[发明专利]一种页面推荐方法、装置、设备以及存储介质

说明书

本公开关于一种页面推荐方法、装置、设备以及存储介质，涉及计算机技术领域。本公开实施例至少解决相关技术中，无法向用户推荐最优页面的技术问题。该方法包括：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；特征信息包括用户账户在应用程序中的历史行为数据；将特征信息以及各预设页面的页面特征输入预先训练好的预测模型，得到各预设页面的预测访问时长；预测模型的训练标签中，每个样本访问时长为根据历史启动周期内用户账户在应用程序各预设页面中的访问时长，以及历史启动周期之后的目标历史启动周期内用户账户在应用程序各预设页面中的访问时长确定得到的；基于预测访问时长，从各预设页面中确定待推荐页面。

技术领域

本公开涉及计算机技术领域，尤其涉及一种页面推荐方法、装置、设备以及存储介质。

背景技术

目前移动互联网应用程序(Application，APP)站内通常都包含有多个不同的内容区域，多以标签tab页进行切换呈现，以丰富用户账户体验、拓展业务边界，进而提升用户账户的留存粘性。用户账户打开APP时，首次呈现的页面直接决定最初的用户账户体验，对于用户账户的持续访问至关重要。相关技术中在确定APP首次呈现的页面的过程中，通常根据用户账户在历史阶段内登录或访问APP时，在各个页面中的历史行为数据，向用户账户推荐首次呈现的页面。

但是，在上述页面推荐方法中，由于采用历史阶段内各页面内的历史行为数据作为依据，只考虑短期内的用户账户停留时长或者粘性，较难从长远预测用户账户的留存粘性，进而可能导致向用户账户推荐的页面不是最优的。

发明内容

本公开提供一种页面推荐方法、装置、设备以及存储介质，以至少解决相关技术中，无法向用户账户推荐最优页面的技术问题。本公开的技术方案如下：

根据本公开实施例的第一方面，提供一种页面推荐方法，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；特征信息包括用户账户在应用程序中的历史行为数据；将特征信息以及各预设页面的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，得到各预设页面的预测访问时长；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用户账户在应用程序各预设页面中的访问时长，以及历史启动周期之后的目标历史启动周期内用户账户在应用程序各预设页面中的访问时长确定得到的；基于预测访问时长，从各预设页面中确定待推荐页面。

可选的，上述方法还包括：对于多个历史启动周期中的每个历史启动周期，获取每个历史启动周期内用户账户在应用程序中各预设页面的访问时长，得到每个历史启动周期对应的访问时长；基于每个历史启动周期对应的访问时长，确定每个历史启动周期的独立访问时长；独立访问时长用于指示每个历史启动周期内用户账户在应用程序的各预设页面内的总访问时长；基于多个历史启动周期的启动时间顺序，从多个历史启动周期中确定每个历史启动周期之后的目标历史启动周期，并获取目标历史启动周期的独立访问时长；根据每个历史启动周期的独立访问时长，以及目标历史启动周期的独立访问时长，确定每个历史启动周期对应的样本访问时长，得到多个样本访问时长；将多个样本访问时长作为训练标签，将多个历史启动周期内样本用户账户的特征信息以及各预设页面的页面特征作为样本特征，训练预设神经网络模型，得到预测模型。

可选的，上述基于每个历史启动周期对应的访问时长，确定每个历史启动周期的独立访问时长，包括：从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；有效访问时长为大于第一阈值的访问时长；无效访问时长为小于第二阈值的访问时长；第一阈值大于或者等于第二阈值；基于有效访问时长，确定每个历史启动周期的有效综合时长；有效综合时长用于表征有效访问时长的总和；基于无效访问时长，确定每个历史启动周期的无效综合时长；无效综合时长用于表征无效访问时长的总和；基于每个历史启动周期的有效综合时长以及无效综合时长，确定每个历史启动周期的独立访问时长。