[发明专利]分析个性化框架

说明书

用于个性化分析用户界面的方法、系统和计算机可读介质。该方法包括根据接收的用户交互数据生成训练数据集，将训练数据集输入到机器学习模型以训练该模型，生成对于特定用户的用户兴趣得分集，其中每个用户兴趣得分指示用户对访问与应用的UI元素相对应的信息的兴趣，根据用户兴趣得分确定用户对不被包括在初始UI中并且至少具有阈值得分的特定UI元素感兴趣，动态修改初始UI以包括该特定UI元素，呈现更新的UI，监控进一步的用户交互，基于进一步的用户交互更新模型，以及基于更新的模型修改更新的UI。

技术领域

本文档涉及在分析环境内提供个性化框架。

背景技术

本文档涉及在分析环境内提供个性化框架。与互联网上的内容交互的用户生成交互数据，该交互数据可以通过不同的用户界面(user interface，UI)元素来查看和分析。用户界面以及由用户界面呈现的内容(诸如分析数据)可以通过自动框架来定制。

发明内容

通常，本说明书中描述的主题的一个创新方面可以具体体现在一种方法中，该方法包括由计算设备接收指示第一用户与呈现给该第一用户的分析报告应用的初始UI的一个或多个用户界面(UI)元素的交互的用户交互数据。该方法包括根据接收的用户交互数据生成训练数据集，并将训练数据集输入到机器学习模型。响应于训练数据集，该方法包括由计算设备训练机器学习模型，并且使用经训练的机器学习模型生成对于第二用户的用户兴趣得分集，其中用户兴趣得分中的每一个指示第二用户对访问与分析报告应用的UI元素相对应的信息的兴趣。该方法包括基于与不被包括在初始UI中的特定UI元素相关联的阈值得分，确定用户兴趣得分集中的至少一个正面地指示第二用户对访问与该特定UI元素相对应的信息的兴趣，并且响应于确定用户兴趣得分集中的至少一个正面地指示第二用户对访问与该特定UI元素相对应的信息的兴趣，动态地修改初始UI，包括将该特定UI元素合并到初始UI中，以获取包括不被包括在初始UI中的特定UI元素的更新的UI。该方法包括向第二用户呈现包括特定UI的更新的UI，在向第二用户呈现更新的UI之后，监控与更新的UI的进一步的用户交互，以及基于进一步的用户交互来更新机器学习模型。该方法包括基于更新的机器学习模型来选择呈现在UI中的更新的UI元素集。

这些和其他实施例中的每一个都可以可选地包括以下特征中的一个或多个。在一些实施方式中，机器学习模型是逻辑回归模型。在一些实施方式中，机器学习模型执行深度和广度学习。在一些实施方式中，机器学习模型是长期短期记忆模型。

该方法还可以包括确定与另一UI元素相关联的用户兴趣得分集中的得分小于与该另一UI元素相关联的阈值得分；其中基于该确定，不向第二用户显示该另一UI元素。该方法还可以包括基于第二用户的交互和特性对第二用户进行分类。

在一些实施方式中，接收的用户交互数据涉及两个或更多不同的主题，并且基于根据对于主题的用户兴趣得分确定的对应主题对用户的重要性，来为两个或更多不同主题中的每一个分配不同的权重。

该方法还可以包括接收指示一组多个不同用户与一个或多个UI元素的交互的用户交互数据集，根据接收的用户交互数据集生成用户组训练数据集，将该用户组训练数据集输入到机器学习模型，并且响应于用户组训练数据集，由计算设备训练机器学习模型。

在一些实施方式中，第一用户和第二用户是相同用户。在一些实施方式中，第一用户和第二用户是不同的用户。

此方面的其他实施例包括对应的系统、装置和计算机程序，其被配置为执行编码在计算机存储设备上的方法的动作。