CN117349546A - 用于生成信息的方法、装置和系统 - Google Patents
用于生成信息的方法、装置和系统 Download PDFInfo
- Publication number
- CN117349546A CN117349546A CN202311331501.3A CN202311331501A CN117349546A CN 117349546 A CN117349546 A CN 117349546A CN 202311331501 A CN202311331501 A CN 202311331501A CN 117349546 A CN117349546 A CN 117349546A
- Authority
- CN
- China
- Prior art keywords
- user
- presentation
- user terminal
- link
- pushed
- 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 130
- 230000000694 effects Effects 0.000 claims abstract description 213
- 230000004044 response Effects 0.000 claims description 27
- 238000003860 storage Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 10
- 238000010276 construction Methods 0.000 claims description 7
- 230000006399 behavior Effects 0.000 description 127
- 230000006870 function Effects 0.000 description 59
- 229940034610 toothpaste Drugs 0.000 description 39
- 239000000606 toothpaste Substances 0.000 description 39
- 230000005012 migration Effects 0.000 description 25
- 238000013508 migration Methods 0.000 description 25
- 238000010586 diagram Methods 0.000 description 19
- 238000005315 distribution function Methods 0.000 description 18
- 238000004891 communication Methods 0.000 description 16
- 239000011159 matrix material Substances 0.000 description 15
- 238000004422 calculation algorithm Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 230000009191 jumping Effects 0.000 description 10
- 238000005304 joining Methods 0.000 description 8
- 230000000670 limiting effect Effects 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000012512 characterization method Methods 0.000 description 7
- 230000036962 time dependent Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000007704 transition Effects 0.000 description 7
- 230000001149 cognitive effect Effects 0.000 description 6
- 238000009826 distribution Methods 0.000 description 6
- 238000005309 stochastic process Methods 0.000 description 6
- 230000002452 interceptive effect Effects 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000013145 classification model Methods 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000014509 gene expression Effects 0.000 description 3
- 230000002829 reductive effect Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 230000006835 compression Effects 0.000 description 2
- 238000007906 compression Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 235000011888 snacks Nutrition 0.000 description 1
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
- G06F16/9538—Presentation of query results
-
- 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
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0201—Market modelling; Market analysis; Collecting market data
- G06Q30/0203—Market surveys; Market polls
-
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/50—Network services
- H04L67/55—Push-based network services
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- Accounting & Taxation (AREA)
- Databases & Information Systems (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- User Interface Of Digital Computer (AREA)
Abstract
本公开的实施例公开了用于生成信息的方法、装置和系统。该方法的一具体实施方式包括:获取用户终端执行目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应;基于所述用户行为数据,确定使用所述用户终端的用户的用户需求信息,其中,所述用户需求信息表征用户对展示链接所指示的产品的需求程度;基于所述用户需求信息,生成用户终端对展示链接的呈现效果信息。该实施方式丰富了生成呈现效果信息的方式,提高了生成呈现效果信息的准确性。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及用于生成信息的方法、装置和系统。
背景技术
随着计算机技术的进步,人们希望更好地利用现有数据信息进行挖掘。对于数据的利用率,匹配度等硬性指标的要求也越来越高。
在互联网行业,很多互联网公司可以利用获取的用户信息通过自有算法对于展示链接(例如广告)的投放进行预测。归因作为一种预测方案,可以在用户操作过程中,衡量各个操作(例如迁移对象行操作(例如购买)产品、浏览产品,收藏产品、将产品加入购物车等操作)对转化效果(例如可以通过用户支付的金额等表征)的影响,即可以在用户观看一系列展示链接并最终做出设定操作后,评估每次展示链接对转化效果影响。
现有的归因方案主要包括以下两种:基础归因模型(总体分为:首次互动模型、U型互动模型、线性模型、时间衰减模型、最终互动模型)和基于机器学习的归因模型。
发明内容
本公开的实施例提出了用于生成信息的方法、装置和系统。
第一方面,本公开的实施例提供了一种用于生成信息的方法,该方法包括:获取用户终端执行目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应;基于用户行为数据,确定使用用户终端的用户的用户需求信息,其中,用户需求信息表征用户对展示链接所指示的产品的需求程度;基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
第二方面,本公开的实施例提供了一种用于生成模型的方法,该方法包括:获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应;对用户行为数据进行统计,以构建马尔科夫模型,其中,马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者目标操作集合中的目标操作,用户类别为使用用户终端集合中的用户终端的用户所属的类别。
第三方面,本公开的实施例提供了一种用于生成信息的方法,该方法包括:接收待推送展示链接;基于预先生成的马尔科夫模型,生成用户对于待推送展示链接所指示的产品的需求程度,其中,马尔科夫模型是按照如上述用于生成模型的方法中任一实施例的方法生成的。
第四方面,本公开的实施例提供了一种用于生成信息的装置,该装置包括:获取单元,被配置成获取用户终端执行目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应;第一确定单元,被配置成基于用户行为数据,确定使用用户终端的用户的用户需求信息,其中,用户需求信息表征用户对展示链接所指示的产品的需求程度;第一生成单元,被配置成基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
第五方面,本公开的实施例提供了一种用于生成模型的装置,该装置包括:获取单元,被配置成获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应;构建单元,被配置成对用户行为数据进行统计,以构建马尔科夫模型,其中,马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者目标操作集合中的目标操作,用户类别为使用用户终端集合中的用户终端的用户所属的类别。
第六方面,本公开的实施例提供了一种用于生成信息的装置,该装置包括:接收单元,被配置成接收待推送展示链接;生成单元,被配置成基于预先生成的马尔科夫模型,生成用户对于待推送展示链接所指示的产品的需求程度,其中,马尔科夫模型是按照如上述用于生成模型的方法中任一实施例的方法生成的。
第七方面,本公开的实施例提供了一种用于生成信息的系统,该系统包括:服务端和用户终端集合,其中,用户终端与服务端通信连接,其中:服务端,被配置成:获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应;基于用户行为数据,确定使用用户终端集合中的用户终端的用户的用户需求信息,其中,用户需求信息表征用户对展示链接所指示的产品的需求程度;基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
第八方面,本公开的实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当上述一个或多个程序被上述一个或多个处理器执行,使得该一个或多个处理器实现如上述用于生成信息的方法,或者上述用于生成模型的方法中任一实施例的方法。
第九方面,本公开的实施例提供了一种计算机可读介质,其上存储有计算机程序,该程序被处理器执行时实现如上述用于生成信息的方法,或者上述用于生成模型的方法中任一实施例的方法。
本公开的实施例提供的用于生成信息的方法、装置和系统,通过获取用户终端执行目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与用户终端呈现的展示链接所指示的产品相对应,然后,基于用户行为数据,确定使用用户终端的用户的用户需求信息,其中,用户需求信息表征用户对展示链接集合中的展示链接所指示的产品的需求程度,最后,基于用户需求信息,生成用户终端对展示链接的呈现效果信息,从而基于用户行为数据来确定用户需求信息,进而生成展示链接在用户终端的呈现效果信息,由此丰富了生成呈现效果信息的方式,提高了生成呈现效果信息的准确性。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本公开的其它特征、目的和优点将会变得更明显:
图1是本公开的一个实施例可以应用于其中的示例性系统架构图;
图2是根据本公开的用于生成信息的方法的一个实施例的流程图;
图3是本公开的一个实施例的用户意愿函数的图像的示意图;
图4A-图4D是针对图3所示的用户意愿函数得到的通过偏态分布函数表征的呈现效果信息;
图5是根据本公开的用于生成信息的方法的一个应用场景的示意图;
图6是根据本公开的用于生成信息的方法的又一个实施例的流程图;
图7是根据本公开的一个实施例的马尔科夫模型结构示意图;
图8是根据本公开的用于生成信息的方法的第三个实施例的流程图;
图9是根据本公开的用于生成信息的方法的第四个实施例的流程图;
图10是根据本公开的用于生成信息的方法的第五个实施例的流程图;
图11是根据本公开的用于生成信息的装置的一个实施例的结构示意图;
图12是根据本公开的用于生成模型的方法的一个实施例的流程图;
图13是根据本公开的用于生成模型的装置的一个实施例的结构示意图;
图14是根据本公开的另一个用于生成信息的方法的一个实施例的流程图;
图15是根据本公开的另一个用于生成信息的装置的一个实施例的结构示意图;
图16是根据本公开的用于生成信息的系统的一个实施例的交互过程示意图;
图17是根据本公开的用于生成信息的系统的又一个实施例的交互过程示意图;
图18适于用来实现本公开的实施例的服务器的计算机系统的结构示意图。
具体实施方式
下面结合附图和实施例对本公开的作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释相关发明,而非对该发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。
需要说明的是,在不冲突的情况下,本公开的中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开的。
图1示出了可以应用本公开的实施例的用于生成信息的方法或用于生成信息的装置的实施例的示例性系统架构100。
如图1所示,系统架构100可以包括终端设备101、102、103,网络104、106和服务器105。网络104用以在终端设备101、102和服务器105之间提供通信链路的介质。网络106用以在终端设备103和服务器105之间提供通信链路的介质。网络104、106可以包括各种连接类型,例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备101、102通过网络104与服务器105交互,或者,使用终端设备103通过网络106与服务器105交互,以接收或发送数据等。终端设备101、102、103上可以安装有各种通讯客户端应用,例如网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件、用于向服务器105提供展示链接的软件等。
