基于机器学习的网页界面生成与测试系统技术方案

简而言之，所公开的技术提供了所谓的机器学习转换优化(MLCO)系统，其使用演化计算来有效地识别搜索空间中的最成功的网页设计，而无需测试所述搜索空间中的所有可能的网页设计。所述搜索空间是根据营销人员提供的网页设计来定义的。具有单个网页或多个网页的网站漏斗被表示为基因组。基因组识别所述漏斗的不同维度和维度值。所述基因组经受演化操作，如初始化、测试、竞争和生育，以识别表现良好的亲本基因组和可能表现良好的后代基因组。每个网页都仅在有可能决定它是否有希望(即，它是应作为下一代的亲本还是应被丢弃)的方面进行测试。

【技术实现步骤摘要】
【国外来华专利技术】基于机器学习的网页界面生成与测试系统相关申请的交叉引用本申请要求于2016年1月5日提交的美国临时专利申请62/275,058“AUTOMATEDCONVERSIONOPTIMIZATIONSYSTEMANDMETHODUSINGMACHINELEARNING”(代理人案卷号GNFN3301-1)的权益。该优先权临时申请据此以引用方式并入；本申请要求于2016年1月5日提交的美国临时专利申请62/275,074“AUTOMATEDSEGMENTATION/PERSONALIZATIONCONVERSIONOPTIMIZATIONUSINGMACHINELEARNING”(代理人案卷号GNFN3302-1)的权益。该优先权临时申请据此以引用方式并入；本申请以引用方式并入有与本文同时提交的、标题为“MACHINELEARNINGBASEDWEBINTERFACEPRODUCTIONANDDEPLOYMENTSYSTEM”的美国非临时专利申请(代理人案卷号GNFN3301-3)；本申请以引用方式并入有与本文同时提交的、标题为“WEBINTERFACEGENERATIONANDTESTINGUSINGARTIFICIALNEURALNETWORKS”的美国非临时专利申请(代理人案卷号GNFN3302-2)；以及本申请以引用方式并入有与本文同时提交的、标题为“WEBINTERFACEPRODUCTIONANDDEPLOYMENTUSINGARTIFICIALNEURALNETWORKS”的美国非临时专利申请(代理人案卷号GNFN3302-3)。
所公开的技术总体上涉及使用人工智能来进行网页界面生成和测试，且具体来说涉及使用演化计算来提供所谓的机器学习转换优化(MLCO)解决方案。
技术介绍
本节中讨论的主题不应仅仅因为在本节中提及而被认为是现有技术。类似地，在本节中提到的或者与作为背景提供的主题相关联的问题不应被认为是先前在现有技术中已经认识到的。本节中的主题仅表示不同的方法，这些方法本身也可以对应于所要求保护的技术的实现方式。所公开的技术提供了所谓的机器学习转换优化(MLCO)系统，其使用演化计算来有效地识别搜索空间中的最成功的网页设计，而无需测试搜索空间中的所有可能的网页设计。所述搜索空间是根据营销人员提供的网页设计来定义的。具有单个网页或多个网页的网站漏斗(funnel)被表示为基因组。基因组识别所述漏斗的不同维度和维度值。所述基因组经受演化操作，如初始化、测试、竞争和生育，以识别表现良好的亲本基因组和可能表现良好的后代基因组。每个网页都仅在有可能决定它是否有希望(即，它是应作为下一代的亲本还是应被丢弃)的方面进行测试。在网站上运行受控实验的常用方法包括复杂的转换优化解决方案。转换优化包括同时测试网页和页面元素的多种组合和变体。例如，可以提供两个替代图像，加上两个替代标题，加上两个替代复制文本，总共二十七种可能的组合(包括原始控制版本)。因此，转换优化引入了一组相当复杂的排列和组合，需要对所述排列和组合进行分析以确定真正吸引用户的页面元素的最有效组合。由于大数据在web个性化中扮演着比较重要的角色，因此数据信号的数量、规则的复杂性以及结果的绝对数量呈指数级增长。由于这种情况的发生，根本不可能进行人类的优化，即使能进行，也几乎没有机会影响结果。算法优化是必需的，但即使有，能够处理线性关系和相关性的简单线性回归算法也可能无法充分创建改进的结果，假定有大量的必须处理以预测性能的数据输入和所得测量值。使用机器学习系统来运行测试，在这些测试中，在确定结果时涉及许多其间具有非常复杂的关系的变量。考虑到变量之间的关系可能过于复杂而无法提前确定算法，机器学习系统通常会尝试从数据中学习以找出公式，而不是试图找出用于开始的公式。因此，当有如此多的变量在转换优化中起作用时，需要非常复杂的算法，这些算法利用机器学习、人工智能和其他非线性算法来基于从大数据输入集的学习来对结果进行预测。附图说明在附图中，相同的附图标记在不同视图中通常指代相同的部分。而且，附图不一定按比例绘制，而是通常将重点放在说明所公开的技术的原理上。在以下描述中，参考以下附图描述所公开的技术的各种实现方式，在附图中：图1描绘了实现演化计算以识别候选搜索空间中的高性能候选个体的转换系统。图2示出了可用于实现图1中转换系统的演化计算的模块。图3示出了所公开的机器学习转换优化(MLCO)的工作流程。图4示出了具有多个网页界面的漏斗。图5描绘了漏斗的网页界面布局。图6示出了漏斗的网页界面及其维度和维度值。图7是将起始漏斗的编辑器设计表示变换为运行时设计表示的一种实现方式的符号图。图8描绘了对起始漏斗的起始维度和起始维度值进行编码的一种实现方式的符号图。图9示出了将起始漏斗的起始维度和起始维度值编码为起始候选个体/起始基因组的一种实现方式。图10描绘了基于起始漏斗来初始化第一代的一种实现方式。图11示出了使用交叉技术来生育新候选个体的一种实现方式的符号图。图12是使用变异技术来生育候选个体的一种实现方式的符号图。图13和图14示出了为向最终用户进行前端呈现，根据对应的候选个体生成一个或多个网页界面的漏斗的一种实现方式。图15是机器学习用户装置(MLUD)的一种实现方式。图16示出了机器学习内容分发网络(MLCDN)的一种实现方式。图17以图形方式示出了控制个体和获胜个体，并且包括维度和维度值。图18是以图形方式示出所公开的演化计算的一种实现方式的示例结果的图表。图19示出了为所公开的演化计算实现风险容忍度的风险容忍度模块和分割候选群体的分配模块的一种实现方式。图20是可用于实现所公开的技术的计算机系统的简化框图。具体实施方式下面的讨论是为了使本领域技术人员能够实现和使用所公开的技术，并且是在特定应用及其要求的上下文中提供的。对于本领域技术人员来说，对所公开的实现方式的各种修改是极明显的，并且在不脱离所公开技术的精神和范围的情况下，本文中定义的一般原理可以应用于其他实现方式和应用。因此，所公开的技术不旨在限于所示的实现方式，而是与符合本文中公开的原理和特征的最宽范围相一致。在转换优化上下文中描述了根据所公开的实现方式的系统、设备和方法的示例。在其他情况下，所公开的技术可应用于多变量测试、A/B测试、登陆页面优化、转换率优化、网站测试、网站优化、搜索引擎优化、信息技术、电信系统、金融系统、安全交易、银行业务、商业智能、营销、医学和健康科学、采矿、能源等。其他服务也是可能的，因此以下示例不应被视为确定或限制范围、背景或环境。所公开的技术可以在任何计算机实现的系统的环境中实现，包括数据库系统、多租户环境或关系数据库实现方式，如OracleTM兼容数据库实现方式、IBMDB2EnterpriseServerTM兼容关系数据库实现方式、MySQLTM或PostgreSQLTM兼容关系数据库实现方式或MicrosoftSQLServerTM兼容关系数据库实现方式或NoSQLTM非关系数据库实现方式，如VampireTM兼容非关系数据库实现方式，ApacheCassandraTM兼容非关系数据库实现方式、BigTableTM兼容非关系数据库实现方式或HBaseTM或Dy本文档来自技高网...

【技术保护点】
1.一种促进预定目标用户行为的计算机实现的网页界面生成和测试系统，其包括：存储器，其存储具有候选个体群体的候选数据库，所述候选个体的每个都识别一个或多个网页界面的漏斗，每个漏斗都具有多个维度，所述漏斗具有可以检测所述目标用户行为的实现的机制，每个候选个体识别所述维度的每个的值；群体初始化模块，其将候选个体的初步池写入到所述候选个体群体中；候选测试模块，其通过实时在线评估来测试所述候选个体群体中的所述候选个体的每个，所述候选测试模块为经历所述实时在线评估的所述候选个体的每个开发性能度量，所述性能度量是由所述漏斗在实现所述目标用户行为方面成功的指示；生育模块，其将根据来自所述候选个体群体的相应一组一个或多个亲本个体和所述亲本的性能度量而形成的新个体添加到所述候选个体群体；以及控制模块，其迭代所述候选测试模块和所述生育模块。

【技术特征摘要】
【国外来华专利技术】2016.01.05 US 62/275,058;2016.01.05 US 62/275,0741.一种促进预定目标用户行为的计算机实现的网页界面生成和测试系统，其包括：存储器，其存储具有候选个体群体的候选数据库，所述候选个体的每个都识别一个或多个网页界面的漏斗，每个漏斗都具有多个维度，所述漏斗具有可以检测所述目标用户行为的实现的机制，每个候选个体识别所述维度的每个的值；群体初始化模块，其将候选个体的初步池写入到所述候选个体群体中；候选测试模块，其通过实时在线评估来测试所述候选个体群体中的所述候选个体的每个，所述候选测试模块为经历所述实时在线评估的所述候选个体的每个开发性能度量，所述性能度量是由所述漏斗在实现所述目标用户行为方面成功的指示；生育模块，其将根据来自所述候选个体群体的相应一组一个或多个亲本个体和所述亲本的性能度量而形成的新个体添加到所述候选个体群体；以及控制模块，其迭代所述候选测试模块和所述生育模块。2.如权利要求1所述的系统，其中所述生育模块形成所述新个体中的一个，使得所述新个体的基因是按适合度比例从所述候选个体群体中的所述亲本个体中选择的。3.如权利要求1所述的系统，其还被配置为包括竞争模块，所述竞争模块根据所述开发的性能度量来从所述候选个体群体中选择用于丢弃的经历所述实时在线评估的个体。4.如权利要求3所述的系统，其中所述生育模块向所述候选个体群体添加新个体，所述新个体是根据来自所述候选个体群体并且尚未被选择用于丢弃的相应一组一个或多个亲本个体形成的。5.如权利要求4所述的系统，其中所述生育模块通过逐个基因交叉两个或更多个亲本个体而形成所述新个体中的一者。6.如权利要求4所述的系统，其中所述生育模块通过逐个基因使至少一个亲本个体变异来形成所述新个体中的一者。7.如权利要求4所述的系统，其中所述生育模块仅在通过交叉形成所述新个体的一些之后通过变异形成所述新个体中的一者。8.如权利要求3所述的系统，其中所述控制模块迭代所述候选测试模块、所述竞争模块和所述生育模块。9.如权利要求3所述的系统，其中由所述竞争模块选择用于丢弃的个体包括：对于受试者个体，比较所述受试者个体的相对性能度量与所述候选个体群体中的另一个体的相对性能度量的第一实例。10.如权利要求9所述的系统，其中基于在第一时间段中确定的控制个体的绝对性能度量和在所述第一时间段中确定的所述受试者个体的绝对性能度量之间的差来确定所述受试者个体的所述相对性能度量。11.如权利要求1所述的系统，其还被配置为包括分配模块，所述分配模块基于多个试探法将所述候选个体群体分割成多个群体组。12.如权利要求11所述的系统，其中所述候选测试模块将由特定组织接收到的实时用户流量多样化地分布在所述群体组中。13.如权利要求1所述的系统，其中所述群体初始化模块通过从候选搜索空间中随机选择所述维度的每个的可用值并将所述维度和所述维度值编码为二进制公式来创建候选个体的所述初步池。14.如权利要求13所述的系统，其中所述群体初始化模块确定所述候选搜索空间中的大部分所述可用维度值已经初始化，并且作为响应，基于所述候选搜索空间中的尚未初始化的所述可用维度值，将候选个体随机写入到所述候选个体群体中。15.如权利要求1所述的系统，其中在将候选个体的所述初步池写入到所述候选个体群体中时，所述群体初始化模块：获得至少一个起始漏斗，所述起始漏斗具有多个起始维度和所述起始维度的每个的一组起始维度值；以及以确保所述起始维度值的每个仅出现在所述候选个体的一个中的方式创建候选个体的所述初步池。16.如权利要求1所述的系统，其中由所述控制模块完成的迭代次数是特定于寻求促进所述目标用户行为的特定组织的一个或多个测试参数的函数。17.如权利要求16所述的系统，其中测试参数是由所述特定组织在一段时间内接收到的实时用户流量的量。18.如权利要求17所述的系统，其中所述控制模块被配置成在所述时间段内完成所述迭代次数。19.如权利要求17所述的系统，其中所述群体初始化模块使候选个体的所述初步池的最大大小成为实时用户流量的所述量的函数。20.如权利要求19所述的系统，其中所述群体初始化模块通过以下方式来解决为所述起始漏斗定义的起始维度和起始维度值的数量与候选个体的所述初步池的所述最大大小之间的冲突：选择所述起始维度和所述起始维度值的第一子集，用于以确保所述迭代次数在所述时间段内完成的方式构建候选个体的所述初步池。21.如权利要求20所述的系统，其中对所述第一子集的所述选择偏向于较早指定的起始维度和起始维度值。22.如权利要求20所述的系统，其中所述生育模块根据不同于所述第一子集的所述起始维度和所述起始维度值的第二子集来形成所述新个体中的一者。23.如权利要求1所述的系统，其中所述目标用户行为是由最终用户进行的转换。24.如权利要求1所述的系统，其中由所述候选测试模块开发的所述性能度量基于经历所述实时在线评估的所述候选个体的转换率。25.如权利要求1所述的系统，其中由所述候选测试模块开发的所述性能度量基于从经历所述实时在线评估的所述候选个体接收到的收益。26.一种用于促进预定目标用户行为的计算机实现的网页界面生成和测试方法，其包括：提供存储器，其存储具有候选个体群体的候选数据库，所述候选个体的每个都识别一个或多个网页界面的漏斗，每个漏斗都具有多个维度，所述漏斗具有可以检测所述目标用户行为的实现的机制，每个候选个体识别所述维度的每个的值；将候选个体的初步池写入到所述候选个体群体中；通过实时在线评估来测试所述候选个体群体中的所述候选个体的每个，所述候选测试模块为经历所述实时在线评估的所述候选个体的每个开发性能度量，所述性能度量是所述漏斗在实现所述目标用户行为方面成功的指示；将根据来自所述候选个体群体的相应一组一个或多个亲本个体和所述亲本的性能度量而形成的新个体添加到所述候选个体群体；以及重复测试和添加的所述步骤。27.一种计算机实现的网页界面产生和部署系统，其包括：存储器，其存储具有候选个体群体的候选数据库，所述候选个体的每个都识别一个或多个网页界面的漏斗，每个漏斗具有多个维度，沿着所述维度可以指定值，每个候选个体进一步识别所述维度的每个的值；呈现数据库，其识别所述漏斗的所述维度的每个的至少一个可用值中的每一个的前端元素值；以及呈现模块，其将所述候选个体中的选定的一个应用于所述呈现数据库，以确定对应于由所述选定的候选个体识别的维度值的前端元素值，并且向用户呈现具有所述确定的前端元素值的漏斗。28.如权利要求27所述的系统，其中所述维度的每个的所述可用值中的一个是默认值，其中所述漏斗具有所述维度的每个的所述默认维度值的默认前端元素值，以及其中所述呈现模块将所述选定候选个体应用于所述呈现数据库，以确定对应于由所述选定的候选个体识别的除了所述维度的每个的所述默认维度值之外的所有维度值的前端元素值。29.一种用于可定制的网页界面漏斗的计算机实现的部署系统，所述漏斗是可沿多个维度定制的，所述系统包括：呈现数据库，其识别所述漏斗的所述维度的每个的至少一个可用值中的每一个的前端元素值；漏斗定制规范存储器，其针对所述网页界面漏斗的特定变化，存储所述漏斗的所述维度的每个的值；以及呈现模块，其向用户呈现具有前端元素值的漏斗，所述前端元素值由所述呈现数据库指示为对应于存储在所述漏斗定制规范存储器中的所述维度值。30.如权利要求29所述的系统，其中所述维度的每个的所述可用值中的一个是默认值，其中所述漏斗具有所述维度的每个的所述默认维度值的默认前端元素值，以及其中由所述呈现模块呈现给所述用户的所述漏斗具有前端元素值，所述前端元素值由所述呈现数据库指示为对应于在所述漏斗定制规范存储器中识别的除了所述维度的每个的所述默认维度值之外的所有所述维度值。31.如权利要求29所述的系统，其还被配置为利用所述漏斗的所述维度的每个的一组新值来更新所述漏斗定制规...

【专利技术属性】
技术研发人员：N·伊斯科埃，R·米卡莱南，
申请(专利权)人：思腾科技巴巴多斯有限公司，
类型：发明
国别省市：巴巴多斯,BB