CN103646108A - 一种页面区域的点击位置密集度的获取方法 - Google Patents
一种页面区域的点击位置密集度的获取方法 Download PDFInfo
- Publication number
- CN103646108A CN103646108A CN201310725947.4A CN201310725947A CN103646108A CN 103646108 A CN103646108 A CN 103646108A CN 201310725947 A CN201310725947 A CN 201310725947A CN 103646108 A CN103646108 A CN 103646108A
- Authority
- CN
- China
- Prior art keywords
- click location
- page area
- closeness
- bunch
- point
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- 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
- G06F16/9577—Optimising the visualization of content, e.g. distillation of HTML documents
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Computer Hardware Design (AREA)
- Quality & Reliability (AREA)
- Data Mining & Analysis (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明公开了一种页面区域的点击位置密集度的获取方法,包括:将待获取点击位置密集度的页面区域置于二维坐标中,并通过至少1条平行于所述二维坐标中的x轴的直线和至少1条平行于所述二维坐标中的y轴的直线,将所述页面区域划分为规则排列的多个正方形区域;将所述页面区域中的点击位置坐标划分到每个所述正方形区域以形成点簇;从所述二维坐标的原点出发,分别沿x轴方向、y轴方向和x=y的直线方向,计算每个所述点簇中的各个点击位置的密集度。与现有的暴力式计算过程和单方向区域划分法相比,本发明的页面区域的点击位置密集度的获取方法,极大程度地降低了计算的时间复杂度,实现了高效率的数据与处理。
Description
技术领域
本发明涉及计算机技术,特别涉及一种浏览界面上的页面区域的点击位置密集度的获取方法。
背景技术
获得网站的用户访问规律,进而获得更好的用户体验并追踪用户行为,这对于电子商务来讲,在网络营销、管理上都具有重要的意义。同时,分析用户的操作行为,对于网站的建设、网络的营销以及公司管理等各个方面都是必不可少,并且非常重要的。
分析用户的操作行为,一般是在获得网站访问量基本数据的情况下,对有关数据进行统计、分析,从中发现用户访问网站的规律。然后将这些规律与网络营销策略等相结合,从而发现目前网络营销活动中可能存在的问题,并为进一步修正或重新制定网络营销策略提供依据。
分析用户的操作行为的一个方面是统计用户在网站的一个页面中的点击行为,进而获取用户在该页面中的兴趣点分布,进而结合网页内容进行调整,以适应用户的浏览习惯或者向用户提供更加舒适人性化的页面布局等。
用户在网站的一个页面中的点击行为的统计,是通过记录用户在网页中的点击位置坐标值,进而对大量的坐标值进行数据统计,以绘制热点图。通过热点图中的分布情况进一步分析用户的操作行为。这样,如何从只有坐标值的统计数据中快速的绘制热点图便成为一个关键问题。
目前,绘制热点图的过程中具有两个困难,一是数据量大,二是原始数据不可直接使用。现有的绘制热点图的方式是对于代表网页的数据区域中的每个数据点(坐标点),遍历所有的点击坐标数据(点击坐标点),根据两个点击位置之间的距离获取相关度,进而获取数据区域中的每个数据点的热度值或者密集度(与多少个点击位置坐标点相关),但现有方法的缺陷是存在大量的重复计算,从而大大提高了热点图的绘制时间。例如如下两个现有的方法。
方法一:暴力式计算过程,循环遍历每个点击位置,同时计算该点击位置与其他点击位置的相关度,从而计算密集度,该方法的复杂度为N2,其中,N为点击位置的总个数,N为正整数。
方法二:单方向区域划分法,即从网页坐标的单方向(X方向或者Y方向)上划分区域,该方法的复杂度的最坏情况为
其中,m为网页坐标的单方向(X方向或者Y方向)上划分的区域个数,m≥1。
