一种应用程序功能关联预测方法及装置制造方法及图纸

本发明专利技术提供一种应用程序功能关联预测方法及装置，属于计算机技术领域，所述方法包括：根据目标用户依次操作的应用程序的预设数量个功能按钮的功能名称，生成目标文本数据；将所述目标文本数据作为输入，利用训练完成的预设语言模型获取所述应用程序的每个功能名称的出现概率；根据每个功能名称的出现概率，对所述目标用户下次操作的功能按钮进行推荐

【技术实现步骤摘要】
一种应用程序功能关联预测方法及装置


[0001]本专利技术涉及计算机
，尤其涉及一种应用程序功能关联预测方法及装置
。

技术介绍

[0002]很多应用程序
APP
在应用中提供了功能推荐的功能，比如，现有的专利
CN202310616057.3
提出的“基于数据分析的用户中心展示方法及系统”，通过获取目标用户在应用软件平台上与功能组件相关联的第一行为数据；根据第一行为数据，分别计算得到与各功能组件对应的功能偏好系数，将功能偏好系数最大的
N
个功能组件，作为备选功能组件
。
[0003]该类方法一般都是将用户的功能点击看做是一个个独立的事件，然后通过分析用户将各个功能和用户的关联性进行一个计算，进而排序进行功能上的推荐
。
[0004]这类方法一是计算过程比较复杂耗时，同时当最终获取到功能推荐列表后，不能及时根据用户的某次或某几次点击情况，对接下来的功能推荐进行及时准确的推荐
。

技术实现思路

[0005]本专利技术提供一种应用程序功能关联预测方法及装置，用以解决现有技术中计算过程复杂，难以及时根据用户的某次或某几次点击情况，对接下来的功能推荐进行及时准确的推荐的缺陷
。
[0006]第一方面，本专利技术提供一种应用程序功能关联预测方法，包括：
[0007]根据目标用户依次操作的应用程序的预设数量个功能按钮的功能名称，生成目标文本数据；功能按钮与功能名称一一对应；
[0008]将所述目标文本数据作为输入，利用训练完成的预设语言模型获取所述应用程序的每个功能名称的出现概率；
[0009]根据每个功能名称的出现概率，对所述目标用户下次操作的功能按钮进行推荐
。
[0010]根据本专利技术提供的应用程序功能关联预测方法，在将所述目标文本数据作为输入，利用训练完成的预设语言模型获取所述应用程序的每个功能名称的出现概率之前，还包括：获取应用程序在预设时段的操作记录数据；所述操作记录数据包括用户类型
、
功能名称以及功能名称对应的操作时间和页面停留时间；对所述操作记录数据进行预处理，生成包含功能名称的文本数据集；利用所述文本数据集训练预设语言模型，以利用训练完成的预设语言模型进行下次出现的功能名称的预测
。
[0011]根据本专利技术提供的应用程序功能关联预测方法，所述对所述操作记录数据进行预处理，生成包含功能名称的文本数据集，包括：根据目标用户的用户类型，按照操作时间的先后顺序，从所述操作记录数据中汇总所述目标用户的目标操作记录数据；对所述目标操作记录数据中的重复数据和错误数据进行删除处理；以及，将所述页面停留时间小于预设时间阈值的无效数据进行删除处理；按照时间顺序提取出目标操作记录数据中的功能名称，以构建文本数据集
。
[0012]根据本专利技术提供的应用程序功能关联预测方法，所述预设语言模型为进行平滑处理后的
N
‑
gram
模型
。
[0013]根据本专利技术提供的应用程序功能关联预测方法，所述预设数量为
2。
[0014]根据本专利技术提供的应用程序功能关联预测方法，所述应用程序为政务类应用程序
。
[0015]根据本专利技术提供的应用程序功能关联预测方法，所述用户类型包括：区管理员
、
社区管理员以及街道管理员
。
[0016]第二方面，本专利技术还提供一种应用程序功能关联预测装置，包括：文本转化模块
、
预测模块以及推荐模块；
[0017]文本转化模块，用于根据目标用户依次操作的应用程序的预设数量个功能按钮的功能名称，生成目标文本数据；功能按钮与功能名称一一对应；
[0018]预测模块，用于将所述目标文本数据作为输入，利用训练完成的预设语言模型获取所述应用程序的每个功能名称的出现概率；
[0019]推荐模块，用于根据每个功能名称的出现概率，对所述目标用户下次操作的功能按钮进行推荐
。
[0020]第三方面，本专利技术提供一种电子设备，包括存储器
、
处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一种所述应用程序功能关联预测方法的步骤
。
[0021]第四方面，本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述应用程序功能关联预测方法的步骤
。
[0022]本专利技术提供的应用程序功能关联预测方法及装置，将用户功能点击的离散操作，转换为文本分析和预测的方案；并基于机器学习的关联性预测算法为基础，实现基于用户前一次或者前两次的功能操作，对接下来想要操作的功能进行关联性预测，进而推荐给用户，大大减少了计算过程的复杂度，提高用户
APP
使用上的效率和体验
。
[0023]本专利技术基于自然语言处理
NLP
中的
N
‑
Gram
模型进行模型的训练和学习，并且对
N
‑
Gram
模型进行非线性平滑优化，避免了预测词出现的概率完全依赖于前面两个词以及他们固定的出现顺序，避免对其他场景词汇概率预测偏差较大的问题，达到平滑预测结果的效果
。
附图说明
[0024]为了更清楚地说明本专利技术或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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
。
[0025]图1是本专利技术提供的应用程序功能关联预测方法的流程示意图；
[0026]图2是本专利技术提供的电子设备的结构示意图
。
具体实施方式
[0027]为使本专利技术的目的
、
技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚
、
完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例
。
基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围
。
[0028]需要说明的是，在本专利技术实施例的描述中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程
、
方法
、
物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程
、
方法
、
物品或者设备所固有的要素
。
在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程
...

【技术保护点】

【技术特征摘要】
1.
一种应用程序功能关联预测方法，其特征在于，包括：根据目标用户依次操作的应用程序的预设数量个功能按钮的功能名称，生成目标文本数据；功能按钮与功能名称一一对应；将所述目标文本数据作为输入，利用训练完成的预设语言模型获取所述应用程序的每个功能名称的出现概率；根据每个功能名称的出现概率，对所述目标用户下次操作的功能按钮进行推荐
。2.
根据权利要求1所述的应用程序功能关联预测方法，其特征在于，在将所述目标文本数据作为输入，利用训练完成的预设语言模型获取所述应用程序的每个功能名称的出现概率之前，还包括：获取应用程序在预设时段的操作记录数据；所述操作记录数据包括用户类型
、
功能名称以及功能名称对应的操作时间和页面停留时间；对所述操作记录数据进行预处理，生成包含功能名称的文本数据集；利用所述文本数据集训练预设语言模型，以利用训练完成的预设语言模型进行下次出现的功能名称的预测
。3.
根据权利要求2所述的应用程序功能关联预测方法，其特征在于，所述对所述操作记录数据进行预处理，生成包含功能名称的文本数据集，包括：根据目标用户的用户类型，按照操作时间的先后顺序，从所述操作记录数据中汇总所述目标用户的目标操作记录数据；对所述目标操作记录数据中的重复数据和错误数据进行删除处理；以及，将所述页面停留时间小于预设时间阈值的无效数据进行删除处理；按照时间顺序提取出目标操作记录数据中的功能名称，以构建文本数据集
。4.
根据权利要求1所述的应用程序功能关联预测方法，其特征在于，所述预设语言模型为进行平滑处理后的<...

【专利技术属性】
技术研发人员：鲍立，肖伟明，
申请(专利权)人：武汉虹信技术服务有限责任公司，
类型：发明
国别省市：