登入方式的推播、顯示方法、裝置及設備
本說明書一個或多個實施例有關電腦技術領域，尤其有關一種登入方式的推播、顯示方法、裝置及設備。
隨著網際網路技術的普遍流行，使用者登入電子網站的方式也越來越多樣化。如，可以有帳號密碼登入（簡稱帳密登入）、簡訊驗證碼登入、聲紋登入以及刷臉登入等。然而上述各種登入方式並不是所有使用者都可用或者適合使用。如，對於經常輸錯密碼的使用者，則不適用於帳密登入。再如，如果用戶沒有設定刷臉登入，則刷臉登入不可用。
因此，需要提供一種方案，以在使用者登入電子網站時，向其推播適用的登入方式。
本說明書一個或多個實施例描述了一種登入方式的推播、顯示方法、裝置及設備，可以提升使用者的登入成功率。
第一態樣，提供了一種登入方式的推播方法，包括：
服務端接收用戶端發送的登入請求；所述登入請求至少包括用戶的登入帳戶以及環境資訊；
若所述登入帳戶為已註冊帳戶，則獲取所述登入帳戶在過去一段時間內的行為習慣資料；
將所述環境資訊以及所述行為習慣資料輸入登入方式預測模型，以預測所述使用者所適用的登入方式；
透過所述用戶端向所述用戶推播所述登入方式。
第二態樣，提供了一種登入方式的顯示方法，包括：
當用戶端接收到用戶輸入的登入帳戶時，獲取所述登入帳戶的環境資訊；
向服務端發送登入請求，所述登入請求至少包括所述登入帳戶以及所述環境資訊；所述登入請求用於指示所述服務端在判斷所述登入帳戶為已註冊帳戶時，獲取所述登入帳戶在過去一段時間內的行為習慣資料；將所述環境資訊以及所述行為習慣資料輸入登入方式預測模型，以預測所述使用者所適用的登入方式；
接收所述服務端發送的所述登入方式；
顯示與所述登入方式相對應的登入頁面；所述登入頁面至少包括所述登入方式。
第三態樣，提供了一種登入方式的推播裝置，包括：
接收單元，用於接收用戶端發送的登入請求；所述登入請求至少包括用戶的登入帳戶以及環境資訊；
獲取單元，用於若所述登入帳戶為已註冊帳戶，則獲取所述登入帳戶在過去一段時間內的行為習慣資料；
預測單元，用於將所述接收單元接收的所述環境資訊以及所述獲取單元獲取的所述行為習慣資料輸入登入方式預測模型，以預測所述使用者所適用的登入方式；
推播單元，用於透過所述用戶端向所述用戶推播所述預測單元預測的所述登入方式。
第四態樣，提供了一種登入方式的顯示裝置，包括：
獲取單元，用於當接收到用戶輸入的登入帳戶時，獲取所述登入帳戶的環境資訊；
發送單元，用於向服務端發送登入請求，所述登入請求至少包括所述登入帳戶以及所述環境資訊；所述登入請求用於指示所述服務端在判斷所述登入帳戶為已註冊帳戶時，獲取所述登入帳戶在過去一段時間內的行為習慣資料；將所述環境資訊以及所述行為習慣資料輸入登入方式預測模型，以預測所述使用者所適用的登入方式；
接收單元，用於接收所述服務端發送的所述登入方式；
顯示單元，用於顯示與所述接收單元接收的所述登入方式相對應的登入頁面；所述登入頁面至少包括所述登入方式。
第五態樣，提供了一種登入方式的推播設備，包括：
記憶體；
一個或多個處理器；以及
一個或多個程式，其中所述一個或多個程式儲存在所述記憶體中，並且被配置成由所述一個或多個處理器執行，所述程式被所述處理器執行時實現以下步驟：
接收用戶端發送的登入請求；所述登入請求至少包括用戶的登入帳戶以及環境資訊；
若所述登入帳戶為已註冊帳戶，則獲取所述登入帳戶在過去一段時間內的行為習慣資料；
將所述環境資訊以及所述行為習慣資料輸入登入方式預測模型，以預測所述使用者所適用的登入方式；
透過所述用戶端向所述用戶推播所述登入方式。
第六態樣，提供了一種登入方式的顯示設備，包括：
記憶體；
一個或多個處理器；以及
一個或多個程式，其中所述一個或多個程式儲存在所述記憶體中，並且被配置成由所述一個或多個處理器執行，所述程式被所述處理器執行時實現以下步驟：
當接收到用戶輸入的登入帳戶時，獲取所述登入帳戶的環境資訊；
