APP展示方法及装置
技术领域
本说明书实施例涉及终端技术领域,具体地,涉及一种APP展示方法及装置。
背景技术
随着信息技术的发展,人们越来越多的使用终端设备(如,手机、电脑) 中的应用(Application,简称APP)来满足工作、生活中的各种需求。出于多方面的需要,在同一个终端中通常包括多种应用,少则十几个,多则数十、上百个。多数情况下,人们会根据自己的使用习惯,对界面中应用的排列位置进行调整,例如,将常用的APP放置在主屏幕中的第一页,而将不常用的APP放置在主屏幕的末页。
然而,因为新的APP层出不穷,以及人们使用需求、使用习惯的不断变化,人们通常会对终端中的APP频繁进行增加和删减,进而需要不断对界面中APP的位置进行调整,由此导致用户体验不佳。因此,需要提供一种合理的方案,可以实现界面中应用的智能展示,以提高用户体验。
发明内容
本说明书描述了一种APP展示方法,根据用户针对多个APP的历史行为数据,以及预设的与多个APP的运营状态相关的配置规则,确定向用户展示的APP。
根据第一方面,提供一种APP展示方法,该方法包括:获取针对当前用户的待展示的多个备选APP,以及获取与所述多个备选APP对应的多组特征;其中,各组特征包括,所述当前用户的用户属性特征,各个备选APP的APP 属性特征,以及所述当前用户与所述各个备选APP的交互特征;将所述多组特征中的各组特征分别输入预测模型,确定所述各个备选APP的分数,所述分数预测所述当前用户针对所述各个备选APP的点击概率;基于所述分数,从所述多个备选APP中确定向所述当前用户展示的第一展示APP;基于预设的配置规则,将所述第一展示APP修正为第二展示APP,所述配置规则与各个备选APP的运营状态相关联。
在一个实施例中,所述用户属性特征包括性别、年龄、职业、婚育状况、兴趣爱好中的至少一种;所述APP属性特征包括类别、热度、适用人群中的至少一种;所述交互特征包括点击次数、使用时长、分享次数中的至少一种。
在一个实施例中,所述预测模型基于以下步骤而预先训练:获取多个训练样本,其中每个训练样本包括,用户的用户属性特征,APP的APP属性特征,所述用户与所述APP在预定历史时间段内的交互特征,以及样本标签,所述样本标签指示所述用户在所述预定历史时间段之后是否对所述APP进行点击;使用所述多个训练样本训练所述预测模型。
在一个实施例中,所述预测模型为逻辑回归模型或决策树模型。
在一个实施例中,从所述多个备选APP中确定向所述当前用户展示的第一展示APP,包括:将所述分数大于预设阈值的备选APP归为所述第一展示 APP。
在一个实施例中,从所述多个备选APP中确定向所述当前用户展示的第一展示APP,包括:基于所述分数对所述备选APP进行排序;根据所述排序的结果,确定预定数量的第一展示APP。
在一个实施例中,所述运营状态包括是否为新上线APP,其中基于预设的配置规则,将所述第一展示APP修正为第二展示APP,包括:从所述多个备选 APP中确定出新上线备选APP;基于所述新上线备选APP和所述第一展示APP,确定所述第二展示APP。
进一步地,在一个具体的实施例中,其中确定所述第二展示APP,包括:将所述新上线备选APP和所述第一展示APP共同作为所述第二展示APP;或者,利用所述新上线备选APP对所述第一展示APP中的部分APP进行替换,得到所述第二展示APP。
在一个实施例中,其中所述运营状态包括所述服务限制信息,所述基于预设的配置规则,将所述第一展示APP修正为第二展示APP,包括:
获取与所述服务限制信息对应的当前用户的环境信息;
在所述环境信息匹配所述服务限制信息的情况下,将对应的备选APP从所述第一展示APP中去除,得到所述第二展示APP。
进一步地,在一个具体的实施例中,其中获取与所述服务限制信息对应的当前用户的环境信息,包括:接收所述当前用户发送的APP展示请求,所述APP展示请求中包括所述环境信息。
更进一步地,在一个例子中,所述服务限制信息包括不提供APP服务的地区,所述环境信息包括所述当前用户的位置。
另一方面,在一个例子中,所述环境信息包括所述APP展示请求的发送时刻,所述服务限制信息包括不提供APP服务的时间区段。
在一个实施例中,其中所述运营状态包括是否为营销APP,配置规则包括用户画像和营销APP的映射关系,其中将所述第一展示APP修正为第二展示 APP,包括:确定所述当前用户的当前用户画像;基于所述映射关系,从所述多个备选APP中确定与所述当前用户对应的营销备选APP;基于所述营销备选 APP和所述第一展示APP,确定所述第二展示APP。
进一步地,在一个具体的实施例中,其中确定所述第二展示APP,包括:将所述营销备选APP和所述第一展示APP共同作为第二展示APP;或者,利用所述营销备选APP对所述第一展示APP中的部分APP进行替换,得到所述第二展示APP。
根据第二方面,提供一种APP展示装置,该装置包括:获取单元,用于获取针对当前用户的待展示的多个备选APP,以及获取与所述多个备选APP对应的多组特征;其中,各组特征包括,所述当前用户的用户属性特征,各个备选APP的APP属性特征,以及所述当前用户与所述各个备选APP的交互特征;第一确定单元,用于将所述多组特征中的各组特征分别输入预测模型,确定所述各个备选APP的分数,所述分数预测所述当前用户针对所述各个备选APP的点击概率;第二确定单元,用于基于所述分数,从所述多个备选APP 中确定向所述当前用户展示的第一展示APP;修正单元,用于基于预设的配置规则,将所述第一展示APP修正为第二展示APP,所述配置规则与各个备选 APP的运营状态相关联。
根据第三方面,提供了一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行第一方面的方法。
根据第四方面,提供了一种计算设备,包括存储器和处理器,其特征在于,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现第一方面的方法。
在本说明书实施例披露的APP展示方法中,基于用户的属性特征、多个备选APP的属性特征,以及用户与各个备选APP的交互特征,采用预测模型对多个备选APP进行打分排序,得到第一展示APP。如此,考虑了用户对APP 的使用偏好,从而使用户可以从展示的APP中快速定位到目标APP。进一步地,还可以基于与APP运营状态的配置规则,将第一展示APP修正为第二展示APP,从而解决APP的广告运营和冷启动等问题。
附图说明
为了更清楚地说明本说明书披露的多个实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本说明书披露的多个实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1示出根据一个实施例的APP展示方法的应用框图;
图2示出根据一个实施例的APP展示方法流程图;
图3示出根据一个实施例的APP展示界面;
图4示出根据一个实施例的APP展示装置结构图。
具体实施方式
下面结合附图,对本说明书披露的多个实施例进行描述。
本说明书实施例披露一种APP展示方法。下面,首先对所述方法的应用场景和发明构思进行介绍。
一个终端中通常包括几十乃至上百个APP,它们排布在终端的主屏幕中,且主屏幕往往有多页,当用户需要使用其中某个APP时,需要耗费一定的时间进行翻页查找。目前,终端提供应用图标的移动功能,以使用户可以根据自身的使用习惯对APP的位置进行调整,但是,因近年来应用市场火爆,新的APP层出不穷,且用户的需求、使用偏好在不断发生改变,因此,对终端中APP的移动、整理,将耗费用户大量的时间。
另一方面,某些APP中包括多个子APP,例如,在支付宝中包括小程序,如蚂蚁森林、蚂蚁花呗和行走捐等,用户在使用这些APP(为便于区分,以下将具有子APP的APP统称为主APP)时,同样存在难以快速定位到目标子APP 的问题,这种情况不仅大大降低了用户体验,而且也会减少用户在主APP中的停留时间或使用时长,长此以往,很可能会导致用户流失。
基于以上观察和统计,发明人提出一种APP展示方法,可以针对不同的用户提供对应的APP展示界面,以使用户能够快速定位到目标APP,同时,还可以实现APP的运营。如图1所示,首先,至少采集用户与多个备选APP的交互数据,然后,将采集到的数据输入到预先训练的评分模型中,以得到向用户展示的第一展示APP,进一步地,还可以基于与APP运营相关的配置规则,将第一展示APP修正为第二展示APP,例如,将营销APP和第一展示APP共同作为第二展示APP。下面,描述以上步骤的具体实施方式。
图2示出根据一个实施例的APP展示方法流程图,所述方法的执行主体可以为:装置或系统或服务器,例如,支付宝应用的服务端等。如图2所示,该方法流程包括以下步骤:步骤S210,获取针对当前用户的待展示的多个备选APP,以及获取与多个备选APP对应的多组特征;其中各组特征包括,当前用户的用户属性特征,各个备选APP的属性特征,以及用户与各个备选APP 的交互特征;步骤S220,将多组特征中的各组特征分别输入预测模型,确定各个备选APP的分数,该分数预测当前用户针对所述各个备选APP的点击概率;步骤S230,基于分数,从多个备选APP中确定向当前用户展示的第一展示APP;步骤S240,基于预设的配置规则,将第一展示APP修正为第二展示 APP,其中配置规则与各个备选APP的运营状态相关联。
首先,在步骤S210,获取针对当前用户的待展示的多个备选APP,以及获取与多个备选APP对应的多组特征。
在一个实施例中,可以根据从终端接收到的APP展示请求,获取所述多个备选APP和对应的多组特征。在一个例子中,其中APP展示请求可以由终端基于用户发出的打开APP展示界面的指令而生成。在另一个实施例中,可以基于终端上报当前用户与多个备选APP的交互数据的行为,而获取所述多个备选APP和对应的多组特征。
在一个实施例中,多个备选APP可以包括终端中已安装的APP,相应地,可以从终端中获取已安装的APP,作为多个备选APP。在一个例子中,获取的多个APP可以包括支付宝、饿了么、淘宝和高德地图等。
在另一个实施例中,多个备选APP可以为终端中某个主APP中所包括的子APP。需要说明的是,一个主APP中可以包括多个子APP,这些子APP无需另外下载,通过打开主APP即可使用。在一个例子中,主APP可以为支付宝,对应的子APP可以包括蚂蚁森林、蚂蚁庄园、淘票票电影、芝麻信用等。
进一步地,在一个具体的实施例中,主APP中包括N个子APP,其中有C 个子APP已被用户固定位置,相应地,获取多个备选APP可以包括:获取剩余的(N-C)个子APP。
以上获取多个备选APP以后,进一步地,还可以获取与多个备选APP对应的多组特征。其中各组特征包括,当前用户的用户属性特征,各个备选APP 的属性特征,以及用户与各个备选APP的交互特征。
在一个实施例中,用户属性特征可以基于用户的个人信息、身份信息进行提取。在一个具体的实施例中,获取用户属性特征可以包括:获取当前用户的注册资料,并基于注册资料提取用户属性特征。在一个例子中,其中注册资料可以为用户激活终端设备时填写的资料,也可以为用户注册应用客户端账户,如支付宝账户,时填写的用户资料。
在一个具体的实施例中,用户属性特征可以包括性别、年龄、职业、婚育状况、兴趣爱好等。
在一个实施例中,用户与各个备选APP的交互特征,用于反映用户对该备选APP的偏好程度,该特征可以基于预设时间段内用户与各个备选APP之间的交互数据而确定。在一个具体的实施例中,其中预设时间段可以根据实际需要设定,例如,可以设置为最近一周,或最近一个月等。在一个具体的实施例中,交互数据可以基于用户终端的主动上报而获取,也可以基于埋点采集而获取。
在一个具体的实施例中,交互特征可以包括当前用户对该备选APP的点击次数、使用时长(如,使用总时长或每次使用的平均时长)和分享次数等。
在一个实施例中,备选APP的属性特征可以基于该APP的介绍信息(例如,由APP开发人员编辑填写),和/或,多个用户与该APP的交互数据,以及多个用户对该APP的评价信息而提取。在一个具体的实施例中,可以基于介绍信息确定备选APP的类别(如,游戏、公益、运动等)和适用人群(如,儿童、青年、老年等),并将类别和适用人群归为属性特征。在另一个具体的实施例中,可以基于多个用户与备选APP的交互数据和对该APP的评价信息,确定该APP被点击的总次数、收到的评价数量、总的用户评分等,以作为属性特征。
以上,在获取针对当前用户的,与多个备选APP对应的多组特征以后,接着,在步骤S220,将多组特征中的各组特征分别输入预测模型,确定各个备选APP的分数,该分数预测当前用户针对所述各个备选APP的点击概率。
下面,首先对预测模型的训练过程进行介绍。具体地,预测模型可以基于以下步骤而预先训练:
首先,获取多个训练样本,其中每个训练样本包括,用户的用户属性特征,APP的APP属性特征,所述用户与所述APP的在预定历史时间段内的交互特征,以及样本标签,所述样本标签指示所述用户在所述预定历史时间段之后是否对所述APP进行点击。
在一个实施例中,对于某个训练样本的确定可以包括:样本特征的确定和标签的确定。在一个具体的实施例中,其中样本特征的确定可以包括:获取某用户的注册资料,以提取对应的用户属性特征;同时,获取APP开发人员对某APP的介绍信息,以及在预定历史时间段(例如,2018年7月1日至 2018年7月31日)内,多个用户对该APP的使用、评价信息,以确定APP的属性特征;以及,获取在预定历史时间段内,用户X与该APP的交互数据,以确定对应的交互特征。另一方面,标签的确定可以包括:基于用户X在预定历史时间段之后是否对此APP进行点击,确定样本标签,例如,如果进行了点击,则可以将样本标签确定为1,如果没有点击,则可以将样本标签确定为0。需要说明的是,对于其中各个特征的介绍还可以参见前述实施例中的描述,在此不作赘述。
然后,使用以上获取的多个训练样本训练所述预测模型。
在一个实施例中,预测模型可以为基于监督学习的模型。在一个具体的实施例中,可以为逻辑回归模型或决策树模型。
以上,对预测模型的训练过程进行了介绍。基于预先训练的预测模型,在本步骤中,将多组特征中的各组特征分别输入该预测模型中,进而确定各个备选APP的分数,该分数预测当前用户针对所述各个备选APP的点击概率。
在一个实施例中,将某个备选APP对应的一组特征输入预测模型,可以得到当前用户对该备选APP的点击概率。进一步地,在一个具体的例子中,可以直接将点击概率作为该备选APP的分数。在另一个具体的例子中,可以将点击概率乘以预设系数(如,10),并将得到的乘积作为该备选APP的分数。显然,若备选APP的分数越高,则用户将会使用该备选APP的可能性越大,因此,越有必要在APP展示页面对该备选APP进行展示,或者将该备选 APP排在靠前的位置,以使用户可以快速定位到该备选APP。
以上,可以确定多个备选APP中各个备选APP的分数。然后,在步骤S230,基于所述分数,从多个备选APP中确定向当前用户展示的第一展示APP。
需要说明的是,其中“第一展示APP”中的“第一”和下文中“第二展示APP”中的“第二”并不具有排序的意义,只是为了区分和描述的清楚起见,分别为步骤S230中得到的展示APP以及步骤S240中得到的展示APP所赋予的标号。
在一个实施例中,可以将分数大于预设阈值的备选APP归为第一展示APP。需要说明的是,其中预设阈值可以由工作人员根据实际经验进行设定。
在另一个实施例中,可以先基于分数的高低,对多个备选APP进行排序;然后,根据排序的结果,确定预定数量的第一展示APP。进一步地,在一个具体的实施例中,第一展示APP中的备选APP按照分数的高低顺序排列。
需要说明的是,上述预定数量可以根据实际的业务需要确定。在一个具体的实施例中,可以对多个备选APP进行全量展示,也就是说,预定数量为与多个备选APP具有的数量相等的数量。在一个例子中,获取的多个备选APP 为终端中已安装的APP,此时,第一展示APP包括基于分数高低顺序排列的多个备选APP。在另一个具体的实施例中,预定数量可以为固定值,如5个。在一个例子中,获取的多个备选APP为主APP中包括的子APP,确定出的展示 APP作为向用户进行推荐的APP,或者说,作为应用建议栏中的APP,以使用户能够快速定位并使用目标APP。可以理解的是,预定数量总是小于多个备选 APP所具有的数量。
以上,可以基于预测模型确定第一展示APP,接着,在一个实施例中,可以直接将第一展示APP发送至终端,使终端基于第一展示APP生成向用户展示的APP展示界面。在另一个实施例中,还可以对第一展示APP进行修正,具体地:
在步骤S240,基于预设的配置规则,将第一展示APP修正为第二展示APP,其中配置规则与各个备选APP的运营状态相关联。
需要说明的是,配置规则可以为基于APP的运营因素而预先设置的规则。例如,考虑的运营因素可以包括对某些APP进行广告营销、对新上线APP的进行推广,以及某些APP在地区、时段等方面的使用限制。在一个实施例中,可以将多个备选APP中各个备选APP的运营状态和配置规则共同存储在配置文件中。以下,对将第一展示APP修正为第二展示APP的过程进行进一步介绍。
在一个实施例中,可以引入APP的广告运营,开发用户的潜在需求。具体的,可以从多个备选APP中确定营销备选APP,然后基于营销备选APP和第一展示APP,确定第二展示APP。
进一步地,对于其中确定营销备选APP,可以确定针对所有用户的备选营销APP,也可以根据不同用户的特点,推荐对应的营销备选APP。在一个具体的实施例中,各个备选APP的运营状态包括是否为营销APP,基于此,可以将运营状态显示为是营销APP的备选APP作为营销备选APP,这种方法确定的营销APP可以是针对所有用户的,具有通用性。在另一个具体的实施例中,可以从多个备选APP中确定与当前用户对应的营销备选APP。
在一个例子中,可以先获取当前用户的用户画像;再基于用户画像与营销APP的映射关系,从多个备选APP中确定与当前用户对应的营销备选APP。进一步地,在一个具体的例子中,其中当前用户的用户画像可以基于其他类似业务而预先确定,此时可以直接获取。在另一个具体的例子中,可以预先训练用于预测用户画像的多分类模型,例如,将前述提及的当前用户的用户属性特征输入该多分类模型中,可以直接得到当前用户画像。另一方面,在一个具体的例子中,用户画像与营销APP的映射关系可以由工作人员预先建立,并将其作为配置规则的一部分。
在另一个例子中,可以预先训练用于预测针对特定用户的营销APP的多分类模型,例如,将前述提及的当前用户的用户属性特征输入该多分类模型中,可以直接得到对应的至少一个营销备选APP。
在确定营销备选APP以后,对于上述确定第二展示APP,在一个实施例中,可以包括:将第一展示APP和营销备选APP共同作为第二展示APP。在另一个实施例中,可以包括:利用营销备选APP对第一展示APP中的部分APP 进行替换,得到第二展示APP。也就是说,在修正过程中,不改变向用户展示的APP数量。进一步地,在一个具体的实施例中,根据第一展示APP中备选 APP的排序,将营销备选APP插入其中的预定位置,并删除排在末尾的与营销备选APP对应数量的备选APP。在一个例子中,第一展示APP具有的预定数量为5,确定出的营销备选APP为1个,由此可以将营销备选APP设置为第2位,并将第一展示APP中原本排在第5位的备选APP进行删除。在另一个具体的实施例中,可以将营销备选APP随机插入第一展示APP中,并随机删除与营销备选APP对应数量的备选APP。
以上,在配置规则中主要考虑了APP的广告运营。
在另一个实施例中,可以考虑APP的冷启动问题,也就是当一个APP刚上线的时候,因没有针对该APP的交互数据,所以基于预测模型得到的针对该APP的评分会很低,进而该APP可能不会被归为第一展示APP,或者,即使被归为第一展示APP,也很可能排在靠后的位置。因此,为了新上线的APP进行推广使用,可以将其加入向用户展示的展示APP中。
在一个具体的实施例中,各个备选APP的运营状态包括是否为新上线APP,基于此,可以先从多个备选APP中确定出新上线备选APP,再基于新上线备选 APP和第一展示APP,确定所述第二展示APP。进一步地,在一个例子中,其中确定第二展示APP可以包括:将新上线备选APP和第一展示APP共同作为第二展示APP。在另一个例子中,可以包括:利用新上线备选APP对第一展示 APP中的部分APP进行替换,得到所述第二展示APP。需要说明的是,其中基于新上线备选APP和第一展示APP确定第二展示APP的介绍,可以参见前述基于营销备选APP和第一展示APP确定第二展示APP的描述,在此不作赘述。
在一个实施例中,考虑到某些APP的服务存在一些限制条件,例如,“优步”这一应用,在中国大陆是不提供服务的,用户无法使用,但是在国外很多地方是提供服务的,用户可以使用。相应地,对于第一展示APP中包括的某APP的服务受到当前用户所处环境的限制时,考虑到展示给当前用户后,用户点击进入该APP后无法使用相关服务,将影响用户体验,因此可以将该 APP从第一展示APP中去除,而当此APP的服务未收到当前用户所处环境的限制时,则保留此APP。
根据一个具体的实施例,各个备选APP中的运营状态包括服务限制信息 (APP在某些情况下无法向用户提供服务,可以将服务限制信息理解为这些情况下对应的环境信息),基于此,可以获取各个备选APP的服务限制信息;然后,获取与服务限制信息对应的当前用户的环境信息,以及,在此环境信息匹配服务限制信息的情况下,将对应的备选APP从第一展示APP中去除,得到第二展示APP。
在一个例子中,服务限制信息包括不提供APP服务的地区,当前用户的环境信息包括当前用户的位置。在一个具体的例子中,可以通过基于移动位置服务(Location BasedService,简称LBS),采集当前用户的终端的位置信息,并将此位置信息作为当前用户的位置信息。在一个具体的例子中,当前用户的位置可以基于以下步骤而获取:接收当前用户发送的APP展示请求,此APP展示请求中包括当前用户的位置。
在另一个例子中,服务限制信息可以包括不提供APP服务的时间区段。例如,跑腿服务APP不提供服务的时间区段为[2:00pm-6:00pm]。在一个具体的例子中,获取与服务限制信息对应的当前用户的环境信息可以包括:接收所述当前用户发送的APP展示请求,此APP展示请求中包括当前用户的环境信息,且此环境信息中包括APP展示请求的发送时刻。相应地,当APP展示请求的发送时刻落入不提供APP服务的时间区段时,则将此APP从第一展示APP中去除,以得到第二展示APP。
以上,则基于预设规则,将第一展示APP修正为第二展示APP。然后,可以在APP的展示界面中,向用户展示第二展示APP。根据一个具体的例子,图 3中示出的APP展示界面中,可以将第二展示APP作为“为你推荐”栏的APP。
综上所述,在本说明书实施例披露的APP展示方法中,基于用户的属性特征、多个备选APP的属性特征,以及用户与各个备选APP的交互特征,采用预测模型对多个备选APP进行打分排序,得到第一展示APP。如此,考虑了用户对APP的使用偏好,从而使用户可以从展示的APP中快速定位到目标APP。进一步地,还可以基于与APP运营状态的配置规则,将第一展示APP修正为第二展示APP,从而解决APP的广告运营和冷启动等问题。
根据另一方面的实施例,还提供一种APP展示装置。图4示出根据一个实施例的APP展示装置结构图。如图4所示,该装置400包括:
获取单元410,用于获取针对当前用户的待展示的多个备选APP,以及获取与所述多个备选APP对应的多组特征;其中,各组特征包括,所述当前用户的用户属性特征,各个备选APP的APP属性特征,以及所述当前用户与所述各个备选APP的交互特征;
第一确定单元420,用于将所述多组特征中的各组特征分别输入预测模型,确定所述各个备选APP的分数,所述分数预测所述当前用户针对所述各个备选APP的点击概率;
第二确定单元430,用于基于所述分数,从所述多个备选APP中确定向所述当前用户展示的第一展示APP;
修正单元440,用于基于预设的配置规则,将所述第一展示APP修正为第二展示APP,所述配置规则与各个备选APP的运营状态相关联。
在一个实施例中,所述用户属性特征包括性别、年龄、职业、婚育状况、兴趣爱好中的至少一种;所述APP属性特征包括类别、热度、适用人群中的至少一种;所述交互特征包括点击次数、使用时长、分享次数中的至少一种。
在一个实施例中,所述预测模型基于以下步骤而预先训练:
获取多个训练样本,其中每个训练样本包括,用户的用户属性特征,APP 的APP属性特征,所述用户与所述APP在预定历史时间段内的交互特征,以及样本标签,所述样本标签指示所述用户在所述预定历史时间段之后是否对所述APP进行点击;
使用所述多个训练样本训练所述预测模型。
在一个实施例中,所述预测模型为逻辑回归模型或决策树模型。
在一个实施例中,所述第二确定单元430具体用于:
将所述分数大于预设阈值的备选APP归为所述第一展示APP。
在一个实施例中,所述第二确定单元430具体用于:
基于所述分数对所述备选APP进行排序;
根据所述排序的结果,确定预定数量的第一展示APP。
在一个实施例中,所述运营状态包括是否为新上线APP,所述修正单元 440具体包括:
第一确定子单元,用于从所述多个备选APP中确定出新上线备选APP;
第二确定子单元,用于基于所述新上线备选APP和所述第一展示APP,确定所述第二展示APP。
进一步地,在一个具体的实施例中,其中第二确定子单元具体用于:
将所述新上线备选APP和所述第一展示APP共同作为所述第二展示APP;或者,利用所述新上线备选APP对所述第一展示APP中的部分APP进行替换,得到所述第二展示APP。
在一个实施例中,其中所述运营状态包括所述服务限制信息,所述基于预设的配置规则,所述修正单元440具体包括:
获取子单元,用于获取与所述服务限制信息对应的当前用户的环境信息;
去除子单元,用于在所述环境信息匹配所述服务限制信息的情况下,将对应的备选APP从所述第一展示APP中去除,得到所述第二展示APP。
进一步地,在一个具体的实施例中,其中获取子单元具体用于:
接收所述当前用户发送的APP展示请求,所述APP展示请求中包括所述环境信息。
更进一步地,在一个例子中,所述服务限制信息包括不提供APP服务的地区,所述环境信息包括所述当前用户的位置。
另一方面,在一个例子中,所述环境信息包括所述APP展示请求的发送时刻,所述服务限制信息包括不提供APP服务的时间区段。
在一个实施例中,其中所述运营状态包括是否为营销APP,配置规则包括用户画像和营销APP的映射关系,其中修正单元440包括:
第一确定子单元,用于确定所述当前用户的当前用户画像;
第二确定子单元,用于基于所述映射关系,从所述多个备选APP中确定与所述当前用户对应的营销备选APP;
第三确定子单元,用于基于所述营销备选APP和所述第一展示APP,确定所述第二展示APP。
进一步地,在一个具体的实施例中,其中第三确定子单元具体同于:
将所述营销备选APP和所述第一展示APP共同作为第二展示APP;或者
利用所述营销备选APP对所述第一展示APP中的部分APP进行替换,得到所述第二展示APP。
综上所述,采用本说明书实施例披露的APP展示装置时,基于用户的属性特征、多个备选APP的属性特征,以及用户与各个备选APP的交互特征,采用预测模型对多个备选APP进行打分排序,得到第一展示APP。如此,考虑了用户对APP的使用偏好,从而使用户可以从展示的APP中快速定位到目标 APP。进一步地,还可以基于与APP运营状态的配置规则,将第一展示APP修正为第二展示APP,从而解决APP的广告运营和冷启动等问题。
如上,根据再一方面的实施例,还提供一种计算机可读存储介质,其上存储有计算机程序,当所述计算机程序在计算机中执行时,令计算机执行结合图2所描述的方法。
根据再一方面的实施例,还提供一种计算设备,包括存储器和处理器,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现结合图2所描述的方法。
本领域技术人员应该可以意识到,在上述一个或多个示例中,本说明书披露的多个实施例所描述的功能可以用硬件、软件、固件或它们的任意组合来实现。当使用软件实现时,可以将这些功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。
以上所述的具体实施方式,对本说明书披露的多个实施例的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本说明书披露的多个实施例的具体实施方式而已,并不用于限定本说明书披露的多个实施例的保护范围,凡在本说明书披露的多个实施例的技术方案的基础之上,所做的任何修改、等同替换、改进等,均应包括在本说明书披露的多个实施例的保护范围之内。