CN113762312A - 页面的埋点分析方法和装置 - Google Patents
页面的埋点分析方法和装置 Download PDFInfo
- Publication number
- CN113762312A CN113762312A CN202110126414.9A CN202110126414A CN113762312A CN 113762312 A CN113762312 A CN 113762312A CN 202110126414 A CN202110126414 A CN 202110126414A CN 113762312 A CN113762312 A CN 113762312A
- Authority
- CN
- China
- Prior art keywords
- buried point
- real
- screenshot
- image
- time
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Processing Or Creating Images (AREA)
Abstract
本公开涉及一种页面的埋点分析方法和装置,涉及计算机技术领域。该埋点分析方法包括:对用户当前所在的页面进行截图,生成多张实时截图;计算多张实时截图与各样本埋点图像之间的第一相似度,各样本埋点图像为预先对页面中发生变化的区域进行截图后生成;将第一相似度大于第一阈值的实时截图,确定为目标埋点图像;根据目标埋点图像,进行页面进行埋点分析。
Description
技术领域
本公开涉及和计算机技术领域,特别涉及一种页面的埋点分析方法、页面的埋点分析装置和非易失性计算机可读存储介质。
背景技术
埋点分析是网站分析的一种数据采集方法。采集的数据用于跟踪页面的使用情况,以便进一步优化产品或是提供运营的数据支撑。例如,埋点分析包括访问数、访客数、停留时长、页面浏览数、跳出率等。
在相关技术中,研发人员根据产品需求,预先在开发页面代码过程中加入埋点代码,以实现埋点分析。
发明内容
本公开的发明人发现上述相关技术中存在如下问题:需要入侵到业务代码实现埋点代码的开发,且后期开发人员维护困难,导致埋点分析的开发成本高。
鉴于此,本公开提出了一种页面的埋点分析技术方案,能够降低开发成本。
根据本公开的一些实施例,提供了一种页面的埋点分析方法,包括:对用户当前所在的页面进行截图,生成多张实时截图;计算多张实时截图与各样本埋点图像之间的第一相似度,各样本埋点图像为预先对页面中发生变化的区域进行截图后生成;将第一相似度大于第一阈值的实时截图,确定为目标埋点图像;根据目标埋点图像,进行页面进行埋点分析。
在一些实施例中,计算多张实时截图与各样本埋点图像之间的第一相似度包括:计算多张实时截图之间的第二相似度;将第二相似度小于第二阈值的实时截图,确定为候选埋点图像;计算各候选埋点图像与各样本埋点图像之间的第一相似度。
在一些实施例中,计算多张实时截图之间的第二相似度包括:计算各实时截图的图像特征;根据各实时截图的图像特征,计算第二相似度。
在一些实施例中,计算各实时截图的图像特征包括:计算各实时截图中每一行的像素均值;根据像素均值,计算各实时截图的像素方差作为图像特征。
在一些实施例中,对用户当前所在的页面进行截图,生成多张实时截图包括:获取页面的DOM(Document Object Model,文档对象模型);将页面的DOM转换为SVG(ScalableVector Graphics,可缩放矢量图形)图像后,在Canvas(画布)中生成实时截图。
在一些实施例中,对用户当前所在的页面进行截图,生成多张实时截图包括:响应于用户进入页面,对页面进行定时截图,生成多张实时截图。
在一些实施例中,多张实时截图和各样本埋点图像采用表单数据的方式存储为键值对格式;计算多张实时截图与各样本埋点图像之间的第一相似度包括:根据键值对格式,调用多张实时截图和各样本埋点图像计算第一相似度。
在一些实施例中,计算多张实时截图与各样本埋点图像之间的第一相似度包括:比较实时截图与样本埋点图像的尺寸大小;在实时截图比样本埋点图像的尺寸大的情况下,对该实时截图进行缩小处理,使得该实时截图的尺寸与该样本埋点图像的尺寸相同;在样本埋点图像比实时截图的尺寸大的情况下,对该样本埋点图像进行缩小处理,使得该样本埋点图像的尺寸与该实时截图的尺寸相同;计算该样本埋点图像与该实时截图之间的第一相似度。
在一些实施例中,页面中发生变化的区域包括弹窗事件导致变化的区域、操作事件导致变化的区域中的至少一项。
在一些实施例中,计算多张实时截图与各样本埋点图像之间的第一相似度包括:计算各实时截图的图像特征和各样本埋点图像的图像特征;根据图像特征,计算第一相似度。
在一些实施例中,计算各实时截图的图像特征和各样本埋点图像的图像特征包括:计算各实时截图中每一行的像素均值;根据像素均值,计算各实时截图的像素方差作为其图像特征;计算各样本埋点图像中每一行的像素均值;根据像素均值,计算各样本埋点图像的像素方差作为其图像特征。
根据本公开的另一些实施例,提供一种页面的埋点分析装置,包括:截图单元,用于对用户当前所在的页面进行截图,生成多张实时截图;计算单元,用于计算多张实时截图与各样本埋点图像之间的第一相似度,各样本埋点图像为预先对页面中发生变化的区域进行截图后生成;确定单元,用于将第一相似度大于第一阈值的实时截图,确定为目标埋点图像;分析单元,用于根据目标埋点图像,进行页面进行埋点分析。
在一些实施例中,计算单元计算多张实时截图之间的第二相似度;确定单元将第二相似度小于第二阈值的实时截图,确定为候选埋点图像;计算单元计算各候选埋点图像与各样本埋点图像之间的第一相似度。
在一些实施例中,计算单元计算各实时截图的图像特征;根据各实时截图的图像特征,计算第二相似度。
在一些实施例中,计算单元计算各实时截图中每一行的像素均值;根据像素均值,计算各实时截图的像素方差作为图像特征。
在一些实施例中,截图单元获取页面的DOM,将述页面的DOM转换为SVG图像后,在Canvas中生成实时截图。
在一些实施例中,截图单元响应于用户进入页面,对页面进行定时截图,生成多张实时截图。
在一些实施例中,多张实时截图和各样本埋点图像采用表单数据的方式存储为键值对格式;计算单元根据键值对格式,调用多张实时截图和各样本埋点图像计算第一相似度。
在一些实施例中,计算单元比较实时截图与样本埋点图像的尺寸大小;在实时截图比样本埋点图像的尺寸大的情况下,对该实时截图进行缩小处理,使得该实时截图的尺寸与该样本埋点图像的尺寸相同;在样本埋点图像比实时截图的尺寸大的情况下,对该样本埋点图像进行缩小处理,使得该样本埋点图像的尺寸与该实时截图的尺寸相同;计算该样本埋点图像与该实时截图之间的第一相似度。
在一些实施例中,页面中发生变化的区域包括弹窗事件导致变化的区域、操作事件导致变化的区域中的至少一项。
在一些实施例中,计算单元计算各实时截图的图像特征和各样本埋点图像的图像特征;根据图像特征,计算第一相似度。
在一些实施例中,计算单元计算各实时截图中每一行的像素均值;根据像素均值,计算各实时截图的像素方差作为其图像特征;计算各样本埋点图像中每一行的像素均值;根据像素均值,计算各样本埋点图像的像素方差作为其图像特征。
根据本公开的又一些实施例,提供一种页面的埋点分析装置,包括:存储器;和耦接至存储器的处理器,处理器被配置为基于存储在存储器装置中的指令,执行上述任一个实施例中的页面的埋点分析方法。
根据本公开的再一些实施例,提供一种非易失性计算机可读存储介质,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一个实施例中的页面的埋点分析方法。
在上述实施例中,通过对比实时截图与样本埋点图像之间的相似度,确定用于埋点分析的图像。这样,无需入侵到业务代码和专业的研发人员参与即可实现埋点分析,从而降低了埋点分析的开发成本。
附图说明
构成说明书的一部分的附图描述了本公开的实施例,并且连同说明书一起用于解释本公开的原理。
参照附图,根据下面的详细描述,可以更加清楚地理解本公开:
图1示出本公开的页面的埋点分析方法的一些实施例的流程图;
图2示出图1中步骤120的一些实施例的流程图;
图3示出本公开的页面的埋点分析方法的另一些实施例的流程图;
图4示出本公开的页面的埋点分析装置的一些实施例的框图;
图5示出本公开的页面的埋点分析装置的另一些实施例的框图;
图6示出本公开的页面的埋点分析装置的又一些实施例的框图。
具体实施方式
现在将参照附图来详细描述本公开的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。
同时,应当明白,为了便于描述,附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本公开及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,技术、方法和设备应当被视为授权说明书的一部分。
在这里示出和讨论的所有示例中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它示例可以具有不同的值。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步讨论。
如前所述,针对研发人员需要侵入到业务代码才能上报埋点,且只能由研发人员来完成埋点处理,导致的开发成本较高的技术问题,可以采用下面的实施例来实现埋点分析。
图1示出本公开的页面的埋点分析方法的一些实施例的流程图。
如图1所示,在步骤110中,对用户当前所在的页面进行截图,生成多张实时截图。例如,响应于用户进入页面,对页面进行定时截图,生成多张实时截图。
在一些实施例中,可以利用HTML2canvas技术进行实时截图。例如,可以将获取的页面的DOM转换为SVG图像,然后在Canvas中生成实时截图。
这样,由于SVG图像使用的是XML(Extensible Markup Language,可扩展标记语言)表示方式,其结构与DOM保持一致,从而提高了埋点分析的准确度。
在一些实施例中,也可以利用rasterizeHTML.js技术进行实时截图。
在步骤120中,计算多张实时截图与各样本埋点图像之间的第一相似度。
在一些实施例中,各样本埋点图像为预先对该页面中发生变化的区域进行截图后生成。例如,页面中发生变化的区域包括弹窗事件导致变化的区域、操作事件导致变化的区域中的至少一项。
在一些实施例中,可以预先对页面中需要进行埋点分析的区域进行截图,并存储为样本埋点图像。样本埋点图像用于与多张实时截图进行对比,从而筛选出与用户对应的目标埋点图像。
例如,需要进行埋点分析区域可以为弹窗曝光埋点区域。可以在弹窗出现前后,对页面中会产生弹窗的区域进行截图作为样本埋点图像。
例如,需要进行埋点分析区域可以为操作事件埋点区域。操作事件可以为点击事件、滑动事件等。可以在点击操作前后,对页面中出现变化效果的区域进行截图。
在一些实施例中,可以对实时截图进行预处理,以提高埋点分析的效果和效率。例如,可以对实时截图进行压缩处理。
例如,可以通过HTML5(HyperText Markup Language,超文本标记语言)中的fileAPI(file Application Programming Interface,文件应用程序接口)和Canvas技术实现实时截图的前端JS(Java Script)压缩。
这样,可以节省提交埋点的用户的带宽,并节省存储空间。
在一些实施例中,多张实时截图和各样本埋点图像采用Formdata(表单数据)的方式存储为键值对格式。根据键值对格式,调用多张实时截图和各样本埋点图像计算第一相似度。
这样,采用FormData的键值对格式提交和存储图像能够实现表单数据的序列化,从而减少表单元素的拼接,提高工作效率。
例如,可以通过FormData对象,将实时截图组装为一组利用XML Http Request(XML HyperText Transfer Protocol Request,可扩展标记语言超文本传输协议请求)发送的键值对。
可以将表单的编码类型设置为multipart/form-data(多部分表单数据)。通过FormData传输表单的数据格式与通过submit()方法传输表单的数据格式一致。
这样,FormData可以独立于表单使用,因此可以更灵活的发送表单数据。
在一些实施例中,在计算第一相似度之前可以对实时截图、样本埋点图像进行预处理。例如,预处理可以包括图像缩小处理、灰度化处理等。
例如,对实时截图、样本埋点图像进行灰度化处理,转换为灰度图,从而减少后期计算复杂度。
例如,比较实时截图与样本埋点图像的尺寸大小。在实时截图比样本埋点图像的尺寸大的情况下,对该实时截图进行缩小处理,使得该实时截图的尺寸与该样本埋点图像的尺寸相同;在样本埋点图像比实时截图的尺寸大的情况下,对该样本埋点图像进行缩小处理,使得该样本埋点图像的尺寸与该实时截图的尺寸相同;计算该样本埋点图像与该实时截图之间的第一相似度。
这样,可以保证实时截图、样本埋点图像的大小一致,提高相似度计算的准确性,从而提高埋点分析的准确性。
在一些实施例中,计算各实时截图的图像特征和各样本埋点图像的图像特征;根据图像特征,计算第一相似度。
例如,计算各实时截图中每一行的像素均值;根据像素均值,计算各实时截图的像素方差作为其图像特征;计算各样本埋点图像中每一行的像素均值;根据像素均值,计算各样本埋点图像的像素方差作为其图像特征。
例如,也可以利用图像模版匹配或者SSIM(Structural SIMilarity,结构相似性)计算第一相似度。
在一些实施例中,在计算第一相似度之前,可以对实时截图进行筛选,从而消除相似的实时截图对埋点分析的影响。例如,可以通过图2中的实施例实现筛选。
图2示出图1中步骤120的一些实施例的流程图。
如图2所示,在步骤1210中,计算多张实时截图之间的第二相似度。
在一些实施例中,计算各实时截图的图像特征;根据各实时截图的图像特征,计算第二相似度。例如,计算各实时截图中每一行的像素均值;根据像素均值,计算各实时截图的像素方差作为图像特征。
在一些实施例中,也可以利用图像模版匹配或者SSIM计算第一相似度。
在步骤1220中,将第二相似度小于第二阈值的实时截图,确定为候选埋点图像。
在步骤1230中,计算各候选埋点图像与各样本埋点图像之间的第一相似度。
这样,可以筛选掉相似程度较高的实时截图,只保留区别较大的实时截图作为候选埋点图像,从而提高了埋点分析的效率和效果。在计算了第一相似度之后,可以利用图1中的剩余步骤进行埋点分析。
在步骤130中,将第一相似度大于第一阈值的实时截图,确定为目标埋点图像。这样,无需专业人员参与和重新开发代码,即可根据预先存储的样本埋点图像,确定用户对应的目标埋点图像用于埋点分析。
在步骤140中,根据目标埋点图像,进行页面进行埋点分析。
图3示出本公开的页面的埋点分析方法的另一些实施例的流程图。
如图3所示,在步骤301中,用户进入当前的页面,准备进行相应的操作。例如,可以预先对页面中需要埋点分析的区域进行截图,存储为样本埋点图像,用于后期通过比对确定用户的目标埋点图像。
在一些实施例中,在用户进入当前的页面后,可以通过上报用户相关信息、获取用户行为路径、获取埋点图像等几个步骤实现埋点分析。
在一些实施例中,上报用户相关信息步骤可以包括步骤302、步骤303。
在步骤302中,加载页面的DOM,响应于用户进入页面,开始进行实时截图。
在一些实施例中,可以利用HTML2canvas技术进行截图。将页面的DOM转成SVG图像,然后将SVG图像生成到Canvas中。这样,由于SVG图像使用的是XML表示形式,可以保证截图的结构与页面的DOM一致。
在步骤303中,对实时截图和相应的用户信息进行存储和上报,用于对该用户进行埋点分析。例如,可以利用FormData实现图像的存储和上报。
在一些实施例中,通过FormData对象将实时截图组装为一组用XML Http Request发送请求的键值对。可以将表单的编码类型设置为multipart/form-data,而且通过FormData传输的数据格式与通过submit()方法传输的数据格式一致。
这样,由于FormData可独立于表单使用,因此可以更灵活方便地发送表单数据。
在一些实施例中,在进行存储和上报之前,可以利用HTML5中的file API和Canvas技术,实现实时截图和样本埋点图像的前端JS压缩。
在一些实施例中,获取用户行为路径步骤可以包括步骤304、步骤305。
在步骤304中,可以对实时截图和样本埋点图像进行预处理。例如,预处理可以包括图像压缩处理、灰度化处理。
例如,图像压缩处理可以节省传输带宽和存储空间;灰度化处理将图像转换为灰度图,以减少后期计算复杂度。
在步骤305中,计算实时截图之间的第二相似度,并确定各实时截图的第二得分。
在一些实施例中,分别计算各实时截图每行像素点的平均值υ,每一个υ对应一行图像的特征;根据各实时截图中各行像素点的υ,计算各实时截图的方差σ作为图像特征,用于示每行像素的波动情况;根据各实时截图的方差之间的差异,计算各实时截图的第二得分。例如,可以根据C=1/σ计算第二得分,用于表征图像之间的相似程度。
例如,图像方差之间的差异越大,第二相似度越低,第二得分越高。将第二得分较高的实时截图确定为候选埋点图像。
第二相似度低表示用户对页面的操作行为导致页面中的区域发生了变化。这样,可以过滤掉相似度高的实时截图,提高埋点分析的效率和效果。
在一些实施例中,获取埋点图像步骤可以包括步骤306~步骤308。
在步骤306中,可以对实时截图和样本埋点图像进行预处理。例如,预处理可以包括图像缩小处理,使得实时截图和样本埋点图像的大小保持一致。
在步骤307中,计算过滤后的实时截图(候选埋点图像)与事先准备的样本埋点图像的第一相似度,并确定各候选埋点图像的第一得分。
在一些实施例中,可以通过图像的方差计算第一相似度。图像方差之间的差异越小,第一相似度越高,第一得分越高。第一得分高说明候选埋点图像与样本埋点图像比较相似。
在步骤308中,将第一得分高的图像,确定为目标埋点图像。
在步骤309中,根据目标埋点图像,进行埋点上报。通过分析上报的截图对应的用户的操作信息、用户的身份信息等用户相关信息,进行埋点分析。
图4示出本公开的页面的埋点分析装置的一些实施例的框图。
如图4所示,页面的埋点分析装置4包括截图单元41、计算单元42、确定单元43和分析单元44。
截图单元41对用户当前所在的页面进行截图,生成多张实时截图。
在一些实施例中,页面中发生变化的区域包括弹窗事件导致变化的区域、操作事件导致变化的区域中的至少一项。
在一些实施例中,截图单元41获取页面的DOM,将述页面的DOM转换为SVG图像后,在Canvas中生成实时截图。
在一些实施例中,截图单元41响应于用户进入页面,对页面进行定时截图,生成多张实时截图。
计算单元42计算多张实时截图与各样本埋点图像之间的第一相似度。各样本埋点图像为预先对页面中发生变化的区域进行截图后生成。
在一些实施例中,计算单元42计算各实时截图的图像特征;根据各实时截图的图像特征,计算第二相似度。
在一些实施例中,计算单元42计算各实时截图中每一行的像素均值;根据像素均值,计算各实时截图的像素方差作为图像特征。
在一些实施例中,多张实时截图和各样本埋点图像采用表单数据的方式存储为键值对格式;计算单元42根据键值对格式,调用多张实时截图和各样本埋点图像计算第一相似度。
在一些实施例中,计算单元42比较实时截图与样本埋点图像的尺寸大小;在实时截图比样本埋点图像的尺寸大的情况下,对该实时截图进行缩小处理,使得该实时截图的尺寸与该样本埋点图像的尺寸相同;在样本埋点图像比实时截图的尺寸大的情况下,对该样本埋点图像进行缩小处理,使得该样本埋点图像的尺寸与该实时截图的尺寸相同;计算该样本埋点图像与该实时截图之间的第一相似度。
在一些实施例中,计算单元42计算各实时截图的图像特征和各样本埋点图像的图像特征;根据图像特征,计算第一相似度。
在一些实施例中,计算单元42计算各实时截图中每一行的像素均值;根据像素均值,计算各实时截图的像素方差作为其图像特征;计算各样本埋点图像中每一行的像素均值;根据像素均值,计算各样本埋点图像的像素方差作为其图像特征。
确定单元43将第一相似度大于第一阈值的实时截图,确定为目标埋点图像。
在一些实施例中,计算单元42计算多张实时截图之间的第二相似度;确定单元43将第二相似度小于第二阈值的实时截图,确定为候选埋点图像;计算单元42计算各候选埋点图像与各样本埋点图像之间的第一相似度。
分析单元44根据目标埋点图像,进行页面进行埋点分析。
图5示出本公开的页面的埋点分析装置的另一些实施例的框图。
如图5所示,该实施例的页面的埋点分析装置5包括:存储器51以及耦接至该存储器51的处理器52,处理器52被配置为基于存储在存储器51中的指令,执行本公开中任意一个实施例中的页面的埋点分析方法。
其中,存储器51例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序Boot Loader、数据库以及其他程序等。
图6示出本公开的页面的埋点分析装置的又一些实施例的框图。
如图6所示,该实施例的页面的埋点分析装置6包括:存储器610以及耦接至该存储器610的处理器620,处理器620被配置为基于存储在存储器610中的指令,执行前述任意一个实施例中的页面的埋点分析方法。
存储器610例如可以包括系统存储器、固定非易失性存储介质等。系统存储器例如存储有操作系统、应用程序、引导装载程序Boot Loader以及其他程序等。
页面的埋点分析装置6还可以包括输入输出接口630、网络接口640、存储接口650等。这些接口630、640、650以及存储器610和处理器620之间例如可以通过总线660连接。其中,输入输出接口630为显示器、鼠标、键盘、触摸屏、麦克、音箱等输入输出设备提供连接接口。网络接口640为各种联网设备提供连接接口。存储接口650为SD卡、U盘等外置存储设备提供连接接口。
本领域内的技术人员应当明白,本公开的实施例可提供为方法、系统、或计算机程序产品。因此,本公开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,本公开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非瞬时性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。
至此,已经详细描述了根据本公开的页面的埋点分析方法、页面的埋点分析装置和非易失性计算机可读存储介质。为了避免遮蔽本公开的构思,没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述,完全可以明白如何实施这里公开的技术方案。
可能以许多方式来实现本公开的方法和系统。例如,可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和系统。用于方法的步骤的上述顺序仅是为了进行说明,本公开的方法的步骤不限于以上具体描述的顺序,除非以其它方式特别说明。此外,在一些实施例中,还可将本公开实施为记录在记录介质中的程序,这些程序包括用于实现根据本公开的方法的机器可读指令。因而,本公开还覆盖存储用于执行根据本公开的方法的程序的记录介质。
虽然已经通过示例对本公开的一些特定实施例进行了详细说明,但是本领域的技术人员应该理解,以上示例仅是为了进行说明,而不是为了限制本公开的范围。本领域的技术人员应该理解,可在不脱离本公开的范围和精神的情况下,对以上实施例进行修改。本公开的范围由所附权利要求来限定。
Claims (16)
1.一种页面的埋点分析方法,包括:
对用户当前所在的页面进行截图,生成多张实时截图;
计算所述多张实时截图与各样本埋点图像之间的第一相似度,所述各样本埋点图像为预先对所述页面中发生变化的区域进行截图后生成;
将第一相似度大于第一阈值的实时截图,确定为目标埋点图像;
根据所述目标埋点图像,进行所述页面进行埋点分析。
2.根据权利要求1所述的埋点分析方法,其中,所述计算所述多张实时截图与各样本埋点图像之间的第一相似度包括:
计算所述多张实时截图之间的第二相似度;
将第二相似度小于第二阈值的实时截图,确定为候选埋点图像;
计算各候选埋点图像与各样本埋点图像之间的所述第一相似度。
3.根据权利要求2所述的埋点分析方法,其中,所述计算所述多张实时截图之间的第二相似度包括:
计算各实时截图的图像特征;
根据所述各实时截图的图像特征,计算所述第二相似度。
4.根据权利要求3所述的埋点分析方法,其中,所述计算各实时截图的图像特征包括:
计算所述各实时截图中每一行的像素均值;
根据所述像素均值,计算所述各实时截图的像素方差作为所述图像特征。
5.根据权利要求1所述的埋点分析方法,其中,所述对用户当前所在的页面进行截图,生成多张实时截图包括:
获取所述页面的文档对象模型DOM;
将所述页面的DOM转换为可缩放矢量图形SVG图像后,在画布Canvas中生成实时截图。
6.根据权利要求1所述的埋点分析方法,其中,所述对用户当前所在的页面进行截图,生成多张实时截图包括:
响应于所述用户进入所述页面,对所述页面进行定时截图,生成所述多张实时截图。
7.根据权利要求1所述的埋点分析方法,其中,
所述多张实时截图和所述各样本埋点图像采用表单数据的方式存储为键值对格式;
所述计算所述多张实时截图与各样本埋点图像之间的第一相似度包括:
根据所述键值对格式,调用所述多张实时截图和所述各样本埋点图像计算所述第一相似度。
8.根据权利要求1所述的埋点分析方法,其中,所述计算所述多张实时截图与各样本埋点图像之间的第一相似度包括:
比较实时截图与样本埋点图像的尺寸大小;
在实时截图比样本埋点图像的尺寸大的情况下,对该实时截图进行缩小处理,使得该实时截图的尺寸与该样本埋点图像的尺寸相同;
在样本埋点图像比实时截图的尺寸大的情况下,对该样本埋点图像进行缩小处理,使得该样本埋点图像的尺寸与该实时截图的尺寸相同;
计算该样本埋点图像与该实时截图之间的第一相似度。
9.根据权利要求1-8任一项所述的埋点分析方法,其中,
所述页面中发生变化的区域包括弹窗事件导致变化的区域、操作事件导致变化的区域中的至少一项。
10.根据权利要求1-8任一项所述的埋点分析方法,其中,所述计算所述多张实时截图与各样本埋点图像之间的第一相似度包括:
计算各实时截图的图像特征和所述各样本埋点图像的图像特征;
根据图像特征,计算所述第一相似度。
11.根据权利要求10所述的埋点分析方法,其中,所述计算各实时截图的图像特征和所述各样本埋点图像的图像特征包括:
计算所述各实时截图中每一行的像素均值;
根据像素均值,计算所述各实时截图的像素方差作为其图像特征;
计算所述各样本埋点图像中每一行的像素均值;
根据像素均值,计算所述各样本埋点图像的像素方差作为其图像特征。
12.一种页面的埋点分析装置,包括:
截图单元,用于对用户当前所在的页面进行截图,生成多张实时截图;
计算单元,用于计算所述多张实时截图与各样本埋点图像之间的第一相似度,所述各样本埋点图像为预先对所述页面中发生变化的区域进行截图后生成;
确定单元,用于将第一相似度大于第一阈值的实时截图,确定为目标埋点图像;
分析单元,用于根据所述目标埋点图像,进行所述页面进行埋点分析。
13.根据权利要求12所述的埋点分析装置,其中,
所述计算单元计算所述多张实时截图之间的第二相似度;
所述确定单元将第二相似度小于第二阈值的实时截图,确定为候选埋点图像;
所述计算单元计算各候选埋点图像与各样本埋点图像之间的所述第一相似度。
14.根据权利要求12所述的埋点分析装置,其中,
所述截图单元获取所述页面的文档对象模型DOM,将述页面的DOM转换为可缩放矢量图形SVG图像后,在画布Canvas中生成实时截图。
15.一种页面的埋点分析装置,包括:
存储器;和
耦接至所述存储器的处理器,所述处理器被配置为基于存储在所述存储器中的指令,执行权利要求1-11任一项所述的页面的埋点分析方法。
16.一种非易失性计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时实现权利要求1-11任一项所述的页面的埋点分析方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110126414.9A CN113762312A (zh) | 2021-01-29 | 2021-01-29 | 页面的埋点分析方法和装置 |
PCT/CN2021/140696 WO2022161047A1 (zh) | 2021-01-29 | 2021-12-23 | 页面的埋点分析方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110126414.9A CN113762312A (zh) | 2021-01-29 | 2021-01-29 | 页面的埋点分析方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113762312A true CN113762312A (zh) | 2021-12-07 |
Family
ID=78786528
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110126414.9A Pending CN113762312A (zh) | 2021-01-29 | 2021-01-29 | 页面的埋点分析方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN113762312A (zh) |
WO (1) | WO2022161047A1 (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022161047A1 (zh) * | 2021-01-29 | 2022-08-04 | 北京沃东天骏信息技术有限公司 | 页面的埋点分析方法和装置 |
CN115514678A (zh) * | 2022-09-23 | 2022-12-23 | 四川新网银行股份有限公司 | 一种互联网金融业务的连续性监控方法及装置 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106354482A (zh) * | 2015-07-13 | 2017-01-25 | 西安中兴新软件有限责任公司 | 一种获取自动化脚本、自动化脚本的应用方法及装置 |
CN109766256B (zh) * | 2018-12-21 | 2023-02-07 | 中国平安财产保险股份有限公司 | 应用程序中h5页面性能测试方法、装置和计算机设备 |
CN111314721B (zh) * | 2020-02-11 | 2022-04-22 | 北京达佳互联信息技术有限公司 | 一种异常直播的确定方法、装置、设备及介质 |
CN113762312A (zh) * | 2021-01-29 | 2021-12-07 | 北京沃东天骏信息技术有限公司 | 页面的埋点分析方法和装置 |
-
2021
- 2021-01-29 CN CN202110126414.9A patent/CN113762312A/zh active Pending
- 2021-12-23 WO PCT/CN2021/140696 patent/WO2022161047A1/zh active Application Filing
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022161047A1 (zh) * | 2021-01-29 | 2022-08-04 | 北京沃东天骏信息技术有限公司 | 页面的埋点分析方法和装置 |
CN115514678A (zh) * | 2022-09-23 | 2022-12-23 | 四川新网银行股份有限公司 | 一种互联网金融业务的连续性监控方法及装置 |
CN115514678B (zh) * | 2022-09-23 | 2023-09-26 | 四川新网银行股份有限公司 | 一种互联网金融业务的连续性监控方法 |
Also Published As
Publication number | Publication date |
---|---|
WO2022161047A1 (zh) | 2022-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10810735B2 (en) | Method and apparatus for analyzing medical image | |
US10922804B2 (en) | Method and apparatus for evaluating image definition, computer device and storage medium | |
CN108830235B (zh) | 用于生成信息的方法和装置 | |
CN105740707B (zh) | 恶意文件的识别方法和装置 | |
CN113382279B (zh) | 直播推荐方法、装置、设备、存储介质以及计算机程序产品 | |
US11822568B2 (en) | Data processing method, electronic equipment and storage medium | |
CN110780965B (zh) | 基于视觉的流程自动化方法、设备及可读存储介质 | |
CN112929695B (zh) | 视频去重方法、装置、电子设备和存储介质 | |
CN113762312A (zh) | 页面的埋点分析方法和装置 | |
CN109325480B (zh) | 身份信息的录入方法及终端设备 | |
CN112699758A (zh) | 基于动态手势识别的手语翻译方法、装置、计算机设备及存储介质 | |
JP7337937B2 (ja) | 拡大画像の取得およびストレージ | |
CN110941978A (zh) | 一种未识别身份人员的人脸聚类方法、装置及存储介质 | |
CN111208998A (zh) | 数据可视化大屏自动布局的方法、装置及存储介质 | |
CN110599520B (zh) | 一种旷场实验数据分析方法、系统及终端设备 | |
CN114245232B (zh) | 一种视频摘要生成方法、装置、存储介质及电子设备 | |
CN115240203A (zh) | 业务数据处理方法、装置、设备及存储介质 | |
EP4365755A1 (en) | Method for identifying clarity of well logging image, apparatus, medium, and electronic device | |
CN114998369A (zh) | 图像处理方法、装置、存储介质及电子设备 | |
CN109064464B (zh) | 用于检测电池极片毛刺的方法和装置 | |
CN113158773B (zh) | 一种活体检测模型的训练方法及训练装置 | |
CN112597828A (zh) | 网页识别模型的训练方法、装置、网页识别的方法 | |
CN114724144B (zh) | 文本识别方法、模型的训练方法、装置、设备及介质 | |
CN116484224A (zh) | 一种多模态预训练模型的训练方法、装置、介质及设备 | |
KR20230060439A (ko) | 실물 촬영 이미지 여부 식별 방법 및 시스템 |
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 |