MACHINE LEARNING TECHNIQUES TO OPTIMIZE USER INTERFACE TEMPLATE SELECTION
Machine learning techniques to optimize user interface template selection are provided. In one technique, a first set of feature values pertaining to a first entity is identified. Multiple sets of feature values are also identified, each set of feature values pertaining to a different user interface...
Gespeichert in:
Hauptverfasser: | , , , , , , , , |
---|---|
Format: | Patent |
Sprache: | eng ; fre |
Schlagworte: | |
Online-Zugang: | Volltext bestellen |
Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
Zusammenfassung: | Machine learning techniques to optimize user interface template selection are provided. In one technique, a first set of feature values pertaining to a first entity is identified. Multiple sets of feature values are also identified, each set of feature values pertaining to a different user interface (UI) template for rendering content items on a computer screen. For each set of feature values of the multiple sets, the set of feature values and the first set of feature values are inserted into a machine-learned model to generate a score, which is added to a set of scores, which set of scores is initially empty. Based on the set of scores, a particular UI template is selected for a content item. The content item is transmitted over a computer network to be presented on a screen of a computing device of the first entity according to the particular UI template.
L'invention concerne des techniques d'apprentissage automatique pour optimiser la sélection de modèle d'interface utilisateur. Dans une technique, un premier ensemble de valeurs caractéristiques se rapportant à une première entité est identifié. De multiples ensembles de valeurs caractéristiques sont également identifiés, chaque ensemble de valeurs caractéristiques se rapportant à un modèle d'interface utilisateur (IU) différent pour rendre des éléments de contenu sur un écran d'ordinateur. Pour chaque ensemble de valeurs caractéristiques des multiples ensembles, l'ensemble de valeurs caractéristiques et le premier ensemble de valeurs caractéristiques sont insérés dans un modèle obtenu par apprentissage automatique pour générer un score, qui est ajouté à un ensemble de scores, lequel ensemble de scores est initialement vide. Sur la base de l'ensemble de scores, un modèle d'IU particulier est sélectionné pour un élément de contenu. L'élément de contenu est transmis sur un réseau informatique pour être présenté sur un écran d'un dispositif informatique de la première entité selon le modèle d'IU particulier. |
---|