CN112732375A - 启动页面的确定方法、装置、存储介质及服务器 - Google Patents
启动页面的确定方法、装置、存储介质及服务器 Download PDFInfo
- Publication number
- CN112732375A CN112732375A CN201911031187.0A CN201911031187A CN112732375A CN 112732375 A CN112732375 A CN 112732375A CN 201911031187 A CN201911031187 A CN 201911031187A CN 112732375 A CN112732375 A CN 112732375A
- Authority
- CN
- China
- Prior art keywords
- account
- page
- client
- information
- starting
- 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 56
- 230000006399 behavior Effects 0.000 claims description 69
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 12
- 238000012549 training Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 6
- 230000008859 change Effects 0.000 description 4
- 238000013145 classification model Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000003542 behavioural effect Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
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
- G06F9/451—Execution arrangements for user interfaces
-
- 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
Abstract
本公开提供一种启动页的确定方法、装置、存储介质及服务器，用以解决启动页面单一的问题。该启动页的确定方法包括：接收在客户端上登录的账户发送的应用程序的访问请求；获取所述在客户端上登录的账户的日志信息，其中，所述日志信息中至少记录有所述账户对所述应用程序的各预置页面展示的信息执行操作的行为信息；根据所述日志信息，获取所述在客户端上登录的账户的账户特征，所述账户特征至少包括行为兴趣特征；基于包含有所述行为兴趣特征的账户特征，从所述多个预置页面中确定在客户端上登录的账户的启动页面；获取确定出的启动页面的信息，将确定出的启动页面及其包含的信息反馈给所述在客户端上登录的账户。
Description
技术领域
本公开涉及计算机技术领域，尤其涉及一种启动页面的确定方法、装置、存储介质及服务器。
背景技术
用户在启动应用程序(Application,APP)的客户端后，大部分情况下客户端会显示一个启动页面，以增加品牌或用户友好度。一般而言，应用程序设有多个不同的预置页面，每个预置页面承载着不同的功能。
目前，应用程序通常提供记忆化的启动页策略，例如打开上次退出时的页面或者每次都强制打开主页面，这种记忆化的启动页策略在用户打开应用程序时，展示的启动页面都是确定的，对每个用户来说都是一样的，因此，相关技术中启动页面比较单一。
发明内容
本公开提供一种启动页面的确定方法、装置、存储介质及服务器，用以解决启动页面单一的问题。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种启动页面的确定方法，所述方法应用于服务器，包括：
接收在客户端上登录的账户发送的应用程序的访问请求，其中，访问请求用于请求通过所述应用程序通过启动页面展示信息，所述启动页面为应用程序设置的多个预置页面中的一个，不同所述预置页面展示的信息不同；
获取所述在客户端上登录的账户的日志信息，其中，所述日志信息中至少记录有所述账户对所述应用程序的各预置页面展示的信息执行操作的行为信息；
根据所述日志信息，获取所述在客户端上登录的账户的账户特征，所述账户特征至少包括行为兴趣特征；
基于包含有所述行为兴趣特征的账户特征，从所述多个预置页面中确定在客户端上登录的账户的启动页面；
获取确定出的启动页面的信息，将确定出的启动页面及其包含的信息反馈给所述在客户端上登录的账户。
在一可能的实现方式中，所述账户特征还包括：账户属性特征；
在获取所述在客户端上登录的账户的账户特征之前，所述方法还包括：
获取所述账户的个人信息；
所述根据所述日志信息，获取所述在客户端上登录的账户的账户特征，包括：
从所述行为信息中提取所述行为兴趣特征，以及基于所述个人信息提取账户属性特征；
将所述行为兴趣特征和所述账户属性特征进行拼接，获得所述账户特征。
在一可能的实现方式中，所述账户特征还包括：时间特征，所述时间特征用于表示启动所述应用程序的时间所属的时间段；
在获取所述在客户端上登录的账户的账户特征之前，所述方法还包括：
获取当前启动所述应用程序的时间；
所述根据所述日志信息，获取所述在客户端上登录的账户的账户特征，包括：
从所述行为信息中提取所述行为兴趣特征，以及根据所述当前启动所述应用程序的时间确定所述时间特征；
将所述行为兴趣特征和所述时间特征进行拼接，获得所述账户特征。
在一可能的实现方式中，所述基于包含有所述行为兴趣特征的账户特征，从所述多个预置页面中确定在客户端上登录的账户的启动页面，包括：
将所述账户特征输入到已训练的页面预测模型，获得通过所述页面预测模型预测出的所述在客户端上登录的账户的启动页面。
在一可能的实现方式中，所述获得通过所述页面预测模型预测出的所述在客户端上登录的账户的启动页面，包括：
获得通过所述页面预测模型预测出的分别对应各个所述预置页面的页面分类标识，所述页面分类标识包括：用于表示所述预置页面是启动页面的第一标识；
将所述第一标识对应的预置页面，确定为所述启动页面。
在一可能的实现方式中，所述获得通过所述页面预测模型预测出的所述在客户端上登录的账户的启动页面，包括：
获得通过所述页面预测模型预测出的分别对应各个所述预置页面的观看总时长；所述观看总时长由账户在预置页面的短视频观看时长和直播观看时长来定义；
将预测出的观看总时长最大的所述预置页面，确定为所述启动页面。
根据本公开实施例的第二方面，提供一种启动页面的确定装置，所述装置包括：
接收模块，被配置为接收在客户端上登录的账户发送的应用程序的访问请求，其中，访问请求用于请求通过所述应用程序通过启动页面展示信息，所述启动页面为应用程序设置的多个预置页面中的一个，不同所述预置页面展示的信息不同；
日志信息获取模块，被配置为获取所述在客户端上登录的账户的日志信息，其中，所述日志信息中至少记录有所述账户对所述应用程序的各预置页面展示的信息执行操作的行为信息；
特征获取模块，被配置为根据所述日志信息，获取所述在客户端上登录的账户的账户特征，所述账户特征至少包括行为兴趣特征；
预测模块，被配置为基于包含有所述行为兴趣特征的账户特征，从所述多个预置页面中确定在客户端上登录的账户的启动页面；
页面信息获取模块，被配置为获取确定出的启动页面的信息；
发送模块，被配置为将确定出的启动页面及其包含的信息反馈给所述在客户端上登录的账户。
在一可能的实现方式中，所述账户特征还包括：账户属性特征；
所述装置还包括：
个人信息获取模块，被配置为在获取所述在客户端上登录的账户的账户特征之前，获取所述账户的个人信息；
所述特征获取模块被配置为：
从所述行为信息中提取所述行为兴趣特征，以及基于所述个人信息提取账户属性特征；
将所述行为兴趣特征和所述账户属性特征进行拼接，获得所述账户特征。
在一可能的实现方式中，所述账户特征还包括：时间特征，所述时间特征用于表示启动所述应用程序的时间所属的时间段；
所述装置还包括：
启动时间获取模块，被配置为在获取所述在客户端上登录的账户的账户特征之前，获取当前启动所述应用程序的时间；
所述特征获取模块被配置为：
从所述行为信息中提取所述行为兴趣特征，以及根据所述当前启动所述应用程序的时间确定所述时间特征；
将所述行为兴趣特征和所述时间特征进行拼接，获得所述账户特征。
在一可能的实现方式中，所述预测模块被配置为：
将所述账户特征输入到已训练的页面预测模型，获得通过所述页面预测模型预测出的所述在客户端上登录的账户的启动页面。
在一可能的实现方式中，所述预测模块被配置为：
获得通过所述页面预测模型预测出的分别对应各个所述预置页面的页面分类标识，所述页面分类标识包括：用于表示所述预置页面是启动页面的第一标识；
将所述第一标识对应的预置页面，确定为所述启动页面。
在一可能的实现方式中，所述预测模块被配置为：
获得通过所述页面预测模型预测出的分别对应各个所述预置页面的观看总时长；所述观看总时长由账户在预置页面的短视频观看时长和直播观看时长来定义；
将预测出的观看总时长最大的所述预置页面，确定为所述启动页面。
根据本公开实施例的第三方面，提供一种存储介质，其上存储有计算机程序，所述程序被处理器执行时实现第一方面或第一方面的任意可能的实现方式中的启动页面的确定方法的步骤。
根据本公开实施例的第四方面，提供一种服务器，包括存储器、处理器及存储在所述存储器上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程序时实现第一方面或第一方面的任意可能的实现方式中的启动页面的确定方法的步骤。
根据本公开实施例的第五方面，提供一种计算机程序产品，包括计算机程序，所述程序被处理器执行时实现第一方面或第一方面的任意可能的实现方式中的启动页面的确定方法的步骤。
本公开的实施例提供的技术方案至少带来以下有益效果：
在接收到在客户端上登录的账户发送的应用程序的访问请求时，根据在客户端上登录的账户的日志信息，获取所述在客户端上登录的账户的账户特征，所述账户特征至少包括行为兴趣特征，再基于包含有所述行为兴趣特征的账户特征，从应用程序设置的多个预置页面中确定在客户端上登录的账户的启动页面，然后获取确定出的启动页面的信息，将确定出的启动页面及其包含的信息反馈给所述在客户端上登录的账户，该方案中，是基于包含有行为兴趣特征的账户特征，从应用程序设置的多个预置页面中确定在客户端上登录的账户的启动页面，实现了在终端或账户处于不同状态的情况下，可以显示不同的启动页面，从而确定的启动页面可以反映个体差异，或者说可以为用户提供其喜欢的启动页面，因此可以解决启动页面单一的问题。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种应用程序的网络架构图；
图2是根据一示例性实施例示出的一种启动页面的确定方法的流程图；
图3是根据一示例性实施例示出的页面预测模型的训练流程图；
图4是根据另一示例性实施例示出的一种启动页面的确定方法的流程图；
图5是根据另一示例性实施例示出的一种启动页面的确定方法的流程图；
图6是根据一示例性实施例示出的启动页面的确定装置的第一种结构示意图；
图7是根据一示例性实施例示出的启动页面的确定装置的第二种结构示意图；
图8是根据一示例性实施例示出的启动页面的确定装置的第三种结构示意图；
图9是根据一示例性实施例示出的启动页面的确定装置的第四种结构示意图；
图10是根据一示例性实施例示出的启动页面的确定装置中训练数据处理模块的结构示意图；
图11是根据一示例性实施例示出的启动页面的确定装置的第五种结构示意图；
图12是根据一示例性实施例示出的一种服务器的结构示意图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等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，以便这里描述的本公开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。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
一般来说，应用程序设有多个不同的预置页面，每个预置页面承载着不同的功能，不同预置页面展示的信息不同。
目前，应用程序通常提供记忆化的启动页策略，例如打开上次退出时的页面或者每次都强制打开主页面，这种记忆化的启动页策略在用户打开应用程序时，展示的启动页面都是确定的，对每个用户来说都是一样的，不具备个性化的特点，然而，不同的用户有其明显的差异性，即便对于相同的用户，在不同的时刻也有不同的需求，因而迫切的需要个性化的启动页面，而现有的方案中启动页面比较单一。
为了解决上述的问题，本公开实施例提出了一种启动页面的确定方法、装置、存储介质及服务器。
首先，介绍一下本公开实施例提供的技术方案的应用场景的网络架构。
图1是根据一示例性实施例示出的一种应用程序的网络架构图，如图1所示，该网络架构包括终端10和服务器20。
终端10可以是智能手机、平板电脑等，终端10是运行有至少一个应用程序的客户端的电子设备。应用程序的客户端负责通过应用程序的启动页面展示信息和收集日志信息，日志信息中至少记录有在客户端上登录的账户对所述应用程序的各预置页面展示的信息执行操作的行为信息。
服务器20用于接收终端10发送的数据，或者用于向终端10发送数据，服务器20可以对终端10发送的数据进行分析处理，预测反馈给在客户端上登录的账户对应的应用程序的启动页面，并将该启动页面返回给客户端，以在客户端显示该启动页面。
实施例一：
图2是根据一示例性实施例示出的一种启动页的确定方法的流程图，如图2所示，该启动页的确定方法可以应用于服务器，该方法包括以下步骤：
S101、接收在客户端上登录的账户发送的应用程序的访问请求。
其中，访问请求用于请求通过所述应用程序通过启动页面展示信息，所述启动页面为应用程序设置的多个预置页面中的一个，不同所述预置页面展示的信息不同。
S102、获取所述在客户端上登录的账户的日志信息。
其中，所述日志信息中至少记录有所述账户对所述应用程序的各预置页面展示的信息执行操作的行为信息。
例如，日志信息中记录有用户在应用程序的各预置页面对视频(包括短视频和直播)的点击、点赞、观看时长、评论、关注等行为数据。
S103、根据所述日志信息，获取所述在客户端上登录的账户的账户特征，所述账户特征至少包括行为兴趣特征。
S104、基于包含有所述行为兴趣特征的账户特征，从所述多个预置页面中确定在客户端上登录的账户的启动页面。
S105、获取确定出的启动页面的信息，将确定出的启动页面及其包含的信息反馈给所述在客户端上登录的账户。
其中，启动页面中可以进行品牌露出、广告、活动等展示，展示方式包括静态图片、动态图片、动画等多种方式。
本公开实施例提供的上述技术方案，由于是基于在客户端上登录的账户的行为兴趣特征，从应用程序设置的多个预置页面中确定在客户端上登录的账户的启动页面，也就是说是根据用户的行为兴趣来确定启动页面，这样确定的启动页面可以反映个体差异，因此可以解决启动页面单一的问题。
在一些实施例中，步骤S104中基于包含有所述行为兴趣特征的账户特征，从所述多个预置页面中确定在客户端上登录的账户的启动页面，可以包括：
将所述账户特征输入到已训练的页面预测模型，获得通过所述页面预测模型预测出的所述在客户端上登录的账户的启动页面。
在一些实施例中，上述获得通过所述页面预测模型预测出的所述在客户端上登录的账户的启动页面，包括：
获得通过所述页面预测模型预测出的分别对应各个所述预置页面的页面分类标识，所述页面分类标识包括：用于表示所述预置页面是启动页面的第一标识(例如1)，以及用于表示所述预置页面非启动页面的第二标识(例如0)；
将所述第一标识对应的预置页面，确定为所述启动页面。
在另一些实施例中，上述获得通过所述页面预测模型预测出的所述在客户端上登录的账户的启动页面，包括：
获得通过所述页面预测模型预测出的分别对应各个所述预置页面的观看总时长；所述观看总时长由账户在预置页面的短视频观看时长和直播观看时长来定义；
将预测出的观看总时长最大的所述预置页面，确定为所述启动页面。
在一些实施例中，上述启动页的确定方法还可以包括训练模型的步骤，下面结合图3介绍页面预测模型的训练过程。
S201、获取不同账户的日志信息，所述日志信息中至少记录有账户对所述应用程序的各预置页面展示的信息执行操作的行为信息。
例如，应用程序设有三个预置页面，分别为页面a、页面b和页面c，账户A在启动应用程序后，在页面a点击了视频、对视频点赞、对视频评论和对视频作者进行关注，观看视频的时长为20秒，在页面b点击了视频、对视频点赞、未对视频评论和对视频作者进行关注，观看视频的时长为15秒，在页面c点击了视频、未对视频点赞、未对视频评论和未对视频作者进行关注，观看视频的时长为10秒，上述账户A对应用程序的各预置页面展示的信息执行操作的行为信息记录在日志中。
账户B在启动应用程序后，在页面a点击了视频、对视频点赞、对视频评论和未对视频作者进行关注，观看视频的时长为15秒，在页面b点击了视频、未对视频点赞、未对视频评论和对视频作者进行关注，观看视频的时长为10秒，在页面c点击了视频、对视频点赞、对视频评论和对视频作者进行关注，观看视频的时长为20秒，上述账户B对应用程序的各预置页面展示的信息执行操作的行为信息记录在日志中。
S202、根据各个账户的日志信息，分别获取各自的账户特征，以及分别确定各自的所述账户特征对应的所述应用程序的各预置页面的标签值。
作为一种示例，若日志信息中记录的是账户在预置页面点击了视频、对视频点赞、对视频评论、或者对视频作者进行关注等行为信息，则相应的兴趣特征对应的特征值可以用1来标识，若日志信息中记录的是账户在预置页面未点击了视频、未对视频点赞、未对视频评论、或者未对视频作者进行关注等行为信息，则相应的兴趣特征对应的特征值可以用0来标识。
在一些实施例中，步骤S202中根据各个账户的日志信息，分别确定各自的所述账户特征对应的所述应用程序的各预置页面的标签值，可以包括：
针对每一个所述账户，根据所述账户的日志信息，确定所述账户在所述应用程序的各预置页面的观看总时长；
基于所述账户在所述应用程序的各预置页面的观看总时长，确定所述账户的所述账户特征对应的所述应用程序的各预置页面的标签值。
作为一种示例，日志信息中记录有账户在应用程序的各预置页面的短视频观看时长和直播观看时长。
在一些实施例中，上述根据所述账户的日志信息，确定所述账户在所述应用程序的各预置页面的观看总时长，可以包括：
针对每一个所述预置页面，将所述账户在所述预置页面的短视频观看时长和直播观看时长进行加权求和，得到所述账户在所述预置页面的观看总时长。
作为一种示例，观看总时长可以定义为短视频观看时长*短视频权重+直播观看时长*直播权重，其中，短视频权重与直播权重不同，权重可以根据公司获得的收益来进行设置。
例如，账户A观看页面a的短视频的时长为20s，观看页面a的直播的时长为10s，短视频权重为0.7，直播权重为0.3，则账户A在页面a的观看总时长＝20s*0.7+10s*0.3。
另外，根据公司的不同要求，可以利用不同的方式来定义标签，比如，点击最多的页面为启动页面，点赞最多的页面为启动页面等，本公开实施例不限于利用观看总时长来定义标签。
本公开实施例中，根据不同的数据和场景可以采用不同的机器学习模型来预测启动页面，比如，可以利用分类模型如lightgbm(LGB),xgboost(XGB),GBDT等，也可以利用线性逻辑回归模型如神经网络模型等。对于分类模型，当应用程序设有两个预置页面时，模型的目标优化函数可以采用交叉熵，当应用程序设有多个预置页面时，模型的目标优化函数可以采用logloss函数，对于回归模型，模型的目标优化函数可以采用均方误差函数(MeanSquare Error,MSE)、平均绝对误差函数(Mean Absolute Error,MAE)等。
此外，对于不同类型的模型，所定义的标签值也是不同的，比如，对于分类模型，标签值可以包括：用于表征启动页的第一标识(例如1)和用于表征非启动页的第二标识(例如0)；对于回归模型，标签值可以包括：观看总时长。
在一些实施例中，标签值包括：用于表征启动页面的第一标识和用于表征非启动页面的第二标识；
上述基于所述账户在所述应用程序的各预置页面的观看总时长，确定所述账户的所述账户特征对应的所述应用程序的各预置页面的标签值，可以包括：
比较所述账户在所述应用程序的各预置页面的观看总时长的大小；
确定所述观看总时长最大的预置页面的标签值为所述第一标识，剩余的各所述预置页面的标签值为所述第二标识。
例如，若页面a的观看总时长为25s，页面b的观看总时长为17s，页面c的观看总时长为20s，则页面a的标签值为1，页面b和页面c的标签值为0。
在另一些实施例中，标签值包括：观看总时长；
上述基于所述账户在所述应用程序的各预置页面的观看总时长，确定所述账户的所述账户特征对应的所述应用程序的各预置页面的标签值，可以包括：
对于所述多个预置页面中的任一页面，将所述账户在所述页面的观看总时长，作为所述账户的所述账户特征对应的所述页面的标签值，其中，所述观看总时长最大的页面为启动页面。
例如，若页面a的观看总时长为25s，页面b的观看总时长为17s，页面c的观看总时长为20s，则页面a的标签值为25s，页面a作为启动页面，页面b的标签值为17s，页面c的标签值为20s。
S203、根据各个账户的所述账户特征和各自的所述账户特征对应的所述应用程序的各预置页面的标签值，对待训练模型进行训练，得到所述页面预测模型。
在一些实施例中，上述启动页的确定方法还可以包括模型迭代的步骤，该方法进一步可以包括：
获取前一次训练所述页面预测模型的结束时刻至当前时刻新产生的不同账户的日志信息；
根据所述新产生的不同账户的日志信息，对所述页面预测模型进行迭代。
需要说明的是，上述根据所述新产生的不同账户的日志信息，对所述页面预测模型进行迭代的方式，与上述根据各个账户的日志信息，训练页面预测模型的方式相似，在此不再赘述。
在一些实施例中，模型更新后，该方法进一步可以包括：
对更新后的所述页面预测模型进行校验，确定更新后的所述页面预测模型的准确率；
若所述准确率大于或等于预设阈值，则将原有的页面预测模型变换为更新后的所述页面预测模型；
若所述准确率小于预设阈值，则保持原有的页面预测模型。
需要指出的是，上述模型的训练、迭代和校验，可以是在线执行，也可以是离线执行，本公开实施例对此并不进行限定。
实施例二：
本公开实施例二提供的启动页面的确定方法与本公开实施例一提供的启动页面的确定方法相似，相同的部分在此不再赘述，下面只说明不同的部分。
图4是根据一示例性实施例示出的另一种启动页面的确定方法的流程图，如图4所示，本公开实施例二提供的启动页面的确定方法中，账户特征包括：行为兴趣特征和账户属性特征。
预测启动页面时，只需将上述步骤S102变为下述步骤S301，并将上述步骤S103变为下述步骤S302和S303。
S301、获取所述在客户端上登录的账户的日志信息和所述账户的个人信息；
其中，个人信息包括年龄、性别等。
S302、从所述行为信息中提取所述行为兴趣特征，以及基于所述个人信息提取账户属性特征；
其中，账户属性特征包括年龄、性别等特征。例如，年龄可以分段进行标识，男性可以采用0x1来标识，女性可以采用0x2来标识，可以根据个人信息中记录的年龄确定该年龄对应的标识，即确定年龄特征对应的特征值，根据个人信息中记录的性别确定该性别对应的标识，即确定性别特征对应的特征值。
S303、将所述行为兴趣特征和所述账户属性特征进行拼接，获得所述在客户端上登录的账户的账户特征。
当使用页面预测模型预测在客户端上登录的账户的启动页面，训练模型或更新模型时，根据各个账户的日志信息和个人信息，训练或更新页面预测模型。相比于本公开实施例一提供的模型，本公开实施例二提供的模型的输入特征中增加了账户属性特征。
本公开实施例提供的上述技术方案中，在预测启动页面时，不仅考虑了账户的行为兴趣，还考虑了账户属性差异，可以呈现给不同性别、不同年龄的账户不同的启动页面，这样预测出的启动页面更能满足用户的喜好，可以更好地满足个性化需求，从而可以提升用户体验。
实施例三：
本公开实施例三提供的启动页面的确定方法与本公开实施例二提供的启动页面的确定方法相似，相同的部分在此不再赘述，下面只说明不同的部分。
图5是根据一示例性实施例示出的另一种启动页面的确定方法的流程图，如图5所示，本公开实施例三提供的启动页面的确定方法中，账户特征包括：行为兴趣特征、账户属性特征和时间特征，所述时间特征用于表示启动所述应用程序的时间所属的时间段。
预测启动页面时，只需将上述步骤S301变为下述步骤S401，并将上述步骤S302和S303分别变为下述步骤S402和S403。
S401、获取所述在客户端上登录的账户的日志信息、所述账户的个人信息，以及当前启动所述应用程序的时间；
S402、从所述行为信息中提取所述行为兴趣特征，基于所述个人信息提取账户属性特征，以及根据所述当前启动所述应用程序的时间确定所述时间特征；
其中，时间特征用于表示启动应用程序的时间所属的时间段，可以采用标识来标识时间段，例如，可以将一天的时间划分为[0,8]、[8,12]、[12,18]和[18,24]这四个时间段，分别采用0x1、0x2、0x3、0x4来标识，若当前启动应用程序的时间为10点，则可以确定其所属的时间段为[8,12]，用0x2表示，即确定时间特征对应的特征值为0x2。
S403、将所述行为兴趣特征、所述账户属性特征和所述时间特征进行拼接，获得所述在客户端上登录的账户的账户特征。
当使用页面预测模型预测在客户端上登录的账户的启动页面，训练模型或更新模型时，根据各个账户的日志信息、个人信息和当前启动所述应用程序的时间，训练或更新页面预测模型。相比于本公开实施例二提供的模型，本公开实施例三提供的模型的输入特征中增加了时间特征。
本公开实施例提供的上述技术方案中，在预测启动页面时，不仅考虑了账户的行为兴趣，还考虑了账户属性差异和启动时间的差异，可以呈现给不同性别、不同年龄的账户不同的启动页面，即使对于同一账户，在不同的时间段也可以呈现不同的启动页面，这样预测出的启动页面更能满足用户的喜好，可以更好地满足个性化需求，从而可以提升用户体验。
需要指出的是，上述账户特征也可以包括：行为兴趣特征和时间特征，其账户特征的获取可参照上述的实施例三，相比于实施例三，其账户特征比实施例三中的账户特征少了账户属性特征。
基于同一发明构思，本公开实施例还提供了一种启动页面的确定装置，图6是根据一示例性实施例示出的一种启动页面的确定装置框图，参照图6，该启动页面的确定装置包括：接收模块11、日志信息获取模块12、特征获取模块13、预测模块14、页面信息获取模块15和发送模块16。
接收模块11，被配置为接收在客户端上登录的账户发送的应用程序的访问请求，其中，访问请求用于请求通过所述应用程序通过启动页面展示信息，所述启动页面为应用程序设置的多个预置页面中的一个，不同所述预置页面展示的信息不同；
日志信息获取模块12，被配置为获取所述在客户端上登录的账户的日志信息，其中，所述日志信息中至少记录有所述账户对所述应用程序的各预置页面展示的信息执行操作的行为信息；
特征获取模块13，被配置为根据所述日志信息，获取所述在客户端上登录的账户的账户特征，所述账户特征至少包括行为兴趣特征；
预测模块14，被配置为基于包含有所述行为兴趣特征的账户特征，从所述多个预置页面中确定在客户端上登录的账户的启动页面；
页面信息获取模块15，被配置为获取确定出的启动页面的信息；
发送模块16，被配置为将确定出的启动页面及其包含的信息反馈给所述在客户端上登录的账户。
在一可能的实现方式中，所述账户特征还包括：账户属性特征；
如图7所示，上述装置还可以包括：
个人信息获取模块17，被配置为在获取所述在客户端上登录的账户的账户特征之前，获取所述账户的个人信息；
特征获取模块13被配置为：
从所述行为信息中提取所述行为兴趣特征，以及基于所述个人信息提取账户属性特征；
将所述行为兴趣特征和所述账户属性特征进行拼接，获得所述账户特征。
在一可能的实现方式中，所述账户特征还包括：时间特征，所述时间特征用于表示启动所述应用程序的时间所属的时间段；
如图8所示，上述装置还可以包括：
启动时间获取模块18，被配置为在获取所述在客户端上登录的账户的账户特征之前，获取当前启动所述应用程序的时间；
特征获取模块13被配置为：
从所述行为信息中提取所述行为兴趣特征，基于所述个人信息提取账户属性特征，以及根据所述当前启动所述应用程序的时间确定所述时间特征；
将所述行为兴趣特征、所述账户属性特征和所述时间特征进行拼接，获得所述账户特征。
在一可能的实现方式中，预测模块14被配置为：
将所述账户特征输入到已训练的页面预测模型，获得通过所述页面预测模型预测出的所述在客户端上登录的账户的启动页面。
在一可能的实现方式中，预测模块14被配置为：
获得通过所述页面预测模型预测出的分别对应各个所述预置页面的页面分类标识，所述页面分类标识包括：用于表示所述预置页面是启动页面的第一标识；
将所述第一标识对应的预置页面，确定为所述启动页面。
在另一可能的实现方式中，预测模块14被配置为：
获得通过所述页面预测模型预测出的分别对应各个所述预置页面的观看总时长；所述观看总时长由账户在预置页面的短视频观看时长和直播观看时长来定义；
将预测出的观看总时长最大的所述预置页面，确定为所述启动页面。
在一可能的实现方式中，如图9所示，上述装置还可以包括：
训练数据获取模块21，被配置为获取获取不同账户的日志信息，所述日志信息中至少记录有账户对所述应用程序的各预置页面展示的信息执行操作的行为信息；
训练数据处理模块22，被配置为根据各个账户的日志信息，分别获取各自的账户特征，以及分别确定各自的所述账户特征对应的所述应用程序的各预置页面的标签值；
模型训练模块23，被配置为根据各个账户的所述账户特征和各自的所述账户特征对应的所述应用程序的各预置页面的标签值，对待训练模型进行训练，得到所述页面预测模型。
在一可能的实现方式中，如图10所示，训练数据处理模块22可以包括：
消费时长确定子模块221，被配置为针对每一个所述账户，根据所述账户的日志信息，确定所述账户在所述应用程序的各预置页面的观看总时长；
标签值确定子模块222，被配置为基于所述消费时长确定子模块确定的所述账户在所述应用程序的各预置页面的观看总时长，确定所述账户的所述账户特征对应的所述应用程序的各预置页面的标签值。
在一可能的实现方式中，日志信息中记录有账户在应用程序的各预置页面的短视频观看时长和直播观看时长；
消费时长确定子模块221被配置为：
针对每一个所述预置页面，将所述账户在所述预置页面的短视频观看时长和直播观看时长进行加权求和，得到所述账户在所述预置页面的观看总时长。
在一可能的实现方式中，所述标签值包括：用于表征启动页面的第一标识和用于表征非启动页面的第二标识；
标签值确定子模块222被配置为：
比较所述账户在所述应用程序的各预置页面的观看总时长的大小；
确定所述观看总时长最大的预置页面的标签值为所述第一标识，剩余的各所述预置页面的标签值为所述第二标识。
在一可能的实现方式中，所述标签值包括：观看总时长；
标签值确定子模块222被配置为：
对于所述多个预置页面中的任一页面，将所述账户在所述页面的观看总时长，作为所述账户的所述账户特征对应的所述页面的标签值，其中，所述观看总时长最大的页面为启动页面。
在一可能的实现方式中，如图11所示，上述装置还可以包括：
迭代数据获取模块31，被配置为获取前一次训练所述页面预测模型的结束时刻至当前时刻新产生的不同账户的日志信息；
模型更新模块32，被配置为根据所述新产生的不同账户的日志信息，对所述页面预测模型进行迭代。
上述装置中各个单元的功能和作用的实现过程具体详见上述方法中对应步骤的实现过程，在此不再赘述。
对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中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模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
基于同一发明构思，本公开实施例还提供了一种存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任意可能的实现方式中的启动页面的确定方法的步骤。
可选地，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
基于同一发明构思，本公开实施例还提供了一种计算机程序产品，包括计算机程序，所述程序被处理器执行时实现上述任意可能的实现方式中的启动页面的确定方法的步骤。
基于同一发明构思，参见图12，本公开实施例还提供了一种服务器，包括存储器71(例如非易失性存储器)、处理器72及存储在存储器71上并可在处理器72上运行的计算机程序，处理器72执行所述程序时实现上述任意可能的实现方式中的启动页面的确定方法的步骤。
如图12所示，该服务器一般还可以包括：内存73、网络接口74、以及内部总线75。除了这些部件外，还可以包括其他硬件，对此不再赘述。
需要指出的是，上述启动页面的确定装置可以通过软件实现，其作为一个逻辑意义上的装置，是通过其所在的服务器的处理器72将非易失性存储器中存储的计算机程序指令读取到内存73中运行形成的。
需要说明的是，本公开涉及的用户或账户信息，均是经用户或账户授权而进行采集、及后续处理的。
本说明书中描述的主题及功能操作的实施例可以在以下中实现：有形体现的计算机软件或固件、包括本说明书中公开的结构及其结构性等同物的计算机硬件、或者它们中的一个或多个的组合。本说明书中描述的主题的实施例可以实现为一个或多个计算机程序，即编码在有形非暂时性程序载体上以被数据处理装置执行或控制数据处理装置的操作的计算机程序指令中的一个或多个模块。可替代地或附加地，程序指令可以被编码在人工生成的传播信号上，例如机器生成的电、光或电磁信号，该信号被生成以将信息编码并传输到合适的接收机装置以由数据处理装置执行。计算机存储介质可以是机器可读存储设备、机器可读存储基板、随机或串行存取存储器设备、或它们中的一个或多个的组合。
本说明书中描述的处理及逻辑流程可以由执行一个或多个计算机程序的一个或多个可编程计算机执行，以通过根据输入数据进行操作并生成输出来执行相应的功能。所述处理及逻辑流程还可以由专用逻辑电路—例如FPGA(现场可编程门阵列)或ASIC(专用集成电路)来执行，并且装置也可以实现为专用逻辑电路。
适合用于执行计算机程序的计算机包括，例如通用和/或专用微处理器，或任何其他类型的中央处理单元。通常，中央处理单元将从只读存储器和/或随机存取存储器接收指令和数据。计算机的基本组件包括用于实施或执行指令的中央处理单元以及用于存储指令和数据的一个或多个存储器设备。通常，计算机还将包括用于存储数据的一个或多个大容量存储设备，例如磁盘、磁光盘或光盘等，或者计算机将可操作地与此大容量存储设备耦接以从其接收数据或向其传送数据，抑或两种情况兼而有之。然而，计算机不是必须具有这样的设备。此外，计算机可以嵌入在另一设备中，例如移动电话、个人数字助理(PDA)、移动音频或视频播放器、游戏操纵台、全球定位系统(GPS)接收机、或例如通用串行总线(USB)闪存驱动器的便携式存储设备，仅举几例。
适合于存储计算机程序指令和数据的计算机可读介质包括所有形式的非易失性存储器、媒介和存储器设备，例如包括半导体存储器设备(例如EPROM、EEPROM和闪存设备)、磁盘(例如内部硬盘或可移动盘)、磁光盘以及CD ROM和DVD-ROM盘。处理器和存储器可由专用逻辑电路补充或并入专用逻辑电路中。
虽然本说明书包含许多具体实施细节，但是这些不应被解释为限制任何发明的范围或所要求保护的范围，而是主要用于描述特定发明的具体实施例的特征。本说明书内在多个实施例中描述的某些特征也可以在单个实施例中被组合实施。另一方面，在单个实施例中描述的各种特征也可以在多个实施例中分开实施或以任何合适的子组合来实施。此外，虽然特征可以如上所述在某些组合中起作用并且甚至最初如此要求保护，但是来自所要求保护的组合中的一个或多个特征在一些情况下可以从该组合中去除，并且所要求保护的组合可以指向子组合或子组合的变型。
类似地，虽然在附图中以特定顺序描绘了操作，但是这不应被理解为要求这些操作以所示的特定顺序执行或顺次执行、或者要求所有例示的操作被执行，以实现期望的结果。在某些情况下，多任务和并行处理可能是有利的。此外，上述实施例中的各种系统模块和组件的分离不应被理解为在所有实施例中均需要这样的分离，并且应当理解，所描述的程序组件和系统通常可以一起集成在单个软件产品中，或者封装成多个软件产品。
由此，主题的特定实施例已被描述。其他实施例在所附权利要求书的范围以内。在某些情况下，权利要求书中记载的动作可以以不同的顺序执行并且仍实现期望的结果。此外，附图中描绘的处理并非必需所示的特定顺序或顺次顺序，以实现期望的结果。在某些实现中，多任务和并行处理可能是有利的。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种启动页面的确定方法，其特征在于，所述方法应用于服务器，包括：
接收在客户端上登录的账户发送的应用程序的访问请求，其中，访问请求用于请求所述应用程序通过启动页面展示信息，所述启动页面为应用程序设置的多个预置页面中的一个，不同所述预置页面展示的信息不同；
获取所述在客户端上登录的账户的日志信息，其中，所述日志信息中至少记录有所述账户对所述应用程序的各预置页面展示的信息执行操作的行为信息；
根据所述日志信息，获取所述在客户端上登录的账户的账户特征，所述账户特征至少包括行为兴趣特征；
基于包含有所述行为兴趣特征的账户特征，从所述多个预置页面中确定在客户端上登录的账户的启动页面；
获取确定出的启动页面的信息，将确定出的启动页面及其包含的信息反馈给所述在客户端上登录的账户。
2.根据权利要求1所述的方法，其特征在于，所述账户特征还包括：账户属性特征，在获取所述在客户端上登录的账户的账户特征之前，所述方法还包括：
获取所述账户的个人信息；
所述根据所述日志信息，获取所述在客户端上登录的账户的账户特征，包括：
从所述行为信息中提取所述行为兴趣特征，以及基于所述个人信息提取账户属性特征；
将所述行为兴趣特征和所述账户属性特征进行拼接，获得所述账户特征。
3.根据权利要求1或2所述的方法，其特征在于，所述账户特征还包括：时间特征，所述时间特征用于表示启动所述应用程序的时间所属的时间段；
在获取所述在客户端上登录的账户的账户特征之前，所述方法还包括：
获取当前启动所述应用程序的时间；
所述根据所述日志信息，获取所述在客户端上登录的账户的账户特征，包括：
从所述行为信息中提取所述行为兴趣特征，以及根据所述当前启动所述应用程序的时间确定所述时间特征；
将所述行为兴趣特征和所述时间特征进行拼接，获得所述账户特征。
4.根据权利要求1所述的方法，其特征在于，所述基于包含有所述行为兴趣特征的账户特征，从所述多个预置页面中确定在客户端上登录的账户的启动页面，包括：
将所述账户特征输入到已训练的页面预测模型，获得通过所述页面预测模型预测出的所述在客户端上登录的账户的启动页面。
5.根据权利要求4所述的方法，其特征在于，所述获得通过所述页面预测模型预测出的所述在客户端上登录的账户的启动页面，包括：
获得通过所述页面预测模型预测出的分别对应各个所述预置页面的页面分类标识，所述页面分类标识包括：用于表示所述预置页面是启动页面的第一标识；
将所述第一标识对应的预置页面，确定为所述启动页面。
6.根据权利要求4所述的方法，其特征在于，所述获得通过所述页面预测模型预测出的所述在客户端上登录的账户的启动页面，包括：
获得通过所述页面预测模型预测出的分别对应各个所述预置页面的观看总时长；所述观看总时长由账户在预置页面的短视频观看时长和直播观看时长来定义；
将预测出的观看总时长最大的所述预置页面，确定为所述启动页面。
7.一种启动页面的确定装置，其特征在于，所述装置包括：
接收模块，被配置为接收在客户端上登录的账户发送的应用程序的访问请求，其中，访问请求用于请求通过所述应用程序通过启动页面展示信息，所述启动页面为应用程序设置的多个预置页面中的一个，不同所述预置页面展示的信息不同；
日志信息获取模块，被配置为获取所述在客户端上登录的账户的日志信息，其中，所述日志信息中至少记录有所述账户对所述应用程序的各预置页面展示的信息执行操作的行为信息；
特征获取模块，被配置为根据所述日志信息，获取所述在客户端上登录的账户的账户特征，所述账户特征至少包括行为兴趣特征；
预测模块，被配置为基于包含有所述行为兴趣特征的账户特征，从所述多个预置页面中确定在客户端上登录的账户的启动页面；
页面信息获取模块，被配置为获取确定出的启动页面的信息；
发送模块，被配置为将确定出的启动页面及其包含的信息反馈给所述在客户端上登录的账户。
8.根据权利要求7所述的装置，其特征在于，所述账户特征还包括：账户属性特征；
所述装置还包括：
个人信息获取模块，被配置为在获取所述在客户端上登录的账户的账户特征之前，获取所述账户的个人信息；
所述特征获取模块被配置为：
从所述行为信息中提取所述行为兴趣特征，以及基于所述个人信息提取账户属性特征；
将所述行为兴趣特征和所述账户属性特征进行拼接，获得所述账户特征。
9.一种存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现权利要求1-6任一项所述方法的步骤。
10.一种服务器，包括存储器、处理器及存储在所述存储器上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程序时实现权利要求1-6任一项所述方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911031187.0A CN112732375A (zh) | 2019-10-28 | 2019-10-28 | 启动页面的确定方法、装置、存储介质及服务器 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911031187.0A CN112732375A (zh) | 2019-10-28 | 2019-10-28 | 启动页面的确定方法、装置、存储介质及服务器 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN112732375A true CN112732375A (zh) | 2021-04-30 |
Family
ID=75588989
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911031187.0A Pending CN112732375A (zh) | 2019-10-28 | 2019-10-28 | 启动页面的确定方法、装置、存储介质及服务器 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112732375A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114153358A (zh) * | 2021-11-16 | 2022-03-08 | 中国电信集团系统集成有限责任公司 | 条码显示方法、装置、电子设备和存储介质 |
| WO2023056850A1 (zh) * | 2021-10-08 | 2023-04-13 | 北京字跳网络技术有限公司 | 页面显示方法、装置、设备及存储介质 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104636164A (zh) * | 2015-01-29 | 2015-05-20 | 小米科技有限责任公司 | 启动页面生成方法及装置 |
| CN107678788A (zh) * | 2017-10-17 | 2018-02-09 | 珠海市魅族科技有限公司 | 应用页面显示方法、装置、计算机装置及存储介质 |
| CN108280125A (zh) * | 2017-12-12 | 2018-07-13 | 腾讯科技（深圳）有限公司 | 页面显示的方法、装置、存储介质和电子装置 |
| CN108595573A (zh) * | 2018-04-16 | 2018-09-28 | Oppo广东移动通信有限公司 | 页面显示方法、装置、存储介质及电子设备 |
| CN109976823A (zh) * | 2017-12-27 | 2019-07-05 | Tcl集团股份有限公司 | 一种应用程序启动方法、装置及终端设备 |
| CN110020107A (zh) * | 2017-09-08 | 2019-07-16 | 北京京东尚科信息技术有限公司 | 页面展示方法及系统 |
-
2019
- 2019-10-28 CN CN201911031187.0A patent/CN112732375A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN104636164A (zh) * | 2015-01-29 | 2015-05-20 | 小米科技有限责任公司 | 启动页面生成方法及装置 |
| CN110020107A (zh) * | 2017-09-08 | 2019-07-16 | 北京京东尚科信息技术有限公司 | 页面展示方法及系统 |
| CN107678788A (zh) * | 2017-10-17 | 2018-02-09 | 珠海市魅族科技有限公司 | 应用页面显示方法、装置、计算机装置及存储介质 |
| CN108280125A (zh) * | 2017-12-12 | 2018-07-13 | 腾讯科技（深圳）有限公司 | 页面显示的方法、装置、存储介质和电子装置 |
| CN109976823A (zh) * | 2017-12-27 | 2019-07-05 | Tcl集团股份有限公司 | 一种应用程序启动方法、装置及终端设备 |
| CN108595573A (zh) * | 2018-04-16 | 2018-09-28 | Oppo广东移动通信有限公司 | 页面显示方法、装置、存储介质及电子设备 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2023056850A1 (zh) * | 2021-10-08 | 2023-04-13 | 北京字跳网络技术有限公司 | 页面显示方法、装置、设备及存储介质 |
| CN114153358A (zh) * | 2021-11-16 | 2022-03-08 | 中国电信集团系统集成有限责任公司 | 条码显示方法、装置、电子设备和存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9838743B2 (en) | Techniques for context aware video recommendation | |
| CN110139162B (zh) | 媒体内容的共享方法和装置、存储介质、电子装置 | |
| CN112989209B (zh) | 内容推荐方法、装置和存储介质 | |
| CN109756760B (zh) | 视频标签的生成方法、装置及服务器 | |
| CN109511015B (zh) | 多媒体资源推荐方法、装置、存储介质及设备 | |
| CN110515904B (zh) | 媒体文件的质量预测模型训练方法、质量预测方法及装置 | |
| CN112801719A (zh) | 用户行为预测方法、用户行为预测装置、存储介质及设备 | |
| CN112732375A (zh) | 启动页面的确定方法、装置、存储介质及服务器 | |
| CN111897950A (zh) | 用于生成信息的方法和装置 | |
| CN111311328B (zh) | 用于确定在广告渠道下的产品的广告点击率的方法及装置 | |
| CN104967690A (zh) | 一种信息推送方法及装置 | |
| CN113570416B (zh) | 投放内容确定方法、装置、电子设备及存储介质 | |
| US20230316106A1 (en) | Method and apparatus for training content recommendation model, device, and storage medium | |
| RU2678088C1 (ru) | Программирование уведомлений, исходя из последующей активности пользователя | |
| US20150227970A1 (en) | System and method for providing movie file embedded with advertisement movie | |
| CN116614652A (zh) | 直播场景下广告视频片段替换方法、装置及存储介质 | |
| CN107330069B (zh) | 一种多媒体数据处理方法及其装置、服务器、存储介质 | |
| CN112269942B (zh) | 一种推荐对象的方法、装置、系统及电子设备 | |
| CN114662001A (zh) | 资源交互预测模型训练方法和装置和资源推荐方法和装置 | |
| WO2017113670A1 (zh) | 信息处理方法、装置、设备及非易失性计算机存储介质 | |
| CN113573097A (zh) | 视频推荐方法、装置、服务器及存储介质 | |
| CN113934870A (zh) | 多媒体推荐模型的训练方法、装置及服务器 | |
| CN112905892A (zh) | 应用于用户画像挖掘的大数据处理方法及大数据服务器 | |
| CN111897951A (zh) | 用于生成信息的方法和装置 | |
| CN113934871B (zh) | 多媒体推荐模型的训练方法、装置、电子设备及存储介质 |
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 |