CN112667914B - 基于神经网络的内容矩阵展示方法、装置及系统 - Google Patents
基于神经网络的内容矩阵展示方法、装置及系统 Download PDFInfo
- Publication number
- CN112667914B CN112667914B CN202110278118.0A CN202110278118A CN112667914B CN 112667914 B CN112667914 B CN 112667914B CN 202110278118 A CN202110278118 A CN 202110278118A CN 112667914 B CN112667914 B CN 112667914B
- Authority
- CN
- China
- Prior art keywords
- information
- visitor
- display
- target
- media
- 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 63
- 239000011159 matrix material Substances 0.000 title claims abstract description 30
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 20
- 230000006399 behavior Effects 0.000 claims abstract description 57
- 238000003062 neural network model Methods 0.000 claims abstract description 39
- 238000012827 research and development Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000012790 confirmation Methods 0.000 claims description 11
- 238000011161 development Methods 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 7
- 238000007635 classification algorithm Methods 0.000 claims description 3
- 230000009193 crawling Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 230000007115 recruitment Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 24
- 238000010586 diagram Methods 0.000 description 11
- 230000000694 effects Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Abstract
本发明公开了一种基于神经网络的内容矩阵展示方法、装置及系统，涉及大数据技术领域，主要为解决目前品牌内容展示效率较低问题。该方法包括：获取展示元素及访客信息，其中所述展示元素包括元素信息及媒体信息，所述元素信息用于表征所需展示的内容信息，所述媒体信息用于表征显示所述展示元素的媒体；根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息，其中，所述展示信息是基于预设神经网络模型从所述展示元素中选取目标内容后构建的信息，所述目标内容对应所述访客信息；通过目标方式将所述展示信息输出，所述目标方式是基于访客行为确定的，所述目标方式包括语音方式、文字方式以及图像方式。本发明用于品牌内容展示过程。
Description
技术领域
本发明涉及大数据技术领域，尤其涉及一种基于神经网络的内容矩阵展示方法、装置及系统。
背景技术
一直以来，对于品牌方而言，往往需要不断对外界进行宣传以提高品牌知名度和影响力，而由于宣传过程中，品牌内容作为品牌方最主要的宣传信息，其展示的效果的优劣将直接影响品牌的知名度和影响力。
目前，在常规的品牌内容展示过程中，往往需要结合一些媒体以及相应的内容进行展示，例如当某个访客需要了解整个品牌发展的历程时，品牌方一般都会利用公众号或官网中的固定页面内展示其相关的历史发展进程的内容。然而，由于不同访客需求是不同的，其关注点也并不一致，这就导致现有的品牌内容展示过程往往由于预先设定好的内容和方式进行展示，影响了访客了解品牌内容的便捷性，从而极大影响了品牌内容展示的效率。
发明内容
鉴于上述问题，本发明提供一种基于神经网络的内容矩阵展示方法、装置及系统，主要目的在于解决目前品牌内容展示效率较低问题。
为解决上述技术问题，第一方面，本发明提供了一种基于神经网络的内容矩阵展示方法，该方法包括：
获取展示元素及访客信息，其中，所述展示元素包括元素信息及媒体信息，所述元素信息用于表征所需展示的内容信息，所述媒体信息用于表征显示所述展示元素的媒体；
根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息，其中，所述展示信息是基于预设神经网络模型从所述展示元素中选取目标内容后构建的信息，所述目标内容对应所述访客信息；
通过目标方式将所述展示信息输出，其中，所述目标方式是基于访客行为确定的，所述目标方式包括语音方式、文字方式以及图像方式。
可选的，所述媒体信息包括媒体类别以及每种所述媒体类别对应的展示形式，所述媒体类别包括品牌官网、品牌公众号、品牌小程序、品牌商城以及品牌微博。
可选的，所述根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息包括：
根据所述访客信息确定访客类别，所述访客类别包括采购员、管理员以及开发员；
根据所述访客类别通过所述预设神经网络模型从所述展示元素中确定对应所述访客类别的目标内容，所述目标内容包括对应所述访客类别的目标元素信息以及对应所述访客类别的目标媒体信息；
根据所述目标元素信息以及目标媒体信息构建所述展示信息，其中，所述展示信息是所述目标元素信息按照所述目标媒体信息中的所述媒体类别以及所述媒体类别对应的展示形式构建的。
可选的，所述获取展示元素及访客信息，包括：
接收身份确认信息并根据所述身份确认信息确定所述访客信息，所述身份确认信息是所述访客的访问行为发起时输入的；
和/或，
当接收到访问请求时，根据所述访问请求获取所述访客的浏览器中的历史访问数据，并根据所述历史访问数据确定所述访客信息；
和/或，
当接收到所述访问请求时，获取所述访客的身份标识，并根据所述身份标识从预设身份数据库中确定所述访客信息，其中，所述预设身份数据库是基于爬虫爬取目标程序得到的身份数据构建的数据库，所述目标程序包括职场社交程序及招聘程序。
可选的，所述预设神经网络模型是基于预设历史数据中选取的训练集通过目标分类算法训练得到的预测模型，所述预设神经网络模型用于对访客喜好的展示元素进行预测；
所述根据所述访客类别通过所述预设神经网络模型从所述展示元素中确定对应所述访客类别的目标内容，包括：
根据所述预设神经网络模型从所述展示元素中选取符合所述访客类别的目标元素；
或者，
获取元素设置指令，并根据所述预设神经网络模型从所述展示元素中确定建议元素信息，再基于所述元素设置指令及所述建议元素信息确定所述目标元素，所述元素设置指令是基于预设交互界面获取的用于对所述展示元素进行调整的指令。
可选的，所述根据所述访客类别通过所述预设神经网络模型从所述展示元素中确定对应所述访客类别的目标内容包括：
当确定所述访客类别为采购员时，则从所述展示元素中获取品牌产品信息作为所述目标元素信息，并通过预设媒体预测模型确定对应所述访客信息的媒体信息，其中，所述品牌产品信息包括所述品牌的产品价格、产品型号、产品产地、制造商，所述预设媒体预测模型是根据历史数据确定出的用户画像训练出的模型，所述预设媒体预测模型用于对访客访问时喜好的媒体进行预测；
当确定所述访客类别为管理员时，则从所述展示元素中获取品牌概况信息作为所述目标元素信息，并通过预设媒体预测模型确定对应所述访客信息的媒体信息，其中，所述品牌概况信息包括所述品牌的发展状态、成长经历、品牌创始人信息、品牌文化信息以及品牌合作信息；
当确定所述访客类别为开发员时，则从所述展示元素中获取品牌研发信息作为所述目标元素信息，并通过预设媒体预测模型确定对应所述访客信息的媒体信息，其中，所述品牌研发信息用于表征所述品牌的研发投入及研发进程状态。
可选的，所述根据所述目标元素信息以及目标媒体信息构建所述展示信息，包括：
根据所述目标媒体信息确定媒体类别，并根据所述媒体类别以及预设匹配关系确定对应的展示形式，所述预设匹配关系中包含有每种媒体类别以及对应的展示形式；
将所述目标元素信息按照所述展示形式进行排布，得到展示内容排布信息，所述展示内容排布信息中包含有所述目标元素信息中每种内容单元的排布方式，所述内容单元为所述目标元素信息中最小的展示单位；
根据所述展示内容排布信息及所述媒体类别生成所述展示信息。
可选的，所述通过目标方式将所述展示信息输出包括：
获取访客行为信息，其中，所述访客行为信息包括鼠标操作行为、键盘操作行为、屏幕操作行为、语音操作行为；
根据所述访客行为信息及预设行为预测模型确定对应所述访客的目标方式，并按照所述目标方式输出所述展示信息，其中，所述预设行为预测模型用于对所述访客喜好的信息输出方式进行预测。
第二方面，本发明实施例还提供了一种基于神经网络的内容矩阵展示装置，包括：
获取单元，用于获取展示元素及访客信息，其中，所述展示元素包括元素信息及媒体信息，所述元素信息用于表征所需展示的内容信息，所述媒体信息用于表征显示所述展示元素的媒体；
生成单元，用于根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息，其中，所述展示信息是基于预设神经网络模型从所述展示元素中选取目标内容后构建的信息，所述目标内容对应所述访客信息；
输出单元，用于通过目标方式将所述展示信息输出，其中，所述目标方式是基于访客行为确定的，所述目标方式包括语音方式、文字方式以及图像方式。
为了实现上述目的，根据第三方面，本发明还提供了一种电子系统，包括存储器、处理器，所述处理器用于执行存储器中存储的计算机程序时实现第一方面所述的基于神经网络的内容矩阵展示方法。
为了实现上述目的，根据本发明的第四方面，提供了一种存储介质，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行上述所述的基于神经网络的内容矩阵展示方法。
为了实现上述目的，根据本发明的第四方面，提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述所述的基于神经网络的内容矩阵展示方法。
借由上述技术方案，本发明提供的基于神经网络的内容矩阵展示方法、装置及系统，对于常规的品牌内容展示过程往往由于预先设定好的内容和方式进行展示，影响了访客了解品牌内容的便捷性，从而影响品牌内容展示的效率的问题，本发明通过获取展示元素及访客信息，其中，所述展示元素包括元素信息及媒体信息，所述元素信息用于表征所需展示的内容信息，所述媒体信息用于表征显示所述展示元素的媒体；然后，根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息，其中，所述展示信息是基于预设神经网络模型从所述展示元素中选取目标内容后构建的信息，所述目标内容对应所述访客信息；最后，通过目标方式将所述展示信息输出，其中，所述目标方式是基于访客行为确定的，所述目标方式包括语音方式、文字方式以及图像方式，从而实现了将品牌内容展示给访客的功能。在上述方案中，由于在品牌内容的展示过程中，所展示的内容是基于预设神经网络模型从展示元素中选取了目标内容后构建得到的，而目标内容对应访客信息，从而使得在访客访问品牌方的页面过程中能够使品牌方基于访客的情况展示对应的展示信息，实现了针对不同访客展示符合其需求的展示信息的效果，继而解决了常规的品牌内容按照既定的页面展示不同内容时导致访客获取内容的便捷性较低的问题，继而提高了品牌内容基于内容矩阵展示时的效率。同时，由于展示信息是基于展示元素构建的，且展示元素包括元素信息及媒体信息，也就是说在按照访客信息构建展示信息的过程中能够按照访客的喜好定制出对应访客的访问媒体及内容，例如当用户常使用微信浏览品牌方时，则可以基于该用户的喜好直接反馈该品牌的微信小程序或微信公众号对应的页面，从而使用户无需从微信跳到IE浏览器进行跨平台的浏览，进一步的提高了品牌内容基于内容矩阵展示时的效率。此外，在上述方案中还可以基于访客行为选取对应的目标方式进行输出，这样确保了在访客获取品牌内容时，品牌方能够直接按照对应用行为的方式进行展示信息的输出，可以提高访客的观感体验，并且丰富了品牌内容矩阵展示的效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的部件。在附图中：
图1示出了本发明实施例提供的一种基于神经网络的内容矩阵展示方法流程图；
图2示出了本发明实施例提供的一种基于神经网络的内容矩阵展示装置的组成框图；
图3为本申请实施例提供的一种电子系统的实施例示意图；
图4为本申请实施例提供的一种计算机可读存储介质的实施例示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例，然而应当理解，可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本发明，并且能够将本发明的范围完整的传达给本领域的技术人员。
为了解决目前品牌内容展示效率较低问题，本发明实施例提供了一种基于神经网络的内容矩阵展示方法，如图1所示，该方法包括：
101、获取展示元素及访客信息。
其中，所述展示元素包括元素信息及媒体信息，所述元素信息用于表征所需展示的内容信息，所述媒体信息用于表征显示所述展示元素的媒体。
102、根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息。
其中，所述展示信息是基于预设神经网络模型从所述展示元素中选取目标内容后构建的信息，所述目标内容对应所述访客信息。
103、通过目标方式将所述展示信息输出。
其中，所述目标方式是基于访客行为确定的，所述目标方式包括语音方式、文字方式以及图像方式。
在上述步骤中，当访客执行访问行为后，则可以通过用户的访问信息进行分析，获取该访客的相关信息，其中包括能够反映访客身份的访客信息，并基于该访客信息利用预设神经网络模型对该访客进行分析，预测出该访客的喜好特点。由于不同的访客的喜好是不同的，因此可以基于该用户的喜好特点确定符合其需求的目标内容，并以此作为构建展示信息的依据。
当获取到展示元素和访客信息后，由于访客信息能够体现访客的喜好，因此在构建展示信息时，可以基于该访客信息结合预设伸进规模性从展示元素中获取对应的目标内容，并基于该目标内容构建所述展示信息。其中，该目标内容可以理解为访客所喜好的内容对应的各种元素，例如访客喜好的为品牌的研发历程时，则所述目标内容为研发信息，并基于该研发信息从包含有品牌全部信息的展示元素中获取对应研发信息的元素信息，并构建对应的展示信息。
最后，当确定了展示信息后，由于访客至操作的过程中的访客行为时不同的，例如当访客通过语音方式进行访问时，则可能存在用户需要听取品牌内容的情况，对此，本实施例中可以基于访客行为进行输出形式的选择，在这种情况下可选取语音方式将展示信息进行输出，从而使用户可以直接听取品牌内容，使访客能够更便捷的接收到品牌内容，继而实现了一种能够基于语音进行品牌内容展示的功能。当然，上述输出方式仅仅为示例性的，在实际的应用过程中还可以根据访客的具体访客行为进行调整，例如还可以同时输出语音和图像，以两种方式同时输出展示信息，从而可以提高展示过程的全面性，使访客可以基于视觉、听觉同时获知品牌内容。
在一些实施例中，所述媒体信息包括媒体类别以及每种所述媒体类别对应的展示形式，所述媒体类别包括品牌官网、品牌公众号、品牌小程序、品牌商城以及品牌微博。
由于媒体信息能够表征具体的媒体类别，而每种媒体类别又各自有对应的展示形式，这就保证了在基于展示元素中的媒体信息对元素信息进行展示的过程中，能够按照符合不同媒体类别的展示形式对元素信息进行布局，从而使得后续在构建展示信息时，能够基于不用的媒体类别分别选取对应的展示形式对元素信息进行展示，确保了展示效果的准确性。
在一些实施例中，所述获取展示元素及访客信息，在执行时可以按照下述几个方面执行，其中包括：
一方面，接收身份确认信息并根据所述身份确认信息确定所述访客信息，所述身份确认信息是所述访客的访问行为发起时输入的。这样，当访客发起访问行为时，可以直接向访客发送一个用于其输入身份确认信息的界面，并由访客进行填写后接收该访客确认信息来确定访客信息，从而为后续确定访客身份类别奠定基础。
另一方面，当接收到访问请求时，根据所述访问请求获取所述访客的浏览器中的历史访问数据，并根据所述历史访问数据确定所述访客信息。由于访客浏览器的历史访问数据能够表征访客的访问特点和喜好，从该历史访问数据中能够作为判断访客身份的依据，因此在本步骤中当接收到访问请求时可以直接从浏览器中获取历史访问数据作为确定访客信息依据。
又一方面，当接收到所述访问请求时，获取所述访客的身份标识，并根据所述身份标识从预设身份数据库中确定所述访客信息，其中，所述预设身份数据库是基于爬虫爬取目标程序得到的身份数据构建的数据库，所述目标程序包括职场社交程序及招聘程序。由于一些情况下，访客可能仅仅只填写了自己的姓名或者职位等标识，并未具体输入其他身份相关的信息，或者所使用的浏览器中并未记载具有价值的历史数据，在这种情况下则可以采用本方面所述的方法通过该身份标识从预设身份数据库中获取访客信息，其中该预设身份数据可以是预先利用爬虫从一些软件或程序对应的网络服务器中获取的，例如职场社交程序，亦或者是从招聘类的软件或程序的服务器中获取的，这样，能够通过身份标识查询到该身份标识对应的具体身份信息，作为所述访客信息，从而为后续确定访客身份的类别奠定基础。
需要说明的是，在上述三个方面所述的方法中，可以采用任意一个或几个方面进行，在此不做限定，可根据品牌方的实际需要选取。
在一些实施例中，所述根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息包括：
根据所述访客信息确定访客类别，所述访客类别包括采购员、管理员以及开发员；
根据所述访客类别通过所述预设神经网络模型从所述展示元素中确定对应所述访客类别的目标内容，所述目标内容包括对应所述访客类别的目标元素信息以及对应所述访客类别的目标媒体信息；
根据所述目标元素信息以及目标媒体信息构建所述展示信息，其中，所述展示信息是所述目标元素信息按照所述目标媒体信息中的所述媒体类别以及所述媒体类别对应的展示形式构建的。
由于实际应用中的访客身份是不同的，譬如访客可以为公司管理层领导，或者是公司研发部成员，亦或者是采购部门成员。由于访客身份的不同会影响每个访客在关注品牌内容时的方向和内容，因此，在本实施例中可以如上述步骤首先可以基于访客信息确定访客类别具体为采购员、管理员还是开发员。当确定了访客类别后，则可以基于具体的访客类别选取对应该访客类别的目标内容，其中目标内容包括对应访客类别的目标媒体信息和目标元素信息，即确定符合访客身份的媒体和内容。这样，基于访客的访客类别实现了一种可以基于访客身份选取媒体和内容构建展示信息的功能，从而确保了展示信息的显示媒体和具体显示的内容符合用户的关注点，继而提高了品牌内容基于内容矩阵展示时的效率。
在一些实施例中，所述预设神经网络模型是基于预设历史数据中选取的训练集通过目标分类算法训练得到的预测模型，所述预设神经网络模型用于对访客喜好的展示元素进行预测；
前述步骤中，所述根据所述访客类别通过所述预设神经网络模型从所述展示元素中确定对应所述访客类别的目标内容，在执行时可以具体按照下述两个方面执行，其中包括：
一方面，根据所述预设神经网络模型从所述展示元素中选取符合所述访客类别的目标元素。这样，可以基于预设神经网络模型直接对访客喜好进行预测，从而选取符合访客需求的目标元素，其中可以包括喜好访问的媒体类型以及喜好访问的内容，由此可以基于预设神经网络模型实现对访客所喜好的展示元素的预测结果进行目标元素的选取，使访客能够直接访问到符合自身访问习惯的媒体及具体品牌的内容，无需访客自身从多种媒体中选取符合需要的品牌内容的同时无需品牌方进行展示信息的设置，能够基于机器模型进行自动化的配置和生成，不仅提高了品牌内容基于内容矩阵展示时的效率也可以减少品牌方的设置过程，简化了品牌内容展示过程的复杂度。
另一方面，获取元素设置指令，并根据所述预设神经网络模型从所述展示元素中确定建议元素信息，再基于所述元素设置指令及所述建议元素信息确定所述目标元素，所述元素设置指令是基于预设交互界面获取的用于对所述展示元素进行调整的指令。由于在实际应用中，当利用机器模型预测了访客的喜好并基于此选取了对应的元素信息后，还可能需要品牌方进行修订，因此在本步骤中可以基于预设省劲规模性从展示元素中确定出建议元素信息后还可以在接收品牌方输入的元素设置指令，并基于元素设置指令进行调整，从而使最终确定的目标元素能够基于品牌方用户的实际需要进行调整，进一步确保了在展示品牌内容时具体展示内容的准确性。
在一些实施例中，前述步骤中根据所述访客类别通过所述预设神经网络模型从所述展示元素中确定对应所述访客类别的目标内容包括：
当确定所述访客类别为采购员时，则从所述展示元素中获取品牌产品信息作为所述目标元素信息，并通过预设媒体预测模型确定对应所述访客信息的媒体信息，其中，所述品牌产品信息包括所述品牌的产品价格、产品型号、产品产地、制造商，所述预设媒体预测模型是根据历史数据确定出的用户画像训练出的模型，所述预设媒体预测模型用于对访客访问时喜好的媒体进行预测；这样当确定访客的访客类别为采购员时，能够获取符合其采购员所需的信息作为目标元素信息，尤其以品牌产品信息为主，这样能够确保当采购人员访问时直接提供最符合采购员身份的相关信息，诸如产品价格、产品场地等，从而使后续展示信息中具体展示的内容符合采购员的需要，无需访客再进行选取，提高了品牌展示的效率。同时，还能够基于预设媒体预测模型基于用户画像确定出访客喜好的媒体能够直接在访客访问时提供对应媒体类别，从而使后续展示时所展示的媒体类别是复合访客所需的具体类型。例如，当确定访客的媒体信息是利用品牌官网主要产品介绍的页面进行访问时，则可以直接选取品牌官网作为展示信息展示时所使用的媒体。
当确定所述访客类别为管理员时，则从所述展示元素中获取品牌概况信息作为所述目标元素信息，并通过预设媒体预测模型确定对应所述访客信息的媒体信息，其中，所述品牌概况信息包括所述品牌的发展状态、成长经历、品牌创始人信息、品牌文化信息以及品牌合作信息；基于该步骤，当确定访客为公司高管等管理员级别时，则可以主要基于这个级别的人员喜好的品牌发展信息、概况等作为主要的展示内容，这样能够确保在后续生成展示信息时，具体展示的内容是复合这类人的特点的内容，从而提高展示效率。
当确定所述访客类别为开发员时，则从所述展示元素中获取品牌研发信息作为所述目标元素信息，并通过预设媒体预测模型确定对应所述访客信息的媒体信息，其中，所述品牌研发信息用于表征所述品牌的研发投入及研发进程状态。由于研发人员更为关心一个品牌的目前的研发程度和进展，因此，当确定访客类别为开发员时，则可以直接将品牌研发信息作为目标元素信息，这样可以使生成的展示信息主要展示品牌的研发进展等情况，符合开发员的喜好，从而提高品牌内容展示的效率。
在一些实施例中，由于不同对的媒体类型展示的方式和特点是不同的，因此为了进一步改善展示效果，还可以基于不同的媒体类别选取对应的展示形式来构建展示信息。具体的，在本实施例中前述步骤所述根据所述目标元素信息以及目标媒体信息构建所述展示信息在执行时，可以具体包括：
首先，根据所述目标媒体信息确定媒体类别，并根据所述媒体类别以及预设匹配关系确定对应的展示形式，所述预设匹配关系中包含有每种媒体类别以及对应的展示形式；
然后，将所述目标元素信息按照所述展示形式进行排布，得到展示内容排布信息，所述展示内容排布信息中包含有所述目标元素信息中每种内容单元的排布方式，所述内容单元为所述目标元素信息中最小的展示单位；
最后，根据所述展示内容排布信息及所述媒体类别生成所述展示信息。
在上述步骤中，由于预设匹配关系中包含有每种媒体对应的展示形式，因此在确定媒体类别后可以基于该预设匹配信息确定对应的展示形式，并以此展示形式对目标元素信息进行排布得到展示内容排布信息，这样当后续进行展示时，只要提供了媒体类别，就能够基于该展示内容排布信息确定目标元素信息中每个展示单位的排布形式，从而得到符合媒体类别的展示方式，避免了展示过程中出现遮挡或遗漏的情况，提高了品牌内容展示过程中的准确性。
在一些实施例中，由于访客行为是不同的，而不同的访客行为很可能反应访客不同的展示信息获取方式，因此，前述步骤中所述通过目标方式将所述展示信息输出在执行时可以包括：
首先，获取访客行为信息，其中，所述访客行为信息包括鼠标操作行为、键盘操作行为、屏幕操作行为、语音操作行为；
然后，根据所述访客行为信息及预设行为预测模型确定对应所述访客的目标方式，并按照所述目标方式输出所述展示信息，其中，所述预设行为预测模型用于对所述访客喜好的信息输出方式进行预测。
例如，当获取访客行为信息中确定语音操作行为，能够确定访客是语音方式进行访问的，那么这时可以基于预设行为预测模型来确定访客所需的目标方式为语音方式，这样，在输出展示信息时则可以将需要展示的文本内容以语音的方式进行输出，从而使访客可以基于语音方式接受展示信息，实现了基于不用的访客行为输出展示信息的功能，使品牌内容展示过程中不仅能够提高展示效率还能够符合用户需要的方式进行展示，改善了用户体验。
需要说明的是，在上述各个实施例所述的方案中，其中的预设神经网络模型、预设媒体预测模型、预设行为预测模型等机器模型都是基于大数据信息作为样本在选取对应的机器算法训练后得到的，每种模型所需的样本可以基于品牌方的需要进行选取，当然，在实际应用中出于对模型的进一步优化和迭代，还可以在每次执行上述步骤对应的预测行为时，还可以将预测结果进行保存，以便相关技术人员能够基于需要在后续进行模型优化使用。
进一步的，作为对上述图1所示方法的实现，本发明实施例还提供了一种基于神经网络的内容矩阵展示装置，用于对上述图1所示的方法进行实现。该装置实施例与前述方法实施例对应，为便于阅读，本装置实施例不再对前述方法实施例中的细节内容进行逐一赘述，但应当明确，本实施例中的装置能够对应实现前述方法实施例中的全部内容。如图2所示，该装置包括：获取单元21，生成单元22以及输出单元23，其中
获取单元21，可以用于获取展示元素及访客信息，其中，所述展示元素包括元素信息及媒体信息，所述元素信息可以用于表征所需展示的内容信息，所述媒体信息可以用于表征显示所述展示元素的媒体；
生成单元22，可以用于根据所述获取单元21获取的展示元素以及所述访客信息，生成对应所述访客信息的展示信息，其中，所述展示信息是基于预设神经网络模型从所述展示元素中选取目标内容后构建的信息，所述目标内容对应所述访客信息；
输出单元23，可以用于通过目标方式将所述生成单元22生成的展示信息输出，其中，所述目标方式是基于访客行为确定的，所述目标方式包括语音方式、文字方式以及图像方式。
借由上述技术方案，本发明实施例提供一种基于神经网络的内容矩阵展示方法、装置及系统，对于常规的品牌内容展示过程往往由于预先设定好的内容和方式进行展示，影响了访客了解品牌内容的便捷性，从而影响品牌内容展示的效率的问题，本发明通过获取展示元素及访客信息，其中，所述展示元素包括元素信息及媒体信息，所述元素信息用于表征所需展示的内容信息，所述媒体信息用于表征显示所述展示元素的媒体；然后，根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息，其中，所述展示信息是基于预设神经网络模型从所述展示元素中选取目标内容后构建的信息，所述目标内容对应所述访客信息；最后，通过目标方式将所述展示信息输出，其中，所述目标方式是基于访客行为确定的，所述目标方式包括语音方式、文字方式以及图像方式，从而实现了将品牌内容展示给访客的功能。在上述方案中，由于在品牌内容的展示过程中，所展示的内容是基于预设神经网络模型从展示元素中选取了目标内容后构建得到的，而目标内容对应访客信息，从而使得在访客访问品牌方的页面过程中能够使品牌方基于访客的情况展示对应的展示信息，实现了针对不同访客展示符合其需求的展示信息的效果，继而解决了常规的品牌内容按照既定的页面展示不同内容时导致访客获取内容的便捷性较低的问题，继而提高了品牌内容基于内容矩阵展示时的效率。同时，由于展示信息是基于展示元素构建的，且展示元素包括元素信息及媒体信息，也就是说在按照访客信息构建展示信息的过程中能够按照访客的喜好定制出对应访客的访问媒体及内容，例如当用户常使用微信浏览品牌方时，则可以基于该用户的喜好直接反馈该品牌的微信小程序或微信公众号对应的页面，从而使用户无需从微信跳到IE浏览器进行跨平台的浏览，进一步的提高了品牌内容基于内容矩阵展示时的效率。此外，在上述方案中还可以基于访客行为选取对应的目标方式进行输出，这样确保了在访客获取品牌内容时，品牌方能够直接按照对应用行为的方式进行展示信息的输出，可以提高访客的观感体验，并且丰富了品牌内容矩阵展示的效果。
处理器中包含内核，由内核去存储器中调取相应的程序单元。内核可以设置一个或以上，通过调整内核参数来提高品牌内容展示效率。
进一步的，请参阅图3，图3为本申请实施例提供的电子系统的实施例示意图。
如图3所示，本申请实施例提供了一种电子系统300，包括存储器310、处理器320及存储在存储器310上并可在处理器320上运行的计算机程序311，处理器320执行计算机程序311时实现以下步骤：
获取展示元素及访客信息，其中，所述展示元素包括元素信息及媒体信息，所述元素信息用于表征所需展示的内容信息，所述媒体信息用于表征显示所述展示元素的媒体；
根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息，其中，所述展示信息是基于预设神经网络模型从所述展示元素中选取目标内容后构建的信息，所述目标内容对应所述访客信息；
通过目标方式将所述展示信息输出，其中，所述目标方式是基于访客行为确定的，所述目标方式包括语音方式、文字方式以及图像方式。
在具体实施过程中，处理器320执行计算机程序311时，可以实现图1对应的实施例中任一实施方式。
由于本实施例所介绍的电子系统为实施本申请实施例中一种服务器所采用的系统，故而基于本申请实施例中所介绍的方法，本领域所属技术人员能够了解本实施例的电子系统的具体实施方式以及其各种变化形式，所以在此对于该电子系统如何实现本申请实施例中的方法不再详细介绍，只要本领域所属技术人员实施本申请实施例中的方法所采用的系统，都属于本申请所欲保护的范围。
进一步的，请参阅图4，图4为本申请实施例提供的一种计算机可读存储介质的实施例示意图。
如图4所示，本实施例提供了一种计算机可读存储介质400，其上存储有计算机程序411，该计算机程序411被处理器执行时实现如下步骤：
获取展示元素及访客信息，其中，所述展示元素包括元素信息及媒体信息，所述元素信息用于表征所需展示的内容信息，所述媒体信息用于表征显示所述展示元素的媒体；
根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息，其中，所述展示信息是基于预设神经网络模型从所述展示元素中选取目标内容后构建的信息，所述目标内容对应所述访客信息；
通过目标方式将所述展示信息输出，其中，所述目标方式是基于访客行为确定的，所述目标方式包括语音方式、文字方式以及图像方式。
本申请是参照根据本申请实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机程序指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
在一个典型的配置中，设备包括一个或多个处理器(CPU)、存储器和总线。设备还可以包括输入/输出接口、网络接口等。
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)，存储器包括至少一个存储芯片。存储器是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存 (PRAM)、静态随机存取存储器 (SRAM)、动态随机存取存储器 (DRAM)、其他类型的随机存取存储器 (RAM)、只读存储器 (ROM)、电可擦除可编程只读存储器 (EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘 (DVD) 或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体 (transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商品或者设备不仅包括那些要素，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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器、CD-ROM、光学存储器等）上实施的计算机程序产品的形式。
以上仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (9)
1.一种基于神经网络的内容矩阵展示方法，其特征在于，包括：
获取展示元素及访客信息，其中，所述展示元素包括元素信息及媒体信息，所述元素信息用于表征所需展示的内容信息，所述媒体信息用于表征显示所述展示元素的媒体；
根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息，其中，所述展示信息是基于预设神经网络模型从所述展示元素中选取目标内容后构建的信息，所述目标内容对应所述访客信息；
通过目标方式将所述展示信息输出，其中，所述目标方式是基于访客行为确定的，所述目标方式包括语音方式、文字方式以及图像方式；
其中，所述媒体信息包括媒体类别以及每种所述媒体类别对应的展示形式，所述媒体类别包括品牌官网、品牌公众号、品牌小程序、品牌商城以及品牌微博；
所述根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息包括：根据所述访客信息确定访客类别，所述访客类别包括采购员、管理员以及开发员；根据所述访客类别通过所述预设神经网络模型从所述展示元素中确定对应所述访客类别的目标内容，所述目标内容包括对应所述访客类别的目标元素信息以及对应所述访客类别的目标媒体信息；根据所述目标元素信息以及目标媒体信息构建所述展示信息，其中，所述展示信息是所述目标元素信息按照所述目标媒体信息中的所述媒体类别以及所述媒体类别对应的展示形式构建的。
2.根据权利要求1所述的方法，其特征在于，所述获取展示元素及访客信息，包括：
接收身份确认信息并根据所述身份确认信息确定所述访客信息，所述身份确认信息是所述访客的访问行为发起时输入的；
和/或，
当接收到访问请求时，根据所述访问请求获取所述访客的浏览器中的历史访问数据，并根据所述历史访问数据确定所述访客信息；
和/或，
当接收到所述访问请求时，获取所述访客的身份标识，并根据所述身份标识从预设身份数据库中确定所述访客信息，其中，所述预设身份数据库是基于爬虫爬取目标程序得到的身份数据构建的数据库，所述目标程序包括职场社交程序及招聘程序。
3.根据权利要求2所述的方法，其特征在于，所述预设神经网络模型是基于预设历史数据中选取的训练集通过目标分类算法训练得到的预测模型，所述预设神经网络模型用于对访客喜好的展示元素进行预测；
所述根据所述访客类别通过所述预设神经网络模型从所述展示元素中确定对应所述访客类别的目标内容，包括：
根据所述预设神经网络模型从所述展示元素中选取符合所述访客类别的目标元素；
或者，
获取元素设置指令，并根据所述预设神经网络模型从所述展示元素中确定建议元素信息，再基于所述元素设置指令及所述建议元素信息确定所述目标元素，所述元素设置指令是基于预设交互界面获取的用于对所述展示元素进行调整的指令。
4.根据权利要求2所述的方法，其特征在于，所述根据所述访客类别通过所述预设神经网络模型从所述展示元素中确定对应所述访客类别的目标内容包括：
当确定所述访客类别为采购员时，则从所述展示元素中获取品牌产品信息作为所述目标元素信息，并通过预设媒体预测模型确定对应所述访客信息的媒体信息，其中，所述品牌产品信息包括所述品牌的产品价格、产品型号、产品产地、制造商，所述预设媒体预测模型是根据历史数据确定出的用户画像训练出的模型，所述预设媒体预测模型用于对访客访问时喜好的媒体进行预测；
当确定所述访客类别为管理员时，则从所述展示元素中获取品牌概况信息作为所述目标元素信息，并通过预设媒体预测模型确定对应所述访客信息的媒体信息，其中，所述品牌概况信息包括所述品牌的发展状态、成长经历、品牌创始人信息、品牌文化信息以及品牌合作信息；
当确定所述访客类别为开发员时，则从所述展示元素中获取品牌研发信息作为所述目标元素信息，并通过预设媒体预测模型确定对应所述访客信息的媒体信息，其中，所述品牌研发信息用于表征所述品牌的研发投入及研发进程状态。
5.根据权利要求2所述的方法，其特征在于，所述根据所述目标元素信息以及目标媒体信息构建所述展示信息，包括：
根据所述目标媒体信息确定媒体类别，并根据所述媒体类别以及预设匹配关系确定对应的展示形式，所述预设匹配关系中包含有每种媒体类别以及对应的展示形式；
将所述目标元素信息按照所述展示形式进行排布，得到展示内容排布信息，所述展示内容排布信息中包含有所述目标元素信息中每种内容单元的排布方式，所述内容单元为所述目标元素信息中最小的展示单位；
根据所述展示内容排布信息及所述媒体类别生成所述展示信息。
6.根据权利要求1-4中任一项所述的方法，其特征在于，所述通过目标方式将所述展示信息输出包括：
获取访客行为信息，其中，所述访客行为信息包括鼠标操作行为、键盘操作行为、屏幕操作行为、语音操作行为；
根据所述访客行为信息及预设行为预测模型确定对应所述访客的目标方式，并按照所述目标方式输出所述展示信息，其中，所述预设行为预测模型用于对所述访客喜好的信息输出方式进行预测。
7.一种基于神经网络的内容矩阵展示装置，其特征在于，包括：
获取单元，用于获取展示元素及访客信息，其中，所述展示元素包括元素信息及媒体信息，所述元素信息用于表征所需展示的内容信息，所述媒体信息用于表征显示所述展示元素的媒体；
生成单元，用于根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息，其中，所述展示信息是基于预设神经网络模型从所述展示元素中选取目标内容后构建的信息，所述目标内容对应所述访客信息；
输出单元，用于通过目标方式将所述展示信息输出，其中，所述目标方式是基于访客行为确定的，所述目标方式包括语音方式、文字方式以及图像方式；其中，所述媒体信息包括媒体类别以及每种所述媒体类别对应的展示形式，所述媒体类别包括品牌官网、品牌公众号、品牌小程序、品牌商城以及品牌微博；
所述根据所述展示元素以及所述访客信息，生成对应所述访客信息的展示信息包括：根据所述访客信息确定访客类别，所述访客类别包括采购员、管理员以及开发员；根据所述访客类别通过所述预设神经网络模型从所述展示元素中确定对应所述访客类别的目标内容，所述目标内容包括对应所述访客类别的目标元素信息以及对应所述访客类别的目标媒体信息；根据所述目标元素信息以及目标媒体信息构建所述展示信息，其中，所述展示信息是所述目标元素信息按照所述目标媒体信息中的所述媒体类别以及所述媒体类别对应的展示形式构建的。
8.一种电子系统，包括存储器、处理器，其特征在于，所述处理器用于执行存储器中存储的计算机程序时实现如权利要求1至6中任一项所述的基于神经网络的内容矩阵展示方法。
9.一种存储介质，其特征在于，所述存储介质包括存储的程序，其中，在所述程序运行时控制所述存储介质所在设备执行权利要求1至6中任意一项所述的基于神经网络的内容矩阵展示方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110278118.0A CN112667914B (zh) | 2021-03-15 | 2021-03-15 | 基于神经网络的内容矩阵展示方法、装置及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110278118.0A CN112667914B (zh) | 2021-03-15 | 2021-03-15 | 基于神经网络的内容矩阵展示方法、装置及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112667914A CN112667914A (zh) | 2021-04-16 |
| CN112667914B true CN112667914B (zh) | 2021-06-08 |
Family
ID=75399341
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110278118.0A Active CN112667914B (zh) | 2021-03-15 | 2021-03-15 | 基于神经网络的内容矩阵展示方法、装置及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112667914B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113176845B (zh) * | 2021-04-23 | 2024-01-12 | 北京完美知识科技有限公司 | 历史地图中历史信息的展示方法及装置 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003044750A (ja) * | 2001-07-27 | 2003-02-14 | Yosuke Takashima | 顧客購買パターンを認識し最適な広告表示をおこなうインターネットショッピングサイト |
| CN105634927A (zh) * | 2016-01-29 | 2016-06-01 | 广西中烟工业有限责任公司 | 通过微信社群汇聚终端客户进行品牌宣传的系统及方法 |
| CN106953887B (zh) * | 2017-01-05 | 2020-04-24 | 北京中瑞鸿程科技开发有限公司 | 一种细粒度电台音频内容个性化组织推荐方法 |
| CN110276642A (zh) * | 2019-06-20 | 2019-09-24 | 卓尔智联(武汉)研究院有限公司 | 广告牌推荐方法、装置及计算机可读存储介质 |
| CN111506849B (zh) * | 2020-04-07 | 2023-08-11 | 口碑(上海)信息技术有限公司 | 页面生成方法及装置 |
-
2021
- 2021-03-15 CN CN202110278118.0A patent/CN112667914B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112667914A (zh) | 2021-04-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11321373B2 (en) | Natural-language based intelligent analytics interface | |
| US11373007B2 (en) | Data processing systems for identifying whether cookies contain personally identifying information | |
| US10789610B2 (en) | Utilizing a machine learning model to predict performance and generate improved digital design assets | |
| CN107885796B (zh) | 信息推荐方法及装置、设备 | |
| CN106445652B (zh) | 用于智能云计划和停用的方法和系统 | |
| US8195522B1 (en) | Assessing users who provide content | |
| US20140129661A1 (en) | Smart Web Notifications | |
| US11132710B2 (en) | System and method for personalized network content generation and redirection according to repeat behavior | |
| US20220383347A1 (en) | Distributing electronic surveys via third-party content | |
| CN112667914B (zh) | 基于神经网络的内容矩阵展示方法、装置及系统 | |
| CN114297476A (zh) | 基于用户标签的问卷调查方法、系统、电子设备及存储介质 | |
| CN113434746A (zh) | 基于用户标签的数据处理方法、终端设备及存储介质 | |
| TW202121206A (zh) | 自動識別有效資料採集模組的方法和系統 | |
| CN112100511A (zh) | 一种偏好程度数据获得方法、装置以及电子设备 | |
| CN115225921B (zh) | 基于大数据的直播互动控制方法、装置、设备及存储介质 | |
| US11853948B2 (en) | Methods and systems for managing risk with respect to potential customers | |
| US9852451B1 (en) | Dynamic generation of content | |
| US20190324778A1 (en) | Generating contextual help | |
| CN114117161A (zh) | 展示方法及装置 | |
| CN111767290B (zh) | 用于更新用户画像的方法和装置 | |
| CN113126779A (zh) | 人机交互方法、装置、设备及系统 | |
| JP2021519961A (ja) | コンテキスト適応型スキャン | |
| CN113065066B (zh) | 预测方法、装置、服务器及存储介质 | |
| US11902223B2 (en) | Intelligent assistant content generation | |
| US20210158436A1 (en) | Method and server for generating modifiable portion of digital document |
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 | ||
| TR01 | Transfer of patent right | ||
| TR01 | Transfer of patent right |
Effective date of registration: 20231123 Address after: A215, 1st Floor, No. 8 Zengcuo'an Road, Siming District, Xiamen City, Fujian Province, 361005 Patentee after: XIAMEN U-THINK TECHNOLOGIES Corp. Address before: 2-203, building 28, Jiayuan Yili, Fengtai District, Beijing Patentee before: Beijing Hatcher Technology Co.,Ltd. |