CN104408640B - 应用软件推荐方法及装置 - Google Patents
应用软件推荐方法及装置 Download PDFInfo
- Publication number
- CN104408640B CN104408640B CN201410583936.1A CN201410583936A CN104408640B CN 104408640 B CN104408640 B CN 104408640B CN 201410583936 A CN201410583936 A CN 201410583936A CN 104408640 B CN104408640 B CN 104408640B
- Authority
- CN
- China
- Prior art keywords
- application software
- recommended
- user
- type
- software
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 30
- 238000012360 testing method Methods 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 7
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 235000002595 Solanum tuberosum Nutrition 0.000 description 2
- 244000061456 Solanum tuberosum Species 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000008878 coupling Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
Landscapes
- Stored Programmes (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例提供一种应用软件推荐方法及装置。该方法包括:获取待推荐应用软件;分别以各待推荐应用软件为待计算应用软件,依据预设的至少两个推荐策略同时分别计算待计算应用软件的推荐值,并计算各待推荐应用软件对应的所有推荐值的和;若待推荐应用软件对应的所有推荐值的和大于或等于阈值,则将待推荐应用软件推荐给用户。本发明实施例通过多个推荐策略同时分别计算待推荐应用软件的推荐值,若待推荐应用软件对应的所有推荐值的和大于阈值,则将待推荐应用软件推荐给用户,即通过综合考虑多个推荐策略的检测结果后再决定是否向用户推荐该待推荐应用软件,相比于采用单一推荐策略向用户推荐应用软件的方式,提高了应用软件推荐的精准度。
Description
技术领域
本发明实施例涉及通信技术领域,尤其涉及一种应用软件推荐方法及装置。
背景技术
随着移动终端的飞速发展,安装于移动终端的应用软件得到了广泛的发展,同时也出现了越来越多的应用软件推荐方法。
现有技术采用以下方法中的一种向用户推荐应用软件:1)统计用户的下载记录,记录下载数量最多的一类应用软件,向用户推荐该类应用软件中除用户已下载的其它应用软件;2)查找与用户具有相同兴趣的其他用户,并将其他用户已下载的、不同于该用户已下载的应用软件推荐给该用户;3)确定用户已下载的应用软件的提供商,将同一提供商提供的不同于用户已下载的应用软件推荐给该用户。
现有技术中,由于用户对应用软件的选择随时变化,使得采用上述方法中的一种向用户推荐的应用软件并不符合用户的期望,导致应用软件推荐不精准。
发明内容
本发明实施例提供一种应用软件推荐方法及装置,以提高应用软件推荐的精准度。
本发明实施例的一个方面是提供一种应用软件推荐方法,包括:
获取待推荐应用软件;
分别以各待推荐应用软件为待计算应用软件,依据预设的至少两个推荐策略同时分别计算所述待计算应用软件的推荐值,并计算各所述待推荐应用软件对应的所有推荐值的和;
若所述待推荐应用软件对应的所有推荐值的和大于或等于阈值,则将所述待推荐应用软件推荐给用户。
本发明实施例的另一个方面是提供一种应用软件推荐装置,包括:
获取模块,用于获取待推荐应用软件;
计算模块,用于分别以各待推荐应用软件为待计算应用软件,依据预设的至少两个推荐策略同时分别计算所述待计算应用软件的推荐值,并计算各所述待推荐应用软件对应的所有推荐值的和;
推送模块,用于若所述待推荐应用软件对应的所有推荐值的和大于或等于阈值,则将所述待推荐应用软件推荐给用户。
本发明实施例提供的应用软件推荐方法及装置,通过多个推荐策略同时分别计算待推荐应用软件的推荐值,若待推荐应用软件对应的所有推荐值的和大于阈值,则将待推荐应用软件推荐给用户,即通过多个推荐策略同时分别检测是否将待推荐应用软件推荐给用户,综合考虑多个推荐策略的检测结果后再决定是否向用户推荐该待推荐应用软件,相比于采用单一推荐策略向用户推荐应用软件的方式,提高了应用软件推荐的精准度。
附图说明
图1为本发明实施例提供的应用软件推荐方法流程图;
图2为本发明实施例提供的应用软件推荐装置的结构图;
图3为本发明另一实施例提供的应用软件推荐装置的结构图。
具体实施方式
图1为本发明实施例提供的应用软件推荐方法流程图。本发明实施例针对各类移动终端提供的应用软件推荐方法具体步骤如下:
步骤S101、获取待推荐应用软件;
运营商或者第三方软件服务商通过应用软件推荐装置,具体可以是服务器为用户的移动终端推荐应用软件之前先确定待推荐的应用软件。
步骤S102、分别以各待推荐应用软件为待计算应用软件,依据预设的至少两个推荐策略同时分别计算所述待计算应用软件的推荐值,并计算各所述待推荐应用软件对应的所有推荐值的和;
应用软件推荐装置预先存储有多个推荐策略,确定待推荐应用软件后,依据多个推荐策略同时分别计算各个待推荐应用软件对应的推荐值,该推荐值为推荐策略对该待推荐应用软件的计算结果。
步骤S103、若所述待推荐应用软件对应的所有推荐值的和大于或等于阈值,则将所述待推荐应用软件推荐给用户。
将多个推荐策略同时分别计算的该待推荐应用软件的推荐值进行相加,本发明实施例中多个推荐策略是通过用户需求,以及用户使用应用软件的情况确定的,若该待推荐应用软件对应的推荐值相加的结果大于设定的阈值,表示向用户推荐该待推荐应用软件时,用户接受并安装该待推荐应用软件的可能性较大,因此,将该待推荐应用软件推荐给用户。
本发明实施例通过多个推荐策略同时分别计算待推荐应用软件的推荐值,若待推荐应用软件对应的所有推荐值的和大于阈值,则将待推荐应用软件推荐给用户,即通过多个推荐策略同时分别检测是否将待推荐应用软件推荐给用户,综合考虑多个推荐策略的检测结果后再决定是否向用户推荐该待推荐应用软件,相比于采用单一推荐策略向用户推荐应用软件的方式,提高了应用软件推荐的精准度。
在上述实施例的基础上,所述获取待推荐应用软件包括:对所述用户已下载的所有应用软件进行分类获得多个类型;从所述多个类型中确定出N个类型,N大于或等于1;分别以所述N个类型的每一个类型为参考类型,从应用软件推荐库中获取与所述参考类型同类型且所述用户未下载的应用软件作为所述待推荐应用软件。
所述从所述多个类型中确定出N个类型包括:统计所述多个类型中的每个类型分别对应的已下载应用软件的数量;对所述多个类型依据所述数量由大到小的顺序进行排序,并确定排在前N个的类型为所述N个类型。
应用软件推荐装置统计用户下载的所有应用软件,此处用户下载的所有应用软件具体为用户通过移动终端从运营商或者第三方软件服务商下载应用软件的所有历史记录,对所有应用软件进行分类获得多个类型,例如用户下载过微信、QQ、人人网、微博、土豆视频、优酷视频、酷我音乐、酷狗音乐和天天动听等软件,则微信、QQ、人人网和微博属于社交类软件,土豆视频和优酷视频属于视频类软件,酷我音乐、酷狗音乐和天天动听属于音乐类软件,本发明实施例不限定用户下载的软件个数以及软件类型。
通过对用户下载的所有应用软件的统计,可知用户下载的社交类软件有4个,视频类软件有2个,音乐类软件有3个,社交类软件、视频类软件和音乐类软件是用户使用的所有类型的软件,从统计数据可以看出该用户使用社交类软件的个数最多(4个),其次是音乐类软件(3个),视频类软件的个数最少(2个),对用户使用的所有类型依据用户下载该类型的软件个数由大到小的顺序进行排序,排序结果为社交类软件、音乐类软件和视频类软件。
应用软件推荐装置可以选择排在前3位的软件类型,或者选择排在前2位的软件类型,还可以选择排在第1为的软件类型作为待推荐的软件类型,即N可以是3,可以是2,可以是1,本发明实施例优选N为1,即向用户推荐社交类软件,本发明实施例中应用软件推荐库存储有大量的、各种类型的应用软件,应用软件推荐装置先从应用软件推荐库中确定出社交类软件,并从社交类软件的排行榜中选择出排名前10的该类型的应用软件,若排名前10的应用软件包括了用户下载的微信、QQ、人人网和/或微博,则从排名前10的应用软件中去除微信、QQ、人人网和/或微博后剩余的应用软件作为待推荐应用软件。另外,本发明实施例不限定从社交类软件的排行榜中选择出排名前10的该类型的应用软件,也不限定选择出的该类型的应用软件的个数,可以从应用软件推荐库中随机选择一组社交类的应用软件,也可以按照特定的算法选择出一定数目的社交类的应用软件。
若N选为2,即向用户推荐社交类软件和音乐类软件,则应用软件推荐装置从应用软件推荐库中确定出社交类软件和音乐类软件,并从社交类软件的排行榜中选择出排名前10的应用软件,从音乐类软件的排行榜中选择出排名前10的应用软件,分别将社交类软件和音乐类软件排名前10的应用软件中去除用户已下载的应用软件后剩余的应用软件作为待推荐应用软件。
若N选为3,则与N选为2或1的情形同理,此处不再赘述。
所述多个推荐策略至少包括:判断所述待推荐应用软件是否为距离当前时刻预定时间内出现的应用软件;判断所述待推荐应用软件是否属于同兴趣用户下载的应用软件,所述同兴趣用户下载的所有应用软件与所述用户下载的所有应用软件的相同度超出预设比例;判断所述待推荐应用软件的提供商是否属于所述用户下载的所有应用软件分别对应的提供商。
每个推荐策略用于判断待推荐应用软件是否满足一定的要求,本发明实施例采用多个推荐策略同时对待推荐应用软件进行判断,推荐策略A为判断所述待推荐应用软件是否为距离当前时刻预定时间内出现的应用软件;推荐策略B为判断所述待推荐应用软件是否属于同兴趣用户下载的应用软件,所述同兴趣用户下载的所有应用软件与所述用户下载的所有应用软件的相同度超出预设比例;推荐策略C为判断所述待推荐应用软件的提供商是否属于所述用户下载的所有应用软件分别对应的提供商;例如开心网作为待推荐应用软件,利用推荐策略A判断开心网是否为距离当前时刻预定时间内出现的应用软件,具体为推荐策略A判断开心网是否是近期一个月内出现的应用软件;推荐策略B判断开心网是否是与该用户具有共同兴趣的用户下载过的应用软件,同兴趣用户下载的所有应用软件与所述用户下载的所有应用软件的相同度超出预设比例,具体可以为60%;推荐策略C判断开心网的提供商是否是用户下载的所有应用软件分别对应的提供商中的任意一个提供商。
在本发明实施例基础上,所述推荐值包括键值和数值,所述键值标识所述待推荐应用软件,所述数值标识所述待推荐应用软件是否符合所述推荐策略。
本发明实施例用K标识开心网,用1标识待推荐应用软件符合所述推荐策略,用0标识待推荐应用软件不符合所述推荐策略,若开心网是近期一个月内出现的应用软件,则依据推荐策略A计算获得开心网的推荐值为(K,1),否则推荐值为(K,0);若开心网是与该用户具有共同兴趣的用户下载过的应用软件,则依据推荐策略B计算获得开心网的推荐值为(K,1),否则推荐值为(K,0);若开心网的提供商是用户下载的所有应用软件分别对应的提供商中的任意一个提供商,则依据推荐策略C计算获得开心网的推荐值为(K,1),否则推荐值为(K,0);合理假设开心网是近期一个月内出现的应用软件,也是与该用户具有共同兴趣的用户下载过的应用软件,但开心网的提供商不是用户下载的所有应用软件分别对应的提供商中的任意一个提供商,则推荐策略A、B、C同时分别计算获得开心网的推荐值为(K,1)、(K,1)、(K,0)。
本发明实施例还可以用其他标识信息标识开心网,用0标识待推荐应用软件符合所述推荐策略,用1标识待推荐应用软件不符合所述推荐策略。
相应的,所述若所述待推荐应用软件对应的所有推荐值的和大于阈值,则将所述待推荐应用软件推荐给用户包括:若同一键值对应的所有数值的和大于或等于所述阈值,则将所述键值标识的待推荐应用软件推荐给所述用户。
将K标识的开心网的所有推荐值的数值部分相加,获得统计结果为(K,2),若阈值为2,则将开心网推荐给该用户。
若待推荐应用软件不只开心网一个,同时有多个时,用不同的标识信息标识多个待推荐应用软件,并依据上述方法可以很容易的确定出哪些待推荐应用软件推荐给该用户,哪些不推荐给该用户。
本发明实施例具体提供了确定待推荐应用软件的方法,以及如何确定将待推荐应用软件推荐给用户的方法,通过综合考虑多个推荐策略的检测结果后再决定是否向用户推荐该待推荐应用软件,相比于采用单一推荐策略向用户推荐应用软件的方式,提高了应用软件推荐的精准度。
图2为本发明实施例提供的应用软件推荐装置的结构图。本发明实施例提供的应用软件推荐装置可以执行应用软件推荐方法实施例提供的处理流程,如图2所示,应用软件推荐装置20包括程序获取模块21、计算模块22和推送模块23,其中,获取模块21用于获取待推荐应用软件;计算模块22用于分别以各待推荐应用软件为待计算应用软件,依据预设的至少两个推荐策略同时分别计算所述待计算应用软件的推荐值,并计算各所述待推荐应用软件对应的所有推荐值的和;推送模块23用于若所述待推荐应用软件对应的所有推荐值的和大于或等于阈值,则将所述待推荐应用软件推荐给用户。
本发明实施例通过多个推荐策略同时分别计算待推荐应用软件的推荐值,若待推荐应用软件对应的所有推荐值的和大于阈值,则将待推荐应用软件推荐给用户,即通过多个推荐策略同时分别检测是否将待推荐应用软件推荐给用户,综合考虑多个推荐策略的检测结果后再决定是否向用户推荐该待推荐应用软件,相比于采用单一推荐策略向用户推荐应用软件的方式,提高了应用软件推荐的精准度。
图3为本发明另一实施例提供的应用软件推荐装置的结构图。在图2的基础上,获取模块21包括统计分类单元211、类型确定单元212和待推荐应用软件确定单元213,其中,统计分类单元211用于对所述用户已下载的所有应用软件进行分类获得多个类型;类型确定单元212用于从所述多个类型中确定出N个类型,N大于或等于1;待推荐应用软件确定单元213用于分别以所述N个类型的每一个类型为参考类型,从应用软件推荐库中获取与所述参考类型同类型且所述用户未下载的应用软件作为所述待推荐应用软件。
类型确定单元212具体用于统计所述多个类型中的每个类型分别对应的已下载应用软件的数量;对所述多个类型依据所述数量由大到小的顺序进行排序,并确定排在前N个的类型为所述N个类型。
所述多个推荐策略至少包括:判断所述待推荐应用软件是否为距离当前时刻预定时间内出现的应用软件;判断所述待推荐应用软件是否属于同兴趣用户下载的应用软件,所述同兴趣用户下载的所有应用软件与所述用户下载的所有应用软件的相同度超出预设比例;判断所述待推荐应用软件的提供商是否属于所述用户下载的所有应用软件分别对应的提供商。
所述推荐值包括键值和数值,所述键值标识所述待推荐应用软件,所述数值标识所述待推荐应用软件是否符合所述推荐策略;计算模块22还用于计算同一键值对应的所有数值的和;推送模块23具体用于若同一键值对应的所有数值的和大于或等于所述阈值,则将所述键值标识的待推荐应用软件推荐给所述用户。
本发明实施例提供的应用软件推荐装置可以具体用于执行上述图1所提供的方法实施例,具体功能此处不再赘述。
本发明实施例具体提供了确定待推荐应用软件的方法,以及如何确定将待推荐应用软件推荐给用户的方法,通过综合考虑多个推荐策略的检测结果后再决定是否向用户推荐该待推荐应用软件,相比于采用单一推荐策略向用户推荐应用软件的方式,提高了应用软件推荐的精准度。
综上所述,本发明实施例通过多个推荐策略同时分别计算待推荐应用软件的推荐值,若待推荐应用软件对应的所有推荐值的和大于阈值,则将待推荐应用软件推荐给用户,即通过多个推荐策略同时分别检测是否将待推荐应用软件推荐给用户,综合考虑多个推荐策略的检测结果后再决定是否向用户推荐该待推荐应用软件,相比于采用单一推荐策略向用户推荐应用软件的方式,提高了应用软件推荐的精准度;具体提供了确定待推荐应用软件的方法,以及如何确定将待推荐应用软件推荐给用户的方法,通过综合考虑多个推荐策略的检测结果后再决定是否向用户推荐该待推荐应用软件,相比于采用单一推荐策略向用户推荐应用软件的方式,提高了应用软件推荐的精准度。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的装置的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (2)
1.一种应用软件推荐方法,其特征在于,包括:
获取待推荐应用软件;
分别以各待推荐应用软件为待计算应用软件,依据预设的至少两个推荐策略同时分别计算所述待计算应用软件的推荐值,并计算各所述待推荐应用软件对应的所有推荐值的和;
若所述待推荐应用软件对应的所有推荐值的和大于或等于阈值,则将所述待推荐应用软件推荐给用户;
所述获取待推荐应用软件包括:对所述用户已下载的所有应用软件进行分类获得多个类型;从所述多个类型中确定出N个类型,N大于或等于1;分别以所述N个类型的每一个类型为参考类型,从应用软件推荐库中获取与所述参考类型同类型且所述用户未下载的应用软件作为所述待推荐应用软件;
所述从所述多个类型中确定出N个类型包括:统计所述多个类型中的每个类型分别对应的已下载应用软件的数量;对所述多个类型依据所述数量由大到小的顺序进行排序,并确定排在前N个的类型为所述N个类型;
所述多个推荐策略至少包括:判断所述待推荐应用软件是否为距离当前时刻预定时间内出现的应用软件;判断所述待推荐应用软件是否属于同兴趣用户下载的应用软件,所述同兴趣用户下载的所有应用软件与所述用户下载的所有应用软件的相同度超出预设比例;判断所述待推荐应用软件的提供商是否属于所述用户下载的所有应用软件分别对应的提供商;
所述推荐值包括键值和数值,所述键值标识所述待推荐应用软件,所述数值标识所述待推荐应用软件是否符合所述推荐策略;
相应的,所述若所述待推荐应用软件对应的所有推荐值的和大于阈值,则将所述待推荐应用软件推荐给用户包括:若同一键值对应的所有数值的和大于所述阈值,则将所述键值标识的待推荐应用软件推荐给所述用户。
2.一种应用软件推荐装置,其特征在于,包括:
获取模块,用于获取待推荐应用软件;
计算模块,用于分别以各待推荐应用软件为待计算应用软件,依据预设的至少两个推荐策略同时分别计算所述待计算应用软件的推荐值,并计算各所述待推荐应用软件对应的所有推荐值的和;
推送模块,用于若所述待推荐应用软件对应的所有推荐值的和大于或等于阈值,则将所述待推荐应用软件推荐给用户;
所述获取模块包括:
统计分类单元,用于对所述用户已下载的所有应用软件进行分类获得多个类型;
类型确定单元,用于从所述多个类型中确定出N个类型,N大于或等于1;
待推荐应用软件确定单元,用于分别以所述N个类型的每一个类型为参考类型,从应用软件推荐库中获取与所述参考类型同类型且所述用户未下载的应用软件作为所述待推荐应用软件;
所述类型确定单元具体用于统计所述多个类型中的每个类型分别对应的已下载应用软件的数量;对所述多个类型依据所述数量由大到小的顺序进行排序,并确定排在前N个的类型为所述N个类型;
所述多个推荐策略至少包括:判断所述待推荐应用软件是否为距离当前时刻预定时间内出现的应用软件;判断所述待推荐应用软件是否属于同兴趣用户下载的应用软件,所述同兴趣用户下载的所有应用软件与所述用户下载的所有应用软件的相同度超出预设比例;判断所述待推荐应用软件的提供商是否属于所述用户下载的所有应用软件分别对应的提供商;
所述推荐值包括键值和数值,所述键值标识所述待推荐应用软件,所述数值标识所述待推荐应用软件是否符合所述推荐策略;
所述计算模块还用于计算同一键值对应的所有数值的和;
所述推送模块具体用于若同一键值对应的所有数值的和大于所述阈值,则将所述键值标识的待推荐应用软件推荐给所述用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410583936.1A CN104408640B (zh) | 2014-10-27 | 2014-10-27 | 应用软件推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410583936.1A CN104408640B (zh) | 2014-10-27 | 2014-10-27 | 应用软件推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104408640A CN104408640A (zh) | 2015-03-11 |
CN104408640B true CN104408640B (zh) | 2018-07-27 |
Family
ID=52646269
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410583936.1A Active CN104408640B (zh) | 2014-10-27 | 2014-10-27 | 应用软件推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104408640B (zh) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106326297B (zh) * | 2015-07-01 | 2020-12-29 | 北京搜狗科技发展有限公司 | 一种应用程序推荐方法及装置 |
CN106339146A (zh) * | 2015-07-09 | 2017-01-18 | 华为终端(东莞)有限公司 | 一种推荐应用的方法及装置 |
CN106682054B (zh) * | 2016-05-24 | 2021-08-03 | 腾讯科技(深圳)有限公司 | 一种终端应用推荐方法、装置和系统 |
CN106202195A (zh) * | 2016-06-27 | 2016-12-07 | 北京金山安全软件有限公司 | 目标推送对象推送方法、装置及服务器 |
CN107122990A (zh) * | 2017-03-22 | 2017-09-01 | 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 |
CN108021639A (zh) * | 2017-11-29 | 2018-05-11 | 广东欧珀移动通信有限公司 | 信息推送方法、装置、服务器以及存储介质 |
CN110855483A (zh) * | 2019-11-05 | 2020-02-28 | 杭州安恒信息技术股份有限公司 | 一种运维命令管理方法、系统及电子设备 |
CN111652686B (zh) * | 2020-06-05 | 2024-04-19 | 京东科技控股股份有限公司 | 信息推送方法、装置及存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6643645B1 (en) * | 2000-02-08 | 2003-11-04 | Microsoft Corporation | Retrofitting recommender system for achieving predetermined performance requirements |
CN103477610A (zh) * | 2011-04-04 | 2013-12-25 | 高通股份有限公司 | 通过匹配类似用户来推荐移动内容 |
CN103632278A (zh) * | 2012-08-21 | 2014-03-12 | 镇江雅迅软件有限责任公司 | 一种基于上下文信息的多策略商品推荐系统 |
CN103906020A (zh) * | 2012-12-28 | 2014-07-02 | 中国移动通信集团福建有限公司 | 一种推荐应用软件的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8301512B2 (en) * | 2009-10-23 | 2012-10-30 | Ebay Inc. | Product identification using multiple services |
-
2014
- 2014-10-27 CN CN201410583936.1A patent/CN104408640B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6643645B1 (en) * | 2000-02-08 | 2003-11-04 | Microsoft Corporation | Retrofitting recommender system for achieving predetermined performance requirements |
CN103477610A (zh) * | 2011-04-04 | 2013-12-25 | 高通股份有限公司 | 通过匹配类似用户来推荐移动内容 |
CN103632278A (zh) * | 2012-08-21 | 2014-03-12 | 镇江雅迅软件有限责任公司 | 一种基于上下文信息的多策略商品推荐系统 |
CN103906020A (zh) * | 2012-12-28 | 2014-07-02 | 中国移动通信集团福建有限公司 | 一种推荐应用软件的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN104408640A (zh) | 2015-03-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104408640B (zh) | 应用软件推荐方法及装置 | |
EP2633487B1 (en) | Method and system to recommend applications from an application market place to a new device | |
CN105630977B (zh) | 应用程序推荐方法、装置及系统 | |
CN102724219B (zh) | 网络数据的计算机处理方法及系统 | |
CN106294508B (zh) | 一种刷量工具检测方法及装置 | |
CN107404481B (zh) | 用户信息识别方法及装置 | |
CN105049290B (zh) | 页面访问监测方法及装置 | |
US10162868B1 (en) | Data mining system for assessing pairwise item similarity | |
CN106776660A (zh) | 一种信息推荐方法及装置 | |
CN107305611B (zh) | 恶意账号对应的模型建立方法和装置、恶意账号识别的方法和装置 | |
CN106022505A (zh) | 一种预测用户离网的方法及装置 | |
KR101062927B1 (ko) | 적어도 한 명의 사용자의 성향을 고려하여 타사용자 또는 사물을 추천하기 위한 방법, 시스템 및 컴퓨터 판독 가능한 기록 매체 | |
CN105550175B (zh) | 恶意账户识别方法及装置 | |
CN105528407B (zh) | 一种获取l个具有最佳传播影响力用户的方法和装置 | |
CN109117429A (zh) | 数据库查询方法、装置和电子设备 | |
CN104765751A (zh) | 应用推荐方法及装置 | |
CN105630840B (zh) | 一种推送消息的排序方法及装置 | |
CN104133765B (zh) | 网络活动的测试用例发送方法及测试用例服务器 | |
CN102521706A (zh) | Kpi 数据的分析方法及装置 | |
CN108512883A (zh) | 一种信息推送方法、装置及可读介质 | |
US10284664B2 (en) | Application testing | |
CN111428885B (zh) | 一种联邦学习中用户的索引方法及联邦学习装置 | |
CN109446415A (zh) | 一种应用推荐、获取方法及设备 | |
CN104915864A (zh) | 对投放信息的投放效果进行评测的方法及装置 | |
CN108804670A (zh) | 数据推荐方法、装置、计算机设备和存储介质 |
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 |