【技术实现步骤摘要】
一种页面显示方法、装置、电子设备及计算机存储介质
[0001]本申请涉及页面显示
,特别涉及一种页面显示方法、装置、电子设备及计算机存储介质。
技术介绍
[0002]随着移动终端的多样化和移动应用的不断普及,对移动终端页面显示的技术提出了更高的要求。
[0003]目前,面对线下商业场景,为了满足用户在各种智慧服务场景下的需求,各个智慧服务场景推出智慧场景服务客户端或小程序,用户在进入智慧服务场景后,通过移动终端上安装的智慧场景服务客户端或小程序,可以方便的查看该智慧服务场景提供的各种服务。例如,针对机场智慧场景,机场智慧场景的客户端显示界面中可以显示机场中包括的各个区域,以及每个区域中包含的POI。但是,目前智慧场景服务客户端显示页面的页面显示源代码为预先设置的,在用户触发页面展示请求后,智慧场景服务客户端根据页面显示源代码生成显示页面,因此,目前智慧场景服务客户端针对不同用户的显示页面是固定不变的,不能根据不同用户灵活展示显示页面。
技术实现思路
[0004]本申请提供一种页面显示方法、装置、电子设备及计算机存储介质,用以提高智慧场景中向用户推荐服务的精准性,进一步优化页面显示方式。
[0005]第一方面,本申请实施例提供一种页面显示方法,包括:
[0006]响应目标账户触发的页面展示请求,获取所述目标账户在目标场景中的历史轨迹数据;
[0007]从所述历史轨迹数据中,确定所述目标账户在所述目标场景中曾经到达的各个参考功能区域,以及确定各个参考功能区域的位置信息 ...
【技术保护点】
【技术特征摘要】
1.一种页面显示方法,其特征在于,该方法包括:响应目标账户触发的页面展示请求,获取所述目标账户在目标场景中的历史轨迹数据;从所述历史轨迹数据中,确定所述目标账户在所述目标场景中曾经到达的各个参考功能区域,以及确定各个参考功能区域的位置信息和到达时间点;基于各个参考功能区域的位置信息和到达时间点,从所述目标场景中筛选出待推荐功能区域;显示所述待推荐功能区域对应的展示页面。2.如权利要求1所述的方法,其特征在于,基于各个参考功能区域的位置信息和到达时间点,从所述目标场景中筛选出待推荐功能区域,包括:将所述目标账户在所述目标场景中曾经到达的各个参考功能区域按照到达时间点进行排序,得到参考功能区域集合;基于所述参考功能区域集合中各个参考功能区域的位置信息和到达时间点,确定用于表示所述参考功能区域集合中参考功能区域之间相对或绝对时空关系的时空因子序列;根据所述参考功能区域集合,以及与所述参考功能区域集合对应的时空因子序列,从所述目标场景中筛选出待推荐功能区域。3.如权利要求2所述的方法,其特征在于,所述根据所述参考功能区域集合,以及与所述参考功能区域集合对应的时空因子序列,从所述目标场景中筛选出待推荐功能区域,包括:基于已训练的功能区域预测模型,对所述参考功能区域集合,以及与所述参考功能区域集合对应的时空因子序列进行线性变换处理,得到用于表示所述目标账户的历史轨迹数据的全局特征向量;根据所述全局特征向量,对所述参考功能区域集合中的部分或全部参考功能区域,以及与所述部分或全部参考功能区域对应的时空因子序列进行线性变换处理得到融合特征;根据所述融合特征以及所述目标场景中包含的预先设定的多个候选功能区域的区域特征,分别预测所述目标账户在预设时长内达到各个候选功能区域的概率值;其中,所述参考功能区域为所述多个候选功能区域中所述目标账户曾经到达的功能区域;根据获得的各个概率值,从所述目标场景包含的多个候选功能区域中筛选出待推荐功能区域。4.如权利要求3所述的方法,其特征在于,所述已训练的功能区域预测模型包括多个级联的特征提取网络和预测网络;所述基于已训练的功能区域预测模型,对所述参考功能区域集合,以及与所述参考功能区域集合对应的时空因子序列进行线性变换处理,得到用于表示所述目标账户历史轨迹数据的全局特征向量,包括:将所述参考功能区域集合划分为多个参考功能区域子集;并将所述参考功能区域集合对应的时空因子序列进行划分,分别得到各个参考功能区域子集对应的时空因子序列;其中,划分得到的所述参考功能区域子集与所述已训练的功能区域预测模型中的特征提取网络一一对应;针对各个特征提取网络分别执行以下操作:将与一个特征提取网络对应的参考功能区
域子集以及与参考功能区域子集对应的时空因子序列输入特征提取网络;基于所述一个特征提取网络,根据所述一个特征提取网络对应的隐向量初始值,对输入的参考功能区域子集以及时空因子序列进行线性变换处理,得到表示与所述参考功能区域子集对应的目标账户历史轨迹数据的子全局特征向量,并将所述子全局特征向量作为下一个特征提取网络的隐向量初始值;将所述多个级联的特征提取网络中最后一个特征提取网络输出的子全局特征向量作为用于表示所述目标账户历史轨迹数据的全局特征向量。5.如权利要求4所述的方法,其特征在于,所述根据所述全局特征向量,对所述参考功能区域集合中的部分或全部参考功能区域,以及与所述部分或全部参考功能区域对应的时空因子序列进行线性变换处理得到融合特征,包括:将与所述多个级联的特征提取网络中最后一个特征提取网络对应的参考功能区域子集,以及与所述参考功能区域子集对应的时空因子序列,输入所述预测网络;基于所述预测网络,将所述全局特征向量作为隐向量初始值,对输入的参考功能区域子集以及对应的时空因子序列进行线性变换处理得到融合特征。6.如权利要求1~5任一项所述的方法,其特征在于,所述时空因子包括相对时间因子、相对空间因子、绝对时间因子和绝对空间因子;根据下列方式确定所述时空因子序列:针对所述参考功能区域集合中每两个相邻的参考功能区域,分别执行以下操作:根据两个相邻的参考功能区域的到达时间点,确定用于表示两个到达时间点的相对关系的相对时间因子;以及,根据所述两个相邻的参考功能区域的位置信息,确定用于表示两个位置信息的相对关系的相对空间因子;以及分别确定所述参考功能区域集合中各个参考功能区域的到达时间点对应的绝对时间因子;以及,分别确定所述参考功能区域集合中各个参考功能区域的位置信息对应的绝对空间因子;将得到的各个相对时间因子、各个相对空间因子、各个绝对时间因子和各个绝对空间因子组成所述时空因子序列。7.如权利要求4所述的方法,其特征在于,在所述基于已训练的功能区域预测模型,对所述参考功能区域集合,以及与所述参考功能区域集合对应的时空因子序列进行线性变换处理之前,进一步包括:根据下列方式对初始功能区域预测模型进行训练,得到已训练的功能区域预测模型,其中,所述初始功能区域预测模型包括N个级联的特征提取网络、分别与N个特征提取网络连接的N个预测网络:从训练样本数据集中选取训练样本;其中,每个训练样本中包括一个样本账户的N个样本功能区域子集、每个样本功能区域集合对应的时空因子序列、预先标注的每个样本功能区域集合对应的实际到达功能区域;针对各个特征提取网络分别执行以下操作:将样本功能区域子集及对应的时空因子序列输入至一个特征提取网络,获取所述一个特征提取网络输出的全局特征向量样本,并将所述全局特征向量样本作为下一个特征提取网络及连接的预测网络的隐向量初始值;针对各个预测网络,分别执行以下操作:将样本功能区域子集及对应的时空因子序列
输入至一个预测网络,根据隐向量初始值对输入的样...
【专利技术属性】
技术研发人员:马志豪,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。