CN106250557A - 应用的推荐方法及装置 - Google Patents

应用的推荐方法及装置 Download PDF

Info

Publication number
CN106250557A
CN106250557A CN201610676031.8A CN201610676031A CN106250557A CN 106250557 A CN106250557 A CN 106250557A CN 201610676031 A CN201610676031 A CN 201610676031A CN 106250557 A CN106250557 A CN 106250557A
Authority
CN
China
Prior art keywords
application
label
recommended
similarity
weight
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
Application number
CN201610676031.8A
Other languages
English (en)
Inventor
程殿虎
刘鑫
于芝涛
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.)
Qingdao Hisense Media Network Technology Co Ltd
Original Assignee
Qingdao Hisense Media Network Technology 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 Qingdao Hisense Media Network Technology Co Ltd filed Critical Qingdao Hisense Media Network Technology Co Ltd
Priority to CN201610676031.8A priority Critical patent/CN106250557A/zh
Publication of CN106250557A publication Critical patent/CN106250557A/zh
Pending legal-status Critical Current

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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本发明提供一种应用的推荐方法及装置，该方法包括：获取目标应用的标签、标签所对应应用的用户行为次数、以及标签所对应应用的个数，并根据标签所对应应用的用户行为次数、以及标签所对应应用的个数，计算标签的权重；进一步地，根据标签的权重、以及待推荐应用的标签的权重，确定目标应用与待推荐应用之间的相似度；当目标应用与待推荐应用之间的相似度满足预设条件时，将待推荐应用推送给用户；可见，本发明中通过自动计算各个标签的权重，每个标签的权重的区分度较高，因此，提高了目标应用与待推荐应用之间的相似度的计算结果准确度，进而根据目标应用与待推荐应用之间的相似度的准确计算结果进行准确地推荐，提高了应用的推荐效果。

Description

应用的推荐方法及装置
技术领域
本发明涉及推荐技术领域，尤其涉及一种应用的推荐方法及装置。
背景技术
随着智能电视业务的发展，智能电视所能提供给我们的服务(例如：视频资源、应用软件等各种不同的应用)越来越多。为了便于用户快速找到所需求的应用，推荐技术应用而生。
现有的基于标签的推荐技术中，通过预先定义好各个标签的权重(例如：所有标签的权重都为1，或者将所有标签进行分类，属于同一类别的标签的权重相同且属于不同类别的标签的权重各不相同等)；进一步地，根据目标应用分别与其它多个待推荐应用的共有标签的权重，计算出目标应用分别与每个待推荐应用的相似度，进而将多个待推荐应用中与目标应用的相似度较大的某几个待推荐应用推送给用户。
但现有的基于标签的推荐技术中，各个标签的权重为人工预先定义好的并且每个标签的权重的区分度并不高，因此，会影响目标应用分别与每个待推荐应用的相似度的计算结果准确度，从而会影响应用的推荐效果。
发明内容
本发明提供一种应用的推荐方法及装置，提高了应用的推荐效果。
第一方面，本发明实施例提供一种应用的推荐方法，包括：
获取目标应用的标签、所述标签所对应应用的用户行为次数、以及所述标签所对应应用的个数；
根据所述标签所对应应用的用户行为次数、以及所述标签所对应应用的个数，计算所述标签的权重；
根据所述标签的权重、以及待推荐应用的标签的权重，确定所述目标应用与所述待推荐应用之间的相似度；
当所述目标应用与所述待推荐应用之间的相似度满足预设条件时，将所述待推荐应用推送给用户。
第二方面，本发明实施例提供一种应用的推荐装置，包括：
第一获取模块，用于获取目标应用的标签、所述标签所对应应用的用户行为次数、以及所述标签所对应应用的个数；
第二获取模块，用于根据所述标签所对应应用的用户行为次数、以及所述标签所对应应用的个数，计算所述标签的权重；
确定模块，用于根据所述标签的权重、以及待推荐应用的标签的权重，确定所述目标应用与所述待推荐应用之间的相似度；
推荐模块，用于当所述目标应用与所述待推荐应用之间的相似度满足预设条件时，将所述待推荐应用推送给用户。
本发明中，通过获取目标应用的标签、标签所对应应用的用户行为次数、以及标签所对应应用的个数，并根据标签所对应应用的用户行为次数、以及标签所对应应用的个数，计算标签的权重；进一步地，根据标签的权重、以及待推荐应用的标签的权重，确定目标应用与待推荐应用之间的相似度，当目标应用与待推荐应用之间的相似度满足预设条件时，将待推荐应用推送给用户；可见，由于本实施例中通过自动计算各个标签的权重(无需人工预定义标签的权重)，因此，每个标签的权重的区分度较高，提高了目标应用与待推荐应用之间的相似度的计算结果准确度，进而根据目标应用与待推荐应用之间的相似度的准确计算结果进行准确地推荐，提高了应用的推荐效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图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性的前提下，还可以根据这些附图获得其他的附图。
图1A为本发明应用的推荐方法实施例一的流程示意图；
图1B为本发明实施例中标签所对应应用的个数的分布示意图；
图1C为本发明实施例中标签所对应应用的用户行为次数的分布示意图；
图2为本发明应用的推荐装置实施例一的结构示意图；
图3为本发明应用的推荐装置实施例二的结构示意图；
图4为本发明应用的推荐装置实施例三的结构示意图；
图5为本发明推荐服务器实施例的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
下面结合附图通过具体实施例对本发明实施例提供的应用的推荐方法及装置进行详细说明。
图1A为本发明应用的推荐方法实施例一的流程示意图。本实施例的执行主体为配置在推荐服务器中的应用的推荐装置，该装置可以通过软件和/或硬件实现。本实施例的方案可提高应用的推荐效果。如图1A所示，本实施例的方法可以包括：
S101、获取目标应用的标签、标签所对应应用的用户行为次数、以及标签所对应应用的个数。
本发明实施例中，考虑到若标签A所对应应用的个数(即包含标签A的所有应用的个数)和标签B所对应应用的个数相同，标签A所对应应用的用户行为次数(即包含标签A的所有应用的用户行为次数，例如：应用被用户浏览的次数、和/或应用被用户下载的次数等)比标签B所对应应用的用户行为次数多，则表征标签A所对应应用越受欢迎，即标签A的权重比标签B的权重大(相当于标签的权重与标签所对应应用的用户行为次数成正向比例关系)；若标签A所对应应用的用户行为次数和标签B所对应应用的用户行为次数相同，标签A所对应应用的个数比标签B所对应应用的个数小，则表征标签A所对应应用越受欢迎，即标签A的权重比标签B的权重大(相当于标签的权重与标签所对应应用的个数成反向比例关系)。可选地，本申请所涉及的应用可以为视频资源、应用软件等各种不同的应用。
本步骤中，为了后续计算目标应用的标签的权重，应用的推荐装置获取目标应用的标签、目标应用的标签所对应应用的用户行为次数、以及目标应用的标签所对应应用的个数；可选地，当目标应用的标签包含多个标签时，则应用的推荐装置获取目标应用的每个标签、每个标签所对应应用的用户行为次数、以及每个标签所对应应用的个数。
可选地，应用的推荐装置根据用户行为日志统计目标应用的每个标签所对应应用的用户行为次数，和/或应用的推荐装置根据应用标签关联列表统计目标应用的每个标签所对应应用的个数，其中，用户行为日志中包含：用户行为信息(例如，当应用为应用软件时，用户信息为用户浏览应用软件的信息、用户下载应用软件的信息和/或用户运行应用软件的信息等；当应用为视频资源时，用户信息为用户观看视频资源的信息、用户下载视频资源的信息和/或用户收藏视频资源的信息等)，应用标签关联列表中包含：多个应用身份标识ID及每个应用对应的标签ID。当然，应用的推荐装置还可通过其它方式统计出目标应用的标签所对应应用的用户行为次数、以及标签所对应应用的个数等信息，本申请实施例中，对此并不作限制。
S102、根据标签所对应应用的用户行为次数、以及标签所对应应用的个数，计算标签的权重。
本步骤中，考虑到标签的权重与标签所对应应用的用户行为次数成正向比例关系，以及标签的权重与标签所对应应用的个数成反向比例关系，应用的推荐装置根据标签所对应应用的用户行为次数、以及标签所对应应用的个数，计算标签的权重。
图1B为本发明实施例中标签所对应应用的个数的分布示意图，图1C为本发明实施例中标签所对应应用的用户行为次数的分布示意图。可选地，在实际的智能电视业务中，如图1B和图1C所示，标签所对应应用的个数和标签所对应应用的用户行为次数都呈现长尾分布(或幂律分布)，为了便于描述标签的权重，需要将标签所对应应用的个数和标签所对应应用的用户行为次数都映射到类线性区间，例如应用的推荐装置可采用log函数(即对数函数)分别将目标应用的每个标签所对应应用的个数和该标签所对应应用的用户行为次数都映射到类线性区间，可选地，根据公式计算标签t(目标应用的任一标签)的权重wt，其中，dt代表标签t所对应应用的用户行为次数，at代表标签t所对应应用的个数，p和q为预设参数(可选地，p＝q＝1)，可选地，log函数的底数为2(当然，log函数的底数还可以为其它数值，本申请实施例中对此并不作限制)。可选地，应用的推荐装置不仅仅局限于采用log函数将目标应用的每个标签所对应应用的个数和该标签所对应应用的用户行为次数都映射到类线性区间，还可采用其它函数分别将目标应用的每个标签所对应应用的个数和该标签所对应应用的用户行为次数都映射到类线性区间(即凡是能减缓标签所对应应用的个数与标签所对应应用的用户行为次数之间的量级差距的函数均可，例如指数函数等)，本申请实施例中对此并不作限制。
可选地，本实施例中主要介绍了如何计算标签t的权重wt的方式，当目标应用的标签包含多个标签时，目标应用的其它标签的权重计算方式同标签t的权重wt计算方式，此处不再赘述。可选地，本步骤中计算所得到的目标应用的标签的权重基本符合均匀分布，便于后续计算相似度。
可见，本实施例中，应用的推荐装置自动计算各个标签的权重，无需人工预定义标签的权重，并且每个标签的权重的区分度较高。
S103、根据标签的权重、以及待推荐应用的标签的权重，确定目标应用与待推荐应用之间的相似度。
本步骤中，应用的推荐装置根据目标应用的每个标签的权重、以及待推荐应用的每个标签的权重，确定目标应用与待推荐应用之间的相似度；可选地，应用的推荐装置根据目标应用与待推荐应用共有标签的权重，确定目标应用与待推荐应用之间的相似度，例如，根据公式确定应用gi与应用gj之间的相似度sim(gi,gj)，其中，Ti为应用gi的标签集合，Tj为应用gj的标签集合，x∈Ti&x∈Tj为应用gi与应用gj的共有标签，wx为标签x的权重或者为标签x的归一化权重(即将标签x的权重进行归一化处理后所得)；可选地，应用的推荐装置根据标签的权重、以及待推荐应用的标签的权重还可通过其它方式(例如的其它变形公式等)，确定目标应用与待推荐应用之间的相似度，本申请实施例中对此并不作限制。
可选地，应用的推荐装置可分别根据目标应用的标签的权重、以及多个待推荐应用的标签的权重，确定出目标应用与每个待推荐应用之间的相似度，以便后续根据相似度大小进行应用推荐；其中，应用的推荐装置确定目标应用与每个待推荐应用之间的相似度的过程可参见上述“确定应用gi与应用gj之间的相似度sim(gi,gj)”的过程，此处不再赘述。
可选地，待推荐应用的标签的权重获取方式，与目标应用的标签的权重获取方式类似，例如：获取待推荐应用的标签所对应应用的用户行为次数、以及待推荐应用的标签所对应应用的个数，并根据待推荐应用的标签所对应应用的用户行为次数、以及待推荐应用的标签所对应应用的个数，计算待推荐应用的标签的权重，具体的实现方式可详见本申请实施例上述关于步骤S101-步骤S102的记载，此处不再赘述。
可见，本实施例中，应用的推荐装置通过自动计算各个标签的权重，因此，每个标签的权重的区分度较高，提高了目标应用与每个待推荐应用之间的相似度的计算结果准确度，从而提高应用的推荐效果。
S104、当目标应用与待推荐应用之间的相似度满足预设条件时，将待推荐应用推送给用户。
本步骤中，应用的推荐装置在确定出目标应用与待推荐应用之间的相似度后，当目标应用与待推荐应用之间的相似度满足预设条件时，将待推荐应用推送给用户，由于本实施例中应用的推荐装置通过自动计算各个标签的权重，无需人工预定义标签的权重，因此，每个标签的权重的区分度较高，提高了目标应用与待推荐应用之间的相似度的计算结果准确度，以便应用的推荐装置根据目标应用与待推荐应用之间的相似度的准确计算结果进行准确地推荐，从而提高了应用的推荐效果。
可选地，当目标应用与待推荐应用之间的相似度大于预设阈值时(即目标应用与待推荐应用非常相似，用户可能会喜欢该待推荐应用)，则应用的推荐装置将待推荐应用推送给用户。
可选地，待推荐应用为多个待推荐应用时，当目标应用与待推荐应用之间的相似度满足预设条件时，将待推荐应用推送给用户，包括：
将目标应用与多个待推荐应用的相似度从大到小进行排序；
将相似度中从大到小的预设个数相似度对应的待推荐应用推送给用户。
本实施例中，当待推荐应用为多个待推荐应用时，在步骤S103中，应用的推荐装置确定出目标应用与每个待推荐应用之间的相似度，在步骤S104中，应用的推荐装置将目标应用与每个待推荐应用的相似度从大到小进行排序，并将相似度中从大到小的预设个数相似度对应的待推荐应用推送给用户，即按照相似度从大到小顺序将前预设个数(如5个)相似度对应的待推荐应用推荐给用户；由于本实施例中应用的推荐装置通过自动计算各个标签的权重，每个标签的权重的区分度较高，因此，提高了目标应用与每个待推荐应用之间的相似度的计算结果准确度，以便应用的推荐装置根据目标应用与每个待推荐应用之间的相似度的准确计算结果进行准确地推荐，从而提高了应用的推荐效果。
综上所述，本实施例中，通过获取目标应用的标签、标签所对应应用的用户行为次数、以及标签所对应应用的个数，并根据标签所对应应用的用户行为次数、以及标签所对应应用的个数，计算标签的权重；进一步地，根据标签的权重、以及待推荐应用的标签的权重，确定目标应用与待推荐应用之间的相似度，当目标应用与待推荐应用之间的相似度满足预设条件时，将待推荐应用推送给用户；可见，由于本实施例中通过自动计算各个标签的权重(无需人工预定义标签的权重)，因此，每个标签的权重的区分度较高，提高了目标应用与待推荐应用之间的相似度的计算结果准确度，进而根据目标应用与待推荐应用之间的相似度的准确计算结果进行准确地推荐，提高了应用的推荐效果。
图2为本发明应用的推荐装置实施例一的结构示意图。可选地，该应用的推荐装置可以配置在推荐服务器中。如图2所示，本实施例提供的应用的推荐装置20可以包括：第一获取模块201、第二获取模块202、确定模块203以及推荐模块204。
第一获取模块201，用于获取目标应用的标签、标签所对应应用的用户行为次数、以及标签所对应应用的个数；
第二获取模块202，用于根据标签所对应应用的用户行为次数、以及标签所对应应用的个数，计算标签的权重；
确定模块203，用于根据标签的权重、以及待推荐应用的标签的权重，确定目标应用与待推荐应用之间的相似度；
推荐模块204，用于当目标应用与待推荐应用之间的相似度满足预设条件时，将待推荐应用推送给用户。
本申请实施例提供的应用的推荐装置20可以包括：第一获取模块201、第二获取模块202、确定模块203以及推荐模块204；通过第一获取模块201获取目标应用的标签、标签所对应应用的用户行为次数、以及标签所对应应用的个数；第二获取模块202根据标签所对应应用的用户行为次数、以及标签所对应应用的个数，计算标签的权重；进一步地，确定模块203根据标签的权重、以及待推荐应用的标签的权重，确定目标应用与待推荐应用之间的相似度；当目标应用与待推荐应用之间的相似度满足预设条件时，推荐模块204将待推荐应用推送给用户；可见，由于本实施例提供的应用的推荐装置通过自动计算各个标签的权重(无需人工预定义标签的权重)，因此，每个标签的权重的区分度较高，提高了目标应用与待推荐应用之间的相似度的计算结果准确度，进而根据目标应用与待推荐应用之间的相似度的准确计算结果进行准确地推荐，提高了应用的推荐效果。
可选地，作为一种可实施的方式，在图2所示的实施方式的基础上，第二获取模块202具体用于：
根据公式计算标签t的权重wt，其中，dt代表标签t所对应应用的用户行为次数，at代表标签t所对应应用的个数，p和q为预设参数。
可选地，作为另一种可实施的方式，在上述实施方式的基础上，图3为本发明应用的推荐装置实施例二的结构示意图，如图3所示，应用的推荐装置20还包括：
第三获取模块205，用于获取待推荐应用的标签所对应应用的用户行为次数、以及待推荐应用的标签所对应应用的个数；
第四获取模块206，用于根据待推荐应用的标签所对应应用的用户行为次数、以及待推荐应用的标签所对应应用的个数，计算待推荐应用的标签的权重。
可选地，作为另一种可实施的方式，在上述实施方式的基础上，推荐模块204具体用于：当目标应用与待推荐应用之间的相似度大于预设阈值时，将待推荐应用推送给用户。
可选地，作为另一种可实施的方式，在上述实施方式的基础上，图4为本发明应用的推荐装置实施例三的结构示意图，如图4所示，待推荐应用为多个待推荐应用时，推荐模块204包括：
排序子模块204A，用于将目标应用与多个待推荐应用的相似度从大到小进行排序；
推荐子模块204B，用于将相似度中从大到小的预设个数相似度对应的待推荐应用推送给用户。
本实施例提供的应用的推荐装置，可以用于执行本发明上述应用的推荐方法任意实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
图5为本发明推荐服务器实施例的结构示意图。如图5所示，本实施例的推荐服务器50可以包括：存储器501和处理器502，存储器501可以和处理器502相连；其中，存储器501用于存储执行指令；处理器502用于调用存储器501中的执行指令，用以执行以下操作：
获取目标应用的标签、标签所对应应用的用户行为次数、以及标签所对应应用的个数；
根据标签所对应应用的用户行为次数、以及标签所对应应用的个数，计算标签的权重；
根据标签的权重、以及待推荐应用的标签的权重，确定目标应用与待推荐应用之间的相似度；
当目标应用与待推荐应用之间的相似度满足预设条件时，将待推荐应用推送给用户。
可选地，根据标签所对应应用的用户行为次数、以及标签所对应应用的个数，计算标签的权重，包括：
根据公式计算标签t的权重wt，其中，dt代表标签t所对应应用的用户行为次数，at代表标签t所对应应用的个数，p和q为预设参数。
可选地，处理器502还用以执行以下操作：
获取待推荐应用的标签所对应应用的用户行为次数、以及待推荐应用的标签所对应应用的个数；
根据待推荐应用的标签所对应应用的用户行为次数、以及待推荐应用的标签所对应应用的个数，计算待推荐应用的标签的权重。
可选地，当目标应用与待推荐应用之间的相似度满足预设条件时，将待推荐应用推送给用户，包括：
当目标应用与待推荐应用之间的相似度大于预设阈值时，将待推荐应用推送给用户。
可选地，待推荐应用为多个待推荐应用时，当目标应用与待推荐应用之间的相似度满足预设条件时，将待推荐应用推送给用户，包括：
将目标应用与多个待推荐应用的相似度从大到小进行排序；
将相似度中从大到小的预设个数相似度对应的待推荐应用推送给用户。
本实施例提供的推荐服务器，可以用于执行本发明上述应用的推荐方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
本领域普通技术人员可以理解：本文中涉及的第一、第二等各种数字编号仅为描述方便进行的区分，并不用来限制本申请实施例的范围。
本领域普通技术人员可以理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
本领域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。上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

Claims (10)

1.一种应用的推荐方法，其特征在于，包括：
获取目标应用的标签、所述标签所对应应用的用户行为次数、以及所述标签所对应应用的个数；
根据所述标签所对应应用的用户行为次数、以及所述标签所对应应用的个数，计算所述标签的权重；
根据所述标签的权重、以及待推荐应用的标签的权重，确定所述目标应用与所述待推荐应用之间的相似度；
当所述目标应用与所述待推荐应用之间的相似度满足预设条件时，将所述待推荐应用推送给用户。
2.根据权利要求1所述的方法，其特征在于，所述根据所述标签所对应应用的用户行为次数、以及所述标签所对应应用的个数，计算所述标签的权重，包括：
根据公式计算标签t的权重wt，其中，dt代表标签t所对应应用的用户行为次数，at代表标签t所对应应用的个数，p和q为预设参数。
3.根据权利要求1或2所述的方法，其特征在于，所述方法还包括：
获取所述待推荐应用的标签所对应应用的用户行为次数、以及所述待推荐应用的标签所对应应用的个数；
根据所述待推荐应用的标签所对应应用的用户行为次数、以及所述待推荐应用的标签所对应应用的个数，计算所述待推荐应用的标签的权重。
4.根据权利要求1或2所述的方法，其特征在于，所述当所述目标应用与所述待推荐应用之间的相似度满足预设条件时，将所述待推荐应用推送给用户，包括：
当所述目标应用与所述待推荐应用之间的相似度大于预设阈值时，将所述待推荐应用推送给用户。
5.根据权利要求1或2所述的方法，其特征在于，所述待推荐应用为多个待推荐应用时，所述当所述目标应用与所述待推荐应用之间的相似度满足预设条件时，将所述待推荐应用推送给用户，包括：
将所述目标应用与多个待推荐应用的相似度从大到小进行排序；
将所述相似度中从大到小的预设个数相似度对应的待推荐应用推送给用户。
6.一种应用的推荐装置，其特征在于，包括：
第一获取模块，用于获取目标应用的标签、所述标签所对应应用的用户行为次数、以及所述标签所对应应用的个数；
第二获取模块，用于根据所述标签所对应应用的用户行为次数、以及所述标签所对应应用的个数，计算所述标签的权重；
确定模块，用于根据所述标签的权重、以及待推荐应用的标签的权重，确定所述目标应用与所述待推荐应用之间的相似度；
推荐模块，用于当所述目标应用与所述待推荐应用之间的相似度满足预设条件时，将所述待推荐应用推送给用户。
7.根据权利要求6所述的装置，其特征在于，所述第二获取模块具体用于：根据公式计算标签t的权重wt，其中，dt代表标签t所对应应用的用户行为次数，at代表标签t所对应应用的个数，p和q为预设参数。
8.根据权利要求6或7所述的装置，其特征在于，还包括：
第三获取模块，用于获取所述待推荐应用的标签所对应应用的用户行为次数、以及所述待推荐应用的标签所对应应用的个数；
第四获取模块，用于根据所述待推荐应用的标签所对应应用的用户行为次数、以及所述待推荐应用的标签所对应应用的个数，计算所述待推荐应用的标签的权重。
9.根据权利要求6或7所述的装置，其特征在于，所述推荐模块具体用于：当所述目标应用与所述待推荐应用之间的相似度大于预设阈值时，将所述待推荐应用推送给用户。
10.根据权利要求6或7所述的装置，其特征在于，所述待推荐应用为多个待推荐应用时，所述推荐模块，包括：
排序子模块，用于将所述目标应用与多个待推荐应用的相似度从大到小进行排序；
推荐子模块，用于将所述相似度中从大到小的预设个数相似度对应的待推荐应用推送给用户。
CN201610676031.8A 2016-08-16 2016-08-16 应用的推荐方法及装置 Pending CN106250557A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610676031.8A CN106250557A (zh) 2016-08-16 2016-08-16 应用的推荐方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610676031.8A CN106250557A (zh) 2016-08-16 2016-08-16 应用的推荐方法及装置

Publications (1)

Publication Number Publication Date
CN106250557A true CN106250557A (zh) 2016-12-21

Family

ID=57593074

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610676031.8A Pending CN106250557A (zh) 2016-08-16 2016-08-16 应用的推荐方法及装置

Country Status (1)

Country Link
CN (1) CN106250557A (zh)

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106874449A (zh) * 2017-02-10 2017-06-20 维沃移动通信有限公司 一种应用程序的搜索方法及移动终端
CN107767228A (zh) * 2017-10-31 2018-03-06 广东欧珀移动通信有限公司 应用推荐方法、装置、终端设备及存储介质
CN107844536A (zh) * 2017-10-18 2018-03-27 西安万像电子科技有限公司 应用程序选择的方法、装置和系统
CN108334539A (zh) * 2017-12-15 2018-07-27 努比亚技术有限公司 对象推荐方法、移动终端及计算机可读存储介质
CN109033263A (zh) * 2018-07-09 2018-12-18 努比亚技术有限公司 一种应用推荐方法及终端
CN109245996A (zh) * 2018-09-18 2019-01-18 平安科技（深圳）有限公司 邮件推送方法、装置、计算机设备和存储介质
CN110771121A (zh) * 2017-08-31 2020-02-07 深圳市欢太科技有限公司 应用资源推荐方法及相关设备
CN111459777A (zh) * 2020-03-09 2020-07-28 卓望数码技术（深圳）有限公司 一种应用程序推荐方法、设备及存储介质
CN114238777A (zh) * 2022-02-18 2022-03-25 优游宝科技(深圳)有限公司 基于行为分析的负反馈流量分配方法、装置、设备及介质

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101984437A (zh) * 2010-11-23 2011-03-09 亿览在线网络技术（北京）有限公司 音乐资源个性化推荐方法及系统
CN102567511A (zh) * 2011-12-27 2012-07-11 奇智软件（北京）有限公司 一种应用自动推荐的方法及装置
CN102693248A (zh) * 2011-04-14 2012-09-26 天脉聚源(北京)传媒科技有限公司 一种搜索网络信息的方法和系统
CN103679502A (zh) * 2013-11-14 2014-03-26 青岛海信传媒网络技术有限公司 应用推荐方法和系统
US20140351179A1 (en) * 2013-05-27 2014-11-27 Huawei Technologies Co., Ltd. Information push method and apparatus
CN104239571A (zh) * 2014-09-30 2014-12-24 北京奇虎科技有限公司 一种进行应用推荐的方法和装置
CN105404698A (zh) * 2015-12-31 2016-03-16 海信集团有限公司 一种教育视频推荐方法及装置
CN105512331A (zh) * 2015-12-28 2016-04-20 海信集团有限公司 一种视频推荐方法及装置

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101984437A (zh) * 2010-11-23 2011-03-09 亿览在线网络技术（北京）有限公司 音乐资源个性化推荐方法及系统
CN102693248A (zh) * 2011-04-14 2012-09-26 天脉聚源(北京)传媒科技有限公司 一种搜索网络信息的方法和系统
CN102567511A (zh) * 2011-12-27 2012-07-11 奇智软件（北京）有限公司 一种应用自动推荐的方法及装置
US20140351179A1 (en) * 2013-05-27 2014-11-27 Huawei Technologies Co., Ltd. Information push method and apparatus
CN103679502A (zh) * 2013-11-14 2014-03-26 青岛海信传媒网络技术有限公司 应用推荐方法和系统
CN104239571A (zh) * 2014-09-30 2014-12-24 北京奇虎科技有限公司 一种进行应用推荐的方法和装置
CN105512331A (zh) * 2015-12-28 2016-04-20 海信集团有限公司 一种视频推荐方法及装置
CN105404698A (zh) * 2015-12-31 2016-03-16 海信集团有限公司 一种教育视频推荐方法及装置

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN106874449A (zh) * 2017-02-10 2017-06-20 维沃移动通信有限公司 一种应用程序的搜索方法及移动终端
CN110771121A (zh) * 2017-08-31 2020-02-07 深圳市欢太科技有限公司 应用资源推荐方法及相关设备
CN107844536A (zh) * 2017-10-18 2018-03-27 西安万像电子科技有限公司 应用程序选择的方法、装置和系统
CN107844536B (zh) * 2017-10-18 2020-06-09 西安万像电子科技有限公司 应用程序选择的方法、装置和系统
CN107767228A (zh) * 2017-10-31 2018-03-06 广东欧珀移动通信有限公司 应用推荐方法、装置、终端设备及存储介质
CN108334539A (zh) * 2017-12-15 2018-07-27 努比亚技术有限公司 对象推荐方法、移动终端及计算机可读存储介质
CN109033263A (zh) * 2018-07-09 2018-12-18 努比亚技术有限公司 一种应用推荐方法及终端
CN109245996A (zh) * 2018-09-18 2019-01-18 平安科技（深圳）有限公司 邮件推送方法、装置、计算机设备和存储介质
CN111459777A (zh) * 2020-03-09 2020-07-28 卓望数码技术（深圳）有限公司 一种应用程序推荐方法、设备及存储介质
CN111459777B (zh) * 2020-03-09 2022-06-07 卓望数码技术（深圳）有限公司 一种应用程序推荐方法、设备及存储介质
CN114238777A (zh) * 2022-02-18 2022-03-25 优游宝科技(深圳)有限公司 基于行为分析的负反馈流量分配方法、装置、设备及介质

Similar Documents

Publication Publication Date Title
CN106250557A (zh) 应用的推荐方法及装置
CN110163457B (zh) 一种业务指标的异常定位方法和装置
CN105335204A (zh) 软件程序的灰度发布控制方法和灰度发布控制装置
CN105005582A (zh) 多媒体信息的推荐方法及装置
CN107291745B (zh) 一种数据指标的管理方法及装置
CN104408640A (zh) 应用软件推荐方法及装置
CN110689211A (zh) 网站服务能力的评估方法及装置
CN110363468B (zh) 采购订单的确定方法、装置、服务器及可读存储介质
CN110532559B (zh) 规则的处理方法及装置
CN106156170A (zh) 舆情分析方法及装置
CN106126537A (zh) 一种应用推荐方法及装置
Atashsooz et al. Interpretive structural modeling of petrochemical industry supply chain risks
CN103617262A (zh) 图片内容属性识别方法和系统
CN113077321A (zh) 物品推荐方法、装置、电子设备和存储介质
CN111915115B (zh) 执行策略设置方法和装置
CN110765100B (zh) 标签的生成方法、装置、计算机可读存储介质及服务器
CN109978304A (zh) 面向对象的评估方法和装置
CN107704150A (zh) 一种应用程序图标的排列方法及设备
CN103617261A (zh) 图片内容属性识别方法和系统
CN104778253A (zh) 一种提供数据的方法和装置
CN112598616B (zh) 一种电子设备曝光参数的确定方法及成像方法
CN112860700B (zh) 数据表的生成方法及装置、存储介质及电子装置
CN106412796A (zh) 一种推荐方法及系统
CN103984779A (zh) 一种数据更新方法及装置
CN109885504B (zh) 推荐系统的测试方法、装置、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
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20161221