CN109740061B - 一种基于用户浏览行为的信息流数据动态加载方法及装置 - Google Patents

一种基于用户浏览行为的信息流数据动态加载方法及装置 Download PDF

Info

Publication number
CN109740061B
CN109740061B CN201910004349.5A CN201910004349A CN109740061B CN 109740061 B CN109740061 B CN 109740061B CN 201910004349 A CN201910004349 A CN 201910004349A CN 109740061 B CN109740061 B CN 109740061B
Authority
CN
China
Prior art keywords
browsing
data
characteristic
proportion
total
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.)
Active
Application number
CN201910004349.5A
Other languages
English (en)
Other versions
CN109740061A (zh
Inventor
刘文才
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN201910004349.5A priority Critical patent/CN109740061B/zh
Publication of CN109740061A publication Critical patent/CN109740061A/zh
Application granted granted Critical
Publication of CN109740061B publication Critical patent/CN109740061B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Information Transfer Between Computers (AREA)

Abstract

本发明公开了一种基于用户浏览行为的信息流数据动态加载方法及装置，包括：接收客户端发送的特征参数；所述特征参数是通过监控用户在当前页面的浏览行为得到的；依据接收到的特征参数，计算用户的浏览特征值；依据所述用户的浏览特征值，确定下一页数据的总数量以及所述下一页数据的总数据量中人工干预的数量所占的比例；并依据所述下一页数据的总数量以及人工干预的数量占所述总数量的比例，加载下一页的数据。由此可知，根据用户对页面的浏览行为，确定用户对当前页面的感兴趣程度，从依据用户对当前页面的感兴趣程度，确定出下一页返回的总数据量以及人工干预数据所占的比例，这样对用户需求更具有针对性，提高了用户体验。

Description

一种基于用户浏览行为的信息流数据动态加载方法及装置
技术领域
本发明涉及数据处理领域，尤其涉及一种基于用户浏览行为的信息流数据动态加载方法及装置。
背景技术
在客户端中对信息流数据的加载一般是客户端向服务器传入需求参数，服务器根据传入的需求参数向客户端返回相应的数据，其中需求参数包括用户信息以及加载条数。但是，在加载条数固定的情况下，服务器端便会根据固定的加载条数向客户端返回数据。
但是，若用户对返回的数据不感兴趣，那么之后的页面加载的数据对用户也没有多少价值，若用户连续几页没有发现感兴趣的数据，甚至可能退出页面的浏览，导致用户的体验性差。
其中，信息流表示在空间和时间上向同一方向运动过程中的一组信息，它们有共同的信息源和信息的接收者，即由一个信息源向另一个单位传递的全部信息的集合，例如资讯类的数据、搜索类的数据等。
发明内容
有鉴于此，本发明实施例公开了一种基于用户浏览行为的信息流数据动态加载方法及装置，依据用户对页面感兴趣程度，返回下一页面的加载数据，对用户需求更具有针对性，提高了用户体验。
本发明公开了一种基于用户浏览行为的信息流数据动态加载方法，包括：
接收客户端发送的特征参数；所述特征参数是通过监控用户在当前页面的浏览行为得到的；
依据所述特征参数，计算用户的浏览特征值；
依据所述用户的浏览特征值，确定下一页数据的总数量以及所述下一页数据的总数据量中人工干预的数量所占的比例；
依据所述下一页数据的总数量以及人工干预的数量占所述总数量的比例，加载下一页的数据。
可选的，所述特征参数包括：
浏览总时长、滑动总距离、当前页点击次数中的至少一个特征参数。
可选的，在包括多个维度的特征参数的情况下，所述依据所述特征参数，计算用户的浏览特征值，包括：
依据当前页面的特征参数、历史特征参数以及历史权重值，计算当前页面的每个特征参数的权重；
依据当前页面每个特征参数的权重和当前页面的各个特征参数，计算用户的浏览特征值。
可选的，还包括：
判断所述浏览特征值是否在预设的有效区间内；
若所述浏览特征值在预设的有效区间内，则将所述浏览特征值用于计算下一页需加载的数据的总数量以及人工干预的数量占总数量的比例；
若所述浏览特征值不在预设的有效区间内，且所述浏览特征值小于有效区间的最小值，则将所述有效区间的最小值用于计算下一页数据的总数量以及人工干预的数量占总数量的比例；
若所述浏览特征值不在预设的有效区间内，且所述浏览特征值大于有效期间内的最大值，则将所述有效区间内的最大值用于计算下一页数据的总数量以及人工干预的数量占总数量的比例。
可选的，所述依据所述下一页数据的总数量以及人工干预的数量占所述总数量的比例，加载下一页中的数据，包括：
依据浏览特征值和所述预设的有效区间内的最大值，计算特征比例；
依据所述特征比例和预设的下一页总数量的区间范围，计算下一页数据的总数量；
依据所述特征比例和预设的人工干预比例的区间范围，计算下一页数据中人工干预的数量占所述总数量的比例。
本发明实施例公开了一种基于用户浏览行为的信息流数据动态加载装置，包括：
接收单元，用于接收客户端发送的特征参数；所述特征参数是通过监控用户在当前页面的浏览行为得到的；
计算单元，用于依据所述特征参数，计算用户的浏览特征值；
确定单元，用于依据所述用户的浏览特征值，确定下一页数据的总数量以及所述下一页数据的总数据量中人工干预的数量所占的比例；
加载单元，用于依据所述下一页数据的总数量以及人工干预的数量占所述总数量的比例，加载下一页的数据。
可选的，所述多个维度的特征参数包括：
浏览总时长、滑动总距离、当前页点击次数的至少一个特征参数。
可选的，所述计算单元，包括：
权重计算子单元，用于依据当前页面的特征参数、历史特征参数以及历史权重值，计算当前页面的每个特征参数的权重；
浏览特征值计算子单元，用于依据当前页面每个特征参数的权重和当前页面的各个特征参数，计算用户的浏览特征值。
可选的，还包括：
第一判断子单元，用于判断所述浏览特征值是否在预设的有效区间内；
第一有效浏览特征值确定子单元，用于若所述浏览特征值在预设的有效区间内，则将所述浏览特征值用于计算下一页需加载的数据的总数量以及人工干预的数量占总数量的比例；
第二有效浏览特征值确定子单元，用于若所述浏览特征值不在预设的有效区间内，且所述浏览特征值小于有效区间的最小值，则将所述有效区间的最小值用于计算下一页数据的总数量以及人工干预的数量占总数量的比例；
第三有效浏览特征值确定子单元，用于若所述浏览特征值不在预设的有效区间内，且所述浏览特征值大于有效期间内的最大值，则将所述有效区间内的最大值用于计算下一页数据的总数量以及人工干预的数量占总数量的比例。
可选的，所述加载单元，用于：
特征比例计算子单元，用于依据浏览特征值和所述预设的有效区间内的最大值，计算特征比例；
依据所述特征比例和预设的下一页总数量的区间范围，计算下一页数据的总数量；
依据所述特征比例和预设的人工干预比例的区间范围，计算下一页数据中人工干预的数量占所述总数量的比例。
本发明实施例公开了一种基于用户浏览行为的信息流数据动态加载方法及装置，包括：接收客户端发送的特征参数；所述特征参数是通过监控用户在当前页面的浏览行为得到的；依据接收到的特征参数，计算用户的浏览特征值；依据所述用户的浏览特征值，确定下一页数据的总数量以及所述下一页数据的总数据量中人工干预的数量所占的比例；并依据所述下一页数据的总数量以及人工干预的数量占所述总数量的比例，加载下一页的数据。由此可知，根据用户对页面的浏览行为，确定用户对当前页面的感兴趣程度，从依据用户对当前页面的感兴趣程度，确定出下一页返回的总数据量以及人工干预数据所占的比例，这样对用户需求更具有针对性，提高了用户体验。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术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发明的实施例，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，还可以根据提供的附图获得其他的附图。
图1示出了本发明实施例提供的一种基于用户浏览行为的信息流数据动态加载方法的流程示意图；
图2示出了本发明实施例提供的一种基于用户浏览行为的信息流数据动态加载方法的场景示意图；
图3示出了本发明实施例提供的一种基于用户浏览行为的信息流数据动态加载装置的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参考图1，示出了本发明实施例提供的一种基于用户浏览行为的信息流数据动态加载方法的流程示意图，在本实施例中，该方法包括：
S101：接收客户端发送的特征参数；所述特征参数是通过监控用户在当前页面的浏览行为得到的；
本实施例中，用户进入信息流页面后，用户对当前页面进行浏览，客户端开始监测用户在当前页面的浏览行为，得到特征参数。
其中，特征参数可以包括：浏览总时长T、滑动总距离S、当前页点击次数C中的至少一个。具体的，1)浏览总时长T表示：用户从当前页数据加载完成开始请求下一页数据为止，产生的总时长；2)滑动总距离S表示：从当前页到下一页用户滑动的总距离，其中，包含用户通过上下滑动反复浏览某一数据时，产生的滑动距离；3)当前页点击次数C表示：用户在当前页产生的有效点击的总次数。其中，有效点击为点击某一链接进行查看、点击某个图片进行查看或者点击某个视频进行观看等行为。
除此之外，特征参数还可以包括：在浏览某个页面时，在某条数据停留的时间等，其中本实施例对特征参数并不做具体限制，能够量化的用户浏览行为的特征参数均可以实现。
本实施例中，由于得到的特征参数标准不统一，还需要对特征参数进行标准化。
举例说明：客户端得到的浏览总时长T可能是以分钟为单位进行统计的，或者可能是以秒为单位进行统计的，假设服务器端设置的浏览总时长T的标准为以秒为单位，因此客户端需要将浏览总时长进行标准化，得到以秒为单位的浏览总时长，并将该以秒为单位的浏览总时长发送给服务器端。
客户端得到的滑动总距离可能是以像素为单位的，也可是以毫米为单位的，假设服务器端规定了接收到的滑动总距离S是以像素为单位的，因此客户端将滑动总距离标准化后，将以像素为单位的滑动总距离发送给服务器端。
具体的，客户端中得到特征参数的过程包括：
当监测到用户进入信息流页面后，监测用户在当前页面的浏览行为，得到预设的多个特征参数；
对预设的多个特征参数进行标准化。
除此之外，为了保证数据的有效性，服务器端在接收到特征参数后，还需要对特征参数进行有效性检测，具体的，包括：
针对于任何一个特征参数，判断所述特征参数是否在特征参数的有效区间内；
若所述特征参数在特征参数的有效区间内，则表示所述特征参数为有效参数。
举例说明：假设服务器端预先为浏览总时长T、滑动总距离S和当前页点击次数C设置了有效区间，例如浏览总时长T的有效区间为[1,600]，也可以理解为用户浏览一个页面的用时应该不小于1s，不超过10分钟；滑动总距离的有效区间为[300,3000]，当前页点击次数C的有效区间为[0,50]。
其中，需要说明的是，特征参数的有效区间可以是预先设置的，也可以是根据具体情况确定的。或者最开始的特征参数为预先设置的，但是随着具体情况的变化，可以根据实际情况对特征参数进行调整。
S102：依据所述特征参数，计算用户的浏览特征值；
本实施例中，在包含多个维度的特征参数的情况下，为了得到更加可靠的浏览特征值，可以依据不同维度的不同权重值，计算用户的浏览特征值，具体的，包括：
依据当前页面的特征参数、历史特征参数以及历史权重值，计算当前页面的每个特征参数的权重；
依据当前页面的特征参数权重和当前页面的特征参数，计算用户的浏览特征值。
举例说明：可以通过如下的公式1)计算浏览特征值：
1)A＝xnTn+ynSn+znCn；
其中，xn表示浏览总时长的权重，yn表示滑动总距离S的权重，zn表示点击次数Cn的权重，n＝1,2....n。
其中，初始的权重值可以是专家根据经验设置的，例如初始的权重值x1＝、y1＝1、z1＝1。
但是，不同特征维度的权重可以根据实际情况进行调整，例如，根据用户的浏览行为不断的调整权重，具体的，依据当前页面的特征参数、历史特征参数以及历史权重值，对每个特征参数的权重进行调整。
举例说明：每个特征参数的权重的计算可以通过如下的公式2)进行表示：
2)
Figure GDA0002758174190000071
其中，Tn表示当前页面下获取的浏览总时长，Tn-1表示上一页获取的浏览总时长；Sn表示当前页面下获取的滑动总距离，Sn-1表示上一页获取的滑动总距离；zn表示当前页的点击次数，zn-1表示上一页的点击次数。本实施例中，由于人为的误操作或者其它原因，导致得到的特征参数有误，这样就会得到有误的浏览特征值，这样根据浏览特征值预测的下一页的数据的总数据就是有误的。
为了解决上述问题，技术人员根据经验，设置了浏览特征值的有效区间，并根据该浏览特征值的有效区间，对计算得到的浏览特征值进行有效性检测，具体的，还包括：
判断所述浏览特征值是否在预设的有效区间内；
若所述浏览特征值在预设的有效区间内，则将所述浏览特征值用于计算下一页需加载的数据的总数量以及人工干预的数量占总数量的比例；
若所述浏览特征值不在预设的有效区间内，且所述浏览特征值小于有效区间的最小值，则将所述有效区间的最小值用于计算下一页数据的总数量以及人工干预的数量占总数量的比例；
若所述浏览特征值不在预设的有效区间内，且所述浏览特征值大于有效期间内的最大值，则将所述有效区间内的最大值用于计算下一页数据的总数量以及人工干预的数量占总数量的比例。
举例说明：假设A为浏览特征值设置有效区间为[Amin,Amax]，该区间为经验值，若A值小于Amin，则Amin作为浏览特征值计算下一页数据的总数量以及人工干预的比例；若A值大于Amax，则Amax作为浏览特征值计算下一页数据的总数量以及人工干预的比例。
S103:依据所述用户的浏览特征值，确定下一页数据的总数量，以及所述下一页数据的总数据量中人工干预的数量所占的比例；
本实施例中，一般情况下，当用户触发浏览下一页的指令后，服务端会向用户端返回默认数据，但是在用户对默认数据不感兴趣的情况下，为了吸引用户阅读，也会反馈人工干预的数据。因此，返回的下一页的默认数据和人工干预数据的总和为下一页数据的总数据量。
本实施例中，返回的下一页的数据的总数量和人工干预的比例与浏览特征值相关，其中，浏览特征值对返回的下一页的总数据量以及人工干预的比例的影响的原则是，若浏览特征值越大，表示上一页对用户的吸引力越大，总数量相对越少，人工干预数据所占的比例越小；若浏览特征值越小，表示上一页对用户的吸引力越小，返回下一页的总数据量相对越多，人工干预数据所占的比例越大。
其中，在浏览特征值较大的时，表示用户对默认的数据比较感兴趣，可以不用增加人工干预数据，或者增加较少的人工干预的数据，并且，为了节省用户流量，以及提高加载速度，可以向用户返回较少的默认数据。但是，在浏览特征值较小时，表示用户对默认数据的兴趣不大，可以通过增加人工干预的数据，引起用户的兴趣，相应的对于返回的总数据量也可以增加。
其中，可以包括如下的几种方式，通过用户的浏览特征值确定返回的下一页的总数据的数据量以及人工干预的比例，包括：
方式一：
依据浏览特征值和预设的有效区间内的最大值，计算特征比例；
依据所述特征比例和预设的下一页总数量的区间范围，计算下一页需加载的数据的总数量；
依据所述特征比例和预设的人工干预比例的区间范围，计算下一页数据中人工干预的比例。
举例说明：假设总数据量为M，返回的下一页数据的总数量的区间范围为[Mmin,Mmax],该M的计算过程如下公式3)所示：
3)
Figure GDA0002758174190000081
假设人工干预的数据占总数据量的比例为N，N的取值范围为[0,Nmax],则可以通过如下的公式4)计算人工干预的比例：
4)
Figure GDA0002758174190000082
方式二：判断所述浏览特征值是否大于预设的阈值；
若大于预设的阈值，在预设的第一数据区间中随机选取一个数值作为总数据量，并将预设的第一比例作为人工干预数据占所述总数据量的比例；
若所述浏览特征值不大于预设的阈值，在第二数据区间中随机选取一个数值作为总数据量，并将预设的第二比例作为人工干预数据占所述总数据量的比例。
举例说明：设置返回条数的区间范围为[5,10]以及[10,15]，当浏览特征值大于预设阈值时，可以在[5,10]的区间范围内随机选择一个数值作为返回的总条数，若浏览特征值较小时，可以在[10,15]的区间范围内随机选择一个数值作为返回的总条数。
方式三：
计算浏览特征值与预设阈值的差值；
确定所述差值所属的区间范围；
确定所述区间范围对应的返回下一页数据的总数据量以及人工干预数据占所述总数据量的比例。
本实施例中，预先设置了不同差值的区间范围对应的返回下一页数据的总数据量以及人工干预的比例。
举例说明：假设浏览特征值为2，在[0,5]的区间范围内，服务器端预先设置了[0,5]的区间范围可以返回下一页的总数据量以及人工干预的比例。
方式四：确定所述浏览特征值对应的区间范围；
确定所述区间范围对应的返回下一页数据的总数据量以及人工干预数据占所述总数据量的比例。
本实施例中，预先设置了不同浏览特征值的区间范围，返回不同的总数据量以及人工干预的比例。
S104:依据所述下一页数据的总数量以及人工干预的数量占所述总数量的比例，加载下一页的数据。
本实施例公开了一种基于用户浏览行为的信息流数据动态加载方法及装置，包括：
接收客户端发送的特征参数；所述特征参数是通过监控用户在当前页面的浏览行为得到的；依据接收到的特征参数，计算用户的浏览特征值；依据所述用户的浏览特征值，确定下一页数据的总数量以及所述下一页数据的总数据量中人工干预的数量所占的比例；并依据所述下一页数据的总数量以及人工干预的数量占所述总数量的比例，加载下一页的数据。由此可知，根据用户对页面的浏览行为，确定用户对当前页面的感兴趣程度，从依据用户对当前页面的感兴趣程度，确定出下一页返回的总数据量以及人工干预数据所占的比例，这样对用户需求更具有针对性，提高了用户体验。
参考图2，示出了本发明实施例提供的一种基于用户浏览行为的信息流数据动态加载方法的场景示意图，在本实施例中该方法包括：
S201：当客户端监测到用户进入信息流页面后，监测用户在当前页面的浏览行为，得到预设的多个特征参数；
S201：客户端对预设的多个特征参数进行标准化。
S203：客户端将标准化后的多个特征参数发送给服务器端；
S204：服务器端依据所述多个维度的特征参数，计算用户的浏览特征值；
S205：服务器端依据所述用户的浏览特征值确定返回的下一页数据的总数量以及人工干预数据占所述总数据量的比例；
S206：服务器端依据所述总数据量以及人工干预占所述总数据量的比例，加载下一页的数据。
通过本实施例的方法，根据用户对页面的浏览行为，确定用户对当前页面的感兴趣程度，从依据用户对当前页面的感兴趣程度，确定出下一页返回的总数据量以及人工干预数据所占的比例，这样对用户需求更具有针对性，提高了用户体验。
参考图3，示出了本发明实施例提供的一种基于用户浏览行为的信息流数据动态加载装置的结构示意图，在本实施例中，该装置包括：
接收单元301，用于接收客户端发送的特征参数；所述特征参数是通过监控用户在当前页面的浏览行为得到的；
计算单元302，用于依据所述特征参数，计算用户的浏览特征值；
确定单元303，用于依据所述用户的浏览特征值，确定下一页数据的总数量以及所述下一页数据的总数据量中人工干预的数量所占的比例；
加载单元304，用于依据所述下一页数据的总数量以及人工干预的数量占所述总数量的比例，加载下一页的数据。
可选的，所述多个维度的特征参数包括：
浏览总时长、滑动总距离、当前页点击次数的至少一个特征参数。
可选的，所述计算单元，包括：
权重计算子单元，用于依据当前页面的特征参数、历史特征参数以及历史权重值，计算当前页面的每个特征参数的权重；
浏览特征值计算子单元，用于依据当前页面每个特征参数的权重和当前页面的各个特征参数，计算用户的浏览特征值。
可选的，还包括：
第一判断子单元，用于判断所述浏览特征值是否在预设的有效区间内；
第一有效浏览特征值确定子单元，用于若所述浏览特征值在预设的有效区间内，则将所述浏览特征值用于计算下一页需加载的数据的总数量以及人工干预的数量占总数量的比例；
第二有效浏览特征值确定子单元，用于若所述浏览特征值不在预设的有效区间内，且所述浏览特征值小于有效区间的最小值，则将所述有效区间的最小值用于计算下一页数据的总数量以及人工干预的数量占总数量的比例；
第三有效浏览特征值确定子单元，用于若所述浏览特征值不在预设的有效区间内，且所述浏览特征值大于有效期间内的最大值，则将所述有效区间内的最大值用于计算下一页数据的总数量以及人工干预的数量占总数量的比例。
可选的，所述加载单元，用于：
特征比例计算子单元，用于依据浏览特征值和所述预设的有效区间内的最大值，计算特征比例；
依据所述特征比例和预设的下一页总数量的区间范围，计算下一页数据的总数量；
依据所述特征比例和预设的人工干预比例的区间范围，计算下一页数据中人工干预的数量占所述总数量的比例。
通过本实施例的装置，获取用户的浏览行为，根据用户对页面的浏览行为，确定用户对当前页面的感兴趣程度，从依据用户对当前页面的感兴趣程度，确定出下一页返回的总数据量以及人工干预数据所占的比例，这样对用户需求更具有针对性，提高了用户体验。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (4)

1.一种基于用户浏览行为的信息流数据动态加载方法，其特征在于，包括：
接收客户端发送的多个维度的特征参数；所述特征参数是通过监控用户在当前页面的浏览行为得到的；
依据当前页面的特征参数、历史特征参数以及历史权重值，计算当前页面的每个特征参数的权重；
依据当前页面每个特征参数的权重和当前页面的各个特征参数，计算用户的浏览特征值；
判断所述浏览特征值是否在预设的有效区间内；
若所述浏览特征值在预设的有效区间内，则将所述浏览特征值用于计算下一页需加载的数据的总数量以及人工干预的数量占总数量的比例；
若所述浏览特征值不在预设的有效区间内，且所述浏览特征值小于有效区间的最小值，则将所述有效区间的最小值用于计算下一页数据的总数量以及人工干预的数量占总数量的比例；
若所述浏览特征值不在预设的有效区间内，且所述浏览特征值大于有效期间内的最大值，则将所述有效区间内的最大值用于计算下一页数据的总数量以及人工干预的数量占总数量的比例；
依据所述用户的浏览特征值，确定下一页数据的总数量以及所述下一页数据的总数据量中人工干预的数量所占的比例；
依据所述下一页数据的总数量以及人工干预的数量占所述总数量的比例，加载下一页的数据；
其中，所述依据所述下一页数据的总数量以及人工干预的数量占所述总数量的比例，加载下一页中的数据，包括：
依据浏览特征值和所述预设的有效区间内的最大值，计算特征比例；
依据所述特征比例和预设的下一页总数量的区间范围，计算下一页数据的总数量；
依据所述特征比例和预设的人工干预比例的区间范围，计算下一页数据中人工干预的数量占所述总数量的比例。
2.根据权利要求1所述的方法，其特征在于，所述特征参数包括：
浏览总时长、滑动总距离、当前页点击次数中的至少一个特征参数。
3.一种基于用户浏览行为的信息流数据动态加载装置，其特征在于，包括：
接收单元，用于接收客户端发送的多个维度的特征参数；所述特征参数是通过监控用户在当前页面的浏览行为得到的；
权重计算子单元，用于依据当前页面的特征参数、历史特征参数以及历史权重值，计算当前页面的每个特征参数的权重；
浏览特征值计算子单元，用于依据当前页面每个特征参数的权重和当前页面的各个特征参数，计算用户的浏览特征值；
第一判断子单元，用于判断所述浏览特征值是否在预设的有效区间内；
第一有效浏览特征值确定子单元，用于若所述浏览特征值在预设的有效区间内，则将所述浏览特征值用于计算下一页需加载的数据的总数量以及人工干预的数量占总数量的比例；
第二有效浏览特征值确定子单元，用于若所述浏览特征值不在预设的有效区间内，且所述浏览特征值小于有效区间的最小值，则将所述有效区间的最小值用于计算下一页数据的总数量以及人工干预的数量占总数量的比例；
第三有效浏览特征值确定子单元，用于若所述浏览特征值不在预设的有效区间内，且所述浏览特征值大于有效期间内的最大值，则将所述有效区间内的最大值用于计算下一页数据的总数量以及人工干预的数量占总数量的比例；
确定单元，用于依据所述用户的浏览特征值，确定下一页数据的总数量以及所述下一页数据的总数据量中人工干预的数量所占的比例；
加载单元，用于依据所述下一页数据的总数量以及人工干预的数量占所述总数量的比例，加载下一页的数据；
其中，所述加载单元包括：
特征比例计算子单元，用于依据浏览特征值和所述预设的有效区间内的最大值，计算特征比例；
依据所述特征比例和预设的下一页总数量的区间范围，计算下一页数据的总数量；
依据所述特征比例和预设的人工干预比例的区间范围，计算下一页数据中人工干预的数量占所述总数量的比例。
4.根据权利要求3所述的装置，其特征在于，所述特征参数包括：
浏览总时长、滑动总距离、当前页点击次数的至少一个特征参数。
CN201910004349.5A 2019-01-03 2019-01-03 一种基于用户浏览行为的信息流数据动态加载方法及装置 Active CN109740061B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910004349.5A CN109740061B (zh) 2019-01-03 2019-01-03 一种基于用户浏览行为的信息流数据动态加载方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910004349.5A CN109740061B (zh) 2019-01-03 2019-01-03 一种基于用户浏览行为的信息流数据动态加载方法及装置

Publications (2)

Publication Number Publication Date
CN109740061A CN109740061A (zh) 2019-05-10
CN109740061B true CN109740061B (zh) 2021-03-19

Family

ID=66363321

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910004349.5A Active CN109740061B (zh) 2019-01-03 2019-01-03 一种基于用户浏览行为的信息流数据动态加载方法及装置

Country Status (1)

Country Link
CN (1) CN109740061B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110765380B (zh) * 2019-09-29 2023-12-05 五八有限公司 一种列表页的数据加载方法以及终端

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101201843A (zh) * 2006-12-12 2008-06-18 国际商业机器公司 用于搜索的方法和计算机系统
CN102375833A (zh) * 2010-08-12 2012-03-14 橘子电视股份有限公司 记录及搜索网页的方法以及记录浏览网页的方法
CN105550356A (zh) * 2015-12-28 2016-05-04 魅族科技（中国）有限公司 一种浏览内容预加载方法及终端

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8442974B2 (en) * 2008-06-27 2013-05-14 Wal-Mart Stores, Inc. Method and system for ranking web pages in a search engine based on direct evidence of interest to end users
CN102622445B (zh) * 2012-03-15 2014-05-07 华南理工大学 一种基于用户兴趣感知的网页推送系统及方法
CN104063555B (zh) * 2014-07-07 2018-02-23 成都理工大学 面向遥感信息智能分发的用户模型建模方法
CN105320706B (zh) * 2014-08-05 2018-10-09 阿里巴巴集团控股有限公司 搜索结果的处理方法和装置
CN104199874B (zh) * 2014-08-20 2018-07-31 哈尔滨工程大学 一种基于用户浏览行为的网页推荐方法
CN106897289B (zh) * 2015-12-18 2020-07-10 北京奇虎科技有限公司 信息搜索的优化方法及装置
CN106503190B (zh) * 2016-10-25 2019-07-16 北京小米移动软件有限公司 显示信息的方法及装置
CN108132953A (zh) * 2016-12-01 2018-06-08 百度在线网络技术（北京）有限公司 一种基于用户点击进行搜索结果排序的方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101201843A (zh) * 2006-12-12 2008-06-18 国际商业机器公司 用于搜索的方法和计算机系统
CN102375833A (zh) * 2010-08-12 2012-03-14 橘子电视股份有限公司 记录及搜索网页的方法以及记录浏览网页的方法
CN105550356A (zh) * 2015-12-28 2016-05-04 魅族科技（中国）有限公司 一种浏览内容预加载方法及终端

Also Published As

Publication number Publication date
CN109740061A (zh) 2019-05-10

Similar Documents

Publication Publication Date Title
CN108763502B (zh) 信息推荐方法和系统
RU2704495C1 (ru) Способ и устройство для отправки электронной книги
CN110362458B (zh) 应用程序评价提示方法、装置、电子设备及可读存储介质
CN105653136A (zh) 一种终端控制方法和终端设备
CN107747788B (zh) 空调参数确定方法、空调设备及可读存储介质
CN110784644A (zh) 图像处理方法及装置
CN109740061B (zh) 一种基于用户浏览行为的信息流数据动态加载方法及装置
CN106528758B (zh) 一种选取图片方法及装置
CN112511576B (zh) 一种物联网数据处理系统及数据处理方法
US20170013083A1 (en) Data processing method and apparatus used for terminal application
CN106682054A (zh) 一种终端应用推荐方法、装置和系统
CN112565797B (zh) 一种页面请求处理方法、装置、电子设备及介质
US8189046B2 (en) Computer-based communication systems and arrangements associated therewith for indicating user status
CN113055423A (zh) 策略的推送方法、策略的执行方法、装置、设备及介质
CN114201686A (zh) 内容推荐方法、系统、装置、设备及存储介质
CN113032225B (zh) 数据中心的监控数据处理方法、装置、设备及存储介质
JP2019146142A (ja) 情報処理装置、情報処理方法及びプログラム
CN106296233B (zh) 一种计算机系统及基于计算机系统的注册数量确定方法
CN113656457A (zh) 渠道质量信息获取方法、装置、电子设备及可读存储介质
JP2019145987A (ja) 情報処理装置、情報処理方法及びプログラム
CN110691143B (zh) 一种文件推送方法、装置、电子设备及介质
CN113127333B (zh) 一种数据处理方法、装置、电子设备和存储介质
CN107678861B (zh) 处理功能执行请求的方法和装置
CN106874171B (zh) 一种任务运行监测方法、装置及电子设备
CN111949110A (zh) 一种移动边缘计算中能耗最小化的处理方法及装置

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