[發明專利]分析個性化框架

在審

• 申請號: 201911011979.1
• 申請日: 2019-10-23
• 公開（公告）號: CN110795624A
• 公開（公告）日: 2020-02-14
• 發明（設計）人: S.S.多萊-拉吉;杜自林;N.N.耶;陳瀅;W.張;A.阿爾-阿盧西
• 申請（專利權）人: 谷歌有限責任公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06N20/00
• 代理公司: 11105 北京市柳沈律師事務所
• 代理人: 金玉潔

1.一種由計算設備執行的方法，所述方法包括：

由計算設備接收指示第一用戶與呈現給第一用戶的分析報告應用的初始用戶界面(UI)的一個或多個UI元素的交互的用戶交互數據；

根據接收的用戶交互數據生成訓練數據集；

將所述訓練數據集輸入到機器學習模型；

響應于所述訓練數據集，由計算設備訓練所述機器學習模型；

使用經訓練的機器學習模型生成對于第二用戶的用戶興趣得分集，其中所述用戶興趣得分中的每一個指示第二用戶對訪問與所述分析報告應用的UI元素相對應的信息的興趣；

基于與不被包括在初始UI中的特定UI元素相關聯的閾值得分，確定所述用戶興趣得分集中的至少一個正面地指示第二用戶對訪問與所述特定UI元素相對應的信息的興趣；

響應于確定所述用戶興趣得分集中的至少一個正面地指示第二用戶對訪問與所述特定UI元素相對應的信息的興趣，動態地修改所述初始UI，包括將所述特定UI元素合并到所述初始UI中以獲取包括不被包括在所述初始UI中的特定UI元素的更新的UI；以及

向第二用戶呈現包括所述特定UI元素的更新的UI；

在向第二用戶呈現所述更新的UI之后，監控與所述更新的UI的進一步用戶交互；

基于進一步的用戶交互來更新所述機器學習模型；以及

基于所更新的機器學習模型來選擇呈現在UI中的更新的UI元素集。

2.根據權利要求1所述的方法，其中，所述機器學習模型是邏輯回歸模型。

3.根據權利要求1所述的方法，其中，所述機器學習模型執行深度和廣度學習。

4.根據權利要求1所述的方法，其中，所述機器學習模型是長期短期記憶模型。

5.根據權利要求1所述的方法，進一步包括確定與另一UI元素相關聯的用戶興趣得分集中的得分小于與所述另一UI元素相關聯的閾值得分；其中基于所述確定，不向第二用戶顯示所述另一UI元素。

6.根據權利要求1所述的方法，進一步包括基于第二用戶的交互和特性對第二用戶進行分類。

7.根據權利要求1所述的方法，其中，接收的用戶交互數據涉及兩個或更多不同的主題，并且

其中基于根據對于主題的用戶興趣得分確定的對應主題對用戶的重要性，來為所述兩個或更多不同主題中的每一個分配不同的權重。

8.根據權利要求1所述的方法，進一步包括接收指示一組多個不同用戶與一個或多個UI元素的交互的用戶交互數據集；

根據接收的用戶交互數據集生成用戶組訓練數據集；

將所述用戶組訓練數據集輸入到所述機器學習模型；以及

響應于所述用戶組訓練數據集，由計算設備訓練所述機器學習模型。

9.根據權利要求1所述的方法，其中，第一用戶和第二用戶是相同用戶。

10.根據權利要求1所述的方法，其中，第一用戶和第二用戶是不同的用戶。