终端设备101、102、103可以是硬件,也可以是软件。当终端设备101、102、103为硬件时,可以是具有显示屏并且支持页面浏览的各种电子设备,包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III,动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV,动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时,可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。作为示例,终端设备101、102可以是安装有购物类应用的电子设备,终端设备103可以是安装有用于向服务器105提供展示链接的软件的电子设备。终端设备103可以通过网络106向服务器105提供展示链接,服务器105在接收到展示链接之后,可以确定是否通过网络104,向终端设备101、102发送该展示链接。
服务器105可以是提供各种服务的服务器,例如对终端设备101、102上显示的页面提供支持的后台页面服务器。后台页面服务器可以对接收到的页面请求等数据进行分析等处理,并将处理结果(例如对应页面请求的页面数据)反馈给终端设备101、102。作为又一示例,服务器105还可以是用于接收终端设备103提供的展示链接,以及,确定是否通过网络104,向终端设备101、102发送该展示链接的服务器。
需要说明的是,本公开的实施例所提供的用于生成信息的方法一般由服务器105执行,相应地,用于生成信息的装置一般设置于服务器105中。本公开的实施例所提供的用于生成模型的方法一般由服务器105执行,相应地,用于生成模型的装置一般设置于服务器105中。
还需要说明的是,服务器可以是硬件,也可以是软件。当服务器为硬件时,可以实现成多个服务器组成的分布式服务器集群,也可以实现成单个服务器。当服务器为软件时,可以实现成多个软件或软件模块(例如用来提供分布式服务的软件或软件模块),也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解,图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要,可以具有任意数目的终端设备、网络和服务器。例如,当用于生成信息的方法,或者,用于生成模型的方法运行于其上的电子设备不需要与其他电子设备进行数据传输时,该系统架构可以仅包括用于生成信息方法,或者,用于生成模型的方法运行于其上的电子设备(例如服务器105)。
继续参考图2,示出了根据本公开的用于生成信息的方法的一个实施例的流程200。该用于生成信息的方法,包括以下步骤:
步骤201,获取用户终端执行目标操作而生成的用户行为数据。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式,获取用户终端执行目标操作而生成的用户行为数据。其中,目标操作是针对虚拟产品的操作,虚拟产品与用户终端呈现的展示链接所指示的产品相对应。
上述用户终端可以是与上述执行主体通信连接的终端。实践中,通常需要由服务器对终端所安装的应用进行支持,从而通过对应用的操作来实现相应的功能。可以理解,上述用户终端可以是安装有上述执行主体所支持的应用的终端。
作为示例,上述用户终端可以安装有购物类软件,或者可以通过浏览器打开购物类网站,上述执行主体可以是支持上述购物类软件或者购物类网站的服务器。
上述目标操作可以是针对上述用户终端呈现的展示链接集合中的展示链接所指示的产品对应的虚拟产品的操作。
上述展示链接可以是用于推送产品的信息。展示链接可以通过以下至少一种方式来呈现:文字、图片、音频、视频等。作为示例,当产品为“牙膏”时,展示链接可以是“XX牙膏,了解一下”。上述用户终端可以呈现有上述展示链接集合中的全部或者部分展示链接。
上述虚拟产品可以是与产品(实体产品,例如牙膏、毛巾等实物)对应的、呈现在软件或者网站中的表征该产品的信息。作为示例,上述虚拟产品可以通过但不限于以下至少一种形式来表征:文字、图片、视频等。作为示例,当产品为“牙膏”时,与产品对应的虚拟产品可以是牙膏的图片、描述牙膏的文字、牙膏的视频。
上述目标操作可以是上述执行主体在用户对虚拟产品的操作(例如分享、点击、收藏、迁移对象行操作(例如购买)、加入购物车、浏览、点赞、跳转落地页等)之后,对上述用户对虚拟产品的操作而响应的操作。例如当用户想要迁移对象行操作(例如购买)虚拟产品对应的实物产品时,用户可以在呈现有该虚拟产品的页面对虚拟产品执行迁移对象行操作(例如购买)操作(例如点击迁移对象行操作(例如购买)按钮,并完成支付),此后,上述执行主体可以执行如下目标操作,来响应上述迁移对象行操作(例如购买)操作:跳转到订单页面、在用户的历史迁移对象行操作(例如购买)记录中添加上述产品的迁移对象行操作(例如购买)记录。
在一些使用情况下,上述用户终端可以是预先确定的用户终端集合(例如安装有购物软件的终端的集合)中的用户终端,上述目标操作可以是预先确定的操作集合(例如可以包括分享、点击、收藏、迁移对象行操作(例如购买)、加入购物车、浏览、点赞、跳转落地页等)中的操作。由此,上述执行主体还可以获取用户终端集合中的各个用户终端执行目标操作集合中的目标操作而生成的用户行为数据。
步骤202,基于用户行为数据,确定使用用户终端的用户的用户需求信息。
在本实施例中,基于步骤201中得到的用户行为数据,上述执行主体可以确定使用用户终端的用户的用户需求信息。其中,用户需求信息可以表征用户对展示链接集合中的展示链接所指示的产品的需求程度。作为示例,用户需求信息可以通过文字、数值等表征。例如,用户需求信息可以是“很需要”、“一般需要”、“几乎不需要”等。可选的,用户需求信息也可以是“1”、“2”、“3”。其中,“1”可以表征“很需要”,“2”可以表征“一般需要”、“3”可以表征“几乎不需要”。
作为示例,当用户行为数据是上述执行主体在响应用户的迁移对象行操作(例如购买)操作而得到的数据时,上述执行主体可以确定使用用户终端的用户的用户需求信息为“很需要”。
作为又一示例,当用户行为数据是上述执行主体在响应用户的分享操作而得到的数据时,上述执行主体可以确定使用用户终端的用户的用户需求信息为“一般需要”。
作为再一示例,当用户行为数据是上述执行主体在响应用户的浏览操作而得到的数据时,上述执行主体可以确定使用用户终端的用户的用户需求信息为“几乎不需要”。
需要说明的是,技术人员可以根据实际需求来确定上述用户需求信息的表征方式以及确定方式,上述示例仅仅是示意性的,并不构成对本公开的实施例的限定。
步骤203,基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
在本实施例中,上述执行主体可以基于步骤202得到的用户需求信息,生成用户终端呈现展示链接集合中的展示链接的呈现效果信息。其中,呈现效果信息可以是表征展示链接的呈现效果的信息。上述呈现效果信息可以通过文字或数字等方式来表征。作为示例,上述呈现效果信息可以是“好”、“差”,也可以是“1”、“2”。其中,当上述呈现效果信息通过数值来表征时,技术人员可以规定数值越大的呈现效果信息表征呈现效果越好,或者,数值越小的呈现效果信息表征呈现效果越好。
作为示例,当用户需求信息为“很需要”时,上述执行主体可以生成呈现效果信息“1”;当用户需求信息为“一般需要”时,上述执行主体可以生成呈现效果信息“2”;当用户需求信息为“几乎不需要”时,上述执行主体可以生成呈现效果信息“3”。在这里,可以预先规定数值越大的呈现效果信息表征呈现效果越好。
需要说明的是,技术人员可以根据实际需求来确定上述呈现效果信息的表征方式,以及确定方式,上述示例仅仅是示意性的,并不构成对本公开的实施例的限定。
可以理解,用户终端对展示链接的呈现效果信息,即为用户终端呈现展示链接集合中的展示链接的呈现效果信息。
在本实施例的一些可选的实现方式中,上述用户需求信息通过用户意愿函数表征,用户意愿函数表征时间与用户对展示链接集合所指示的产品集合的总需求程度之间的对应关系。总需求程度通过数值表征。
作为示例,请参考图3。如图3所示,其示出了根据本公开的一个实施例的用户意愿函数的图像的示意图。其中,横坐标表征时间,纵坐标表征总需求程度。
需要说明的是,用户意愿函数可以表征用户对展示链接集合中的各个展示链接指示的产品的需求程度在一个时间段内的变化趋势。在这里,上述用户意愿函数的图像可以按照曲线拟合的方式得到。
可以理解,通过用户意愿函数,可以更直观的反映用户对展示链接集合中的各个展示链接指示的产品的需求程度在时间段内的变化趋势。由此,可以帮助技术人员或者展示链接的发布者分析用户需求以及展示链接的呈现效果。
在本实施例的一些可选的实现方式中,目标操作属于预先确定的目标操作集合。由此,上述执行主体还可以按照如下步骤执行上述步骤202:基于关联概率集合,确定使用用户终端的用户对应的用户意愿函数。
其中,关联概率集合基于用户行为数据确定。关联概率与时间相关。关联概率表征以下任一项:预先确定的用户类别集合中的用户类别转换为用户类别集合中的用户类别的概率,在执行目标操作集合中的目标操作之后执行目标操作集合中的任一目标操作的概率,属于用户类别集合中的用户类别的用户使用用户终端执行目标操作集合中的目标操作的概率,执行目标操作集合中的目标操作的用户终端的使用用户属于用户类别集合中的用户类别的概率。
可以理解,上述关联概率可以根据对用户行为数据(从多个用户终端得到的数据)的统计而得到。作为示例,假设100个属于甲类别的用户中有50个用户的用户类别转换为乙类别,那么,关联概率可以为0.5。
上述用户类别可以用来表征用户的类别。作为示例,上述用户类别集合中的用户类别可以是以下之一:潜在用户、认知用户、兴趣用户、迁移对象行操作(例如购买)用户、忠实用户。上述用户类别集合中的用户类别的数量可以是技术人员设置的,作为示例,上述用户类别集合可以包括5种用户类别。
在这里,上述执行主体或者与上述执行主体通信连接的其他电子设备,可以将针对用户集合(例如使用过某个购物软件的用户的集合)中的每个用户,将该用户的用户行为数据输入预先训练的分类模型,从而得到该用户的用户类别。作为示例,上述分类模型可以是现有的各种用于分类的模型,例如用户生命周期模型,或者其他模型,上述模型的训练方法为目前广泛研究的公知技术,在此不再赘述。
上述目标操作可以是诸如分享、点击、收藏、迁移对象行操作(例如购买)、加入购物车、浏览、点赞、跳转落地页等的操作。上述目标操作集合中的目标操作的数量可以是技术人员设置的,作为示例,上述目标操作集合可以包括10种目标操作。
在这里,以上述用户类别集合包括5种用户类别,上述目标操作集合包括10种目标操作为例,上述执行主体可以通过如下公式来确定总需求程度,即,如下公式可以表征使用用户终端的用户对应的用户意愿函数:
其中,Q表征总需求程度。i和j用于标识状态。Iij表征第j种状态转换为第i种状态的概率。Oij表征第i种状态转换为第j种状态的概率。Iij和Oij分别为关联概率。由于用户类别集合包括5种用户类别,目标操作集合包括10种目标操作。因此,关联概率集合可以表征50种状态中的每个状态转换为该50种状态中的每个状态的概率。其中,上述状态表征以下任一项:用户类别集合中的用户类别已转换为用户类别集合中的用户类别,在执行目标操作集合中的目标操作之后执行目标操作集合中的任一目标操作,属于用户类别集合中的用户类别的用户使用用户终端执行目标操作集合中的目标操作,执行目标操作集合中的目标操作的用户终端的使用用户属于用户类别集合中的用户类别。pij是针对Iij预先设置的状态传入增益因子(即权重),qij是预先设置的Oij的状态传出损益因子(即权重)。mi为预先设置的、第i状态的权重。上述pij、qij、mi可以分别为预先存储的参数。
可选的,还可以将关联概率集合加权求和的结果,确定为总需求程度,由此进一步得到使用用户终端的用户对应的用户意愿函数。
可以理解,由于关联概率与时间相关,例如关联概率可以表征为关于时间的函数,因而,上述用户意愿函数可以是关于时间的函数。由此,通过预先得到的关联概率集合,来确定使用用户终端的用户对应的用户意愿函数,可以更准确、快速的反映用户对展示链接集合中的各个展示链接指示的产品的需求程度在时间段内的变化趋势。进一步帮助技术人员或者展示链接的发布者分析用户需求以及展示链接的呈现效果。
在本实施例的一些可选的实现方式中,目标操作属于预先确定的目标操作集合。由此,上述执行主体还可以按照如下步骤执行上述步骤202:基于关联概率集合,确定使用用户终端的用户对应的用户意愿函数。
其中,关联概率集合基于用户行为数据确定。关联概率与时间相关。关联概率表征以下任一项:预先确定的用户类别集合中的用户类别转换为用户类别集合中的用户类别的概率,在执行目标操作集合中的目标操作之后执行目标操作集合中的任一目标操作的概率,属于用户类别集合中的用户类别的用户使用用户终端执行目标操作集合中的目标操作的概率,执行目标操作集合中的目标操作的用户终端的使用用户属于用户类别集合中的用户类别的概率。
可以理解,上述关联概率可以根据对用户行为数据(从多个用户终端得到的数据)的统计而得到。作为示例,假设100个属于甲类别的用户中有50个用户的用户类别转换为乙类别,那么,关联概率可以为0.5。
上述用户类别可以用来表征用户的类别。作为示例,上述用户类别集合中的用户类别可以是以下之一:潜在用户、认知用户、兴趣用户、迁移对象行操作(例如购买)用户、忠实用户。上述用户类别集合中的用户类别的数量可以是技术人员设置的,作为示例,上述用户类别集合可以包括5种用户类别。
在这里,上述执行主体或者与上述执行主体通信连接的其他电子设备,可以将针对用户集合(例如使用过某个购物软件的用户的集合)中的每个用户,将该用户的用户行为数据输入预先训练的分类模型,从而得到该用户的用户类别。作为示例,上述分类模型可以是现有的各种用于分类的模型,例如用户生命周期模型,或者其他模型,上述模型的训练方法为目前广泛研究的公知技术,在此不再赘述。
上述目标操作可以是诸如分享、点击、收藏、迁移对象行操作(例如购买)、加入购物车、浏览、点赞、跳转落地页等的操作。上述目标操作集合中的目标操作的数量可以是技术人员设置的,作为示例,上述目标操作集合可以包括10种目标操作。
在这里,以上述用户类别集合包括5种用户类别,上述目标操作集合包括10种目标操作为例,上述执行主体可以通过如下公式来确定总需求程度,即,如下公式可以表征使用用户终端的用户对应的用户意愿函数:
其中,Q表征总需求程度。i和j用于标识状态。Iij表征第j种状态转换为第i种状态的概率。Oij表征第i种状态转换为第j种状态的概率。Iij和Oij分别为关联概率。由于用户类别集合包括5种用户类别,目标操作集合包括10种目标操作。因此,关联概率集合可以表征50种状态中的每个状态转换为该50种状态中的每个状态的概率。其中,上述状态表征以下任一项:用户类别集合中的用户类别已转换为用户类别集合中的用户类别,在执行目标操作集合中的目标操作之后执行目标操作集合中的任一目标操作,属于用户类别集合中的用户类别的用户使用用户终端执行目标操作集合中的目标操作,执行目标操作集合中的目标操作的用户终端的使用用户属于用户类别集合中的用户类别。pij是针对Iij预先设置的状态传入增益因子(即权重),qij是预先设置的Oij的状态传出损益因子(即权重)。mi为预先设置的、第i状态的权重。上述pij、qij、mi可以分别为预先存储的参数。
可选的,还可以将关联概率集合加权求和的结果,确定为总需求程度,由此进一步得到使用用户终端的用户对应的用户意愿函数。
可以理解,由于关联概率与时间相关,例如关联概率可以表征为关于时间的函数,因而,上述用户意愿函数可以是关于时间的函数。由此,通过预先得到的关联概率集合,来确定使用用户终端的用户对应的用户意愿函数,可以更准确、快速的反映用户对展示链接集合中的各个展示链接指示的产品的需求程度在时间段内的变化趋势。进一步帮助技术人员或者展示链接的发布者分析用户需求以及展示链接的呈现效果。
在本实施例的一些可选的实现方式中,上述执行主体还可以按照如下步骤执行上述步骤203:
首先,将用户意愿函数按照用户终端呈现的展示链接集合中的展示链接的呈现时间进行划分,将划分结果确定为用户产品意愿函数集合。
上述展示链接集合中的展示链接的呈现时间是预先确定的。用户产品意愿函数表征时间与用户对展示链接集合中的每个展示链接指示的产品的需求程度之间的对应关系。
作为示例,请参考图4A-图4D。图4A-图4D是针对图3所示的用户意愿函数得到的通过偏态分布函数表征的呈现效果信息。上述执行主体可以以展示链接集合(包括4个展示链接)中的展示链接的呈现时间(图中分别为时间1、时间2、时间3和时间4)划分用户意愿函数的图像。
然后,针对用户产品意愿函数集合中的用户产品意愿函数,将该用户产品意愿函数进行拉普拉斯变换,得到用户终端对展示链接的呈现效果信息,其中,呈现效果信息通过偏态分布函数表征。
请继续参考图4A-图4D。上述执行主体生成了通过偏态分布函数表征的、用户终端呈现展示链接集合中的展示链接的呈现效果信息。图4A-图4D分别为针对图3所示的用户意愿函数进行划分得到的用户终端呈现展示链接集合中的每个展示链接的呈现效果信息。
具体地,上述执行主体可以首先基于拉普拉斯波形变换对意愿表征波形(即用户意愿函数的波形)在时间上进行分解。由于用户对展示链接指示的产品的产品意愿可以表征为偏正式效果曲线,故将时间轴上以展示链接的确定推送时间(例如T1、T2…)划分曲线起点,通过拉普拉斯变换将一个用户的总意愿曲线分解成为以各展示链接确定推送的时间为起点的代表该展示链接的实际意愿效果的偏正曲线,获得每个曲线对应的偏离系数、期望E、方差。
通过以上变换分解,获得的数据为多用户的对于多(图示为4条)展示链接中的每个展示链接的意愿曲线(如图4A-图4D所示)。
可以理解,通过对用户意愿函数进行划分以及拉普拉斯变换,可以得到用户终端呈现展示链接集合中的每个展示链接的呈现效果信息。由此,可以帮助技术人员或者展示链接的发布者分析用户对于展示链接集合中的每个展示链接指示的每个产品的需求程度,以及每个展示链接的呈现效果和推送效果,帮助技术人员或者展示链接的发布者更好地了解用户的需求和兴趣。
在一些使用情况下,上述执行主体还可以按照上述方法,将多个用户终端中的每个用户终端作为上述用户终端,以从多个用户终端得到上述多个用户终端中的每个用户终端呈现的展示链接集合中的每个展示链接的呈现效果信息。然后,针对上述多个用户终端中的每个用户终端,确定该用户终端呈现的展示链接集合中的各个展示链接的通过偏态分布函数表征的呈现效果信息。之后,计算该用户终端呈现的各个展示链接的通过偏态分布函数表征的呈现效果信息的偏离系数、期望值、方差值。由此得到多个用户终端中的每个用户终端呈现的各个展示链接的通过偏态分布函数表征的呈现效果信息的偏离系数、期望值、方差值。将所得到的偏离系数的平均值作为多个用户对于单个展示链接的偏离系数,将所得到的期望值的平均值作为多个用户对于单个展示链接的期望值,将所得到的方差值的平均值作为多个用户对于单个展示链接的方差值。从而,可以得到多个用户对于单个展示链接的偏态分布函数。
可以理解,通过得到多个用户对于单个展示链接的偏态分布函数,可以多个用户对于单个展示链接指示的产品的需求程度,由此,可以帮助技术人员或者展示链接的发布者分析单个展示链接在用户群体中的推送效果,和在用户群体使用的多个用户终端呈现每个展示链接的呈现效果。
在本实施例的一些可选的实现方式中,上述获取用户终端执行目标操作而生成的用户行为数据,包括:获取用户终端在目标历史时间段内执行目标操作集合中的目标操作而生成的用户行为数据获取用户终端在目标历史时间段内执行目标操作集合中的目标操作而生成的用户行为数据。由此,上述执行主体还可以:基于所生成的通过偏态分布函数表征的呈现效果信息,生成用户终端呈现展示链接集合中的展示链接在目标历史时间段内的效果值,以及在目标历史时间段内的时间点的效果值。
上述效果值,可以用于表征展示链接集合中的展示链接的呈现效果和/或推送效果。技术人员可以设定效果值越大表征展示链接的呈现效果和/或推送效果越好,或者,效果值越小表征展示链接的呈现效果和/或推送效果越好。
上述目标历史时间段可以是任一在目标终端设备呈现有展示链接的历史时间段。
作为示例,上述目标历史时间段内的效果值可以通过如下公式得到:
其中,上述i用于标识展示链接集合中的展示链接,k用于标识展示链接集合中的展示链接,n表征展示链接集合中的展示链接的数量,Pi表征标识为i的展示链接在目标历史时间段内呈现的效果值。σi 2表征多个用户对于标识为i的展示链接的偏态分布函数的方差(即多个用户终端中的各个用户终端呈现的各个展示链接的通过偏态分布函数表征的呈现效果信息的方差值的均值)。σk 2表征多个用户对于标识为k的展示链接的偏态分布函数的方差。
可以理解,在获得一个长时间序列上n个展示链接的各拟合偏正曲线后,通过各曲线的方差变化表征其对于用户意愿的影响大小,故第i只展示链接在此时间序列上的长时贡献分配参数P可以表征为上述公式(即上述关于Pi的表达式)。
需要说明的是,上述展示链接集合中的各个展示链接在目标历史时间段内的效果值之和可以是一个预设的数值(例如1)。
可选的,上述执行主体还可以将多个用户对于展示链接集合中的每个展示链接的偏态分布函数的方差,确定为该展示链接的在上述目标历史时间段内的效果值。
在这里,上述在目标历史时间段内的时间点的效果值可以通过如下公式得到:
其中,上述i用于标识展示链接集合中的展示链接,k用于标识展示链接集合中的展示链接,n表征展示链接集合中的展示链接的数量,Li表征标识为i的展示链接在目标历史时间段内的时间点(即时刻)呈现的效果值。fi(τ)表征标识为i的展示链接在τ时刻的需求程度。fk(τ)表征标识为k的展示链接在τ时刻的需求程度。在这里,对于标识为i的展示链接在τ时刻的需求程度fi(τ),可以由图4A-图4D所示的偏态分布函数得到,即图4A-图4D所示的偏态分布函数的图像的横坐标表征时刻τ,纵坐标表征需求程度fi(τ)。类似的,对于可以由图3所示的用户意愿函数的图像得到,即图3所示的用户意愿函数的图像的横坐标表征时刻τ,纵坐标表征/>
可以理解,将贡献以参数P分配给n个展示链接,完成时间段结果对于展示链接间共同作用的表征。同时,若专注于某时刻下用户对于展示链接的影响效果分配,则时刻贡献L分配参数可以表征为上述公式(即上述关于Li的公式)。即将贡献以参数L分配给n只展示链接,完成时间点结果对于展示链接间共同作用的表征。
需要说明的是,上述展示链接集合中的各个展示链接在目标历史时间段内的时间点的效果值之和可以是一个预设的数值(例如1)。
可以理解,通过确定展示链接在目标历史时间段内的效果值,以及在目标历史时间段内的时间点的效果值,丰富了衡量展示链接呈现效果和推送效果的方式。
继续参见图5,图5是根据本实施例的用于生成信息的方法的应用场景的一个示意图。在图5的应用场景中,用户在浏览呈现在用户终端501的展示链接之后,想要关注该展示链接指示的甲产品在未来时间段的价格变化情况,因而,该用户使用用户终端501执行了关注操作。随后,用户终端501执行了用于响应关注操作的操作(即目标操作),以及生成用户行为数据5021“用户关注了甲产品”,之后,服务器502从用户终端501获取到了上述用户行为数据5021,然后,服务器502基于用户行为数据5021,确定出使用用户终端的用户的用户需求信息5022(图示中为需求程度80%,在这里,需求程度可以用0与1之间的数值来表征,数值越大,可以表征需求程度越高),最后,服务器502基于用户需求信息5022,生成用户终端对展示链接的呈现效果信息5023(图示中为呈现效果80分,在这里,需求程度可以用0分与100分之间的分数来表征,数值越大,可以表征呈现效果越好)。
本公开的上述实施例提供的方法,通过获取用户终端执行目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与用户终端呈现的展示链接所指示的产品相对应,然后,基于用户行为数据,确定使用用户终端的用户的用户需求信息,其中,用户需求信息表征用户对展示链接集合中的展示链接所指示的产品的需求程度,最后,基于用户需求信息,生成用户终端呈现展示链接集合中的展示链接的呈现效果信息,从而基于用户行为数据来确定用户需求信息,进而生成展示链接在用户终端的呈现效果信息,由此丰富了生成呈现效果信息的方式,提高了生成呈现效果信息的准确性。
进一步参考图6,其示出了用于生成信息的方法的又一个实施例的流程600。该用于生成信息的方法的流程600,包括以下步骤:
步骤601,获取用户终端执行目标操作而生成的用户行为数据。
在本实施例中,步骤601与图2对应实施例中的步骤201基本一致,这里不再赘述。
步骤602,基于关联概率集合、预先确定的用户类别集合和目标操作集合,构建马尔科夫模型。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器)可以基于关联概率集合、预先确定的用户类别集合和目标操作集合,构建马尔科夫模型(MarkovModel)。其中,马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者目标操作集合中的目标操作,概率矩阵的元素为关联概率集合中的关联概率。概率矩阵基于关联概率集合得到。
其中,关联概率集合基于用户行为数据确定。关联概率与时间相关。关联概率表征以下任一项:预先确定的用户类别集合中的用户类别转换为用户类别集合中的用户类别的概率,在执行目标操作集合中的目标操作之后执行目标操作集合中的任一目标操作的概率,属于用户类别集合中的用户类别的用户使用用户终端执行目标操作集合中的目标操作的概率,执行目标操作集合中的目标操作的用户终端的使用用户属于用户类别集合中的用户类别的概率。
上述用户类别可以用来表征用户的类别。作为示例,上述用户类别集合中的用户类别可以是以下之一:潜在用户、认知用户、兴趣用户、迁移对象行操作(例如购买)用户、忠实用户。上述用户类别集合中的用户类别的数量可以是技术人员设置的,作为示例,上述用户类别集合可以包括5种用户类别。
上述目标操作可以是诸如分享、点击、收藏、迁移对象行操作(例如购买)、加入购物车、浏览、点赞、跳转落地页等的操作。上述目标操作集合中的目标操作的数量可以是技术人员设置的,作为示例,上述目标操作集合可以包括10种目标操作。
作为示例,请参考图7。图7示出了根据本公开的一个实施例的马尔科夫模型结构示意图。如图所示,马尔科夫模型包括的状态信息为“状态信息1,状态信息2,…状态信息n”。其中,n表征状态信息的数量。例如,当用户类别集合包括5种用户类别,目标操作集合包括10种目标操作时,上述n的取值可以是50。马尔科夫模型包括的概率矩阵中的元素可以为关联概率集合中的关联概率。
在这里,隐马尔科夫模型(Hidden Markov Model,HMM)是一个由马尔科夫过程(即马尔科夫模型)和一个一般随机过程组成的双重随机过程,该模型可以依据不同的算法完成以下任务:
任务一:历史数据整理问题。前后向算法:求给定模型下观测序列的概率。
任务二:新数据接入问题。维特比(Viterbi)算法:求给定模型下对应于观测序列的状态序列。
任务三:整体模型训练问题。Baum-Welch算法:产生该状态序列的最优模型。
需要说明的是,马尔科夫模型的构建方式是目前广泛研究的公知技术,在此不再赘述。
下面返回图6。
步骤603,基于马尔科夫模型,确定使用用户终端的用户对应的用户意愿函数。
在本实施例中,上述执行主体可以基于马尔科夫模型包括的概率矩阵,确定使用用户终端的用户对应的用户意愿函数。
在这里,上述执行主体可以通过如下公式来确定总需求程度,即,如下公式可以表征使用用户终端的用户对应的用户意愿函数:
其中,Q表征总需求程度。n表征用户类别集合中的用户类别的数量与目标操作集合中的目标操作的数量的乘积,或者说,n表征马尔科夫模型包括的概率矩阵中的元素总数(例如,如果用户类别集合包括5种用户类别,目标操作集合包括10种目标操作。那么公式中的n的取值可以是50)i和j用于标识状态。Iij表征第j种状态转换为第i种状态的概率。Oij表征第i种状态转换为第j种状态的概率。Iij和Oij分别为概率矩阵中的元素。pij是针对Iij预先设置的状态传入增益因子(针对Iij预先确定的权重),qij是预先设置的Oij的状态传出损益因子(针对Oij预先确定的权重)。mi为预先设置的、第i状态的权重。上述pij、qij、mi可以分别为预先存储的参数。
可选的,还可以将概率矩阵中的元素加权求和的结果,确定为需求程度,由此进一步得到使用用户终端的用户对应的用户意愿函数。
步骤604,基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
在本实施例中,步骤604与图2对应实施例中的步骤203基本一致,这里不再赘述。
作为示例,上述执行主体所获取的数据可以是来自于网络的用户行为数据(包含各时刻对于类目或单件商品的浏览、关注、加购、迁移对象行操作(例如购买)等操作所产生的数据)以及推送展示链接的平台的行为数据(包含各时刻的曝光、点击、点赞、跳转落地页等操作所产生的数据),通过LTV(life time value,用户生命周期)模型与用户行为的交叉分析,获得用户对于展示链接指示的产品的产品意愿的拟合程度。其中,生命周期模型可以将用户分类为潜在用户、认知用户、兴趣用户、迁移对象行操作(例如购买)用户、忠实用户五个状态。
将用户的产品意愿及行为的变化转化为马尔科夫模型,并依据历史数据分析各状态间转换的概率、稳定概率等数值,状态特征为5(五种用户分类)*10(十种典型行为)模型如图7所示,其示出了根据本公开的一个实施例的马尔科夫模型结构示意图。在图7中,可以通过对用户属性×行为的状态空间,以状态跳出稳定概率(O0101-O0150,O0201-O0250…)以及跳入稳定概率(I0101-I0150、I0201-I0250…)对于意愿总水平Q(即总需求程度)做加权判定。其中,m为第i状态的权重,p为状态传入增益因子,q为状态转出损益因子,皆为数据库中所得参数。具体地,总需求程度Q的计算公式可以参考如下关系式:
其中,Q表征总需求程度。n表征用户类别集合中的用户类别的数量与目标操作集合中的目标操作的数量的乘积,或者说,n表征马尔科夫模型包括的概率矩阵中的元素总数(例如,如果用户类别集合包括5种用户类别,目标操作集合包括10种目标操作。那么公式中的n的取值可以是50)i和j用于标识状态。Iij表征第j种状态转换为第i种状态的概率。Oij表征第i种状态转换为第j种状态的概率。Iij和Oij分别为概率矩阵中的元素。pij是针对Iij预先设置的状态传入增益因子(针对Iij预先确定的权重),qij是预先设置的Oij的状态传出损益因子(针对Oij预先确定的权重)。mi为预先设置的、第i状态的权重。上述pij、qij、mi可以分别为预先存储的参数。
可以理解,由上述表达式可以获得总需求程度的表征程度,通过时间轴可以表现为波动的曲线。
在一些使用情况下,通过在上述理论的基础上,我们可以更进一步地实现内容丰富、形式多样化的功能应用。
1、用户意愿行为预测。
不同于暴力的机器学习算法,本公开的提供的技术方案可以根据用户的历史数据实时生成对于产品的综合效应(长期品牌效应以及实时效应)预测,各环节的表达式可以依据实际情况将参数进行人为修正,有利在不同类别、不同品牌间的用户行为区别,如家电与零食存在着差异较大的迁移对象行操作(例如购买)区间,电脑与母婴存在着差异较大的受众定向。对于不同商家、不同行业、不同受众人群间的维度交叉,展示链接贡献分配系统可以完成如下需求:
(1)基于用户历史行为的未来行为预期。
隐性马尔科夫模型(Hidden Markov Model-HMM)是一个由马尔科夫过程和一个一般随机过程组成的双重随机过程,该模型可以依据不同的算法完成以下任务:
历史数据整理问题——前后向算法:求给定模型下观测序列的概率;
