CN104994147B - 软件下载的推荐方法、系统及所适用的服务端和用户设备 - Google Patents

Abstract

本发明提供一种软件下载的推荐方法及系统。根据所述方法，所述系统中的服务端获取来自各用户设备的、基于用户的启动操作而运行的软件的软件使用信息；确定预设第一时限内对应目标用户设备的各软件使用信息所对应的软件下载信息的活跃度，并按照所述活跃度由高到低选取至少一个软件下载信息；按照信任度从所选取的软件下载信息所对应的分类中选取至少一个推荐软件下载信息，并推送给所述目标用户设备，由所述目标用户设备基于各推荐软件下载信息，显示软件推送信息。本发明能够提高软件的下载量，实现减少用户搜索，就能提供合适软件下载的目的。

Description

软件下载的推荐方法、系统及所适用的服务端和用户设备

技术领域

本发明涉及计算机软件领域，尤其涉及一种软件下载的推荐方法、系统及所适用的服务端和用户设备。

背景技术

目前，各下载中心为了能够帮助用户选择热门软件，通常会统计软件的下载量，并按照下载量进行排序。该种方式虽然能够提供下载量最大的热门软件，但是，由于所显示的热门软件并非一定是用户所想要的，因此，用户在选择软件时，仍然要翻找软件下载列表。增加了用户的查询成本。

因此，需要对现有的软件下载的推荐方式进行改进。

发明内容

本发明实施例提供一种软件下载的推荐方法、系统及所适用的服务端和用户设备，用于解决现有技术中下载中心所提供的各类软件下载的排序不适合用户的喜好的问题。

本发明实施例采用以下技术方案：

第一方面，提供一种软件下载的推荐方法，用于服务端，包括：获取来自各用户设备的、基于用户的启动操作而运行的软件的软件使用信息；确定预设第一时限内对应目标用户设备的各软件使用信息所对应的软件下载信息的活跃度，并按照所述活跃度由高到低选取至少一个软件下载信息；按照信任度从所选取的软件下载信息所对应的分类中选取至少一个推荐软件下载信息，并推送给所述目标用户设备。

优选地，所述软件使用信息包括软件标识信息、和/或以下至少一种：软件使用时长、软件使用时间信息；

所述确定预设第一时限内对应目标用户设备的各软件使用信息所对应的软件下载信息的活跃度的方式包括：基于预设第一时限内目标用户设备所提供的同一软件标识信息的使用次数、同一软件标识信息所对应的软件使用时长之和、以及同一软件标识信息所对应的软件使用时间信息中的至少一种，来确定具有同一软件标识信息的软件下载信息的活跃度。

优选地，所述确定预设第一时限内对应目标用户设备的各软件使用信息所对应的软件下载信息的活跃度的方式包括：按照公式Hot＝O/(T+2)^w+L(T+2)^G，来计算在所述预设第一时限内，所述目标用户设备所提供的各软件下载信息的活跃度；其中，Hot为活跃度，O为所述使用次数，L为软件使用时长之和、T为第一时限，G为使用时间比重，W为使用次数比重。

优选地，所述按照信任度从所选取的软件下载信息所对应的分类中选取至少一个推荐软件下载信息推荐的方式包括：基于预设的各推荐软件下载信息的评价信息和/或下载量，确定相应推荐软件下载信息的信任度；基于各所述信任度和各所述推荐软件下载信息的发布时间，选取至少一个推荐软件下载信息。

第二方面，还提供一种软件下载的推荐方法，用于用户设备，包括：获取基于用户的启动操作而运行的软件的软件使用信息，并发送给服务端；基于来自所述服务端的各推荐软件下载信息，显示软件推送信息。

优选地，所述推荐软件下载信息中包括所属分类的分类信息；对应的，所述基于来自所述服务端的各推荐软件下载信息，显示软件推送信息的方式包括：将包含各所述分类信息的链接的软件推送信息推送至通知界面中；基于用户的点击操作进入用于展示相应分类的各推荐软件下载信息的界面。

第三方面，还提供一种用于软件下载的推荐的服务端，包括：获取模块，用于获取来自各用户设备的、基于用户的启动操作而运行的软件的软件使用信息；活跃度确定模块，用于确定预设第一时限内对应目标用户设备的各软件使用信息所对应的软件下载信息的活跃度，并按照所述活跃度由高到低，选取至少一个软件下载信息；推荐软件下载信息确定模块，用于按照信任度从所选取的软件下载信息所对应的分类中选取至少一个推荐软件下载信息，并推送给所述目标用户设备。