上述两种方法中,计算密集度的暴力式方法,其时间复杂度很大,效率低下,在处理坐标数据的过程中会占用过多的时间(在数据量N大于10000之后尤为明显)。单方向区域划分法,相对暴力式方法来说,效率要高,但受制于m,使得单方向区域划分法仍然没有达到最大的效率。
发明内容
有鉴于此,本发明提供一种页面区域的点击位置密集度的获取方法,以提高密集度的获取效率,降低获取点击热点区域密集度的时间复杂度。
本申请的技术方案是这样实现的:
一种页面区域的点击位置密集度的获取方法,包括:
将待获取点击位置密集度的页面区域置于二维坐标中,并通过至少1条平行于所述二维坐标中的x轴的直线和至少1条平行于所述二维坐标中的y轴的直线,将所述页面区域划分为规则排列的多个正方形区域;
将所述页面区域中的点击位置坐标划分到每个所述正方形区域以形成点簇;
从所述二维坐标的原点出发,分别沿x轴方向、y轴方向和x=y的直线方向,计算每个所述点簇中的各个点击位置的密集度。
进一步,所述正方形区域的相邻两边分别平行于所述二维坐标的x轴和y轴。
进一步,每个所述正方形区域中的点击位置坐标的集合形成1个点簇。
进一步,对于任一点击位置,所述密集度为与该点击位置相关的其它点击位置的数量。
进一步,所述二维坐标的原点位于所述页面区域的左上角处,所述y轴方向从所述页面区域的左上角指向所述页面区域的左下角,所述x轴方向从所述页面区域的左上角指向所述页面区域的右上角。
进一步,所述正方形边长为S,所述页面的高度为H,所述页面的宽度为W,所述页面区域的左上角的坐标为(0,0),所述页面区域左下角的坐标为(0,H),所述页面区域的右上角的坐标为(W,0),所述页面区域的右下角的坐标为(W,H),则
(m-1)×S≤W≤m×S
(n-1)×S≤H≤n×S
其中,m为所述正方形的列数,n为所述正方形的行数。
进一步,从所述二维坐标的原点出发,分别沿x轴方向、y轴方向和x=y的直线方向,计算每个所述点簇中的各个点击位置的密集度,包括:
所述点簇用其所在正方形区域的左上角坐标表示;
当计算任意点簇(p,q)中的任一点击位置的密集度时,计算该点簇(p,q)中的该任一点击位置分别与点簇(p,q+1)、点簇(p+1,q)、点簇(p+1,q+1)和点簇(p,q)中的各个点击位置之间是否相关,其中0≤p≤m,0≤q≤n;
将与该任一点击位置的相关点击位置的数量,确定为该任一点击位置的密集度。
进一步,当计算任意点簇(p,q)中的任一点击位置的密集度时:
若点簇(p,q+1)不存在,则不计算该点簇(p,q)中的任一点击位置与点簇(p,q+1)中的各个点击位置之间是否相关;
若点簇(p+1,q)不存在,则不计算该点簇(p,q)中的任一点击位置坐标与点簇(p+1,q)中的各个点击位置之间是否相关;
若点簇(p+1,q+1)不存在,则不计算该点簇(p,q)中的任一点击位置坐标与点簇(p+1,q+1)中的各个点击位置之间是否相关。
进一步,计算两个点击位置坐标之间是否相关,包括:
采用如下公式计算两个点击位置坐标之间的距离:
其中,(x1,y1)和(x2,y2)分别为所述两个点击位置坐标,r为所述两个点击位置坐标之间的距离;
判断所述两个点击位置坐标之间的距离是否小于S/2;
若所述两个点击位置坐标之间的距离小于S/2,则所述两个点击位置相关;
若所述两个点击位置坐标之间的距离不小于S/2,则所述两个点击位置不相关。
进一步,当计算任意点簇(p,q)中的任一点击位置的密集度时,若已经完成其它某一点击位置与该任一点击位置是否相关的计算,则直接采用该计算结果作为该任一点击位置与所述某一点击位置是否相关的计算结果,而不再进行该任一点击位置与所述某一点击位置是否相关的计算。
从上述方案可以看出,本发明的页面区域的点击位置密集度的获取方法中,假设点击位置的总个数为N,相关度半径为S/2(常量),整个坐标平面可以分为mn个点簇(m和n均为常量)。对于最坏情况而言,即所有点击位置均集中在一个点簇内,则复杂度为N2;
对于最好情况而言,即N个点击位置平均分布在mn个点簇内,则每个点簇内点的个数为
除去图3中最右侧和最下侧的m+n个点簇外,复杂度为
再加上上述最右侧与最下侧点簇的密集度计算时间复杂度
则整个流程的时间复杂度为
相对于暴力式算法的复杂度N2和单方向区域划分法复杂度
本发明方法的时间复杂度有了很大程度的降低,可以高效率的执行数据预处理。
综上所述,与现有的暴力式计算过程和单方向区域划分法相比,本发明的页面区域的点击位置密集度的获取方法,极大程度地降低了计算的时间复杂度,实现了高效率的数据与处理。
附图说明
图1为本发明的页面区域的点击位置密集度的获取方法实施例流程图;
图2为本发明中所提供的置于二维坐标中的页面区域实施例示意图;
图3为本发明实施例中形成点簇的实施例示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下参照附图并举实施例,对本发明作进一步详细说明。
如图1所示,本发明的页面区域的点击位置密集度的获取方法,包括:
将待获取点击位置密集度的页面区域置于二维坐标中,并通过至少1条平行于所述二维坐标中的x轴的直线和至少1条平行于所述二维坐标中的y轴的直线,将所述页面区域划分为规则排列的多个正方形区域;
将所述页面区域中的点击位置坐标划分到每个所述正方形区域以形成点簇;
从所述二维坐标的原点出发,分别沿x轴方向、y轴方向和x=y的直线方向,计算每个所述点簇中的各个点击位置的密集度。
本发明的思想在于将待获取点击位置密集度的页面区域划分为若干个小区域,在若干个小区域中进行密集度的计算,当重复的计算出现时不再进行计算,而是直接使用已经计算的结果,进而节省计算时间。
以下结合一具体实施例,对本发明的方法进行详细介绍。
步骤1、将待获取点击位置密集度的页面区域置于二维坐标中,并通过至少1条平行于所述二维坐标中的x轴的直线和至少1条平行于所述二维坐标中的y轴的直线,将所述页面区域划分为规则排列的多个正方形区域。
如图2所示,为本发明提供的置于二维坐标中的页面区域实施例示意图。该页面区域置于了一个二维坐标中,多条平行于所述二维坐标中的x轴和多条平行于所述二维坐标中的y轴的直线将所述页面区域划分为规则排列的多个正方形区域,使得每个正方形区域的相邻两边分别平行于所述x轴和y轴,各个相邻的平行直线之间的距离均相等。
如图2所示,这里是把所述页面区域看作一个倒置的二维坐标,所述二维坐标的原点位于所述页面区域的左上角处,所述y轴方向从所述页面区域的左上角指向所述页面区域的左下角,所述x轴方向从所述页面区域的左上角指向所述页面区域的右上角。
所述页面区域的左上角的坐标为(0,0),所述页面区域左下角的坐标为(0,H),所述页面区域的右上角的坐标为(W,0),所述页面区域的右下角的坐标为(W,H),这里,所述页面的高度为H,所述页面的宽度为W,设所述正方形边长为S,则有:
(m-1)×S≤W≤m×S
(n-1)×S≤H≤n×S
其中,m为所述正方形的列数,n为所述正方形的行数。
在图2所示的页面区域中分布着多个点击位置(图2中多个圆点所示),通过该二维坐标系,可获得多个点击位置坐标。
步骤2、将所述页面区域中的点击位置坐标划分到每个所述正方形区域以形成点簇。
如图3所示,本步骤2中,每个所述正方形区域中的点击位置(图3未示出)坐标的集合形成1个点簇。
步骤3、从所述二维坐标的原点出发,分别沿x轴方向、y轴方向和x=y的直线方向,计算每个所述点簇中的各个点击位置的密集度。
作为具体实施例,本步骤3中,以每个正方形区域的边长S=1进行说明。对于任一点击位置,所述密集度为与该点击位置相关的其它点击位置的数量。
本步骤3主要包括以下各个子步骤。
步骤3-1、所述点簇用其所在正方形区域的左上角坐标表示。
如图3所示,坐标(0,0)所位于的正方形区域中,该正方形区域中的左上角坐标为(0,0)、右上角坐标为(1,0)、左下角坐标为(0,1)、右下角坐标为(1,1),用该正方形区域的左上角坐标(0,0)表示位于该正方形区域的点簇为点簇点簇(0,0);坐标(1,0)所位于的正方形区域中,该正方形区域中的左上角坐标为(1,0)、右上角坐标为(2,0)、左下角坐标为(1,1)、右下角坐标为(1,2),用该正方形区域的左上角坐标(1,0)表示位于该正方形区域的点簇为点簇点簇(1,0);以此类推,将整个页面区域中的点击位置集中到每个点簇中。
步骤3-2、当计算任意点簇(p,q)中的任一点击位置的密集度时,计算该点簇(p,q)中的该任一点击位置分别与点簇(p,q+1)、点簇(p+1,q)、点簇(p+1,q+1)和点簇(p,q)中的各个点击位置之间是否相关,其中0≤p≤m,0≤q≤n。
本步骤3-2中,是通过计算两点间的距离来确定点击位置是否相关的,具体如下。
本步骤3-2中,用点击位置A表示点簇(p,q)中的任一点击位置,用点击位置B表示点簇(p,q+1)、点簇(p+1,q)、点簇(p+1,q+1)和点簇(p,q)中除点击位置A以外各个点击位置中的任意一个点击位置。
当计算点击位置A的密集度时,需要计算点击位置A和所有的点击位置B之间是否相关,这样便需要计算点击位置A和每一个点击位置B之间的距离,具体地,计算两个点击位置坐标之间是否相关,包括:
采用如下公式计算两个点击位置坐标之间的距离:
其中,(x1,y1)和(x2,y2)分别为所述两个点击位置坐标,r为所述两个点击位置坐标之间的距离;
判断所述两个点击位置坐标之间的距离是否小于S/2;
若所述两个点击位置坐标之间的距离小于S/2,则所述两个点击位置相关;
若所述两个点击位置坐标之间的距离不小于S/2,则所述两个点击位置不相关。
用点击位置A和点击位置B进行说明,上述距离公示中,(x1,y1)为点击位置A坐标、(x2,y2)为点击位置B坐标,r为点击位置A和点击位置B之间的距离。
判断r是否小于S/2,如上所述,当S=1时,判断r是否小于1/2,即点击位置A和点击位置B之间的距离是否小于1/2,如果r小于1/2,则点击位置A和点击位置B相关,如果r不小于1/2,则点击位置A和点击位置B不相关。
如图3所示,上述过程可以看成是以点击位置A为圆心半径为S/2的圆形区域中是否还存在其他的点击位置,如果有,则说明有与点击位置A相关的其它点击位置存在,如果没有,则说明与点击位置A相关的其它点击位置不存在,该半径称作相关度半径。
本发明实施例中,当计算任意点簇(p,q)中的任一点击位置的密集度时:若点簇(p,q+1)不存在,则不计算该点簇(p,q)中的任一点击位置与点簇(p,q+1)中的各个点击位置之间是否相关;若点簇(p+1,q)不存在,则不计算该点簇(p,q)中的任一点击位置坐标与点簇(p+1,q)中的各个点击位置之间是否相关;若点簇(p+1,q+1)不存在,则不计算该点簇(p,q)中的任一点击位置坐标与点簇(p+1,q+1)中的各个点击位置之间是否相关。本发明实施例采用这种做法是因为当点簇(p,q)处于图3所示页面区域的最右侧或者最下侧时,不会再出现点簇(p+1,q)、点簇(p,q+1)或者点簇(p+1,q+1),进而如果计算点簇(p,q)中的任一点击位置坐标与点簇(p+1,q)、点簇(p,q+1)或者点簇(p+1,q+1)中的各个点击位置之间是否相关便没有意义。
进一步,当计算任意点簇(p,q)中的任一点击位置的密集度时,若已经完成其它某一点击位置与该任一点击位置是否相关的计算,则直接采用该计算结果作为该任一点击位置与所述某一点击位置是否相关的计算结果,而不再进行该任一点击位置与所述某一点击位置是否相关的计算。
例如,如图3所示,假设点击位置A和点击位置B均位于点簇(p,q)中,并且对于点击位置A的相关点击位置的计算结果中,点击位置B是点击位置A的相关点击位置。对应地,点击位置A也是点击位置B的相关点击位置。因此,之后,当进行点击位置B的相关点击位置的计算时,直接采用之前点击位置B是点击位置A的相关点击位置的计算结果,作为点击位置A是点击位置B的相关点击位置的计算结果,而不再进行点击位置A是否为点击位置B的相关点击位置的计算。另一方面,假设点击位置A和点击位置B均位于点簇(p,q)中,并且对于点击位置A的相关点击位置的计算结果中,点击位置B不是点击位置A的相关点击位置。对应地,点击位置A也不是点击位置B的相关点击位置。因此,之后,当进行点击位置B的相关点击位置的计算时,直接采用之前点击位置B不是点击位置A的相关点击位置的计算结果,作为点击位置A不是点击位置B的相关点击位置的计算结果,而不再进行点击位置A是否为点击位置B的相关点击位置的计算。本发明中,采用上述方法可节省大量的重复计算时间。
步骤3-3、将与该任一点击位置的相关点击位置的数量,确定为该任一点击位置的密集度。
仍以点击位置A为例,本步骤3-3中,将通过步骤3-2中计算出的与点击位置A相关的其它点击位置的数量,确定为点击位置A的密集度。例如,当通过步骤3-2中计算出的与点击位置A相关的其他点击位置共有3个,则确定点击位置A的密集度为3;当通过步骤3-2中计算出的与点击位置A相关的其他点击位置共有5个,则确定点击位置A的密集度为5。
当页面区域中每个点击位置的密集度计算完成之后,便可将所获得的密集度数据置于页面区域中,以获得一个密集度分布图。例如通过密集度与颜色的对应关系,在页面区域中进行表示,以直观展示密集度的分布情况。此步骤为本领域已有技术,不再赘述。
本发明的页面区域的点击位置密集度的获取方法中,假设点击位置的总个数为N,相关度半径为S/2(常量),整个坐标平面可以分为mn个点簇(m和n均为常量)。对于最坏情况而言,即所有点击位置均集中在一个点簇内,则复杂度为N2;
对于最好情况而言,即N个点击位置平均分布在mn个点簇内,则每个点簇内点的个数为
除去图3中最右侧和最下侧的m+n个点簇外,复杂度为
再加上上述最右侧与最下侧点簇的密集度计算时间复杂度
则整个流程的时间复杂度为
相对于暴力式算法的复杂度N2和单方向区域划分法复杂度
本发明方法的时间复杂度有了很大程度的降低,可以高效率的执行数据预处理。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明保护的范围之内。
Claims (10)
1.一种页面区域的点击位置密集度的获取方法,包括:
将待获取点击位置密集度的页面区域置于二维坐标中,并通过至少1条平行于所述二维坐标中的x轴的直线和至少1条平行于所述二维坐标中的y轴的直线,将所述页面区域划分为规则排列的多个正方形区域;
将所述页面区域中的点击位置坐标划分到每个所述正方形区域以形成点簇;
从所述二维坐标的原点出发,分别沿x轴方向、y轴方向和x=y的直线方向,计算每个所述点簇中的各个点击位置的密集度。
2.根据权利要求1所述的页面区域的点击位置密集度的获取方法,其特征在于:所述正方形区域的相邻两边分别平行于所述二维坐标的x轴和y轴。
3.根据权利要求1所述的页面区域的点击位置密集度的获取方法,其特征在于:每个所述正方形区域中的点击位置坐标的集合形成1个点簇。
4.根据权利要求1所述的页面区域的点击位置密集度的获取方法,其特征在于:
对于任一点击位置,所述密集度为与该点击位置相关的其它点击位置的数量。
5.根据权利要求1至4任一项所述的页面区域的点击位置密集度的获取方法,其特征在于:所述二维坐标的原点位于所述页面区域的左上角处,所述y轴方向从所述页面区域的左上角指向所述页面区域的左下角,所述x轴方向从所述页面区域的左上角指向所述页面区域的右上角。
6.根据权利要求5所述的页面区域的点击位置密集度的获取方法,其特征在于:
所述正方形边长为S,所述页面的高度为H,所述页面的宽度为W,所述页面区域的左上角的坐标为(0,0),所述页面区域左下角的坐标为(0,H),所述页面区域的右上角的坐标为(W,0),所述页面区域的右下角的坐标为(W,H),则
(m-1)×S≤W≤m×S
(n-1)×S≤H≤n×S
其中,m为所述正方形的列数,n为所述正方形的行数。
7.根据权利要求6所述的页面区域的点击位置密集度的获取方法,其特征在于,从所述二维坐标的原点出发,分别沿x轴方向、y轴方向和x=y的直线方向,计算每个所述点簇中的各个点击位置的密集度,包括:
所述点簇用其所在正方形区域的左上角坐标表示;
当计算任意点簇(p,q)中的任一点击位置的密集度时,计算该点簇(p,q)中的该任一点击位置分别与点簇(p,q+1)、点簇(p+1,q)、点簇(p+1,q+1)和点簇(p,q)中的各个点击位置之间是否相关,其中0≤p≤m,0≤q≤n;
将与该任一点击位置的相关点击位置的数量,确定为该任一点击位置的密集度。
8.根据权利要求7所述的页面区域的点击位置密集度的获取方法,其特征在于,当计算任意点簇(p,q)中的任一点击位置的密集度时:
若点簇(p,q+1)不存在,则不计算该点簇(p,q)中的任一点击位置与点簇(p,q+1)中的各个点击位置之间是否相关;
若点簇(p+1,q)不存在,则不计算该点簇(p,q)中的任一点击位置坐标与点簇(p+1,q)中的各个点击位置之间是否相关;
若点簇(p+1,q+1)不存在,则不计算该点簇(p,q)中的任一点击位置坐标与点簇(p+1,q+1)中的各个点击位置之间是否相关。
9.根据权利要求7所述的页面区域的点击位置密集度的获取方法,其特征在于,计算两个点击位置坐标之间是否相关,包括:
采用如下公式计算两个点击位置坐标之间的距离:
其中,(x1,y1)和(x2,y2)分别为所述两个点击位置坐标,r为所述两个点击位置坐标之间的距离;
判断所述两个点击位置坐标之间的距离是否小于S/2;
若所述两个点击位置坐标之间的距离小于S/2,则所述两个点击位置相关;
若所述两个点击位置坐标之间的距离不小于S/2,则所述两个点击位置不相关。
10.根据权利要求7所述的页面区域的点击位置密集度的获取方法,其特征在于:
当计算任意点簇(p,q)中的任一点击位置的密集度时,若已经完成其它某一点击位置与该任一点击位置是否相关的计算,则直接采用该计算结果作为该任一点击位置与所述某一点击位置是否相关的计算结果,而不再进行该任一点击位置与所述某一点击位置是否相关的计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310725947.4A CN103646108B (zh) | 2013-12-25 | 2013-12-25 | 一种页面区域的点击位置密集度的获取方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310725947.4A CN103646108B (zh) | 2013-12-25 | 2013-12-25 | 一种页面区域的点击位置密集度的获取方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103646108A true CN103646108A (zh) | 2014-03-19 |
CN103646108B CN103646108B (zh) | 2017-07-07 |
Family
ID=50251321
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310725947.4A Active CN103646108B (zh) | 2013-12-25 | 2013-12-25 | 一种页面区域的点击位置密集度的获取方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103646108B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107679047A (zh) * | 2016-08-02 | 2018-02-09 | 北京京东尚科信息技术有限公司 | 展现滚动深度数据的方法及装置 |
EP3293642A4 (en) * | 2015-05-05 | 2018-09-19 | Alibaba Group Holding Limited | Method and apparatus for recording and restoring click position in page |
WO2019062382A1 (zh) * | 2017-09-30 | 2019-04-04 | 北京国双科技有限公司 | 点击热力图异常检测方法及装置 |
CN110955369A (zh) * | 2019-11-19 | 2020-04-03 | 广东智媒云图科技股份有限公司 | 基于点击位置的焦点判断方法、装置、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236562A (zh) * | 2008-02-01 | 2008-08-06 | 刘峰 | 网页屏幕区域点击热点分析方法 |
CN101446979A (zh) * | 2008-12-26 | 2009-06-03 | 北京科尔威视网络科技有限公司 | 动态热点跟踪的方法 |
US20090288019A1 (en) * | 2008-05-15 | 2009-11-19 | Microsoft Corporation | Dynamic image map and graphics for rendering mobile web application interfaces |
-
2013
- 2013-12-25 CN CN201310725947.4A patent/CN103646108B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101236562A (zh) * | 2008-02-01 | 2008-08-06 | 刘峰 | 网页屏幕区域点击热点分析方法 |
US20090288019A1 (en) * | 2008-05-15 | 2009-11-19 | Microsoft Corporation | Dynamic image map and graphics for rendering mobile web application interfaces |
CN101446979A (zh) * | 2008-12-26 | 2009-06-03 | 北京科尔威视网络科技有限公司 | 动态热点跟踪的方法 |
Non-Patent Citations (1)
Title |
---|
杜以韧: ""基于网格和密度的数据流聚类算法研究"", 《中国优秀硕士学位论文全文数据库(电子期刊)信息科技辑》 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3293642A4 (en) * | 2015-05-05 | 2018-09-19 | Alibaba Group Holding Limited | Method and apparatus for recording and restoring click position in page |
CN107679047A (zh) * | 2016-08-02 | 2018-02-09 | 北京京东尚科信息技术有限公司 | 展现滚动深度数据的方法及装置 |
WO2019062382A1 (zh) * | 2017-09-30 | 2019-04-04 | 北京国双科技有限公司 | 点击热力图异常检测方法及装置 |
US11237938B2 (en) | 2017-09-30 | 2022-02-01 | Beijing Gridsum Technology Co., Ltd. | Click heatmap abnormality detection method and apparatus |
CN110955369A (zh) * | 2019-11-19 | 2020-04-03 | 广东智媒云图科技股份有限公司 | 基于点击位置的焦点判断方法、装置、设备及存储介质 |
CN110955369B (zh) * | 2019-11-19 | 2022-04-01 | 广东智媒云图科技股份有限公司 | 基于点击位置的焦点判断方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN103646108B (zh) | 2017-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Niu et al. | An improved intelligent water drops algorithm for achieving optimal job-shop scheduling solutions | |
Tsai et al. | Using a multiple-GA method to solve the batch picking problem: considering travel distance and order due time | |
CN102377790B (zh) | 一种推送数据的方法和装置 | |
Janga Reddy et al. | An efficient multi-objective optimization algorithm based on swarm intelligence for engineering design | |
Gogna et al. | Matrix completion incorporating auxiliary information for recommender system design | |
CN103248705B (zh) | 服务器、客户端及视频处理方法 | |
CN103646108A (zh) | 一种页面区域的点击位置密集度的获取方法 | |
CN103425677B (zh) | 关键词分类模型确定方法、关键词分类方法及装置 | |
Lins et al. | An L-approach for packing (ℓ, w)-rectangles into rectangular and L-shaped pieces | |
CN106503140A (zh) | 一种基于Hadoop云平台Web资源个性化推荐***及方法 | |
Rao et al. | Optimal class boundaries, number of aisles, and pick list size for low-level order picking systems | |
CN101957834A (zh) | 一种基于用户特征进行内容推荐的方法与设备 | |
CN103823904A (zh) | 网页浏览路径优化方法及其*** | |
CN106600067A (zh) | 多维立方体模型的优化方法和装置 | |
CN109754359A (zh) | 一种应用于卷积神经网络的池化处理的方法及*** | |
CN103544313B (zh) | 用于网页推荐的数据处理方法和装置 | |
CN106202482A (zh) | 一种基于用户行为分析的网站优化方法及*** | |
CN103365842A (zh) | 一种页面浏览推荐方法及装置 | |
CN103530431A (zh) | 用于网页页面点击量统计的数据处理方法和装置 | |
CN101957968A (zh) | 基于Hadoop的网上交易服务聚合方法 | |
CN106777086A (zh) | 一种网页埋点的动态管理方法及装置 | |
CN105338540A (zh) | 一种基站数据建模的方法及终端 | |
CN104346443A (zh) | 网络文本处理方法及装置 | |
Park | Location-based grid-index for spatial query processing | |
CN101201867A (zh) | 电路板线路布设的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |