灰度发布新产品的方法和装置与流程

本说明书实施例涉及互联网技术领域，更具体地，涉及。一种在系统中灰度发布新产品的方法和装置。

背景技术

在互联网产品日新月异的今天，每天都会有很多新的产品或产品新版本发布。在新产品上线时，经常会采取灰度的方式来发布产品。即，让一部分用户使用新产品，如果这部分用户对新产品的使用没有问题，则逐步扩大使用新产品的用户范围。或者，对于发布产品新版本的情况，让一部分用户使用产品老版本，让一部分用户使用产品新版本，如果对新版本的使用没有问题，则逐步让全部用户都使用新版本。

通过灰度发布新产品，可以保证系统的稳定、用户的体验，并且可在问题扩大前发现问题、解决问题。目前，在灰度发布中，通过以下方式人工配置灰度名单：选取公司内部人员、选取预定比例的用户、随机推送等。因此，需要一种更有效的在互联网中灰度发布新产品的方法。

技术实现要素：

本说明书实施例旨在提供一种更有效的灰度发布新产品的方案，以解决现有技术中的不足。

为实现上述目的，本说明书一个方面提供一种在系统中灰度发布新产品的方法，包括：获取系统中多个第一产品以及所述多个第一产品包括的多个关键词，其中所述多个第一产品中包括待发布的新产品；基于所述多个第一产品以及所述多个第一产品包括的多个关键词，获取所述新产品的各个关键词的权重；根据所述权重，获取新产品的关键词向量；计算预先获取的用户的关键词向量与所述新产品的关键词向量的相似度；以及在所述相似度大于预定阈值的情况中，确定所述用户为使用所述新产品的目标用户，将新产品发布给所述目标用户。

在一个实施例中，在所述在系统中灰度发布新产品的方法中，所述新产品是老版本产品的更新版本，以及确定所述用户为使用所述新产品的目标用户包括，当所述用户进入所述老版本产品时，使得所述用户使用所述新产品。

在一个实施例中，在所述在系统中灰度发布新产品的方法中，所述多个第一产品包括的多个关键词为所述多个第一产品包括的文本中包括的多个关键词。

在一个实施例中，在所述在系统中灰度发布新产品的方法中，获取所述新产品的各个关键词的权重包括，通过tf-idf算法获取所述新产品的各个关键词的权重。

在一个实施例中，在所述在系统中灰度发布新产品的方法中，所述预先获取的用户的关键词向量通过如下步骤获取：获取系统中多个第二产品以及所述多个第二产品包括的多个关键词，其中所述第二产品相对于用户开放使用；获取用户关于所述多个第二产品的偏好度数据；根据所述偏好度数据，将所述多个第二产品划分为正样本集合和负样本集合；基于所述多个第二产品以及所述多个第二产品包括的多个关键词，获取每个第二产品的各个关键词的权重；根据所述每个第二产品的各个关键词的权重，获取所述每个第二产品的关键词向量；以及根据所述正样本集合、负样本集合以及所述每个第二产品的关键词向量，通过rocchio算法进行计算，获得用户的关键词向量。

在一个实施例中，在所述在系统中灰度发布新产品的方法中，所述多个第二产品是所述多个第一产品中包括的多个产品。

在一个实施例中，在所述在系统中灰度发布新产品的方法中，所述偏好度数据包括以下至少一项数据：用户对产品的使用频次、用户对产品的评分以及用户对产品的近期使用次数。

本发明另一方面提供一种在系统中灰度发布新产品的装置，包括：第一获取单元，配置为，获取系统中多个第一产品以及所述多个第一产品包括的多个关键词，其中所述多个第一产品中包括待发布的新产品；第二获取单元，配置为，基于所述多个第一产品以及所述多个第一产品包括的多个关键词，获取所述新产品的各个关键词的权重；第三获取单元，配置为，根据所述权重，获取新产品的关键词向量；计算单元，配置为，计算预先获取的用户的关键词向量与所述新产品的关键词向量的相似度；以及确定单元，在所述相似度大于预定阈值的情况中，确定所述用户为使用所述新产品的目标用户，将新产品发布给所述目标用户。

在一个实施例中，在所述在系统中灰度发布新产品的装置中，所述新产品是老版本产品的更新版本，以及，所述确定单元还配置为，在用户进入所述老版本产品时，使得所述用户使用所述新产品。

在一个实施例中，在所述在系统中灰度发布新产品的装置中，所述第二获取单元还配置为，通过tf-idf算法获取所述新产品的各个关键词的权重。

在一个实施例中，所述在系统中灰度发布新产品的装置还包括第四获取单元，配置为，预先获取用户的关键词向量，所述第四获取单元具体包括：第一获取子单元，配置为，获取系统中多个第二产品以及所述多个第二产品包括的多个关键词，其中所述第二产品相对于用户开放使用；第二获取子单元，配置为，获取用户关于所述多个第二产品的偏好度数据；划分子单元，配置为，根据所述偏好度数据，将所述多个第二产品划分为正样本集合和负样本集合；第三获取子单元，配置为，基于所述多个第二产品以及所述多个第二产品包括的多个关键词，获取每个第二产品的各个关键词的权重；第四获取子单元，配置为，根据所述每个第二产品的各个关键词的权重，获取所述每个第二产品的关键词向量；以及计算子单元，配置为，根据所述正样本集合、负样本集合以及所述每个第二产品的关键词向量，通过rocchio算法进行计算，获得用户的关键词向量。

通过根据本说明书实施例的在系统中灰度发布新产品的方案，可以在灰度发布新产品的过程中有效命中活跃用户，从而可以有效地控制灰度节奏，保证灰度效果，并且可以及时收集新产品中存在的问题并解决。

附图说明

通过结合附图描述本说明书实施例，可以使得本说明书实施例更加清楚：

图1示出了根据本说明书实施例的系统100的示意图；

图2示出了根据本说明书实施例的在系统中灰度发布新产品的方法的流程图；

图3示出了根据本说明书实施例的获取用户关键词向量的方法的流程图；以及

图4示出了一种在系统中灰度发布新产品的装置400。

具体实施方式

下面将结合附图描述本说明书实施例。

图1示出了根据本说明书实施例的系统100的示意图。如图1所示，系统100包括产品向量获取单元11、用户向量获取单元12、以及相似度计算单元13。在产品向量获取单元11中，获取第一产品集合及该多个第一产品包括的关键词集合，所述多个第一产品中包括将要灰度发布的新产品。基于所述多个第一产品及所述关键词集合，获取新产品的各个关键词的权重，并根据所述权重，获取新产品的关键词向量，从而获取新产品的关键词向量，并将该新产品的关键词向量发送给相似度计算单元13。同时，在产品向量获取单元11中，获取相对于用户开放使用的第二产品集合及其包括的关键词集合，类似地，相对于第二产品集合及其关键词集合，可获取每个第二产品的各个关键词的权重，从而获取每个第二产品的关键词向量，并将其发送给用户向量获取单元12。在用户向量获取单元12中，获取用户对各个第二产品的偏好度数据，从而可根据偏好度数据将第二产品集合划分为正样本集合和负样本集合。通过rocchio算法，基于所述正样本向量集合、负样本向量集合和每个第二产品的关键词向量，可计算出用户的关键词向量，并将其发送给相似度计算单元13。相似度计算单元13计算其接收的新产品的关键词向量与用户关键词向量之间的相似度，当该相似度大于预定阈值的情况中，可确定该用户为使用新产品的灰度目标用户。

图2示出了根据本说明书实施例的在系统中灰度发布新产品的方法的流程图。所述方法包括：在步骤s21，获取系统中多个第一产品以及所述多个第一产品包括的多个关键词，其中所述多个第一产品中包括待发布的新产品；在步骤s22，基于所述多个第一产品以及所述多个第一产品包括的多个关键词，获取所述新产品的各个关键词的权重；在步骤s23，根据所述权重，获取新产品的关键词向量；在步骤s24，计算预先获取的系统中的用户的关键词向量与所述新产品的关键词向量的相似度；以及在步骤s25，在所述相似度大于预定阈值的情况中，确定所述用户为使用所述新产品的目标用户，将新产品发布给所述目标用户。

首先，在步骤s21，获取系统中多个第一产品以及所述多个第一产品包括的多个关键词，其中所述多个第一产品中包括待发布的新产品。所述系统例如可以是互联网中的网站、终端设备中的app，例如支付宝app等。所述多个第一产品例如可以是app中包括的全部现有产品和将要灰度发布的新产品。例如，该多个第一产品包括n个产品，该n个产品的集合为：

d＝{d1，d2，…，dn}。

从每个产品可获取其各自的多个关键词。可从产品包括的文本中获取关键词。在一个实施例中，由产品开发人员确定产品文本中的可作为关键词的分词。在一个实施例中，选取产品文本中信息量较大的分词作为产品的关键词。通过获取每个产品的多个关键词，并将其集合到一起，可获取所述多个第一产品的关键词集合t。例如所述关键词集合t中包括n个关键词：

t＝{t1，t2，...，tn}。

在步骤s22，基于所述多个第一产品以及所述多个第一产品包括的多个关键词，获取所述新产品的各个关键词的权重。例如，关键词集合t中的第i个关键词在新产品j中的权重为wij。所述权重wij可以通过多种方法进行赋值。

在一个实施例中，假设新产品j中的每个关键词都同等重要，则当新产品j中包括第i个关键词时，则wij＝1，当新产品j中不包括第i个关键词时，则wij＝0。例如，新产品为足迹2.0，其包括关键词“信用、账单、行为”，例如其分别为关键词集合t中的第一、第二和第三个关键词，则对于新产品j，w1j＝1，w2j＝1，w3j＝1，并且wij＝0，其中i＝4至n。

在一个实施例中，通过以下公式(1)和(2)所示的tf-idf算法获取所述新产品的各个关键词的权重。其中：

tf-idf(i，j)＝tf(i，j)*idf(i)(1),

其中公式(1)中的tf(i，j)为关键词i在产品j中的归一化的词频，其通过公式(3)计算获得，

其中ni,j为关键词i在产品j中出现的次数。

公式(2)中的n(i)为上述n个产品中出现关键词i的产品数。通过对tf-idf(i，j)归一化，获得wij，如公式(4)所示，

通过上述tf-idf算法获取所述新产品的各个关键词的权重，通过关键词在产品内部出现的次数、关键词在其他产品出现的次数(包括该关键词的其他产品数)确定关键词的权重，即，关键词在产品内部的频次越高，权重越大，关键词在其他产品出现的次数越大，则权重越小，从而更准确地限定了产品的各个关键词的权重。

在步骤s23，根据所述权重，获取新产品的关键词向量。例如，对于新产品j，在获取上述关键词集合中n个关键词在产品j中的各自的权重之后，可获取新产品的关键词向量其中例如，对于步骤s22中的足迹2.0的新产品，可获取其关键词向量为

在步骤s24，计算预先获取的用户的关键词向量与所述新产品的关键词向量的相似度。

首先，参考图3说明对用户关键词向量的获取。图3示出了根据本说明书实施例的获取用户关键词向量的方法的流程图。

如图3所示，在步骤s31,获取系统中多个第二产品以及所述多个第二产品包括的多个关键词，其中所述第二产品相对于用户开放使用。所述多个第二产品例如可以是app中除新产品之外的全部产品。可以理解，所述多个第二产品不限于属于所述多个第一产品的产品，只要其是面对用户是开放使用的，并且可获得用户对其的偏好度数据即可。

在步骤s32，获取用户关于所述多个第二产品的偏好度数据。其中，所述偏好度数据包括以下至少一项数据：用户对产品的使用频次、用户对产品的评分以及用户对产品的近期使用次数。

在步骤s33,根据所述偏好度数据，将所述多个第二产品划分为正样本集合和负样本集合。所述正样本集合即用户喜欢的产品集合，所述负样本集合即用户不喜欢的产品集合。在一个实施例中，当用户对产品的使用频次(例如每天使用的次数、或每周使用的次数)大于预定阈值时，确定用户喜欢该产品。在一个实施例中，当用户对产品的评分大于预定分值时，确定用户喜欢该产品。在一个实施例中，当用户对产品的近期(如2天内、3天内、一周内等)使用次数大于等于预定次数时，确定用户喜欢该产品，例如，当用户在3天内对产品使用次数大于等于1次时，确定用户喜欢该产品。在一个实施例中，综合考虑各项偏好度数据，以确定用户对产品的偏好度。

在步骤s34，基于所述多个第二产品以及所述多个第二产品包括的多个关键词，获取每个第二产品的各个关键词的权重；在步骤s35,根据所述每个第二产品的各个关键词的权重，获取所述每个第二产品的关键词向量。这里，步骤s34和步骤s35与参考图2所述的步骤s22和s23基本相同，在此不再赘述。

在步骤s36，根据所述正样本集合、负样本集合以及所述每个第二产品的关键词向量，通过rocchio算法获得用户的关键词向量。其中，根据rocchio算法，通过下面的公式(5)获取用户的关键词向量

其中ir为正样本集合，inr为负样本集合，为属于正样本集合中的产品的关键词向量，为属于负样本集合中的产品的关键词向量，以及，β和γ为正负样本集合的权重，其大小由系统根据正负样本的分布情况而确定。

上述参考图3所述的获取用户关键词向量的方法可定期执行，例如每周执行一次，或者每天执行一次，以根据用户对app中产品的使用情况不断更新用户的关键词向量。该获取用户关键词向量的方法也可以在需要使用用户关键词向量时实时进行，例如，在实施根据本说明书实施例的灰度发布新产品的方法时，实时计算用户的关键词向量，从而可以提供更准确的用户向量。

再回到图2，在如上所述获取用户的关键词向量之后，可计算用户的关键词向量与上述新产品的关键词向量之间的相似度。

可通过多种方式计算两个向量之间的相似度，例如欧式距离、曼哈顿距离、明氏距离、余弦相似度等。优选，通过下面的余弦相似度公式(6)计算用户的关键词向量与上述新产品的关键词向量之间的相似度。

该相似度的取值范围为[-1,1]，当其取值越接近1，表示两个向量越接近。在所述多个第二产品集合不属于所述多个第一产品集合的情况中，即用户的关键词向量与上述新产品的关键词向量之间的特征维度可能不同，可通过对向量的缺少的特征维度进行补0来计算两个向量之间的相似度。

在步骤s25，在所述相似度大于预定阈值的情况中，确定所述用户为使用所述新产品的目标用户，将新产品发布给所述目标用户。例如，在通过上述余弦相似度的情况中，可以设定预定阈值为0.9。当相似度大于预定阈值0.9时，表示用户的关键词向量与新产品的关键词向量重合率较高，用户喜欢新产品的概率较大，即，用户使用新产品的概率较大。因此，确定该用户为使用新产品的目标用户，可以在app中对该用户显示新产品，可以通过通知的方式邀请该用户使用该新产品，等等。从而可以保证在灰度发布新产品过程中有效命中活跃用户，以便迅速收集问题并解决。

在一个实施例中，所述新产品是老版本产品的更新版本，以及，在所述相似度大于预定阈值的情况中，在用户进入所述老版本产品时，使得所述用户使用所述新产品。从而，使得新产品的高使用概率用户只有在进入老版本产品时才被自动分流到新产品，更加提升了用户命中率。在一个实例中，app中将灰度发布新产品“足迹2.0”，其为“足迹1.0”的更新版本。从“足迹2.0”文本中获取其包括的关键词为“信用、账单、行为”。根据app中包括的多个产品及其包括的关键词，可获得新产品的关键词向量(1,1,1,0,…0)^t。在用户最近进入足迹1.0的情况中，根据该偏好度数据，可确定足迹1.0是用户的喜欢的产品，足迹1.0包括关键词：信用、账单、行为。因此，根据上述公式(4)，用户的关键词向量中包括乘以权重的(1,1,1,0,…0)^t。通过公式(5)可确定，用户的关键词向量与该新产品的关键词向量相似度大于预定阈值，确定用户为新产品的目标用户。因此，在用户再次进入足迹时，使得用户使用足迹2.0。

在一个实施例中，根据本说明书实施例的在系统中灰度发布新产品的方法可定期执行，例如每天执行一次，以根据更新的用户关键词向量，判断用户是否转变为新产品的目标用户。例如，如上面实例中所述，在新产品是老版本产品的更新版本的情况中，在用户关键词向量与新产品关键词向量相似度小于预定阈值的情况中，用户未成为新产品的目标用户。因此，当用户进入老版本产品时，依然使用的是老版本产品。但是在用户近期进入老版本产品之后，系统根据该近期使用的偏好度数据，将老版本产品确定为用户喜欢的产品，并更新用户的关键词向量。从而，当系统再次执行根据本说明书实施例的在系统中灰度发布新产品的方法，并在其中使用更新的用户关键词向量时，可确定用户已经转变为新产品的目标用户。因此，当用户再次进入老版本产品时，使得该用户使用新产品。

图4示出了一种在系统中灰度发布新产品的装置400。装置400包括：第一获取单元41，配置为，获取系统中多个第一产品以及所述多个第一产品包括的多个关键词，其中所述多个第一产品中包括待发布的新产品；第二获取单元42，配置为，基于所述多个第一产品以及所述多个第一产品包括的多个关键词，获取所述新产品的各个关键词的权重；第三获取单元43，配置为，根据所述权重，获取新产品的关键词向量；计算单元44，配置为，计算预先获取的系统中的用户的关键词向量与所述新产品的关键词向量的相似度；以及确定单元45，在所述相似度大于预定阈值的情况中，确定所述用户为使用所述新产品的目标用户，将新产品发布给所述目标用户。

在一个实施例中，所述新产品是老版本产品的更新版本，以及，所述确定单元还配置为，在用户进入所述老版本产品时，使得所述用户使用所述新产品。

在一个实施例中，所述第二获取单元还配置为，通过tf-idf算法获取所述新产品的各个关键词的权重。

在一个实施例中，所述装置400还包括第四获取单元46，配置为，预先获取用户的关键词向量。所述第四获取单元46具体包括：第一获取子单元461，配置为，获取系统中多个第二产品以及所述多个第二产品包括的多个关键词，其中所述第二产品相对于用户开放使用；第二获取子单元462，配置为，获取用户关于所述多个第二产品的偏好度数据；划分子单元463，配置为，根据所述偏好度数据，将所述多个第二产品划分为正样本集合和负样本集合；第三获取子单元464，配置为，基于所述多个第二产品以及所述多个第二产品包括的多个关键词，获取每个第二产品的各个关键词的权重；第四获取子单元465，配置为，根据所述每个第二产品的各个关键词的权重，获取所述每个第二产品的关键词向量；以及计算子单元466，配置为，根据所述正样本集合、负样本集合以及所述每个第二产品的关键词向量，通过rocchio算法进行计算，获得用户的关键词向量。

通过根据本说明书实施例的在系统中灰度发布新产品的方案，可以在灰度发布新产品的过程中有效命中活跃用户，从而可以有效地控制灰度节奏，保证灰度效果，并且可以及时收集新产品中存在的问题并解决。

本领域普通技术人员应该还可以进一步意识到，结合本文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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执轨道，取决于技术方案的特定应用和设计约束条件。本领域普通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申请的范围。

结合本文中所公开的实施例描述的方法或算法的步骤可以用硬件、处理器执轨道的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(ram)、内存、只读存储器(rom)、电可编程rom、电可擦除可编程rom、寄存器、硬盘、可移动磁盘、cd-rom、或技术领域内所公知的任意其它形式的存储介质中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。