CN110956499A - 页面展现方法、计算设备及计算机存储介质 - Google Patents
页面展现方法、计算设备及计算机存储介质 Download PDFInfo
- Publication number
- CN110956499A CN110956499A CN201911185428.7A CN201911185428A CN110956499A CN 110956499 A CN110956499 A CN 110956499A CN 201911185428 A CN201911185428 A CN 201911185428A CN 110956499 A CN110956499 A CN 110956499A
- Authority
- CN
- China
- Prior art keywords
- sharing activity
- historical
- electronic resource
- activity
- user
- 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
- 238000000034 method Methods 0.000 title claims abstract description 83
- 230000000694 effects Effects 0.000 claims abstract description 571
- 238000010801 machine learning Methods 0.000 claims abstract description 109
- 230000000977 initiatory effect Effects 0.000 claims abstract description 24
- 238000012549 training Methods 0.000 claims description 27
- 238000004891 communication Methods 0.000 claims description 20
- 239000003999 initiator Substances 0.000 abstract description 15
- 230000006399 behavior Effects 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000013468 resource allocation Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0207—Discounts or incentives, e.g. coupons or rebates
- G06Q30/0214—Referral reward systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/44—Arrangements for executing specific programs
- G06F9/451—Execution arrangements for user interfaces
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Accounting & Taxation (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Human Computer Interaction (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种页面展现方法、计算设备及计算机存储介质。其中,该方法包括:响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源;根据第一用户的选择操作,从至少一个电子资源中确定出目标电子资源;展现与目标电子资源对应的分享活动进度条;接收第二用户针对于当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与参与操作对应的进度条增量;基于进度条增量,更新分享活动进度条。本方案中根据机器学习模型动态地确定进度条增量,从而使得分享活动发起者实际获得的电子资源实时适配当前状况,并且能够大幅降低人工成本,并提升电子资源的分配效率。
Description
技术领域
本发明涉及数据处理技术领域,具体涉及一种页面展现方法、计算设备及计算机存储介质。
背景技术
随着科技及社会的不断发展,各类应用程序的出现极大方便了人们的工作与生活。目前,许多应用程序为提升用户量,通常会由该应用程序的老用户发起相应的分享活动链接,通过新用户或其他老用户对分享活动链接的点击,实现新用户的获取或老用户的召回。其中,为激励分享活动发起者,通常需为分享活动发起者分配相应的礼品券、优惠券等电子资源。
目前,通常采用人工配置的方式来实现电子资源的分配。即由应用程序的运营人员预先配置分享活动成果与电子资源的对应关系列表等,从而根据该对应关系列表来为分享活动发起者分配相应的电子资源。
然而,发明人在实施过程中发现,现有技术中存在如下缺陷:采用现有技术中人工配置的电子资源分配方式其分配效率十分低下;并且,为了使为分享活动发起者分配的电子资源适配当前状况,需不断地更改配置的对应关系列表,不仅进一步地降低电子资源分配效率,还加大了人工成本,不利于大规模应用与实施。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的页面展现方法、计算设备及计算机存储介质。
根据本发明的一个方面,提供了一种页面展现方法,包括:
响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源;
根据第一用户的选择操作,从所述至少一个电子资源中确定出目标电子资源;
展现与所述目标电子资源对应的分享活动进度条;
接收第二用户针对于所述当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与所述参与操作对应的进度条增量;
基于所述进度条增量,更新所述分享活动进度条。
根据本发明的另一方面,提供了一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如下操作:
响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源;
根据第一用户的选择操作,从所述至少一个电子资源中确定出目标电子资源;
展现与所述目标电子资源对应的分享活动进度条;
接收第二用户针对于所述当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与所述参与操作对应的进度条增量;
基于所述进度条增量,更新所述分享活动进度条。
根据本发明的又一方面,提供了一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如下操作:
响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源;
根据第一用户的选择操作,从所述至少一个电子资源中确定出目标电子资源;
展现与所述目标电子资源对应的分享活动进度条;
接收第二用户针对于所述当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与所述参与操作对应的进度条增量;