新数据接入问题——Viterbi算法:求给定模型下对应于观测序列的状态序列;
整体模型训练问题——Baum-Welch算法:产生该状态序列的最优模型;
首先将用户历史行为数据进行历史整理,拟合用户属性和行为间的关联度以及各属性和行为自身的关联度,包含属性用户做出某一行为的概率与转化为其他属性的时间流动率、某一行为上下关联行为的种类和对应属性流动方向的变化率等,当新数据接入时,系统可以根据历史流动分析接入数据的即使状态,同时进行下阶段行为或转化属性与时间对应关系的预测。
(2)基于用户意愿表征的展示链接投放周期预期。
通过意愿偏正曲线,可以完成对于每阶段的展示链接对于用户的实际效果的拟合,在历史展示链接数据的总统计后,可以完成新的展示链接对于用户意愿影响的预估,完成对于维持用户品牌意愿高于阈值的展示链接投放周期的预测,可以将展示链接投放系统带入全自动化时代。
2、增强展示链接排期系统逻辑。
目前大部分的展示链接排期系统是根据“人群包定向”+“流量预估”来完成对于未来某时间段展示链接曝光的排期,在基于我们的展示链接贡献分配系统的展示链接贡献分配之后,可以加强对于展示链接在时间线上的校核逻辑,使得展示链接排期逻辑中的展示链接效果有效性有明显提升,节约了媒体宝贵的流量资源。
3、增强展示链接创意平台逻辑。
目前大部分的展示链接一件创意平台的工作模式为随机生成图片、文案的方式,比较高端定制化的平台会使用比较先进的CNN或RNN的方式自动生成文案,其中数据集来源于市面已存在的现有展示链接文案、图片,依据点击率排序,交于系统进行学习。这里的奖励设定比较单一,而在应用展示链接贡献分配系统的贡献结论后,可以将展示链接分批次分时间段分情况的做定制化创意,而不是面对不同品牌阶段、不同受众人群都用同一套奖励逻辑,大幅提高了对用户行为数据对于展示链接创意的驱动能力,使展示链接创意平台具有更多更完善更全面的参考依据。
4、增加展示链接结案展示效果。
现在市面上所有的展示链接结案报告都仅覆盖于单次展示链接投放的效果的演示,数据包括曝光次数、点击率、迁移对象行操作(例如购买)率等等。而加入展示链接贡献分析平台之后,可以给予展示链接方长期的时间序列上,展示链接长久的影响,使展示链接效果更真实更全面的呈现给展示链接方,为后续优化用户体验提供了重要的理论依据。
在本实施例的一些可选的实现方式中,上述执行主体还可以执行如下步骤(包括步骤一和步骤二):
步骤一,响应于接收待推送展示链接,基于呈现效果信息,确定是否在用户终端呈现待推送展示链接。
作为示例,上述执行主体可以首先确定用户终端呈现的展示链接所属的类别与待推送展示链接所属的类别是否相同或相近(例如当展示链接所属的类别为“500-600元”,待推送展示链接所属的类别为“600-700元”时,可以确定展示链接所属的类别与待推送展示链接所属的类别相近),如果相同或相近,那么,上述执行主体可以确定在用户终端呈现待推送展示链接;如果并非相近,那么,上述执行主体可以确定不在用户终端呈现待推送展示链接。
作为又一示例,上述执行主体还可以首先确定用户终端呈现的展示链接指示的产品的产品信息与待推送展示链接指示的产品的产品信息之间的相似度,然后,上述执行主体可以确定所确定的相似度是否大于预先确定的相似度阈值,如果大于,那么,上述执行主体可以确定在用户终端呈现待推送展示链接;如果小于等于,那么,上述执行主体可以确定不在用户终端呈现待推送展示链接。
需要说明的是,技术人员可以根据实际需求,来确定是否在用户终端呈现待推送展示链接,上述示例仅仅是示意性的,并不构成对本公开的实施例的限定。
可以理解,通过呈现效果信息,来确定是否在用户终端呈现待推送展示链接,可以实现更具针对性的信息推送。例如,当上述执行主体确定在用户终端呈现待推送展示链接之后,上述执行主体可以向用户终端发送该待推送展示链接,以便上述用户终端呈现该待推送展示链接;在上述执行主体确定不在用户终端呈现待推送展示链接的情况下,上述用户终端则无法呈现该待推送展示链接。由此,实现了更具针对性的信息推送,丰富了信息推送的方式,提高了信息推送的准确性。
步骤二,响应于确定在上述用户终端呈现待推送展示链接,向该用户终端发送待推送展示链接,以供该用户终端呈现待推送展示链接。
在本实施例的一些可选的实现方式中,上述执行主体还可以采用如下步骤(包括子步骤一和子步骤二),来替代上述步骤二的执行:
子步骤一,确定待推送展示链接在用户终端的呈现信息。其中,呈现信息包括以下至少一项:呈现初始时间,呈现时长。
示例性的,上述执行主体可以根据待推送展示链接所属的类别(例如服饰类,生鲜类等等),来确定该待推送展示链接在用户终端的呈现信息。作为示例,假设技术人员预先为各个待推送展示链接所属的类别设置有对应的呈现信息(例如服饰类的呈现信息“18:00,3h”,表征如果待推送展示链接所属的类别为服饰类,那么,将每天下午6点作为该待推送展示链接的呈现初始时间,将3小时作为该待推送展示链接的呈现时长;生鲜类的呈现信息“11:00,2h”,表征如果待推送展示链接所属的类别为生鲜类,那么,将每天上午11点作为该待推送展示链接的呈现初始时间,将2小时作为该待推送展示链接的呈现时长),由此,上述执行主体可以将待推送展示链接所属的类别对应的呈现信息,作为待推送展示链接在用户终端的呈现信息。
作为又一示例,上述执行主体还可以基于上述马尔科夫模型,来确定待推送展示链接在用户终端的呈现信息。
在这里,上述执行主体可以将至少一个待推送展示链接作为观测序列,从而采用上述马尔科夫模型,来预测用户的行为。例如,针对每个待推送展示链接,用户所执行的上述目标操作集合中的各个目标操作的概率,从而确定出各个概率中的最大的概率对应的目标操作集合中的目标操作,从而根据各个概率对应的时间,确定出待推送展示链接在用户终端的呈现信息。例如,上述目标操作集合包括目标操作“迁移对象行操作(例如购买)”,并且,根据马尔科夫模型,预测得到的用户在1点至2点通过用户终端执行目标操作“迁移对象行操作(例如购买)”的概率为0.1;用户在2点至3点通过用户终端执行目标操作“迁移对象行操作(例如购买)”的概率为0.8;用户在3点至4点通过用户终端执行目标操作“迁移对象行操作(例如购买)”的概率为0.1。那么,上述执行主体可以将概率值大于预设阈值(例如0.5)的概率对应的呈现信息(例如呈现初始时间“2点”,呈现时长“1小时”),作为待推送展示链接在用户终端的呈现信息。
子步骤二,向用户终端发送待推送展示链接和呈现信息,以供用户终端按照呈现信息指示的呈现方式,呈现待推送展示链接。
可以理解,上述执行主体可以向用户终端发送待推送展示链接和呈现信息。用户终端在接收到待推送展示链接和呈现信息之后,可以在呈现信息指示的呈现初始时间呈现上述待推送展示链接,以及在距离上述呈现初始时间经过呈现信息指示的呈现时长之后,隐藏(即不呈现)上述待推送展示链接。
在本实施例的一些可选的实现方式中,在确定在用户终端呈现待推送展示链接的情况下,上述执行主体还可以确定待推送展示链接在用户终端的呈现时间。其中,上述呈现时间可以是呈现待推送展示链接的时长(例如持续呈现2小时),也可以是呈现待推送展示链接的时间点(例如在2月14日0点至24点呈现)。
作为示例,上述执行主体可以将用户终端呈现的展示链接的呈现时间确定为待推送展示链接在用户终端的呈现时间。可选的,上述执行主体还可以将用户终端呈现的展示链接的呈现时间加上预定时长(例如3个月)确定为待推送展示链接在用户终端的呈现时间。
例如,用户终端呈现的展示链接是欧美风格女士连衣裙,该展示链接的呈现时间为“7月1日至7月31日”,待推送展示链接为欧美风格毛呢女士风衣,那么,上述执行主体可以将用户终端呈现的展示链接的呈现时间加上预定时长(例如3个月)确定为待推送展示链接在用户终端的呈现时间,由此,上述执行主体可以确定出该待推送展示链接在用户终端的呈现时间为“10月1日至10月31日”。
可以理解,通过确定待推送展示链接在用户终端的呈现时间,可以进一步丰富信息推送的方式。由此,既可以确保待推送展示链接在用户终端的呈现效果,又可以及时推送除待推送展示链接之外的其他展示链接。
在本实施例的一些可选的实现方式中,上述执行主体还可以将呈现效果信息发送至展示链接提供端,以供展示链接提供端呈现呈现效果信息。其中,上述展示链接提供端可以用于提供展示链接(例如广告),上述展示链接提供端可以是服务器,也可以是终端设备。
可以理解,在展示链接提供端呈现呈现效果信息之后,相关人员(例如负责推送展示链接的工作人员),可以通过展示链接提供端所呈现的呈现效果信息,直观的确定历史展示链接的呈现效果,从而基于呈现效果信息确定适于提供的展示链接,相对于现有技术,本可选的实现方式所提供的方案,可以节省网络资源的占用,节省网络流量。
从图6中可以看出,与图2对应的实施例相比,本实施例中的用于生成信息的方法的流程600突出了利用构建的马尔科夫模型,确定使用用户终端的用户对应的用户意愿函数的步骤。由此,本实施例描述的方案丰富了确定使用用户终端的用户对应的用户意愿函数的方式,此外,由于本实施例首先将用户行为数据进行整理,以得到关联概率集合,进而构建了马尔科夫模型,由此,当新数据接入(例如需要对待推送展示链接进行效果预测)时,上述执行主体可以通过马尔科夫模型进行针对新数据的预测,从而得到针对该新数据的状态信息之间的转换情况(例如用户迁移对象行操作(例如购买)待推送展示链接指示的产品的概率),以及上述转换情况与时间的关系(例如用户迁移对象行操作(例如购买)待推送展示链接知识的产品的时间),相对于现有技术,利用马尔科夫模型进行预测可以提高预测的准确性。再者,通过马尔科夫模型还可以预测多个待推送展示链接的呈现效果信息,由此,可以通过比对多个待推送展示链接的呈现效果,进一步将呈现效果较好的(例如效果值大于预设效果阈值或者呈现效果信息较好的预定数量个待推送展示链接)待推送展示链接发送至终端设备,以供终端设备进行呈现。
进一步参考图8,其示出了用于生成信息的方法的第三个实施例的流程800。该用于生成信息的方法的流程800,包括以下步骤:
步骤801,获取用户终端执行目标操作而生成的用户行为数据。
步骤802,基于用户行为数据,确定使用用户终端的用户的用户需求信息。
步骤803,基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
在本实施例中,步骤801-步骤803与图2对应实施例中的步骤201-步骤203基本一致,这里不再赘述。
步骤804,响应于接收待推送展示链接,基于呈现效果信息,确定是否在用户终端呈现待推送展示链接。
在本实施例中,响应于接收待推送展示链接,用于生成信息的方法的执行主体(例如图1所示的服务器)可以基于呈现效果信息,确定是否在用户终端呈现待推送展示链接。
作为示例,上述执行主体可以首先确定用户终端呈现的展示链接所属的类别与待推送展示链接所属的类别是否相同或相近(例如当展示链接所属的类别为“500-600元”,待推送展示链接所属的类别为“600-700元”时,可以确定展示链接所属的类别与待推送展示链接所属的类别相近),如果相同或相近,那么,上述执行主体可以确定在用户终端呈现待推送展示链接;如果并非相近,那么,上述执行主体可以确定不在用户终端呈现待推送展示链接。
作为又一示例,上述执行主体还可以首先确定用户终端呈现的展示链接指示的产品的产品信息与待推送展示链接指示的产品的产品信息之间的相似度,然后,上述执行主体可以确定所确定的相似度是否大于预先确定的相似度阈值,如果大于,那么,上述执行主体可以确定在用户终端呈现待推送展示链接;如果小于等于,那么,上述执行主体可以确定不在用户终端呈现待推送展示链接。
需要说明的是,技术人员可以根据实际需求,来确定是否在用户终端呈现待推送展示链接,上述示例仅仅是示意性的,并不构成对本公开的实施例的限定。
步骤805,响应于确定在用户终端呈现待推送展示链接,向用户终端发送待推送展示链接,以供用户终端呈现待推送展示链接。
在本实施例中,响应于确定在用户终端呈现待推送展示链接,上述执行主体可以向用户终端发送待推送展示链接,以供用户终端呈现待推送展示链接。
需要说明的是,除上面针对图8所对应的实施例所记载的特征、效果之外,图8所对应的实施例还可以包括与上述图2-图6相对应的特征或效果,本公开的实施例在此不再赘述。
从图8中可以看出,与图2对应的实施例相比,本实施例中的用于生成信息的方法的流程800通过呈现效果信息,来确定是否在用户终端呈现待推送展示链接,可以实现更具针对性的信息推送。例如,当上述执行主体确定在用户终端呈现待推送展示链接之后,上述执行主体可以向用户终端发送该待推送展示链接,以便上述用户终端呈现该待推送展示链接;在上述执行主体确定不在用户终端呈现待推送展示链接的情况下,上述用户终端则无法呈现该待推送展示链接。由此,实现了更具针对性的信息推送,丰富了信息推送的方式,提高了信息推送的准确性。此外,在确定在用户终端呈现待推送展示链接之后,向用户终端发送待推送展示链接,以供用户终端呈现待推送展示链接,由此,可以实现具有选择性的向用户终端发送待推送展示链接(针对特定用户终端,实现有选择性的发送待推送展示链接,而不是所有的待推送展示链接;针对特定展示链接,实现有选择性的将其发送至用户终端,而不是所有的用户终端),从而本实施例所提供的方案可以较小对于网络资源的占用,节省网络流量。
进一步参考图9,其示出了用于生成信息的方法的第四个实施例的流程900。该用于生成信息的方法的流程900,包括以下步骤:
步骤901,获取用户终端执行目标操作而生成的用户行为数据。
步骤902,基于用户行为数据,确定使用用户终端的用户的用户需求信息。
步骤903,基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
在本实施例中,步骤901-步骤903与图2对应实施例中的步骤201-步骤203基本一致,这里不再赘述。
步骤904,响应于接收待推送展示链接,基于呈现效果信息,确定是否在用户终端呈现待推送展示链接。
在本实施例中,响应于接收待推送展示链接,用于生成信息的方法的执行主体(例如图1所示的服务器)可以基于呈现效果信息,确定是否在用户终端呈现待推送展示链接。
作为示例,上述执行主体可以首先确定用户终端呈现的展示链接所属的类别与待推送展示链接所属的类别是否相同或相近(例如当展示链接所属的类别为“500-600元”,待推送展示链接所属的类别为“600-700元”时,可以确定展示链接所属的类别与待推送展示链接所属的类别相近),如果相同或相近,那么,上述执行主体可以确定在用户终端呈现待推送展示链接;如果并非相近,那么,上述执行主体可以确定不在用户终端呈现待推送展示链接。
作为又一示例,上述执行主体还可以首先确定用户终端呈现的展示链接指示的产品的产品信息与待推送展示链接指示的产品的产品信息之间的相似度,然后,上述执行主体可以确定所确定的相似度是否大于预先确定的相似度阈值,如果大于,那么,上述执行主体可以确定在用户终端呈现待推送展示链接;如果小于等于,那么,上述执行主体可以确定不在用户终端呈现待推送展示链接。
需要说明的是,技术人员可以根据实际需求,来确定是否在用户终端呈现待推送展示链接,上述示例仅仅是示意性的,并不构成对本公开的实施例的限定。
步骤905,响应于确定在用户终端呈现待推送展示链接,确定待推送展示链接在用户终端的呈现信息。
在本实施例中,响应于确定在用户终端呈现待推送展示链接,上述执行主体可以确定待推送展示链接在用户终端的呈现信息。其中,呈现信息包括以下至少一项:呈现初始时间,呈现时长。
示例性的,上述执行主体可以根据待推送展示链接所属的类别(例如服饰类,生鲜类等等),来确定该待推送展示链接在用户终端的呈现信息。作为示例,假设技术人员预先为各个待推送展示链接所属的类别设置有对应的呈现信息(例如服饰类的呈现信息“18:00,3h”,表征如果待推送展示链接所属的类别为服饰类,那么,将每天下午6点作为该待推送展示链接的呈现初始时间,将3小时作为该待推送展示链接的呈现时长;生鲜类的呈现信息“11:00,2h”,表征如果待推送展示链接所属的类别为生鲜类,那么,将每天上午11点作为该待推送展示链接的呈现初始时间,将2小时作为该待推送展示链接的呈现时长),由此,上述执行主体可以将待推送展示链接所属的类别对应的呈现信息,作为待推送展示链接在用户终端的呈现信息。
作为又一示例,上述执行主体还可以基于上述马尔科夫模型,来确定待推送展示链接在用户终端的呈现信息。
在这里,上述执行主体可以将至少一个待推送展示链接作为观测序列,从而采用上述马尔科夫模型,来预测用户的行为。例如,针对每个待推送展示链接,用户所执行的上述目标操作集合中的各个目标操作的概率,从而确定出各个概率中的最大的概率对应的目标操作集合中的目标操作,从而根据各个概率对应的时间,确定出待推送展示链接在用户终端的呈现信息。例如,上述目标操作集合包括目标操作“迁移对象行操作(例如购买)”,并且,根据马尔科夫模型,预测得到的用户在1点至2点通过用户终端执行目标操作“迁移对象行操作(例如购买)”的概率为0.1;用户在2点至3点通过用户终端执行目标操作“迁移对象行操作(例如购买)”的概率为0.8;用户在3点至4点通过用户终端执行目标操作“迁移对象行操作(例如购买)”的概率为0.1。那么,上述执行主体可以将概率值大于预设阈值(例如0.5)的概率对应的呈现信息(例如呈现初始时间“2点”,呈现时长“1小时”),作为待推送展示链接在用户终端的呈现信息。
步骤906,向用户终端发送待推送展示链接和呈现信息,以供用户终端按照呈现信息指示的呈现方式,呈现待推送展示链接。
在本实施例中,上述执行主体可以向用户终端发送待推送展示链接和呈现信息,以供用户终端按照呈现信息指示的呈现方式,呈现待推送展示链接。
需要说明的是,除上面针对图9所对应的实施例所记载的特征、效果之外,图9所对应的实施例还可以包括与上述图2-图6相对应的特征或效果,本公开的实施例在此不再赘述。
从图9中可以看出,与图2对应的实施例相比,本实施例中的用于生成信息的方法的流程900中,上述执行主体可以向用户终端发送待推送展示链接和呈现信息。用户终端在接收到待推送展示链接和呈现信息之后,可以在呈现信息指示的呈现初始时间呈现上述待推送展示链接,以及在距离上述呈现初始时间经过呈现信息指示的呈现时长之后,隐藏(即不呈现)上述待推送展示链接。在隐藏一个展示链接之后,其可以呈现另一个展示链接,从而可以确定出针对于每个展示链接的呈现初始时间和呈现时长。
进一步参考图10,其示出了用于生成信息的方法的第五个实施例的流程1000。该用于生成信息的方法的流程1000,包括以下步骤:
步骤1001,获取用户终端执行目标操作而生成的用户行为数据。
步骤1002,基于用户行为数据,确定使用用户终端的用户的用户需求信息。
步骤1003,基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
在本实施例中,步骤1001-步骤1003与图2对应实施例中的步骤201-步骤203基本一致,这里不再赘述。
步骤1004,将呈现效果信息发送至展示链接提供端,以供展示链接提供端呈现呈现效果信息。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器)可以将呈现效果信息发送至展示链接提供端,以供展示链接提供端呈现呈现效果信息。
需要说明的是,除上面针对图10所对应的实施例所记载的特征、效果之外,图10所对应的实施例还可以包括与上述图2-图6相对应的特征或效果,本公开的实施例在此不再赘述。
从图10中可以看出,与图2对应的实施例相比,本实施例中的用于生成信息的方法的流程1000可以在展示链接提供端呈现呈现效果信息之后,相关人员(例如负责推送展示链接的工作人员),可以通过展示链接提供端所呈现的呈现效果信息,直观的确定历史展示链接的呈现效果,从而基于呈现效果信息确定适于提供的展示链接,相对于现有技术,本可选的实现方式所提供的方案,可以节省网络资源的占用,节省网络流量。
进一步参考图11,作为对上述各图所示方法的实现,本公开的提供了一种用于生成信息的装置的一个实施例,该装置实施例与图2所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图2所示的方法实施例相同或相应的特征。该装置具体可以应用于各种电子设备中。
如图11所示,本实施例的用于生成信息的装置1100包括:获取单元1101、第一确定单元1102和第一生成单元1103。其中,获取单元1101被配置成获取用户终端执行目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与用户终端呈现的展示链接所指示的产品相对应;第一确定单元1102被配置成基于用户行为数据,确定使用用户终端的用户的用户需求信息,其中,用户需求信息表征用户对展示链接集合中的展示链接指示的产品的需求程度;第一生成单元1103被配置成基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
在本实施例中,用于生成信息的装置1100的获取单元1101可以通过有线连接方式或者无线连接方式,获取用户终端执行目标操作而生成的用户行为数据。
上述用户终端可以是与上述执行主体通信连接的终端。实践中,通常需要由服务器对终端所安装的应用进行支持,从而通过对应用的操作来实现相应的功能。可以理解,上述用户终端可以是安装有上述执行主体所支持的应用的终端。
上述目标操作可以是针对上述用户终端呈现的展示链接集合中的展示链接指示的产品对应的虚拟产品的操作。
上述展示链接可以是用于推送产品的信息。展示链接可以通过以下至少一种方式来呈现:文字、图片、音频、视频等。作为示例,当产品为“牙膏”时,展示链接可以是“XX牙膏,了解一下”。上述用户终端可以呈现有上述展示链接集合中的全部或者部分展示链接。
上述虚拟产品可以是与产品(实体产品,例如牙膏、毛巾等实物)对应的、呈现在软件或者网站中的表征该产品的信息。作为示例,上述虚拟产品可以通过但不限于以下至少一种形式来表征:文字、图片、视频等。作为示例,当产品为“牙膏”时,与产品对应的虚拟产品可以是牙膏的图片、描述牙膏的文字、牙膏的视频。
上述目标操作可以是上述执行主体在用户对虚拟产品的操作(例如分享、点击、收藏、迁移对象行操作(例如购买)、加入购物车、浏览、点赞、跳转落地页等)之后,对上述用户对虚拟产品的操作而响应的操作。例如当用户想要迁移对象行操作(例如购买)虚拟产品对应的实物产品时,用户可以在呈现有该虚拟产品的页面对虚拟产品执行迁移对象行操作(例如购买)操作(例如点击迁移对象行操作(例如购买)按钮,并完成支付),此后,上述执行主体可以执行如下目标操作,来响应上述迁移对象行操作(例如购买)操作:跳转到订单页面、在用户的历史迁移对象行操作(例如购买)记录中添加上述产品的迁移对象行操作(例如购买)记录。
在本实施例中,基于获取单元1101得到的用户行为数据,上述第一确定单元1102可以确定使用用户终端的用户的用户需求信息。其中,用户需求信息可以表征用户对展示链接集合中的展示链接指示的产品的需求程度。作为示例,用户需求信息可以通过文字、数值等表征。例如,用户需求信息可以是“很需要”、“一般需要”、“几乎不需要”等。可选的,用户需求信息也可以是“1”、“2”、“3”。其中,“1”可以表征“很需要”,“2”可以表征“一般需要”、“3”可以表征“几乎不需要”。
在本实施例中,基于第一确定单元1102得到的用户需求信息,上述第一生成单元1103可以生成用户终端对展示链接的呈现效果信息。其中,呈现效果信息可以是表征展示链接的呈现效果的信息。上述呈现效果信息可以通过文字或数字等方式来表征。作为示例,上述呈现效果信息可以是“好”、“差”,也可以是“1”、“2”。其中,当上述呈现效果信息通过数值来表征时,技术人员可以规定数值越大的呈现效果信息表征呈现效果越好,或者,数值越小的呈现效果信息表征呈现效果越好。
在本实施例的一些可选的实现方式中,用户需求信息通过用户意愿函数表征,用户意愿函数表征时间与用户对展示链接集合所指示的产品集合的总需求程度之间的对应关系。
在本实施例的一些可选的实现方式中,目标操作属于预先确定的目标操作集合;以及第一确定单元1102包括:第一确定子单元(图中未示出)被配置成基于关联概率集合,确定使用用户终端的用户对应的用户意愿函数,其中,关联概率集合基于用户行为数据确定,关联概率表征以下任一项:预先确定的用户类别集合中的用户类别转换为用户类别集合中的用户类别的概率,在执行目标操作集合中的目标操作之后执行目标操作集合中的任一目标操作的概率,属于用户类别集合中的用户类别的用户使用用户终端执行目标操作集合中的目标操作的概率,执行目标操作集合中的目标操作的用户终端的使用用户属于用户类别集合中的用户类别的概率。
在本实施例的一些可选的实现方式中,用户需求信息通过用户意愿函数表征,用户意愿函数表征时间与用户对展示链接集合所指示的产品集合的总需求程度之间的对应关系,总需求程度通过数值表征。
在本实施例的一些可选的实现方式中,第一确定子单元包括:划分模块(图中未示出)被配置成将用户意愿函数按照展示链接的呈现时间进行划分,得到用户产品意愿函数集合;变换模块(图中未示出)被配置成针对用户产品意愿函数集合中的用户产品意愿函数,将该用户产品意愿函数进行拉普拉斯变换,得到用户终端对展示链接的呈现效果信息,其中,呈现效果信息通过偏态分布函数表征。
在本实施例的一些可选的实现方式中,获取单元1101包括:获取子单元(图中未示出)被配置成获取用户终端在目标历史时间段内执行目标操作集合中的目标操作而生成的用户行为数据;以及装置1100还包括:第二生成单元(图中未示出)被配置成基于所生成的通过偏态分布函数表征的呈现效果信息,生成用户终端呈现展示链接集合中的展示链接在目标历史时间段内的效果值,以及在目标历史时间段内的时间点的效果值。
在本实施例的一些可选的实现方式中,第一确定子单元包括:构建模块(图中未示出)被配置成基于关联概率集合、预先确定的用户类别集合和目标操作集合,构建马尔科夫模型,其中,马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者目标操作集合中的目标操作,概率矩阵的元素为关联概率集合中的关联概率;确定模块(图中未示出)被配置成基于马尔科夫模型,确定使用用户终端的用户对应的用户意愿函数。
在本实施例的一些可选的实现方式中,装置1100还包括:第二确定单元(图中未示出)被配置成响应于接收待推送展示链接,基于呈现效果信息,确定是否在用户终端呈现待推送展示链接;第一发送单元(图中未示出)被配置成响应于确定在用户终端呈现待推送展示链接,向用户终端发送待推送展示链接,以供用户终端呈现待推送展示链接。
在本实施例的一些可选的实现方式中,第一发送单元1103包括:第二确定子单元(图中未示出)被配置成确定待推送展示链接在用户终端的呈现信息,其中,呈现信息包括以下至少一项:呈现初始时间,呈现时长;发送子单元(图中未示出)被配置成向用户终端发送待推送展示链接和呈现信息,以供用户终端按照呈现信息指示的呈现方式,呈现待推送展示链接。
在本实施例的一些可选的实现方式中,装置1100还包括:第二发送单元(图中未示出)被配置成将呈现效果信息发送至展示链接提供端,以供展示链接提供端呈现呈现效果信息。
本公开的上述实施例提供的装置,通过获取单元1101获取用户终端执行目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与用户终端呈现的展示链接所指示的产品相对应,然后第一确定单元1102基于用户行为数据,确定使用用户终端的用户的用户需求信息,其中,用户需求信息表征用户对展示链接集合中的展示链接指示的产品的需求程度,之后第一生成单元1103基于用户需求信息,生成用户终端对展示链接的呈现效果信息,从而基于用户行为数据来确定用户需求信息,进而生成展示链接在用户终端的呈现效果信息,由此丰富了生成呈现效果信息的方式,提高了生成呈现效果信息的准确性。
下面请参考图12,示出了根据本公开的用于生成模型的方法的一个实施例的流程1200。该用于生成模型的方法,包括以下步骤:
步骤1201,获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器)可以通过有线方式或者无线方式,从本地或者其他电子设备获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据。其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应。
上述用户终端可以是与上述执行主体通信连接的终端。实践中,通常需要由服务器对终端所安装的应用进行支持,从而通过对应用的操作来实现相应的功能。可以理解,上述用户终端可以是安装有上述执行主体所支持的应用的终端。
作为示例,上述用户终端可以安装有购物类软件,或者可以通过浏览器打开购物类网站,上述执行主体可以是支持上述购物类软件或者购物类网站的服务器。
上述目标操作可以是针对上述用户终端呈现的展示链接集合中的展示链接所指示的产品对应的虚拟产品的操作。
上述展示链接可以是用于推送产品的信息。展示链接可以通过以下至少一种方式来呈现:文字、图片、音频、视频等。作为示例,当产品为“牙膏”时,展示链接可以是“XX牙膏,了解一下”。上述用户终端可以呈现有上述展示链接集合中的全部或者部分展示链接。
上述虚拟产品可以是与产品(实体产品,例如牙膏、毛巾等实物)对应的、呈现在软件或者网站中的表征该产品的信息。作为示例,上述虚拟产品可以通过但不限于以下至少一种形式来表征:文字、图片、视频等。作为示例,当产品为“牙膏”时,与产品对应的虚拟产品可以是牙膏的图片、描述牙膏的文字、牙膏的视频。
上述目标操作可以是上述执行主体在用户对虚拟产品的操作(例如分享、点击、收藏、迁移对象行操作(例如购买)、加入购物车、浏览、点赞、跳转落地页等)之后,对上述用户对虚拟产品的操作而响应的操作。例如当用户想要迁移对象行操作(例如购买)虚拟产品对应的实物产品时,用户可以在呈现有该虚拟产品的页面对虚拟产品执行迁移对象行操作(例如购买)操作(例如点击迁移对象行操作(例如购买)按钮,并完成支付),此后,上述执行主体可以执行如下目标操作,来响应上述迁移对象行操作(例如购买)操作:跳转到订单页面、在用户的历史迁移对象行操作(例如购买)记录中添加上述产品的迁移对象行操作(例如购买)记录。
在一些使用情况下,上述用户终端可以是预先确定的用户终端集合(例如安装有购物软件的终端的集合)中的用户终端,上述目标操作可以是预先确定的操作集合(例如可以包括分享、点击、收藏、迁移对象行操作(例如购买)、加入购物车、浏览、点赞、跳转落地页等)中的操作。由此,上述执行主体还可以获取用户终端集合中的各个用户终端执行目标操作集合中的目标操作而生成的用户行为数据。
步骤1202,对用户行为数据进行统计,以构建马尔科夫模型。
在本实施例中,上述执行主体可以对用户行为数据进行统计,以构建马尔科夫模型(Markov Model)。其中,马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者目标操作集合中的目标操作,用户类别为使用用户终端集合中的用户终端的用户所属的类别。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器)可以基于关联概率集合、预先确定的用户类别集合和目标操作集合,构建马尔科夫模型(MarkovModel)。其中,马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者目标操作集合中的目标操作,概率矩阵的元素为关联概率集合中的关联概率。概率矩阵基于关联概率集合得到。
其中,关联概率集合基于用户行为数据确定。关联概率与时间相关。关联概率表征以下任一项:预先确定的用户类别集合中的用户类别转换为用户类别集合中的用户类别的概率,在执行目标操作集合中的目标操作之后执行目标操作集合中的任一目标操作的概率,属于用户类别集合中的用户类别的用户使用用户终端执行目标操作集合中的目标操作的概率,执行目标操作集合中的目标操作的用户终端的使用用户属于用户类别集合中的用户类别的概率。
上述用户类别可以用来表征用户的类别。作为示例,上述用户类别集合中的用户类别可以是以下之一:潜在用户、认知用户、兴趣用户、迁移对象行操作(例如购买)用户、忠实用户。上述用户类别集合中的用户类别的数量可以是技术人员设置的,作为示例,上述用户类别集合可以包括5种用户类别。
