CN104753985B - 会话列表显示方法和装置 - Google Patents

Abstract

本发明公开了一种会话列表显示方法和装置，属于网络技术。方法包括：根据当前会话列表中各个会话条目和预设算法模型，获取当前会话列表中各个会话条目的亲密程度值，预设算法模型根据用户的历史操作行为数据建立；根据各个会话条目的亲密程度值，调整当前会话列表中各个会话条目的显示顺序；根据调整后的显示顺序，在会话列表中显示各个会话条目。本发明直观的反映了用户与各个联系对象之间的联系情况，从而使得与用户联系较频繁的联系对象的会话条目会显示在会话列表的顶端位置，方便了用户与各个会话条目对应的联系对象之间发起会话过程。

Description

会话列表显示方法和装置

技术领域

本发明涉及网络技术，特别涉及一种会话列表显示方法和装置。

背景技术

随着互联网的逐渐普及和终端的迅速发展，即时通讯应用已成为人们日常生活与工作中一项必不可少的组成部分。人们可以通过即时通讯应用与现实中的朋友进行联系，也可以通过即时通讯应用与陌生人进行交流。

随着用户对即时通讯应用使用时间的增加，为了直观的为用户提供该用户最近的会话情况，通常采用最近会话列表的形式对最近经常联系的联系人或群组进行展示。该最近会话列表可以通过在联系人或群组与用户进行会话的过程中，以最后一条消息的发送时间对联系人或群组进行排序得到。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：

由于该最近会话列表的显示是基于会话时间的先后顺序，那么当用户所在的群组内的会话交流较频繁，则该群组将会长期占据最近会话列表中的顶端位置，但是由于该用户并没有参与该会话交流，该顶端显示可能为用户带来很大困扰。同时，用户与联系人或群组之间曾经有较频繁的联系，但由于近期内用户与某联系人或群组之间没有会话交流，则该联系人或群组将会被调整到最近会话列表的底部位置，给用户对该联系人或群组之间的会话管理等过程带来不便。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种会话列表显示方法和装置。所述技术方案如下：

第一方面，提供了一种会话列表显示方法，所述方法包括：

根据当前会话列表中各个会话条目和预设算法模型，获取当前会话列表中各个会话条目的亲密程度值，所述预设算法模型根据用户的历史操作行为数据建立；

根据所述各个会话条目的亲密程度值，调整所述当前会话列表中各个会话条目的显示顺序；

根据调整后的显示顺序，在会话列表中显示所述各个会话条目。

第二方面，提供了一种基于会话列表显示方法，包括：

接收用户会话的操作行为数据；

根据所述操作行为数据和预设算法，建立预设算法模型；

将所述预设算法模型发送至终端，使得所述终端根据所述预设算法模型获取所述终端当前会话列表中各个会话条目的亲密程度值，并根据所述各个会话条目的亲密程度值调整会话列表中各个会话条目的显示顺序。

第三方面，提供了一种会话列表显示装置，所述装置包括：

亲密程度值获取模块，用于根据当前会话列表中各个会话条目和预设算法模型，获取当前会话列表中各个会话条目的亲密程度值，所述预设算法模型根据用户的历史操作行为数据建立；

调整模块，用于根据所述各个会话条目的亲密程度值，调整所述当前会话列表中各个会话条目的显示顺序；

显示模块，用于根据调整后的显示顺序，在会话列表中显示所述各个会话条目。

第四方面，提供了一种会话列表显示装置，包括：

接收模块，用于接收用户会话的操作行为数据；

模型建立模块，用于根据所述操作行为数据和预设算法，建立预设算法模型；

发送模块，用于将所述预设算法模型发送至终端，使得所述终端根据所述预设算法模型获取所述终端当前会话列表中各个会话条目的亲密程度值，并根据所述各个会话条目的亲密程度值调整会话列表中各个会话条目的显示顺序。

本发明实施例提供的技术方案带来的有益效果是：

利用机器学习的回归模型对最近联系人中的会话条目进行亲密程度建模，有效预测用户对于各个条目的关注程度。利用模型计算结果对最近联系人中的会话条目进行智能排序，动态调整各个条目的位置。对于用户参与度低的群组会话，能够智能降权，保持其处于最近联系人列表的合适位置，不会对用户造成过多的干扰。对于用户短期非常关注的会话，能够智能加权，保持其处于最近联系人列表中的显眼位置，方便用户查找。综合考虑了会话中用户发送消息的频率与时间衰减的因素，能动态调整用户对会话的关注程度能最大限度的满足用户需求，直观的反映了用户与各个联系对象之间的联系情况，大大增加了产品的灵活度，优化用户体验。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明实施例提供的一种会话列表显示方法流程图；

图2是本发明实施例提供的一种会话列表显示方法流程图；

图3是本发明实施例提供的一种会话列表显示方法流程图；

图4是本发明实施例提供的一种会话列表显示装置结构示意图；

图5是本发明实施例提供的一种会话列表显示装置结构示意图。

具体实施方式

为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。

图1是本发明实施例提供的一种会话列表显示方法流程图。参见图1，该实施例的执行主体为终端，该方法包括：

101、根据当前会话列表中各个会话条目和预设算法模型，获取当前会话列表中各个会话条目的亲密程度值，该预设算法模型根据用户的历史操作行为数据建立。

该会话列表可以是指即时通信应用中的会话列表，该会话列表中包括用户与联系人或联系人群组之间交互的会话条目。当然，该会话列表还可以是SNS社区中的私信列表或评论列表等等，本发明实施例对此不作具体限定。

102、根据该各个会话条目的亲密程度值，调整该当前会话列表中各个会话条目的显示顺序。

该显示顺序是指会话条目在会话列表中的显示顺序。

103、根据调整后的显示顺序，在会话列表中显示该各个会话条目。

需要说明的是，该会话列表可以根据终端的列表刷新指令进行刷新，从而在每次刷新时触发该发明实施例所提供的会话列表显示，还可以是在会话列表的显示过程中，每隔预设时长进行刷新，本发明实施例对刷新的时机不作限定。

本发明实施例提供的方法，利用机器学习的回归模型对最近联系人中的会话条目进行亲密程度建模，有效预测用户对于各个条目的关注程度。利用模型计算结果对最近联系人中的会话条目进行智能排序，动态调整各个条目的位置。对于用户参与度低的群组会话，能够智能降权，保持其处于最近联系人列表的合适位置，不会对用户造成过多的干扰。对于用户短期非常关注的会话，能够智能加权，保持其处于最近联系人列表中的显眼位置，方便用户查找。综合考虑了会话中用户发送消息的频率与时间衰减的因素，能动态调整用户对会话的关注程度能最大限度的满足用户需求，直观的反映了用户与各个联系对象之间的联系情况，大大增加了产品的灵活度，优化用户体验。

图2是本发明实施例提供的一种会话列表显示方法流程图。参见图2，该实施例的执行主体为服务器，该方法流程包括：

201、服务器接收用户会话的操作行为数据。

202、服务器根据该操作行为数据和预设算法，建立预设算法模型。

需要说明的是，预设算法可以是回归算法（如线性回归算法或逻辑回归算法），也可以是分类算法，还可以是除上述两种算法以外的其它算法，本发明实施例仅以回归算法为例进行说明。

203、服务器将该预设算法模型发送至终端，使得该终端根据该预设算法模型获取该终端当前会话列表中各个会话条目的亲密程度值，并根据该各个会话条目的亲密程度值调整会话列表中各个会话条目的显示顺序。

本发明实施例提供的方法，利用机器学习的回归模型对最近联系人中的会话条目进行亲密程度建模，有效预测用户对于各个条目的关注程度。利用模型计算结果对最近联系人中的会话条目进行智能排序，动态调整各个条目的位置。对于用户参与度低的群组会话，能够智能降权，保持其处于最近联系人列表的合适位置，不会对用户造成过多的干扰。对于用户短期非常关注的会话，能够智能加权，保持其处于最近联系人列表中的显眼位置，方便用户查找。综合考虑了会话中用户发送消息的频率与时间衰减的因素，能动态调整用户对会话的关注程度能最大限度的满足用户需求，直观的反映了用户与各个联系对象之间的联系情况，大大增加了产品的灵活度，优化用户体验。

图3是本发明实施例提供的一种会话列表显示方法流程图。参见图3，该实施例的交互主体为服务器和终端，该方法流程可以包括建立模型的过程以及应用模型的过程，下述步骤301～306为服务器建立模型的过程：

301、服务器接收用户会话的操作行为数据。

具体地，在进行应用程序内部测试时，服务器向终端请求用户会话的操作行为数据，当终端记录了用户会话的操作行为数据之后，终端向服务器发送该操作行为数据，服务器根据接收到的该用户会话的操作行为数据建立预设算法模型。该用户会话可以是指用户在使用过程中与其他用户之间的交互，如发消息、评论、回复等。用户会话的操作行为数据可以包括：用户与联系对象发起会话时的上下文数据、包括但不限于终端显示界面内可见的会话条目数据、用户点击会话条目时产生的数据、各个会话条目的最后一条消息的时间对应的数据等等。

其中，服务器向终端请求用户会话的操作行为数据可以包括以下任一种方式：（1）通过应用程序内测协议请求用户通过终端向服务器提交操作行为数据。（2）通过向用户购买的方式，请求终端将该用户会话的操作行为数据发送给服务器。当然，该方式不限于上述两种，本发明实施例对请求终端将该用户会话的操作行为数据发送给服务器的方式不做限定。当然，为了保护隐私，该操作行为数据不包括用户交互的消息内容。

302、当服务器接收到终端发送的用户会话的操作行为数据时，服务器对该操作行为数据进行拆分，得到该操作行为数据的第二预设类型数据。

由于操作行为数据包括了很多内容，为了简化后续的分析过程，可以有针对性的提取该操作行为数据中某些类型的数据。具体地，该步骤302包括：当服务器接收到终端发送的用户会话的操作行为数据时，服务器根据第二预设类型，对该操作行为数据进行拆分，得到与预设的多个数据类型对应的操作行为数据，将得到的该操作行为数据作为第二预设类型数据。

该预先设置的第二预设类型可以为当前会话列表的可见会话条目、对会话条目的点击情况、会话条目的联系人、用户和联系人之间发送会话的条数、发送会话的时间、发起会话是否有人回复等等，本发明实施例对此不作限定。

需要说明的是，在本发明实施例中，可以设置多个特征组，每个特征组包括多个数据类型，用以从操作行为数据中获取可以代表会话列表中会话条目特性。如特征组为用户与某一个联系人的会话交互频率，则该特征组所对应的数据类型可以为用户与该联系人之间发送会话的条数、发送会话的时间等。

303、服务器对该第二预设类型数据进行特征提取，得到该第二预设类型数据对应的特征值。

该特征提取的过程是对原始操作行为数据的抽象，以用户与某一个联系人的会话交互频率为例，拆分所得到的的操作行为数据为用户与联系人之间各发送了多少条对话，在特征提取后得到的是一个离散化的数字特征值，用以描述会话频率的频繁程度的等级。再以用户的点击位置为例，在特征提取后得到的可以不是点击的具***置，而是一个大概位置，如该点击位于屏幕的上半部或下半部。

304、服务器根据该第二预设类型数据对应的特征值和预设算法，建立预设算法模型。

为了能够根据用户提供的操作行为数据，获取到操作行为与会话条目等之间的变化规律以及对应关系等情况，服务器需要根据通过操作行为数据获取到的特征值构架预设算法模型。具体地，该步骤304包括：服务器采用机器学习的方法，根据该特征值应用预设算法，建立预设算法模型。

当然，该预设算法模型可以基于回归算法（如线性回归算法或逻辑回归算法），也可以是分类算法建立的模型。本发明实施例对该构建模型的具体过程不作赘述。

305、服务器将该预设算法模型发送至终端。

为了能够将终端的会话列表中各个会话条目进行排序，终端需要利用预设算法模型对该各个会话条目对应的特征值进行计算，因此，服务器需要将建立的预设算法模型发送给终端。

服务器将该预设算法模型发送至终端后，该服务器还可以按照更新周期进行如步骤306的过程：

306、服务器按照更新周期，根据该用户会话的操作行为数据对该预设算法模型进行更新，并执行步骤305；

本发明实施例中，该更新周期可以是指数据更新周期或特征更新周期。对于数据更新周期来说，由于随着模型的使用，可用于验证或调整模型的数据越来越多，因此，终端可以继续向服务器发送操作行为数据，服务器每隔数据更新周期，根据服务器接收到的用户会话的操作行为数据，对该预设算法模型进行更新。对于特征更新周期来说，由于随着模型的使用，可能有一些之前并未涉及到的特征可以用于验证或调整模型，因此，按照特征更新周期，根据特征更新周期内新增的第四预设类型和内测阶段接收到的用户会话的操作行为数据对已构建的预设算法模型进行更新。

当然，该更新还可以是基于特征更新周期，根据根据特征更新周期内新增的第四预设类型、用户在该特征更新周期内接收到的操作行为数据以及内部测试阶段接收到的操作行为数据，对该预设算法模型进行更新。

为了进一步描述更新过程，下面根据更新周期的不同，对各个更新过程分别进行描述：

对于数据更新周期来说，更新过程可以包括（1.1）～（1.3）所示的过程：

（1.1）服务器按照数据更新周期，对该数据更新周期内接收到的用户会话的操作行为数据进行拆分，得到该操作行为数据的第三预设类型数据。

为了简化后续对预设算法模型的更新过程，当该预设算法模型的数据更新周期到达时，服务器需要从在该数据更新周期内收到的用户会话的操作行为数据中，根据第三预设类型，拆分出可以对该预设算法模型进行验证的第三预设类型数据，该第三预设类型数据可以包括会话列表的展现与点击结果，该会话列表的展现与点击结果可以直观的体现该模型的预测是否符合用户的真实使用习惯以及该模型的准确率，因此，通过对该第三预设类型数据的获取，可以达到对预设算法模型进行验证的目的。

例如，对于用户点击会话列表这一操作行为来说，其对应的操作行为数据可以包括点击位置、点击时间、点击次数，如果第三预设类型数据包括点击位置，则服务器对操作行为数据进行拆分后，得到的第三预设类型数据包括用户点击会话列表的点击位置。

（1.2）服务器对该第三预设类型数据进行特征提取，得到该第三预设类型数据所对应的特征值。

该过程与步骤303同理，在此不再赘述。

（1.3）将该特征值输入该预设算法模型，对该预设算法模型进行训练，得到更新后的预设算法模型。

对于服务器建立的预设算法模型来说，随着用户操作行为的多样化，通过该预设算法模型得到的结果可能实际情况有一定的偏差，因此，需要不断的根据新增数据进行训练。具体地，服务器得到该第三预设类型数据所对应的特征值后，将该特征值输入到该预设算法模型中，通过使用该特征值对该预设算法模型进行训练，即利用会话列表对应的特征值、点击结果对应的特征值以及由终端接收到会话列表显示请求到用户在该会话列表中进行点击完成的过程对应的特征值，对预设算法模型进行训练，从而得到更新后的预设算法模型。

对于数据更新周期来说，该更新过程可以包括（2.1）～（2.3）所示的过程：

（2.1）按照特征更新周期内新增的第四预设类型，对该用户会话的操作行为数据进行拆分，得到该操作行为数据的第四预设类型数据；

为了能够对会话列表中各个会话条目的排列顺序进行准确的预测，服务器可以在第二预设类型数据的基础上增加一些新的数据类型来更新预设算法模型，为此，服务器需要根据预先设置的第四预设类型数据，对用户会话的操作行为数据进行拆分。具体地，当预设算法模型的特征更新周期到达时，服务器根据特征更新周期内新增的第四预设类型，对内测阶段接收到的该用户会话的操作行为数据进行拆分，将与第四预设类型相对应的操作行为数据，作为该操作行为数据的第四预设类型数据。

例如，对于预设时长内用户与某一联系对象进行会话的过程中，用户的操作行为来说，其对应的操作数据可以包括对话比例、用户发送消息的条数、该联系对象发送消息的条数、用户发送的消息内容、该联系对象发送的消息内容，在最初建立模型时，可能并未使用到对话比例或用户发送消息内容作为建立模型所用的数据，那么，随着模型的使用，该两种类型的数据可能也会影响模型的准确性，因此，在更新时，可以将这两种操作数据也拆分出来，用于对模型的更新过程。

（2.2）服务器对该第四预设类型数据进行特征提取，得到该第四预设类型数据所对应的特征值；

该步骤（2.2）与步骤303同理，在此不再赘述。

（2.3）根据该特征值和预设算法，对该预设算法模型进行训练，得到更新后的预设算法模型。

具体地，服务器得到该第四预设类型数据所对应的特征值后，根据该特征值和建立预设算法模型时服务器所使用的预设算法，通过利用预设算法对该特征值进行计算，进而达到对该预设算法模型进行训练的目的，从而得到更新后的预设算法模型。

当然，在根据特征更新周期对预设算法模型进行更新的过程中，还可以引入预设算法模型使用过程中用户新发送的操作行为数据，其具体的更新过程与上述更新过程同理，本发明实施例对此不作赘述。

当服务器更新后的预设算法模型时，服务器将该更新后的预设算法模型发送给终端，使得该终端根据该更新后的预设算法模型获取该终端当前会话列表中各个会话条目的亲密程度值，并根据该各个会话条目的亲密程度值调整会话列表中各个会话条目的显示顺序。

本发明实施例中，服务器完成对该预设算法模型的更新之后，服务器将该更新后的预设算法模型发送给终端，使得该终端对该预设算法模型进行更新。其中，服务器将该更新后的预设算法模型发送给终端，使得该终端对该预设算法模型进行更新的方式可以是以下任一种：（1）在即时通信应用整体进行更新时，服务器同时发送更新后的预设算法模型给终端，终端通过接收到的更新后的预设算法模型文件对该预设算法模型进行更新。（2）当服务器对预设算法模型进行了更新后，服务器将更新提示信息推送给终端，使得终端弹出提示框，提示用户下载预设算法模型文件，通过用户下载的预设算法模型文件对即时通信应用的预设算法模型进行更新。其中，更新提示信息用于提示终端，服务器上包含该终端的更新文件。当然，服务器将该更新后的预设算法模型发送给终端，使得该终端对该预设算法模型进行更新的方式不限于以上两种，本发明实施例对该预设算法模型更新的方式不做限定。

以上为服务器建立模型的过程，当服务器将该模型发送给终端后，终端可以利用该模型进行各个会话条目的排序，直到下次模型更新。

而在终端侧获取到预设算法模型后，终端可以对本端的操作行为数据进行如下步骤307的操作：

307、终端记录用户会话的操作行为数据。

具体地，终端通过运行于即时通信应用内部的日志模块，实时记录用户会话的操作行为数据，如，用户点击终端显示界面内即时通信应用某个位置所对应的数据、点击即时通信应用某个位置的时间所对应的数据等。该操作行为数据可以用于内测、用户后续实际使用以及对模型的更新过程等。

当终端记录到用户会话的操作行为数据之后，该终端还可以对用户会话的操作行为数据进行如步骤308-步骤310的处理：

308、终端对该操作行为数据进行拆分，得到该操作行为数据的第一预设类型数据。

由于操作行为数据包括的内容较多，为了简化后续的分析过程和减少对操作行为数据的保存数量，终端需要针对这些操作行为数据提取出一些有针对性的操作行为数据，为了确定操作行为数据中需要进行提取的部分，终端可以预先设置多个数据类型，从而根据预设的数据类型对操作行为数据进行拆分。具体地，该步骤308包括：终端对用户的操作行为所对应的数据进行实时记录后，该终端根据第一预设类型，将所记录的该用户会话的操作行为数据进行拆分，将与预先选取的数据类型相对应的操作行为数据拆分出来，得到该操作行为数据的第一预设类型数据。

需要说明的是，终端在对用户会话的操作行为数据进行拆分时，终端的第一预设类型，可以与步骤302中服务器对用户会话的操作行为数据进行拆分时所使用的服务器的第二预设类型相同，也可以与步骤302中所使用的服务器的第二预设类型不同，本发明实施例对服务器和终端预先设置的数据类型不做限定。同时，针对第二预设类型和第一预设类型，本发明实施例仅是使用第一和第二来区分两者获取过程的执行主体。

309、终端对该第一预设类型数据进行特征提取，得到该操作行为数据的特征值。

该步骤309与步骤303同理，在此不再赘述。

需要说明的是，步骤308和步骤309的过程也可以是在服务器上进行，即服务器对该操作行为数据进行拆分，得到该操作行为数据的第一预设类型数据；服务器对该第一预设类型数据进行特征提取，得到该操作行为数据的特征值，其具体过程可以参见步骤302和步骤303的过程，在此不再赘述，且本发明实施例对执行步骤308-步骤309过程的执行主体的选择不做限定。

310、保存该操作行为数据和该操作行为数据对应的特征值。

为了可以在后续对预设算法模型进行更新，该终端可以保存该操作行为数据和该操作行为数据对应的特征值，以在数据更新周期到达时，将操作行为数据和/或操作行为数据对应的特征值发送给服务器，使得服务器根据接收到的数据进行预设算法模型的更新。

需要说明的是，终端可以具有操作日志数据库，该操作日志数据库用于保存操作行为数据以及对应特征值，以供后续会话列表显示时使用。该数据库的存储可以基于联系对象为索引。

操作日志数据库是一个运行于应用内部的子模块，无需联网上报数据，可以随着***的更新而统一更新或者提示用户下载库文件进行更新。该操作日志数据库可以保存到物理存储设备以便持久化，在应用重新启动后，可以从存储设备中加载并恢复最近一段时间的操作日志数据库，该操作日志数据库的保存时长和需要保存的数据量最大值可以由技术人员在开发时设置，也可以由用户在使用过程中调整，本发明实施例对特征值的保存时长和保存的数据量最大值的设定不做限定。

当终端接收到该服务器建立的预设算法模型或更新后的预设算法模型后，终端进行如步骤311-步骤315的过程：

311、当终端接收到会话列表显示请求时，根据当前会话列表中各个会话条目，获取当前会话列表中各个会话条目对应的特征值。

具体地，该步骤311包括：当用户点击、刷新会话列表或用户登陆即时通信应用时，终端可以接收该会话列表显示请求，根据当前会话列表中各个会话条目，从操作日志数据库中获取与该会话条目相关联的操作行为数据的特征值，如与该会话条目的联系对象之间的历史会话条数、历史会话时间等等。

当然，在终端应用启动时，可以基于操作日志数据库中所保存的特征值直接对当前会话列表进行排序，可以就地恢复之前的相关用户行为数据，在用户打开应用的第一次操作时，即可对会话条目的显示顺序进行实时预测。

312、终端将该各个会话条目对应的特征值输入该预设算法模型进行计算，得到当前会话列表中各个会话条目的亲密程度值。

为了准确预测各个会话条目的亲密程度，终端需要利用预设算法模型和各个会话条目对应的特征值，得到该各个会话条目的亲密程度值。具体地，该步骤312包括：终端得到该各个会话条目所对应的特征值后，终端将该特征值输入到服务器发送给终端的预设算法模型中进行计算，通过该预设算法模型的计算后，得到该各个会话条目的亲密程度值，终端将该亲密程度值作为当前会话列表中各个会话条目的亲密程度值。其中，亲密程度值越大，用户与该会话条目对应的联系对象的亲密程度越高。

需要说明的是，各个会话条目的亲密程度值可以为多个连续的数值或多个离散的数值。当服务器在建立预设算法模型的过程中，所利用的预设算法为回归算法，即得到的预设算法模型为回归模型时，终端将该各个会话条目的特征值输入到该回归模型后，经过回归模型的计算得到的各个会话条目的亲密程度值为多个连续的数值；当服务器在建立预设算法模型的过程中，所利用的预设算法为分类算法，即得到的预设算法模型为分类模型时，终端将该各个会话条目的特征值输入到该分类模型后，经过分类模型的计算得到的各个会话条目的亲密程度值为多个离散的数值，此时，终端可以将会话的亲密程度分为几个离散的等级，用来标识各个会话条目的亲密程度。

313、终端按照亲密程度值从大到小的顺序，对该各个会话条目进行排序。

具体地，当预设算法模型为回归模型时，由于经过回归模型对各个会话条目进行计算得到的各个会话条目的亲密程度值为多个连续的数值，因此，终端得到当前会话列表中各个会话条目的亲密程度值后，将该得到的各个会话条目的亲密程度值由大到小排列，得到各个会话条目的亲密程度值的顺序，终端根据该各个会话条目的亲密程度值的顺序，对该各个会话条目的亲密程度值对应的会话条目进行排序。

当预设算法模型为分类模型时，由于经过分类模型对各个会话条目进行计算得到的各个会话条目的亲密程度值为多个离散的数值，因此，终端得到当前会话列表中各个会话条目的亲密程度值后，将该得到的各个会话条目的亲密程度值由大到小排列，得到各个会话条目的亲密程度值的顺序，根据该各个会话条目的亲密程度值的顺序，对该各个会话条目的亲密程度值对应的会话条目进行排序。而当各个会话条目中某两个或某几个会话条目的亲密程度值相等时，终端再根据用户与某两个或某几个会话条目对应的联系对象之间发送的最后一条消息的时间，对该两个或几个会话条目进行倒序排列，从而得到各个会话条目的排列顺序，也即是用户与联系对象发送的最后一条消息的时间距离当前时间越近，则该会话条目就越靠近会话列表的顶端。其中，联系对象是指用户的联系人或群组。

314、终端将排序后的顺序作为该各个会话条目的显示顺序。

具体地，终端根据步骤313所表述的过程，终端根据该各个会话条目的亲密程度值的顺序，以及用户与会话条目对应的联系对象之间发送的最后一条消息的时间，服务器对该各个会话条目进行排序后，得到该各个会话条目的排列顺序，并将该排列顺序作为该各个会话条目的显示顺序。

315、终端根据调整后的显示顺序，在会话列表中显示该各个会话条目。

需要说明的是，步骤306-步骤315在本发明实施例中是按照顺序执行的，而在实际应用中，步骤306也可以是在终端执行步骤307-步骤315之后的更新操作，步骤306还可以是在终端执行步骤307-步骤315的过程中，服务器进行的更新操作，即步骤306和步骤307-步骤315分别在服务器和终端上同时进行。

另外，服务器更新模型和终端使用模型的过程并没有必然的前后顺序关系，对于服务器来说，可以按照周期进行更新，将更新后的模型发送该终端使用，而终端只要获取到任一个模型，均可以执行根据模型进行会话条目调整的过程。

本发明中基于节省网络流量的考虑，选择了客户端内部基于本地机器学习模型的实时计算方案。考虑到聊天软件必须联网，且打开最近联系人会话列表页不是非常的频繁，以及数据压缩技术，其实还可以选择基于服务器云端的机器学习模型实时计算方案。聊天软件客户端只需要提交用户行为数据，特征提取的策略以及机器学习模型训练和更新，都在服务器云端完成。该方案在消耗一部分网络流量的前提下，可以获得机器学习模型实时更新的好处。

本发明实施例提供的方法，利用机器学习的回归模型对最近联系人中的会话条目进行亲密程度建模，有效预测用户对于各个条目的关注程度。利用模型计算结果对最近联系人中的会话条目进行智能排序，动态调整各个条目的位置。对于用户参与度低的群组会话，能够智能降权，保持其处于最近联系人列表的合适位置，不会对用户造成过多的干扰。对于用户短期非常关注的会话，能够智能加权，保持其处于最近联系人列表中的显眼位置，方便用户查找。综合考虑了会话中用户发送消息的频率与时间衰减的因素，能动态调整用户对会话的关注程度能最大限度的满足用户需求，直观的反映了用户与各个联系对象之间的联系情况，大大增加了产品的灵活度，优化用户体验。

进一步地，结合使用了服务器端模型训练与终端本地模型实时计算两种模式，将计算复杂度高的机器学习模型训练任务在服务器端执行，保证终端模型计算准确率的前提下，有效的节省终端计算资源。

图4是本发明实施例提供的一种会话列表显示装置结构示意图。参见图4，该装置包括：

亲密程度值获取模块401，用于根据当前会话列表中各个会话条目和预设算法模型，获取当前会话列表中各个会话条目的亲密程度值，所述预设算法模型根据用户的历史操作行为数据建立；

调整模块402，用于根据所述各个会话条目的亲密程度值，调整所述当前会话列表中各个会话条目的显示顺序；

显示模块403，用于根据调整后的显示顺序，在会话列表中显示所述各个会话条目。

可选地，所述亲密程度值获取模块401包括：

特征值获取单元，用于根据当前会话列表中各个会话条目，获取当前会话列表中各个会话条目对应的特征值；

亲密程度值获取单元，用于将所述各个会话条目对应的特征值输入所述预设算法模型进行计算，得到当前会话列表中各个会话条目的亲密程度值。

可选地，所述特征值获取单元用于对当前会话列表中各个会话条目的当前会话数据进行特征提取，得到所述当前会话列表中各个会话条目对应的特征值；或，

所述特征值获取单元用于对所述当前会话列表中的任一个会话条目，从会话日志数据库中获取所述会话条目的历史会话数据，对所述会话条目的当前会话数据和历史会话数据进行特征提取，得到当前会话列表中各个会话条目对应的特征值。

可选地，所述调整模块用于按照亲密程度值从大到小的顺序，对所述各个会话条目进行排序，将排序后的顺序作为所述各个会话条目的显示顺序。

可选地，所述装置还包括：

记录模块，用于记录用户会话的操作行为数据；

发送模块，用于向服务器发送所述操作行为数据，使得所述服务器根据接收到的所述操作行为数据建立所述预设算法模型或对所述预设算法模型进行更新。

可选地，所述装置还包括：

拆分模块，用于对所述操作行为数据进行拆分，得到所述操作行为数据的第一预设类型数据；

特征提取模块，用于对所述第一预设类型数据进行特征提取，得到所述操作行为数据的特征值；

保存模块，用于保存所述操作行为数据和所述操作行为数据对应的特征值。

可选地，当前会话列表中各个会话条目的亲密程度值为多个连续的数值或多个离散的数值。

本发明实施例提供的方法，利用机器学习的回归模型对最近联系人中的会话条目进行亲密程度建模，有效预测用户对于各个条目的关注程度。利用模型计算结果对最近联系人中的会话条目进行智能排序，动态调整各个条目的位置。对于用户参与度低的群组会话，能够智能降权，保持其处于最近联系人列表的合适位置，不会对用户造成过多的干扰。对于用户短期非常关注的会话，能够智能加权，保持其处于最近联系人列表中的显眼位置，方便用户查找。综合考虑了会话中用户发送消息的频率与时间衰减的因素，能动态调整用户对会话的关注程度能最大限度的满足用户需求，直观的反映了用户与各个联系对象之间的联系情况，大大增加了产品的灵活度，优化用户体验。

图5是本发明实施例提供的一种会话列表显示装置结构示意图。参见图5，该装置包括：

接收模块501，用于接收用户会话的操作行为数据；

模型建立模块502，用于根据所述操作行为数据和预设算法，建立预设算法模型；

发送模块503，用于将所述预设算法模型发送至终端，使得所述终端根据所述预设算法模型获取所述终端当前会话列表中各个会话条目的亲密程度值，并根据所述各个会话条目的亲密程度值调整会话列表中各个会话条目的显示顺序。

可选地，所述模型建立模块502包括：

拆分单元，用于当接收到终端发送的用户会话的操作行为数据时，对所述操作行为数据进行拆分，得到所述操作行为数据的第二预设类型数据；

特征提取单元，用于对所述第二预设类型数据进行特征提取，得到所述第二预设类型数据对应的特征值；

预设算法模型建立单元，用于根据所述特征值和预设算法，建立预设算法模型。

可选地，所述装置还包括：

第一更新模块，用于按照数据更新周期，根据所述数据更新周期内接收到的用户会话的操作行为数据对所述预设算法模型进行更新；或，

第二更新模块，用于按照特征更新周期，根据所述特征更新周期内新增的数据类型和所述用户会话的操作行为数据对所述预设算法模型进行更新。

综上所述，本发明实施例提供的装置，利用机器学习的回归模型对最近联系人中的会话条目进行亲密程度建模，有效预测用户对于各个条目的关注程度。利用模型计算结果对最近联系人中的会话条目进行智能排序，动态调整各个条目的位置。对于用户参与度低的群组会话，能够智能降权，保持其处于最近联系人列表的合适位置，不会对用户造成过多的干扰。对于用户短期非常关注的会话，能够智能加权，保持其处于最近联系人列表中的显眼位置，方便用户查找。综合考虑了会话中用户发送消息的频率与时间衰减的因素，能动态调整用户对会话的关注程度能最大限度的满足用户需求，直观的反映了用户与各个联系对象之间的联系情况，大大增加了产品的灵活度，优化用户体验。

需要说明的是：上述实施例提供的会话列表显示装置在进行会话列表显示时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将终端或服务器的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的会话列表显示装置与会话列表显示方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。

以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (18)

1.一种会话列表显示方法，其特征在于，所述方法包括：

根据当前会话列表中各个会话条目，获取当前会话列表中各个会话条目对应的特征值；

将所述各个会话条目对应的特征值输入预设算法模型进行计算，得到当前会话列表中各个会话条目的亲密程度值，所述预设算法模型根据用户的历史操作行为数据建立；

根据所述各个会话条目的亲密程度值，调整所述当前会话列表中各个会话条目的显示顺序；

根据调整后的显示顺序，在会话列表中显示所述各个会话条目。

2.根据权利要求1所述的方法，其特征在于，根据当前会话列表中各个会话条目，获取当前会话列表中各个会话条目对应的特征值包括：

对当前会话列表中各个会话条目的当前会话数据进行特征提取，得到所述当前会话列表中各个会话条目对应的特征值；或，

对所述当前会话列表中的任一个会话条目，从会话日志数据库中获取所述会话条目的历史会话数据，对所述会话条目的当前会话数据和历史会话数据进行特征提取，得到当前会话列表中各个会话条目对应的特征值。

3.根据权利要求1所述的方法，其特征在于，根据所述各个会话条目的亲密程度值，调整所述当前会话列表中各个会话条目的显示顺序包括：

按照亲密程度值从大到小的顺序，对所述各个会话条目进行排序，将排序后的顺序作为所述各个会话条目的显示顺序。

4.根据权利要求1所述的方法，其特征在于，所述方法还包括：

记录用户会话的操作行为数据；

向服务器发送所述操作行为数据，使得所述服务器根据接收到的所述操作行为数据建立所述预设算法模型或对所述预设算法模型进行更新。

5.根据权利要求4所述的方法，其特征在于，记录用户会话的操作行为数据之后，所述方法还包括：

对所述操作行为数据进行拆分，得到所述操作行为数据的第一预设类型数据；

对所述第一预设类型数据进行特征提取，得到所述操作行为数据的特征值；

保存所述操作行为数据和所述操作行为数据对应的特征值。

6.根据权利要求1所述的方法，其特征在于，当前会话列表中各个会话条目的亲密程度值为多个连续的数值或多个离散的数值。

7.一种基于会话列表显示方法，其特征在于，包括：

接收用户会话的操作行为数据；

根据所述操作行为数据和预设算法，建立预设算法模型；

将所述预设算法模型发送至终端，使得所述终端在根据当前会话列表中各个会话条目，获取当前会话列表中各个会话条目对应的特征值后，将所述各个会话条目对应的特征值输入所述预设算法模型进行计算，得到当前会话列表中各个会话条目的亲密程度值，并根据所述各个会话条目的亲密程度值调整会话列表中各个会话条目的显示顺序。

8.根据权利要求7所述的方法，其特征在于，根据所述操作行为数据和预设算法，建立预设算法模型包括：

当接收到终端发送的用户会话的操作行为数据时，对所述操作行为数据进行拆分，得到所述操作行为数据的第二预设类型数据；

对所述第二预设类型数据进行特征提取，得到所述第二预设类型数据对应的特征值；

根据所述特征值和预设算法，建立预设算法模型。

9.根据权利要求7所述的方法，其特征在于，根据所述操作行为数据和预设算法，建立预设算法模型之后，所述方法还包括：

按照数据更新周期，根据所述数据更新周期内接收到的用户会话的操作行为数据对所述预设算法模型进行更新；或，

按照特征更新周期，根据所述特征更新周期内新增的数据类型和所述用户会话的操作行为数据对所述预设算法模型进行更新。

10.一种会话列表显示装置，其特征在于，所述装置包括：

亲密程度值获取模块包括特征值获取单元和亲密程度值获取单元，所述特征值获取单元用于根据当前会话列表中各个会话条目，获取当前会话列表中各个会话条目对应的特征值，所述亲密程度值获取单元用于将所述各个会话条目对应的特征值输入预设算法模型进行计算，得到当前会话列表中各个会话条目的亲密程度值，所述预设算法模型根据用户的历史操作行为数据建立；

调整模块，用于根据所述各个会话条目的亲密程度值，调整所述当前会话列表中各个会话条目的显示顺序；

显示模块，用于根据调整后的显示顺序，在会话列表中显示所述各个会话条目。

11.根据权利要求10所述的装置，其特征在于，所述特征值获取单元用于对当前会话列表中各个会话条目的当前会话数据进行特征提取，得到所述当前会话列表中各个会话条目对应的特征值；或，

所述特征值获取单元用于对所述当前会话列表中的任一个会话条目，从会话日志数据库中获取所述会话条目的历史会话数据，对所述会话条目的当前会话数据和历史会话数据进行特征提取，得到当前会话列表中各个会话条目对应的特征值。

12.根据权利要求10所述的装置，其特征在于，所述调整模块用于按照亲密程度值从大到小的顺序，对所述各个会话条目进行排序，将排序后的顺序作为所述各个会话条目的显示顺序。

13.根据权利要求10所述的装置，其特征在于，所述装置还包括：

记录模块，用于记录用户会话的操作行为数据；

发送模块，用于向服务器发送所述操作行为数据，使得所述服务器根据接收到的所述操作行为数据建立所述预设算法模型或对所述预设算法模型进行更新。

14.根据权利要求13所述的装置，其特征在于，所述装置还包括：

拆分模块，用于对所述操作行为数据进行拆分，得到所述操作行为数据的第一预设类型数据；

特征提取模块，用于对所述第一预设类型数据进行特征提取，得到所述操作行为数据的特征值；

保存模块，用于保存所述操作行为数据和所述操作行为数据对应的特征值。

15.根据权利要求10所述的装置，其特征在于，当前会话列表中各个会话条目的亲密程度值为多个连续的数值或多个离散的数值。

16.一种会话列表显示装置，其特征在于，包括：

接收模块，用于接收用户会话的操作行为数据；

模型建立模块，用于根据所述操作行为数据和预设算法，建立预设算法模型；

发送模块，用于将所述预设算法模型发送至终端，使得所述终端在根据当前会话列表中各个会话条目，获取当前会话列表中各个会话条目对应的特征值后，将所述各个会话条目对应的特征值输入所述预设算法模型进行计算，得到当前会话列表中各个会话条目的亲密程度值，并根据所述各个会话条目的亲密程度值调整会话列表中各个会话条目的显示顺序。

17.根据权利要求16所述的装置，其特征在于，所述模型建立模块包括：

拆分单元，用于当接收到终端发送的用户会话的操作行为数据时，对所述操作行为数据进行拆分，得到所述操作行为数据的第二预设类型数据；

特征提取单元，用于对所述第二预设类型数据进行特征提取，得到所述第二预设类型数据对应的特征值；

预设算法模型建立单元，用于根据所述特征值和预设算法，建立预设算法模型。

18.根据权利要求16所述的装置，其特征在于，所述装置还包括：

第一更新模块，用于按照数据更新周期，根据所述数据更新周期内接收到的用户会话的操作行为数据对所述预设算法模型进行更新；或，

第二更新模块，用于按照特征更新周期，根据所述特征更新周期内新增的数据类型和所述用户会话的操作行为数据对所述预设算法模型进行更新。