CN103488788B - 一种应用自动推荐的方法及装置 - Google Patents

Abstract

本申请提供了一种应用自动推荐的方法和装置，其中，所述的方法，包括：采集用户的行为信息；划分所述用户行为信息所归属的类别；依据所述用户行为信息及其类别，在预置的对应类别的应用数据集中查找匹配的应用；生成各个类别对应的应用文件夹，将所查找到的各个类别的应用放入对应的应用文件夹中进行推荐。本申请能够满足用户的个性化需求，并提高推荐效率和覆盖率。

Description

一种应用自动推荐的方法及装置

本发明专利申请是申请日为2011年12月27日、申请号为201110444074.0、名称为“一种应用自动推荐的方法及装置”的中国发明专利申请的分案申请。

技术领域

本申请涉及信息处理技术领域，特别是涉及一种应用自动推荐的方法和一种应用自动推荐的装置。

背景技术

互联网是人们获取信息的一个重要途径，传统互联网的主要特点在于用户寻找自己感兴趣的事物时，需要通过浏览器进行大量的搜索，同时需要人工地过滤掉大量不相关的结果，操作繁琐，且耗费时间和精力。

随着互联网技术的飞速发展，人们对各种网络应用（Application）的需求也越来越广泛，但随着需求的增加，人们在终端客户机中安装的终端应用也越来越多，各种应用在客户端的部署越来越臃肿庞大，这不但造成对终端资源的浪费，而且也不便于管理。即使采用客户端-服务器架构进行部署管理，服务器端在完成客户端的部署后也缺乏对后续使用的管理能力。

尽管现在出现了所谓“瘦客户端（Thin Client）”的概念，瘦客户端将其鼠标、键盘等输入传送到服务器处理，服务器再把处理结果回传至客户端显示。但这种处理模式受制于网络传输速度，以及服务器的处理能力等限制，因此，更多的是应用于企业级的商用局域网中，目前还不适合普通用户的娱乐需求。

为使用户获得更好的使用体验，现有技术提出了为用户提供感兴趣的应用自动推荐的方案，即通过获知用户的兴趣所在，主动为其推荐、提供其感兴趣的应用。然而，这种应用推荐的方式，主要都是通过编辑人员手工推荐的，这种编辑人员手工推荐的方式，主要存在以下缺陷：

1、效率过低，对于应用的推荐覆盖率太低，例如，对于平台上数十万的应用，每天采用人工推荐，也只能推荐几百个。如若想推荐全部应用实际上无法实现，而且覆盖率太低，因为所占比例太低。

2、这种推荐完全是基于编辑人员的统一推荐原则进行，对于每个用户都一样，无法满足用户个性化的需求。因为有些推荐的应用对于某些用户而言是合适的，而对于某些用户却是不喜欢的。

因此，目前需要本领域技术人员迫切解决的一个技术问题就是：提出一种应用自动推荐的机制，以满足用户的个性化需求，并提高推荐效率和覆盖率。

发明内容

本申请所要解决的技术问题是提供一种应用自动推荐的方法，用以满足用户的个性化需求，并提高推荐效率和覆盖率。

本申请还提供了一种应用自动推荐的装置，用以保证上述方法在实际中的应用及实现。

为了解决上述问题，本申请实施例公开了一种应用自动推荐的方法，具体可以包括：

采集用户的行为信息；

划分所述用户行为信息所归属的类别；

依据所述用户行为信息及其类别，在预置的对应类别的应用数据集中查找匹配的应用；

将所查找到的各个类别的应用推荐给用户。

优选的是，所述用户的行为信息包括用户的本地操作行为信息，和/或，用户的网上操作行为信息。

优选的是，所述划分用户行为信息所归属的类别的步骤可以包括：

提取所述用户行为信息中的主分类标签和对应的操作频次；

将所述主分类标签按预设的关联规则转换为对应的应用类别；所述预设的关联规则为主分类标签及应用类别的转换规则；

统计各应用类别对应主分类标签的操作频次，将各应用类别按所统计的操作频次从高到低进行排序；

提取预设数量的前n个应用类别，为当前用户行为信息所归属的类别；其中，所述n为大于1的正整数。

优选的是，所述应用数据集中的应用具有主分类标签和至少一级子分类标签，各种类别的应用数据集分别由具有同一主分类标签的应用组成；

所述依据用户行为信息及其类别，在预置的对应类别的应用数据集中查找匹配的应用的步骤可以进一步包括：

依据所述用户行为信息所归属的类别确定对应类别的应用数据集；

提取所述用户行为信息的子分类标签；

在所述对应类别的应用数据集中，采用所述用户行为信息的子分类标签与应用的对应级别的子分类标签进行匹配，获得匹配的应用及对应的权重；

按照所述权重从高到低选取前m个应用作为当前类别的应用数据集中匹配的应用，其中，所述m为大于1的正整数。

优选的是，所述权重可以包括：子分类标签之间的匹配值，或者，子分类标签之间的匹配值和应用的相关值。

优选的是，所述的方法，还可以包括：

按各应用类别对应主分类标签的操作频次，设置应用文件夹的展现顺序；

按所述展现顺序在用户设备的桌面上展现所述应用文件夹；

在各应用文件夹中，按应用的权重从高到低展现所述应用。

优选的是，所述的方法，还可以包括：

获取用户针对所推荐应用的操作信息，相应调整对应应用的权重。

优选的是，所述的方法，还可以包括：

获取用户针对应用文件夹的操作信息，相应调整应用文件夹的展现顺序。

优选的是，所述的方法，还可以包括：

根据所采集的用户行为信息建立用户特征库；

将用户针对所推荐应用的操作信息，写入所述用户特征库。

本申请同时公开了一种应用自动推荐的装置，具体可以包括：

用户行为采集模块，用于采集用户的行为信息；

用户行为类别划分模块，用于划分所述用户行为信息所归属的类别；

匹配应用查找模块，用于依据所述用户行为信息及其类别，在预置的对应类别的应用数据集中查找匹配的应用；

匹配应用推荐模块，用于将所查找到的各个类别的应用推荐给用户。

优选的是，所述用户的行为信息包括用户的本地操作行为信息，和/或，用户的网上操作行为信息。

优选的是，所述用户行为类别划分模块可以包括：

特征信息提取子模块，用于提取所述用户行为信息中的主分类标签和对应的操作频次；

类别对应子模块，用于将所述主分类标签按预设的关联规则转换为对应的应用类别；所述预设的关联规则为主分类标签及应用类别的转换规则；

排序子模块，用于统计各应用类别对应主分类标签的操作频次，将各应用类别按所统计的操作频次从高到低进行排序；

归类子模块，用于提取预设数量的前n个应用类别，为当前用户行为信息所归属的类别；其中，所述n为大于1的正整数。

优选的是，所述应用数据集中的应用具有主分类标签和至少一级子分类标签，各种类别的应用数据集分别由具有同一主分类标签的应用组成；

所述匹配应用查找模块可以进一步包括：

应用数据集确定子模块，用于依据所述用户行为信息所归属的类别确定对应类别的应用数据集；

标签提取子模块，用于提取所述用户行为信息的子分类标签；

标签匹配子模块，用于在所述对应类别的应用数据集中，采用所述用户行为信息的子分类标签与应用的对应级别的子分类标签进行匹配，获得匹配的应用及对应的权重；

应用选取子模块，用于按照所述权重从高到低选取前m个应用作为当前类别的应用数据集中匹配的应用，其中，所述m为大于1的正整数。

优选的是，所述权重可以包括：子分类标签之间的匹配值，或者，子分类标签之间的匹配值和应用的相关值。

优选的是，所述的装置，还可以包括：

应用文件夹排序展现模块，用于按各应用类别对应主分类标签的操作频次，设置应用文件夹的展现顺序；并按所述展现顺序在用户设备的桌面上展现所述应用文件夹；

应用排序展现模块，用于在各应用文件夹中，按应用的权重从高到低展现所述应用。

优选的是，所述的装置，还可以包括：

权重调整模块，用于获取用户针对所推荐应用的操作信息，相应调整对应应用的权重。

优选的是，所述的装置，还可以包括：

应用文件夹顺序调整模块，用于获取用户针对应用文件夹的操作信息，相应调整应用文件夹的展现顺序。

优选的是，所述的装置，还可以包括：

特征库建立模块，用于根据所采集的用户行为信息建立用户特征库；

特征库写入模块，用于将用户针对所推荐应用的操作信息，写入所述用户特征库。

与现有技术相比，本申请具有以下优点：

本申请根据用户的行为信息进行归类，形成相应类别的应用文件夹，然后基于所述类别在对应类别的应用数据集中查找匹配的应用，将这些应用放入对应类别的文件夹中进行推荐，从而在应用和用户之间建立联系，充分满足了用户的个性化需求，并有效提高了应用的推荐效率和覆盖率。

再者，本申请以用户界面作为入口，直接在界面上或通过界面上的链接通过应用文件夹图标向用户推荐应用，以便用户更快更容易的获取所需的应用，方便了用户操作；并且，通过图标作为应用入口的方式可以提示用户对该应用的使用，但在用户真正选择使用之前，并不实际安装该应用对应的配置文件，这样，可以在使用前并不过多占用客户端资源。此外，用户界面中的图标可以由网络侧中心服务器集中部署或推送，这就防止了恶意程序在界面中随意添加恶意图标，进一步提高了安全性。

附图说明

图1是本申请的一种应用自动推荐的方法实施例1的流程图；

图2是本申请的一种应用自动推荐的方法实施例2的流程图；

图3是本申请的一种应用自动推荐的装置实施例的结构框图。

具体实施方式

为使本申请的上述目的、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申请作进一步详细的说明。

本申请实施例的核心构思在于，根据用户的行为信息进行归类，形成相应类别的应用文件夹，然后基于所述类别在对应类别的应用数据集中查找匹配的应用，将这些应用放入对应类别的文件夹中进行推荐，从而在应用和用户之间建立联系。

参照图1，其示出了本申请的一种应用自动推荐的方法实施例的步骤流程图，具体可以包括如下步骤：

步骤101、采集用户的行为信息；

作为本申请实施例具体应用的一种示例，所述用户的行为信息可以包括用户的本地操作行为信息，和/或，用户的网上操作行为信息。

所述用户行为信息可以由安装在用户设备上的客户端软件进行采集，其中，所述用户设备可以包括计算机、笔记本电脑、手机、PDA、平板电脑等各类智能终端。以下提供几种采集用户的本地操作行为信息，和/或，用户的网上操作行为信息的示例：

例1，通过浏览器采集用户一段时间内的网上操作行为信息，包括访问的网址及相应的访问次数等；

如通过浏览器采集用户15天内的网上操作行为信息为：

访问网址	访问次数
		4939.com	31
Qiyi.com	2
		Youku.com	7
7k7k.com	4

例2，通过安装在用户设备上的安全软件采集用户的本地操作行为信息，如通过采集用户15天内的网上操作行为信息和本地行为信息为：打开暴风影音及其次数，打开某个游戏及其次数等。

当然，上述采集的方法及采集的信息均只用作示例，本领域技术人员根据实际情况采用任一种方式采集所需的用户行为信息均是可行的，本申请实施例对此无需加以限制。

步骤102、划分所述用户行为信息所归属的类别；

在本申请的一种优选实施例中，所述步骤102具体可以包括如下子步骤：

子步骤S11、提取所述用户行为信息中的主分类标签和对应的操作频次；

子步骤S12、将所述主分类标签按预设的关联规则转换为对应的应用类别；所述预设的关联规则为主分类标签及应用类别的转换规则；

子步骤S13、统计各应用类别对应主分类标签的操作频次，将各应用类别按所统计的操作频次从高到低进行排序；

子步骤S14、提取预设数量的前n个应用类别，为当前用户行为信息所归属的类别；其中，所述n为大于1的正整数。

在实际中，可以根据由技术人员预先设置应用文件夹的基本分类（应用类别），通过分析用户行为信息，获得用户行为信息符合的应用文件夹基本分类。例如，预先设置的应用文件夹基本分类有20个，而通过分析用户行为信息，发现有一些基本分类对于当前用户是不需要的，则可以划分用户行为信息所归属的类别为更加贴近用户之前行为习惯的3个或者5个。例如，视频、游戏、教育等。

所述用户的本地操作行为信息和网上操作行为信息通常会带有标签（tag）信息，例如，对于用户在本地操作所打开的视频，带有火影忍者、动漫、连续剧、幻想、冒险、岸本齐史等标签信息；或如，对于用户在网上所访问的网址，带有视频、电影、喜剧电影、喜剧之王等标签信息。

从所述用户行为信息所获得的标签中确定主分类标签，如上例中的动漫或电影，与预先设置的应用文件夹基本分类进行匹配，判断主分类标签应归属于何种应用文件夹分类中。例如，设置主分类标签及应用类别的转换规则如下表所示：

应用上述转换规则，则上例中的主分类标签“动漫”或“电影”，均可转换为对应的应用类别为“视频”，即确定采用视频分类的应用文件夹。

例如：（1）提取用户最近15天的网盾数据：data11，data11中可以包5括主分类标签interest和操作频次weight：如：

interest	weight
		novel-dm	1
comic-dm	4
		4399-dm	1

（2）将从网盾数据中提取的主分类标签，通过预设的转换规则表（yunCatToZhuoMianCat.conf）转化为应用文件夹分类体系下的用户兴趣的基本分类，即将主分类标签转换为对应的应用类别。所述预设的转换规则表yunCatToZhuoMianCat.conf格式中可以包括：主分类标签、应用类别名称以及应用类别id的信息。如：

主分类标签	应用类别名称	应用类别id
			4399-dm	游戏	5
comic-dm	时尚娱乐	8
			novel-dm	小说	11

（3）统计各应用类别对应主分类标签的操作频次，将各应用类别按所统计的操作频次从高到低进行排序；提取前9个应用类别，为当前用户行为信息所归属的类别，即最终展示的分类应用文件夹。如：

主分类标签	应用类别名称	应用类别id	weight
				comic-dm	时尚娱乐	8	4
novel-dm	小说	11	1
				4399-dm	游戏	5	1

根据本例，确定当前用户行为信息所归属的类别为时尚娱乐、小说、游戏，即后续会相应生成时尚娱乐、小说、游戏三种分类的应用文件夹。

在具体实现中，若对用户行为信息进行分析所划分的类别无法达到指定数量，如采用上例只能生成三个类别，无法满足9个应用类别的需求，则可以按照云端所统计的网络用户实际使用次数最多的应用类别或最新设置的应用类别作为推荐的应用类别进行补齐，例如，针对上例，可以再增加视频、教育、图片、音乐、儿童、实用工具这6个应用类别。

当然，上述划分用户行为信息所归属类别的方法仅仅用作示例，本领域技术人员根据实际情况采用一种方式都是可行的，例如，不提取主分类标签，直接将用户行为信息所带的标签按照预置规则转换为应用类别；或者，直接提取主分类标签作为应用类别等，本申请对此不作限制。

步骤103、依据所述用户行为信息及其类别，在预置的对应类别的应用数据集中查找匹配的应用；

所述应用（Application）是指用户在网络上所使用的各种服务，如应用程序、网页、视频、小说、音乐、游戏、新闻、购物和邮箱等。应用数据集包含多个应用，来源于各个开放平台。应用本身会带上一些标签，在本申请实施例中，会对所述标签进行分类，即分为主分类标签和子分类标签，其中，所述子分类标签可以进一步划分为多个级别。例如，主分类标签为视频，第一级子分类标签为电影，第二级子分类标签为喜剧电影、恐怖电影或动作电影等。也就是说，所述应用数据集中的应用具有主分类标签和至少一级子分类标签，各种类别的应用数据集即分别由具有同一主分类标签的应用组成，例如，某些应用都带有视频的主分类标签，则将这些应用组合在一起，形成视频类别的应用数据集。

在申请的一种优选实施例中，所述步骤103可以进一步包括如下子步骤：

子步骤S21、依据所述用户行为信息所归属的类别确定对应类别的应用数据集；

例如，当前用户行为信息所归属的类别为时尚娱乐、小说、游戏，则确定的应用数据集包括时尚娱乐类别的应用数据集，即带有时尚娱乐的主分类标签的应用所组成的数据集；小说类别的应用数据集，即带有小说的主分类标签的应用所组成的数据集；游戏类别的应用数据集，即带有游戏的主分类标签的应用所组成的数据集。

子步骤S22、提取所述用户行为信息的子分类标签；

如前所述，所述用户的本地操作行为信息和网上操作行为信息通常会带有标签（tag）信息，例如，对于用户在本地操作所打开的视频，带有火影忍者、动漫、连续剧、幻想、冒险、岸本齐史等标签信息；或如，对于用户在网上所访问的网址，带有视频、电影、喜剧电影、喜剧之王等标签信息。

在这些用户行为信息的标签信息中提取子分类标签，如上例中，可以提取出一级子分类标签：连续剧、动漫、电影，二级子分类标签：幻想、冒险、喜剧电影，三级子分类标签：火影忍者、岸本齐史、喜剧之王。本领域技术人员根据实际情况划分多个级别的子分类标签都是可行的，本申请对此不作限制。需要说明的是，应用本实施例，需要划分至少一级的子分类标签，以进行后续的标签匹配。

子步骤S23、在所述对应类别的应用数据集中，采用所述用户行为信息的子分类标签与应用的对应级别的子分类标签进行匹配，获得匹配的应用及对应的权重；按照所述权重从高到低选取前m个应用作为当前类别的应用数据集中匹配的应用，其中，所述m为大于1的正整数。

由于在某个类别的应用数据集中，往往存在成千上万个应用，所述子步骤S23即通过标签匹配算法计算用户行为信息的子分类标签在对应类别的应用数据集中所匹配的应用。作为本申请实施例的具体示例，所述权重可以包括：子分类标签之间的匹配值，即例如，计算用户行为信息的子分类标签以及对应类别的应用数据集中应用的子分类标签的匹配值，或者，子分类标签之间的匹配值和应用的相关值，所述相关值即指应用的每日下载量及用户评分的综合评价参数。

作为本实施例具体应用的另一示例，所述子步骤S23可以进一步包括如下子步骤：

子步骤S23-1、依据用户行为信息的子分类标签，在所述对应类别的应用数据集中检索特征相关应用，所述特征相关应用为与用户行为信息的子分类标签部分相同或全部相同的子分类标签的应用；

在本实施例中，用户的行为信息均包含子分类标签，并且通过与应用的子分类标签匹配，检索到特征相关应用。

子步骤S23-2、计算所述特征相关应用的子分类标签与当前用户行为信息的子分类标签的匹配值；

在具体的实现中，可以将用户行为信息的子分类标签赋予一定的匹配值，并将这些子分类标签分成不同的组，同组子分类标签的匹配值一样。

例如，当前用户行为信息的子分类标签如下表所示：

电视剧

喜剧

爱情

剧情

保剑锋

金莎

李济昌

接下来对各个组的子分类标签分配一个匹配值，如上例，将这些子分类标签分成4组并赋予每个子分类标签一个匹配值后得到：

电视剧60

喜剧6、爱情6、剧情6

保剑锋2、金莎2

李济昌1

接下来，将搜出的特征相关应用的子分类标签与当前用户行为信息的子分类标签进行对比，按子分类标签命中情况计算出各个特征相关应用的匹配值，其中，命中率（命中的tag组数/总tag组）和命中匹配值比率（命中的权值总数/权值总数）各自的权重是可以根据业务规则进行调整的，总和是100。其中tag即指子分类标签。比如视频是50:50，视频类的特征相关应用的匹配值计算公式是：

Weight=(命中的tag组数/总tag组)*50+(命中的匹配值总数/匹配值总数)*50；

需要说明的是，tag组中有一个命中即算作该组命中，匹配值会向上取整。

如上例，搜索到某个特征相关应用的tag是:

电视剧

其它

爱情

剧情

刘德华

金莎

李安

其它

2011

大陆

将其与当前用户行为信息的子分类标签对比可以发现命中的tag有电视剧，爱情，剧情，金莎，有3个组(分类，类型，主演)命中，则该应用的匹配值就是weight=3/4*50+74/83*50=68(67.17向上取整得68)。

子步骤S23-3、将特征相关应用按照匹配值由大到小进行排序；

计算了各个特征相关应用的匹配值后，可以按匹配值从大到小进行排序。为了每次取出的应用不至于集中到某几个，让那些比较靠后的应用也可以被推荐到，可以分别从预先定好的几个匹配值区间中，选取一定数量匹配值落在该区间内的应用来推荐，例如从匹配区间100-88中选3个，从87-73中选2个，从72-16中选1个。其中，在同一区间内，匹配值高的优先被选取。若某区间内应用不足数量，则从临近的低区间选取补足。

子步骤S23-4、依据所述排序，提取预设个数的，匹配值分别符合多个预设区间的特征相关应用，作为匹配的应用。

在具体实现中，当多个特征相关应用的匹配值相等时，所述子步骤S23还可以包括：

子步骤S23-5、计算所述特征相关应用与用户行为信息的子分类标签的匹配值，以及匹配值相等的各个特征相关应用与当前用户行为信息的子分类标签的相关值。

在多个特征相关应用的匹配值一样的情况下，需要计算相同匹配值的特征相关应用与当前用户行为信息的子分类标签的相关值。

例如，假设与当前用户行为信息的子分类标签相关的应用A，应用B，应用C的匹配值相同，计算过程可以如下：

总下载量=A的下载量+B的下载量+C的下载量；

总评分=A的评分+B的评分+C的评分；

应用A的相关性为：A.assoc=A的下载量/总下载量*60+A的评分/总评分*40；

应用B的相关性为：B.assoc=B的下载量/总下载量*60+B的评分/总评分*40；

应用C的相关性为：C.assoc=C的下载量/总下载量*60+C的评分/总评分*40。

子步骤S22-5、将特征相关应用按照匹配值从大到小进行排序，其中，匹配值相等的特征相关应用按照相关值由大到小进行排序；

子步骤S22-6、依据所述排序，提取预设个数的，匹配值分别符合多个预设区间的特征相关应用，作为推荐应用。

对于存在相同匹配值的特征相关应用的情况，计算了匹配值和相关性后，先按照匹配值大小对所有的特征相关应用进行排序，对于相同匹配值的应用，按照相关值大小进行排序。然后可以分别从预先定好的几个匹配值区间中，选取一定数量匹配值落在该区间内的应用来推荐，在同一区间内，匹配值高的优先被选取，相同权值则优先选取相关度高的。

例如，搜索到了10个特征相关应用，对应的匹配值和相关值如下：

	A1	A2	B	C	D1	D2	E	F	G	H
											匹配值	93	93	89	83	57	57	50	49	32	23
相关值	239	234			2334	455

预设区间和对应的预设个数为：3个[100-88]，2个[87-73]，1个[72-16]，依照表中的顺序可以从[100-88]从选取A1、A2和B，从[87-73]中选取C和D1（由于该区间只有一个应用，则从[72-16]区间中选取最高的补足，D1和D2匹配值一致，但D1相关值大于D2，所以选取D1），从72-16中选取E，共6个应用作为推荐应用。

在实际中，如果依据所述用户行为信息及其类别，在对应类别的应用数据集中查找到的匹配应用不满足预设数量，可以提取相应类别的应用数据集中使用次数最多的和/或最新入库的应用作为推荐应用，例如，在当前类别的应用数据集中提取20个最热门的应用作为推荐应用。

当然，上述查找与用户行为信息匹配应用的方法仅仅用作示例，本领域技术人员采用其它计算方法也是可行的，例如，通过计算用户行为信息的子分类标签与相应类别应用数据集中应用的子分类标签的相似度等，本申请对此无需加以限制。

需要说明的是，在本申请实施例中，所述主分类标签和子分类标签可以通过相关技术人员或用户自行标注，也可以采用计算机聚类技术，通过对网页文字的语义或者关键词分析获得，还可以从网络（例如官方）采集相应软件或应用的描述信息。

步骤104、将所查找到的各个类别的应用推荐给用户。

应用本申请实施例，可以按类别生成应用文件夹，相应类别下的，与用户行为信息匹配的应用即在对应类别的应用文件夹中向用户进行推荐，从而有利于节省用户设备的资源。

参照图2，其示出了本申请的一种应用自动推荐的方法实施例的步骤流程图，具体可以包括如下步骤：

步骤201、采集用户的行为信息；

步骤202、划分所述用户行为信息所归属的类别；

步骤203、依据所述用户行为信息及其类别，在预置的对应类别的应用数据集中查找匹配的应用；

步骤204、将所查找到的各个类别的应用推荐给用户；

步骤205、获取各应用类别对应主分类标签的操作频次，按照所述操作频次从高低设置应用的展现顺序；

步骤206、按所述展现顺序在用户设备的桌面上展现所述应用文件；

步骤207、获取所推荐应用的权重，按应用的权重从高到低展现所述应用。

在具体实现中，可以设置对于推荐给用户的应用文件夹，可以在桌面的不同分屏中进行展现，优选的是，还可以依据用户分屏的高度和宽度，确定每个分屏中推荐的应用文件夹的个数。应用本申请实施例，所述应用文件夹的展现顺序是根据各应用类别对应主分类标签的操作频次从高到低设置的，因此应用文件夹是根据用户兴趣的匹配度从高到低展现给用户；并且，应用文件夹中的应用也按权重进行了排序，即也是根据用户兴趣的匹配度从高到低展现给用户，从而能更方便用户的操作，使用户获得更好的使用体验。

在本申请的一种优选实施例中，还可以包括如下步骤：

获取用户针对所推荐应用的操作信息，相应调整对应应用的权重。

当向用户推荐应用后，用户可能会打开该应用，查看详细信息，也可能会进一步将推荐的应用添加到自己的使用中，在这种情况下，还可以根据用户针对推荐应用的行为信息，提高用户所操作应用的权重，从而改变应用文件夹中应用的排序。

在具体实现中，还可以通过获取用户针对应用文件夹的操作信息，例如根据用户点击应用文件夹的操作频次，根据各应用文件夹被操作的频次相应调整应用文件夹的展现顺序。

在具体实现中，可以在终端桌面的用户界面中统一展示与多个应用文件夹相对应的图标，每个图标代表一个应用文件夹，通过图标作为与应用入口的方式。这种图形化的展示方式对于用户来说非常直观，而且便于使用和管理。例如，用户界面中展示应用文件夹的图标包括“视频”，“小说”，“教育”和“游戏”，在用户点击“视频”应用文件夹的图标后，进入该应用文件夹的子窗口，在子窗口中展示有电视剧、电影、动漫、综艺等多个应用图标。通过图标作为应用入口的方式可以提示用户对该应用的使用，但在用户真正选择使用之前，并不实际安装该应用对应的配置文件，这样，不仅可以方便用户的使用，而且在使用前并不过多占用客户端资源。

用户界面中的图标可以由网络侧中心服务器集中部署或推送，这就防止了恶意程序在界面中随意添加恶意图标，进一步提高了安全性。有中心服务器集中管理的配置文件可以包括对应应用的访问地址、呈现规格，及所述应用的打开方式，或者它们的任何组合。

例如，对于web应用来说，web访问的地址由中心服务器通过配置文件的方式发送至终端侧，这就防止了终端侧的恶意程序对访问地址的篡改。

而且，网络侧中心服务器可以通过与第三方内容服务器的交互获得更新的配置文件信息，例如，如果某个应用的访问地址发生变化，服务器会通过与内容服务器的交互获得更新后的地址信息，并通过配置文件发送过来，杜绝了因访问地址变更给恶意程序留下的可乘之机。

此外，用户设备在获得与所述图标相对应的应用的配置文件后，还可以更新该图标的展示状态，以进一步提示用户。例如，未获得配置文件前，图标可以是黑白色，或暗色，而在获得后，可以变为彩色或亮色。

还需说明的是，在终端侧用户界面中展示的应用文件夹图标，可以是一个或多个，可以根据不同的展示规则来确定。例如，当使用一个图标时，该图标可以作为多个下级应用或下级图标的统一入口，其中任何一个应用获得更新信息时，在该入口图标处均可以获得提示。

在本申请的一种优选实施例中，还可以包括如下步骤：

根据所采集的用户行为信息建立用户特征库；

将用户针对所推荐应用的操作信息，写入所述用户特征库。

通过建立用户特征库，则可以将用户行为信息统一在服务器端或云端进行处理，在这种实施例中，将可以在用户特征库中记录用户当次的操作行为信息，并根据用户特征库往次的操作行为信息确定应向用户推荐的应用文件夹及相应的应用。需要说明的是，在本实施例中，所述用户行为信息还包括用户针对所推荐应用的操作信息。

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，本申请并不受所描述的动作顺序的限制，因为依据本申请，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，所涉及的动作和模块并不一定是本申请所必须的。

参照图3，示出了本申请的一种应用自动推荐的装置实施例的结构框图，具体可以包括如下模块：

用户行为采集模块301，用于采集用户的行为信息；

用户行为类别划分模块302，用于划分所述用户行为信息所归属的类别；

匹配应用查找模块303，用于依据所述用户行为信息及其类别，在预置的对应类别的应用数据集中查找匹配的应用；

匹配应用推荐模块304，用于将所查找到的各个类别的应用推荐给用户。

在具体实现中，所述用户的行为信息可以包括用户的本地操作行为信息，和/或，用户的网上操作行为信息。

在本申请的一种优选实施例中，所述用户行为类别划分模块302可以包括如下子模块：

特征信息提取子模块，用于提取所述用户行为信息中的主分类标签和对应的操作频次；

类别对应子模块，用于将所述主分类标签按预设的关联规则转换为对应的应用类别；所述预设的关联规则为主分类标签及应用类别的转换规则；

排序子模块，用于统计各应用类别对应主分类标签的操作频次，将各应用类别按所统计的操作频次从高到低进行排序；

归类子模块，用于提取预设数量的前n个应用类别，为当前用户行为信息所归属的类别；其中，所述n为大于1的正整数。

作为本申请实施例具体应用的一种示例，所述应用数据集中的应用具有主分类标签和至少一级子分类标签，各种类别的应用数据集分别由具有同一主分类标签的应用组成；在这种情况下，所述匹配应用查找模块303可以进一步包括以下子步骤：

应用数据集确定子模块，用于依据所述用户行为信息所归属的类别确定对应类别的应用数据集；

标签提取子模块，用于提取所述用户行为信息的子分类标签；

标签匹配子模块，用于在所述对应类别的应用数据集中，采用所述用户行为信息的子分类标签与应用的对应级别的子分类标签进行匹配，获得匹配的应用及对应的权重；

应用选取子模块，用于按照所述权重从高到低选取前m个应用作为当前类别的应用数据集中匹配的应用，其中，所述m为大于1的正整数。

优选的是，所述权重可以包括：子分类标签之间的匹配值，或者，子分类标签之间的匹配值和应用的相关值。

在本申请的一种优选实施例中，所述装置实施例还可以包括如下模块：

应用文件夹排序展现模块，用于按各应用类别对应主分类标签的操作频次，设置应用文件夹的展现顺序；并按所述展现顺序在用户设备的桌面上展现所述应用文件夹；

应用排序展现模块，用于在各应用文件夹中，按应用的权重从高到低展现所述应用。

更为优选的是，所述装置实施例还可以包括如下模块：

权重调整模块，用于获取用户针对所推荐应用的操作信息，相应调整对应应用的权重。

更为优选的是，所述装置实施例还可以包括如下模块：

应用文件夹顺序调整模块，用于获取用户针对应用文件夹的操作信息，相应调整应用文件夹的展现顺序。

更为优选的是，所述装置实施例还可以包括如下模块：

特征库建立模块，用于根据所采集的用户行为信息建立用户特征库；

特征库写入模块，用于将用户针对所推荐应用的操作信息，写入所述用户特征库。

本申请实施例不仅可以应用于单台设备的应用环境中，还可以应用于服务器-客户端的应用环境，或者进一步应用于基于云技术的应用环境中。

由于所述装置实施例基本相应于前述方法实施例，故本实施例的描述中未详尽之处，可以参见前述实施例中的相关说明，在此就不赘述了。本申请装置实施例和系统实施例中所涉及的模块、子模块和单元可以为软件，可以为硬件，也可以为软件和硬件的组合。本说明书中的各个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本申请可用于众多通用或专用的计算系统环境或配置中。例如：个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的消费电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

以上对本申请所提供的一种应用自动推荐的方法和一种应用自动推荐的装置进行了详细介绍，本文中应用了具体个例对本申请的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本申请的方法及其核心思想；同时，对于本领域的一般技术人员，依据本申请的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本申请的限制。

Claims (12)

1.一种应用自动推荐的方法，其特征在于，包括：

安装在用户设备上的客户端软件采集用户的行为信息；所述用户的行为信息包括用户的本地操作行为信息，和/或，用户的网上操作行为信息，所述用户的本地操作行为信息和网上操作行为信息带有标签信息；

划分所述用户行为信息所归属的类别；

依据所述用户行为信息及其类别，在预置的对应类别的应用数据集中查找匹配的应用；

将所查找到的各个类别的应用推荐给用户；

根据所采集的用户行为信息建立用户特征库；

将用户针对所推荐应用的操作信息，写入所述用户特征库。

2.如权利要求1所述的方法，其特征在于，所述划分用户行为信息所归属的类别的步骤包括：

提取所述用户行为信息中的主分类标签和对应的操作频次；

将所述主分类标签按预设的关联规则转换为对应的应用类别；所述预设的关联规则为主分类标签及应用类别的转换规则；

统计各应用类别对应主分类标签的操作频次，将各应用类别按所统计的操作频次从高到低进行排序；

提取预设数量的前n个应用类别，为当前用户行为信息所归属的类别；其中，所述n为大于1的正整数。

3.如权利要求2所述的方法，其特征在于，所述应用数据集中的应用具有主分类标签和至少一级子分类标签，各种类别的应用数据集分别由具有同一主分类标签的应用组成；

所述依据用户行为信息及其类别，在预置的对应类别的应用数据集中查找匹配的应用的步骤进一步包括：

依据所述用户行为信息所归属的类别确定对应类别的应用数据集；

提取所述用户行为信息的子分类标签；

在所述对应类别的应用数据集中，采用所述用户行为信息的子分类标签与应用的对应级别的子分类标签进行匹配，获得匹配的应用及对应的权重；

按照所述权重从高到低选取前m个应用作为当前类别的应用数据集中匹配的应用，其中，所述m为大于1的正整数。

4.如权利要求3所述的方法，其特征在于，所述权重包括：子分类标签之间的匹配值，或者，子分类标签之间的匹配值和应用的相关值。

5.如权利要求2所述的方法，其特征在于，还包括：

按各应用类别对应主分类标签的操作频次，设置应用文件夹的展现顺序；

按所述展现顺序在用户设备的桌面上展现所述应用文件夹；

在各应用文件夹中，按应用的权重从高到低展现所述应用。

6.如权利要求3或4或5所述的方法，其特征在于，还包括：

获取用户针对所推荐应用的操作信息，相应调整对应应用的权重。

7.如权利要求3或4或5所述的方法，其特征在于，还包括：

获取用户针对应用文件夹的操作信息，相应调整应用文件夹的展现顺序。

8.一种应用自动推荐的装置，其特征在于，包括：

用户行为采集模块，用于安装在用户设备上的客户端软件采集用户的行为信息；所述用户的行为信息包括用户的本地操作行为信息，和/或，用户的网上操作行为信息，所述用户的本地操作行为信息和网上操作行为信息带有标签信息；

用户行为类别划分模块，用于划分所述用户行为信息所归属的类别；

匹配应用查找模块，用于依据所述用户行为信息及其类别，在预置的对应类别的应用数据集中查找匹配的应用；

匹配应用推荐模块，用于将所查找到的各个类别的应用推荐给用户；

特征库建立模块，用于根据所采集的用户行为信息建立用户特征库；

特征库写入模块，用于将用户针对所推荐应用的操作信息，写入所述用户特征库。

9.如权利要求8所述的装置，其特征在于，所述用户行为类别划分模块包括：

特征信息提取子模块，用于提取所述用户行为信息中的主分类标签和对应的操作频次；

类别对应子模块，用于将所述主分类标签按预设的关联规则转换为对应的应用类别；所述预设的关联规则为主分类标签及应用类别的转换规则；

排序子模块，用于统计各应用类别对应主分类标签的操作频次，将各应用类别按所统计的操作频次从高到低进行排序；

归类子模块，用于提取预设数量的前n个应用类别，为当前用户行为信息所归属的类别；其中，所述n为大于1的正整数。

10.如权利要求8或9所述的装置，其特征在于，所述应用数据集中的应用具有主分类标签和至少一级子分类标签，各种类别的应用数据集分别由具有同一主分类标签的应用组成；

所述匹配应用查找模块进一步包括：

应用数据集确定子模块，用于依据所述用户行为信息所归属的类别确定对应类别的应用数据集；

标签提取子模块，用于提取所述用户行为信息的子分类标签；

标签匹配子模块，用于在所述对应类别的应用数据集中，采用所述用户行为信息的子分类标签与应用的对应级别的子分类标签进行匹配，获得匹配的应用及对应的权重；

应用选取子模块，用于按照所述权重从高到低选取前m个应用作为当前类别的应用数据集中匹配的应用，其中，所述m为大于1的正整数。

11.如权利要求10所述的装置，其特征在于，所述权重包括：子分类标签之间的匹配值，或者，子分类标签之间的匹配值和应用的相关值。

12.如权利要求8或9所述的装置，其特征在于，还包括：

应用文件夹排序展现模块，用于按各应用类别对应主分类标签的操作频次，设置应用文件夹的展现顺序；并按所述展现顺序在用户设备的桌面上展现所述应用文件夹；

应用排序展现模块，用于在各应用文件夹中，按应用的权重从高到低展现所述应用。