CN104765751A - 应用推荐方法及装置 - Google Patents
应用推荐方法及装置 Download PDFInfo
- Publication number
- CN104765751A CN104765751A CN201410007155.8A CN201410007155A CN104765751A CN 104765751 A CN104765751 A CN 104765751A CN 201410007155 A CN201410007155 A CN 201410007155A CN 104765751 A CN104765751 A CN 104765751A
- Authority
- CN
- China
- Prior art keywords
- application
- user
- value
- scorebyall
- association
- 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
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种应用推荐方法及装置,该方法包括:根据用户对应用的使用情况确定该应用的使用值;确定使用值在第一预定范围内的一个或多个应用;获取一个或多个应用中每个应用分别对应的关联应用,其中,应用与关联应用的关联度在预定范围之内,应用之间的关联度是预先统计的;将获取到的部分或者全部关联应用推荐给用户。解决了相关技术中的平台推荐应用的方式不能满足用户需求导致浪费推荐资源的问题,提高了推荐应用的准确性,从而提高了平台的质量。
Description
技术领域
本申请涉及互联网领域,具体而言,涉及应用推荐方法及装置。
背景技术
应用开放平台的是一种应用处理模式,这种模式是提供拥有大量资源的平台,并通过该平台将这些资源开放给更多的第三方使用,通过合作分成等形式达到共赢。这些资源可以是大量的用户和推广渠道,也可以是深厚的技术壁垒,第三方公司接入平台后就可以以很低的成本获得这些资源,大大降低推广和成长的难度。
随着越来越多的第三方公司接入平台,该平台上的应用越来越多。一般情况下,应用中心向用户推荐应用的方式是:其一,按照该应用的被下载次数来进行推荐,下载次数最多的应用被更多的推荐;其二,是按照更新的时间来推荐,更新时间比较近的应用被更多的推荐;其三,是按照用户的打分来进行推荐,用户打分比较高的被更多的推荐。
上述的几种推荐方式而言,推荐的应用对于所有的用户均是一样的,并不能满足用户的个性化的要求,例如,被下载多的应用并不是用户所需要的应用,因此,应用推荐的有效性并不好,现有技术中的这几种推荐方式并能满足用户的需求,由于不能满足需求导致浪费了推荐资源。
针对相关技术中的平台推荐应用的方式不能满足用户需求导致浪费推荐资源的问题,尚未提出解决方案。
发明内容
本申请提供了一种应用推荐方法及装置,以至少解决相关技术中的平台推荐应用的方式不能满足用户需求导致浪费推荐资源的问题。
根据本申请的一个方面,提供了一种应用推荐方法,包括:确定使用值在第一预定范围内的一个或多个应用,其中,每个应用的使用值用于表示用户对该应用的使用情况;获取所述一个或多个应用中每个应用分别对应的关联应用,其中,应用与关联应用的关联度在预定范围之内,应用之间的关联度是预先统计的;将获取到的部分或者全部关联应用推荐给所述用户。
根据本申请的另一个方面,还提供了一种应用推荐装置,包括:统计模块,用于预先统计应用之间的关联度;第一确定模块,用于确定使用值在第一预定范围内的一个或多个应用,其中,每个应用的使用值用于表示用户对该应用的使用情况;获取模块,用于获取所述一个或多个应用中每个应用分别对应的关联应用,其中,应用与关联应用的关联度在预定范围之内,应用之间的关联度是预先统计的;推荐模块,用于将获取到的部分或者全部关联应用推荐给所述用户。
通过本申请,采用了确定使用值在第一预定范围内的一个或多个应用,其中,每个应用的使用值用于表示用户对该应用的使用情况;获取所述一个或多个应用中每个应用分别对应的关联应用,其中,应用与关联应用的关联度在预定范围之内,应用之间的关联度是预先统计的;将获取到的部分或者全部关联应用推荐给所述用户。解决了相关技术中的平台推荐应用的方式不能满足用户需求导致浪费推荐资源的问题,提高了推荐应用的准确性,从而提高了平台的质量。
附图说明
此处所说明的附图用来提供对本申请的进一步理解,构成本申请的一部分,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。并且,对于本领域普通技术人员而言,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。在附图中:
图1是根据本发明实施例的应用推荐方法的流程图;
图2是根据本发明实施例的应用推荐装置的结构框图;
图3是根据本发明优选实施例例的算法流程示意图。
具体实施方式
需要说明的是,在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
需要说明的是,在附图的流程示意图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行,并且,虽然在流程示意图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
在以下描述中,除非另外指明,否则将参考由一个或多个计算机执行的动作和操作的符号表示来描述本申请的各实施例。其中,计算机可以包括个人计算机、服务器、移动终端等各种产品,在以下实施例中,使用了CPU、单片机、DSP等具有处理芯片的设备均可以称为计算机。由此,可以理解,有时被称为计算机执行的这类动作和操作包括计算机的处理单元对以结构化形式表示数据的电信号的操纵。这一操纵转换了数据或在计算机的存储器系统中的位置上维护它,这以本领域的技术人员都理解的方式重配置或改变了计算机的操作。维护数据的数据结构是具有数据的格式所定义的特定属性的存储器的物理位置。然而,尽管在上述上下文中描述本申请,但它并不意味着限制性的,如本领域的技术人员所理解的,后文所描述的动作和操作的各方面也可用硬件来实现。
转向附图,其中相同的参考标号指代相同的元素,本申请的原理被示为在合适的计算环境中实现。以下描述基于所述的本申请的实施例,并且不应认为是关于此处未明确描述的替换实施例而限制本申请。
优选地,本申请实施例可以提供一个其上存储有本申请实施例的机器可读媒体。需要说明的是,任一适合存储设计关于本申请的指令的媒体都在本申请的范围以内。例如,这样的媒体可以采用磁性媒体、光学媒体或半导体媒体的形式。
以下实施例中所涉及到的应用推荐方案可以在服务器端来实现,该服务器端可以是一个服务器,也可以是一组服务器,并不限于此。
在本实施例中提供了一种应用推荐方法,图1是根据本发明实施例的应用推荐方法的流程图,如图1所示,该流程包括如下步骤:
步骤S102,确定使用值在第一预定范围内的一个或多个应用,其中,每个应用的使用值表示用户对该应用的使用情况;
步骤S104,获取该一个或多个应用中每个应用分别对应的关联应用,其中,应用与关联应用的关联度在预定范围之内,应用之间的关联度是预先统计的;
步骤S106,将获取到的部分或者全部关联应用推荐给该用户。
通过上述步骤,可以根据与用户对该应用的使用情况对应的使用值选择关联应用,由于应用的使用情况可以在一定程度上表示用户的喜欢,因此,根据该使用值推荐的关联应用更加符合用户的要求。通过上述步骤,向不同的用户推荐的应用都是与该用户相关的,使推荐的应用更加贴近用户,解决了相关技术中的平台推荐应用的方式不能满足用户需求导致浪费推荐资源的问题,提高了推荐应用的准确性,从而提高了平台的质量。
对于应用之间的关联度可以有多种的确认方式,例如可以根据应用介绍来判断两个应用之间的关联度,例如,应用A是一种即时通信软件,其应用的描述中涉及到了“联系”“及时”“通信”等关键词,如果另一款应用B的介绍中也同样涉及到了这三个关键词,A和B就认为是相关联的,应用B可以称为是应用A的关联应用,应用A也可以称为是应用B的关联应用。应用B可以认为与应用A存在关联度。在这种情况下,关联度在预定范围可以理解为找到与应用A相关联的应用。在另外一个实施例中,应用A和应用B的介绍中有一个关键词相同,则可以认为这两个关联度为1,如果应用A和应用B中有两个关键词相同,则认为这两个应用的关联度为2,如果有3个关键词相同,则认为这两个应用的关联度为3,如果有4个及以上关键词相同,则认为这两个应用的关联度为4。如果进行归一化处理,则1、2、3、4对应的关联度为1/4、2/4、3/4、1。此时,可以关联度为2/4或者3/4的应用。
在一个优选实施方式中,用户的关联度也可以是与用户是否使用相关的。例如,统计应用之间的该关联度可以包括:
使用第一预定公式将时间段抽象为与当前时间相关的值,其中,该时间段为单个用户使用过至少两个应用的时间段,该值为该所述至少两个应用中的两两应用的关联值,在同一时间段使用过的至少两个应用为相关联的应用;获取多个用户对应的两两应用的关联值并使用第二预定公式进行计算,得到两两应用的关联度。通过该优选实施例可以得到任意两个应用之间的关联度,为了描述方便,在下文中使用第一应用和第二应用表示两两应用中的两个应用。
该优选实施方式中的时间段可以是一天、一周、预定小时数等。下面以一天为例举例说明。例如,可以查找使用应用A(即,第一应用)和应用B(即,第二应用)的一天距离现在是几天。如果现在是2013年10月10日,上一次同一天使用应用A和应用B的时间是2013年10月8日,这两个日期的差距是-2天,那么将该时间段抽象与当前时间相关的值就可以是-1/2。目前得到的是一个用户的在同一天使用的应用A和应用B的抽象值,
优选地,上述实施方式,对于单个用户而言,是仅仅将一个时间段(在上述例子中是一天)抽象得到了关联值,可以将多个时间段进行抽象,然后将抽象得到的值进行运算(例如,相加)得到关联值。即使用该第一预定公式将时间段抽象为与当前时间相关的值包括:使用该第一预定公式获取该单个用户的多个不同该时间段抽象为与当前时间相关的多个值;将该单个用户的该多个值相加得到该第一应用和该第二应用的关联值。
为了提高准确度,优选地,还可以使用多个用户的,例如,用户1应用A和应用B的抽象值是-1/2、用户2的应用A和应用B的抽象值是-1/3、用户3的应用A和应用B的抽象值是-1/4,可以将这三个用户的抽象值相加得到应用A和应用B的关联度。比较优地,可以将所有的用户的应用A和应用B的关联值都相加得到关联度。即获取多个用户对应的该第一应用与该第二应用的关联值并相加,将相加得到值作为该第一应用和该第二应用的关联度。这里的相加可以包括直接相加,也可以包括加权相加,针对不同的用户设置不同的权值,然后加权相加。用户权值的设置可以跟用户的属性相关,例如可以根据以下至少之一来设置用户的权值:用户的年龄、地理位置、学历、在平台上的活跃程度等等。
优选地,还可以采用一种更加复杂但是更加精确的计算方式,即获取该多个用户对应的该第一应用与该第二应用的关联值并使用该第二预定公式进行计算得到该第一应用和该第二应用的关联度包括:
获取该多个用户对应的该第一应用与该第二应用的关联值并相加得到第一值,其中,该第一值标记为ScoreByAll(i,j),i表示第一应用,j表示第二应用;然周,根据如下公式得到该第一应用和该第二应用的该关联度:
该关联度=[ScoreByAll(i,j)/(ScoreByAll(i,a1)+ScoreByAll(i,a2)+…+ScoreByAll(i,an))]*[ScoreByAll(i,j)/(ScoreByAll(b1,j)+ScoreByAll(b2,j)+…+ScoreByAll(bm,j))],其中,a1至an表示n个与该第一应用相关联的应用,b1至bm表示m个与该第二应用相关联的应用,m和n的值可以相同也可以不同。
优选地,该关联度的计算公式还可以增加一些权值,例如,关联度=[(ScoreByAll(i,j)/(ScoreByAll(i,a1)+ScoreByAll(i,a2)+…+ScoreByAll(i,an))^(1-k)]*[ScoreByAll(i,j)/(ScoreByAll(b1,j)+ScoreByAll(b2,j)+…+ScoreByAll(bm,j))^k)^r],其中,a1至an表示n个与第一应用相关联的应用,b1至bm表示m个与第二应用相关联的应用,k的取值大于0小于1,r的取值大于0小于1。通过该取值的不同可以使关联度从不同的方向来体现两两应用之间的关联。这种方式不仅仅应用A和应用B的关联度,还计算了应用A相关联的关联应用的关联度和与应用B相关联的应用的关联度,在某种程度上计算更加精确。
上述的相加可以包括直接相加,也可以包括加权相加,针对不同的用户设置不同的权值,然后加权相加。用户权值的设置可以跟用户的属性相关,例如可以根据以下至少之一来设置用户的权值:用户的年龄、地理位置、学历、在平台上的活跃程度等等。
优选地,上述确定应用A和应用B的关联度是根据用户使用应用A和应用B的情况,这仅仅是一个优选的实现方式而言,本领域技术人员可以根据上述技术方案想到其他的计算应用A和应用B的关联度的方法,这均应该涵盖在本实施例的范围之内。
优选地,该使用值可以在一定程度上表示用户对该应用的喜好,因此,在下文中也可以称为喜好值,喜好值可以根据使用情况确定,也可以是用户自己定义的,例如,用户可以为每个应用设置一个喜好等级。应用的喜好值也可以是根据用户的一些行为来确定的,例如,可以根据用户在平台上对该应用的评分来确定用户对于该应用的喜好程度。
对于使用值的确定,在本实施例中还提供了另外一种优选的实施方式,在该优选实施方式中,可以根据该用户对应用的使用情况确定该应用的使用值,例如,可以将该用户使用该应用的时间段抽象为与当前时间相关的值;根据该值得到该应用的使用值。
对于时间段的抽象也可以按照上述的方法来进行处理,例如,如果现在是2013年10月10日,上一次同一天使用应用A和应用B的时间是2013年10月8日,这两个日期的差距是-2天,那么将该时间段抽象与当前时间相关的值就可以是-1/2,或者也可以抽象为-2。不同的抽象方法可以得到不同的值,在实施时可以根据需要选择不同的抽象方式,选择的抽象方式的不同仅仅意味着实现的算法不同。
上述也是仅仅考虑了一个时间段,当然,为了更加精确的评估,也可以采用多个时间段的抽象,即,优选地,将该用户使用该应用的时间段抽象为与当前时间相关的值,根据该值得到该应用的使用值可以包括:将该用户使用该应用的多个不同时间段抽象为与当前时间相关的多个值;将该多个值相加得到该应用的使用值。此处的相加和上文中叙述的相加可以是直接相加也可以是加权相加。
优选地,在得到关联度和用户的喜好度之后,可以根据这两个值综合来考虑向用户推荐的应用。即,将获取到的部分或者全部关联应用推荐给该用户可以包括:根据该应用的使用值以及该应用的关联应用的关联度选择推荐给该用户的关联应用。例如,可以将使用值最好的前10个应用的所有关联应用都推荐给用户,或者也可以将这10个应用中的关联度超过阈值的应用推荐给客户。
上述的应用推荐方法是根据应用之间的关联度来进行的,在本实施例中还提供了另外两种优选的推荐方法,这几种推荐方法可以结合使用,也可以单独使用。结合使用的时候可以根据不同的情况依次选用这些方法中的至少之一。下面对另外的两种方法进行说明。
方法一:向该用户推荐与该用户相关的一个或多个用户所使用的应用。
优选地,为该一个或多个用户中的每个用户分配一个权值;根据该一个或多个用户中每个用户所使用应用的次数和该用户对应的权值确定想该用户推荐的应用。
方法二:根据该用户的属性向该用户推荐与该属性对应的应用。
优选地,用户的属性可以包括以下至少之一:用户的年龄、用户的性别、用户的地理位置、用户的学历。
在本实施例中还提供了一种应用推荐装置,该应用推荐装置用于实现上述实施例及优选实施方式,上述已经进行过说明的,在此不再赘述。上述优选实施例或实施方式中的不同的步骤均可以用模块来实现。图2是根据本发明实施例的应用推荐装置的结构框图,如图2所示,该装置包括:统计模块22、第一确定模块24、获取模块26和推荐模块28,下面对这些模块进行分别说明。
统计模块22,用于预先统计应用之间的关联度;
第一确定模块24,用于确定使用值在第一预定范围内的一个或多个应用,其中,每个应用的使用值用于表示用户对该应用的使用情况;
获取模块26,用于获取该一个或多个应用中每个应用分别对应的关联应用,其中,应用与关联应用的关联度在预定范围之内,应用之间的关联度是预先统计的;
推荐模块28,用于将获取到的部分或者全部关联应用推荐给该用户。
本实施例中所涉及到的模块、单元可以通过软件的方式实现,也可以通过硬件的方式来实现。本实施例中所描述的模块、单元也可以设置在处理器中,例如,可以描述为:一种处理器包括统计模块22、第一确定模块24、获取模块26和推荐模块28。或者也可以描述为存储器包括上述模块,处理器用来执行上述模块。另外,这些模块的名称在某些情况下并不构成对该模块本身的限定,例如,统计模块还可以被描述为“用于预先统计应用之间的关联度的模块”。
优选地,统计模块22包括:第一抽象单元,用于使用第一预定公式将时间段抽象为与当前时间相关的值,其中,该时间段为单个用户使用过至少两个应用的时间段,该值为该至少两个应用中的两两应用的关联值,在同一时间段使用过的该至少两个应用为相关联的应用;计算单元,用于获取多个用户对应的两两应用的关联值并使用第二预定公式进行计算,得到两两应用的关联度。通过该优选实施例可以得到任意两个应用之间的关联度,为了描述方便,在下位中使用第一应用和第二应用表示两两应用。
优选地,第一抽象单元用于使用该第一预定公式获取该单个用户的多个不同该时间段抽象为与当前时间相关的多个值;将该单个用户的该多个值相加得到该第一应用和该第二应用的关联值。
优选地,计算单元用于获取多个用户对应的该第一应用与该第二应用的关联值并相加,将相加得到值作为该第一应用和该第二应用的关联度。
优选地,计算单元用于获取该多个用户对应的该第一应用与该第二应用的关联值并相加得到第一值,其中,该第一值标记为ScoreByAll(i,j),i表示第一应用,j表示第二应用;根据如下公式得到该第一应用和该第二应用的该关联度:该关联度=[ScoreByAll(i,j)/(ScoreByAll(i,a1)+ScoreByAll(i,a2)+…+ScoreByAll(i,an))]*[ScoreByAll(i,j)/(ScoreByAll(b1,j)+ScoreByAll(b2,j)+…+ScoreByAll(bm,j))],其中,a1至an表示n个与该第一应用相关联的应用,b1至bm表示m个与该第二应用相关联的应用。
优选地,该关联度的计算公式还可以增加一些权值,例如,关联度=[(ScoreByAll(i,j)/(ScoreByAll(i,a1)+ScoreByAll(i,a2)+…+ScoreByAll(i,an))^(1-k)]*[ScoreByAll(i,j)/(ScoreByAll(b1,j)+ScoreByAll(b2,j)+…+ScoreByAll(bm,j))^k)^r],其中,a1至an表示n个与第一应用相关联的应用,b1至bm表示m个与第二应用相关联的应用,k的取值大于0小于1,r的取值大于0小于1。通过该取值的不同可以使关联度从不同的方向来体现两两应用之间的关联。
优选地,该装置还可以包括第二确定模块30,用于根据用户对应用的使用情况确定该应用的使用值。该第二确定模块30可以包括:第二抽象单元,用于将该用户使用该应用的时间段抽象为与当前时间相关的值;得到单元,用于根据该值得到该应用的使用值。
优选地,该第二抽象单元用于将该用户使用该应用的多个不同时间段抽象为与当前时间相关的多个值;将该多个值相加得到该应用的使用值。
优选地,推荐模块28用于根据该应用的使用值以及该应用的关联应用的关联度选择推荐给该用户的关联应用。
优选地,推荐模块28还用于向该用户推荐与该用户相关的一个或多个用户所使用的应用;和/或,根据该用户的属性向该用户推荐与该属性对应的应用。优选地,本申请还可以提供一个用于执行上述实施例的计算机程序以及保存上述计算机程序的载体,即本申请上述实施例可以通过一个合适的计算体系结构来进行符合自然规律的运行过程。另外,尽管在上述上下文中描述本申请,但上述用于实现执行步骤的计算机程序并不意味着是限制性的,所描述的动作和操作的各方面也可用硬件来实现。
本申请的原理可以使用其它通用或专用计算或通信环境或配置来操作。适用于本申请的众所周知的计算系统、环境和配置的示例包括但不限于,个人计算机、服务器,多处理器系统、基于微处理的系统、小型机、大型计算机、智能设备、终端(包括移动终端)、以及包括任一上述系统或设备的分布式计算环境。
下面将结合优选的实施例对其实现过程进行详细描述。
在本优选实施例中提出了一种基于用户行为数据建模结合社交关系链以及用户属性建模串行计算出用户喜好应用的技术方案。图3是根据本发明优选例的算法流程示意图,如图3所示,可以根据用户的历史行为数据来选择基于物品的协同过滤算法,如果协同过滤不能评估用户兴趣,则使用密友在玩算法评估,密友在玩算法使用关系链数据。如果密友在玩算法评估不能评估用户兴趣,则使用人口统计算法,人口统计算法中需要使用用户属性数据。
第一、通过用户使用应用情况转化成应用之间的关联度(通过用户使用应用情况转化应用之间关联程度的数据建模方案)。
对单个用户单天玩过应用做计算:距离现在d天,单天玩过应用两两之间两个应用的分值记ScoreByDay(d,i,j)=1/(在玩时间距离现在天数+1)。
统计单个用户历史一个月内的应用,对上一步每天计算出来的两两应用间的权重数据做累加ScoreByUser(u,i,j)=ScoreByDay(0,i,j)+ScoreByDay(1,i,j)+…+ScoreByDay(30,i,j),这里的天数并不一定是这个月所有的天数,指的是同时使用两个应用的天数。
统计全网用户,计算两两之间应用的关联度ScoreByAll(i,j)=ScoreByUser(u1,i,j)+ScoreByUser(u2,i,j)+…+ScoreByUser(um,i,j)。
根据分值=ScoreByAll(i,j)/(ScoreByAll(i,a1)+ScoreByAll(i,a2)+…+ScoreByAll(i,an))*ScoreByAll(i,j)/(ScoreByAll(b1,j)+ScoreByAll(b2,j)+…+ScoreByAll(bn,j))排序计算和i相关j应用的前100款应用。
第二、通过计算用户使用过的应用判断用户的喜好(通过用户在玩应用计算用户的兴趣)。
1)用户对玩过应用喜好程度判断方法:对单个用户单天玩过应用做计算:距离现在d天,单天玩过应用i的分值记InterestByDay(d,i)=玩应用i的次数/(在玩时间距离现在天数+1)。
2)统计单个用户u历史一个月内的应用,对上一步每天计算出来的分数数据做累加InterestByUser(i)=InterestByDay(0,i)+InterestByDay(1,i)+…+InterestByDay(30,i)。
选出InterestByUser(i)里分值从大到小排序的前50个。
第三、通过用户喜好应用计算应用的相似程度(在协同过滤算法中计算应用间相似程度公式)。
计算用户玩过的应用i的相似应用j。相似分值Relate(i,j)=[(ScoreByAll(i,j)/(ScoreByAll(i,a1)+ScoreByAll(i,a2)+…+ScoreByAll(i,an))^(1-k)]*[ScoreByAll(i,j)/(ScoreByAll(b1,j)+ScoreByAll(b2,j)+…+ScoreByAll(bn,j))^k)^r]。
其中,k的取值取决于要推荐比较热门的应用还是冷门的引用。k越大越容易推荐冷门应用,反之会推荐热门应用;r是对最后计算出来的分值做归一,其中,r只一般设置小于1,r越接近0那么计算出来的分值前几名差距越小。
对i对应的j分值做归一,即除于和i关联应用分值的最大值FRelate(i,j)。
对和i关联的应用j归一后的分值做兴趣度加权IRelate(i,j)=FRelate(i,j)*InterestByUser(i)。
第四、对IRelate(i,j)结果做排序。
对排序结果保证同个应用i推荐出来的做混合排序:保证任何Top N不会出现同个i推荐出来的超过一半,超过一半依次按其他i推荐出来的最大分值应用顶替。
第五、通过用户好友热玩应用做推荐。
在该算法中可以根据不同好友亲密度分配不同权重,将好友热玩的应用次数乘以亲密度权重做排序。
第六、通过用户属性和全网用户万应用统计数据设计人口统计算法。
在该算法中,对单个应用统计用户属性比例。例如:应用A的男性比例80%,18岁用户比例20%。根据用户属性获取和用户属性最相关的应用。即应用A的分值=应用A符合用户属性性别比例*对应权重+应用A符合用户属性年龄比例*对应权重+应用A符合用户属性学历比例*对应权重。
上述的第五和第六页可以交换顺序,或者也可以单独使用。
本优选实施中具有如下特点:通过用户使用应用情况转化应用之间关联程度的数据建模方案;通过协同过滤、好友热玩、人口统计的串行算法设计方案;在协同过滤算法中计算应用间相似程度公式;通过用户在玩应用计算用户的兴趣度;对推荐结果做混合排序逻辑。
通过本优选实施例,给平台带来更好的用户点击率,留存率和活跃率。通过对开发商应用合理的曝光,建立更健康的平台生态。利用长尾效应给开发商更合理的分配流量,有效降低马太效应。
上述优选的实施方式是可以结合使用的。另外,如本申请所使用的,术语“模块”或“单元”可以指在上述装置上执行的软件对象或例程。此处所描述的不同模块和单元可被实现为在上述装置上执行(例如,作为单独的线程)的对象或进程,同时,上述装置使用硬件或软件和硬件的组合的实现也是可能并被构想的。
显然,本领域的技术人员应该明白,上述的本申请的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (22)
1.一种应用推荐方法,其特征在于包括:
确定使用值在第一预定范围内的一个或多个应用,其中,每个应用的使用值用于表示用户对该应用的使用情况;
获取所述一个或多个应用中每个应用分别对应的关联应用,其中,应用与关联应用的关联度在预定范围之内,应用之间的关联度是预先统计的;
将获取到的部分或者全部关联应用推荐给所述用户。
2.根据权利要求1所述的方法,其特征在于,统计应用之间的所述关联度包括:
使用第一预定公式将时间段抽象为与当前时间相关的值,其中,所述时间段为单个用户使用过至少两个应用的时间段,所述值为所述至少两个应用中的两两应用的关联值,在同一时间段使用过的所述至少两个应用相互为相关联的应用;
获取多个用户对应的所述两两应用的关联值并使用第二预定公式进行计算,得到所述第一应用和所述第二应用的关联度。
3.根据权利要求2所述的方法,其特征在于,使用所述第一预定公式将时间段抽象为与当前时间相关的值包括:
使用所述第一预定公式获取所述单个用户的多个不同所述时间段抽象为与当前时间相关的多个值;
将所述单个用户的所述多个值相加得到所述两两应用的关联值。
4.根据权利要求2或3所述的方法,其特征在于,获取所述多个用户对应的所述第一应用与所述第二应用的关联值并使用所述第二预定公式进行计算包括:
获取多个用户对应的所述两两应用的关联值并相加,将相加得到值作为所述两两应用的关联度。
5.根据权利要求2或3所述的方法,其特征在于,获取所述多个用户对应的所述两两应用的关联值并使用所述第二预定公式进行计算得到所述两两应用的关联度包括:
获取所述多个用户对应的所述两两应用的关联值并相加得到第一值,其中,所述第一值标记为ScoreByAll(i,j),i表示所述两两i应用中的第一应用,j表示所述两两应用中的第二应用;
根据如下公式得到所述两两应用的所述关联度:
所述关联度=[ScoreByAll(i,j)/(ScoreByAll(i,a1)+ScoreByAll(i,a2)+…+ScoreByAll(i,an))]*[ScoreByAll(i,j)/(ScoreByAll(b1,j)+ScoreByAll(b2,j)+…+ScoreByAll(bm,j))],其中,a1至an表示n个与所述第一应用相关联的应用,b1至bm表示m个与所述第二应用相关联的应用。
6.根据权利要求2或3所述的方法,其特征在于,获取所述多个用户对应的所述两两应用的关联值并使用所述第二预定公式进行计算得到所述两两应用的关联度包括:
获取所述多个用户对应的所述两两应用的关联值并相加得到第一值,其中,所述第一值标记为ScoreByAll(i,j),i表示所述两两i应用中的第一应用,j表示所述两两应用中的第二应用;
根据如下公式得到所述两两应用的所述关联度:
所述关联度=[(ScoreByAll(i,j)/(ScoreByAll(i,a1)+ScoreByAll(i,a2)+…+ScoreByAll(i,an))^(1-k)]*[ScoreByAll(i,j)/(ScoreByAll(b1,j)+ScoreByAll(b2,j)+…+ScoreByAll(bm,j))^k)^r],其中,a1至an表示n个与所述第一应用相关联的应用,b1至bm表示m个与所述第二应用相关联的应用,k的取值大于0小于1,r的取值大于0小于1。
7.根据权利要求1至6中任一项所述的方法,其特征在于,在确定所述使用值在第一预定范围内的所述一个或多个应用之前,所述方法还包括:
根据所述用户对应用的使用情况确定每个应用的使用值,其中,将所述用户使用该应用的时间段抽象为与当前时间相关的值;根据所述值得到该应用的使用值。
8.根据权利要求7所述的方法,其特征在于,将所述用户使用所述应用的时间段抽象为与当前时间相关的值,根据所述值得到该应用的使用值包括:
将所述用户使用所述应用的多个不同时间段抽象为与当前时间相关的多个值;
将所述多个值相加得到该应用的使用值。
9.根据权利要求1至6中任一项所述的方法,其特征在于,将获取到的部分或者全部关联应用推荐给所述用户包括:
根据所述应用的使用值以及所述应用的关联应用的关联度选择推荐给所述用户的关联应用。
10.根据权利要求1至6中任一项所述的方法,其特征在于,所述方法还包括:
向所述用户推荐与所述用户相关的一个或多个用户所使用的应用;和/或,
根据所述用户的属性向所述用户推荐与所述属性对应的应用。
11.根据权利要求10所述的方法,其特征在于,向所述用户推荐与所述用户相关的一个或多个用户所使用的应用包括:
为所述一个或多个用户中的每个用户分配一个权值;
根据所述一个或多个用户中每个用户所使用应用的次数和该用户对应的权值确定想所述用户推荐的应用。
12.根据权利要求10所述的方法,其特征在于,所述用户的属性包括以下至少之一:
所述用户的年龄、所述用户的性别、所述用户的地理位置、所述用户的学历。
13.一种应用推荐装置,其特征在于包括:
统计模块,用于预先统计应用之间的关联度;
第一确定模块,用于确定使用值在第一预定范围内的一个或多个应用,其中,每个应用的使用值用于表示用户对该应用的使用情况;
获取模块,用于获取所述一个或多个应用中每个应用分别对应的关联应用,其中,应用与关联应用的关联度在预定范围之内,应用之间的关联度是预先统计的;
推荐模块,用于将获取到的部分或者全部关联应用推荐给所述用户。
14.根据权利要求13所述的装置,其特征在于,所述统计模块包括:
第一抽象单元,用于使用第一预定公式将时间段抽象为与当前时间相关的值,其中,所述时间段为单个用户使用过至少两个应用的时间段,所述值为所述至少两个应用中的两两应用的关联值,在同一时间段使用过的所述至少两个应用相互为相关联的应用;
计算单元,用于获取多个用户对应的所述两两应用的关联值并使用第二预定公式进行计算,得到所述第一应用和所述第二应用的关联度。
15.根据权利要求13所述的装置,其特征在于,所述第一抽象单元用于使用所述第一预定公式获取所述单个用户的多个不同所述时间段抽象为与当前时间相关的多个值;将所述单个用户的所述多个值相加得到所述两两应用的关联值。
16.根据权利要求14或15所述的装置,其特征在于,所述计算单元用于获取多个用户对应的所述两两应用的关联值并相加,将相加得到值作为所述两两应用的关联度。
17.根据权利要求14或15所述的装置,其特征在于,所述计算单元用于获取所述多个用户对应的所述两两应用的关联值并相加得到第一值,其中,所述第一值标记为ScoreByAll(i,j),i表示所述两两应用中的第一应用,j表示所述两两应用中的第二应用;根据如下公式得到所述第一应用和所述第二应用的所述关联度:所述关联度=[ScoreByAll(i,j)/(ScoreByAll(i,a1)+ScoreByAll(i,a2)+…+ScoreByAll(i,an))]*[ScoreByAll(i,j)/(ScoreByAll(b1,j)+ScoreByAll(b2,j)+…+ScoreByAll(bm,j))],其中,a1至an表示n个与所述第一应用相关联的应用,b1至bm表示m个与所述第二应用相关联的应用。
18.根据权利要求14或15所述的装置,其特征在于,所述计算单元用于获取所述多个用户对应的所述两两应用的关联值并相加得到第一值,其中,所述第一值标记为ScoreByAll(i,j),i表示所述两两应用中的第一应用,j表示所述两两应用中的第二应用;根据如下公式得到所述第一应用和所述第二应用的所述关联度:所述关联度=[(ScoreByAll(i,j)/(ScoreByAll(i,a1)+ScoreByAll(i,a2)+…+ScoreByAll(i,an))^(1-k)]*[ScoreByAll(i,j)/(ScoreByAll(b1,j)+ScoreByAll(b2,j)+…+ScoreByAll(bm,j))^k)^r],其中,a1至an表示n个与所述第一应用相关联的应用,b1至bm表示m个与所述第二应用相关联的应用,k的取值大于0小于1,r的取值大于0小于1。
19.根据权利要求13至18中任一项所述的装置,其特征在于,所述装置还包括:
所述第二确定模块,用于根据所述用户对应用的使用情况确定每个应用的使用值;其中,所述第二确定模块包括:第二抽象单元,用于将所述用户使用所述应用的时间段抽象为与当前时间相关的值;得到单元,用于根据所述值得到该应用的使用值。
20.根据权利要求19所述的装置,其特征在于,所述第二抽象单元用于将所述用户使用所述应用的多个不同时间段抽象为与当前时间相关的多个值;将所述多个值相加得到该应用的使用值。
21.根据权利要求13至18中任一项所述的装置,其特征在于,所述推荐模块用于根据所述应用的使用值以及所述应用的关联应用的关联度选择推荐给所述用户的关联应用。
22.根据权利要求13至18中任一项所述的装置,其特征在于,所述推荐模块还用于向所述用户推荐与所述用户相关的一个或多个用户所使用的应用;和/或,根据所述用户的属性向所述用户推荐与所述属性对应的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410007155.8A CN104765751B (zh) | 2014-01-07 | 2014-01-07 | 应用推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410007155.8A CN104765751B (zh) | 2014-01-07 | 2014-01-07 | 应用推荐方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104765751A true CN104765751A (zh) | 2015-07-08 |
CN104765751B CN104765751B (zh) | 2019-05-24 |
Family
ID=53647584
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410007155.8A Active CN104765751B (zh) | 2014-01-07 | 2014-01-07 | 应用推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104765751B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105389331A (zh) * | 2015-09-21 | 2016-03-09 | 中国人民解放军国防科学技术大学 | 一种基于市场需求的开源软件分析与比较方法 |
CN105975309A (zh) * | 2016-05-05 | 2016-09-28 | 广东小天才科技有限公司 | 一种移动终端的应用程序更新方法及装置 |
CN106355426A (zh) * | 2015-07-16 | 2017-01-25 | 阿里巴巴集团控股有限公司 | 用于应用中服务平台的展示方法和装置 |
CN106484747A (zh) * | 2015-09-02 | 2017-03-08 | 阿里巴巴集团控股有限公司 | 一种基于交互事件的网页项目推荐方法和装置 |
CN106651542A (zh) * | 2016-12-31 | 2017-05-10 | 珠海市魅族科技有限公司 | 一种物品推荐的方法及装置 |
WO2017193465A1 (zh) * | 2016-05-10 | 2017-11-16 | 中兴通讯股份有限公司 | 一种应用分享装置及方法 |
CN107562830A (zh) * | 2017-08-22 | 2018-01-09 | 广东小天才科技有限公司 | 一种应用推荐方法及应用服务器 |
WO2018024222A1 (zh) * | 2016-08-04 | 2018-02-08 | 广州优视网络科技有限公司 | 应用推荐方法、装置及服务器 |
CN108304853A (zh) * | 2017-10-10 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 游戏相关度的获取方法、装置、存储介质和电子装置 |
WO2018133759A1 (zh) * | 2017-01-23 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 排行榜单生成方法、计算机设备和存储介质 |
CN108833458A (zh) * | 2018-04-02 | 2018-11-16 | 腾讯科技(深圳)有限公司 | 一种应用推荐方法、装置、介质及设备 |
CN109508227A (zh) * | 2017-09-15 | 2019-03-22 | 广州市动景计算机科技有限公司 | 应用分析方法、装置、计算设备以及存储介质 |
CN110020152A (zh) * | 2017-12-04 | 2019-07-16 | 中国移动通信集团终端有限公司 | 应用推荐方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1716244A (zh) * | 2003-12-29 | 2006-01-04 | 西安迪戈科技有限责任公司 | 智能搜索、智能文件系统和自动智能助手的方法 |
CN102567511A (zh) * | 2011-12-27 | 2012-07-11 | 奇智软件(北京)有限公司 | 一种应用自动推荐的方法及装置 |
CN103136289A (zh) * | 2011-12-05 | 2013-06-05 | 腾讯科技(深圳)有限公司 | 资源推荐方法及系统 |
CN103455522A (zh) * | 2012-06-04 | 2013-12-18 | 北京搜狗科技发展有限公司 | 应用程序扩展工具推荐方法及系统 |
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 |
-
2014
- 2014-01-07 CN CN201410007155.8A patent/CN104765751B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1716244A (zh) * | 2003-12-29 | 2006-01-04 | 西安迪戈科技有限责任公司 | 智能搜索、智能文件系统和自动智能助手的方法 |
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 |
CN103136289A (zh) * | 2011-12-05 | 2013-06-05 | 腾讯科技(深圳)有限公司 | 资源推荐方法及系统 |
CN102567511A (zh) * | 2011-12-27 | 2012-07-11 | 奇智软件(北京)有限公司 | 一种应用自动推荐的方法及装置 |
CN103455522A (zh) * | 2012-06-04 | 2013-12-18 | 北京搜狗科技发展有限公司 | 应用程序扩展工具推荐方法及系统 |
Cited By (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106355426A (zh) * | 2015-07-16 | 2017-01-25 | 阿里巴巴集团控股有限公司 | 用于应用中服务平台的展示方法和装置 |
CN106355426B (zh) * | 2015-07-16 | 2020-08-28 | 阿里巴巴集团控股有限公司 | 用于应用中服务平台的展示方法和装置 |
CN106484747A (zh) * | 2015-09-02 | 2017-03-08 | 阿里巴巴集团控股有限公司 | 一种基于交互事件的网页项目推荐方法和装置 |
CN105389331B (zh) * | 2015-09-21 | 2019-02-12 | 中国人民解放军国防科学技术大学 | 一种基于市场需求的开源软件分析与比较方法 |
CN105389331A (zh) * | 2015-09-21 | 2016-03-09 | 中国人民解放军国防科学技术大学 | 一种基于市场需求的开源软件分析与比较方法 |
CN105975309A (zh) * | 2016-05-05 | 2016-09-28 | 广东小天才科技有限公司 | 一种移动终端的应用程序更新方法及装置 |
WO2017193465A1 (zh) * | 2016-05-10 | 2017-11-16 | 中兴通讯股份有限公司 | 一种应用分享装置及方法 |
WO2018024222A1 (zh) * | 2016-08-04 | 2018-02-08 | 广州优视网络科技有限公司 | 应用推荐方法、装置及服务器 |
CN106651542A (zh) * | 2016-12-31 | 2017-05-10 | 珠海市魅族科技有限公司 | 一种物品推荐的方法及装置 |
WO2018133759A1 (zh) * | 2017-01-23 | 2018-07-26 | 腾讯科技(深圳)有限公司 | 排行榜单生成方法、计算机设备和存储介质 |
CN107562830A (zh) * | 2017-08-22 | 2018-01-09 | 广东小天才科技有限公司 | 一种应用推荐方法及应用服务器 |
CN109508227A (zh) * | 2017-09-15 | 2019-03-22 | 广州市动景计算机科技有限公司 | 应用分析方法、装置、计算设备以及存储介质 |
CN109508227B (zh) * | 2017-09-15 | 2021-06-22 | 阿里巴巴(中国)有限公司 | 应用分析方法、装置、计算设备以及存储介质 |
CN108304853A (zh) * | 2017-10-10 | 2018-07-20 | 腾讯科技(深圳)有限公司 | 游戏相关度的获取方法、装置、存储介质和电子装置 |
CN110020152A (zh) * | 2017-12-04 | 2019-07-16 | 中国移动通信集团终端有限公司 | 应用推荐方法及装置 |
CN110020152B (zh) * | 2017-12-04 | 2021-03-19 | 中国移动通信集团终端有限公司 | 应用推荐方法及装置 |
CN108833458A (zh) * | 2018-04-02 | 2018-11-16 | 腾讯科技(深圳)有限公司 | 一种应用推荐方法、装置、介质及设备 |
CN108833458B (zh) * | 2018-04-02 | 2021-08-06 | 腾讯科技(深圳)有限公司 | 一种应用推荐方法、装置、介质及设备 |
Also Published As
Publication number | Publication date |
---|---|
CN104765751B (zh) | 2019-05-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104765751A (zh) | 应用推荐方法及装置 | |
CN110245301A (zh) | 一种推荐方法、装置及存储介质 | |
CN105335409B (zh) | 一种目标用户的确定方法、设备和网络服务器 | |
CN105912550A (zh) | 一种移动终端的信息推荐方法及装置 | |
CN105023165A (zh) | 社交网络平台中投放任务的控制方法、装置及系统 | |
CN103544623A (zh) | 一种基于用户偏好特征建模的Web 服务推荐方法 | |
CN106780052A (zh) | 基于分类客户行为分析的保险服务推荐方法及系统 | |
CN103810184A (zh) | 确定网站页面地址流转率的方法、优化方法及其装置 | |
US10402465B1 (en) | Content authority ranking using browsing behavior | |
CN103353920A (zh) | 基于社交网络推荐游戏的方法和装置 | |
CN109165975A (zh) | 标签推荐方法、装置、计算机设备及存储介质 | |
CN108595492A (zh) | 内容的推送方法和装置、存储介质、电子装置 | |
CN104408640A (zh) | 应用软件推荐方法及装置 | |
CN109543940A (zh) | 活动评估方法、装置、电子设备及存储介质 | |
CN102521283A (zh) | 一种基于贝叶斯原理的服务组合推荐方法及系统 | |
CN109075987A (zh) | 优化数字组件分析系统 | |
CN110020152A (zh) | 应用推荐方法及装置 | |
CN110019774A (zh) | 标签分配方法、装置、存储介质及电子装置 | |
CN110188123A (zh) | 用户匹配方法及设备 | |
Kompan et al. | Personalized recommendation for individual users based on the group recommendation principles | |
CN110264364B (zh) | 一种投资方的推荐方法 | |
CN106909567A (zh) | 数据处理方法及装置 | |
Nguyen et al. | Toward efficient dynamic virtual network embedding strategy for cloud networks | |
KR20130091391A (ko) | 콘텐츠 추천 서버 및 방법, 그리고 그 방법을 컴퓨터에서 실행시키기 위한 프로그램을 기록한 기록매체 | |
CN110209704A (zh) | 用户匹配方法及设备 |
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 |