CN110750718A - 基于推荐系统的用户引导方法、装置、设备及存储介质 - Google Patents
基于推荐系统的用户引导方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN110750718A CN110750718A CN201910971752.5A CN201910971752A CN110750718A CN 110750718 A CN110750718 A CN 110750718A CN 201910971752 A CN201910971752 A CN 201910971752A CN 110750718 A CN110750718 A CN 110750718A
- Authority
- CN
- China
- Prior art keywords
- behavior
- user
- combination
- guided
- recommendation system
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—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
Abstract
本发明涉及数据处理技术领域，公开了一种基于推荐系统的用户引导方法、装置、设备及存储介质，所述方法包括：获取待引导用户的参考特征向量；查找与所述参考特征向量相匹配的待选用户；获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合；获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合；根据所述目标行为组合为所述待引导用户进行行为引导，从而通过参考特征向量匹配待选用户，从所述待选用户行为记录中筛选符合条件的目标行为组合，根据目标行为组合为待选用户进行行为引导，解决了不能针对不同用户的不同需求进行行为引导的技术问题。
Description
技术领域
本发明涉及数据处理技术领域，尤其涉及一种基于推荐系统的用户引导方法、装置、设备及存储介质。
背景技术
随着互联网行业的迅速发展，越来越多的应用软件充斥着人们的生活。面对这些种类繁多的软件及应用，用户往往很难完整、熟练地掌握它们的功能及使用。因此，软件应用开发方需要提供适宜的用户引导方案，帮助用户顺利使用他们的产品。软件应用开发方在新上线某些功能时，为了吸引用户去尝试使用这些新功能，需要增加一些相应的引导来达到目的。所以，对于软件应用开发方来说，为了达成商业目的，用户引导模块是一个非常重要的开发部分。推荐系统是互联网时代产品非常依赖的一个重要工具，各大型网站都会使用推荐系统为用户推荐它们的产品，提取推荐目标用户的特征，特征相近的用户将会分享相似的推荐。
现有的用户引导模块往往需要由专门的交互设计师或是产品经理设计，需要大量的人工参与及对应用场景的主观设想。同时，用户引导的方案对所有的用户是统一的。但是，我们知道用户往往存在着不同的诉求，面对的场景也千奇百怪，不同的用户需要的服务各不相同，但是现有的用户引导设计中还没有能够满足因人而异的需求。
所以，存在着不能针对不同用户的不同需求进行行为引导的技术问题。
上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。
发明内容
本发明的主要目的在于提出一种基于推荐系统的用户引导方法、装置、设备及存储介质，旨在解决不能针对不同用户的不同需求进行行为引导的技术问题。
为实现上述目的，本发明提供一种基于推荐系统的用户引导方法，所述基于推荐系统的用户引导方法包括以下步骤：
获取待引导用户的参考特征向量；
查找与所述参考特征向量相匹配的待选用户；
获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合；
获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合；
根据所述目标行为组合为所述待引导用户进行行为引导。
优选地，获取当前用户在当前界面停留的时间长度；
在所述时间长度超过预设阈值时，将所述当前用户作为待引导用户。
优选地，获取所述待选用户的历史行为记录；
从所述历史行为记录中筛选具有行为反馈信息的初选行为组合；
从所述初选行为组合中选取具有停留行为的预选行为组合，所述停留行为为在所述当前界面停留的行为；
将所述行为反馈信息符合预设规则的预选行为组合作为待选行为组合。
优选地，将所述行为反馈信息为正反馈信息的预选行为组合作为待选行为组合。
优选地，获取待引导用户的当前行为记录；
从所述当前行为记录中提取参考特征；
根据所述参考特征计算所述待引导用户的参考特征向量。
优选地，统计所述待选行为组合中各行为的行为总时间长度，并统计所述待选行为组合中各行为的行为步骤总数量；
根据所述行为总时间长度和所述行为步骤总数量计算所述待选行为组合的复杂度数值；
根据所述复杂度数值从所述待选行为组合中筛选目标行为组合。
优选地，将最大的复杂度数值对应的待选行为组合作为目标行为组合。
此外，为实现上述目的，本发明还提出一种基于推荐系统的用户引导装置，所述基于推荐系统的用户引导装置包括：
用户获取模块，用于获取待引导用户的参考特征向量；
用户匹配模块，用于查找与所述参考特征向量相匹配的待选用户；
行为获取模块，用于获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合；
行为筛选模块，用于获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合；
行为引导模块，用于根据所述目标行为组合为所述待引导用户进行行为引导。
此外，为实现上述目的，本发明还提出一种基于推荐系统的用户引导设备，所述基于推荐系统的用户引导设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于推荐系统的用户引导程序，所述基于推荐系统的用户引导程序配置有实现如上所述的基于推荐系统的用户引导方法的步骤。
此外，为实现上述目的，本发明还提出一种存储介质，所述存储介质上存储有基于推荐系统的用户引导程序，所述基于推荐系统的用户引导程序被处理器执行时实现如上文所述的基于推荐系统的用户引导方法的步骤。
本发明中通过获取待引导用户的参考特征向量；查找与所述参考特征向量相匹配的待选用户；获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合；获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合；根据所述目标行为组合为所述待引导用户进行行为引导，从而通过参考特征向量匹配待选用户，从所述待选用户行为记录中筛选符合条件的目标行为组合，根据目标行为组合为待选用户进行行为引导，解决了不能针对不同用户的不同需求进行行为引导的技术问题。
附图说明
图1是本发明实施例方案涉及的硬件运行环境的基于推荐系统的用户引导设备结构示意图；
图2为本发明基于推荐系统的用户引导方法第一实施例的流程示意图；
图3为本发明基于推荐系统的用户引导方法第一实施例的例图；
图4为本发明基于推荐系统的用户引导方法第二实施例的流程示意图；
图5为本发明基于推荐系统的用户引导方法第三实施例的流程示意图；
图6为本发明基于推荐系统的用户引导装置第一实施例的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
参照图1，图1为本发明实施例方案涉及的硬件运行环境的基于推荐系统的用户引导设备结构示意图。
如图1所示，该基于推荐系统的用户引导设备可以包括：处理器1001，例如中央处理器(Central Processing Unit，CPU)，通信总线1002、用户接口1003，网络接口1004，存储器1005。其中，通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如按键，可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速随机存取存储器(Random Access Memory，RAM)存储器，也可以是稳定的存储器(non-volatile memory)，例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
本领域技术人员可以理解，图1中示出的设备结构并不构成对基于推荐系统的用户引导设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件布置。
如图1所示，作为一种存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及基于推荐系统的用户引导程序。
在图1所示的基于推荐系统的用户引导设备中，网络接口1004主要用于连接外网，与其他网络设备进行数据通信；用户接口1003主要用于连接用户设备，与所述用户设备进行数据通信；本发明设备通过处理器1001调用存储器1005中存储的基于推荐系统的用户引导程序，并执行以下操作：
获取待引导用户的参考特征向量；
查找与所述参考特征向量相匹配的待选用户；
获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合；
获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合；
根据所述目标行为组合为所述待引导用户进行行为引导。
进一步地，处理器1001可以调用存储器1005中存储的基于推荐系统的用户引导程序，还执行以下操作：
获取当前用户在当前界面停留的时间长度；
在所述时间长度超过预设阈值时，将所述当前用户作为待引导用户。
进一步地，处理器1001可以调用存储器1005中存储的基于推荐系统的用户引导程序，还执行以下操作：
获取所述待选用户的历史行为记录；
从所述历史行为记录中筛选具有行为反馈信息的初选行为组合；
从所述初选行为组合中选取具有停留行为的预选行为组合，所述停留行为为在所述当前界面停留的行为；
将所述行为反馈信息符合预设规则的预选行为组合作为待选行为组合。
进一步地，处理器1001可以调用存储器1005中存储的基于推荐系统的用户引导程序，还执行以下操作：
将所述行为反馈信息为正反馈信息的预选行为组合作为待选行为组合。
进一步地，处理器1001可以调用存储器1005中存储的基于推荐系统的用户引导程序，还执行以下操作：
获取待引导用户的当前行为记录；
从所述当前行为记录中提取参考特征；
根据所述参考特征计算所述待引导用户的参考特征向量。
进一步地，处理器1001可以调用存储器1005中存储的基于推荐系统的用户引导程序，还执行以下操作：
统计所述待选行为组合中各行为的行为总时间长度，并统计所述待选行为组合中各行为的行为步骤总数量；
根据所述行为总时间长度和所述行为步骤总数量计算所述待选行为组合的复杂度数值；
根据所述复杂度数值从所述待选行为组合中筛选目标行为组合。
进一步地，处理器1001可以调用存储器1005中存储的基于推荐系统的用户引导程序，还执行以下操作：
将最大的复杂度数值对应的待选行为组合作为目标行为组合。
本实施例中通过获取待引导用户的参考特征向量；查找与所述参考特征向量相匹配的待选用户；获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合；获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合；根据所述目标行为组合为所述待引导用户进行行为引导，从而通过参考特征向量匹配待选用户，从所述待选用户行为记录中筛选符合条件的目标行为组合，根据目标行为组合为待选用户进行行为引导，解决了不能针对不同用户的不同需求进行行为引导的技术问题。
基于上述硬件结构，提出本发明基于推荐系统的用户引导方法实施例。
参照图2，图2为本发明基于推荐系统的用户引导方法第一实施例的流程示意图。
在第一实施例中，所述基于推荐系统的用户引导方法包括以下步骤：
步骤S10，获取待引导用户的参考特征向量。
需要说明的是，本实施例的执行主体可为基于推荐系统的用户引导设备，还可为其他可实现相同或相似功能的设备，本实施例对此不作限制，在本实施例中，以基于推荐系统的用户引导设备为例进行说明。
需要说明的是，获取待引导用户的方式为获取当前用户在当前界面停留的时间长度，在所述时间长度超过预设阈值时，将所述当前用户作为待引导用户，所述预设阈值可以根据不同情况进行设置，所述当前界面可以是影视界面，也可以是购物界面，还可以是搜索界面等其他软件应用，本实施例对此不作限制，根据所述当前界面可以判断当前用户的行为类型，例如，当当前用户停留在影视界面时，可知当前用户是要观看影片，其用户行为为观看行为；当当前用户停留在搜索界面时，可知当前用户是要进行搜索，其用户行为为搜索行为等，本实施例对此不作限制，本实施例以当前界面为影视界面为例进行说明。
可以理解的是，当当前用户长时间在当前界面停留而不采取操作时，说明当前用户比较困惑，不知道接下来要进行什么操作，由此可以判断出所述当前用户需要进行行为引导，因此，将所述当前用户作为待引导用户。
在具体实现中，例如，当前用户打开了影视界面，但是长时间没有选择影片也没有进行影视搜索等其他操作时，将所述当前用户作为待引导用户。
需要说明的是，获取待引导用户的参考特征向量的方式为获取待引导用户的当前行为记录，根据所述当前行为记录和预设推荐系统计算所述待引导用户的参考特征向量，所述预设推荐系统是基于用户特征视角的推荐系统，是根据推荐系统模型预先搭建出的，预设推荐系统除了本身具有的推荐功能外，还能为用户引导的业务提供参考特征向量。
应当理解的是，获取待引导用户的参考特征向量的具体方式为，将当前行为记录输入预设推荐系统进行计算，预设推荐系统的中间层的结果即是网络提取到的参考特征向量，对于一个从用户特征视角建立的预设推荐系统，可以得到每个用户的参考特征向量，根据这些参考特征向量来定义用户之间的相似度。
在具体实现中，例如，根据待引导用户的当前行为记录列出全部的推荐目标产品作为一个向量，例如某一用户购买过的产品记为1，没有购买过的记为0，这样一个向量(独热码)可以视为这个用户的特征向量，根据待引导用户的参考特征向量和其他用户的特征向量之间的距离的定义(欧式距离、夹角等)可以得到待引导用户与其他不同用户之间的相似的强弱，即待引导用户与其他不同用户之间的相似度。
在具体实现中，又例如，如图3所示，图3给出了一个自编码器的网络结构图，它可以用于预设推荐系统，图中的Input(输入)是获取的待引导用户的当前行为记录，图中的Output(输出)是待引导用户对推荐产品的喜爱程度的预测分数，图中的Code(中间层)的结果即是网络提取到的用户的参考特征向量，根据提取到的参考特征向量来表示不同用户之间的相似度。
步骤S20，查找与所述参考特征向量相匹配的待选用户。
可以理解的是，每个用户都有自己的特征向量，根据特征向量可以匹配到和待引导用户相似的待选用户，这些待选用户和待引导用户有相似的行为记录特征，根据所述待选用户的行为记录对待引导用户进行行为引导。
应当理解的是，在数据库中存储有很多用户的特征向量，在获得待引导用户的参考特征向量后，查找与所述参考特征向量相匹配的待选用户，所述待选用户的特征向量与所述参考特征向量相同或相近。
步骤S30，获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合。
应当理解的是，用户对软件应用产生行为(如：购物软件中的购买行为、影视软件中的观看行为、搜索引擎的搜索行为等)，用户的行为得到对应的结果(如：购买行为得到购买成功的反馈提示，观看行为得到视频播放器的运行，搜索行为得到搜索结果列表等)，用户会根据反馈的结果可能会产生进一步的行为(如：评价购买体验，为视频内容打分，点击其中一个搜索结果等)随着用户行为和结果反馈不断交替，我们定义一个具有行为反馈信息的待选行为组合。
可以理解的是，从用户行为开始直到用户产生一个反馈行为(或直到用户产生一个行为，开发者可以推理出一个用户的反馈)，如：评分、打分、点赞都是明确的用户反馈行为，而长时间的观看、点击搜索结果等都是可以推理出用户反馈的用户行为。
步骤S40，获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合。
应当理解的是，所述行为信息包括行为总时间长度和行为步骤总数量，根据所述行为总时间长度和行为步骤总数量等指标来建立并计算所述行为组合的复杂度数值，然后选取最大复杂度数值对应的待选行为组合作为目标行为组合，也可通过其他指标来建立并计算所述行为组合的复杂度数值，本实施例对此不作限制。
步骤S50，根据所述目标行为组合为所述待引导用户进行行为引导。
可以理解的是，假设现在需要为用户B提供行为引导服务，在全部用户中寻找与用户B特征向量距离相近(也即相似度高)的一批用户，假设用户A是高相似度的用户之一，查看用户A的历史行为记录，筛选具有行为反馈信息的待选行为组合，根据具有行为反馈信息的待选行为组合的定义，可知它是具备或可推理出用户A对本次行为结果的反馈的，从中选出反馈是积极的待选行为组合，并且优先考虑高复杂度的待选行为组合，将其作为目标行为组合，根据所述目标行为组合为所述待引导用户进行行为引导。
在具体实现中，例如，以影视搜索、观看软件为例，在这个场景中用户的行为有影视搜索、点击观看搜索列表中的结果，定义用户进行影视搜索但未对搜索结果点击(接下来进行了其他行为或不再有后续行为)或用户进行影视搜索并点击观看了搜索列表中的结果为具有行为反馈信息的待选行为组合，其中前者为负反馈行为，后者为正反馈行为，根据两次正反馈之间间隔的负反馈个数定义后一次正反馈的待选行为组合的复杂度数值，根据用户的观看行为记录建立合适的推荐系统模型，并得出每个目标用户的特征向量，引导系统根据用户特征向量建立他们之间的距离，获得距离近的用户A和用户B，拿出用户A使用过的而用户B没有使用过的复杂度数值大的正反馈待选行为组合对应的搜索话术，将这个搜索话术作为用户B在使用搜索系统时的一个搜索引导。
本实施例中通过获取待引导用户的参考特征向量；查找与所述参考特征向量相匹配的待选用户；获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合；获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合；根据所述目标行为组合为所述待引导用户进行行为引导，从而通过参考特征向量匹配待选用户，从所述待选用户行为记录中筛选符合条件的目标行为组合，根据目标行为组合为待选用户进行行为引导，解决了不能针对不同用户的不同需求进行行为引导的技术问题。
在一实施例中，如图3所示，基于第一实施例提出本发明基于推荐系统的用户引导方法第二实施例，所述步骤S30，包括：
步骤S301，获取所述待选用户的历史行为记录。
可以理解的是，获取所述待选用户的历史行为记录，所述历史行为记录中记录有所述待选用户的各种历史行为。
步骤S302，从所述历史行为记录中筛选具有行为反馈信息的初选行为组合。
可以理解的是，从所述历史行为记录的历史行为中筛选具有行为反馈信息的初选行为组合，没有行为反馈信息的历史行为对当前用户并没有引导作用，因此，需要筛选具有行为反馈信息的初选行为组合。
应当理解的是，所述具有行为反馈信息的初选行为组合有后续一系列的行为动作，可以为所述待引导用户提供行为引导。
步骤S303，从所述初选行为组合中选取具有停留行为的预选行为组合，所述停留行为为在所述当前界面停留的行为。
可以理解的是，从所述初选行为组合中选取具有停留行为的预选行为组合的目的是，选取和待引导用户进行相同类型操作的预选行为组合，这样做出的行为引导才有意义。
应当理解的是，通过选取在所述当前界面停留的行为对应的初选行为组合就可以筛选和当前行为类型相近或相同的预选行为组合。
在具体实现中，例如，所述当前界面为影视界面，从所述初选行为组合中选取在影视界面停留的预选行为组合。
步骤S304，将所述行为反馈信息符合预设规则的预选行为组合作为待选行为组合。
可以理解的是，所述行为反馈信息包括正反馈信息和负反馈信息，所述反馈行为反馈信息分为明确反馈和推理反馈。所述正反馈信息为用户行为在得到反馈后，用户根据反馈结果又进行了点击、评分、点赞行为，或者在当前界面停留了一段时间后进行了操作；所述负反馈信息为用户行为在得到反馈后，用户根据反馈结果进行了低分评价，或者在当前界面停了很长时间并未进行操作，根据所述行为反馈信息，将行为反馈信息为正反馈的预选行为组合作为待选行为组合。
本实施例中通过获取所述待选用户的历史行为记录；从所述历史行为记录中筛选具有行为反馈信息的初选行为组合；从所述初选行为组合中选取具有停留行为的预选行为组合，所述停留行为为在所述当前界面停留的行为；将所述行为反馈信息符合预设规则的预选行为组合作为待选行为组合，从而通过获取待选用户的历史行为记录选取出待选行为组合。
在一实施例中，如图4所示，基于第一实施例或第二实施例提出本发明基于推荐系统的用户引导方法第三实施例，在本实施例中，基于第一实施例进行说明，所述步骤S40，包括：
步骤S401，统计所述待选行为组合中各行为的行为总时间长度，并统计所述待选行为组合中各行为的行为步骤总数量。
可以理解的是，所述待选行为组合为多个行为的一个集合，因此，可以统计所述待选行为组合中各行为的行为总时间长度，并统计所述待选行为组合中各行为的行为步骤总数量。
在具体实现中，例如，所述待选行为组合包括3个行为，3个行为总共耗时1分钟，那么统计的行为总时间长度为1分钟，统计的行为步骤总数量为3。
步骤S402，根据所述行为总时间长度和所述行为步骤总数量计算所述待选行为组合的复杂度数值。
可以理解的是，判断待选行为组合的复杂度可以通过计算复杂度数值，通过比较复杂度数值的大小来实现。
步骤S403，根据所述复杂度数值从所述待选行为组合中筛选目标行为组合。
可以理解的是，将最大的复杂度数值对应的待选行为组合作为目标行为组合，便可从所述待选行为组合中筛选复杂度最高的目标行为组合。
在具体实现中，例如，有3个待选行为组合，分别为A、B、C，计算得出它们的复杂度数值分别为15、18、19，可知，复杂度数值为19的C的复杂度最高，将C作为目标行为组合。
本实施例中通过统计所述待选行为组合中各行为的行为总时间长度，并统计所述待选行为组合中各行为的行为步骤总数量；根据所述行为总时间长度和所述行为步骤总数量计算所述待选行为组合的复杂度数值；根据所述复杂度数值从所述待选行为组合中筛选目标行为组合，从而通过复杂度数值选取目标行为组合，根据所述目标行为组合对所述待引导用户进行行为引导。
此外，本发明实施例还提出一种存储介质，所述存储介质上存储有基于推荐系统的用户引导程序，所述基于推荐系统的用户引导程序被处理器执行时实现如下操作：
获取待引导用户的参考特征向量；
查找与所述参考特征向量相匹配的待选用户；
获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合；
获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合；
根据所述目标行为组合为所述待引导用户进行行为引导。
进一步地，所述基于推荐系统的用户引导程序被处理器执行时还实现如下操作：
获取当前用户在当前界面停留的时间长度；
在所述时间长度超过预设阈值时，将所述当前用户作为待引导用户。
进一步地，所述基于推荐系统的用户引导程序被处理器执行时还实现如下操作：
获取所述待选用户的历史行为记录；
从所述历史行为记录中筛选具有行为反馈信息的初选行为组合；
从所述初选行为组合中选取具有停留行为的预选行为组合，所述停留行为为在所述当前界面停留的行为；
将所述行为反馈信息符合预设规则的预选行为组合作为待选行为组合。
进一步地，所述基于推荐系统的用户引导程序被处理器执行时还实现如下操作：
将所述行为反馈信息为正反馈信息的预选行为组合作为待选行为组合。
进一步地，所述基于推荐系统的用户引导程序被处理器执行时还实现如下操作：
获取待引导用户的当前行为记录；
从所述当前行为记录中提取参考特征；
根据所述参考特征计算所述待引导用户的参考特征向量。
进一步地，所述基于推荐系统的用户引导程序被处理器执行时还实现如下操作：
统计所述待选行为组合中各行为的行为总时间长度，并统计所述待选行为组合中各行为的行为步骤总数量；
根据所述行为总时间长度和所述行为步骤总数量计算所述待选行为组合的复杂度数值；
根据所述复杂度数值从所述待选行为组合中筛选目标行为组合。
进一步地，所述基于推荐系统的用户引导程序被处理器执行时还实现如下操作：
将最大的复杂度数值对应的待选行为组合作为目标行为组合。
本实施例中通过获取待引导用户的参考特征向量；查找与所述参考特征向量相匹配的待选用户；获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合；获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合；根据所述目标行为组合为所述待引导用户进行行为引导，从而通过参考特征向量匹配待选用户，从所述待选用户行为记录中筛选符合条件的目标行为组合，根据目标行为组合为待选用户进行行为引导，解决了不能针对不同用户的不同需求进行行为引导的技术问题。
此外，参照图5，本发明实施例还提出一种基于推荐系统的用户引导装置，所述基于推荐系统的用户引导装置包括：
用户获取模块10，用于获取待引导用户的参考特征向量。
需要说明的是，获取待引导用户的方式为获取当前用户在当前界面停留的时间长度，在所述时间长度超过预设阈值时，将所述当前用户作为待引导用户，所述预设阈值可以根据不同情况进行设置，所述当前界面可以是影视界面，也可以是购物界面，还可以是搜索界面等其他软件应用，本实施例对此不作限制，根据所述当前界面可以判断当前用户的行为类型，例如，当当前用户停留在影视界面时，可知当前用户是要观看影片，其用户行为为观看行为；当当前用户停留在搜索界面时，可知当前用户是要进行搜索，其用户行为为搜索行为等，本实施例对此不作限制，本实施例以当前界面为影视界面为例进行说明。
可以理解的是，当当前用户长时间在当前界面停留而不采取操作时，说明当前用户比较困惑，不知道接下来要进行什么操作，由此可以判断出所述当前用户需要进行行为引导，因此，将所述当前用户作为待引导用户。
在具体实现中，例如，当前用户打开了影视界面，但是长时间没有选择影片也没有进行影视搜索等其他操作时，将所述当前用户作为待引导用户。
需要说明的是，获取待引导用户的参考特征向量的方式为获取待引导用户的当前行为记录，根据所述当前行为记录和预设推荐系统计算所述待引导用户的参考特征向量，所述预设推荐系统是基于用户特征视角的推荐系统，是根据推荐系统模型预先搭建出的，预设推荐系统除了本身具有的推荐功能外，还能为用户引导的业务提供参考特征向量。
应当理解的是，获取待引导用户的参考特征向量的具体方式为，将当前行为记录输入预设推荐系统进行计算，预设推荐系统的中间层的结果即是网络提取到的参考特征向量，对于一个从用户特征视角建立的预设推荐系统，可以得到每个用户的参考特征向量，根据这些参考特征向量来定义用户之间的相似度。
在具体实现中，例如，根据待引导用户的当前行为记录列出全部的推荐目标产品作为一个向量，例如某一用户购买过的产品记为1，没有购买过的记为0，这样一个向量(独热码)可以视为这个用户的特征向量，根据待引导用户的参考特征向量和其他用户的特征向量之间的距离的定义(欧式距离、夹角等)可以得到待引导用户与其他不同用户之间的相似的强弱，即待引导用户与其他不同用户之间的相似度。
在具体实现中，又例如，如图3所示，图3给出了一个自编码器的网络结构图，它可以用于预设推荐系统，图中的Input(输入)是获取的待引导用户的当前行为记录，图中的Output(输出)是待引导用户对推荐产品的喜爱程度的预测分数，图中的Code(中间层)的结果即是网络提取到的用户的参考特征向量，根据提取到的参考特征向量来表示不同用户之间的相似度。
用户匹配模块20，用于查找与所述参考特征向量相匹配的待选用户。
可以理解的是，每个用户都有自己的特征向量，根据特征向量可以匹配到和待引导用户相似的待选用户，这些待选用户和待引导用户有相似的行为记录特征，根据所述待选用户的行为记录对待引导用户进行行为引导。
应当理解的是，在数据库中存储有很多用户的特征向量，在获得待引导用户的参考特征向量后，查找与所述参考特征向量相匹配的待选用户，所述待选用户的特征向量与所述参考特征向量相同或相近。
行为获取模块30，用于获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合。
应当理解的是，用户对软件应用产生行为(如：购物软件中的购买行为、影视软件中的观看行为、搜索引擎的搜索行为等)，用户的行为得到对应的结果(如：购买行为得到购买成功的反馈提示，观看行为得到视频播放器的运行，搜索行为得到搜索结果列表等)，用户会根据反馈的结果可能会产生进一步的行为(如：评价购买体验，为视频内容打分，点击其中一个搜索结果等)随着用户行为和结果反馈不断交替，我们定义一个具有行为反馈信息的待选行为组合。
可以理解的是，从用户行为开始直到用户产生一个反馈行为(或直到用户产生一个行为，开发者可以推理出一个用户的反馈)，如：评分、打分、点赞都是明确的用户反馈行为，而长时间的观看、点击搜索结果等都是可以推理出用户反馈的用户行为。
行为筛选模块40，用于获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合。
应当理解的是，所述行为信息包括行为总时间长度和行为步骤总数量，根据所述行为总时间长度和行为步骤总数量等指标来建立并计算所述行为组合的复杂度数值，然后选取最大复杂度数值对应的待选行为组合作为目标行为组合，也可通过其他指标来建立并计算所述行为组合的复杂度数值，本实施例对此不作限制。
行为引导模块50，用于根据所述目标行为组合为所述待引导用户进行行为引导。
可以理解的是，假设现在需要为用户B提供行为引导服务，在全部用户中寻找与用户B特征向量距离相近(也即相似度高)的一批用户，假设用户A是高相似度的用户之一，查看用户A的历史行为记录，筛选具有行为反馈信息的待选行为组合，根据具有行为反馈信息的待选行为组合的定义，可知它是具备或可推理出用户A对本次行为结果的反馈的，从中选出反馈是积极的待选行为组合，并且优先考虑高复杂度的待选行为组合，将其作为目标行为组合，根据所述目标行为组合为所述待引导用户进行行为引导。
在具体实现中，例如，以影视搜索、观看软件为例，在这个场景中用户的行为有影视搜索、点击观看搜索列表中的结果，定义用户进行影视搜索但未对搜索结果点击(接下来进行了其他行为或不再有后续行为)或用户进行影视搜索并点击观看了搜索列表中的结果为具有行为反馈信息的待选行为组合，其中前者为负反馈行为，后者为正反馈行为，根据两次正反馈之间间隔的负反馈个数定义后一次正反馈的待选行为组合的复杂度数值，根据用户的观看行为记录建立合适的推荐系统模型，并得出每个目标用户的特征向量，引导系统根据用户特征向量建立他们之间的距离，获得距离近的用户A和用户B，拿出用户A使用过的而用户B没有使用过的复杂度数值大的正反馈待选行为组合对应的搜索话术，将这个搜索话术作为用户B在使用搜索系统时的一个搜索引导。
在具体实现中，例如，以影视搜索、观看软件为例，在这个场景中用户的行为有影视搜索、点击观看搜索列表中的结果，定义用户进行影视搜索但未对搜索结果点击(接下来进行了其他行为或不再有后续行为)或用户进行影视搜索并点击观看了搜索列表中的结果为具有行为反馈信息的待选行为组合，其中前者为负反馈行为，后者为正反馈行为，根据两次正反馈之间间隔的负反馈个数定义后一次正反馈的待选行为组合的复杂度数值，根据用户的观看行为记录建立合适的推荐系统模型，并得出每个目标用户的特征向量，引导系统根据用户特征向量建立他们之间的距离，获得距离近的用户A和用户B，拿出用户A使用过的而用户B没有使用过的复杂度数值大的正反馈待选行为组合对应的搜索话术，将这个搜索话术作为用户B在使用搜索系统时的一个搜索引导。
本实施例中通过获取待引导用户的参考特征向量；查找与所述参考特征向量相匹配的待选用户；获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合；获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合；根据所述目标行为组合为所述待引导用户进行行为引导，从而通过参考特征向量匹配待选用户，从所述待选用户行为记录中筛选符合条件的目标行为组合，根据目标行为组合为待选用户进行行为引导，解决了不能针对不同用户的不同需求进行行为引导的技术问题。
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。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明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如上所述的一个计算机可读存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台智能终端设备(可以是手机，计算机，终端设备，空调器，或者网络终端设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于推荐系统的用户引导方法，其特征在于，所述基于推荐系统的用户引导方法包括以下步骤：
获取待引导用户的参考特征向量；
查找与所述参考特征向量相匹配的待选用户；
获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合；
获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合；
根据所述目标行为组合为所述待引导用户进行行为引导。
2.如权利要求1所述的基于推荐系统的用户引导方法，其特征在于，所述获取待引导用户的参考特征向量之前，还包括：
获取当前用户在当前界面停留的时间长度；
在所述时间长度超过预设阈值时，将所述当前用户作为待引导用户。
3.如权利要求2所述的基于推荐系统的用户引导方法，其特征在于，所述获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合，具体包括：
获取所述待选用户的历史行为记录；
从所述历史行为记录中筛选具有行为反馈信息的初选行为组合；
从所述初选行为组合中选取具有停留行为的预选行为组合，所述停留行为为在所述当前界面停留的行为；
将所述行为反馈信息符合预设规则的预选行为组合作为待选行为组合。
4.如权利要求3所述的基于推荐系统的用户引导方法，其特征在于，所述行为反馈信息包括正反馈信息；
所述将所述行为反馈信息符合预设规则的预选行为组合作为待选行为组合，具体包括：
将所述行为反馈信息为正反馈信息的预选行为组合作为待选行为组合。
5.如权利要求1所述的基于推荐系统的用户引导方法，其特征在于，所述获取待引导用户的参考特征向量，具体包括：
获取待引导用户的当前行为记录；
根据所述当前行为记录和预设推荐系统计算所述待引导用户的参考特征向量。
6.如权利要求1～5中任一项所述的基于推荐系统的用户引导方法，其特征在于，所述获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合，具体包括：
统计所述待选行为组合中各行为的行为总时间长度，并统计所述待选行为组合中各行为的行为步骤总数量；
根据所述行为总时间长度和所述行为步骤总数量计算所述待选行为组合的复杂度数值；
根据所述复杂度数值从所述待选行为组合中筛选目标行为组合。
7.如权利要求6所述的基于推荐系统的用户引导方法，其特征在于，所述根据所述复杂度数值从所述待选行为组合中筛选目标行为组合，具体包括：
将最大的复杂度数值对应的待选行为组合作为目标行为组合。
8.一种基于推荐系统的用户引导装置，其特征在于，所述基于推荐系统的用户引导装置包括：
用户获取模块，用于获取待引导用户的参考特征向量；
用户匹配模块，用于查找与所述参考特征向量相匹配的待选用户；
行为获取模块，用于获取所述待选用户的历史行为记录，从所述历史行为记录中筛选具有行为反馈信息的待选行为组合；
行为筛选模块，用于获取所述待选行为组合的行为信息，根据所述行为信息从所述待选行为组合中筛选目标行为组合；
行为引导模块，用于根据所述目标行为组合为所述待引导用户进行行为引导。
9.一种基于推荐系统的用户引导设备，其特征在于，所述基于推荐系统的用户引导设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的基于推荐系统的用户引导程序，所述基于推荐系统的用户引导程序配置有实现如权利要求1至7中任一项所述的基于推荐系统的用户引导方法的步骤。
10.一种存储介质，其特征在于，所述存储介质上存储有基于推荐系统的用户引导程序，所述基于推荐系统的用户引导程序被处理器执行时实现如权利要求1至7中任一项所述的基于推荐系统的用户引导方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910971752.5A CN110750718A (zh) | 2019-10-10 | 2019-10-10 | 基于推荐系统的用户引导方法、装置、设备及存储介质 |
| PCT/CN2020/111616 WO2021068676A1 (zh) | 2019-10-10 | 2020-08-27 | 基于推荐系统的用户引导方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910971752.5A CN110750718A (zh) | 2019-10-10 | 2019-10-10 | 基于推荐系统的用户引导方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110750718A true CN110750718A (zh) | 2020-02-04 |
Family
ID=69278189
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910971752.5A Pending CN110750718A (zh) | 2019-10-10 | 2019-10-10 | 基于推荐系统的用户引导方法、装置、设备及存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN110750718A (zh) |
| WO (1) | WO2021068676A1 (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021068676A1 (zh) * | 2019-10-10 | 2021-04-15 | 深圳Tcl新技术有限公司 | 基于推荐系统的用户引导方法、装置、设备及存储介质 |
| CN113626734A (zh) * | 2021-08-11 | 2021-11-09 | 百度在线网络技术（北京）有限公司 | 用户行为引导方法、装置、电子设备及存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150278376A1 (en) * | 2014-04-01 | 2015-10-01 | Baidu (China) Co., Ltd. | Method and apparatus for presenting search result |
| CN108647064A (zh) * | 2018-03-16 | 2018-10-12 | 阿里巴巴集团控股有限公司 | 操作路径导航的方法及装置 |
| CN108647293A (zh) * | 2018-05-07 | 2018-10-12 | 广州虎牙信息科技有限公司 | 视频推荐方法、装置、存储介质和服务器 |
| CN110111167A (zh) * | 2018-02-01 | 2019-08-09 | 北京京东尚科信息技术有限公司 | 一种确定推荐对象的方法和装置 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105979376A (zh) * | 2015-12-02 | 2016-09-28 | 乐视致新电子科技（天津）有限公司 | 一种推荐方法和装置 |
| CN110750718A (zh) * | 2019-10-10 | 2020-02-04 | 深圳Tcl新技术有限公司 | 基于推荐系统的用户引导方法、装置、设备及存储介质 |
-
2019
- 2019-10-10 CN CN201910971752.5A patent/CN110750718A/zh active Pending
-
2020
- 2020-08-27 WO PCT/CN2020/111616 patent/WO2021068676A1/zh active Application Filing
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150278376A1 (en) * | 2014-04-01 | 2015-10-01 | Baidu (China) Co., Ltd. | Method and apparatus for presenting search result |
| CN110111167A (zh) * | 2018-02-01 | 2019-08-09 | 北京京东尚科信息技术有限公司 | 一种确定推荐对象的方法和装置 |
| CN108647064A (zh) * | 2018-03-16 | 2018-10-12 | 阿里巴巴集团控股有限公司 | 操作路径导航的方法及装置 |
| CN108647293A (zh) * | 2018-05-07 | 2018-10-12 | 广州虎牙信息科技有限公司 | 视频推荐方法、装置、存储介质和服务器 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2021068676A1 (zh) * | 2019-10-10 | 2021-04-15 | 深圳Tcl新技术有限公司 | 基于推荐系统的用户引导方法、装置、设备及存储介质 |
| CN113626734A (zh) * | 2021-08-11 | 2021-11-09 | 百度在线网络技术（北京）有限公司 | 用户行为引导方法、装置、电子设备及存储介质 |
| CN113626734B (zh) * | 2021-08-11 | 2023-09-19 | 百度在线网络技术（北京）有限公司 | 用户行为引导方法、装置、电子设备及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2021068676A1 (zh) | 2021-04-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10686843B2 (en) | Authorization policy recommendation method and apparatus, server, and storage medium | |
| CN109145204B (zh) | 画像标签生成和使用方法及系统 | |
| KR101620748B1 (ko) | 아이템 추천 방법 및 아이템 추천 장치 | |
| CN109922379B (zh) | 广告视频优化方法、装置、设备及计算机可读存储介质 | |
| JP2017513090A (ja) | オブジェクト検索方法および装置 | |
| CN106507143A (zh) | 视频推荐方法及装置 | |
| CN108712478B (zh) | 一种分享寄宿应用的方法及设备 | |
| CN109168047B (zh) | 视频推荐方法、装置、服务器及存储介质 | |
| US20170169062A1 (en) | Method and electronic device for recommending video | |
| CN105005582A (zh) | 多媒体信息的推荐方法及装置 | |
| US20220261591A1 (en) | Data processing method and apparatus | |
| CN112468852B (zh) | 媒资推荐方法、装置、系统及计算机可读存储介质 | |
| CN110837577A (zh) | 一种视频推荐方法、装置、设备及存储介质 | |
| CN110750718A (zh) | 基于推荐系统的用户引导方法、装置、设备及存储介质 | |
| CN111241381A (zh) | 信息推荐方法、装置、电子设备及计算机可读存储介质 | |
| CN109451334B (zh) | 用户画像生成处理方法、装置及电子设备 | |
| CN114780753A (zh) | 基于知识图谱的对话推荐方法、装置、设备及存储介质 | |
| KR102205686B1 (ko) | 후보 문자 순위화 방법 및 장치와 문자 입력 방법 및 장치 | |
| CN111400616B (zh) | 账户的推荐方法及装置 | |
| CN111475628A (zh) | 会话数据处理方法、装置、计算机设备和存储介质 | |
| CN111768241A (zh) | 交互资格等级确定方法、装置、设备及存储介质 | |
| CN108848152B (zh) | 一种对象推荐的方法及服务器 | |
| CN111090790A (zh) | 一种数据处理方法、装置及电子设备 | |
| CN111104550A (zh) | 视频推荐方法、装置、电子设备及计算机可读存储介质 | |
| CN110381339B (zh) | 图片传输方法及装置 |
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 |