CN105808743B - 终端推荐方法和终端推荐系统 - Google Patents

终端推荐方法和终端推荐系统 Download PDF

Info

Publication number
CN105808743B
CN105808743B CN201610140732.XA CN201610140732A CN105808743B CN 105808743 B CN105808743 B CN 105808743B CN 201610140732 A CN201610140732 A CN 201610140732A CN 105808743 B CN105808743 B CN 105808743B
Authority
CN
China
Prior art keywords
types
terminals
terminal
interest
default application
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
Application number
CN201610140732.XA
Other languages
English (en)
Other versions
CN105808743A (zh
Inventor
杨宇
李希金
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
China United Network Communications Group Co Ltd
Original Assignee
China United Network Communications Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by China United Network Communications Group Co Ltd filed Critical China United Network Communications Group Co Ltd
Priority to CN201610140732.XA priority Critical patent/CN105808743B/zh
Publication of CN105808743A publication Critical patent/CN105808743A/zh
Application granted granted Critical
Publication of CN105808743B publication Critical patent/CN105808743B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明公开了一种终端推荐方法和终端推荐系统，其中该终端推荐方法包括：根据各类型终端的用户在预设时间段内分别使用各预设应用的平均总上网时长和平均总上网流量，生成各类型所述终端分别对各所述预设应用的兴趣评分；根据各类型所述终端对各所述预设应用的所述兴趣评分，生成各类型所述终端对应的特征肖像；根据各类型所述终端对应的所述特征肖像，采用预设聚类算法对各类型所述终端进行聚类，得到若干个分类组；根据聚类结果，向各类型所述终端推荐属于同一所述分类组中的其他类型终端。本发明的技术方案能构向各类型终端的用户推荐出满足用户自身实际需求的终端，因而具有较好的推荐效果。

Description

终端推荐方法和终端推荐系统
技术领域
本发明涉及信息技术领域，特别涉及一种终端推荐方法和终端推荐系统。
背景技术
移动互联网进入了一个快速的发展时期，移动终端作为接入移动互联网的设备也得到了迅猛发展，各种智能移动终端不断涌现，呈现出了多样化、个性化、定制化的发展趋势。
现有的智能终端推荐方法，主要是通过用户信息(性别、年龄等)或终端特征(系统类型、屏幕分辨率、颜色等)向用户进行推荐。例如，向女性用户推荐一些具有精美外管的移动终端、向学生用户推荐一些价格适中的移动终端、向白领用户推荐一些具有高配置的移动终端等。
由上述内容可见，现有技术中的推荐方法均是依靠主观经验来判断来进行终端推荐的，其无法感知用户的真正需求，因而无法推荐出满足用户心意的终端。
发明内容
本发明提供一种终端推荐方法和终端推荐系统，可向用户的推荐满足用户自身心意的终端，从而提升用户体验。
为实现上述目的，本发明提供了一种终端推荐方法，包括：
步骤S1、根据各类型终端的用户在预设时间段内分别使用各预设应用的平均总上网时长和平均总上网流量，生成各类型所述终端分别对各所述预设应用的兴趣评分；
步骤S2、根据各类型所述终端对各所述预设应用的所述兴趣评分，生成各类型所述终端对应的特征肖像；
步骤S3、根据各类型所述终端对应的所述特征肖像，采用预设聚类算法对各类型所述终端进行聚类，得到若干个分类组；
步骤S4、根据聚类结果，向各类型所述终端推荐属于同一所述分类组中的其他类型终端。
可选地，在所述步骤S1之前还包括：
步骤S0、获取各类型终端在预设时间段内使用各预设应用的平均总上网时长和平均总上网流量。
可选地，所述步骤S1包括：
步骤S101、对各类型所述终端对应于同一所述预设应用的所述平均总上网时长和平均总上网流量分别进行排序；
步骤S102、根据所述平均总上网时长的排序结果和第一预设权值赋予规则，确定各类型所述终端对该预设应用的第一兴趣权值；
步骤S103、根据所述平均总上网流量的排序结果和第二预设权值赋予规则，确定各类型所述终端对该预设应用的第二兴趣权值；
步骤S104、根据各类型所述终端对该预设应用的所述第一兴趣权值和所述第二兴趣权值，计算出各类型所述终端对该预设应用的兴趣评分。
可选地，所述终端对所述预设应用的兴趣评分等于该终端对该预设应用的所述第一兴趣权值与所述第二兴趣权值之和。
可选地，所述预设聚类算法包括：K-means算法。
为实现上述目的，本发明还提供了一种终端推荐系统，包括：
兴趣评分生成单元，用于根据各类型终端在预设时间段内分别使用各预设应用的平均总上网时长和平均总上网流量，生成各类型所述终端分别对各所述预设应用的兴趣评分；
特征肖像生成单元，用于根据各类型所述终端对各所述预设应用的所述兴趣评分，生成各类型所述终端对应的特征肖像；
聚类单元，用于根据各类型所述终端对应的所述特征肖像，采用预设聚类算法对各类型所述终端进行聚类，得到若干个分类组；
推荐单元，用于根据聚类结果，向各类型所述终端推荐属于同一所述分类组中的其他类型终端。
可选地，还包括：
获取单元，用于获取各类型终端在预设时间段内使用各预设应用的平均总上网时长和平均总上网流量。
可选地，所述兴趣评分生成单元包括：
排序模块，用于对各类型所述终端对应于同一所述预设应用的所述平均总上网时长和平均总上网流量分别进行排序；
第一兴趣权值确定模块，用于根据所述平均总上网时长的排序结果和第一预设权值赋予规则，确定各类型所述终端对该预设应用的第一兴趣权值；
第二兴趣权值确定模块，用于根据所述平均总上网流量的排序结果和第二预设权值赋予规则，确定各类型所述终端对该预设应用的第二兴趣权值；
兴趣评分计算模块，用于根据各类型所述终端对该预设应用的所述第一兴趣权值和所述第二兴趣权值，计算出各类型所述终端对该预设应用的兴趣评分。
可选地，所述终端对所述预设应用的兴趣评分等于该终端对该预设应用的所述第一兴趣权值与所述第二兴趣权值之和。
可选地，所述预设聚类算法包括：K-means算法。
本发明具有以下有益效果：
本发明提供了一种终端推荐方法和终端推荐系统，通过以各类型终端在预设时间段内分别使用各预设应用的平均总上网时长和平均总上网流量作为数据基础，来得到各类型终端分别对各预设应用的兴趣评分；然后，基于各类型终端分别对各预设应用的兴趣评分得到各类型终端的特征肖像；接着，基于各类型终端的特征肖像对各类型终端进行聚类，得到若干个分类组；最后，基于分类结果，向各类型终端推荐属于同一分类组中的其他类型终端。本实施例提供的技术方案以各类型终端使用各预设应用的平均总上网时长和平均总上网流量的作为数据基础，该总上网时长和平均总上网流量能够在一定程度上反应出相应用户的实际需求，而位于同一分类组中的各类型终端的用户的实际需求是近似的，因此向各类型终端的用户推荐属于同一分
类组中的其他类型终端，可以在很大程度上满足用户的实际需求。
附图说明
图1为本发明实施例一提供的一种终端推荐方法的流程图；
图2为本发明实施例二提供的一种终端推荐方法的流程图；
图3为本发明实施例三提供的一种终端推荐系统的结构示意图。
具体实施方式
为使本领域的技术人员更好地理解本发明的技术方案，下面结合附图对本发明提供的终端推荐方法和终端推荐系统进行详细描述。
图1为本发明实施例一提供的一种终端推荐方法的流程图，如图1所示，该终端推荐方法包括：
步骤S1、根据各类型终端在预设时间段内分别使用各预设应用的平均总上网时长和平均总上网流量，生成各类型终端分别对各预设应用的兴趣评分。
在实际生活中，每个终端内安装有若干个APP应用，但是用户一般只是经常用少数几个应用，大多数的应用并不经常是用。本发明中，可以预先选择一些用户常用的APP应用来作为“预设应用”。具体地，运营商通过在服务GPRS支持节点(Serving GPRS SupportNode，简称SGSN)和网关GPRS支持节点(Gateway GPRS Support Node，简称GGSN)之间部署深度数据包检测(Deep Packet Inspection，简称DPI)设备，收集各个终端的上网记录数据包并存储在上网记录数据库。当终端每使用一次应用时，在DPI设备中则会产生一个上网记录包，该上网记录包包含26个字段，主要包括手机号、终端类型、应用类型、上网时长、上网流量等信息。基于该上网记录数据库，汇总在预设时间段内每个应用的流量之和并进行排序，选取前N(N为自然数，可以根据实际需求进行相应选择)个应用作为用户常用应用，并将这些常用应用作为本发明中的预设应用。
需要说明的是，上述通过选取常用应用作为预设应用的技术手段，仅为本实施例中的的一种优选实施方式，本领域技术人员应该知晓的是，本实施例中还可以采用其他方式来选择出至少两个预设应用，此处不再一一举例。
为方便描述，在本实施例中，假定终端类型的总数量为m，预设应用的总数量为n，拥有第i类型终端的全部用户使用第j类型应用的总上网时长之和记为Aij，拥有第i类型终端的全部用户使用第j类型应用的上网流量之和记为Bij，拥有第i类型终端的用户数量记为Ci，其中i和j满足：1≤i≤m，1≤j≤n，i和j均为整数。此时，第i类型终端使用第j类型应用的平均总上网时长记为Dij，第i类型终端的用户使用第j类型应用的平均总上网流量记为Eij，其中
下面将对本实施例中利用上网记录数据库来获取第i类型终端使用第j类型应用的平均总上网时长Dij的具体过程，进行详细描述。
首先，从上网记录数据库中筛选出终端类型为第i类型的所有上网记录包。
然后，基于筛选出的上网记录包中的手机号，可以统计出拥有第i类型终端的所有用户，即可以得到Ci。
接着，统计拥有第i类型终端的各个用户使用第j类型应用的总上网时长。需要说明的是，当拥有第i类型终端的某个用户在预设时间段内没有使用第j类型应用时，则上网记录数据库中不存在相应的上网记录包，此时该用户使用第j类型应用的总上网时长为0；当拥有第i类型终端的某个用户在预设时间段内仅使用了一次第j类型应用时，则上网记录数据库中仅存在一条相应的上网记录包，此时该用户使用第j类型应用的总上网时长为该上网记录包中记录的上网时长；当拥有第i类型终端的某个用户在预设时间段内多次使用第j类型应用时，则上网记录数据库中存在多条相应的上网记录包，此时该用户使用第j类型应用的总上网时长为对应的多个上网记录包中记录的上网时长之和。
再接着，将拥有第i类型终端的全部用户使用第j类型应用的总上网时长进行求和，得到Aij。
最后，将将拥有第i类型终端的全部用户使用第j类型应用的总上网时长的总和Aij与拥有第i类型终端的用户数量Ci求商，得到拥有第i类型终端的用户使用第j类型应用的平均总上网时长Dij。
需要说明的是，本实施例中利用上网记录数据库来获取第i类型终端使用第j类型应用的平均总上网流量Eij的过程与上述获取平均总上网时长Dij的过程类似，具体内容可参见前述内容，此处不再赘述。
在步骤S1中，可根据预先获取到的各类型终端分别使用各预设应用的平均总上网时长Dij和平均总上网流量Eij，生成各类型终端分别对各预设应用的兴趣评分，其中将第i类型终端对第j类型应用的兴趣评分记为Sij。
