CN103679502A

CN103679502A - 应用推荐方法和系统

Info

Publication number: CN103679502A
Application number: CN201310566824.0A
Authority: CN
Inventors: 李方
Original assignee: Qingdao Hisense Media Network Technology Co Ltd
Current assignee: Juhaokan Technology Co Ltd
Priority date: 2013-11-14
Filing date: 2013-11-14
Publication date: 2014-03-26
Anticipated expiration: 2033-11-14
Also published as: CN103679502B

Abstract

本发明公开了一种应用推荐方法和系统，所述方法包括：针对当前应用的每个标签，根据预先存储的标签之间的相似值，确定出与该标签之间的相似值大于第一阈值的标签作为相似标签；针对确定出的每个相似标签，将计算出的该相似标签与当前应用的各标签之间的相似值之和，作为该相似标签的相似值；并针对每个相似标签，查找出具有该相似标签的其它应用作为待推荐应用；针对每个待推荐应用，计算该待推荐应用的各标签中含有的相似标签的相似值之和作为该待推荐应用的相似值；选取相似值大于第二阈值的待推荐应用进行推荐。本发明的技术方案中，改善了评分数据的稀疏性，有助于提高推荐的精确度；建立待推荐应用与当前应用的联系，提高了推荐的精确度。

Description

应用推荐方法和系统

技术领域

本发明涉及推荐技术，尤其涉及一种应用推荐方法和系统。

背景技术

网络已深入人们的日常生活，网络上的推荐系统也得到广泛地应用。目前的推荐系统通常采用基于协同过滤CF（Collaborative Filtering）的推荐方法进行推荐。通常，CF推荐方法包括基于用户的CF推荐方法和基于应用的CF推荐方法。

基于用户的CF推荐方法中，将用户对应用的评分作为矩阵元素构建用户-应用矩阵；确定出用户-应用矩阵中任意两个用户之间的相似性；对于用户-应用矩阵中的每个用户，将与该用户相似性最大的设定数目的用户确定为该用户的邻居用户；将确定出的邻居用户所感兴趣的应用推荐给该用户。

基于应用的CF推荐方法中，将用户对应用的评分作为矩阵元素构建用户-应用矩阵；确定出用户-应用矩阵中任意两个应用之间的相似性；对于用户-应用矩阵中的每个应用，将与该应用相似性最大的设定数目的应用推荐给为该应用评分的用户。

本发明的发明人发现，上述的两种推荐方法都需要用到用户-应用矩阵；然而在实际应用中，用户对应用评分的数据较少，导致用户-应用矩阵中数据的稀疏性，造成现有推荐方法确定出的用户之间、应用之间的相似度的精度均较低；从而导致现有推荐方法对应用推荐得不精确。

因此，有必要提供一种推荐精确度更高的应用推荐方法和系统。

发明内容

本发明实施例提供了一种应用推荐方法和系统，用以提高对应用进行推荐的精确性。

根据本发明的一个方面，提供了一种应用推荐方法，包括：

针对当前应用的每个标签，根据预先存储的标签之间的相似值，确定出与该标签之间的相似值大于第一阈值的标签作为相似标签；

针对确定出的每个相似标签，将计算出的该相似标签与所述当前应用的各标签之间的相似值之和，作为该相似标签的相似值；并针对每个相似标签，查找出具有该相似标签的其它应用作为待推荐应用；

针对每个待推荐应用，计算该待推荐应用的各标签中含有的相似标签的相似值之和作为该待推荐应用的相似值；

选取相似值大于第二阈值的待推荐应用进行推荐。

进一步，所述标签之间的相似值为预先确定的：

根据各应用的标签，将用户对应用的评分转换为用户对标签的评分；

根据用户对标签的评分计算标签之间的相似值。

较佳地，所述根据各应用的标签，将用户对应用的评分转换为用户对标签的评分，具体包括：

对于每个用户，针对该用户所评分的每个应用，将该应用的标签作为该用户所评分的标签；对于该用户所评分的每个标签，确定该用户所评分的应用中具有该标签的应用；将该用户对确定出的应用的评分求均值得到该用户对该标签的评分。

较佳地，所述根据用户对标签的评分计算标签之间的相似值，具体包括：

对于任意两个标签，计算所述两个标签的评分向量之间的相似度作为所述两个标签之间的相似值；

其中，所述标签的评分向量具体由各用户对该标签的评分作为向量元素构成。

较佳地，计算所述两个标签的评分向量之间的相似度，具体为：

计算所述两个标签的评分向量之间的余弦夹角。

较佳地，所述用户对应用的评分具体以用户-应用的评分矩阵形式保存；以及

所述用户对标签的评分具体以用户-标签的评分矩阵形式保存。

较佳地，所述标签之间的相似值具体以标签-标签的相似值矩阵形式保存。

根据本发明的另一个方面，还提供了一种应用推荐系统，包括：

相似标签确定模块，用于针对当前应用的每个标签，根据预先存储的标签之间的相似值，确定出与该标签之间的相似值大于第一阈值的标签作为相似标签；

第一相似值确定模块，用于针对所述相似标签确定模块确定出的每个相似标签，将计算出的该相似标签与所述当前应用的各标签之间的相似值之和，作为该相似标签的相似值；

待推荐应用确定模块，用于针对所述相似标签确定模块确定出的每个相似标签，查找出具有该相似标签的其它应用作为待推荐应用；

第二相似值确定模块，用于针对所述待推荐应用确定模块确定出的每个待推荐应用，计算该待推荐应用的各标签中含有的相似标签的相似值之和作为该待推荐应用的相似值；

推荐模块，用于根据所述第二相似值确定模块计算出的各待推荐应用的相似值，选取相似值大于第二阈值的待推荐应用进行推荐。

进一步，所述应用推荐系统，还包括：

评分转换模块，用于根据各应用的标签，将用户对应用的评分转换为用户对标签的评分；

标签相似值计算模块，用于根据所述评分转换模块转换得到的用户对标签的评分，计算标签之间的相似值并进行存储。

所述用户对标签的评分具体以用户-标签的评分矩阵形式保存；以及

所述标签之间的相似值具体以标签-标签的相似值矩阵形式保存。

本发明实施例的技术方案中，应用推荐系统将用户对应用的评分转换为用户对标签的评分，由于标签数目远小于应用数目，等效于增加了评分的密度，因此改善了现有技术方案中评分的稀疏性，有助于提高推荐的精确度。

本发明的技术方案中，应用推荐系统从当前应用具有的标签中筛选出相似标签后，通过相似标签确定出待推荐应用；之后，选取相似值较大的待推荐应用进行推荐。应用推荐系统通过标签建立待推荐应用与当前应用的联系，提高了推荐的精确度。

附图说明

图1为本发明实施例的根据用户对标签的评分确定标签之间相似值的方法的流程图；

图2为本发明实施例的应用推荐方法的流程图；

图3为本发明实施例的应用推荐系统的内部结构框架示意图。

具体实施方式

为使本发明的目的、技术方案及优点更加清楚明白，以下参照附图并举出优选实施例，对本发明进一步详细说明。然而，需要说明的是，说明书中列出的许多细节仅仅是为了使读者对本发明的一个或多个方面有一个透彻的理解，即便没有这些特定的细节也可以实现本发明的这些方面。

本申请使用的“模块”、“系统”等术语旨在包括与计算机相关的实体，例如但不限于硬件、固件、软硬件组合、软件或者执行中的软件。例如，模块可以是，但并不仅限于：处理器上运行的进程、处理器、对象、可执行程序、执行的线程、程序和/或计算机。举例来说，计算设备上运行的应用程序和此计算设备都可以是模块。一个或多个模块可以位于执行中的一个进程和/或线程内。

本发明的的技术方案中，应用推荐系统引入了表示应用属性的标签，将用户对应用的评分转换为用户对标签的评分。若多个应用具有同一标签，则同一标签得到评分的次数多于同一应用得到评分的次数；若同一应用具有多个标签，则用户对一个应用的评分可以转换为对多个标签的评分，即评分次数增加；使得评分的稀疏性得到了改善，从而有助于提高推荐的精确度。

本发明的应用推荐系统根据用户对标签的评分，确定出标签之间的相似值。对于当前应用具有的每个标签，与该标签相似值大于第一阈值的标签作为相似标签；确定出相似标签的相似值，并将具有相似标签的其它应用作为待推荐应用。本发明的推荐系统根据待推荐应用具有的相似标签的相似值确定出待推荐应用的相似值；选取相似值大于第二阈值的待推荐应用进行推荐。从而使得待推荐应用与当前应用关系紧密，提高了推荐的精确度。

下面结合附图详细说明本发明的技术方案。

本发明实施例的应用推荐系统可以预先为设定范围内的每个应用添加标签；例如，应用推荐系统可以预先为一个或某些公司开发的每个应用，或者某个网站提供给用户进行下载的应用添加标签。应用具体可以是工具软件、电子游戏、网页、电子书和影视剧集等等；标签具体可以是反映应用的属性、特点的词汇，比如交通、便捷生活和国学等等。

应用推荐系统为应用添加标签后，可以将应用与标签进行对应存储，得到用户-应用的评分矩阵。下表1示出了对应存储的应用与标签的一个具体例子：

表1

应用	标签
		cn.mucang.xiaomi.android.wz	违章
cn.mucang.xiaomi.android.wz	交通
		cn.mucang.xiaomi.android.wz	便捷生活
com.lltskb.lltskb	火车
		com.lltskb.lltskb	交通
mt.book.lunyu	国学
		mt.book.lunyu	论语

com.mfw.roadbook	便捷生活
		Movecont.skydao	国学

基于添加了标签的应用，本发明实施例的应用推荐系统将用户对应用的评分转换为用户对标签的评分后，可以确定出标签之间的相似值，具体方法的流程图，如图1所示，包括如下步骤：

S101：应用推荐系统获取用户对应用的评分。

具体地，应用推荐系统可以从用户的日志中提取出用户对应用的评分，将用户的用户名、用户所评分的应用以及用户对该应用的评分进行对应存储。

下表2示出了对应存储的用户名、应用及其评分的一个具体例子：

表2

用户	应用	评分
			861003009d275ad9	Movecont.skydao	3
861003009d275ad9	cn.mucang.xiaomi.android.wz	4
			861003009d275ad9	com.mfw.roadbook	1
861003009d275ad9	com.lltskb.lltskb	1
			861003235275fd	mt.book.lunyu	3
861003235275fd	com.lltskb.lltskb	1
			861103735265h4	mt.book.lunyu	5
861103735265h4	cn.mucang.xiaomi.android.wz	2
			861103735265h4	Movecont.skydao	4
861103735265h5	cn.mucang.xiaomi.android.wz	5
			861103735265h5	mt.book.lunyu	1
861103735265h5	com.lltskb.lltskb	3
			861103735265h5	com.mfw.roadbook	1

较佳地，应用推荐系统可以将用户对应用的评分作为矩阵元素构成用户-应用的评分矩阵进行存储。

S102：应用推荐系统根据各应用的标签，将用户对应用的评分转换为用户对标签的评分。

本步骤中，应用推荐系统对于每个用户，针对该用户所评分的每个应用，将该应用的标签作为该用户所评分的标签；对于该用户所评分的每个标签，确定该用户所评分的应用中具有该标签的应用；将该用户对确定出的应用的评分求均值得到该用户对该标签的评分。

例如，应用推荐系统对于表2中的用户861003009d275ad9，针对该用户所评分的应用cn.mucang.xiaomi.android.wz，将cn.mucang.xiaomi.android.wz在表1中具有的三个标签“违章”、“交通”和“便捷生活”均作为该用户所评分的标签；对于该用户所评分的标签“交通”，根据表1确定出该用户所评分的应用中具有标签“交通”的应用为cn.mucang.xiaomi.android.wz和com.lltskb.lltskb；针对该用户所评分的标签“交通”，根据确定出的具有标签“交通”的应用cn.mucang.xiaomi.android.wz和com.lltskb.lltskb，从表2中获得该用户对cn.mucang.xiaomi.android.wz和com.lltskb.lltskb的评分分别为4和1，对4和1求平均值得到2.5作为该用户对标签“交通”的评分。

之后，应用推荐系统可以将用户的用户名、用户所评分的标签以及用户对该标签的评分进行对应存储。

下表3示出了对应存储的用户名、标签及其评分的一个具体例子：

表3

用户	标签	评分
			861003009d275ad9	违章	4
861003009d275ad9	交通	2.5
			861003009d275ad9	便捷生活	2.5
861003009d275ad9	火车	1
			861003009d275ad9	国学	3
861003235275fd	国学	3
			861003235275fd	论语	3
861003235275fd	火车	1
			861003235275fd	交通	1
861103735265h4	违章	2
			861103735265h4	交通	2
861103735265h4	便捷生活	2
			861103735265h4	国学	4.5
861103735265h4	论语	5
			861103735265h5	违章	5
861103735265h5	交通	4
			861103735265h5	便捷生活	3
861103735265h5	国学	1
			861103735265h5	论语	1
861103735265h5	火车	3

较佳地，应用推荐系统可以将用户对标签的评分作为矩阵元素构成用户-标签的评分矩阵进行存储。

例如，用户-标签的评分矩阵中的各矩阵元素可以如下表4所示：

表4

	便捷生活	国学	火车	交通	论语	违章
							861003009d275ad9	2.5	3	1	2.5	0	4
861003235275fd	0	3	1	1	3	0
							861103735265h4	2	4.5	0	2	5	2
861103735265h5	3	1	3	4	1	5

表4中，0表示用户-标签的评分矩阵中该矩阵元素对应的用户未对该矩阵元素对应的标签进行评分。

S103：应用推荐系统根据用户对标签的评分，确定出标签之间的相似值并进行存储。

本步骤中，应用推荐系统对于每个被评分的标签，将各用户对该标签的评分作为向量元素构成该标签的评分向量。标签的评分向量的维数等于为该标签进行过评分的用户总数。

例如，如表4所示，应用推荐系统对于标签“便捷生活”，将用户861003009d275ad9、861003235275fd、861103735265h4和861103735265h5分别对“便捷生活”的评分2.5、0、2和3作为向量元素构成“便捷生活”的评分向量，“便捷生活”的评分向量具体为[2.5,0,2,3]。

应用推荐系统对于任意两个标签，将该两个标签的评分向量之间的相似值作为该两个标签之间的相似值；并计算该两个标签的评分向量之间的相似值。计算两个标签的评分向量之间的相似值具体可以是计算两个标签的评分向量之间的余弦夹角，如以下公式1所示：

sim (X, Y) = \cos (X, Y) \frac{X \times Y}{| | X | | | | Y | |}

（公式1）

公式1中，X和Y分别表示两个标签的评分向量。若X=Y，则sim(X,Y)=1。

例如，应用推荐系统计算标签“便捷生活”和“国学”之间的评分向量之间的相似值，具体地将评分向量[2.5,0,2,3]和[3,3,4.5,1]分别作为向量X和Y代入到公式1中计算得到0.709；即应用推荐系统计算出标签“便捷生活”和“国学”之间的相似值为0.709。

之后，应用推荐系统将标签之间的相似值进行对应存储。较佳地，应用推荐系统可以将标签之间的相似值作为矩阵元素构成标签-标签的相似值矩阵进行存储。

例如，应用推荐系统计算出表4中标签之间的相似值；将计算出的相似值作为矩阵元素构成标签-标签的相似值矩阵，该相似值矩阵的各矩阵元素可以如下表5所示：

表5

	便捷生活	国学	火车	交通	论语	违章
							便捷生活	1	0.709	0.79	0.971	0.501	0.985
国学	0.7094134	1	0.433	0.719	0.877	0.619
							火车	0.7902894	0.433	1	0.895	0.306	0.854
交通	0.9714745	0.719	0.895	1	0.55	0.971
							论语	0.5008342	0.877	0.306	0.55	1	0.378
违章	0.9853179	0.619	0.854	0.971	0.378	1

基于上述根据用户对标签的评分，确定出的标签之间的相似值，本发明实施例的应用推荐方法的流程图，如图2所示，可以包括如下步骤：

S201：应用推荐系统确定出当前应用具有的标签。

具体地，应用推荐系统将用户正在访问的应用作为当前应用，确定出当前应用具有的标签。

例如，如下表6所示，应用推荐系统可以将用户正在访问的应用cn.mucang.xiaomi.android.wz作为当前应用，确定出该当前应用具有的标签为“违章”、“交通”和“便捷生活”。

表6

应用	标签
		cn.mucang.xiaomi.android.wz	违章
cn.mucang.xiaomi.android.wz	交通
		cn.mucang.xiaomi.android.wz	便捷生活

S202：应用推荐系统针对当前应用的每个标签，根据预先存储的标签之间的相似值，确定出与该标签之间的相似值大于第一阈值的标签作为相似标签。

具体地，应用推荐系统针对当前应用的每个标签，在上述步骤S103中存储的标签之间的相似值中查找出与该标签相关的相似值；将查找出的相似值与第一阈值相比较，确定出大于第一阈值的相似值，忽略小于或者等于第一阈值的相似值；将与确定出的大于第一阈值的相似值相关的标签作为当前应用的相似标签。第一阈值可以由本领域的普通技术人员可以根据经验或通过实验获得。

例如，如下表7所示，应用推荐系统针对cn.mucang.xiaomi.android.wz的标签“便捷生活”，在上述步骤S103中存储的标签之间的相似值中查找出与“便捷生活”相关的相似值包括1、0.709、0.79、0.971、0.501和0.985；若第一阈值为0.3，则将分别与1、0.709、0.79、0.971、0.501和0.985相关的标签“便捷生活”、“国学”、“火车”、“交通”、“论语”和“违章”均作为cn.mucang.xiaomi.android.wz的相似标签。

表7

S203：应用推荐系统确定出当前应用的每个相似标签的相似值。

本步骤中，应用推荐系统针对确定出的当前应用的每个相似标签，确定出该相似标签与当前应用的各标签之间的相似值后，计算确定出的相似值之和；并将计算出的相似值之和作为该相似标签的相似值。

例如，应用推荐系统针对表7中的相似标签“便捷生活”，确定出“便捷生活”与当前应用cn.mucang.xiaomi.android.wz的各标签“便捷生活”、“交通”和“违章”之间的相似值分别为1、0.9714745和0.9853179后，计算1、0.9714745、0.9853179之和，将计算出的相似值之和2.9567924作为相似标签“便捷生活”的相似值。当前应用cn.mucang.xiaomi.android.wz的各相似标签的相似值如下表8所示：

表8

	便捷生活	国学	火车	交通	论语	违章
							cn.mucang.xiaomi.android.wz	2.9567924	2.04662952	2.6196625	2.942	1.429	2.956

S204：应用推荐系统针对当前应用的每个相似标签，确定出具有该相似标签的其它应用作为待推荐应用。

具体地，应用推荐系统针对当前应用的每个相似标签，从预先对应存储的应用与标签中，查找出具有该相似标签的其它应用作为当前应用的待推荐应用。

例如，应用推荐系统针对当前应用cn.mucang.xiaomi.android.wz的相似标签“便捷生活”，从对应存储的应用于标签中，查找出具有“便携生活”的com.mfw.roadbook作为待推荐应用。

S205：应用推荐系统针对确定出的每个待推荐应用，计算该待推荐应用的各标签中含有的相似标签的相似值之和作为该待推荐应用的相似值。

具体地，应用推荐系统针对确定出的每个待推荐应用，确定出该待推荐应用的各标签中含有的当前应用的相似标签后，计算确定出的相似标签的相似值之和作为该待推荐应用的相似值。

例如，如下表9所示，应用推荐系统针对待推荐应用com.lltskb.lltskb，确定出其各标签中含有的当前应用cn.mucang.xiaomi.android.wz的相似标签包括“火车”和“交通”；应用推荐系统从表8获得cn.mucang.xiaomi.android.wz的相似标签“火车”和“交通”的相似值分别为2.619和2.942后，将2.619与2.942相加得到5.561，并将5.561作为待推荐应用com.lltskb.lltskb的相似值。

表9

S206：应用推荐系统选取相似值大于第二阈值的待推荐应用进行推荐。

具体地，应用推荐系统将上述步骤S205中确定出的待推荐应用的相似值与第二阈值相比较后，将相似值大于第二阈值的待推荐应用进行推荐；忽略相似值小于或者等于第二阈值的待推荐应用。第二阈值可以由本领域的普通技术人员可以根据经验或通过实验获得。

例如，应用推荐系统将表9中各待推荐应用的相似值5.561、3.476、2.957和2.047分别与第二阈值3相比较，将大于3的5.561、3.476分别对应的待推荐应用com.lltskb.lltskb和mt.book.lunyu进行推荐。应用推荐系统进行推荐的待推荐应用及其相似值如下表10所示:

表10

待推荐应用	待推荐应用相似值
		com.lltskb.lltskb	5.482
mt.book.lunyu	3.476

事实上，步骤S203可以在步骤S204之后执行，或者步骤S203与步骤S204同步执行。

本发明实施例提供的应用推荐系统的内部结构框架示意图，如图3所示，可以包括：相似标签确定模块301、第一相似值确定模块302、待推荐应用确定模块303、第二相似值确定模块304和推荐模块305。

相似标签确定模块301用于针对当前应用的每个标签，根据预先存储的标签之间的相似值，确定出与该标签之间的相似值大于第一阈值的标签作为相似标签。

第一相似值确定模块302用于针对相似标签确定模块301确定出的每个相似标签，将计算出的该相似标签与当前应用的各标签之间的相似值之和，作为该相似标签的相似值。

待推荐应用确定模块303用于针对相似标签确定模块301确定出的每个相似标签，查找出具有该相似标签的其它应用作为待推荐应用。

第二相似值确定模块304用于针对待推荐应用确定模块303确定出的每个待推荐应用，计算该待推荐应用的各标签中含有的相似标签的相似值之和作为该待推荐应用的相似值。

推荐模块305用于根据第二相似值确定模块304计算出的各待推荐应用的相似值，选取相似值大于第二阈值的待推荐应用进行推荐。

进一步，本发明实施例提供的应用推荐系统，还可以包括：评分转换模块306和标签相似度计算模块307。

评分转换模块306用于根据各应用的标签，将用户对应用的评分转换为用户对标签的评分。

标签相似值计算模块307用于根据评分转换模块306转换得到的用户对标签的评分，计算标签之间的相似值并进行存储。而上述相似标签确定模块301具体是获取了标签相似值计算模块307预先存储的标签之间的相似值后，针对当前应用的每个标签，根据获取的相似值，确定出与该标签之间的相似值大于第一阈值的标签作为相似标签。

上述相似标签确定模块301、第一相似值确定模块302、待推荐应用确定模块303、第二相似值确定模块304、推荐模块305、评分转换模块306和标签相似度计算模块307的功能的具体实现方法，可以参考上述如图1～图2所示的方法流程步骤的具体内容，此处不再赘述。

本发明的技术方案中，应用推荐系统将用户对应用的评分转换为用户对标签的评分，由于标签数目远小于应用数目，等效于增加了评分的密度，因此改善了现有技术方案中评分的稀疏性，有助于提高推荐的精确度。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序可以存储于一计算机可读取存储介质中，如：ROM/RAM、磁碟、光盘等。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims

1.一种应用推荐方法，其特征在于，包括：

选取相似值大于第二阈值的待推荐应用进行推荐。

2.如权利要求1所述的方法，其特征在于，所述标签之间的相似值为预先确定的：

根据用户对标签的评分计算标签之间的相似值。

3.如权利要求2所述的方法，其特征在于，所述根据各应用的标签，将用户对应用的评分转换为用户对标签的评分，具体包括：

4.如权利要求3所述的方法，其特征在于，所述根据用户对标签的评分计算标签之间的相似值，具体包括：

5.如权利要求4所述的方法，其特征在于，计算所述两个标签的评分向量之间的相似度，具体为：

计算所述两个标签的评分向量之间的余弦夹角。

6.如权利要求2-5任一所述的方法，其特征在于，所述用户对应用的评分具体以用户-应用的评分矩阵形式保存；以及

7.如权利要求1-5任一所述的方法，其特征在于，所述标签之间的相似值具体以标签-标签的相似值矩阵形式保存。

8.一种应用推荐系统，其特征在于，包括：

9.如权利要求8所述的系统，其特征在于，还包括：

10.如权利要求9所述的系统，其特征在于，所述用户对应用的评分具体以用户-应用的评分矩阵形式保存；以及

所述用户对标签的评分具体以用户-标签的评分矩阵形式保存；以及所述标签之间的相似值具体以标签-标签的相似值矩阵形式保存。