CN110765387A - 用户界面生成方法、装置、计算设备及存储介质 - Google Patents
用户界面生成方法、装置、计算设备及存储介质 Download PDFInfo
- Publication number
- CN110765387A CN110765387A CN201910846375.2A CN201910846375A CN110765387A CN 110765387 A CN110765387 A CN 110765387A CN 201910846375 A CN201910846375 A CN 201910846375A CN 110765387 A CN110765387 A CN 110765387A
- Authority
- CN
- China
- Prior art keywords
- user
- service
- data
- attribute data
- preference information
- 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
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000004458 analytical method Methods 0.000 claims abstract description 35
- 230000006399 behavior Effects 0.000 claims description 160
- 238000004364 calculation method Methods 0.000 claims description 32
- 238000004590 computer program Methods 0.000 claims description 12
- 238000013507 mapping Methods 0.000 claims description 9
- 230000000694 effects Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 6
- 230000003993 interaction Effects 0.000 description 6
- 201000010099 disease Diseases 0.000 description 4
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 4
- 238000012163 sequencing technique Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
- G06F8/38—Creation or generation of source code for implementing user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Development Economics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Human Computer Interaction (AREA)
- Game Theory and Decision Science (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明适用于计算机技术领域,提供了一种用户界面生成方法、装置、计算设备及存储介质,该方法包括:通过获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据,将获取到的用户行为数据和用户属性数据输入到预先建立好的服务偏好分析模型,得到用户的服务偏好信息,根据服务偏好信息生成用户界面,从而通过对用户行为数据和用户属性数据的综合分析,达到了针对不同用户生成不同的用户界面的效果,提高了用户界面的灵活度,简化了用户对偏好的服务的操作步骤,提升了用户体验。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种用户界面生成方法、装置、计算设备及存储介质。
背景技术
当前,在各网站或者APP的用户界面里提供了供用户使用的各种服务,该用户服务通过用户界面中对应的菜单项来实现。通常来说,各个服务对应的菜单项在用户界面中的布局以及其实现过程都是按照预先设定好的规则设计来实现的,当用户需要用到某项服务的时候,需要按照预先设定的顺序去查找到并触发该服务,某些服务甚至需要用户手动输入信息来查找。
按照预先设定好的规则设计用户界面带来的问题是,当用户需要启动或者触发的服务不在用户首页展示时,需要按照用户界面设计逻辑进行查找操作,对于需要输入信息来进行查询的服务,用户每次仍需要进行手动输入或者根据历史查询记录进行选择,这些繁琐而重复的操作设计和千人一面的界面效果,导致用户体验不佳。
发明内容
本发明的目的在于提供一种用户界面生成方法、装置、计算设备及存储介质,旨在解决现有用户界面千人一面导致的用户操作繁琐以及用户体验不佳的问题。
一方面,本发明提供一种用户界面生成方法,所述方法包括下述步骤:
获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据,所述用户属性数据包括个人属性数据和资产属性数据;
将获取到的所述用户行为数据和所述用户属性数据输入到预先建立好的服务偏好分析模型,得到所述用户的服务偏好信息;
根据所述服务偏好信息生成用户界面。
优选地,所述资产属性数据包括购买的房产、汽车、保险、基金中的一种或多种数据。
优选地,所述服务偏好分析模型包含服务偏好得分公式,所述服务偏好得分公式为C(i)=αi×Bi+βi×Pi,其中,C(i)表示第i个服务对应的服务偏好得分,αi、βi分别表示第i个服务对应的所述用户行为数据和所述用户属性数据的计算权重,Bi、Pi分别表示第i个服务对应的所述用户行为数据得分和所述用户属性数据得分。
优选地,所述将获取到的所述用户行为数据和所述用户属性数据输入到预先建立好的服务偏好分析模型,得到所述用户的服务偏好信息的步骤,包括:
对获取到的所述用户行为数据和所述用户属性数据进行分析,确定所述用户行为数据和所述用户属性数据对应的数据区间;
根据所述数据区间确定所述用户行为数据和所述用户属性数据的计算权重;
根据所述计算权重、所述用户行为数据得分、所述用户属性数据得分和所述服务偏好得分公式,得到所述用户的服务偏好信息。
优选地,所述得到所述用户的服务偏好信息的步骤之后,包括:
获取所述用户对所述服务偏好信息中各服务的服务熟悉度;
根据所述服务熟悉度更新所述服务偏好信息。
优选地,所述根据所述服务熟悉度更新所述服务偏好信息的步骤,包括:
根据所述服务熟悉度和已建立的服务熟悉度映射关系表,确定所述服务偏好信息中各服务关联的服务;
根据所述关联的服务更新所述服务偏好信息。
优选地,根据所述关联的服务更新所述服务偏好信息的步骤,包括:
将所述服务偏好信息中的各服务更新为所述关联的服务。
另一方面,本发明提供了一种用户界面生成装置,所述装置包括:
数据获取单元,用于获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据;
偏好确定单元,用于将获取到的所述用户行为数据和所述用户属性数据输入到预先建立好的服务偏好分析模型,得到所述用户的服务偏好信息;以及
界面生成单元,用于根据所述服务偏好信息生成用户界面。
另一方面,本发明还提供了一种计算设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如上所述方法的步骤。
另一方面,本发明还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上所述方法的步骤。
本发明通过获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据,将获取到的用户行为数据和用户属性数据输入到预先建立好的服务偏好分析模型,得到用户的服务偏好信息,根据服务偏好信息生成用户界面,从而通过对用户行为数据和用户属性数据的综合分析,达到了针对不同用户生成不同的用户界面的效果,提高了用户界面的灵活度,简化了用户对偏好的服务的操作步骤,提升了用户体验。
附图说明
图1是本发明实施例一提供的用户界面生成方法的实现流程图;
图2是本发明实施例二提供的步骤S102的细化流程图;
图3是本发明实施例三提供的用户界面生成方法的实现流程图;
图4是本发明实施例四提供的用户界面生成装置的结构示意图;
图5是本发明实施例五提供的用户界面生成装置的结构示意图;以及
图6是本发明实施例六提供的计算设备的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。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。
以下结合具体实施例对本发明的具体实现进行详细描述:
实施例一:
在本发明实施例中,如图1所示,提供一种用户界面生成方法,以该方法应用在图1中的服务器为例进行说明,包括如下步骤:
在步骤S101中,获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据。
本发明实施例适用于用户界面生成,该预设场景可以理解为人机交互场景,比如,某个网站或APP的主界面,或者某个网站或者APP的某个服务模块对应的子界面,在此不作限定。该预设时间段可以为一固定值,例如,一个月,该预设的时间段也可以由用户需要灵活调整,在此不作限定。
在获取用户行为数据时,可以从该预设场景对应的交互日志记录中获取,该用户行为数据可以理解为用户在该预设场景下的用户交互行为信息,用户行为数据可以包括访问流程、访问入口、访问的服务、在该访问服务下的停留时间、访问的时间、回访的次数、回访的时间间隔、访问时的查询关键字中的一种或者多种数据,当然,该用户行为数据还可以为上述以外的用户交互行为信息。
在获取用户属性数据时,可以从该预设场景对应的用户账号注册信息中获取用户属性数据,还可以从用户在该预设场景下的消费记录中获取用户属性数据,其中,用户属性数据包括个人属性数据和资产属性数据,个人属性数据可以包括性别、年龄、身高、职业、婚姻状况、居所地、子女个数、子女年龄中的一种或者多种数据,资产属性数据可以包括购买的房产、汽车、保险、基金中的一种或多种数据,资产数据还可以进一步包括房产是否贷款、贷款金额、贷款方式、汽车的车型、颜色、座位数、购买日期、购买价格、已购买保险的种类、投保金额、购买基金的类型等,当然,用户行为数据和用户属性数据也可以包括上述以外的用户属性数据,在此不做限定。
作为示例地,用户对P保险公司的用户APP的操作记录保存在对应的操作日志中,同时,该用户的账号信息中还包含有用户在APP中的注册信息、投保信息、基金购买数据,其中,注册信息中包含有用户个人属性数据,投保信息、基金购买信息包含有用户资产属性数据,同时,投保信息中又包含有详细的用户属性数据。
在获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据前,可以对该预设场景下的所有服务进行统计和分类,根据统计和分类结果建立服务集合,具体地,可以将该场景提供的所有服务按照服务等级进行分类,从上述分类好的服务中按照预设的方式进行服务提取,得到服务集合{服务1,服务2,...,服务n},例如,将A应用提供的服务按照服务等级进行分类,得到一级服务、二级服务、三级服务,提取所有的三级服务,得到服务集合。
在步骤S102中,将获取到的用户行为数据和用户属性数据输入到预先建立好的服务偏好分析模型,得到用户的服务偏好信息。
在本发明实施例中,将获取到的用户行为数据和用户属性数据输入到预先建立好的服务偏好分析模型,得到用户的服务偏好信息时,优选地,该服务偏好分析模型包含服务偏好得分公式,该服务偏好得分公式为C(i)=αi×Bi+βi×Pi,其中,C(i)表示第i个服务对应的服务偏好得分,αi、βi分别表示第i个服务对应的用户行为数据和用户属性数据的计算权重,Bi、Pi分别表示第i个服务对应的用户行为数据得分和用户属性数据得分,以便于根据服务偏好得分公式得出用户的第一服务偏好信息。在这里需要说明的是,该计算权重可以是一固定值,也可以根据获取到的用户行为数据和用户属性数据确定,根据获取到的用户行为数据和用户属性数据确定该计算权重的具体实施方式可参考实施例二的描述,在此不再赘述。
具体地,该服务偏好分析模型中包含每个服务与用户行为数据和用户属性数据的关联关系,服务偏好分析模型根据上述关联关系将获取到的用户行为数据和用户属性数据以及分别进行统计和分类,得到基于服务的用户行为集合和用户属性集合:{服务1,服务2,...,服务n}={{b11,b12,b13,...,b1i},{b21,b22,b23,...,b2j},...,{bn1,bn2,bn3,...,bnk}};{服务1,服务2,...,服务n}={{p11,p12,p13,...,p1i},{p21,p22,p23,...,p2j},...,{pn1,pn2,pn3,...,pnk}},其中,bnk表示某个具体的用户行为,比如,用户对某服务对应服务的访问次数,pnk表示某个具体的用户属性,比如,已购买的保单数量。
在这里需要说明的是,考虑到每个具体的用户行为数据或用户属性数据可能与多个服务建立有关联关系,因此,每个具体的用户行为或用户属性可能出现在不同的用户行为集合或用户属性集合中。
进一步地,考虑到每个服务对用户行为数据或用户属性数据的依赖程度不同,每个服务下的用户行为数据或用户属性数据的权重可能并不相同,在得到基于服务的用户行为集合和用户属性集合后,根据已定义的每个具体地服务对应的用户行为数据和用户属性数据的得分计算方式,得到基于用户行为的服务偏好向量:(服务1,服务2,...,服务n)=(B1,B2,B3,...,Bn),以及基于用户属性的服务偏好向量:(服务1,服务2,...,服务n)=(P1,P2,P3,...,Pn)。
在定义每个服务对应的用户行为数据或用户属性数据的得分计算方式时,可以为每个具体的用户行为或用户属性赋予一个特定的行为数值或属性数值,然后根据每个服务对应的用户行为或者用户属性,以及该用户行为或用户属性对应的行为数值或属性数值,求和后得到每个服务对应的用户行为得分或用户属性得分。作为示例地,服务1对应的用户行为数据为30天内用户对服务1的访问次数以及每次访问的驻留时间,已定义的服务1对应的用户行为数据的计算方式为:访问次数分值+驻留时间分值,其中,每一次访问的分值定义为0.8,驻留时间≤10秒对应的分值为0.1,10秒<驻留时间≤1分钟对应的分值为0.2,驻留时间>1分钟时对应的分值为0.6,若30天内用户对服务1的访问次数为3次,对应的驻留时间分别为30秒、2分钟、5分钟,则服务1对应的用户行为得分B1=0.8×3+0.2+0.6+0.6=3.8。
然后,根据上述基于用户行为的服务偏好向量和基于用户属性的服务偏好向量,以及服务偏好得分公式:C(i)=αi×Bi+βi×Pi,计算得到用户的服务偏好向量:(服务1,服务2,...,服务n)=(C1,C2,C3,...,Cn),再根据服务偏好向量输出用户的服务偏好信息,其中,该服务偏好信息可以是从服务偏好向量中提取的若干数量的服务组成的集合,该集合中的服务包含有优先级排序,也可以是详细的服务分类列表,当然,服务偏好信息中还可以包含每个服务对应的其它参数,如,访问时间段、服务偏好得分等,在此不做限定。
在步骤S103中,根据服务偏好信息生成用户界面。
在本发明实施例中,可以将服务偏好信息中若干数量的服务在用户界面进行随机展示,也可以对用户界面中的多个展示区域进行优先级排序,将服务偏好信息中的服务按照服务偏好排序在该多个展示区域进行展示。优选地,根据服务偏好信息确定待展示内容和用户界面的界面布局,该待展示内容包括文字、图片,该界面布局包括展示区域的展示比例、数量和展示位置,根据待展示内容和界面布局生成用户界面,从而实现了针对不同用户生成不同的用户界面,提高了用户界面的灵活度,简化了用户对偏好的服务的操作步骤,提升了用户体验。
在根据服务偏好信息确定用户界面中的展示区域的展示比例和数量时,可以预先设置一得分阈值,以及数量的最大上限,根据该得分阈值、该最大上限和服务偏好得分确定展示区域的具体数量,对于展示比例的确定,可以根据确定好的展示区域的具体数量、用户界面的可展示的区域、服务偏好得分确定展示比例,所有展示区域的展示比例可以相同,也可以不同,在此不作限定。
作为示例地,若用户的服务偏好信息包含五个服务:车险、重大疾病保险、意外险、航空险、活期理财,五个服务对应的用户服务偏好得分分别为0.8、0.5、0.4、0.2、0.1,若展示区域的数量设有最大值4,同时,设有得分阈值0.3,则确定用户界面的展示区域的数量为3个,根据车险、重大疾病保险、意外险对应的待展示内容生成用户界面。
在本发明实施例中,通过获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据,将获取到的用户行为数据和用户属性数据输入到预先建立好的服务偏好分析模型,得到用户的服务偏好信息,根据服务偏好信息生成用户界面,从而通过对用户行为数据和用户属性数据的综合分析,达到了针对不同用户生成不同的用户界面的效果,提高了用户界面的灵活度,简化了用户对偏好的服务的操作步骤,提升了用户体验。
实施例二:
本发明实施例基于实施例一,如图2所示,在将获取到的用户行为数据和用户属性数据输入到预先建立好的服务偏好分析模型,得到用户的服务偏好信息时,对获取到的用户行为数据和用户属性数据进行分析,确定获取到的用户行为数据和用户属性数据对应的数据区间,根据该数据区间调整确定用户行为数据和用户属性数据的计算权重,根据该计算权重以及服务偏好得分公式,得出用户的服务偏好信息,具体包括如下步骤:
在步骤S201中,对获取到的用户行为数据和用户属性数据进行分析,确定获取到的用户行为数据和用户属性数据对应的数据区间。
在本发明实施例中,在对获取到的用户行为数据和用户属性数据进行分析时,可以将获取到的用户行为数据和/或用户属性数据与预设的阈值进行比较,根据比较结果确定用户行为数据和用户属性数据对应的数据区间,该阈值可以是单一的用户行为数据或用户属性数据阈值,例如,访问次数阈值,又如访问驻留时间阈值,该阈值还可以包括多个用户行为数据和/或用户属性数据阈值,例如,该阈值包括行为数量阈值和行为时间阈值。相应地,该数据区间是根据阈值确定的数据区间,该数据区间可以是两个,也可以是更多个,在此不作限定。
作为示例地,若A服务对应的阈值为访问次数阈值,该访问次数阈值为10,对应的数据区间包括第一数据区间(0,10),第二数据区间[10,∞),统计得到A服务对应的用户访问次数为4,则确定获取到的用户行为数据对应的数据区间为第一数据区间(0,10)。
又一示例地,若B服务对应的阈值为访问次数阈值和访问频率阈值组合,第一数据区间包括访问次数区间(0,5)或访问频率区间(0,3),第二数据区间包括访问次数区间[5,50]和访问频率区间[3,10],第三阈值区间为访问次数区间(50,∞)或访问频率区间(10,∞),统计得到B服务对应的用户访问数量为4,访问频率为3天,则确定获取到的用户行为数据对应的数据区间为第一数据区间。
在对获取到的用户行为数据和用户属性数据进行分析,确定获取到的用户行为数据和用户属性数据对应的数据区间时,还可以对获取到的用户行为数据和用户属性数据的完整性进行分析,得出数据完整度,根据数据完整度与数据完整度阈值的比较,确定用户行为数据和用户属性数据对应的数据区间,当然,还可以采用上述两种方式的结合来确定用户行为数据和用户属性数据对应的数据区间,在此不作限定。
在步骤S202中,根据该数据区间确定用户行为数据和用户属性数据的计算权重。
在本发明实施例中,每个数据区间均对应有相应的计算权重,根据该数据区间确定用户行为数据和用户属性数据的计算权重,以进一步提高用户服务偏好的准确性。例如,若设置有3个数据区间(0,5]、[5,20)、[20,∞),相应地,该三个数据区间对应的计算权重分别为αi-0.2、βi+0.2,αi、βi,αi-0.1、βi+0.1,用户行为数据和用户属性数据对应的数据区间为[20,∞),则确定用户行为数据和用户属性数据的权重分别为αi-0.1、βi+0.1。
在步骤S203中,根据计算权重、用户行为数据得分、用户属性数据得分和服务偏好得分公式,得出用户的服务偏好信息。
在本发明实施例中,步骤S203的具体实施方式可参考前述实施例一中步骤S102的描述,在此不再赘述。
在本发明实施例中,通过对获取到的用户行为数据和用户属性数据进行分析,确定获取到的用户行为数据和用户属性数据对应的数据区间,根据该数据区间确定用户行为数据和用户属性数据的计算权重,根据计算权重和服务偏好得分公式,得出用户的服务偏好信息,从而提高了用户服务偏好分析模型的的准确性。
实施例三:
本发明实施例基于实施例一,如图3所示,在将获取到的用户行为数据和用户属性数据输入到预先建立好的服务偏好分析模型,得到用户的服务偏好信息之后,获取用户对服务偏好信息中各服务的服务熟悉度,根据服务熟悉度更新服务偏好信息。,具体包括:
在步骤S301中,获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据。
在步骤S302中,将获取到的用户行为数据和用户属性数据输入到预先建立好的服务偏好分析模型,得到用户的服务偏好信息。
在本发明实施例中,步骤S301-S302的具体实施方式可参考实施例一中步骤S101-S102的描述,在此不再赘述。
在步骤S303中,获取用户对服务偏好信息中各服务的服务熟悉度。
具体地,在获取用户对服务偏好信息中各服务的服务熟悉度时,可以通过计算出的用户对服务偏好的服务熟悉度得分,以及该得分所属的熟悉度区间来进行判断,该服务熟悉度的得分计算公式可以为单独的计算公式,为减小数据运算量,该服务熟悉度的得分计算公式可以与服务偏好度得分公式相同,即该服务偏好得分即为熟悉度得分,然后根据服务偏好得分所属的熟悉度区间来确定用户对服务的熟悉程度。作为示例地,若服务C为保险购买服务,熟悉度分为陌生、一般和熟悉三级,对应的服务偏好得分区间为(0,0.2)、[0.2,0.4]、(0.4,1),若用户对服务C的服务偏好得分为0.5,则判定用户A对保险购买服务的服务熟悉度为熟悉。
在步骤S304中,根据服务熟悉度更新服务偏好信息。
具体地,在更新服务偏好信息前,需要首先建立用户基于熟悉度的服务熟悉度映射关系表,在服务熟悉度映射关系表中,根据用户对某个服务的熟悉程度,分别为不同的服务建立关联关系,在建立关联关系时,可以根据不同的熟悉程度为各服务建立不同的关联关系,也可以仅为达到一定熟悉度阈值的服务建立关联关系,该关联关系可存储于服务熟悉度映射关系表中,在根据服务熟悉度更新服务偏好信息时,优选地,根据服务熟悉度和已建立的服务熟悉度映射关系表,确定服务偏好信息中各服务基于服务熟悉度映射关系表关联的服务,根据关联的服务更新服务偏好信息,从而提高了对用户服务偏好分析的准确度。在根据关联的服务更新服务偏好信息时,优选地,将服务偏好信息中的各服务更新为上述各服务关联的服务,从而进一步提高了对用户服务偏好分析的准确度。当然,也可以在服务偏好信息中增加上述各服务关联的服务,在此不作限定。
作为示例地,服务熟悉度映射关系表中包含有买保险、查看保单两个服务,为买保险服务与查看保单服务建立关联关系:当用户熟悉度为一般时,买保险服务关联的服务仍为买保险服务,当用户熟悉度为熟悉时,买保险服务关联的服务为查看保单服务,服务偏好信息的更新方式为将服务偏好信息中的各服务替换为上述各服务关联的服务,若服务偏好信息中仅包含有买保险服务,且用户对买保险服务的熟悉度为熟悉,则将服务偏好信息中的买保险服务更新为查看保单服务,更新后的服务偏好信息中仅包含查看保单服务。
又一示例地,服务熟悉度映射关系表中包含有买保险、查看保单两个服务,为买保险服务与查看保单服务建立关联关系:当用户熟悉度为一般时,买保险服务关联的服务仍为买保险服务,当用户熟悉度为熟悉时,买保险服务关联的服务为查看保单服务,服务偏好信息的更新方式为在服务偏好信息中增加各服务关联的服务,若服务偏好信息中仅包含有买保险服务,且用户对买保险服务的熟悉度为熟悉,则将服务偏好信息中的买保险服务更新为买保险服务和查看保单服务,更新后的服务偏好信息中包含买保险服务和查看保单服务。
在本发明实施例中,通过获取用户对服务偏好信息中各服务的服务熟悉度,根据服务熟悉度更新服务偏好信息,从而进一步提高了对用户服务偏好分析的准确度,提升了用户界面所提供的服务的用户满意度。
实施例四:
在本发明实施例中,如图4所示,提供了一种用户界面生成装置,为了便于说明,仅示出了与本发明实施例相关的部分,其中包括:
数据获取单元41,用于获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据。
本发明实施例适用于用户界面生成,该预设场景可以理解为人机交互场景,比如,某个网站或APP的主界面,或者某个网站或者APP的某个服务模块对应的子界面,在此不作限定。该预设时间段可以为一固定值,例如,一个月,该预设的时间段也可以由用户需要灵活调整,在此不作限定。
在获取用户行为数据时,可以从该预设场景对应的交互日志记录中获取,该用户行为数据可以理解为用户在该预设场景下的用户交互行为信息,用户行为数据可以包括访问流程、访问入口、访问的服务、在该访问服务下的停留时间、访问的时间、回访的次数、回访的时间间隔、访问时的查询关键字中的一种或者多种数据,当然,该用户行为数据还可以为上述以外的用户交互行为信息。
在获取用户属性数据时,可以从该预设场景对应的用户账号注册信息中获取用户属性数据,还可以从用户在该预设场景下的消费记录中获取用户属性数据,其中,用户属性数据包括个人属性数据和资产属性数据,个人属性数据可以包括性别、年龄、身高、职业、婚姻状况、居所地、子女个数、子女年龄中的一种或者多种数据,资产属性数据可以包括购买的房产、汽车、保险、基金中的一种或多种数据,资产数据还可以进一步包括房产是否贷款、贷款金额、贷款方式、汽车的车型、颜色、座位数、购买日期、购买价格、已购买保险的种类、投保金额、购买基金的类型等,当然,用户行为数据和用户属性数据也可以包括上述以外的用户属性数据,在此不做限定。
在获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据前,可以对该预设场景下的所有服务进行统计和分类,根据统计和分类结果建立服务集合,具体地,可以将该场景提供的所有服务按照服务等级进行分类,从上述分类好的服务中按照预设的方式进行服务提取,得到服务集合{服务1,服务2,...,服务n},例如,将A应用提供的服务按照服务等级进行分类,得到一级服务、二级服务、三级服务,提取所有的三级服务,得到服务集合。
偏好确定单元42,用于将获取到的用户行为数据和用户属性数据输入到预先建立好的服务偏好分析模型,得到用户的服务偏好信息。
在本发明实施例中,将获取到的用户行为数据和用户属性数据输入到预先建立好的服务偏好分析模型,得到用户的服务偏好信息时,优选地,该服务偏好分析模型包含服务偏好得分公式,该服务偏好得分公式为C(i)=αi×Bi+βi×Pi,其中,C(i)表示第i个服务对应的服务偏好得分,αi、βi分别表示第i个服务对应的用户行为数据和用户属性数据的计算权重,Bi、Pi分别表示第i个服务对应的用户行为数据得分和用户属性数据得分,以便于根据服务偏好得分公式得出用户的第一服务偏好信息。在这里需要说明的是,该计算权重可以是一固定值,也可以根据获取到的用户行为数据和用户属性数据确定,根据获取到的用户行为数据和用户属性数据确定该计算权重的具体实施方式可参考实施例二的描述,在此不再赘述。
具体地,该服务偏好分析模型中包含每个服务与用户行为数据和用户属性数据的关联关系,服务偏好分析模型根据上述关联关系将获取到的用户行为数据和用户属性数据以及分别进行统计和分类,得到基于服务的用户行为集合和用户属性集合:{服务1,服务2,...,服务n}={{b11,b12,b13,...,b1i},{b21,b22,b23,...,b2j},...,{bn1,bn2,bn3,...,bnk}};{服务1,服务2,...,服务n}={{p11,p12,p13,...,p1i},{p21,p22,p23,...,p2j},...,{pn1,pn2,pn3,...,pnk}},其中,bnk表示某个具体的用户行为,比如,用户对某服务对应服务的访问次数,pnk表示某个具体的用户属性,比如,已购买的保单数量。
在这里需要说明的是,考虑到每个具体的用户行为数据或用户属性数据可能与多个服务建立有关联关系,因此,每个具体的用户行为或用户属性可能出现在不同的用户行为集合或用户属性集合中。
进一步地,考虑到每个服务对用户行为数据或用户属性数据的依赖程度不同,每个服务下的用户行为数据或用户属性数据的权重可能并不相同,在得到基于服务的用户行为集合和用户属性集合后,根据已定义的每个具体地服务对应的用户行为数据和用户属性数据的得分计算方式,得到基于用户行为的服务偏好向量:(服务1,服务2,...,服务n)=(B1,B2,B3,...,Bn),以及基于用户属性的服务偏好向量:(服务1,服务2,...,服务n)=(P1,P2,P3,...,Pn)。
在定义每个服务对应的用户行为数据或用户属性数据的得分计算方式时,可以为每个具体的用户行为或用户属性赋予一个特定的行为数值或属性数值,然后根据每个服务对应的用户行为或者用户属性,以及该用户行为或用户属性对应的行为数值或属性数值,求和后得到每个服务对应的用户行为得分或用户属性得分。作为示例地,服务1对应的用户行为数据为30天内用户对服务1的访问次数以及每次访问的驻留时间,已定义的服务1对应的用户行为数据的计算方式为:访问次数分值+驻留时间分值,其中,每一次访问的分值定义为0.8,驻留时间≤10秒对应的分值为0.1,10秒<驻留时间≤1分钟对应的分值为0.2,驻留时间>1分钟时对应的分值为0.6,若30天内用户对服务1的访问次数为3次,对应的驻留时间分别为30秒、2分钟、5分钟,则服务1对应的用户行为得分B1=0.8×3+0.2+0.6+0.6=3.8。
然后,根据上述基于用户行为的服务偏好向量和基于用户属性的服务偏好向量,以及服务偏好得分公式:C(i)=αi×Bi+βi×Pi,得到用户的服务偏好向量:(服务1,服务2,...,服务n)=(C1,C2,C3,...,Cn),再根据服务偏好向量输出用户的服务偏好信息,其中,该服务偏好信息可以是从服务偏好向量中提取的若干数量的服务组成的集合,该集合中的服务包含有优先级排序,也可以是详细的服务分类列表,当然,服务偏好信息中还可以包含每个服务对应的其它参数,如,访问时间段、服务偏好得分等,在此不做限定。
界面生成单元43,用于根据服务偏好信息生成用户界面。
在本发明实施例中,可以将服务偏好信息中若干数量的服务在用户界面进行随机展示,也可以对用户界面中的多个展示区域进行优先级排序,将服务偏好信息中的服务按照服务偏好排序在该多个展示区域进行展示。优选地,根据服务偏好信息确定待展示内容和用户界面的界面布局,该待展示内容包括文字、图片,该界面布局包括展示区域的展示比例、数量和展示位置,根据待展示内容和界面布局生成用户界面,从而实现了针对不同用户生成不同的用户界面,提高了用户界面的灵活度,简化了用户对偏好的服务的操作步骤,提升了用户体验。
在根据服务偏好信息确定用户界面中的展示区域的展示比例和数量时,可以预先设置一得分阈值,以及数量的最大上限,根据该得分阈值、该最大上限和服务偏好得分确定展示区域的具体数量,对于展示比例的确定,可以根据确定好的展示区域的具体数量、用户界面的可展示的区域、服务偏好得分确定展示比例,所有展示区域的展示比例可以相同,也可以不同,在此不作限定。
作为示例地,若用户的服务偏好信息包含五个服务:车险、重大疾病保险、意外险、航空险、活期理财,五个服务对应的用户服务偏好得分分别为0.8、0.5、0.4、0.2、0.1,若展示区域的数量设有最大值4,同时,设有得分阈值0.3,则确定用户界面的展示区域的数量为3个,根据车险、重大疾病保险、意外险对应的待展示内容生成用户界面。
优选地,偏好确定单元还包括:
数据分析单元421,用于对获取到的用户行为数据和用户属性数据进行分析,确定用户行为数据和用户属性数据对应的数据区间。
在本发明实施例中,在对获取到的用户行为数据和用户属性数据进行分析时,可以将获取到的用户行为数据和/或用户属性数据与预设的阈值进行比较,根据比较结果确定用户行为数据和用户属性数据对应的数据区间,该阈值可以是单一的用户行为数据或用户属性数据阈值,例如,访问次数阈值,又如访问驻留时间阈值,该阈值还可以包括多个用户行为数据和/或用户属性数据阈值,例如,该阈值包括行为数量阈值和行为时间阈值。相应地,该数据区间是根据阈值确定的数据区间,该数据区间可以是两个,也可以是更多个,在此不作限定。
在对获取到的用户行为数据和用户属性数据进行分析,确定获取到的用户行为数据和用户属性数据对应的数据区间时,还可以对获取到的用户行为数据和用户属性数据的完整性进行分析,得出数据完整度,根据数据完整度与数据完整度阈值的比较,确定用户行为数据和用户属性数据对应的数据区间,当然,还可以采用上述两种方式的结合来确定用户行为数据和用户属性数据对应的数据区间,在此不作限定。
权重确定单元422,用于根据数据区间确定用户行为数据和用户属性数据的计算权重。
在本发明实施例中,每个数据区间均对应有相应的计算权重,根据该数据区间确定用户行为数据和用户属性数据的计算权重,以进一步提高用户服务偏好的准确性。例如,若设置有3个数据区间(0,5]、[5,20)、[20,∞),相应地,该三个数据区间对应的计算权重分别为αi-0.2、βi+0.2,αi、βi,αi-0.1、βi+0.1,用户行为数据和用户属性数据对应的数据区间为[20,∞),则确定用户行为数据和用户属性数据的权重分别为αi-0.1、βi+0.1。
偏好确定子单元423,用于根据计算权重、用户行为数据得分、用户属性数据得分和服务偏好得分公式,得到用户的服务偏好信息。
在本发明实施例中,偏好确定子单元423的详细描述可参考前述第一偏好确定单元42的描述,在此不再赘述。
在本发明实施例中,用户界面生成装置的各单元可由相应的硬件或软件单元实现,各单元可以为独立的软、硬件单元,也可以集成为一个软、硬件单元,在此不用以限制本发明。
实施例五:
在本发明实施例中,如图5所示,提供了一种用户界面生成装置,为了便于说明,仅示出了与本发明实施例相关的部分,其中包括:
数据获取单元51,用于获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据。
偏好确定单元52,用于将获取到的用户行为数据和用户属性数据输入到预先建立好的服务偏好分析模型,得到用户的服务偏好信息。
熟悉度获取单元53,用于获取用户对服务偏好信息中各服务的服务熟悉度;
偏好更新单元54,用于根据服务熟悉度更新服务偏好信息。
在本发明实施例中,用户界面生成装置的各单元可由相应的硬件或软件单元实现,各单元可以为独立的软、硬件单元,也可以集成为一个软、硬件单元,在此不用以限制本发明。用户界面生成装置的各单元的具体实施方式可参考前述方法实施例三的描述,在此不再赘述。
实施例六:
在本发明实施例中,如图6所示,提供了一种计算设备,为了便于说明,仅示出了与本发明实施例相关的部分。
本发明实施例的计算设备6包括处理器60、存储器61以及存储在存储器61中并可在处理器60上运行的计算机程序62。该处理器60执行计算机程序62时实现上述各方法实施例中的步骤,例如图1所示的步骤S101至S103。或者,处理器60执行计算机程序62时实现上述各装置实施例中各单元的功能,例如图4所示单元41至43的功能。
在本发明实施例中,通过获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据,将获取到的用户行为数据和用户属性数据输入到预先建立好的服务偏好分析模型,得到用户的服务偏好信息,根据服务偏好信息生成用户界面,从而通过对用户行为数据和用户属性数据的综合分析,达到了针对不同用户生成不同的用户界面的效果,提高了用户界面的灵活度,简化了用户对偏好的服务的操作步骤,提升了用户体验。
实施例七:
在本发明实施例中,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法实施例中的步骤,例如,图1所示的步骤S101至S103。或者,该计算机程序被处理器执行时实现上述各装置实施例中各单元的功能,例如图4所示单元41至43的功能。
在本发明实施例中,通过获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据,将获取到的用户行为数据和用户属性数据输入到预先建立好的服务偏好分析模型,得到用户的服务偏好信息,根据服务偏好信息生成用户界面,从而通过对用户行为数据和用户属性数据的综合分析,达到了针对不同用户生成不同的用户界面的效果,提高了用户界面的灵活度,简化了用户对偏好的服务的操作步骤,提升了用户体验。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种用户界面生成方法,其特征在于,所述方法包括下述步骤:
获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据,所述用户属性数据包括个人属性数据和资产属性数据;
将获取到的所述用户行为数据和所述用户属性数据输入到预先建立好的服务偏好分析模型,得到所述用户的服务偏好信息;
根据所述服务偏好信息生成用户界面。
2.如权利要求1所述的方法,其特征在于,所述资产属性数据包括购买的房产、汽车、保险、基金中的一种或多种数据。
3.如权利要求1所述的方法,其特征在于,所述服务偏好分析模型包含服务偏好得分公式,所述服务偏好得分公式为C(i)=αi×Bi+βi×Pi,其中,C(i)表示第i个服务对应的服务偏好得分,αi、βi分别表示第i个服务对应的所述用户行为数据和所述用户属性数据的计算权重,Bi、Pi分别表示第i个服务对应的所述用户行为数据得分和所述用户属性数据得分。
4.如权利要求3所述的方法,其特征在于,所述将获取到的所述用户行为数据和所述用户属性数据输入到预先建立好的服务偏好分析模型,得到所述用户的服务偏好信息的步骤,包括:
对获取到的所述用户行为数据和所述用户属性数据进行分析,确定所述用户行为数据和所述用户属性数据对应的数据区间;
根据所述数据区间确定所述用户行为数据和所述用户属性数据的计算权重;
根据所述计算权重、所述用户行为数据得分、所述用户属性数据得分和所述服务偏好得分公式,得到所述用户的服务偏好信息。
5.如权利要求1~4任意一项所述的方法,其特征在于,所述得到所述用户的服务偏好信息的步骤之后,包括:
获取所述用户对所述服务偏好信息中各服务的服务熟悉度;
根据所述服务熟悉度更新所述服务偏好信息。
6.如权利要求5所述的方法,其特征在于,所述根据所述服务熟悉度更新所述服务偏好信息的步骤,包括:
根据所述服务熟悉度和已建立的服务熟悉度映射关系表,确定所述服务偏好信息中各服务关联的服务;
根据所述关联的服务更新所述服务偏好信息。
7.如权利要求6所述的方法,其特征在于,根据所述关联的服务更新所述服务偏好信息的步骤,包括:
将所述服务偏好信息中的各服务更新为所述关联的服务。
8.一种用户界面生成装置,其特征在于,所述装置包括:
数据获取单元,用于获取预设场景下、预设时间段内目标用户的用户行为数据和用户属性数据;
偏好确定单元,用于将获取到的所述用户行为数据和所述用户属性数据输入到预先建立好的服务偏好分析模型,得到所述用户的服务偏好信息;以及
界面生成单元,用于根据所述服务偏好信息生成用户界面。
9.一种计算设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910846375.2A CN110765387A (zh) | 2019-09-09 | 2019-09-09 | 用户界面生成方法、装置、计算设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910846375.2A CN110765387A (zh) | 2019-09-09 | 2019-09-09 | 用户界面生成方法、装置、计算设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110765387A true CN110765387A (zh) | 2020-02-07 |
Family
ID=69330492
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910846375.2A Pending CN110765387A (zh) | 2019-09-09 | 2019-09-09 | 用户界面生成方法、装置、计算设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110765387A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883311A (zh) * | 2021-02-01 | 2021-06-01 | 北京仿真中心 | 一种目标界面生成方法、装置、电子设备及可读存储介质 |
CN113537878A (zh) * | 2021-06-28 | 2021-10-22 | 上海欢猫科技有限责任公司 | 包裹派送方法、装置、设备及存储介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079824A (zh) * | 2006-06-15 | 2007-11-28 | 腾讯科技(深圳)有限公司 | 一种用户兴趣偏好向量生成系统和方法 |
US20170038951A1 (en) * | 2015-04-30 | 2017-02-09 | D.R. Systems, Inc. | Database systems and interactive user interfaces for dynamic interaction with, and review of, digital medical image data |
CN107665208A (zh) * | 2016-07-28 | 2018-02-06 | 北京国双科技有限公司 | 用户偏好度量方法及装置 |
CN108076157A (zh) * | 2017-12-29 | 2018-05-25 | 北京奇虎科技有限公司 | 消息内容推送控制方法、系统及计算机设备 |
CN109358922A (zh) * | 2018-08-29 | 2019-02-19 | 中国建设银行股份有限公司 | 一种个性化菜单展示方法、装置、智能终端及存储介质 |
CN109783168A (zh) * | 2018-12-13 | 2019-05-21 | 平安科技(深圳)有限公司 | 个性化选择用户界面元素的方法、装置、介质、电子设备 |
-
2019
- 2019-09-09 CN CN201910846375.2A patent/CN110765387A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101079824A (zh) * | 2006-06-15 | 2007-11-28 | 腾讯科技(深圳)有限公司 | 一种用户兴趣偏好向量生成系统和方法 |
US20170038951A1 (en) * | 2015-04-30 | 2017-02-09 | D.R. Systems, Inc. | Database systems and interactive user interfaces for dynamic interaction with, and review of, digital medical image data |
CN107665208A (zh) * | 2016-07-28 | 2018-02-06 | 北京国双科技有限公司 | 用户偏好度量方法及装置 |
CN108076157A (zh) * | 2017-12-29 | 2018-05-25 | 北京奇虎科技有限公司 | 消息内容推送控制方法、系统及计算机设备 |
CN109358922A (zh) * | 2018-08-29 | 2019-02-19 | 中国建设银行股份有限公司 | 一种个性化菜单展示方法、装置、智能终端及存储介质 |
CN109783168A (zh) * | 2018-12-13 | 2019-05-21 | 平安科技(深圳)有限公司 | 个性化选择用户界面元素的方法、装置、介质、电子设备 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112883311A (zh) * | 2021-02-01 | 2021-06-01 | 北京仿真中心 | 一种目标界面生成方法、装置、电子设备及可读存储介质 |
CN113537878A (zh) * | 2021-06-28 | 2021-10-22 | 上海欢猫科技有限责任公司 | 包裹派送方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3893154A1 (en) | Recommendation model training method and related apparatus | |
WO2021081962A1 (zh) | 推荐模型的训练方法、推荐方法、装置及计算机可读介质 | |
US20200005343A1 (en) | Methods and apparatus to identify local trade areas | |
WO2020048084A1 (zh) | 资源推荐方法、装置、计算机设备及计算机可读存储介质 | |
US9866565B2 (en) | Method and apparatus for controlling data permissions | |
EP3196824A1 (en) | Information processing system and method | |
US20120182882A1 (en) | Systems and methods for social graph data analytics to determine connectivity within a community | |
US10339330B2 (en) | Data aggregation system for enabling query operations on restricted data that originates from multiple independent multiple sources | |
Odusanya et al. | Building consumers’ trust in electronic retail platforms in the sub-Saharan context: an exploratory study on drivers and impact on continuance intention | |
EP2960849A1 (en) | Method and system for recommending an item to a user | |
WO2011047474A1 (en) | Systems and methods for social graph data analytics to determine connectivity within a community | |
US20210248701A1 (en) | Systems and methods for implementing search and recommendation tools for attorney selection | |
US20140324729A1 (en) | Computerized System and Method for Determining an Action Person's Influence on a Transaction | |
US8793236B2 (en) | Method and apparatus using historical influence for success attribution in network site activity | |
TW202013297A (zh) | 風險保障產品的推送方法、裝置及電子設備 | |
CN113379301A (zh) | 通过决策树模型对用户进行分类的方法、装置和设备 | |
US20190220924A1 (en) | Method and device for determining key variable in model | |
CN110765387A (zh) | 用户界面生成方法、装置、计算设备及存储介质 | |
Li et al. | User demands analysis of Eco-city based on the Kano model—An application to China case study | |
CN105989066A (zh) | 一种信息处理方法和装置 | |
US20160232376A1 (en) | Privacy fractal mirroring of transaction data | |
CN113934937A (zh) | 一种内容智能推荐方法、装置、终端和存储介质 | |
CN110209944B (zh) | 一种股票分析师推荐方法、装置、计算机设备和存储介质 | |
BR102022016487A2 (pt) | Método para pontuação e avaliação de dados para troca | |
CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 |
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 |