向服務端發送登入請求，所述登入請求至少包括所述登入帳戶以及所述環境資訊；所述登入請求用於指示所述服務端在判斷所述登入帳戶為已註冊帳戶時，獲取所述登入帳戶在過去一段時間內的行為習慣資料；將所述環境資訊以及所述行為習慣資料輸入登入方式預測模型，以預測所述使用者所適用的登入方式；
接收所述服務端發送的所述登入方式；
顯示與所述登入方式相對應的登入頁面；所述登入頁面至少包括所述登入方式。
本說明書一個或多個實施例提供的登入方式的推播、顯示方法、裝置及設備，服務端接收用戶端發送的登入請求。該登入請求至少包括用戶的登入帳戶以及環境資訊。若該登入帳戶為已註冊帳戶，則獲取登入帳戶在過去一段時間內的行為習慣資料。將環境資訊以及行為習慣資料輸入登入方式預測模型，以預測使用者所適用的登入方式。透過用戶端向使用者推播所適用的登入方式。由此可以看出，本說明書提供的方案中，可以基於使用者的行為習慣資料和環境資訊，來向使用者推播所適用的登入方式，這可以提升使用者的登入成功率，進而可以降低用戶的試錯成本。
下面結合圖式，對本說明書提供的方案進行描述。
在描述本說明書提供的方案之前，先對本方案的發明構思作出如下介紹：
如背景技術所述，使用者登入電子網站的方式多種多樣。對於該多種登入方式，如果將其在登入頁面上直接擺放，則會增加用戶的選擇成本和試錯成本，因為並不是每個用戶都適合每種登入方式。如，密碼長久不使用使用者，帳密登入試錯成本高；再如，很多用戶不偏好刷臉登入等等。為了降低用戶的選擇成本和試錯成本，本發明的申請人考慮到可以向用戶推播其所適用的登入方式。但是，如何來確定使用者所適用的登入方式呢？
首先，申請人考慮到使用者所適用的登入方式跟使用者的行為習慣有關。如，對於經常使用簡訊驗證碼登入的用戶，則該用戶適用於使用簡訊驗證碼登入。再如，對於經常輸錯密碼的使用者，其適用於刷臉登入或者簡訊驗證碼登入等。因此，可以基於使用者的行為習慣資料，來確定使用者所適用的登入方式。
其次，使用者所適用的登入方式通常跟使用者所處場景的場景資訊也有關，這裡的場景資訊包括但不限於使用者的經緯度定位資訊以及登入設備的設備資訊等。如，在基於設備資訊，判斷使用者所使用的登入設備沒有安裝攝像頭時，該用戶不適用於刷臉登入。再如，當基於使用者的經緯度定位資訊，判斷使用者的登入地點發生變化時，可以向用戶推播刷臉登入的登入方式，以保證安全性。因此，可以基於使用者所處場景的場景資訊，來確定使用者所適用的登入方式。
此外，登入帳戶本身或者當前時間也可以作為確定登入方式的考慮因素。比如，如果登入帳戶為無密帳戶，則該用戶不適用於帳密登入。再如，如果當前時間為晚上，則該用戶不適用於刷臉登入等等。
在收集到如上幾態樣的資訊之後，如何實現使用者所適用登入方式的確定呢？
可以瞭解到機器學習模型可以基於已知數據，對未知數據進行預測。因此，可以透過訓練機器學習模型，來實現使用者所適用登入方式的確定。具體地，可以收集多個樣本帳戶的環境資訊以及在過去一段時間內的行為習慣資料。基於收集的資料，對機器學習模型進行訓練。可以理解的是，上述樣本帳戶具有對應的樣本標籤，該樣本標籤可以是指樣本帳戶所適用的登入方式。
在訓練好機器學習模型之後，當有使用者登入電子網站時，可以將當前使用者的環境資訊以及行為習慣資料輸入訓練後的機器學習模型。由該機器學習模型預測使用者所適用的登入方式。之後，向使用者推播該登入方式，以提升使用者的登入成功率，進而可以極大地減短登入時長。
以上就是本說明書提供的方案的發明構思，基於該發明構思就可以得到本方案。以下對本方案進行詳細闡述。
圖1為本說明書提供的登入方式的推播方法應用場景示意圖。圖1中的用戶端可以是指某電子網站的用戶端，其通常安裝於用戶的終端設備上。服務端可以是指該電子網站的服務端。在本說明書中，上述用戶端與服務端之間的交互過程可以如下：用戶在終端設備上啟動用戶端，用戶端被啟動後，首先載入引導頁面，該引導頁面上設有登入按鈕。當接收到使用者對該登入按鈕的點擊指令時，跳轉至帳戶輸入頁面。當使用者在帳戶輸入頁面輸入對應的登入帳戶，並點擊用於表示登入帳戶輸入完成的按鈕時，用戶端可以向服務端發送登入請求。該登入請求至少可以包括登入帳戶以及用戶所處環境的環境資訊。這裡的環境資訊包括但不限於使用者的經緯度定位資訊以及登入設備的設備資訊等。
服務端在接收到上述登入請求之後，可以確定該登入帳戶是否為已註冊帳戶。如果不是，則引導用戶進行註冊。如果是，則獲取與該登入帳戶相關的行為習慣資料。將接收的環境資訊以及獲取的行為習慣資料輸入機器學習模型，以預測使用者所適用的登入方式。
服務端向用戶端返回預測的登入方式，之後由用戶端向使用者顯示該登入方式。
圖2為本說明書一個實施例提供的登入方式的推播方法流程圖。所述方法的執行主體可以為圖1中的服務端。如圖1所示，所述方法具體可以包括：
步驟202，服務端接收用戶端發送的登入請求。
具體地，當用戶在終端設備上啟動已安裝的用戶端時，用戶端首先載入引導頁面，該引導頁面上設有登入按鈕。當接收到使用者對該登入按鈕的點擊指令時，跳轉至帳戶輸入頁面。當使用者在帳戶輸入頁面輸入對應的登入帳戶，並點擊用於表示登入帳戶輸入完成的按鈕時，用戶端可以向服務端發送登入請求。該登入請求至少可以包括登入帳戶以及用戶所處環境的環境資訊。這裡的環境資訊包括但不限於使用者的經緯度定位資訊以及登入設備的設備資訊等。
以用戶端為支付寶用戶端為例來說，本說明書提供的帳戶輸入頁面可以如圖3a所示。圖3a中，顯示了登入帳號的輸入框以及“繼續”按鈕。可以理解的是，初始時，當用戶還沒有輸入登入帳戶時，“繼續”按鈕的顏色可以為灰色，即不可用。在用戶在輸入框輸入對應的登入帳戶之後，“繼續”按鈕的顏色變藍並可點擊。當支付寶用戶端接收到使用者對該按鈕的點擊指令時，用戶端可以向服務端發送登入請求。
應理解，圖3a只是作為示例性目的，在實際應用中，該帳戶輸入頁面還可以包括其它控制項，如，還可以包括用於輸入真實姓名的輸入框，本說明書對此不作限定。
步驟204，若登入帳戶為已註冊帳戶，則獲取登入帳戶在過去一段時間內的行為習慣資料。
這裡的行為習慣資料可以是指與使用者的登入行為相關的資料，如，可以包括登入帳戶、登入時間、登入方式以及登入成功與否的結果資訊等。此外，上述過去一段時間可以根據實際需求確定，如可以為：30天等等。
在一個例子中，服務端可以從後台資料庫中來獲取登入帳戶在過去一段時間內的行為習慣資料。
還需要說明的是，若該登入帳戶為非註冊帳戶，則可以先引導用戶進行註冊，之後再進行登入等。
步驟206，將環境資訊以及行為習慣資料輸入登入方式預測模型，以預測使用者所適用的登入方式。
需要說明的是，這裡的登入方式預測模型可以是根據多個樣本帳戶的環境資訊以及在過去一段時間內的行為習慣資料，對機器學習模型進行訓練後得到的。該樣本帳戶具有對應的樣本標籤，這裡的樣本標籤可以是指樣本帳戶所適用的登入方式。當然，在實際應用中，還可以結合登入帳戶本身，來對上述機器學習模型進行訓練，以提高登入方式預測模型預測的準確性。
另外，上述登入方式可以包括但不限於帳號密碼登入、刷臉登入、簡訊驗證碼登入、聲紋登入以及其它業務系統授權登入（如，淘寶授權登入）等。其中，帳號密碼登入以及簡訊驗證碼登入屬於習用登入方式，其對所有使用者均可用。刷臉登入、聲紋登入以及其它業務系統授權登入屬於可設定登入方式，其在使用者進行對應的設定之後才可用，也就是說只有電子網站在預先採集了使用者的基礎資訊之後才可用。以刷臉登入為例來說，其驗證過程可以為：即時採集使用者的人臉資訊，將採集的人臉資訊與預先採集的人臉資訊進行比對，以確定是否是本人。在確認是本人之後，跳轉至正常使用頁面。
需要說明的是，本說明書提供的登入方式預測模型實際上是基於預先設定的與不同的登入方式對應的一系列規則來進行預測的。具體地，如果登入帳戶的環境資訊和/或者行為習慣資料滿足與某登入方式相對應的規則，則可以將該登入方式作為該使用者所適用的登入方式。
以帳密登入為例來說，與其對應的規則可以為：30天內有密碼驗證成功的記錄等。再如，與簡訊驗證碼登入對應的規則可以為：30天內有簡訊驗證成功的記錄；和/或，登入帳戶為無密帳戶；和/或，經常使用簡訊驗證碼登入等。還如，與刷臉登入對應的規則可以為：登入時間為白天；和/或，經常輸錯密碼；和/或，登入設備和/或登入地點發生了變化等。
應理解，上述只是示例性的說明了與不同的登入方式所對應的規則，在實際應用中，該規則可能有幾十條甚至上百條，因此可以透過訓練機器學習模型來進行預測。
可選地，還可以獲取當前時間。當還獲取當前時間時，可以將當前時間、環境資訊以及行為習慣資料輸入登入方式預測模型，以預測使用者所適用的登入方式。
需要說明的是，本說明書實施例預測的使用者所適用的登入方式可以為以下任一種：帳號密碼登入、刷臉登入、簡訊驗證碼登入、聲紋登入以及其它業務系統授權登入等。
步驟208，透過用戶端向用戶推播預測的登入方式。
需要說明的是，由於部分人群不習慣用刷臉登入，因此為了實現該類人群的登入方式的精確推播，本說明書實施例在預測使用者所適用的登入方式為刷臉登入時，步驟208也可以替換為如下步驟：
將環境資訊以及行為習慣資料輸入偏好預估模型，以預估該使用者是否偏好刷臉登入。若該用戶偏好刷臉登入，則向使用者推播該登入方式。
需要說明的是，這裡的偏好預估模型也可以是基於上述多個樣本帳戶的環境資訊以及在過去一段時間內的行為習慣資料，對機器學習模型進行訓練後得到的。所不同的是，在訓練該偏好預估模型時，可以為樣本帳戶設定不同的樣本標籤。如，這裡的樣本標籤可以為使用者是否偏好刷臉登入。
本說明書實施例中，除了可以向用戶推播所適用的登入方式外，還可以向用戶推播其它可登入方式。該其它可登入方式的確定過程可以如下：
首先，服務端可以獲取預設的登入方式集合。該預設的登入方式集合中可以包括兩種類型的登入方式：習用登入方式以及可設定登入方式。對於習用登入方式，直接將該習用登入方式選取為候選登入方式。對於可設定登入方式，判斷登入帳戶是否設定了該可設定登入方式。在一種實現方式中，可以對設定了可設定登入方式的登入帳戶進行打標。因此，可以基於登入帳戶是否為已打標帳戶，來進行如上判斷。如果是，則將可設定登入方式選取為候選登入方式。從候選登入方式中去除使用者所適用的登入方式，以得到其它可登入方式。
用戶端在接收到服務端發送的使用者所適用的登入方式以及其它可登入方式之後，針對部分其它可登入方式，用戶端還需進行本地可行性判斷。具體地，假設用戶端接收到的其它可登入方式包括：其它業務系統授權登入時，用戶端可以判斷該登入方式是否可行。如果可行，才將其作為其它可登入方式，否則，刪除該登入方式。之後，用戶端可以向用戶顯示所適用的登入方式以及其它可登入方式。在一種實現方式中，針對所適用的登入方式不同，可以跳轉不同的頁面。
如，當所適用的登入方式為帳密登入時，可以跳轉至帳密登入頁面。以用戶端為支付寶用戶端為例來說，其帳密登入頁面可以如圖3b所示。圖3b中，不僅顯示了當前使用者所適用的登入方式：帳密登入，右側還顯示了對應的切換其它可登入方式的按鈕。此外，還顯示了“返回”按鈕。當使用者點擊該“返回”按鈕時，可以從帳密登入頁面跳轉至帳戶輸入頁面。
應理解，本說明書提供的帳密登入頁面不限於圖中所示。如，圖3b中的“忘記密碼”和“切換登入方式”按鈕可以靈活調整。舉例來說，當最終確定的其它可登入方式為0種時，可以不顯示“切換登入方式”按鈕，且“忘記密碼”按鈕可以居中。當最終確定的其它可登入方式為1種時，“切換登入方式”按鈕所對應的文字可直接替換為該1種其它可登入方式等等。以該1種可登入方式為簡訊驗證碼登入為例來說，其可以如圖3c所示。
再如，當所適用的登入方式為刷臉登入時，可以跳轉至刷臉登入頁面。以用戶端為支付寶用戶端為例來說，其刷臉登入頁面可以如圖3d所示。圖3d中，帳戶輸入框不可編輯。當使用者點擊“刷臉登入”按鈕時，即可進入人臉識別流程。由於人臉識別的過程為傳統習用技術，在此不復贅述。此外，“返回”按鈕的描述同上所述。
應理解，本說明書提供的刷臉登入頁面不限於圖中所示。如，圖3d中的“切換登入方式”按鈕也可以根據其它可登入方式的數量靈活調整，其具體調整方式可以同上所述，在此不復贅述。
還如，當所適用的登入方式為簡訊驗證碼登入時，可以跳轉至簡訊登入頁面。以用戶端為支付寶用戶端為例來說，其簡訊登入頁面可以如圖3e所示。圖3e中，在從其它頁面（如，帳戶輸入頁面或者帳密登入頁面）跳轉至簡訊驗證碼登入頁面時，用戶端可以從服務端獲取與該登入帳戶綁定的手機號碼。如果獲取到該手機號碼，則可以自動在簡訊登入頁面的手機號輸入框中輸入手機號碼；否則由用戶手動填寫。此外，還可以根據自動或者手動填寫的手機號碼，獲取相匹配的手機歸屬地並顯示。圖3e還顯示了“返回”按鈕。當使用者點擊該“返回”按鈕時，可以從簡訊登入頁面跳轉至上述其它頁面。
應理解，本說明書提供的簡訊登入頁面不限於圖中所示。如，圖3e中的“密碼登入”按鈕也可以根據其它可登入方式的數量靈活調整，其具體調整方式可以同上所述，在此不復贅述。
綜上，本說明書實施例提供的登入方式的推播方法，可以基於使用者的環境資訊以及行為習慣資料，向使用者推播所適用的登入方式，這可以大大提升用戶的登入成功率，並且可以縮短登入時長。
圖4為本說明書一個實施例提供的登入方式的顯示方法流程圖。所述方法的執行主體可以圖1中的用戶端。如圖4所示，所述方法具體可以包括：
步驟402，當用戶端接收到用戶輸入的登入帳戶時，獲取登入帳戶的環境資訊。
具體地，當用戶在終端設備上啟動已安裝的用戶端時，用戶端首先載入引導頁面，該引導頁面上設有登入按鈕。當接收到使用者對該登入按鈕的點擊指令時，跳轉至帳戶輸入頁面。用戶端可以透過該帳戶輸入頁面獲取使用者的登入帳戶。在獲取到該登入帳戶之後，可以獲取登入帳戶的環境資訊。這裡的環境資訊可以包括但不限於使用者的經緯度定位資訊以及登入設備的設備資訊等。
步驟404，向服務端發送登入請求。
該登入請求至少可以包括登入帳戶以及環境資訊。服務端在接收到該登入請求之後，可以先判斷該登入帳戶是否為已註冊帳戶。若為非註冊帳戶，則可以先引導用戶進行註冊，之後再進行登入。若為註冊帳戶，則獲取該登入帳戶在過去一段時間內的行為習慣資料。這裡的行為習慣資料可以是指與使用者的登入行為相關的資料，如，可以包括登入帳戶、登入時間、登入方式以及登入成功與否的結果資訊等。此外，上述過去一段時間可以根據實際需求確定，如可以為：30天等等。
將接收的環境資訊以及獲取的行為習慣資料輸入登入方式預測模型，以預測該使用者所適用的登入方式。這裡的是登入方式預測模型可以是根據多個樣本帳戶的環境資訊以及在過去一段時間內的行為習慣資料，對機器學習模型進行訓練後得到的。該樣本帳戶具有對應的樣本標籤，這裡的樣本標籤可以是指樣本帳戶所適用的登入方式。當然，在實際應用中，還可以結合登入帳戶本身，來對上述機器學習模型進行訓練，以提高登入方式預測模型預測的準確性。
上述登入方式可以包括但不限於帳號密碼登入、刷臉登入、簡訊驗證碼登入、聲紋登入以及其它業務系統授權登入（如，淘寶授權登入）。其中，帳號密碼登入以及簡訊驗證碼登入屬於習用登入方式，其對所有使用者均可用。刷臉登入、聲紋登入以及其它業務系統授權登入屬於可設定登入方式，其在使用者進行對應的設定之後才可用，也就是說只有電子網站在預先採集了使用者的基礎資訊之後才可用。以刷臉登入為例來說，其驗證過程可以為：即時採集使用者的人臉資訊，將採集的人臉資訊與預先採集的人臉資訊進行比對，以確定是否是本人。在確認是本人之後，跳轉至正常使用頁面。
可選地，還可以獲取當前時間。當還獲取當前時間時，可以將當前時間、環境資訊以及行為習慣資料輸入登入方式預測模型，以預測使用者所適用的登入方式。
需要說明的是，由於部分人群不習慣用刷臉登入，因此為了實現該類人群的登入方式的精確推播，本說明書實施例在預測使用者所適用的登入方式為刷臉登入時，還可以執行如下步驟：將環境資訊以及行為習慣資料登入偏好預估模型，以預估該使用者是否偏好刷臉登入。若該用戶偏好刷臉登入，則向使用者推播該登入方式。
需要說明的是，這裡的偏好預估模型也可以是基於上述多個樣本帳戶的環境資訊以及在過去一段時間內的行為習慣資料，對機器學習模型進行訓練後得到的。所不同的是，在訓練該偏好預估模型時，可以為樣本帳戶設定不同的樣本標籤。如，這裡的樣本標籤可以為使用者是否偏好刷臉登入。
本說明書實施例中，除了可以向用戶推播所適用的登入方式外，還可以向用戶推播其它可登入方式。該其它可登入方式的確定過程可以如下：
首先，服務端可以獲取預設的登入方式集合。該預設的登入方式集合中可以包括兩種類型的登入方式：習用登入方式以及可設定登入方式。對於習用登入方式，直接將該習用登入方式選取為候選登入方式。對於可設定登入方式，判斷登入帳戶是否設定了該可設定登入方式。在一種實現方式中，可以對設定了可設定登入方式的登入帳戶進行打標。因此，可以基於登入帳戶是否為已打標帳戶，來進行如上判斷。如果是，則將可設定登入方式選取為候選登入方式。從候選登入方式中去除使用者所適用的登入方式，以得到其它可登入方式。
步驟406，接收服務端發送的所適用的登入方式。
此外，還可以接收其它可登入方式。針對部分其它可登入方式，用戶端還需進行本地可行性判斷。具體地，假設用戶端接收到的其它可登入方式包括：其它業務系統授權登入時，用戶端可以判斷該登入方式是否可行。如果可行，才將其作為其它可登入方式，否則，刪除該登入方式。
步驟408，顯示與登入方式相對應的登入頁面。
如，當所適用的登入方式為帳密登入時，可以跳轉至帳密登入頁面。以用戶端為支付寶用戶端為例來說，其帳密登入頁面可以如圖3b所示。再如，當所適用的登入方式為刷臉登入時，可以跳轉至刷臉登入頁面。以用戶端為支付寶用戶端為例來說，其刷臉登入頁面可以如圖3d所示。還如，當所適用的登入方式為簡訊驗證碼登入時，可以跳轉至簡訊登入頁面。以用戶端為支付寶用戶端為例來說，其簡訊登入頁面可以如圖3e所示。其中，關於圖3b、圖3d以及圖3e的說明同上所述，在此不復贅述。
綜上，本說明書實施例提供的登入方式的顯示方法，可以向用戶顯示所適用的登入方式，這可以大大提升用戶的登入成功率，並且可以縮短登入時長。
與上述登入方式的推播方法對應地，本說明書一個實施例還提供的一種登入方式的推播裝置，如圖5所示，該裝置可以包括：
接收單元502，用於接收用戶端發送的登入請求，該登入請求至少可以包括用戶的登入帳戶以及環境資訊。
獲取單元504，用於若登入帳戶為已註冊帳戶，則獲取登入帳戶在過去一段時間內的行為習慣資料。
預測單元506，用於將接收單元502接收的環境資訊以及獲取單元504獲取的行為習慣資料輸入登入方式預測模型，以預測使用者所適用的登入方式。
該登入方式預測模型可以是根據多個樣本帳戶的環境資訊以及在過去一段時間內的行為習慣資料，對機器學習模型進行訓練後得到的。該樣本帳戶具有對應的樣本標籤，樣本標籤可以是指樣本帳戶所適用的登入方式。
推播單元508，用於透過用戶端向使用者推播預測單元506預測的登入方式。
推播單元508具體可以用於：
判斷登入方式是否為刷臉登入。
當登入方式為刷臉登入時，將環境資訊以及行為習慣資料登入偏好預估模型，以預估使用者是否偏好刷臉登入。
若用戶偏好刷臉登入，則向使用者推播該登入方式。
可選地，該裝置還可以包括：選取單元510、判斷單元512以及去除單元514。
獲取單元504，還用於獲取預設的登入方式集合，該所述預設的登入方式集合中包括兩種類型的登入方式：習用登入方式以及可設定登入方式。
選取單元510，用於對於獲取單元504獲取的習用登入方式，直接將該習用登入方式選取為候選登入方式。
判斷單元512，用於對於獲取單元504獲取的可設定登入方式，判斷登入帳戶是否設定了該可設定登入方式。
選取單元510，還用於將可設定登入方式選取為候選登入方式。
去除單元514，用於從選取單元510選取的候選登入方式中去除使用者所適用的登入方式，以得到其它可登入方式。
推播單元508，還用於向用戶推播其它可登入方式。
可選地，獲取單元504，還用於獲取當前時間。
預測單元506具體可以用於：將環境資訊、行為習慣資料以及當前時間輸入登入方式預測模型，以預測使用者所適用的登入方式。
上述使用者所適用的登入方式可以包括以下任一種：帳號密碼登入、刷臉登入、簡訊驗證碼登入、聲紋登入以及其它業務系統授權登入。其中，帳號密碼登入以及簡訊驗證碼登入屬於習用登入方式。刷臉登入、聲紋登入以及其它業務系統授權登入屬於可設定登入方式。
本說明書上述實施例裝置的各功能模組的功能，可以透過上述方法實施例的各步驟來實現，因此，本說明書一個實施例提供的裝置的具體工作過程，在此不復贅述。
本說明書一個實施例提供的登入方式的推播裝置，接收單元502接收用戶端發送的登入請求，該登入請求至少可以包括用戶的登入帳戶以及環境資訊。若登入帳戶為已註冊帳戶，則獲取單元504獲取登入帳戶在過去一段時間內的行為習慣資料。預測單元506將環境資訊以及行為習慣資料輸入登入方式預測模型，以預測使用者所適用的登入方式。推播單元508透過用戶端向使用者推播預測的登入方式。由此，可以大大提升用戶的登入成功率。
本說明書一個實施例提供的登入方式的推播裝置可以為圖1中服務端的一個模組或者單元。
與上述登入方式的顯示方法對應地，本說明書一個實施例還提供的一種登入方式的顯示裝置，如圖6所示，該裝置可以包括：
獲取單元602，用於當接收到用戶輸入的登入帳戶時，獲取登入帳戶的環境資訊。
發送單元604，用於向服務端發送登入請求，該登入請求至少可以包括登入帳戶以及環境資訊。登入請求用於指示服務端在判斷登入帳戶為已註冊帳戶時，獲取登入帳戶在過去一段時間內的行為習慣資料。將環境資訊以及行為習慣資料輸入登入方式預測模型，以預測使用者所適用的登入方式。
接收單元606，用於接收服務端發送的登入方式。
顯示單元608，用於顯示與接收單元606接收的登入方式相對應的登入頁面，該登入頁面至少包括登入方式。
可選地，該登入頁面還可以包括其它可登入方式，其它可登入方式是由服務端從預設的登入方式集合中選取的。該預設的登入方式集合中包括兩種類型的登入方式：習用登入方式以及可設定登入方式。
本說明書上述實施例裝置的各功能模組的功能，可以透過上述方法實施例的各步驟來實現，因此，本說明書一個實施例提供的裝置的具體工作過程，在此不復贅述。
本說明書一個實施例提供的登入方式的顯示裝置，可以提升使用者的登入成功率。
本說明書一個實施例提供的登入方式的顯示裝置可以為圖1中用戶端的一個模組或者單元。
與上述登入方式的推播方法對應地，本說明書實施例還提供了一種登入方式的推播設備，如圖7所示，該設備可以包括：記憶體702、一個或多個處理器704以及一個或多個程式。其中，該一個或多個程式儲存在記憶體702中，並且被配置成由一個或多個處理器704執行，該程式被處理器704執行時實現以下步驟：
接收用戶端發送的登入請求，該登入請求至少包括用戶的登入帳戶以及環境資訊。
若登入帳戶為已註冊帳戶，則獲取登入帳戶在過去一段時間內的行為習慣資料。
將環境資訊以及行為習慣資料輸入登入方式預測模型，以預測使用者所適用的登入方式。
透過用戶端向使用者推播登入方式。
本說明書一個實施例提供的登入方式的推播設備，可以提升使用者的登入成功率。
與上述登入方式的顯示方法對應地，本說明書實施例還提供了一種登入方式的顯示設備，如圖8所示，該設備可以包括：記憶體802、一個或多個處理器804以及一個或多個程式。其中，該一個或多個程式儲存在記憶體802中，並且被配置成由一個或多個處理器804執行，該程式被處理器804執行時實現以下步驟：
當接收到用戶輸入的登入帳戶時，獲取登入帳戶的環境資訊。
向服務端發送登入請求，該登入請求至少包括登入帳戶以及環境資訊。登入請求用於指示服務端在判斷登入帳戶為已註冊帳戶時，獲取登入帳戶在過去一段時間內的行為習慣資料。將環境資訊以及行為習慣資料輸入登入方式預測模型，以預測使用者所適用的登入方式。
接收服務端發送的登入方式。
顯示與登入方式相對應的登入頁面，該登入頁面至少包括服務端預測的登入方式。
本說明書一個實施例提供的登入方式的顯示設備，可以提升使用者的登入成功率。
本說明書中的各個實施例均採用遞進的方式描述，各個實施例之間相同相似的部分互相參見即可，每個實施例重點說明的都是與其他實施例的不同之處。尤其，對於設備實施例而言，由於其基本相似於方法實施例，所以描述的比較簡單，相關之處參見方法實施例的部分說明即可。
結合本說明書揭示內容所描述的方法或者演算法的步驟可以硬體的方式來實現，也可以是由處理器執行軟體指令的方式來實現。軟體指令可以由對應的軟體模組組成，軟體模組可以被存放於RAM記憶體、快閃記憶體、ROM記憶體、EPROM記憶體、EEPROM記憶體、暫存器、硬碟、可拆卸硬碟、CD-ROM或者本領域熟知的任何其它形式的儲存媒體中。一種示例性的儲存媒體耦合至處理器，從而使處理器能夠從該儲存媒體讀取資訊，且可向該儲存媒體寫入資訊。當然，儲存媒體也可以是處理器的組成部分。處理器和儲存媒體可以位於ASIC中。另外，該ASIC可以位於伺服器中。當然，處理器和儲存媒體也可以作為分離元件存在於伺服器中。
本領域技術人員應該可以意識到，在上述一個或多個示例中，本發明所描述的功能可以用硬體、軟體、韌體或它們的任意組合來實現。當使用軟體實現時，可以將這些功能儲存在電腦可讀媒體中或者作為電腦可讀媒體上的一個或多個指令或代碼進行傳輸。電腦可讀媒體包括電腦儲存媒體和通訊媒體，其中通訊媒體包括便於從一個地方向另一個地方傳送電腦程式的任何媒體。儲存媒體可以是通用或專用電腦能夠存取的任何可用媒體。
上述對本說明書特定實施例進行了描述。其它實施例在所附申請專利範圍的範圍內。在一些情況下，在申請專利範圍中記載的動作或步驟可以按照不同於實施例中的順序來執行並且仍然可以實現期望的結果。另外，在圖式中描繪的過程不一定要求示出的特定順序或者連續順序才能實現期望的結果。在某些實施方式中，多工處理和並行處理也是可以的或者可能是有利的。
以上所述的具體實施方式，對本說明書的目的、技術方案和有益效果進行了進一步詳細說明，所應理解的是，以上所述僅為本說明書的具體實施方式而已，並不用於限定本說明書的保護範圍，凡在本說明書的技術方案的基礎之上，所做的任何修改、等同替換、改進等，均應包括在本說明書的保護範圍之內。
S202:步驟
S204:步驟
S206:步驟
S208:步驟
S402:步驟
S404:步驟
S406:步驟
S408:步驟
502:接收單元
504:獲取單元
506:預測單元
508:推播單元
510:選取單元
512:判斷單元
514:去除單元
602:獲取單元
604:發送單元
606:接收單元
608:顯示單元
702:記憶體
704:處理器
802:記憶體
804:處理器
為了更清楚地說明本說明書實施例的技術方案，下面將對實施例描述中所需要使用的圖式作簡單地介紹，顯而易見地，下面描述中的圖式僅僅是本說明書的一些實施例，對於本發明所屬技術領域中具有通常知識者來講，在不付出創造性勞動的前提下，還可以根據這些圖式獲得其它的圖式。
[圖1]為本說明書提供的登入方式的推播方法應用場景示意圖；
[圖2]為本說明書一個實施例提供的登入方式的推播方法流程圖；
[圖3a]為本說明書提供的帳戶輸入頁面示意圖；
[圖3b]為本說明書提供的帳密登入頁面示意圖之一；
[圖3c]為本說明書提供的帳密登入頁面示意圖之二；
[圖3d]為本說明書提供的刷臉登入頁面示意圖；
[圖3e]為本說明書提供的簡訊登入頁面示意圖；
[圖4]為本說明書一個實施例提供的登入方式的顯示方法流程圖；
[圖5]為本說明書一個實施例提供的登入方式的推播裝置示意圖；
[圖6]為本說明書一個實施例提供的登入方式的顯示裝置示意圖；
[圖7]為本說明書一個實施例提供的登入方式的推播設備示意圖；
[圖8]為本說明書一個實施例提供的登入方式的顯示設備示意圖。