优选地，所述软件使用信息包括软件标识信息、和/或以下至少一种：软件使用时长、软件使用时间信息；

所述活跃度确定模块用于基于预设第一时限内目标用户设备所提供的同一软件标识信息的使用次数、同一软件标识信息所对应的软件使用时长之和、以及同一软件标识信息所对应的软件使用时间信息中的至少一种，来确定具有同一软件标识信息的软件下载信息的活跃度。

优选地，所述活跃度确定模块用于按照公式Hot＝O/(T+2)^w+L(T+2)^G，来计算在所述预设第一时限内，所述目标用户设备所提供的各软件下载信息的活跃度；其中，Hot为活跃度，O为所述使用次数，L为软件使用时长之和、T为第一时限，G为使用时间比重，W为使用次数比重。

优选地，所述推荐软件下载信息确定模块用于基于预设的各推荐软件下载信息的评价信息和/或下载量，确定相应推荐软件下载信息的信任度，以及基于各所述信任度和各所述推荐软件下载信息的发布时间，选取至少一个推荐软件下载信息。

第四方面，还提供一种用于软件下载的推荐的用户设备，包括：通信模块，用于获取基于用户的启动操作而运行的软件的软件使用信息，并发送给服务端；推送模块，用于基于来自所述服务端的各推荐软件下载信息，显示软件推送信息。

优选地，所述推荐软件下载信息中包括所属分类的分类信息；对应的，所述推送模块用于将包含各所述分类信息的链接的软件推送信息推送至通知界面中，以及基于用户的点击操作进入用于展示相应分类的各推荐软件下载信息的界面。

第五方面，还提供一种软件下载的推荐的系统，包括：如上任一实施例所述的服务端；以及，如上任一实施例所述的用户设备。

如上所述，本发明的软件下载的推荐方法、系统及所适用的服务端和用户设备，具有以下有益效果：通过获取用户主动使用软件的软件使用信息来确定用户偏爱使用的软件类型，再从相应软件类型中选取信任度高的软件下载信息推荐给用户，能够提高软件的下载量，实现减少用户搜索，就能提供合适软件下载的目的；另外，通过对软件使用信息的统计能够确定用户最近偏好使用的软件，由此能够确定用户常用的软件分类，进而推荐该分类中优秀的相关软件下载信息；按照软件下载信息的发布时间来筛选所要推荐的软件下载信息，能够有效防止下载界面中依照历史下载数量进行排序，而无法展现新的软件下载信息的问题；此外，目标用户设备能够将包含各所述分类信息的链接的软件推送信息推送至通知界面中，便于用户进入相应分类的软件下载信息展示界面。

附图说明

为了更清楚地说明本发明实施例中的技术方案，下面将对本发明实施例描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据本发明实施例的内容和这些附图获得其他的附图。

图1是本发明的软件下载的推荐方法的一个实施例的方法流程图。

图2是本发明的软件下载的推荐系统的一个实施例的结构方框图。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面将结合附图对本发明实施例的技术方案作进一步的详细描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

图1示出本发明的一种软件下载的推荐方法。所述推荐方法主要由服务端和用户设备来执行。所述服务端中包含上传软件安装文件、软件下载信息和分类的上传界面。所述服务端可以通过所述上传界面获取并对应保存所述分类、软件下载信息和软件安装文件，如此，用户可以根据所述分类和软件下载信息选择下载所需的软件安装文件。其中，所述分类是基于用户日常分类习惯、所上传软件的功能等进行设置，其包括但不限于：社交类、聊天类、工具类、游戏类等。除此之外，所述服务端还可以综合各所述用户设备所发送的软件使用信息，挑选使用目标用户设备的用户所喜欢的软件下载信息，并推送给所述目标用户设备。其中，所述用户设备也可以作为目标用户设备来接收所述服务端按照如下步骤所挑选的软件下载信息。

其中，所述服务端可与多个用户设备(包含目标用设备)进行通信。所述服务端包括但不限于：单台服务器、多个相互通信的服务器群、基于云架构的服务器集群等。所述用户设备和目标用户设备均包括但不限于：计算机设备、笔记本电脑、手机、平板电脑、或其他能够基于预设程序进行大量数据和数值运算的电子设备。

在步骤S1中，所述用户设备获取基于用户的启动操作而运行的软件的软件使用信息，并发送给服务端。

具体地，当用户点击软件启动图标、或切换软件界面的操作时，所述用户设备一方面响应所述点击操作启动相应的软件，另一方面获取包含该软件的软件标识信息的软件使用信息。再同步或异步的将所获取的软件使用信息发送给服务端。

其中，若采用异步发送的方式，所述用户设备还监测用户使用所述软件的时长。例如，所述用户设备从监测到用户点击软件的启动图标的操作开始计时，直至监测到用户返回主界面的操作、用户切换至其他软件的操作、关闭所述软件的操作中的任一种，结束计时。所述用户设备可定时的将已获取的各软件使用信息发送给所述服务端。

在此，所述软件使用信息还可以包括用户使用所述软件的软件使用时间信息。若所述用户设备同步的、或每天定时的发送所获取的各软件使用信息，所述软件使用时间信息也可以由所述服务端根据接收所述软件使用信息的时间来确定。

所述服务端获取到软件使用信息后，从所述软件使用信息中提取软件标识信息，并与所述软件下载信息中的软件标识信息相匹配，若匹配成功，则建立对应关系。所述服务端可定时的向目标用户设备推送软件下载信息，在执行推送步骤之前，所述服务端执行步骤S2。

在步骤S2中，所述服务端确定预设第一时限内对应目标用户设备的各软件使用信息所对应的软件下载信息的活跃度，并按照所述活跃度由高到低选取至少一个软件下载信息。其中，所述第一时限可以是最近半个月、或几个月等预设时限。

具体地，所述服务端通过解析所接收来自各用户设备的软件使用信息，能够获得软件标识信息、甚至以下至少一种：软件使用时长、软件使用时间信息。所述服务端根据预先建立的各软件使用信息和各软件下载信息的对应关系，确定目标用户设备在预设的第一时限内所提供的各软件使用信息所对应的软件下载信息。接着，所述服务端根据所述第一时限内的各软件使用信息来计算相应的活跃度。

在此，所述服务端计算活跃度的方式包括但不限于：

1)所述服务端基于预设第一时限内目标用户设备所提供的同一软件标识信息的使用次数，来确定具有同一软件标识信息的软件下载信息的活跃度。

具体地，所述服务端从预设第一时限内提取所述目标用户设备所提供的同一软件标识信息的使用次数，并将所述使用次数作为所述活跃度。其中，次数越多，则活跃度越高。

2)所述服务端基于预设第一时限内提取目标用户设备所提供的同一软件标识信息所对应的软件使用时长之和，来确定具有同一软件标识信息的软件下载信息的活跃度。

具体地，所述服务端从预设第一时限内提取所述目标用户设备提供的同一软件标识信息所对应的软件使用时长之和，并将使用时长之和作为相应软件下载信息的活跃度。其中，使用时长之和越大，活跃度越高。。

3)所述服务端基于预设第一时限内目标用户设备中的同一软件标识信息所对应的软件使用时间信息，来确定具有同一软件标识信息的软件下载信息的活跃度。

具体地，所述服务端从第一预设时限内提取同一软件标识信息所对应的最近的软件使用时间信息，并按照时间由近到远的顺序确定各软件标识信息所对应的软件下载信息的活跃度。

优选地，所述服务端还可以结合所述软件标识信息所对应的使用次数、软件使用时长之和、和软件使用时间信息计算各软件下载信息的活跃度。

具体地，所述服务端结合了同一软件标识信息所对应的使用次数和软件使用时长来计算所对应的软件下载信息的活跃度。

所述服务端按照公式1：Hot＝O/(T+2)^w+L(T+2)^G，来计算在所述预设第一时限内，所述目标用户设备所提供的各软件下载信息的活跃度。其中，Hot为活跃度，O为所述使用次数，L为软件使用时长之和、T为第一时限，G为使用时间比重，W为使用次数比重。G和W为常数。

进一步的，当所述服务端按照所述公式得到的活跃度相等时，还可以按照所述软件使用时间信息的先后顺序来评价相等的活跃度，认定软件使用时间信息更近的软件下载信息的活跃度大于软件使用时间信息稍远的软件下载信息的活跃度。如此，能够将预设第一时限内对应目标用户设备的各软件使用信息所对应的软件下载信息按照活跃度进行的排序。

例如，所述服务端选取出符合预设第一时限的目标用户设备的各软件使用信息所对应的软件下载信息A1、A2、和A3。当利用公式1得到软件下载信息A1的活跃度大于A2和A3，且A2和A3的活跃度相等时，所述服务端根据软件下载信息A2所对应的软件使用日期信息D2大于软件下载信息A3所对应的软件使用日期信息D3，确定所述软件下载信息A2的活跃度大于所述软件下载信息A3的活跃度。所述服务端得到活跃度的排序由高到低的各软件下载信息为：A1、A2和A3。

当所述服务端确定所述目标用户设备使用的各软件下载信息的活跃度后，所述服务端可按照活跃度由高到低，从各软件下载信息中选择代表不同分类的软件下载信息。

在步骤S3中，所述服务端按照信任度从所选取的软件下载信息所对应的分类中选取至少一个推荐软件下载信息，并推送给所述目标用户设备。其中，所述推荐软件下载信息为同一分类中除所选取的软件下载信息之外的软件下载信息。

在此，所述服务端可以根据用户对所述软件下载信息的评价信息、下载量(如在预设第二时限内的下载量、或者历史全部下载量等)中的至少一种来确定相应推荐软件下载信息的信任度。其中，所述第二预设时限可与第一预设时限相同、或不同。

例如，所述服务端按照公式2：来计算各软件下载信息所对应的分类中的推荐软件下载信息的信任度。

其中，是所述评价信息中的支持票占总票数的百分比，n为总票数，为正态分布(1-α/2)的分位数。

当所述服务端所计算的各推荐软件下载信息的信任度相等时，可进一步的按照下载量来确定信任度的高和低。所述服务端可按照预设的数量选取信任度最高的若干推荐软件下载信息，并发送给所述目标用户设备。

接着，所述服务端可按照信任度由高到低的选取至少一个所述推荐软件下载信息，并定时的、或实时的发送至所述目标用户设备。

优选地，所述服务端基于各所述信任度和各所述推荐软件下载信息的发布时间，选取至少一个所述推荐软件下载信息。

具体地，所述服务端可优先选取发布时间在预设第二时限内的推荐软件下载信息，再按照信任度由大到小的选取至少一个推荐软件下载信息。

或者，所述服务端在按照所述第二时限选取多个推荐软件下载信息之后，再从中选择信任度大于预设信任度阈值的推荐软件下载信息。

甚至，所述服务端还可以预设所要推送的推荐软件下载信息的数量阈值，当所选择的推荐软件下载信息的数量达不到所述数量阈值，则更改所述第二时限和信任度阈值，再通过过滤信任度选取剩余数量的推荐软件下载信息。

如此，所述服务端可按照定时的、或按照所述目标用户设备所提供的预约时间，将所选取的各所述推荐软件下载信息发送至所述目标用户设备。

在步骤S4中，所述目标用户设备基于来自所述服务端的各推荐软件下载信息，显示软件推送信息。

具体地，所述目标用户设备可在接收到各所述推荐软件下载信息时，将预设的软件推送信息推送到所述目标用户设备的通知界面中。

优选地，所述推荐软件下载信息中包括所属分类的分类信息，所述目标用户设备将包含各所述分类信息的链接的软件推送信息推送至通知界面中，并基于用户的点击操作进入用于展示相应分类的各推荐软件下载信息的界面。

具体地，所述目标用户设备可提取各所述推荐软件下载信息中的分类信息，并按照预设的各分类所对应的连接，将各带有对应连接的所述分类信息集合在所述软件推送信息中，并推送至通知界面(如弹出一包含所述软件推送信息的对话框)中。当用户点击某一分类信息的连接时，所述目标用户设备基于用户的点击操作进入用于展示相应分类的各推荐软件下载信息的界面。

图2示出本发明的一种软件下载的推荐系统。所述推荐系统包括服务端和用户设备。所述服务端中包含用于上传软件安装文件、软件下载信息和分类的上传界面。所述服务端可以通过所述上传界面获取并对应保存所述分类、软件下载信息和软件安装文件，如此，用户可以根据所述分类和软件下载信息选择下载所需的软件安装文件。其中，所述分类包括但不限于：社交类、聊天类、工具类、游戏类等。除此之外，所述服务端还可以综合各所述用户设备所发送的软件使用信息，挑选使用目标用户设备的用户所喜欢的软件下载信息，并推送给所述目标用户设备。其中，所述用户设备也可以作为目标用户设备来接收所述服务端所挑选的软件下载信息。

其中，所述服务端可与多个用户设备(包含目标用设备)进行通信。所述服务端包括但不限于：单台服务器、多个相互通信的服务器群、基于云架构的服务器集群等。所述用户设备和目标用户设备均包括但不限于：计算机设备、笔记本电脑、手机、平板电脑、或其他能够基于预设程序进行大量数据和数值运算的电子设备。

所述用户设备包括：通信模块11、推送模块12。所述服务端包括：获取模块21、活跃度确定模块22、推荐软件下载信息确定模块23。

所述通信模块11用于获取基于用户的启动操作而运行的软件的软件使用信息，并发送给服务端的获取模块21。

具体地，当用户点击软件启动图标、或切换软件界面的操作时，所述用户设备一方面响应所述点击操作启动相应的软件，另一方面由所述通信模块11获取包含该软件的软件标识信息的软件使用信息。再同步或异步的将所获取的软件使用信息发送给服务端的获取模块21。

其中，若采用异步发送的方式，所述通信模块11还监测用户使用所述软件的时长。例如，所述通信模块11从监测到用户点击软件的启动图标的操作开始计时，直至监测到用户返回主界面的操作、用户切换至其他软件的操作、关闭所述软件的操作中的任一种，结束计时。所述通信模块11可定时的将已获取的各软件使用信息发送给所述获取模块21。

在此，所述软件使用信息还可以包括用户使用所述软件的软件使用时间信息。若所述通信模块11同步的、或每天定时的发送所获取的各软件使用信息，所述软件使用时间信息也可以由所述服务端根据接收所述软件使用信息的时间来确定。

所述服务端的获取模块21获取到软件使用信息后，从所述软件使用信息中提取软件标识信息，并与所述软件下载信息中的软件标识信息相匹配，若匹配成功，则建立对应关系。当所述服务端定时的向目标用户设备推送软件下载信息时，启动所述活跃度确定模块22和推荐软件下载信息确定模块23。其中，所述目标用户设备为所述用户设备中的一个。其中也包含推送模块12。

所述活跃度确定模块22用于确定预设第一时限内对应目标用户设备的各软件使用信息所对应的软件下载信息的活跃度，并按照所述活跃度由高到低选取至少一个软件下载信息。其中，所述第一时限可以是最近半个月、或几个月等预设时限。

具体地，所述活跃度确定模块22通过解析所接收来自各用户设备的软件使用信息，能够获得软件标识信息、甚至以下至少一种：软件使用时长、软件使用时间信息。所述活跃度确定模块22根据预先建立的各软件使用信息和各软件下载信息的对应关系，确定目标用户设备在预设的第一时限内所提供的各软件使用信息所对应的软件下载信息。接着，所述活跃度确定模块22根据所述第一时限内的各软件使用信息来计算相应的活跃度。

在此，所述活跃度确定模块22计算活跃度的方式包括但不限于：

1)所述活跃度确定模块22基于预设第一时限内目标用户设备所提供的同一软件标识信息的使用次数，来确定具有同一软件标识信息的软件下载信息的活跃度。

具体地，所述活跃度确定模块22从预设第一时限内提取所述目标用户设备所提供的同一软件标识信息的使用次数，并将所述使用次数作为所述活跃度。其中，次数越多，则活跃度越高。

2)所述活跃度确定模块22基于预设第一时限内提取目标用户设备所提供的同一软件标识信息所对应的软件使用时长之和，来确定具有同一软件标识信息的软件下载信息的活跃度。

具体地，所述活跃度确定模块22从预设第一时限内提取所述目标用户设备提供的同一软件标识信息所对应的软件使用时长之和，并将使用时长之和作为相应软件下载信息的活跃度。其中，使用时长之和越大，活跃度越高。。

3)所述活跃度确定模块22基于预设第一时限内目标用户设备中的同一软件标识信息所对应的软件使用时间信息，来确定具有同一软件标识信息的软件下载信息的活跃度。

具体地，所述活跃度确定模块22从第一预设时限内提取同一软件标识信息所对应的最近的软件使用时间信息，并按照时间由近到远的顺序确定各软件标识信息所对应的软件下载信息的活跃度。

优选地，所述活跃度确定模块22还可以结合所述软件标识信息所对应的使用次数、软件使用时长之和、和软件使用时间信息计算各软件下载信息的活跃度。

具体地，所述活跃度确定模块22结合了同一软件标识信息所对应的使用次数和软件使用时长来计算所对应的软件下载信息的活跃度。

所述活跃度确定模块22按照公式1：Hot＝O/(T+2)^w+L(T+2)^G，来计算在所述预设第一时限内，所述目标用户设备所提供的各软件下载信息的活跃度。其中，Hot为活跃度，O为所述使用次数，L为软件使用时长之和、T为第一时限，G为使用时间比重，W为使用次数比重。G和W为常数。

进一步的，当所述活跃度确定模块22按照所述公式得到的活跃度相等时，还可以按照所述软件使用时间信息的先后顺序来评价相等的活跃度，认定软件使用时间信息更近的软件下载信息的活跃度大于软件使用时间信息稍远的软件下载信息的活跃度。如此，能够将预设第一时限内对应目标用户设备的各软件使用信息所对应的软件下载信息按照活跃度进行的排序。

例如，所述活跃度确定模块22选取出符合预设第一时限的目标用户设备的各软件使用信息所对应的软件下载信息A1、A2、和A3。当利用公式1得到软件下载信息A1的活跃度大于A2和A3，且A2和A3的活跃度相等时，所述活跃度确定模块22根据软件下载信息A2所对应的软件使用日期信息D2大于软件下载信息A3所对应的软件使用日期信息D3，确定所述软件下载信息A2的活跃度大于所述软件下载信息A3的活跃度。所述活跃度确定模块22得到活跃度的排序由高到低的各软件下载信息为：A1、A2和A3。

当所述活跃度确定模块22确定所述目标用户设备使用的各软件下载信息的活跃度后，所述活跃度确定模块22可按照活跃度由高到低，从各软件下载信息中选择代表不同分类的软件下载信息。

所述推荐软件下载信息确定模块23用于按照信任度从所选取的软件下载信息所对应的分类中选取至少一个推荐软件下载信息，并推送给所述目标用户设备。其中，所述推荐软件下载信息为同一分类中除所选取的软件下载信息之外的软件下载信息。

在此，所述推荐软件下载信息确定模块23可以根据用户对所述软件下载信息的评价信息、下载量(如在预设第二时限内的下载量、或者历史全部下载量等)中的至少一种来确定相应推荐软件下载信息的信任度。其中，所述第二预设时限可与第一预设时限相同、或不同。

例如，所述推荐软件下载信息确定模块23按照公式2：来计算各软件下载信息所对应的分类中的推荐软件下载信息的信任度。

其中，是所述评价信息中的支持票占总票数的百分比，n为总票数，为正态分布(1-α/2)的分位数。

当所述推荐软件下载信息确定模块23所计算的各推荐软件下载信息的信任度相等时，可进一步的按照下载量来确定信任度的高和低。所述推荐软件下载信息确定模块23可按照预设的数量选取信任度最高的若干推荐软件下载信息，并发送给所述目标用户设备。

接着，所述推荐软件下载信息确定模块23可按照信任度由高到低的选取至少一个所述推荐软件下载信息，并定时的、或实时的发送至所述目标用户设备。

优选地，所述推荐软件下载信息确定模块23基于各所述信任度和各所述推荐软件下载信息的发布时间，选取至少一个所述推荐软件下载信息。

具体地，所述推荐软件下载信息确定模块23可优先选取发布时间在预设第二时限内的推荐软件下载信息，再按照信任度由大到小的选取至少一个推荐软件下载信息。

或者，所述推荐软件下载信息确定模块23在按照所述第二时限选取多个推荐软件下载信息之后，再从中选择信任度大于预设信任度阈值的推荐软件下载信息。

甚至，所述推荐软件下载信息确定模块23还可以预设所要推送的推荐软件下载信息的数量阈值，当所选择的推荐软件下载信息的数量达不到所述数量阈值，则更改所述第二时限和信任度阈值，再通过过滤信任度选取剩余数量的推荐软件下载信息。

如此，所述推荐软件下载信息确定模块23可按照定时的、或按照所述目标用户设备所提供的预约时间，将所选取的各所述推荐软件下载信息发送至所述目标用户设备。

所述目标用户设备中的推送模块12用于基于来自所述服务端的各推荐软件下载信息，显示软件推送信息。

具体地，所述推送模块12可在接收到各所述推荐软件下载信息时，将预设的软件推送信息推送到所述推送模块12的通知界面中。

优选地，所述推荐软件下载信息中包括所属分类的分类信息，所述推送模块12将包含各所述分类信息的链接的软件推送信息推送至通知界面中，并基于用户的点击操作进入用于展示相应分类的各推荐软件下载信息的界面。

具体地，所述推送模块12可提取各所述推荐软件下载信息中的分类信息，并按照预设的各分类所对应的连接，将各带有对应连接的所述分类信息集合在所述软件推送信息中，并推送至通知界面(如弹出一包含所述软件推送信息的对话框)中。当用户点击某一分类信息的连接时，所述推送模块12基于用户的点击操作进入用于展示相应分类的各推荐软件下载信息的界面。

综上所述，本发明的软件下载的推荐方法、系统及所适用的服务端和用户设备，通过获取用户主动使用软件的软件使用信息来确定用户偏爱使用的软件类型，再从相应软件类型中选取信任度高的软件下载信息推荐给用户，能够提高软件的下载量，实现减少用户搜索，就能提供合适软件下载的目的；另外，通过对软件使用信息的统计能够确定用户最近偏好使用的软件，由此能够确定用户常用的软件分类，进而推荐该分类中优秀的相关软件下载信息；按照软件下载信息的发布时间来筛选所要推荐的软件下载信息，能够有效防止下载界面中依照历史下载数量进行排序，而无法展现新的软件下载信息的问题；此外，目标用户设备能够将包含各所述分类信息的链接的软件推送信息推送至通知界面中，便于用户进入相应分类的软件下载信息展示界面。所以，本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。

上述实施例仅例示性说明本发明的原理及其功效，而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下，对上述实施例进行修饰或改变。因此，举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变，仍应由本发明的权利要求所涵盖。

Claims (5)

1.一种软件下载的推荐方法，用于服务端，其特征在于，包括：

获取来自各用户设备的、基于用户的启动操作而运行的软件的软件使用信息；

确定预设第一时限内对应目标用户设备的各软件使用信息所对应的软件下载信息的活跃度，并按照所述活跃度由高到低选取至少一个软件下载信息；

按照信任度从所选取的软件下载信息所对应的分类中选取至少一个推荐软件下载信息，并推送给所述目标用户设备；

所述确定预设第一时限内对应目标用户设备的各软件使用信息所对应的软件下载信息的活跃度的方式包括：

按照公式Hot＝O/(T+2)^w+L(T+2)^G，来计算在所述预设第一时限内，所述目标用户设备所提供的各软件下载信息的活跃度；其中，Hot为活跃度，O为所述使用次数，L为软件使用时长之和、T为第一时限，G为使用时间比重，W为使用次数比重。

2.根据权利要求1所述的软件下载的推荐方法，其特征在于，所述按照信任度从所选取的软件下载信息所对应的分类中选取至少一个推荐软件下载信息推荐的方式包括：

基于预设的各推荐软件下载信息的评价信息和/或下载量，确定相应推荐软件下载信息的信任度；

基于各所述信任度和各所述推荐软件下载信息的发布时间，选取至少一个推荐软件下载信息。

3.一种用于软件下载的推荐的服务端，其特征在于，包括：

获取模块，用于获取来自各用户设备的、基于用户的启动操作而运行的软件的软件使用信息；

活跃度确定模块，用于确定预设第一时限内对应目标用户设备的各软件使用信息所对应的软件下载信息的活跃度，并按照所述活跃度由高到低，选取至少一个软件下载信息；

推荐软件下载信息确定模块，用于按照信任度从所选取的软件下载信息所对应的分类中选取至少一个推荐软件下载信息，并推送给所述目标用户设备；

所述活跃度确定模块用于按照公式Hot＝O/(T+2)^w+L(T+2)^G，来计算在所述预设第一时限内，所述目标用户设备所提供的各软件下载信息的活跃度；其中，Hot为活跃度，O为所述使用次数，L为软件使用时长之和、T为第一时限，G为使用时间比重，W为使用次数比重。

4.根据权利要求3所述的用于软件下载的推荐的服务端，其特征在于，所述推荐软件下载信息确定模块用于基于预设的各推荐软件下载信息的评价信息和/或下载量，确定相应推荐软件下载信息的信任度，以及基于各所述信任度和各所述推荐软件下载信息的发布时间，选取至少一个推荐软件下载信息。

5.一种软件下载的推荐系统，其特征在于，包括：

如权利要求3或4所述的服务端；

以及，用户设备。