应用程序的灰度发布方法、装置、电子设备及可读介质与流程

1.本发明实施例涉及互联网技术领域，特别是涉及一种应用程序的灰度发布方法、一种应用程序的灰度发布装置、一种电子设备以及一种计算机可读介质。


背景技术：

2.随着互联网技术的发展，用户通过在终端设备中安装的应用程序(application，app)实现网络购物、网络找房、网络找工作等线上业务，不仅大大提高了人们生活的便利性，也丰富了生活的多样性。为了争夺用户，应用程序的产品功能快速迭代，发版周期往往很短，因此为了快速发布同时又能保障产品质量，通常对新版本功能的应用程序进行灰度发布。
3.具体地，灰度发布是指在黑与白之间，能够平滑过渡的一种应用程序的发布方式，也可以称之a/b测试。举例说明，假设当前用户使用的是旧版本功能的应用程序a，开发人员新开发了一个新版本功能的应用程序b，一部分用户继续使用应用程序a，一部分用户开始体验应用程序b，如果用户对应用程序b适应良好，那么就可以逐步扩大范围，将所有用户都迁移到应用程序b上，通过灰度发布可以保证整体系统的稳定，在灰度发布过程中及时发现并调整问题，降低因应用程序新版本功能所影响的用户范围。
4.然而，目前的灰度发布大部分都是终端设备与服务器交互实现，对于一个百万用户级别的应用程序而言，每天产生的数据访问量是非常大的，服务器每天会接收到千万次的网络请求，拉取新的数据，而这样大量的并发请求会给服务器造成很大的压力。


技术实现要素：

5.本发明实施例是提供一种应用程序的灰度发布方法、装置、电子设备以及计算机可读存储介质，以解决需要与服务器交互实现应用程序的灰度发布，导致服务器压力过大的问题。
6.本发明实施例公开了一种应用程序的灰度发布方法，应用于部署有用户行为模型的终端设备中，所述方法包括：
7.采集用户使用应用程序中业务线时实时产生的用户行为数据；
8.采用所述用户行为数据迭代更新所述用户行为模型；
9.根据更新后的所述用户行为模型计算所述用户的偏好业务线；
10.在所述应用程序中包括灰度发布内容、且所述灰度发布内容中的业务线与所述偏好业务线匹配时，在所述应用程序中呈现所述灰度发布内容。
11.可选地，所述在所述应用程序中包括灰度发布内容、且所述灰度发布内容中的业务线与所述偏好业务线匹配时，在所述应用程序中呈现所述灰度发布内容，包括：在所述应用程序中包括灰度发布内容、且所述灰度发布内容中的业务线与所述偏好业务线匹配时，在所述终端设备提供灰度发布提示信息；若接收到针对所述灰度发布提示信息的确定指令，则在所述应用程序中呈现所述灰度发布内容。
12.可选地，在所述采集用户使用应用程序中业务线时产生的多维度的用户行为数据之后，所述方法还包括：对所述用户行为数据进行清洗；其中，所述清洗包括清除不完全包含指定维度的行为数据的用户行为数据。
13.可选地，所述指定维度的行为数据包括：业务线中指定对象的点击频率、业务线的使用时长、业务线中指定对象的关注个数、业务线中指定对象的浏览频率、业务线中指定对象的聊天数据。
14.可选地，所述采用所述用户行为数据迭代更新所述用户行为模型，包括：按照预设时间间隔，采用所述用户行为数据更新所述用户行为模型。
15.可选地，所述方法还包括：在所述应用程序中包括灰度发布内容、但所述灰度发布内容中的业务线与所述偏好业务线不匹配时，在所述应用程序中隐藏所述灰度发布内容。
16.可选地，在所述采用所述用户行为数据更新所述用户行为模型之前，所述方法还包括：获取样本数据；采用所述样本数据对初始机器学习模型进行训练，得到训练后的用户行为模型。
17.本发明实施例还公开了一种应用程序的灰度发布装置，应用于部署有用户行为模型的终端设备中，所述装置包括：采集模块，用于采集用户使用应用程序中业务线时实时产生的用户行为数据；更新模块，用于采用所述用户行为数据迭代更新所述用户行为模型；计算模块，用于根据更新后的所述用户行为模型计算所述用户的偏好业务线；呈现模块，用于在所述应用程序中包括灰度发布内容、且所述灰度发布内容中的业务线与所述偏好业务线匹配时，在所述应用程序中呈现所述灰度发布内容。
18.可选地，所述呈现模块，用于在所述应用程序中包括灰度发布内容、且所述灰度发布内容中的业务线与所述偏好业务线匹配时，在所述终端设备提供灰度发布提示信息；若接收到针对所述灰度发布提示信息的确定指令，则在所述应用程序中呈现所述灰度发布内容。
19.可选地，所述装置还包括：清洗模块，用于对所述用户行为数据进行清洗；其中，所述清洗包括清除不完全包含指定维度的行为数据的用户行为数据。
20.可选地，所述指定维度的行为数据包括：业务线中指定对象的点击频率、业务线的使用时长、业务线中指定对象的关注个数、业务线中指定对象的浏览频率、业务线中指定对象的聊天数据。
21.可选地，所述更新模块，用于按照预设时间间隔，采用所述用户行为数据更新所述用户行为模型。
22.可选地，所述装置还包括：隐藏模块，用于在所述应用程序中包括灰度发布内容、但所述灰度发布内容中的业务线与所述偏好业务线不匹配时，在所述应用程序中隐藏所述灰度发布内容。
23.可选地，所述装置还包括：训练模块，用于获取样本数据；采用所述样本数据对初始机器学习模型进行训练，得到训练后的用户行为模型。
24.本发明实施例还公开了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，所述处理器、所述通信接口以及所述存储器通过所述通信总线完成相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行存储器上所存放的程序时，实现如本发明实施例所述的方法。
25.本发明实施例还公开了一个或多个计算机可读介质，其上存储有指令，当由一个或多个处理器执行时，使得所述处理器执行如本发明实施例所述的方法。
26.本发明实施例还公开了一种计算机程序产品，该程序产品被存储在存储介质中，该计算机程序产品被至少一个处理器执行以实现如本发明实施例所述的方法。
27.本发明实施例包括以下优点：
28.在本发明实施例中，对于部署有用户行为模型的终端设备，实时采集用户使用应用程序中业务线时产生的用户行为数据，以迭代更新用户行为模型，进而可以根据更新后的用户行为模型计算用户的偏好业务线，在应用程序中包括灰度发布内容、且灰度发布内容中的业务线与偏好业务线匹配时，在应用程序中呈现灰度发布内容，以供用户体验。本发明实施例基于用户行为模型确定是否在应用程序中呈现灰度发布内容，而用户行为模型的更新和使用都是在终端设备中实现，因此无需与服务器交互，充分利用了终端设备自身的计算能力，同时由于从产生数据到消费数据都在终端设备中完成，避免了与服务器交互导致的隐私泄漏风险。
附图说明
29.图1是是一种应用程序的灰度发布的流程示意图；
30.图2是本发明实施例中提供的一种应用程序的灰度发布方法的步骤流程图；
31.图3是本发明实施例中提供的一种应用程序的灰度发布示意图；
32.图4是本发明实施例中提供的一种应用程序的灰度发布装置的结构框图。
具体实施方式
33.为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
34.目前应用程序的灰度发布的方式包括：1、web页面灰度：按照ip地址或者id(identity，用户身份标识)切流(划分体验新版本功能的用户以及继续使用旧版本功能的用户)，具有随机性，可以控制体验新版本功能的用户比例。2、服务端灰度：开发人员可以自主开发版本升级控制逻辑，按照设置的需求逐渐切流。3、客户端灰度：按照用户逐渐推送新版本功能的应用程序。
35.示例性地，参照图1，是一种应用程序的灰度发布的流程示意图，具体流程包括：定义目标，包括降低因应用程序新版本功能所影响的用户范围；选定策略，包括用户规模、发布频率、功能覆盖度、回滚策略、运营策略、新旧系统部署策略等；筛选用户，包括用户特征、用户数量、用户常用功能、用户范围等；部署系统，部署新系统、部署用户行为分析系统(web analytics)、设定分流规则、运营数据分析、分流规则微调；发布总结，用户行为分析报告、用户问卷调查、社会化媒体意见收集、形成产品功能改进列表；产品完善，包括根据发布总结的内容改进应用程序；新一轮灰度发布或完整发布。
36.然而，上述应用程序的灰度发布的方式存在的问题有：1、目前的灰度发布的方式大部分都是客户端与服务器交互实现，对于一个百万用户级别的应用程序而言，每天产生的数据访问量是非常大的，服务器每天会接收到千万次的网络请求，拉取新的数据，而这样大量的并发请求会给服务器造成很大的压力。2、网络请求依赖网络状态，因为网络的原因
无法保证每次数据都下发成功导致终端设备不能及时获取数据，进而影响应用程序的新版本功能发布延迟或影响用户第一时间体验到新的功能。3、产生的数据都传输至服务器完成处理，传输过程中可能会有数据丢失或隐私泄漏等风险。
37.针对上述问题，本发明实施例提出了一种应用程序的灰度发布方法，具体地，通过终端设备自身的计算能力，对用户使用应用程序的行为习惯进行抽象处理，进而动态更新机器学习模型，产生针对用户的个性化的用户行为模型，基于用户行为模型进行应用程序的灰度发布，为用户提供个性化的新版本功能的应用程序的体验方案。以下对应用程序的灰度发布方法进行详细介绍。
38.参照图2，示出了本发明实施例中提供的一种应用程序的灰度发布方法的步骤流程图，应用于部署有用户行为模型的终端设备中，具体可以包括如下步骤：
39.步骤202、采集用户使用应用程序中业务线时实时产生的用户行为数据。
40.其中，本发明实施例的终端设备是指能够实现端智能的终端设备，例如，智能手机、平板电脑、游戏机、可穿戴设备、iot(internet of things，物联网)设备、机器人等等。具体地，端智能(on-device machine learning)，是指将机器学习放在终端设备中实现，不需要通过服务器实现，而终端设备中所实现的机器学习，可以包括但不限于机器学习模型的推理、模型的训练、模型的更新等，充分利用了终端设备本身的计算能力。
41.在终端设备中可以预先部署用户行为模型，该用户行为模型为初始机器学习模型，根据大量的样本数据进行模型的训练后得到的一个基础模型，此时还无法精准预测用户的行为习惯，因此在本发明实施例中，终端设备会实时采集用户使用应用程序的过程中的业务线时产生的用户行为数据，从而可以根据采集的用户行为数据，在终端设备中对用户行为模型作进一步更新。
42.在具体实际中，终端设备上运行应用程序种类多样，例如可以包括社交类应用程序、生活类应用程序、音频应用程序以及游戏应用程序等等。其中，生活类应用程序可以根据类型不同进一步进行划分，例如租售房应用程序、家政服务应用程序、休闲娱乐应用程序等。本发明实施例中以在本地的终端设备上运行生活类应用程序为例进行示例性说明，可以理解的是，本发明实施例并不局限于此。
43.示例性地，在生活类应用程序中，实时采集用户使用应用程序时产生的数据，然后利用算法对这些数据进行抽象处理，得到能够反映用户习惯的用户行为数据，例如，通过算法将数据抽象处理为用户针对不同业务线产生的业务线占比。作为一个具体示例，抽象处理后的用户行为数据中可以包括业务线中指定对象的点击频率、业务线的使用时长、业务线中指定对象的关注个数、业务线中指定对象的浏览频率、业务线中指定对象的聊天数据等等。其中，业务线可以包括财经、房产、招聘、二手车等，用户可以通过访问应用程序首页中的业务线，以获得财经信息、房产信息、招聘信息、二手车信息等信息。指定对象可以包括帖子、服务号(例如公众号)、聊天对象(例如招聘人员、房产经纪人或者客服人员)等等。
44.举例说明，业务线中指定对象的点击频率：是指某一段时间内点击访问业务对象中指定对象的频率。假设一天中点击访问业务线的数据有10条，其中，8条是用户点击访问房产的帖子，2条是用户点击访问招聘的帖子，则房产的帖子点击频率为80％，招聘的帖子点击频率20％。业务线的使用时长：用户在某一业务线内停留的时长，例如用户在招聘中停留浏览帖子、与聊天对象聊天等的时长为30分钟。业务线中指定对象的关注个数：每个业务
线都有多个指定对象，例如都有多个服务号，用户关注的服务号属于哪些业务线，例如用户关注招聘的服务号6个，关注财经的服务号2个，关注房产的服务号1个。业务线中指定对象的浏览频率：关注业务线的服务号后，某一段时间内点击浏览业务线的服务号的文章的频率，假设一天中点击浏览业务线的服务号的文章的数据有10条，其中，5条是用户点击浏览房产的服务号的文章，5条是用户点击浏览招聘的服务号的文章，则房产的文章的浏览频率为50％，招聘的文章的浏览频率50％。业务线中指定对象的聊天数据：用户与业务线中的聊天对象(例如招聘人员、房产经纪人或者客服人员等)产生的聊天数据，例如业务线中的聊天对象的数量、聊天记录的数量占比等，假设一天中点击业务线与聊天对象的聊天数据有100条，其中，30条是用户与招聘的招聘人员的聊天数据，70条是用户与房产的房产经纪人的聊天数据，则房产的聊天数据占比为30％，招聘的聊天数据占比70％。
45.需要说明的是，本发明实施例所涉及的用户行为数据等其他隐私数据，均为经用户授权或者经过各方授权的数据。此外，上述的用户行为数据仅仅是作为示例，在具体实施时可以根据实际需求调整，本发明实施例对此无需进行限定。
46.步骤204、采用所述用户行为数据迭代更新所述用户行为模型。
47.在本发明实施例中，将还无法精准预测用户的行为习惯的用户行为模型部署到应用程序中后，在终端设备中可以采集用户使用应用程序中业务线时实时产生的用户行为数据，对用户行为模型进行更新，进一步提高用户行为模型对用户的个性化的行为习惯预测的准确度。
48.需要注意的是，本发明实施例中，对于终端设备中的用户行为模型的更新是一个持续更新迭代的过程，例如可以按照时或者天为单位进行更新，从而可以保证基于用户行为习惯预测的用户习惯是实时有效且准确的。
49.步骤206、根据更新后的所述用户行为模型计算所述用户的偏好业务线。
50.其中，偏好业务线也可以称为用户习惯，是指用户在应用程序中比较常用或者喜爱的业务线。
51.在本发明实施例中，在终端设备中基于采集的实时用户行为数据对用户行为模型进行更新后，就可以利用更新后的用户行为模型计算用户的偏好业务线。
52.举例说明，假设获取到终端设备的用户a一天内使用生活类应用程序查看财经信息、房产信息、招聘信息、二手车信息等实时产生的用户行为数据，其中，如果用户a主要是利用生活类应用程序来查找房子，每天会浏览房产中的信息，可以说明用户a比较偏爱房产业务，如果用户a每天会浏览招聘中的信息或者经常与招聘中的招聘人员b聊天，则可以说明用户a比较偏爱招聘业务，采用上述用户a使用生活类应用程序时产生的用户行为数据更新后的用户行为模型，就可以基于更新后的用户行为模型计算用户的偏好业务线，例如用户a偏好招聘，或者偏好房产。
53.步骤208、在所述应用程序中包括灰度发布内容、且所述灰度发布内容中的业务线与所述偏好业务线匹配时，在所述应用程序中呈现所述灰度发布内容。
54.其中，灰度发布内容是可以选择性在应用程序中呈现的内容，例如开发人员新开发的新版本功能。具体地，灰度发布内容可以事先下发至所有的终端设备中，然后可以根据用户的偏好业务线，确定是否在应用程序中呈现业务线的灰度发布内容。例如，在开发人员开发了应用程序关于招聘的新版本功能并确定灰度发布后，可以将关于招聘的新版本功能
的内容作为灰度发布内容，然后通过应用商店或者其他形式跟随应用程序下载至终端设备中。
55.在本发明实施例中，基于更新后的用户行为模型可以确定用户的偏好业务线，其中，若灰度发布内容中的新版本功能对应的业务线与用户的偏好业务线匹配，则可以在应用程序中呈现出新版本功能。举例说明，若基于更新后的用户行为模型确定用户a的偏好业务线为房产，则可以将灰度发布内容中关于房产的新版本功能呈现在应用程序中。当然，若基于更新后的用户行为模型确定用户a的偏好业务线为房产，但是灰度发布内容中并不包含关于房产的新版本功能，则可以将应用程序继续维持在当前版本，避免了对用户造成不必要的影响。
56.本发明实施例基于终端设备的端智能得到的用户行为模型，来预测用户的偏好业务线，然后根据偏好业务线可以对应用程序即将下发的新版本功能在终端设备进行灰度发布，由于无需传输至服务器侧处理，节省了网络传输时间，充分利用终端设备侧的计算能力和存贮空间，提高了应用程序的灰度发布的效率。另外，本发明实施例灰度发布的实现都放在终端设备上进行处理，既充分发挥了端上的能力，又减轻了服务器的压力，降低服务器系统的复杂性。
57.在上述应用程序的灰度发布方法中，对于部署有用户行为模型的终端设备，实时采集用户使用应用程序中业务线时产生的用户行为数据，以迭代更新用户行为模型，进而可以根据更新后的用户行为模型计算用户的偏好业务线，在应用程序中包括灰度发布内容、且灰度发布内容中的业务线与偏好业务线匹配时，在应用程序中呈现灰度发布内容，以供用户体验。本发明实施例基于用户行为模型确定是否在应用程序中呈现灰度发布内容，而用户行为模型的更新和使用都是在终端设备中实现，因此无需与服务器交互，充分利用了终端设备自身的计算能力，同时由于从产生数据到消费数据都在终端设备中完成，避免了与服务器交互导致的隐私泄漏风险。
58.在上述实施例的基础上，提出了上述实施例的变型实施例，在此需要说明的是，为了使描述简要，在变型实施例中仅描述与上述实施例的不同之处。
59.在一示例性实施例中，所述步骤208、在所述应用程序中包括灰度发布内容、且所述灰度发布内容中的业务线与所述偏好业务线匹配时，在所述应用程序中呈现所述灰度发布内容，可以包括如下步骤：
60.在所述应用程序中包括灰度发布内容、且所述灰度发布内容中的业务线与所述偏好业务线匹配时，在所述终端设备提供灰度发布提示信息；
61.若接收到针对所述灰度发布提示信息的确定指令，则在所述应用程序中呈现所述灰度发布内容。
62.在本发明实施例中，灰度发布内容的发布可以是强制性选择发布或者是用户自主选择发布，本发明实施例对此不做限定。具体地，假设是强制性选择发布，若灰度发布内容中的新版本功能对应的业务线与用户的偏好业务线匹配，则可以直接在应用程序中呈现出新版本功能，假设是用户自主选择发布，若灰度发布内容中的新版本功能对应的业务线与用户的偏好业务线匹配，则需要在用户同意可以发布后，才可以在应用程序中呈现出新版本功能，否则应用程序继续维持在当前版本。
63.作为本发明的一个具体示例，若是用户自主选择发布，在灰度发布内容中的新版
本功能对应的业务线与用户的偏好业务线匹配时，可以在应用程序中显示灰度发布提示信息，以提示用户是否需要在应用程序中呈现新版本功能，其中，灰度发布提示信息可以是文字、按钮或者两者的结合。示例性地，假设灰度发布内容中新版本功能对应的业务线为房产，基于更新后的用户行为模型确定用户的偏好业务线为房产，说明灰度发布内容中的业务线与用户的偏好业务线匹配，则可以在应用程序的页面中提供灰度发布提示信息【是否体关于房产的验新版本功能】，同时还可以提供按钮【确定】和按钮【取消】，若用户对按钮【确定】进行点击操作，则终端设备会接收到确定指令，那么将在应用程序中呈现房产的新版本功能，若用户对按钮【取消】进行点击操作，则终端设备会接收到取消指令，那么则无需在应用程序中呈现房产的新版本功能。
64.在上述示例性实施例中，灰度发布内容的发布可以是强制性选择发布或者是用户自主选择发布，其中，若灰度发布内容的发布是用户自主选择发布，则在应用程序中包括灰度发布内容、且灰度发布内容中的业务线与基于用户行为模型预测的偏好业务线匹配时，则可以在终端设备为用户提供灰度发布提示信息，然后如果接收到确定指令，则在应用程序中呈现灰度发布内容，即在用户同意发布灰度发布内容后再进行发布，可以避免不完善的灰度发布内容对用户造成不必要的影响，保证了用户的使用体验。
65.在一示例性实施例中，在所述步骤202、采集用户使用应用程序中业务线时产生的用户行为数据之后，所述方法还可以包括如下步骤：
66.对所述用户行为数据进行清洗；其中，所述清洗包括清除不完全包含指定维度的行为数据的用户行为数据。
67.具体地，为了保证更新后的用户行为模型的预测准确度，可以在采用用户行为数据对用户行为模型进行更新之前，对用户行为数据进行清洗，得到满足预设数据标准的样本数据。
68.在本发明实施例中，用户使用应用程序的过程中产生的数据比较复杂，因此抽象处理后得到的用户行为数据可能会漏掉一些内容，为了保证每条用户行为数据的完整性，即保证每条用户行为数据都完全包含指定维度的行为数据，因此每条用户行为数据都需要包含业务线中指定对象的点击频率、业务线的使用时长、业务线中指定对象的关注个数、业务线中指定对象的浏览频率、业务线中指定对象的聊天数据这几个维度的行为数据，如果缺少上述任意一种维度的行为数据，那么该条用户行为数据即视为错误数据，并被清除掉。
69.在上述示例性实施例中，对采集的用户行为数据进行清洗，具体地，对于任意一条用户行为数据，若缺少任意一条指定维度的行为数据，则该用户行为数据将被清除掉，不会被用于用户行为模型的更新，从而保证了用户行为模型预测的准确度。
70.在一示例性实施例中，所述步骤204、采用所述用户行为数据迭代更新所述用户行为模型，可以包括如下步骤：
71.按照预设时间间隔，采用所述用户行为数据更新所述用户行为模型。
72.其中，预设时间间隔可以是以时或者天为单位，例如每隔3小时或者每隔一天。在本发明实施例中，按照一定的节点将用户行为数据同步更新到用户行为模型中。示例性地，得到经过清洗处理后的用户行为数据后，可以按照预设时间间隔，例如每隔3小时或者每隔一天，就对用户行为模型进行更新，实现了模型的持续更新迭代。
73.在上述示例性实施例中，按照按照在一定的节点将用户行为数据同步更新用户行
为模型，使得基于用户行为模型能够实时准确地进行预测。
74.在一示例性实施例中，所述方法还可以包括如下步骤：
75.在所述应用程序中包括灰度发布内容、但所述灰度发布内容中的业务线与所述偏好业务线不匹配时，在所述应用程序中隐藏所述灰度发布内容。
76.在本发明实施例中，若应用程序中包括灰度发布内容，但是灰度发布内容中的新版本功能对应的业务线与用户的偏好业务线不匹配，例如，假设灰度发布内容中新版本功能对应的业务线为房产，基于更新后的用户行为模型确定用户的偏好业务线为招聘，则说明灰度发布内容中的业务线与用户的偏好业务线不匹配，则可以在应用程序中隐藏新版本功能，若后续基于迭代更新的用户行为模型为房产，再在应用程序中呈现出新版本功能。
77.在上述示例性实施例中，在应用程序中包括灰度发布内容，但是灰度发布内容中对应的业务线与用户行为模型预测的偏好业务线不匹配时，可以在应用程序中隐藏灰度发布内容，避免呈现用户不常用或者不喜爱的新版本功能，反而对用户造成不必要的困扰。
78.在一示例性实施例中，在所述步骤204、采用所述用户行为数据更新所述用户行为模型之前，所述方法还可以包括如下步骤：
79.获取样本数据；
80.采用所述样本数据对初始机器学习模型进行训练，得到训练后的用户行为模型。
81.在本发明实施例中，采用大量历史采集的用户使用应用程序时产生的用户行为数据作为样本数据，对初始机器学习模型进行训练，从而得到训练完成的基础模型，即用户行为模型，然后，可以将用户行为模型集成到应用程序中，在终端设备下载了该应用程序后，可以实时采集用户使用应用程序时产生的用户行为数据，以更新用户行为模型来提高模型预测的实时性和准确度，从而能够更好地完成应用程序的灰度发布。可选地，用户行为模型可以在服务器训练后再发布到各个终端设备中，也可以是终端设备利用自身的计算能力训练得到，本发明实施例对此无需加以限制。
82.在上述示例性实施例中，获取样本数据对初始机器学习模型进行训练，得到训练后的用户行为模型后再统一发布至终端设备中，通过为终端设备提供训练后的用户行为模型，使得终端设备可以在此模型基础上进行更新，减少了初始的模型训练的过程，降低了终端设备的性能压力。
83.为了使本领域技术人员能够更好地理解本发明实施例，以下采用一个完整的示例进行说明。参照图3，是本发明实施例提供的一种应用程序的灰度发布的示意图，具体可以包括如下阶段：
84.1、开发新版本功能：开发人员可以根据实际需求开发新版本功能，并且将新版本功能作为应用程序的灰度发布内容，再将应用程序上架到应用商店中。
85.2、用户行为模型处理：包括基础模型生成阶段和模型更新阶段，其中，基础模型生成阶段：根据数据标准，准备样本数据，基于算法对样本数据处理后(例如计算占比)，利用对初始机器学习模型训练，训练得到一个基础模型，即用户行为模型，此时用户行为模型还无法达到精准预测，需要进一步更新。模型更新阶段：将用户行为模型集成到终端设备的应用程序中，在用户使用过程中产生大量用户习惯相关的用户行为数据，对这些用户行为数据根据规则进行数据清洗、过滤，得到符合标准的数据集合，用于对用户行为模型进行更新，进一步提高模型对用户的个性化预测的精准度，需要注意的是，在终端设备对用户行为
模型的更新是一个持续更新迭代的过程。
86.3、用户体验：更新后的用户行为模型，达到了一定的个性化精准度，更新后的用户行为模型可以输出预测结果，例如用户的偏好业务线，并根据预测结果确定符合条件用户，然后就可以在符合条件用户的终端设备的应用程序中呈现的灰度发布内容，使得用户可以体验新版本功能。
87.在本发明实施例中，提出了一种基于用户行为与端智能的应用程序的灰度发布方法，使得应用程序中增加了能够通过终端设备实现灰度发布的能力，具体地，在终端设备中部署用户行为模型，通过终端设备自身的计算能力，对用户使用应用程序时产生的数据进行抽象处理，进而基于抽象处理后的用户行为数据动态更新用户行为模型，如此既充分发挥了终端设备本身的计算能力，又减轻了服务器的压力，基于更新后的用户行为模型进行应用程序的灰度发布，提高了应用程序的使用体验。
88.需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。
89.参照图4，示出了本发明实施例中提供的一种应用程序的灰度发布装置的结构框图，用于部署有用户行为模型的终端设备中，具体可以包括如下模块：
90.采集模块402，用于采集用户使用应用程序中业务线时实时产生的用户行为数据；
91.更新模块404，用于采用所述用户行为数据迭代更新所述用户行为模型；
92.计算模块406，用于根据更新后的所述用户行为模型计算所述用户的偏好业务线；
93.呈现模块408，用于在所述应用程序中包括灰度发布内容、且所述灰度发布内容中的业务线与所述偏好业务线匹配时，在所述应用程序中呈现所述灰度发布内容。
94.在一示例性实施例中，所述呈现模块408，用于在所述应用程序中包括灰度发布内容、且所述灰度发布内容中的业务线与所述偏好业务线匹配时，在所述终端设备提供灰度发布提示信息；若接收到针对所述灰度发布提示信息的确定指令，则在所述应用程序中呈现所述灰度发布内容。
95.在一示例性实施例中，所述装置还包括：清洗模块，用于对所述用户行为数据进行清洗；其中，所述清洗包括清除不完全包含指定维度的行为数据的用户行为数据。
96.在一示例性实施例中，所述指定维度的行为数据包括：业务线中指定对象的点击频率、业务线的使用时长、业务线中指定对象的关注个数、业务线中指定对象的浏览频率、业务线中指定对象的聊天数据。
97.在一示例性实施例中，所述更新模块404，用于按照预设时间间隔，采用所述用户行为数据更新所述用户行为模型。
98.在一示例性实施例中，所述装置还包括：隐藏模块，用于在所述应用程序中包括灰度发布内容、但所述灰度发布内容中的业务线与所述偏好业务线不匹配时，在所述应用程序中隐藏所述灰度发布内容。
99.在一示例性实施例中，所述装置还包括：训练模块，用于获取样本数据；采用所述样本数据对初始机器学习模型进行训练，得到训练后的用户行为模型。
100.综上，在本发明实施例中，对于部署有用户行为模型的终端设备，实时采集用户使用应用程序中业务线时产生的用户行为数据，以迭代更新用户行为模型，进而可以根据更新后的用户行为模型计算用户的偏好业务线，在应用程序中包括灰度发布内容、且灰度发布内容中的业务线与偏好业务线匹配时，在应用程序中呈现灰度发布内容，以供用户体验。本发明实施例基于用户行为模型确定是否在应用程序中呈现灰度发布内容，而用户行为模型的更新和使用都是在终端设备中实现，因此无需与服务器交互，充分利用了终端设备自身的计算能力，同时由于从产生数据到消费数据都在终端设备中完成，避免了与服务器交互导致的隐私泄漏风险。
101.对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
102.优选的，本发明实施例还提供了一种电子设备，包括：处理器，存储器，存储在存储器上并可在处理器上运行的计算机程序，该计算机程序被处理器执行时实现上述应用程序的灰度发布方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
103.本发明实施例还提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述应用程序的灰度发布方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。其中，所述的计算机可读存储介质，如只读存储器(read-only memory，简称rom)、随机存取存储器(random access memory，简称ram)、磁碟或者光盘等。
104.本发明实施例提供一种计算机程序产品，该程序产品被存储在存储介质中，该程序产品被至少一个处理器执行以实现如上述应用程序的灰度发布方法实施例的各个过程，且能达到相同的技术效果，为避免重复，这里不再赘述。
105.需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
106.通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如rom/ram、磁碟、光盘)中，包括若干指令用以使得一台终端(可以是手机，计算机，服务器，空调器，或者网络设备等)执行本发明各个实施例所述的方法。
107.上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。
108.本领域普通技术人员可以意识到，结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些
功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
109.所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
110.在本技术所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
111.所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
112.另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
113.所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、移动硬盘、rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
114.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。