CN111459993B - 基于行为分析的配置更新方法、装置、设备及存储介质 - Google Patents

基于行为分析的配置更新方法、装置、设备及存储介质 Download PDF

Info

Publication number
CN111459993B
CN111459993B CN202010097864.5A CN202010097864A CN111459993B CN 111459993 B CN111459993 B CN 111459993B CN 202010097864 A CN202010097864 A CN 202010097864A CN 111459993 B CN111459993 B CN 111459993B
Authority
CN
China
Prior art keywords
buried point
target event
event node
target
data
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
CN202010097864.5A
Other languages
English (en)
Other versions
CN111459993A (zh
Inventor
曾祥辉
郝彬彬
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.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen 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 Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN202010097864.5A priority Critical patent/CN111459993B/zh
Publication of CN111459993A publication Critical patent/CN111459993A/zh
Priority to PCT/CN2020/123417 priority patent/WO2021164294A1/zh
Application granted granted Critical
Publication of CN111459993B publication Critical patent/CN111459993B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2465—Query processing support for facilitating data mining operations in structured databases
    • 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
    • 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
    • G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
    • Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management

Abstract

本申请涉及智能决策领域，实现根据用户操作行为对作业流程进行自动配置。具体公开了一种基于行为分析的配置更新方法、装置、设备及存储介质，包括：获取目标用户终端的埋点记录数据，所述埋点记录数据包括多个埋点事件各自的统计数据；基于各目标事件节点的功能完成率模型，根据所述埋点记录数据中的统计数据，确定各所述目标事件节点的功能完成率，所述目标事件节点为决策树模型中的事件节点；基于所述决策树模型，根据各所述目标事件节点的功能完成率确定目标事件流程，所述目标事件流程包括至少一个所述目标事件节点；根据所述目标事件流程确定配置数据，并将配置数据发送给所述目标用户终端，以使所述目标用户终端根据所述配置数据更新配置。

Description

基于行为分析的配置更新方法、装置、设备及存储介质
技术领域
本申请涉及智能决策领域，尤其涉及一种基于用户行为分析的配置更新方法、装置、设备及存储介质。
背景技术
如今大数据发展迅猛，许多行业如金融、投资、电商等开始利用大数据镜像数据采集、分析、挖掘，通过各种用户分析与建模，指导行业的战略制定与决策。在应用产品设计方面也开始利用大数据用户行为分析结果对产品进行迭代，优化功能和流程，设计出更适应用户需要的应用产品。
业内现有的流程设计往往经历“调研—功能与流程梳理—开发—发布—再调研—再梳理—开发迭代—再发布”这样循环往复的过程。这一过程往往耗时久，功能与流程梳理依赖于调研结果，开发也依赖于功能流程的梳理设计，频繁发布也在一定程度上影响了用户的体验，甚至影响任务的执行。作业流程无法根据用户的操作行为或习惯动态化配置，导致流程不够智能，影响操作体验与作业流程。
发明内容
本申请实施例提供一种基于行为分析的配置更新方法、装置、设备及存储介质，实现根据用户操作行为对作业流程进行自动配置。
第一方面，本申请提供了一种基于行为分析的配置更新方法，所述方法包括：
获取目标用户终端的埋点记录数据，所述埋点记录数据包括多个埋点事件各自的统计数据；
基于各目标事件节点的功能完成率模型，根据所述埋点记录数据中的统计数据，确定各所述目标事件节点的功能完成率，所述目标事件节点为决策树模型中的事件节点；
基于所述决策树模型，根据各所述目标事件节点的功能完成率确定目标事件流程，所述目标事件流程包括至少一个所述目标事件节点；
根据所述目标事件流程确定配置数据，并将配置数据发送给所述目标用户终端，以使所述目标用户终端根据所述配置数据更新配置。
第二方面，本申请提供了一种配置更新装置，所述配置更新装置包括：
数据获取模块，用于获取目标用户终端的埋点记录数据，所述埋点记录数据包括多个埋点事件各自的统计数据；
完成率确定模块，用于基于各目标事件节点的功能完成率模型，根据所述埋点记录数据中的统计数据，确定各所述目标事件节点的功能完成率，所述目标事件节点为决策树模型中的事件节点；
流程确定模块，用于基于所述决策树模型，根据各所述目标事件节点的功能完成率确定目标事件流程，所述目标事件流程包括至少一个所述目标事件节点；
配置更新模块，用于根据所述目标事件流程确定配置数据，并将配置数据发送给用户终端，以使所述目标用户终端根据所述配置数据更新配置。
第三方面，本申请提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现上述的基于行为分析的配置更新方法。
第四方面，本申请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，若所述计算机程序被处理器执行，实现上述的基于行为分析的配置更新方法。
本申请公开了一种基于行为分析的配置更新方法，通过根据用户的行为习惯数据计算各流程节点的功能完成率，并根据决策树模型确定和用户当前行为习惯匹配的流程，即目标事件流程；之后将目标事件流程对应的相关配置发送给用户终端，以使用户终端的作业流程根据用户的操作行为或习惯动态化进行配置更新。同时本申请采用的目标事件流程确定技术手段，能够有效提升用户行为分析精确度，进而提升移动端软件配置效率。
附图说明
为了更清楚地说明本申请实施例的技术方案，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，下面描述中的附图是本申请的一些实施例，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他的附图。
图1为本申请一实施例的基于行为分析的配置更新方法的流程示意图；
图2为一实施例的获取埋点记录数据的子流程示意图；
图3为一实施例的确定功能完成率的子流程示意图；
图4为本申请一实施例提供的一种决策树模型的结构示意图；
图5为本申请实施例提供的一种功能完成率模型的训练方法的流程示意图；
图6为一实施例的确定功能完成率模型的子流程示意图；
图7为本申请一实施例提供的一种配置更新装置的结构示意图；
图8为本申请另一实施例提供的一种配置更新装置的结构示意图；
图9为本申请一实施例提供的一种计算机设备的结构示意图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。另外，虽然在装置示意图中进行了功能模块的划分，但是在某些情况下，可以以不同于装置示意图中的模块划分。
应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本申请的实施例提供了一种基于行为分析的配置更新方法、装置、设备及存储介质。其中，该基于行为分析的配置更新方法可用于有效提升用户行为分析精确度，进而提升移动端软件配置效率。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
请参阅图1，本申请的实施例提供了一种基于行为分析的配置更新方法。配置更新方法例如可以应用于服务器。
该基于行为分析的配置更新方法是通过从用户的移动终端获取用户的行为习惯，如用户操作软件界面跳转的顺序、点击软件界面上按钮的顺序等数据，以根据用户当前的行为习惯和行为之间的相关性计算各流程节点的功能完成率，并根据决策树模型确定和用户当前行为习惯匹配的流程，即目标事件流程；之后将目标事件流程对应的相关配置发送给用户终端，以使用户终端的作业流程根据用户的操作行为或习惯动态化配置。
具体地，用户终端可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备。
如图1所示，该基于行为分析的配置更新方法，具体包括以下步骤S110至步骤S140。
S110、获取目标用户终端的埋点记录数据，所述埋点记录数据包括多个埋点事件各自的统计数据。
在一些实施方式中，服务器通过埋点行为来获取目标用户终端的操作行为。所述埋点就是在应用中特定的流程收集一些信息，用来跟踪应用使用的状况，后续用来进一步优化产品或是提供运营的数据支撑。例如，针对一款地图APP，对现有的地图APP界面中涉及的所有用户操作行为进行统计和分类。具体地，通过预测用户可能存在的所有操作行为，并对所述操作行为进行埋点处理，以获取至少一个用户终端在不同时间段的埋点记录数据，所述埋点记录数据包括多个埋点事件的统计数据。
在一些实施例中，如图2所示，所述获取目标用户终端的埋点记录数据，具体包括步骤S1101至步骤S1103。
步骤S1101、从目标用户终端获取初始埋点记录数据，所述初始埋点记录数据包括多个埋点事件各自的初始统计数据。
用户使用地图APP的目的是获取相关的地理位置信息，同时伴随着使用其它的辅助功能，如驾车路线导航、地铁公交路线查询、打车拼车、旅游等。不同的用户对地图APP的功能需求也有所偏差，例如有车用户使用驾车路线导航功能的频率就明显高于使用地铁公交路线查询功能的频率。按照操作行为的发生频率可对用户的操作行为做一个分析，以得到用户的行为操作习惯与偏好。
在一些实施例中，埋点事件的初始统计数据例如包括：功能点使用次数、页面流转情况(跳转的页面数量)、流程流转顺序(正常或异常)、停留时长、功能完成率等。
示例性地，从用户的移动终端获取用户操作应用时软件界面跳转的顺序、界面的使用频率、点击软件界面上按钮的顺序等数据。
步骤S1102、对所述初始埋点记录数据中的各埋点事件的初始统计数据进行数值化处理，得到各所述埋点事件的统计数据。
在一些实施例中，获取到的初始埋点记录数据中包含五个埋点事件，例如分别为埋点事件A、B、C、D、E，对埋点事件A、B、C、D、E对应的初始统计数据进行数值化处理。示例性地，对初始埋点记录数据中埋点事件A、B、C、D、E发生的次数进行汇总，得到各所述埋点事件的统计数据，如表1所示。
表1埋点事件的统计数据
埋点记录数据 埋点事件A 埋点事件B 埋点事件C 埋点事件D 埋点事件E
统计数据 As Bs Cs Ds Es
步骤S1103、根据各所述埋点事件的统计数据生成埋点记录数据。
在一些实施例中，包括对各所述埋点事件的统计数据进行预处理。例如进行校验、去噪、检查数据的完整性与一致性，剔除非法无效数据，添加自定义事件中对应的字段。根据预处理过后的各所述埋点事件的统计数据生成埋点记录数据。示例性地，埋点事件A对应的埋点数据为QA、埋点事件B对应的埋点数据为QB、埋点事件C对应的埋点数据为QC。
S120、基于各目标事件节点的功能完成率模型，根据所述埋点记录数据中的统计数据，确定各所述目标事件节点的功能完成率，所述目标事件节点为决策树模型中的事件节点。
根据所述埋点记录数据中统计数据对应的事件节点，分别代入预先训练好的各目标事件节点的功能完成率模型中，以得到各所述目标事件节点的功能完成率，其中，所述目标事件节点为预先训练好的决策树模型中的事件节点。
在一些实施例中，所述决策树模型的训练包括以下步骤：
获取所述决策树模型的训练样本集，所述训练样本集包括多种事件流程以及各所述事件流程中各目标事件节点的功能完成率，各所述事件流程包括至少一个所述目标事件节点和所述目标事件节点之间的跳转关系；根据所述训练样本集确定所述决策树模型。
在一些实施例中，如图3所示，所述基于各目标事件节点的功能完成率模型，根据所述埋点记录数据中的统计数据，确定所述事件节点的功能完成率，具体包括步骤S1201至步骤S1203。
S1201、基于所述目标事件节点的功能完成率模型，获取所述目标事件节点的关联事件节点的权重系数，所述关联事件节点为与所述目标事件节点相关的事件节点。
具体地，预先训练的所述目标事件节点的功能完成率模型中包含与所述目标事件节点相关的事件节点的权重系数。
示例性地，目标事件节点E的功能完成率模型为：
QE＝λAQA+λBQB+λCQC
其中，QA、QB、QC表示与目标事件节点E相关的事件节点A、B、C，即目标事件节点E的关联事件节点A、B、C对应的埋点数据，系数λA为事件节点A对应的权重系数，系数λB为事件节点B对应的权重系数，系数λC为事件节点C对应的权重系数。
S1202、从所述埋点记录数据中获取所述关联事件节点的埋点数据。
在一些实施例中，根据所述目标事件节点相关的事件节点在所述埋点记录数据中进行匹配查找，获取所述事件节点在所述埋点记录数据中对应的埋点数据。
例如，如表1所示，若目标事件节点相关的事件节点为A、B、C，在所述埋点记录数据中查找事件节点A、B、C对应的埋点数据，即埋点数据QA、QB、QC。
S1203、根据所述权重系数对所述关联事件节点目标事件节点相关的事件节点的统计数据进行加权求和，得到所述目标事件节点的功能完成率。
在一些实施例中，将目标事件节点相关的事件节点的权重系数和目标事件节点相关的事件节点的统计数据代入目标事件节点的功能完成率模型，进行加权求和，得到所述目标事件节点的功能完成率。
S130、基于所述决策树模型，根据各所述目标事件节点的功能完成率确定目标事件流程，所述目标事件流程包括至少一个所述目标事件节点。
根据用户终端当前的使用情况，即各所述目标事件节点的功能完成率，进行决策树分析，得出主要的流程节点，确定当前使用习惯对应的最优的流程方案，即目标事件流程。
在一些实施例中，所述决策树模型如图4所示，包括5个事件节点，分别为S1、S2、S3、S4、S5。将各事件节点的功能完成率带入决策树中各事件节点的分支条件，确定目标事件流程中各事件节点之后的事件节点，即叶子节点。
示例性地，若事件节点S1的功能完成率大于0.5，则事件节点S1之后的事件节点为事件节点S2；若事件节点S2的功能完成率大于0.3，则事件节点S2之后的事件节点为事件节点S3。从而，根据决策树的最佳分支，可以确定目标事件流程，即所述目标事件流程为S1-S2-S3-S4。
示例性地，若事件节点S1的功能完成率小于0.5，则事件节点S1之后的事件节点为事件节点S4；若事件节点S4的功能完成率大于0.6，则事件节点S4之后的事件节点为事件节点S2。从而，根据决策树的最佳分支，可以确定目标事件流程，即所述目标事件流程为S1-S4-S2-S5。
S140、根据所述目标事件流程确定配置数据，并将配置数据发送给所述目标用户终端，以使所述目标用户终端根据所述配置数据更新配置。
根据最优的流程方案，即目标事件流程，确定配置数据，将配置数据发送给用户终端，以使用户终端更新配置。服务器根据所述配置数据生成对应的配置指令后，以推送的形式将所述配置指令下发到应用中。所述配置指令包括功能变化指令、流程变更指令、界面元素变更指令，根据所述配置指令对应用执行相应的修改配置，优化操作流程。
示例性地，地图APP根据服务器发送的配置指令进行流程优化，在页面布局上，根据用户的行为习惯进行调整，如对用户经常点击的按钮位置进行调整，可通过按钮的位置、大小、色彩等形式对其重要度进行区分；在流程变更上，实现对当前用户最优化的流程方案。例如，经过分析得到该用户经常使用的功能为公交地铁路线查询，且该用户对应的目标事件流程为地址查找、公交地铁查询后，确定配置数据。服务器根据所述配置数据生成配置指令并下发到应用中，并根据所述配置指令对应用进行相应变更，以实现当用户输入查找地址后立即跳转至公交地铁路线展示的效果，提升了应用使用的便捷性。
请参阅图5，图5是本申请实施例提供的一种功能完成率模型的训练方法的流程示意图。所述训练方法用于训练得到前述的功能完成率模型。
如图5所示，训练方法包括步骤S210至步骤S240。
S210、从至少一个用户终端获取多个埋点记录数据，所述埋点记录数据包括多个埋点事件的统计数据。
具体地，可以获取一个用户终端在不同时间段的埋点记录数据；或者获取不同用户终端在某一时间段的埋点记录数据；或者获取不同用户终端在不同时间段的埋点记录数据。
S220、对所述埋点记录数据中的各埋点事件的统计数据进行数值化处理，得到各所述埋点事件的统计数值。
在一些实施例中，从甲、乙、丙等三个用户终端上获取甲、乙、丙三个用户终端的初始化埋点记录数据，各初始化埋点记录数据中分别包括埋点事件A-E的初始统计数据。对于所述初始统计数据进行数值化后得到各所述埋点事件的统计数值，如下表2所示：
表2目标用户终端埋点事件的统计数值
埋点记录数据 甲 乙 丙
埋点事件A A1 A2 A3
埋点事件B B1 B2 B3
埋点事件C C1 C2 C3
埋点事件D D1 D2 D3
埋点事件E E1 E2 E3
S230、根据所述多个埋点事件各自的统计数值，对所述多个埋点事件进行相关性分析，得到不同埋点事件之间的相关系数。
在一些实施例中，根据所述各埋点事件的统计数值，利用绘制散点图的方式对所述多个埋点事件进行相关性分析，以得到不同埋点事件之间的相关系数，例如，以埋点事件A为自变量，以埋点事件E为因变量，根据所述多个埋点记录数据中埋点事件A、E的统计数值绘制散点图。从数据点的分布情况可以发现，自变量和因变量之间的变化趋势，确定埋点事件A、E之间的相关系数，如Pearson积差相关、Spearman等级相关还是Kendall等级相关等系数。
根据所述相关系数对所述埋点事件进行显著性校验，如果两埋点事件之间的显著性水平小于0.05，则表明这两个埋点事件有显著相关。
S240、根据所述相关系数，确定各所述目标事件节点的功能完成率模型。
根据所述相关系数确定目标事件节点相关的事件节点，并获取所述目标事件节点相关的事件节点的权重系数，得到所述目标事件节点的功能完成率模型。
在一些实施例中，请参考图6，所述根据所述相关系数，确定各所述目标事件节点的功能完成率模型，具体地包括步骤S2401至步骤S2403。
S2401、若有事件节点与所述目标事件节点之间的相关系数大于预设阈值，确定所述事件节点为所述目标事件节点的关联事件节点。
示例性地，若有事件节点为A、B、C、D、E，目标事件节点为E，获取所述事件节点A、B、C、D与目标事件节点E的相关系数。若所述事件节点A、B、C与目标事件节点E相关系数大于预设阈值0.4，若所述事件节点D与目标事件节点E相关系数小于预设阈值0.4，则所述事件节点A、B、C为所述目标事件节点相关的事件节点E。
S2402、根据所述目标事件节点的关联事件节点与所述目标事件节点之间的相关系数确定所述关联事件节点的权重系数。
在一些实施例中，目标事件节点E，所述目标事件节点相关的事件节点为事件节点A、B、C。根据所述目标事件节点相关的事件节点A、B、C与所述目标事件节点E之间的相关系数确定所述目标事件节点相关的事件节点的权重系数，即λA、λB、λC。其中，权重系数λA根据埋点事件A、E之间的相关系数确定，权重系数λB根据埋点事件B、E之间的相关系数确定，权重系数λC根据埋点事件C、E之间的相关系数确定
具体地，如果埋点事件A、E之间的相关系数为a，埋点事件B、E之间的相关系数为b，埋点事件C、E之间的相关系数为c，则：
λA＝a÷(a+b+c)λB＝b÷(a+b+c)λC＝c÷(a+b+c)
S2403、根据所述目标事件节点的关联事件节点的权重系数确定所述目标事件节点的功能完成率模型。
示例性地，若所述目标事件节点为E，与所述目标事件节点E相关的关联事件节点为A、B、C，其中所述关联事件节点A、B、C对应的权重系数分别为λA、λB、λC，所述关联事件节点A、B、C对应的埋点数据分别为QA、QB、QC。根据所述权重系数λA、λB、λC，确定所述目标事件节点E的功能完成率模型，所述功能完成率模型如下所示：
QE＝λAQA+λBQB+λCQC
本申请通过全局的接口设计，对需要监控的功能、流程所涉及的页面及元素进行接口接入，实现功能、流程配置及界面元素修改调整。接口主要设计原理有以下几点：指令化信息接收与处理，主要分为功能变化指令、流程变更指令、界面元素变更指令、方案开启关闭指令，根据对应指令执行相应变化操作。
应用功能与流程的变化，涉及两个方面，一是页面内的功能与流程变化，二是多个页面之间的功能与流程变化。页面内功能与流程变化主要是通过自定义代码或自定义布局与控件的方式进行界面流程调整；多个页面则在此基础上将通过页面跳转的封装，修改页面流转。另外还可以加入开关配置，可实现方案的动态配置修改。
本申请公开了一种基于行为分析的配置更新方法，用于根据用户行为分析重构用户终端上软件的流程。具体地，根据用户当前的行为习惯和行为之间的相关性计算各流程节点的功能完成率，并根据决策树模型确定和用户当前行为习惯匹配的流程，即目标事件流程；之后将目标事件流程对应的相关配置发送给用户终端，以使用户终端的作业流程根据用户的操作行为或习惯动态化配置。在移动端软件配置应用场景下，本案的相关性分析技术手段和目标事件流程确定技术手段，能够有效提升用户行为分析精确度，进而提升移动端软件配置效率。
请参阅图7，图7是本申请实施例提供的一种配置更新装置的结构示意图，该配置更新装置可以配置于服务器或者终端中，用于执行前述的基于行为分析的配置更新方法。
其中，服务器可以为独立的服务器，也可以为服务器集群。该终端可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备。
如图7所示，该配置更新装置300，包括：数据获取模块301、完成率确定模块302、流程确定模块303和配置更新模块304。
数据获取模块301，用于获取目标用户终端的埋点记录数据，所述埋点记录数据包括多个埋点事件各自的统计数据。
在一些实施方式中，如图8所示，该配置更新装置300中数据获取模块301包括：数据获取子模块3011、数据处理子模块3012和记录生成子模块3013。
数据获取子模块3011，用于从目标用户终端获取初始埋点记录数据，所述初始埋点记录数据包括多个埋点事件各自的初始统计数据。
数据处理子模块3012，用于对所述初始埋点记录数据中的各埋点事件的初始统计数据进行数值化处理，得到各所述埋点事件的统计数据。
记录生成子模块3013，用于根据各所述埋点事件的统计数据生成埋点记录数据。
完成率确定模块302，用于基于各目标事件节点的功能完成率模型，根据所述埋点记录数据中的统计数据，确定各所述目标事件节点的功能完成率，所述目标事件节点为决策树模型中的事件节点。
在一些实施方式中，如图8所示，该配置更新装置300中完成率确定模块302包括：权重获取子模型3021、数据匹配子模型3022和加权求和子模型3023。
权重获取子模型3021，用于基于所述目标事件节点的功能完成率模型，获取与所述目标事件节点相关的事件节点的权重系数。所述关联事件节点为与所述目标事件节点相关的事件节点。
数据匹配子模型3022，用于从所述埋点记录数据中获取与所述目标事件节点相关的事件节点的统计数据。
加权求和子模型3023，用于根据所述权重系数对所述目标事件节点相关的事件节点的统计数据进行加权求和，得到所述目标事件节点的功能完成率。
流程确定模块303，用于基于所述决策树模型，根据各所述目标事件节点的功能完成率确定目标事件流程，所述目标事件流程包括至少一个所述目标事件节点。
示例性地，流程确定模块303，具体用于：根据各所述目标事件节点的功能完成率，以及所述决策树模型中各所述目标事件节点的分支条件确定至少一个所述目标事件节点为目标事件流程中的目标事件节点，以及确定所述目标事件流程中各目标事件节点之间的跳转关系。
配置更新模块304，用于根据所述目标事件流程确定配置数据，并将配置数据发送给用户终端，以使所述目标用户终端根据所述配置数据更新配置。
在一些实施方式中，基于行为分析的配置更新装置300，还包括模型训练模块，具体用于：
从至少一个用户终端获取多个埋点记录数据，所述埋点记录数据包括多个埋点事件的统计数据；对所述埋点记录数据中的各埋点事件的统计数据进行数值化处理，得到各所述埋点事件的统计数值；根据所述多个埋点事件各自的统计数值，对所述多个埋点事件进行相关性分析，得到不同埋点事件之间的相关系数；根据所述相关系数，确定各所述目标事件节点的功能完成率模型。
在一些实施方式中，基于行为分析的配置更新装置300，还包括决策树训练模块，具体用于：
获取所述决策树模型的训练样本集，所述训练样本集包括多种事件流程以及各所述事件流程中各目标事件节点的功能完成率，各所述事件流程包括至少一个所述目标事件节点和所述目标事件节点之间的跳转关系；根据所述训练样本集确定所述决策树模型。
需要说明的是，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，上述描述的装置和各模块、单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请的方法、装置可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、机顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
示例性地，上述的方法、装置可以实现为一种计算机程序的形式，该计算机程序可以在如图9所示的计算机设备上运行。
请参阅图9，图9是本申请实施例提供的一种计算机设备的结构示意图。该计算机设备可以是服务器或终端。该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种基于行为分析的配置更新方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种基于行为分析的配置更新方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，该计算机设备的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体地计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
在获取目标用户终端的埋点记录数据，所述埋点记录数据包括多个埋点事件各自的统计数据；
基于各目标事件节点的功能完成率模型，根据所述埋点记录数据中的统计数据，确定各所述目标事件节点的功能完成率，所述目标事件节点为决策树模型中的事件节点；
基于所述决策树模型，根据各所述目标事件节点的功能完成率确定目标事件流程，所述目标事件流程包括至少一个所述目标事件节点；
根据所述目标事件流程确定配置数据，并将配置数据发送给所述目标用户终端，以使所述目标用户终端根据所述配置数据更新配置。
一些实施方式中，处理器用以实现所述获取目标用户终端的埋点记录数据时，实现：
从目标用户终端获取初始埋点记录数据，所述初始埋点记录数据包括多个埋点事件各自的初始统计数据；
对所述初始埋点记录数据中的各埋点事件的初始统计数据进行数值化处理，得到各所述埋点事件的统计数据；
根据各所述埋点事件的统计数据生成埋点记录数据。
在一些实施方式中，处理器用以实现所述基于各目标事件节点的功能完成率模型，根据所述埋点记录数据中的统计数据，确定各所述目标事件节点的功能完成率时，实现：
基于所述目标事件节点的功能完成率模型，获取所述目标事件节点的关联事件节点的权重系数，所述关联事件节点为与所述目标事件节点相关的事件节点；
从所述埋点记录数据中获取所述关联事件节点的统计数据；
根据所述权重系数对所述关联事件节点的统计数据进行加权求和，得到所述目标事件节点的功能完成率。
在一些实施方式中，处理器用以实现所述的基于行为分析的配置更新方法时，实现：
从至少一个用户终端获取多个埋点记录数据，所述埋点记录数据包括多个埋点事件的统计数据；
对所述埋点记录数据中的各埋点事件的统计数据进行数值化处理，得到各所述埋点事件的统计数值；
根据所述多个埋点事件各自的统计数值，对所述多个埋点事件进行相关性分析，得到不同埋点事件之间的相关系数；
根据所述相关系数，确定各所述目标事件节点的功能完成率模型。
在一些实施方式中，服务器用以实现所述根据所述相关系数，确定各所述目标事件节点的功能完成率模型时，实现：
若有事件节点与所述目标事件节点之间的相关系数大于预设阈值，确定所述事件节点为所述目标事件节点的关联事件节点；
根据所述目标事件节点的关联事件节点与所述目标事件节点之间的相关系数确定所述关联事件节点的权重系数；
根据所述目标事件节点的关联事件节点的权重系数确定所述目标事件节点的功能完成率模型。
在一些实施方式中，服务器用以实现所述基于所述决策树模型，根据各所述目标事件节点的功能完成率确定目标事件流程时，实现：
根据各所述目标事件节点的功能完成率，以及所述决策树模型中各所述目标事件节点的分支条件确定至少一个所述目标事件节点为目标事件流程中的目标事件节点，以及确定所述目标事件流程中各目标事件节点之间的跳转关系。
在一些实施方式中，处理器用以实现所述的基于行为分析的配置更新方法时，实现：
获取所述决策树模型的训练样本集，所述训练样本集包括多种事件流程以及各所述事件流程中各目标事件节点的功能完成率，各所述事件流程包括至少一个所述目标事件节点和所述目标事件节点之间的跳转关系；
根据所述训练样本集确定所述决策树模型。
通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请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，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法，如：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，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本申请实施例提供的任一项基于行为分析的配置更新方法。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (9)

1.一种基于行为分析的配置更新方法，其特征在于，包括：
获取目标用户终端的埋点记录数据，所述埋点记录数据包括多个埋点事件各自的统计数据；
基于各目标事件节点的功能完成率模型，根据所述埋点记录数据中的统计数据，确定各所述目标事件节点的功能完成率，所述目标事件节点为决策树模型中的事件节点；
基于所述决策树模型，根据各所述目标事件节点的功能完成率确定目标事件流程，所述目标事件流程包括至少一个所述目标事件节点；
根据所述目标事件流程确定配置数据，并将配置数据发送给所述目标用户终端，以使所述目标用户终端根据所述配置数据更新配置；
在所述基于各目标事件节点的功能完成率模型，根据所述埋点记录数据中的统计数据，确定各所述目标事件节点的功能完成率之前，还包括：
从至少一个用户终端获取多个埋点记录数据，所述埋点记录数据包括多个埋点事件的统计数据；
对所述埋点记录数据中的各埋点事件的统计数据进行数值化处理，得到各所述埋点事件的统计数值；
根据所述多个埋点事件各自的统计数值，对所述多个埋点事件进行相关性分析，得到不同埋点事件之间的相关系数；
根据所述相关系数，确定各所述目标事件节点的功能完成率模型。
2.如权利要求1所述的基于行为分析的配置更新方法，其特征在于，所述获取目标用户终端的埋点记录数据，包括：
从目标用户终端获取初始埋点记录数据，所述初始埋点记录数据包括多个埋点事件各自的初始统计数据；
对所述初始埋点记录数据中的各埋点事件的初始统计数据进行数值化处理，得到各所述埋点事件的统计数据；
根据各所述埋点事件的统计数据生成埋点记录数据。
3.如权利要求1所述的基于行为分析的配置更新方法，其特征在于，所述基于各目标事件节点的功能完成率模型，根据所述埋点记录数据中的统计数据，确定各所述目标事件节点的功能完成率，包括：
基于所述目标事件节点的功能完成率模型，获取所述目标事件节点的关联事件节点的权重系数，所述关联事件节点为与所述目标事件节点相关的事件节点；
从所述埋点记录数据中获取所述关联事件节点的统计数据；
根据所述权重系数对所述关联事件节点的统计数据进行加权求和，得到所述目标事件节点的功能完成率。
4.如权利要求1所述的基于行为分析的配置更新方法，其特征在于，所述根据所述相关系数，确定各所述目标事件节点的功能完成率模型，包括：
若有事件节点与所述目标事件节点之间的相关系数大于预设相关系数阈值，确定所述事件节点为所述目标事件节点的关联事件节点；
根据所述目标事件节点的关联事件节点与所述目标事件节点之间的相关系数确定所述关联事件节点的权重系数；
根据所述目标事件节点的关联事件节点的权重系数确定所述目标事件节点的功能完成率模型。
5.如权利要求1至3中任一项所述的基于行为分析的配置更新方法，其特征在于，所述基于所述决策树模型，根据各所述目标事件节点的功能完成率确定目标事件流程，包括：
根据各所述目标事件节点的功能完成率，以及所述决策树模型中各所述目标事件节点的分支条件确定至少一个所述目标事件节点为目标事件流程中的目标事件节点，以及确定所述目标事件流程中各目标事件节点之间的跳转关系。
6.如权利要求5所述的基于行为分析的配置更新方法，其特征在于，在所述基于所述决策树模型，根据各所述目标事件节点的功能完成率确定目标事件流程之前，还包括：
获取所述决策树模型的训练样本集，所述训练样本集包括多种事件流程以及各所述事件流程中各目标事件节点的功能完成率，各所述事件流程包括至少一个所述目标事件节点和所述目标事件节点之间的跳转关系；
根据所述训练样本集确定所述决策树模型。
7.一种配置更新装置，其特征在于，所述配置更新装置包括：
数据获取模块，用于获取目标用户终端的埋点记录数据，所述埋点记录数据包括多个埋点事件各自的统计数据；
完成率确定模块，用于基于各目标事件节点的功能完成率模型，根据所述埋点记录数据中的统计数据，确定各所述目标事件节点的功能完成率，所述目标事件节点为决策树模型中的事件节点；
流程确定模块，用于基于所述决策树模型，根据各所述目标事件节点的功能完成率确定目标事件流程，所述目标事件流程包括至少一个所述目标事件节点；
配置更新模块，用于根据所述目标事件流程确定配置数据，并将配置数据发送给用户终端，以使所述目标用户终端根据所述配置数据更新配置；
模型训练模块，用于从至少一个用户终端获取多个埋点记录数据，所述埋点记录数据包括多个埋点事件的统计数据；对所述埋点记录数据中的各埋点事件的统计数据进行数值化处理，得到各所述埋点事件的统计数值；根据所述多个埋点事件各自的统计数值，对所述多个埋点事件进行相关性分析，得到不同埋点事件之间的相关系数；根据所述相关系数，确定各所述目标事件节点的功能完成率模型。
8.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1-6中任一项所述的基于行为分析的配置更新方法。
9.一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：若所述计算机程序被处理器执行，实现如权利要求1-6中任一项所述的基于行为分析的配置更新方法。
CN202010097864.5A 2020-02-17 2020-02-17 基于行为分析的配置更新方法、装置、设备及存储介质 Active CN111459993B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010097864.5A CN111459993B (zh) 2020-02-17 2020-02-17 基于行为分析的配置更新方法、装置、设备及存储介质
PCT/CN2020/123417 WO2021164294A1 (zh) 2020-02-17 2020-10-23 基于行为分析的配置更新方法、装置、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010097864.5A CN111459993B (zh) 2020-02-17 2020-02-17 基于行为分析的配置更新方法、装置、设备及存储介质

Publications (2)

Publication Number Publication Date
CN111459993A CN111459993A (zh) 2020-07-28
CN111459993B true CN111459993B (zh) 2023-06-06

Family

ID=71681457

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010097864.5A Active CN111459993B (zh) 2020-02-17 2020-02-17 基于行为分析的配置更新方法、装置、设备及存储介质

Country Status (2)

Country Link
CN (1) CN111459993B (zh)
WO (1) WO2021164294A1 (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111459993B (zh) * 2020-02-17 2023-06-06 平安科技（深圳）有限公司 基于行为分析的配置更新方法、装置、设备及存储介质
CN113655883B (zh) * 2021-08-17 2022-10-14 中国人民解放军军事科学院战争研究院 一种人机界面眼动交互方式的工效学实验分析系统及方法
CN114138630B (zh) * 2021-11-10 2023-06-30 浪潮卓数大数据产业发展有限公司 一种基于es6装饰器的埋点数据收集方法及装置
CN114082195A (zh) * 2021-11-11 2022-02-25 珠海格力电器股份有限公司 一种任务处理方法、装置、电子设备及存储介质
CN114816181A (zh) * 2022-03-08 2022-07-29 平安科技（深圳）有限公司 基于机器学习的人机交互方式处理方法、装置及相关设备
CN116628004B (zh) * 2023-05-19 2023-12-08 北京百度网讯科技有限公司 信息查询方法、装置、电子设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110688553A (zh) * 2019-08-13 2020-01-14 平安科技（深圳）有限公司 基于数据分析的信息推送方法、装置、计算机设备及存储介质

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8037042B2 (en) * 2007-05-10 2011-10-11 Microsoft Corporation Automated analysis of user search behavior
US9116600B2 (en) * 2010-12-17 2015-08-25 Sap Se Automatically personalizing application user interface
CN104573293B (zh) * 2013-10-14 2018-03-23 上海西门子医疗器械有限公司 一种医学应用的调整方法、装置和系统
US20160170821A1 (en) * 2014-12-15 2016-06-16 Tata Consultancy Services Limited Performance assessment
CN106294902A (zh) * 2015-05-28 2017-01-04 阿里巴巴集团控股有限公司 预测移动应用程序页面性能的方法、装置及电子设备
US10210453B2 (en) * 2015-08-17 2019-02-19 Adobe Inc. Behavioral prediction for targeted end users
CN107544785A (zh) * 2017-06-28 2018-01-05 新华三技术有限公司 一种应用程序更新方法及装置
CN107168787A (zh) * 2017-07-03 2017-09-15 赵桂银 一种移动终端运行性能改善方法与装置
CN109542624B (zh) * 2018-11-23 2021-09-28 中国农业银行股份有限公司 一种应用变更的资源调配方法及装置
CN111459993B (zh) * 2020-02-17 2023-06-06 平安科技（深圳）有限公司 基于行为分析的配置更新方法、装置、设备及存储介质

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110688553A (zh) * 2019-08-13 2020-01-14 平安科技（深圳）有限公司 基于数据分析的信息推送方法、装置、计算机设备及存储介质

Also Published As

Publication number Publication date
WO2021164294A1 (zh) 2021-08-26
CN111459993A (zh) 2020-07-28

Similar Documents

Publication Publication Date Title
CN111459993B (zh) 基于行为分析的配置更新方法、装置、设备及存储介质
CN109241415B (zh) 项目推荐方法、装置、计算机设备及存储介质
CN109634698B (zh) 菜单显示方法、装置、计算机设备及存储介质
CN108090208A (zh) 融合数据处理方法及装置
CN109829096B (zh) 一种数据采集方法、装置、电子设备及存储介质
CN111882370B (zh) 一种广告推荐方法、装置和电子设备
CN109165975B (zh) 标签推荐方法、装置、计算机设备及存储介质
CN110674144A (zh) 用户画像生成方法、装置、计算机设备和存储介质
CN105069036A (zh) 一种信息推荐方法及装置
CN112035549B (zh) 数据挖掘方法、装置、计算机设备及存储介质
CN111160624B (zh) 一种用户意向预测方法、用户意向预测装置及终端设备
CN105260171A (zh) 一种虚拟道具的生成方法及装置
CN109670101A (zh) 爬虫调度方法、装置、电子设备及存储介质
CN113360300B (zh) 接口调用链路生成方法、装置、设备及可读存储介质
CN111489196B (zh) 基于深度学习网络的预测方法、装置、电子设备及介质
CN105243135A (zh) 展现搜索结果的方法及装置
CN114385918A (zh) 消息推送方法、装置、计算机设备及存储介质
CN109284354B (zh) 脚本搜索方法、装置、计算机设备及存储介质
JP2011227720A (ja) 推薦システム、推薦方法、及び推薦プログラム
CN112419078A (zh) 产品推荐方法、装置和电子设备
CN110309127B (zh) 一种数据处理方法、装置及电子设备
CN114048392B (zh) 多媒体资源推送方法、装置、电子设备及存储介质
CN110704726B (zh) 基于神经网络的数据推送方法、及其相关设备
CN112380419B (zh) 一种竞品数据查询方法、系统及电子设备
CN109522197B (zh) 一种用户app行为的预测方法

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 40032025

Country of ref document: HK

GR01 Patent grant
GR01 Patent grant