基于所述进度条增量,更新所述分享活动进度条。
根据本发明提供的页面展现方法、计算设备及计算机存储介质。首先响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源;并根据第一用户的选择操作,从至少一个电子资源中确定出目标电子资源;进一步展现与目标电子资源对应的分享活动进度条;接收第二用户针对于当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与参与操作对应的进度条增量;最终基于进度条增量,更新分享活动进度条。本方案中根据机器学习模型动态地确定进度条增量,从而使得分享活动发起者实际获得的电子资源实时适配当前状况,大幅降低人工成本,并提升电子资源的分配效率。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本发明实施例一提供的页面展现方法的流程图;
图2示出了本发明实施例二提供的页面展现方法的流程图;
图3示出了本发明实施例三提供的页面展现方法的流程图;
图4示出了本发明实施例五提供的计算设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本发明的示例性实施例。虽然附图中显示了本发明的示例性实施例,然而应当理解,可以以各种形式实现本发明而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本发明,并且能够将本发明的范围完整的传达给本领域的技术人员。
实施例一
图1示出了本发明实施例一提供的页面展现方法的流程图。其中,本方法能够应用于多种设备中,如手机、电脑、阅读器、可穿戴设备等。本实施例对设备的具体类型等不作限定。
如图1所示,该方法包括以下步骤:
步骤S110:响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源。
其中,第一用户具体为应用程序的老用户,并且该第一用户为分享活动的发起者。在具体的实施过程中,可监测第一用户的分享活动发起操作。其中,本实施例对分享活动发起操作的类型等不作限定,例如,该分享活动发起操作可以为针对某活动链接的分享操作(如将某活动链接分享至社交软件),也可以为针对于某活动页面控件的点击操作(如点击活动页面中的“邀请小伙伴”控件)等等。
当监测到第一用户的分享活动发起操作后,响应于该分享活动发起操作,为第一用户呈现与当前分享活动对应的至少一个电子资源。其中,该电子资源可以为优惠券、和/或礼品券等等。
步骤S120:根据第一用户的选择操作,从至少一个电子资源中确定出目标电子资源。
在为第一用户呈现至少一个电子资源之后,第一用户可选择其中一个或多个电子资源。从而本步骤根据第一用户的选择操作,从至少一个电子资源中确定出目标电子资源,该目标电子资源即为第一用户选中的电子资源。例如,为第一用户呈现的电子资源有:电子资源A、电子资源B及电子资源C,并进一步呈现提示第一用户选择其中一个电子资源的提示信息(如显示“请选择其中一个电子资源”),根据第一用户对呈现的电子资源对应页面热区的点击或滑动等操作,确定出第一用户选择的电子资源为电子资源A,则该电子资源A即为该第一用户对应的目标电子资源。
步骤S130:展现与目标电子资源对应的分享活动进度条。
在确定出第一用户对应的目标电子资源之后,为便于第一用户直观化地获知该目标电子资源的获取进度,本实施例进一步呈现有与目标电子资源对应的分享活动进度条。本实施例对分享活动进度条的具体展现样式等不作限定。
步骤S140:接收第二用户针对于当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与参与操作对应的进度条增量。
待第一用户发起分享活动之后,第二用户可通过点击分享活动链接、扫描分享活动二维码、和/或输入分享活动标识等方式实现对第一用户发起的分享活动的参与,即第二用户为第一用户获取目标电子资源的助力用户。其中,该第二用户可以为应用程序的新用户,也可为应用程序的老用户,本实施例对此不作限定。
进一步地,在监测到第二用户针对于当前分享活动的参与操作之后,可确定与该参与操作所对应的进度条增量。其中,本实施例中参与操作所对应的进度条增量是由机器学习模型基于历史分享活动数据动态确定的。从而能够使得进度条增量实时地与当前状况相匹配。
步骤S150:基于进度条增量,更新分享活动进度条。
根据步骤S140中确定的进度条增量,更新分享活动进度条。当该分享活动进度条达到预设进度时,为该第一用户分配目标电子资源。
由此可见,本实施例为便于分享活动发起者实时获知目标电子资源的获取状态,为第一用户展现有相应的分享活动进度条;并且,本实施例通过机器学习模型基于历史分享活动数据动态确定每次的参与操作的进度条增量,从而使得进度条增量与当前实际状况相匹配,进而使得分享活动发起者实际获得的电子资源实时适配当前状况,继而大幅降低人工成本,并提升电子资源的分配效率。
实施例二
图2示出了本发明实施例二提供的页面展现方法的流程图。其中,本实施例提供的页面展现方法是对实施例一中页面展现方法的进一步优化。
如图2所示,该方法包括以下步骤:
步骤S210:接收第一用户的分享活动发起操作。
其中,第一用户为分享活动的发起者,而参与分享活动的助力用户为第二用户。在接收到第一用户的分享活动发起操作之后,启动当前分享活动。本步骤的具体实施过程可参照实施例一中相应部分的描述,本步骤在此不做赘述。
步骤S220:获取历史分享活动数据,并将历史分享活动数据输入至预先构建的机器学习模型中进行模型训练,以获得训练后的机器学习模型。
本实施例中预先构建有机器学习模型,本实施例对机器学习模型的具体构建方式等不作限定。例如,该机器学习模型可以包含输入层、全连接层(本实施例对全连接层的数量等不作限定)以及输出层等。
进一步地,利用历史分享活动数据来对该机器学习模型进行模型训练。其中,该历史分享活动数据具体为在步骤S210接收第一用户的分享活动发起操作之前已产生的分享活动数据,即历史分享活动数据为当前分享活动之前已产生的分享活动数据。可选的,为进一步提升机器学习模型的训练效率,进而提升本方法的整体执行效率,本步骤可采用历史分享活动数据的增量数据(该增量数据为:上次采用历史分享活动数据进行机器学习模型训练,至当前时间这一时间段内产生的历史分享活动数据)来进行机器学习模型的训练,从而降低每次机器学习模型的训练数据量,提升训练效率。
其中,在利用历史分享活动数据对机器学习模型进行模型训练过程中,首先是从历史分享活动数据中提取出任一历史分享活动对应的历史分享活动参数。其中,该历史分享活动参数包括:历史分享活动对应的至少一个电子资源、历史分享活动中的目标电子资源对应的分享活动完成期限、和/或历史分享活动中的第二用户的参与操作对应的进度条增量。在实际的实施过程中,在每次历史分享活动中,均为该次历史分享活动的发起用户(第一用户)展现有至少一个电子资源,并可以根据该第一用户对电子资源的选择操作确定出该历史分享活动中的目标电子资源;并且,可为该第一用户展现该目标电子资源的分享活动进度条和/或该目标电子资源对应的分享活动完成期限,当有参与该次历史分享活动的助力用户(第二用户)时,获取在该次历史分享活动中各个第二用户的参与操作对应的进度条增量。
