以检测上述目标浏览对象是否存在于上述预期浏览行为轨迹图谱中的节点所指示的浏览对象中,响应于检测到存在于上述预期浏览行为轨迹图谱中的节点所指示的浏览对象中,上述查找单元504可以利用最短路径算法,在上述预期浏览行为轨迹图谱中除用于表征上述目标浏览对象的节点之外的剩余节点中,查找与用于表征上述目标浏览对象的节点之间的路径最短的节点作为目标节点。具体地,上述查找单元504可以首先确定上述预期浏览行为轨迹图谱的每个剩余节点与用于表征上述目标浏览对象的节点之间的路径长度,针对每个剩余节点,路径长度可以为从用于表征上述目标浏览对象的节点出发,沿着图谱中的各条边到达该剩余节点的路径中的各条边所对应的权值之和;之后,可以在各个剩余节点所对应的路径长度中选取最短的路径长度所对应的剩余节点作为目标节点。
在本实施例的一些可选的实现方式中,上述用于生成信息的装置500还可以包括第一推送单元505。上述第一推送单元505可以向上述用户终端推送上述目标节点所表征的浏览对象的对象信息,对象信息可以包括浏览对象标识和浏览对象的链接等,以供上述用户终端呈现上述目标节点所表征的浏览对象的对象信息。
在本实施例的一些可选的实现方式中,上述用于生成信息的装置500还可以包括第二生成单元506和第二推送单元507。上述第二生成单元506可以在上述预期浏览行为轨迹图谱上,以预设的呈现方式对目标节点进行处理,生成处理后的预期浏览行为轨迹图谱。上述预设的呈现方式可以包括以预设的颜色(例如,红色、黄色等)对上述目标节点进行标识;也可以对上述目标节点进行增大处理;还可以将上述目标节点呈现为预设的形状,例如,将上述目标节点呈现为三角形,将除上述目标节点之外的节点呈现为圆形。上述第二推送单元507可以向上述用户终端推送处理后的预期浏览行为轨迹图谱,以供上述用户终端呈现上述处理后的预期浏览行为轨迹图谱。
在本实施例的一些可选的实现方式中,上述用于生成信息的装置500还可以包括第三推送单元508。上述第三推送单元508可以向上述用户终端推送所生成的预期浏览行为轨迹图谱,以供上述用户终端呈现上述预期浏览行为轨迹图谱。
在本实施例的一些可选的实现方式中,上述用于生成信息的装置500还可以包括用于训练浏览行为轨迹预测模型的训练单元509。上述训练单元509可以包括获取模块5091和训练模块5092。
首先,上述获取模块5091可以获取样本数据集合,其中,上述样本数据集合中的每个样本数据包括样本用户在历史第一时间段内的样本信息和上述样本用户在历史第二时间段内的浏览行为轨迹图谱,上述样本信息可以包括以下至少一项:上述样本用户在上述历史第一时间段内的浏览行为信息、上述样本用户的用户画像信息和上述样本用户进行页面浏览的浏览终端的终端信息。
此处,上述样本用户在上述历史第一时间段内的浏览行为信息可以包括但不限于以下至少一项:上述样本用户所输入的搜索关键词、上述样本用户在上述历史第一时间段内所浏览的浏览对象的对象信息、上述样本用户在上述历史第一时间段内针对浏览对象进行的浏览操作、上述样本用户针对浏览对象的浏览时间、停留时间。此处,若上述样本用户针对浏览对象进行了点击操作,上述样本用户的浏览行为信息还可以包括样本用户对浏览对象的点击位置信息、所点击的标题和链接等等。上述样本用户的用户画像信息可以包括样本用户的性别、年龄等信息。上述样本用户进行页面浏览的浏览终端的终端信息可以包括但不限于以下至少一项:用户终端的全球唯一标识符、国际移动设备身份码和IP地址。
需要说明的是,上述历史第二时间段通常在上述历史第一时间段之后,在实际应用中,上述历史第二时间段的起始时间点通常与上述历史第一时间段的结束时间点重合。作为示例,若上述历史第一时间段为从十点到十点零三分的时间段,上述历史第二时间段可以为从十点零三分到十点十分的时间段。
之后,上述训练模块5092可以利用机器学习方法,将上述样本数据集合中的每个样本数据中的样本用户在历史第一时间段内的样本信息作为输入,将该样本数据中的样本用户在历史第二时间段内的浏览行为轨迹图谱作为输出,训练得到浏览行为轨迹预测模型。具体的,上述电子设备可以使用朴素贝叶斯模型或支持向量机或深度神经网络等模型,将上述样本数据集合中的每个样本数据中的样本用户在历史第一时间段内的样本信息作为输入,将该样本数据中的样本用户在历史第二时间段内的浏览行为轨迹图谱作为输出,利用机器学习方法,对该模型进行训练,得到浏览行为轨迹预测模型。
下面参考图6,其示出了适于用来实现本发明实施例的电子设备的计算机系统600的结构示意图。图6示出的电子设备仅仅是一个示例,不应对本申请实施例的功能和使用范围带来任何限制。
如图6所示,计算机系统600包括中央处理单元(CPU)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部分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RAM 603中,还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603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。
以下部件连接至I/O接口605:包括键盘、鼠标等的输入部分606;包括诸如液晶显示器(LCD)以及扬声器等的输出部分607;包括硬盘等的存储部分608;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器610上,以便于从其上读出的计算机程序根据需要被安装入存储部分608。
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部分609从网络上被下载和安装,和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时,执行本申请的方法中限定的上述功能。需要说明的是,本申请上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。在本申请中,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。而在本申请中,计算机可读的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。计算机可读的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:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
附图中的流程图和框图,图示了按照本发明各种实施例的系统、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。
描述于本发明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和第一生成单元。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,第一生成单元还可以被描述为“将目标信息输入到预先训练的浏览行为轨迹预测模型中,生成用户的预期浏览行为轨迹图谱的单元”。
作为另一方面,本申请还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的装置中所包含的;也可以是单独存在,而未装配入该装置中。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装置执行时,使得该装置:响应于检测到用户在搜索结果页面进行浏览,获取以下至少一项作为目标信息:用户的浏览行为信息、用户的用户画像信息和呈现搜索结果页面的用户终端的终端信息;将目标信息输入到预先训练的浏览行为轨迹预测模型中,生成用户的预期浏览行为轨迹图谱,其中,浏览行为轨迹预测模型用于表征目标信息与浏览行为轨迹图谱之间的对应关系,浏览行为轨迹图谱包括用于表征浏览对象的节点和用于表征浏览对象之间的关系的边。
以上描述仅为本发明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,本发明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。例如上述特征与本发明中公开的(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。
Claims (14)
1.一种用于生成信息的方法,包括:
响应于检测到用户在搜索结果页面进行浏览,获取以下至少一项作为目标信息:所述用户的浏览行为信息、所述用户的用户画像信息和呈现所述搜索结果页面的用户终端的终端信息;
将所述目标信息输入到预先训练的浏览行为轨迹预测模型中,生成所述用户的预期浏览行为轨迹图谱,其中,所述浏览行为轨迹预测模型用于表征目标信息与浏览行为轨迹图谱之间的对应关系,浏览行为轨迹图谱包括用于表征浏览对象的节点和用于表征浏览对象之间的关系的边。
2.根据权利要求1所述的方法,其中,浏览对象之间的关系具有权值;以及
在所述生成所述用户的预期浏览行为轨迹图谱之后,所述方法还包括:
将所述用户在当前时刻所浏览的浏览对象确定为目标浏览对象;
响应于检测到所述目标浏览对象存在于所述预期浏览行为轨迹图谱中的节点所指示的浏览对象中,利用最短路径算法,在所述预期浏览行为轨迹图谱中除用于表征所述目标浏览对象的节点之外的剩余节点中,查找与所述用于表征所述目标浏览对象的节点之间的路径最短的节点作为目标节点。
3.根据权利要求2所述的方法,其中,在所述查找与所述用于表征所述目标浏览对象的节点之间的路径最短的节点作为目标节点之后,所述方法还包括:
向所述用户终端推送所述目标节点所表征的浏览对象的对象信息。
4.根据权利要求2所述的方法,其中,在所述查找与所述用于表征所述目标浏览对象的节点之间的路径最短的节点作为目标节点之后,所述方法还包括:
在所述预期浏览行为轨迹图谱上,以预设的呈现方式对所述目标节点进行处理,生成处理后的预期浏览行为轨迹图谱;
向所述用户终端推送所述处理后的预期浏览行为轨迹图谱。
5.根据权利要求1所述的方法,其中,在所述生成所述用户的预期浏览行为轨迹图谱之后,所述方法还包括:
向所述用户终端推送所述预期浏览行为轨迹图谱。
6.根据权利要求1所述的方法,其中,所述浏览行为轨迹预测模型是通过如下步骤训练得到的:
获取样本数据集合,其中,所述样本数据集合中的每个样本数据包括样本用户在历史第一时间段内的样本信息和所述样本用户在历史第二时间段内的浏览行为轨迹图谱,所述样本信息包括以下至少一项:所述样本用户在所述历史第一时间段内的浏览行为信息、所述样本用户的用户画像信息和所述样本用户进行页面浏览的浏览终端的终端信息,所述历史第二时间段在所述历史第一时间段之后;
利用机器学习方法,将所述样本数据集合中的每个样本数据中的样本用户在历史第一时间段内的样本信息作为输入,将该样本数据中的样本用户在历史第二时间段内的浏览行为轨迹图谱作为输出,训练得到浏览行为轨迹预测模型。
7.一种用于生成信息的装置,包括:
获取单元,配置用于响应于检测到用户在搜索结果页面进行浏览,获取以下至少一项作为目标信息:所述用户的浏览行为信息、所述用户的用户画像信息和呈现所述搜索结果页面的用户终端的终端信息;
第一生成单元,配置用于将所述目标信息输入到预先训练的浏览行为轨迹预测模型中,生成所述用户的预期浏览行为轨迹图谱,其中,所述浏览行为轨迹预测模型用于表征目标信息与浏览行为轨迹图谱之间的对应关系,浏览行为轨迹图谱包括用于表征浏览对象的节点和用于表征浏览对象之间的关系的边。
8.根据权利要求7所述的装置,其中,浏览对象之间的关系具有权值;以及
所述装置还包括:
确定单元,配置用于将所述用户在当前时刻所浏览的浏览对象确定为目标浏览对象;
查找单元,配置用于响应于检测到所述目标浏览对象存在于所述预期浏览行为轨迹图谱中的节点所指示的浏览对象中,利用最短路径算法,在所述预期浏览行为轨迹图谱中除用于表征所述目标浏览对象的节点之外的剩余节点中,查找与所述用于表征所述目标浏览对象的节点之间的路径最短的节点作为目标节点。
9.根据权利要求8所述的装置,其中,所述装置还包括:
第一推送单元,配置用于向所述用户终端推送所述目标节点所表征的浏览对象的对象信息。
10.根据权利要求8所述的装置,其中,所述装置还包括:
第二生成单元,配置用于在所述预期浏览行为轨迹图谱上,以预设的呈现方式对所述目标节点进行处理,生成处理后的预期浏览行为轨迹图谱;
第二推送单元,配置用于向所述用户终端推送所述处理后的预期浏览行为轨迹图谱。
11.根据权利要求7所述的装置,其中,所述装置还包括:
第三推送单元,配置用于向所述用户终端推送所述预期浏览行为轨迹图谱。
12.根据权利要求7所述的装置,其中,所述装置还包括用于训练浏览行为轨迹预测模型的训练单元,所述训练单元包括:
获取模块,配置用于获取样本数据集合,其中,所述样本数据集合中的每个样本数据包括样本用户在历史第一时间段内的样本信息和所述样本用户在历史第二时间段内的浏览行为轨迹图谱,所述样本信息包括以下至少一项:所述样本用户在所述历史第一时间段内的浏览行为信息、所述样本用户的用户画像信息和所述样本用户进行页面浏览的浏览终端的终端信息,所述历史第二时间段在所述历史第一时间段之后;
训练模块,配置用于利用机器学习方法,将所述样本数据集合中的每个样本数据中的样本用户在历史第一时间段内的样本信息作为输入,将该样本数据中的样本用户在历史第二时间段内的浏览行为轨迹图谱作为输出,训练得到浏览行为轨迹预测模型。
13.一种电子设备,包括:
一个或多个处理器;
存储装置,用于存储一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读存储介质,其上存储有计算机程序,其中,该程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810094273.5A CN108228887B (zh) | 2018-01-31 | 2018-01-31 | 用于生成信息的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810094273.5A CN108228887B (zh) | 2018-01-31 | 2018-01-31 | 用于生成信息的方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108228887A true CN108228887A (zh) | 2018-06-29 |
CN108228887B CN108228887B (zh) | 2019-12-03 |
Family
ID=62670190
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810094273.5A Active CN108228887B (zh) | 2018-01-31 | 2018-01-31 | 用于生成信息的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108228887B (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108920717A (zh) * | 2018-07-27 | 2018-11-30 | 百度在线网络技术(北京)有限公司 | 用于显示信息的方法及装置 |
CN109618193A (zh) * | 2018-12-18 | 2019-04-12 | 北京字节跳动网络技术有限公司 | 用于处理信息的方法和装置 |
CN109657183A (zh) * | 2018-12-18 | 2019-04-19 | 北京字节跳动网络技术有限公司 | 用于处理信息的方法和装置 |
CN110659093A (zh) * | 2019-08-16 | 2020-01-07 | 平安科技(深圳)有限公司 | 操作提示方法及装置 |
CN112148352A (zh) * | 2020-09-16 | 2020-12-29 | 京东数字科技控股股份有限公司 | 组件配置方法、装置、设备及计算机可读介质 |
CN112348614A (zh) * | 2019-11-27 | 2021-02-09 | 北京京东尚科信息技术有限公司 | 用于推送信息的方法和装置 |
CN112559868A (zh) * | 2020-12-17 | 2021-03-26 | 广州博冠信息科技有限公司 | 信息召回方法、装置、存储介质及电子设备 |
CN112783412A (zh) * | 2019-11-04 | 2021-05-11 | 阿里巴巴集团控股有限公司 | 页面控制方法、页面控制装置、电子书阅读器及电子设备 |
CN114418093A (zh) * | 2022-01-19 | 2022-04-29 | 北京百度网讯科技有限公司 | 训练路径表征模型、输出信息的方法和装置 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101115272A (zh) * | 2007-08-16 | 2008-01-30 | 中讯邮电咨询设计院 | 用于无线网络用户行为的建模方法 |
CN101562534A (zh) * | 2009-05-26 | 2009-10-21 | 中山大学 | 一种网络行为分析系统 |
CN102163227A (zh) * | 2011-04-12 | 2011-08-24 | 湖南大学 | 一种web社会网络行为轨迹分析与控制子集获取方法 |
CN103152387A (zh) * | 2013-01-30 | 2013-06-12 | 中兴通讯股份有限公司 | 一种获取http用户行为轨迹的装置与方法 |
CN103793465A (zh) * | 2013-12-20 | 2014-05-14 | 武汉理工大学 | 基于云计算的海量用户行为实时分析方法及系统 |
US8849816B2 (en) * | 2010-06-22 | 2014-09-30 | Microsoft Corporation | Personalized media charts |
CN106407519A (zh) * | 2016-08-31 | 2017-02-15 | 浙江大学 | 一种人群移动规律的建模方法 |
CN106934358A (zh) * | 2017-03-03 | 2017-07-07 | 燕山大学 | 基于余弦角距离加权复杂网络的小规模人群行为识别方法 |
CN107426040A (zh) * | 2017-09-20 | 2017-12-01 | 华中科技大学 | 一种网络行为的预测方法 |
-
2018
- 2018-01-31 CN CN201810094273.5A patent/CN108228887B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101115272A (zh) * | 2007-08-16 | 2008-01-30 | 中讯邮电咨询设计院 | 用于无线网络用户行为的建模方法 |
CN101562534A (zh) * | 2009-05-26 | 2009-10-21 | 中山大学 | 一种网络行为分析系统 |
US8849816B2 (en) * | 2010-06-22 | 2014-09-30 | Microsoft Corporation | Personalized media charts |
CN102163227A (zh) * | 2011-04-12 | 2011-08-24 | 湖南大学 | 一种web社会网络行为轨迹分析与控制子集获取方法 |
CN103152387A (zh) * | 2013-01-30 | 2013-06-12 | 中兴通讯股份有限公司 | 一种获取http用户行为轨迹的装置与方法 |
CN103793465A (zh) * | 2013-12-20 | 2014-05-14 | 武汉理工大学 | 基于云计算的海量用户行为实时分析方法及系统 |
CN106407519A (zh) * | 2016-08-31 | 2017-02-15 | 浙江大学 | 一种人群移动规律的建模方法 |
CN106934358A (zh) * | 2017-03-03 | 2017-07-07 | 燕山大学 | 基于余弦角距离加权复杂网络的小规模人群行为识别方法 |
CN107426040A (zh) * | 2017-09-20 | 2017-12-01 | 华中科技大学 | 一种网络行为的预测方法 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108920717A (zh) * | 2018-07-27 | 2018-11-30 | 百度在线网络技术(北京)有限公司 | 用于显示信息的方法及装置 |
CN109618193A (zh) * | 2018-12-18 | 2019-04-12 | 北京字节跳动网络技术有限公司 | 用于处理信息的方法和装置 |
CN109657183A (zh) * | 2018-12-18 | 2019-04-19 | 北京字节跳动网络技术有限公司 | 用于处理信息的方法和装置 |
CN109618193B (zh) * | 2018-12-18 | 2021-06-25 | 北京字节跳动网络技术有限公司 | 用于处理信息的方法和装置 |
CN110659093A (zh) * | 2019-08-16 | 2020-01-07 | 平安科技(深圳)有限公司 | 操作提示方法及装置 |
CN112783412A (zh) * | 2019-11-04 | 2021-05-11 | 阿里巴巴集团控股有限公司 | 页面控制方法、页面控制装置、电子书阅读器及电子设备 |
CN112348614A (zh) * | 2019-11-27 | 2021-02-09 | 北京京东尚科信息技术有限公司 | 用于推送信息的方法和装置 |
CN112148352A (zh) * | 2020-09-16 | 2020-12-29 | 京东数字科技控股股份有限公司 | 组件配置方法、装置、设备及计算机可读介质 |
CN112559868A (zh) * | 2020-12-17 | 2021-03-26 | 广州博冠信息科技有限公司 | 信息召回方法、装置、存储介质及电子设备 |
CN114418093A (zh) * | 2022-01-19 | 2022-04-29 | 北京百度网讯科技有限公司 | 训练路径表征模型、输出信息的方法和装置 |
CN114418093B (zh) * | 2022-01-19 | 2023-08-25 | 北京百度网讯科技有限公司 | 训练路径表征模型、输出信息的方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN108228887B (zh) | 2019-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108228887B (zh) | 用于生成信息的方法和装置 | |
CN109460513A (zh) | 用于生成点击率预测模型的方法和装置 | |
CN107832468B (zh) | 需求识别方法和装置 | |
CN106911697B (zh) | 访问权限设置方法、装置、服务器及存储介质 | |
CN109145280A (zh) | 信息推送的方法和装置 | |
CN109189938A (zh) | 用于更新知识图谱的方法和装置 | |
CN108052613A (zh) | 用于生成页面的方法和装置 | |
CN109325213A (zh) | 用于标注数据的方法和装置 | |
CN107506495A (zh) | 信息推送方法和装置 | |
CN107577807A (zh) | 用于推送信息的方法和装置 | |
CN107273508A (zh) | 基于人工智能的信息处理方法和装置 | |
CN107679217A (zh) | 基于数据挖掘的关联内容提取方法和装置 | |
CN108280200A (zh) | 用于推送信息的方法和装置 | |
CN108932147A (zh) | 用于切换寄宿应用的方法和设备 | |
CN109495552A (zh) | 用于更新点击率预测模型的方法和装置 | |
CN109815416A (zh) | 关联信息的推送方法、装置,电子设备及存储介质 | |
CN107526718A (zh) | 用于生成文本的方法和装置 | |
CN108776692A (zh) | 用于处理信息的方法和装置 | |
CN109829164A (zh) | 用于生成文本的方法和装置 | |
CN107590484A (zh) | 用于呈现信息的方法和装置 | |
CN109408754A (zh) | 网页操作数据的处理方法、装置、电子设备及存储介质 | |
CN108121814A (zh) | 搜索结果排序模型生成方法和装置 | |
CN109495513A (zh) | 无监督的加密恶意流量检测方法、装置、设备及介质 | |
CN107330091A (zh) | 信息处理方法和装置 | |
CN110119386A (zh) | 数据处理方法、数据处理装置、介质和计算设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |