CN110968768A - 信息生成方法和装置 - Google Patents
信息生成方法和装置 Download PDFInfo
- Publication number
- CN110968768A CN110968768A CN201811138875.2A CN201811138875A CN110968768A CN 110968768 A CN110968768 A CN 110968768A CN 201811138875 A CN201811138875 A CN 201811138875A CN 110968768 A CN110968768 A CN 110968768A
- Authority
- CN
- China
- Prior art keywords
- path information
- target element
- information
- neural network
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000000007 visual effect Effects 0.000 claims abstract description 7
- 238000013528 artificial neural network Methods 0.000 claims description 72
- 238000012549 training Methods 0.000 claims description 48
- 238000005457 optimization Methods 0.000 claims description 22
- 238000012800 visualization Methods 0.000 claims description 19
- 238000004590 computer program Methods 0.000 claims description 10
- 230000004044 response Effects 0.000 claims description 10
- 238000012216 screening Methods 0.000 claims description 10
- 238000002372 labelling Methods 0.000 claims description 7
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000001914 filtration Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 8
- 238000004891 communication Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000009191 jumping Effects 0.000 description 5
- 230000003287 optical effect Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
Images
Landscapes
- Information Transfer Between Computers (AREA)
Abstract
本申请实施例公开了信息生成方法和装置。该方法的一具体实施方式包括:接收获取目标网页页面中呈现的目标元素的关联信息的请求,关联信息包括在预设时段内用户对目标元素进行可视化操作的操作信息;从预设时段内访问目标网页页面生成的路径信息集合中确定出与目标元素关联的路径信息;统计与目标元素关联的路径信息出现的次数;基于统计结果,生成目标元素的关联信息。该实施方式可以使得所生成的信息更加全面、准确。
Description
技术领域
本申请实施例涉及计算机技术领域,具体涉及信息生成方法和装置。
背景技术
随着信息技术的发展,互联网的应用得到广泛的普及。用户通过移动终端或者电脑终端可以进行网站访问、网页浏览等。为了提高用户对网站使用体验,优化网站性能,通常可以观察用户对某网页或网站的使用情况、网站的访问量等。
相关技术中,通常在网站开发过程中嵌入与数据采集相关的代码,从而对网站数据进行采集。
发明内容
本申请实施例提出了信息生成方法和装置。
第一方面,本申请实施例提供了一种信息生成方法,包括:接收获取目标网页页面中呈现的目标元素的关联信息的请求,关联信息包括在预设时段内用户对目标元素进行可视化操作的操作信息;从预设时段内访问目标网页页面生成的路径信息集合中确定出与目标元素关联的路径信息;统计与目标元素关联的路径信息出现的次数;基于统计结果,生成目标元素的关联信息。
在一些实施例中,从预设时段内访问目标网页页面生成的路径信息集合中确定出与目标元素关联的路径信息,包括:对路径信息集合中的路径信息进行筛选,得到筛选出的路径信息;将筛选出的路径信息发送至终端;接收终端返回的是否为与目标元素关联的路径信息的反馈结果;基于所得到的反馈结果,确定出与目标元素关联的路径信息。
在一些实施例中,对路径信息集合中的路径信息进行筛选,得到筛选出的路径信息,包括:对于路径信息集合中的路径信息,将该路径信息输入至预先训练的神经网络,得到用于指示该路径信息为与目标元素关联的路径信息的概率值;将所得到的概率值达到预设阈值的路径信息确定为筛选出的路径信息。
在一些实施例中,神经网络通过如下步骤训练得到:获取训练样本集合,训练样本集合中的训练样本包括样本路径信息和用于指示样本路径信息是否为与目标元素关联的路径信息的标注信息,样本路径信息是通过用户访问目标网页页面生成的;对于训练样本集合中的训练样本,执行如下训练步骤:将该训练样本中的样本路径信息输入至初始神经网络,得到输出结果,输出结果用于指示该样本路径信息为与目标元素关联的路径信息的概率值;将所得到的输出结果集合中的输出结果与对应的标注信息进行比较,基于比较结果,确定初始神经网络是否达到预设优化目标;响应于确定初始神经网络达到预设优化目标,将初始神经网络确定为训练完成的神经网络;响应于确定初始神经网络未达到预设优化目标,调整初始神经网络的参数,将调整后的初始神经网络作为初始神经网络,继续执行训练步骤。
在一些实施例中,可视化操作包括以下至少一项:下载操作、点击操作;可视化操作的操作信息包括以下至少一项:下载操作次数、点击操作次数。
第二方面,本申请实施例提供了一种信息生成装置,包括:接收单元,被配置成接收获取目标网页页面中呈现的目标元素的关联信息的请求,关联信息包括在预设时段内用户对目标元素进行可视化操作的操作信息;确定单元,被配置成从预设时段内访问目标网页页面生成的路径信息集合中确定出与目标元素关联的路径信息;统计单元,被配置成统计与目标元素关联的路径信息出现的次数;生成单元,被配置成基于统计结果,生成目标元素的关联信息。
在一些实施例中,确定单元,包括:筛选模块,被配置成对路径信息集合中的路径信息进行筛选,得到筛选出的路径信息;发送模块,被配置成将筛选出的路径信息发送至终端;接收模块,被配置成接收终端返回的是否为与目标元素关联的路径信息的反馈结果;确定模块,被配置成基于所得到的反馈结果,确定出与目标元素关联的路径信息。
在一些实施例中,筛选模块进一步被配置成:对于路径信息集合中的路径信息,将该路径信息输入至预先训练的神经网络,得到用于指示该路径信息为与目标元素关联的路径信息的概率值;将所得到的概率值达到预设阈值的路径信息确定为筛选出的路径信息。
在一些实施例中,神经网络通过如下步骤训练得到:获取训练样本集合,训练样本集合中的训练样本包括样本路径信息和用于指示样本路径信息是否为与目标元素关联的路径信息的标注信息,样本路径信息是通过用户访问目标网页页面生成的;对于训练样本集合中的训练样本,执行如下训练步骤:将该训练样本中的样本路径信息输入至初始神经网络,得到输出结果,输出结果用于指示该样本路径信息为与目标元素关联的路径信息的概率值;将所得到的输出结果集合中的输出结果与对应的标注信息进行比较,基于比较结果,确定初始神经网络是否达到预设优化目标;响应于确定初始神经网络达到预设优化目标,将初始神经网络确定为训练完成的神经网络;响应于确定初始神经网络未达到预设优化目标,调整初始神经网络的参数,将调整后的初始神经网络作为初始神经网络,继续执行训练步骤。
在一些实施例中,可视化操作包括以下至少一项:下载操作、点击操作;可视化操作的操作信息包括以下至少一项:下载操作次数、点击操作次数。
第三方面,本申请实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任意实施例的方法。
第四方面,本申请实施例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如第一方面中任意实施例的方法。
本申请实施例提供的信息生成方法和装置,在接收到获取目标网页页面中呈现的目标元素的关联信息的请求后,可以从预设时段内访问目标网页页面生成的路径信息集合中确定出与目标元素关联的路径信息,然后统计与目标元素关联的路径信息出现的次数,最后基于统计结果,生成目标元素的关联信息,从而使得所生成的信息更加全面、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是根据本申请实施例的可以应用于其中的示例性系统架构图;
图2是根据本申请的信息生成方法的一个实施例的流程图;
图3是根据本申请的信息生成方法的一个应用场景的示意图;
图4是根据本申请的信息生成方法的又一个实施例的流程图;
图5是根据本申请的信息生成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服务器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实施例的信息生成方法或信息生成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和服务器集群105。网络104用以在终端设备101、102、103与服务器集群105之间提供通信链路介质。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与服务器集群105交互,用于向服务器集群中的其中一个服务器(例如服务器1051)发送消息,以及接收服务器集群中的其中一个服务器返回的数据等。终端设备101、102、103上可以安装有各种网页浏览应用,例如购物类应用、搜索类应用、即时通信工具等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,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、电子书阅读器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务),也可以实现成单个软件或软件模块。在此不做具体限定。
服务器集群105中可以包括多个服务器,例如可以包括服务器1051和服务器1052。其中,服务器集群105中的各服务器之间可以通过网络1053进行通讯。在这里,服务器集群105中可以包括各种功能的服务器,各服务器之间相互配合,共同完成同一任务或不同任务,从而提高信息处理速度。例如,服务器1051可以为用于进行数据处理的服务器,其可以将从终端101、102、103接收到的数据进行分析处理。服务器1052可以为用于进行数据存储的服务器,服务器1051可以从服务器1052中获取用于进行数据处理的数据。
需要说明的是,本申请实施例所提供的信息生成方法一般由服务器集群105中的服务器执行。相应地,信息生成装置一般设置于服务器集群105中的服务器中。
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,其示出了根据本申请的信息生成方法的一个实施例的流程200。该信息生成方法,包括以下步骤:
步骤201,接收获取目标网页页面中呈现的目标元素的关联信息的请求。
在本实施例中,信息生成方法的执行主体(例如图1所示的服务器集群105中的服务器1051)可以接收用户通过终端发送的对目标网页页面中呈现的目标元素的关联信息的获取请求。发送关联信息获取请求的终端安装有可以访问上述目标网页页面的应用,在该应用中接入有上述执行主体所支持的软件开发工具包。从而,上述执行主体可以通过该软件开发包获取与目标网页页面关联的各种数据。该目标网页页面例如可以为购物类网页页面、搜索类网页页面、某公司/学校/团体组织的宣传网站中的网页页面等。例如,该目标网页页面可以为某网站的登录页面、注册页面等等。上述目标网页页面中呈现的元素可以包括网页页面中可进行点击的按钮(例如用于登录的按钮、用于收藏页面或收藏物品的按钮、用于搜索的按钮)、输入框、图片、链接等。而目标元素是用户在发送关联信息获取请求时所指定的目标网页页面中的元素。例如可以为指定的某一输入框和该输入框中输入的内容(例如文本、图片等)、例如可以为指定的登录按钮等。用户在发送与目标元素的关联信息获取请求时,该请求中可以包括目标元素在目标网页页面中的位置信息。
在本实施例中,上述目标元素的关联信息包括在预设时段内用户对目标元素进行可视化操作的操作信息。该用户是在预设时间段内访问上述目标网页页面的所有用户。用户对目标元素进行可视化操作例如可以为在输入框中输入内容并点击保存或者搜索的操作,还可以包括点击图片以链接至图片来源位置的操作、点击下载按钮的操作等。用户在进行可视化操作后,通常会产生操作标识。从而,上述执行主体可以根据所产生的操作标识来生成操作信息。该操作信息例如可以包括对目标元素的点击次数、对目标元素的下载次数等。上述预设时段可以包括一小时,一天等,可以根据应用场景的需要设定。
步骤202,从预设时段内访问目标网页页面生成的路径信息集合中确定出与目标元素关联的路径信息。
在本实施例中,用户在访问目标网页页面时通常会生成访问路径信息。该访问路径信息中可以包括从目标网页页面跳转至其他网页页面所产生的访问路径信息,还可以包括从其他网页页面跳转至目标网页页面所产生的访问路径信息。通常,对网页页面中不同的元素进行可视化操作会产生不同的路径信息。作为示例,当用户点击目标网页页面中的登录按钮时,可以从目标网页页面跳转至网站的首页页面,从而产生从目标网页页面至网站首页页面的路径;当用户点击目标网页页面中的某张图片时,可以从目标网页页面跳转至图片的来源网页页面,从而产生从目标网页页面至图片来源网页页面的路径。因此,用户访问目标网页页面时可以生成大量的路径信息,从而得到预设时段的路径信息集合。上述执行主体可以从该路径信息集合中确定出与目标元素关联的路径信息。在这里,与目标元素关联的路径信息可以包括对目标元素进行可视化操作后跳转至其他网页页面的路径信息。上述执行主体中可以预先存储有对目标元素操作后所跳转至的网页页面的路径信息。上述执行主体可以将上述路径信息集合中的路径信息与预先存储的对目标元素操作后跳转至的网页页面的路径信息进行比较,将路径信息集合中包括对目标元素操作后跳转至的网页页面的路径信息的路径信息确定为与目标元素关联的路径信息。
在本实施例的一些可选的实现方式中,上述执行主体可以对路径信息集合中的路径信息进行筛选,得到筛选出的路径信息。然后,将筛选出的路径信息发送至终端。接着,接收终端返回的是否为与目标元素关联的路径信息的反馈结果。最后,基于所得到的反馈结果,确定出与目标元素关联的路径信息。
具体来说,上述执行主体中可以预先存储有对目标元素操作后所跳转至的网页页面的路径信息。上述执行主体可以从路径信息集合中筛选出包括对目标元素操作后跳转至的网页页面的路径信息的路径信息。接着,将筛选出的路径信息发送至发送关联信息获取请求的终端,以供终端确定所筛选出的路径信息中是否均为与目标元素关联的路径信息。例如,终端可以通过确认从上述路径信息指示的路径中访问的网页页面和对目标元素操作后跳转至的网页页面是否相同来判断筛选出的路径信息是否为与目标元素关联的路径信息。然后,上述执行主体可以接收终端返回的是否为与目标元素挂念的路径信息的反馈结果。最后,上述执行主体可以基于所得到的反馈结果,从而确定出与目标元素关联的路径信息。
步骤203,统计与目标元素关联的路径信息出现的次数。
在本实施例中,上述执行主体可以统计出在上述预设时段内与目标元素关联的路径信息所出现的次数。
步骤204,基于统计结果,生成目标元素的关联信息。
在本实施例中,上述执行主体可以将步骤203中所统计出的与目标元素关联的路径信息出现的次数作为对目标元素进行可视化操作的次数,然后将该操作次数作为操作信息。然后,将对目标元素进行可视化操作的操作信息和与目标元素关联的路径信息作为目标元素的关联信息。
进一步参考图3,图3是根据本实施例的信息生成方法的应用场景的一个示意图。在图3的应用场景中,目标网页页面为A页面,目标元素为注册按钮,注册按钮的关联信息为注册按钮的点击量。用户通过终端301向服务器302发送了获取一天内A页面中的注册按钮的点击量的请求。然后,服务器302可以从一天内所有用户访问A页面生成的路径信息集合303中确定出与注册关联的路径信息304。接着,服务器302可以统计与注册关联的路径信息304出现的次数305。最后,服务器302可以将统计的与注册关联的路径信息出现的次数100次作为注册按钮的点击量306。
本申请实施例提供的信息生成方法,在接收到获取目标网页页面中呈现的目标元素的关联信息的请求后,可以从预设时段内访问目标网页页面生成的路径信息集合中确定出与目标元素关联的路径信息,然后统计与目标元素关联的路径信息出现的次数,最后基于统计结果,生成目标元素的关联信息,从而使得所生成的信息更加全面、准确。
进一步参考图4,其示出了信息生成方法的又一个实施例的流程400。该信息生成方法的流程400,包括以下步骤:
步骤401,接收获取目标网页页面中呈现的目标元素的关联信息的请求。
在本实施例中,信息生成方法的执行主体(例如图1所示的服务器集群105中的服务器1051)可以接收用户通过终端发送的对目标网页页面中呈现的目标元素的关联信息的获取请求。该目标网页页面例如可以为购物类网页页面、搜索类网页页面、某公司/学校/团体组织的宣传网站中的网页页面等。例如,该目标网页页面可以为某网站的登录页面、注册页面等等。上述目标网页页面中呈现的元素可以包括网页页面中可进行点击的按钮(例如用于登录的按钮、用于收藏页面或物品的按钮、用于搜索的按钮)、输入框、图片、链接等。而目标元素是用户在发送关联信息获取请求时所指定的目标网页页面中的元素。例如可以为指定的某一输入框和该输入框中输入的内容(例如文本、图片等)、例如可以为指定的登录按钮等。用户在发送与目标元素的关联信息获取请求时,该请求中可以包括目标元素在目标网页页面中的位置信息。上述目标元素的关联信息包括在预设时段内用户对目标元素进行可视化操作的操作信息。该用户是在预设时间段内访问上述目标网页页面的所有用户。用户对目标元素进行可视化操作例如可以为在输入框中输入内容并点击保存或者搜索的操作,还可以包括点击图片以链接至图片来源位置的操作、点击下载按钮的操作等。用户在进行可视化操作后,通常会产生操作标识。从而,上述执行主体可以根据所产生的操作标识来生成操作信息。该操作信息例如可以包括对目标元素的点击次数、对目标元素的下载次数等。上述预设时段可以包括一小时,一天等,可以根据应用场景的需要设定。
步骤402,对于预设时段内访问目标网页页面生成的路径信息集合中的路径信息,将该路径信息输入至预先训练的神经网络,得到用于指示该路径信息为与目标元素关联的路径信息的概率值。
在本实施例中,用户在访问目标网页页面时通常会生成大量的访问路径信息,从而得到预设时段的路径信息集合。该访问路径信息中可以包括从目标网页页面跳转至其他网页页面所产生的访问路径信息,还可以包括从其他网页页面跳转至目标网页页面所产生的访问路径信息。然后,上述执行主体可以将路径信息集合中的路径信息输入至预先训练的神经网络,得到用于指示该路径信息为与目标元素关联的路径信息的概率值。该神经网络可以为深度神经网络、卷积神经网络等。该神经网络可以用于表征路径信息与用于指示该路径信息为与目标元素关联的路径信息的概率值之间的对应关系。
在本实施例一些可选的实现方式中,神经网络可以通过如下步骤训练得到:
获取训练样本集合,训练样本集合中的训练样本包括样本路径信息和用于指示样本路径信息是否为与目标元素关联的路径信息的标注信息,样本路径信息是通过用户访问所述目标网页页面生成的。
然后,对于训练样本集合中的训练样本,执行如下训练步骤:
首先,将该训练样本中的样本路径信息输入至初始神经网络,得到输出结果,输出结果用于指示该样本路径信息为与目标元素关联的路径信息的概率值。
然后,将所得到的输出结果集合中的输出结果与对应的标注信息进行比较,基于比较结果,确定初始神经网络是否达到预设优化目标。具体来说,当对应的标注信息为与目标元素关联的路径信息的标注信息时,达到预设优化目标可以为用于指示该样本路径信息为与目标元素关联的路径信息的概率值大于等于预设上限阈值;未达到预设优化目标可以为用于指示该样本路径信息为与目标元素关联的路径信息的概率值小于预设上限阈值。当对应的标注信息不是与目标元素关联的路径信息时,达到预设优化目标可以为输出结果小于预设下限阈值;未达到预设优化目标可以为输出结果大于等于预设下限阈值。
在响应于确定出初始神经网络达到预设优化目标时,可以将初始神经网络确定为训练完成的神经网络。
响应于确定初始神经网络未达到预设优化目标,可以调整初始神经网络的参数。例如可以调整初始神经网络的卷积核的数目、卷积层数目、卷积核大小、损失函数的参数等。然后将调整后的初始神经网络作为初始神经网络,继续执行上述训练步骤。
步骤403,将筛选出的路径信息发送至终端。
在本实施例中,可以将筛选出的路径信息发送至发送关联信息获取请求的终端,以供终端确定所筛选出的路径信息中是否均为与目标元素关联的路径信息。例如,终端可以通过确认从上述路径信息指示的路径中访问的网页页面和对目标元素操作后跳转至的网页页面是否相同来判断筛选出的路径信息是否为与目标元素关联的路径信息。
步骤404,接收终端返回的是否为与目标元素关联的路径信息的反馈结果。
步骤405,基于所得到的反馈结果,确定出与目标元素关联的路径信息。
在本实施例中,上述执行主体可以基于所得到的反馈结果,从而确定出与目标元素关联的路径信息。
步406,统计与目标元素关联的路径信息出现的次数。
在本实施例中,上述执行主体可以统计出在上述预设时段内与目标元素关联的路径信息所出现的次数。
步骤407,基于统计结果,生成目标元素的关联信息。
在本实施例中,上述执行主体可以将步骤406中所统计出的与目标元素关联的路径信息出现的次数作为对目标元素进行可视化操作的次数,将该操作次数作为操作信息。然后,将对目标元素进行可视化操作的操作信息和与目标元素关联的路径信息作为目标元素的关联信息。
从图4中可以看出,与图2所示的实施例不同的是,本实施例突出了利用预选训练的神经网络筛选出与目标元素关联的路径信息的步骤,从而可以进一步提高所确定的与目标元素关联的路径信息的准确性。
进一步参考图5,作为对上述各图所示方法的实现,本申请提供了一种信息生成装置的一个实施例,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,本实施例提供的信息生成装置500包括接收单元501、确定单元502、统计单元503和生成单元504。其中,接收单元501,被配置成接收获取目标网页页面中呈现的目标元素的关联信息的请求,关联信息包括在预设时段内用户对目标元素进行可视化操作的操作信息。确定单元502,被配置成从预设时段内访问目标网页页面生成的路径信息集合中确定出与目标元素关联的路径信息。统计单元503,被配置成统计与目标元素关联的路径信息出现的次数。生成单元504,被配置成基于统计结果,生成目标元素的关联信息。
在本实施例中,信息生成装置500中的接收单元501、确定单元502、统计单元503和生成单元504的具体处理及其带来的有益效果可参看图2对应实施例中的步骤201、步骤202、步骤203和步骤204的实现方式的相关描述,在此不再赘述。
在本实施例的一些可选的实现方式中,确定单元502还包括:筛选模块(未示出),被配置成对路径信息集合中的路径信息进行筛选,得到筛选出的路径信息。发送模块(未示出),被配置成将筛选出的路径信息发送至终端。接收模块(未示出),被配置成接收终端返回的是否为与目标元素关联的路径信息的反馈结果。确定模块(未示出),被配置成基于所得到的反馈结果,确定出与目标元素关联的路径信息。
在本实施例的一些可选的实现方式中,筛选模块(未示出)进一步被配置成:对于路径信息集合中的路径信息,将该路径信息输入至预先训练的神经网络,得到用于指示该路径信息为与目标元素关联的路径信息的概率值;将所得到的概率值达到预设阈值的路径信息确定为筛选出的路径信息。
在本实施例的一些可选的实现方式中,神经网络通过如下步骤训练得到:获取训练样本集合,训练样本集合中的训练样本包括样本路径信息和用于指示样本路径信息是否为与目标元素关联的路径信息的标注信息,样本路径信息是通过用户访问目标网页页面生成的;对于训练样本集合中的训练样本,执行如下训练步骤:将该训练样本中的样本路径信息输入至初始神经网络,得到输出结果,输出结果用于指示该样本路径信息为与目标元素关联的路径信息的概率值;将所得到的输出结果集合中的输出结果与对应的标注信息进行比较,基于比较结果,确定初始神经网络是否达到预设优化目标;响应于确定初始神经网络达到预设优化目标,将初始神经网络确定为训练完成的神经网络;响应于确定初始神经网络未达到预设优化目标,调整初始神经网络的参数,将调整后的初始神经网络作为初始神经网络,继续执行训练步骤。
在本实施例的一些可选的实现方式中,可视化操作包括以下至少一项:下载操作、点击操作;可视化操作的操作信息包括以下至少一项:下载操作次数、点击操作次数。
下面参考图6,其示出了适于用来实现本申请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;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等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,本申请所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。
可以以一种或多种程序设计语言或其组合来编写用于执行本申请的操作的计算机程序代码,所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本申请各种实施例的系统、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。
描述于本申请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:一种处理器包括接收单元、确定单元、统计单元和生成单元。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,接收单元还可以被描述为“接收获取目标网页页面中呈现的目标元素的关联信息的请求的单元”。
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电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。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电子设备执行时,使得该电子设备:接收获取目标网页页面中呈现的目标元素的关联信息的请求,关联信息包括在预设时段内用户对目标元素进行可视化操作的操作信息;从预设时段内访问目标网页页面生成的路径信息集合中确定出与目标元素关联的路径信息;统计与目标元素关联的路径信息出现的次数;基于统计结果,生成目标元素的关联信息。
以上描述仅为本申请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,本申请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。例如上述特征与本申请中公开的(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 (12)
1.一种信息生成方法,包括:
接收获取目标网页页面中呈现的目标元素的关联信息的请求,所述关联信息包括在预设时段内用户对所述目标元素进行可视化操作的操作信息;
从所述预设时段内访问所述目标网页页面生成的路径信息集合中确定出与所述目标元素关联的路径信息;
统计与所述目标元素关联的路径信息出现的次数;
基于统计结果,生成所述目标元素的关联信息。
2.根据权利要求1所述的方法,其中,所述从所述预设时段内访问所述目标网页页面生成的路径信息集合中确定出与所述目标元素关联的路径信息,包括:
对所述路径信息集合中的路径信息进行筛选,得到筛选出的路径信息;
将筛选出的路径信息发送至终端;
接收所述终端返回的是否为与所述目标元素关联的路径信息的反馈结果;
基于所得到的反馈结果,确定出与所述目标元素关联的路径信息。
3.根据权利要求2所述的方法,其中,所述对所述路径信息集合中的路径信息进行筛选,得到筛选出的路径信息,包括:
对于所述路径信息集合中的路径信息,将该路径信息输入至预先训练的神经网络,得到用于指示该路径信息为与所述目标元素关联的路径信息的概率值;
将所得到的概率值达到预设阈值的路径信息确定为所述筛选出的路径信息。
4.根据权利要求3所述的方法,其中,所述神经网络通过如下步骤训练得到:
获取训练样本集合,所述训练样本集合中的训练样本包括样本路径信息和用于指示样本路径信息是否为与目标元素关联的路径信息的标注信息,样本路径信息是通过用户访问所述目标网页页面生成的;
对于所述训练样本集合中的训练样本,执行如下训练步骤:
将该训练样本中的样本路径信息输入至初始神经网络,得到输出结果,输出结果用于指示该样本路径信息为与目标元素关联的路径信息的概率值;
将所得到的输出结果集合中的输出结果与对应的标注信息进行比较,基于比较结果,确定初始神经网络是否达到预设优化目标;
响应于确定初始神经网络达到所述预设优化目标,将初始神经网络确定为训练完成的神经网络;
响应于确定初始神经网络未达到所述预设优化目标,调整初始神经网络的参数,将调整后的初始神经网络作为初始神经网络,继续执行所述训练步骤。
5.根据权利要求1所述的方法,其中,所述可视化操作包括以下至少一项:下载操作、点击操作;所述可视化操作的操作信息包括以下至少一项:下载操作次数、点击操作次数。
6.一种信息生成装置,包括:
接收单元,被配置成接收获取目标网页页面中呈现的目标元素的关联信息的请求,所述关联信息包括在预设时段内用户对所述目标元素进行可视化操作的操作信息;
确定单元,被配置成从所述预设时段内访问所述目标网页页面生成的路径信息集合中确定出与所述目标元素关联的路径信息;
统计单元,被配置成统计与所述目标元素关联的路径信息出现的次数;
生成单元,被配置成基于统计结果,生成所述目标元素的关联信息。
7.根据权利要求6所述的装置,其中,所述确定单元,包括:
筛选模块,被配置成对所述路径信息集合中的路径信息进行筛选,得到筛选出的路径信息;
发送模块,被配置成将筛选出的路径信息发送至终端;
接收模块,被配置成接收所述终端返回的是否为与所述目标元素关联的路径信息的反馈结果;
确定模块,被配置成基于所得到的反馈结果,确定出与所述目标元素关联的路径信息。
8.根据权利要求7所述的装置,其中,所述筛选模块进一步被配置成:
对于所述路径信息集合中的路径信息,将该路径信息输入至预先训练的神经网络,得到用于指示该路径信息为与所述目标元素关联的路径信息的概率值;
将所得到的概率值达到预设阈值的路径信息确定为所述筛选出的路径信息。
9.根据权利要求8所述的装置,其中,所述神经网络通过如下步骤训练得到:
获取训练样本集合,所述训练样本集合中的训练样本包括样本路径信息和用于指示样本路径信息是否为与目标元素关联的路径信息的标注信息,样本路径信息是通过用户访问所述目标网页页面生成的;
对于所述训练样本集合中的训练样本,执行如下训练步骤:
将该训练样本中的样本路径信息输入至初始神经网络,得到输出结果,输出结果用于指示该样本路径信息为与目标元素关联的路径信息的概率值;
将所得到的输出结果集合中的输出结果与对应的标注信息进行比较,基于比较结果,确定初始神经网络是否达到预设优化目标;
响应于确定初始神经网络达到所述预设优化目标,将初始神经网络确定为训练完成的神经网络;
响应于确定初始神经网络未达到所述预设优化目标,调整初始神经网络的参数,将调整后的初始神经网络作为初始神经网络,继续执行所述训练步骤。
10.根据权利要求6所述的装置,其中,所述可视化操作包括以下至少一项:下载操作、点击操作;所述可视化操作的操作信息包括以下至少一项:下载操作次数、点击操作次数。
11.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
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1-5之一所述的方法。
12.一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1-5之一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811138875.2A CN110968768B (zh) | 2018-09-28 | 2018-09-28 | 信息生成方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811138875.2A CN110968768B (zh) | 2018-09-28 | 2018-09-28 | 信息生成方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110968768A true CN110968768A (zh) | 2020-04-07 |
CN110968768B CN110968768B (zh) | 2023-11-24 |
Family
ID=70026802
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811138875.2A Active CN110968768B (zh) | 2018-09-28 | 2018-09-28 | 信息生成方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110968768B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160253689A1 (en) * | 2013-01-04 | 2016-09-01 | PlaceIQ, Inc. | Probabilistic cross-device place visitation rate measurement at scale |
CN106610994A (zh) * | 2015-10-23 | 2017-05-03 | 北京国双科技有限公司 | 点击路径的统计方法和装置 |
US20170124447A1 (en) * | 2015-10-29 | 2017-05-04 | Microsoft Technology Licensing, Llc | Identifying Relevant Content Items using a Deep-Structured Neural Network |
CN107025237A (zh) * | 2016-02-01 | 2017-08-08 | 北京铂金智慧网络科技有限公司 | 一种页面点击分布图的生成方法及系统 |
CN107203644A (zh) * | 2017-06-23 | 2017-09-26 | 北京好豆网络科技有限公司 | 美食数据的推荐方法和装置 |
CN107229728A (zh) * | 2017-06-05 | 2017-10-03 | 努比亚技术有限公司 | 基于神经网络的搜索方法、设备及存储介质 |
US20180013844A1 (en) * | 2016-07-08 | 2018-01-11 | Facebook, Inc. | Automatic recipient targeting for notifications |
CN108256104A (zh) * | 2018-02-05 | 2018-07-06 | 恒安嘉新(北京)科技股份公司 | 基于多维特征的互联网网站综合分类方法 |
-
2018
- 2018-09-28 CN CN201811138875.2A patent/CN110968768B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160253689A1 (en) * | 2013-01-04 | 2016-09-01 | PlaceIQ, Inc. | Probabilistic cross-device place visitation rate measurement at scale |
CN106610994A (zh) * | 2015-10-23 | 2017-05-03 | 北京国双科技有限公司 | 点击路径的统计方法和装置 |
US20170124447A1 (en) * | 2015-10-29 | 2017-05-04 | Microsoft Technology Licensing, Llc | Identifying Relevant Content Items using a Deep-Structured Neural Network |
CN107025237A (zh) * | 2016-02-01 | 2017-08-08 | 北京铂金智慧网络科技有限公司 | 一种页面点击分布图的生成方法及系统 |
US20180013844A1 (en) * | 2016-07-08 | 2018-01-11 | Facebook, Inc. | Automatic recipient targeting for notifications |
CN107229728A (zh) * | 2017-06-05 | 2017-10-03 | 努比亚技术有限公司 | 基于神经网络的搜索方法、设备及存储介质 |
CN107203644A (zh) * | 2017-06-23 | 2017-09-26 | 北京好豆网络科技有限公司 | 美食数据的推荐方法和装置 |
CN108256104A (zh) * | 2018-02-05 | 2018-07-06 | 恒安嘉新(北京)科技股份公司 | 基于多维特征的互联网网站综合分类方法 |
Non-Patent Citations (2)
Title |
---|
SHITAL ANIL PHAND等: "Twitter sentiment classification using Stanford NLP", 《2017 1ST INTERNATIONAL CONFERENCE ON INTELLIGENCE SYSTEMS AND INFORMATION MANAGEMENT(ICISIM)》 * |
文奕;陈文杰;张鑫;杨宁;赵爽;: "利用词嵌入模型实现基于网站访问日志的专利聚类研究", 现代情报, no. 04 * |
Also Published As
Publication number | Publication date |
---|---|
CN110968768B (zh) | 2023-11-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110708346B (zh) | 信息处理系统和方法 | |
CN111061956B (zh) | 用于生成信息的方法和装置 | |
CN109451333B (zh) | 一种弹幕显示方法、装置、终端及系统 | |
CN109359194B (zh) | 用于预测信息类别的方法和装置 | |
CN112684968A (zh) | 页面展示方法、装置、电子设备和计算机可读介质 | |
US20190163828A1 (en) | Method and apparatus for outputting information | |
CN110866040A (zh) | 用户画像生成方法、装置和系统 | |
CN108600329B (zh) | 用于推送信息、展示信息的方法和设备 | |
CN108600780B (zh) | 用于推送信息的方法、电子设备、计算机可读介质 | |
CN107291835B (zh) | 一种搜索词的推荐方法和装置 | |
CN106897202B (zh) | 用于输出数据的方法和装置 | |
CN111415183B (zh) | 用于处理访问请求的方法和装置 | |
CN111222067B (zh) | 信息生成方法和装置 | |
CN111008865A (zh) | 优惠券同步展示方法、装置、服务器及存储介质 | |
CN108667915B (zh) | 信息推送系统、方法和装置 | |
CN111124858B (zh) | 无埋点插码数据处理方法、系统、终端设备及存储介质 | |
CN112083982A (zh) | 信息处理方法和装置 | |
CN113032702A (zh) | 一种页面加载方法和装置 | |
CN113590985B (zh) | 页面跳转配置方法、装置、电子设备和计算机可读介质 | |
CN110968768B (zh) | 信息生成方法和装置 | |
CN111460273B (zh) | 信息推送方法和装置 | |
CN111131354B (zh) | 用于生成信息的方法和装置 | |
CN109408716B (zh) | 用于推送信息的方法和设备 | |
CN111104626B (zh) | 信息存储方法和装置 | |
CN111597485A (zh) | 信息呈现方法和装置 |
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 |