CN113158102A - 页面配置方法、装置、电子设备和计算机可读介质 - Google Patents

Abstract

本申请实施例公开了页面配置方法、装置、电子设备和计算机可读介质。该方法的实施例包括：从服务端获取的预先训练的页面配置模型；基于本地用户的历史行为数据，对页面配置模型进行再训练，以更新页面配置模型，得到目标模型；在满足预设条件时，基于本地用户的目标行为数据和目标模型，确定页面配置信息；基于页面配置信息进行页面配置。该实施方式提高了页面内容的准确性。

Description

页面配置方法、装置、电子设备和计算机可读介质

技术领域

本申请实施例涉及计算机技术领域，具体涉及页面配置方法、装置、电子设备和计算机可读介质。

背景技术

页面是指携带有文本、图像、表格以及超链接等基本元素的信息页，随着计算机技术的发展，页面中可配置的信息越来越丰富，为便于用户进行页面浏览，需要对页面中的内容进行合理配置。

现有技术中，针对某一页面，可由服务端借助预先训练的模型针对不同用户的特征生成不同配置信息，从而将配置信息下发至相应用户的终端设备，使不同用户浏览到不同页面内容。这种方式虽然能够实现页面的个性化配置，但由于不同用户的页面配置信息基于统一的通用模型得到，因而通常无法准确地匹配用户偏好，导致页面内容的准确性较低。

发明内容

本申请实施例提出了页面配置方法、装置、电子设备和计算机可读介质，以解决现有技术中页面内容的准确性较低的技术问题。

第一方面，本申请实施例提供了一种页面配置方法，应用于终端设备，包括：从服务端获取的预先训练的页面配置模型；基于本地用户的历史行为数据，对所述页面配置模型进行再训练，以更新所述页面配置模型，得到目标模型；在满足预设条件时，基于所述本地用户的目标行为数据和所述目标模型，确定页面配置信息；基于所述页面配置信息进行页面配置。

第二方面，本申请实施例提供了一种页面配置装置，应用于终端设备，包括：获取单元，用于从服务端获取的预先训练的页面配置模型；训练单元，用于基于本地用户的历史行为数据，对所述页面配置模型进行再训练，以更新所述页面配置模型，得到目标模型；确定单元，用于在满足预设条件时，基于所述本地用户的目标行为数据和所述目标模型，确定页面配置信息；配置单元，用于基于所述页面配置信息进行页面配置。

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第一方面中所描述的方法。

第四方面，本申请实施例提供了一种计算机可读介质，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所描述的方法。

本申请实施例提供的页面配置方法、装置、电子设备和计算机可读介质，通过获取本地用户的历史行为数据，而后对从服务端获取的预先训练的页面配置模型进行再训练以得到目标模型，之后在满足预设条件时基于本地用户的目标行为数据和和目标模型确定页面配置信息，从而能够基于该配置信息进行页面配置。由于目标模型基于本地用户的历史行为数据训练得到，因而使用该目标模型输出的页面配置信息进行页面配置，能够使页面内容准确地匹配用户的偏好，由此可提高所配置的页面内容的准确性。

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是根据本申请的页面配置方法的一个实施例的流程图；

图2是根据本申请的页面配置方法的又一个实施例的流程图；

图3是根据本申请的页面配置装置的一个实施例的结构示意图；

图4是用于实现本申请实施例的电子设备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。

请参考图1，其示出了根据本申请的页面配置方法的一个实施例的流程100。该页面配置方法可应用于终端设备，如手机、平板电脑、可穿戴设备等。

该页面配置方法，包括以下步骤：

步骤101，从服务端获取的预先训练的页面配置模型。

在本实施例中，页面配置方法的执行主体(如终端设备)可从服务端获取的预先训练的页面配置模型。其中，服务端可以部署有服务器，该服务器可以是物理服务器或云服务器。页面配置模型可以用于进行页面配置信息的决策。页面配置信息可以为用于指导页面内容配置的配置信息。通过页面配置信息，可进行页面的配置。页面配置信息不同时，页面内容通常不同。

在本实施例中，页面配置模型可由服务端采用机器学习方法预先训练得到。训练页面配置模型所使用的样本集中可基于大量用户的用户行为数据得到。其中，用户行为数据可包括但不限于用户所浏览的页面的相关信息、用户浏览页面的时长、用户滑动的页面区域、用户点击的页面内容、用户点击的页面中的按钮等。

需要说明的是，训练页面配置模型所使用的基础模型可以是通用的决策模型、排序模型、推荐模型等，如可包括但不限于决策树、深度兴趣网络(Deep Interest Network，DIN)等。

步骤102，基于本地用户的历史行为数据，对页面配置模型进行再训练，以更新页面配置模型，得到目标模型。

在本实施例中，上述执行主体中可以存储有本地用户的历史行为数据。其中，本地用户即为操作上述终端设备(即执行主体)的用户。历史行为数据可以指当前时间之前所产生的用户行为数据，或者在当前时间之前且在某一历史时间之后这一历史时间段产生的用户行为数据。本地用户每执行一次操作，即可记录一条行为数据，由此，历史行为数据在用户使用终端设备的过程中实时更新。

在一些示例中，本地用户的历史行为数据可以指本地用户针对终端设备中的某一特定应用(Application，APP)的历史行为数据。如针对点评应用的历史行为数据、针对外卖应用的历史行为数据、针对点餐应用的历史行为数据等。相应的，页面配置模型可针对上述特定应用中的某特定页面(如首页、某一业务功能页等)进行页面内容的配置。

在本实施例中，上述执行主体可以基于本地用户的历史行为数据，对所获取到的页面配置模型进行再训练(Fine-tune)，以更新该页面配置模型，并将更新后的页面配置模型作为目标模型，用以进行本地页面的配置。其中，上述执行主体可采用与机器学习方法进行页面配置模型的再训练。

在本实施例的一些可选的实现方式中，上述执行主体在对页面配置模型进行再训练时，可首先对本地用户的历史行为数据进行预处理，得到训练样本。其中，预处理可以包括但不限于数据清洗、图像处理、数据格式转换等处理方式。训练样本中可以包括但不限于从历史行为数据中所提取的特征、用户特征等。每个训练样本可带有标注信息，标注信息可用于指示用户执行目标操作的内容，目标操作可以包括但不限于下单操作、点击操作、浏览操作等。基于训练样本，上述执行主体可以采用机器学习方法对页面配置模型进行再训练，以更新页面配置模型，得到目标模型。

在对页面配置模型进行再训练的过程中，上述执行主体可以逐一地将训练样本输入至页面配置模型，得到页面配置模型输出的结果。而后，可以基于页面配置模型输出的结果与所输入的训练样本对应的标注信息，确定损失值。上述损失值为损失函数(lossfunction)的值，损失函数是一个非负实值函数，可以用于表征检测结果与真实结果的差异。一般情况下，损失值越小，模型的鲁棒性就越好。损失函数可以根据实际需求来设置。之后，可以利用该损失值，更新页面配置模型的参数。由此，每输入一次训练样本，可以基于该训练样本对应的损失值，对页面配置模型的参数进行一次更新，直至训练完成。

实践中，可以通过多种方式确定是否训练完成。作为示例，当页面配置模型输出的结果的准确性达到预设值时(例如99％)，可确定训练完成。作为又一示例，若页面配置模型的训练次数等于预设次数时，可以确定训练完成。此处，若页面配置模型训练完成，即可将训练后的页面配置模型作为目标模型。

在本实施例的一些可选的实现方式中，在得到目标模型后，上述执行主体还可以实时更新历史行为数据，从而基于实时更新的历史行为数据，周期性的更新目标模型。其中，更新目标模型的周期可以根据需要进行预先设定，如每周更新一次，每日更新一次等，此处不作具体限定。

作为示例，历史行为数据可以指本地用户针对终端设备中的某一特定应用(此处以点评应用为例)的历史行为数据。本地用户在使用点评应用的过程中，随着用户执行点击、浏览、滑动等行为，会实时产生与其行为对应的新的行为数据。新的行为数据被记录后，即可作为一条新的历史行为数据。由此，历史行为数据可在用户使用点评应用的过程中实时更新。

通过使用实时更新历史行为数据周期性地更新目标模型，能够使得目标模型的决策结果(即通过目标模型确定出的页面配置信息)及时地匹配用户当前的偏好，从而提高个性化页面配置的实效性。

步骤103，在满足预设条件时，基于本地用户的目标行为数据和目标模型，确定页面配置信息。

在本实施例中，在满足预设条件时，上述执行主体可以基于本地用户的目标行为数据和目标模型，确定页面配置信息。具体地，可以将目标行为数据输入至目标模型，由目标模型对目标行为数据进行分析后，即可决策出页面配置信息。

其中，预设条件可以是预先设置的用以触发页面配置信息生成操作的条件。目标行为数据可以指本地用户在目标时段的行为数据。其中，目标时段可以指某一历史时间之后且当前时间之前这一时间段，如本次启动特定应用的时间至当前时间所构成的时间段、最近一次使用特定应用(如点评应用、外卖应用、订餐应用)期间所构成的时间段、最近一次浏览目标页面期间所构成的时间段等，此处不作具体限定。相应的，目标行为数据可以如本次启动特定应用(如点评应用、外卖应用、订餐应用)后在使用该特定应用期间所产生的用户行为数据，也可以是最近一次使用特定应用(如点评应用、外卖应用、订餐应用)期间所产生的用户行为数据，还可以是最近一次浏览目标页面期间所产生的用户行为数据等，此处不作具体限定。相较于用于训练目标模型的历史行为数据，目标行为数据可视为本地用户的当前行为数据。

在本实施例的一些可选的实现方式中，上述执行主体可以在检测到目标页面启动时，基于本地用户的目标行为数据和目标模型，确定页面配置信息。由此，可在目标页面启动时自动配置页面，使目标页面的内容符合用户偏好和使用习惯。

作为示例，用户启动点评应用时，上述执行主体可以将最近一次使用点评应用期间所产生的用户行为数据作为目标行为数据，将该目标行为数据输入至目标模型，得到页面配置信息，该页面配置信息可用于配置点评应用的首页，具体可以配置首页中的频道按键(如电影频道按键、美食频道按键、酒店频道按键)的顺序或内容等。

在本实施例的一些可选的实现方式中，上述执行主体可以在检测到目标页面刷新时，基于本地用户的目标行为数据和目标模型，确定页面配置信息。由此，可在用户浏览其他内容并返回目标页面时，基于用户所浏览的其他内容的特征重新配置目标页面，使目标页面的内容符合用户偏好和使用习惯。

作为示例，用户使用点评应用的过程中浏览了美食频道页面(可作为目标页面)，该页面中包含某火锅店的链接、某烤肉店的链接以及某奶茶店的链接。用户在浏览该美食频道页面的过程中，点击了该烤肉店的链接后，并在该链接跳转后停留了一段时间。此场景在，在用户返回该美食频道页面时，上述执行主体可以将此期间的用户行为数据作为目标行为数据，将该目标行为数据输入至目标模型，得到页面配置信息，该页面配置信息可用于重新配置该美食频道页面，如可以在美食频道页面中配置多个烤肉店的链接，或者将烤肉店的链接配置于顶部等。

步骤104，基于页面配置信息进行页面配置。

在本实施例中，上述执行主体可以基于页面配置信息进行页面配置。

在一些场景下，页面配置模型可以是用于对候选内容进行排序的排序模型，页面配置信息中包括候选内容的排序结果。此时，上述执行主体可以按照排序结果所指示的顺序，将候选内容展示于目标页面中。

在另一些场景下，页面配置模型为用于进行内容推荐的推荐模型，页面配置信息中包括候选内容的排序结果。此时，上述执行主体可以基于排序结果，选取目标数量的候选内容作为目标内容，从而将目标内容的配置于目标页面中。

其中，上述候选内容可以指适用于呈现在目标页面中的内容。例如，目标页面可以是点评应用的首页，则候选内容可以包括但不限于电影频道按键、美食频道按键、酒店频道按键等功能入口。再例如，目标页面可以是点评应用中的美食频道页面，则候选内容可以包括但不限于各门店的简要介绍和详情页链接等。

本申请的上述实施例提供的方法，通过获取本地用户的历史行为数据，而后对从服务端获取的预先训练的页面配置模型进行再训练以得到目标模型，之后在满足预设条件时基于本地用户的目标行为数据和和目标模型确定页面配置信息，从而能够基于该配置信息进行页面配置。由于目标模型基于本地用户的历史行为数据训练得到，因而使用该目标模型输出的页面配置信息进行页面配置，能够使页面内容准确地匹配用户的偏好，由此可提高所配置的页面内容的准确性。

进一步参考图2，其示出了页面配置方法的又一个实施例的流程200。该页面配置方法的流程200，包括以下步骤：

步骤201，从服务端获取的预先训练的页面配置模型。

本实施例的步骤201可参见图1对应实施例的步骤101，此处不再赘述。

步骤202，基于本地用户的历史行为数据，对页面配置模型进行再训练，以更新页面配置模型，得到目标模型。

在本实施例的一些的实现方式中，可以首先对本地用户的历史行为数据进行预处理，得到训练样本；而后，基于上述训练样本，采用机器学习方法对上述页面配置模型进行再训练，以更新上述页面配置模型，得到目标模型。

本实施例的步骤202可参见图1对应实施例的步骤102，此处不再赘述。

步骤203，实时更新历史行为数据。

在本实施例中，在得到目标模型后，上述执行主体还可以实时更新历史行为数据。

作为示例，历史行为数据可以指本地用户针对终端设备中的某一特定应用(此处以点评应用为例)的历史行为数据。本地用户在使用点评应用的过程中，随着用户执行点击、浏览、滑动等行为，会实时产生与其行为对应的新的行为数据。新的行为数据被记录后，即可作为一条新的历史行为数据。由此，历史行为数据可在用户使用点评应用的过程中实时更新。

步骤204，基于实时更新的历史行为数据，周期性的更新目标模型。

在本实施例中，上述执行主体可以基于实时更新的历史行为数据，周期性的更新目标模型。其中，更新目标模型的周期可以根据需要进行预先设定，如每周更新一次，每日更新一次等，此处不作具体限定。

需要说明的是，周期性地更新目标模型的具体操作与更新页面配置模型得到目标模型的操作基本相同，此处不再赘述。

步骤205，在满足预设条件时，基于本地用户的目标行为数据和目标模型，确定页面配置信息。

在本实施例的一些的实现方式中，可以在检测到目标页面启动时，基于上述本地用户的目标行为数据和上述目标模型，确定页面配置信息；或者，在检测到目标页面刷新时，基于上述本地用户的目标行为数据和上述目标模型，确定页面配置信息。

在本实施例的一些的实现方式中，可以将上述本地用户在目标时段的行为数据作为目标行为数据，将上述目标行为数据输入至上述目标模型，确定页面配置信息。

本实施例的步骤205可参见图1对应实施例的步骤103，此处不再赘述。

步骤206，基于页面配置信息进行页面配置。

在本实施例的一些的实现方式中，页面配置模型可以为用于对候选内容进行排序的排序模型，页面配置信息中可以包括候选内容的排序结果。此时，可按照排序结果所指示的顺序，将候选内容展示于目标页面中。

在本实施例的一些的实现方式中，页面配置模型可以为用于进行内容推荐的推荐模型，页面配置信息中可以包括候选内容的排序结果。此时，可以基于排序结果，选取目标数量的候选内容作为目标内容，从而将目标内容的配置于目标页面中。

本实施例的步骤206可参见图1对应实施例的步骤104，此处不再赘述。

从图2中可以看出，与图1对应的实施例相比，本实施例中的页面配置方法的流程200涉及了对目标模型进行周期性更新的步骤。由此，能够使得目标模型的决策结果(即通过目标模型确定出的页面配置信息)及时地匹配用户当前的偏好，从而提高个性化页面配置的实效性。

进一步参考图3，作为对上述各图所示方法的实现，本申请提供了一种页面配置装置的一个实施例，该装置实施例与图1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3所示，本实施例的页面配置装置300包括：获取单元301，用于从服务端获取的预先训练的页面配置模型；训练单元302，用于基于本地用户的历史行为数据，对上述页面配置模型进行再训练，以更新上述页面配置模型，得到目标模型；确定单元303，用于在满足预设条件时，基于上述本地用户的目标行为数据和上述目标模型，确定页面配置信息；配置单元304，用于基于上述页面配置信息进行页面配置。

在本实施例的一些可选的实现方式中，上述装置还包括更新单元，用于实时更新上述历史行为数据；基于实时更新的历史行为数据，周期性的更新上述目标模型。

在本实施例的一些可选的实现方式中，上述训练单元302，进一步用于对本地用户的历史行为数据进行预处理，得到训练样本；基于上述训练样本，采用机器学习方法对上述页面配置模型进行再训练，以更新上述页面配置模型，得到目标模型。

在本实施例的一些可选的实现方式中，上述确定单元303，进一步用于在检测到目标页面启动时，基于上述本地用户的目标行为数据和上述目标模型，确定页面配置信息；或者，在检测到目标页面刷新时，基于上述本地用户的目标行为数据和上述目标模型，确定页面配置信息。

在本实施例的一些可选的实现方式中，上述确定单元303，进一步用于将上述本地用户在目标时段的行为数据作为目标行为数据，将上述目标行为数据输入至上述目标模型，确定页面配置信息。

在本实施例的一些可选的实现方式中，上述页面配置模型为用于对候选内容进行排序的排序模型，上述页面配置信息中包括上述候选内容的排序结果；以及，上述配置单元304，进一步用于按照上述排序结果所指示的顺序，将上述候选内容展示于目标页面中。

在本实施例的一些可选的实现方式中，上述页面配置模型为用于进行内容推荐的推荐模型，上述页面配置信息中包括候选内容的排序结果；以及，上述配置单元304，进一步用于基于上述排序结果，选取目标数量的候选内容作为目标内容；将上述目标内容的配置于目标页面中。

本申请的上述实施例提供的装置，通过获取本地用户的历史行为数据，而后对从服务端获取的预先训练的页面配置模型进行再训练以得到目标模型，之后在满足预设条件时基于本地用户的目标行为数据和和目标模型确定页面配置信息，从而能够基于该配置信息进行页面配置。由于目标模型基于本地用户的历史行为数据训练得到，因而使用该目标模型输出的页面配置信息进行页面配置，能够使页面内容准确地匹配用户的偏好，由此可提高所配置的页面内容的准确性。

下面参考图4，其示出了用于实现本申请的一些实施例的电子设备的结构示意图。图4示出的电子设备仅仅是一个示例，不应对本申请的实施例的功能和使用范围带来任何限制。

如图4所示，电子设备400可以包括处理装置(例如中央处理器、图形处理器等)401，其可以根据存储在只读存储器(ROM)402中的程序或者从存储装置408加载到随机访问存储器(RAM)403中的程序而执行各种适当的动作和处理。在RAM 403中，还存储有电子设备400操作所需的各种程序和数据。处理装置401、ROM 402以及RAM403通过总线404彼此相连。输入/输出(I/O)接口405也连接至总线404。

通常，以下装置可以连接至I/O接口405：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置406；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置407；包括例如磁盘、硬盘等的存储装置408；以及通信装置409。通信装置409可以允许电子设备400与其他设备进行无线或有线通信以交换数据。虽然图4示出了具有各种装置的电子设备400，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图4中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。

特别地，根据本申请的一些实施例，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，本申请的一些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。在这样的一些实施例中，该计算机程序可以通过通信装置409从网络上被下载和安装，或者从存储装置408被安装，或者从ROM 402被安装。在该计算机程序被处理装置401执行时，执行本申请的一些实施例的方法中限定的上述功能。

需要说明的是，本申请的一些实施例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。在本申请的一些实施例中，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。而在本申请的一些实施例中，计算机可读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，该计算机可读信号介质可以发送、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：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperTextTransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。

上述计算机可读介质可以是上述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：从服务端获取的预先训练的页面配置模型；基于本地用户的历史行为数据，对页面配置模型进行再训练，以更新页面配置模型，得到目标模型；在满足预设条件时，基于本地用户的目标行为数据和目标模型，确定页面配置信息；基于页面配置信息进行页面配置。

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一些实施例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)，上述网络包括局域网(LAN)或广域网(WAN)。

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。

描述于本申请的一些实施例中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：一种处理器包括第一确定单元、第二确定单元、选取单元和第三确定单元。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。

本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。

以上描述仅为本申请的一些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，本申请的实施例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的实施例中公开的(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 (10)

1.一种页面配置方法，其特征在于，应用于终端设备，包括：

从服务端获取的预先训练的页面配置模型；

基于本地用户的历史行为数据，对所述页面配置模型进行再训练，以更新所述页面配置模型，得到目标模型；

在满足预设条件时，基于所述本地用户的目标行为数据和所述目标模型，确定页面配置信息；

基于所述页面配置信息进行页面配置。

2.根据权利要求1所述的方法，其特征在于，在得到目标模型后，所述方法还包括：

实时更新所述历史行为数据；

基于实时更新的历史行为数据，周期性的更新所述目标模型。

3.根据权利要求1所述的方法，其特征在于，基于本地用户的历史行为数据，对所述页面配置模型进行再训练，以更新所述页面配置模型，得到目标模型，包括：

对本地用户的历史行为数据进行预处理，得到训练样本；

基于所述训练样本，采用机器学习方法对所述页面配置模型进行再训练，以更新所述页面配置模型，得到目标模型。

4.根据权利要求1所述的方法，其特征在于，所述在满足预设条件时，基于所述本地用户的目标行为数据和所述目标模型，确定页面配置信息，包括：

在检测到目标页面启动时，基于所述本地用户的目标行为数据和所述目标模型，确定页面配置信息；或者，

在检测到目标页面刷新时，基于所述本地用户的目标行为数据和所述目标模型，确定页面配置信息。

5.根据权利要求1所述的方法，其特征在于，所述基于所述本地用户的目标行为数据和所述目标模型，确定页面配置信息，包括：

将所述本地用户在目标时段的行为数据作为目标行为数据，将所述目标行为数据输入至所述目标模型，确定页面配置信息。

6.根据权利要求1所述的方法，其特征在于，所述页面配置模型为用于对候选内容进行排序的排序模型，所述页面配置信息中包括所述候选内容的排序结果；以及，

所述基于所述页面配置信息进行页面配置，包括：

按照所述排序结果所指示的顺序，将所述候选内容展示于目标页面中。

7.根据权利要求1所述的方法，其特征在于，所述页面配置模型为用于进行内容推荐的推荐模型，所述页面配置信息中包括候选内容的排序结果；以及，

所述基于所述页面配置信息进行页面配置，包括：

基于所述排序结果，选取目标数量的候选内容作为目标内容；

将所述目标内容的配置于目标页面中。

8.一种页面配置装置，其特征在于，应用于终端设备，包括：

获取单元，用于从服务端获取的预先训练的页面配置模型；

训练单元，用于基于本地用户的历史行为数据，对所述页面配置模型进行再训练，以更新所述页面配置模型，得到目标模型；

确定单元，用于在满足预设条件时，基于所述本地用户的目标行为数据和所述目标模型，确定页面配置信息；

配置单元，用于基于所述页面配置信息进行页面配置。

9.一种电子设备，其特征在于，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1-7中任一所述的方法。

10.一种计算机可读介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images