CN105701135A - 一种应用推荐的方法和装置 - Google Patents
一种应用推荐的方法和装置 Download PDFInfo
- Publication number
- CN105701135A CN105701135A CN201510437384.8A CN201510437384A CN105701135A CN 105701135 A CN105701135 A CN 105701135A CN 201510437384 A CN201510437384 A CN 201510437384A CN 105701135 A CN105701135 A CN 105701135A
- Authority
- CN
- China
- Prior art keywords
- application program
- user side
- application
- user
- service condition
- 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/35—Clustering; Classification
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Stored Programmes (AREA)
Abstract
本发明提供一种应用推荐的方法和装置,通过获取用户端已安装应用程序的使用日志,使用日志信息包括以下任意一种:使用频率信息、累计使用时长信息等。并判断用户端已安装应用程序的使用情况是否低于所述应用程序在不同用户端的平均使用情况,若是低于所述应用程序在不同用户端的平均使用情况则向所述用户推荐与所诉应用程序同类的且推荐度高的预设数量的应用程序。本发明提供一种应用推荐的方法和装置,能够提高推荐应用程序的准确性,使推荐的应用更加符合用户的需求。
Description
技术领域
本发明涉及一种应用推荐的方法和装置,是属于互联网领域。
背景技术
随着移动技术的发展,智能设备上安装的移动应用为人们的工作生活带来了极大的便利。应用商店是为人们提供各种移动应用的场所,应用商店除了能为用户提供搜索功能,还为用户提供推荐功能。用户可以根据系统推荐的应用程序找到自己需要的或者喜欢的应用程序进行下载,免去了搜索的烦恼。对于系统来说面对海量的应用程序如何对应用程序进行合理的推荐从而提高用户的使用体验,使推荐的软件能更好的符合用户需求成为了一个重要的问题。
目前,传统的应用程序推荐方法有如下几种例如:基于应用程序的下载次数、评分等,具体的应用下载次数越高该应用排在推荐应用列表靠前的位置,应用的评分高越高该应用排在推荐应用列表的靠前的位置,这些推荐方法为用户选择应用程序提供了一定的参考。但这种推荐方式过于单一且对于不同用户的推荐列表大体上是一致的,导致不能有效的区分用户差异。
另外一种改进的推荐方法根据用户对已安装的应用程序的使用情况进行推荐,比如:将与用户使用频率大于预设阈值的应用程序同类的应用程序确定为推荐的应用程序。比如用户经常使用"网易新闻",那么系统会认为用户倾向于新闻类应用,便向用户推荐其它新闻类应用。
针对所述改进方案,存在以下不足,首先对于用户经常使用的应用很可能因为该应用对于用户来说已经产生了一种使用的习惯或者用户自身觉得这款应用很适合自己,如果推荐系统又为用户推荐同类应用,这将导致用户安装应用的重复性,这时用户选择该类应用的几率会降低。比如,用户经常使用QQ应用,所述QQ应用为通讯了应用,这时如果再为用户推荐通讯类应用可能用户下载其推荐通讯类应用的可能性会降低。因此所述推荐应用程序方法未能较好地符合用户的需求。
发明内容
本发明针对用户在用户端使用已安装应用程序的情况来为用户推荐应用程序,如果用户相对来说较少的使用已安装在用户端的应用程序,表明该应用程序某些方面不符合用户需求、比如操作繁琐、功能少等,则系统为用户推荐与所述应用程序同类的且推荐度高的预设数量的应用程序。本发明的目的获取用户端已安装应用程序的使用日志,使用日志信息包括以下任意一种:使用频率信息、累计使用时长信息等。并判断用户端已安装应用程序的使用情况是否低于所述应用程序在不同用户端的平均使用情况,若是低于所述应用程序在不同用户端的平均使用情况则向所述用户推荐与所诉应用程序同类的且推荐度高的预设数量的应用程序。本发明提供一种应用推荐的方法和装置,能够提高推荐应用程序的准确性,使推荐的应用更加符合用户的需求。
