CN105095411B - 一种基于app质量的app排名预测方法及系统 - Google Patents
一种基于app质量的app排名预测方法及系统 Download PDFInfo
- Publication number
- CN105095411B CN105095411B CN201510402386.3A CN201510402386A CN105095411B CN 105095411 B CN105095411 B CN 105095411B CN 201510402386 A CN201510402386 A CN 201510402386A CN 105095411 B CN105095411 B CN 105095411B
- Authority
- CN
- China
- Prior art keywords
- app
- ranking
- quality
- measured
- point
- 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
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
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
Abstract
本发明实施例公开了一种基于APP质量的APP排名预测方法及系统,其中,该方法包括:根据APP的类型设置不同的排行榜,并对排行榜进行区间划分;通过ISO的质量模型和用户的使用反馈评估APP的质量,获得APP的评估质量;根据评估质量判断APP接近哪一个区间,并根据区间预测APP的排名;结合该APP的留存率来预测APP的最终排名。在本发明实施例中,根据APP的类型设置不同的排行榜,并在排行榜中设定不同的区间,通过ISO的质量模型和用户的使用反馈来评估APP的质量,判断APP接近哪一个区间,并根据区间预测APP的排名,再结合最近一周的用户对该APP的留存率来预测APP的最终排名,这样可以基于APP质量评估对APP商店的APP进行预测排名,提高APP排名的准确性,促进APP质量的提升。
Description
技术领域
本发明涉及应用程序排名技术领域,尤其涉及一种基于APP质量的APP排名预测方法及系统。
背景技术
随着智能手机、平板电脑等移动终端设备的普及以及移动互联网的兴起,传统的企业wap站点营销方式逐渐被应用程序(Application,APP)的风头所掩盖,应用所产生的终端设备流量已经远远超过了传统互联网(PC端)的流量。在经历了仅作为第三方应用参与互联网商业活动的阶段后,应用商店如APPLE的Apple Store、Android的Google play为APP吸引受众提供了一个开放的平台和发展机遇,让自己的APP出现在应用商店的榜单之上无疑是每个开发者梦寐以求的事情。苹果和谷歌等AAP商店都有属于自己的一套APP排名规则,对外自然秘而不宣,但下载量(安装量)、好评率显然是其重要因素,也正因为如此,曾经的刷榜现象对APP排名的科学性造成了很大的破坏。
APP排名对于公司制作下一步的发展策略是极其重要的。公司要根据排名的高低决定APP的营销策略等等,若能预测APP的排名,无疑对公司的发展是有百益而无一害。而就目前所能搜集到的资料中,并没有一种可以明确预测APP排名的方法,只是讨论各大应用商店APP排名的规则。随着排名算法的不断研究,曾经的刷榜方式将逐渐失效,而APP质量将重新跃然纸上。APP质量将逐渐占据排名算法的主体部分。于是,基于质量评估来预测APP排名的方法可见是比较科学的。
现有中存在APPlause的质量评估方式:可量化的APP质量分析服务。
APPlause通过一种爬虫算法实时抓取Google Play和IOS APP Store中的数以百万计的用户评价与星级评分,然后将抓取来的数据分解成代表十项质量指标的数据类型——内容、美观、互操作性、性能、定价、隐私、安全性、稳定性、可用性。
利用机器学习的方法,将大量数据分解得到的评价类关键词与对应的质量指标进行绑定,将用户评价由主观信息转变为量化评估方法。然后,用户对于特定应用的评价,就能作用于相应的指标评分之上了。例如当很多用户抱怨“卡死”或“闪退”的时候,稳定性这一项的得分就会下降。
一般情况下,用户并不具备专业的鉴定水平,以言语表达出来的评价虽然有大致的方向,但对于程度的把握并不在行。由此得到的APP质量评估,在较大程度上夹带着用户的主观喜恶,当然巨大的数据量在一定程度上削弱了这种现象,但以此作为APP应用质量的考量还是略显不当。
另外,这种技术只是用于评估APP的质量,并没有将其用于预测APP排名上面。
发明内容
本发明的目的在于克服现有技术的不足,本发明提供了一种基于APP质量的APP排名预测方法及系统,可以基于APP质量评估对APP商店中的APP进行预测排名,提高APPD排名的准确性,促进APP质量的提升。
为了解决上述问题,本发明提出了一种基于APP质量的APP排名预测方法,所述方法包括:
根据APP的类型设置不同的排行榜,并对所述排行榜进行区间划分;
通过ISO的质量模型和用户的使用反馈评估APP的质量,获得APP的评估质量;
根据所述评估质量判断APP接近哪一个区间,并根据区间预测APP的排名;
结合该APP的留存率来预测APP的最终排名。
优选地,所述对所述排行榜进行区间划分的步骤包括:
把同类型的排行榜进行分区;
对各个分区取若干样本;
计算出各样本的质量评估基础分;
计算出各样本的用户反馈基础分;
把各样本各自的质量评估基础分和用户反馈基础分进行加权并计算出该样本的基础分;
将各区间的各个样本的基础分取平均值作为此区间的分数。
优选地,所述APP的留存率为最近一周的用户对该APP的留存率。
优选地,所述根据所述评估质量判断APP接近哪一个区间,并根据区间预测APP的排名的步骤,包括:
取出待测APP,判断APP的类型;
根据待测APP的类型找到对应的排行榜;
计算出待测APP的质量评估基础分;
计算出待测APP的用户反馈基础分;
计算出待测APP的基础分加权和;
判断待测APP的基础分加权和接近排行榜哪个区间的分数;
根据此区间预测待测APP的预排名在哪个区间,得出预排名。
优选地,所述结合该APP的留存率来预测APP的最终排名步骤,包括:
计算出待测APP近一周的产品留存率,获取曲线的斜率变化;
根据斜率变化预测APP的最终排名。
相应地,本发明实施例还提供一种基于APP质量的APP排名预测系统,所述系统包括:
区间划分模块,用于根据APP的类型设置不同的排行榜,并对所述排行榜进行区间划分;
质量评估模块,用于通过ISO的质量模型和用户的使用反馈评估APP的质量,获得APP的评估质量;
初步排名预测模块,用于根据所述评估质量判断APP接近哪一个区间,并根据区间预测APP的排名;
最终排名预测模块,用于结合该APP的留存率来预测APP的最终排名。
优选地,所述区间划分模块还用于:
把同类型的排行榜进行分区;
对各个分区取若干样本;
计算出各样本的质量评估基础分;
计算出各样本的用户反馈基础分;
把各样本各自的质量评估基础分和用户反馈基础分进行加权并计算出该样本的基础分;
将各区间的各个样本的基础分取平均值作为此区间的分数。
优选地,所述APP的留存率为最近一周的用户对该APP的留存率。
优选地,所述初步排名预测模块还用于:
取出待测APP,判断APP的类型;
根据待测APP的类型找到对应的排行榜;
计算出待测APP的质量评估基础分;
计算出待测APP的用户反馈基础分;
计算出待测APP的基础分加权和;
判断待测APP的基础分加权和接近排行榜哪个区间的分数;
根据此区间预测待测APP的预排名在哪个区间,得出预排名。
优选地,所述最终排名预测模块还用于计算出待测APP近一周的产品留存率,获取曲线的斜率变化;根据斜率变化预测APP的最终排名。
在本发明实施例中,根据APP的类型设置不同的排行榜,并在排行榜中设定不同的区间,通过ISO的质量模型和用户的使用反馈来评估APP的质量,判断APP接近哪一个区间,并根据区间预测APP的排名,再结合最近一周的用户对该APP的留存率来预测APP的最终排名,这样可以基于APP质量评估对APP商店的APP进行预测排名,提高APP排名的准确性,促进APP质量的提升。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,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,还可以根据这些附图获得其它的附图。
图1是本发明实施例的基于APP质量的APP排名预测方法的流程示意图;
图2是本发明实施例中对排行榜进行区间划分的流程示意图;
图3是本发明实施例中根据评估质量判断APP接近哪一个区间,并根据区间预测APP的排名的流程示意图;
图4是本发明实施例中质量模型的示意图;
图5是本发明实施例的基于APP质量的APP排名预测系统的结构组成示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,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,本领域普通技术人员在没有作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是本发明实施例的基于APP质量的APP排名预测方法的流程示意图,如图1所示,该方法包括:
S101,根据APP的类型设置不同的排行榜,并对排行榜进行区间划分;
S102,通过ISO的质量模型和用户的使用反馈评估APP的质量,获得APP的评估质量;
S103,根据评估质量判断APP接近哪一个区间,并根据区间预测APP的排名;
S104,结合该APP的留存率来预测APP的最终排名。
其中,如图2所示,对排行榜进行区间划分的步骤包括:
S1021,把同类型的排行榜进行分区;如第1-10名作为一个区间,11-20名作为一个区间,前面的区间间隙可以小一点,到后面可以越来越大,这样可以避免不同区间的分数过于接近;
S1022,对各个分区取若干样本;不同区间需要采用一样的取样方式进行取样;
S1023,计算出各样本的质量评估基础分;
S1024,计算出各样本的用户反馈基础分;
S1025,把各样本各自的质量评估基础分和用户反馈基础分进行加权并计算出该样本的基础分;
S1026,将各区间的各个样本的基础分取平均值作为此区间的分数。
进一步地,如图3所示,S103包括:
S1031,取出待测APP,判断APP的类型;
S1032,根据待测APP的类型找到对应的排行榜;
S1033,计算出待测APP的质量评估基础分;
S1034,计算出待测APP的用户反馈基础分;
S1035,计算出待测APP的基础分加权和;
S1036,判断待测APP的基础分加权和接近排行榜哪个区间的分数;
S1037,根据此区间预测待测APP的预排名在哪个区间,得出预排名。
这里结合图4对本发明实施例中的质量评估基础分计算进行详细阐述:
(1)对于一款APP,对其进行质量评估,首先是通过传统的软件质量模型进行建模,算出其原始分。在当前的软件质量模型中,较为著名的有McCall模型、Boehm模型和ISO/IEC9126质量模型等。这里采用的是ISO的质量模型,该模型分为两级指标,第一级有六个要素,分别为功能性,可靠性,易用性,效率,移植性和维护性,第二级一共有28个指标,是对第一级的细化,如图4所示。
(2)本发明实施例中需要对APP进行分类,因为对于不同类型的APP,其指标的侧重点(即权重)也会有所不同,比如安全管家、安全支付类的软件,其安全性所占的权重要大于其他类型的APP。因此,对于不同类型的APP,评估其质量的各个指标的权重应该不一样。对于权重的计算方法,一般有专家咨询法、特征值法等。
(3)对APP分类的另一个作用就是,对于某些特殊类型的APP,可能某些二级属性的权重会比较大,这时为了评估更加准确,可以对这些二级属性进一步细化成若干子属性。或者一些特殊类型的APP还要考察前面模型里没有列出的属性类或属性,可以加进去,重新分配权重。
(4)对于一些属性类,可以通过专门的自动化测试软件来实现评估,测试人员只需设计好测试用例,测试过程只需软件进行运行而不用人为干预,如功能性和可靠性这两项。而像易用性等属性类,则只能通过专家来进行检测并打分。
这里对计算用户反馈基础分的过程进一步说明。
这里利用APPlause计算用户反馈基础分:
将收集得到的大量用户评价进行索引项的提取处理,留下最具区分性的名词或名词组,因此通过禁用词词典筛去区分性不高的冠词、连词以及介词等禁用词,接着对形容词、副词进行感情色彩的量化处理,最终得到评价关键词集。
在大量聚集的用户评价中,取出一部分作为训练集,由专家评定,人工归属到质量评估指标中,以这部分训练集对分类器进行精细的调整,最终分类器应具备一定的泛化特性。同样的,取出一部分作为测试集,通过评估分类器对测试集的分类效果与人工分类效果的差异,对分类器进行评价反馈,通过改进进一步提升分类器的分类效果,直至达到一致率阈值,即得到划分效果比较好的分类器。
对于待预测APP,其已有星级评分的平均值将作为各质量评估指标的初始分数,然后将其用户评价通过分类器划分至各质量评估指标,并比对评价关键词集,根据感情色彩对指标得分进行调整,最终得到综合了用户评价的质量评估指标分数。
在本发明实施例中,APP的留存率为最近一周的用户对该APP的留存率。
S104包括:
计算出待测APP近一周的产品留存率,获取曲线的斜率变化;
根据斜率变化预测APP的最终排名。
首先,定义活跃用户为使用时间达到时长阈值或者做出APP核心操作的用户,其次,定义有效留存率为活跃用户数与截止当日完成下载(安装)行为的总用户数的比值。
对于待预测APP,取近一周以来的日有效留存率绘制成曲线图,观察斜率。
(1)如果斜率总体上呈上升趋势,说明用户对此APP的依赖性以及满意度比较高,那么此APP的最终排名将会比预测的预排名还要更靠前一点。
(2)如果斜率总体上呈下降趋势,说明用户对此APP的依赖性以及满意度比较低,那么此APP的最终排名将会比预测的预排名还要更靠后一点。
(3)如果斜率并无任何规律可言,时上时下,那说明此APP可能正处于用户调试阶段,预测最终排名即为预排名。
相应地,本发明实施例还提供一种基于APP质量的APP排名预测系统,如图5所示,该系统包括:
区间划分模块1,用于根据APP的类型设置不同的排行榜,并对排行榜进行区间划分;
质量评估模块2,用于通过ISO的质量模型和用户的使用反馈评估APP的质量,获得APP的评估质量;
初步排名预测模块3,用于根据评估质量判断APP接近哪一个区间,并根据区间预测APP的排名;
最终排名预测模块4,用于结合该APP的留存率来预测APP的最终排名。
其中,区间划分模块1还用于:
把同类型的排行榜进行分区;
对各个分区取若干样本;
计算出各样本的质量评估基础分;
计算出各样本的用户反馈基础分;
把各样本各自的质量评估基础分和用户反馈基础分进行加权并计算出该样本的基础分;
将各区间的各个样本的基础分取平均值作为此区间的分数。
在本发明实施例中,APP的留存率为最近一周的用户对该APP的留存率。
初步排名预测模块3还用于:
取出待测APP,判断APP的类型;
根据待测APP的类型找到对应的排行榜;
计算出待测APP的质量评估基础分;
计算出待测APP的用户反馈基础分;
计算出待测APP的基础分加权和;
判断待测APP的基础分加权和接近排行榜哪个区间的分数;
根据此区间预测待测APP的预排名在哪个区间,得出预排名。
最终排名预测模块4还用于计算出待测APP近一周的产品留存率,获取曲线的斜率变化;根据斜率变化预测APP的最终排名。
在本发明实施例中,根据APP的类型设置不同的排行榜,并在排行榜中设定不同的区间,通过ISO的质量模型和用户的使用反馈来评估APP的质量,判断APP接近哪一个区间,并根据区间预测APP的排名,再结合最近一周的用户对该APP的留存率来预测APP的最终排名,这样可以基于APP质量评估对APP商店的APP进行预测排名,提高APP排名的准确性,促进APP质量的提升。
本领域普通技术人员可以理解上述实施例的各种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存储介质中,存储介质可以包括:只读存储器(ROM,Read Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、磁盘或光盘等。
另外,以上对本发明实施例所提供的基于APP质量的APP排名预测方法及系统进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种基于APP质量的APP排名预测方法,其特征在于,所述方法包括:
根据APP的类型设置不同的排行榜,并对所述排行榜进行区间划分;
通过ISO的质量模型和用户的使用反馈评估APP的质量,获得APP的评估质量;
根据所述评估质量判断APP接近哪一个区间,对待测APP进行判断APP的类型;根据待测APP的类型找到对应的排行榜;计算出待测APP的质量评估基础分;计算出待测APP的用户反馈基础分;计算出待测APP的基础分加权和;判断待测APP的基础分加权和接近排行榜哪个区间的分数;根据此区间预测待测APP的预排名在哪个区间,得出预排名;
结合最近一周的用户对该APP的留存率来预测APP的最终排名。
2.如权利要求1所述的基于APP质量的APP排名预测方法,其特征在于,所述对所述排行榜进行区间划分的步骤包括:
把同类型的排行榜进行分区;
对各个分区取若干样本;
计算出各样本的质量评估基础分;
计算出各样本的用户反馈基础分;
把各样本各自的质量评估基础分和用户反馈基础分进行加权并计算出该样本的基础分;
将各区间的各个样本的基础分取平均值作为此区间的分数。
3.如权利要求1所述的基于APP质量的APP排名预测方法,其特征在于,所述结合最近一周的用户对该APP的留存率来预测APP的最终排名步骤,包括:
计算出待测APP近一周的产品留存率,获取曲线的斜率变化;
根据斜率变化预测APP的最终排名。
4.一种基于APP质量的APP排名预测系统,其特征在于,所述系统包括:
区间划分模块,用于根据APP的类型设置不同的排行榜,并对所述排行榜进行区间划分;
质量评估模块,用于通过ISO的质量模型和用户的使用反馈评估APP的质量,获得APP的评估质量;
初步排名预测模块,用于根据所述评估质量判断APP接近哪一个区间,根据待测APP进行判断APP的类型;根据待测APP的类型找到对应的排行榜;计算出待测APP的质量评估基础分;计算出待测APP的用户反馈基础分;计算出待测APP的基础分加权和;判断待测APP的基础分加权和接近排行榜哪个区间的分数;根据此区间预测待测APP的预排名在哪个区间,得出预排名;
最终排名预测模块,用于结合最近一周的用户对该APP的留存率来预测APP的最终排名。
5.如权利要求4所述的基于APP质量的APP排名预测系统,其特征在于,所述区间划分模块还用于:
把同类型的排行榜进行分区;
对各个分区取若干样本;
计算出各样本的质量评估基础分;
计算出各样本的用户反馈基础分;
把各样本各自的质量评估基础分和用户反馈基础分进行加权并计算出该样本的基础分;
将各区间的各个样本的基础分取平均值作为此区间的分数。
6.如权利要求4所述的基于APP质量的APP排名预测系统,其特征在于,所述最终排名预测模块还用于计算出待测APP近一周的产品留存率,获取曲线的斜率变化;根据斜率变化预测APP的最终排名。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510402386.3A CN105095411B (zh) | 2015-07-09 | 2015-07-09 | 一种基于app质量的app排名预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510402386.3A CN105095411B (zh) | 2015-07-09 | 2015-07-09 | 一种基于app质量的app排名预测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105095411A CN105095411A (zh) | 2015-11-25 |
CN105095411B true CN105095411B (zh) | 2018-08-24 |
Family
ID=54575848
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510402386.3A Active CN105095411B (zh) | 2015-07-09 | 2015-07-09 | 一种基于app质量的app排名预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105095411B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017124377A1 (zh) * | 2016-01-21 | 2017-07-27 | 马岩 | 一种app的排名预测方法及系统 |
CN105843608B (zh) * | 2016-03-16 | 2019-04-26 | 中山大学 | 一种基于聚类的app用户界面设计模式推荐方法及系统 |
CN105790866B (zh) * | 2016-03-31 | 2018-07-24 | 中国联合网络通信集团有限公司 | 基站分级方法及装置 |
CN107274043B (zh) * | 2016-04-07 | 2021-05-07 | 阿里巴巴集团控股有限公司 | 预测模型的质量评价方法、装置及电子设备 |
CN105869022B (zh) * | 2016-04-07 | 2020-10-23 | 腾讯科技(深圳)有限公司 | 一种应用流行度预测方法和装置 |
CN106126499A (zh) * | 2016-06-22 | 2016-11-16 | 青岛海信传媒网络技术有限公司 | 用户满意度和忠诚度分析方法及装置 |
CN108182517A (zh) * | 2017-12-19 | 2018-06-19 | 广东小天才科技有限公司 | 学习类应用程序的评价方法、装置、服务器及存储介质 |
CN110327628A (zh) * | 2019-05-24 | 2019-10-15 | 北京金山安全软件有限公司 | 一种查询排名的方法、装置及电子设备 |
CN111754126A (zh) * | 2020-06-29 | 2020-10-09 | 支付宝(杭州)信息技术有限公司 | 对应用进行评估的方法和系统 |
CN112926834A (zh) * | 2021-01-29 | 2021-06-08 | 北京索为系统技术股份有限公司 | 工业app质量评价方法、装置、设备及介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049452A (zh) * | 2011-10-14 | 2013-04-17 | 百度在线网络技术(北京)有限公司 | 一种基于预估下载率进行应用排序的方法与设备 |
CN103530084A (zh) * | 2013-09-26 | 2014-01-22 | 北京奇虎科技有限公司 | 一种数据并行排序方法和系统 |
CN103902729A (zh) * | 2014-04-14 | 2014-07-02 | 广州金山网络科技有限公司 | 一种应用程序推荐的方法及装置 |
CN104090967A (zh) * | 2014-07-16 | 2014-10-08 | 北京智谷睿拓技术服务有限公司 | 应用程序推荐方法及推荐装置 |
CN104268189A (zh) * | 2014-09-17 | 2015-01-07 | 广州华多网络科技有限公司 | 评价应用的方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120072283A1 (en) * | 2010-09-16 | 2012-03-22 | Mobilmeme, Inc. | Mobile application recommendation system and method |
-
2015
- 2015-07-09 CN CN201510402386.3A patent/CN105095411B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103049452A (zh) * | 2011-10-14 | 2013-04-17 | 百度在线网络技术(北京)有限公司 | 一种基于预估下载率进行应用排序的方法与设备 |
CN103530084A (zh) * | 2013-09-26 | 2014-01-22 | 北京奇虎科技有限公司 | 一种数据并行排序方法和系统 |
CN103902729A (zh) * | 2014-04-14 | 2014-07-02 | 广州金山网络科技有限公司 | 一种应用程序推荐的方法及装置 |
CN104090967A (zh) * | 2014-07-16 | 2014-10-08 | 北京智谷睿拓技术服务有限公司 | 应用程序推荐方法及推荐装置 |
CN104268189A (zh) * | 2014-09-17 | 2015-01-07 | 广州华多网络科技有限公司 | 评价应用的方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN105095411A (zh) | 2015-11-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105095411B (zh) | 一种基于app质量的app排名预测方法及系统 | |
CN106503014B (zh) | 一种实时信息的推荐方法、装置和系统 | |
Shulman et al. | Predictability of popularity: Gaps between prediction and understanding | |
Chua et al. | Automatic summarization of events from social media | |
CN107341268B (zh) | 一种热搜榜排序方法及系统 | |
EP2866421B1 (en) | Method and apparatus for identifying a same user in multiple social networks | |
Chen et al. | Is this app safe for children? A comparison study of maturity ratings on Android and iOS applications | |
CN106886518A (zh) | 一种微博账号分类的方法 | |
CN110334356A (zh) | 文章质量的确定方法、文章筛选方法、以及相应的装置 | |
JP5435249B2 (ja) | イベント分析装置、イベント分析方法、およびプログラム | |
CN107451249B (zh) | 事件发展趋势的预测方法及装置 | |
JP6264946B2 (ja) | データ収集方法、及びデータ収集装置 | |
Zhao et al. | Originator or propagator? Incorporating social role theory into topic models for twitter content analysis | |
WO2020057237A1 (zh) | 适用于关注对象的影响力检测方法、电子终端及存储介质 | |
WO2019242453A1 (zh) | 信息处理方法及装置、存储介质、电子装置 | |
KR20210029006A (ko) | 제품 평가 마이닝 방법 및 이를 수행하는 장치 | |
CN109118243B (zh) | 一种产品分享、有用评价识别、推送方法和服务器 | |
Kaur et al. | Multi-layered sentiment analytical model for product review mining | |
CN112507214B (zh) | 基于用户名的数据处理方法、装置、设备及介质 | |
CN108460475A (zh) | 基于学生上网行为的贫困生预测方法和装置 | |
Wase et al. | Sentiment analysis of product review | |
CN113468394A (zh) | 一种数据处理方法、装置、电子设备及存储介质 | |
Ali et al. | A novel approach for ensuring location privacy using sentiment analysis and analysis for health-care and its effects on humans health | |
Sinnott et al. | My ever changing moods: sentiment-based event detection on the cloud | |
CN111597220B (zh) | 数据挖掘方法和装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Chen Xiangping Inventor after: Chen Xiaoyan Inventor after: Lin Mouguang Inventor before: Chen Xiangping Inventor before: Xie Tao |
|
GR01 | Patent grant | ||
GR01 | Patent grant |