CN113434755A - 页面的生成方法、装置、电子设备及存储介质 - Google Patents
页面的生成方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113434755A CN113434755A CN202110661486.3A CN202110661486A CN113434755A CN 113434755 A CN113434755 A CN 113434755A CN 202110661486 A CN202110661486 A CN 202110661486A CN 113434755 A CN113434755 A CN 113434755A
- Authority
- CN
- China
- Prior art keywords
- page
- target
- determining
- recommendation
- candidate
- 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 57
- 238000003860 storage Methods 0.000 title claims abstract description 17
- 238000012549 training Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 12
- 238000006243 chemical reaction Methods 0.000 abstract description 18
- 238000012545 processing Methods 0.000 abstract description 13
- 238000013473 artificial intelligence Methods 0.000 abstract description 8
- 238000013135 deep learning Methods 0.000 abstract description 5
- 230000006399 behavior Effects 0.000 description 13
- 238000010586 diagram Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 230000003993 interaction Effects 0.000 description 7
- 230000002996 emotional effect Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 235000020095 red wine Nutrition 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000004931 aggregating effect Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000035622 drinking Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000008676 import Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 235000014101 wine Nutrition 0.000 description 1
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
- G06F16/90—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
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0641—Shopping interfaces
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了一种页面的生成方法、装置、电子设备及存储介质，涉及数据处理技术领域，尤其涉及深度学习、智能推荐、大数据处理等人工智能技术领域。具体实现方案为：获取目标对象特征及待展示的目标页面中包含的推荐内容；根据目标页面中包含的推荐内容，确定目标页面对应的页面特征；根据目标对象特征及所述页面特征，从多个候选推荐模式中选取目标推荐模式；基于目标推荐模式及推荐内容，生成目标页面。由此，通过结合目标对象特征及页面特征，生成更符合用户转化倾向的目标页面，不仅可以提高用户获取有用信息的速度和效率，而且可以提升页面的转化率，改善用户的体验。
Description
技术领域
本公开涉及数据处理技术领域，尤其涉及深度学习、智能推荐、大数据处理等人工智能技术领域，具体涉及一种页面的生成方法、装置、电子设备及存储介质。
背景技术
随着互联网的发展，电商购物成为人们生活中不可分割的一部分，提升用户在购物时的体验也越来越受到品牌方的重视。相关的，产品推荐页页面多为固定的静态页面，每个用户进入页面以后看到的内容都一样。因而，如何为用户提供符合用户个性的展示页面，提升页面的转化率是当前亟需重视的问题。
发明内容
本公开提供了一种页面的生成方法、装置、设备以及存储介质。
根据本公开的第一方面，提供了一种页面的生成方法，包括：
获取目标对象特征及待展示的目标页面中包含的推荐内容；
根据所述目标页面中包含的推荐内容，确定所述目标页面对应的页面特征；
根据所述目标对象特征及所述页面特征，从多个候选推荐模式中选取目标推荐模式；
基于所述目标推荐模式及所述推荐内容，生成所述目标页面。
根据本公开的第二方面，提供了一种页面的生成装置，包括：
获取模块，用于获取目标对象特征及待展示的目标页面中包含的推荐内容；
确定模块，用于根据所述目标页面中包含的推荐内容，确定所述目标页面对应的页面特征；
选取模块，用于根据所述目标对象特征及所述页面特征，从多个候选推荐模式中选取目标推荐模式；
生成模块，用于基于所述目标推荐模式及所述推荐内容，生成所述目标页面。
根据本公开的第三方面，提供了一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述一方面实施例所述的方法。
根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其上存储有计算机程序，所述计算机指令用于使所述计算机执行上述一方面实施例所述的方法。
根据本公开的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现上述一方面实施例所述的方法。
应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案，不构成对本公开的限定。其中：
图1是根据本公开提供的一种页面的生成方法的流程示意图；
图2是根据本公开提供的另一种页面的生成方法的流程示意图；
图3是根据本公开提供的又一种页面的生成方法的流程示意图；
图4是根据本公开提供的再一种页面的生成方法的流程示意图；
图5是根据本公开提供的一种页面的生成方法的目标页面的示意图；
图6为本公开提供的一种页面的生成装置的结构框图；
图7为本公开提供的电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
本公开实施例涉及深度学习、智能推荐、大数据处理等人工智能技术领域。
其中，人工智能(Artificial Intelligence)，英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。
深度学习是学习样本数据的内在规律和表示层次，这些学习过程中获得的信息对诸如文字，图像和声音等数据的解释有很大的帮助。深度学习的最终目标是让机器能够像人一样具有分析学习能力，能够识别文字、图像和声音等数据。
智能推荐，即通过对用户行为及业务特征的深入挖掘，针对不同场景提供实时、精准的推荐服务，快速提升用户活跃度及点击转化率。
而大数据处理，是指采用人工智能的方式对规模巨大的数据进行分析以及处理的过程，而大数据可以概括为5个V，数据量大(Volume)、速度快(Velocity)、类型多(Variety)、价值(Value)、真实性(Veracity)。
本公开提出的页面的生成方法可由本公开提供的页面的生成检测装置执行，也可以由本公开提供的电子设备执行，其中，电子设备可以包括但不限于台式电脑、平板电脑、云端设备、移动设备、个人数字助理等具有各种操作系统、触摸屏和/或显示屏的硬件设备，下面以由本公开提供的一种页面的生成装置来执行本公开提供的一种页面的生成方法，而不作为对本公开的限定，以下简称为“装置”。
需要说明的是，本公开中的用户数据均是在符合相关法律、法规的情况下获取的。
下面参考附图对本公开提供的页面的生成方法、装置、计算机设备及存储介质进行详细描述。
图1是根据本公开一实施例的一种页面的生成方法的流程示意图。
如图1所示，该页面的生成方法可以包括以下步骤：
步骤S101，获取目标对象特征及待展示的目标页面中包含的推荐内容。
其中，目标对象，为待展示的目标页面针对的用户。该装置，可以根据其所属的用户确定目标对象，或者，也可以根据最近一段时间的浏览记录，确定目标对象等等，本公开对此不做限定。
目标对象特征可以为当前用户的属性特征、情感特征，还可以为其他类型的特征，在此不进行限定。更为具体的，其中，属性特征可以为当前用户的年龄、性别、职业、学历、消费能力等，而情感特征可以为产品喜好、颜色喜好、字体喜好、文案喜好等，在此不进行限制。
需要说明的是，上述属性特征和情感特征仅为本公开的一种示意性说明，本公开在此不进行限定。
具体的，本公开实施例中，该装置在获取目标对象特征时候，可以有多种方式。
比如，该装置可以首先获取目标对象的历史行为数据、页面内容、历史广告日志、浏览记录等等基础数据，之后对各个基础数据进行多维特征分析，以确定目标对象特征。
其中，推荐内容，可以为待推荐的商品的图像、名称、或者音视频文件等等，目标页面可以为针对商品的广告页面、交易业务界面等，本公开在此不进行限定。
可以理解的是，目标页面可以用于针对性为用户提供其感兴趣的商品信息和相关的服务信息，以在满足用户需求的同时，尽量减小用户获取关键信息的时间。
步骤S102，根据目标页面中包含的推荐内容，确定目标页面对应的页面特征。
可选的，该装置可以通过对推荐内容对应的图像、名称等进行特征抽取，以生成目标页面对应的页面特征，可以理解的是，该页面特征为用于描述该页面中包含的推荐内容信息的特征，在此不做限制。
步骤S103，根据目标对象特征及页面特征，从多个候选推荐模式中选取目标推荐模式。
其中，推荐模式可以为该目标页面用于展示该推荐内容对应的推荐信息的方式，比如，目标页面中推荐内容对应的推荐文案的显示位置及显示样式，或者，目标页面中推荐内容对应的购买组件的显示位置及显示样式等等，本公开对此不做限定。
可选的，在根据目标对象特征及页面特征，从多个候选推荐模式中选取目标推荐模式的时候，可以有多种方式。比如，可以将目标对象特征、页面特征和多个候选推荐模式，输入至训练完成的网络模型中，以获取每个候选推荐模式的标签。其中，标签可以为候选推荐模式的得分，该得分可以用来表征候选推荐模式与当前用户的适配度。
可选的，在确定各个候选推荐模式的得分之后，本公开可以将得分最高的候选推荐模式作为目标推荐模式。可以理解的是，由于得分较高的目标推荐内容可以说明该候选推荐模式具有较高的用户转化倾向，也即更有利于吸引用户消费，因而本公开可以选择将得分最高候选推荐模式作为目标推荐模式，从而之后该装置可以将该候选推荐模式作为待生成的目标页面的一个准备条件，在此不做限制。
步骤S104，基于目标推荐模式及推荐内容，生成目标页面。
可选的，本公开实施例中在确定了目标推荐模式后，可以基于目标推荐模式及推荐内容生成待展示的目标页面，并进行页面展示。
比如图5a所示，目标页面中包含的推荐内容为“红酒”的产品图像，则该装置通过对图5a所示的图像进行解析后，即可确定页面特征，并基于目标对象特征和页面特征确定，该“红酒”产品的推荐模式为：推荐文本在页面底部显示，推荐图片在中部展示，且推荐图片尺寸小于原产品图像，从而，即可基于该推荐模式及推荐内容，生成如图5b所示的目标页面。
可以理解的是，通过将静态、固定的推荐内容以目标推荐模式的方式转化为具有符合用户个性的动态内容的目标页面，不仅可以提高用户获取有用信息的速度和效率，而且可以提高用户的认同感，以更好的吸引用户流量。
具体的，本公开实施例中该装置可以通过结合目标推荐模式和推荐内容，以生成与推荐内容对应的目标页面。由于目标推荐模式的确定，结合了目标对象特征，因而生成的目标页面能够针对性的为当前用户提供其认同感的样式和内容，即能够个性化地为当前用户提供符合用户转化倾向的目标页面，从而提高了目标页面的适配度和转化率，最大化的发挥流量价值，进一步改善了用户的体验。
本公开实施例中该装置首先获取目标对象特征及待展示的目标页面中包含的推荐内容，然后根据目标页面中包含的推荐内容，确定目标页面对应的页面特征，之后根据目标对象特征及页面特征，从多个候选推荐模式中选取目标推荐模式，最后基于目标推荐模式及推荐内容，生成目标页面。由此，通过结合目标对象特征及页面特征，生成更符合用户转化倾向的目标页面，不仅可以提高用户获取有用信息的速度和效率，而且可以提升页面的转化率，改善用户的体验。
图2是根据本公开又一实施例的一种页面的生成方法的流程示意图。
如图2所示，该页面的生成方法可以包括以下步骤：
步骤S201，获取目标对象特征及待展示的目标页面中包含的推荐内容。
需要说明的是，步骤S201的具体实现过程可参照上述实施例，本公开在此不进行赘述。
步骤S202，根据推荐内容的属性信息，确定目标页面的第一特征。
其中，属性信息可以为推荐内容的名称、效用、特点、产地、价格等多种维度的信息，在此不进行限定。举例来说，若推荐内容为一种净水器，则相对应的，该推荐内容对应的属性特征可以为：“名称：8重过滤水龙头净水器”、“效用：深层滤水，出水直饮”、“特点：厨卫两用，可携带，除菌，强效滤水”、“产地：A市”、“价格：149元”。
可以理解的是，不同的推荐内容，可以对应有不同的属性信息。需要说明的是，第一特征是基于推荐内容的属性信息确定的，因而第一特征可以从推荐内容本身的角度，从而为生成与用户适配度更高的目标页面创造了条件。
步骤S203，根据推荐内容对应的历史使用数据，确定目标页面的第二特征。
其中，历史使用数据可以为各个用户与推荐内容之间的交互数据。例如，用户浏览推荐内容的次数、浏览时长、浏览时的时间、点击次数、分享次数、购买次数、评论次数等等，本公开在此不做限制。
相应的，第二特征可以表征推荐内容对应的历史使用数据的特征，比如点击率、购买率、转化率等等，本公开在此不做限制。
需要说明的是，本公开实施例中可以通过统计推荐内容对应的各个时期的历史使用数据，之后对该历史使用数据进行分析计算，或者进行特征抽取，以获得与历史使用数据对应的第二特征。
步骤S204，根据第一特征及第二特征，确定目标页面对应的页面特征。
需要说明的是，在获取第一特征和第二特征之后，本公开中该装置可以将第一特征和第二特征进行融合，以生成与目标页面对应的页面特征。
可选地，一些实施例中，该装置在根据第一特征及第二特征，确定目标页面对应的页面特征时，可以根据推荐内容的属性信息和推荐内容对应的历史使用数据分别对应的第一特征及第二特征进行加权求和，以得到加权求和结果，即得到目标页面对应的页面特征，从而使得确定的页面特征更准确、更全面，为确定准确的推荐模式提供了条件。
或者，还可以将第一特征和第二特征进行拼接，以获得目标页面对应的页面特征，在此不做限制。
步骤S205，将目标对象特征、页面特征及每个候选推荐模式，输入训练生成的第一网络模型中，以确定每个候选推荐模式的得分。
其中，第一网络模型可以为训练生成的网络模型，也即是说，可以基于该训练生成的网络模型来对输入的目标对象特征、页面特征及每个候选推荐模式进行处理，以得到每个候选推荐模式的得分。
步骤S206，将多个候选推荐模式中，得分最高的候选推荐模式确定为目标推荐模式。
具体的，可以按照每个候选推荐模式得分的高低，将多个候选推荐模式进行排序，之后该装置可以将得分最高的候选推荐模式作为目标推荐模式。
举例来说，若多个候选推荐模式分别为A、B、C，其中A、B、C分别对应的得分分别为0.23、0.36、0.41，因而该装置可以将候选推荐模式C作为目标推荐模式，本公开在此不进行限定。
步骤S207，基于目标推荐模式及推荐内容，生成目标页面。
需要说明的是，步骤S207的具体实现过程可参照上述实施例，本公开在此不进行赘述。
本公开实施例中该装置首先获取目标对象特征及待展示的目标页面中包含的推荐内容，之后根据推荐内容的属性信息，确定目标页面的第一特征，根据推荐内容对应的历史使用数据，确定目标页面的第二特征，再之后根据第一特征及第二特征，确定目标页面对应的页面特征，然后将目标对象特征、页面特征及每个候选推荐模式，输入训练生成的第一网络模型中，以确定每个候选推荐模式的得分，之后将多个候选推荐模式中，得分最高的候选推荐模式确定为目标推荐模式，最后基于目标推荐模式及推荐内容，生成目标页面。由此，通过结合推荐内容对应的历史使用数据和属性信息，能够获取更准确的页面特征，进而可以确定更准确的目标推荐模式，从而不仅可以提高用户获取有用信息的速度和效率，还可以提高目标推荐模式的适配度和准确度。由于结合了目标对象特征，因而能够个性化地为当前用户提供符合用户转化倾向的目标页面，最大化的发挥流量价值。
图3是根据本公开另一实施例的一种页面的生成方法的流程示意图。
如图3所示，该页面的生成方法可以包括以下步骤：
步骤S301，获取目标对象特征及待展示的目标页面中包含的推荐内容。
步骤S302，根据目标页面中包含的推荐内容，确定目标页面对应的页面特征。
步骤S303，根据推荐内容，确定多个引导文本及多个候选展示模式。
其中，引导文本可以为根据推荐内容对应的营销策略所形成的文本，比如“买一送一”、“全国包邮”、“0元下单，货到付款”、“n折抢购”等等，本公开在此不进行限定。
或者，还可以为根据推荐内容的属性信息生成的文本，比如“酒庄直供”、“升级款”、“A国进口”，等等，本公开在此不进行限定。
其中，候选展示模式可以为多种维度的展示模式，比如展示位置、展示尺寸、展示时间、展示样式等，对此不做限制。其中，展示位置可以为顶部、底部、中部、左置位、右置位等，在此不做限制。可以理解的是，根据推荐内容的特点，本公开中该装置可以生成一种或者多种展示样式，其中，展示样式可以为界面组件，比如价格组件、倒计时组件、文案组件、产品代言人图片组件等等，本公开在此不做限制。
需要说明的是，不同的推荐内容，其对应的引导文本及候选展示模式可能是不同的。本公开实施例中，该装置可以预先设置配置规则，进而确定与推荐内容相对应的引导文本及候选展示模式，或者还可以对历史使用数据进行统计分析，以确定与推荐内容相对应的多个引导文本及多个候选展示模式，在此不做限制。
步骤S304，根据多个引导文本及多个候选展示模式，确定多个候选推荐模式。
可选的，本公开实施例可以通过自由结合多个引导文本及多个候选展示模式，以获得多个候选推荐模式，或者，还可以通过按照一定的预设规则将引导文本和候选展示模式进行结合，以得到多个候选推荐模式。
举例来说，若引导文本包括促销引导文本和打折引导文本，候选展示模式包括底部展示、顶部展示、倒计时组件、价格组件，因而该装置可以根据该引导文本及该候选展示模式，生成以下候选推荐模式，比如[促销引导文本-底部展示-倒计时组件]、[促销引导文本-底部展示-价格组件]、[打折引导文本-底部展示-倒计时组件]、[打折引导文本-底部展示-价格组件]、[促销引导文本-顶部展示-价格组件]、[打折引导文本-顶部展示-价格组件]、[促销引导文本-顶部展示-倒计时组件]、[打折引导文本-顶部展示-倒计时组件]等，本公开在此不进行限制。
步骤S305，将用户特征和页面特征，输入训练生成的第二网络模型中，以确定目标推荐模式对应的第一标签。
其中，第二网络模型可以为训练生成的网络模型，也即是说，可以基于该训练生成的网络模型来对输入的用户特征和页面特征进行处理，以得到目标推荐模式对应的第一标签。
其中，第一标签可以用来表征目标推荐模式的准确度和适配度，在此不做限制。
可选的，该网络模型可以为基于Paddle Box框架搭建的，另外，该框架还可以为tensorflow框架、cafffe(Convolutional Architecture for Fast Feature Embedding,卷积神经网络)框架，在此不进行限定。
步骤S306，确定每个候选推荐模式对应的第二标签与第一标签的匹配度。
需要说明的是，本公开实施例中，可以将目标对象特征、页面特征及每个候选推荐模式输入至预先训练生成的网络模型中，以获取每个候选推荐模式对应的第二标签。
之后，可选的，可以使用欧式距离公式、曼哈顿距离公式等等来确定每个候选推荐模式对应的第二标签与第一标签的匹配度，或者，还可以通过计算第二标签与第一标签之间的余弦相似度，将余弦相似度作为第二标签与第一标签间的匹配度，本公开在此不进行限定。
步骤S307，从多个候选推荐模式中，选取对应匹配度最高的一个候选推荐模式作为目标推荐模式。
具体的，在确定每个候选推荐模式对应的第二标签与第一标签的匹配度之后，本公开实施例可以从多个候选推荐模式中选择匹配度最高的候选推荐模式作为目标推荐模式。可以理解的是，由于匹配度最高的候选推荐模式最能代表用户的点击或者转化倾向，因而之后该装置可以据此生成目标页面。
步骤S308，基于目标推荐模式及推荐内容，生成目标页面。
需要说明的是，步骤S308的具体实现过程可参照上述任一实施例，本公开在此不进行赘述。
本公开中该装置首先获取目标对象特征及待展示的目标页面中包含的推荐内容，之后根据目标页面中包含的推荐内容，确定目标页面对应的页面特征，以及根据推荐内容，确定多个引导文本及多个候选展示模式，而后根据多个引导文本及多个候选展示模式，确定多个候选推荐模式，然后将用户特征和页面特征，输入训练生成的第二网络模型中，以确定目标推荐模式对应的第一标签，确定每个候选推荐模式对应的第二标签与第一标签的匹配度，之后从多个候选推荐模式中，选取对应匹配度最高的一个候选推荐模式作为目标推荐模式，最后基于目标推荐模式及推荐内容，生成目标页面。由此，通过引导文本、用户特征、页面特征以及候选展示模式等不同维度的特征，有效的为选出目标推荐模式提供了条件，而且能够个性化地为当前用户提供符合用户转化倾向的目标页面，最大化的发挥流量价值。
图4是根据本公开再一实施例的一种页面的生成方法的流程示意图。
如图4所示，该页面的生成方法可以包括以下步骤：
步骤S401，获取目标对象特征及待展示的目标页面中包含的推荐内容。
步骤S402，根据目标页面中包含的推荐内容，确定目标页面对应的页面特征。
需要说明的是，步骤S401、S402的具体实现过程可参照上述任一实施例，本公开在此不进行赘述。
步骤S403，根据目标对象特征及页面特征，获取第一参考特征。
需要说明的是，本公开实施例中，可以将目标对象特征及页面特征进行交叉组合以确定第一参考特征，其中，交叉组合可以是自由组合，也可以为按照固定的规则进行组合的，在此不进行限制。
举例来说，若目标对象特征包括年龄、学历，页面特征包括展示样式和引导文本，那么第一参考特征可以为[年龄-展示样式]、[学历-展示样式]、[年龄-引导文本]、[学历-引导文本]，本公开在此不进行限定。
可以理解的是，由于第一参考特征是基于目标对象特征及页面特征确定的，因而第一参考特征可以结合目标对象特征和页面特征的信息，因而提高了信息的丰富度，进一步为之后生成目标页面提供数据支持。由于在一些目标对象特征和页面特征之间是存在内部联系的，因而第一参考特征可以通过该内部联系进一步的挖掘的用户流量，以使之后生成的目标页面更符合用户的认同心理，从而便于流量转化。
另外，本公开实施例中，还可以通过当前用户跟目标页面的历史交互行为，确定第一参考特征。其中，历史交互行为可以例如为对页面图片的点击行为、对界面组件的点击行为、对页面的浏览行为、转发行为、评论行为、消费行为、进入页面的行为，可以有很多，在此不做限制。
之后该装置可以根据上述历史交互行为，确定目标页面对应的第一参考特征，比如进入目标页面的次数、进入目标页面的时间、进入目标页面的流量渠道、消费次数等等，在此不做限制。需要说明的是，该历史交互行为可以用于刻画用户对于页面的点击或者转化倾向。
举例来说，若当前用户在节假日进入目标页面的次数较高，则说明节假日的用户的点击及转化倾向较高，若当前用户进入目标页面的时间通常为晚上，则说明晚上的点击或者转化倾向较高，在此不做限制。
步骤S404，确定展示目标页面的终端设备。
其中，终端设备可以为电脑、手机、平板电脑等终端设备，在此不进行限制。
可以理解的是，由于在终端设备不同的情况下，目标页面的展示方式也有可能是不同的。由于展示方式在一些情况下，可以影响到用户的点击倾向，因而，为了获取更符合用户点击倾向的目标页面，本公开实施例可以确定用于展示目标页面的终端设备。
可选的，该装置可以通过查询终端设备的相关运行信息，或者登录信息，以确定当前的终端设备，在此不做限制。
步骤S405，根据终端设备的属性信息，确定第二参考特征。
其中，属性信息可以为当前终端设备的型号、内存、展示界面尺寸等，在此不进行限制。
其中，第二参考特征可以为基于终端设备的属性信息确定的，因而第二参考特征可以从终端设备的角度为之后选出目标推荐模式提供条件。
步骤S406，根据目标对象特征、页面特征、第一参考特征及第二参考特征，从多个候选推荐模式中选取目标推荐模式。
可选的，可以将目标对象特征、页面特征、第一参考特征及第二参考特征以及每个候选推荐模式，输入训练生成的网络模型中，以确定每个候选推荐模式的得分。进而，该装置可以从各个候选推荐模式中选出得分最高的候选推荐模式作为目标推荐模式。
步骤S407，基于目标推荐模式及推荐内容，生成目标页面。
需要说明的是，步骤S407的具体实现过程可参照上述任一实施例，本公开在此不进行赘述。
本公开中该装置首先获取目标对象特征及待展示的目标页面中包含的推荐内容，然后根据目标页面中包含的推荐内容，确定目标页面对应的页面特征，根据目标对象特征及页面特征，获取第一参考特征，然后确定展示目标页面的终端设备，之后根据目标对象特征、页面特征、第一参考特征及第二参考特征，从多个候选推荐模式中选取目标推荐模式,最后基于目标推荐模式及推荐内容，生成目标页面。由此，可以通过终端设备对应的第二参考特征以及目标对象特征及页面特征对应的第一参考特征，从多个维度为生成目标页面提供条件，通过聚合不同维度的特征，实现了目标推荐模式的可参考性和适配度的提升，从而保障了目标页面的客观性和准确性。
为了实现上述实施例，本公开实施例还提出一种页面的生成装置。图6为本公开实施例提供的一种页面的生成装置的结构框图。
如图6所示，该页面的生成装置包括：获取模块610、确定模块620、选取模块630、生成模块640。
获取模块610，用于获取目标对象特征及待展示的目标页面中包含的推荐内容。
确定模块620，用于根据所述目标页面中包含的推荐内容，确定所述目标页面对应的页面特征。
选取模块630，用于根据所述目标对象特征及所述页面特征，从多个候选推荐模式中选取目标推荐模式。
生成模块640，用于基于所述目标推荐模式及所述推荐内容，生成所述目标页面。
可选的，所述确定模块，具体用于：
根据所述推荐内容的属性信息，确定所述目标页面的第一特征；
根据所述推荐内容对应的历史使用数据，确定所述目标页面的第二特征；
根据所述第一特征及所述第二特征，确定所述目标页面对应的页面特征。
可选的，所述确定模块，具体用于：
将所述目标对象特征、所述页面特征及每个所述候选推荐模式，输入训练生成的第一网络模型中，以确定每个所述候选推荐模式的得分；
将所述多个候选推荐模式中，得分最高的候选推荐模式确定为目标推荐模式。
可选的，所述确定模块，具体用于：
将所述用户特征和所述页面特征，输入训练生成的第二网络模型中，以确定目标推荐模式对应的第一标签；
确定每个所述候选推荐模式对应的第二标签与所述第一标签的匹配度；
从所述多个候选推荐模式中，选取对应匹配度最高的一个候选推荐模式作为所述目标推荐模式。
可选的，所述选取模块，还用于：
根据所述推荐内容，确定多个引导文本及多个候选展示模式；
根据所述多个引导文本及所述多个候选展示模式，确定所述多个候选推荐模式。
可选的，所述选取模块，具体用于：
根据所述目标对象特征及所述页面特征，获取第一参考特征；
确定展示所述目标页面的终端设备；
根据所述终端设备的属性信息，确定第二参考特征；
根据所述目标对象特征、所述页面特征、所述第一参考特征及所述第二参考特征，从所述多个候选推荐模式中选取目标推荐模式。
本公开实施例中该装置首先获取目标对象特征及待展示的目标页面中包含的推荐内容，然后根据目标页面中包含的推荐内容，确定目标页面对应的页面特征，之后根据目标对象特征及页面特征，从多个候选推荐模式中选取目标推荐模式，最后基于目标推荐模式及推荐内容，生成目标页面。由此，通过结合目标对象特征及页面特征，生成更符合用户转化倾向的目标页面，不仅可以提高用户获取有用信息的速度和效率，而且可以提升页面的转化率，改善用户的体验。
根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图7示出了可以用来实施本公开的实施例的示例电子设备700的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图7所示，设备700包括计算单元701，其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序，来执行各种适当的动作和处理。在RAM 703中，还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705，包括：输入单元706，例如键盘、鼠标等；输出单元707，例如各种类型的显示器、扬声器等；存储单元708，例如磁盘、光盘等；以及通信单元709，例如网卡、调制解调器、无线通信收发机等。通信单元709允许设备700通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元701可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元701的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元701执行上文所描述的各个方法和处理，例如页面的生成方法。例如，在一些实施例中，页面的生成方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元708。在一些实施例中，计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时，可以执行上文描述的页面的生成方法的一个或多个步骤。备选地，在其他实施例中，计算单元701可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行页面的生成方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、互联网和区块链网络。
计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务("Virtual Private Server"，或简称"VPS")中，存在的管理难度大，业务扩展性弱的缺陷。服务器也可以为分布式系统的服务器，或者是结合了区块链的服务器。
本公开实施例中该装置首先获取目标对象特征及待展示的目标页面中包含的推荐内容，然后根据目标页面中包含的推荐内容，确定目标页面对应的页面特征，之后根据目标对象特征及页面特征，从多个候选推荐模式中选取目标推荐模式，最后基于目标推荐模式及推荐内容，生成目标页面。由此，通过结合目标对象特征及页面特征，生成更符合用户转化倾向的目标页面，不仅可以提高用户获取有用信息的速度和效率，而且可以提升页面的转化率，改善用户的体验。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。
Claims (15)
1.一种页面的生成方法，包括：
获取目标对象特征及待展示的目标页面中包含的推荐内容；
根据所述目标页面中包含的推荐内容，确定所述目标页面对应的页面特征；
根据所述目标对象特征及所述页面特征，从多个候选推荐模式中选取目标推荐模式；
基于所述目标推荐模式及所述推荐内容，生成所述目标页面。
2.如权利要求1所述的方法，其中，所述根据所述目标页面中包含的推荐内容，确定所述目标页面对应的页面特征，包括：
根据所述推荐内容的属性信息，确定所述目标页面的第一特征；
根据所述推荐内容对应的历史使用数据，确定所述目标页面的第二特征；
根据所述第一特征及所述第二特征，确定所述目标页面对应的页面特征。
3.如权利要求1所述的方法，其中，所述根据所述目标用户特征及所述页面特征，从多个候选推荐模式中选取目标推荐模式，包括：
将所述目标对象特征、所述页面特征及每个所述候选推荐模式，输入训练生成的第一网络模型中，以确定每个所述候选推荐模式的得分；
将所述多个候选推荐模式中，得分最高的候选推荐模式确定为目标推荐模式。
4.如权利要求1所述的方法，其中，所述根据所述目标用户特征及所述页面特征，从多个候选推荐模式中选取目标推荐模式，包括：
将所述用户特征和所述页面特征，输入训练生成的第二网络模型中，以确定目标推荐模式对应的第一标签；
确定每个所述候选推荐模式对应的第二标签与所述第一标签的匹配度；
从所述多个候选推荐模式中，选取对应匹配度最高的一个候选推荐模式作为所述目标推荐模式。
5.如权利要求1-4任一所述的方法，其中，在所述根据所述目标用户特征及所述页面特征，从多个候选推荐模式中选取目标推荐模式之前，还包括：
根据所述推荐内容，确定多个引导文本及多个候选展示模式；
根据所述多个引导文本及所述多个候选展示模式，确定所述多个候选推荐模式。
6.如权利要求1-4任一所述的方法，其中，所述从多个候选推荐模式中选取目标推荐模式，包括：
根据所述目标对象特征及所述页面特征，获取第一参考特征；
确定展示所述目标页面的终端设备；
根据所述终端设备的属性信息，确定第二参考特征；
根据所述目标对象特征、所述页面特征、所述第一参考特征及所述第二参考特征，从所述多个候选推荐模式中选取目标推荐模式。
7.一种页面的生成装置，包括：
获取模块，用于获取目标对象特征及待展示的目标页面中包含的推荐内容；
确定模块，用于根据所述目标页面中包含的推荐内容，确定所述目标页面对应的页面特征；
选取模块，用于根据所述目标对象特征及所述页面特征，从多个候选推荐模式中选取目标推荐模式；
生成模块，用于基于所述目标推荐模式及所述推荐内容，生成所述目标页面。
8.如权利要求7所述的装置，其中，所述确定模块，具体用于：
根据所述推荐内容的属性信息，确定所述目标页面的第一特征；
根据所述推荐内容对应的历史使用数据，确定所述目标页面的第二特征；
根据所述第一特征及所述第二特征，确定所述目标页面对应的页面特征。
9.如权利要求7所述的装置，其中，所述确定模块，具体用于：
将所述目标对象特征、所述页面特征及每个所述候选推荐模式，输入训练生成的第一网络模型中，以确定每个所述候选推荐模式的得分；
将所述多个候选推荐模式中，得分最高的候选推荐模式确定为目标推荐模式。
10.如权利要求7所述的装置，其中，所述确定模块，具体用于：
将所述用户特征和所述页面特征，输入训练生成的第二网络模型中，以确定目标推荐模式对应的第一标签；
确定每个所述候选推荐模式对应的第二标签与所述第一标签的匹配度；
从所述多个候选推荐模式中，选取对应匹配度最高的一个候选推荐模式作为所述目标推荐模式。
11.如权利要求7-10任一所述的装置，其中，所述选取模块，还用于：
根据所述推荐内容，确定多个引导文本及多个候选展示模式；
根据所述多个引导文本及所述多个候选展示模式，确定所述多个候选推荐模式。
12.如权利要求7-10任一所述的装置，其中，所述选取模块，具体用于：
根据所述目标对象特征及所述页面特征，获取第一参考特征；
确定展示所述目标页面的终端设备；
根据所述终端设备的属性信息，确定第二参考特征；
根据所述目标对象特征、所述页面特征、所述第一参考特征及所述第二参考特征，从所述多个候选推荐模式中选取目标推荐模式。
13.一种电子设备，包括：
至少一个处理器；以及
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-7中任一项所述的方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行根据权利要求1-7中任一项所述的方法。
15.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110661486.3A CN113434755A (zh) | 2021-06-15 | 2021-06-15 | 页面的生成方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110661486.3A CN113434755A (zh) | 2021-06-15 | 2021-06-15 | 页面的生成方法、装置、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113434755A true CN113434755A (zh) | 2021-09-24 |
Family
ID=77755852
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110661486.3A Pending CN113434755A (zh) | 2021-06-15 | 2021-06-15 | 页面的生成方法、装置、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113434755A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113987399A (zh) * | 2021-10-29 | 2022-01-28 | 国家电网有限公司客户服务中心 | 一种智能互动的电网服务网站构建方法及系统 |
| CN114491249A (zh) * | 2022-01-20 | 2022-05-13 | 北京百度网讯科技有限公司 | 一种对象推荐方法、装置、设备以及存储介质 |
| CN115098217A (zh) * | 2022-08-24 | 2022-09-23 | 中关村科学城城市大脑股份有限公司 | 应用页面渲染方法、装置、设备、可读介质和程序产品 |
| CN117591747A (zh) * | 2024-01-11 | 2024-02-23 | 浙江同花顺智能科技有限公司 | 一种信息生成式推荐方法、装置、电子设备及存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105229721A (zh) * | 2013-05-23 | 2016-01-06 | 指尖翻动公司 | 在客户端设备处于锁定状态时对呈现的内容的动态布置 |
| CN105677649A (zh) * | 2014-11-18 | 2016-06-15 | 中国移动通信集团公司 | 一种个性化网页排版的方法及装置 |
| CN107273548A (zh) * | 2017-07-20 | 2017-10-20 | 阿里巴巴集团控股有限公司 | 动态页面的实现方法和装置 |
| CN110020388A (zh) * | 2018-12-25 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种页面展示方法及系统 |
| US20200265105A1 (en) * | 2019-02-20 | 2020-08-20 | Alibaba Group Holding Limited | Method and apparatus for displaying page to user through reinforcement learning |
| CN112395502A (zh) * | 2020-11-18 | 2021-02-23 | 腾讯科技（深圳）有限公司 | 一种页面显示方法、装置、电子设备及计算机存储介质 |
| US20210110278A1 (en) * | 2019-10-14 | 2021-04-15 | Microsoft Technology Licensing, Llc | Enterprise knowledge graph |
-
2021
- 2021-06-15 CN CN202110661486.3A patent/CN113434755A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105229721A (zh) * | 2013-05-23 | 2016-01-06 | 指尖翻动公司 | 在客户端设备处于锁定状态时对呈现的内容的动态布置 |
| CN105677649A (zh) * | 2014-11-18 | 2016-06-15 | 中国移动通信集团公司 | 一种个性化网页排版的方法及装置 |
| CN107273548A (zh) * | 2017-07-20 | 2017-10-20 | 阿里巴巴集团控股有限公司 | 动态页面的实现方法和装置 |
| CN110020388A (zh) * | 2018-12-25 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 一种页面展示方法及系统 |
| US20200265105A1 (en) * | 2019-02-20 | 2020-08-20 | Alibaba Group Holding Limited | Method and apparatus for displaying page to user through reinforcement learning |
| US20210110278A1 (en) * | 2019-10-14 | 2021-04-15 | Microsoft Technology Licensing, Llc | Enterprise knowledge graph |
| CN112395502A (zh) * | 2020-11-18 | 2021-02-23 | 腾讯科技（深圳）有限公司 | 一种页面显示方法、装置、电子设备及计算机存储介质 |
Cited By (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113987399A (zh) * | 2021-10-29 | 2022-01-28 | 国家电网有限公司客户服务中心 | 一种智能互动的电网服务网站构建方法及系统 |
| CN113987399B (zh) * | 2021-10-29 | 2024-10-01 | 国家电网有限公司客户服务中心 | 一种智能互动的电网服务网站构建方法及系统 |
| CN114491249A (zh) * | 2022-01-20 | 2022-05-13 | 北京百度网讯科技有限公司 | 一种对象推荐方法、装置、设备以及存储介质 |
| CN114491249B (zh) * | 2022-01-20 | 2024-03-01 | 北京百度网讯科技有限公司 | 一种对象推荐方法、装置、设备以及存储介质 |
| CN115098217A (zh) * | 2022-08-24 | 2022-09-23 | 中关村科学城城市大脑股份有限公司 | 应用页面渲染方法、装置、设备、可读介质和程序产品 |
| CN117591747A (zh) * | 2024-01-11 | 2024-02-23 | 浙江同花顺智能科技有限公司 | 一种信息生成式推荐方法、装置、电子设备及存储介质 |
| CN117591747B (zh) * | 2024-01-11 | 2024-05-07 | 浙江同花顺智能科技有限公司 | 一种信息生成式推荐方法、装置、电子设备及存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116226334B (zh) | 生成式大语言模型训练方法以及基于模型的搜索方法 | |
| CN113434755A (zh) | 页面的生成方法、装置、电子设备及存储介质 | |
| CN109190044A (zh) | 个性化推荐方法、装置、服务器和介质 | |
| CN112733042B (zh) | 推荐信息的生成方法、相关装置及计算机程序产品 | |
| WO2018040069A1 (zh) | 信息推荐系统及方法 | |
| US20160189207A1 (en) | Enhanced online content delivery system using action rate lift | |
| CN113111264B (zh) | 界面内容显示方法、装置、电子设备及存储介质 | |
| CN110674620A (zh) | 目标文案生成方法、装置、介质及电子设备 | |
| WO2024099457A1 (zh) | 一种信息推荐方法、装置、存储介质及电子设备 | |
| CN107798622B (zh) | 一种识别用户意图的方法和装置 | |
| WO2015101161A1 (zh) | 一种用于生成与目标系统对应的用户页面方法和装置 | |
| EP4116884A2 (en) | Method and apparatus for training tag recommendation model, and method and apparatus for obtaining tag | |
| US9460163B1 (en) | Configurable extractions in social media | |
| CN113743721A (zh) | 营销策略生成方法、装置、计算机设备及存储介质 | |
| JP2023554210A (ja) | インテリジェント推奨用のソートモデルトレーニング方法及び装置、インテリジェント推奨方法及び装置、電子機器、記憶媒体、並びにコンピュータプログラム | |
| US20150127468A1 (en) | User engagement based nonguaranteed delivery pricing | |
| KR102438679B1 (ko) | 미디어 마케팅 서비스를 제공하는 서버의 동작방법 | |
| CN111091218A (zh) | 竞价预测模型的生成以及广告投放自动出价方法和装置 | |
| CN114880498B (zh) | 事件信息展示方法及装置、设备和介质 | |
| WO2023159766A1 (zh) | 餐饮数据分析方法、装置、电子设备及存储介质 | |
| US20220129966A1 (en) | Method of transmitting message, electronic device and storage medium | |
| CN113254824B (zh) | 内容确定方法、设备、介质及程序产品 | |
| CN114996574A (zh) | 画像标签的构建方法、装置及电子设备 | |
| CN115017200A (zh) | 搜索结果的排序方法、装置、电子设备和存储介质 | |
| CN114925275A (zh) | 产品推荐方法、装置、计算机设备及存储介质 |
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 | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20230106 Address after: BW District, 7th Floor, Building 1, No. 10, Shangdi 10th Street, Haidian District, Beijing 100085 Applicant after: Beijing Dushang Software Technology Co.,Ltd. Address before: 2 / F, baidu building, 10 Shangdi 10th Street, Haidian District, Beijing 100085 Applicant before: BEIJING BAIDU NETCOM SCIENCE AND TECHNOLOGY Co.,Ltd. |