CN113947418A - 反馈信息的获取方法、装置、电子设备及存储介质 - Google Patents
反馈信息的获取方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN113947418A CN113947418A CN202010688601.1A CN202010688601A CN113947418A CN 113947418 A CN113947418 A CN 113947418A CN 202010688601 A CN202010688601 A CN 202010688601A CN 113947418 A CN113947418 A CN 113947418A
- Authority
- CN
- China
- Prior art keywords
- user
- information
- content item
- feedback
- experience
- 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
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0242—Determining effectiveness of advertisements
- G06Q30/0245—Surveys
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0251—Targeted advertisements
- G06Q30/0255—Targeted advertisements based on user history
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0241—Advertisements
- G06Q30/0272—Period of advertisement exposure
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Strategic Management (AREA)
- Finance (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本公开关于一种反馈信息的获取方法、装置、电子设备及存储介质,属于网络技术领域。本公开通过用户的用户信息和已播放内容项的内容项信息,获取用户对已播放内容项的体验预测值,根据该用户信息、该内容项信息以及该体验预测值,获取用户产生各种反馈行为的预测概率,在该预测概率符合目标概率条件时,向终端发送目标页面资源,使得目标页面资源触发终端返回采集到的反馈信息,这种不基于随机抽样以及周期去重的采集方式,能够精准地控制到选择在什么时候并向哪些用户显示采集窗口,能够大大提升反馈信息的获取效率和准确率。
Description
技术领域
本公开涉及网络技术领域,特别涉及一种反馈信息的获取方法、装置、电子设备及存储介质。
背景技术
随着网络技术的发展以及终端功能的多样化,用户可以随时随地在终端上浏览多媒体资源,而广告主也能够通过与平台运营方进行合作,从而向终端投放广告等内容项。目前,平台运营方可以通过弹窗手段来收集用户的反馈信息,通过对收集到的反馈信息进行分析,可以用来指示内容项的后续投放方式和投放密度。
在上述收集反馈信息的过程中,通常采用随机抽样与周期去重结合的方式筛选出部分用户,在该部分用户的终端上显示弹窗,在弹窗中通常会展示出业务人员设计的调查问卷,提示该部分用户针对调查问卷中预设的问题来输入对应的反馈信息。其中,随机抽样是指随机选择一些样本用户进行弹窗显示,周期去重是指在指定周期内同一个用户最多接收到一次弹窗显示。
上述针对反馈信息的收集方式,对于一些稀疏用户行为存在较大的局限性,以广告的负反馈行为(指用户在浏览广告后由于负面体验而产生的反馈行为)为例,假设抽样比例为α,广告所覆盖的用户比例为β,广告的负反馈行为率为γ,收集到的广告的负反馈行为率则为αβγ,由于在实际场景中抽样比例α和广告的负反馈行为率γ都是极小的,因此最终收集到的广告的负反馈行为率αβγ极低,难以保证随机抽样与周期去重这种方式收集到的反馈信息可以代表总体用户,也即是说反馈信息的获取效率较低、准确率较低。
发明内容
本公开提供一种反馈信息的获取方法、装置、电子设备及存储介质,能够提升反馈信息的获取效率和准确率。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种反馈信息的获取方法,包括:
根据用户的用户信息和已播放的至少一个内容项的内容项信息,获取所述用户对所述至少一个内容项的体验预测值,一个体验预测值用于表征所述用户对已播放的一个内容项的观看体验;
根据所述用户信息、所述内容项信息以及所述体验预测值,获取所述用户产生至少一种反馈行为的预测概率,一个预测概率用于表征所述用户产生一种反馈行为的可能性;
响应于所述预测概率符合目标概率条件,向所述用户对应的终端发送目标页面资源,所述目标页面资源用于触发所述终端在采集反馈信息后,返回采集到的所述反馈信息。
在一种可能实施方式中,所述根据所述用户信息、所述内容项信息以及所述体验预测值,获取所述用户产生至少一种反馈行为的预测概率包括:
将所述用户信息、所述内容项信息以及所述体验预测值输入反馈行为模型,通过所述反馈行为模型对所述用户、所述内容项信息以及所述体验预测值进行加权处理,分别得到所述用户产生所述至少一种反馈行为的预测概率。
在一种可能实施方式中,所述至少一种反馈行为包括正常后续观看、减少后续观看或者退出应用程序中至少一项;所述目标概率条件为所述至少一种反馈行为的预测概率的加权和值大于目标概率阈值。
在一种可能实施方式中,所述方法还包括:
获取样本用户的样本用户信息、已播放的至少一个样本内容项的样本内容项信息、所述样本用户对所述至少一个样本内容项的样本体验预测值以及历史行为;
基于所述样本用户信息、所述样本内容项信息、所述样本体验预测值以及所述历史行为,对初始行为模型进行训练,得到所述反馈行为模型。
在一种可能实施方式中,所述根据用户的用户信息和已播放的至少一个内容项的内容项信息,获取所述用户对所述至少一个内容项的体验预测值包括:
将所述用户信息和所述内容项信息输入观看体验模型,通过所述观看体验模型对所述用户信息和所述内容项信息进行加权处理,分别预测所述用户对所述至少一个内容项的播放时长占比,将所述播放时长占比确定为所述体验预测值,一个播放时长占比用于表示所述用户对一个内容项的预计播放时长与所述内容项的总时长之间的比值。
在一种可能实施方式中,所述方法还包括:
获取样本用户的样本用户信息以及已播放的至少一个样本内容项的样本内容项信息;
从所述至少一个样本内容项中,筛选得到播放时长占比大于第一目标阈值的正样本内容项以及播放时长占比小于第二目标阈值的负样本内容项,所述第一目标阈值大于或等于所述第二目标阈值;
基于所述样本用户信息、所述正样本内容项的样本内容项信息和所述负样本内容项的样本内容项信息,对初始体验模型进行训练,得到所述观看体验模型。
在一种可能实施方式中,所述响应于所述预测概率符合目标概率条件,向所述用户对应的终端发送目标页面资源之前,所述方法还包括:
根据所述用户的周活跃信息,确定所述用户的至少一个调研问题;
将所述至少一个调研问题添加至所述目标页面资源。
在一种可能实施方式中,所述根据所述用户的周活跃信息,确定所述用户的至少一个调研问题包括:
将所述用户的周活跃信息输入多分类模型,通过所述多分类模型预测所述用户所属的反馈问题类别,所述反馈问题类别用于表征所述用户在内容项的观看过程中用户体验所遭受到的伤害类别;
基于预测得到的反馈问题类别,确定所述反馈问题类别下的至少一个调研问题。
根据本公开实施例的第二方面,提供一种反馈信息的获取方法,应用于终端,包括:
接收服务器在预测概率符合目标概率条件时发送的目标页面资源,所述预测概率由所述服务器根据所述终端所对应用户的用户信息、已播放的至少一个内容项的内容项信息以及所述用户对所述至少一个内容项的体验预测值而获取得到;
基于所述目标页面资源,显示用于采集反馈信息的采集窗口;
基于所述采集窗口采集所述终端所对应用户的反馈信息;
将采集到的所述反馈信息发送至所述服务器。
根据本公开实施例的第三方面,提供一种反馈信息的获取装置,包括:
第一获取单元,被配置为执行根据用户的用户信息和已播放的至少一个内容项的内容项信息,获取所述用户对所述至少一个内容项的体验预测值,一个体验预测值用于表征所述用户对已播放的一个内容项的观看体验;
第二获取单元,被配置为执行根据所述用户信息、所述内容项信息以及所述体验预测值,获取所述用户产生至少一种反馈行为的预测概率,一个预测概率用于表征所述用户产生一种反馈行为的可能性;
