CN115131103A - 数据处理方法、终端、服务器、电子设备及存储介质 - Google Patents
数据处理方法、终端、服务器、电子设备及存储介质 Download PDFInfo
- Publication number
- CN115131103A CN115131103A CN202210783571.1A CN202210783571A CN115131103A CN 115131103 A CN115131103 A CN 115131103A CN 202210783571 A CN202210783571 A CN 202210783571A CN 115131103 A CN115131103 A CN 115131103A
- Authority
- CN
- China
- Prior art keywords
- bill
- page
- tag
- server
- lading
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 33
- 238000000034 method Methods 0.000 claims abstract description 36
- 230000004044 response Effects 0.000 claims abstract description 11
- 230000036316 preload Effects 0.000 claims abstract description 10
- 238000004590 computer program Methods 0.000 claims description 16
- 230000000875 corresponding effect Effects 0.000 description 45
- 238000010586 diagram Methods 0.000 description 7
- 238000000605 extraction Methods 0.000 description 6
- 238000004891 communication Methods 0.000 description 5
- 230000001976 improved effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000008093 supporting effect Effects 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 235000021168 barbecue Nutrition 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000004984 smart glass Substances 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0633—Lists, e.g. purchase orders, compilation or processing
-
- 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
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
- G06F16/9574—Browsing optimisation, e.g. caching or content distillation of access to content, e.g. by caching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- General Business, Economics & Management (AREA)
- Biophysics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Economics (AREA)
- Computational Linguistics (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种数据处理方法、终端、服务器、电子设备及计算机可读存储介质，涉及计算机领域。该方法包括：响应于在目标应用程序中更新待提单商品的选货操作，确定对象的标签，对象包括店铺或购物者中的至少一种，标签用于表示对象是否具备预加载提单页面的权限；若根据标签确定具备预加载提单页面的权限，则确定进入提单页面的概率，若概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据。本申请实施例相比现有技术进一步提升了判断是否预加载提单页面的准确率，节约资源投入，并且增加了商业化的支持，为实现无感加载提单页面奠定了基础，保证了购物者的良好体验。
Description
技术领域
本申请涉及计算机技术领域，具体而言，本申请涉及一种数据处理方法、终端、服务器、电子设备及存储介质。
背景技术
当购物者在目标应用程序中更新待提单商品时，若能够及时响应，预先加载更新后的提单页数据，那么购物者在进入提单页面时就可以根据预先加载的提单页数据生成提单页面，相比购物者在确定进入提单页面时才加载提单页数据，可以显著提高生成提单页面的速度，给购物者带来良好的使用体验。
但是，相关技术中在每次购物者更新待提单商品时都预加载提单页数据，会明显提升预加载数据的流量，造成服务器的压力，并且由于并不是购物者每次更新待提单数据时都会进入提单页面，因此每次更新待提单商品时都预加载提单页会造成流量浪费。
发明内容
本申请实施例提供了一种数据处理方法、终端、服务器、电子设备及存储介质，可以解决现有技术的上述问题。所述技术方案如下：
根据本申请实施例的一个方面，提供了一种数据处理方法，应用于终端，包括：
响应于在目标应用程序中更新待提单商品的选货操作，确定对象的标签，所述对象包括店铺或购物者中的至少一种，所述标签用于表示所述对象是否具备预加载提单页面的权限；
若根据所述标签确定具备预加载提单页面的权限，则确定进入提单页面的概率，若所述概率大于预设值，则向服务器请求与所述选货操作对应的提单页面的页面数据。
作为一种可选的实施方式，确定进入提单页面的概率，包括：
获取所述购物者在所述目标应用程序的至少一次运行期间的操作信息；
将所述操作信息输入至预先存储在本地的提单预测模型，获得所述提单预测模型输出的进入提单页面的概率；
其中，所述提单预测模型是根据第一预测模型确定，所述第一预测模型是以样本购物者在所述目标应用程序至少一次运行期间的操作信息为训练样本，以所述样本购物者在目标应用程序中触发加购商品的加购操作后，是否进入提单页面为样本标签训练而成的。
作为一种可选的实施方式，所述向服务器请求与所述选货操作对应的提单页面的页面数据，之后还包括：
接收并缓存所述服务器返回的所述页面数据；
响应于触发进入提单页面的结算操作，根据缓存的所述页面数据加载所述提单页面。
作为一种可选的实施方式，所述向服务器请求与所述选货操作对应的提单页面的页面数据，包括：
确定所述选货操作的时间戳以及更新后的待提单商品的商品信息；
向所述服务器发送页面数据获取请求，所述页面数据获取请求包括所述选货操作的时间戳以及更新后的待提单商品的商品信息；
所述接收并缓存所述服务器返回的所述页面数据，还包括：接收并缓存所述服务器返回的所述页面数据对应的选货操作的时间戳；
所述根据缓存的所述页面数据加载所述提单页面，包括：
确定所述选货操作的时间戳，根据与所述时间戳对应的页面数据加载所述提单页面。
作为一种可选的实施方式，所述确定对象的标签，包括：
若确定本地不存在所述对象的标签，则向所述服务器发送标签获取请求，所述标签获取请求包括所述店铺的唯一标识或购物者的唯一标识中的至少一种；
根据接收到所述服务器返回的所述对象的标签，将所述标签保存至本地。
作为一种可选的实施方式，所述将所述操作信息输入至预先存储在本地的提单预测模型，之前还包括获得所述提单预测模型的步骤：
周期性接收服务器发送的第二预测模型，所述第二预测模型是所述服务器对当前周期的第一服务器进行压缩后获得的；
根据本地存储的所述购物者在所述目标应用程序至少一次运行期间的操作信息为训练样本，以所述购物者在目标应用程序中触发加购商品的加购操作后，是否进入提单页面为样本标签对所述第二预测模型的参数进行调整，将调整后的第二预测模型作为当前周期的提单预测模型。
作为一种可选的实施方式，数据处理方法还包括：
将所述当前周期的提单预测模型的参数发送至所述服务器，以使得所述服务器根据所述提单预测模型的参数调整当前周期的第一预测模型的参数，将调整后的第一预测模型作为下一个周期的第一预测模型。
作为一种可选的实施方式，所述向服务器请求与所述选货操作对应的提单页面的页面数据，包括：
若确定所述选货操作后的待提单商品符合预设条件，则向服务器请求与所述选货操作对应的提单页面的页面数据。
根据本申请实施例的一个方面，提供了一种数据处理方法，应用于服务器，包括：
接收终端响应于在目标应用程序中更新待提单商品的选货操作，发送的标签获取请求，标签获取请求包括对象的唯一标识，对象包括店铺或购物者中的至少一种；
若检索到与对象的唯一标识对应的标签，则将标签返回终端，标签用于表示对象是否具备预加载提单页面的权限，以使得终端若根据标签确定具备预加载提单页面的权限，则确定进入提单页面的概率，若概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据。
作为一种可选的实施方式，将所述标签返回所述终端，之前还包括：
确定预设时间段内加载提单页面的流量峰值、流量缓冲值以及流量瞬时值；
若确定所述流量瞬时值小于所述流量峰值，则将所述流量缓冲值与所述流量瞬时值的差，作为预加载提单页面的流量。
作为一种可选的实施方式，数据处理方法还包括：
以样本购物者在所述目标应用程序至少一次运行期间的操作信息为训练样本，以所述样本购物者在目标应用程序中触发加购商品的加购操作后，是否进入提单页面为样本标签训练初始模型，获得第一预测模型；
对所述第一预测模型进行压缩，将压缩后的第一预测模型作为第二预测模型发送至终端，以使得所述终端根据所述第二预测模型获得提单预测模型。
作为一种可选的实施方式，所述将压缩后的第一预测模型作为第二预测模型发送至终端，之后还包括：
接收所述终端发送的所述提单预测模型的参数，根据所述参数调整当前周期的第一预测模型的参数，将调整后的第一预测模型作为下一个周期的第一预测模型。
根据本申请实施例的另一个方面，提供了一种终端，该终端包括：
标签确定模块，用于响应于在目标应用程序中更新待提单商品的选货操作，确定对象的标签，对象包括店铺或购物者中的至少一种，标签用于表示对象是否具备预加载提单页面的权限；
页面请求模块，用于若根据标签确定具备预加载提单页面的权限，则确定进入提单页面的概率，若概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据。
根据本申请实施例的另一个方面，提供了一种服务器，该服务器包括：
标签请求接收模块，用于接收终端响应于在目标应用程序中更新待提单商品的选货操作，发送的标签获取请求，标签获取请求包括对象的唯一标识，对象包括店铺或购物者中的至少一种；
标签返回模块，用于若检索到与对象的唯一标识对应的标签，则将标签返回终端，标签用于表示对象是否具备预加载提单页面的权限，以使得终端若根据标签确定具备预加载提单页面的权限，则确定进入提单页面的概率，若概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据。
根据本申请实施例的另一个方面，提供了一种电子设备，该电子设备包括存储器、处理器及存储在存储器上的计算机程序，处理器执行计算机程序以实现上述方面的数据处理方法的步骤。
根据本申请实施例的再一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方面的数据处理方法的步骤。
本申请实施例提供的技术方案带来的有益效果是：
响应于在目标应用程序中更新待提单商品的选货操作，确定对象的标签，本申请的标签用于表示对象是否具备预加载提单页面的权限，本申请的对象包括店铺或购物者中的至少一种，实现从多个维度预判是否预加载提单页面，相比现有技术进一步提升了判断是否预加载提单页面的准确率，节约资源投入，并且增加了商业化的支持，在通过标签确定具备预加载提单页面的权限后，则进一步计算进入提单页面的概率，如果该概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据。本申请实施例通过先后基于标签和进入提单页面的概率来确定是否向服务器请求页面数据，既能够降低预加载提单页面的次数和流量，同时还能更准确地预测出是否适合预加载提单页面，为实现无感加载提单页面奠定了基础，保证了购物者的良好体验。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对本申请实施例描述中所需要使用的附图作简单地介绍。
图1为本申请实施例提供的实现数据处理方法的系统架构示意图；
图2为本申请实施例提供的一种种终端侧数据处理方法的流程示意图；
图3为本申请实施例提供的一种在目标应用程序更新待提单商品的示意图；
图4为本申请实施例提供的另一种终端侧的数据处理方法的流程示意图；