进一步地,计算任一历史分享活动对应的历史投入产出比。其中,历史分享活动具有相对应的历史投入产出比。具体地,首先针对于任一历史分享活动,根据该历史分享活动中的目标电子资源的资源价值和/或该历史分享活动中的第一用户的虚拟价值(其中,第一用户的虚拟价值根据该第一用户后续活跃度进行确定,该第一用户后续活跃度可根据第一用户后续发起分享活动的次数等参数确定;具体地,第一用户的虚拟价值负相关于第一用户后续活跃度,即第一用户后续活跃度越高则该第一用户的虚拟价值越低,表明投入成本较小),确定该历史分享活动的投入参数;进一步,根据该历史分享活动中的第二用户的数量和/或第二用户的价值,确定该历史分享活动的产出参数。其中,历史分享活动中的第二用户的数量和/或第二用户的价值正相关于该历史分享活动的产出参数,而第二用户的价值可根据第二用户对应的终端类型、第二用户后续活跃度(其中,第二用户后续活跃度可根据第二用户后续的分享行为数据、阅读行为数据、和/或消费行为数据等确定)等确定;最后,根据历史分享活动对应的投入参数以及产出参数,计算该历史分享活动对应的历史投入产出比,即通过投入参数与产出参数的比值确定该历史分享活动对应的历史投入产出比。
再进一步地,将任一历史分享活动对应的历史分享活动参数以及历史投入产出比输入至预先构建的机器学习模型中进行训练,以获得训练后的机器学习模型。本实施例对具体的训练方式不作限定,例如可基于任一历史分享活动对应的历史分享活动参数以及历史投入产出比生成相应的正负样本,基于该正负样本,采用有监督模型训练的方式进行模型训练,以获得训练后的机器学习模型。
步骤S230,采用训练后的机器学习模型预测当前分享活动对应的当前分享活动参数。
具体地,在利用历史分享活动数据对机器学习模型训练之后,可利用训练后的机器学习模型来确定当前分享活动对应的当前分享活动参数。其中,当前分享活动参数包括:当前分享活动对应的至少一个电子资源、当前分享活动中任一电子资源对应的分享活动完成期限、和/或当前分享活动中第二用户的参与操作对应的进度条增量。
可选的,可通过以下步骤实现当前分享活动参数的预测:
S1:确定当前分享活动对应的分享活动参数预测值。在具体的实施过程中,可根据第一用户的相关信息(如年龄、性别、位置、和/或历史分享次数等)确定出当前分享活动对应的分享活动参数初始值。该分享活动参数初始值可以包括:分享活动对应的至少一个电子资源初始值、分享活动中任一电子资源对应的分享活动完成期限初始值、和/或当前分享活动中第二用户的参与操作对应的进度条增量初始值。可选的,当第一用户的年龄、性别和/或位置等与某电子资源的目标用户画像相匹配时,则确定该电子资源为此次分享活动对应的电子资源初始值;又或者,当第一用户历史分享次数较少时,则其对应的电子资源对应的分享活动完成期限初始值较高、和/或当前分享活动中第二用户的参与操作对应的进度条增量初始值较高等等。该分享活动参数初始值即为当前分享活动对应的第一个分享活动参数预测值。
S2:确定该分享活动参数预测值对应的投入产出比。具体地,根据该分享活动参数预测值对应的资源价值和/或第一用户的虚拟价值,确定出该分享活动预测值对应的投入参数;并根据机器学习模型对该分享活动参数预测值对应的第二用户数量和/或第二用户的价值的预测值,确定该分享活动参数预测值对应的产出参数;继而根据该投入参数及产出参数确定该分享活动参数预测值对应的投入产出比。
S3:判断该分享活动参数预测值对应的投入产出比是否处于预设范围;若是,则执行S4;否则,执行S5。其中,本领域技术人员可根据实际的业务需求设置相应的预设范围,本实施例对此不作限定。
S4:若该分享活动参数预测值对应的投入产出比处于预设范围,则输出该分享活动参数预测值,从而将该输出的分享活动参数预测值确定为当前分享活动对应的当前分享活动参数。
S5:若该分享活动参数预测值对应的投入产出比未处于预设范围,则调整该分享活动参数预测值,并进一步执行S2及后续步骤。其中,在调整分享活动参数预测值过程中,可调整分享活动对应的任一分享活动参数的预测值,即调整分享活动对应的电子资源预测值、分享活动完成期限预测值、以及进度条增量预测值中的至少一个。针对于每个分享活动参数,具体依据与该分享活动参数相匹配的调整策略进行该分享活动参数预测值的调整。例如,针对于电子资源预测值的调整,可按照电子资源的资源价值递减的方式,将资源价值低于当前电子资源预测值的电子资源,作为新的电子资源预测值;针对于分享活动完成期限预测值的调整,可按照分享活动完成期限递减的调整方式,使得新的分享活动完成期限预测值低于当前的分享活动完成期限预测值;针对于进度条增量预测值的调整,可按照进度条增量递减的方式,使得新的进度条增量预测值小于当前的进度条增量预测值。
步骤S240,展现与当前分享活动对应的至少一个电子资源。
具体地,根据步骤S230中机器学习模型预测的当前分享活动对应的当前分享活动参数,展现与当前分享活动对应的至少一个电子资源,即本实施例中为第一用户展现的当前分享活动对应的至少一个电子资源是由机器学习模型基于历史分享活动数据动态确定的,从而增加了展现的电子资源与第一用户以及电子资源提供方的匹配度,并且无需人工手动调整分享活动与电子资源的对应关系列表,进而降低人工成本,提升本方法整体的实施效率。
步骤S250,根据第一用户的选择操作,从至少一个电子资源中确定出目标电子资源。
其中,该选择操作可以为点击操作、和/或语音控制操作等,本实施例对选择操作的具体类型等不作限定。
步骤S260,展现与目标电子资源对应的分享活动完成期限。
步骤S230中确定的当前分享活动的分享活动参数中包含有当前分享活动中任一电子资源对应的分享活动完成期限,则可从该任一电子资源对应的分享活动完成期限中获取目标电子资源对应的分享活动完成期限,继而展现与目标电子资源对应的分享活动完成期限。即本实施例中分享活动完成期限由机器学习模型基于历史分享活动数据动态确定,从而无需人工手动调整不同的分享活动所对应的分享活动完成期限,在降低人工成本的基础上,提升本方法整体的实施效率。
步骤S270,接收第二用户针对于当前分享活动的参与操作,确定与该参与操作对应的进度条增量。
步骤S230中确定的当前分享活动的分享活动参数中包含有当前分享活动中第二用户的参与操作对应的进度条增量,则在接收到第二用户针对于当前分享活动的参与操作之后,从当前分享活动的分享活动参数中查找出该第二用户的参与操作对应的进度条增量。即本实施例中与该参与操作对应的进度条增量是由机器学习模型基于历史分享活动数据动态确定,从而针对于同一分享活动,不同的第二用户对应的进度条增量可存在不同;即使针对于同一第二用户,不同时期的分享活动所对应的进度条增量也可存在不同,从而实现电子资源的合理化分配,并且该过程无需人工手动调整,进而节约人工成本,提升整体的实施效率。
步骤S280,基于该进度条增量,更新分享活动进度条。
其中,当在分享活动完成期限内,该分享活动进度条达到预设进度(如达到100%)时,为该第一用户分配该目标电子资源。
在一种可选的实施方式中,还可进一步地为第二用户呈现与参与操作对应的至少一个电子资源。其中,为第二用户呈现的参与操作对应的至少一个电子资源,也可由机器学习模型基于历史分享活动数据动态确定。
由此可见,本实施例为便于分享活动发起者实时获知目标电子资源的获取状态,为第一用户展现有相应的分享活动进度条;并且,本实施例通过机器学***台方需求等当前状态相匹配,还进一步地节约人工成本,提升电子资源的分配效率。
实施例三
图3示出了本发明实施例三提供的页面展现方法的流程图。其中,本实施例提供的页面展现方法是对实施例一中页面展现方法的进一步优化。
如图3所示,该方法包括以下步骤:
步骤S310:接收第一用户的分享活动发起操作。
步骤S320:获取历史分享活动数据,并将历史分享活动数据输入至预先构建的机器学习模型中进行模型训练,以获得训练后的机器学习模型。
步骤S330,采用训练后的机器学习模型预测当前分享活动对应的电子资源的资源价值。
本实施例具体是由机器学习模型基于历史分享活动数据动态地确定当前分享活动对应的电子资源的资源价值。本实施例对具体的机器学习模型训练方式及预测方式不作限定,例如,可将实施例二中当前分享活动参数中的当前分享活动对应的至少一个电子资源替换为当前分享活动对应的电子资源价值,并参照实施例二中相应部分的描述来进行机器学习模型的训练及电子资源的资源价值的预测,本实施例在此不做赘述。
步骤S340,根据预测的当前分享活动对应的电子资源的资源价值,确定与当前分享活动对应的候选电子资源。
在步骤S330确定出当前分享活动对应的电子资源的资源价值之后,进一步获取与该资源价值相匹配的电子资源,并将与该资源价值相匹配的电子资源作为当前分享活动对应的候选电子资源。例如,若确定出电子资源的资源价值为15,则可获取资源价值为15或者资源价值接近15的至少一个候选电子资源。
步骤S350,从候选电子资源中选取出与第一用户的预设类型信息相匹配的电子资源,并将该选取出的电子资源作为当前分享活动对应的至少一个电子资源。
在确定出候选电子资源之后,进一步获取第一用户的预设类型信息。其中,该预设类型信息可以包括第一用户的偏好信息等。而第一用户的偏好信息可基于第一用户的属性信息(如年龄、性别、和/或职业等)、和/或第一用户的历史行为数据(如历史的浏览记录、和/或消费记录等)确定。
进一步地,计算候选电子资源与第一用户的预设类型信息的匹配度,并从候选电子资源中选取出与第一用户的预设类型信息相匹配的电子资源,继而将该选取出的电子资源作为当前分享活动对应的至少一个电子资源。
步骤S360,展现与当前分享活动对应的至少一个电子资源。
步骤S370,根据第一用户的选择操作,从至少一个电子资源中确定出目标电子资源,并展现与目标电子资源对应的分享活动完成期限。
步骤S380,接收第二用户针对于当前分享活动的参与操作,确定与该参与操作对应的进度条增量,并基于该进度条增量,更新分享活动进度条。
由此可见,本实施例中由机器学***台方的基本利益;并且实施过程中无需人工调整资源价值,从而进一步节约人工成本,提升整体的实施效率。
实施例四
本发明实施例提供了一种非易失性计算机存储介质,所述计算机存储介质存储有至少一可执行指令,该计算机可执行指令可执行上述任意方法实施例中的页面展现方法。
可执行指令具体可以用于使得处理器执行以下操作:
响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源;
根据第一用户的选择操作,从所述至少一个电子资源中确定出目标电子资源;
展现与所述目标电子资源对应的分享活动进度条;
接收第二用户针对于所述当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与所述参与操作对应的进度条增量;
基于所述进度条增量,更新所述分享活动进度条。
在一种可选的实施方式中,所述与所述分享活动对应的至少一个电子资源,由机器学习模型基于历史分享活动数据动态确定。
在一种可选的实施方式中,所述可执行指令使所述处理器执行如下操作:
在所述从所述至少一个电子资源中确定出目标电子资源之后,展现与所述目标电子资源对应的分享活动完成期限;
其中,所述分享活动完成期限由机器学习模型基于历史分享活动数据动态确定。
在一种可选的实施方式中,所述可执行指令使所述处理器执行如下操作:
由机器学习模型基于历史分享活动数据动态地确定与当前分享活动对应的电子资源的资源价值;
根据所述电子资源的资源价值,确定与当前分享活动对应的候选电子资源;
从所述候选电子资源中选取出与第一用户的预设类型信息相匹配的电子资源,并将所述与第一用户的预设类型信息相匹配的电子资源作为所述与当前分享活动对应的至少一个电子资源。
在一种可选的实施方式中,所述可执行指令使所述处理器执行如下操作:
获取历史分享活动数据,将所述历史分享活动数据输入至预先构建的机器学习模型中进行模型训练,以获得训练后的机器学习模型;
采用训练后的机器学习模型预测所述当前分享活动对应的当前分享活动参数;
其中,所述当前分享活动参数包括:当前分享活动对应的至少一个电子资源、当前分享活动中任一电子资源对应的分享活动完成期限、和/或当前分享活动中第二用户的参与操作对应的进度条增量。
在一种可选的实施方式中,所述可执行指令使所述处理器执行如下操作:
确定当前分享活动对应的分享活动参数预测值;
确定该分享活动参数预测值对应的投入产出比;
判断该分享活动参数预测值对应的投入产出比是否处于预设范围;
若是,则输出该分享活动参数预测值;
若否,则调整该分享活动参数预测值,并进一步执行所述确定该分享活动参数预测值对应的投入产出比;判断该分享活动参数预测值对应的投入产出比是否处于预设范围的步骤。
在一种可选的实施方式中,所述可执行指令使所述处理器执行如下操作:
从所述历史分享活动数据中提取出任一历史分享活动对应的历史分享活动参数;
计算任一历史分享活动对应的历史投入产出比;
将任一历史分享活动对应的历史分享活动参数以及历史投入产出比输入至预先构建的机器学习模型中进行训练,以获得训练后的机器学习模型;
其中,所述历史分享活动参数包括:历史分享活动对应的至少一个电子资源、历史分享活动中的目标电子资源对应的分享活动完成期限、和/或历史分享活动中的第二用户的参与操作对应的进度条增量。
在一种可选的实施方式中,所述可执行指令使所述处理器执行如下操作:
针对于任一历史分享活动,根据该历史分享活动中的目标电子资源的资源价值和/或该历史分享活动中的第一用户的虚拟价值,确定该历史分享活动的投入参数;
根据该历史分享活动中的第二用户的数量和/或第二用户的价值,确定该历史分享活动的产出参数;
根据所述投入参数以及所述产出参数,计算该历史分享活动对应的历史投入产出比。
在一种可选的实施方式中,所述可执行指令使所述处理器执行如下操作:
为第二用户呈现与所述参与操作对应的至少一个电子资源;
其中,为第二用户呈现的所述参与操作对应的至少一个电子资源,由机器学习模型基于历史分享活动数据动态确定。
由此可见,本实施例为便于分享活动发起者实时获知目标电子资源的获取状态,为第一用户展现有相应的分享活动进度条;并且,本实施例通过机器学习模型基于历史分享活动数据动态确定每次的参与操作的进度条增量,从而使得进度条增量与当前实际状况相匹配,进而使得分享活动发起者实际获得的电子资源实时适配当前状况,继而大幅降低人工成本,并提升电子资源的分配效率。
实施例五
图4示出了本发明实施例五提供的计算设备的结构示意图,本发明具体实施例并不对计算设备的具体实现做限定。
如图4所示,该计算设备设备可以包括:处理器(processor)402、通信接口(Communications Interface)404、存储器(memory)406、以及通信总线408。
其中:处理器402、通信接口404、以及存储器406通过通信总线408完成相互间的通信。通信接口404,用于与其它设备比如客户端或其它服务器等的网元通信。处理器402,用于执行程序410,具体可以执行上述页面展现方法实施例中的相关步骤。
具体地,程序410可以包括程序代码,该程序代码包括计算机操作指令。
处理器402可能是中央处理器CPU,或者是特定集成电路ASIC(ApplicationSpecific Integrated Circuit),或者是被配置成实施本发明实施例的一个或多个集成电路。计算设备包括的一个或多个处理器,可以是同一类型的处理器,如一个或多个CPU;也可以是不同类型的处理器,如一个或多个CPU以及一个或多个ASIC。
存储器406,用于存放程序410。存储器406可能包含高速RAM存储器,也可能还包括非易失性存储器(non-volatile memory),例如至少一个磁盘存储器。
程序410具体可以用于使得处理器402执行以下操作:
响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源;
根据第一用户的选择操作,从所述至少一个电子资源中确定出目标电子资源;
展现与所述目标电子资源对应的分享活动进度条;
接收第二用户针对于所述当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与所述参与操作对应的进度条增量;
基于所述进度条增量,更新所述分享活动进度条。
在一种可选的实施方式中,所述与所述分享活动对应的至少一个电子资源,由机器学习模型基于历史分享活动数据动态确定。
在一种可选的实施方式中,程序410具体可以用于使得处理器402执行以下操作:
在所述从所述至少一个电子资源中确定出目标电子资源之后,展现与所述目标电子资源对应的分享活动完成期限;
其中,所述分享活动完成期限由机器学习模型基于历史分享活动数据动态确定。
在一种可选的实施方式中,程序410具体可以用于使得处理器402执行以下操作:
由机器学习模型基于历史分享活动数据动态地确定与当前分享活动对应的电子资源的资源价值;
根据所述电子资源的资源价值,确定与当前分享活动对应的候选电子资源;
从所述候选电子资源中选取出与第一用户的预设类型信息相匹配的电子资源,并将所述与第一用户的预设类型信息相匹配的电子资源作为所述与当前分享活动对应的至少一个电子资源。
在一种可选的实施方式中,程序410具体可以用于使得处理器402执行以下操作:
获取历史分享活动数据,将所述历史分享活动数据输入至预先构建的机器学习模型中进行模型训练,以获得训练后的机器学习模型;
采用训练后的机器学习模型预测所述当前分享活动对应的当前分享活动参数;
其中,所述当前分享活动参数包括:当前分享活动对应的至少一个电子资源、当前分享活动中任一电子资源对应的分享活动完成期限、和/或当前分享活动中第二用户的参与操作对应的进度条增量。
在一种可选的实施方式中,程序410具体可以用于使得处理器402执行以下操作:
确定当前分享活动对应的分享活动参数预测值;
确定该分享活动参数预测值对应的投入产出比;
判断该分享活动参数预测值对应的投入产出比是否处于预设范围;
若是,则输出该分享活动参数预测值;
若否,则调整该分享活动参数预测值,并进一步执行所述确定该分享活动参数预测值对应的投入产出比;判断该分享活动参数预测值对应的投入产出比是否处于预设范围的步骤。
在一种可选的实施方式中,程序410具体可以用于使得处理器402执行以下操作:
从所述历史分享活动数据中提取出任一历史分享活动对应的历史分享活动参数;
计算任一历史分享活动对应的历史投入产出比;
将任一历史分享活动对应的历史分享活动参数以及历史投入产出比输入至预先构建的机器学习模型中进行训练,以获得训练后的机器学习模型;
其中,所述历史分享活动参数包括:历史分享活动对应的至少一个电子资源、历史分享活动中的目标电子资源对应的分享活动完成期限、和/或历史分享活动中的第二用户的参与操作对应的进度条增量。
在一种可选的实施方式中,程序410具体可以用于使得处理器402执行以下操作:
针对于任一历史分享活动,根据该历史分享活动中的目标电子资源的资源价值和/或该历史分享活动中的第一用户的虚拟价值,确定该历史分享活动的投入参数;
根据该历史分享活动中的第二用户的数量和/或第二用户的价值,确定该历史分享活动的产出参数;
根据所述投入参数以及所述产出参数,计算该历史分享活动对应的历史投入产出比。
在一种可选的实施方式中,程序410具体可以用于使得处理器402执行以下操作:
为第二用户呈现与所述参与操作对应的至少一个电子资源;
其中,为第二用户呈现的所述参与操作对应的至少一个电子资源,由机器学习模型基于历史分享活动数据动态确定。
由此可见,本实施例为便于分享活动发起者实时获知目标电子资源的获取状态,为第一用户展现有相应的分享活动进度条;并且,本实施例通过机器学习模型基于历史分享活动数据动态确定每次的参与操作的进度条增量,从而使得进度条增量与当前实际状况相匹配,进而使得分享活动发起者实际获得的电子资源实时适配当前状况,继而大幅降低人工成本,并提升电子资源的分配效率。
在此提供的算法或显示不与任何特定计算机、虚拟***或者其它设备固有相关。各种通用***也可以与基于在此的示教一起使用。根据上面的描述,构造这类***所要求的结构是显而易见的。此外,本发明实施例也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本发明并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明实施例的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。上述实施例中的步骤,除有特殊说明外,不应理解为对执行顺序的限定。
本发明公开了:A1.一种页面展现方法,包括:
响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源;
根据第一用户的选择操作,从所述至少一个电子资源中确定出目标电子资源;
展现与所述目标电子资源对应的分享活动进度条;
接收第二用户针对于所述当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与所述参与操作对应的进度条增量;
基于所述进度条增量,更新所述分享活动进度条。
A2.根据A1所述的方法,其中,所述与当前分享活动对应的至少一个电子资源,由机器学习模型基于历史分享活动数据动态确定。
A3.根据A1或A2所述的方法,其中,在所述从所述至少一个电子资源中确定出目标电子资源之后,所述方法还包括:
展现与所述目标电子资源对应的分享活动完成期限;
其中,所述分享活动完成期限由机器学习模型基于历史分享活动数据动态确定。
A4.根据A1-A3中任一项所述的方法,其中,在所述展现与当前分享活动对应的至少一个电子资源之前,所述方法还包括:
由机器学习模型基于历史分享活动数据动态地确定与当前分享活动对应的电子资源的资源价值;
根据所述电子资源的资源价值,确定与当前分享活动对应的候选电子资源;
从所述候选电子资源中选取出与第一用户的预设类型信息相匹配的电子资源,并将所述与第一用户的预设类型信息相匹配的电子资源作为所述与当前分享活动对应的至少一个电子资源。
A5.根据A1-A4中任一项所述的方法,其中,所述方法还包括:
获取历史分享活动数据,将所述历史分享活动数据输入至预先构建的机器学习模型中进行模型训练,以获得训练后的机器学习模型;
采用训练后的机器学习模型预测所述当前分享活动对应的当前分享活动参数;
其中,所述当前分享活动参数包括:当前分享活动对应的至少一个电子资源、当前分享活动中任一电子资源对应的分享活动完成期限、和/或当前分享活动中第二用户的参与操作对应的进度条增量。
A6.根据A5所述的方法,其中,所述采用训练后的机器学习模型预测所述当前分享活动对应的当前分享活动参数进一步包括:
确定当前分享活动对应的分享活动参数预测值;
确定该分享活动参数预测值对应的投入产出比;
判断该分享活动参数预测值对应的投入产出比是否处于预设范围;
若是,则输出该分享活动参数预测值;
若否,则调整该分享活动参数预测值,并进一步执行所述确定该分享活动参数预测值对应的投入产出比;判断该分享活动参数预测值对应的投入产出比是否处于预设范围的步骤。
A7.根据A5或A6所述的方法,其中,所述将所述历史分享活动数据输入至预先构建的机器学习模型中进行模型训练,以获得训练后的机器学习模型进一步包括:
从所述历史分享活动数据中提取出任一历史分享活动对应的历史分享活动参数;
计算任一历史分享活动对应的历史投入产出比;
将任一历史分享活动对应的历史分享活动参数以及历史投入产出比输入至预先构建的机器学习模型中进行训练,以获得训练后的机器学习模型;
其中,所述历史分享活动参数包括:历史分享活动对应的至少一个电子资源、历史分享活动中的目标电子资源对应的分享活动完成期限、和/或历史分享活动中的第二用户的参与操作对应的进度条增量。
A8.根据A7所述的方法,其中,所述计算任一历史分享活动对应的历史投入产出比进一步包括:
针对于任一历史分享活动,根据该历史分享活动中的目标电子资源的资源价值和/或该历史分享活动中的第一用户的虚拟价值,确定该历史分享活动的投入参数;
根据该历史分享活动中的第二用户的数量和/或第二用户的价值,确定该历史分享活动的产出参数;
根据所述投入参数以及所述产出参数,计算该历史分享活动对应的历史投入产出比。
A9.根据A1-A8中任一项所述的方法,其中,在所述接收第二用户针对于所述分享活动的参与操作之后,所述方法还包括:
为第二用户呈现与所述参与操作对应的至少一个电子资源;
其中,为第二用户呈现的所述参与操作对应的至少一个电子资源,由机器学习模型基于历史分享活动数据动态确定。
本发明还公开了:B10.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如下操作:
响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源;
根据第一用户的选择操作,从所述至少一个电子资源中确定出目标电子资源;
展现与所述目标电子资源对应的分享活动进度条;
接收第二用户针对于所述当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与所述参与操作对应的进度条增量;
基于所述进度条增量,更新所述分享活动进度条。
B11.根据B10所述的计算设备,其中,所述与当前分享活动对应的至少一个电子资源,由机器学习模型基于历史分享活动数据动态确定。
B12.根据B10或B11所述的计算设备,其中,所述可执行指令使所述处理器执行如下操作:
在所述从所述至少一个电子资源中确定出目标电子资源之后,展现与所述目标电子资源对应的分享活动完成期限;
其中,所述分享活动完成期限由机器学习模型基于历史分享活动数据动态确定。
B13.根据B10-B12中任一项所述的计算设备,其中,所述可执行指令使所述处理器执行如下操作:
由机器学习模型基于历史分享活动数据动态地确定与当前分享活动对应的电子资源的资源价值;
根据所述电子资源的资源价值,确定与当前分享活动对应的候选电子资源;
从所述候选电子资源中选取出与第一用户的预设类型信息相匹配的电子资源,并将所述与第一用户的预设类型信息相匹配的电子资源作为所述与当前分享活动对应的至少一个电子资源。
B14.根据B10-B13中任一项所述的计算设备,其中,所述可执行指令使所述处理器执行如下操作:
获取历史分享活动数据,将所述历史分享活动数据输入至预先构建的机器学习模型中进行模型训练,以获得训练后的机器学习模型;
采用训练后的机器学习模型预测所述当前分享活动对应的当前分享活动参数;
其中,所述当前分享活动参数包括:当前分享活动对应的至少一个电子资源、当前分享活动中任一电子资源对应的分享活动完成期限、和/或当前分享活动中第二用户的参与操作对应的进度条增量。
B15.根据B14所述的计算设备,其中,所述可执行指令使所述处理器执行如下操作:
确定当前分享活动对应的分享活动参数预测值;
确定该分享活动参数预测值对应的投入产出比;
判断该分享活动参数预测值对应的投入产出比是否处于预设范围;
若是,则输出该分享活动参数预测值;
若否,则调整该分享活动参数预测值,并进一步执行所述确定该分享活动参数预测值对应的投入产出比;判断该分享活动参数预测值对应的投入产出比是否处于预设范围的步骤。
B16.根据B14或B15所述的计算设备,其中,所述可执行指令使所述处理器执行如下操作:
从所述历史分享活动数据中提取出任一历史分享活动对应的历史分享活动参数;
计算任一历史分享活动对应的历史投入产出比;
将任一历史分享活动对应的历史分享活动参数以及历史投入产出比输入至预先构建的机器学习模型中进行训练,以获得训练后的机器学习模型;
其中,所述历史分享活动参数包括:历史分享活动对应的至少一个电子资源、历史分享活动中的目标电子资源对应的分享活动完成期限、和/或历史分享活动中的第二用户的参与操作对应的进度条增量。
B17.根据B16所述的计算设备,其中,所述可执行指令使所述处理器执行如下操作:
针对于任一历史分享活动,根据该历史分享活动中的目标电子资源的资源价值和/或该历史分享活动中的第一用户的虚拟价值,确定该历史分享活动的投入参数;
根据该历史分享活动中的第二用户的数量和/或第二用户的价值,确定该历史分享活动的产出参数;
根据所述投入参数以及所述产出参数,计算该历史分享活动对应的历史投入产出比。
B18.根据B10-B17中任一项所述的计算设备,其中,所述可执行指令使所述处理器执行如下操作:
为第二用户呈现与所述参与操作对应的至少一个电子资源;
其中,为第二用户呈现的所述参与操作对应的至少一个电子资源,由机器学习模型基于历史分享活动数据动态确定。
本发明还公开了:C19.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如下操作:
响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源;
根据第一用户的选择操作,从所述至少一个电子资源中确定出目标电子资源;
展现与所述目标电子资源对应的分享活动进度条;
接收第二用户针对于所述当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与所述参与操作对应的进度条增量;
基于所述进度条增量,更新所述分享活动进度条。
C20.根据C19所述的计算机存储介质,其中,所述与当前分享活动对应的至少一个电子资源,由机器学习模型基于历史分享活动数据动态确定。
C21.根据C19或C20所述的计算机存储介质,其中,所述可执行指令使所述处理器执行如下操作:
在所述从所述至少一个电子资源中确定出目标电子资源之后,展现与所述目标电子资源对应的分享活动完成期限;
其中,所述分享活动完成期限由机器学习模型基于历史分享活动数据动态确定。
C22.根据C19-C21中任一项所述的计算机存储介质,其中,所述可执行指令使所述处理器执行如下操作:
由机器学习模型基于历史分享活动数据动态地确定与当前分享活动对应的电子资源的资源价值;
根据所述电子资源的资源价值,确定与当前分享活动对应的候选电子资源;
从所述候选电子资源中选取出与第一用户的预设类型信息相匹配的电子资源,并将所述与第一用户的预设类型信息相匹配的电子资源作为所述与当前分享活动对应的至少一个电子资源。
C23.根据C19-C22中任一项所述的计算机存储介质,其中,所述可执行指令使所述处理器执行如下操作:
获取历史分享活动数据,将所述历史分享活动数据输入至预先构建的机器学习模型中进行模型训练,以获得训练后的机器学习模型;
采用训练后的机器学习模型预测所述当前分享活动对应的当前分享活动参数;
其中,所述当前分享活动参数包括:当前分享活动对应的至少一个电子资源、当前分享活动中任一电子资源对应的分享活动完成期限、和/或当前分享活动中第二用户的参与操作对应的进度条增量。
C24.根据C23所述的计算机存储介质,其中,所述可执行指令使所述处理器执行如下操作:
确定当前分享活动对应的分享活动参数预测值;
确定该分享活动参数预测值对应的投入产出比;
判断该分享活动参数预测值对应的投入产出比是否处于预设范围;
若是,则输出该分享活动参数预测值;
若否,则调整该分享活动参数预测值,并进一步执行所述确定该分享活动参数预测值对应的投入产出比;判断该分享活动参数预测值对应的投入产出比是否处于预设范围的步骤。
C25.根据C23或C24所述的计算机存储介质,其中,所述可执行指令使所述处理器执行如下操作:
从所述历史分享活动数据中提取出任一历史分享活动对应的历史分享活动参数;
计算任一历史分享活动对应的历史投入产出比;
将任一历史分享活动对应的历史分享活动参数以及历史投入产出比输入至预先构建的机器学习模型中进行训练,以获得训练后的机器学习模型;
其中,所述历史分享活动参数包括:历史分享活动对应的至少一个电子资源、历史分享活动中的目标电子资源对应的分享活动完成期限、和/或历史分享活动中的第二用户的参与操作对应的进度条增量。
C26.根据C25所述的计算机存储介质,其中,所述可执行指令使所述处理器执行如下操作:
针对于任一历史分享活动,根据该历史分享活动中的目标电子资源的资源价值和/或该历史分享活动中的第一用户的虚拟价值,确定该历史分享活动的投入参数;
根据该历史分享活动中的第二用户的数量和/或第二用户的价值,确定该历史分享活动的产出参数;
根据所述投入参数以及所述产出参数,计算该历史分享活动对应的历史投入产出比。
C27.根据C19-C26中任一项所述的计算机存储介质,其中,所述可执行指令使所述处理器执行如下操作:
为第二用户呈现与所述参与操作对应的至少一个电子资源;
其中,为第二用户呈现的所述参与操作对应的至少一个电子资源,由机器学习模型基于历史分享活动数据动态确定。
Claims (10)
1.一种页面展现方法,包括:
响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源;
根据第一用户的选择操作,从所述至少一个电子资源中确定出目标电子资源;
展现与所述目标电子资源对应的分享活动进度条;
接收第二用户针对于所述当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与所述参与操作对应的进度条增量;
基于所述进度条增量,更新所述分享活动进度条。
2.根据权利要求1所述的方法,其中,所述与当前分享活动对应的至少一个电子资源,由机器学习模型基于历史分享活动数据动态确定。
3.根据权利要求1或2所述的方法,其中,在所述从所述至少一个电子资源中确定出目标电子资源之后,所述方法还包括:
展现与所述目标电子资源对应的分享活动完成期限;
其中,所述分享活动完成期限由机器学习模型基于历史分享活动数据动态确定。
4.根据权利要求1-3中任一项所述的方法,其中,在所述展现与当前分享活动对应的至少一个电子资源之前,所述方法还包括:
由机器学习模型基于历史分享活动数据动态地确定与当前分享活动对应的电子资源的资源价值;
根据所述电子资源的资源价值,确定与当前分享活动对应的候选电子资源;
从所述候选电子资源中选取出与第一用户的预设类型信息相匹配的电子资源,并将所述与第一用户的预设类型信息相匹配的电子资源作为所述与当前分享活动对应的至少一个电子资源。
5.根据权利要求1-4中任一项所述的方法,其中,所述方法还包括:
获取历史分享活动数据,将所述历史分享活动数据输入至预先构建的机器学习模型中进行模型训练,以获得训练后的机器学习模型;
采用训练后的机器学习模型预测所述当前分享活动对应的当前分享活动参数;
其中,所述当前分享活动参数包括:当前分享活动对应的至少一个电子资源、当前分享活动中任一电子资源对应的分享活动完成期限、和/或当前分享活动中第二用户的参与操作对应的进度条增量。
6.根据权利要求5所述的方法,其中,所述采用训练后的机器学习模型预测所述当前分享活动对应的当前分享活动参数进一步包括:
确定当前分享活动对应的分享活动参数预测值;
确定该分享活动参数预测值对应的投入产出比;
判断该分享活动参数预测值对应的投入产出比是否处于预设范围;
若是,则输出该分享活动参数预测值;
若否,则调整该分享活动参数预测值,并进一步执行所述确定该分享活动参数预测值对应的投入产出比;判断该分享活动参数预测值对应的投入产出比是否处于预设范围的步骤。
7.根据权利要求5或6所述的方法,其中,所述将所述历史分享活动数据输入至预先构建的机器学习模型中进行模型训练,以获得训练后的机器学习模型进一步包括:
从所述历史分享活动数据中提取出任一历史分享活动对应的历史分享活动参数;
计算任一历史分享活动对应的历史投入产出比;
将任一历史分享活动对应的历史分享活动参数以及历史投入产出比输入至预先构建的机器学习模型中进行训练,以获得训练后的机器学习模型;
其中,所述历史分享活动参数包括:历史分享活动对应的至少一个电子资源、历史分享活动中的目标电子资源对应的分享活动完成期限、和/或历史分享活动中的第二用户的参与操作对应的进度条增量。
8.根据权利要求7所述的方法,其中,所述计算任一历史分享活动对应的历史投入产出比进一步包括:
针对于任一历史分享活动,根据该历史分享活动中的目标电子资源的资源价值和/或该历史分享活动中的第一用户的虚拟价值,确定该历史分享活动的投入参数;
根据该历史分享活动中的第二用户的数量和/或第二用户的价值,确定该历史分享活动的产出参数;
根据所述投入参数以及所述产出参数,计算该历史分享活动对应的历史投入产出比。
9.一种计算设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;
所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如下操作:
响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源;
根据第一用户的选择操作,从所述至少一个电子资源中确定出目标电子资源;
展现与所述目标电子资源对应的分享活动进度条;
接收第二用户针对于所述当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与所述参与操作对应的进度条增量;
基于所述进度条增量,更新所述分享活动进度条。
10.一种计算机存储介质,所述存储介质中存储有至少一可执行指令,所述可执行指令使处理器执行如下操作:
响应于第一用户的分享活动发起操作,展现与当前分享活动对应的至少一个电子资源;
根据第一用户的选择操作,从所述至少一个电子资源中确定出目标电子资源;
展现与所述目标电子资源对应的分享活动进度条;
接收第二用户针对于所述当前分享活动的参与操作,采用机器学习模型,基于历史分享活动数据动态确定与所述参与操作对应的进度条增量;
基于所述进度条增量,更新所述分享活动进度条。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911185428.7A CN110956499B (zh) | 2019-11-27 | 2019-11-27 | 页面展现方法、计算设备及计算机存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911185428.7A CN110956499B (zh) | 2019-11-27 | 2019-11-27 | 页面展现方法、计算设备及计算机存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110956499A true CN110956499A (zh) | 2020-04-03 |
CN110956499B CN110956499B (zh) | 2023-04-07 |
Family
ID=69978666
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911185428.7A Active CN110956499B (zh) | 2019-11-27 | 2019-11-27 | 页面展现方法、计算设备及计算机存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110956499B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067277A (zh) * | 2017-03-06 | 2017-08-18 | 深圳市钱爸爸电子商务有限公司 | 一种手机微信客户端推广***及其使用方法 |
CN108052394A (zh) * | 2017-12-27 | 2018-05-18 | 福建星瑞格软件有限公司 | 基于sql语句运行时间的资源分配的方法及计算机设备 |
US20180325441A1 (en) * | 2017-05-09 | 2018-11-15 | International Business Machines Corporation | Cognitive progress indicator |
CN110020888A (zh) * | 2019-03-11 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 目标任务的分享方法及装置 |
CN110166345A (zh) * | 2018-11-12 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 资源分享方法、资源获取方法、装置和存储介质 |
CN110413877A (zh) * | 2019-07-02 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种资源推荐方法、装置及电子设备 |
-
2019
- 2019-11-27 CN CN201911185428.7A patent/CN110956499B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107067277A (zh) * | 2017-03-06 | 2017-08-18 | 深圳市钱爸爸电子商务有限公司 | 一种手机微信客户端推广***及其使用方法 |
US20180325441A1 (en) * | 2017-05-09 | 2018-11-15 | International Business Machines Corporation | Cognitive progress indicator |
CN108052394A (zh) * | 2017-12-27 | 2018-05-18 | 福建星瑞格软件有限公司 | 基于sql语句运行时间的资源分配的方法及计算机设备 |
CN110166345A (zh) * | 2018-11-12 | 2019-08-23 | 腾讯科技(深圳)有限公司 | 资源分享方法、资源获取方法、装置和存储介质 |
CN110020888A (zh) * | 2019-03-11 | 2019-07-16 | 阿里巴巴集团控股有限公司 | 目标任务的分享方法及装置 |
CN110413877A (zh) * | 2019-07-02 | 2019-11-05 | 阿里巴巴集团控股有限公司 | 一种资源推荐方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN110956499B (zh) | 2023-04-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7052037B2 (ja) | 融合データ処理方法及び情報推薦システム | |
CN109062919B (zh) | 一种基于深度强化学习的内容推荐方法及装置 | |
CN108921614B (zh) | 基于链接分享的用户返利方法及计算设备 | |
CN109325825B (zh) | 流量数据的调控方法及装置 | |
JP2020535555A (ja) | 反復人工知能を使用する通信決定ツリーを通る方向付けされたトラジェクトリ | |
CN108052384B (zh) | 一种任务处理方法、服务平台及电子设备 | |
TW201923675A (zh) | 資訊推薦方法及裝置、設備 | |
US9710428B2 (en) | Techniques for automated bayesian posterior sampling using markov chain monte carlo and related schemes | |
JP2016540328A (ja) | 特徴情報の変化を予測するための方法及び装置 | |
CN108345419B (zh) | 一种信息推荐列表的生成方法及装置 | |
US20240144328A1 (en) | Automatic rule generation for next-action recommendation engine | |
CN114253735A (zh) | 一种任务处理方法、装置及相关设备 | |
CN111124644B (zh) | 任务调度资源的确定方法、装置及*** | |
CN107871088B (zh) | 一种信息处理方法、装置、终端和计算机可读存储介质 | |
WO2017097118A1 (zh) | 文本分类的处理方法及装置 | |
US20210357553A1 (en) | Apparatus and method for option data object performance prediction and modeling | |
CN110956499B (zh) | 页面展现方法、计算设备及计算机存储介质 | |
CN111652282B (zh) | 基于大数据的用户偏好分析方法、装置及电子设备 | |
CN111046156B (zh) | 奖励数据的确定方法、装置和服务器 | |
CN113138847B (zh) | 基于联邦学习的计算机资源分配调度方法和装置 | |
CN109325810B (zh) | 充值转化的提高方法、电子设备及计算机存储介质 | |
JP2016540428A (ja) | 仮想私設ネットワークを用いてデータ使用をレート調整する方法 | |
CN110188297B (zh) | 资源信息展示方法、计算设备及计算机存储介质 | |
CN109447489B (zh) | 群智感知用户的选择方法、装置、电子设备及存储介质 | |
CN111489196A (zh) | 基于深度学习网络的预测方法、装置、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |