CN105224614A - 应用程序分类的展示方法和装置 - Google Patents
应用程序分类的展示方法和装置 Download PDFInfo
- Publication number
- CN105224614A CN105224614A CN201510593684.5A CN201510593684A CN105224614A CN 105224614 A CN105224614 A CN 105224614A CN 201510593684 A CN201510593684 A CN 201510593684A CN 105224614 A CN105224614 A CN 105224614A
- Authority
- CN
- China
- Prior art keywords
- application program
- data
- user
- hot value
- value
- 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.)
- Pending
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
-
- 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
- G06F16/955—Retrieval from the web using information identifiers, e.g. uniform resource locators [URL]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
- G06F16/358—Browsing; Visualisation therefor
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (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
本发明提出一种应用程序分类的展示方法和装置,该应用程序分类的展示方法包括获取源数据,所述源数据包括日志数据和应用程序信息数据;对所述日志数据进行关键信息提取,获取至少一种的用户行为数据;根据所述用户行为数据和所述应用程序信息数据,确定应用程序分类的热度值;根据所述应用程序分类的热度值,对所述应用程序分类进行排序并展示。该方法可以实现自动化的应用程序的分类及展现。
Description
技术领域
本发明涉及通信技术领域,尤其涉及一种应用程序分类的展示方法和装置。
背景技术
随着移动智能手机的不断发展和普及,移动智能手机上的应用程序也日渐兴起,用户可以通过搜索关键词的方式来搜索需要的应用程序,进而安装相应的应用程序。
为了方便用户快速查找到需要的应用程序,可以在页面上展现多种应用程序分类,用户可以点击应用程序分类,选择该应用程序分类下的应用程序。
现有技术中,应用程序的分类和展现是基于人工运营,缺乏自动化的分类及展现方案。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种应用程序分类的展示方法,该方法可以实现自动化的应用程序的分类及展现。
本发明的另一个目的在于提出一种应用程序分类的展示装置。
为达到上述目的,本发明第一方面实施例提出的应用程序分类的展示方法,包括:获取源数据,所述源数据包括日志数据和应用程序信息数据;对所述日志数据进行关键信息提取,获取至少一种的用户行为数据;根据所述用户行为数据和所述应用程序信息数据,确定应用程序分类的热度值;根据所述应用程序分类的热度值,对所述应用程序分类进行排序并展示。
可选的,对所述日志数据进行关键信息提取,获取至少一种的用户行为数据,包括:获取用户行为类别信息;根据所述用户行为类别信息确定对应的日志数据;从所述对应的日志数据中提取关键信息;根据所述提取的关键信息得到至少一种的用户行为数据。
可选的,所述用户行为类别信息包括:搜索,点击和安装,所述日志数据分别为:用户搜索日志数据,用户点击日志数据和用户安装日志数据,所述从所述对应的日志数据中提取关键信息,包括:当所述日志数据是用户搜索日志数据时,提取用户ID和搜索关键词,以得到用户搜索数据;或者,当所述日志数据是用户点击日志数据时,提取用户ID、搜索关键词和点击的应用程序的信息,以得到用户点击数据;或者,当所述日志数据是用户安装日志数据时,提取用户ID、搜索关键词和安装的应用程序的信息,以得到用户安装数据。
可选的,所述根据所述用户行为数据和所述应用程序信息数据,确定每个应用程序分类的热度值,包括:根据所述用户行为数据,确定每个应用程序的热度值;根据所述应用程序信息数据,确定每个应用程序所属的应用程序分类;根据每个应用程序分类下的每个应用程序的热度值,确定所述应用程序分类的热度值。
可选的,所述根据所述用户行为数据,确定每个应用程序的热度值,包括:根据所述用户行为数据,确定每个应用程序下每个搜索关键词的热度值;根据所述每个应用程序下每个搜索关键词的热度值,确定所述应用程序的热度值。
可选的,所述根据所述用户行为数据,确定每个应用程序下每个搜索关键词的热度值,包括:根据所述用户行为数据,确定每个应用程序下每个搜索关键词的PV热度值和UV热度值;根据所述PV热度值和所述UV热度值,确定每个应用程序下每个搜索关键词的热度值。
可选的,所述用户行为数据包括:用户搜索数据,用户点击数据和用户安装数据,所述根据所述用户行为数据,确定每个应用程序下每个搜索关键词的PV热度值和UV热度值,包括:根据所述用户搜索数据确定搜索PV值和搜索UV值,根据所述用户点击数据确定点击PV值和点击UV值,以及,根据所述用户安装数据,确定安装PV值和安装UV值;根据所述搜索PV值、点击PV值和安装PV值,确定每个应用程序下每个搜索关键词的PV热度值;根据所述搜索UV值、点击UV值和安装UV值,确定每个应用程序下每个搜索关键词的UV热度值。
可选的,所述根据所述PV热度值和所述UV热度值,确定每个应用程序下每个搜索关键词的热度值,包括:将每个应用程序下每个搜索关键词的PV热度值和UV热度值的乘积,确定为所述搜索关键词的热度值。
可选的,所述根据所述每个应用程序下每个搜索关键词的热度值,确定所述应用程序的热度值,包括:将每个应用程序下每个搜索关键词的热度值的累加和,确定为所述应用程序的热度值。
可选的,所述根据每个应用程序分类下的每个应用程序的热度值,确定所述应用程序分类的热度值,包括:将每个应用程序分类下每个应用程序的热度值的累加和,确定为所述应用程序分类的热度值。
可选的,所述根据所述应用程序分类的热度值,对所述应用程序分类进行排序并展示,包括:根据所述应用程序分类的热度值从高到低的顺序,对所述应用程序分类进行排序;在排序后的应用程序分类中选择预设个数的应用程序分类后进行展示。
本发明第一方面实施例提出的应用程序分类的展示方法,通过获取用户行为数据和应用程序信息数据,并根据用户行为数据和应用程序信息数据确定应用程序分类的热度值,并根据应用程序分类的热度值对应用程序分类进行排序并展示,不需要依赖人工运营,从而可以解决人工方式存在的问题,可以实现自动化的应用程序的分类及展现。
为达到上述目的,本发明第二方面实施例提出的应用程序分类的展示装置,包括:获取模块,用于获取源数据,所述源数据包括日志数据和应用程序信息数据;提取模块,用于对所述日志数据进行关键信息提取,获取至少一种的用户行为数据;确定模块,用于根据所述用户行为数据和所述应用程序信息数据,确定应用程序分类的热度值;展示模块,根据所述应用程序分类的热度值,对所述应用程序分类进行排序并展示。
可选的,所述提取模块包括:
第一单元,用于获取用户行为类别信息;
第二单元,用于根据所述用户行为类别信息确定对应的日志数据;
第三单元,用于从所述对应的日志数据中提取关键信息;
第四单元,用于根据所述提取的关键信息得到至少一种的用户行为数据。
可选的,所述用户行为类别信息包括:搜索,点击和安装,所述日志数据分别为:用户搜索日志数据,用户点击日志数据和用户安装日志数据,所述第三单元具体用于当所述日志数据是用户搜索日志数据时,提取用户ID和搜索关键词,以得到用户搜索数据;或者,当所述日志数据是用户点击日志数据时,提取用户ID、搜索关键词和点击的应用程序的信息,以得到用户点击数据;或者,当所述日志数据是用户安装日志数据时,提取用户ID、搜索关键词和安装的应用程序的信息,以得到用户安装数据。
可选的,所述确定模块包括:
第一单元,用于根据所述用户行为数据,确定每个应用程序的热度值;
第二单元,用于根据所述应用程序信息数据,确定每个应用程序所属的应用程序分类;
第三单元,用于根据每个应用程序分类下的每个应用程序的热度值,确定所述应用程序分类的热度值。
