[发明专利]一种页面推荐方法、装置、设备以及存储介质

权利要求书

1.一种页面推荐方法，其特征在于，包括：

获取用户账户的特征信息以及应用程序中各预设页面的页面特征；所述特征信息包括所述用户账户在所述应用程序中的历史行为数据；

将所述特征信息以及各所述预设页面的所述页面特征输入预先训练好的预测模型进行访问时长的预测，得到各所述预设页面的预测访问时长；所述预测模型的训练标签包括多个样本访问时长；每个样本访问时长为根据历史启动周期内所述用户账户在所述应用程序各所述预设页面中的访问时长，以及所述历史启动周期之后的目标历史启动周期内所述用户账户在所述应用程序各所述预设页面中的访问时长确定得到的；

基于所述预测访问时长，从各所述预设页面中确定待推荐页面。

2.根据权利要求1所述的页面推荐方法，其特征在于，所述方法还包括：

对于多个历史启动周期中的每个历史启动周期，获取所述每个历史启动周期内所述用户账户在所述应用程序中各所述预设页面的访问时长，得到所述每个历史启动周期对应的访问时长；

基于所述每个历史启动周期对应的访问时长，确定所述每个历史启动周期的独立访问时长；所述独立访问时长用于指示所述每个历史启动周期内所述用户账户在所述应用程序的各所述预设页面内的总访问时长；

基于所述多个历史启动周期的启动时间顺序，从所述多个历史启动周期中确定所述每个历史启动周期之后的所述目标历史启动周期，并获取所述目标历史启动周期的所述独立访问时长；

根据所述每个历史启动周期的独立访问时长，以及所述目标历史启动周期的所述独立访问时长，确定所述每个历史启动周期对应的所述样本访问时长，得到所述多个样本访问时长；

将所述多个样本访问时长作为训练标签，将所述多个历史启动周期内样本用户账户的所述特征信息以及各所述预设页面的所述页面特征作为样本特征，训练预设神经网络模型，得到所述预测模型。

3.根据权利要求2所述的页面推荐方法，其特征在于，所述基于所述每个历史启动周期对应的访问时长，确定所述每个历史启动周期的独立访问时长，包括：

从所述每个历史启动周期对应的访问时长中确定有效访问时长以及无效访问时长；所述有效访问时长为大于第一阈值的所述访问时长；所述无效访问时长为小于第二阈值的所述访问时长；所述第一阈值大于或者等于所述第二阈值；

基于所述有效访问时长，确定所述每个历史启动周期的有效综合时长；所述有效综合时长用于表征所述有效访问时长的总和；

基于所述无效访问时长，确定所述每个历史启动周期的无效综合时长；所述无效综合时长用于表征所述无效访问时长的总和；

基于所述每个历史启动周期的所述有效综合时长以及所述无效综合时长，确定所述每个历史启动周期的所述独立访问时长。

4.根据权利要求2所述的页面推荐方法，其特征在于，所述根据所述每个历史启动周期的独立访问时长，以及所述目标历史启动周期的所述独立访问时长，确定所述每个历史启动周期对应的所述样本访问时长，得到所述多个样本访问时长，包括：

基于所述每个历史启动周期的所述独立访问时长、所述目标历史启动周期的所述独立访问时长以及访问参数，确定所述每个历史启动周期对应的所述样本访问时长，得到所述多个样本访问时长；所述访问参数包括衰减因子，所述衰减因子用于指示所述目标历史启动周期的所述独立访问时长对所述每个历史启动周期对应的所述样本访问时长的影响逐渐减小。

5.根据权利要求4所述的页面推荐方法，其特征在于，所述基于所述每个历史启动周期的所述独立访问时长、所述目标历史启动周期的所述独立访问时长以及访问参数，确定所述每个历史启动周期对应的所述样本访问时长，得到所述多个样本访问时长，包括：

基于所述每个历史启动周期的所述独立访问时长、所述目标历史启动周期的所述独立访问时长以及所述衰减因子，确定所述每个历史启动周期的综合访问时长，并将所述每个历史启动周期的所述综合访问时长确定为所述每个历史启动周期对应的所述样本访问时长。