CN104298679A - 应用业务推荐方法及装置 - Google Patents
应用业务推荐方法及装置 Download PDFInfo
- Publication number
- CN104298679A CN104298679A CN201310302709.2A CN201310302709A CN104298679A CN 104298679 A CN104298679 A CN 104298679A CN 201310302709 A CN201310302709 A CN 201310302709A CN 104298679 A CN104298679 A CN 104298679A
- Authority
- CN
- China
- Prior art keywords
- applied business
- targeted customer
- module
- user
- recommendation information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种应用业务推荐方法及装置,所述方法包括:获取目标用户的使用习惯数据,其中,所述使用习惯数据是关于所述目标用户使用至少一应用业务的习惯的数据;分析所述使用习惯数据,并生成一应用业务推荐信息;以及输出所述应用业务推荐信息至所述目标用户对应的客户端。本发明实施例能够精确地向目标用户推荐符合所述目标用户的使用习惯和偏好的应用业务。
Description
【技术领域】
本发明涉及计算机技术领域,特别涉及一种应用业务推荐方法及装置。
【背景技术】
传统的推荐应用业务的技术方案如下:
第一种技术方案:根据用户设备(例如,手机)所安装的应用业务/应用业务来向用户推荐其它的应用业务。
第二种技术方案:根据用户设备所下载的推荐应用业务内的应用业务来向用户推荐其它的应用业务。
在实践中,发明人发现现有技术至少存在以下问题:
对于上述第一种技术方案:由于用户设备内往往具有较多的应用业务,部分应用业务用户可能从未打开过,因此,根据用户设备内所安装的应用业务来推荐其它应用业务的精确度不高。
对于上述第二种技术方案:其存在与上述第一种技术方案相同的问题,即,下载到用户设备上的应用业务未必会被用户经常使用,并且应用业务被下载并不能反映其在实际使用过程中的受欢迎程度和活跃度,因此,根据用户设备所下载的应用业务来推荐其它应用业务的精确度不高。
综上,传统的推荐应用业务的技术方案不能够精确地为用户推荐其它应用业务。
故,有必要提出一种新的技术方案,以解决上述技术问题。
【发明内容】
本发明的目的在于提供一种应用业务推荐方法及装置,其能精确地向目标用户推荐符合所述目标用户的使用习惯和偏好的应用业务。
为解决上述问题,本发明实施例的技术方案如下:
一种应用业务推荐方法,所述方法包括:获取目标用户的使用习惯数据,其中,所述使用习惯数据是关于所述目标用户使用至少一应用业务的习惯的数据;分析所述使用习惯数据,并生成一应用业务推荐信息;以及输出所述应用业务推荐信息至所述目标用户对应的客户端。
一种应用业务推荐装置,所述装置包括:获取模块,用于获取目标用户的使用习惯数据,其中,所述使用习惯数据是关于所述目标用户使用至少一应用业务的习惯的数据;分析模块,用于分析所述使用习惯数据,并生成一应用业务推荐信息;以及输出模块,用于输出所述应用业务推荐信息至所述目标用户对应的客户端。
相对现有技术,由于对所述目标用户的使用习惯数据进行分析,因此能够准确地获知所述目标用户的应用业务使用习惯和应用业务偏好,而根据所述目标用户的应用业务使用习惯和偏好来向其推荐应用业务,所推荐的应用业务能够更精确地符合所述目标用户的使用习惯和偏好。
为让本发明的上述内容能更明显易懂,下文特举优选实施例,并配合所附图式,作详细说明如下:
【附图说明】
图1为本发明实施例的应用业务推荐方法和装置的工作模式示意图;
图2为本发明实施例的应用业务推荐方法和装置的运行环境示意图;
图3为本发明的应用业务推荐装置的第一实施例的框图;
图4为本发明的应用业务推荐装置的第二实施例的框图;
图5为本发明的应用业务推荐装置的第三实施例的框图;
图6为本发明的应用业务推荐装置的第五实施例的框图;
图7为本发明的应用业务推荐装置的第六实施例的框图;
图8为本发明的应用业务推荐装置的第七实施例的框图;
图9为本发明的应用业务推荐方法的第一实施例的流程图;
图10为本发明的应用业务推荐方法的第二实施例的流程图;
图11为本发明的应用业务推荐方法的第三实施例的流程图;
图12为本发明的应用业务推荐方法的第四实施例的流程图;
图13为本发明的应用业务推荐方法的第五实施例的流程图;
图14为本发明的应用业务推荐方法的第六实施例的流程图;
图15为本发明的应用业务推荐方法的第七实施例的流程图;
图16为本发明的应用业务推荐方法的第八实施例的流程图。
【具体实施方式】
以下各实施例的说明是参考附加的图式,用以例示本发明可用以实施的特定实施例。
在本发明实施例中,术语“应用业务”包括软件、游戏、互联网应用(工具)等可以运行于计算机、移动终端等电子设备中的程序,例如,所述应用业务可以是:文档编辑软件、绘图软件、网络游戏、单机游戏、即时通信应用(工具)等等。
在以下的说明中,本发明的具体实施例将参考由一部或多部计算机/用户设备(例如,移动终端)所执行的作业的步骤及符号来说明,除非另有述明。因此,其将可了解到这些步骤及操作,其中有数次提到为由计算机/用户设备执行,包括了由代表了以一结构化型式中的数据的电子信号的计算机/用户设备处理单元所操纵。此操纵转换该数据或将该数据维持在该计算机/用户设备的内存系统中的位置处,其可重新配置或另外以本领域技术人员所熟知的方式来改变该计算机/用户设备的运作。该数据所维持的数据结构为该内存的实体位置,其具有由该数据格式所定义的特定特性。但是,本发明原理以上述文字来说明,其并不代表为一种限制,本领域技术人员将可了解到以下所述的多种步骤及操作亦可实施在硬件当中。
本发明的原理使用许多其它泛用性或特定目的运算、通信环境或组态来进行作业。所熟知适合用于本发明实施例的运算系统、环境与组态的范例可包括(但不限于)平板电脑、移动电话、个人计算机、服务器、多处理器系统、微电脑为主的系统、主架构型计算机、及分布式运算环境,其中包括了任何的上述系统或装置。
如在此处使用的术语“模块”或“单元”可称之为在该运算系统上执行的软件对象或例式。在此处所述的不同组件、模块、引擎及服务可实施为在该运算系统上执行的对象或处理。而在此处所述的系统及方法优选地是实施成软件,在软件及硬件或硬件上的实施亦有可能并进行考虑。
参考图1和图2,本发明实施例的应用业务推荐方法及装置可以运行于计算机或安装有目前常用的便携式可移动智能设备的操作系统平台的用户设备100中,该计算机可以是个人电脑、服务器等等中的一种或者一种以上组合而成的系统,该用户设备100可以是移动终端、掌上电脑、平板电脑等等中的任意一种。该计算机或者该用户设备100与至少一个客户端102、103通过网络101通信。该计算机或者该用户设备中可以包括处理器1001、存储器1002、传感器1005、开关器件1004、电源1003、时钟信号生成器1006、输入输出设备1007等中的任意组合100,上述计算机或者用户设备中的处理器1001、存储器1002、传感器1005、开关器件1004、电源1003、时钟信号生成器1006、输入输出设备1007等中的任意组合100用于实现本发明实施例的应用业务推荐方法中的步骤及应用业务推荐装置中的功能。
在本实施例中,所述应用业务推荐装置所对应的软件程序指令存储于存储器1002中,并被处理器1001执行,以实现操作系统中的进程管理。
参考图3,图3为本发明的应用业务推荐装置的第一实施例的框图。
本发明实施例的应用业务推荐装置包括获取模块301、分析模块302和所述输出模块303。
所述获取模块301用于获取目标用户的使用习惯数据,其中,所述使用习惯数据是关于所述目标用户使用至少一应用业务的习惯的数据。具体地,所述使用习惯数据是所述目标用户在所述客户端102上使用应用业务的相关数据,例如,所述使用习惯数据包括:所述目标用户在所述客户端102上使用过的应用业务的名称、开始使用时间、结束使用时间、持续使用时间、使用频率等等信息,安装过的应用业务的名称、安装时间等等信息,卸载过的应用业务的名称、卸载时间等等信息。所述使用习惯数据可以是事先从所述目标用户的所述客户端102接收并整理得出的,所述使用习惯数据可以存储于相应的数据库中。所述获取模块301还用于在预定时间(例如,每天07:00AM,或者每周一09:00AM)到达时从所述数据库中获取所述使用习惯数据。
所述分析模块302用于分析所述使用习惯数据,并生成一应用业务推荐信息。具体地,所述分析模块302用于通过分析所述使用习惯数据来计算出所述目标用户的行为模型或偏好,从而根据所述目标用户的行为模型或偏好计算出适合所述目标用户使用或满足所述目标用户喜好的应用业务推荐信息。
所述输出模块303用于向所述目标用户的客户端102输出所述应用业务推荐信息。具体地,所述输出模块303可以用于在预定时间到达时或者按一定的频率向所述客户端102发送所述应用业务推荐信息。
在本实施例中,由于对所述目标用户的使用习惯数据进行分析,因此能够准确地获知所述目标用户的应用业务使用习惯和应用业务偏好,而根据所述目标用户的应用业务使用习惯和偏好来向其推荐应用业务,所推荐的应用业务能够更精确地符合所述目标用户的使用习惯和偏好。
参考图4,图4为本发明的应用业务推荐装置的第二实施例的框图。本实施例与上述第一实施例相似,不同之处在于:
所述分析模块302包括查找模块3021和第一推荐信息生成模块3022。
所述查找模块3021用于根据所述使用习惯数据查找所述目标用户偏好的应用业务所对应的标签组合。所述标签组合包括至少一标签,所述标签与所述目标用户所偏好的应用业务的属性相关,所述标签用于标识应用业务的所属类别。例如,所述标签组合包括休闲益智、3D、竞速这三个标签。具体地,所述查找模块3021用于从所述使用习惯数据中关于标签信息的部分查找关于所述标签组合的信息。
所述查找模块3021还用于查找与所述目标用户同样偏好所述标签组合的参照用户组合,其中,所述参照用户组合包括至少一参照用户。具体地,所述查找模块3021用于从所述使用习惯数据中关于用户信息的部分查找与所述标签组合对应的所述参照用户组合的信息。
所述第一推荐信息生成模块3022用于根据所述参照用户组合的使用历史数据生成所述应用业务推荐信息,其中,所述使用历史数据是与所述参照用户组合所使用过的应用业务相关的数据。所述使用历史数据中,所述参照用户组合所使用过的应用业务的信息可以用于构成所述应用业务推荐信息。
在本实施例中,通过查找与所述目标用户偏好相同应用业务的参照用户组合,以根据所述参照用户组合所使用过的应用业务来向所述目标用户推荐应用业务信息,因此有利于更加精确地为所述目标用户推荐所需的应用业务。
参考图5,图5为本发明的应用业务推荐装置的第三实施例的框图。本实施例与上述第二实施例相似,不同之处在于:
所述分析模块302还包括第一计算模块3023、第一排序模块3024和第一筛选模块3025。
所述第一计算模块3023用于计算所述目标用户与每一所述参照用户在偏好所述标签组合方面的第一相似度。例如,针对休闲益智、3D、竞速这三个标签,所述目标用户的偏好值分别是0.6、0.2、0.1,而所述参照用户组合中的第一参照用户的偏好值分别是0.4、0.1、0.3,所述第一计算模块3023用于针对同一标签,取其中最小的偏好值,将数个标签的最小的偏好值相加即为所述第一相似度,则所述目标用户与所述第一参照用户在偏好所述标签组合方面的第一相似度=0.4(0.6与0.4中最小的一者)+0.1(0.2与0.1中最小的一者)+0.1(0.1与0.3中最小的一者)=0.6。
所述第一排序模块3024用于根据所述第一相似度对所述参照用户进行排序(从大到小排序或者从小到大排序),并生成第一排序结果。
所述第一筛选模块3025用于根据所述第一排序结果筛选出第一预定数量(例如,100个)的参照用户,并生成第一筛选结果。
所述第一推荐信息生成模块3022用于根据所述第一筛选结果所对应的参照用户的使用历史数据生成所述应用业务推荐信息。
在本实施例中,通过计算所述第一相似度,并根据所述第一相似度对候选的参照用户进行排序,有利于得到在应用业务使用习惯上更接近所述目标用户的参照用户,从而可以使得推荐效果(符合所述目标用户的使用习惯和偏好的程度)更加精确。
本发明的应用业务推荐装置的第四实施例与上述第三实施例相似,不同之处在于:
所述第一筛选模块3025用于根据所述使用习惯数据从所述第一排序结果中删去所述客户端102已安装过的应用业务、已卸载过的应用业务中的至少一者。具体地,所述第一筛选模块3025用于从所述使用习惯数据中查找出所述客户端102已安装过的应用业务、已卸载过的应用业务中的至少一者,并对照所述已安装过的应用业务、已卸载过的应用业务中的至少一者,从所述第一排序结果中删去相应的应用业务的信息。
在本实施例中,通过删去所述目标用户已安装过或已卸载过的应用业务,有利于使得向所述目标用户推荐的应用业务跟所述目标用户已使用过的应用业务不重复。
参考图6,图6为本发明的应用业务推荐装置的第五实施例的框图。本实施例与上述第四实施例相似,不同之处在于:
所述装置还包括收集模块601和统计模块602。
所述收集模块601用于收集所述客户端102对应的用户设备中关于所述应用业务的使用情况信息,其中,所述使用情况信息包括所述目标用户所使用的应用业务的标识、所属标签、使用时间、使用时长、使用次数、已下载的应用业务、已安装的应用业务、已卸载的应用业务、安装时间、卸载时间中的至少一者,其中,所述应用业务的标识可以包括平台名称、IMEI(InternationalMobile Equipment Identity,国际移动设备身份码)、管家版本、渠道号、用户系统版本、包名+证书MD5(Message DigestAlgorithm5,消息摘要算法第5版)、日期等信息。所述使用情况信息也可以由所述客户端102收集并上传至所述收集模块601中的。具体地,所述使用情况信息是所述客户端102通过以下方式收集的:每隔一定时间(例如,1秒)用屏幕(例如,安卓手机的屏幕)UI(User Interface,用户界面)堆栈收集一次数据,监控客户端102中目前显示的是哪一个应用业务(用户当前正在使用哪一个应用业务),如果连续N(N为正整数)次的收集都是某一应用业务处于被使用状态,则该应用业务的使用时长则是相应的监控时间之和,同一款应用业务的打开时长和次数整理为一条数据。
统计模块602用于对所述使用情况信息进行统计以生成所述使用习惯数据。例如,所述统计模块602的统计工作包括:统计每一用户最近三个月内使用过的应用业务,统计最近一个月内每一款应用业务的打开次数,统计每一用户所卸载的应用业务,统计每一用户最近一周内下载过的应用业务,诸如此类。
在本实施例中,通过收集每一用户在使用应用业务方面的信息,并进行统计,可以更清楚地获知所述目标用户和每一参照用户在应用业务使用方面的习惯、偏好等信息。
参考图7,图7为本发明的应用业务推荐装置的第六实施例的框图。本实施例与上述第一实施例相似,不同之处在于:
所述分析模块302还包括查找模块3021和第二推荐信息生成模块3026。
所述查找模块3021用于根据所述使用习惯数据查找所述目标用户偏好的应用业务所对应的标签组合。所述标签组合包括至少一标签,所述标签与所述目标用户所偏好的应用业务的属性相关,所述标签用于标识一个应用业务的所属类别。例如,所述标签组合包括休闲益智、3D、竞速这三个标签。具体地,所述查找模块3021从所述使用习惯数据中关于标签信息的部分查找关于所述标签组合的信息。
所述查找模块3021还用于查找具有所述标签组合中部分标签或全部标签的候选应用业务组合,其中,所述候选应用业务组合包括至少一候选应用业务。所述查找模块3021从应用业务信息库中查找所述候选应用业务组合。例如,所述候选应用业务组合包括应用业务A、应用业务B、应用业务C,所述应用业务A、B、C均具有上述休闲益智、3D、竞速这三个标签。
所述第二推荐信息生成模块3026用于根据所述候选应用业务组合生成所述应用业务推荐信息。
在本实施例中,通过查找与所述目标用户所偏好的应用业务具有相同标签组合的候选应用业务组合,以根据与所述目标应用业务所偏好的应用业务相似的候选应用业务来向所述目标用户推荐应用业务信息,因此有利于更加精确地为所述目标用户推荐所需的应用业务。
参考图8,图8为本发明的应用业务推荐装置的第七实施例的框图。本实施例与上述第六实施例相似,不同之处在于:
所述分析模块302还包括第二计算模块3027、第二排序模块3028和第二筛选模块3029。
所述第二计算模块3027用于计算所述目标用户所偏好的应用业务与每一所述候选应用业务在所述标签组合方面的第二相似度。例如,针对休闲益智、3D、竞速这三个标签,所述目标用户所偏好的应用业务的属性值分别是0.6、0.2、0.1,而上述候选应用业务组合中的第一候选应用业务的属性值分别是0.4、0.1、0.3,针对同一标签,取其中小的属性值,将数个标签的最小的属性值相加即为所述第二相似度,则所述目标用户所偏好的应用业务与所述候选应用业务组合中的第一候选应用业务的第二相似度=0.4(0.6与0.4中最小的一者)+0.1(0.2与0.1中最小的一者)+0.1(0.1与0.3中最小的一者)=0.6。
所述第二排序模块3028用于根据所述第二相似度对所述候选应用业务进行排序,并生成第二排序结果。
所述第二筛选模块3029用于根据所述第二排序结果筛选出第二预定数量的候选应用业务,并生成第二筛选结果。
第二推荐信息生成模块3026用于根据所述第二筛选结果生成所述应用业务推荐信息。
在本实施例中,通过计算所述第二相似度,并根据所述第二相似度对候选应用业务进行排序,有利于得到所述目标用户可能同样喜好的应用业务,从而可以使得推荐效果(符合所述目标用户的使用习惯和偏好的程度)更加精确。
本发明的应用业务推荐装置的第八实施例与上述第七实施例相似,不同之处在于:
所述第二筛选模块3029还用于根据所述使用习惯数据从所述第二排序结果中删去所述客户端已安装过的应用业务、已卸载过的应用业务中的至少一者。具体地,所述第二筛选模块3029从所述使用习惯数据中查找出所述客户端已安装过的应用业务、已卸载过的应用业务中的至少一者,并对照所述已安装过的应用业务、已卸载过的应用业务中的至少一者,从所述第二排序结果中删去相应的应用业务的信息。
在本实施例中,通过删去所述目标用户已安装过或已卸载过的应用业务,有利于使得向所述目标用户推荐的应用业务跟所述目标用户已使用过的应用业务不重复。
参考图9,图9为本发明的应用业务推荐方法的第一实施例的流程图。
本发明实施例的应用业务推荐方法包括以下步骤:
步骤901,所述获取模块301获取目标用户的使用习惯数据,其中,所述使用习惯数据是关于所述目标用户使用至少一应用业务的习惯的数据。具体地,所述使用习惯数据是所述目标用户在所述客户端102上使用应用业务的相关数据,例如,所述使用习惯数据包括:所述目标用户在所述客户端102上使用过的应用业务的名称、开始使用时间、结束使用时间、持续使用时间、使用频率等等信息,安装过的应用业务的名称、安装时间等等信息,卸载过的应用业务的名称、卸载时间等等信息。所述使用习惯数据可以是事先从所述目标用户的所述客户端102接收并整理得出的,所述使用习惯数据可以存储于相应的数据库中。所述获取模块301在预定时间(例如,每天07:00AM,或者每周一09:00AM)到达时从所述数据库中获取所述使用习惯数据。
步骤902,所述分析模块302分析所述使用习惯数据,并生成一应用业务推荐信息。具体地,所述分析模块302通过分析所述使用习惯数据来计算出所述目标用户的行为模型或偏好,从而根据所述目标用户的行为模型或偏好计算出适合所述目标用户使用或满足所述目标用户喜好的应用业务推荐信息。
步骤903,所述输出模块303向所述目标用户的客户端102输出所述应用业务推荐信息。具体地,所述输出模块303可以在预定时间到达时或者按一定的频率向所述客户端102发送所述应用业务推荐信息。
在本实施例中,由于对所述目标用户的使用习惯数据进行分析,因此能够准确地获知所述目标用户的应用业务使用习惯和应用业务偏好,而根据所述目标用户的应用业务使用习惯和偏好来向其推荐应用业务,所推荐的应用业务能够更精确地符合所述目标用户的使用习惯和偏好。
参考图10,图10为本发明的应用业务推荐方法的第二实施例的流程图。本实施例与上述第一实施例相似,不同之处在于:
本发明实施例的应用业务推荐方法中,所述分析模块302对所述使用习惯数据进行分析,并生成应用业务推荐信息的步骤(即,步骤902)包括:
步骤1001,所述查找模块3021根据所述使用习惯数据查找所述目标用户偏好的应用业务所对应的标签组合。所述标签组合包括至少一标签,所述标签与所述目标用户所偏好的应用业务的属性相关,所述标签用于标识应用业务的所属类别。例如,所述标签组合包括休闲益智、3D、竞速这三个标签。具体地,所述查找模块3021从所述使用习惯数据中关于标签信息的部分查找关于所述标签组合的信息。
步骤1002,所述查找模块3021查找与所述目标用户同样偏好所述标签组合的参照用户组合,其中,所述参照用户组合包括至少一参照用户。具体地,所述查找模块3021从所述使用习惯数据中关于用户信息的部分查找与所述标签组合对应的所述参照用户组合的信息。
步骤1003,所述第一推荐信息生成模块3022根据所述参照用户组合的使用历史数据生成所述应用业务推荐信息,其中,所述使用历史数据是与所述参照用户组合所使用过的应用业务相关的数据。所述使用历史数据中,所述参照用户组合所使用过的应用业务的信息可以用于构成所述应用业务推荐信息。
在本实施例中,通过查找与所述目标用户偏好相同应用业务的参照用户组合,以根据所述参照用户组合所使用过的应用业务来向所述目标用户推荐应用业务信息,因此有利于更加精确地为所述目标用户推荐所需的应用业务。
参考图11,图11为本发明的应用业务推荐方法的第三实施例的流程图。本实施例与上述第二实施例相似,不同之处在于:
本发明实施例的应用业务推荐方法中,在所述查找模块3021查找偏好所述标签组合的参照用户组合的步骤(即,步骤1002)之后,以及在所述第一推荐信息生成模块3022根据所述参照用户组合的使用历史数据生成所述应用业务推荐信息的步骤(即,步骤1003)之前,所述分析模块302对所述使用习惯数据进行分析,并生成应用业务推荐信息的步骤(即,步骤902)还包括:
步骤1101,所述第一计算模块3023计算所述目标用户与每一所述参照用户在偏好所述标签组合方面的第一相似度。例如,针对休闲益智、3D、竞速这三个标签,所述目标用户的偏好值分别是0.6、0.2、0.1,而所述参照用户组合中的第一参照用户的偏好值分别是0.4、0.1、0.3,所述第一计算模块3023针对同一标签,取其中最小的偏好值,将数个标签的最小的偏好值相加即为所述第一相似度,则所述目标用户与所述第一参照用户在偏好所述标签组合方面的第一相似度=0.4(0.6与0.4中最小的一者)+0.1(0.2与0.1中最小的一者)+0.1(0.1与0.3中最小的一者)=0.6。
步骤1102,所述第一排序模块3024根据所述第一相似度对所述参照用户进行排序(从大到小排序或者从小到大排序),并生成第一排序结果。
步骤1103,所述第一筛选模块3025根据所述第一排序结果筛选出第一预定数量(例如,100个)的参照用户,并生成第一筛选结果。
所述第一推荐信息生成模块3022根据所述参照用户组合的使用历史数据生成所述应用业务推荐信息的步骤(即,步骤1003)为:
所述第一推荐信息生成模块3022根据所述第一筛选结果所对应的参照用户的使用历史数据生成所述应用业务推荐信息。
在本实施例中,通过计算所述第一相似度,并根据所述第一相似度对候选的参照用户进行排序,有利于得到在应用业务使用习惯上更接近所述目标用户的参照用户,从而可以使得推荐效果(符合所述目标用户的使用习惯和偏好的程度)更加精确。
参考图12,图12为本发明的应用业务推荐方法的第四实施例的流程图。本实施例与上述第三实施例相似,不同之处在于:
本发明实施例的应用业务推荐方法中,在所述第一排序模块3024根据所述第一相似度对所述参照用户进行排序,并生成第一排序结果的步骤(即,步骤1102)之后,以及在所述第一筛选模块3025根据所述第一排序结果筛选出第一预定数量的参照用户,并生成第一筛选结果的步骤(即,步骤1103)之前,所述分析模块302对所述使用习惯数据进行分析,并生成应用业务推荐信息的步骤(即,步骤902)还包括:
步骤1201,所述第一筛选模块3025根据所述使用习惯数据从所述第一排序结果中删去所述客户端102已安装过的应用业务、已卸载过的应用业务中的至少一者。具体地,所述第一筛选模块3025从所述使用习惯数据中查找出所述客户端102已安装过的应用业务、已卸载过的应用业务中的至少一者,并对照所述已安装过的应用业务、已卸载过的应用业务中的至少一者,从所述第一排序结果中删去相应的应用业务的信息。
在本实施例中,通过删去所述目标用户已安装过或已卸载过的应用业务,有利于使得向所述目标用户推荐的应用业务跟所述目标用户已使用过的应用业务不重复。
参考图13,图13为本发明的应用业务推荐方法的第五实施例的流程图。本实施例与上述第四实施例相似,不同之处在于:
本发明实施例的应用业务推荐方法中,在所述获取模块301获取用户的使用习惯数据的步骤(即,步骤901)之前,所述方法还包括:
步骤1301,所述收集模块601收集所述客户端102对应的用户设备中关于所述应用业务的使用情况信息,其中,所述使用情况信息包括所述目标用户所使用的应用业务的标识、所属标签、使用时间、使用时长、使用次数、已下载的应用业务、已安装的应用业务、已卸载的应用业务、安装时间、卸载时间中的至少一者,其中,所述应用业务的标识可以包括平台名称、IMEI、管家版本、渠道号、用户系统版本、包名+证书MD5、日期等信息。所述使用情况信息也可以由所述客户端102收集并上传至所述收集模块601中的。具体地,所述使用情况信息是所述客户端102通过以下方式收集的:每隔一定时间(例如,1秒)用屏幕(例如,安卓手机的屏幕)UI堆栈收集一次数据,监控客户端102中目前显示的是哪一个应用业务(用户当前正在使用哪一个应用业务),如果连续N(N为正整数)次的收集都是某一应用业务处于被使用状态,则该应用业务的使用时长则是相应的监控时间之和,同一款应用业务的打开时长和次数整理为一条数据。
步骤1302,所述统计模块602对所述使用情况信息进行统计以生成所述使用习惯数据。例如,所述统计模块602的统计工作包括:统计每一用户最近三个月内使用过的应用业务,统计最近一个月内每一款应用业务的打开次数,统计每一用户所卸载的应用业务,统计每一用户最近一周内下载过的应用业务,诸如此类。
在本实施例中,通过收集每一用户在使用应用业务方面的信息,并进行统计,可以更清楚地获知所述目标用户和每一参照用户在应用业务使用方面的习惯、偏好等信息。
参考图14,图14为本发明的应用业务推荐方法的第六实施例的流程图。本实施例与上述第一实施例相似,不同之处在于:
本发明实施例的应用业务推荐方法中,所述分析模块302对所述使用习惯数据进行分析,并生成应用业务推荐信息的步骤(即,步骤902)包括:
步骤1001,所述查找模块3021根据所述使用习惯数据查找所述目标用户偏好的应用业务所对应的标签组合。所述标签组合包括至少一标签,所述标签与所述目标用户所偏好的应用业务的属性相关,所述标签用于标识一个应用业务的所属类别。例如,所述标签组合包括休闲益智、3D、竞速这三个标签。具体地,所述查找模块3021从所述使用习惯数据中关于标签信息的部分查找关于所述标签组合的信息。
步骤1401,所述查找模块3021查找具有所述标签组合中部分标签或全部标签的候选应用业务组合,其中,所述候选应用业务组合包括至少一候选应用业务。所述查找模块3021从应用业务信息库中查找所述候选应用业务组合。例如,所述候选应用业务组合包括应用业务A、应用业务B、应用业务C,所述应用业务A、B、C均具有上述休闲益智、3D、竞速这三个标签。
步骤1402,所述第二推荐信息生成模块3026根据所述候选应用业务组合生成所述应用业务推荐信息。
在本实施例中,通过查找与所述目标用户所偏好的应用业务具有相同标签组合的候选应用业务组合,以根据与所述目标应用业务所偏好的应用业务相似的候选应用业务来向所述目标用户推荐应用业务信息,因此有利于更加精确地为所述目标用户推荐所需的应用业务。
参考图15,图15为本发明的应用业务推荐方法的第七实施例的流程图。本实施例与上述第六实施例相似,不同之处在于:
本发明实施例的应用业务推荐方法中,在所述查找模块3021查找具有所述标签组合中部分标签或全部标签的候选应用业务组合的步骤(即,步骤1401)之后,以及在所述第二推荐信息生成模块3026根据所述候选应用业务组合生成所述应用业务推荐信息的步骤(即,步骤1402)之前,所述分析模块302对所述使用习惯数据进行分析,并生成应用业务推荐信息的步骤(即,步骤902)还包括:
步骤1501,所述第二计算模块3027计算所述目标用户所偏好的应用业务与每一所述候选应用业务在所述标签组合方面的第二相似度。例如,针对休闲益智、3D、竞速这三个标签,所述目标用户所偏好的应用业务的属性值分别是0.6、0.2、0.1,而上述候选应用业务组合中的第一候选应用业务的属性值分别是0.4、0.1、0.3,针对同一标签,取其中小的属性值,将数个标签的最小的属性值相加即为所述第二相似度,则所述目标用户所偏好的应用业务与所述候选应用业务组合中的第一候选应用业务的第二相似度=0.4(0.6与0.4中最小的一者)+0.1(0.2与0.1中最小的一者)+0.1(0.1与0.3中最小的一者)=0.6。
步骤1502,所述第二排序模块3028根据所述第二相似度对所述候选应用业务进行排序,并生成第二排序结果。
步骤1503,所述第二筛选模块3029根据所述第二排序结果筛选出第二预定数量的候选应用业务,并生成第二筛选结果。
所述根据所述候选应用业务组合生成所述应用业务推荐信息的步骤(即,步骤1402)为:
第二推荐信息生成模块3026根据所述第二筛选结果生成所述应用业务推荐信息。
在本实施例中,通过计算所述第二相似度,并根据所述第二相似度对候选应用业务进行排序,有利于得到所述目标用户可能同样喜好的应用业务,从而可以使得推荐效果(符合所述目标用户的使用习惯和偏好的程度)更加精确。
参考图16,图16为本发明的应用业务推荐方法的第八实施例的流程图。本实施例与上述第七实施例相似,不同之处在于:
本发明实施例的应用业务推荐方法中,在所述第二排序模块3028根据所述第二相似度对所述候选应用业务进行排序,并生成第二排序结果的步骤(即,步骤1502)之后,以及在所述第二筛选模块3029根据所述第二排序结果筛选出第二预定数量的候选应用业务,并生成第二筛选结果的步骤(即,步骤1503)之前,所述分析模块302对所述使用习惯数据进行分析,并生成应用业务推荐信息的步骤(即,步骤902)还包括:
步骤1601,所述第二筛选模块3029根据所述使用习惯数据从所述第二排序结果中删去所述客户端已安装过的应用业务、已卸载过的应用业务中的至少一者。具体地,所述第二筛选模块3029从所述使用习惯数据中查找出所述客户端已安装过的应用业务、已卸载过的应用业务中的至少一者,并对照所述已安装过的应用业务、已卸载过的应用业务中的至少一者,从所述第二排序结果中删去相应的应用业务的信息。
在本实施例中,通过删去所述目标用户已安装过或已卸载过的应用业务,有利于使得向所述目标用户推荐的应用业务跟所述目标用户已使用过的应用业务不重复。
最后需要说明的是,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流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(ROM)或随机存储记忆体(RAM)等。
本发明实施例中的各功能单元可以集成在一个处理模块中,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模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。上述提到的存储介质可以是只读存储器,磁盘或光盘等。上述的各装置或系统,可以执行相应方法实施例中的方法。
综上所述,虽然本发明已以优选实施例揭露如上,但上述优选实施例并非用以限制本发明,本领域的普通技术人员,在不脱离本发明的精神和范围内,均可作各种更动与润饰,因此本发明的保护范围以权利要求界定的范围为准。
Claims (18)
1.一种应用业务推荐方法,其特征在于,所述方法包括:
获取目标用户的使用习惯数据,其中,所述使用习惯数据是关于所述目标用户使用至少一应用业务的习惯的数据;
分析所述使用习惯数据,并生成一应用业务推荐信息;以及
输出所述应用业务推荐信息至所述目标用户对应的客户端。
2.根据权利要求1所述的应用业务推荐方法,其特征在于,所述分析所述使用习惯数据,并生成应用业务推荐信息的步骤包括:
根据所述使用习惯数据,查找所述目标用户偏好的应用业务所对应的标签组合;
其中,所述标签组合包括至少一标签,所述标签与所述目标用户所偏好的应用业务的属性相关。
3.根据权利要求2所述的应用业务推荐方法,其特征在于,在所述查找所述目标用户偏好的应用业务所对应的标签组合的步骤之后,所述分析所述使用习惯数据,并生成应用业务推荐信息的步骤还包括:
查找偏好所述标签组合的参照用户组合,其中所述参照用户组合包括至少一参照用户;以及
根据所述参照用户组合的使用历史数据,生成所述应用业务推荐信息,其中所述使用历史数据是与所述参照用户组合所使用过的应用业务相关的数据。
4.根据权利要求3所述的应用业务推荐方法,其特征在于,在所述查找偏好所述标签组合的参照用户组合的步骤之后,以及在所述根据所述参照用户组合的使用历史数据生成所述应用业务推荐信息的步骤之前,所述分析所述使用习惯数据,并生成应用业务推荐信息的步骤还包括:
计算所述目标用户与每一所述参照用户在偏好所述标签组合方面的第一相似度;
根据所述第一相似度对所述参照用户进行排序,并生成第一排序结果;以及
根据所述第一排序结果筛选出第一预定数量的参照用户,并生成第一筛选结果;
其中,所述生成所述应用业务推荐信息的步骤为:
根据所述第一筛选结果所对应的参照用户的使用历史数据生成所述应用业务推荐信息。
5.根据权利要求4所述的应用业务推荐方法,其特征在于,在所述根据所述第一相似度对所述参照用户进行排序,并生成第一排序结果的步骤之后,以及在所述根据所述第一排序结果筛选出第一预定数量的参照用户,并生成第一筛选结果的步骤之前,所述分析所述使用习惯数据,并生成应用业务推荐信息的步骤还包括:
根据所述使用习惯数据从所述第一排序结果中删去所述目标用户的客户端已安装过的应用业务、已卸载过的应用业务中的至少一者。
6.根据权利要求2所述的应用业务推荐方法,其特征在于,在所述查找所述目标用户偏好的应用业务所对应的标签组合的步骤之后,所述分析所述使用习惯数据,并生成应用业务推荐信息的步骤还包括:
查找具有所述标签组合中部分标签或全部标签的候选应用业务组合,其中所述候选应用业务组合包括至少一候选应用业务;以及
根据所述候选应用业务组合,生成所述应用业务推荐信息。
7.根据权利要求6所述的应用业务推荐方法,其特征在于,在所述查找具有所述标签组合中部分标签或全部标签的候选应用业务组合的步骤之后,以及在所述根据所述候选应用业务组合生成所述应用业务推荐信息的步骤之前,所述分析所述使用习惯数据,并生成应用业务推荐信息的步骤还包括:
计算所述目标用户所偏好的应用业务与每一所述候选应用业务在所述标签组合方面的第二相似度;
根据所述第二相似度,对所述候选应用业务进行排序,并生成第二排序结果;以及
根据所述第二排序结果,筛选出第二预定数量的候选应用业务,并生成第二筛选结果;
其中,所述根据所述候选应用业务组合生成所述应用业务推荐信息的步骤为:
根据所述第二筛选结果,生成所述应用业务推荐信息。
8.根据权利要求7所述的应用业务推荐方法,其特征在于,在所述根据所述第二相似度对所述候选应用业务进行排序,并生成第二排序结果的步骤之后,以及在所述根据所述第二排序结果筛选出第二预定数量的候选应用业务,并生成第二筛选结果的步骤之前,所述分析所述使用习惯数据,并生成应用业务推荐信息的步骤还包括:
根据所述使用习惯数据,从所述第二排序结果中删去所述目标用户的客户端已安装过的应用业务、已卸载过的应用业务中的至少一者。
9.根据权利要求1所述的应用业务推荐方法,其特征在于,在所述获取用户的使用习惯数据的步骤之前,所述方法还包括:
收集所述目标用户关于所述应用业务的使用情况信息,其中所述使用情况信息包括所述目标用户所使用的应用业务的标识、所属标签、使用时间、使用时长、使用次数、已下载的应用业务、已安装的应用业务、已卸载的应用业务中的至少一者;以及
对所述使用情况信息进行统计以生成所述使用习惯数据。
10.一种应用业务推荐装置,其特征在于,所述装置包括:
获取模块,用于获取目标用户的使用习惯数据,其中所述使用习惯数据是关于所述目标用户使用至少一应用业务的习惯的数据;
分析模块,用于分析所述使用习惯数据,并生成一应用业务推荐信息;以及
输出模块,用于输出所述应用业务推荐信息至所述目标用户对应的客户端。
11.根据权利要求10所述的应用业务推荐装置,其特征在于,所述分析模块包括:
查找模块,用于根据所述使用习惯数据查找所述目标用户偏好的应用业务所对应的标签组合;
所述标签组合包括至少一标签,其中所述标签与所述目标用户所偏好的应用业务的属性相关。
12.根据权利要求11所述的应用业务推荐装置,其特征在于,所述查找模块还用于查找偏好所述标签组合的参照用户组合,所述参照用户组合包括至少一参照用户;
其中,所述分析模块还包括:
第一推荐信息生成模块,用于根据所述参照用户组合的使用历史数据生成所述应用业务推荐信息,其中所述使用历史数据是与所述参照用户组合所使用过的应用业务相关的数据。
13.根据权利要求12所述的应用业务推荐装置,其特征在于,所述分析模块还包括:
第一计算模块,用于计算所述目标用户与每一所述参照用户在偏好所述标签组合方面的第一相似度;
第一排序模块,用于根据所述第一相似度对所述参照用户进行排序,并生成第一排序结果;以及
第一筛选模块,用于根据所述第一排序结果筛选出第一预定数量的参照用户,并生成第一筛选结果;
所述第一推荐信息生成模块用于根据所述第一筛选结果所对应的参照用户的使用历史数据生成所述应用业务推荐信息。
14.根据权利要求13所述的应用业务推荐装置,其特征在于,所述第一筛选模块还用于根据所述使用习惯数据从所述第一排序结果中删去所述目标用户的客户端已安装过的应用业务、已卸载过的应用业务中的至少一者。
15.根据权利要求11所述的应用业务推荐装置,其特征在于,所述查找模块还用于查找具有所述标签组合中部分标签或全部标签的候选应用业务组合,其中,所述候选应用业务组合包括至少一候选应用业务;
所述分析模块还包括:
第二推荐信息生成模块,用于根据所述候选应用业务组合生成所述应用业务推荐信息。
16.根据权利要求15所述的应用业务推荐装置,其特征在于,所述分析模块还包括:
第二计算模块,用于计算所述目标用户所偏好的应用业务与每一所述候选应用业务在所述标签组合方面的第二相似度;
第二排序模块,用于根据所述第二相似度对所述候选应用业务进行排序,并生成第二排序结果;以及
第二筛选模块,用于根据所述第二排序结果筛选出第二预定数量的候选应用业务,并生成第二筛选结果;
所述第二推荐信息生成模块用于根据所述第二筛选结果生成所述应用业务推荐信息。
17.根据权利要求16所述的应用业务推荐装置,其特征在于,所述第二筛选模块还用于根据所述使用习惯数据从所述第二排序结果中删去所述目标用户的客户端已安装过的应用业务、已卸载过的应用业务中的至少一者。
18.根据权利要求10所述的应用业务推荐装置,其特征在于,所述装置还包括:
收集模块,用于收集所述目标用户关于所述应用业务的使用情况信息,其中,所述使用情况信息包括所述目标用户所使用的应用业务的标识、所属标签、使用时间、使用时长、使用次数、已下载的应用业务、已安装的应用业务、已卸载的应用业务中的至少一者;以及
统计模块,用于对所述使用情况信息进行统计以生成所述使用习惯数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310302709.2A CN104298679B (zh) | 2013-07-18 | 2013-07-18 | 应用业务推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310302709.2A CN104298679B (zh) | 2013-07-18 | 2013-07-18 | 应用业务推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104298679A true CN104298679A (zh) | 2015-01-21 |
CN104298679B CN104298679B (zh) | 2019-05-07 |
Family
ID=52318407
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310302709.2A Active CN104298679B (zh) | 2013-07-18 | 2013-07-18 | 应用业务推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104298679B (zh) |
Cited By (29)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636470A (zh) * | 2015-02-11 | 2015-05-20 | 广州华多网络科技有限公司 | 一种推荐业务资讯的方法及装置 |
CN104750807A (zh) * | 2015-03-25 | 2015-07-01 | 百度在线网络技术(北京)有限公司 | 一种应用推荐方法及装置 |
CN104765609A (zh) * | 2015-04-03 | 2015-07-08 | 安一恒通(北京)科技有限公司 | 软件关联资源推荐方法、获取方法及相应的装置 |
CN104808983A (zh) * | 2015-03-19 | 2015-07-29 | 深圳市梦域科技有限公司 | 一种应用程序的推送方法及服务器 |
CN105049526A (zh) * | 2015-08-19 | 2015-11-11 | 网易(杭州)网络有限公司 | 一种游戏礼包推送方法、装置及系统 |
CN105391801A (zh) * | 2015-12-14 | 2016-03-09 | 新华瑞德(北京)网络科技有限公司 | 用于应用程序的信息推送方法和装置 |
CN105808642A (zh) * | 2016-02-24 | 2016-07-27 | 北京百度网讯科技有限公司 | 推荐方法及装置 |
CN106452808A (zh) * | 2015-08-04 | 2017-02-22 | 北京奇虎科技有限公司 | 一种数据处理方法和装置 |
CN106446082A (zh) * | 2016-09-09 | 2017-02-22 | 四川长虹电器股份有限公司 | iOS设备数据挖掘方法及系统 |
CN106503269A (zh) * | 2016-12-08 | 2017-03-15 | 广州优视网络科技有限公司 | 应用推荐的方法、装置及服务器 |
CN106503006A (zh) * | 2015-09-07 | 2017-03-15 | 阿里巴巴集团控股有限公司 | 应用App中子应用的排序方法及装置 |
CN106598643A (zh) * | 2016-11-08 | 2017-04-26 | 北京奇虎科技有限公司 | 一种下载应用程序抢红包的方法、装置及系统 |
CN106648557A (zh) * | 2015-10-28 | 2017-05-10 | 华为技术有限公司 | 一种应用程序编程接口api的分享方法和装置 |
CN106649781A (zh) * | 2016-12-28 | 2017-05-10 | 北京小米移动软件有限公司 | 应用推荐方法及装置 |
CN106648714A (zh) * | 2015-10-28 | 2017-05-10 | 北京国双科技有限公司 | 应用程序卸载信息的分析方法及装置 |
CN106844612A (zh) * | 2017-01-17 | 2017-06-13 | 广州优视网络科技有限公司 | 一种基于用户已安装应用来推荐热词的方法和装置 |
CN107562223A (zh) * | 2017-09-29 | 2018-01-09 | 北京云知声信息技术有限公司 | 输入法推荐方法及装置 |
CN107578326A (zh) * | 2017-10-23 | 2018-01-12 | 青岛优米信息技术有限公司 | 一种推荐方法及系统 |
CN107767153A (zh) * | 2016-08-16 | 2018-03-06 | 腾讯科技(北京)有限公司 | 一种数据处理方法及装置 |
WO2018171271A1 (zh) * | 2017-03-22 | 2018-09-27 | 广州优视网络科技有限公司 | 应用推荐方法、客户端、服务器及系统 |
CN108958826A (zh) * | 2017-05-22 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 动态配置应用安装包的方法和装置 |
CN109213799A (zh) * | 2017-06-29 | 2019-01-15 | 北京搜狗科技发展有限公司 | 一种细胞词库的推荐方法和装置 |
CN109499070A (zh) * | 2018-10-12 | 2019-03-22 | 咪咕互动娱乐有限公司 | 一种下载管理方法、装置和存储介质 |
CN109543105A (zh) * | 2018-11-15 | 2019-03-29 | 万惠投资管理有限公司 | 一种移动设备应用的内容推荐方法及系统 |
CN110020205A (zh) * | 2019-04-11 | 2019-07-16 | 中国联合网络通信集团有限公司 | 数据信息的筛选方法和系统 |
CN110222257A (zh) * | 2019-05-13 | 2019-09-10 | 特斯联(北京)科技有限公司 | 一种推荐业务信息的方法、装置及数据链节点 |
CN111741011A (zh) * | 2020-07-16 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 验证方法、装置及存储介质 |
CN111859154A (zh) * | 2020-07-06 | 2020-10-30 | 中国银行股份有限公司 | 一种应用推荐方法及装置 |
CN113158042A (zh) * | 2021-04-19 | 2021-07-23 | 深圳市安全守护科技有限公司 | 应用推荐方法、装置、设备及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120303477A1 (en) * | 2011-05-27 | 2012-11-29 | Yuval Ben-Itzhak | Systems and Methods for Recommending Software Applications |
CN103020845A (zh) * | 2012-12-14 | 2013-04-03 | 百度在线网络技术(北京)有限公司 | 一种移动应用的推送方法及系统 |
CN103177093A (zh) * | 2013-03-13 | 2013-06-26 | 北京开心人信息技术有限公司 | 一种基于对象标签的通用推荐方法及系统 |
CN103198418A (zh) * | 2013-03-15 | 2013-07-10 | 北京亿赞普网络技术有限公司 | 一种应用推荐方法和系统 |
-
2013
- 2013-07-18 CN CN201310302709.2A patent/CN104298679B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120303477A1 (en) * | 2011-05-27 | 2012-11-29 | Yuval Ben-Itzhak | Systems and Methods for Recommending Software Applications |
CN103020845A (zh) * | 2012-12-14 | 2013-04-03 | 百度在线网络技术(北京)有限公司 | 一种移动应用的推送方法及系统 |
CN103177093A (zh) * | 2013-03-13 | 2013-06-26 | 北京开心人信息技术有限公司 | 一种基于对象标签的通用推荐方法及系统 |
CN103198418A (zh) * | 2013-03-15 | 2013-07-10 | 北京亿赞普网络技术有限公司 | 一种应用推荐方法和系统 |
Non-Patent Citations (2)
Title |
---|
万朔: "基于社会化标签的协同过滤推荐策略研究", 《中国优秀硕士学位论文全文数据库信息科技辑》 * |
刘金安: "《实用软件工程教程》", 29 February 2012 * |
Cited By (47)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104636470B (zh) * | 2015-02-11 | 2018-04-24 | 广州华多网络科技有限公司 | 一种推荐业务资讯的方法及装置 |
CN104636470A (zh) * | 2015-02-11 | 2015-05-20 | 广州华多网络科技有限公司 | 一种推荐业务资讯的方法及装置 |
CN104808983B (zh) * | 2015-03-19 | 2018-08-07 | 深圳市创梦天地科技有限公司 | 一种应用程序的推送方法及服务器 |
CN104808983A (zh) * | 2015-03-19 | 2015-07-29 | 深圳市梦域科技有限公司 | 一种应用程序的推送方法及服务器 |
CN104750807A (zh) * | 2015-03-25 | 2015-07-01 | 百度在线网络技术(北京)有限公司 | 一种应用推荐方法及装置 |
CN104765609A (zh) * | 2015-04-03 | 2015-07-08 | 安一恒通(北京)科技有限公司 | 软件关联资源推荐方法、获取方法及相应的装置 |
CN104765609B (zh) * | 2015-04-03 | 2018-12-07 | 安一恒通(北京)科技有限公司 | 软件关联资源推荐方法、获取方法及相应的装置 |
CN106452808A (zh) * | 2015-08-04 | 2017-02-22 | 北京奇虎科技有限公司 | 一种数据处理方法和装置 |
CN105049526A (zh) * | 2015-08-19 | 2015-11-11 | 网易(杭州)网络有限公司 | 一种游戏礼包推送方法、装置及系统 |
CN111506801B (zh) * | 2015-09-07 | 2023-04-25 | 创新先进技术有限公司 | 一种应用App中子应用的排序方法及装置 |
CN106503006A (zh) * | 2015-09-07 | 2017-03-15 | 阿里巴巴集团控股有限公司 | 应用App中子应用的排序方法及装置 |
CN111506801A (zh) * | 2015-09-07 | 2020-08-07 | 阿里巴巴集团控股有限公司 | 一种应用App中子应用的排序方法及装置 |
CN106503006B (zh) * | 2015-09-07 | 2020-01-31 | 阿里巴巴集团控股有限公司 | 应用App中子应用的排序方法及装置 |
CN106648557A (zh) * | 2015-10-28 | 2017-05-10 | 华为技术有限公司 | 一种应用程序编程接口api的分享方法和装置 |
CN106648714B (zh) * | 2015-10-28 | 2019-12-24 | 北京国双科技有限公司 | 应用程序卸载信息的分析方法及装置 |
CN106648714A (zh) * | 2015-10-28 | 2017-05-10 | 北京国双科技有限公司 | 应用程序卸载信息的分析方法及装置 |
CN106648557B (zh) * | 2015-10-28 | 2020-04-03 | 华为技术有限公司 | 一种应用程序编程接口api的分享方法和装置 |
CN105391801A (zh) * | 2015-12-14 | 2016-03-09 | 新华瑞德(北京)网络科技有限公司 | 用于应用程序的信息推送方法和装置 |
CN105808642A (zh) * | 2016-02-24 | 2016-07-27 | 北京百度网讯科技有限公司 | 推荐方法及装置 |
CN105808642B (zh) * | 2016-02-24 | 2019-12-24 | 北京百度网讯科技有限公司 | 推荐方法及装置 |
CN107767153A (zh) * | 2016-08-16 | 2018-03-06 | 腾讯科技(北京)有限公司 | 一种数据处理方法及装置 |
CN107767153B (zh) * | 2016-08-16 | 2022-02-11 | 腾讯科技(北京)有限公司 | 一种数据处理方法及装置 |
CN106446082A (zh) * | 2016-09-09 | 2017-02-22 | 四川长虹电器股份有限公司 | iOS设备数据挖掘方法及系统 |
CN106446082B (zh) * | 2016-09-09 | 2019-11-05 | 四川长虹电器股份有限公司 | iOS设备数据挖掘方法及系统 |
CN106598643A (zh) * | 2016-11-08 | 2017-04-26 | 北京奇虎科技有限公司 | 一种下载应用程序抢红包的方法、装置及系统 |
WO2018103718A1 (zh) * | 2016-12-08 | 2018-06-14 | 广州优视网络科技有限公司 | 应用推荐的方法、装置及服务器 |
CN106503269A (zh) * | 2016-12-08 | 2017-03-15 | 广州优视网络科技有限公司 | 应用推荐的方法、装置及服务器 |
CN106649781A (zh) * | 2016-12-28 | 2017-05-10 | 北京小米移动软件有限公司 | 应用推荐方法及装置 |
CN106649781B (zh) * | 2016-12-28 | 2020-11-20 | 北京小米移动软件有限公司 | 应用推荐方法及装置 |
CN106844612B (zh) * | 2017-01-17 | 2021-04-09 | 阿里巴巴(中国)有限公司 | 一种基于用户已安装应用来推荐热词的方法和装置 |
CN106844612A (zh) * | 2017-01-17 | 2017-06-13 | 广州优视网络科技有限公司 | 一种基于用户已安装应用来推荐热词的方法和装置 |
WO2018171271A1 (zh) * | 2017-03-22 | 2018-09-27 | 广州优视网络科技有限公司 | 应用推荐方法、客户端、服务器及系统 |
CN108958826A (zh) * | 2017-05-22 | 2018-12-07 | 北京京东尚科信息技术有限公司 | 动态配置应用安装包的方法和装置 |
CN108958826B (zh) * | 2017-05-22 | 2022-06-07 | 北京京东尚科信息技术有限公司 | 动态配置应用安装包的方法和装置 |
CN109213799B (zh) * | 2017-06-29 | 2021-05-25 | 北京搜狗科技发展有限公司 | 一种细胞词库的推荐方法和装置 |
CN109213799A (zh) * | 2017-06-29 | 2019-01-15 | 北京搜狗科技发展有限公司 | 一种细胞词库的推荐方法和装置 |
CN107562223A (zh) * | 2017-09-29 | 2018-01-09 | 北京云知声信息技术有限公司 | 输入法推荐方法及装置 |
CN107578326A (zh) * | 2017-10-23 | 2018-01-12 | 青岛优米信息技术有限公司 | 一种推荐方法及系统 |
CN109499070A (zh) * | 2018-10-12 | 2019-03-22 | 咪咕互动娱乐有限公司 | 一种下载管理方法、装置和存储介质 |
CN109543105A (zh) * | 2018-11-15 | 2019-03-29 | 万惠投资管理有限公司 | 一种移动设备应用的内容推荐方法及系统 |
CN110020205A (zh) * | 2019-04-11 | 2019-07-16 | 中国联合网络通信集团有限公司 | 数据信息的筛选方法和系统 |
CN110222257A (zh) * | 2019-05-13 | 2019-09-10 | 特斯联(北京)科技有限公司 | 一种推荐业务信息的方法、装置及数据链节点 |
CN110222257B (zh) * | 2019-05-13 | 2020-01-31 | 特斯联(北京)科技有限公司 | 一种推荐业务信息的方法、装置及数据链节点 |
CN111859154A (zh) * | 2020-07-06 | 2020-10-30 | 中国银行股份有限公司 | 一种应用推荐方法及装置 |
CN111859154B (zh) * | 2020-07-06 | 2023-08-08 | 中国银行股份有限公司 | 一种应用推荐方法及装置 |
CN111741011A (zh) * | 2020-07-16 | 2020-10-02 | 腾讯科技(深圳)有限公司 | 验证方法、装置及存储介质 |
CN113158042A (zh) * | 2021-04-19 | 2021-07-23 | 深圳市安全守护科技有限公司 | 应用推荐方法、装置、设备及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN104298679B (zh) | 2019-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104298679A (zh) | 应用业务推荐方法及装置 | |
Yu et al. | Trajectory similarity clustering based on multi-feature distance measurement | |
CN105893406A (zh) | 群体用户画像方法及系统 | |
WO2013138968A1 (en) | Method and system for hybrid information query | |
CN107818334A (zh) | 一种移动互联网用户访问模式表征和聚类方法 | |
CN110033331A (zh) | 一种优惠券的发放方法、系统及终端设备 | |
CN107578263A (zh) | 一种广告异常访问的检测方法、装置和电子设备 | |
CN110363427A (zh) | 模型质量评估方法和装置 | |
CN110134845A (zh) | 项目舆情监控方法、装置、计算机设备及存储介质 | |
Cuttone et al. | Inferring human mobility from sparse low accuracy mobile sensing data | |
CN102402594A (zh) | 一种富媒体个性化推荐方法 | |
CN104933475A (zh) | 网络转发行为预测方法及装置 | |
CN101957968A (zh) | 基于Hadoop的网上交易服务聚合方法 | |
CN109144964A (zh) | 基于机器学习的日志解析方法和装置 | |
CN103946840B (zh) | 非监督检测及在文本数据中字簇集的分类 | |
Pratama et al. | A systematic literature review of business process improvement | |
CN114398560B (zh) | 基于web平台的营销界面设置方法、装置、设备及介质 | |
CN106980639B (zh) | 短文本数据聚合系统及方法 | |
CN108229564A (zh) | 一种数据的处理方法、装置及设备 | |
CN108345620B (zh) | 品牌信息处理方法、装置、存储介质及电子设备 | |
CN110069558A (zh) | 基于深度学习的数据分析方法及终端设备 | |
CN104991920A (zh) | 标签的生成方法及装置 | |
CN113327154B (zh) | 基于大数据的电商用户讯息推送方法及系统 | |
CN110309273A (zh) | 问答方法和装置 | |
CN113886690A (zh) | 基于用户行为的影片推荐方法、装置、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |