[发明专利]基于机器学习的千人千面门户处理方法、装置及相关设备

权利要求书

1.一种基于机器学习的千人千面门户处理方法，其特征在于，所述基于机器学习的千人千面门户处理方法包括：

当接收到登录请求时，解析所述登录请求，得到用户的账户信息，并根据所述账户信息检测用户是否为旧用户；

当检测结果为所述账户信息为旧用户时，采集所述账户信息对应的历史行为日志，并根据所述历史行为日志确定并显示初始门户界面，所述初始门户界面包含实化显示卡片内容与虚化显示卡片内容；

获取用户在预设时间间隔内对于所述实化显示卡片内容的浏览行为，并检测所述浏览行为是否有效；

当检测结果为所述浏览行为有效时，调用预先训练的内容推荐模型根据所述浏览行为调整所述初始门户界面中的所述卡片内容信息，得到第一门户界面；

监测用户对于所述虚化显示卡片内容是否存在触控行为；

当监测结果为用户对于所述虚化显示卡片内容存在触控行为时，根据所述触控行为调整所述内容推荐模型，得到更新后的内容推荐模型；

调用更新后的内容推荐模型根据所述浏览行为调整所述第一门户界面，得到第二门户界面。

2.根据权利要求1所述的基于机器学习的千人千面门户处理方法，其特征在于，所述解析所述登录请求，得到用户的账户信息包括：

检测所述登录请求中是否包含预设关键词；

当检测结果为所述登录请求中包含预设关键词时，确定所述预设关键词的目标位置；

获取所述目标位置处的信息作为用户的账户信息。

3.根据权利要求1所述的基于机器学习的千人千面门户处理方法，其特征在于，在所述根据所述账户信息检测用户是否为旧用户之后，所述方法还包括：

当检测结果为所述账户信息为新用户时，特征提取处理新用户的所述账户信息，得到新用户特征；

利用余弦相似度计算所述新用户特征与预存储的每一旧用户特征的相似度；

选取与所述新用户特征的相似度最高的旧用户为目标用户；

将所述目标用户对应的初始门户界面推荐给新用户。

4.根据权利要求1所述的基于机器学习的千人千面门户处理方法，其特征在于，所述根据所述历史行为日志确定并显示初始门户界面包括：

解析所述历史行为日志，得到行为特征，所述行为特征包括浏览行为特征与触控行为特征；

解析预设门户界面，得到卡片特征，所述卡片特征包括卡片布局特征与卡片内容特征，所述卡片布局特征包括卡片位置特征与卡片尺寸特征，所述卡片内容特征包括实化显示卡片内容特征与虚化显示卡片内容特征；

根据所述行为特征对所述卡片特征进行细粒度分类，构建细粒度的所述行为特征与所述卡片特征的关系矩阵；

获取并解析目标历史行为日志，得到目标行为特征，根据所述目标行为特征基于所述关系矩阵进行协同过滤得到目标卡片特征；

根据所述目标卡片特征确定并显示初始门户界面。

5.根据权利要求1所述的基于机器学习的千人千面门户处理方法，其特征在于，所述检测所述浏览行为是否有效包括：

调用预先设置的监控节点监测所述实化显示卡片内容在所述初始门户界面中的停留时长；

当监测到所述实化显示卡片内容在所述初始门户界面中的停留时长超过预设时长时，调用摄像头设备采集用户的瞳孔信息，并根据所述瞳孔信息判断用户是否处于浏览状态；

当判断结果为用户处于浏览状态时，确定所述浏览行为有效。

6.根据权利要求1所述的基于机器学习的千人千面门户处理方法，其特征在于，所述调用预先训练的内容推荐模型根据所述浏览行为调整所述初始门户界面中的所述卡片内容信息，得到第一门户界面包括：

调用预先训练的内容推荐模型处理所述浏览行为，得到待推荐卡片内容；

将所述浏览行为与所述待推荐卡片内容输入至预先训练的点击率预估模型，得到用户点击待推荐内容的点击率估计值，所述点击率估计值是基于用户的行为特征信息与待推荐内容的特征信息的相似度以及用户对每个行为特征信息的选择倾向值计算得到的；

根据点击率估计值，确定给用户推荐待推荐内容的推荐策略；

根据所述推荐策略调整所述初始门户界面中的所述卡片内容信息，得到第一门户界面。