可选的,所述第一单元具体用于根据所述用户行为数据,确定每个应用程序下每个搜索关键词的热度值;根据所述每个应用程序下每个搜索关键词的热度值,确定所述应用程序的热度值。
可选的,所述第一单元进一步具体用于根据所述用户行为数据,确定每个应用程序下每个搜索关键词的PV热度值和UV热度值;根据所述PV热度值和所述UV热度值,确定每个应用程序下每个搜索关键词的热度值。
可选的,所述用户行为数据包括:用户搜索数据,用户点击数据和用户安装数据,所述第一单元进一步具体用于根据所述用户搜索数据确定搜索PV值和搜索UV值,根据所述用户点击数据确定点击PV值和点击UV值,以及,根据所述用户安装数据,确定安装PV值和安装UV值;根据所述搜索PV值、点击PV值和安装PV值,确定每个应用程序下每个搜索关键词的PV热度值;根据所述搜索UV值、点击UV值和安装UV值,确定每个应用程序下每个搜索关键词的UV热度值。
可选的,所述第一单元进一步具体用于将每个应用程序下每个搜索关键词的PV热度值和UV热度值的乘积,确定为所述搜索关键词的热度值。
可选的,所述第一单元进一步具体用于将每个应用程序下每个搜索关键词的热度值的累加和,确定为所述应用程序的热度值。
可选的,所述第三单元具体用于将每个应用程序分类下每个应用程序的热度值的累加和,确定为所述应用程序分类的热度值。
可选的,所述展示模块具体用于根据所述应用程序分类的热度值从高到低的顺序,对所述应用程序分类进行排序;在排序后的应用程序分类中选择预设个数的应用程序分类后进行展示。
本发明第二方面实施例提出的应用程序分类的展示装置,通过获取用户行为数据和应用程序信息数据,并根据用户行为数据和应用程序信息数据确定应用程序分类的热度值,并根据应用程序分类的热度值对应用程序分类进行排序并展示,不需要依赖人工运营,从而可以解决人工方式存在的问题,可以实现自动化的应用程序的分类及展现。
为达到上述目的,本发明第三方面实施例提出的客户端设备,包括:壳体、处理器、存储器、电路板和电源电路,其中,电路板安置在壳体围成的空间内部,处理器和存储器设置在电路板上;电源电路,用于为客户端设备的各个电路或器件供电;存储器用于存储可执行程序代码;处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,以用于执行:获取源数据,所述源数据包括日志数据和应用程序信息数据;对所述日志数据进行关键信息提取,获取至少一种的用户行为数据;根据所述用户行为数据和所述应用程序信息数据,确定应用程序分类的热度值;根据所述应用程序分类的热度值,对所述应用程序分类进行排序并展示。
可选的,对所述日志数据进行关键信息提取,获取至少一种的用户行为数据,包括:获取用户行为类别信息;根据所述用户行为类别信息确定对应的日志数据;从所述对应的日志数据中提取关键信息;根据所述提取的关键信息得到至少一种的用户行为数据。
可选的,所述用户行为类别信息包括:搜索,点击和安装,所述日志数据分别为:用户搜索日志数据,用户点击日志数据和用户安装日志数据,所述从所述对应的日志数据中提取关键信息,包括:当所述日志数据是用户搜索日志数据时,提取用户ID和搜索关键词,以得到用户搜索数据;或者,当所述日志数据是用户点击日志数据时,提取用户ID、搜索关键词和点击的应用程序的信息,以得到用户点击数据;或者,当所述日志数据是用户安装日志数据时,提取用户ID、搜索关键词和安装的应用程序的信息,以得到用户安装数据。
可选的,所述根据所述用户行为数据和所述应用程序信息数据,确定每个应用程序分类的热度值,包括:根据所述用户行为数据,确定每个应用程序的热度值;根据所述应用程序信息数据,确定每个应用程序所属的应用程序分类;根据每个应用程序分类下的每个应用程序的热度值,确定所述应用程序分类的热度值。
可选的,所述根据所述用户行为数据,确定每个应用程序的热度值,包括:根据所述用户行为数据,确定每个应用程序下每个搜索关键词的热度值;根据所述每个应用程序下每个搜索关键词的热度值,确定所述应用程序的热度值。
可选的,所述根据所述用户行为数据,确定每个应用程序下每个搜索关键词的热度值,包括:根据所述用户行为数据,确定每个应用程序下每个搜索关键词的PV热度值和UV热度值;根据所述PV热度值和所述UV热度值,确定每个应用程序下每个搜索关键词的热度值。
可选的,所述用户行为数据包括:用户搜索数据,用户点击数据和用户安装数据,所述根据所述用户行为数据,确定每个应用程序下每个搜索关键词的PV热度值和UV热度值,包括:根据所述用户搜索数据确定搜索PV值和搜索UV值,根据所述用户点击数据确定点击PV值和点击UV值,以及,根据所述用户安装数据,确定安装PV值和安装UV值;根据所述搜索PV值、点击PV值和安装PV值,确定每个应用程序下每个搜索关键词的PV热度值;根据所述搜索UV值、点击UV值和安装UV值,确定每个应用程序下每个搜索关键词的UV热度值。
可选的,所述根据所述PV热度值和所述UV热度值,确定每个应用程序下每个搜索关键词的热度值,包括:将每个应用程序下每个搜索关键词的PV热度值和UV热度值的乘积,确定为所述搜索关键词的热度值。
可选的,所述根据所述每个应用程序下每个搜索关键词的热度值,确定所述应用程序的热度值,包括:将每个应用程序下每个搜索关键词的热度值的累加和,确定为所述应用程序的热度值。
可选的,所述根据每个应用程序分类下的每个应用程序的热度值,确定所述应用程序分类的热度值,包括:将每个应用程序分类下每个应用程序的热度值的累加和,确定为所述应用程序分类的热度值。
可选的,所述根据所述应用程序分类的热度值,对所述应用程序分类进行排序并展示,包括:根据所述应用程序分类的热度值从高到低的顺序,对所述应用程序分类进行排序;在排序后的应用程序分类中选择预设个数的应用程序分类后进行展示。
本发明第三方面实施例提出的客户端设备,通过获取用户行为数据和应用程序信息数据,并根据用户行为数据和应用程序信息数据确定应用程序分类的热度值,并根据应用程序分类的热度值对应用程序分类进行排序并展示,不需要依赖人工运营,从而可以解决人工方式存在的问题,可以实现自动化的应用程序的分类及展现。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1是本发明一实施例提出的应用程序分类的展示方法的流程示意图;
图2是本发明实施例中应用程序分类的展示方法的整体架构图;
图3是本发明另一实施例提出的应用程序分类的展示方法的流程示意图;
图4是本发明实施例中日志扫描存储模块的流程示意图;
图5是本发明另一实施例提出的应用程序分类的展示方法的流程示意图;
图6是本发明另一实施例提出的应用程序分类的展示方法的流程示意图;
图7是本发明实施例中排序数据制作模块流程示意图;
图8是本发明实施例中搜索热词区块分类及排序结果示例图;
图9是本发明另一实施例提出的应用程序分类的展示装置的结构示意图;
图10是本发明另一实施例提出的应用程序分类的展示装置的结构示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能理解为对本发明的限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
图1是本发明一实施例提出的应用程序分类的展示方法的流程示意图,该方法包括:
S11:获取源数据,所述源数据包括日志数据和应用程序信息数据。
其中,日志数据可以包括用户搜索日志数据,用户点击日志数据和用户安装日志数据中的至少一种。具体的,不同的日志数据可以从对应的用户日志中获取,例如,从用户搜索日志中获取用户搜索日志数据;从用户点击日志中获取用户点击日志数据;从用户安装日志中获取用户安装日志数据。
用户搜索日志数据用于记录用户搜索历史的数据,例如,用户搜索日志数据可以记录用户的信息以及所述用户对应的搜索历史的信息,其中,用户的信息具体可以是用户标识(用户ID),用户的搜索历史的信息可以包括搜索关键词,还可以包括使用的搜索引擎以及搜索时间等其他信息。其中,在搜索时可以以搜索框为入口进行输入,该输入的内容为搜索关键词;用户ID用于唯一标识用户,例如在移动智能手机上通常以手机号作为用户ID。
用户点击日志数据用于记录用户点击历史的数据,例如用户点击日志数据可以记录用户的信息以及所述用户对应的点击历史的信息,其中,用户的信息具体可以是用户标识(用户ID)、用户的点击历史的信息可以包括点击的应用程序、搜索的关键词,还可以包括点击时间等其他信息。
用户安装日志数据用于记录用户安装历史的数据,例如,用户安装日志数据可以记录用户的信息以及所述用户对应的安装历史的信息,其中,用户的信息具体可以是用户标识(用户ID),用户的安装历史的信息可以包括安装的应用程序、搜索的关键词,还可以包括安装时间等其他信息。
应用程序信息数据可以从对应用程序的配置信息中获取,例如应用程序信息数据可以包括:应用程序的类别,还可以包括:应用程序名称、描述、星级以及安装地址等中的一项或多项。
S12:对所述日志数据进行关键信息提取,获取至少一种的用户行为数据。
其中,用户行为数据包括用户搜索数据、用户点击数据和用户安装数据。
参见图2,以日志数据包括用户搜索日志数据、用户点击日志数据和用户安装日志数据为例,确定数据来源21后,可以由日志扫描存储模块22对日志数据进行关键信息提取,得到用户行为数据23。
其中,用户搜索数据中记录用户ID以及用户ID对应的搜索关键词;用户点击数据中记录用户ID、用户ID对应的搜索关键词以及点击的应用程序的信息;用户安装数据中记录用户ID、用户ID对应的搜索关键词以及安装的应用程序的信息。
一个实施例中,参见图3,步骤S12可以具体包括:
S121:获取用户行为类别信息。
其中,数据来源模块获取的数据中可以包含用户行为类别信息,以确定用户行为类别信息,具体的,用户行为类别信息可以包括:搜索,点击和安装中的至少一种。
S122:根据所述用户行为类别信息确定对应的日志数据。
其中,可以根据获取到的用户行为类别信息确定与该行为类别对应的日志,例如,参见图4,数据来源41中包含用户行为类别信息,日志扫描存储模块42可以根据该用户行为类别信息确定用户行为类别,并根据用户行为类别获取对应的日志数据。例如,当用户行为类别信息是搜索时,可以确定对应的日志数据是用户搜索日志数据;当用户行为类别信息是点击时,可以确定对应的日志数据是用户点击日志数据;当用户行为类别信息是安装时,可以确定对应的日志数据是用户安装日志数据。
S123:从所述对应的日志数据中提取关键信息。
具体地,参见图4,日志扫描存储模块42可以从日志数据中提取出对应的关键信息,例如,当所述日志数据是用户搜索日志数据时,提取用户ID和搜索关键词;或者,当所述日志数据是用户点击日志数据时,提取用户ID、搜索关键词和点击的应用程序的信息(简称为点击app);或者,当所述日志数据是用户安装日志数据时,提取用户ID、搜索关键词和安装的应用程序的信息(简称为安装app)。
S124:根据所述提取的关键信息得到至少一种的用户行为数据。
其中,用户行为数据可以包括:用户搜索数据,用户点击数据以及用户安装数据。
具体的,可以由从日志数据中提取的关键信息组成相应的用户行为数据43。例如,参见图4,由用户ID和搜索关键词组成用户搜索数据;由用户ID、搜索关键词以及点击的应用程序的信息组成用户点击数据;由用户ID、搜索关键词以及安装的应用程序的信息组成用户安装数据。
S13:根据所述用户行为数据和所述应用程序信息数据,确定应用程序分类的热度值。
其中,热度值是对热度的数字衡量方式,热度可以体现用户对相应信息的需求程度,例如,应用程序的热度可以表示应用程序受用户欢迎和/或被用户关注的程度,应用程序分类的热度可以表示应用程序分类受用户欢迎和/或被用户关注的程度。
具体的,对于一个应用程序分类,可以先确定该应用程序分类包括的每个应用程序的热度值,再根据每个应用程序的热度值确定该应用程序分类的热度值,其中,每个应用程序的热度值可以根据该应用程序对应的搜索关键词的热度确定。例如,参见图2,在获取用户行为数据23后,可以由排序数据制作模块24进行处理,得到热度值25,其中,热度值25包括搜索关键词热度值,应用程序(app)热度值和应用程序分类热度值(简称为分类热度值)。
一个实施例中,参见图5,步骤S13具体可以包括:
S131:根据所述用户行为数据,确定每个应用程序的热度值。
其中,可以根据所述用户行为数据,确定每个应用程序下每个搜索关键词的热度值;根据所述每个应用程序下每个搜索关键词的热度值,确定所述应用程序的热度值。
一个实施例中,参见图6,对应一个应用程序,确定该应用程序的热度值可以具体包括:
S61:获取用户行为数据,包括用户搜索数据,用户点击数据以及用户安装数据。
例如,参见图7,由排序数据制作模块74计算分类热度值。
S62:根据用户行为数据获取页面浏览(PageView,PV)值和用户浏览(UserView,UV)值。
其中,PV值包括搜索PV值、点击PV(AppKeywordClickPageView,AKCPV)值以及安装PV(AppKeywordInstallPageView,AKIPV)值,UV值包括搜索UV值、点击UV(AppKeywordClickUserView,AKCUV)值以及安装UV(AppKeywordInstallUserView,AKIUV)值。
其中,参见图7,可以根据所述用户搜索数据确定搜索PV值和搜索UV值,根据所述用户点击数据确定点击PV(AKCPV)值和点击UV(AKCUV)值,以及,根据所述用户安装数据,确定安装PV(AKIPV)值和安装UV(AKIUV)值。
具体地,可以对用户搜索数据进行统计,得到每个搜索关键词的搜索PV、搜索UV。
点击PV(AppKeywordClickPageView,AKCPV)是指根据每个应用程序统计出的搜索关键词的点击PV;点击UV(AppKeywordClickUserView,AKCUV)是指根据每个应用程序统计出的搜索关键词的点击PV;安装PV(AppKeywordInstallPageView,AKIPV)是指根据每个应用程序统计出的搜索关键词的安装PV;安装UV(AppKeywordInstallUserView,AKIUV)是指根据每个应用程序统计出的搜索关键词的安装UV。
可以首先从用户点击数据中统计出应用程序的个数,然后按照每个应用程序统计搜索关键词的点击PV和点击UV,分别得到AKCPV和AKCUV。
可以首先从用户安装数据中统计出应用程序的个数,然后按照每个应用程序统计搜索关键词的安装PV和安装UV,分别得到AKIPV和AKIUV。
S63:根据所述搜索PV值、点击PV值和安装PV值,确定该应用程序下每个搜索关键词的PV热度值,以及,根据所述搜索UV值、点击UV值和安装UV值,确定该应用程序下每个搜索关键词的UV热度值。
参见图7,搜索PV值用搜索PV表示,搜索UV值用搜索UV表示,点击PV值用AKCPV表示,点击UV值用AKCUV表示,安装PV值用AKIPV表示,安装UV值用AKIUV表示,则可以根据搜索PV,AKCPV和AKIPV得到应用程序(App)下的每个搜索关键词的PV热度值,可以根据搜索UV,AKCUV和AKIUV得到应用程序(App)下的每个搜索关键词的UV热度值。
具体地,通过如下公式计算应用程序下的每个搜索关键词的PV热度值:
PV热度值=AKCPV/搜索PV+AKIPV/AKCPV
通过如下公式计算应用程序下的每个搜索关键词的UV热度值:
UV热度值=AKCUV/搜索UV+AKIUV/AKCUV
S64:根据每个搜索关键词的PV热度值和UV热度值,确定该搜索关键词的热度值。
参见图7,搜索关键词的热度值用搜索关键词的最终热度值表示,则可以根据应用程序(App)下的每个搜索关键词的PV热度值以及应用程序(App)下的每个搜索关键词的UV热度值,得到应用程序(App)下的每个搜索关键词的最终热度值。
可以将每个搜索关键词的PV热度值和UV热度值的乘积,确定为所述搜索关键词的热度值。
具体地,通过如下公式,由搜索关键词的PV热度值和UV热度值得到该应用程序下的每个搜索关键词的热度值:
搜索词的热度值=PV热度值*UV热度值
S65:根据该应用程序下每个搜索关键词的热度值,确定该应用程序的热度值。
参见图7,可以根据应用程序(App)下的每个搜索关键词的最终热度值得到应用程序(App)热度值。
可以将该应用程序下每个搜索关键词的热度值的累加和,确定为所述应用程序的热度值。具体地,通过如下公式确定应用程序的热度值:
应用程序热度值=∑(该应用程序下每个搜索关键词的热度值)
S132:根据所述应用程序信息数据,确定每个应用程序所属的应用程序分类。
其中,应用程序按照其功能和领域特点可以进行类别划分,如“教育类”,“游戏类”,“工具类”等。
具体地,应用程序信息数据中包含应用程序类别,还可以包括名称,描述等数据,其中,根据该应用程序信息数据中的类别可以确定该应用程序所属的应用程序分类。
例如,参见图7,可以根据应用程序信息数据(App信息数据)检查App所属分类,当可以根据App信息数据确定该应用程序所属的应用程序分类后,可以确定出有分类,并确定对应的分类,例如,属于游戏类或者工具类等。
S133:根据每个应用程序分类下的每个应用程序的热度值,确定所述应用程序分类的热度值。
参见图7,确定App热度值以及检查App所属分类且有分类后,可以确定分类热度值。
具体地,可以将每个应用程序分类下每个应用程序的热度值的累加和,确定为所述应用程序分类的热度值。
例如,“游戏类”应用程序包括应用程序A、应用程序B以及应用程序C三种应用程序,则“游戏类”应用程序分类的热度值=应用程序A热度值+应用程序B热度值+应用程序C热度值。
具体如,在确定出该应用程序所属的应用程序分类后,在该分类已有热度值时,可以更新该分类的热度值,初始时每个分类的热度值可以设置为0,之后每确定出该分类下的一个应用程序的热度值后,可以用该新确定出的应用程序热度值加上原有的热度值得到更新后的分类热度值。例如,当前处理的应用程序是D,应用程序D属于工具类,工具类的应用程序分类的更新后的热度值=更新前的热度值+应用程序D的热度值。
S14:根据所述应用程序分类的热度值,对所述应用程序分类进行排序并展示。
参见图2,在得到分类热度值后,对应用程序分类进行排序并展示可以用搜索热词区块分类及排序模块26表示。
具体地,可以根据应用程序分类的热度值从高到低的顺序,对应用程序分类进行排序,在排序后的应用程序分类中选择预设个数的应用程序分类后进行展示。预设个数例如5个。
例如,参见图8,根据应用程序分类的热度值从高到低,选择5个应用程序分类进行展示。热度值从高到低的应用程序分类依此为Skype,Path,Defendthera,MobileAlarmSystem和SeeFilmsOnlineFree。
本实施例通过获取用户行为数据和应用程序信息数据,并根据用户行为数据和应用程序信息数据确定应用程序分类的热度值,并根据应用程序分类的热度值对应用程序分类进行排序并展示,不需要依赖人工运营,从而可以解决人工方式存在的问题,可以实现自动化的应用程序的分类及展现。进一步的,本实施例通过用户的搜索,点击和安装行为确定搜索关键词的热度值,根据搜索关键词的热度值确定应用程序的热度值,以及根据应用程序的热度值确定应用程序分类的热度值,可以依据用户行为确定最终的应用程序分类的热度值,从而提高准确度、稳定性和时效性等。
图9是本发明另一实施例提出的应用程序分类的展示装置的结构示意图,该装置90包括获取模块91、提取模块92、确定模块93以及展示模块94。
获取模块91用于获取源数据,所述源数据包括日志数据和应用程序信息数据。
其中,日志数据可以包括用户搜索日志数据,用户点击日志数据和用户安装日志数据中的至少一种。具体的,不同的日志数据可以从对应的用户日志中获取,例如,从用户搜索日志中获取用户搜索日志数据;从用户点击日志中获取用户点击日志数据;从用户安装日志中获取用户安装日志数据。
用户搜索日志数据用于记录用户搜索历史的数据,例如,用户搜索日志数据可以记录用户的信息以及所述用户对应的搜索历史的信息,其中,用户的信息具体可以是用户标识(用户ID),用户的搜索历史的信息可以包括搜索关键词,还可以包括使用的搜索引擎以及搜索时间等其他信息。其中,在搜索时可以以搜索框为入口进行输入,该输入的内容为搜索关键词;用户ID用于唯一标识用户,例如在移动智能手机上通常以手机号作为用户ID。
用户点击日志数据用于记录用户点击历史的数据,例如用户点击日志数据可以记录用户的信息以及所述用户对应的点击历史的信息,其中,用户的信息具体可以是用户标识(用户ID)、用户的点击历史的信息可以包括点击的应用程序、搜索的关键词,还可以包括点击时间等其他信息。
用户安装日志数据用于记录用户安装历史的数据,例如,用户安装日志数据可以记录用户的信息以及所述用户对应的安装历史的信息,其中,用户的信息具体可以是用户标识(用户ID),用户的安装历史的信息可以包括安装的应用程序、搜索的关键词,还可以包括安装时间等其他信息。
应用程序信息数据可以从对应用程序的配置信息中获取,例如应用程序信息数据可以包括:应用程序的类别,还可以包括:应用程序名称、描述、星级以及安装地址等中的一项或多项。
提取模块92用于对所述日志数据进行关键信息提取,获取至少一种的用户行为数据。
其中,用户行为数据包括用户搜索数据、用户点击数据和用户安装数据。
参见图2,以日志数据包括用户搜索日志数据、用户点击日志数据和用户安装日志数据为例,确定数据来源21后,可以由日志扫描存储模块22对日志数据进行关键信息提取,得到用户行为数据23。
其中,用户搜索数据中记录用户ID以及用户ID对应的搜索关键词;用户点击数据中记录用户ID、用户ID对应的搜索关键词以及点击的应用程序的信息;用户安装数据中记录用户ID、用户ID对应的搜索关键词以及安装的应用程序的信息。
一个实施例中,参见图10,所述提取模块92包括:
第一单元921,用于获取用户行为类别信息;
其中,数据来源模块获取的数据中可以包含用户行为类别信息,以确定用户行为类别信息,具体的,用户行为类别信息可以包括:搜索,点击和安装中的至少一种。
第二单元922,用于根据所述用户行为类别信息确定对应的日志数据;
其中,可以根据获取到的用户行为类别信息确定与该行为类别对应的日志,例如,参见图4,数据来源41中包含用户行为类别信息,日志扫描存储模块42可以根据该用户行为类别信息确定用户行为类别,并根据用户行为类别获取对应的日志数据。例如,当用户行为类别信息是搜索时,可以确定对应的日志数据是用户搜索日志数据;当用户行为类别信息是点击时,可以确定对应的日志数据是用户点击日志数据;当用户行为类别信息是安装时,可以确定对应的日志数据是用户安装日志数据。
第三单元923,用于从所述对应的日志数据中提取关键信息;
具体地,参见图4,日志扫描存储模块42可以从日志数据中提取出对应的关键信息,例如,当所述日志数据是用户搜索日志数据时,提取用户ID和搜索关键词;或者,当所述日志数据是用户点击日志数据时,提取用户ID、搜索关键词和点击的应用程序的信息(简称为点击app);或者,当所述日志数据是用户安装日志数据时,提取用户ID、搜索关键词和安装的应用程序的信息(简称为安装app)。
第四单元924,用于根据所述提取的关键信息得到至少一种的用户行为数据。
其中,用户行为数据可以包括:用户搜索数据,用户点击数据以及用户安装数据。
具体的,可以由从日志数据中提取的关键信息组成相应的用户行为数据43。例如,参见图4,由用户ID和搜索关键词组成用户搜索数据;由用户ID、搜索关键词以及点击的应用程序的信息组成用户点击数据;由用户ID、搜索关键词以及安装的应用程序的信息组成用户安装数据。
另一个实施例中,所述用户行为类别信息包括:搜索,点击和安装,所述日志数据分别为:用户搜索日志数据,用户点击日志数据和用户安装日志数据,所述第三单元具体用于:当所述日志数据是用户搜索日志数据时,提取用户ID和搜索关键词,以得到用户搜索数据;或者,当所述日志数据是用户点击日志数据时,提取用户ID、搜索关键词和点击的应用程序的信息,以得到用户点击数据;或者,当所述日志数据是用户安装日志数据时,提取用户ID、搜索关键词和安装的应用程序的信息,以得到用户安装数据。
确定模块93用于根据所述用户行为数据和所述应用程序信息数据,确定应用程序分类的热度值。
其中,热度值是对热度的数字衡量方式,热度可以体现用户对相应信息的需求程度,例如,应用程序的热度可以表示应用程序受用户欢迎和/或被用户关注的程度,应用程序分类的热度可以表示应用程序分类受用户欢迎和/或被用户关注的程度。
具体的,对于一个应用程序分类,可以先确定该应用程序分类包括的每个应用程序的热度值,再根据每个应用程序的热度值确定该应用程序分类的热度值,其中,每个应用程序的热度值可以根据该应用程序对应的搜索关键词的热度确定。例如,参见图2,在获取用户行为数据23后,可以由排序数据制作模块24进行处理,得到热度值25,其中,热度值25包括搜索关键词热度值,应用程序(app)热度值和应用程序分类热度值(简称为分类热度值)。
另一个实施例中,参见图10,所述确定模块93包括:
第一单元931,用于根据所述用户行为数据,确定每个应用程序的热度值;
其中,可以根据所述用户行为数据,确定每个应用程序下每个搜索关键词的热度值;根据所述每个应用程序下每个搜索关键词的热度值,确定所述应用程序的热度值。
第二单元932,用于根据所述应用程序信息数据,确定每个应用程序所属的应用程序分类;
其中,应用程序按照其功能和领域特点可以进行类别划分,如“教育类”,“游戏类”,“工具类”等。
具体地,应用程序信息数据中包含应用程序类别,还可以包括名称,描述等数据,其中,根据该应用程序信息数据中的类别可以确定该应用程序所属的应用程序分类。
例如,参见图7,可以根据应用程序信息数据(App信息数据)检查App所属分类,当可以根据App信息数据确定该应用程序所属的应用程序分类后,可以确定出有分类,并确定对应的分类,例如,属于游戏类或者工具类等。
第三单元933,用于根据每个应用程序分类下的每个应用程序的热度值,确定所述应用程序分类的热度值。
参见图7,确定App热度值以及检查App所属分类且有分类后,可以确定分类热度值。
具体地,可以将每个应用程序分类下每个应用程序的热度值的累加和,确定为所述应用程序分类的热度值。
例如,“游戏类”应用程序包括应用程序A、应用程序B以及应用程序C三种应用程序,则“游戏类”应用程序分类的热度值=应用程序A热度值+应用程序B热度值+应用程序C热度值。
具体如,在确定出该应用程序所属的应用程序分类后,在该分类已有热度值时,可以更新该分类的热度值,初始时每个分类的热度值可以设置为0,之后每确定出该分类下的一个应用程序的热度值后,可以用该新确定出的应用程序热度值加上原有的热度值得到更新后的分类热度值。例如,当前处理的应用程序是D,应用程序D属于工具类,工具类的应用程序分类的更新后的热度值=更新前的热度值+应用程序D的热度值。
另一个实施例中,所述第一单元931具体用于根据所述用户行为数据,确定每个应用程序下每个搜索关键词的热度值;根据所述每个应用程序下每个搜索关键词的热度值,确定所述应用程序的热度值。
另一个实施例中,所述第一单元931进一步具体用于根据用户行为数据获取页面浏览(PageView,PV)值和用户浏览(UserView,UV)值。
其中,PV值包括搜索PV值、点击PV(AppKeywordClickPageView,AKCPV)值以及安装PV(AppKeywordInstallPageView,AKIPV)值,UV值包括搜索UV值、点击UV(AppKeywordClickUserView,AKCUV)值以及安装UV(AppKeywordInstallUserView,AKIUV)值。
其中,参见图7,可以根据所述用户搜索数据确定搜索PV值和搜索UV值,根据所述用户点击数据确定点击PV(AKCPV)值和点击UV(AKCUV)值,以及,根据所述用户安装数据,确定安装PV(AKIPV)值和安装UV(AKIUV)值。
具体地,可以对用户搜索数据进行统计,得到每个搜索关键词的搜索PV、搜索UV。
点击PV(AppKeywordClickPageView,AKCPV)是指根据每个应用程序统计出的搜索关键词的点击PV;点击UV(AppKeywordClickUserView,AKCUV)是指根据每个应用程序统计出的搜索关键词的点击PV;安装PV(AppKeywordInstallPageView,AKIPV)是指根据每个应用程序统计出的搜索关键词的安装PV;安装UV(AppKeywordInstallUserView,AKIUV)是指根据每个应用程序统计出的搜索关键词的安装UV。
可以首先从用户点击数据中统计出应用程序的个数,然后按照每个应用程序统计搜索关键词的点击PV和点击UV,分别得到AKCPV和AKCUV。
可以首先从用户安装数据中统计出应用程序的个数,然后按照每个应用程序统计搜索关键词的安装PV和安装UV,分别得到AKIPV和AKIUV。
根据所述搜索PV值、点击PV值和安装PV值,确定该应用程序下每个搜索关键词的PV热度值,以及,根据所述搜索UV值、点击UV值和安装UV值,确定该应用程序下每个搜索关键词的UV热度值。
根据所述PV热度值和所述UV热度值,确定每个应用程序下每个搜索关键词的热度值。
另一个实施例中,所述用户行为数据包括:用户搜索数据,用户点击数据和用户安装数据,所述第一单元931进一步具体用于根据所述用户搜索数据确定搜索PV值和搜索UV值,根据所述用户点击数据确定点击PV值和点击UV值,以及,根据所述用户安装数据,确定安装PV值和安装UV值;
具体地,通过如下公式计算应用程序下的每个搜索关键词的PV热度值:
PV热度值=AKCPV/搜索PV+AKIPV/AKCPV
通过如下公式计算应用程序下的每个搜索关键词的UV热度值:
UV热度值=AKCUV/搜索UV+AKIUV/AKCUV
根据所述搜索PV值、点击PV值和安装PV值,确定每个应用程序下每个搜索关键词的PV热度值;
根据所述搜索UV值、点击UV值和安装UV值,确定每个应用程序下每个搜索关键词的UV热度值。
另一个实施例中,所述第一单元931进一步具体用于将每个应用程序下每个搜索关键词的PV热度值和UV热度值的乘积,确定为所述搜索关键词的热度值。
具体地,通过如下公式,由搜索关键词的PV热度值和UV热度值得到该应用程序下的每个搜索关键词的热度值:
搜索词的热度值=PV热度值*UV热度值
另一个实施例中,所述第一单元931进一步具体用于将每个应用程序下每个搜索关键词的热度值的累加和,确定为所述应用程序的热度值。
具体地,通过如下公式确定应用程序的热度值:
应用程序热度值=∑(该应用程序下每个搜索关键词的热度值)
另一个实施例中,所述第三单元933具体用于将每个应用程序分类下每个应用程序的热度值的累加和,确定为所述应用程序分类的热度值。
展示模块94根据所述应用程序分类的热度值,对所述应用程序分类进行排序并展示。
参见图2,在得到分类热度值后,对应用程序分类进行排序并展示可以用搜索热词区块分类及排序模块26表示。
具体地,可以根据应用程序分类的热度值从高到低的顺序,对应用程序分类进行排序,在排序后的应用程序分类中选择预设个数的应用程序分类后进行展示。预设个数例如5个。
例如,参见图8,根据应用程序分类的热度值从高到低,选择5个应用程序分类进行展示。热度值从高到低的应用程序分类依此为Skype,Path,Defendthera,MobileAlarmSystem和SeeFilmsOnlineFree。
本实施例通过获取用户行为数据和应用程序信息数据,并根据用户行为数据和应用程序信息数据确定应用程序分类的热度值,并根据应用程序分类的热度值对应用程序分类进行排序并展示,不需要依赖人工运营,从而可以解决人工方式存在的问题,可以实现自动化的应用程序的分类及展现。进一步的,本实施例通过用户的搜索,点击和安装行为确定搜索关键词的热度值,根据搜索关键词的热度值确定应用程序的热度值,以及根据应用程序的热度值确定应用程序分类的热度值,可以依据用户行为确定最终的应用程序分类的热度值,从而提高准确度、稳定性和时效性等。
本发明实施例还提供了一种客户端设备,该客户端设备包括壳体、处理器、存储器、电路板和电源电路,其中,电路板安置在壳体围成的空间内部,处理器和存储器设置在电路板上;电源电路,用于为客户端设备的各个电路或器件供电;存储器用于存储可执行程序代码;处理器通过读取存储器中存储的可执行程序代码来运行与可执行程序代码对应的程序,以用于执行:
S11’:获取源数据,所述源数据包括日志数据和应用程序信息数据。
其中,日志数据可以包括用户搜索日志数据,用户点击日志数据和用户安装日志数据中的至少一种。具体的,不同的日志数据可以从对应的用户日志中获取,例如,从用户搜索日志中获取用户搜索日志数据;从用户点击日志中获取用户点击日志数据;从用户安装日志中获取用户安装日志数据。
用户搜索日志数据用于记录用户搜索历史的数据,例如,用户搜索日志数据可以记录用户的信息以及所述用户对应的搜索历史的信息,其中,用户的信息具体可以是用户标识(用户ID),用户的搜索历史的信息可以包括搜索关键词,还可以包括使用的搜索引擎以及搜索时间等其他信息。其中,在搜索时可以以搜索框为入口进行输入,该输入的内容为搜索关键词;用户ID用于唯一标识用户,例如在移动智能手机上通常以手机号作为用户ID。
用户点击日志数据用于记录用户点击历史的数据,例如用户点击日志数据可以记录用户的信息以及所述用户对应的点击历史的信息,其中,用户的信息具体可以是用户标识(用户ID)、用户的点击历史的信息可以包括点击的应用程序、搜索的关键词,还可以包括点击时间等其他信息。
用户安装日志数据用于记录用户安装历史的数据,例如,用户安装日志数据可以记录用户的信息以及所述用户对应的安装历史的信息,其中,用户的信息具体可以是用户标识(用户ID),用户的安装历史的信息可以包括安装的应用程序、搜索的关键词,还可以包括安装时间等其他信息。
应用程序信息数据可以从对应用程序的配置信息中获取,例如应用程序信息数据可以包括:应用程序的类别,还可以包括:应用程序名称、描述、星级以及安装地址等中的一项或多项。
S12’:对所述日志数据进行关键信息提取,获取至少一种的用户行为数据。
其中,用户行为数据包括用户搜索数据、用户点击数据和用户安装数据。
其中,用户搜索数据中记录用户ID以及用户ID对应的搜索关键词;用户点击数据中记录用户ID、用户ID对应的搜索关键词以及点击的应用程序的信息;用户安装数据中记录用户ID、用户ID对应的搜索关键词以及安装的应用程序的信息。
一个实施例中,步骤S12’可以具体包括:
S121’:获取用户行为类别信息。
其中,数据来源模块获取的数据中可以包含用户行为类别信息,以确定用户行为类别信息,具体的,用户行为类别信息可以包括:搜索,点击和安装中的至少一种。
S122’:根据所述用户行为类别信息确定对应的日志数据。
其中,可以根据获取到的用户行为类别信息确定与该行为类别对应的日志,例如,当用户行为类别信息是搜索时,可以确定对应的日志数据是用户搜索日志数据;当用户行为类别信息是点击时,可以确定对应的日志数据是用户点击日志数据;当用户行为类别信息是安装时,可以确定对应的日志数据是用户安装日志数据。
S123’:从所述对应的日志数据中提取关键信息。
具体地,当所述日志数据是用户搜索日志数据时,提取用户ID和搜索关键词;或者,当所述日志数据是用户点击日志数据时,提取用户ID、搜索关键词和点击的应用程序的信息(简称为点击app);或者,当所述日志数据是用户安装日志数据时,提取用户ID、搜索关键词和安装的应用程序的信息(简称为安装app)。
S124’:根据所述提取的关键信息得到至少一种的用户行为数据。
其中,用户行为数据可以包括:用户搜索数据,用户点击数据以及用户安装数据。
具体的,可以由从日志数据中提取的关键信息组成相应的用户行为数据。例如,由用户ID和搜索关键词组成用户搜索数据;由用户ID、搜索关键词以及点击的应用程序的信息组成用户点击数据;由用户ID、搜索关键词以及安装的应用程序的信息组成用户安装数据。
S13’:根据所述用户行为数据和所述应用程序信息数据,确定应用程序分类的热度值。
其中,热度值是对热度的数字衡量方式,热度可以体现用户对相应信息的需求程度,例如,应用程序的热度可以表示应用程序受用户欢迎和/或被用户关注的程度,应用程序分类的热度可以表示应用程序分类受用户欢迎和/或被用户关注的程度。
具体的,对于一个应用程序分类,可以先确定该应用程序分类包括的每个应用程序的热度值,再根据每个应用程序的热度值确定该应用程序分类的热度值,其中,每个应用程序的热度值可以根据该应用程序对应的搜索关键词的热度确定。
一个实施例中,步骤S13’具体可以包括:
S131’:根据所述用户行为数据,确定每个应用程序的热度值。
其中,可以根据所述用户行为数据,确定每个应用程序下每个搜索关键词的热度值;根据所述每个应用程序下每个搜索关键词的热度值,确定所述应用程序的热度值。
一个实施例中,对应一个应用程序,确定该应用程序的热度值可以具体包括:
S61’:获取用户行为数据,包括用户搜索数据,用户点击数据以及用户安装数据。
S62’:根据用户行为数据获取页面浏览(PageView,PV)值和用户浏览(UserView,UV)值。
其中,PV值包括搜索PV值、点击PV(AppKeywordClickPageView,AKCPV)值以及安装PV(AppKeywordInstallPageView,AKIPV)值,UV值包括搜索UV值、点击UV(AppKeywordClickUserView,AKCUV)值以及安装UV(AppKeywordInstallUserView,AKIUV)值。
其中,可以根据所述用户搜索数据确定搜索PV值和搜索UV值,根据所述用户点击数据确定点击PV(AKCPV)值和点击UV(AKCUV)值,以及,根据所述用户安装数据,确定安装PV(AKIPV)值和安装UV(AKIUV)值。
具体地,可以对用户搜索数据进行统计,得到每个搜索关键词的搜索PV、搜索UV。
点击PV(AppKeywordClickPageView,AKCPV)是指根据每个应用程序统计出的搜索关键词的点击PV;点击UV(AppKeywordClickUserView,AKCUV)是指根据每个应用程序统计出的搜索关键词的点击PV;安装PV(AppKeywordInstallPageView,AKIPV)是指根据每个应用程序统计出的搜索关键词的安装PV;安装UV(AppKeywordInstallUserView,AKIUV)是指根据每个应用程序统计出的搜索关键词的安装UV。
可以首先从用户点击数据中统计出应用程序的个数,然后按照每个应用程序统计搜索关键词的点击PV和点击UV,分别得到AKCPV和AKCUV。
可以首先从用户安装数据中统计出应用程序的个数,然后按照每个应用程序统计搜索关键词的安装PV和安装UV,分别得到AKIPV和AKIUV。
S63’:根据所述搜索PV值、点击PV值和安装PV值,确定该应用程序下每个搜索关键词的PV热度值,以及,根据所述搜索UV值、点击UV值和安装UV值,确定该应用程序下每个搜索关键词的UV热度值。
搜索PV值用搜索PV表示,搜索UV值用搜索UV表示,点击PV值用AKCPV表示,点击UV值用AKCUV表示,安装PV值用AKIPV表示,安装UV值用AKIUV表示,则可以根据搜索PV,AKCPV和AKIPV得到应用程序(App)下的每个搜索关键词的PV热度值,可以根据搜索UV,AKCUV和AKIUV得到应用程序(App)下的每个搜索关键词的UV热度值。
具体地,通过如下公式计算应用程序下的每个搜索关键词的PV热度值:
PV热度值=AKCPV/搜索PV+AKIPV/AKCPV
通过如下公式计算应用程序下的每个搜索关键词的UV热度值:
UV热度值=AKCUV/搜索UV+AKIUV/AKCUV
S64’:根据每个搜索关键词的PV热度值和UV热度值,确定该搜索关键词的热度值。
搜索关键词的热度值用搜索关键词的最终热度值表示,则可以根据应用程序(App)下的每个搜索关键词的PV热度值以及应用程序(App)下的每个搜索关键词的UV热度值,得到应用程序(App)下的每个搜索关键词的最终热度值。
可以将每个搜索关键词的PV热度值和UV热度值的乘积,确定为所述搜索关键词的热度值。
具体地,通过如下公式,由搜索关键词的PV热度值和UV热度值得到该应用程序下的每个搜索关键词的热度值:
搜索词的热度值=PV热度值*UV热度值
S65’:根据该应用程序下每个搜索关键词的热度值,确定该应用程序的热度值。
可以根据应用程序(App)下的每个搜索关键词的最终热度值得到应用程序(App)热度值。
可以将该应用程序下每个搜索关键词的热度值的累加和,确定为所述应用程序的热度值。具体地,通过如下公式确定应用程序的热度值:
应用程序热度值=∑(该应用程序下每个搜索关键词的热度值)
S132’:根据所述应用程序信息数据,确定每个应用程序所属的应用程序分类。
其中,应用程序按照其功能和领域特点可以进行类别划分,如“教育类”,“游戏类”,“工具类”等。
具体地,应用程序信息数据中包含应用程序类别,还可以包括名称,描述等数据,其中,根据该应用程序信息数据中的类别可以确定该应用程序所属的应用程序分类。
例如,可以根据应用程序信息数据(App信息数据)检查App所属分类,当可以根据App信息数据确定该应用程序所属的应用程序分类后,可以确定出有分类,并确定对应的分类,例如,属于游戏类或者工具类等。
S133’:根据每个应用程序分类下的每个应用程序的热度值,确定所述应用程序分类的热度值。
确定App热度值以及检查App所属分类且有分类后,可以确定分类热度值。
具体地,可以将每个应用程序分类下每个应用程序的热度值的累加和,确定为所述应用程序分类的热度值。
例如,“游戏类”应用程序包括应用程序A、应用程序B以及应用程序C三种应用程序,则“游戏类”应用程序分类的热度值=应用程序A热度值+应用程序B热度值+应用程序C热度值。
具体如,在确定出该应用程序所属的应用程序分类后,在该分类已有热度值时,可以更新该分类的热度值,初始时每个分类的热度值可以设置为0,之后每确定出该分类下的一个应用程序的热度值后,可以用该新确定出的应用程序热度值加上原有的热度值得到更新后的分类热度值。例如,当前处理的应用程序是D,应用程序D属于工具类,工具类的应用程序分类的更新后的热度值=更新前的热度值+应用程序D的热度值。
S14’:根据所述应用程序分类的热度值,对所述应用程序分类进行排序并展示。
具体地,可以根据应用程序分类的热度值从高到低的顺序,对应用程序分类进行排序,在排序后的应用程序分类中选择预设个数的应用程序分类后进行展示。预设个数例如5个。
例如,根据应用程序分类的热度值从高到低,选择5个应用程序分类进行展示。热度值从高到低的应用程序分类依此为Skype,Path,Defendthera,MobileAlarmSystem和SeeFilmsOnlineFree。
本实施例通过获取用户行为数据和应用程序信息数据,并根据用户行为数据和应用程序信息数据确定应用程序分类的热度值,并根据应用程序分类的热度值对应用程序分类进行排序并展示,不需要依赖人工运营,从而可以解决人工方式存在的问题,可以实现自动化的应用程序的分类及展现。进一步的,本实施例通过用户的搜索,点击和安装行为确定搜索关键词的热度值,根据搜索关键词的热度值确定应用程序的热度值,以及根据应用程序的热度值确定应用程序分类的热度值,可以依据用户行为确定最终的应用程序分类的热度值,从而提高准确度、稳定性和时效性等。
需要说明的是,在本发明的描述中,术语“第一”、“第二”等仅用于描述目的,而不能理解为指示或暗示相对重要性。此外,在本发明的描述中,除非另有说明,“多个”的含义是两个或两个以上。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,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。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管上面已经示出和描述了本发明的实施例,可以理解的是,上述实施例是示例性的,不能理解为对本发明的限制,本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。
Claims (10)
1.一种应用程序分类的展示方法,其特征在于,包括:
获取源数据,所述源数据包括日志数据和应用程序信息数据;
对所述日志数据进行关键信息提取,获取至少一种的用户行为数据;
根据所述用户行为数据和所述应用程序信息数据,确定应用程序分类的热度值;
根据所述应用程序分类的热度值,对所述应用程序分类进行排序并展示。
2.根据权利要求1所述的方法,其特征在于,对所述日志数据进行关键信息提取,获取至少一种的用户行为数据,包括:
获取用户行为类别信息;
根据所述用户行为类别信息确定对应的日志数据;
从所述对应的日志数据中提取关键信息;
根据所述提取的关键信息得到至少一种的用户行为数据。
3.根据权利要求2所述的方法,其特征在于,所述用户行为类别信息包括:搜索,点击和安装,所述日志数据分别为:用户搜索日志数据,用户点击日志数据和用户安装日志数据,所述从所述对应的日志数据中提取关键信息,包括:
当所述日志数据是用户搜索日志数据时,提取用户ID和搜索关键词,以得到用户搜索数据;或者,
当所述日志数据是用户点击日志数据时,提取用户ID、搜索关键词和点击的应用程序的信息,以得到用户点击数据;或者,
当所述日志数据是用户安装日志数据时,提取用户ID、搜索关键词和安装的应用程序的信息,以得到用户安装数据。
4.根据权利要求1所述的方法,其特征在于,所述根据所述用户行为数据和所述应用程序信息数据,确定每个应用程序分类的热度值,包括:
根据所述用户行为数据,确定每个应用程序的热度值;
根据所述应用程序信息数据,确定每个应用程序所属的应用程序分类;
根据每个应用程序分类下的每个应用程序的热度值,确定所述应用程序分类的热度值。
5.根据权利要求4所述的方法,其特征在于,所述根据所述用户行为数据,确定每个应用程序的热度值,包括:
根据所述用户行为数据,确定每个应用程序下每个搜索关键词的热度值;
根据所述每个应用程序下每个搜索关键词的热度值,确定所述应用程序的热度值。
6.根据权利要求5所述的方法,其特征在于,所述根据所述用户行为数据,确定每个应用程序下每个搜索关键词的热度值,包括:
根据所述用户行为数据,确定每个应用程序下每个搜索关键词的PV热度值和UV热度值;
根据所述PV热度值和所述UV热度值,确定每个应用程序下每个搜索关键词的热度值。
7.根据权利要求6所述的方法,其特征在于,所述用户行为数据包括:用户搜索数据,用户点击数据和用户安装数据,所述根据所述用户行为数据,确定每个应用程序下每个搜索关键词的PV热度值和UV热度值,包括:
根据所述用户搜索数据确定搜索PV值和搜索UV值,根据所述用户点击数据确定点击PV值和点击UV值,以及,根据所述用户安装数据,确定安装PV值和安装UV值;
根据所述搜索PV值、点击PV值和安装PV值,确定每个应用程序下每个搜索关键词的PV热度值;
根据所述搜索UV值、点击UV值和安装UV值,确定每个应用程序下每个搜索关键词的UV热度值。
8.根据权利要求6所述的方法,其特征在于,所述根据所述PV热度值和所述UV热度值,确定每个应用程序下每个搜索关键词的热度值,包括:
将每个应用程序下每个搜索关键词的PV热度值和UV热度值的乘积,确定为所述搜索关键词的热度值。
9.根据权利要求5所述的方法,其特征在于,所述根据所述每个应用程序下每个搜索关键词的热度值,确定所述应用程序的热度值,包括:
将每个应用程序下每个搜索关键词的热度值的累加和,确定为所述应用程序的热度值。
10.一种应用程序分类的展示装置,其特征在于,包括:
获取模块,用于获取源数据,所述源数据包括日志数据和应用程序信息数据;
提取模块,用于对所述日志数据进行关键信息提取,获取至少一种的用户行为数据;
确定模块,用于根据所述用户行为数据和所述应用程序信息数据,确定应用程序分类的热度值;
展示模块,根据所述应用程序分类的热度值,对所述应用程序分类进行排序并展示。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510593684.5A CN105224614A (zh) | 2015-09-17 | 2015-09-17 | 应用程序分类的展示方法和装置 |
PCT/CN2016/097702 WO2017045532A1 (zh) | 2015-09-17 | 2016-08-31 | 应用程序分类的展示方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510593684.5A CN105224614A (zh) | 2015-09-17 | 2015-09-17 | 应用程序分类的展示方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105224614A true CN105224614A (zh) | 2016-01-06 |
Family
ID=54993582
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510593684.5A Pending CN105224614A (zh) | 2015-09-17 | 2015-09-17 | 应用程序分类的展示方法和装置 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN105224614A (zh) |
WO (1) | WO2017045532A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017045532A1 (zh) * | 2015-09-17 | 2017-03-23 | 北京金山安全软件有限公司 | 应用程序分类的展示方法和装置 |
CN106649592A (zh) * | 2016-11-18 | 2017-05-10 | 北京奇虎科技有限公司 | 应用搜索结果的展示方法和展示装置 |
WO2017124314A1 (zh) * | 2016-01-20 | 2017-07-27 | 马岩 | 一种基于app的信息分类方法及系统 |
WO2018192272A1 (zh) * | 2017-04-17 | 2018-10-25 | 优酷信息技术(北京)有限公司 | 多媒体资源的推荐方法及装置 |
CN109101606A (zh) * | 2018-08-02 | 2018-12-28 | 深圳市赛亚创想科技有限公司 | 用于行业情报的数据处理方法以及装置、服务器 |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109976710B (zh) * | 2017-12-27 | 2022-06-07 | 航天信息股份有限公司 | 一种数据处理方法及设备 |
CN108875781B (zh) * | 2018-05-07 | 2022-08-19 | 腾讯科技(深圳)有限公司 | 一种标签分类方法、装置、电子设备及存储介质 |
CN109885747A (zh) * | 2019-01-28 | 2019-06-14 | 平安科技(深圳)有限公司 | 行业舆情监控方法、装置、计算机设备及存储介质 |
CN112434146A (zh) * | 2020-11-25 | 2021-03-02 | 平安普惠企业管理有限公司 | 基于关键词的问题排序方法、智能机器人以及计算机设备 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101859425A (zh) * | 2010-06-02 | 2010-10-13 | 中兴通讯股份有限公司 | 一种提供应用列表的方法及装置 |
CN101867594A (zh) * | 2010-03-05 | 2010-10-20 | 宇龙计算机通信科技(深圳)有限公司 | 一种数据传输的方法、装置及系统 |
CN102135992A (zh) * | 2011-03-15 | 2011-07-27 | 宇龙计算机通信科技(深圳)有限公司 | 终端应用程序的归类方法和终端 |
CN104199982A (zh) * | 2014-09-25 | 2014-12-10 | 北京金山安全软件有限公司 | 一种对搜索关键词进行显示的方法及装置 |
CN104794115A (zh) * | 2014-01-16 | 2015-07-22 | 腾讯科技(深圳)有限公司 | 应用推荐方法和系统 |
CN104809017A (zh) * | 2015-05-14 | 2015-07-29 | 北京奇虎科技有限公司 | 应用程序分发控制、执行方法及其相应装置 |
CN105205125A (zh) * | 2015-09-11 | 2015-12-30 | 中山大学 | 一种应用程序的推荐方法及其装置 |
CN106503025A (zh) * | 2015-09-08 | 2017-03-15 | 北京搜狗科技发展有限公司 | 一种应用推荐方法和系统 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102591942B (zh) * | 2011-12-27 | 2013-11-13 | 奇智软件(北京)有限公司 | 一种应用自动推荐的方法及装置 |
CN102567511B (zh) * | 2011-12-27 | 2013-10-02 | 奇智软件(北京)有限公司 | 一种应用自动推荐的方法及装置 |
US9398114B2 (en) * | 2012-11-23 | 2016-07-19 | Mediatek Inc. | Methods for automatically managing installed applications and determining application recommendation result based on auxiliary information and related computer readable media |
CN103763361B (zh) * | 2014-01-13 | 2018-04-27 | 北京奇虎科技有限公司 | 一种基于用户行为推荐应用的方法、系统及推荐服务器 |
CN105224614A (zh) * | 2015-09-17 | 2016-01-06 | 北京金山安全软件有限公司 | 应用程序分类的展示方法和装置 |
-
2015
- 2015-09-17 CN CN201510593684.5A patent/CN105224614A/zh active Pending
-
2016
- 2016-08-31 WO PCT/CN2016/097702 patent/WO2017045532A1/zh active Application Filing
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101867594A (zh) * | 2010-03-05 | 2010-10-20 | 宇龙计算机通信科技(深圳)有限公司 | 一种数据传输的方法、装置及系统 |
CN101859425A (zh) * | 2010-06-02 | 2010-10-13 | 中兴通讯股份有限公司 | 一种提供应用列表的方法及装置 |
CN102135992A (zh) * | 2011-03-15 | 2011-07-27 | 宇龙计算机通信科技(深圳)有限公司 | 终端应用程序的归类方法和终端 |
CN104794115A (zh) * | 2014-01-16 | 2015-07-22 | 腾讯科技(深圳)有限公司 | 应用推荐方法和系统 |
CN104199982A (zh) * | 2014-09-25 | 2014-12-10 | 北京金山安全软件有限公司 | 一种对搜索关键词进行显示的方法及装置 |
CN104809017A (zh) * | 2015-05-14 | 2015-07-29 | 北京奇虎科技有限公司 | 应用程序分发控制、执行方法及其相应装置 |
CN106503025A (zh) * | 2015-09-08 | 2017-03-15 | 北京搜狗科技发展有限公司 | 一种应用推荐方法和系统 |
CN105205125A (zh) * | 2015-09-11 | 2015-12-30 | 中山大学 | 一种应用程序的推荐方法及其装置 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017045532A1 (zh) * | 2015-09-17 | 2017-03-23 | 北京金山安全软件有限公司 | 应用程序分类的展示方法和装置 |
WO2017124314A1 (zh) * | 2016-01-20 | 2017-07-27 | 马岩 | 一种基于app的信息分类方法及系统 |
CN106649592A (zh) * | 2016-11-18 | 2017-05-10 | 北京奇虎科技有限公司 | 应用搜索结果的展示方法和展示装置 |
WO2018192272A1 (zh) * | 2017-04-17 | 2018-10-25 | 优酷信息技术(北京)有限公司 | 多媒体资源的推荐方法及装置 |
CN108733684A (zh) * | 2017-04-17 | 2018-11-02 | 合信息技术(北京)有限公司 | 多媒体资源的推荐方法及装置 |
TWI678922B (zh) * | 2017-04-17 | 2019-12-01 | 大陸商優酷信息技術(北京)有限公司 | 多媒體資源的推薦方法及裝置 |
CN109101606A (zh) * | 2018-08-02 | 2018-12-28 | 深圳市赛亚创想科技有限公司 | 用于行业情报的数据处理方法以及装置、服务器 |
Also Published As
Publication number | Publication date |
---|---|
WO2017045532A1 (zh) | 2017-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105224614A (zh) | 应用程序分类的展示方法和装置 | |
US9418144B2 (en) | Similar document detection and electronic discovery | |
US9317613B2 (en) | Large scale entity-specific resource classification | |
CN104036038A (zh) | 新闻推荐方法和系统 | |
CN102779140B (zh) | 一种关键词获取方法及装置 | |
US20170154116A1 (en) | Method and system for recommending contents based on social network | |
CN105808764A (zh) | 推荐内容的展示方法和装置 | |
CN106202514A (zh) | 基于Agent的突发事件跨媒体信息的检索方法及系统 | |
CN108319376B (zh) | 一种优化商业词推广的输入联想推荐方法及装置 | |
CN104063476A (zh) | 基于社交网络的内容推荐方法和系统 | |
CN101772766B (zh) | 以用户为中心的信息搜索的方法和系统 | |
CN108227955A (zh) | 一种基于用户历史搜索推荐输入联想的方法及装置 | |
CN104965630A (zh) | 桌面应用程序图标布局的方法和系统 | |
CN104123366A (zh) | 一种搜索方法及搜索服务器 | |
CN104281706A (zh) | 搜索方法及搜索装置 | |
CN109828750B (zh) | 自动配置数据埋点的方法、装置、电子设备及存储介质 | |
CN103455758A (zh) | 恶意网站的识别方法及装置 | |
CN106055540A (zh) | 一种数据处理方法及装置 | |
CN110706015A (zh) | 一种面向广告点击率预测的特征选取方法 | |
CN108733791A (zh) | 网络事件检测方法 | |
CN110019660A (zh) | 一种相似文本检测方法及装置 | |
CN103942264A (zh) | 推送包含新闻信息的网页的方法和装置 | |
CN103399855A (zh) | 基于多数据源的行为意图确定方法及装置 | |
CN112148952A (zh) | 一种任务执行方法、装置、设备及计算机可读存储介质 | |
CN109492401B (zh) | 一种内容载体风险检测方法、装置、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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160106 |