CN111752639B - 一种开屏内容推荐方法及装置 - Google Patents
一种开屏内容推荐方法及装置 Download PDFInfo
- Publication number
- CN111752639B CN111752639B CN202010597234.4A CN202010597234A CN111752639B CN 111752639 B CN111752639 B CN 111752639B CN 202010597234 A CN202010597234 A CN 202010597234A CN 111752639 B CN111752639 B CN 111752639B
- Authority
- CN
- China
- Prior art keywords
- function
- target
- recommendation
- history
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 38
- 230000006870 function Effects 0.000 claims abstract description 256
- 238000013528 artificial neural network Methods 0.000 claims abstract description 20
- 238000001914 filtration Methods 0.000 claims abstract description 20
- 230000000694 effects Effects 0.000 abstract description 9
- 238000003062 neural network model Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/445—Program loading or initiating
- G06F9/44505—Configuring for program initiating, e.g. using registry, configuration files
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本申请实施例公开了一种开屏内容推荐方法及装置,其中该方法包括:获取目标用户对于目标应用的历史使用信息;根据所述历史使用信息,从所述目标应用支持的所有功能中选出所述目标用户感兴趣的功能,组成感兴趣功能集合;通过深度神经网络过滤模型,根据所述感兴趣功能集合中各个功能各自对应的功能信息和所述历史使用信息,确定目标推荐功能;在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息。该方法能够提升APP开屏内容的多样性,实现对于用户的个性化推荐,提升信息推荐效果。
Description
技术领域
本申请涉及计算机技术领域,具体涉及一种开屏内容推荐方法及装置。
背景技术
如今,应用程序(Application,APP)启动时通常会有一些耗时的操作,如网络加载、软件工具开发包(Software Development Kit,SDK)初始化、插件初始化等等,为了丰富用户等待APP启动时的体验,目前很多APP会向用户展示开屏内容,该开屏内容可以为产品功能介绍、产品更新动态、产品最近的热点或活动展示、广告等等。
然而,目前APP的开屏内容过于单一,APP启动后通常仅显示几种运营商设置好的开屏内容,不会针对用户进行个性化推荐,相应地,基于APP启动界面显示的开屏内容推荐效果也较差。
发明内容
本申请实施例提供了一种开屏内容推荐方法及装置,能够提升APP开屏内容的多样性,实现对于用户的个性化推荐,提升信息推荐效果。
有鉴于此,本申请第一方面提供了一种开屏内容推荐方法,所述方法包括:
获取目标用户对于目标应用的历史使用信息;
根据所述历史使用信息,从所述目标应用支持的所有功能中选出所述目标用户感兴趣的功能,组成感兴趣功能集合;
通过深度神经网络过滤模型,根据所述感兴趣功能集合中各个功能各自对应的功能信息和所述历史使用信息,确定目标推荐功能;
在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息。
可选的,所述根据所述历史使用信息,从所述目标应用支持的所有功能中选出所述目标用户感兴趣的功能,组成感兴趣功能集合,包括:
根据所述历史使用信息,确定所述目标用户通过所述目标应用使用过的历史使用功能,以及各历史使用功能各自对应的使用时长;
针对每项所述历史使用功能,根据该项历史使用功能对应的使用时长和各项所述历史使用功能各自对应的使用时长,确定该项历史使用功能对应的使用时长权重,当该项历史使用功能对应的使用时长权重超过预设权重阈值时,确定该项历史使用功能为所述目标用户感兴趣的功能。
可选的,所述根据该项历史使用功能对应的使用时长和各项所述历史使用功能各自对应的使用时长,确定该项历史使用功能对应的使用时长权重,包括:
计算各项所述历史使用功能各自对应的使用时长的和值,作为总使用时长;计算该项历史使用功能对应的使用时长与所述总使用时长的比值,作为该项历史使用功能对应的使用时长权重。
可选的,所述在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息,包括:
通过动画或短视频的形式,在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息。
可选的,所述目标应用的开屏界面包括跳过控件和查看详情控件;所述跳过控件用于触发取消显示所述推荐信息,所述查看详情控件用于触发跳转显示所述推荐信息对应的详情界面。
本申请第二方面提供了一种开屏内容推荐装置,所述装置包括:
信息获取模块,用于获取目标用户对于目标应用的历史使用信息;
感兴趣功能确定模块,用于根据所述历史使用信息,从所述目标应用支持的所有功能中选出所述目标用户感兴趣的功能,组成感兴趣功能集合;
目标推荐功能确定模块,用于通过深度神经网络过滤模型,根据所述感兴趣功能集合中各个功能各自对应的功能信息和所述历史使用信息,确定目标推荐功能;
显示模块,用于在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息。
可选的,所述感兴趣功能确定模块具体用于:
根据所述历史使用信息,确定所述目标用户通过所述目标应用使用过的历史使用功能,以及各历史使用功能各自对应的使用时长;
针对每项所述历史使用功能,根据该项历史使用功能对应的使用时长和各项所述历史使用功能各自对应的使用时长,确定该项历史使用功能对应的使用时长权重,当该项历史使用功能对应的使用时长权重超过预设权重阈值时,确定该项历史使用功能为所述目标用户感兴趣的功能。
可选的,所述感兴趣功能确定模块具体用于:
计算各项所述历史使用功能各自对应的使用时长的和值,作为总使用时长;计算该项历史使用功能对应的使用时长与所述总使用时长的比值,作为该项历史使用功能对应的使用时长权重。
可选的,所述显示模块具体用于:
通过动画或短视频的形式,在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息。
可选的,所述目标应用的开屏界面包括跳过控件和查看详情控件;所述跳过控件用于触发取消显示所述推荐信息,所述查看详情控件用于触发跳转显示所述推荐信息对应的详情界面。
从以上技术方案可以看出,本申请实施例具有以下优点:
本申请实施例提供了一种开屏内容推荐方法,在该方法中,可以先获取目标用户对于目标应用的历史使用信息;然后,根据所获取的历史使用信息,从目标应用支持的所有功能中选出目标用户感兴趣的功能,组成感兴趣功能集合;进而,通过预先训练好的深度神经网络过滤模型,根据感兴趣功能集合中各个功能各自对应的功能信息和历史使用信息,确定目标推荐功能;最终,在目标应用的开屏界面上显示该目标推荐功能对应的推荐信息。该开屏内容推荐方法可以结合目标用户对于目标应用的历史使用记录,推测目标用户感兴趣的功能,并利用深度神经网络过滤模型智能地从目标用户感兴趣的功能中进一步选出目标推荐功能,进而在目标应用的开屏界面显示该目标推荐功能对应的推荐信息,如此实现对于用户的个性化推荐,使得开屏内容的推荐更有针对性,也有助于提高信息推荐效果。
附图说明
图1为本申请实施例提供的开屏内容推荐方法的流程示意图;
图2为本申请实施例提供的开屏内容推荐装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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,所描述的实施例仅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。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
现有技术中,APP开屏界面上显示的开屏内容通常都是运营商预设的固定内容,对于不同的用户APP开屏界面上显示的内容均是相同的,因此难以满足用户的个性化需求,基于APP开屏界面的信息推荐效果较差。
针对上述现有技术存在的问题,本申请实施例提供了一种开屏内容推荐方法,基于该方法可以在APP开屏界面中实现对于用户的个性化推荐,提升信息推荐效果。
具体的,在本申请实施例提供的开屏内容推荐方法中,可以先获取目标用户对于目标应用的历史使用信息;然后,根据所获取的历史使用信息,从目标应用支持的所有功能中选出目标用户感兴趣的功能,组成感兴趣功能集合;进而,通过预先训练好的深度神经网络过滤模型,根据感兴趣功能集合中各个功能各自对应的功能信息和历史使用信息,确定目标推荐功能;最终,在目标应用的开屏界面上显示该目标推荐功能对应的推荐信息。
上述开屏内容推荐方法可以结合目标用户对于目标应用的历史使用记录,推测目标用户感兴趣的功能,并利用深度神经网络过滤模型智能地从目标用户感兴趣的功能中进一步选出目标推荐功能,进而在目标应用的开屏界面显示该目标推荐功能对应的推荐信息,如此实现对于用户的个性化推荐,使得开屏内容的推荐更有针对性,也有助于提高信息推荐效果。
下面通过实施例对本申请提供的开屏内容推荐方法进行详细介绍。
参见图1,图1为本申请实施例提供的开屏内容推荐方法的流程示意图,该开屏内容推荐方法可以由服务器来执行,如图1所示,该开屏内容推荐方法包括以下步骤:
步骤101:获取目标用户对于目标应用的历史使用信息。
终端设备检测到用户触发启动自身安装的目标应用时,可以通过网络向服务器发送开屏内容获取请求,该开屏内容获取请求中携带有目标用户的身份标识。服务器接收到终端设备发送的开屏内容获取请求后,可以根据该开屏内容获取请求中携带的身份标识,查找某段时间内目标用户对于目标用户的历史使用信息,例如查找近一个月内目标用户对于目标应用的历史使用信息。
需要说明的是,目标用户对于目标应用的历史使用信息可以包括:目标用户在某段时间内对于目标应用支持的各项功能的使用频次、使用时长等等。
步骤102:根据所述历史使用信息,从所述目标应用支持的所有功能中选出所述目标用户感兴趣的功能,组成感兴趣功能集合。
服务器获取到目标用户对于目标应用的历史使用信息后,可以采用大数据分析技术,通过召回模型根据所获取的历史使用信息,从该目标应用所支持的所有功能中选出目标用户感兴趣的功能,组成感兴趣功能集合。
在一种可能的实现方式中,服务器可以根据所获取的历史使用信息,确定目标用户通过目标应用使用过的历史使用功能,以及各项历史使用功能各自对应的使用时长;然后,针对每项历史使用功能,根据该项历史使用功能对应的使用时长和各项历史使用功能各自对应的使用时长,确定该项历史使用功能对应的使用时长权重,当该项历史使用功能对应的使用时长权重超过预设权重阈值时,确定该项历史使用功能为目标用户感兴趣的功能,所属于感兴趣功能集合。
具体实现时,服务器可以根据其获取的历史使用信息,确定目标用户在某段时间内使用过的功能作为历史使用功能,并且统计在该段时间内目标用户对于每项历史使用功能的时长。由于目标应用支持的各项功能通常对应不同的标签,因此可以基于各项历史使用功能各自对应的标签进行上述操作,即确定目标用户在某段时间使用过的各项历史使用功能各自对应的标签,假设目标应用支持的所有功能对应的标签集合a为{a1,……,an},从中挑选出来的各项历史使用功能各自对应的标签组成{a1,a2,a3,a4,a5},记录各项历史使用功能各自对应的使用时长为{t1,t2,t3,t4,t5}。
然后,服务器可以针对每项历史使用功能,根据该项历史使用功能对应的使用时长和各项历史使用功能各自对应的使用时长,确定该项历史使用功能对应的使用时长权重。示例性的,服务器可以计算各项历史使用功能各自对应的使用时长的和值作为总使用时长;计算该项历史使用功能对应的使用时长与该总使用时长的比值,作为该项历史使用功能对应的使用时长权重,例如,在各项历史使用功能各自对应的使用时长为{t1,t2,t3,t4,t5}的情况下,针对标签a1对应的历史使用功能,服务器可以计算t1/(t1+t2+t3+t4+t5)作为标签a1对应的历史使用功能的使用时长权重,以此类推,计算出各项历史使用功能各自对应的使用时长权重。
进而,服务器可以针对每项历史使用功能对应的使用时长权重,判断该使用时长权重是否超过预设权重阈值,若是,则确定该历史使用功能为目标用户感兴趣的功能,其所属于感兴趣功能集合,若否,则确定该历史使用功能不是目标用户感兴趣的功能,不属于感兴趣功能集合。
应理解,上述预设权重阈值可以根据实际需求设定,本申请在此不对该预设权重阈值做任何限定。
步骤103:通过深度神经网络过滤模型,根据所述感兴趣功能集合中各个功能各自对应的功能信息和所述历史使用信息,确定目标推荐功能。
服务器确定出由目标用户感谢的功能组成的感兴趣功能集合后,可以通过预先训练好的深度神经网络过滤模型,根据感兴趣功能集合中各个功能各自对应的功能信息和历史使用信息,从该感兴趣功能集合中再选出一个目标推荐功能。
具体实现时,服务器可以将感兴趣功能集合中各项功能各自对应的功能信息以及历史使用信息,输入深度神经网络过滤模型,此处功能对应的功能信息通常是指能够表征功能特性的信息,此处功能对应的历史使用信息可以包括该功能的使用频次、使用时长等;深度神经网络过滤模型通过对输入的信息进行分析处理,输出目标用户最可能感兴趣的功能,作为目标推荐功能。
需要说明的是,上述深度神经网络过滤模型通常是预先通过有监督训练的方式训练出的模型,在本申请中,服务器预先可以利用大量训练样本对所构建的深度神经网络模型进行训练,此处的训练样本中可以包括样本功能信息、样本使用信息以及标注推荐功能,待对于该深度神经网络模型的迭代训练次数达到预设次数,或者该深度神经网络模型的模型精度达到预设精度时,可以确认已完成对于该深度神经网络模型的训练,可以将训练完成的深度神经网络模型作为上述深度神经网络过滤模型,投入实际应用中。
步骤104:在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息。
服务器确定出目标推荐功能后,可以进一步确定该目标推荐功能对应的推荐信息,进而将该推荐信息通过网络发送给终端设备,以通过终端设备在目标应用的开屏界面上,显示该目标推荐功能对应的推荐信息。
可选的,在本申请实施例中,终端设备可以通过动画或短视频的形式,在目标应用的开屏界面上显示该目标推荐功能对应的推荐信息。
可选的,目标应用的开屏界面上还可以包括跳过控件和查看详情控件,终端设备检测到该跳过控件被用户触控时,可以触发取消显示上述推荐信息,终端设备检测到该查看详情控件被用户触控时,可以跳转显示该推荐信息对应的详情界面,例如,可以跳转显示该推荐信息对应的目标推荐功能的界面。
在本申请实施例提供的开屏内容推荐方法中,可以先获取目标用户对于目标应用的历史使用信息;然后,根据所获取的历史使用信息,从目标应用支持的所有功能中选出目标用户感兴趣的功能,组成感兴趣功能集合;进而,通过预先训练好的深度神经网络过滤模型,根据感兴趣功能集合中各个功能各自对应的功能信息和历史使用信息,确定目标推荐功能;最终,在目标应用的开屏界面上显示该目标推荐功能对应的推荐信息。该开屏内容推荐方法可以结合目标用户对于目标应用的历史使用记录,推测目标用户感兴趣的功能,并利用深度神经网络过滤模型智能地从目标用户感兴趣的功能中进一步选出目标推荐功能,进而在目标应用的开屏界面显示该目标推荐功能对应的推荐信息,如此实现对于用户的个性化推荐,使得开屏内容的推荐更有针对性,也有助于提高信息推荐效果。
本申请实施例还提供了一种开屏内容推荐装置,参见图2,图2为该开屏内容推荐装置的结构示意图,如图2所示,该开屏内容推荐装置中包括:
信息获取模块,用于获取目标用户对于目标应用的历史使用信息;
感兴趣功能确定模块,用于根据所述历史使用信息,从所述目标应用支持的所有功能中选出所述目标用户感兴趣的功能,组成感兴趣功能集合;
目标推荐功能确定模块,用于通过深度神经网络过滤模型,根据所述感兴趣功能集合中各个功能各自对应的功能信息和所述历史使用信息,确定目标推荐功能;
显示模块,用于在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息。
可选的,所述感兴趣功能确定模块具体用于:
根据所述历史使用信息,确定所述目标用户通过所述目标应用使用过的历史使用功能,以及各历史使用功能各自对应的使用时长;
针对每项所述历史使用功能,根据该项历史使用功能对应的使用时长和各项所述历史使用功能各自对应的使用时长,确定该项历史使用功能对应的使用时长权重,当该项历史使用功能对应的使用时长权重超过预设权重阈值时,确定该项历史使用功能为所述目标用户感兴趣的功能。
可选的,所述感兴趣功能确定模块具体用于:
计算各项所述历史使用功能各自对应的使用时长的和值,作为总使用时长;计算该项历史使用功能对应的使用时长与所述总使用时长的比值,作为该项历史使用功能对应的使用时长权重。
可选的,所述显示模块具体用于:
通过动画或短视频的形式,在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息。
可选的,所述目标应用的开屏界面包括跳过控件和查看详情控件;所述跳过控件用于触发取消显示所述推荐信息,所述查看详情控件用于触发跳转显示所述推荐信息对应的详情界面。
在本申请实施例提供的开屏内容推荐装置中,可以先获取目标用户对于目标应用的历史使用信息;然后,根据所获取的历史使用信息,从目标应用支持的所有功能中选出目标用户感兴趣的功能,组成感兴趣功能集合;进而,通过预先训练好的深度神经网络过滤模型,根据感兴趣功能集合中各个功能各自对应的功能信息和历史使用信息,确定目标推荐功能;最终,在目标应用的开屏界面上显示该目标推荐功能对应的推荐信息。该开屏内容推荐装置可以结合目标用户对于目标应用的历史使用记录,推测目标用户感兴趣的功能,并利用深度神经网络过滤模型智能地从目标用户感兴趣的功能中进一步选出目标推荐功能,进而在目标应用的开屏界面显示该目标推荐功能对应的推荐信息,如此实现对于用户的个性化推荐,使得开屏内容的推荐更有针对性,也有助于提高信息推荐效果。
本申请实施例还提供一种计算机可读存储介质,用于存储程序代码,该程序代码用于执行前述各个实施例所述的一种开屏内容推荐方法中的任意一种实施方式。
本申请实施例还提供一种包括指令的计算机程序产品,当其在计算机上运行时,使得计算机执行前述各个实施例所述的一种开屏内容推荐方法中的任意一种实施方式。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和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。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。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或者该技术方案的全部或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一个存储介质中,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所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文全称:Read-OnlyMemory,英文缩写:ROM)、随机存取存储器(英文全称:Random Access Memory,英文缩写:RAM)、磁碟或者光盘等各种可以存储计算机程序的介质。
应当理解,在本申请中,“至少一个(项)”是指一个或者多个,“多个”是指两个或两个以上。“和/或”,用于描述关联对象的关联关系,表示可以存在三种关系,例如,“A和/或B”可以表示:只存在A,只存在B以及同时存在A和B三种情况,其中A,B可以是单数或者复数。字符“/”一般表示前后关联对象是一种“或”的关系。“以下至少一项(个)”或其类似表达,是指这些项中的任意组合,包括单项(个)或复数项(个)的任意组合。例如,a,b或c中的至少一项(个),可以表示:a,b,c,“a和b”,“a和c”,“b和c”,或“a和b和c”,其中a,b,c可以是单个,也可以是多个。
以上所述,以上实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,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申请各实施例技术方案的精神和范围。
Claims (6)
1.一种开屏内容推荐方法,其特征在于,所述方法包括:
获取目标用户对于目标应用的历史使用信息;
根据所述历史使用信息,确定所述目标用户通过所述目标应用使用过的历史使用功能,以及各历史使用功能各自对应的使用时长;
针对每项所述历史使用功能,根据该项历史使用功能对应的使用时长和各项所述历史使用功能各自对应的使用时长,确定该项历史使用功能对应的使用时长权重,当该项历史使用功能对应的使用时长权重超过预设权重阈值时,确定该项历史使用功能为所述目标用户感兴趣的功能;
从所述历史使用功能中选出所述目标用户感兴趣的功能,组成感兴趣功能集合;
通过深度神经网络过滤模型,根据所述感兴趣功能集合中各个功能各自对应的功能信息和所述历史使用信息,确定目标推荐功能;
在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息;
所述目标应用的开屏界面包括跳过控件和查看详情控件;所述跳过控件用于触发取消显示所述推荐信息,所述查看详情控件用于触发跳转显示所述推荐信息对应的详情界面。
2.根据权利要求1所述的方法,其特征在于,所述根据该项历史使用功能对应的使用时长和各项所述历史使用功能各自对应的使用时长,确定该项历史使用功能对应的使用时长权重,包括:
计算各项所述历史使用功能各自对应的使用时长的和值,作为总使用时长;计算该项历史使用功能对应的使用时长与所述总使用时长的比值,作为该项历史使用功能对应的使用时长权重。
3.根据权利要求1所述的方法,其特征在于,所述在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息,包括:
通过动画或短视频的形式,在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息。
4.一种开屏内容推荐装置,其特征在于,所述装置包括:
信息获取模块,用于获取目标用户对于目标应用的历史使用信息;
感兴趣功能确定模块,用于根据所述历史使用信息,确定所述目标用户通过所述目标应用使用过的历史使用功能,以及各历史使用功能各自对应的使用时长;
针对每项所述历史使用功能,根据该项历史使用功能对应的使用时长和各项所述历史使用功能各自对应的使用时长,确定该项历史使用功能对应的使用时长权重,当该项历史使用功能对应的使用时长权重超过预设权重阈值时,确定该项历史使用功能为所述目标用户感兴趣的功能;
目标推荐功能确定模块,用于通过深度神经网络过滤模型,根据所述感兴趣功能集合中各个功能各自对应的功能信息和所述历史使用信息,确定目标推荐功能;
显示模块,用于在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息;
所述目标应用的开屏界面包括跳过控件和查看详情控件;所述跳过控件用于触发取消显示所述推荐信息,所述查看详情控件用于触发跳转显示所述推荐信息对应的详情界面。
5.根据权利要求4所述的装置,其特征在于,所述感兴趣功能确定模块具体用于:
计算各项所述历史使用功能各自对应的使用时长的和值,作为总使用时长;计算该项历史使用功能对应的使用时长与所述总使用时长的比值,作为该项历史使用功能对应的使用时长权重。
6.根据权利要求4所述的装置,其特征在于,所述显示模块具体用于:
通过动画或短视频的形式,在所述目标应用的开屏界面上显示所述目标推荐功能对应的推荐信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010597234.4A CN111752639B (zh) | 2020-06-28 | 2020-06-28 | 一种开屏内容推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010597234.4A CN111752639B (zh) | 2020-06-28 | 2020-06-28 | 一种开屏内容推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111752639A CN111752639A (zh) | 2020-10-09 |
CN111752639B true CN111752639B (zh) | 2024-01-30 |
Family
ID=72676961
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010597234.4A Active CN111752639B (zh) | 2020-06-28 | 2020-06-28 | 一种开屏内容推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111752639B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112632384B (zh) * | 2020-12-25 | 2024-07-05 | 北京百度网讯科技有限公司 | 针对应用程序的数据处理方法、装置、电子设备和介质 |
CN112783591A (zh) * | 2021-01-27 | 2021-05-11 | 北京字跳网络技术有限公司 | 互动方法、装置、电子设备和存储介质 |
CN115048152A (zh) * | 2022-06-14 | 2022-09-13 | 厦门十三曜智能科技有限公司 | 开机界面确定方法、系统、存储介质和服务器 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103581235A (zh) * | 2012-07-27 | 2014-02-12 | 腾讯科技(深圳)有限公司 | 一种闪屏推送、显示方法及服务器、客户端 |
CN108196902A (zh) * | 2017-12-25 | 2018-06-22 | 上海连尚网络科技有限公司 | 用于展示开屏广告的方法与设备 |
KR101907545B1 (ko) * | 2017-05-26 | 2018-12-05 | 주식회사 넷스루 | 실시간 컨텍스트를 이용한 방문자 타겟팅 방법 및 이를 이용한 상품 또는 콘텐츠 추천 방법 |
CN109711868A (zh) * | 2018-12-07 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 广告推送方法和装置 |
CN111200639A (zh) * | 2019-12-20 | 2020-05-26 | 上海淇玥信息技术有限公司 | 基于用户操作行为的信息推送方法、装置和电子设备 |
-
2020
- 2020-06-28 CN CN202010597234.4A patent/CN111752639B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103581235A (zh) * | 2012-07-27 | 2014-02-12 | 腾讯科技(深圳)有限公司 | 一种闪屏推送、显示方法及服务器、客户端 |
KR101907545B1 (ko) * | 2017-05-26 | 2018-12-05 | 주식회사 넷스루 | 실시간 컨텍스트를 이용한 방문자 타겟팅 방법 및 이를 이용한 상품 또는 콘텐츠 추천 방법 |
CN108196902A (zh) * | 2017-12-25 | 2018-06-22 | 上海连尚网络科技有限公司 | 用于展示开屏广告的方法与设备 |
CN109711868A (zh) * | 2018-12-07 | 2019-05-03 | 百度在线网络技术(北京)有限公司 | 广告推送方法和装置 |
CN111200639A (zh) * | 2019-12-20 | 2020-05-26 | 上海淇玥信息技术有限公司 | 基于用户操作行为的信息推送方法、装置和电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111752639A (zh) | 2020-10-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111752639B (zh) | 一种开屏内容推荐方法及装置 | |
CN109067990B (zh) | 一种应用服务执行方法及装置 | |
CN102144243B (zh) | 基于浏览信息的内容推荐 | |
CN109711868A (zh) | 广告推送方法和装置 | |
CN104395882A (zh) | 定制的表情符号项集的建立和上下文感知呈现 | |
CN108491540B (zh) | 文本信息推送方法、装置及智能终端 | |
CN103688521A (zh) | 利用上下文在通信设备上呈现内容 | |
KR101649393B1 (ko) | 메시징 애플리케이션 기반 광고 제공 방법 및 광고 제공 시스템 | |
CN109445884B (zh) | 一种功能标签展示方法及终端设备 | |
KR20100114860A (ko) | 터치포인트 커스터마이제이션 시스템 | |
CN107465739B (zh) | 实体渠道用户引流的方法及装置 | |
CN112445970A (zh) | 一种信息推荐方法、装置、电子设备及存储介质 | |
CN110990103B (zh) | 一种界面显示方法、装置、设备及存储介质 | |
CN109064283B (zh) | 商品推荐方法及装置、计算机可读存储介质 | |
CN114258662A (zh) | 用户行为数据处理方法、装置、服务器及存储介质 | |
CN107590673A (zh) | 用户分类方法及装置 | |
CN111311332A (zh) | 用户数据的处理方法和装置 | |
CN110392155A (zh) | 通知消息的显示、处理方法、装置及设备 | |
CN105653693A (zh) | 一种个性化推荐方法及装置 | |
CN112418994B (zh) | 商品的导购方法、装置、电子设备及存储介质 | |
CN112784103A (zh) | 信息推送方法和装置 | |
CN111723235A (zh) | 音乐内容识别方法、装置及设备 | |
KR20090117108A (ko) | 이동통신망을 통한 상품정보 서비스 제공 방법 및 시스템 | |
CN110599280A (zh) | 商品信息偏好模型训练和预测方法、装置及电子设备 | |
CN112685641A (zh) | 一种信息处理方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |