用于生成用户留存时间的方法、装置、设备和介质制造方法及图纸

本公开的实施例公开了一种用于生成用户留存时间的方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：对获得的用户特征的数据进行预处理；将预处理后的数据输入至预先训练的处理长期依赖信息的循环神经网络，输出在未来预定时间内用户使用应用的时间，其中，该循环神经网络包括通道注意力机制网络。该实施方式实现了对用户在应用中留存时间有效的确定，使得对用户留存时间的确定更为准确、便捷。

【技术实现步骤摘要】
用于生成用户留存时间的方法、装置、设备和介质
本公开的实施例涉及计算机
，具体涉及一种用于生成用户留存时间的方法、装置、设备和计算机可读介质。
技术介绍
目前，提供应用的企业越来越关注在未来预定时间内用户使用应用的时间，也即用户留存时间。用户的留存时间的确定侧面反映了应用的受欢迎程度。然而，目前用户留存时间的确定方法存在繁琐、效率低等问题。进而，需求一种对用户留存时间的确定的相对简便有效的方法。
技术实现思路
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。本公开的一些实施例提出了用于生成用户留存时间的方法、装置、设备和计算机可读介质，来解决以上
技术介绍
部分提到的技术问题。第一方面，本公开的一些实施例提供了一种用于生成用户留存时间的方法，该方法包括：对获得的用户特征的数据进行预处理；将预处理后的数据输入至预先训练的处理长期依赖信息的循环神经网络，输出在未来预定时间内用户使用应用的时间，其中，上述循环神经网络包括通道注意力机制网络。第二方面，本公开的一些实施例提供了一种用于生成用户留存时间的装置，装置包括：处理单元，被配置成对获得的用户特征的数据进行预处理；输入输出单元，被配置成将预处理后的数据输入至预先训练的处理长期依赖信息的循环神经网络，输出在未来预定时间内用户使用应用的时间，其中，上述循环神经网络包括通道注意力机制网络。第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现如第一方面中任一的方法。第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现如第一方面中任一的方法。本公开的上述各个实施例中的一个实施例具有如下有益效果：首先，对获得的用户特征的数据进行预处理，来消除上述数据的单位限制。然后利用预先训练的处理长期依赖信息的循环神经网络来有效的地预估用户在未来预定时间的留存情况。需要强调的是，加入上述通道注意力机制网络来学习用户在特征上的关注程度。进而使加入通道注意力机制网络的循环神经网络预估用户在未来预定时间的留存情况更为准确，便利。从而侧面提高了用户体验。附图说明结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，原件和元素不一定按照比例绘制。图1是本公开的一些实施例的用于生成用户留存时间的方法一个应用场景图的示意图；图2是根据本公开的用于生成用户留存时间的方法的一些实施例的流程图；图3是根据本公开的用于生成用户留存时间的方法的另一些实施例的流程图；图4是根据本公开的用于生成用户留存时间的方法的另一些实施例的深度网络的模型训练图；图5是根据本公开的用于生成用户留存时间的装置的一些实施例的结构示意图；图6是适于用来实现本公开的一些实施例的电子设备的结构示意图。具体实施方式下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。另外还需要说明的是，为了便于描述，附图中仅示出了与有关专利技术相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。下面将参考附图并结合实施例来详细说明本公开。图1是根据本公开的一些实施例的用于生成用户留存时间的方法的一个应用场景的示意图100。如图1所示，作为示例，获得的用户特征的数据101为“用户停留时间超过预定时间的文章数目：11篇；用户使用应用的时间：3h；用户目标时间段内打开上述应用的次数：12次；用户点击文章的篇数：22篇；应用推送给上述用户的文章篇数：65篇；用户完整阅读文章的篇数：10篇；用户在上述应用内操作的次数：55次；用户分享文章的篇数：12篇；用户是否使用账号登陆过：是”。经过数据预处理后，将数据101转换为数据102。作为示例，数据102可以是“0.09，0.03，0.092，0.02，0.2，0.4，0.09，0.51，0.11”。进而将上述数据102输入至电子设备103。上述电子设备103利用包括通道注意力机制网络的预先训练的处理长期依赖信息的循环神经网络对数据102进行处理，得到输出104，作为在未来预定时间内用户使用应用的时间。例如，输出104为“未来7天使用应用时间：1.2天；未来28天使用应用时间：7.2天；未来56天使用应用时间：16天；未来180天使用应用时间：22天”。可以理解的是，生成用户留存时间的方法可以是由上述电子设备103来执行。其中，电子设备103可以是硬件，也可以是软件。当电子设备103为硬件时，可以是具有信息处理能力的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、膝上型便携计算机、台式计算机、服务器等等。当电子设备103为软件时，可以安装在上述所列举的电子设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。继续参考图2，示出了根据本公开的用于生成用户留存时间的方法的一些实施例的流程200。该用于生成用户留存时间的方法，包括以下步骤：步骤201，对获得的用户特征的数据进行预处理。在一些实施例中，用于确定用户留存时间的方法的执行主体(例如图1所示的电子设备)可以通过各种方式对获得的用户特征的数据进行预处理。在这里，用户特征可以是对用户的操作行为进行描述的特征。其中，对于数据的预处理可以包括但不限于以下至少一项：数据标准化，数据归一化，数据二值化，独热编码。作为示例，可以对获得的用户特征的数据进行数据归一化，从而把用户特征的数据的取值限定在规定范围内。通过上述预处理，可以实现多种目的，例如侧面提升模型的精确度。在一些实施例的一些可选的实现方式中，上述用户特征可以包括但不限于以下至少一项：上述用户停留时间超过预定时间的应用上显示本文档来自技高网...

【技术保护点】
1.一种用于生成用户留存时间的方法，包括：/n对获得的用户特征的数据进行预处理；/n将预处理后的数据输入至预先训练的处理长期依赖信息的循环神经网络，输出在未来预定时间内用户使用应用的时间，其中，所述循环神经网络包括通道注意力机制网络。/n

【技术特征摘要】
1.一种用于生成用户留存时间的方法，包括：
对获得的用户特征的数据进行预处理；
将预处理后的数据输入至预先训练的处理长期依赖信息的循环神经网络，输出在未来预定时间内用户使用应用的时间，其中，所述循环神经网络包括通道注意力机制网络。


2.根据权利要求1所述的方法，其中，所述将预处理后的数据输入至预先训练的处理长期依赖信息的循环神经网络，输出在未来预定时间内用户使用应用的时间，包括：
将预处理后的数据输入至第一全连接网络，得到第一输出结果；
将所述第一输出结果输入至所述通道注意力机制网络；
对所述通道注意力机制网络的输出结果进行空间随机失活，得到第二输出结果。


3.根据权利要求2所述的方法，其中，所述将预处理后的数据输入至预先训练的处理长期依赖信息的循环神经网络，输出在未来预定时间内用户使用应用的时间还包括：
将所述第二输出结果输入至长短期记忆神经网络，其中，所述长短期记忆神经网络在训练过程中采用了随机失活；
对所述长短期记忆神经网络的输出结果进行数据重新组织，得到第三输出结果。


4.根据权利要求3所述的方法，其中，所述将预处理后的数据输入至预先训练的处理长期依赖信息的循环神经网络，输出在未来预定时间内用户使用应用的时间还包括：
将所述第三输出结果输入至第二全连接网络，输出在未来预定时间内用户使用应用的时间，其中，所述第二全连接网络在训练过程中采用了随机失活。


5.根据权利要求2所述的方法，其中，所述将所述第一输出结果输入至所述通道注意力机制网络，包括：
将所述第一输出结果输入至所述通道注意力机制网络的池化层，其中，所述池化...

【专利技术属性】
技术研发人员：孙振邦，周杰，王长虎，
申请(专利权)人：北京字节跳动网络技术有限公司，
类型：发明
国别省市：北京;11