图5为本申请实施例提供的再一个实施例终端侧的数据处理方法的流程示意图；
图6为本申请实施例提供的一种服务器侧的数据处理方法的流程示意图
图7为本申请实施例提供的一种终端的结构示意图；
图8为本申请实施例提供的一种服务器的结构示意图；
图9为本申请实施例提供的一种电子设备的结构示意图。
具体实施方式
下面结合本申请中的附图描述本申请的实施例。应理解，下面结合附图所阐述的实施方式，是用于解释本申请实施例的技术方案的示例性描述，对本申请实施例的技术方案不构成限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”和“该”也可包括复数形式。应该进一步理解的是，本申请实施例所使用的术语“包括”以及“包含”是指相应特征可以实现为所呈现的特征、信息、数据、步骤、操作、元件和/或组件，但不排除实现为本技术领域所支持其他特征、信息、数据、步骤、操作、元件、组件和/或它们的组合等。应该理解，当我们称一个元件被“连接”或“耦接”到另一元件时，该一个元件可以直接连接或耦接到另一元件，也可以指该一个元件和另一元件通过中间元件建立连接关系。此外，这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的术语“和/或”指示该术语所限定的项目中的至少一个，例如“A和/或B”可以实现为“A”，或者实现为“B”，或者实现为“A和B”。
为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
本申请提供的数据处理方法、终端、电子设备、电子设备以及计算机可读存储介质，旨在解决现有技术的如上技术问题。
下面通过对几个示例性实施方式的描述，对本申请实施例的技术方案以及本申请的技术方案产生的技术效果进行说明。需要指出的是，下述实施方式之间可以相互参考、借鉴或结合，对于不同实施方式中相同的术语、相似的特征以及相似的实施步骤等，不再重复描述。
图1为本申请实施例提供的实现数据处理方法的系统架构示意图，如图所示，该系统包括终端101和服务器102，终端101通过网络103与服务器102进行通信连接。
在本实施例中，终端101可以是任何类型的移动计算设备，包括移动计算机(例如个人数字助理(PDA)、膝上型计算机、笔记本计算机、诸如平板计算机、上网本等)、移动电话(例如，蜂窝电话)、可穿戴式计算设备(例如智能手表、头戴式设备，包括智能眼镜)或其他类型的移动设备。在一些实施例中，终端101也可以是固定式计算设备，例如台式计算机、游戏机、智能电视等。
服务器102可以存储和运行可以执行本文所描述的各种方法的指令，其分别可以是单个服务器或服务器集群或云服务器，或者其中的任两个或三个可以是同一服务器或同一服务器集群或云服务器。应理解，本文所提及的服务器典型地为具有大量存储器和处理器资源的服务器计算机，但是其他实施例也是可能的。
网络103的示例包括局域网(LAN)、广域网(WAN)、个域网(PAN)、和/或诸如因特网之类的通信网络的组合。服务器102以及终端101的每一个可以包括能够通过网络103进行通信的至少一个通信接口(未示出)。这样的通信接口可以是下列各项中的一个或多个：任何类型的网络接口(例如，网络接口卡(NIC))、有线或无线(诸如IEEE 802.11无线LAN(WLAN))无线接口、以太网接口、通用串行总线(USB)接口、蜂窝网络接口、BluetoothTM接口、近场通信(NFC)接口等。
如图1所示，终端101可以包括显示屏以及可以经由显示屏与终端用户交互的终端应用。终端101可以例如经由网络103与服务器102进行交互，例如向其发送数据或从其接收数据。终端应用可以为本地应用程序、网页(Web)应用程序或者作为轻量化应用的小程序(LiteApp，例如手机小程序)。在终端应用为需要安装的本地应用程序的情况下，可以将终端应用安装在用户终端101中。在终端应用为Web应用程序的情况下，可以通过浏览器访问终端应用。在终端应用为小程序的情况下，可以通过搜索终端应用的相关信息(如终端应用的名称等)、扫描终端应用的图形码(如条形码、二维码等)等方式来在用户终端101上直接打开终端应用，而无需安装终端应用。
本申请实施例中提供了一种终端侧数据处理方法，如图2所示，该方法包括：
S101、响应于在目标应用程序中更新待提单商品的选货操作，确定对象的标签。
应当理解的是，目标应用程序可以是具有在线购物功能的应用程序，目标应用程序可以展示购物界面，购物界面中包括可以供购买的商品的信息，购物者可以通过触发购物页面上的商品的信息，实现将商品添加至购物车(也即提单)。本申请实施例的更新待提单商品的选货操作，可以包括将商品添加至购物车，也可以是将商品从购物车删除。
请参见图3，其示例性地示出了本申请实施例在目标应用程序更新待提单商品的示意图，如图所示，图3中的左图和右图分别为更新待提单商品前、后的商品展示页面，商品展示页面中的侧边可以展示不同品类的商品，本实施例中包括推荐、必买、套餐以及饮品四个品类，左图中商品1的数量为1，商品2的数量为2，商品3未展示数量，表示商品3此时不属于待提单商品，右图中商品1的数量不变，而商品2的数量为1，表示购物者将商品2减购，最终待提单商品仅剩下1个商品1和1个商品2。
本申请实施例响应选货操作，先确定对象的标签，其中，对象包括店铺或购物者中的至少一种，也就是说，本申请支持对店铺和购物者设置标签，标签用于表示对象是否具备预加载提单页面的权限。
在一些实施例中，本申请可以根据店铺的经营类型或者购物者的购物习惯设置标签。例如，若店铺的经营类型为烧烤、麻辣烫等，由于这类经营类型的成品需要由用户挑选较多的食材，因此普遍存在频繁更新提单商品的情况，可以针对这类店铺的标签设置为不具备预加载提单页面的权限。而对于饮品、炒菜等经营类型，用户选购的即是最终成品，因此可以针对这类店铺的标签设置为具备预加载提单页面的权限。
对于购物者来说，若确定该购物者在预设时间段内下单的次数超过次数阈值，则认为该购物者为目标应用程序的频繁使用者，从而可以对该购物者的标签设置具备预加载提单页面的权限。相反地，若某一个购物者的使用频率并不高，则可以对该购物者的标签设置不具备预加载提单页面的权限。
本申请实施例中对象标签的生成可以由终端进行，也可以由服务器进行，当由终端进行时，响应于购物者进入店铺的购物界面，可以通过对该购物界面中的文字信息进行识别确定该店铺的经营类型，每当购物者启动目标应用程序或者下单时，可以将相应的行为以及时间戳记录在本地，从而统计购物者的使用习惯，根据购物者的使用习惯，在终端本地定期更新购物者的标签。
当由服务器进行时，服务器可以在店铺上报/更新经营类型时，由服务器设置店铺的标签，并且可以向店铺提供支持预加载提单页面的权限的服务，增加商业化的支持，从而更合理地利用流量。当终端需要对象的标签时，可以向服务器发起请求。
S102、若根据标签确定具备预加载提单页面的权限，则确定进入提单页面的概率，若概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据。
本申请实施例的对象包括店铺和购物者中的至少一种，当存在至少一种对象具备预加载提单页面的权限时，则确定当前的选货操作具备预加载提单页面的权限。之后进一步确定购物者进入提单页面的概率，本申请实施例可以通过预先训练的神经网络模型预测该概率，利用机器学习技术进行预测可以提高预测的精确度。若概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据，以预加载提单页面。
在一些实施例中，若概率不大于预设值，则不向服务器请求与选货操作对应的提单页面的页面数据，而是在确定进入提单页面时，再向服务器请求提单页面的页面数据。
应当理解的是，终端每次都是基于最新的待提单商品向服务器请求页面数据时，例如，购物者在时刻1更新后的待提单商品包括1件商品A和2件商品B，此时确定进入提单页面的概率较低，没有向服务器请求页面数据，在后续的时刻2更新待提单商品，更新后的待提单商品为1件商品A和1件商品B，此时确定进入提单页面的概率较高，向服务器请求的页面数据是指1件商品A和1件商品B对应的提单页面。
本申请实施例的数据处理方法，响应于在目标应用程序中更新待提单商品的选货操作，确定对象的标签，本申请的标签用于表示对象是否具备预加载提单页面的权限，本申请的对象包括店铺或购物者中的至少一种，实现从多个维度预判是否预加载提单页面，相比现有技术进一步提升了判断是否预加载提单页面的准确率，节约资源投入，并且增加了商业化的支持，在通过标签确定具备预加载提单页面的权限后，则进一步计算进入提单页面的概率，如果该概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据。本申请实施例通过先后基于标签和进入提单页面的概率来确定是否向服务器请求页面数据，既能够降低预加载提单页面的次数和流量，同时还能更准确地预测出是否适合预加载提单页面，为实现无感加载提单页面奠定了基础，保证了购物者的良好体验。
在上述各实施例的基础上，作为一种可选实施例，确定进入提单页面的概率包括：
S201、获取购物者在目标应用程序的至少一次运行期间的操作信息。
具体地，本申请实施例可以获取以下至少一种操作信息：
加减购次数、店铺页面(例如商品展示页面、提单页面等)的访问次数、停留时间等等。
S202、将操作信息输入至预先存储在本地的提单预测模型，获得提单预测模型输出的进入提单页面的概率。
本申请通过终端本地的提单预测模型进行概率预测，相比将提单预测模型部署在服务器上的方式，可以做到实时预测，不需要带宽等待时间。
应当理解的是，本申请实施例的提单预测模型是根据第一预测模型确定，本申请实施例在步骤S202之前还包括训练第一预测模型的步骤，具体可通过如下方式训练得到第一预测模型：首先，收集一定数量的样本购物者在目标应用程序至少一次运行期间的操作信息，获取样本购物者在目标应用程序中触发加购商品的加购操作后，是否进入提单页面的提单行为信息，随即，基于样本购物者在目标应用程序至少一次运行期间的操作信息，以及样本购物者在目标应用程序中触发加购商品的加购操作后，是否进入提单页面的提单行为信息，对初始模型进行训练，其中，以样本购物者在目标应用程序至少一次运行期间的操作信息为训练样本，以样本购物者在目标应用程序中触发加购商品的加购操作后，是否进入提单页面为样本标签，从而得到第一预测模型。其中，初始模型可以是单一神经网络模型，也可以是多个神经网络模型的组合。
本申请实施例训练第一预测模型的步骤可以由终端执行也可以由服务器执行。
在一些实施例中，本申请实施例可以先在服务器侧根据海量的训练样本训练得到第一预测模型，再将第一预测模型进行压缩，将压缩后的模型发送至终端进行保存，从而终端可以根据压缩后的模型获得提单预测模型。压缩后的模型占用的存储空间更小，不会对终端运行造成压力，准确率虽然有所降低，但在一些实施例中，终端可以基于本地存储的使用者的操作信息，对压缩后的第一预测模型进行再次训练，将再次训练后的模型作为提单预测模型，从而兼顾准确率和占用空间。
在上述各实施例的基础上，作为一种可选实施例，将所述操作信息输入至预先存储在本地的提单预测模型，之前还包括获得所述提单预测模型的步骤：
周期性接收服务器发送的第二预测模型，所述第二预测模型是所述服务器对当前周期的第一服务器进行压缩后获得的；
根据本地存储的所述购物者在所述目标应用程序至少一次运行期间的操作信息为训练样本，以所述购物者在目标应用程序中触发加购商品的加购操作后，是否进入提单页面为样本标签对所述第二预测模型的参数进行调整，将调整后的第二预测模型作为当前周期的提单预测模型。
在上述各实施例的基础上，作为一种可选实施例，还包括：
将所述当前周期的提单预测模型的参数发送至所述服务器，以使得所述服务器根据所述提单预测模型的参数调整当前周期的第一预测模型的参数，将调整后的第一预测模型作为下一个周期的第一预测模型。
本申请实施例通过周期性地由服务器将第一预测模型压缩得到第二预测模型，向终端发送第二预测模型，再由终端基于本地的操作信息对第二预测模型进行训练，获得当前周期的提单预测模型，终端再将提单预测模型的参数发送服务器，由服务器根据该参数优化预测模型获得下一个周期的第一预测模型，从而实现提单预测模型的不断迭代，始终将预测进入提单页面的概率的准确性保持在较高的水平。
在上述各实施例的基础上，作为一种可选实施例，向服务器请求与选货操作对应的提单页面的页面数据，之后还包括：
S301、接收并缓存服务器返回的页面数据；
S302、响应于触发进入提单页面的结算操作，根据缓存的页面数据加载提单页面。
本申请实施例通过接受并缓存服务器返回的页面数据，实现预加载提单页面，从而在触发进入提单页面的结算操作后，根据缓存的页面数据加载提单页面，可以快速向购物者展示提单页面，实现无感加载提单页面，提高使用好感。
请参见图4，其示例性地示出了本申请实施例终端侧的数据处理方法的流程示意图，如图所示，终端通过目标应用程序展示店铺的商品信息，响应于在目标应用程序中更新(图中以加购进行示意)待提单商品的选货操作，触发策略：通过服务器确定对象的标签，服务器可以预先对用户和店铺进行分类，确定对应的标签，若根据当前店铺或当前购物者的标签确定具备预加载提单页面的权限，则基于端智能(是指在移动端设备运行人工智能应用的技术)确定进入提单页面的概率，若概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据，获取到的页面数据具有一定的有效期，本申请实施例为10分钟(min)，若在10分钟内购物者触发进入提单页面的结算操作，则基于缓存的页面数据加载提单页面，实现无感加载提单页面。
在上述各实施例的基础上，作为一种可选实施例，向服务器请求与选货操作对应的提单页面的页面数据，包括：
确定选货操作的时间戳以及更新后的待提单商品的商品信息。
本申请实施例在每次用户执行选货操作后，都需要确定选货操作的时间戳以及更新后的待提单商品的商品信息，可选的商品信息可以包括价格、购买数量、备注信息等等。
进一步地，终端向服务器发送页面数据获取请求，页面数据获取请求包括选货操作的时间戳以及更新后的待提单商品的商品信息；终端接收并缓存服务器返回的页面数据，还包括：接收并缓存服务器返回的页面数据对应的选货操作的时间戳。
终端通过向服务器发送选货操作的时间戳，服务器在返回页面数据时携带对应的时间戳，这样终端在接收页面数据时，就知道页面数据是对应哪一次选货操作的。这样在根据缓存的页面数据加载提单页面时，就可以通过确定选货操作的时间戳，根据与时间戳对应的页面数据加载提单页面，解决了在使用者频繁进行选货操作时，加载的提单页面不为最近一次选货操作对应的页面数据的问题。
在上述各实施例的基础上，作为一种可选实施例，确定对象的标签，包括：
若确定本地不存在对象的标签，则向服务器发送标签获取请求，标签获取请求包括店铺的唯一标识或购物者的唯一标识中的至少一种；
根据接收到服务器返回的对象的标签，将标签保存至本地。
需要说明的是，本申请实施例的终端首先确定本地是否存储有对象的标签，若有，则直接基于本地的标签判断权限，若没有，则向服务器发送标签获取请求，标签获取请求可以包括店铺的唯一标识，也可以包括购物者的唯一标识，服务器可以根据对象的唯一标识存储相应的标签，从而在接收到标签获取请求后，根据其中的唯一标识，返回对应的标签。终端在接收到标签后，会将标签保存在本地，同时开启计时器，当计时器到时时则将标签删除，使得终端每隔一定时间就必须向服务器请求最新的标签，为支持无感加载的商业化奠定了基础。
在上述各实施例的基础上，作为一种可选实施例，向服务器请求与所述选货操作对应的提单页面的页面数据，包括：
若确定所述选货操作后的待提单商品符合预设条件，则向服务器请求与所述选货操作对应的提单页面的页面数据。
在一些情况下，商铺可能会设置一些下单必选的商品或者要求商品的数量或者价格达到一定程度，因此本申请实施例在向服务器请求与所述选货操作对应的提单页面的页面数据，先判断选货操作后的待提单商品是否符合预设条件，比如是否包含了必选的商品，若符合条件，才向服务器请求与所述选货操作对应的提单页面的页面数据，可更准确地避免无效的加载提单页，节省了流量。
请参见图5，其示例性地示出了本申请再一个实施例终端侧的数据处理方法的流程示意图，如图所示，包括：
S401、响应于在目标应用程序中更新待提单商品的选货操作，判断本地是否存在对象的标签，若不存在，则执行S402，若存在，则执行S403；
S402、向服务器发送标签获取请求，根据接收到服务器返回的对象的标签，将标签保存至本地；
S403、根据本地的标签对象判断是否具备预加载提单页面的权限，若具备，则执行S404，若不具备，则执行S409；
S404、获取购物者在目标应用程序的至少一次运行期间的操作信息，将操作信息输入至预先存储在本地的提单预测模型，获得提单预测模型输出的进入提单页面的概率；
S405、判断概率是否大于预设值，若是，则执行S406，若否，则执行S409；
S406、确定选货操作的时间戳以及更新后的待提单商品的商品信息，向服务器发送页面数据获取请求，页面数据获取请求包括选货操作的时间戳以及更新后的待提单商品的商品信息；
S407、接收并缓存服务器返回的页面数据以及页面数据对应的选货操作的时间戳；
S408、响应于触发进入提单页面的结算操作，确定选货操作的时间戳，根据与时间戳对应的页面数据加载提单页面，结束流程。
S409、响应于触发进入提单页面的结算操作，确定更新后的待提单商品的商品信息，向服务器发送页面数据获取请求，页面数据获取请求包括更新后的待提单商品的商品信息；
S410、接收服务器返回的页面数据，根据页面数据加载提单页面，结束流程。
请参见图6，其示例性地示出了本申请实施例的服务器侧的数据处理方法的流程示意图，如图所示，包括：
S601、接收终端响应于在目标应用程序中更新待提单商品的选货操作，发送的标签获取请求，标签获取请求包括对象的唯一标识，对象包括店铺或购物者中的至少一种；
S602、若检索到与对象的唯一标识对应的标签，则将标签返回终端，标签用于表示对象是否具备预加载提单页面的权限，以使得终端若根据标签确定具备预加载提单页面的权限，则确定进入提单页面的概率，若概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据。
本申请实施例的服务器接收终端发送的标签获取请求，向服务器返回标签，标签用于表示对象是否具备预加载提单页面的权限，使得终端能够根据标签初步判断是否支持无感加载，若确定具备预加载提单页面的权限，则终端进一步确定进入提单页面的概率，若概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据，本申请通过先后基于标签和进入提单页面的概率来确定是否向服务器请求页面数据，既能够降低预加载提单页面的次数和流量，同时还能更准确地预测出是否适合预加载提单页面，为实现无感加载提单页面奠定了基础，保证了购物者的良好体验。
应当理解的是，终端在进行加购、减购、进入提单页面，都涉及与服务器进行交互，而这些交互都需要服务器部署相应的流量，由于流量的使用情况是存在波动的，也即存在波峰和波谷，相关技术在服务器侧部署流量时，若采用针对全部选货操作都预加载提单页面，波峰期流量与波谷期流量相比可高达4倍的流量差，服务器的流量负担极大，且会增加相当多的成本。
为了解决现有技术的上述问题，在上述各实施例的基础上，作为一种可选实施例，将标签返回终端，之前还包括：
确定预设时间段内加载提单页面的流量峰值、流量缓冲值以及流量瞬时值；
若确定流量瞬时值小于流量峰值，则将流量缓冲值与流量瞬时值的差，作为预加载提单页面的流量。
本申请实施例通过设置流量缓存值，并进一步确定预设时间段(例如一天时间)的流量峰值和流量瞬时值，当流量瞬时值小于流量峰值时，计算流量缓存值和流量瞬时值间的差值，将该差值作为预加载提单页面的流量。
本申请实施例在流量波谷的时候，可以从总流量中较多地分出预加载提单页面所需的流量，甚至可以实现全部预加载提单页面，而在波峰时给到的预请求的量较少，通过在非高峰期释放更多的空闲流量，来增强优化的覆盖范围，提高流量的部署效益，变相支持更多的用户享受预加载服务。
在上述各实施例的基础上，作为一种可选实施例，方法还包括：
S701、以样本购物者在目标应用程序至少一次运行期间的操作信息为训练样本，以样本购物者在目标应用程序中触发加购商品的加购操作后，是否进入提单页面为样本标签训练初始模型，获得第一预测模型；
S702、对第一预测模型进行压缩，将压缩后的第一预测模型作为第二预测模型发送至终端，以使得终端根据第二预测模型获得提单预测模型。
本申请实施例由服务器侧基于训练样本和训练标签训练得到第一预测模型，考虑到预测模型的规模较大，服务器进一步第一对预测模型进行压缩，将压缩后得到的第二预测模型发送至终端。
在一些实施例中，终端可以将压缩后的第二预测模型直接作为提单预测模型进行预测概率，也可以根据本地保存的购物者的操作信息对第二预测模型进行迭代训练，将迭代训练后的第二预测模型作为提单预测模型进行预测概率。
在上述各实施例的基础上，作为一种可选实施例，服务器将压缩后的第一预测模型作为第二预测模型发送至终端，之后还包括：
接收所述终端发送的所述提单预测模型的参数，根据所述参数调整当前周期的第一预测模型的参数，将调整后的第一预测模型作为下一个周期的第一预测模型。
本申请实施例提供了一种终端，如图7所示，该终端可以包括：标签确定模块701以及页面请求模块702，其中，
标签确定模块701，用于响应于在目标应用程序中更新待提单商品的选货操作，确定对象的标签，对象包括店铺或购物者中的至少一种，标签用于表示对象是否具备预加载提单页面的权限；
页面请求模块702，用于若根据标签确定具备预加载提单页面的权限，则确定进入提单页面的概率，若概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据
本申请实施例的终端可执行本申请实施例所提供的终端侧的数据处理方法，其实现原理相类似，本申请各实施例的终端中的各模块所执行的动作是与本申请各实施例的终端侧的数据处理方法中的步骤相对应的，对于终端的各模块的详细功能描述具体可以参见前文中所示的对应方法中的描述，此处不再赘述。
本申请实施例提供了一种服务器，如图8所示，该服务器可以包括：标签请求接收模块801以及标签返回模块802，其中，
标签请求接收模块801，用于接收终端响应于在目标应用程序中更新待提单商品的选货操作，发送的标签获取请求，标签获取请求包括对象的唯一标识，对象包括店铺或购物者中的至少一种；
标签返回模块802，用于若检索到与对象的唯一标识对应的标签，则将标签返回终端，标签用于表示对象是否具备预加载提单页面的权限，以使得终端若根据标签确定具备预加载提单页面的权限，则确定进入提单页面的概率，若概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据。
本申请实施例的服务器可执行本申请实施例所提供的服务器侧的数据处理方法，其实现原理相类似，本申请各实施例的服务器中的各模块所执行的动作是与本申请各实施例的服务器侧的数据处理方法中的步骤相对应的，对于服务器的各模块的详细功能描述具体可以参见前文中所示的对应方法中的描述，此处不再赘述。
本申请实施例中提供了一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，该处理器执行上述计算机程序以实现数据处理方法的步骤，与相关技术相比可实现：
响应于在目标应用程序中更新待提单商品的选货操作，确定对象的标签，本申请的标签用于表示对象是否具备预加载提单页面的权限，本申请的对象包括店铺或购物者中的至少一种，实现从多个维度预判是否预加载提单页面，相比现有技术进一步提升了判断是否预加载提单页面的准确率，节约资源投入，并且增加了商业化的支持，在通过标签确定具备预加载提单页面的权限后，则进一步计算进入提单页面的概率，如果该概率大于预设值，则向服务器请求与选货操作对应的提单页面的页面数据。本申请实施例通过先后基于标签和进入提单页面的概率来确定是否向服务器请求页面数据，既能够降低预加载提单页面的次数和流量，同时还能更准确地预测出是否适合预加载提单页面，为实现无感加载提单页面奠定了基础，保证了购物者的良好体验。
在一个可选实施例中提供了一种电子设备，如图9所示，图9所示的电子设备4000包括：处理器4001和存储器4003。其中，处理器4001和存储器4003相连，如通过总线4002相连。可选地，电子设备4000还可以包括收发器4004，收发器4004可以用于该电子设备与其他电子设备之间的数据交互，如数据的发送和/或数据的接收等。需要说明的是，实际应用中收发器4004不限于一个，该电子设备4000的结构并不构成对本申请实施例的限定。
处理器4001可以是CPU(Central Processing Unit，中央处理器)，通用处理器，DSP(Digital Signal Processor，数据信号处理器)，ASIC(Application SpecificIntegrated Circuit，专用集成电路)，FPGA(Field Programmable Gate Array，现场可编程门阵列)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。处理器4001也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。
总线4002可包括一通路，在上述组件之间传送信息。总线4002可以是PCI(Peripheral Component Interconnect，外设部件互连标准)总线或EISA(ExtendedIndustry Standard Architecture，扩展工业标准结构)总线等。总线4002可以分为地址总线、数据总线、控制总线等。为便于表示，图9中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
存储器4003可以是ROM(Read Only Memory，只读存储器)或可存储静态信息和指令的其他类型的静态存储设备，RAM(Random Access Memory，随机存取存储器)或者可存储信息和指令的其他类型的动态存储设备，也可以是EEPROM(Electrically ErasableProgrammable Read Only Memory，电可擦可编程只读存储器)、CD-ROM(Compact DiscRead Only Memory，只读光盘)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质、其他磁存储设备、或者能够用于携带或存储计算机程序并能够由计算机读取的任何其他介质，在此不做限定。
存储器4003用于存储执行本申请实施例的计算机程序，并由处理器4001来控制执行。处理器4001用于执行存储器4003中存储的计算机程序，以实现前述方法实施例所示的步骤。
本申请实施例提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
本申请实施例还提供了一种计算机程序产品，包括计算机程序，计算机程序被处理器执行时可实现前述方法实施例的步骤及相应内容。
本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”、“1”、“2”等(如果存在)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，以便这里描述的本申请的实施例能够以除图示或文字描述以外的顺序实施。
应该理解的是，虽然本申请实施例的流程图中通过箭头指示各个操作步骤，但是这些步骤的实施顺序并不受限于箭头所指示的顺序。除非本文中有明确的说明，否则在本申请实施例的一些实施场景中，各流程图中的实施步骤可以按照需求以其他的顺序执行。此外，各流程图中的部分或全部步骤基于实际的实施场景，可以包括多个子步骤或者多个阶段。这些子步骤或者阶段中的部分或全部可以在同一时刻被执行，这些子步骤或者阶段中的每个子步骤或者阶段也可以分别在不同的时刻被执行。在执行时刻不同的场景下，这些子步骤或者阶段的执行顺序可以根据需求灵活配置，本申请实施例对此不限制。
以上所述仅是本申请部分实施场景的可选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本申请的方案技术构思的前提下，采用基于本申请技术思想的其他类似实施手段，同样属于本申请实施例的保护范畴。
Claims (10)
1.一种数据处理方法，应用于终端，其特征在于，所述方法包括：
响应于在目标应用程序中更新待提单商品的选货操作，确定对象的标签，所述对象包括店铺或购物者中的至少一种，所述标签用于表示所述对象是否具备预加载提单页面的权限；
若根据所述标签确定具备预加载提单页面的权限，则确定进入提单页面的概率，若所述概率大于预设值，则向服务器请求与所述选货操作对应的提单页面的页面数据。
2.根据权利要求1所述的方法，其特征在于，所述确定进入提单页面的概率，包括：
获取所述购物者在所述目标应用程序的至少一次运行期间的操作信息；
将所述操作信息输入至预先存储在本地的提单预测模型，获得所述提单预测模型输出的进入提单页面的概率；
其中，所述提单预测模型是根据第一预测模型确定，所述第一预测模型是以样本购物者在所述目标应用程序至少一次运行期间的操作信息为训练样本，以所述样本购物者在目标应用程序中触发加购商品的加购操作后，是否进入提单页面为样本标签训练而成的。
3.根据权利要求1所述的方法，其特征在于，所述向服务器请求与所述选货操作对应的提单页面的页面数据，之后还包括：
接收并缓存所述服务器返回的所述页面数据；
响应于触发进入提单页面的结算操作，根据缓存的所述页面数据加载所述提单页面。
4.根据权利要求2所述的方法，其特征在于，所述将所述操作信息输入至预先存储在本地的提单预测模型，之前还包括获得所述提单预测模型的步骤：
周期性接收服务器发送的第二预测模型，所述第二预测模型是所述服务器对当前周期的第一服务器进行压缩后获得的；
根据本地存储的所述购物者在所述目标应用程序至少一次运行期间的操作信息为训练样本，以所述购物者在目标应用程序中触发加购商品的加购操作后，是否进入提单页面为样本标签对所述第二预测模型的参数进行调整，将调整后的第二预测模型作为当前周期的提单预测模型。
5.一种数据处理方法，应用于服务器，其特征在于，所述方法包括：
接收终端响应于在目标应用程序中更新待提单商品的选货操作，发送的标签获取请求，所述标签获取请求包括对象的唯一标识，所述对象包括店铺或购物者中的至少一种；
若检索到与所述对象的唯一标识对应的标签，则将所述标签返回所述终端，所述标签用于表示所述对象是否具备预加载提单页面的权限，以使得所述终端若根据所述标签确定具备预加载提单页面的权限，则确定进入提单页面的概率，若所述概率大于预设值，则向所述服务器请求与所述选货操作对应的提单页面的页面数据。
6.根据权利要求5所述的方法，其特征在于，所述将所述标签返回所述终端，之前还包括：
确定预设时间段内加载提单页面的流量峰值、流量缓冲值以及流量瞬时值；
若确定所述流量瞬时值小于所述流量峰值，则将所述流量缓冲值与所述流量瞬时值的差，作为预加载提单页面的流量。
7.一种终端，其特征在于，包括：
标签确定模块，用于响应于在目标应用程序中更新待提单商品的选货操作，确定对象的标签，所述对象包括店铺或购物者中的至少一种，所述标签用于表示所述对象是否具备预加载提单页面的权限；
页面请求模块，用于若根据所述标签确定具备预加载提单页面的权限，则确定进入提单页面的概率，若所述概率大于预设值，则向服务器请求与所述选货操作对应的提单页面的页面数据。
8.一种服务器，其特征在于，包括：
标签请求接收模块，用于接收终端响应于在目标应用程序中更新待提单商品的选货操作，发送的标签获取请求，所述标签获取请求包括对象的唯一标识，所述对象包括店铺或购物者中的至少一种；
标签返回模块，用于若检索到与所述对象的唯一标识对应的标签，则将所述标签返回所述终端，所述标签用于表示所述对象是否具备预加载提单页面的权限，以使得所述终端若根据所述标签确定具备预加载提单页面的权限，则确定进入提单页面的概率，若所述概率大于预设值，则向所述服务器请求与所述选货操作对应的提单页面的页面数据。
9.一种电子设备，包括存储器、处理器及存储在存储器上的计算机程序，其特征在于，所述处理器执行所述计算机程序以实现权利要求1-6任一项所述数据处理方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的数据处理方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210783571.1A CN115131103A (zh) | 2022-06-27 | 2022-06-27 | 数据处理方法、终端、服务器、电子设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210783571.1A CN115131103A (zh) | 2022-06-27 | 2022-06-27 | 数据处理方法、终端、服务器、电子设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115131103A true CN115131103A (zh) | 2022-09-30 |
Family
ID=83381984
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210783571.1A Pending CN115131103A (zh) | 2022-06-27 | 2022-06-27 | 数据处理方法、终端、服务器、电子设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115131103A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115671716A (zh) * | 2022-12-28 | 2023-02-03 | 北京海誉动想科技股份有限公司 | 预加载实例申请的处理方法、装置、存储介质及电子设备 |
| CN116993412A (zh) * | 2023-07-06 | 2023-11-03 | 道有道科技集团股份公司 | 一种基于用户操作数据分析的智能投放系统与方法 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100211638A1 (en) * | 2007-07-27 | 2010-08-19 | Goojet | Method and device for creating computer applications |
| CN107203629A (zh) * | 2017-05-31 | 2017-09-26 | 北京京东尚科信息技术有限公司 | 页面呈现方法、系统和装置 |
| WO2020134838A1 (zh) * | 2018-12-29 | 2020-07-02 | 深圳云天励飞技术有限公司 | 权限验证方法及相关装置 |
-
2022
- 2022-06-27 CN CN202210783571.1A patent/CN115131103A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20100211638A1 (en) * | 2007-07-27 | 2010-08-19 | Goojet | Method and device for creating computer applications |
| CN107203629A (zh) * | 2017-05-31 | 2017-09-26 | 北京京东尚科信息技术有限公司 | 页面呈现方法、系统和装置 |
| WO2020134838A1 (zh) * | 2018-12-29 | 2020-07-02 | 深圳云天励飞技术有限公司 | 权限验证方法及相关装置 |
Non-Patent Citations (1)
| Title |
|---|
| 于海鹏 等: "基于Web的应用系统前端页面性能优化", 《福建电脑》, vol. 28, no. 05, 25 May 2012 (2012-05-25), pages 11 - 12 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115671716A (zh) * | 2022-12-28 | 2023-02-03 | 北京海誉动想科技股份有限公司 | 预加载实例申请的处理方法、装置、存储介质及电子设备 |
| CN116993412A (zh) * | 2023-07-06 | 2023-11-03 | 道有道科技集团股份公司 | 一种基于用户操作数据分析的智能投放系统与方法 |
| CN116993412B (zh) * | 2023-07-06 | 2024-03-01 | 道有道科技集团股份公司 | 一种基于用户操作数据分析的智能投放系统与方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105320766B (zh) | 信息推送方法和装置 | |
| CN110083334B (zh) | 模型上线的方法及装置 | |
| US20210174230A1 (en) | Service recommendation method, apparatus, and device | |
| CN115131103A (zh) | 数据处理方法、终端、服务器、电子设备及存储介质 | |
| WO2017035970A1 (zh) | 信息推送的方法和装置 | |
| CN101517967B (zh) | 网站的流量预测 | |
| CN109684575A (zh) | 网页数据的处理方法及装置、存储介质、计算机设备 | |
| CN108073605A (zh) | 一种业务数据的加载、推送、交互信息的生成方法和装置 | |
| CN108228873A (zh) | 对象推荐、发布内容推送方法、装置、存储介质和设备 | |
| CN103229205B (zh) | 信息处理装置及信息处理方法 | |
| CN112085567B (zh) | 商品推荐方法、装置、电子设备以及可读介质 | |
| CN107735766A (zh) | 用于向计算设备的用户前摄性地提供推荐的系统和方法 | |
| CN111125128B (zh) | 一种缓存更新方法、装置及系统 | |
| CN111027895A (zh) | 商品的备料预测、行为数据收集方法、装置、设备和介质 | |
| US11132710B2 (en) | System and method for personalized network content generation and redirection according to repeat behavior | |
| CN105574170A (zh) | 一种网页链接打开方法及终端 | |
| CN111899068A (zh) | 商品导购方法、装置、存储介质及计算机设备 | |
| WO2013163596A2 (en) | Method and system of selecting business object | |
| CN108038169B (zh) | 一种页面显示方法及装置 | |
| CN108073609B (zh) | 一种页面显示方法和装置 | |
| CN113515717B (zh) | 导航页面更新方法、装置、电子设备及存储介质 | |
| CN113205189B (zh) | 训练预测模型的方法、预测方法及装置 | |
| CN111489196A (zh) | 基于深度学习网络的预测方法、装置、电子设备及介质 | |
| CN116956204A (zh) | 多任务模型的网络结构确定方法、数据预测方法及装置 | |
| CN113159877B (zh) | 数据处理方法、装置、系统、计算机可读存储介质 |
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 |