发送单元,被配置为执行响应于所述预测概率符合目标概率条件,向所述用户对应的终端发送目标页面资源,所述目标页面资源用于触发所述终端在采集反馈信息后,返回采集到的所述反馈信息。
在一种可能实施方式中,所述第二获取单元被配置为执行:
将所述用户信息、所述内容项信息以及所述体验预测值输入反馈行为模型,通过所述反馈行为模型对所述用户、所述内容项信息以及所述体验预测值进行加权处理,分别得到所述用户产生所述至少一种反馈行为的预测概率。
在一种可能实施方式中,所述至少一种反馈行为包括正常后续观看、减少后续观看或者退出应用程序中至少一项;所述目标概率条件为所述至少一种反馈行为的预测概率的加权和值大于目标概率阈值。
在一种可能实施方式中,所述装置还包括:
第一训练单元,被配置为执行获取样本用户的样本用户信息、已播放的至少一个样本内容项的样本内容项信息、所述样本用户对所述至少一个样本内容项的样本体验预测值以及历史行为;基于所述样本用户信息、所述样本内容项信息、所述样本体验预测值以及所述历史行为,对初始行为模型进行训练,得到所述反馈行为模型。
在一种可能实施方式中,所述第一获取单元被配置为执行:
将所述用户信息和所述内容项信息输入观看体验模型,通过所述观看体验模型对所述用户信息和所述内容项信息进行加权处理,分别预测所述用户对所述至少一个内容项的播放时长占比,将所述播放时长占比确定为所述体验预测值,一个播放时长占比用于表示所述用户对一个内容项的预计播放时长与所述内容项的总时长之间的比值。
在一种可能实施方式中,所述装置还包括:
第二训练单元,被配置为执行获取样本用户的样本用户信息以及已播放的至少一个样本内容项的样本内容项信息;从所述至少一个样本内容项中,筛选得到播放时长占比大于第一目标阈值的正样本内容项以及播放时长占比小于第二目标阈值的负样本内容项,所述第一目标阈值大于或等于所述第二目标阈值;基于所述样本用户信息、所述正样本内容项的样本内容项信息和所述负样本内容项的样本内容项信息,对初始体验模型进行训练,得到所述观看体验模型。
在一种可能实施方式中,所述装置还包括:
确定单元,被配置为执行根据所述用户的周活跃信息,确定所述用户的至少一个调研问题;
添加单元,被配置为执行将所述至少一个调研问题添加至所述目标页面资源。
在一种可能实施方式中,所述确定单元被配置为执行:
将所述用户的周活跃信息输入多分类模型,通过所述多分类模型预测所述用户所属的反馈问题类别,所述反馈问题类别用于表征所述用户在内容项的观看过程中用户体验所遭受到的伤害类别;
基于预测得到的反馈问题类别,确定所述反馈问题类别下的至少一个调研问题。
根据本公开实施例的第四方面,提供一种反馈信息的获取装置,包括:
接收单元,被配置为执行接收服务器在预测概率符合目标概率条件时发送的目标页面资源,所述预测概率由所述服务器根据终端所对应用户的用户信息、已播放的至少一个内容项的内容项信息以及所述用户对所述至少一个内容项的体验预测值而获取得到;
显示单元,被配置为执行基于所述目标页面资源,显示用于采集反馈信息的采集窗口;
采集单元,被配置为执行基于所述采集窗口采集所述终端所对应用户的反馈信息;
发送单元,被配置为执行将采集到的所述反馈信息发送至所述服务器。
根据本公开实施例的第五方面,提供一种电子设备,包括:
一个或多个处理器;
用于存储所述一个或多个处理器可执行指令的一个或多个存储器;
其中,所述一个或多个处理器被配置为执行上述第一方面以及第一方面的可能实施方式中任一项的反馈信息的获取方法;或,执行上述第二方面以及第二方面的可能实施方式中任一项的反馈信息的获取方法。
根据本公开实施例的第六方面,提供一种存储介质,当所述存储介质中的至少一条指令由电子设备的一个或多个处理器执行时,使得电子设备能够执行上述第一方面以及第一方面的可能实施方式中任一项的反馈信息的获取方法;或,执行上述第二方面以及第二方面的可能实施方式中任一项的反馈信息的获取方法。
根据本公开实施例的第七方面,提供一种计算机程序产品,包括一条或多条指令,所述一条或多条指令可以由电子设备的一个或多个处理器执行,使得电子设备能够执行上述第一方面以及第一方面的可能实施方式中任一项的反馈信息的获取方法;或,执行上述第二方面以及第二方面的可能实施方式中任一项的反馈信息的获取方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
通过用户的用户信息和已播放内容项的内容项信息,获取用户对已播放内容项的体验预测值,根据该用户信息、该内容项信息以及该体验预测值,获取用户产生各种反馈行为的预测概率,在该预测概率符合目标概率条件时,向终端发送目标页面资源,触发终端在接收到目标页面资源后返回采集到的反馈信息,通过控制不同的目标概率条件,从而控制向终端发送目标页面资源的时机,也相当于控制了终端侧反馈信息的采集窗口的弹出条件,这种不基于随机抽样以及周期去重的采集方式,能够自动化地、精准地、智能地控制到选择在什么时候并向哪些用户所对应的终端下发目标页面资源,使得终端根据目标页面资源进行反馈信息的采集之后,将采集到的反馈信息返回到电子设备中,因此能够大大提升反馈信息的获取效率和准确率。
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是本公开实施例提供的一种反馈信息的获取方法的实施环境示意图;
图2是根据一示例性实施例示出的一种反馈信息的获取方法的流程图;
图3是根据一示例性实施例示出的一种反馈信息的获取方法的交互流程图;
图4是根据一示例性实施例示出的一种反馈信息的获取装置的逻辑结构框图;
图5是根据一示例性实施例示出的一种反馈信息的获取装置的逻辑结构框图;
图6示出了本公开一个示例性实施例提供的一种终端的结构框图;
图7是本公开实施例提供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。
本公开所涉及的用户信息可以为经用户授权或者经过各方充分授权的信息。
图1是本公开实施例提供的一种反馈信息的获取方法的实施环境示意图。参见图1,在该实施环境中包括终端101和服务器102,终端101和服务器102通过无线网络或有线网络相连,终端101和服务器102均为电子设备的一种示例。
其中,终端101用于浏览服务器102投放的各个内容项,并收集用户针对投放的各个内容项的反馈信息,在收集完毕后,终端101可以向服务器102上报收集到的反馈信息。
可选地,该内容项可以由多种类型的多媒体资源组合形成,例如,该内容项可以是视频广告或者图文广告,在终端101上可以安装有支持内容项投放业务的应用程序,使得用户可以通过启动该应用程序来浏览内容项,该应用程序可以是直播应用程序、短视频应用程序、购物应用程序、外卖应用程序、旅行应用程序、游戏应用程序或者社交应用程序中至少一项。
可选地,该反馈信息可以包括正反馈信息和负反馈信息,正反馈信息是指用户在浏览了各个内容项之后产生了正面观看体验(也即没有遭受伤害体验),并依据正面观看体验所输入的反馈信息,而负反馈信息则是指用户在浏览了各个内容项之后产生了负面观看体验(也即遭受到了伤害体验),并依据负面观看体验所输入的反馈信息。
其中,服务器102用于向终端101投放内容项,并收集终端101上报的反馈信息,服务器102可以包括一台服务器、多台服务器、云计算平台或虚拟化中心中的至少一项。可选地,服务器102可以承担主要计算工作,终端101可以承担次要计算工作;或者,服务器102承担次要计算工作,终端101承担主要计算工作;或者,服务器102和终端101两者之间采用分布式计算架构进行协同计算。
在一个示例性场景中,该内容项可以是视频广告,以终端101安装短视频应用程序为例,服务器102通过短视频应用程序向终端101提供短视频观看平台,服务器102向终端101投放各个视频广告,用户在终端101上浏览了任一视频广告之后,服务器102基于本公开实施例提供的反馈信息的获取方法,在符合目标概率条件的情况下,向终端101下发目标页面资源,使得终端101基于目标页面资源显示用于采集反馈信息的采集窗口,用户可以在采集窗口中输入针对已浏览的视频广告的反馈信息,终端101基于采集窗口采集反馈信息之后,将采集到的反馈信息上报给服务器102。
需要说明的是,终端101可以泛指多个终端中的一个,终端101的设备类型可以包括:智能手机、平板电脑、电子书阅读器、MP3(Moving Picture Experts Group AudioLayer III,动态影像专家压缩标准音频层面3)播放器、MP4(Moving Picture ExpertsGroup Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机或者台式计算机中的至少一种。例如,终端101可以是智能手机,或者其他手持便携式电子设备。以下实施例,以终端包括智能手机来举例说明。
本领域技术人员可以知晓,上述终端的数量可以更多或更少。比如上述终端可以仅为一个,或者上述终端为几十个或几百个,或者更多数量。本公开实施例对终端的数量和设备类型不加以限定。
图2是根据一示例性实施例示出的一种反馈信息的获取方法的流程图,参见图2,该反馈信息的获取方法应用于电子设备,该电子设备可以是上述实施环境中的服务器102,下面进行说明。
在步骤201中,电子设备根据用户的用户信息和已播放的至少一个内容项的内容项信息,获取该用户对该至少一个内容项的体验预测值,一个体验预测值用于表征该用户对已播放的一个内容项的观看体验。
在步骤202中,电子设备根据该用户信息、该内容项信息以及该体验预测值,获取该用户产生至少一种反馈行为的预测概率,一个预测概率用于表征该用户产生一种反馈行为的可能性。
在步骤203中,电子设备响应于该预测概率符合目标概率条件,向该用户对应的终端发送目标页面资源,该目标页面资源用于触发该终端在采集反馈信息后,返回采集到的该反馈信息。
本公开实施例提供的方法,通过用户的用户信息和已播放内容项的内容项信息,获取用户对已播放内容项的体验预测值,根据该用户信息、该内容项信息以及该体验预测值,获取用户产生各种反馈行为的预测概率,在该预测概率符合目标概率条件时,向终端发送目标页面资源,触发终端在接收到目标页面资源后返回采集到的反馈信息,通过控制不同的目标概率条件,从而控制向终端发送目标页面资源的时机,也相当于控制了终端侧反馈信息的采集窗口的弹出条件,这种不基于随机抽样以及周期去重的采集方式,能够自动化地、精准地、智能地控制到选择在什么时候并向哪些用户所对应的终端下发目标页面资源,使得终端根据目标页面资源进行反馈信息的采集之后,将采集到的反馈信息返回到电子设备中,因此能够大大提升反馈信息的获取效率和准确率。
在一种可能实施方式中,根据该用户信息、该内容项信息以及该体验预测值,获取该用户产生至少一种反馈行为的预测概率包括:
将该用户信息、该内容项信息以及该体验预测值输入反馈行为模型,通过该反馈行为模型对该用户、该内容项信息以及该体验预测值进行加权处理,分别得到该用户产生该至少一种反馈行为的预测概率。
在一种可能实施方式中,该至少一种反馈行为包括正常后续观看、减少后续观看或者退出应用程序中至少一项;该目标概率条件为该至少一种反馈行为的预测概率的加权和值大于目标概率阈值。
在一种可能实施方式中,该方法还包括:
获取样本用户的样本用户信息、已播放的至少一个样本内容项的样本内容项信息、该样本用户对该至少一个样本内容项的样本体验预测值以及历史行为;
基于该样本用户信息、该样本内容项信息、该样本体验预测值以及该历史行为,对初始行为模型进行训练,得到该反馈行为模型。
在一种可能实施方式中,根据用户的用户信息和已播放的至少一个内容项的内容项信息,获取该用户对该至少一个内容项的体验预测值包括:
将该用户信息和该内容项信息输入观看体验模型,通过该观看体验模型对该用户信息和该内容项信息进行加权处理,分别预测该用户对该至少一个内容项的播放时长占比,将该播放时长占比确定为该体验预测值,一个播放时长占比用于表示该用户对一个内容项的预计播放时长与该内容项的总时长之间的比值。
在一种可能实施方式中,该方法还包括:
获取样本用户的样本用户信息以及已播放的至少一个样本内容项的样本内容项信息;
从该至少一个样本内容项中,筛选得到播放时长占比大于第一目标阈值的正样本内容项以及播放时长占比小于第二目标阈值的负样本内容项,该第一目标阈值大于或等于该第二目标阈值;
基于该样本用户信息、该正样本内容项的样本内容项信息和该负样本内容项的样本内容项信息,对初始体验模型进行训练,得到该观看体验模型。
在一种可能实施方式中,响应于该预测概率符合目标概率条件,向该用户对应的终端发送目标页面资源之前,该方法还包括:
根据该用户的周活跃信息,确定该用户的至少一个调研问题;
将该至少一个调研问题添加至该目标页面资源。
在一种可能实施方式中,根据该用户的周活跃信息,确定该用户的至少一个调研问题包括:
将该用户的周活跃信息输入多分类模型,通过该多分类模型预测该用户所属的反馈问题类别,该反馈问题类别用于表征该用户在内容项的观看过程中用户体验所遭受到的伤害类别;
基于预测得到的反馈问题类别,确定该反馈问题类别下的至少一个调研问题。
上述所有可选技术方案,可以采用任意结合形成本公开的可选实施例,在此不再一一赘述。
图3是根据一示例性实施例示出的一种反馈信息的获取方法的交互流程图,如图3所示,该反馈信息的获取方法应用于终端和服务器的交互过程中,终端和服务器均为电子设备的一种示例,该实施例包括以下步骤。
在步骤301中,服务器将用户的用户信息和已播放的至少一个内容项的内容项信息输入观看体验模型,通过该观看体验模型对该用户信息和该内容项信息进行加权处理,分别预测该用户对该至少一个内容项的播放时长占比,将该播放时长占比确定为该用户对该至少一个内容项的体验预测值。
其中,一个播放时长占比用于表示该用户对一个内容项的预计播放时长与该内容项的总时长之间的比值,以内容项为视频广告为例,则播放时长占比是指用户观看视频广告的时长占视频广告的总时长的比例。
其中,一个体验预测值用于表征该用户对已播放的一个内容项的观看体验,体验预测值越高,代表遭受到的体验伤害越低、观看体验越好,反之,体验预测值越低,代表遭受到的体验伤害越高、观看体验越差。
可选地,该用户信息可以包括用户属性信息和用户行为信息,该用户属性信息用于表示用户个人的基础属性,可以包括用户的性别、年龄、昵称、职业或者地理位置中至少一项,该用户行为信息用于表示用户在应用程序上的历史行为,可以包括对某个内容项的历史浏览行为或者对某个内容项所推荐商品的历史消费行为中至少一项。需要说明的是,本公开实施例所涉及的用户信息均为经用户授权或者经过各方充分授权的信息。
在上述过程中,该用户信息可以是存储在本地数据库中的,也可以是从云端数据库中下载得到的,当然,该用户信息还可以是终端发送至服务器的。在一些实施例中,服务器可以将用户注册账号时提交的用户属性信息存储在本地数据库中,并实时地从终端处获取到用户行为信息。
可选地,该内容项信息可以包括内容项的素材信息,素材类型可以包括视频、文案、封面或者贴纸中的至少一项,不同类型的素材以不同的组合方式进行组合后,可以形成不同的内容项,例如,对同一个视频素材、同一个封面素材以及同一个贴纸素材而言,三者与不同的文案素材进行组合后,即可以得到不同的内容项。可选地,该内容项可以是视频类的,也可以是图文类的,也即是说,每个内容项中不必包括所有类型的素材,以内容项为广告为例,视频类广告中可以包括视频、文案、封面、广告位置、贴纸、广告语,图文类广告中则可以不包括视频,而仅携带有图片、文案、广告位置、贴纸、广告语即可,本公开实施例不对内容项的类型进行具体限定。
在上述过程中,该内容项信息可以是存储在本地数据库中的,也可以是从云端数据库中下载得到的,当然,该内容项信息还可以是广告主上传至服务器的。
在上述步骤301中,服务器在获取用户信息和内容项信息之后,可以将该用户信息和该内容项信息输入观看体验模型,通过该观看体验模型对该用户信息进行特征提取,得到用户特征,通过该观看体验模型对该内容项信息进行特征提取,得到内容项特征,对该用户特征和内容项特征进行加权处理,分别预测该用户对各个内容项的播放时长占比,将用户对各个内容项的播放时长占比获取为用户对各个内容项的体验预测值。
在上述过程中,服务器可以通过观看体验模型先分别对用户信息和内容项信息进行特征提取,再基于提取到的用户特征和内容项特征获取各个体验预测值,此时可以认为观看体验模型中包括特征提取部分和预测部分,上述两部分可以分别采用独立的机器学习子模型,也可以采用一个整体的编解码模型(其中编码部分为特征提取部分、解码部分为预测部分),本公开实施例不对观看体验模型的类型进行具体限定。例如,该观看体验模型可以是CNN(Convolutional Neural Networks,卷积神经网络)、DNN(Deep Neural Networks,深度神经网络)、LSTM(Long Short-Term Memory,长短期记忆网络)等。
在上述过程中,服务器根据用户的用户信息和已播放的至少一个内容项的内容项信息,获取该用户对该至少一个内容项的体验预测值。在一些实施例中,特征提取部分也可以不作为观看体验模型的子模型,而是作为观看体验模型的前置网络,此时,服务器在获取用户信息和内容项信息之后,通过用户特征提取网络对该用户信息进行特征提取,得到用户特征,通过内容项特征提取网络对该内容项信息进行特征提取,得到内容项特征,将用户特征和内容项特征输入到观看体验模型中,通过观看体验模型对该用户特征和内容项特征进行加权处理,分别预测该用户对各个内容项的播放时长占比,将用户对各个内容项的播放时长占比获取为用户对各个内容项的体验预测值。可选地,用户特征提取网络或者内容项特征提取网络可以是任意的机器学习模型,比如CNN、DNN、LSTM等,这里不做赘述。
在一些实施例中,除了采用机器学习模型提取用户特征、内容项特征之外,还可以采用独热(one-hot)编码的方式提取用户特征或者内容项特征中至少一项,当然,还可以通过词向量嵌入(embedding)的方式提取用户特征或者内容项特征中至少一项,本公开实施例不对具体地特征提取方式进行限定。
需要说明的是,服务器在调用观看体验模型获取体验预测值之前,可以通过下述方式来训练观看体验模型:获取样本用户的样本用户信息以及已播放的至少一个样本内容项的样本内容项信息;从该至少一个样本内容项中,筛选得到播放时长占比大于第一目标阈值的正样本内容项以及播放时长占比小于第二目标阈值的负样本内容项,该第一目标阈值大于或等于该第二目标阈值;基于该样本用户信息、该正样本内容项的样本内容项信息和该负样本内容项的样本内容项信息,对初始体验模型进行训练,得到该观看体验模型。其中,该第一目标阈值为任一大于或等于0且小于或等于1的数值,该第二目标阈值为任一大于或等于0且小于或等于1的数值。
在上述过程中,服务器在采集样本用户信息和样本内容项信息之后,需要对样本内容项进行筛选,筛选出具有代表性的正样本内容项(简称为“正样本”)和负样本内容项(简称为“负样本”),基于样本用户信息、筛选得到的正样本以及负样本,对初始体验模型进行迭代训练,当不符合停止训练条件时,调整初始体验模型的参数,迭代执行训练步骤,直到符合停止训练条件时,得到观看体验模型。
可选地,该停止训练条件可以是损失函数值小于第三目标阈值,该停止训练条件也可以是迭代次数大于第一目标次数,该第三目标阈值可以是任一大于或等于0且小于或等于1的数值,该第一目标次数可以是任一大于或等于1的整数。
在一个示例性场景中,假设第一目标阈值为0.8,第二目标阈值为0.2,此时根据用户对各个样本内容项的播放时长占比,可以将播放时长占比大于0.8的样本内容项划分为正样本内容项,此类正样本内容项对应的标签可以设置为“长时播放”,将播放时长占比小于0.2的样本内容项划分为负样本内容项,此类负样本内容项对应的标签可以设置为“短时播放”,从而训练一个二分类模型作为观看体验模型,该二分类模型用于鉴别待预测的内容项属于“短时播放”标签还是属于“长时播放”标签。
在上述过程中,由于用户的播放时长占比能够直观地反映出用户的观看体验,因此,用户对某个内容项的播放时长占比越长,可以认为用户对该内容项的观看体验越好,其体验预测值就应该越大,通过训练出观看体验模型,能够精准预测出用户对任一内容项的体验预测值,从而完成对用户体验的伤害量化。
换言之,能够最直观的反映出用户的观看体验的指标就是用户的播放时长占比,用户的播放时长占比可以在不同维度上进行量化,比如在时间维度上可以量化到天粒度、周粒度、月粒度,比如在行为维度上可以量化到每次登录、每次刷新、每次观看,而恰好观看体验模型就能够预测出“每次观看”这一维度上的用户体验,从而及时感知用户体验是否遭受到伤害。例如,假设大多数用户都在一个视频广告上观看了T(T≥0)秒,而假设存在一个目标用户在该视频广告的观看时长远小于T秒,那么很大概率说明该目标用户的观看体验遭受到了伤害,如果用户的观看体验伤害不断累积,那么最终会导致用户退出应用程序,甚至直接造成用户流失,因此需要及时收集到用户的反馈信息(其中负反馈信息尤为重要),执行下述步骤302。
在步骤302中,服务器将该用户信息、该内容项信息以及该体验预测值输入反馈行为模型,通过该反馈行为模型对该用户、该内容项信息以及该体验预测值进行加权处理,分别得到该用户产生至少一种反馈行为的预测概率。
其中,一个预测概率用于表征该用户产生一种反馈行为的可能性。
可选地,该至少一种反馈行为包括正常后续观看、减少后续观看或者退出应用程序中至少一项,其中,正常后续观看是指预计用户观看的视频个数与观看内容项之前相比没有显著变少,减少后续观看是指预计用户观看的视频个数与观看内容项之前存在显著变少,退出应用程序是指预计用户在观看内容项之后立即退出应用程序。
由于内容项通常是在视频中穿插播放的,因此可以通过比较用户在观看内容项前后所预计观看的视频个数的变化,从而衡量用户的反馈行为,可选地,当观看内容项之前的视频个数与预计用户观看的视频个数之间的差值大于视频数量阈值时,确定存在显著变少,该视频数量阈值为任一大于或等于1的整数。
在上述步骤302中,服务器可以将用户信息、内容项信息以及体验预测值输入到反馈行为模型中,通过该反馈行为模型对该用户信息进行特征提取,得到用户特征,通过该反馈行为模型对该内容项信息进行特征提取,得到内容项特征,通过该反馈行为模型对该体验预测值进行特征提取,得到观看体验特征,对该用户特征、内容项特征、观看体验特征进行加权处理,分别得到用户产生每种反馈行为的预测概率。
在上述过程中,服务器可以通过反馈行为模型先分别对用户信息、内容项信息和体验预测值进行特征提取,再基于提取到的用户特征、内容项特征和观看体验特征获取各个预测概率,此时可以认为反馈行为模型中包括特征提取部分和预测部分,上述两部分可以分别采用独立的机器学习子模型,也可以采用一个整体的编解码模型(其中编码部分为特征提取部分、解码部分为预测部分),本公开实施例不对反馈行为模型的类型进行具体限定。例如,该反馈行为模型可以是CNN、DNN、LSTM等。
在上述过程中,服务器根据该用户信息、该内容项信息以及该体验预测值,获取该用户产生至少一种反馈行为的预测概率。在一些实施例中,服务器还可以直接利用上述步骤301中提取到的用户特征和内容项特征,仅需要针对各个体验预测值提取观看体验特征即可,能够节省预测过程的计算量。
需要说明的是,服务器在调用反馈行为模型获取预测概率之前,可以通过下述方式来训练反馈行为模型:获取样本用户的样本用户信息、已播放的至少一个样本内容项的样本内容项信息、该样本用户对该至少一个样本内容项的样本体验预测值以及历史行为;基于该样本用户信息、该样本内容项信息、该样本体验预测值以及该历史行为,对初始行为模型进行训练,得到该反馈行为模型。
在上述过程中,服务器在采集样本用户信息、样本内容项信息之后,首先,将样本用户信息和样本内容项信息输入到观看体验模型中,通过该观看体验模型输出样本用户对各个样本内容项的样本体验预测值,其次,选择样本用户的历史会话(session)数据,标注出样本用户在历史会话中的历史行为,比如,在播放某个内容项之后,历史会话中传输的视频数据量显著变少(观看内容项前后的数据量之差大于数据阈值),则历史行为可以标注为“减少后续观看”,又比如,在播放某个内容项之后,历史会话中传输的视频数据流没有显著变少(观看内容项前后的数据量之差小于或等于数据阈值),则历史行为可以标注为“正常后续观看”,又比如,在播放某个内容项之后,历史会话直接被断开连接,则历史行为可以标注为“退出应用程序”。
进一步地,服务器基于样本用户信息、样本内容项信息、样本体验预测值以及标注出的历史行为,对初始行为模型进行迭代训练,当不符合停止训练条件时,调整初始行为模型的参数,迭代执行训练步骤,直到符合停止训练条件时,得到反馈行为模型。
可选地,该停止训练条件可以是损失函数值小于第四目标阈值,该停止训练条件也可以是迭代次数大于第二目标次数,该第四目标阈值可以是任一大于或等于0且小于或等于1的数值,该第二目标次数可以是任一大于或等于1的整数。
在步骤303中,响应于该预测概率符合目标概率条件,服务器将该用户的周活跃信息输入多分类模型,通过该多分类模型预测该用户所属的反馈问题类别。
其中,该目标概率条件为该至少一种反馈行为的预测概率的加权和值大于目标概率阈值。可选地,各个反馈行为的权重以及目标概率阈值可以由技术人员预先设置。
在一些实施例中,目标概率阈值可以设置不同级别的数值,从而能够根据平台活跃度自适应地对级别进行动态调整,比如,当平台活跃度整体较高时,目标概率阈值调整为一个较高级别的数值,当平台活跃度整体较低时,目标概率阈值调整为一个较低级别的数值。
其中,该反馈问题类别用于表征该用户在内容项的观看过程中用户体验所遭受到的伤害类别。比如,该反馈问题类别可以是内容项投放数量太多、对内容项不感兴趣、内容项观感不好、封面党标题党等。
在一个示例性场景中,假设内容项为视频广告,其反馈问题类别可以划分为4类,分别为“问题分类1:平台广告太多”、“问题分类2:内容不感兴趣”、“问题分类3:视频观感不好”、“问题分类4:封面党标题党”。
其中,用户的周活跃信息用于表示用户在最近一周的活跃度信息,比如,该周活跃信息可以包括用户最近一周的活跃情况(比如在线时长)、用户最近一周的广告密度、用户最近一周的短播占比(短播即短时播放)、用户最近一周的视频理解结果分布(视频理解可以包括低观感、封面党、标题党、欺诈类等)。
在上述步骤303中,服务器可以获取各个反馈行为的权重,将各个反馈行为的预测概率分别与各个反馈行为自身的权重的相乘所得的乘积相加,得到各个预测概率的加权和值,当该加权和值大于目标概率阈值时,确定需要触发用于收集反馈信息的弹窗,此时将用户的周活跃信息输入到多分类模型中,通过该多分类模型对该周活跃信息进行加权处理,输出该用户所对应的反馈问题类别。
可选地,该多分类模型可以是GB(Gradient Boosting,梯度提升)、GBDT(GradientBoosting Decision Tree,梯度提升决策树)、XGBoost(eXtreme Gradient Boosting,极限梯度提升)等。
在一个示例性场景中,针对3种不同的反馈行为“正常后续观看”、“减少后续观看”、“退出应用程序”,其对应的权重和预测概率如下表1所示。
表1
反馈行为 | 编号 | 权重 | 预测概率 |
正常后续观看 | 1 | W1 | P1 |
减少后续观看 | 2 | W2 | P2 |
退出应用程序 | 3 | W3 | P3 |
假设目标概率阈值为η,那么目标概率条件可以表示为下述公式:
其中,Wk表示第k种反馈行为的权重,Pk表示第k种反馈行为的预测概率,1≤k≤3。
在上述过程中,由于不同的用户所感受到的伤害用户体验的问题是不尽相同的,通过该多分类模型来预测与用户最为匹配的反馈问题类别,能够根据反馈问题类别选择出最合适的调研问题,从而在弹窗(也即反馈信息的采集窗口)中展示调研问题,能够针对用户最有可能遇到的问题进行有针对性的弹窗提问,这样能够收集到最有效的反馈信息。
需要说明的是,服务器在调用多分类模型对反馈问题类别进行分类处理之前,可以通过下述方式来训练多分类模型:前期通过随机发放调查问卷的方式,收集用户的大量反馈信息,在调查问卷中提示用户结合自身近期的主观感受选择出问题最严重的一个问题类别。基于问卷反馈结果,统计各个用户的周活跃信息以及各个用户在调查问卷中选择出的问题类别,可以得到一组训练样本,表示为{Xi,yi}1≤i≤N,其中Xi表示第i个用户的周活跃信息,yi表示第i个用户在调查问卷中选择的问题类别,N为用户的样本容量,基于统计得到的训练样本可以训练出上述多分类模型。
在步骤304中,服务器基于预测得到的反馈问题类别,确定该反馈问题类别下的至少一个调研问题,将该至少一个调研问题添加至目标页面资源。
其中,每个反馈问题类别下都可以对应于至少一个调研问题,可以按照反馈问题类别与调研问题之间的映射关系,将反馈问题类别与调研问题对应存储在数据库中。
其中,该目标页面资源用于提供采集反馈信息的采集窗口的页面布局信息以及该至少一个调研问题。
在上述过程中,服务器以预测得到的反馈问题类别为索引,从数据库中查询是否存在与该索引对应的索引内容,可以将该索引内容中的部分或全部调研问题获取为该至少一个调研问题,将该至少一个调研问题添加至目标页面资源。
可选地,可以将全部调研问题获取为该至少一个调研问题,或者,还可以从全部调研问题中随机抽取目标数量的调研问题获取为该至少一个调研问题,本公开实施例不对调研问题的获取方式进行具体限定。
在上述步骤303-304中,服务器根据该用户的周活跃信息,确定该用户的至少一个调研问题,再将至少一个调研问题添加至目标页面资源,在一些实施例中,服务器还可以在训练好观看体验模型、反馈行为模型以及多分类模型之后,将观看体验模型、反馈行为模型以及多分类模型均下发到终端,由终端自动判断是否到达目标概率条件,并由终端从云端数据库中获取调研问题,从而能够降低服务器的负载情况。
在步骤305中,服务器向该用户所对应的终端发送目标页面资源,该目标页面资源用于触发该终端在采集反馈信息后,反馈采集到的该反馈信息。
在上述过程中,服务器在基于上述步骤304获取到至少一个调研问题之后,还可以获取用于采集反馈信息的采集窗口的页面布局信息,该页面布局信息可以从服务器中预存一个或多个模板组中随机抽取,比如纵向排列、横向排列等,在获取到该至少一个调研问题以及该页面布局信息之后,将该至少一个调研问题和该页面布局信息封装为该目标页面资源。
在步骤306中,终端接收服务器在预测概率符合目标概率条件时发送的目标页面资源。
其中,该预测概率由服务器根据终端所对应用户的用户信息、已播放的至少一个内容项的内容项信息以及该用户对该至少一个内容项的体验预测值而获取得到。
在上述过程中,终端接收该目标页面资源,可以对该目标页面资源进行解析,得到该页面布局信息和该至少一个调研问题。
在步骤307中,终端基于该目标页面资源,显示用于采集反馈信息的采集窗口。
其中,该采集窗口的布局基于该页面布局信息确定,且在该采集窗口中展示该至少一个调研问题。
在上述过程中,终端在接收到该目标页面资源之后,解析得到该页面布局信息以及该至少一个调研问题,可以根据该页面布局信息确定采集窗口的布局,并在布局中确定用于显示调研问题的目标区域,进而在应用程序中弹出基于该布局进行显示的采集窗口,在该采集窗口中的目标区域内展示该至少一个调研问题,从而能够以弹窗的方式与用户进行实时互动。
在一些实施例中,终端也可以在应用程序播放完毕当前的视频之后,自动跳转至反馈信息的采集窗口,并在该采集窗口中的目标区域内展示该至少一个调研问题,从而能够避免对用户观看中的视频造成打扰,避免由于采集反馈信息而造成的体验伤害。
在步骤308中,终端基于该采集窗口采集该终端所对应用户的反馈信息。
在上述过程中,用户可以在该采集窗口中输入反馈信息,比如用户在采集窗口中点击各个调研问题的反馈选项,在用户作答完毕之后,终端完成反馈信息的采集,此后可以执行下述步骤309,将采集到的反馈信息发送至服务器,由服务器进行统一的数据分析。
在步骤309中,终端将采集到的反馈信息发送至服务器。
在上述过程中,终端可以将采集到的反馈信息进行压缩、加密、封装为一个资源包,将该资源包发送至服务器。
在相关技术中,通常是由每天用户首次启动应用程序时,触发随机抽样到的用户进行弹窗显示,而对于广告的负反馈行为来说,当用户在刚刚感受到体验伤害时,才能够最清晰的表达其负反馈信息,而这种在特定时间、特定行为的模式下所触发的弹窗,显然没有办法及时捕捉到用户的负反馈意愿最为强烈的时刻,并且在弹窗中展示的调研问题也是千篇一律的,无法针对不同用户定制出个性化的调研问题。
在本公开实施例中,并不采用随机抽样与周期去重结合的采集方式,而是在总体用户中,根据目标概率条件选择出需要进行弹窗的用户,这些用户的预测概率的加权和值大于目标概率阈值,意味着这些用户通常是用户体验已经受到伤害的用户或者因为体验伤害而可能流失的用户,这部分用户是亟需收集反馈信息的用户,通过量化用户的体验伤害(通过播放时长占比来量化),可以考虑到用户的流失概率,当满足到一定流失的可能性或者体验伤害到达某个阈值时,自动显示弹窗,并基于多分类模型,确定反馈问题类别,在弹窗中展示对应反馈问题类别下的预设调研问题,这样可以解决“选择哪些人进行负反馈弹窗”、“在什么时候进行负反馈弹窗”、“负反馈弹窗中显示什么问题”这三大类问题,达到针对反馈信息的高效率、高准确率的采集。
本公开实施例提供的方法,通过用户的用户信息和已播放内容项的内容项信息,获取用户对已播放内容项的体验预测值,根据该用户信息、该内容项信息以及该体验预测值,获取用户产生各种反馈行为的预测概率,在该预测概率符合目标概率条件时,向终端发送目标页面资源,触发终端在接收到目标页面资源后返回采集到的反馈信息,通过控制不同的目标概率条件,从而控制向终端发送目标页面资源的时机,也相当于控制了终端侧反馈信息的采集窗口的弹出条件,这种不基于随机抽样以及周期去重的采集方式,能够自动化地、精准地、智能地控制到选择在什么时候并向哪些用户所对应的终端下发目标页面资源,使得终端根据目标页面资源进行反馈信息的采集之后,将采集到的反馈信息返回到电子设备中,因此能够大大提升反馈信息的获取效率和准确率。
图4是根据一示例性实施例示出的一种反馈信息的获取装置的逻辑结构框图。参照图4,该装置包括第一获取单元401、第二获取单元402以及发送单元403。
第一获取单元401,被配置为执行根据用户的用户信息和已播放的至少一个内容项的内容项信息,获取该用户对该至少一个内容项的体验预测值,一个体验预测值用于表征该用户对已播放的一个内容项的观看体验;
第二获取单元402,被配置为执行根据该用户信息、该内容项信息以及该体验预测值,获取该用户产生至少一种反馈行为的预测概率,一个预测概率用于表征该用户产生一种反馈行为的可能性;
发送单元403,被配置为执行响应于该预测概率符合目标概率条件,向该用户对应的终端发送目标页面资源,该目标页面资源用于触发该终端在采集反馈信息后,返回采集到的该反馈信息。
本公开实施例提供的装置,通过用户的用户信息和已播放内容项的内容项信息,获取用户对已播放内容项的体验预测值,根据该用户信息、该内容项信息以及该体验预测值,获取用户产生各种反馈行为的预测概率,在该预测概率符合目标概率条件时,向终端发送目标页面资源,触发终端在接收到目标页面资源后返回采集到的反馈信息,通过控制不同的目标概率条件,从而控制向终端发送目标页面资源的时机,也相当于控制了终端侧反馈信息的采集窗口的弹出条件,这种不基于随机抽样以及周期去重的采集方式,能够自动化地、精准地、智能地控制到选择在什么时候并向哪些用户所对应的终端下发目标页面资源,使得终端根据目标页面资源进行反馈信息的采集之后,将采集到的反馈信息返回到电子设备中,因此能够大大提升反馈信息的获取效率和准确率。
在一种可能实施方式中,该第二获取单元402被配置为执行:
将该用户信息、该内容项信息以及该体验预测值输入反馈行为模型,通过该反馈行为模型对该用户、该内容项信息以及该体验预测值进行加权处理,分别得到该用户产生该至少一种反馈行为的预测概率。
在一种可能实施方式中,该至少一种反馈行为包括正常后续观看、减少后续观看或者退出应用程序中至少一项;该目标概率条件为该至少一种反馈行为的预测概率的加权和值大于目标概率阈值。
在一种可能实施方式中,基于图4的装置组成,该装置还包括:
第一训练单元,被配置为执行获取样本用户的样本用户信息、已播放的至少一个样本内容项的样本内容项信息、该样本用户对该至少一个样本内容项的样本体验预测值以及历史行为;基于该样本用户信息、该样本内容项信息、该样本体验预测值以及该历史行为,对初始行为模型进行训练,得到该反馈行为模型。
在一种可能实施方式中,该第一获取单元401被配置为执行:
将该用户信息和该内容项信息输入观看体验模型,通过该观看体验模型对该用户信息和该内容项信息进行加权处理,分别预测该用户对该至少一个内容项的播放时长占比,将该播放时长占比确定为该体验预测值,一个播放时长占比用于表示该用户对一个内容项的预计播放时长与该内容项的总时长之间的比值。
在一种可能实施方式中,基于图4的装置组成,该装置还包括:
第二训练单元,被配置为执行获取样本用户的样本用户信息以及已播放的至少一个样本内容项的样本内容项信息;从该至少一个样本内容项中,筛选得到播放时长占比大于第一目标阈值的正样本内容项以及播放时长占比小于第二目标阈值的负样本内容项,该第一目标阈值大于或等于该第二目标阈值;基于该样本用户信息、该正样本内容项的样本内容项信息和该负样本内容项的样本内容项信息,对初始体验模型进行训练,得到该观看体验模型。
在一种可能实施方式中,基于图4的装置组成,该装置还包括:
确定单元,被配置为执行根据该用户的周活跃信息,确定该用户的至少一个调研问题;
添加单元,被配置为执行将所述至少一个调研问题添加至所述目标页面资源。
在一种可能实施方式中,该确定单元被配置为执行:
将该用户的周活跃信息输入多分类模型,通过该多分类模型预测该用户所属的反馈问题类别,该反馈问题类别用于表征该用户在内容项的观看过程中用户体验所遭受到的伤害类别;
基于预测得到的反馈问题类别,确定该反馈问题类别下的至少一个调研问题。
关于上述实施例中的装置,其中各个单元执行操作的具体方式已经在有关该反馈信息的获取方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图5是根据一示例性实施例示出的一种反馈信息的获取装置的逻辑结构框图。参照图5,该装置包括接收单元501、显示单元502、采集单元503以及发送单元504。
接收单元501,被配置为执行接收服务器在预测概率符合目标概率条件时发送的目标页面资源,该预测概率由该服务器根据终端所对应用户的用户信息、已播放的至少一个内容项的内容项信息以及该用户对该至少一个内容项的体验预测值而获取得到;
显示单元502,被配置为执行基于该目标页面资源,显示用于采集反馈信息的采集窗口;
采集单元503,被配置为执行基于该采集窗口采集该终端所对应用户的反馈信息;
发送单元504,被配置为执行将采集到的该反馈信息发送至该服务器。
本公开实施例提供的装置,通过接收服务器在预测概率符合目标概率条件时发送的目标页面资源,由于该预测概率由该服务器根据终端所对应用户的用户信息、已播放的至少一个内容项的内容项信息以及该用户对该至少一个内容项的体验预测值而获取得到,也即是说服务器可以通过控制不同的目标概率条件,从而控制向终端发送目标页面资源的时机,也相当于控制了终端侧反馈信息的采集窗口的弹出条件,终端基于该目标页面资源,显示用于采集反馈信息的采集窗口,基于该采集窗口采集该终端所对应用户的反馈信息,将采集到的反馈信息发送至服务器,这种不基于随机抽样以及周期去重的采集方式,能够自动化地、精准地、智能地控制到服务器选择在什么时候并向哪些用户所对应的终端下发目标页面资源,也即控制了终端在何时会接收到目标页面资源,使得终端根据目标页面资源进行反馈信息的采集之后,将采集到的反馈信息返回到服务器中,因此能够大大提升反馈信息的获取效率和准确率。
关于上述实施例中的装置,其中各个单元执行操作的具体方式已经在有关该反馈信息的获取方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图6示出了本公开一个示例性实施例提供的一种终端的结构框图,该终端也即是一种电子设备的示例。该终端600可以是:智能手机、平板电脑、MP3播放器(Moving PictureExperts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(MovingPicture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、笔记本电脑或台式电脑。终端600还可能被称为用户设备、便携式终端、膝上型终端、台式终端等其他名称。
通常,终端600包括有:处理器601和存储器602。
处理器601可以包括一个或多个处理核心,比如4核心处理器、8核心处理器等。处理器601可以采用DSP(Digital Signal Processing,数字信号处理)、FPGA(Field-Programmable Gate Array,现场可编程门阵列)、PLA(Programmable Logic Array,可编程逻辑阵列)中的至少一种硬件形式来实现。处理器601也可以包括主处理器和协处理器,主处理器是用于对在唤醒状态下的数据进行处理的处理器,也称CPU(Central ProcessingUnit,中央处理器);协处理器是用于对在待机状态下的数据进行处理的低功耗处理器。在一些实施例中,处理器601可以在集成有GPU(Graphics Processing Unit,图像处理器),GPU用于负责显示屏所需要显示的内容的渲染和绘制。一些实施例中,处理器601还可以包括AI(Artificial Intelligence,人工智能)处理器,该AI处理器用于处理有关机器学习的计算操作。
存储器602可以包括一个或多个计算机可读存储介质,该计算机可读存储介质可以是非暂态的。存储器602还可包括高速随机存取存储器,以及非易失性存储器,比如一个或多个磁盘存储设备、闪存存储设备。在一些实施例中,存储器602中的非暂态的计算机可读存储介质用于存储至少一个指令,该至少一个指令用于被处理器601所执行以实现本公开中各个实施例提供的反馈信息的获取方法。
在一些实施例中,终端600还可选包括有:外围设备接口603和至少一个外围设备。处理器601、存储器602和外围设备接口603之间可以通过总线或信号线相连。各个外围设备可以通过总线、信号线或电路板与外围设备接口603相连。具体地,外围设备包括:射频电路604、触摸显示屏605、摄像头组件606、音频电路607、定位组件608和电源609中的至少一种。
外围设备接口603可被用于将I/O(Input/Output,输入/输出)相关的至少一个外围设备连接到处理器601和存储器602。在一些实施例中,处理器601、存储器602和外围设备接口603被集成在同一芯片或电路板上;在一些其他实施例中,处理器601、存储器602和外围设备接口603中的任意一个或两个可以在单独的芯片或电路板上实现,本实施例对此不加以限定。
射频电路604用于接收和发射RF(Radio Frequency,射频)信号,也称电磁信号。射频电路604通过电磁信号与通信网络以及其他通信设备进行通信。射频电路604将电信号转换为电磁信号进行发送,或者,将接收到的电磁信号转换为电信号。可选地,射频电路604包括:天线系统、RF收发器、一个或多个放大器、调谐器、振荡器、数字信号处理器、编解码芯片组、用户身份模块卡等等。射频电路604可以通过至少一种无线通信协议来与其它终端进行通信。该无线通信协议包括但不限于:城域网、各代移动通信网络(2G、3G、4G及5G)、无线局域网和/或WiFi(Wireless Fidelity,无线保真)网络。在一些实施例中,射频电路604还可以包括NFC(Near Field Communication,近距离无线通信)有关的电路,本公开对此不加以限定。
显示屏605用于显示UI(User Interface,用户界面)。该UI可以包括图形、文本、图标、视频及其它们的任意组合。当显示屏605是触摸显示屏时,显示屏605还具有采集在显示屏605的表面或表面上方的触摸信号的能力。该触摸信号可以作为控制信号输入至处理器601进行处理。此时,显示屏605还可以用于提供虚拟按钮和/或虚拟键盘,也称软按钮和/或软键盘。在一些实施例中,显示屏605可以为一个,设置终端600的前面板;在另一些实施例中,显示屏605可以为至少两个,分别设置在终端600的不同表面或呈折叠设计;在再一些实施例中,显示屏605可以是柔性显示屏,设置在终端600的弯曲表面上或折叠面上。甚至,显示屏605还可以设置成非矩形的不规则图形,也即异形屏。显示屏605可以采用LCD(LiquidCrystal Display,液晶显示屏)、OLED(Organic Light-Emitting Diode,有机发光二极管)等材质制备。
摄像头组件606用于采集图像或视频。可选地,摄像头组件606包括前置摄像头和后置摄像头。通常,前置摄像头设置在终端的前面板,后置摄像头设置在终端的背面。在一些实施例中,后置摄像头为至少两个,分别为主摄像头、景深摄像头、广角摄像头、长焦摄像头中的任意一种,以实现主摄像头和景深摄像头融合实现背景虚化功能、主摄像头和广角摄像头融合实现全景拍摄以及VR(Virtual Reality,虚拟现实)拍摄功能或者其它融合拍摄功能。在一些实施例中,摄像头组件606还可以包括闪光灯。闪光灯可以是单色温闪光灯,也可以是双色温闪光灯。双色温闪光灯是指暖光闪光灯和冷光闪光灯的组合,可以用于不同色温下的光线补偿。
音频电路607可以包括麦克风和扬声器。麦克风用于采集用户及环境的声波,并将声波转换为电信号输入至处理器601进行处理,或者输入至射频电路604以实现语音通信。出于立体声采集或降噪的目的,麦克风可以为多个,分别设置在终端600的不同部位。麦克风还可以是阵列麦克风或全向采集型麦克风。扬声器则用于将来自处理器601或射频电路604的电信号转换为声波。扬声器可以是传统的薄膜扬声器,也可以是压电陶瓷扬声器。当扬声器是压电陶瓷扬声器时,不仅可以将电信号转换为人类可听见的声波,也可以将电信号转换为人类听不见的声波以进行测距等用途。在一些实施例中,音频电路607还可以包括耳机插孔。
定位组件608用于定位终端600的当前地理位置,以实现导航或LBS(LocationBased Service,基于位置的服务)。定位组件608可以是基于美国的GPS(GlobalPositioning System,全球定位系统)、中国的北斗系统、俄罗斯的格雷纳斯系统或欧盟的伽利略系统的定位组件。
电源609用于为终端600中的各个组件进行供电。电源609可以是交流电、直流电、一次性电池或可充电电池。当电源609包括可充电电池时,该可充电电池可以支持有线充电或无线充电。该可充电电池还可以用于支持快充技术。
在一些实施例中,终端600还包括有一个或多个传感器610。该一个或多个传感器610包括但不限于:加速度传感器611、陀螺仪传感器612、压力传感器613、指纹传感器614、光学传感器615以及接近传感器616。
加速度传感器611可以检测以终端600建立的坐标系的三个坐标轴上的加速度大小。比如,加速度传感器611可以用于检测重力加速度在三个坐标轴上的分量。处理器601可以根据加速度传感器611采集的重力加速度信号,控制触摸显示屏605以横向视图或纵向视图进行用户界面的显示。加速度传感器611还可以用于游戏或者用户的运动数据的采集。
陀螺仪传感器612可以检测终端600的机体方向及转动角度,陀螺仪传感器612可以与加速度传感器611协同采集用户对终端600的3D动作。处理器601根据陀螺仪传感器612采集的数据,可以实现如下功能:动作感应(比如根据用户的倾斜操作来改变UI)、拍摄时的图像稳定、游戏控制以及惯性导航。
压力传感器613可以设置在终端600的侧边框和/或触摸显示屏605的下层。当压力传感器613设置在终端600的侧边框时,可以检测用户对终端600的握持信号,由处理器601根据压力传感器613采集的握持信号进行左右手识别或快捷操作。当压力传感器613设置在触摸显示屏605的下层时,由处理器601根据用户对触摸显示屏605的压力操作,实现对UI界面上的可操作性控件进行控制。可操作性控件包括按钮控件、滚动条控件、图标控件、菜单控件中的至少一种。
指纹传感器614用于采集用户的指纹,由处理器601根据指纹传感器614采集到的指纹识别用户的身份,或者,由指纹传感器614根据采集到的指纹识别用户的身份。在识别出用户的身份为可信身份时,由处理器601授权该用户执行相关的敏感操作,该敏感操作包括解锁屏幕、查看加密信息、下载软件、支付及更改设置等。指纹传感器614可以被设置终端600的正面、背面或侧面。当终端600上设置有物理按键或厂商Logo时,指纹传感器614可以与物理按键或厂商Logo集成在一起。
光学传感器615用于采集环境光强度。在一个实施例中,处理器601可以根据光学传感器615采集的环境光强度,控制触摸显示屏605的显示亮度。具体地,当环境光强度较高时,调高触摸显示屏605的显示亮度;当环境光强度较低时,调低触摸显示屏605的显示亮度。在另一个实施例中,处理器601还可以根据光学传感器615采集的环境光强度,动态调整摄像头组件606的拍摄参数。
接近传感器616,也称距离传感器,通常设置在终端600的前面板。接近传感器616用于采集用户与终端600的正面之间的距离。在一个实施例中,当接近传感器616检测到用户与终端600的正面之间的距离逐渐变小时,由处理器601控制触摸显示屏605从亮屏状态切换为息屏状态;当接近传感器616检测到用户与终端600的正面之间的距离逐渐变大时,由处理器601控制触摸显示屏605从息屏状态切换为亮屏状态。
本领域技术人员可以理解,图5中示出的结构并不构成对终端600的限定,可以包括比图示更多或更少的组件,或者组合某些组件,或者采用不同的组件布置。
图7是本公开实施例提供的一种服务器的结构示意图,该服务器也即是电子设备的一种示例,该服务器700可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(Central Processing Units,CPU)701和一个或一个以上的存储器702,其中,该存储器702中存储有至少一条程序代码,该至少一条程序代码由该处理器701加载并执行以实现上述各个实施例提供的反馈信息的获取方法。当然,该服务器700还可以具有有线或无线网络接口、键盘以及输入输出接口等部件,以便进行输入输出,该服务器700还可以包括其他用于实现设备功能的部件,在此不做赘述。
在示例性实施例中,还提供了一种包括至少一条指令的存储介质,例如包括至少一条指令的存储器,上述至少一条指令可由电子设备中的处理器执行以完成上述实施例中反馈信息的获取方法。可选地,上述存储介质可以是非临时性计算机可读存储介质,例如,该非临时性计算机可读存储介质可以包括ROM(Read-Only Memory,只读存储器)、RAM(Random-Access Memory,随机存取存储器)、CD-ROM(Compact Disc Read-Only Memory,只读光盘)、磁带、软盘和光数据存储设备等。
在示例性实施例中,还提供了一种计算机程序产品,包括一条或多条指令,该一条或多条指令可以由电子设备的处理器执行,以完成上述各个实施例提供的反馈信息的获取方法。
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)
1.一种反馈信息的获取方法,其特征在于,包括:
根据用户的用户信息和已播放的至少一个内容项的内容项信息,获取所述用户对所述至少一个内容项的体验预测值,一个体验预测值用于表征所述用户对已播放的一个内容项的观看体验;
根据所述用户信息、所述内容项信息以及所述体验预测值,获取所述用户产生至少一种反馈行为的预测概率,一个预测概率用于表征所述用户产生一种反馈行为的可能性;
响应于所述预测概率符合目标概率条件,向所述用户对应的终端发送目标页面资源,所述目标页面资源用于触发所述终端在采集反馈信息后,返回采集到的所述反馈信息。
2.根据权利要求1所述的反馈信息的获取方法,其特征在于,所述根据所述用户信息、所述内容项信息以及所述体验预测值,获取所述用户产生至少一种反馈行为的预测概率包括:
将所述用户信息、所述内容项信息以及所述体验预测值输入反馈行为模型,通过所述反馈行为模型对所述用户、所述内容项信息以及所述体验预测值进行加权处理,分别得到所述用户产生所述至少一种反馈行为的预测概率。
3.根据权利要求1所述的反馈信息的获取方法,其特征在于,所述根据用户的用户信息和已播放的至少一个内容项的内容项信息,获取所述用户对所述至少一个内容项的体验预测值包括:
将所述用户信息和所述内容项信息输入观看体验模型,通过所述观看体验模型对所述用户信息和所述内容项信息进行加权处理,分别预测所述用户对所述至少一个内容项的播放时长占比,将所述播放时长占比确定为所述体验预测值,一个播放时长占比用于表示所述用户对一个内容项的预计播放时长与所述内容项的总时长之间的比值。
4.根据权利要求1所述的反馈信息的获取方法,其特征在于,所述响应于所述预测概率符合目标概率条件,向所述用户对应的终端发送目标页面资源之前,所述方法还包括:
根据所述用户的周活跃信息,确定所述用户的至少一个调研问题;
将所述至少一个调研问题添加至所述目标页面资源。
5.根据权利要求4所述的反馈信息的获取方法,其特征在于,所述根据所述用户的周活跃信息,确定所述用户的至少一个调研问题包括:
将所述用户的周活跃信息输入多分类模型,通过所述多分类模型预测所述用户所属的反馈问题类别,所述反馈问题类别用于表征所述用户在内容项的观看过程中用户体验所遭受到的伤害类别;
基于预测得到的反馈问题类别,确定所述反馈问题类别下的至少一个调研问题。
6.一种反馈信息的获取方法,其特征在于,应用于终端,包括:
接收服务器在预测概率符合目标概率条件时发送的目标页面资源,所述预测概率由所述服务器根据所述终端所对应用户的用户信息、已播放的至少一个内容项的内容项信息以及所述用户对所述至少一个内容项的体验预测值而获取得到;
基于所述目标页面资源,显示用于采集反馈信息的采集窗口;
基于所述采集窗口采集所述终端所对应用户的反馈信息;
将采集到的所述反馈信息发送至所述服务器。
7.一种反馈信息的获取装置,其特征在于,包括:
第一获取单元,被配置为执行根据用户的用户信息和已播放的至少一个内容项的内容项信息,获取所述用户对所述至少一个内容项的体验预测值,一个体验预测值用于表征所述用户对已播放的一个内容项的观看体验;
第二获取单元,被配置为执行根据所述用户信息、所述内容项信息以及所述体验预测值,获取所述用户产生至少一种反馈行为的预测概率,一个预测概率用于表征所述用户产生一种反馈行为的可能性;
发送单元,被配置为执行响应于所述预测概率符合目标概率条件,向所述用户对应的终端发送目标页面资源,所述目标页面资源用于触发所述终端在采集反馈信息后,返回采集到的所述反馈信息。
8.一种反馈信息的获取装置,其特征在于,包括:
接收单元,被配置为执行接收服务器在预测概率符合目标概率条件时发送的目标页面资源,所述预测概率由所述服务器根据终端所对应用户的用户信息、已播放的至少一个内容项的内容项信息以及所述用户对所述至少一个内容项的体验预测值而获取得到;
显示单元,被配置为执行基于所述目标页面资源,显示用于采集反馈信息的采集窗口;
采集单元,被配置为执行基于所述采集窗口采集所述终端所对应用户的反馈信息;
发送单元,被配置为执行将采集到的所述反馈信息发送至所述服务器。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
用于存储所述一个或多个处理器可执行指令的一个或多个存储器;
其中,所述一个或多个处理器被配置为执行所述指令,以实现如权利要求1至权利要求5中任一项或权利要求6所述的反馈信息的获取方法。
10.一种存储介质,其特征在于,当所述存储介质中的至少一条指令由电子设备的一个或多个处理器执行时,使得电子设备能够执行如权利要求1至权利要求5中任一项或权利要求6所述的反馈信息的获取方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010688601.1A CN113947418A (zh) | 2020-07-16 | 2020-07-16 | 反馈信息的获取方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010688601.1A CN113947418A (zh) | 2020-07-16 | 2020-07-16 | 反馈信息的获取方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113947418A true CN113947418A (zh) | 2022-01-18 |
Family
ID=79326520
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010688601.1A Pending CN113947418A (zh) | 2020-07-16 | 2020-07-16 | 反馈信息的获取方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113947418A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116320019A (zh) * | 2023-05-16 | 2023-06-23 | 荣耀终端有限公司 | 数据采集方法、介质以及电子设备 |
-
2020
- 2020-07-16 CN CN202010688601.1A patent/CN113947418A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116320019A (zh) * | 2023-05-16 | 2023-06-23 | 荣耀终端有限公司 | 数据采集方法、介质以及电子设备 |
CN116320019B (zh) * | 2023-05-16 | 2023-10-27 | 荣耀终端有限公司 | 数据采集方法、介质以及电子设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110149541B (zh) | 视频推荐方法、装置、计算机设备及存储介质 | |
CN110868626B (zh) | 一种内容数据预加载的方法及装置 | |
CN112862516B (zh) | 资源投放方法、装置、电子设备及存储介质 | |
CN109784351B (zh) | 行为数据分类方法、分类模型训练方法及装置 | |
CN110163066B (zh) | 多媒体数据推荐方法、装置及存储介质 | |
CN108833262B (zh) | 会话处理方法、装置、终端及存储介质 | |
CN112235635B (zh) | 动画显示方法、装置、电子设备及存储介质 | |
CN111078521A (zh) | 异常事件的分析方法、装置、设备、系统及存储介质 | |
CN111435377B (zh) | 应用推荐方法、装置、电子设备以及存储介质 | |
CN111897996A (zh) | 话题标签推荐方法、装置、设备及存储介质 | |
CN111708944A (zh) | 多媒体资源识别方法、装置、设备及存储介质 | |
CN110929159B (zh) | 资源投放方法、装置、设备及介质 | |
CN114302160B (zh) | 信息显示方法、装置、计算机设备及介质 | |
CN112131473B (zh) | 信息推荐方法、装置、设备及存储介质 | |
CN113886609A (zh) | 多媒体资源推荐方法、装置、电子设备及存储介质 | |
CN112000266B (zh) | 页面展示方法、装置、电子设备及存储介质 | |
CN111984803B (zh) | 多媒体资源处理方法、装置、计算机设备及存储介质 | |
CN113269612A (zh) | 物品推荐方法、装置、电子设备及存储介质 | |
CN113947418A (zh) | 反馈信息的获取方法、装置、电子设备及存储介质 | |
CN112258240A (zh) | 内容展示方法、装置、终端、服务器以及存储介质 | |
CN112235609B (zh) | 内容项数据播放方法、装置、计算机设备及存储介质 | |
CN114780181B (zh) | 资源显示方法、装置、计算机设备及介质 | |
CN113987326B (zh) | 资源推荐方法、装置、计算机设备及介质 | |
CN113377976B (zh) | 资源搜索方法、装置、计算机设备及存储介质 | |
CN114385854A (zh) | 资源推荐方法、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 |