上述目标操作可以是诸如分享、点击、收藏、迁移对象行操作(例如购买)、加入购物车、浏览、点赞、跳转落地页等的操作。上述目标操作集合中的目标操作的数量可以是技术人员设置的,作为示例,上述目标操作集合可以包括10种目标操作。
作为示例,请参考图7。图7示出了根据本公开的一个实施例的马尔科夫模型结构示意图。如图所示,马尔科夫模型包括的状态信息为“状态信息1,状态信息2,…状态信息n”。其中,n表征状态信息的数量。例如,当用户类别集合包括5种用户类别,目标操作集合包括10种目标操作时,上述n的取值可以是50。马尔科夫模型包括的概率矩阵中的元素可以为关联概率集合中的关联概率。
在这里,隐马尔科夫模型(Hidden Markov Model,HMM)是一个由马尔科夫过程(即马尔科夫模型)和一个一般随机过程组成的双重随机过程,该模型可以依据不同的算法完成以下任务:
任务一:历史数据整理问题。前后向算法:求给定模型下观测序列的概率。
任务二:新数据接入问题。维特比(Viterbi)算法:求给定模型下对应于观测序列的状态序列。
任务三:整体模型训练问题。Baum-Welch算法:产生该状态序列的最优模型。
本公开的上述实施例提供的方法,通过获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应,然后,对用户行为数据进行统计,以构建马尔科夫模型,其中,马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者目标操作集合中的目标操作,用户类别为使用用户终端集合中的用户终端的用户所属的类别,由此丰富了模型的训练方式,有助于基于所得到的模型预测用户的行为,从而减少网络资源占用,以及减少网路流量。
请继续参考图13,作为对上述图12所示方法的实现,本公开的提供了一种用于生成模型的装置的一个实施例,该装置实施例与图12所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图12所示的方法实施例相同或相应的特征。该装置具体可以应用于各种电子设备中。
如图13所示,本实施例的用于生成信息的装置1300包括:获取单元1301和构建单元1302。其中,获取单元1301被配置成获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应;构建单元1302被配置成对用户行为数据进行统计,以构建马尔科夫模型,其中,马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者目标操作集合中的目标操作,用户类别为使用用户终端集合中的用户终端的用户所属的类别。
在本实施例中,用于生成模型的装置1300的获取单元1301可以通过有线方式或者无线方式,从本地或者其他电子设备获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据。其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应。
上述用户终端可以是与上述执行主体通信连接的终端。实践中,通常需要由服务器对终端所安装的应用进行支持,从而通过对应用的操作来实现相应的功能。可以理解,上述用户终端可以是安装有上述执行主体所支持的应用的终端。
上述展示链接可以是用于推送产品的信息。展示链接可以通过以下至少一种方式来呈现:文字、图片、音频、视频等。作为示例,当产品为“牙膏”时,展示链接可以是“XX牙膏,了解一下”。上述用户终端可以呈现有上述展示链接集合中的全部或者部分展示链接。
上述虚拟产品可以是与产品(实体产品,例如牙膏、毛巾等实物)对应的、呈现在软件或者网站中的表征该产品的信息。作为示例,上述虚拟产品可以通过但不限于以下至少一种形式来表征:文字、图片、视频等。作为示例,当产品为“牙膏”时,与产品对应的虚拟产品可以是牙膏的图片、描述牙膏的文字、牙膏的视频。
上述目标操作可以是上述执行主体在用户对虚拟产品的操作(例如分享、点击、收藏、迁移对象行操作(例如购买)、加入购物车、浏览、点赞、跳转落地页等)之后,对上述用户对虚拟产品的操作而响应的操作。例如当用户想要迁移对象行操作(例如购买)虚拟产品对应的实物产品时,用户可以在呈现有该虚拟产品的页面对虚拟产品执行迁移对象行操作(例如购买)操作(例如点击迁移对象行操作(例如购买)按钮,并完成支付),此后,上述执行主体可以执行如下目标操作,来响应上述迁移对象行操作(例如购买)操作:跳转到订单页面、在用户的历史迁移对象行操作(例如购买)记录中添加上述产品的迁移对象行操作(例如购买)记录。
在本实施例中,上述构建单元1302可以对用户行为数据进行统计,以构建马尔科夫模型(Markov Model)。其中,马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者目标操作集合中的目标操作,用户类别为使用用户终端集合中的用户终端的用户所属的类别。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器)可以基于关联概率集合、预先确定的用户类别集合和目标操作集合,构建马尔科夫模型(MarkovModel)。其中,马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者目标操作集合中的目标操作,概率矩阵的元素为关联概率集合中的关联概率。概率矩阵基于关联概率集合得到。
其中,关联概率集合基于用户行为数据确定。关联概率与时间相关。关联概率表征以下任一项:预先确定的用户类别集合中的用户类别转换为用户类别集合中的用户类别的概率,在执行目标操作集合中的目标操作之后执行目标操作集合中的任一目标操作的概率,属于用户类别集合中的用户类别的用户使用用户终端执行目标操作集合中的目标操作的概率,执行目标操作集合中的目标操作的用户终端的使用用户属于用户类别集合中的用户类别的概率。
上述用户类别可以用来表征用户的类别。作为示例,上述用户类别集合中的用户类别可以是以下之一:潜在用户、认知用户、兴趣用户、迁移对象行操作(例如购买)用户、忠实用户。上述用户类别集合中的用户类别的数量可以是技术人员设置的,作为示例,上述用户类别集合可以包括5种用户类别。
上述目标操作可以是诸如分享、点击、收藏、迁移对象行操作(例如购买)、加入购物车、浏览、点赞、跳转落地页等的操作。上述目标操作集合中的目标操作的数量可以是技术人员设置的,作为示例,上述目标操作集合可以包括10种目标操作。
本公开的上述实施例提供的装置,通过获取单元1301获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应,然后,构建单元1302对用户行为数据进行统计,以构建马尔科夫模型,其中,马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者目标操作集合中的目标操作,用户类别为使用用户终端集合中的用户终端的用户所属的类别,由此丰富了模型的训练方式,有助于基于所得到的模型预测用户的行为,从而减少网络资源占用,以及减少网路流量。
下面请参考图14,其示出了根据本公开的另一个用于生成信息的方法的一个实施例的流程1400。该用于生成信息的方法,包括以下步骤:
步骤1401,接收待推送展示链接。
在本实施例中,用于生成信息的方法的执行主体(例如图1所示的服务器)可以通过有线连接方式或者无线连接方式,接收待推送展示链接。
在这里,上述待推送展示链接可以是待推送的、用于推送产品的信息(例如广告)。展示链接可以通过以下至少一种方式来呈现:文字、图片、音频、视频等。作为示例,当产品为“牙膏”时,展示链接可以是“XX牙膏,了解一下”。上述用户终端可以呈现有上述展示链接集合中的全部或者部分展示链接。
步骤1402,基于预先生成的马尔科夫模型,生成用户对于待推送展示链接所指示的产品的需求程度。
在本实施例中,上述执行主体可以基于预先生成的马尔科夫模型,生成用户对于待推送展示链接所指示的产品的需求程度。其中,马尔科夫模型是按照如上述用于生成模型的方法中任一实施例的方法生成的。
在这里,上述执行主体可以将至少一个待推送展示链接作为观测序列,从而采用上述马尔科夫模型,来预测用户的行为,从而生成用户对于待推送展示链接所指示的产品的需求程度。例如,针对待推送展示链接,用户所执行的上述目标操作集合中的各个目标操作的概率,从而确定出各个概率中的最大的概率对应的目标操作集合中的目标操作,从而根据各个概率对应的时间,确定出待推送展示链接在用户终端的呈现信息。例如,上述目标操作集合包括目标操作“迁移对象行操作(例如购买)”,并且,根据马尔科夫模型,预测得到的用户在1点至2点通过用户终端执行目标操作“迁移对象行操作(例如购买)”的概率为0.1;用户在2点至3点通过用户终端执行目标操作“迁移对象行操作(例如购买)”的概率为0.8;用户在3点至4点通过用户终端执行目标操作“迁移对象行操作(例如购买)”的概率为0.1。那么,上述执行主体可以将概率值大于预设阈值(例如0.5)的概率对应的呈现信息(例如呈现初始时间“2点”,呈现时长“1小时”),作为待推送展示链接在用户终端的呈现信息。
接下来,上述执行主体可以基于每个时间的概率值,与预先为目标操作设置的、表征对产品的需求程度的数值,生成用户对于待推送展示链接所指示的产品的需求程度。例如将每个时间的概率值,与预先为目标操作设置的、表征对产品的需求程度的数值,两证加权求和的结果,或者,加权求和的结果与预设数值(例如100)的乘积,确定为用户对于待推送展示链接所指示的产品的需求程度。
在本实施例的一些可选的实现方式中,上述执行主体还可以基于需求程度,确定是否向目标用户终端推送待推送展示链接。其中,目标用户终端可以是上述用户终端集合中的任一用户终端,也可以是可以接受展示链接的任一用户终端。
作为示例,上述执行主体可以首先确定目标用户终端所呈现的展示链接所属的类别与待推送展示链接所属的类别是否相同或相近(例如当展示链接所属的类别为“500-600元”,待推送展示链接所属的类别为“600-700元”时,可以确定展示链接所属的类别与待推送展示链接所属的类别相近),如果相同或相近,那么,上述执行主体可以确定在用户终端呈现待推送展示链接;如果并非相近,那么,上述执行主体可以确定不在用户终端呈现待推送展示链接。
作为又一示例,上述执行主体还可以首先确定用户终端呈现的展示链接指示的产品的产品信息与待推送展示链接指示的产品的产品信息之间的相似度,然后,上述执行主体可以确定所确定的相似度是否大于预先确定的相似度阈值,如果大于,那么,上述执行主体可以确定在用户终端呈现待推送展示链接;如果小于等于,那么,上述执行主体可以确定不在用户终端呈现待推送展示链接。
需要说明的是,技术人员可以根据实际需求,来确定是否在用户终端呈现待推送展示链接,上述示例仅仅是示意性的,并不构成对本公开的实施例的限定。
在本实施例的一些可选的实现方式中,响应于确定向目标用户终端推送待推送展示链接,上述执行主体还可以向目标用户终端发送待推送展示链接,以供目标用户终端呈现待推送展示链接。
在本实施例的一些可选的实现方式中,向目标用户终端发送待推送展示链接,以供目标用户终端呈现待推送展示链接,包括如下步骤:
步骤一,确定待推送展示链接在目标用户终端的呈现信息。其中,呈现信息包括以下至少一项:呈现初始时间,呈现时长。
示例性的,上述执行主体可以根据待推送展示链接所属的类别(例如服饰类,生鲜类等等),来确定该待推送展示链接在用户终端的呈现信息。作为示例,假设技术人员预先为各个待推送展示链接所属的类别设置有对应的呈现信息(例如服饰类的呈现信息“18:00,3h”,表征如果待推送展示链接所属的类别为服饰类,那么,将每天下午6点作为该待推送展示链接的呈现初始时间,将3小时作为该待推送展示链接的呈现时长;生鲜类的呈现信息“11:00,2h”,表征如果待推送展示链接所属的类别为生鲜类,那么,将每天上午11点作为该待推送展示链接的呈现初始时间,将2小时作为该待推送展示链接的呈现时长),由此,上述执行主体可以将待推送展示链接所属的类别对应的呈现信息,作为待推送展示链接在用户终端的呈现信息。
作为又一示例,上述执行主体还可以基于上述马尔科夫模型,来确定待推送展示链接在用户终端的呈现信息。
在这里,上述执行主体可以将至少一个待推送展示链接作为观测序列,从而采用上述马尔科夫模型,来预测用户的行为。例如,针对每个待推送展示链接,用户所执行的上述目标操作集合中的各个目标操作的概率,从而确定出各个概率中的最大的概率对应的目标操作集合中的目标操作,从而根据各个概率对应的时间,确定出待推送展示链接在用户终端的呈现信息。例如,上述目标操作集合包括目标操作“购买”,并且,根据马尔科夫模型,预测得到的用户在1点至2点通过用户终端执行目标操作“购买”的概率为0.1;用户在2点至3点通过用户终端执行目标操作“购买”的概率为0.8;用户在3点至4点通过用户终端执行目标操作“购买”的概率为0.1。那么,上述执行主体可以将概率值大于预设阈值(例如0.5)的概率对应的呈现信息(例如呈现初始时间“2点”,呈现时长“1小时”),作为待推送展示链接在用户终端的呈现信息。
步骤二,向目标用户终端发送待推送展示链接和呈现信息,以供目标用户终端按照呈现信息指示的呈现方式,呈现待推送展示链接。
可以理解,上述执行主体可以向用户终端发送待推送展示链接和呈现信息。用户终端在接收到待推送展示链接和呈现信息之后,可以在呈现信息指示的呈现初始时间呈现上述待推送展示链接,以及在距离上述呈现初始时间经过呈现信息指示的呈现时长之后,隐藏(即不呈现)上述待推送展示链接。
在本实施例的一些可选的实现方式中,上述执行主体还可以将呈现效果信息发送至展示链接提供端,以供展示链接提供端呈现呈现效果信息。
其中,上述展示链接提供端可以用于提供展示链接(例如广告),上述展示链接提供端可以是服务器,也可以是终端设备。
可以理解,在展示链接提供端呈现呈现效果信息之后,相关人员(例如负责推送展示链接的工作人员),可以通过展示链接提供端所呈现的呈现效果信息,直观的确定历史展示链接的呈现效果,从而基于呈现效果信息确定适于提供的展示链接,相对于现有技术,本可选的实现方式所提供的方案,可以节省网络资源的占用,节省网络流量。
本公开的上述实施例提供的方法,通过接收待推送展示链接,然后,基于如上述用于生成模型的方法中任一实施例的方法生成的马尔科夫模型,生成用户对于待推送展示链接所指示的产品的需求程度,由此,基于所得到的模型,来预测用户的行为,有助于减少网络资源占用,以及减少网路流量。
请继续参考图15,作为对上述图14所示方法的实现,本公开的提供了一种用于生成信息的装置的一个实施例,该装置实施例与图14所示的方法实施例相对应,除下面所记载的特征外,该装置实施例还可以包括与图14所示的方法实施例相同或相应的特征。该装置具体可以应用于各种电子设备中。
如图15所示,本实施例的用于生成信息的装置1500包括:接收单元1501和生成单元1502。其中,接收单元1501被配置成接收待推送展示链接;生成单元1502被配置成基于预先生成的马尔科夫模型,生成用户对于待推送展示链接所指示的产品的需求程度,其中,马尔科夫模型是按照如上述用于生成模型的方法中任一实施例的方法生成的。
在本实施例中,用于生成模型的装置1500的接收单元1501可以通过有线连接方式或者无线连接方式,接收待推送展示链接。
在这里,上述待推送展示链接可以是待推送的、用于推送产品的信息(例如广告)。展示链接可以通过以下至少一种方式来呈现:文字、图片、音频、视频等。作为示例,当产品为“牙膏”时,展示链接可以是“XX牙膏,了解一下”。上述用户终端可以呈现有上述展示链接集合中的全部或者部分展示链接。
在本实施例中,上述生成单元1502可以基于预先生成的马尔科夫模型,生成用户对于待推送展示链接所指示的产品的需求程度。其中,马尔科夫模型是按照如上述用于生成模型的方法中任一实施例的方法生成的。
在本实施例的一些可选的实现方式中,装置1500还包括:确定单元(图中未示出)被配置成基于需求程度,确定是否向目标用户终端推送待推送展示链接。
在本实施例的一些可选的实现方式中,装置1500还包括:第一发送单元(图中未示出)被配置成响应于确定向目标用户终端推送待推送展示链接,向目标用户终端发送待推送展示链接,以供目标用户终端呈现待推送展示链接。
在本实施例的一些可选的实现方式中,第一发送单元包括:确定子单元(图中未示出)被配置成确定待推送展示链接在目标用户终端的呈现信息,其中,呈现信息包括以下至少一项:呈现初始时间,呈现时长;发送子单元(图中未示出)被配置成向目标用户终端发送待推送展示链接和呈现信息,以供目标用户终端按照呈现信息指示的呈现方式,呈现待推送展示链接。
在本实施例的一些可选的实现方式中,装置1500还包括:第二发送单元(图中未示出)被配置成将呈现效果信息发送至展示链接提供端,以供展示链接提供端呈现呈现效果信息。
本公开的上述实施例提供的装置,通过获取单元1501接收待推送展示链接,然后,生成单元1502基于如上述用于生成模型的方法中任一实施例的方法生成的马尔科夫模型,生成用户对于待推送展示链接所指示的产品的需求程度,由此,基于所得到的模型,来预测用户的行为,有助于减少网络资源占用,以及减少网路流量。
请继续参考图16,其示出了根据本公开的用于生成信息的系统的一个实施例的交互过程示意图。
在本实施例中,该用于生成信息的系统包括:服务端和用户终端集合,其中,用户终端与服务端通信连接。其中:服务端,被配置成:获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应;基于用户行为数据,确定使用用户终端集合中的用户终端的用户的用户需求信息,其中,用户需求信息表征用户对展示链接所指示的产品的需求程度;基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
如图16所示,在步骤1601中,用户终端集合执行目标操作集合中的目标操作,生成用户行为数据。
在本实施例中,用户终端集合中的用户终端可以执行目标操作集合中的目标操作,从而生成用户行为数据。其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应。
上述用户终端可以是与上述服务端通信连接的终端。实践中,通常需要由服务端对用户终端所安装的应用进行支持,从而通过对应用的操作来实现相应的功能。可以理解,上述用户终端可以是安装有上述服务端所支持的应用的终端。
作为示例,上述用户终端可以安装有购物类软件,或者可以通过浏览器打开购物类网站,上述服务端可以是支持上述购物类软件或者购物类网站的服务端。
上述目标操作可以是针对上述用户终端呈现的展示链接集合中的展示链接所指示的产品对应的虚拟产品的操作。
上述展示链接可以是用于推送产品的信息(例如广告)。展示链接可以通过以下至少一种方式来呈现:文字、图片、音频、视频等。作为示例,当产品为“牙膏”时,展示链接可以是“XX牙膏,了解一下”。上述用户终端可以呈现有上述展示链接集合中的全部或者部分展示链接。
上述虚拟产品可以是与产品(实体产品,例如牙膏、毛巾等实物)对应的、呈现在软件或者网站中的表征该产品的信息。作为示例,上述虚拟产品可以通过但不限于以下至少一种形式来表征:文字、图片、视频等。作为示例,当产品为“牙膏”时,与产品对应的虚拟产品可以是牙膏的图片、描述牙膏的文字、牙膏的视频。
上述目标操作可以是上述用户终端或服务端在用户对虚拟产品的操作(例如分享、点击、收藏、购买、加入购物车、浏览、点赞、跳转落地页等)之后,对上述用户对虚拟产品的操作而响应的操作。例如当用户想要购买虚拟产品对应的实物产品时,用户可以在呈现有该虚拟产品的页面对虚拟产品执行购买操作(例如点击购买按钮,并完成支付),此后,上述服务端可以执行如下目标操作,来响应上述购买操作:跳转到订单页面、在用户的历史购买记录中添加上述产品的购买记录。
在一些使用情况下,上述用户终端可以是预先确定的用户终端集合(例如安装有购物软件的终端的集合)中的用户终端,上述目标操作可以是预先确定的操作集合(例如可以包括分享、点击、收藏、购买、加入购物车、浏览、点赞、跳转落地页等)中的操作。由此,上述服务端还可以获取用户终端集合中的各个用户终端执行目标操作集合中的目标操作而生成的用户行为数据。
步骤1602,用户终端集合向服务端发送用户行为数据。
在本实施例中,用户终端集合中的用户终端可以向服务端发送步骤1601中获取到的用户行为数据。
需要说明的是,在这里,可以采用用户终端,主动向服务端发送步骤1601中获取到的用户行为数据,或者,服务端从用户终端集合中的用户终端主动获取的方式,来执行该步骤1602。
步骤1603,服务端基于用户行为数据,确定使用用户终端集合中的用户终端的用户的用户需求信息。
在本实施例中,服务端可以基于用户行为数据,确定使用用户终端集合中的用户终端的用户的用户需求信息。作为示例,用户需求信息可以通过文字、数值等表征。例如,用户需求信息可以是“很需要”、“一般需要”、“几乎不需要”等。可选的,用户需求信息也可以是“1”、“2”、“3”。其中,“1”可以表征“很需要”,“2”可以表征“一般需要”、“3”可以表征“几乎不需要”。
作为示例,当用户行为数据是上述服务端在响应用户的购买操作而得到的数据时,上述服务端可以确定使用用户终端的用户的用户需求信息为“很需要”。
作为又一示例,当用户行为数据是上述服务端在响应用户的分享操作而得到的数据时,上述服务端可以确定使用用户终端的用户的用户需求信息为“一般需要”。
作为再一示例,当用户行为数据是上述服务端在响应用户的浏览操作而得到的数据时,上述服务端可以确定使用用户终端的用户的用户需求信息为“几乎不需要”。
需要说明的是,技术人员可以根据实际需求来确定上述用户需求信息的表征方式以及确定方式,上述示例仅仅是示意性的,并不构成对本公开的实施例的限定。
步骤1604,服务端基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
在本实施例中,服务端可以基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
其中,呈现效果信息可以是表征展示链接的呈现效果的信息。上述呈现效果信息可以通过文字或数字等方式来表征。作为示例,上述呈现效果信息可以是“好”、“差”,也可以是“1”、“2”。其中,当上述呈现效果信息通过数值来表征时,技术人员可以规定数值越大的呈现效果信息表征呈现效果越好,或者,数值越小的呈现效果信息表征呈现效果越好。
作为示例,当用户需求信息为“很需要”时,上述服务端可以生成呈现效果信息“1”;当用户需求信息为“一般需要”时,上述服务端可以生成呈现效果信息“2”;当用户需求信息为“几乎不需要”时,上述服务端可以生成呈现效果信息“3”。在这里,可以预先规定数值越大的呈现效果信息表征呈现效果越好。
需要说明的是,技术人员可以根据实际需求来确定上述呈现效果信息的表征方式,以及确定方式,上述示例仅仅是示意性的,并不构成对本公开的实施例的限定。
可以理解,用户终端对展示链接的呈现效果信息,即为用户终端呈现展示链接集合中的展示链接的呈现效果信息。
需要说明的是,除上面针对图16所对应的实施例所记载的特征、效果之外,图16所对应的实施例还可以包括与上述图2-图6相对应的特征或效果,本公开的实施例在此不再赘述。
本公开的实施例提供的用于生成信息的系统,首先,服务端获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应,然后,基于用户行为数据,确定使用用户终端集合中的用户终端的用户的用户需求信息,其中,用户需求信息表征用户对展示链接所指示的产品的需求程度,最后,基于用户需求信息,生成用户终端对展示链接的呈现效果信息,从而基于用户行为数据来确定用户需求信息,进而生成展示链接在用户终端的呈现效果信息,由此丰富了生成呈现效果信息的方式,提高了生成呈现效果信息的准确性。
请继续参考图17,其示出了根据本公开的用于生成信息的系统的又一个实施例的交互过程示意图。
在本实施例中,该用于生成信息的系统包括:服务端、用户终端集合和与展示链接提供端,其中,用户终端与服务端通信连接,展示链接提供端与服务端通信连接。其中:服务端,被配置成:获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应;基于用户行为数据,确定使用用户终端集合中的用户终端的用户的用户需求信息,其中,用户需求信息表征用户对展示链接所指示的产品的需求程度;基于用户需求信息,生成用户终端对展示链接的呈现效果信息;将呈现效果信息发送至展示链接提供端;展示链接提供端被配置成:呈现呈现效果信息。
如图17所示,在步骤1701中,用户终端集合执行目标操作集合中的目标操作,生成用户行为数据。
在本实施例中,用户终端集合中的用户终端可以执行目标操作集合中的目标操作,从而生成用户行为数据。
步骤1702,用户终端集合向服务端发送用户行为数据。
在本实施例中,用户终端集合中的用户终端可以向服务端发送用户行为数据。
步骤1703,服务端基于用户行为数据,确定使用用户终端集合中的用户终端的用户的用户需求信息。
在本实施例中,服务端可以基于用户行为数据,确定使用用户终端集合中的用户终端的用户的用户需求信息。
步骤1704,服务端基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
在本实施例中,服务端可以基于用户需求信息,生成用户终端对展示链接的呈现效果信息。
在本实施例中,步骤1701-1704与图16对应实施例中的步骤1701-1704基本一致,这里不再赘述。
步骤1705,服务端向展示链接提供端发送呈现效果信息。
在本实施例中,服务端可以向展示链接提供端发送步骤1704中所生成的呈现效果信息。
步骤1706,展示链接提供端呈现呈现效果信息。
在本实施例中,展示链接提供端可以呈现步骤1705中所接收到的呈现效果信息。
在本实施例的一些可选的实现方式中,展示链接提供端还可以基于呈现效果信息,从预先确定的待推送展示链接集合中,选取满足预设选取条件的待推送展示链接。
其中,上述预设选取条件可以是各种预先设置的、用于从预先确定的待推送展示链接集合中选取一个或多个待推送展示链接的条件。
作为示例,该预设选取条件可以是预先确定的待推送展示链接集合中,与用户最近一次通过用户终端浏览的展示链接的类别相近(例如当展示链接所属的类别为“500-600元”,待推送展示链接所属的类别为“600-700元”时,可以确定展示链接所属的类别与待推送展示链接所属的类别相近)的一个或多个待推送展示链接。由此,本可选的实现方式可以按照如下步骤来执行:
上述展示链接提供端可以首先确定用户终端呈现的展示链接所属的类别与待推送展示链接所属的类别是否相同或相近(例如当展示链接所属的类别为“500-600元”,待推送展示链接所属的类别为“600-700元”时,可以确定展示链接所属的类别与待推送展示链接所属的类别相近),如果相同或相近,那么,上述服务端可以确定在用户终端呈现待推送展示链接;如果并非相近,那么,上述服务端可以确定不在用户终端呈现待推送展示链接。
作为又一示例,该预设选取条件还可以是预先确定的待推送展示链接集合中,与用户最近一次通过用户终端浏览的展示链接之间的相似度大于预设相似度阈值的一个或多个待推送展示链接。由此,本可选的实现方式可以按照如下步骤来执行:
上述展示链接提供端还可以首先确定用户终端呈现的展示链接指示的产品的产品信息与待推送展示链接指示的产品的产品信息之间的相似度,然后,上述展示链接提供端可以确定所确定的相似度是否大于预先确定的相似度阈值,如果大于,那么,上述展示链接提供端可以确定在用户终端呈现待推送展示链接;如果小于等于,那么,上述展示链接提供端可以确定不在用户终端呈现待推送展示链接。
在本实施例的一些可选的实现方式中,展示链接提供端还可以向服务端发送所选取的待推送展示链接。以及服务端还可以基于呈现效果信息,确定是否在目标用户终端呈现所选取的待推送展示链接;响应于确定在目标用户终端呈现所选取的待推送展示链接,向目标用户终端发送所选取的待推送展示链接,以供目标用户终端呈现待推送展示链接。
在本实施例的一些可选的实现方式中,展示链接提供端还可以向服务端发送所选取的待推送展示链接。以及服务端还可以基于呈现效果信息,确定待推送展示链接在目标用户终端的呈现信息。其中,呈现信息包括以下至少一项:呈现初始时间,呈现时长。以及向目标用户终端发送待推送展示链接和呈现信息,以供目标用户终端按照呈现信息指示的呈现方式,呈现待推送展示链接。
示例性的,上述服务端可以根据待推送展示链接所属的类别(例如服饰类,生鲜类等等),来确定该待推送展示链接在用户终端的呈现信息。作为示例,假设技术人员预先为各个待推送展示链接所属的类别设置有对应的呈现信息(例如服饰类的呈现信息“18:00,3h”,表征如果待推送展示链接所属的类别为服饰类,那么,将每天下午6点作为该待推送展示链接的呈现初始时间,将3小时作为该待推送展示链接的呈现时长;生鲜类的呈现信息“11:00,2h”,表征如果待推送展示链接所属的类别为生鲜类,那么,将每天上午11点作为该待推送展示链接的呈现初始时间,将2小时作为该待推送展示链接的呈现时长),由此,上述服务端可以将待推送展示链接所属的类别对应的呈现信息,作为待推送展示链接在用户终端的呈现信息。
作为又一示例,上述服务端还可以基于上述马尔科夫模型,来确定待推送展示链接在用户终端的呈现信息。
在这里,上述服务端可以将至少一个待推送展示链接作为观测序列,从而采用上述马尔科夫模型,来预测用户的行为。例如,针对每个待推送展示链接,用户所执行的上述目标操作集合中的各个目标操作的概率,从而确定出各个概率中的最大的概率对应的目标操作集合中的目标操作,从而根据各个概率对应的时间,确定出待推送展示链接在用户终端的呈现信息。例如,上述目标操作集合包括目标操作“购买”,并且,根据马尔科夫模型,预测得到的用户在1点至2点通过用户终端执行目标操作“购买”的概率为0.1;用户在2点至3点通过用户终端执行目标操作“购买”的概率为0.8;用户在3点至4点通过用户终端执行目标操作“购买”的概率为0.1。那么,上述服务端可以将概率值大于预设阈值(例如0.5)的概率对应的呈现信息(例如呈现初始时间“2点”,呈现时长“1小时”),作为待推送展示链接在用户终端的呈现信息。
需要说明的是,除上面针对图17所对应的实施例所记载的特征、效果之外,图17所对应的实施例还可以包括与上述图2-图6相对应的特征或效果,本公开的实施例在此不再赘述。
本公开的实施例提供的用于生成信息的系统,首先,服务端获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应,然后,基于用户行为数据,确定使用用户终端集合中的用户终端的用户的用户需求信息,其中,用户需求信息表征用户对展示链接所指示的产品的需求程度,随后,基于用户需求信息,生成用户终端对展示链接的呈现效果信息,再将呈现效果信息发送至展示链接提供端,以便展示链接提供端呈现呈现效果信息,在展示链接提供端呈现呈现效果信息之后,相关人员(例如负责推送展示链接的工作人员),可以通过展示链接提供端所呈现的呈现效果信息,直观的确定历史展示链接的呈现效果,从而基于呈现效果信息确定适于提供的展示链接,相对于现有技术,本可选的实现方式所提供的方案,可以节省网络资源的占用,节省网络流量。
下面参考图18,其示出了适于用来实现本公开的实施例的服务器的计算机系统1800的结构示意图。图18示出的服务器仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图18所示,计算机系统1800包括中央处理单元(CPU)1801,其可以根据存储在只读存储器(ROM)1802中的程序或者从存储部分1808加载到随机访问存储器(RAM)1803中的程序而执行各种适当的动作和处理。在RAM 1803中,还存储有系统1800操作所需的各种程序和数据。CPU1801、ROM 1802以及RAM 1803通过总线1804彼此相连。输入/输出(I/O)接口1805也连接至总线1804。
以下部件连接至I/O接口1805:包括键盘、鼠标等的输入部分1806;包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分1807;包括硬盘等的存储部分1808;以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分1809。通信部分1809经由诸如因特网的网络执行通信处理。驱动器1810也根据需要连接至I/O接口1805。可拆卸介质1811,诸如磁盘、光盘、磁光盘、半导体存储器等等,根据需要安装在驱动器1810上,以便于从其上读出的计算机程序根据需要被安装入存储部分1808。
特别地,根据本公开的实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中,该计算机程序可以通过通信部分1809从网络上被下载和安装,和/或从可拆卸介质1811被安装。在该计算机程序被中央处理单元(CPU)1801执行时,执行本公开的方法中限定的上述功能。
需要说明的是,本公开的所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的中,计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:无线、电线、光缆、RF等等,或者上述的任意合适的组合。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码,所述程序设计语言包括面向目标的程序设计语言—诸如Python、Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开的各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的实施例中所涉及到的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、第一确定单元和第一生成单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取用户终端执行目标操作而生成的用户行为数据的单元”。
作为另一方面,本公开的还提供了一种计算机可读介质,该计算机可读介质可以是上述实施例中描述的服务器中所包含的;也可以是单独存在,而未装配入该服务器中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该服务器执行时,使得该服务器:获取用户终端执行目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与用户终端呈现的展示链接所指示的产品相对应;基于用户行为数据,确定使用用户终端的用户的用户需求信息,其中,用户需求信息表征用户对展示链接集合中的展示链接指示的产品的需求程度;基于用户需求信息,生成用户终端对展示链接的呈现效果信息。或者,使得该服务器:获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应;对用户行为数据进行统计,以构建马尔科夫模型,其中,马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者目标操作集合中的目标操作,用户类别为使用用户终端集合中的用户终端的用户所属的类别。
以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (14)
1.一种用于生成模型的方法,包括:
获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应;
对所述用户行为数据进行统计,以构建马尔科夫模型,其中,所述马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者所述目标操作集合中的目标操作,用户类别为使用所述用户终端集合中的用户终端的用户所属的类别。
2.一种用于生成信息的方法,包括:
接收待推送展示链接;
基于预先生成的马尔科夫模型,生成用户对于所述待推送展示链接所指示的产品的需求程度,其中,所述马尔科夫模型是按照如权利要求1所述的方法生成的。
3.根据权利要求2所述的方法,其中,所述方法还包括:
基于所述需求程度,确定是否向目标用户终端推送所述待推送展示链接。
4.根据权利要求3所述的方法,其中,所述方法还包括:
响应于确定向所述目标用户终端推送所述待推送展示链接,向所述目标用户终端发送所述待推送展示链接,以供所述目标用户终端呈现所述待推送展示链接。
5.根据权利要求4所述的方法,其中,所述向所述目标用户终端发送所述待推送展示链接,以供所述目标用户终端呈现所述待推送展示链接,包括:
确定所述待推送展示链接在所述目标用户终端的呈现信息,其中,所述呈现信息包括以下至少一项:呈现初始时间,呈现时长;
向所述目标用户终端发送所述待推送展示链接和所述呈现信息,以供所述目标用户终端按照所述呈现信息指示的呈现方式,呈现所述待推送展示链接。
6.根据权利要求4或5所述的方法,其中,所述方法还包括:将所述呈现效果信息发送至展示链接提供端,以供所述展示链接提供端呈现所述呈现效果信息。
7.一种用于生成模型的装置,包括:
获取单元,被配置成获取用户终端集合中的用户终端执行目标操作集合中的目标操作而生成的用户行为数据,其中,目标操作是针对虚拟产品的操作,虚拟产品与展示链接所指示的产品相对应;
构建单元,被配置成对所述用户行为数据进行统计,以构建马尔科夫模型,其中,所述马尔科夫模型的状态信息用于表征用户类别集合中的用户类别,或者所述目标操作集合中的目标操作,用户类别为使用所述用户终端集合中的用户终端的用户所属的类别。
8.一种用于生成信息的装置,包括:
接收单元,被配置成接收待推送展示链接;
生成单元,被配置成基于预先生成的马尔科夫模型,生成用户对于所述待推送展示链接所指示的产品的需求程度,其中,所述马尔科夫模型是按照如权利要求1所述的方法生成的。
9.根据权利要求8所述的装置,其中,所述装置还包括:
确定单元,被配置成基于所述需求程度,确定是否向目标用户终端推送所述待推送展示链接。
10.根据权利要求9所述的装置,其中,所述装置还包括:
第一发送单元,被配置成响应于确定向所述目标用户终端推送所述待推送展示链接,向所述目标用户终端发送所述待推送展示链接,以供所述目标用户终端呈现所述待推送展示链接。
11.根据权利要求10所述的装置,其中,所述第一发送单元包括:
确定子单元,被配置成确定所述待推送展示链接在所述目标用户终端的呈现信息,其中,所述呈现信息包括以下至少一项:呈现初始时间,呈现时长;
发送子单元,被配置成向所述目标用户终端发送所述待推送展示链接和所述呈现信息,以供所述目标用户终端按照所述呈现信息指示的呈现方式,呈现所述待推送展示链接。
12.根据权利要求10或11所述的装置,其中,所述装置还包括:第二发送单元,被配置成将所述呈现效果信息发送至展示链接提供端,以供所述展示链接提供端呈现所述呈现效果信息。
13.一种服务器,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
14.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311331501.3A CN117349546A (zh) | 2019-01-31 | 2019-01-31 | 用于生成信息的方法、装置和系统 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311331501.3A CN117349546A (zh) | 2019-01-31 | 2019-01-31 | 用于生成信息的方法、装置和系统 |
CN201910098635.2A CN111506643B (zh) | 2019-01-31 | 2019-01-31 | 用于生成信息的方法、装置和系统 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910098635.2A Division CN111506643B (zh) | 2019-01-31 | 2019-01-31 | 用于生成信息的方法、装置和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117349546A true CN117349546A (zh) | 2024-01-05 |
Family
ID=71863842
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311331501.3A Pending CN117349546A (zh) | 2019-01-31 | 2019-01-31 | 用于生成信息的方法、装置和系统 |
CN201910098635.2A Active CN111506643B (zh) | 2019-01-31 | 2019-01-31 | 用于生成信息的方法、装置和系统 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910098635.2A Active CN111506643B (zh) | 2019-01-31 | 2019-01-31 | 用于生成信息的方法、装置和系统 |
Country Status (1)
Country | Link |
---|---|
CN (2) | CN117349546A (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112307966B (zh) * | 2020-10-30 | 2023-09-05 | 京东方科技集团股份有限公司 | 事件展示方法及装置、存储介质及电子设备 |
Family Cites Families (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030001880A1 (en) * | 2001-04-18 | 2003-01-02 | Parkervision, Inc. | Method, system, and computer program product for producing and distributing enhanced media |
US6760916B2 (en) * | 2000-01-14 | 2004-07-06 | Parkervision, Inc. | Method, system and computer program product for producing and distributing enhanced media downstreams |
JP4962782B2 (ja) * | 2007-08-13 | 2012-06-27 | 富士通株式会社 | 利用者状態推定システム、利用者状態推定方法および利用者状態推定プログラム |
CN105208113A (zh) * | 2015-08-31 | 2015-12-30 | 北京百度网讯科技有限公司 | 信息推送的方法和装置 |
CN107918896A (zh) * | 2016-10-10 | 2018-04-17 | 阿里巴巴集团控股有限公司 | 一种展示数据项目关键信息的处理方法、装置及客户端 |
CN106682144B (zh) * | 2016-12-20 | 2018-07-13 | 深圳壹账通智能科技有限公司 | 页面展示方法和装置 |
CN108805594B (zh) * | 2017-04-27 | 2022-04-12 | 北京京东尚科信息技术有限公司 | 信息推送方法和装置 |
JP2018190409A (ja) * | 2017-04-28 | 2018-11-29 | 国立大学法人北見工業大学 | 推薦装置、推薦方法、及びプログラム |
CN108255304B (zh) * | 2018-01-26 | 2022-10-04 | 腾讯科技(深圳)有限公司 | 基于增强现实的视频数据处理方法、装置和存储介质 |
-
2019
- 2019-01-31 CN CN202311331501.3A patent/CN117349546A/zh active Pending
- 2019-01-31 CN CN201910098635.2A patent/CN111506643B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN111506643B (zh) | 2023-09-29 |
CN111506643A (zh) | 2020-08-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11463786B2 (en) | Cross-screen optimization of advertising placement | |
JP7455252B2 (ja) | セグメンテーション・アズ・ア・サービスのための方法及びシステム | |
WO2017019646A1 (en) | Sequential delivery of advertising content across media devices | |
CN111125574A (zh) | 用于生成信息的方法和装置 | |
CN110619078B (zh) | 用于推送信息的方法和装置 | |
CN110866040B (zh) | 用户画像生成方法、装置和系统 | |
CN111738766B (zh) | 用于多媒体信息的数据处理方法、装置以及服务器 | |
US20210192549A1 (en) | Generating analytics tools using a personalized market share | |
CN112348592A (zh) | 广告推荐方法、装置、电子设备及介质 | |
CN116821475B (zh) | 基于客户数据的视频推荐方法、装置及计算机设备 | |
WO2022156589A1 (zh) | 一种直播点击率的确定方法和装置 | |
CN111552835A (zh) | 文件推荐方法、装置及服务器 | |
CN111506643B (zh) | 用于生成信息的方法、装置和系统 | |
CN116109374A (zh) | 资源位展示方法、装置、电子设备和计算机可读介质 | |
WO2021159871A1 (zh) | 用于输出信息的方法和装置 | |
CN113762581A (zh) | 活动人数预测模型生成方法、装置、电子设备和介质 | |
CN113822734A (zh) | 用于生成信息的方法和装置 | |
CN109669779B (zh) | 用于确定数据的清理路径、清理数据的方法和设备 | |
CN115345635A (zh) | 推荐内容的处理方法、装置、计算机设备和存储介质 | |
CN111767099A (zh) | 用于刷新目标界面的系统、方法及装置 | |
CN111784091A (zh) | 用于处理信息的方法和装置 | |
CN111767290A (zh) | 用于更新用户画像的方法和装置 | |
US11861538B1 (en) | Optimization techniques for content presentation strategies | |
CN111626805B (zh) | 信息展示方法和装置 | |
US20230065409A1 (en) | System and method for approximating numerical features via cubic splines and applications thereof |
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 |