本发明是提供一种应用推荐的方法和装置,所述方法包括下述步骤,包括:
步骤1.获取用户端已安装应用程序的使用日志;
步骤2.根据系统应用程序库中应用程序的平均使用情况对用户端应用程序使用情况分类;
步骤3.根据用户端应用程序使用的分类情况为用户推荐应用。
对步骤1进行进一步说明:获取用户端已安装应用程序的使用日志;
所述用户端不仅可以是手机终端,也可以是笔记本电脑、平板电脑、计算机设备等多种终端设备。所述应用程序为安装在所述客户端并能够应用于一种或多种操作系统的应用程序,这些操作系统包括但不限于windows、iOS、Android(安卓)等多种适用于用户端设备的操作系统。所述使用日志为用户在所述用户端安装的所述应用程序名称及所述应用程序的使用信息。
所述使用日志为用户在所述用户端上使用已安装应用程序的使用信息,所述使用信息包括但不限于以下任意一种:所述已安装应用程序的使用频率信息,所述已安装应用程序的累计使用时长信息。
优选的、所述应用程序使用日志的使用信息可以按照以下任意一种时间单位记录:以天为单位对所述应用的使用信息进行记录生成所述应用程序的使用日志,以星期为单位对所述应用的使用信息进行记录生成所述应用程序的使用日,以月为单位对所述应用的使用信息进行记录生成所述应用程序的使用日志。
所述记录操作为对上一次按不同单位记录操作的所述应用程序的所述使用日志进行清空操作然后重新记录所述应用程序在最近时间单位内的使用信息。
所述时间单位并不局限于所述天、星期、月的划分方式。也可以按照其他时间单位,比如10天记录一次等。
对步骤2进行进一步说明:根据系统应用程序库中应用程序的平均使用情况对用户端应用程序使用情况分类;
所述系统应用程序库中应用程序的平均使用情况为根据步骤一中以天、星期、月中任意一种为时间单位获得的不同用户端的所述应用程序的使用日志,根据从不同用户端获得的所述应用程序的使用日志计算所述应用程序在所述时间单位内平均使用情况。
所述系统应用程序库中的应用程序的平均使用情况可分为平均使用频率情况、平均累计使用时长情况。
优选的,根据所述系统应用程序库中的应用程序的平均使用情况对用户端应用程序进行分类。
具体的,将所述系统应用程序库中的应用程序的平均使用情况作为所述系统应用程序库中的所述应用程序使用情况的第一阈值。所述应用程序的使用情况分为使用频率情况和累计使用时长情况。依据所述应用程序的第一阈值将用户端所述应用程序分为较少使用、较多使用两个类别。
对步骤3进行进一步说明:根据用户端应用程序使用的分类情况为用户推荐应用。
所述用户端应用程序使用的分类情况为步骤2中根据所述系统应用程序库中的应用程序的平均使用频率情况或平均累计使用时长情况对所述用户端已安装的应用程序的分类情况。
将用户端已安装的应用程序中分类属于较少使用的应用程序同类别的且推荐度高的预设数量的应用程序推荐给所述用户的用户端。
所述推荐度根据推荐规则计算得到。
所述推荐规则包括所述应用程序的安装量、所述应用程序的平均使用情况、所述应用程序是否为所述用户在用户端已安装的应用程序。所述应用程序的平均使用情况包括以下任意一种:所述应用程序的平均使用频率情况、所述应用程序的平均累计使用时长情况。
优选的,所述应用程序的安装量越高、所诉应用程序的平均使用情况越高越值得被推荐。
优选的,所述应用程序不是用户端已安装的应用程序。
本发明实施例另一目的在于提供一种应用推荐的装置,所述装置包括:
信息获取模块:用于获取用户端已安装的应用程序的使用日志。
分类模块:根据信息获取模块得到的各用户端安装的应用程序得到应用程序库中各应用程序的平均使用情况。并结合所述各应用程序的平均使用情况对所述用户端已安装的应用程序分类。
确定模块:根据分类模块得到的所述用户端已安装的应用程序的分类情况信息并结合推荐规
则确定所述用户端已安装应用程序在系统应用程序库中同类别下的待推荐应用程序。
发送模块:用于将确定模块得到的待推荐应用程序返回给所述用户。
有益效果
在本发明实施例中,通过获取用户端已安装应用程序的使用日志,并通过所述应用程序的平均使用情况来确定所述用户端已安装应用程序中较少使用的应用程序,系统为所述用户端推荐与较少使用的应用程序同类别且推荐度高的预设数量的应用程序。用户在用户端相对较少使用的应用程序可能由于应用程序使用繁琐、未能满足用户需求,因此系统则为所述用户推荐安装量高、平均使用情况高的同类别应用程序推荐给用户,让用户找到一个更好用、更满足用户使用需要的应用程序。
附图说明
附图1为本发明实施例提供的一种应用推荐方法的主流程示意图;
附图2是本发明实施例中通过获取终端中应用程序的使用频率来推荐应用程序的方法流程图;
附图3是本发明实施例中通过获取终端中应用程序的累计使用时长来推荐应用程序的方法流程图;
附图4为本发明实施例提供的一种基于应用检索的应用排序装置的结构示意图;
具体的实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明实施例,并不用于限定本发明实施例。
如图1所示为本发明实施例中应用推荐的的主要方法流程
步骤S101、获取用户端应用程序的使用日志。
所述用户端不仅可以是手机终端,也可以是笔记本电脑、平板电脑、计算机设备等多种终端设备。
所述应用程序为安装在所述用户端并能够应用于一种或多种操作系统的应用程序,这些操作系统包括但不限于windows、iOS、Android(安卓)等多种适用于用户端设备的操作系统。
所述使用日志为用户在所述用户端上使用已安装应用程序的使用信息,所述使用信息包括但不限于以下任意一种:所述应用程序的使用频率信息,所述应用程序的累计使用时长信息。所述应用程序的使用频率信息可以使用次数来记录,所述应用程序的累计使用时长信息可以使用分钟来记录也可以使用其它单位比如秒,小时等。为了说明本实施例这里采用次数记录所述应用程序的使用频率信息,使用分钟记录所述应用程序的累计使用时长信息。
优选的、所述应用程序使用日志的使用信息可以按照以下任意一种时间单位记录:以天为单位对所述应用的使用信息进行记录生成所述应用程序的使用日志,以星期为单位对所述应用的使用信息进行记录生成所述应用程序的使用日志,以月为单位对所述应用的使用信息进行记录生成所述应用程序的使用日志。为了说明本实施例这里采用已天为时间单位记录所述应用程序的使用情况。
更具体的以天为单位记录所述应用程序的使用信息。从每天的零点开始记录一直持续到第二天的零点。从而记录用户使用所述应用程序在当天的使用信息。具体的记录的时间起点和终点可以任意选定但必须满足时间差为24小时。当从新的一天记录时原所述应用程序的使用日志信息清空并重新开始记录,以达到更新的目的。
更具体的以星期为单位记录所述应用程序的使用信息。从星期一的零点开始记录一直持续到第二周周一的的零点。从而记录用户使用所述应用程序在当周的使用信息。具体的记录的时间起点和终点可以任意选定但必须满足时间差为一周。当从新的一周记录时原所述应用程序的使用日志信息清空并重新开始记录,以达到更新的目的。
更具体的以月为单位记录所述应用程序的使用信息。从每月的第一天的零点开始记录一直持续到下个月的第一天的零点。从而记录用户使用所述应用程序在当月的使用信息。具体的记录的时间起点和终点可以任意选定但必须满足时间差为一个月,不同月的天数不同则具体的按照当月天数为准。当从新的一月记录时原所述应用程序的使用日志信息清空并重新开始记录,以达到更新的目的。
在本实施例中提供了按照天、星期、月为单位记录所述用户端已安装应用程序的使用日志。但在具体的实施过程中可以采用其他的时间单位作为记录所述应用程序使用日志的依据。系统根据实际情况选择设定一种作为所述用户端已安装应用程序记录的时间单位。
举例说明如下:
用户1在用户端安装了应用1、应用2、应用3这三个应用程序,而应用1在所述时间单位内使用了1次、应用1在所述时间单位内使用了2次、应用1在所述时间单位内使用了3次,则系统获取到的所述用户的用户端已安装应用程序的使用日志如下表1所示。
表1
用户1在用户端安装了应用1、应用2、应用3这三个应用程序,而应用1在所述时间单位内使用了20分钟、应用2在所述时间单位内使用了30分钟、应用3在所述时间单位内使用了40分钟,则系统获取到的所述用户的用户端已安装应用程序的使用日志如下表2所示。
表2
此举例仅仅为了本实施例的说明使用,并不局限于此。
步骤S102、根据系统应用程序库中应用程序的平均使用情况对用户端应用程序使用情况分类;
所述系统应用程序库中应用程序的平均使用情况为根据步骤S101中以天、星期、月任意一种为时间单位获得的不同用户端的所述应用程序的使用日志,根据从不同用户端获得的所述应用程序的使用日志计算所述应用程序的平均使用情况。
具体计算如下式1.1所示:
(1.1)
其中N为根据获得的各用户端已安装应用程序中所述应用程序的安装量。为用户i在用户端已安装的所述应用程序的使用情况。为所述应用程序在系统的应用程序库中该应用程序的平均使用情况。
将所述系统应用程序库中的应用程序的平均使用情况作为所述系统应用程序库中的所述应用程序使用情况的第一阈值。所述应用程序的使用情况分为使用频率情况和累计使用时长情况。依据所述应用程序的第一阈值将用户端所述应用程序分为较少使用、较多使用两个类别。
具体的,根据步骤S101中获取的用户端已安装应用程序的使用日志,如果其中用户端已安装的应用程序的使用情况小于系统应用程序库中的该所述应用程序的平均使用情况,则将所述应用程序划分为较少使用的应用程序这一类别,否则划分到较多使用的应用程序这一类别。
举例说明如下:
假设系统共获得3个用户端的已安装应用程序的使用日志,具体的为用户端的已安装应用程序的使用频率日志。分别如表3、表4、表5所示
表3
表4
表5
根据获得的所述用户端的已安装的应用程序的使用日志计算得到所述应用1、应用2、应用3、应用4、应用5各应用的平均使用频率。如下表5所示。
应用程序 | 平均使用频率 |
应用1 | 2 |
应用2 | 3 |
应用3 | 3 |
应用4 | 5 |
应用5 | 6 |
表6
则根据表5可以对用户1、用户2、用户3在用户端已安装应用程序分类。
用户1在用户端已安装的应用程序分别应用1、应用2、应用3,对应分类分别是:较少使用、较少使用、较多使用。
用2在用户端已安装的应用程序分别应用1、应用2、应用3、应用4,对应分类分别是:较多使用、较多使用、较多使用、较少使用。
用户3在用户端已安装的应用程序分别应用3、应用4、应用5,对应分类分别是:较少使用、较多使用、较多使用。
假设系统共获得3个用户端的已安装应用程序的使用日志,具体的为用户端的已安装应用程序的累计使用时长日志。分别如表7、表8、表9所示
表7
表8
表9
根据获得的所述用户端的已安装的应用程序的使用日志计算得到所述应用1、应用2、应用3、应用4、应用5各应用的平均累计使用时长。如下表10所示。
应用程序 | 平均累计使用时长(分钟) |
应用1 | 20 |
应用2 | 30 |
应用3 | 30 |
应用4 | 50 |
应用5 | 60 |
表10
则根据表10可以对用户1、用户2、用户3在用户端已安装应用程序分类。
用户1在用户端已安装的应用程序分别应用1、应用2、应用3,对应分类分别是:较少使用、较少使用、较多使用。
用2在用户端已安装的应用程序分别应用1、应用2、应用3、应用4,对应分类分别是:较多使用、较多使用、较多使用、较少使用。
用户3在用户端已安装的应用程序分别应用3、应用4、应用5,对应分类分别是:较少使用、较多使用、较多使用。
步骤S103、根据用户端应用程序使用的分类情况为用户推荐应用
所述用户端应用程序使用的分类情况为步骤S102中根据所述系统应用程序库中的应用程序的平均使用频率情况或平均累计使用时长情况对所述用户端已安装的应用程序的分类情况。
将用户端已安装的应用程序中分类属于较少使用的应用程序同类别且推荐度高的预设数量的应用程序作为推荐的应用程序。将推荐的应用程序的名称和下载地址发送至终端。所述预设数量可以通过系统自行设置。
所述推荐度根据推荐规则计算得到。
所述推荐规则包括所述应用程序的安装量、所述应用程序的平均使用情况、所述应用程序是否为所述用户在用户端已安装的应用程序。所述应用程序的平均使用情况包括但不限于以下两种:所述应用程序的平均使用频率情况、所述应用程序的平均累计使用时长情况。
优选的,所述应用程序的安装量越高、所诉应用程序的平均使用情况越高越值得被推荐。
具体的所述应用程序的安装量信息可以通过获得各用户端的已安装的应用程序的使用日志获得。
如图2所示实施例中,系统通过获取用户端已安装应用程序的使用频率信息来推荐应用程序。包括以下步骤:
步骤S201、根据步骤S101获得,此处具体获得所述用户端已安装应用程序的使用频率日志;
步骤S202、判断用户端已安装应用程序是否较少使用,若否则结束,若是则执行步骤S203;
步骤S203、将所述应用程序同类别且推荐度高的预设数量的应用程序作为推荐的应用程序;
所述推荐度的计算如下式1.2:
(1.2)
其中分别为所述应用程序平均使用频率和安装量的权重,F、D分别为所述应用程序平均使用频率归一化处理后的值和所述应用程序安装量归一化处理后的值。P为所述应用程序的推荐度。
举例说明:
假设系统共获得3个用户端的已安装应用程序的使用日志,具体的为用户端的已安装应用程序的使用频率日志。分别如表3、表4、表5所示。则得到一张应用程序的信息表如表11所示:
应用程序 | 平均使用频率 | 安装量 |
应用1 | 2 | 2 |
应用2 | 3 | 2 |
应用3 | 3 | 3 |
应用4 | 5 | 2 |
应用5 | 6 | 1 |
表11
计算各个应用程序的推荐度,具体推荐度的计算如下:
将应用程序的信息表中的平均使用频率和安装量信息归一化处理,得到表12
应用程序 | 平均使用频率 | 安装量 |
应用1 | 0 | 0.5 |
应用2 | 0.25 | 0.5 |
应用3 | 0.25 | 1 |
应用4 | 0.75 | 0.5 |
应用5 | 1 | 0 |
表12
则根据公式1.2计算得到所述应用程序的推荐度,如表13所示
应用程序 | 推荐度 |
应用1 | 0.25 |
应用2 | 0.375 |
应用3 | 0.625 |
应用4 | 0.625 |
应用5 | 0.5 |
表13
用户1的用户端的已安装的应用程序中应用1为较少使用的应用程序,则系统将与所述应用1同类别的推荐度高的预设数量的应用程序作为推荐应用程序。所述预设数量可以通过系统自行设置。
步骤S204、将推荐的应用程序的名称和下载地址发送至终端
优选的,所述推荐应用程序不是用户端已安装的应用程序。
优选的,如果用户端已安装的应用程序中存在多个应用程序属于同一类应用,如果其都属于较少使用的应用程序则不为所述用户推荐该所述应用程序同类别的应用程序。否则为其推荐该所述应用程序同类别且推荐度高的预设数量的应用程序。
如图3所示实施例中,系统通过获取用户端已安装应用程序的使用时长信息来推荐应用程序。包括以下步骤:
步骤S301、根据步骤S101获得,此处具体获得所述用户端已安装应用程序的使用频率日志;
步骤S302、判断用户端已安装应用程序是否较少使用,若否则结束,若是则执行步骤S203;
步骤S303、将所述应用程序同类别且推荐度高的预设数量的应用程序作为推荐的应用程序;
所述推荐度的计算如下式1.3:
(1.3)
其中分别为所述应用程序平均使用时长和安装量的权重,F、D分别为所述应用程序平均使用时长归一化处理后的值和所述应用程序安装量归一化处理后的值。P为所述应用程序的推荐度。
举例说明:
假设系统共获得3个用户端的已安装应用程序的使用日志,具体的为用户端的已安装应用程序的使用时长日志。分别如表7、表8、表9所示。则得到一张应用程序的信息表如表14所示:
表14
计算各个应用程序的推荐度,具体推荐度的计算如下:
将应用程序的信息表中的平均使用频率和安装量信息归一化处理,得到表15
表15
则根据公式1.3计算得到所述应用程序的推荐度,如表16所示
应用程序 | 推荐度 |
应用1 | 0.25 |
应用2 | 0.375 |
应用3 | 0.625 |
应用4 | 0.625 |
应用5 | 0.5 |
表16
用户1的用户端的已安装的应用程序中应用1为较少使用的应用程序,则系统将与所述应用1同类别的推荐度高的预设数量的应用程序作为推荐应用程序。所述预设数量可以通过系统自行设置。
步骤S304、将推荐的应用程序的名称和下载地址发送至终端
优选的,所述推荐应用程序不是用户端已安装的应用程序。
优选的,如果用户端已安装的应用程序中存在多个应用程序属于同一类应用,如果其都属于较少使用的应用程序则不为所述用户推荐该所述应用程序同类别的应用程序。否则为其推荐该所述应用程序同类别的且推荐度高的预设数量的应用程序。
如图4所示,本发明实施例还提出一种推荐应用程序的装置,包括:
信息获取模块:用于获取用户端已安装的应用程序的使用日志。
分类模块:根据信息获取模块得到的各用户端安装的应用程序得到应用程序库中各应用程序的平均使用情况。并结合所述各应用程序的平均使用情况对所述用户端已安装的应用程序分类。
确定模块:根据分类模块得到的所述用户端已安装的应用程序的分类情况信息并结合推荐规则确定所述用户端已安装应用程序在系统应用程序库中同类别下的待推荐应用程序。
发送模块:用于将确定模块得到的待推荐应用程序返回给所述用户。
Claims (11)
1.一种应用推荐的方法和装置,所述方法包括下述步骤,包括:
S1.获取用户端已安装应用程序的使用日志;
S2.根据系统应用程序库中应用程序的平均使用情况对用户端应用程序使用情况分类;
S3.根据用户端应用程序使用的分类情况为用户推荐应用。
2.根据权利要求1所述的用户端已安装应用程序的使用日志;其特征在于,所述使用日志为用户在所述用户端上使用已安装应用程序的使用信息,所述使用信息包括但不限于以下任意一种:所述已安装应用程序的使用频率信息,所述已安装应用程序的累计使用时长信息。
3.根据权利要求2所述的用户端不仅可以是手机终端,也可以是笔记本电脑、平板电脑、计算机设备等多种终端设备。
4.根据权利要求2所述应用程序为安装在所述客户端并能够应用于一种或多种操作系统的应用程序,这些操作系统包括但不限于windows、iOS、Android(安卓)等多种适用于用户端设备的操作系统。
5.根据权利要求2所述所述应用程序使用日志的使用信息可以按照以下任意一种时间单位记录:以天为单位对所述应用的使用信息进行记录生成所述应用程序的使用日志,以星期为单位对所述应用的使用信息进行记录生成所述应用程序的使用日,以月为单位对所述应用的使用信息进行记录生成所述应用程序的使用日志。
所述记录操作为对上一次按不同单位记录操作的所述应用程序的所述使用日志进行清空操作然后重新记录所述应用程序在最近时间单位内的使用信息。
所述时间单位并不局限于所述天、星期、月的划分方式。也可以按照其他时间单位,比如10天记录一次等。
6.根据权利要求1所述根据系统应用程序库中应用程序的平均使用情况对用户端应用程序使用情况分类;其特征在于,所述系统应用程序库中应用程序的平均使用情况为根据权利要求5中以天、星期、月中任意一种为时间单位获得的不同用户端的所述应用程序的使用日志,根据从不同用户端获得的所述应用程序的使用日志计算所述应用程序在所述时间单位内平均使用情况。
7.根据权利要求6中所述系统应用程序库中的应用程序的平均使用情况可分为平均使用频率情况、平均累计使用时长情况。
8.根据权利要求7,将所述系统应用程序库中的应用程序的平均使用情况作为所述系统应用程序库中的所述应用程序使用情况的第一阈值。所述应用程序的使用情况分为使用频率情况和累计使用时长情况。依据所述应用程序的第一阈值将用户端所述应用程序分为较少使用、较多使用两个类别。
9.根据权利要求1所述的根据用户端应用程序使用的分类情况为用户推荐应用。其特征在于所述用户端应用程序使用的分类情况为权利要求6中根据所述系统应用程序库中的应用程序的平均使用频率情况或平均累计使用时长情况对所述用户端已安装的应用程序的分类情况。将用户端已安装的应用程序中分类属于较少使用的应用程序同类别的且推荐度高的预设数量的应用程序推荐给所述用户的用户端。
10.根据权利要求9,所述推荐度根据推荐规则计算得到。
11.根据权利要求10,所述推荐规则包括所述应用程序的安装量、所述应用程序的平均使用情况、所述应用程序是否为所述用户在用户端已安装的应用程序。所述应用程序的平均使用情况包括以下任意一种:所述应用程序的平均使用频率情况、所述应用程序的平均累计使用时长情况。
优选的,所述应用程序的安装量越高、所诉应用程序的平均使用情况越高越值得被推荐。
优选的,所述应用程序不是用户端已安装的应用程序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510437384.8A CN105701135A (zh) | 2015-07-23 | 2015-07-23 | 一种应用推荐的方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510437384.8A CN105701135A (zh) | 2015-07-23 | 2015-07-23 | 一种应用推荐的方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105701135A true CN105701135A (zh) | 2016-06-22 |
Family
ID=56228004
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510437384.8A Pending CN105701135A (zh) | 2015-07-23 | 2015-07-23 | 一种应用推荐的方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105701135A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106227844A (zh) * | 2016-07-27 | 2016-12-14 | 深圳市金立通信设备有限公司 | 一种应用推荐的方法以及终端 |
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 |
CN107728877A (zh) * | 2017-09-29 | 2018-02-23 | 维沃移动通信有限公司 | 一种应用推荐方法及移动终端 |
CN108121604A (zh) * | 2017-12-20 | 2018-06-05 | 金华芒果信息技术有限公司 | 计算机软件的管理系统及方法 |
CN108769126A (zh) * | 2018-04-28 | 2018-11-06 | 努比亚技术有限公司 | 应用推荐方法、移动终端及计算机可读存储介质 |
CN109635199A (zh) * | 2018-12-17 | 2019-04-16 | 广州大学 | 基于用户行为的应用列表动态推荐方法及系统 |
CN109831532A (zh) * | 2019-03-18 | 2019-05-31 | 北京字节跳动网络技术有限公司 | 数据分享方法、装置、设备及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103327102A (zh) * | 2013-06-24 | 2013-09-25 | 北京小米科技有限责任公司 | 一种推荐应用程序的方法和装置 |
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 |
US20140280131A1 (en) * | 2013-03-13 | 2014-09-18 | Motorola Mobility Llc | Recommendations for Applications Based on Device Context |
CN104182545A (zh) * | 2014-09-05 | 2014-12-03 | 北京金山安全软件有限公司 | 一种应用程序推荐方法及装置 |
-
2015
- 2015-07-23 CN CN201510437384.8A patent/CN105701135A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140280131A1 (en) * | 2013-03-13 | 2014-09-18 | Motorola Mobility Llc | Recommendations for Applications Based on Device Context |
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 |
CN103327102A (zh) * | 2013-06-24 | 2013-09-25 | 北京小米科技有限责任公司 | 一种推荐应用程序的方法和装置 |
CN104182545A (zh) * | 2014-09-05 | 2014-12-03 | 北京金山安全软件有限公司 | 一种应用程序推荐方法及装置 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN106227844A (zh) * | 2016-07-27 | 2016-12-14 | 深圳市金立通信设备有限公司 | 一种应用推荐的方法以及终端 |
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 |
CN107728877A (zh) * | 2017-09-29 | 2018-02-23 | 维沃移动通信有限公司 | 一种应用推荐方法及移动终端 |
CN108121604A (zh) * | 2017-12-20 | 2018-06-05 | 金华芒果信息技术有限公司 | 计算机软件的管理系统及方法 |
CN108769126A (zh) * | 2018-04-28 | 2018-11-06 | 努比亚技术有限公司 | 应用推荐方法、移动终端及计算机可读存储介质 |
CN108769126B (zh) * | 2018-04-28 | 2022-06-03 | 努比亚技术有限公司 | 应用推荐方法、移动终端及计算机可读存储介质 |
CN109635199A (zh) * | 2018-12-17 | 2019-04-16 | 广州大学 | 基于用户行为的应用列表动态推荐方法及系统 |
CN109635199B (zh) * | 2018-12-17 | 2021-06-01 | 广州大学 | 基于用户行为的应用列表动态推荐方法及系统 |
CN109831532A (zh) * | 2019-03-18 | 2019-05-31 | 北京字节跳动网络技术有限公司 | 数据分享方法、装置、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105701135A (zh) | 一种应用推荐的方法和装置 | |
CN105824834B (zh) | 搜索流量作弊行为识别方法及装置 | |
US20220156306A1 (en) | Selecting shots for scheduling | |
CN105205125A (zh) | 一种应用程序的推荐方法及其装置 | |
CN102880501A (zh) | 应用推荐的实现方法、装置和系统 | |
US20150234570A1 (en) | Systems, methods, and computer-readable media for event creation and notification | |
CN104864548A (zh) | 一种空调运行的控制方法及系统 | |
KR102068788B1 (ko) | 사용자 타겟 서비스를 제공하는 서버 및 그 서비스 제공방법 | |
CN106055630A (zh) | 日志存储的方法及装置 | |
CN102004994B (zh) | 一种在线产品推荐选择方法、装置及系统 | |
US9622091B2 (en) | Online and distributed optimization framework for wireless analytics | |
CN103870553B (zh) | 一种输入资源推送方法及系统 | |
US20130042229A1 (en) | Method of updating list of software-as-a-service and system for the same | |
CN104079960A (zh) | 文件推荐方法和装置 | |
US20170046447A1 (en) | Information Category Obtaining Method and Apparatus | |
CN106951527B (zh) | 一种歌曲推荐方法及装置 | |
US20180204248A1 (en) | Web page viewership prediction | |
CN110729038A (zh) | 成本分摊的方法、装置、电子设备及计算机可读存储介质 | |
CN105022807A (zh) | 信息推荐方法及装置 | |
CN105260393A (zh) | 信息推送方法、装置及电子设备 | |
CN103324696A (zh) | 一种数据日志收集与统计分析系统和方法 | |
CN115017400A (zh) | 一种应用app推荐方法及电子设备 | |
CN111158999B (zh) | 一种格式化时间的计算方法和装置 | |
CN103699534A (zh) | 系统目录中数据对象的显示方法及装置 | |
CN109241450A (zh) | 锁屏内容的推荐方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160622 |
|
WD01 | Invention patent application deemed withdrawn after publication |