可选地，步骤S1包括：
步骤S101、对各类型终端对应于同一预设应用的平均总上网时长和平均总上网流量分别进行排序。
本实施例中以获取第j类型应用的兴趣评分为例进行说明。其中，各类型终端对应于第j类型应用的平均总上网时长分别为D1j、D2j、D3j……Dmj，各类型终端对应于第j类型应用的平均总上网时长分别为E1j、E2j、E3j……Emj。
在步骤S101中，可以将D1j、D2j、D3j……Dmj按照由大至小或由小至大的顺序进行排序，得到第j类型应用的平均总上网时长的排序结果；将E1j、E2j、E3j……Emj按照由大至小或由小至大的顺序进行排序，得到第j类型应用的平均总上网流量的排序结果。
步骤S102、根据平均总上网时长的排序结果和第一预设权值赋予规则，确定各类型终端对该预设应用的第一兴趣权值。
在步骤S102中，可以根据第j类型应用的平均总上网时长的排序结果和第一预设权值赋予规则，来确定各类型终端对第j类型应用的第一兴趣权值。
需要说明的是，本实施例中将以平均总上网时长和平均总上网流量均以由大至小的顺序进行排序的情况为例进行示例性说明。作为本实施例中的一种可选方案，该第一预设权值赋予规则如下：
(1)位于排序序列中排名前10％的各类型终端对相应的应用的第一兴趣权值为5；
(2)位于排序序列中排名前10％-20％(不包含10％)的各类型终端对相应的第一兴趣权值为4；
(3)位于排序序列中排名前20％-40％(不包含20％)的各类型终端对相应的第一兴趣权值为3；
(4)位于排序序列中排名前40％-60％(不包含40％)的各类型终端对相应的第一兴趣权值为2；
(5)位于排序序列中排名前60％-80％(不包含60％)的各类型终端对相应的第一兴趣权值为1；
(6)位于排序序列中排名前80％-100％(不包含80％)的各类型终端对相应的第一兴趣权值为0。
根据上述第一预设权值赋予规则可以确定各类型终端对第j类型应用的第一兴趣权值。需要说明的是，上述第一预设权值赋予规则仅起到示例性作用，本领域技术人员应该知晓的是，可以根据实际情况对该第一兴趣权值赋予规则进行相应修改，具体情况此处不再一一举例说明。
通过重复执行上述步骤S102(当预设应用的总数量为n时，则共计执行n次步骤S102)，可以得出各类型终端对各预设应用的第一兴趣权值。为方便描述，本实施例中将第i类型终端对第j类型应用的第一兴趣权值记为Aij。
步骤S103、根据平均总上网流量的排序结果和第二预设权值赋予规则，确定各类型终端对该预设应用的第二兴趣权值。
在步骤S102中，可以根据第j类型应用的平均总上网流量的排序结果和第二预设权值赋予规则，来确定各类型终端对第j类型应用的第二兴趣权值。
需要说明的是，本实施例中将以平均总上网流量和平均总上网流量均以由大至小的顺序进行排序的情况为例进行示例性说明。作为本实施例中的一种可选方案，该第二预设权值赋予规则如下：
(1)位于排序序列中排名前10％的各类型终端对相应的应用的第二兴趣权值为5；
(2)位于排序序列中排名前10％-20％(不包含10％)的各类型终端对相应的第二兴趣权值为4；
(3)位于排序序列中排名前20％-40％(不包含20％)的各类型终端对相应的第二兴趣权值为3；
(4)位于排序序列中排名前40％-60％(不包含40％)的各类型终端对相应的第二兴趣权值为2；
(5)位于排序序列中排名前60％-80％(不包含60％)的各类型终端对相应的第二兴趣权值为1；
(6)位于排序序列中排名前80％-100％(不包含80％)的各类型终端对相应的第二兴趣权值为0。
根据上述第二预设权值赋予规则可以确定各类型终端对第j类型应用的第二兴趣权值。需要说明的是，上述第二预设权值赋予规则仅起到示例性作用，本领域技术人员应该知晓的是，可以根据实际情况对该第二兴趣权值赋予规则进行相应修改，具体情况此处不再一一举例说明。
通过重复执行上述步骤S103(当预设应用的总数量为n时，则共计执行n次步骤S103)，可以得出各类型终端对各预设应用的第二兴趣权值。为方便描述，本实施例中将第i类型终端对第j类型应用的第二兴趣权值记为Bij。
需要说明的是，在本实施例中，步骤S103也可先于步骤S102执行，或者与步骤S102同时执行。
步骤S104、根据各类型终端对该预设应用的第一兴趣权值和第二兴趣权值，计算出各类型终端对该预设应用的兴趣评分。
在步骤S104中，通过将各类型终端对第j类型应用所对应的第一兴趣权值和第二兴趣权值进行求和，可得出各类型终端对第j类型应用的的兴趣评分。
同样地，通过重复执行上述步骤S104(当预设应用的总数量为n时，则共计执行n次步骤S104)，可以得出各类型终端对各预设应用的兴趣评分。为方便描述，本实施例中将第i类型终端对第j类型应用的兴趣评分记为Sij，其中Sij＝Aij+Bij。
步骤S2、根据各类型终端对各预设应用的兴趣评分，生成各类型终端对应的特征肖像。
在步骤S2中，基于各类型终端对各预设应用的兴趣评分，可以得到各类型终端对应的特征肖像。各类型终端的特征肖像均为一个对应的特征向量，该特征向量中的各个元素为对应类型终端对各预设应用的兴趣评分。
其中，第1类型终端对应的特征肖像记为向量Q1：
Q1＝(S11，S12，S13，……，S1n)
第2类型终端对应的特征肖像记为向量Q2：
Q2＝(S21，S22，S23，……，S2n)
以此类推，第i类型终端对应的特征肖像记为向量Qi：
Qi＝(Si1，Si2，Si3，……，Sin)
第m类型终端对应的特征肖像记为向量Qm：
Qm＝(Sm1，Sm2，Sm3，……，Smn)
步骤S3、根据各类型终端对应的特征肖像，采用预设聚类算法对各类型终端进行聚类，得到若干个分类组。
在步骤S3中，采用预设聚类算法来对各类型终端对应的特征肖像Q1、Q2、Q3、……Qm进行聚类，即实现对各类型终端进行聚类，并得到若干个分类组。
可选地，该预设聚类算法为K-means算法，最终得到的分类组的总数量可以通过设置K值来确定，该K值可以根据实际需要进行设定。
当然，本实施例中也可采用其他的聚类算法来对各类型终端进行聚类，具体情况此处不再一一列举。
步骤S4、根据聚类结果，向各类型终端推荐属于同一分类组中的其他类型终端。
在步骤S4中，可以根据步骤S3的聚类结果，来向各类型终端推荐属于同一分类组中的其他类型终端。
为方便本领域技术人员进行理解，下面将结合一个实例进行示例性说明。其中，假定终端类型的总数量为5，且在步骤S3中通过预设聚类算法将该5种不同类型终端分为两类，第1类型终端、第2类型终端和第3类型终端聚为一类，第4类型终端、第5类型终端聚为另一类。则在步骤S4中进行推荐时，可以向第1类型终端的用户推荐第2类型终端和第3类型终端，向第2类型终端的用户推荐第1类型终端和第3类型终端，向第3类型终端的用户推荐第1类型终端和第2类型终端，向第4类型终端的用户推荐第5类型终端，向第5类型终端的用户推荐第4类型终端。
需要说明的是，上述终端类型的总数量为5、全部类型终端分为两类的情况仅起到示例性作用，这并不会对本发明的技术方案产生限制。
此外，若在步骤S3进行聚类处理后，得到一个或多个分类组中均存在一个类型终端，则不对该分类组中的类型终端进行推荐。
本发明实施例一提供了一种终端推荐方法，通过以各类型终端在预设时间段内分别使用各预设应用的平均总上网时长和平均总上网流量作为数据基础，可得到各类型终端分别对各预设应用的兴趣评分；然后，基于各类型终端分别对各预设应用的兴趣评分得到各类型终端的特征肖像；接着，基于各类型终端的特征肖像对各类型终端进行聚类，得到若干个分类组；最后，基于分类结果，向各类型终端推荐属于同一分类组中的其他类型终端。本实施例提供的技术方案以各类型终端使用各预设应用的平均总上网时长和平均总上网流量的作为数据基础，该总上网时长和平均总上网流量能够在一定程度上反应出相应用户的实际需求，而位于同一分类组中的各类型终端的用户的实际需求是近似的，因此向各类型终端的用户推荐属于同一分类组中的其他类型终端，可以在很大程度上满足用户的实际需求。
图2为本发明实施例二提供的一种终端推荐方法的流程图，如图2所示，图2所示的终端推荐方法除了包括图1所示的终端推荐方法中的步骤S1～步骤S4外，还包括：位于步骤S1之前的步骤S0。
步骤S0：获取各类型终端在预设时间段内使用各预设应用的平均总上网时长和平均总上网流量。
在本实施例中，可以基于DPI设备获取的上网记录数据库来得到各类型终端在预设时间段内使用各预设应用的平均总上网时长和平均总上网流量，具体内容可参见上述实施例一中相应的描述，此处不再赘述。
需要说明的是，本实施例中还可采用其他方式来获取各类型终端在预设时间段内使用各预设应用的平均总上网时长和平均总上网流量。例如，在需要推荐服务的终端内安装流量统计APP，利用流量统计APP来获取相应终端在预设时间段内使用各预设应用的总上网时长和总上网流量，并在预设时间段结束后将对应终端使用各预设应用的总上网时长和总上网流量发送至服务器端，服务器端接收到所有终端使用各预设应用的总上网时长和总上网流量后，按照终端类型的不同，对各类型终端的使用各预设应用的总上网时长和总上网流量分别进行求和，并计算出各类型终端使用各预设应用的平均总上网时长和平均总上网流量。
图3为本发明实施例三提供的一种终端推荐系统的结构示意图，如图3所示，该终端推荐系统包括：兴趣评分生成单元1、特征肖像生成单元2、聚类单元3和推荐单元4。其中，兴趣评分生成单元1用于根据各类型终端在预设时间段内分别使用各预设应用的平均总上网时长和平均总上网流量，生成各类型终端分别对各预设应用的兴趣评分；特征肖像生成单元2用于根据各类型终端对各预设应用的兴趣评分，生成各类型终端对应的特征肖像；聚类单元3用于根据各类型终端对应的特征肖像，采用预设聚类算法对各类型终端进行聚类，得到若干个分类组；推荐单元4用于根据聚类结果，向各类型终端推荐属于同一分类组中的其他类型终端。
可选地，聚类单元3在进行聚类时采用的预设聚类算法为K-means算法。
需要说明的是，本实施例中的兴趣评分生成单元1用于执行上述实施例一中的步骤S1，特征肖像生成单元2用于执行上述实施例一中的步骤S2，聚类单元3用于执行上述实施例一中的步骤S3，推荐单元4用于执行上述实施例一中的步骤S4。各单元的工作原理和配合过程可参见上述实施例一中对步骤S1～步骤S4的描述，此处不再赘述。
可选地，该终端推荐系统还包括：获取单元5，获取单元5用于获取各类型终端在预设时间段内使用各预设应用的平均总上网时长和平均总上网流量。该获取单元5用于执行上述实施例一中的步骤S0，获取单元5获取各类型终端在预设时间段内使用各预设应用的平均总上网时长和平均总上网流量的过程，可参见上述实施例二中对步骤S0的描述，此处不再赘述。
可选地，兴趣评分生成单元1包括：排序模块101、第一兴趣权值确定模块102、第二兴趣权值确定模块103和兴趣评分计算模块104。其中，排序模块101用于对各类型终端对应于同一预设应用的平均总上网时长和平均总上网流量分别进行排序；第一兴趣权值确定模块102用于根据平均总上网时长的排序结果和第一预设权值赋予规则，确定各类型终端对该预设应用的第一兴趣权值；第二兴趣权值确定模块103用于根据平均总上网流量的排序结果和第二预设权值赋予规则，确定各类型终端对该预设应用的第二兴趣权值；兴趣评分计算模块104用于根据各类型终端对该预设应用的第一兴趣权值和第二兴趣权值，计算出各类型终端对该预设应用的兴趣评分。
进一步可选地，兴趣评分计算模块104在计算各类型终端的对各预设应用的兴趣评分时，某一类型终端对某一预设应用的兴趣评分等于该终端对该预设应用的第一兴趣权值与第二兴趣权值之和。
本实施例中的排序模块101用于执行上述实施例一中的步骤S101，第一兴趣权值确定模块102用于执行上述实施例一中的步骤S102，第二兴趣权值确定模块103用于执行上述实施例一中的步骤S103，兴趣评分计算模块104用于执行上述实施例一中的步骤S 104。各模块的工作原理和配合过程可参见上述实施例一中对步骤S101～步骤S104的描述，此处不再赘述。
本发明实施例三提供了一种终端推荐系统，包括：兴趣评分生成单元、特征肖像生成单元、聚类单元和推荐单元，以各类型终端在预设时间段内分别使用各预设应用的平均总上网时长和平均总上网流量作为数据基础，通过兴趣评分生成单元可得到各类型终端分别对各预设应用的兴趣评分；然后，特征肖像生成单元基于各类型终端分别对各预设应用的兴趣评分得到各类型终端的特征肖像；接着，聚类单元基于各类型终端的特征肖像对各类型终端进行聚类，得到若干个分类组；最后，推荐单元基于分类结果，向各类型终端推荐属于同一分类组中的其他类型终端。本实施例提供的技术方案以各类型终端使用各预设应用的平均总上网时长和平均总上网流量的作为数据基础，该总上网时长和平均总上网流量能够在一定程度上反应出相应用户的实际需求，而位于同一分类组中的各类型终端的用户的实际需求是近似的，因此向各类型终端的用户推荐属于同一分类组中的其他类型终端，可以在很大程度上满足用户的实际需求。
可以理解的是，以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式，然而本发明并不局限于此。对于本领域内的普通技术人员而言，在不脱离本发明的精神和实质的情况下，可以做出各种变型和改进，这些变型和改进也视为本发明的保护范围。

Claims (10)

1.一种终端推荐方法，其特征在于，包括：
步骤S1、根据各类型终端的用户在预设时间段内分别使用各预设应用的平均总上网时长和平均总上网流量，生成各类型所述终端分别对各所述预设应用的兴趣评分；
步骤S2、根据各类型所述终端对各所述预设应用的所述兴趣评分，生成各类型所述终端对应的特征肖像，各类型终端的特征肖像均为一个对应的特征向量，该特征向量中的各个元素为对应类型终端对各预设应用的兴趣评分；
步骤S3、根据各类型所述终端对应的所述特征肖像，采用预设聚类算法对各类型所述终端进行聚类，得到若干个分类组；
步骤S4、根据聚类结果，向各类型所述终端推荐属于同一所述分类组中的其他类型终端。
2.根据权利要求1所述的终端推荐方法，其特征在于，在所述步骤S1之前还包括：
步骤S0、获取各类型终端在预设时间段内使用各预设应用的平均总上网时长和平均总上网流量。
3.根据权利要求1所述的终端推荐方法，其特征在于，所述步骤S1包括：
步骤S101、对各类型所述终端对应于同一所述预设应用的所述平均总上网时长和平均总上网流量分别进行排序；
步骤S102、根据所述平均总上网时长的排序结果和第一预设权值赋予规则，确定各类型所述终端对该预设应用的第一兴趣权值；
步骤S103、根据所述平均总上网流量的排序结果和第二预设权值赋予规则，确定各类型所述终端对该预设应用的第二兴趣权值；
步骤S104、根据各类型所述终端对该预设应用的所述第一兴趣权值和所述第二兴趣权值，计算出各类型所述终端对该预设应用的兴趣评分。
4.根据权利要求3所述的终端推荐方法，其特征在于，所述终端对所述预设应用的兴趣评分等于该终端对该预设应用的所述第一兴趣权值与所述第二兴趣权值之和。
5.根据权利要求1所述的终端推荐方法，其特征在于，所述预设聚类算法包括：K-means算法。
6.一种终端推荐系统，其特征在于，包括：
兴趣评分生成单元，用于根据各类型终端在预设时间段内分别使用各预设应用的平均总上网时长和平均总上网流量，生成各类型所述终端分别对各所述预设应用的兴趣评分；
特征肖像生成单元，用于根据各类型所述终端对各所述预设应用的所述兴趣评分，生成各类型所述终端对应的特征肖像，各类型终端的特征肖像均为一个对应的特征向量，该特征向量中的各个元素为对应类型终端对各预设应用的兴趣评分；
聚类单元，用于根据各类型所述终端对应的所述特征肖像，采用预设聚类算法对各类型所述终端进行聚类，得到若干个分类组；
推荐单元，用于根据聚类结果，向各类型所述终端推荐属于同一所述分类组中的其他类型终端。
7.根据权利要求6所述的终端推荐系统，其特征在于，还包括：
获取单元，用于获取各类型终端在预设时间段内使用各预设应用的平均总上网时长和平均总上网流量。
8.根据权利要求6所述的终端推荐系统，其特征在于，所述兴趣评分生成单元包括：
排序模块，用于对各类型所述终端对应于同一所述预设应用的所述平均总上网时长和平均总上网流量分别进行排序；
第一兴趣权值确定模块，用于根据所述平均总上网时长的排序结果和第一预设权值赋予规则，确定各类型所述终端对该预设应用的第一兴趣权值；
第二兴趣权值确定模块，用于根据所述平均总上网流量的排序结果和第二预设权值赋予规则，确定各类型所述终端对该预设应用的第二兴趣权值；
兴趣评分计算模块，用于根据各类型所述终端对该预设应用的所述第一兴趣权值和所述第二兴趣权值，计算出各类型所述终端对该预设应用的兴趣评分。
9.根据权利要求8所述的终端推荐系统，其特征在于，所述终端对所述预设应用的兴趣评分等于该终端对该预设应用的所述第一兴趣权值与所述第二兴趣权值之和。
10.根据权利要求6所述的终端推荐系统，其特征在于，所述预设聚类算法包括：K-means算法。
CN201610140732.XA 2016-03-11 2016-03-11 终端推荐方法和终端推荐系统 Active CN105808743B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610140732.XA CN105808743B (zh) 2016-03-11 2016-03-11 终端推荐方法和终端推荐系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610140732.XA CN105808743B (zh) 2016-03-11 2016-03-11 终端推荐方法和终端推荐系统

Publications (2)

Publication Number Publication Date
CN105808743A CN105808743A (zh) 2016-07-27
CN105808743B true CN105808743B (zh) 2019-04-30

Family

ID=56468177

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610140732.XA Active CN105808743B (zh) 2016-03-11 2016-03-11 终端推荐方法和终端推荐系统

Country Status (1)

Country Link
CN (1) CN105808743B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106326391B (zh) * 2016-08-17 2020-02-14 合一智能科技（深圳）有限公司 多媒体资源推荐方法及装置
WO2020087388A1 (zh) * 2018-10-31 2020-05-07 深圳市欢太科技有限公司 快应用的推荐方法、装置、存储介质及电子设备
CN111639263B (zh) * 2020-06-03 2023-11-24 小红书科技有限公司 笔记推荐方法、装置及系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103945430A (zh) * 2014-04-21 2014-07-23 中国联合网络通信集团有限公司 一种移动终端类型推荐方法及装置
CN104504149A (zh) * 2015-01-08 2015-04-08 中国联合网络通信集团有限公司 一种实现应用推荐的方法及装置
CN104765755A (zh) * 2014-01-08 2015-07-08 中国移动通信集团福建有限公司 一种基于k-均值聚类的终端推荐方法及装置
CN105227445A (zh) * 2015-10-23 2016-01-06 中国联合网络通信集团有限公司 应用推荐方法和应用推荐平台

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20090022713A (ko) * 2007-08-31 2009-03-04 삼성전자주식회사 추천 컨텐트 리스트 생성 방법 및 장치

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104765755A (zh) * 2014-01-08 2015-07-08 中国移动通信集团福建有限公司 一种基于k-均值聚类的终端推荐方法及装置
CN103945430A (zh) * 2014-04-21 2014-07-23 中国联合网络通信集团有限公司 一种移动终端类型推荐方法及装置
CN104504149A (zh) * 2015-01-08 2015-04-08 中国联合网络通信集团有限公司 一种实现应用推荐的方法及装置
CN105227445A (zh) * 2015-10-23 2016-01-06 中国联合网络通信集团有限公司 应用推荐方法和应用推荐平台

Also Published As

Publication number Publication date
CN105808743A (zh) 2016-07-27

Similar Documents

Publication Publication Date Title
CN111339433B (zh) 基于人工智能的信息推荐方法、装置、电子设备
CN104090967A (zh) 应用程序推荐方法及推荐装置
CN107894998B (zh) 视频推荐方法及装置
CN105808743B (zh) 终端推荐方法和终端推荐系统
CN106326297B (zh) 一种应用程序推荐方法及装置
CN107862022A (zh) 文化资源推荐系统
US10497275B2 (en) Systems and methods for inquiry-based learning including collaborative question generation
CN104765751A (zh) 应用推荐方法及装置
CN106326391A (zh) 多媒体资源推荐方法及装置
CN107896153B (zh) 一种基于移动用户上网行为的流量套餐推荐方法及装置
CN112100221B (zh) 一种资讯推荐方法、装置、推荐服务器及存储介质
CN107209746A (zh) 模型参数融合方法及装置
CN107590232A (zh) 一种基于网络学习环境的资源推荐系统及方法
CN102521706A (zh) Kpi 数据的分析方法及装置
CN107807935B (zh) 应用推荐方法及装置
CN105512156A (zh) 点击模型生成方法和装置
CN111291217B (zh) 一种内容推荐方法、装置、电子设备以及计算机可读介质
CN104679791A (zh) 获取数据包的处理方法和装置
CN109886823A (zh) 一种社交圈的推荐方法及装置
CN104994147B (zh) 软件下载的推荐方法、系统及所适用的服务端和用户设备
CN111428885A (zh) 一种联邦学习中用户的索引方法及联邦学习装置
CN109670117B (zh) 信息列表的推荐方法及其装置
CN103218419B (zh) 网络标签聚类方法和系统
CN108171538A (zh) 用户数据处理方法及系统
CN114997687A (zh) 资源调度方法、装置、存储介质及电子设备

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