CN105787053B - 应用的推送方法及终端 - Google Patents
应用的推送方法及终端 Download PDFInfo
- Publication number
- CN105787053B CN105787053B CN201610109741.2A CN201610109741A CN105787053B CN 105787053 B CN105787053 B CN 105787053B CN 201610109741 A CN201610109741 A CN 201610109741A CN 105787053 B CN105787053 B CN 105787053B
- Authority
- CN
- China
- Prior art keywords
- application
- ratio
- mapping relations
- user
- label
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Telephonic Communication Services (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明涉及移动通信技术领域,公开了一种应用的推送方法,包括:接收用户对应用的倾向性操作;根据所述倾向性操作对应应用的类型,生成第一映射关系,所述第一映射关系用于量化各用户对不同类型的应用的偏好比例;根据所述倾向性操作对应应用的标签,生成第二映射关系,所述第二映射关系用于量化各用户对不同标签的应用的偏好比例;确定不同标签下的关联性应用;生成第三映射关系,所述第三映射关系用于确定各用户偏好标签下的关联性应用;按所述第一映射关系中的偏好比例,向用户推送与用户偏好的应用类型相关的偏好标签下的关联性应用。本发明还公开了一种终端,按上述方法进行控制。本发明可实现为用户推送个性化应用。
Description
技术领域
本发明涉及移动通信技术领域,尤其涉及一种应用的推送方法及终端。
背景技术
随着通信技术的发展,终端已经得到广泛应用。应用推送终端通过在终端平台提供客户端,并通过客户端向用户推送应用,可有效提高终端应用下载量,拉升应用推送终端活跃度,增加用户粘性。
现有的应用推送终端通常通过分析用户的行为数据,对用户和应用之间的相关度进行计算,从而给用户精准推荐符合其需求及兴趣的应用。目前协同过滤算法是这一领域的主流,基本思想是根据用户之前的喜好以及其他兴趣相近的用户的选择通过人工归纳的方式来给用户推荐应用。协同过滤算法在准确性上具有相当的优势,但仍然存在推荐同质化、无法为用户提供个性化应用推送的缺陷,用户体验性较差。
发明内容
本发明提供了一种应用的推送方法及终端,用以解决现有的应用推送终端需要人工进行数据归纳、推送的应用同质化,用户体验差的问题。
本发明实施例一方面提供一种应用的推送方法,包括:
接收用户对应用的倾向性操作;
根据所述倾向性操作对应应用的类型,生成第一映射关系,所述第一映射关系用于量化各用户对不同类型的应用的偏好比例;
根据所述倾向性操作对应应用的标签,生成第二映射关系,所述第二映射关系用于量化各用户对不同标签的应用的偏好比例;
根据各应用与所述标签的相关度,确定不同标签下的关联性应用;
根据所述第二映射关系和所述不同标签下的关联性应用,生成第三映射关系,所述第三映射关系用于确定各用户偏好标签下的关联性应用;
按所述第一映射关系中的偏好比例,向用户推送与用户偏好的应用类型相关的偏好标签下的关联性应用。
另一方面,本发明实施例还提供了一种终端,包括:
接收模块,用于接收用户对应用的倾向性操作;
第一生成模块,用于根据所述倾向性操作对应应用的类型,生成第一映射关系,所述第一映射关系用于量化各用户对不同类型的应用的偏好比例;
第二生成模块,用于根据所述倾向性操作对应应用的标签,生成第二映射关系,所述第二映射关系用于量化各用户对不同标签的应用的偏好比例;
第一确定模块,用于根据各应用与所述标签的相关度,确定不同标签下的关联性应用;
第三生成模块,用于根据所述第二映射关系和所述不同标签下的关联性应用,生成第三映射关系,所述第三映射关系用于确定各用户偏好标签下的关联性应用;
推送模块,用于按所述第一映射关系中的偏好比例,向用户推送与用户偏好的应用类型相关的偏好标签下的关联性应用。
本发明实施例通过接收用户对应用的倾向性操作,并根据倾向性操作量化用户对不同类型、不同标签应用的偏好比例,即第一映射关系和第二映射关系,同时获取应用与标签的相关度,确定各标签对应的关联性应用,根据第二映射关系,按比例确定用户偏好标签下的关联性应用,最终根据第一映射关系,按比例确定用户偏好的应用类型相关偏好标签下的关联性应用,相较于传统的人工推送方案而言,实现了应用推送的完全自动化,节约了应用推送终端的时间和人力成本,实现为用户提供个性化的应用推送方案,提升了用户的使用体验。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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他的附图。
图1是本发明应用的推送方法的第一实施例的流程示意图;
图2是本发明应用的推送方法的第二实施例的流程示意图;
图3是本发明终端的第一实施例的结构示意图;
图4是本发明终端的第二实施例的结构示意图;
图5是本发明另一个实施例的终端的框图。
具体实施方式
为了使本发明所解决的技术问题、技术方案及有益效果更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
请参照图1,是本发明的应用的推送方法的第一实施例的流程示意图。该应用的推送方法包括:
S101,接收用户对应用的倾向性操作。
在本实施例中,上述倾向性操作包括下载、评分、关注和付费操作,用户对所有应用的倾向性操作均会被应用推送终端记录,示例性的,用户购买应用或游戏道具的操作被归为付费操作。各种不同类型的倾向性操作的权重可以是不同的,同一类型的不同的倾向性操作的权重也可以是不同的,示例性的,好评操作的权重可以大于差评操作的权重,差评操作的权重可以是负值。
S102,根据倾向性操作对应应用的类型,生成第一映射关系,第一映射关系用于量化各用户对不同类型的应用的偏好比例。
在本实施例中,应用类型包括非游戏类应用、单机游戏和网络游戏,应用推送终端可以根据用户对不同类型应用的倾向性操作,量化出用户对应用类型的偏好,示例性的,用户对非游戏类应用、单机游戏和网络游戏的偏好比例可以是2:1:1。
S103,根据倾向性操作对应应用的标签,生成第二映射关系,第二映射关系用于量化各用户对不同标签的应用的偏好比例。
在本实施例中,应用标签包括如系统安全、通讯社交、角色扮演、动作冒险等数十种。和上一步骤类似,应用推送终端可以根据用户对不同标签应用的倾向性操作,量化出用户对应用标签的偏好,示例性的,系统安全、通讯社交、角色扮演、动作冒险的偏好比例可以是2:1:1:1。
S104,根据各应用与标签的相关度,确定不同标签下的关联性应用。
在本实施例中,通过各应用与标签的相关度,对不同标签下的应用进行排序,将与标签具有高相关度的应用作为关联性应用,作为一种实现方式,相关度可以通过数值的方式进行量化,示例性的,当某一应用的相关度大于预设阈值时,则确定该应用为对应标签下的关联性应用。
S105,根据第二映射关系和不同标签下的关联性应用,生成第三映射关系,第三映射关系用于确定各用户偏好标签下的关联性应用。
在本实施例中,第三映射关系可以通过第二映射关系中的偏好比例,确定用户偏好标签下的关联性应用。示例性的,若用户对标签系统安全、通讯社交、角色扮演、动作冒险的偏好比例是2:1:1:1,则确定用户偏好的对应标签下的关联性应用的数量比为2:1:1:1。
S106,按第一映射关系中的偏好比例,向用户推送与用户偏好的应用类型相关的偏好标签下的关联性应用。
在本实施例中,最终向用户推送的关联性应用需同时满足第一映射关系和第二映射关系中的偏好比例。示例性的,若用户对非游戏类应用、单机游戏和网络游戏的偏好比例是2:1:1,若标签系统安全、通信社交为非游戏类应用,角色扮演为网络游戏、动作冒险为单机游戏,结合用户对标签系统安全、通讯社交、角色扮演、动作冒险的偏好比例是1:3:2:2,则向用户推送关联性应用的数量分别为系统安全n个、通讯社交3n个、角色扮演2n个、动作冒险2n个,n取正整数。
本发明实施例通过接收用户对应用的倾向性操作,并根据倾向性操作量化用户对不同类型、不同标签应用的偏好比例,即第一映射关系和第二映射关系,同时获取应用与标签的相关度,确定各标签对应的关联性应用,根据第二映射关系,按比例确定用户偏好标签下的关联性应用,最终根据第一映射关系,按比例确定用户偏好的应用类型相关偏好标签下的关联性应用,相较于传统的人工推送方案而言,实现了应用推送的完全自动化,节约了应用推送终端的时间和人力成本,实现为用户提供个性化的应用推送方案,提升了用户的使用体验。
请参考图2,是本发明的应用的推送方法的第二实施例的流程示意图。与上述第一实施例不同的是,本发明实施例提供一种客观判断应用与标签关联性的方法、同时,在向用户推送应用前,对应用进行质量评分,能有效保障将优质相关应用推送给用户。该应用的推送方法包括:
S201,接收用户对应用的倾向性操作。
此步骤与第一实施例的对应步骤相同,这里不再赘述。
S202,根据倾向性操作对应应用的类型,生成第一映射关系,第一映射关系用于量化各用户对不同类型的应用的偏好比例。
此步骤与第一实施例的对应步骤相同,这里不再赘述。
S203,根据倾向性操作对应应用的标签,生成第二映射关系,第二映射关系用于量化各用户对不同标签的应用的偏好比例。
此步骤与第一实施例的对应步骤相同,这里不再赘述。
S204,确定不同标签下对应的所有用户。
本步骤用于确定各标签下所有用户的数量,示例性的,若某用户对通讯社交、角色扮演的应用进行了倾向性操作,则该用户被确定为通讯社交、角色扮演标签下对应的用户。
S205,获取第一下载比例,第一下载比例为各应用在不同标签对应的所有用户中的下载比例。
本步骤用于获取各应用与各标签的相关性,示例性的,若facebook在通讯社交标签下所有用户的下载比例为60%,而facebook在角色扮演标签下所有用户的下载比例为20%。则说明facebook与通讯社交标签的相关性更高。
S206,获取第二下载比例,第二下载比例为各应用在所有用户中的下载比例。
本步骤用于获取各应用的下载热门情况,示例性的,以facebook的总下载量占用户总数的30%为例。
S207,根据第一下载比例和第二下载比例,确定各应用与标签的相关度。
在本步骤中,可通过第一下载比例和第二下载比例得出各应用与标签的相关度。作为一种优选实施方案,相关度可以为第一下载比例和第二下载比例的比值。结合上述示例,facebook与通讯社交标签的相关度为2,与角色扮演标签的相关度为0.67,数值越大表示相关度越高。作为进一步优选方案,当第一下载比例小于第二下载比例时,相关度取负值,故facebook与通讯社交标签的相关度为2,与角色扮演标签的相关度为-0.67。
S208,根据各应用与标签的相关度,确定不同标签下的关联性应用。
本步骤具体为:根据第一下载比例和第二下载比例的比值,确定比值较大的应用为对应标签下的关联性应用。通过上述示例可以得出,facebook为通讯社交标签下的关联性应用。
S209,根据第二映射关系和不同标签下的关联性应用,生成第三映射关系,第三映射关系用于确定各用户偏好标签下的关联性应用。
此步骤与第一实施例的对应步骤相同,这里不再赘述。
S210,根据各应用接收到的所有倾向性操作,对各应用进行质量评分。
示例性的,当一个应用的下载、关注量较大和评分较高、且付费操作较多时,判断该应用的质量评分高,相反该应用的质量评分则低。
S211,根据第三映射关系和质量评分,确定各用户的个性化应用。
在本实施例中,个性化应用是为用户个性定制的、高质量评分且与应用标签具有高相关度的应用。示例性的,可以通过总分S=S1*A+S2*B得到,其中S1表示应用的质量评分、S2表示应用与标签的相关度,A、B表示权重,为应用推送平台预设。将各应用按总分S由高到低的顺序进行排序,取排序靠前的X个应用作为个性化应用,其中,X为预设推荐结果个数。
S212,按第一映射关系中的偏好比例,向用户推送个性化应用。
此步骤与第一实施例的对应步骤相同,这里不再赘述。
与传统的应用开发商对应用进行标签分类不同的是,本发明实施例通过第一下载比例和第二下载比例确定应用与标签的相关度,通过数据统计最大限度的避免商业和个人因素影响对应用的标签划分的准确性;同时,本发明实施例通过所有用户对应用的倾向性操作,判断应用质量,客观准确,能有效保障将优质相关应用推送给用户。
请参考图3,是本发明的终端的第一实施例的结构示意图,用于实现上述方法的第一实施例中的应用的推送方法。终端100包括接收模块110、第一生成模块120、第二生成模块130、第一确定模块140、第三生成模块150和推送模块160。
其中,接收模块110,与第一生成模块120和第二生成模块130连接,用于接收用户对应用的倾向性操作。
在本实施例中,上述倾向性操作包括下载、评分、关注和付费操作,用户对所有应用的倾向性操作均会被应用推送终端记录,示例性的,用户购买应用或游戏道具的操作被归为付费操作。各种不同类型的倾向性操作的权重可以是不同的,同一类型的不同的倾向性操作的权重也可以是不同的,示例性的,好评操作的权重可以大于差评操作的权重,差评操作的权重可以是负值。
第一生成模块120,用于根据倾向性操作对应应用的类型,生成第一映射关系,第一映射关系用于量化各用户对不同类型的应用的偏好比例。
在本实施例中,应用类型至少包括非游戏类应用、单机游戏和网络游戏,应用推送终端可以根据用户对不同类型应用的倾向性操作,量化出用户对应用类型的偏好,示例性的,用户对非游戏类应用、单机游戏和网络游戏的偏好比例可以是2:1:1。
第二生成模块130,与第一确定模块140连接,用于根据倾向性操作对应应用的标签,生成第二映射关系,第二映射关系用于量化各用户对不同标签的应用的偏好比例。
在本实施例中,应用标签包括如系统安全、通讯社交、角色扮演、动作冒险等数十种。和上一模块类似,应用推送终端可以根据用户对不同标签应用的倾向性操作,量化出用户对应用标签的偏好,示例性的,系统安全、通讯社交、角色扮演、动作冒险的偏好比例可以是2:1:1:1。
第一确定模块140,与第三生成模块150连接,用于根据各应用与标签的相关度,确定不同标签下的关联性应用。
在本实施例中,通过各应用与标签的相关度,对不同标签下的应用进行排序,将与标签具有高相关度的应用作为关联性应用,作为一种实现方式,相关度可以通过数值的方式进行量化,示例性的,当某一应用的相关度大于预设阈值时,则确定该应用为对应标签下的关联性应用。
第三生成模块150,与推送模块160连接,用于根据第二映射关系和不同标签下的关联性应用,生成第三映射关系,第三映射关系用于确定各用户偏好标签下的关联性应用。
在本实施例中,第三映射关系可以通过第二映射关系中的偏好比例,确定用户偏好标签下的关联性应用。示例性的,若用户对标签系统安全、通讯社交、角色扮演、动作冒险的偏好比例是2:1:1:1,则确定用户偏好的对应标签下的关联性应用的数量比为2:1:1:1。
推送模块160,用于按第一映射关系中的偏好比例,向用户推送与用户偏好的应用类型相关的偏好标签下的关联性应用。
在本实施例中,最终向用户推送的关联性应用需同时满足第一映射关系和第二映射关系中的偏好比例。示例性的,若用户对非游戏类应用、单机游戏和网络游戏的偏好比例是2:1:1,若标签系统安全、通信社交为非游戏类应用,角色扮演为网络游戏、动作冒险为单机游戏,结合用户对标签系统安全、通讯社交、角色扮演、动作冒险的偏好比例是1:3:2:2,则向用户推送关联性应用的数量分别为系统安全n个、通讯社交3n个、角色扮演2n个、动作冒险2n个,n取正整数。
本发明实施例通过接收用户对应用的倾向性操作,并根据倾向性操作量化用户对不同类型、不同标签应用的偏好比例,即第一映射关系和第二映射关系,同时获取应用与标签的相关度,确定各标签对应的关联性应用,根据第二映射关系,按比例确定用户偏好标签下的关联性应用,最终根据第一映射关系,按比例确定用户偏好的应用类型相关偏好标签下的关联性应用,相较于传统的人工推送方案而言,实现了应用推送的完全自动化,节约了应用推送终端的时间和人力成本,实现为用户提供个性化的应用推送方案,提升了用户的使用体验。
请参考图4,是本发明的终端的第二实施例的结构示意图。用于实现上述方法的第二实施例中的应用的推送方法。接收模块210第一生成模块220、第二生成模块230、第一确定模块240、第三生成模块250、评分模块260、第二确定模块270和推送模块280。
其中,接收模块210,与第一生成模块220和第二生成模块230连接,用于接收用户对应用的倾向性操作。
此模块与第一实施例的对应模块相同,这里不再赘述。
第一生成模块220,用于根据倾向性操作对应应用的类型,生成第一映射关系,第一映射关系用于量化各用户对不同类型的应用的偏好比例。
此模块与第一实施例的对应模块相同,这里不再赘述。
第二生成模块230,与第一确定模块240连接,用于根据倾向性操作对应应用的标签,生成第二映射关系,第二映射关系用于量化各用户对不同标签的应用的偏好比例。
此模块与第一实施例的对应模块相同,这里不再赘述。
第一确定模块240,与第三生成模块250连接,包括第一确定单元241、第一获取单元242、第二获取单元243、第二确定单元244和第三确定单元245。
其中,第一确定单元241,与第一获取单元242连接,用于确定不同标签下对应的所有用户。
本单元用于确定各标签下所有用户的数量,示例性的,若某用户对通讯社交、角色扮演的应用进行了倾向性操作,则该用户被确定为通讯社交、角色扮演标签下对应的用户。
第一获取单元242,与第二获取单元243连接,用于获取第一下载比例,第一下载比例为各应用在不同标签对应的所有用户中的下载比例。
本单元用于获取各应用与各标签的相关性,示例性的,若facebook在通讯社交标签下所有用户的下载比例为60%,而facebook在角色扮演标签下所有用户的下载比例为20%。则说明facebook与通讯社交标签的相关性更高。
第二获取单元243,与第二确定单元244连接,用于获取第二下载比例,第二下载比例为各应用在所有用户中的下载比例。
本单元用于获取各应用的下载热门情况,示例性的,以facebook的总下载量占用户总数的30%为例。
第二确定单元244,与第三确定单元245连接,用于根据第一下载比例和第二下载比例,确定各应用与标签的相关度。
第二确定单元244可通过预设算法利用第一下载比例和第二下载比例得出各应用与标签的相关度。具体算法可以由本领域技术人员在掌握本发明意图后,通过有限次试验得出,不作为对本发明保护范围的限定。作为一种优选实施方案,相关度可以为第一下载比例和第二下载比例的比值。结合上述示例,facebook与通讯社交标签的相关度为2,与角色扮演标签的相关度为0.67,数值越大表示相关度越高。作为进一步优选方案,当第一下载比例小于第二下载比例时,相关度取负值,故facebook与通讯社交标签的相关度为2,与角色扮演标签的相关度为-0.67。
第三确定单元245,用于根据各应用与标签的相关度,确定不同标签下的关联性应用。
在本实施例中,本第三确定单元245具体用于:根据第一下载比例和第二下载比例的比值,确定比值较大的应用为对应标签下的关联性应用。通过上述示例可以得出,facebook为通讯社交标签下的关联性应用。
第三生成模块250,与评分模块260连接,用于根据第二映射关系和不同标签下的关联性应用,生成第三映射关系,第三映射关系用于确定各用户偏好标签下的关联性应用。
此模块与第一实施例的对应模块相同,这里不再赘述。
评分模块260,与第二确定模块270连接,用于根据各应用接收到的所有倾向性操作,对各应用进行质量评分。
示例性的,当一个应用的下载、关注量较大、评分较高、且付费操作较多时,判断该应用的质量评分高,相反该应用的质量评分则低。
第二确定模块270,与推送模块280连接,用于根据第三映射关系和质量评分,确定各用户的个性化应用。
在本实施例中,个性化应用是为用户个性定制的、高质量评分且与应用标签具有高相关度的应用。示例性的,可以通过总分S=S1*A+S2*B得到,其中S1表示应用的质量评分、S2表示应用与标签的相关度,A、B表示权重,为应用推送平台预设。将各应用按总分S由高到低的顺序进行排序,取排序靠前的X个应用作为个性化应用,其中,X为预设推荐结果个数。
推送模块280,用于按第一映射关系中的偏好比例,向用户推送个性化应用。
此模块与第一实施例的对应模块相同,这里不再赘述。
与传统的应用开发商对应用进行标签分类不同的是,本发明实施例通过第一下载比例和第二下载比例确定应用与标签的相关度,通过数据统计最大限度的避免商业和个人因素影响对应用的标签划分的准确性;同时,本发明实施例通过所有用户对应用的倾向性操作,判断应用质量,客观准确,能有效保障将优质相关应用推送给用户。
图5是本发明另一个实施例的终端的框图。图5所示的终端500包括:至少一个处理器501、存储器502、至少一个网络接口504和用户接口503。终端500中的各个组件通过总线系统505耦合在一起。可理解,总线系统505用于实现这些组件之间的连接通信。总线系统505除包括数据总线之外,还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见,在图5中将各种总线都标为总线系统505。
其中,用户接口503可以包括本发明终端500为各移动终端用户提供的客户端。
可以理解,本发明实施例中的存储器502可以是易失性存储器或非易失性存储器,或可包括易失性和非易失性存储器两者。其中,非易失性存储器可以是只读存储器(Read-OnlyMemory,ROM)、可编程只读存储器(ProgrammableROM,PROM)、可擦除可编程只读存储器(ErasablePROM,EPROM)、电可擦除可编程只读存储器(ElectricallyEPROM,EEPROM)或闪存。易失性存储器可以是随机存取存储器(RandomAccessMemory,RAM),其用作外部高速缓存。通过示例性但不是限制性说明,许多形式的RAM可用,例如静态随机存取存储器(StaticRAM,SRAM)、动态随机存取存储器(DynamicRAM,DRAM)、同步动态随机存取存储器(SynchronousDRAM,SDRAM)、双倍数据速率同步动态随机存取存储器(DoubleDataRateSDRAM,DDRSDRAM)、增强型同步动态随机存取存储器(Enhanced SDRAM,ESDRAM)、同步连接动态随机存取存储器(SynchlinkDRAM,SLDRAM)和直接内存总线随机存取存储器(DirectRambusRAM,DRRAM)。本文描述的系统和方法的存储器502旨在包括但不限于这些和任意其它适合类型的存储器。
在一些实施方式中,存储器502存储了如下的元素,预设阈值,可执行模块或者数据结构,或者他们的子集,或者他们的扩展集:操作系统5021和应用程序5022。
其中,操作系统5021,包含各种系统程序,例如框架层、核心库层、驱动层等,用于实现各种基础业务以及处理基于硬件的任务。应用程序5022,包含各种应用程序,例如媒体播放器(MediaPlayer)、浏览器(Browser)等,用于实现各种应用业务。实现本发明实施例方法的程序可以包含在应用程序5022中。
在本发明实施例中,通过调用存储器502存储的程序或指令,具体的,可以是应用程序5022中存储的程序或指令,处理器501用于接收用户对应用的倾向性操作;根据所述倾向性操作对应应用的类型,生成第一映射关系,所述第一映射关系用于量化各用户对不同类型的应用的偏好比例;根据所述倾向性操作对应应用的标签,生成第二映射关系,所述第二映射关系用于量化各用户对不同标签的应用的偏好比例;根据各应用与所述标签的相关度,确定不同标签下的关联性应用;根据所述第二映射关系和所述不同标签下的关联性应用,生成第三映射关系,所述第三映射关系用于确定各用户偏好标签下的关联性应用;按所述第一映射关系中的偏好比例,通过客户端向用户推送与用户偏好的应用类型相关的偏好标签下的关联性应用。
上述本发明实施例揭示的方法可以应用于处理器501中,或者由处理器501实现。处理器501可能是一种集成电路芯片,具有信号的处理能力。在实现过程中,上述方法的各步骤可以通过处理器501中的硬件的集成逻辑电路或者软件形式的指令完成。
上述的处理器501可以是通用处理器、数字信号处理器(DigitalSignalProcessor,DSP)、专用集成电路(ApplicationSpecificIntegratedCircuit AS IC)、现成可编程门阵列(FieldProgrammableGateArray,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成,或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器,闪存、只读存储器,可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器502,处理器501读取存储器502中的信息,结合其硬件完成上述方法的步骤。
可以理解的是,本文描述的这些实施例可以用硬件、软件、固件、中间件、微码或其组合来实现。对于硬件实现,处理单元可以实现在一个或多个专用集成电路(ApplicationSpecificIntegratedCircuits,ASIC)、数字信号处理器(DigitalSignalProcessing,DSP)、数字信号处理设备(DSPDevice,DSPD)、可编程逻辑设备(ProgrammableLogicDevice,PLD)、现场可编程门阵列(Field-ProgrammableGateArray,FPGA)、通用处理器、控制器、微控制器、微处理器、用于执行本申请所述功能的其它电子单元或其组合中。
对于软件实现,可通过执行本文所述功能的模块(例如过程、函数等)来实现本文所述的技术。软件代码可存储在存储器中并通过处理器执行。存储器可以在处理器中或在处理器外部实现。
可选地,作为另一个实施例,处理器501还用于根据各应用接收到的所有所述倾向性操作,对各应用进行质量评分;以及根据第三映射关系和所述质量评分,确定各用户的个性化应用;行数按所述第一映射关系中的偏好比例,向用户推送与用户偏好的应用类型相关的偏好标签下的关联性应用的操作,具体为:按所述第一映射关系中的偏好比例,向用户推送所述个性化应用。
可选的,作为另一个实施例,处理器501还用于确定不同标签下对应的所有用户;获取第一下载比例,所述第一下载比例为各应用在所述不同标签对应的所有用户中的下载比例;获取第二下载比例,所述第二下载比例为各应用在所有用户中的下载比例;根据所述第一下载比例和所述第二下载比例,确定各应用与所述标签的相关度;并根据各应用与所述标签的相关度,确定不同标签下的关联性应用。
可选的,作为另一个实施例,处理器501还用于根据所述第一下载比例和所述第二下载比例的比值,确定所述比值较大的应用为对应标签下的关联性应用。
终端500能够实现前述实施例中终端实现的各个过程,为避免重复,这里不再赘述。本发明实施例通过接收用户对应用的倾向性操作,并根据倾向性操作量化用户对不同类型、不同标签应用的偏好比例,即第一映射关系和第二映射关系,同时获取应用与标签的相关度,确定各标签对应的关联性应用,根据第二映射关系,按比例确定用户偏好标签下的关联性应用,最终根据第一映射关系,按比例确定用户偏好的应用类型相关偏好标签下的关联性应用,相较于传统的人工推送方案而言,实现了应用推送的完全自动化,节约了应用推送终端的时间和人力成本,实现为用户提供个性化的应用推送方案,提升了用户的使用体验。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将装置的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露终端和应用的推送方法,可以通过其它的方式实现。例如,以上所描述的终端的实施例仅仅是示意性的,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,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单元中,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单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(processor)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种应用的推送方法,其特征在于,包括:
接收用户对应用的倾向性操作;
根据所述倾向性操作对应应用的类型,生成第一映射关系,所述第一映射关系用于量化各用户对不同类型的应用的偏好比例;
根据所述倾向性操作对应应用的标签,生成第二映射关系,所述第二映射关系用于量化各用户对不同标签的应用的偏好比例;
根据各应用与所述标签的相关度,确定不同标签下的关联性应用;
根据所述第二映射关系和所述不同标签下的关联性应用,生成第三映射关系,所述第三映射关系用于确定各用户偏好标签下的关联性应用;
按所述第一映射关系中的偏好比例,向用户推送与用户偏好的应用类型相关的偏好标签下的关联性应用。
2.根据权利要求1所述的应用的推送方法,其特征在于,所述根据所述第二映射关系和所述不同标签下的关联性应用,生成第三映射关系,所述第三映射关系用于确定各用户偏好标签下的关联性应用的步骤之后,还包括:
根据各应用接收到的所有所述倾向性操作,对各应用进行质量评分;
根据第三映射关系和所述质量评分,确定各用户的个性化应用;
所述按所述第一映射关系中的偏好比例,向用户推送与用户偏好的应用类型相关的偏好标签下的关联性应用的步骤,具体为:
按所述第一映射关系中的偏好比例,向用户推送所述个性化应用。
3.根据权利要求1所述的应用的推送方法,其特征在于,根据各应用与所述标签的相关度,确定不同标签下的关联性应用的步骤,包括:
确定不同标签下对应的所有用户;
获取第一下载比例,所述第一下载比例为各应用在所述不同标签对应的所有用户中的下载比例;
获取第二下载比例,所述第二下载比例为各应用在所有用户中的下载比例;
根据所述第一下载比例和所述第二下载比例,确定各应用与所述标签的相关度;
根据各应用与所述标签的相关度,确定不同标签下的关联性应用。
4.根据权利要求3所述的应用的推送方法,其特征在于,所述根据各应用与所述标签的相关度,确定不同标签下的关联性应用的步骤,具体为:
根据所述第一下载比例和所述第二下载比例的比值,确定所述比值较大的应用为对应标签下的关联性应用。
5.根据权利要求1至4任一项所述的应用的推送方法,其特征在于,所述倾向性操作包括下载、评分、关注和付费操作。
6.一种终端,其特征在于,包括:
接收模块,用于接收用户对应用的倾向性操作;
第一生成模块,用于根据所述倾向性操作对应应用的类型,生成第一映射关系,所述第一映射关系用于量化各用户对不同类型的应用的偏好比例;
第二生成模块,用于根据所述倾向性操作对应应用的标签,生成第二映射关系,所述第二映射关系用于量化各用户对不同标签的应用的偏好比例;
第一确定模块,用于根据各应用与所述标签的相关度,确定不同标签下的关联性应用;
第三生成模块,用于根据所述第二映射关系和所述不同标签下的关联性应用,生成第三映射关系,所述第三映射关系用于确定各用户偏好标签下的关联性应用;
推送模块,用于按所述第一映射关系中的偏好比例,向用户推送与用户偏好的应用类型相关的偏好标签下的关联性应用。
7.根据权利要求6所述的终端,其特征在于,还包括:
评分模块,用于根据各应用接收到的所有所述倾向性操作,对各应用进行质量评分;
第二确定模块,用于根据第三映射关系和所述质量评分,确定各用户的个性化应用;
所述推送模块,具体用于按所述第一映射关系中的偏好比例,向用户推送所述个性化应用。
8.根据权利要求6所述的终端,其特征在于,所述第一确定模块,包括:
第一确定单元,用于确定不同标签下对应的所有用户;
第一获取单元,用于获取第一下载比例,所述第一下载比例为各应用在所述不同标签对应的所有用户中的下载比例;
第二获取单元,用于获取第二下载比例,所述第二下载比例为各应用在所有用户中的下载比例;
第二确定单元,用于根据所述第一下载比例和所述第二下载比例,确定各应用与所述标签的相关度;
第三确定单元,用于根据各应用与所述标签的相关度,确定不同标签下的关联性应用。
9.根据权利要求8所述的终端,其特征在于,所述第三确定单元,具体用于:
根据所述第一下载比例和所述第二下载比例的比值,确定所述比值较大的应用为对应标签下的关联性应用。
10.根据权利要求6至9任一项所述的终端,其特征在于,所述倾向性操作包括下载、评分、关注和付费操作。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610109741.2A CN105787053B (zh) | 2016-02-26 | 2016-02-26 | 应用的推送方法及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610109741.2A CN105787053B (zh) | 2016-02-26 | 2016-02-26 | 应用的推送方法及终端 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105787053A CN105787053A (zh) | 2016-07-20 |
CN105787053B true CN105787053B (zh) | 2019-05-17 |
Family
ID=56403902
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610109741.2A Active CN105787053B (zh) | 2016-02-26 | 2016-02-26 | 应用的推送方法及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105787053B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106682169B (zh) * | 2016-12-27 | 2020-09-18 | 北京奇虎科技有限公司 | 一种应用标签挖掘方法、装置和应用搜索方法、服务器 |
CN109508227B (zh) * | 2017-09-15 | 2021-06-22 | 阿里巴巴(中国)有限公司 | 应用分析方法、装置、计算设备以及存储介质 |
CN110287408A (zh) * | 2019-05-23 | 2019-09-27 | 上海拍拍贷金融信息服务有限公司 | 一种定制化推送金融产品的方法及系统 |
CN111079023B (zh) * | 2019-12-30 | 2023-06-16 | Oppo广东移动通信有限公司 | 目标帐户的识别方法、装置、终端及存储介质 |
CN114782150B (zh) * | 2022-06-21 | 2022-09-13 | 北京梦幻天下科技有限公司 | 一种基于金融产品定向筛选的金融产品推荐方法和系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101616356A (zh) * | 2009-07-31 | 2009-12-30 | 卓望数码技术(深圳)有限公司 | 一种无线数据业务产品信息推送方法及系统 |
CN102880501B (zh) * | 2012-07-24 | 2016-05-25 | 北京奇虎科技有限公司 | 应用推荐的实现方法、装置和系统 |
CN102999588A (zh) * | 2012-11-15 | 2013-03-27 | 广州华多网络科技有限公司 | 一种多媒体应用的推荐方法和系统 |
CN103544212B (zh) * | 2013-09-09 | 2017-04-05 | Tcl集团股份有限公司 | 一种内容推荐方法及系统 |
-
2016
- 2016-02-26 CN CN201610109741.2A patent/CN105787053B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN105787053A (zh) | 2016-07-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105787053B (zh) | 应用的推送方法及终端 | |
Simon et al. | Adaptive enrichment designs for clinical trials | |
CN104317649B (zh) | 终端应用程序app的处理方法、装置及终端 | |
CN102937995B (zh) | 一种交互信息处理方法及装置 | |
CN104504133A (zh) | 应用程序的推荐方法及装置 | |
CN108763519A (zh) | 阅读的推荐方法、装置及可读存储介质 | |
CN107911491A (zh) | 信息推荐方法、装置及存储介质、服务器和移动终端 | |
CN109685559A (zh) | 基于大数据分析的抽奖方法、装置、设备及存储介质 | |
CN104765751A (zh) | 应用推荐方法及装置 | |
CN105912599A (zh) | 终端应用程序的排名方法及终端 | |
CN105993028A (zh) | 用于内容推荐的方法、设备、以及系统 | |
CN104835056A (zh) | 信息推送方法及信息推送系统 | |
CN108132963A (zh) | 资源推荐方法和装置、计算设备和存储介质 | |
CN103916436A (zh) | 信息推送方法、装置、终端及服务器 | |
CN110276017A (zh) | 一种数据分析方法及装置 | |
CN110474944A (zh) | 网络信息的处理方法、装置及存储介质 | |
CN108055320A (zh) | 资源下载的处理方法、终端设备及计算机可读存储介质 | |
CN108875031A (zh) | 电子书阅读互动方法、装置、电子设备及计算机可读存储介质 | |
CN108345419A (zh) | 一种信息推荐列表的生成方法及装置 | |
CN103064888B (zh) | 一种信息发布方法及装置 | |
CN107566250A (zh) | 一种资源转移方法、相关设备及系统 | |
CN109190042A (zh) | 一种应用推荐方法和装置 | |
CN109325810A (zh) | 充值转化的提高方法、电子设备及计算机存储介质 | |
CN106815285A (zh) | 基于视频网站的视频推荐的方法、装置及电子设备 | |
CN109522401A (zh) | 一种信息推荐方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |