一种智能调整用户界面的方法和装置与流程

1.本技术涉及计算机前端技术领域，具体涉及一种智能调整用户界面的方法和装置。


背景技术：

2.随着技术信息化的快速发展，用户软件系统原来越多，系统功能原来越丰富，尤其是业务系统，可能包含几十上百个功能。不断新增的需求虽然丰富了系统功能，但也让用户系统更加复杂，给用户造成了很高的学习成本，阻碍了用户对系统的顺畅使用。


技术实现要素：

3.为解决上述问题，本技术提供一种智能调整用户界面的方法，包括：
4.获取用户界面各个功能的行为数据；
5.对所述行为数据进行处理，获取用户行为数据变量；
6.将所述数据变量，输入预先构建的二维正态概率密度模型，所述模型输出用户界面各个功能的二维分布概率密度结果；
7.根据所述二维分布概率密度结果和预先设置的用户指标等级，智能调整所述用户界面各个功能的属性。
8.优选的，获取用户界面各个功能的行为数据，包括：
9.获取用户界面各个功能的点击次数、使用时长、查询行为数据、浏览行为数据。
10.优选的，对所述行为数据进行分析，获取用户行为数据变量，包括：
11.对所述行为数据进行筛选和汇总，获取用户界面各个功能的点击次数x和平均使用时长y；
12.通过所述点击次数x和平均使用时长y，构成用户行为数据变量(x,y)。
13.优选的，二维正态概率密度模型，具体为，
[0014][0015]
其中，x和y为用户行为数据变量，μ1，μ2，σ1，σ2，ρ均为常数，且σ1＞0，σ2＞0，∣ρ∣＜1，则(x,y)服从参数为μ1，μ2，σ1，σ2，ρ的二维正态分布，记为(x,y)～n(μ1，μ2，σ
12
，σ
22
，ρ)；
[0016]
若(x,y)～n(μ1，μ2，σ
12
，σ
22
，ρ)，则x～n(μ1，σ
12
)，y～n(μ2，σ
22
)，则二维正态分布的两个边缘分布仍然服从正态分布。
[0017]
优选的，将所述数据变量，输入预先构建的二维正态概率密度模型，包括：
[0018]
通过预先构建的二维正态概率密度模型，判断所述用户行为数据变量(x,y)服从二维正态分布。
[0019]
优选的，根据所述二维分布概率密度结果，智能调整所述用户界面各个功能的属性，包括：
[0020]
根据所述二维分布概率密度结果和预先设置的用户指标等级，智能调整所述用户界面各个功能的图标的尺寸、位置和色块。
[0021]
本技术同时提供一种智能调整用户界面的装置，包括：
[0022]
数据获取单元，用于获取用户界面各个功能的行为数据；
[0023]
变量获取单元，用于对所述行为数据进行处理，获取用户行为数据变量；
[0024]
结果输出单元，用于将所述数据变量和预先设置的用户指标等级，输入预先构建的二维正态概率密度模型，所述模型输出用户界面各个功能的二维分布概率密度结果；
[0025]
智能调整单元，用于根据所述二维分布概率密度结果，智能调整所述用户界面各个功能的属性。
[0026]
优选的，，变量获取单元，包括：
[0027]
筛选和汇总子单元，用于对所述行为数据进行筛选和汇总，获取用户界面各个功能的点击次数x和平均使用时长y；
[0028]
数据变量构建成子单元，用于通过所述点击次数x和平均使用时长y，构成用户行为数据变量(x,y)。
[0029]
优选的，，结果输出单元，包括：
[0030]
正态分布判断单元，用于通过预先构建的二维正态概率密度模型，判断所述用户行为数据变量(x,y)服从二维正态分布。
[0031]
优选的，，智能调整单元，包括：
[0032]
智能调整子单元，根据所述二维分布概率密度结果和预先设置的用户指标等级，智能调整所述用户界面各大个功能的图标的尺寸、位置和色块。
附图说明
[0033]
图1是本技术实施例提供的一种智能调整用户界面的方法的流程示意图；
[0034]
图2是本技术实施例涉及的二维正态分布的结果示意图；
[0035]
图3是本技术实施例提供的一种智能调整用户界面的装置示意图。
具体实施方式
[0036]
在下面的描述中阐述了很多具体细节以便于充分理解本技术。但是本技术能够以很多不同于在此描述的其它方式来实施，本领域技术人员可以在不违背本技术内涵的情况下做类似推广，因此本技术不受下面公开的具体实施的限制。
[0037]
图1提供的一种智能调整用户界面的方法的流程示意图，下面结合图1对本技术提供的方法进行详细说明。
[0038]
步骤s101，获取用户界面各个功能的行为数据。
[0039]
用户界面包括的功能繁多，用户在界面上的行为通常包括点击，浏览，查询等。对应的行为数据包括用户界面各个功能的点击次数、使用时长、查询行为数据、浏览行为数据等。通过在系统中进行数据埋点，采集用户系统中不同功能所需要的用户行为数据。
[0040]
步骤s102，对所述行为数据进行处理，获取用户行为数据变量。
[0041]
对采集的数据进行分类汇总，数据清洗，分类等，然后将处理后的数据存储到数据库中。例如，对所述行为数据进行筛选和汇总，获取用户界面各个功能的点击次数x和平均
使用时长y；通过所述点击次数x和平均使用时长y，构成用户行为数据变量(x,y)。
[0042]
功能点击次数x，即每次登录系统到退出系统之间，某个功能的点击次数统计；平均使用时长y(以小时计数)，即每次登录系统到退出系统之间，某个功能平均使用的时间长短；其中功能点击次数x和平均使用时长y存在某种相关性，可以用参数β来描述x和y之间的相关性。
[0043]
步骤s103，将所述数据变量，输入预先构建的二维正态概率密度模型，所述模型输出用户界面各个功能的二维分布概率密度结果。
[0044]
根据算法模型，将清洗后的数据进行用户行为分析，并生成用户行为分析结果。
[0045]
通过预先构建的二维正态概率密度模型，判断所述用户行为数据变量(x,y)服从二维正态分布。采用的二维正态概率密度模型为：
[0046][0047]
其中，x和y为用户行为数据变量，μ1，μ2，σ1，σ2，ρ均为常数，且σ1＞0，σ2＞0，∣ρ∣＜1，则(x,y)服从参数为μ1，μ2，σ1，σ2，ρ的二维正态分布，记为(x,y)～n(μ1，μ2，σ
12
，σ
22
，ρ)；
[0048]
若(x,y)～n(μ1，μ2，σ
12
，σ
22
，ρ)，则x～n(μ1，σ
12
)，y～n(μ2，σ
22
)，则二维正态分布的两个边缘分布仍然服从正态分布。二维正态分布的结果如图2所示。
[0049]
根据获取的用户行为数据，代入二维正态分布模型，生成每个系统功能的二维分布概率密度结果。
[0050]
步骤s104，根据所述二维分布概率密度结果和预先设置的用户指标等级，智能调整所述用户界面各个功能的属性。
[0051]
根据所述二维分布概率密度结果，智能调整所述用户界面各大个功能的图标的尺寸、位置和色块。
[0052]
用户指标等级，以尺寸为例，尺寸分为三级，最大、大、最小(其中大小的尺寸数据界定提前设置)，不同的分析结果对应不同尺寸的功能图标。(位置、色块等属性设置类似)。
[0053]
根据每个系统功能的概率密度集中离散结果进行尺寸的自动调整，例如，某个系统功能的概率密度程度越集中，则该功能的图标尺寸最大；概率密度程度越分散，则功能的图标尺寸最小。
[0054]
位置、色块等属性的智能化调整方法类似。
[0055]
基于同一发明构思，本技术一种智能调整用户界面的装置300，如图3所示，包括：
[0056]
数据获取单元310，用于获取用户界面各个功能的行为数据；
[0057]
变量获取单元320，用于对所述行为数据进行处理，获取用户行为数据变量；
[0058]
结果输出单元330，用于将所述数据变量，输入预先构建的二维正态概率密度模型，所述模型输出用户界面各个功能的二维分布概率密度结果；
[0059]
智能调整单元340，用于根据所述二维分布概率密度结果和预先设置的用户指标等级，智能调整所述用户界面各个功能的属性。
[0060]
优选的，变量获取单元，包括：
[0061]
筛选和汇总子单元，用于对所述行为数据进行筛选和汇总，获取用户界面各个功能的点击次数x和平均使用时长y；
[0062]
数据变量构建成子单元，用于通过所述点击次数x和平均使用时长y，构成用户行为数据变量(x,y)。
[0063]
优选的，结果输出单元，包括：
[0064]
正态分布判断单元，用于通过预先构建的二维正态概率密度模型，判断所述用户行为数据变量(x,y)服从二维正态分布。
[0065]
优选的，智能调整单元，包括：
[0066]
智能调整子单元，根据所述二维分布概率密度结果和预先设置的用户指标等级，智能调整所述用户界面各个功能的图标的尺寸、位置和色块。
[0067]
本技术提供的一种智能调整用户界面的方法和装置，实现系统功能和用户界面的自动调整，使之符合用户习惯，降低学习成本，提升用户体验。
[0068]
最后应该说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制，尽管参照上述实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解依然可以对本发明的具体实施方式进行修改或者等同替换，而未脱离本发明精神和范围的任何修改或者等同替，其均应涵盖在本发明的权利要求范围当中。