CN105608180A - 一种用于应用程序的推荐方法及系统 - Google Patents
一种用于应用程序的推荐方法及系统 Download PDFInfo
- Publication number
- CN105608180A CN105608180A CN201510971980.4A CN201510971980A CN105608180A CN 105608180 A CN105608180 A CN 105608180A CN 201510971980 A CN201510971980 A CN 201510971980A CN 105608180 A CN105608180 A CN 105608180A
- Authority
- CN
- China
- Prior art keywords
- application program
- user
- application
- similar
- users
- 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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Abstract
本发明涉及互联网技术领域,公开了一种用于应用程序的推荐方法及系统,以解决现有技术中无法准确确定出相似应用程序的技术问题。该方法包括:获取多个终端的用户针对多个应用程序产生第一行为的行为数据;基于行为数据确定出每个应用程序的第一特征向量,第一特征向量与多个用户针对对应应用程序产生的第一行为对应;基于各个应用程序的第一特征向量,确定任意两个应用程序之间的程序相似度值;当两个应用程序之间的程序相似度值满足第一预设相似度条件时,确定两个应用程序为相似应用程序。达到了能够准确确定出相似应用程序的技术效果。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种用于应用程序的推荐方法及系统。
背景技术
随着科学技术的不断发展,电子技术也得到了飞速的发展,电子产品的种类也越来越多,人们也享受到了科技发展带来的各种便利。现在人们可以通过各种类型的移动终端,享受随着科技发展带来的舒适生活。例如,智能手机、平板电脑等移动终端已经成为人们生活中一个重要的组成部分,用户可以使用智能手机、平板电脑等移动终端来听音乐、玩游戏等等,以减轻现代快节奏生活所带来的压力。
通常情况下,移动终端都具备网络访问功能,移动终端需要使用多种应用程序,例如:音乐类APP、社交类APP、购物类APP等等,其中,在用户下载APP过程中,可以给用户推荐同类型的APP,例如:用户下载音乐类APPa,则可以给其推荐音乐类APPb、APPc等等,由于技术中只能针对APP的类别进行相似推荐,也即在确定相似APP时只能确定该APP的类别相同的APP,故而存在着确定相似APP不够准确的技术问题,也进一步的导致存在着对APP的推荐方式过于单一的技术问题;并且,同一类别的APP过多,故而也存在针对APP的推荐不够准确的技术问题。
发明内容
鉴于上述问题,提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的用于应用程序的推荐方法及系统。
第一方面,本发明实施例提供一种用于获得相似应用程序的方法,包括:
获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
基于所述行为数据确定出每个应用程序的第一特征向量,所述第一特征向量与所述多个用户针对对应应用程序产生的所述第一行为对应;
基于各个应用程序的所述第一特征向量,确定任意两个应用程序之间的程序相似度值;
当两个应用程序之间的程序相似度值满足第一预设相似度条件时,确定所述两个应用程序为相似应用程序。
可选的,所述基于各个应用程序的所述第一特征向量,确定任意两个应用程序之间的程序相似度值,包括:
基于所述第一特征向量,确定两个应用程序之间的第一距离值;
通过所述第一距离值确定出所述两个应用程序之间的程序相似度值,所述第一距离值与所述程序相似度值呈反相关关系。
可选的,所述确定两个应用程序之间的第一距离值,包括:
确定所述两个应用程序之间的欧几里得距离值;或者
确定所述两个应用程序之间的明氏距离值;或者
确定所述两个应用程序之间的曼哈顿距离值。
可选的,所述基于各个应用程序的所述第一特征向量,确定任意两个应用程序之间的程序相似度值,包括:
基于所述第一特征向量,确定两个应用程序之间的第一相似度值;
通过所述第一相似度值确定出所述两个应用程序之间的所述程序相似度值,所述第一相似度值与所述程序相似度值呈正相关关系。
可选的,所述确定两个应用程序之间的第一相似度值,包括:
确定所述两个应用程序之间的余弦相似度值;或者
确定所述两个应用程序之间的皮尔森相似度值;或者
确定所述两个应用程序之间的调整余弦相似度值。
可选的,所述第一行为包括:点击行为、下载行为、充值行为中的至少一种行为。
可选的,所述当两个应用程序之间的程序相似度值满足预设相似度条件时,确定所述两个应用程序为相似应用程序,包括:
确定两个应用程序的所述程序相似度值是否大于预设程序相似度值;
在所述两个应用程序的所述程序相似度值大于所述预设程序相似度值时,确定所述两个应用程序为相似应用程序。
可选的,所述当两个应用程序之间的程序相似度值满足预设相似度条件时,确定所述两个应用程序为相似应用程序,包括:
针对特定应用程序,对各个应用程序与所述特定应用程序的所述程序相似度值按照从高到低排列;
将排序位于前M位的应用程序作为所述特定应用程序的相似应用程序,M为正整数。
第二方面,本发明实施例提供一种用于应用程序的推荐方法,包括:
获知终端的用户产生过第一行为的第一应用程序;
将所述第一应用程序的信息告知网络服务器;
接收所述网络服务器基于本发明任一实施例所介绍的应用程序处理方法,确定出的与所述第一应用程序相似的第二应用程序的信息;
将所述第二应用程序在预置的推荐入口向所述终端的用户进行推荐。
可选的,所述将所述第二应用程序在预置的推荐入口向所述终端的用户进行推荐,包括:
将所述第二应用程序加入所述第一应用程序的应用推荐列表推荐给所述用户。
可选的,所述获知终端的用户产生过第一行为的第一应用程序,包括:
获取所述用户产生所述第一行为的至少一个应用程序;
从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
第三方面,本发明实施例提供一种用于应用程序的推荐方法,包括:
获知终端的用户产生过第一行为的第一应用程序;
在预置的相似应用程序数据库中查找与所述第一应用程序相似的第二应用程序,所述预置的相似应用程序数据库为基于所述权利要求1-8中任一项所述的用于获得相似应用程序的方法获得;
将所述第二应用程序在预置的推荐入口向所述用户进行推荐。
可选的,所述预置的相似应用程序数据库具体由网络服务器提供。
可选的,所述获知终端的用户产生过第一行为的第一应用程序,包括:
获取所述用户产生所述第一行为的至少一个应用程序;
从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
可选的,将所述第二应用程序在预置的推荐入口向所述用户进行推荐,包括:
将所述第二应用程序加入所述第一应用程序的应用推荐列表推荐给所述用户。
第五方面,本发明实施提供一种用于获得相似用户的方法,包括:
获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
基于所述行为数据确定出各个用户的第二特征向量,所述第二特征向量与对应用户针对所述多个应用程序所产生的所述第一行为对应;
基于各个用户的所述第二特征向量,确定任意两个用户之间的用户相似度值;
当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定所述两个用户为相似用户。
可选的,所述基于各个用户的所述第二特征向量,确定任意两个用户之间的用户相似度值,包括:
基于所述第二特征向量,确定所述两个用户之间的第二距离值;
基于所述第二距离值确定出所述用户相似度值,所述用户相似度值与所述第二距离值呈反相关关系。
可选的,所述确定所述两个用户之间的第二距离值,包括:
确定所述两个用户之间的欧几里得距离值;或者
确定所述两个用户之间的明氏距离值;或者
确定所述两个用户之间的曼哈顿距离值。
可选的,所述基于各个用户的所述第二特征向量,确定任意两个用户之间的用户相似度值,包括:
基于所述第二特征向量,确定所述两个用户之间的第二相似度值;
基于所述第二相似度值确定出所述用户相似度值,所述用户相似度值与所述第二相似度值呈正相关关系。
可选的,所述基于各个用户的所述第二特征向量,确定两个用户之间的用户相似度值,包括:
确定所述两个用户之间的余弦相似度值;或者
确定所述两个用户之间的皮尔森相似度值;或者
确定所述两个用户之间的调整余弦相似度值。
可选的,所述第一行为包括:点击行为、下载行为、充值行为中的至少一种行为。
可选的,所述当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定所述两个用户为相似用户,包括:
判断两个用户的所述用户相似度值是否大于预设用户相似度值;
在所述两个用户的所述用户相似度值大于所述预设用户相似度值,确定所述两个用户为相似用户。
可选的,所述当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定所述两个用户为相似用户,包括:
针对特定用户,对各个用户与所述特定用户的所述用户相似度值按照从高到低排列;
将排序位于前N位的用户作为所述特定用户的相似用户,N为正整数。
第五方面,本发明实施例提供一种用于应用程序的推荐方法,包括:
获知终端的用户产生过第一行为的第一应用程序;
将所述终端的用户信息告知网络服务器;
接收所述网络服务器基于本发明任一实施例所介绍的用于获得相似用户的方法,确定出的与所述终端的用户相似的其他用户的信息;
将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐。
可选的,所述获知终端的用户产生过第一行为的第一应用程序,包括:
获取所述用户产生所述第一行为的至少一个应用程序;
从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
可选的,所述将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐,包括:
在所述其他用户使用应用程序时,将所述第一应用程序加入对应应用程序的应用推荐列表推荐给所述其他用户。
第六方面,本发明实施例提供一种用于应用程序的推荐方法,包括:
获知终端的用户产生过第一行为的第一应用程序;
在预置的相似用户数据库中查找与所述终端的用户相似的其他用户,所述预置的相似用户数据库为基于本发明任一实施例所介绍的用于获得相似用户的方法获得;
将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐。
可选的,所述获知终端的用户产生过第一行为的第一应用程序,包括:
获取所述用户产生所述第一行为的至少一个应用程序;
从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
可选的,所述将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐,包括:
在所述其他用户使用应用程序时,将所述第一应用程序加入对应应用程序的应用推荐列表推荐给所述其他用户。
可选的,所述预置的相似用户数据库具体由网络服务器提供。
第七方面,本发明实施例提供一种用于获得相似应用程序的装置,包括:
第一获取模块,用于获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
第一确定模块,用于基于所述行为数据确定出每个应用程序的第一特征向量,所述第一特征向量与所述多个用户针对对应应用程序产生的所述第一行为对应;
第二确定模块,用于基于各个应用程序的所述第一特征向量,确定任意两个应用程序之间的程序相似度值;
第三确定模块,用于当两个应用程序之间的程序相似度值满足第一预设相似度条件时,确定所述两个应用程序为相似应用程序。
可选的,所述第二确定模块,包括:
第一确定单元,用于基于所述第一特征向量,确定两个应用程序之间的第一距离值;
第二确定单元,用于通过所述第一距离值确定出所述两个应用程序之间的程序相似度值,所述第一距离值与所述程序相似度值呈反相关关系。
可选的,所述第一确定单元,用于:
确定所述两个应用程序之间的欧几里得距离值;或者
确定所述两个应用程序之间的明氏距离值;或者
确定所述两个应用程序之间的曼哈顿距离值。
可选的,所述第二确定模块,包括:
第三确定单元,用于基于所述第一特征向量,确定两个应用程序之间的第一相似度值;
第四确定单元,用于通过所述第一相似度值确定出所述两个应用程序之间的所述程序相似度值,所述第一相似度值与所述程序相似度值呈正相关关系。
可选的,所述第三确定单元,用于:
确定所述两个应用程序之间的余弦相似度值;或者
确定所述两个应用程序之间的皮尔森相似度值;或者
确定所述两个应用程序之间的调整余弦相似度值。
可选的,所述第一行为包括:点击行为、下载行为、充值行为中的至少一种行为。
可选的,所述第三确定模块,包括:
第五确定单元,用于确定两个应用程序的所述程序相似度值是否大于预设程序相似度值;
第六确定单元,用于在所述两个应用程序的所述程序相似度值大于所述预设程序相似度值时,确定所述两个应用程序为相似应用程序。
可选的,所述第三确定模块,包括:
第一排序单元,用于针对特定应用程序,对各个应用程序与所述特定应用程序的所述程序相似度值按照从高到低排列;
第七确定单元,用于将排序位于前M位的应用程序作为所述特定应用程序的相似应用程序,M为正整数。
第八方面,本发明实施例提供一种用于应用程序的推荐系统,包括:
第一获知模块,用于获知终端的用户产生过第一行为的第一应用程序;
第一告知模块,用于将所述第一应用程序的信息告知网络服务器;
第一接收模块,用于接收所述网络服务器基于本发明任一实施例所介绍应用程序处理装置,确定出的与所述第一应用程序相似的第二应用程序的信息;
第一推荐模块,用于将所述第二应用程序在预置的推荐入口向所述终端的用户进行推荐。
可选的,所述第一推荐模块,用于:
将所述第二应用程序加入所述第一应用程序的应用推荐列表推荐给所述用户。
可选的,所述第一获知模块,包括:
第一获取单元,用于获取所述用户产生所述第一行为的至少一个应用程序;
第一筛选单元,用于从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
第九方面,本发明实施例提供一种用于应用程序的推荐系统,包括:
第二获知模块,用于获知终端的用户产生过第一行为的第一应用程序;
第一查找模块,用于在预置的相似应用程序数据库中查找与所述第一应用程序相似的第二应用程序,所述预置的相似应用程序数据库为基于本发明任一实施例所介绍的用于获得相似应用程序的装置获得;
第二推荐模块,用于将所述第二应用程序在预置的推荐入口向所述用户进行推荐。
可选的,所述预置的相似应用程序数据库具体由网络服务器提供。
可选的,所述第二获知模块,包括:
第二获取单元,用于获取所述用户产生所述第一行为的至少一个应用程序;
第二筛选单元,用于从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
可选的,所述第二推荐模块,用于:
将所述第二应用程序加入所述第一应用程序的应用推荐列表推荐给所述用户。
第十方面,本发明实施例提供一种用于获得相似用户的装置,包括:
第二获取模块,用于获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
第四确定模块,用于基于所述行为数据确定出各个用户的第二特征向量,所述第二特征向量与对应用户针对所述多个应用程序所产生的所述第一行为对应;
第五确定模块,用于基于各个用户的所述第二特征向量,确定任意两个用户之间的用户相似度值;
第六确定模块,用于当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定所述两个用户为相似用户。
可选的,所述第五确定模块,包括:
第八确定单元,用于基于所述第二特征向量,确定所述两个用户之间的第二距离值;
第九确定单元,用于基于所述第二距离值确定出所述用户相似度值,所述用户相似度值与所述第二距离值呈反相关关系。
可选的,所述第八确定单元,用于:
确定所述两个用户之间的欧几里得距离值;或者
确定所述两个用户之间的明氏距离值;或者
确定所述两个用户之间的曼哈顿距离值。
可选的,所述第六确定模块,包括:
第十确定单元,用于基于所述第二特征向量,确定所述两个用户之间的第二相似度值;
第十一确定单元,用于基于所述第二相似度值确定出所述用户相似度值,所述用户相似度值与所述第二相似度值呈正相关关系。
可选的,所述第十确定单元,用于:
确定所述两个用户之间的余弦相似度值;或者
确定所述两个用户之间的皮尔森相似度值;或者
确定所述两个用户之间的调整余弦相似度值。
可选的,所述第一行为包括:点击行为、下载行为、充值行为中的至少一种行为。
可选的,所述第五确定模块,包括:
判断单元,用于判断两个用户的所述用户相似度值是否大于预设用户相似度值;
第十二确定单元,用于在所述两个用户的所述用户相似度值大于所述预设用户相似度值,确定所述两个用户为相似用户。
可选的,所述第六确定模块,包括:
第二排序单元,用于针对特定用户,对各个用户与所述特定用户的所述用户相似度值按照从高到低排列;
第十三确定单元,用于将排序位于前N位的用户作为所述特定用户的相似用户,N为正整数。
第十一方面,本发明实施例提供一种用于应用程序的推荐系统,包括:
第三获知模块,用于获知终端的用户产生过第一行为的第一应用程序;
第二告知模块,用于将所述终端的用户信息告知网络服务器;
第二接收模块,用于接收所述网络服务器基于本发明任一实施例所介绍的用于获得相似用户的装置,确定出的与所述终端的用户相似的其他用户的信息;
第三推荐模块,用于将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐。
可选的,所述第三获知模块,包括:
第三获取单元,用于获取所述用户产生所述第一行为的至少一个应用程序;
第三筛选单元,用于从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
可选的,所述第三推荐模块,用于:
在所述其他用户使用应用程序时,将所述第一应用程序加入对应应用程序的应用推荐列表推荐给所述其他用户。
第十二方面,本发明实施例提供一种用于应用程序的推荐系统,包括:
第四获知模块,用于获知终端的用户产生过第一行为的第一应用程序;
第二查找模块,用于在预置的相似用户数据库中查找与所述终端的用户相似的其他用户,所述预置的相似用户数据库为基于本发明任一实施例所介绍的用于获得相似用户的装置获得;
第四推荐模块,用于将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐。
可选的,所述第四获知模块,包括:
第四获取单元,用于获取所述用户产生所述第一行为的至少一个应用程序;
第四筛选单元,用于从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
可选的,所述第四推荐模块,用于:
在所述其他用户使用应用程序时,将所述第一应用程序加入对应应用程序的应用推荐列表推荐给所述其他用户。
可选的,所述预置的相似用户数据库具体由网络服务器提供。
本申请实施例中提供的技术方案,至少具有如下技术效果或优点:
由于在本发明实施例中,获取多个终端的用户针对多个应用程序产生第一行为的行为数据;基于行为数据确定出每个应用程序的第一特征向量,第一特征向量与多个用户针对对应应用程序产生的第一行为对应;基于各个应用程序的第一特征向量,确定任意两个应用程序之间的程序相似度值;当两个应用程序之间的程序相似度值满足第一预设相似度条件时,确定两个应用程序为相似应用程序。也即是说基于用户对应用程序的行为数据来确定出两个应用程序之间是否为相似应用程序,其中,如果用户针对两个应用程序的行为较近的话,则两个应用程序之间相似的概率会较高,基于该方案达到了提高所确定的相似应用程序的准确性的技术效果;
并且,本发明实施例进一步在终端用户针对第一应用程序产生第一行为之后,将与第一应用程序相似的第二应用程序推荐给用户,由此达到了提高应用程序推荐的准确性的技术效果。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本发明的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了根据本发明一个实施例的用于获得相似应用程序的方法的流程图;
图2示出了根据本发明一个实施例的基于用于获得相似应用程序的方法的第一种用于应用程序的推荐方法的流程图;
图3示出了根据本发明一个实施例的基于用于获得相似应用程序的方法的第二种用于应用程序的推荐方法的流程图;
图4示出了根据本发明一个实施例的用于获得相似用户的方法的流程图;
图5示出了根据本发明一个实施例的基于用于获得相似用户的方法的第一种用于应用程序的推荐方法的流程图;
图6示出了根据本发明一个实施例的基于用于获得相似用户的方法的第二种用于应用程序的推荐方法的流程图;
图7示出了根据本发明一个实施例的用于获得相似应用程序的装置的结构图;
图8示出了根据本发明一个实施例的基于用于获得相似应用程序的装置的第一种用于应用程序的推荐系统的结构图;
图9示出了根据本发明一个实施例的基于用于获得相似应用程序的装置的第二种用于应用程序的推荐系统的结构图;
图10示出了根据本发明一个实施例的用于获得相似用户的装置的结构图;
图11示出了根据本发明一个实施例的基于用于获得相似用户的装置的第一种用于应用程序的推荐系统的结构图;
图12示出了根据本发明一个实施例的基于用于获得相似用户的装置的第二种用于应用程序的推荐系统的结构图。
具体实施方式
本发明实施例中的方案总体思路如下:
获取多个终端的用户针对多个应用程序产生第一行为的行为数据;基于行为数据确定出每个应用程序的第一特征向量,第一特征向量与多个用户针对对应应用程序产生的第一行为对应;基于各个应用程序的第一特征向量,确定任意两个应用程序之间的程序相似度值;当两个应用程序之间的程序相似度值满足第一预设相似度条件时,确定两个应用程序为相似应用程序。也即是说基于用户对应用程序的行为数据来确定出两个应用程序之间是否为相似应用程序,其中,如果用户针对两个应用程序的行为较近的话,则两个应用程序之间相似的概率会较高,基于该方案达到了提高所确定的相似应用程序的准确性的技术效果;
并且,本发明实施例进一步在终端用户针对第一应用程序产生第一行为之后,将与第一应用程序相似的第二应用程序推荐给用户,由此达到了提高应用程序推荐的准确性的技术效果。
下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
第一方面,本发明实施例提供一种用于获得相似应用程序的方法,请参考图1,包括:
步骤S101:获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
步骤S102:基于行为数据确定出每个应用程序的第一特征向量,第一特征向量与多个用户针对对应应用程序产生的第一行为对应;
步骤S103:基于各个应用程序的第一特征向量,确定任意两个应用程序之间的程序相似度值;
步骤S104:当两个应用程序之间的程序相似度值满足第一预设相似度条件时,确定两个应用程序为相似应用程序。
步骤S101中,第一行为例如为:充值行为、点击行为、下载行为等等,本发明实施例不作限制。
其中,以第一行为为充值行为例,则用户针对某个应用程序的行为数据可以通过充值次数来表征、也可以通过充值金额来表征,例如:用户A针对某应用程序充值三次,充值金额分别为5、20、15,如果通过充值次数表征行为数据,则行为数据为3;如果通过充值金额来表征行为数据,则行为数据为40,当然,还可以通过其他参数表征该行为数据,本发明实施例不再详细列举,并且不作限制。针对点击行为,其行为数据例如为总点击次数、平均点击次数;针对下载行为,其行为数据例如为下载次数等等,在后续为了介绍方便,将以第一行为为充值行为为主进行介绍,其他行为的处理方式与之类似,故而不再一一赘述。
步骤S102中,所确定出某个应用程序的特征向量例如为:X=[QID1,QID2,QID3……QIDn],其中QIDi表示用户IDi针对该应用程序的行为数据,i为1至n的整数,n为系统中的用户数量。
以第一行为为充值行为、行为数据为充值金额为例,假设系统中通包含10个用户,其用户ID分别为ID1~ID10,共包含6类应用程序,分别为①音乐类APP,音乐类APP下包含APP1~APP3;②视频类APP,视频类APP下包含APP4~APP7;③游戏类,游戏类APP下包含APP8~APP11;④图像处理类APP下包含APP12~APP13;⑤阅读器类APP,阅读器类下包含APP14~APP17。
每个用户针对各个应用程序的充值行为数据如表1所示(其中,如果没有充值行为,则在表1中不示出,[]中的数据则为行为数据):
表1
以表1所示的充值行为数据为例,假设应用程序为APP1,则可以确定出其特征向量XAPP1=[5,15,0,20,0,0,10,0,15,0],针对其他应用程序,确定其特征向量的方式与之类别,故而在此不再赘述。
步骤S103中,基于各个应用程序的第一特征向量,可以通过多种方式确定任意两个应用程序的程序相似度值,下面列举其中的两种进行介绍,当然,在具体实施过程中,不限于以下两种情况。
确定程序相似度值的方式一:计算第一特征向量与第二特征向量的第一距离值;通过第一距离值确定出程序相似度值,第一距离值与程序相似度值呈反相关关系。
在具体实施过程中,可以计算第一特征向量与第二特征向量的多种形式的第一距离值,下面列举其中的几种进行介绍,当然,在具体实施过程中,不限于以下几种情况。
①欧几里得距离(EuclideanDistance),其计算公式如下:
其中,X表示第一特征向量,Y表示第二特征向量。
②明可夫斯基距离(MinkowskiDistance)
其中,明氏距离是欧氏距离的推广,是对多个距离度量公式的概括性的表述。其计算公式如下:
其中,X表示第一特征向量,Y表示第二特征向量,这里的p值是一个变量,当p=2的时候就得到了公式[1]。
③曼哈顿距离(ManhattanDistance)
其中,曼哈顿距离来源于城市区块距离,是将多个维度上的距离进行求和后的结果,即当上面的公式[2]中p=1时得到的距离度量公式,具体如下:
其中,X表示第一特征向量,Y表示第二特征向量
其中,由于程序相似度值与第一距离值呈反向关关系,故而可以将第一距离值的倒数,作为对应的程序相似度值;又或者,给该倒数乘上一个特定系数(该特定系数可以为任意值,例如:10、20等等)之后作为对应的程序相似度值。
确定程序相似度值的方式二:计算第一特征向量与第二特征向量的第一相似度值;通过第一相似度值确定出程序相似度值,第一相似度值与程序相似度值呈正相关关系。
在具体实施过程中,可以计算第一特征向量与第二特征向量的多种形式的第一相似度值,下面列举其中的几种进行介绍,当然,在具体实施过程中,不限于以下几种情况。
①余弦相似度(CosineSimilarity)
余弦相似度用向量空间中两个向量夹角的余弦值作为衡量两个个体间差异的大小。相比距离度量,余弦相似度更加注重两个向量在方向上的差异,而非距离或长度上。公式如下:
其中,X表示第一特征向量,Y表示第二特征向量。
②皮尔森相似度值(PearsonCorrelationCoefficient)
即相关分析中的相关系数r,分别对X和Y基于自身总体标准化后计算空间向量的余弦夹角,公式如下:
其中,X表示第一特征向量,Y表示第二特征向量。
③调整余弦相似度(AdjustedCosineSimilarity)
虽然余弦相似度对个体间存在的偏见可以进行一定的修正,但是因为只能分辨个体在维之间的差异,没法衡量每个维数值的差异,会导致这样一个情况:比如用户对内容评分,5分制,X和Y两个用户对两个内容的评分分别为(1,2)和(4,5),使用余弦相似度得出的结果是0.98,两者极为相似,但从评分上看X似乎不喜欢这2个内容,而Y比较喜欢,余弦相似度对数值的不敏感导致了结果的误差,需要修正这种不合理性,就出现了调整余弦相似度,即所有维度上的数值都减去一个均值,比如X和Y的评分均值都是3,那么调整后为(-2,-1)和(1,2),再用余弦相似度计算,得到-0.8,相似度为负值并且差异不小,但显然更加符合现实。
其中,由于程序相似度值与第一相似度值呈正向关关系,故而可以直接将第一相似度作为程序相似度值,又或者将第一相似度值乘上一个特定系数(该特定系数可以为任意值,例如:10、100等等)之后作为对应的程序相似度值。
步骤S104中,第一预设相似度条件可以为多种条件,进而确定出两个应用程序是否相似的方式也不同,下面列举其中的两种进行介绍,当然,在具体实施过程中,不限于以下两种情况。
第一种,当两个应用程序之间的程序相似度值满足预设相似度条件时,确定两个应用程序为相似应用程序,包括:确定两个应用程序的程序相似度值是否大于预设程序相似度值;在两个应用程序的程序相似度值大于预设程序相似度值时,确定两个应用程序为相似应用程序。
在具体实施过程中,可以根据实际需求设置不同的预设程序相似度值,该预设相似度值例如为10、20等等,本发明实施例不作限制。其中,如果希望筛选出更加精确的第二应用程序,则预设程序相似度值设置的较高,如果希望筛选出更多的第二应用程序,则预设程序相似度值设置的较低。
如果两个应用程序的程序相似度值大于预设程序相似度值,则在第一用户针对其中一个应用程序产生第一行为的情况下,其对针对另一个应用程序产生第一行为的概率较高,故而可以将这两个应用程序彼此作为相似应用程序。
第二种,当两个应用程序之间的程序相似度值满足预设相似度条件时,确定两个应用程序为相似应用程序,包括:针对特定应用程序,对各个应用程序与特定应用程序的程序相似度值按照从高到低排列;将排序位于前M位的应用程序作为特定应用程序的相似应用程序,M为正整数。
举例来说,可以根据实际需求设置不同的M值,例如:5、10等等,其中,如果希望给特定应用程序确定较多的相似应用程序,则可以将M值设置的较高,如果希望给特定应用程序确定较为精确的相似应用程序,则可以将M值设置的较低等等,对于M具体取和值,本发明实施例不作限制。
在具体实施过程中,在确定与特定应用程序相似的相似应用程序时,可以选取多种应用程序与特定应用程序计算程序相似度值,下面列举其中的三种进行介绍,当然,在具体实施过程中,不限于以下三种情况。
①针对系统中的每个应用程序都确定其与特定应用程序的程序相似度值,以表1所示的应用程序为例,则需要选取表1中的APP1~APP17分别计算其与特定应用程序的程序相似度值。
②针对系统中的部分应用程序确定其与特定应用程序的程序相似度值,例如:可以首先确定出特定应用程序所属的类别,然后计算与特定应用程序的类别相同的其他应用程序与特定应用程序的程序相似度值,还是以表1所示的应用程序为例,则如果特定应用程序为APP1,首先确定出APP1所属的类别为音乐类APP,则可以分别将音乐类APP下的其他应用程序(例如:APP2、APP3)与APP1计算程序相似度值,由于该方案中仅仅确定特定应用程序与同类别的其他应用程序的程序相似度值,故而存在着降低设备处理负担的技术效果,且与特定应用程序的类别不同的其他应用程序与特定应用程序的程序相似度高的概率较低,故而通过该方案,通常也不会存在遗漏与特定应用程序相似的应用程序的问题。
③系统每隔一段时间(例如:1天、1周等等)就获取系统中出现的新的应用程序,然后逐个将新的应用程序与特定应用程序进行比较,以确定其与特定应用程序是否为相似应用程序。
本发明实施例还提供了一种用于应用程序的推荐方法,是对前述用于获得相似应用程序的方法的进一步的利用,请参考图2,包括:
步骤S201:获知终端的用户产生过第一行为的第一应用程序;
步骤S202:将第一应用程序的信息告知网络服务器;
步骤S203:接收网络服务器基于本发明任一实施例所介绍的应用程序处理方法,确定出的与第一应用程序相似的第二应用程序的信息;
步骤S204:将第二应用程序在预置的推荐入口向终端的用户进行推荐。
步骤S201中,可以对终端的行为进行监控,进而获得终端的用户产生过第一行为的第一应用程序。
其中,可以将终端的用户产生过第一行为的所有应用程序都作为第一应用程序,作为一种可选的实施例,获取用户产生第一行为的至少一个应用程序;从至少一个应用程序中筛选出用户产生第一行为的次数大于第一预设次数的应用程序作为第一应用程序。
举例来说,可以根据实际需求设置不同的预设次数,例如:3、4等等,本发明实施例不作限制。在用户针对第一应用程序的第一行为大于的次数大于预设次数时,则说明用户针对第一应用程序的第一行为并非偶然行为,在这种情况下,能够实现更加准确的应用程序推荐。
步骤S202中,可以通过终端上的特定接口将第一应用程序的信息告知网络服务器,第一应用程序的信息例如为:第一应用程序的名称、标识信息等等。
步骤S204中,可以通过多种方式将第二应用程序推荐给终端的用户,下面列举其中的两种进行介绍,当然,在具体实施过程中,不限于以下两种情况。
第一种,将第二应用程序在预置的推荐入口向终端的用户进行推荐,包括:将第二应用程序加入第一应用程序的应用推荐列表推荐给用户。
举例来说,在检测到终端的用户使用第一应用程序的行为之后,第一应用程序上通常会有一个推荐区域,用于显示第一应用程序的应用程序推荐列表,该应用程序推荐列表中包含至少一个与第一应用程序存在关联的推荐应用程序,则可以将第二应用程序加入这个应用程序推荐列表中,进而推荐给终端的用户。
第二种,通过push(推送信息)的方式将第二应用程序推荐给终端的用户,可以每隔预设时间间隔向终端推送该push,也可以在确定出第二应用程序之后,就立即向终端用户推送该push。
本发明实施例还提供了另一种用于应用程序的推荐方法,是对前述用于获得相似应用程序的方法的进一步的利用,且与前述用于应用程序的推荐方法基于同一发明构思,请参考图3,包括:
步骤S301:获知终端的用户产生过第一行为的第一应用程序;
步骤S302:在预置的相似应用程序数据库中查找与第一应用程序相似的第二应用程序,预置的相似应用程序数据库为基于本发明任一实施例所介绍的用于获得相似应用程序的方法获得;
步骤S303:将第二应用程序在预置的推荐入口向用户进行推荐。
步骤S302中,举例来说,在基于本发明任一实施例的用于获得相似应用程序的方法确定出第一应用程序的相似应用程序之后,可以将第一应用程序及其相似应用程序加入该相似应用程序数据库,进而可以通过该相似应用程序数据库直接查找获得对应的第二应用程序。
可选的,预置的相似应用程序数据库具体由网络服务器提供。
可选的,获知终端的用户产生过第一行为的第一应用程序,包括:获取用户产生第一行为的至少一个应用程序;从至少一个应用程序中筛选出用户产生第一行为的次数大于第一预设次数的应用程序作为第一应用程序。
可选的,将第二应用程序在预置的推荐入口向用户进行推荐,包括:将第二应用程序加入第一应用程序的应用推荐列表推荐给用户。
基于同一发明构思,本发明实施例还提供一种用于获得相似用户的方法,请参考图4,包括:
步骤S401:获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
步骤S402:基于行为数据确定出各个用户的第二特征向量,第二特征向量与对应用户针对多个应用程序所产生的第一行为对应;
步骤S403:基于各个用户的第二特征向量,确定任意两个用户之间的用户相似度值;
步骤S404:当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定两个用户为相似用户。
步骤S401中,对于第一行为具体为何种行为由于前面已作介绍,故而在此不再赘述。
步骤S402中,在确定出任一用户的特征向量时,又可以采用多种方式,下面列举其中的两种进行介绍,当然,在具体实施过程中,不限于以下两种情况。
确定用户的特征向量的方式①:将用户针对每个应用程序的行为数据作为特征向量中的一个取值,进而存在多少个应用程序,则该特征向量包含多少维,具体为:X=[QAPP1,QAPP2,……,QAPPn],n表示应用程序的数量;以表1所示的充值行为数据为例,则每个用户的特征向量包含17维,具体为X=[QAPP1,QAPP2,……,QAPP17],用户ID1的特征向量具体为XID1=[5,10,0,3,0,0,0,20,0,0,10,0,0,0,0,0,0],针对其他用户确定出特征向量的方式与之类似,故而在此不再赘述。
确定用户的特征向量的方式②:将用户针对每类应用程序的行为数据作为特征向量中的一个取值,进而存在多少类应用程序,则该特征向量包含多少维,以表1所示的充值行为数据为例,则每个用户的特征向量包含5维,则用户ID1的特征向量具体为XID1=[5+10,3,20+10,0,0]=[15,3,30,0,0],针对其他用户其特征向量确定方式与之类似,在此不再赘述。
步骤S403中,可以通过多种方式确定出用户相似度值,下面列举其中的两种进行介绍,当然,在具体实施过程中,不限于以下两种情况。
第一种,基于各个用户的第二特征向量,确定任意两个用户之间的用户相似度值,包括:基于第二特征向量,确定两个用户之间的第二距离值;基于第二距离值确定出用户相似度值,用户相似度值与第二距离值呈反相关关系。
举例来说,确定两个用户之间的第二距离值,包括:确定两个用户之间的欧几里得距离值;或者确定两个用户之间的明氏距离值;或者确定两个用户之间的曼哈顿距离值。
其中,基于第二距离值确定用户相似度值的方式与基于第一距离值确定程序相似度值的方式类似,也即可以直接将第二距离值的倒数作为用户相似度值,也可以将该倒数乘以一个特定系数之后作为用户相似度值。
第二种,基于各个用户的第二特征向量,确定任意两个用户之间的用户相似度值,包括:基于第二特征向量,确定两个用户之间的第二相似度值;基于第二相似度值确定出用户相似度值,用户相似度值与第二相似度值呈正相关关系。
举例来说,基于各个用户的第二特征向量,确定两个用户之间的用户相似度值,包括:确定两个用户之间的余弦相似度值;或者确定两个用户之间的皮尔森相似度值;或者确定两个用户之间的调整余弦相似度值。
计算第二相似度值的方式与计算第一相似度值的方式类似,故而在此不再赘述;基于第二相似度值确定用户相似度值的方式与基于第一相似度值确定程序相似度值的方式类似,也即可以直接向第二相似度值作为用户相似度值,或者将第二相似度值乘以一个特定系数之后作为用户相似度值。
步骤S404中,第二预设相似度值条件可以为多种形式的预设相似度值条件,进而确定出两个用户是否为相似用户的方式也不同,下面列举其中的两种进行介绍,当然,在具体实施过程中,不限于以下两种情况。
第一种,当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定两个用户为相似用户,包括:判断两个用户的用户相似度值是否大于预设用户相似度值;在两个用户的用户相似度值大于预设用户相似度值,确定两个用户为相似用户。
由于基于两个用户的用户相似度值确定两个用户是否为相似用户的方式,与基于两个应用程序的程序相似度值确定两个应用程序是否为相似应用程序的方式类似,故而在此不再赘述。
第二种,当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定两个用户为相似用户,包括:针对特定用户,对各个用户与特定用户的用户相似度值按照从高到低排列;将排序位于前N位的用户作为特定用户的相似用户,N为正整数。
由于基于每个用户与特定用户的用户相似度值排序确定出与特定用户的相似用户的方式,与基于每个应用程序与特定应用程序的应用程序相似度值排序确定出与特定应用程序的相似应用程序的方式,故而在此不再赘述。
基于同一发明构思,本发明实施例还提供一种用于应用程序的推荐方法,是对前述用于获得相似用户的方法的进一步的利用,请参考图5,包括:
步骤S501:获知终端的用户产生过第一行为的第一应用程序;
步骤S502:将终端的用户信息告知网络服务器;
步骤S503:接收网络服务器基于本发明任一实施例所介绍的用于获得相似用户的方法,确定出的与终端的用户相似的其他用户的信息;
步骤S504:将第一应用程序在预置的推荐入口向其他用户进行推荐。
可选的,获知终端的用户产生过第一行为的第一应用程序,包括:获取用户产生第一行为的至少一个应用程序;从至少一个应用程序中筛选出用户产生第一行为的次数大于第一预设次数的应用程序作为第一应用程序。
可选的,将第一应用程序在预置的推荐入口向其他用户进行推荐,包括:在其他用户使用应用程序时,将第一应用程序加入对应应用程序的应用推荐列表推荐给其他用户。
基于同一发明构思,本发明实施例还提供另一种用于应用程序的推荐方法,是对前述用于获得相似用户的方法的进一步的利用,请参考图6,包括:
步骤S601:获知终端的用户产生过第一行为的第一应用程序;
步骤S602:在预置的相似用户数据库中查找与终端的用户相似的其他用户,预置的相似用户数据库为基于本发明任一实施例所介绍的用于获得相似用户的方法获得;
步骤S603:将第一应用程序在预置的推荐入口向其他用户进行推荐。
可选的,获知终端的用户产生过第一行为的第一应用程序,包括:获取用户产生第一行为的至少一个应用程序;从至少一个应用程序中筛选出用户产生第一行为的次数大于第一预设次数的应用程序作为第一应用程序。
可选的,将第一应用程序在预置的推荐入口向其他用户进行推荐,包括:在其他用户使用应用程序时,将第一应用程序加入对应应用程序的应用推荐列表推荐给其他用户。
可选的,预置的相似用户数据库具体由网络服务器提供。
基于同一发明构思,本发明实施例提供一种用于获得相似应用程序的装置,请参考图7,包括:
第一获取模块70,用于获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
第一确定模块71,用于基于行为数据确定出每个应用程序的第一特征向量,第一特征向量与多个用户针对对应应用程序产生的第一行为对应;
第二确定模块72,用于基于各个应用程序的第一特征向量,确定任意两个应用程序之间的程序相似度值;
第三确定模块73,用于当两个应用程序之间的程序相似度值满足第一预设相似度条件时,确定两个应用程序为相似应用程序。
可选的,第二确定模块72,包括:第一确定单元,用于基于第一特征向量,确定两个应用程序之间的第一距离值;第二确定单元,用于通过第一距离值确定出两个应用程序之间的程序相似度值,第一距离值与程序相似度值呈反相关关系。
可选的,第一确定单元,用于:确定两个应用程序之间的欧几里得距离值;或者确定两个应用程序之间的明氏距离值;或者确定两个应用程序之间的曼哈顿距离值。
可选的,第二确定模块72,包括:第三确定单元,用于基于第一特征向量,确定两个应用程序之间的第一相似度值;第四确定单元,用于通过第一相似度值确定出两个应用程序之间的程序相似度值,第一相似度值与程序相似度值呈正相关关系。
可选的,第三确定单元,用于:确定两个应用程序之间的余弦相似度值;或者确定两个应用程序之间的皮尔森相似度值;或者确定两个应用程序之间的调整余弦相似度值。
可选的,第一行为包括:点击行为、下载行为、充值行为中的至少一种行为。
可选的,第三确定模块73,包括:第五确定单元,用于确定两个应用程序的程序相似度值是否大于预设程序相似度值;第六确定单元,用于在两个应用程序的程序相似度值大于预设程序相似度值时,确定两个应用程序为相似应用程序。
可选的,第三确定模块73,包括:第一排序单元,用于针对特定应用程序,对各个应用程序与特定应用程序的程序相似度值按照从高到低排列;第七确定单元,用于将排序位于前M位的应用程序作为特定应用程序的相似应用程序,M为正整数。
基于同一发明构思,本发明实施例提供一种用于应用程序的推荐系统,请参考图8,包括:
第一获知模块80,用于获知终端的用户产生过第一行为的第一应用程序;
第一告知模块81,用于将第一应用程序的信息告知网络服务器;
第一接收模块82,用于接收网络服务器基于本发明任一实施例所介绍应用程序处理装置,确定出的与第一应用程序相似的第二应用程序的信息;
第一推荐模块83,用于将第二应用程序在预置的推荐入口向终端的用户进行推荐。
可选的,第一推荐模块83,用于:将第二应用程序加入第一应用程序的应用推荐列表推荐给用户。
可选的,第一获知模块80,包括:第一获取单元,用于获取用户产生第一行为的至少一个应用程序;第一筛选单元,用于从至少一个应用程序中筛选出用户产生第一行为的次数大于第一预设次数的应用程序作为第一应用程序。
基于同一发明构思,本发明实施例提供一种用于应用程序的推荐系统,请参考图9,包括:
第二获知模块90,用于获知终端的用户产生过第一行为的第一应用程序;
第一查找模块91,用于在预置的相似应用程序数据库中查找与第一应用程序相似的第二应用程序,预置的相似应用程序数据库为基于本发明任一实施例所介绍的用于获得相似应用程序的装置获得;
第二推荐模块92,用于将第二应用程序在预置的推荐入口向用户进行推荐。
可选的,预置的相似应用程序数据库具体由网络服务器提供。
可选的,第二获知模块90,包括:第二获取单元,用于获取用户产生第一行为的至少一个应用程序;第二筛选单元,用于从至少一个应用程序中筛选出用户产生第一行为的次数大于第一预设次数的应用程序作为第一应用程序。
可选的,第二推荐模块92,用于将第二应用程序加入第一应用程序的应用推荐列表推荐给用户。
基于同一发明构思,本发明实施例提供一种用于获得相似用户的装置,请参考图10,包括:
第二获取模块01,用于获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
第四确定模块02,用于基于行为数据确定出各个用户的第二特征向量,第二特征向量与对应用户针对多个应用程序所产生的第一行为对应;
第五确定模块03,用于基于各个用户的第二特征向量,确定任意两个用户之间的用户相似度值;
第六确定模块04,用于当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定两个用户为相似用户。
可选的,第五确定模块03,包括:第八确定单元,用于基于第二特征向量,确定两个用户之间的第二距离值;第九确定单元,用于基于第二距离值确定出用户相似度值,用户相似度值与第二距离值呈反相关关系。
可选的,第八确定单元,用于确定两个用户之间的欧几里得距离值;或者确定两个用户之间的明氏距离值;或者确定两个用户之间的曼哈顿距离值。
可选的,第五确定模块03,包括:第十确定单元,用于基于第二特征向量,确定两个用户之间的第二相似度值;第十一确定单元,用于基于第二相似度值确定出用户相似度值,用户相似度值与第二相似度值呈正相关关系。
可选的,第十确定单元,用于确定两个用户之间的余弦相似度值;或者确定两个用户之间的皮尔森相似度值;或者确定两个用户之间的调整余弦相似度值。
可选的,第一行为包括:点击行为、下载行为、充值行为中的至少一种行为。
可选的,第六确定模块04,包括:判断单元,用于判断两个用户的用户相似度值是否大于预设用户相似度值;第十二确定单元,用于在两个用户的用户相似度值大于预设用户相似度值,确定两个用户为相似用户。
可选的,第六确定模块04,包括:第二排序单元,用于针对特定用户,对各个用户与特定用户的用户相似度值按照从高到低排列;第十三确定单元,用于将排序位于前N位的用户作为特定用户的相似用户,N为正整数。
基于同一发明构思,本发明实施例提供一种用于应用程序的推荐系统,请参考图11,包括:
第三获知模块110,用于获知终端的用户产生过第一行为的第一应用程序;
第二告知模块111,用于将终端的用户信息告知网络服务器;
第二接收模块112,用于接收网络服务器基于本发明任一实施例所介绍的用于获得相似用户的装置,确定出的与终端的用户相似的其他用户的信息;
第三推荐模块113,用于将第一应用程序在预置的推荐入口向其他用户进行推荐。
可选的,第三获知模块110,包括:第三获取单元,用于获取用户产生第一行为的至少一个应用程序;第三筛选单元,用于从至少一个应用程序中筛选出用户产生第一行为的次数大于第一预设次数的应用程序作为第一应用程序。
可选的,第三推荐模块113,用于在其他用户使用应用程序时,将第一应用程序加入对应应用程序的应用推荐列表推荐给其他用户。
基于同一发明构思,本发明实施例提供一种用于应用程序的推荐系统,请参考图12,包括:
第四获知模块120,用于获知终端的用户产生过第一行为的第一应用程序;
第二查找模块121,用于在预置的相似用户数据库中查找与终端的用户相似的其他用户,预置的相似用户数据库为基于本发明任一实施例所介绍的用于获得相似用户的装置获得;
第四推荐模块122,用于将第一应用程序在预置的推荐入口向其他用户进行推荐。
可选的,第四获知模块120,包括:第四获取单元,用于获取用户产生第一行为的至少一个应用程序;第四筛选单元,用于从至少一个应用程序中筛选出用户产生第一行为的次数大于第一预设次数的应用程序作为第一应用程序。
可选的,第四推荐模块122,用于在其他用户使用应用程序时,将第一应用程序加入对应应用程序的应用推荐列表推荐给其他用户。
可选的,预置的相似用户数据库具体由网络服务器提供。
本申请实施例中提供的技术方案,至少具有如下技术效果或优点:
由于在本发明实施例中,获取多个终端的用户针对多个应用程序产生第一行为的行为数据;基于行为数据确定出每个应用程序的第一特征向量,第一特征向量与多个用户针对对应应用程序产生的第一行为对应;基于各个应用程序的第一特征向量,确定任意两个应用程序之间的程序相似度值;当两个应用程序之间的程序相似度值满足第一预设相似度条件时,确定两个应用程序为相似应用程序。也即是说基于用户对应用程序的行为数据来确定出两个应用程序之间是否为相似应用程序,其中,如果用户针对两个应用程序的行为较近的话,则两个应用程序之间相似的概率会较高,基于该方案达到了提高所确定的相似应用程序的准确性的技术效果;
并且,本发明实施例进一步在终端用户针对第一应用程序产生第一行为之后,将与第一应用程序相似的第二应用程序推荐给用户,由此达到了提高应用程序推荐的准确性的技术效果。
在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述,构造这类系统所要求的结构是显而易见的。此外,本发明也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本发明的内容,并且上面对特定语言所做的描述是为了披露本发明的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本发明的示例性实施例的描述中,本发明的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本发明要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本发明的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本发明的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本发明的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本发明实施例的系统中的一些或者全部部件的一些或者全部功能。本发明还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本发明的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
本发明公开了,A1、一种用于获得相似应用程序的方法,包括:
获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
基于所述行为数据确定出每个应用程序的第一特征向量,所述第一特征向量与所述多个用户针对对应应用程序产生的所述第一行为对应;
基于各个应用程序的所述第一特征向量,确定任意两个应用程序之间的程序相似度值;
当两个应用程序之间的程序相似度值满足第一预设相似度条件时,确定所述两个应用程序为相似应用程序。
A2、如A1所述的方法,其特征在于,所述基于各个应用程序的所述第一特征向量,确定任意两个应用程序之间的程序相似度值,包括:
基于所述第一特征向量,确定两个应用程序之间的第一距离值;
通过所述第一距离值确定出所述两个应用程序之间的程序相似度值,所述第一距离值与所述程序相似度值呈反相关关系。
A3、如A2所述的方法,其特征在于,所述确定两个应用程序之间的第一距离值,包括:
确定所述两个应用程序之间的欧几里得距离值;或者
确定所述两个应用程序之间的明氏距离值;或者
确定所述两个应用程序之间的曼哈顿距离值。
A4、如A1所述的方法,其特征在于,所述基于各个应用程序的所述第一特征向量,确定任意两个应用程序之间的程序相似度值,包括:
基于所述第一特征向量,确定两个应用程序之间的第一相似度值;
通过所述第一相似度值确定出所述两个应用程序之间的所述程序相似度值,所述第一相似度值与所述程序相似度值呈正相关关系。
A5、如A4所述的方法,其特征在于,所述确定两个应用程序之间的第一相似度值,包括:
确定所述两个应用程序之间的余弦相似度值;或者
确定所述两个应用程序之间的皮尔森相似度值;或者
确定所述两个应用程序之间的调整余弦相似度值。
A6、如A1-A5任一所述的方法,其特征在于,所述第一行为包括:点击行为、下载行为、充值行为中的至少一种行为。
A7、如A1所述的方法,其特征在于,所述当两个应用程序之间的程序相似度值满足预设相似度条件时,确定所述两个应用程序为相似应用程序,包括:
确定两个应用程序的所述程序相似度值是否大于预设程序相似度值;
在所述两个应用程序的所述程序相似度值大于所述预设程序相似度值时,确定所述两个应用程序为相似应用程序。
A8、如A1所述的方法,其特征在于,所述当两个应用程序之间的程序相似度值满足预设相似度条件时,确定所述两个应用程序为相似应用程序,包括:
针对特定应用程序,对各个应用程序与所述特定应用程序的所述程序相似度值按照从高到低排列;
将排序位于前M位的应用程序作为所述特定应用程序的相似应用程序,M为正整数。
B9、一种用于应用程序的推荐方法,包括:
获知终端的用户产生过第一行为的第一应用程序;
将所述第一应用程序的信息告知网络服务器;
接收所述网络服务器基于所述A1-A9任一所述的应用程序处理方法,确定出的与所述第一应用程序相似的第二应用程序的信息;
将所述第二应用程序在预置的推荐入口向所述终端的用户进行推荐。
B10、如B9所述的方法,其特征在于,所述将所述第二应用程序在预置的推荐入口向所述终端的用户进行推荐,包括:
将所述第二应用程序加入所述第一应用程序的应用推荐列表推荐给所述用户。
B11、如B9所述的方法,其特征在于,所述获知终端的用户产生过第一行为的第一应用程序,包括:
获取所述用户产生所述第一行为的至少一个应用程序;
从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
C12、一种用于应用程序的推荐方法,,包括:
获知终端的用户产生过第一行为的第一应用程序;
在预置的相似应用程序数据库中查找与所述第一应用程序相似的第二应用程序,所述预置的相似应用程序数据库为基于所述A1-A8中任一项所述的用于获得相似应用程序的方法获得;
将所述第二应用程序在预置的推荐入口向所述用户进行推荐。
C13、如C12所述的方法,其特征在于,所述预置的相似应用程序数据库具体由网络服务器提供。
C14、如C12所述的方法,其特征在于,所述获知终端的用户产生过第一行为的第一应用程序,包括:
获取所述用户产生所述第一行为的至少一个应用程序;
从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
C15、如C12所述的方法,其特征在于,将所述第二应用程序在预置的推荐入口向所述用户进行推荐,包括:
将所述第二应用程序加入所述第一应用程序的应用推荐列表推荐给所述用户。
D16、一种用于获得相似用户的方法,包括:
获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
基于所述行为数据确定出各个用户的第二特征向量,所述第二特征向量与对应用户针对所述多个应用程序所产生的所述第一行为对应;
基于各个用户的所述第二特征向量,确定任意两个用户之间的用户相似度值;
当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定所述两个用户为相似用户。
D17、如D16所述的方法,其特征在于,所述基于各个用户的所述第二特征向量,确定任意两个用户之间的用户相似度值,包括:
基于所述第二特征向量,确定所述两个用户之间的第二距离值;
基于所述第二距离值确定出所述用户相似度值,所述用户相似度值与所述第二距离值呈反相关关系。
D18、如D17所述的方法,其特征在于,所述确定所述两个用户之间的第二距离值,包括:
确定所述两个用户之间的欧几里得距离值;或者
确定所述两个用户之间的明氏距离值;或者
确定所述两个用户之间的曼哈顿距离值。
D19、如D16所述的方法,其特征在于,所述基于各个用户的所述第二特征向量,确定任意两个用户之间的用户相似度值,包括:
基于所述第二特征向量,确定所述两个用户之间的第二相似度值;
基于所述第二相似度值确定出所述用户相似度值,所述用户相似度值与所述第二相似度值呈正相关关系。
D20、如D19所述的方法,其特征在于,所述基于各个用户的所述第二特征向量,确定两个用户之间的用户相似度值,包括:
确定所述两个用户之间的余弦相似度值;或者
确定所述两个用户之间的皮尔森相似度值;或者
确定所述两个用户之间的调整余弦相似度值。
D21、如D16-D20任一所述的方法,其特征在于,所述第一行为包括:点击行为、下载行为、充值行为中的至少一种行为。
D22、如D16所述的方法,其特征在于,所述当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定所述两个用户为相似用户,包括:
判断两个用户的所述用户相似度值是否大于预设用户相似度值;
在所述两个用户的所述用户相似度值大于所述预设用户相似度值,确定所述两个用户为相似用户。
D23、如D16所述的方法,其特征在于,所述当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定所述两个用户为相似用户,包括:
针对特定用户,对各个用户与所述特定用户的所述用户相似度值按照从高到低排列;
将排序位于前N位的用户作为所述特定用户的相似用户,N为正整数。
E24、一种用于应用程序的推荐方法,包括:
获知终端的用户产生过第一行为的第一应用程序;
将所述终端的用户信息告知网络服务器;
接收所述网络服务器基于所述D16-D23任一所述的用于获得相似用户的方法,确定出的与所述终端的用户相似的其他用户的信息;
将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐。
D25、如E24所述的方法,其特征在于,所述获知终端的用户产生过第一行为的第一应用程序,包括:
获取所述用户产生所述第一行为的至少一个应用程序;
从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
D26、如E24所述的方法,其特征在于,所述将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐,包括:
在所述其他用户使用应用程序时,将所述第一应用程序加入对应应用程序的应用推荐列表推荐给所述其他用户。
F27、一种用于应用程序的推荐方法,包括:
获知终端的用户产生过第一行为的第一应用程序;
在预置的相似用户数据库中查找与所述终端的用户相似的其他用户,所述预置的相似用户数据库为基于所述D16-D23中任一项所述的用于获得相似用户的方法获得;
将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐。
F28、如F27所述的方法,其特征在于,所述获知终端的用户产生过第一行为的第一应用程序,包括:
获取所述用户产生所述第一行为的至少一个应用程序;
从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
F29、如F27所述的方法,其特征在于,所述将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐,包括:
在所述其他用户使用应用程序时,将所述第一应用程序加入对应应用程序的应用推荐列表推荐给所述其他用户。
F30、如F27所述的方法,其特征在于,所述预置的相似用户数据库具体由网络服务器提供。
G31、一种用于获得相似应用程序的装置,包括:
第一获取模块,用于获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
第一确定模块,用于基于所述行为数据确定出每个应用程序的第一特征向量,所述第一特征向量与所述多个用户针对对应应用程序产生的所述第一行为对应;
第二确定模块,用于基于各个应用程序的所述第一特征向量,确定任意两个应用程序之间的程序相似度值;
第三确定模块,用于当两个应用程序之间的程序相似度值满足第一预设相似度条件时,确定所述两个应用程序为相似应用程序。
G32、如G31所述的装置,其特征在于,所述第二确定模块,包括:
第一确定单元,用于基于所述第一特征向量,确定两个应用程序之间的第一距离值;
第二确定单元,用于通过所述第一距离值确定出所述两个应用程序之间的程序相似度值,所述第一距离值与所述程序相似度值呈反相关关系。
G33、如G32所述的装置,其特征在于,所述第一确定单元,用于:
确定所述两个应用程序之间的欧几里得距离值;或者
确定所述两个应用程序之间的明氏距离值;或者
确定所述两个应用程序之间的曼哈顿距离值。
G34、如G31所述的装置,其特征在于,所述第二确定模块,包括:
第三确定单元,用于基于所述第一特征向量,确定两个应用程序之间的第一相似度值;
第四确定单元,用于通过所述第一相似度值确定出所述两个应用程序之间的所述程序相似度值,所述第一相似度值与所述程序相似度值呈正相关关系。
G35、如G34所述的装置,其特征在于,所述第三确定单元,用于:
确定所述两个应用程序之间的余弦相似度值;或者
确定所述两个应用程序之间的皮尔森相似度值;或者
确定所述两个应用程序之间的调整余弦相似度值。
G36、如G31-G35任一所述的装置,其特征在于,所述第一行为包括:点击行为、下载行为、充值行为中的至少一种行为。
G37、如G31所述的装置,其特征在于,所述第三确定模块,包括:
第五确定单元,用于确定两个应用程序的所述程序相似度值是否大于预设程序相似度值;
第六确定单元,用于在所述两个应用程序的所述程序相似度值大于所述预设程序相似度值时,确定所述两个应用程序为相似应用程序。
G38、如G31所述的装置,其特征在于,所述第三确定模块,包括:
第一排序单元,用于针对特定应用程序,对各个应用程序与所述特定应用程序的所述程序相似度值按照从高到低排列;
第七确定单元,用于将排序位于前M位的应用程序作为所述特定应用程序的相似应用程序,M为正整数。
H39、一种用于应用程序的推荐系统,包括:
第一获知模块,用于获知终端的用户产生过第一行为的第一应用程序;
第一告知模块,用于将所述第一应用程序的信息告知网络服务器;
第一接收模块,用于接收所述网络服务器基于所述G31-G39任一所述的应用程序处理装置,确定出的与所述第一应用程序相似的第二应用程序的信息;
第一推荐模块,用于将所述第二应用程序在预置的推荐入口向所述终端的用户进行推荐。
H40、如H39所述的系统,其特征在于,所述第一推荐模块,用于:
将所述第二应用程序加入所述第一应用程序的应用推荐列表推荐给所述用户。
H41、如H39所述的系统,其特征在于,所述第一获知模块,包括:
第一获取单元,用于获取所述用户产生所述第一行为的至少一个应用程序;
第一筛选单元,用于从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
I42、一种用于应用程序的推荐系统,包括:
第二获知模块,用于获知终端的用户产生过第一行为的第一应用程序;
第一查找模块,用于在预置的相似应用程序数据库中查找与所述第一应用程序相似的第二应用程序,所述预置的相似应用程序数据库为基于所述G31-G8中任一项所述的用于获得相似应用程序的装置获得;
第二推荐模块,用于将所述第二应用程序在预置的推荐入口向所述用户进行推荐。
I43、如I42所述的系统,其特征在于,所述预置的相似应用程序数据库具体由网络服务器提供。
I44、如I42所述的系统,其特征在于,所述第二获知模块,包括:
第二获取单元,用于获取所述用户产生所述第一行为的至少一个应用程序;
第二筛选单元,用于从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
I45、如I42所述的系统,其特征在于,所述第二推荐模块,用于:
将所述第二应用程序加入所述第一应用程序的应用推荐列表推荐给所述用户。
J46、一种用于获得相似用户的装置,,包括:
第二获取模块,用于获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
第四确定模块,用于基于所述行为数据确定出各个用户的第二特征向量,所述第二特征向量与对应用户针对所述多个应用程序所产生的所述第一行为对应;
第五确定模块,用于基于各个用户的所述第二特征向量,确定任意两个用户之间的用户相似度值;
第六确定模块,用于当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定所述两个用户为相似用户。
J47、如J46所述的装置,其特征在于,所述第五确定模块,包括:
第八确定单元,用于基于所述第二特征向量,确定所述两个用户之间的第二距离值;
第九确定单元,用于基于所述第二距离值确定出所述用户相似度值,所述用户相似度值与所述第二距离值呈反相关关系。
J48、如J47所述的装置,其特征在于,所述第八确定单元,用于:
确定所述两个用户之间的欧几里得距离值;或者
确定所述两个用户之间的明氏距离值;或者
确定所述两个用户之间的曼哈顿距离值。
J49、如J46所述的装置,其特征在于,所述第五确定模块,包括:
第十确定单元,用于基于所述第二特征向量,确定所述两个用户之间的第二相似度值;
第十一确定单元,用于基于所述第二相似度值确定出所述用户相似度值,所述用户相似度值与所述第二相似度值呈正相关关系。
J50、如J49所述的装置,其特征在于,所述第十确定单元,用于:
确定所述两个用户之间的余弦相似度值;或者
确定所述两个用户之间的皮尔森相似度值;或者
确定所述两个用户之间的调整余弦相似度值。
J51、如J46-J50任一所述的装置,其特征在于,所述第一行为包括:点击行为、下载行为、充值行为中的至少一种行为。
J52、如J46所述的装置,其特征在于,所述第六确定模块,包括:
判断单元,用于判断两个用户的所述用户相似度值是否大于预设用户相似度值;
第十二确定单元,用于在所述两个用户的所述用户相似度值大于所述预设用户相似度值,确定所述两个用户为相似用户。
J53、如J46所述的装置,其特征在于,所述第六确定模块,包括:
第二排序单元,用于针对特定用户,对各个用户与所述特定用户的所述用户相似度值按照从高到低排列;
第十三确定单元,用于将排序位于前N位的用户作为所述特定用户的相似用户,N为正整数。
K54、一种用于应用程序的推荐系统,包括:
第三获知模块,用于获知终端的用户产生过第一行为的第一应用程序;
第二告知模块,用于将所述终端的用户信息告知网络服务器;
第二接收模块,用于接收所述网络服务器基于所述J46-J53任一所述的用于获得相似用户的装置,确定出的与所述终端的用户相似的其他用户的信息;
第三推荐模块,用于将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐。
K55、如K54所述的系统,其特征在于,所述第三获知模块,包括:
第三获取单元,用于获取所述用户产生所述第一行为的至少一个应用程序;
第三筛选单元,用于从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
K56、如K54所述的系统,其特征在于,所述第三推荐模块,用于:
在所述其他用户使用应用程序时,将所述第一应用程序加入对应应用程序的应用推荐列表推荐给所述其他用户。
L57、一种用于应用程序的推荐系统,包括:
第四获知模块,用于获知终端的用户产生过第一行为的第一应用程序;
第二查找模块,用于在预置的相似用户数据库中查找与所述终端的用户相似的其他用户,所述预置的相似用户数据库为基于所述J46-J53中任一项所述的用于获得相似用户的装置获得;
第四推荐模块,用于将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐。
L58、如L57所述的系统,其特征在于,所述第四获知模块,包括:
第四获取单元,用于获取所述用户产生所述第一行为的至少一个应用程序;
第四筛选单元,用于从所述至少一个应用程序中筛选出所述用户产生所述第一行为的次数大于第一预设次数的应用程序作为所述第一应用程序。
L59、如L57所述的系统,其特征在于,所述第四推荐模块,用于:
在所述其他用户使用应用程序时,将所述第一应用程序加入对应应用程序的应用推荐列表推荐给所述其他用户。
L60、如L57所述的系统,其特征在于,所述预置的相似用户数据库具体由网络服务器提供。
Claims (10)
1.一种用于获得相似应用程序的方法,其特征在于,包括:
获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
基于所述行为数据确定出每个应用程序的第一特征向量,所述第一特征向量与所述多个用户针对对应应用程序产生的所述第一行为对应;
基于各个应用程序的所述第一特征向量,确定任意两个应用程序之间的程序相似度值;
当两个应用程序之间的程序相似度值满足第一预设相似度条件时,确定所述两个应用程序为相似应用程序。
2.一种用于应用程序的推荐方法,其特征在于,包括:
获知终端的用户产生过第一行为的第一应用程序;
将所述第一应用程序的信息告知网络服务器;
接收所述网络服务器基于所述权利要求1所述的应用程序处理方法,确定出的与所述第一应用程序相似的第二应用程序的信息;
将所述第二应用程序在预置的推荐入口向所述终端的用户进行推荐。
3.一种用于应用程序的推荐方法,其特征在于,包括:
获知终端的用户产生过第一行为的第一应用程序;
在预置的相似应用程序数据库中查找与所述第一应用程序相似的第二应用程序,所述预置的相似应用程序数据库为基于所述权利要求1所述的用于获得相似应用程序的方法获得;
将所述第二应用程序在预置的推荐入口向所述用户进行推荐。
4.一种用于获得相似用户的方法,其特征在于,包括:
获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
基于所述行为数据确定出各个用户的第二特征向量,所述第二特征向量与对应用户针对所述多个应用程序所产生的所述第一行为对应;
基于各个用户的所述第二特征向量,确定任意两个用户之间的用户相似度值;
当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定所述两个用户为相似用户。
5.一种用于应用程序的推荐方法,其特征在于,包括:
获知终端的用户产生过第一行为的第一应用程序;
将所述终端的用户信息告知网络服务器;
接收所述网络服务器基于所述权利要求4所述的用于获得相似用户的方法,确定出的与所述终端的用户相似的其他用户的信息;
将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐。
6.一种用于应用程序的推荐方法,其特征在于,包括:
获知终端的用户产生过第一行为的第一应用程序;
在预置的相似用户数据库中查找与所述终端的用户相似的其他用户,所述预置的相似用户数据库为基于所述权利要求4所述的用于获得相似用户的方法获得;
将所述第一应用程序在预置的推荐入口向所述其他用户进行推荐。
7.一种用于获得相似应用程序的装置,其特征在于,包括:
第一获取模块,用于获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
第一确定模块,用于基于所述行为数据确定出每个应用程序的第一特征向量,所述第一特征向量与所述多个用户针对对应应用程序产生的所述第一行为对应;
第二确定模块,用于基于各个应用程序的所述第一特征向量,确定任意两个应用程序之间的程序相似度值;
第三确定模块,用于当两个应用程序之间的程序相似度值满足第一预设相似度条件时,确定所述两个应用程序为相似应用程序。
8.一种用于应用程序的推荐系统,其特征在于,包括:
第一获知模块,用于获知终端的用户产生过第一行为的第一应用程序;
第一告知模块,用于将所述第一应用程序的信息告知网络服务器;
第一接收模块,用于接收所述网络服务器基于所述权利要求7所述的应用程序处理装置,确定出的与所述第一应用程序相似的第二应用程序的信息;
第一推荐模块,用于将所述第二应用程序在预置的推荐入口向所述终端的用户进行推荐。
9.一种用于应用程序的推荐系统,其特征在于,包括:
第二获知模块,用于获知终端的用户产生过第一行为的第一应用程序;
第一查找模块,用于在预置的相似应用程序数据库中查找与所述第一应用程序相似的第二应用程序,所述预置的相似应用程序数据库为基于所述权利要求7所述的用于获得相似应用程序的装置获得;
第二推荐模块,用于将所述第二应用程序在预置的推荐入口向所述用户进行推荐。
10.一种用于获得相似用户的装置,其特征在于,包括:
第二获取模块,用于获取多个终端的用户针对多个应用程序产生第一行为的行为数据;
第四确定模块,用于基于所述行为数据确定出各个用户的第二特征向量,所述第二特征向量与对应用户针对所述多个应用程序所产生的所述第一行为对应;
第五确定模块,用于基于各个用户的所述第二特征向量,确定任意两个用户之间的用户相似度值;
第六确定模块,用于当两个用户之间的用户相似度值满足第二预设相似度值条件时,确定所述两个用户为相似用户。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510971980.4A CN105608180A (zh) | 2015-12-22 | 2015-12-22 | 一种用于应用程序的推荐方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510971980.4A CN105608180A (zh) | 2015-12-22 | 2015-12-22 | 一种用于应用程序的推荐方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105608180A true CN105608180A (zh) | 2016-05-25 |
Family
ID=55988119
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510971980.4A Pending CN105608180A (zh) | 2015-12-22 | 2015-12-22 | 一种用于应用程序的推荐方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105608180A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106682058A (zh) * | 2016-08-08 | 2017-05-17 | 腾讯科技(深圳)有限公司 | 应用程序的筛选方法、装置和系统 |
CN106682056A (zh) * | 2016-07-15 | 2017-05-17 | 腾讯科技(深圳)有限公司 | 不同应用软件之间相互关系的确定方法、装置及系统 |
CN106776873A (zh) * | 2016-11-29 | 2017-05-31 | 珠海市魅族科技有限公司 | 一种推荐结果生成方法以及装置 |
CN107067297A (zh) * | 2017-03-21 | 2017-08-18 | 上海斐讯数据通信技术有限公司 | 一种基于用户使用偏好进行应用推荐的方法和系统 |
CN109064276A (zh) * | 2018-07-25 | 2018-12-21 | 中国联合网络通信集团有限公司 | 一种移动终端应用排序方法和系统 |
CN109101630A (zh) * | 2018-08-14 | 2018-12-28 | 广东小天才科技有限公司 | 一种应用程序搜索结果的生成方法、装置及设备 |
CN109213799A (zh) * | 2017-06-29 | 2019-01-15 | 北京搜狗科技发展有限公司 | 一种细胞词库的推荐方法和装置 |
CN110322895A (zh) * | 2018-03-27 | 2019-10-11 | 亿度慧达教育科技(北京)有限公司 | 语音评测方法及计算机存储介质 |
CN110569422A (zh) * | 2018-03-29 | 2019-12-13 | 广州市动景计算机科技有限公司 | 基于应用向量的应用推荐方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198418A (zh) * | 2013-03-15 | 2013-07-10 | 北京亿赞普网络技术有限公司 | 一种应用推荐方法和系统 |
CN103338223A (zh) * | 2013-05-27 | 2013-10-02 | 清华大学 | 一种移动应用的推荐方法、客户端及服务器 |
US20150106367A1 (en) * | 2013-10-14 | 2015-04-16 | International Business Machines Corporation | Utilizing social information for recommending an application |
CN104657373A (zh) * | 2013-11-20 | 2015-05-27 | 腾讯科技(上海)有限公司 | 一种应用信息推送方法和装置 |
CN104899266A (zh) * | 2015-05-22 | 2015-09-09 | 广东欧珀移动通信有限公司 | 一种应用推荐方法及装置 |
CN105045916A (zh) * | 2015-08-20 | 2015-11-11 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种手机游戏推荐系统及其推荐方法 |
-
2015
- 2015-12-22 CN CN201510971980.4A patent/CN105608180A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103198418A (zh) * | 2013-03-15 | 2013-07-10 | 北京亿赞普网络技术有限公司 | 一种应用推荐方法和系统 |
CN103338223A (zh) * | 2013-05-27 | 2013-10-02 | 清华大学 | 一种移动应用的推荐方法、客户端及服务器 |
US20150106367A1 (en) * | 2013-10-14 | 2015-04-16 | International Business Machines Corporation | Utilizing social information for recommending an application |
CN104657373A (zh) * | 2013-11-20 | 2015-05-27 | 腾讯科技(上海)有限公司 | 一种应用信息推送方法和装置 |
CN104899266A (zh) * | 2015-05-22 | 2015-09-09 | 广东欧珀移动通信有限公司 | 一种应用推荐方法及装置 |
CN105045916A (zh) * | 2015-08-20 | 2015-11-11 | 广东顺德中山大学卡内基梅隆大学国际联合研究院 | 一种手机游戏推荐系统及其推荐方法 |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682056A (zh) * | 2016-07-15 | 2017-05-17 | 腾讯科技(深圳)有限公司 | 不同应用软件之间相互关系的确定方法、装置及系统 |
CN106682056B (zh) * | 2016-07-15 | 2018-11-20 | 腾讯科技(深圳)有限公司 | 不同应用软件之间相互关系的确定方法、装置及系统 |
CN106682058A (zh) * | 2016-08-08 | 2017-05-17 | 腾讯科技(深圳)有限公司 | 应用程序的筛选方法、装置和系统 |
CN106682058B (zh) * | 2016-08-08 | 2020-11-03 | 腾讯科技(深圳)有限公司 | 应用程序的筛选方法、装置和系统 |
CN106776873A (zh) * | 2016-11-29 | 2017-05-31 | 珠海市魅族科技有限公司 | 一种推荐结果生成方法以及装置 |
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 |
CN107067297A (zh) * | 2017-03-21 | 2017-08-18 | 上海斐讯数据通信技术有限公司 | 一种基于用户使用偏好进行应用推荐的方法和系统 |
CN109213799A (zh) * | 2017-06-29 | 2019-01-15 | 北京搜狗科技发展有限公司 | 一种细胞词库的推荐方法和装置 |
CN110322895A (zh) * | 2018-03-27 | 2019-10-11 | 亿度慧达教育科技(北京)有限公司 | 语音评测方法及计算机存储介质 |
CN110569422A (zh) * | 2018-03-29 | 2019-12-13 | 广州市动景计算机科技有限公司 | 基于应用向量的应用推荐方法及装置 |
CN110569422B (zh) * | 2018-03-29 | 2022-06-17 | 阿里巴巴(中国)有限公司 | 基于应用向量的应用推荐方法及装置 |
CN109064276A (zh) * | 2018-07-25 | 2018-12-21 | 中国联合网络通信集团有限公司 | 一种移动终端应用排序方法和系统 |
CN109101630A (zh) * | 2018-08-14 | 2018-12-28 | 广东小天才科技有限公司 | 一种应用程序搜索结果的生成方法、装置及设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105608180A (zh) | 一种用于应用程序的推荐方法及系统 | |
CN103248658A (zh) | 服务推荐装置、服务推荐方法和移动设备 | |
CN110909222B (zh) | 基于聚类的用户画像建立方法、装置、介质及电子设备 | |
US20130154937A1 (en) | Apparatus and method for providing customized keyboard user interface | |
CN110457578B (zh) | 一种客服服务需求识别方法及装置 | |
CN111091415B (zh) | 推荐经纪人的方法及系统 | |
CN102426577A (zh) | 信息处理设备、信息处理系统、信息处理方法和程序 | |
CN112631947A (zh) | 应用程序的测试控制方法、装置、电子设备及存储介质 | |
CN115455280A (zh) | 一种推荐列表确定方法和服务器 | |
CN111046304B (zh) | 数据搜索方法及装置 | |
CN110427277B (zh) | 数据校验方法、装置、设备及存储介质 | |
US11341394B2 (en) | Diagnosis of neural network | |
CN103646053A (zh) | 一种网站提供对象的推荐方法和装置 | |
US20160110427A1 (en) | Apparatus, system, and method for organizing and embedding applications | |
US20200124433A1 (en) | Methods and Systems for Determining and Assigning a Primary Point-of-Interest Type for a Point-of-Interest | |
CN105912510A (zh) | 判断试题答案的方法、装置和服务器 | |
CN112836129B (zh) | 一种信息的推荐方法、装置及设备 | |
CN108550019A (zh) | 一种简历筛选方法及装置 | |
CN110535669B (zh) | 内容推荐方法与内容推荐装置 | |
CN113742593A (zh) | 用于推送信息的方法和装置 | |
CN105354225A (zh) | 一种网络搜索结果推荐方法及电子设备 | |
CN104484341A (zh) | 一种数据指标的动态分析方法和装置 | |
CN110245231A (zh) | 一种针对乱码的训练样本特征提取方法、装置及设备 | |
CN112671689B (zh) | 数据上链方法、装置、电子设备及计算机存储介质 | |
CN114398501B (zh) | 多媒体资源的分组方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160525 |
|
RJ01 | Rejection of invention patent application after publication |