CN106503269A - 应用推荐的方法、装置及服务器 - Google Patents

应用推荐的方法、装置及服务器 Download PDF

Info

Publication number
CN106503269A
CN106503269A CN201611121732.1A CN201611121732A CN106503269A CN 106503269 A CN106503269 A CN 106503269A CN 201611121732 A CN201611121732 A CN 201611121732A CN 106503269 A CN106503269 A CN 106503269A
Authority
CN
China
Prior art keywords
application
user
user group
target user
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
Application number
CN201611121732.1A
Other languages
English (en)
Inventor
潘岸腾
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.)
Guangzhou Youshi Network Technology Co Ltd
Original Assignee
Guangzhou Youshi 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 Guangzhou Youshi Network Technology Co Ltd filed Critical Guangzhou Youshi Network Technology Co Ltd
Priority to CN201611121732.1A priority Critical patent/CN106503269A/zh
Publication of CN106503269A publication Critical patent/CN106503269A/zh
Priority to PCT/CN2017/115102 priority patent/WO2018103718A1/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
    • G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
    • G06F2216/03—Data mining

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

本发明实施例提供一种应用推荐方法、装置及服务器，所述方法包括：获取目标用户对应的属性标签；根据所述属性标签以及拥有所述属性标签的用户群对各个应用的偏好值，获得所述目标用户对各个应用的偏好值；基于所述目标用户对各个应用的偏好值，为所述目标用户推荐应用。所述方法通过在无监督的情况下，根据用户行为数据自动识别不同属性标签下人群的偏好，然后根据用户拥有的属性标签，实现对用户的个性化推荐，这种方式大大减少了人力成本，并且是通过用户行为数据的客观分析，提高了推荐的准确性。

Description

应用推荐的方法、装置及服务器
技术领域
本发明涉及计算机应用领域，具体而言，涉及一种应用推荐方法、装置及服务器。
背景技术
随着移动终端技术及网络技术的飞速发展，越来越多的用户选择在手机或平板电脑等移动终端上下载应用软件，各种专为移动终端用户打造的应用获取平台，例如应用商店也应运而生。
在应用商店运营过程中，应用商店的运营人员可以通过用户的注册信息、问卷调查等手段获取用户的许多自然属性，通常的做法是将这些自然属性整理为标签，例如：“学生党”、“吃货”、“游戏迷”、“90后”。进一步的，通过专门的运营人员，根据不同标签的，挑选这类标签人群可能喜欢的应用，然后进行推荐。这种方式存在一定局限性：第一是当标签的数量有很多的时候，需要付出巨大的人力成本；第二是通过运营人员的判断主观性太强，推荐的应用不能保证很好的准确性。
发明内容
有鉴于此，本发明实施例的目的在于提供一种应用推荐方法、装置及服务器，以解决上述问题。
为了实现上述目的，本发明实施例采用的技术方案如下：
第一方面，本发明实施例提供了一种应用推荐方法，所述方法包括：获取目标用户对应的属性标签；根据所述属性标签以及拥有所述属性标签的用户群对各个应用的偏好值，获得所述目标用户对各个应用的偏好值；基于所述目标用户对各个应用的偏好值，为所述目标用户推荐应用。
第二方面，本发明实施例提供了一种应用推荐装置，所述装置包括：获取模块，用于获取目标用户对应的属性标签；处理模块，用于根据所述属性标签以及拥有所述属性标签的用户群对各个应用的偏好值，获得所述目标用户对各个应用的偏好值；推荐模块，用于基于所述目标用户对各个应用的偏好值，为所述目标用户推荐应用。
第三方面，本发明实施例提供了一种服务器，所述服务器包括存储器和处理器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时使所述处理器执行以下操作：获取目标用户对应的属性标签；根据所述属性标签以及拥有所述属性标签的用户群对各个应用的偏好值，获得所述目标用户对各个应用的偏好值；基于所述目标用户对各个应用的偏好值，为所述目标用户推荐应用。
与现有技术相比，本发明实施例提供的一种应用推荐方法、装置及服务器，通过在无监督的情况下，根据用户行为数据自动识别不同属性标签下人群的偏好，然后根据用户拥有的属性标签，实现对用户的个性化推荐，这种方式大大减少了人力成本，并且是通过用户行为数据的客观分析，提提高了推荐的准确性。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定，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相关的附图。
图1是本发明实施例提供的用户终端与服务器进行交互的示意图。
图2是本发明实施例提供的服务器的结构示意图。
图3是本发明实施例提供的一种应用推荐方法的流程图。
图4是本发明实施例提供的一种应用推荐方法中步骤S400的详细流程图。
图5是本发明实施例提供的一种应用推荐方法中步骤S420的详细流程图。
图6是本发明实施例提供的一种应用推荐方法中步骤S500的详细流程图。
图7是本发明实施例提供的一种应用推荐方法中步骤S520的详细流程图。
图8是本发明实施例提供的一种应用推荐装置的结构框图。
具体实施方式
下面将结合本发明实施例中附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本发明的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
图1示出了本发明实施例提供的服务器200与用户终端100进行交互的示意图。所述服务器200通过网络300与一个或多个用户终端100进行通信连接，以进行数据通信或交互。所述服务器200可以是网络服务器、数据库服务器等。所述用户终端100可以是个人电脑(personal computer，PC)、平板电脑、智能手机、个人数字助理(personal digitalassistant，PDA)、车载设备、穿戴设备等。
如图2所示，是所述服务器200的方框示意图。所述服务器200包括存储器201、处理器202以及网络模块203。
存储器201可用于存储软件程序以及模块，如本发明实施例中的应用推荐方法及装置对应的程序指令/模块，处理器202通过运行存储在存储器201内的软件程序以及模块，从而执行各种功能应用以及数据处理，即实现本发明实施例中的应用专题推荐方法。存储器201可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。进一步地，上述存储器201内的软件程序以及模块还可包括：操作系统221以及服务模块222。其中操作系统221，例如可为LINUX、UNIX、WINDOWS，其可包括各种用于管理系统任务(例如内存管理、存储设备控制、电源管理等)的软件组件和/或驱动，并可与各种硬件或软件组件相互通讯，从而提供其他软件组件的运行环境。服务模块222运行在操作系统221的基础上，并通过操作系统221的网络服务监听来自网络的请求，根据请求完成相应的数据处理，并返回处理结果给客户端。也就是说，服务模块222用于向客户端提供网络服务。
网络模块203用于接收以及发送网络信号。上述网络信号可包括无线信号或者有线信号。
可以理解，图2所示的结构仅为示意，所述服务器200还可包括比图2中所示更多或者更少的组件，或者具有与图2所示不同的配置。图2中所示的各组件可以采用硬件、软件或其组合实现。另外，本发明实施例中的服务器还可以包括多个具体不同功能的服务器。
于本发明实施例中，用户终端100中安装有客户端，该客户端可以是第三方应用软件，例如应用商店，与服务器(Server)端相对应，共同遵循同一套数据协议，使得服务端跟客户端能够互相解析出对方的数据，为用户提供应用推荐服务。
图3示出了本发明实施例提供的应用推荐方法的流程图，请参阅图3，本实施例描述的是服务器的处理流程，所述方法包括：
步骤S300，获取目标用户对应的属性标签。
所述属性标签是指用来代表目标用户的自然属性或个人特点的标签，例如“女”、“吃货”、“手机达人”等等。当然，所述属性标签并不局限于所述示例。
所述属性标签可以由应用商店的操作人员预先设定，也可以是通过分析大量用户数据，并通过数据挖掘，例如通过聚类算法等手段，聚类出多种用户群，并给每个用户群赋予不同的属性标签。所述属性标签还可以是通过用户的注册信息、问卷调查等手段获取用户的许多自然属性，并将这些自然属性整理为属性标签。
获取目标用户对应的属性标签的实施方式有多种，例如可以通过操作人员进行人工分析后，并把分析结果输入到服务器，由服务器通过接收所述分析结果，从而获取目标用户对应的属性标签。当然，服务器也可以通过分类处理等数据算法，通过分析目标用户的用户数据，获取目标用户对应的属性标签。可以理解的是，获取目标用户对应的属性标签的实施方式并不局限于此。
所述目标用户对应的属性标签可以是一个也可以是多个，可以理解的是，所述方法并不受到属性标签个数的限制。
步骤S400，根据所述属性标签以及拥有所述属性标签的用户群对各个应用的偏好值，获得所述目标用户对各个应用的偏好值。
可以预先通过步骤S300中介绍的方法，获取每个用户的属性标签，然后根据属性标签来划分对应的用户群。
例如：
(1)有4个用户，分别获取每个用户的属性标签，假设结果如下所示：
用户A标签为：“女”、“吃货”、“剁手”
用户B标签为：“男”、“游戏”、“老司机”
用户C标签为：“男”、“游戏”、“手机达人”
用户D标签为：“女”、“剁手”、“手机达人”
(2)进一步的，根据获取的属性标签将用户划分出与所述七个属性标签对应的七个用户群，分别是：
用户群“女”：包含用户A、D
用户群“男”：包含用户B、C
用户群“吃货”：包含用户A
用户群“游戏”：包含用户B、C
用户群“手机达人”：包含用户C、D
用户群“剁手”：包含用户A、D
用户群“老司机”：包含用户B
所述步骤S400的实施方式有多种，作为一种实施方式，所述属性标签的个数为多个，每个属性标签对应一个用户群，请参阅图4，所述步骤S400可以包括：
步骤S410，将其中一个应用作为待处理应用。
步骤S420，计算每个所述用户群对所述待处理应用的偏好值，将所有用户群对所述待处理应用的偏好值的和，获得所述目标用户对所述待处理应用的偏好值。
设目标用户拥有k个标签，记为x：
x＝{xi}i＝1，2，..，k
可以根据下述公式计算所述目标用户对所述待处理应用j的偏好值Puj：
其中，表示拥有目标用户的属性标签xi的用户群对待处理应用j的偏好值。
可以理解的是，当目标用户只有一个属性标签i时，则目标用户对待处理应用j的偏好值与拥有属性标签i的用户群对待处理应用j的偏好值相同。
作为一种实施方式，请参阅图5，计算拥有目标用户的属性标签xi的用户群对待处理应用j的偏好值的方法可以包括：
步骤S421，根据所述待处理应用在该用户群中的安装概率以及所述待处理应用在所有用户中的安装概率，计算该用户群对所述待处理应用的偏好比。
作为一种实施方式，步骤S421可以根据下述公式进行计算：
其中，Psij表示该拥有目标用户对应属性标签i的用户群对待处理应用j的偏好比，PIij表示该拥有目标用户对应属性标签i的用户群中安装待处理应用j的概率，Paj表示待处理应用j在所有用户中的安装概率。
可以理解的是，在这种实施方式中，拥有目标用户对应属性标签i的用户群对待处理应用j的偏好比实际上表示的是拥有目标用户对应属性标签i的用户群喜欢待处理应用j的程度是所有用户平均喜欢程度的Psij倍。
例如：待处理应用j在所有用户中的安装概率为0.1，在拥有目标用户对应属性标签i的用户群中的安装概率为0.2，那么拥有目标用户对应属性标签i的用户群对待处理应用j的偏好比为2，即拥有目标用户对应属性标签i的用户群喜欢待处理应用j的程度是所有用户平均喜欢程度的2倍。
所述待处理应用在所述拥有所述目标用户对应属性标签的用户群中的安装概率Pli，j，可以根据在所述拥有所述目标用户对应属性标签的用户群中安装所述待处理应用的人数，以及所述拥有所述目标用户对应属性标签的用户群的总人数获得。
其中一种计算公式如下：
其中，PIij表示拥有目标用户对应属性标签i的用户群中安装待处理应用j的概率，Iij表示拥有目标用户对应属性标签i的用户群中安装待处理应用j的人数，Si表示拥有所述目标用户对应属性标签i的用户群的总人数。
所述待处理应用在所有用户中的安装概率Paj，可以根据安装所述待处理应用的总人数以及用户的总人数获取。
其中一种计算公式如下：
其中，Paj表示所述待处理应用j在所有用户中的安装概率，aj表示安装所述待处理应用的总人数，n表示用户的总人数。
步骤S422，根据该用户群对所述待处理应用的偏好比，以及所述安装所述待处理应用的用户中，该用户群所占的比重，计算该用户群对所述待处理应用的偏好值。
其中一种计算公式如下：
Pij＝Psij*Iaij
其中，Pij表示该拥有所述目标用户对应属性标签i的用户群对所述待处理应用j的偏好值，Psij表示该拥有目标用户对应属性标签i的用户群对待处理应用j的偏好比，Iaij表示所述安装所述待处理应用j的用户中，所述该拥有所述目标用户对应属性标签i的用户群所占的比重。
可以理解的是，拥有某个属性标签的用户群对某个应用的偏好比Pij，是指拥有某个属性标签i的用户群相比于拥有其它属性标签的用户群对某个应用j的更喜好程度，可以理解的是，当所述偏好值Pij越大时，表示拥有某个属性标签i的用户群相比于拥有其它属性标签的用户群更喜欢这个应用j。上述实施方式是通过从对比应用安装概率的角度衡量人群对应用的偏好程度。
所述安装所述待处理应用j的用户中，拥有所述目标用户对应属性标签i的用户群所占的比重Iaij，是指拥有某个属性标签的用户群对安装某个应用的用户的覆盖率。作为一种实施方式，可以通过从应用安装规模的角度衡量人群对应用的偏好程度。即所述安装所述待处理应用的用户中，拥有所述目标用户对应属性标签的用户群所占的比重Iaij，可以根据所述拥有所述目标用户对应属性标签的用户群中安装所述待处理应用的人数，以及安装所述待处理应用的用户的总人数获得。
可以根据下述公式进行计算：
其中，Iaij表示所述安装所述待处理应用j的用户中，拥有所述目标用户对应属性标签i的用户群所占的比重，Iij表示拥有目标用户对应属性标签i的用户群中安装待处理应用j的人数，aj表示安装所述待处理应用的总人数。
步骤S430，将下一应用作为待处理应用，直到所述用户对各个应用的偏好值计算完毕。
步骤S500，基于所述目标用户对各个应用的偏好值，为所述目标用户推荐应用。
当计算完毕所述用户对各个应用的偏好值后，可以根据所述偏好值及预设规则，为所述目标用户推荐应用。所述预设规则有多种，可以是对所述偏好值进行排序，可以是降序，也可以是升序，排序算法的种类也很多，此处就再赘述。预设规则也可以是多种筛选规则多次应用，经过多次筛选后，为所述目标用户推荐应用。当然，预设规则并不局限于此。
请参阅图6，作为一种实施方式，步骤S500可以包括：
步骤S510，将所述目标用户对各个应用的偏好值进行排序，得到所述目标用户的待推荐应用候选集。
步骤S520，从所述候选集中为所述目标用户确定待推荐应用。
请参阅图7，作为一种实施方式，步骤S520可以包括：
步骤S521，分别计算所述候选集中各个应用的安装总人数。
步骤S522，将所述候选集中各个应用的安装总人数进行排序，得到所述目标用户的待推荐应用。
例如，假设通过步骤S510将所述目标用户对各个应用的偏好值进行排序后，筛选出偏好值靠前的100个应用，此时再将这100个应用根据按照人数再次进行排序，选出预设数量的待推荐应用，进一步的，将这些待推荐应用反馈给用户终端。通过两次排序，首先将适合某个或某类人群的应用筛选出来，并再次通过排序选出在这些这些应用中，广泛受到所有用户喜爱的应用，作为待推荐应用，这样将进一步提高推荐的准确率。
本发明实施例提供的应用推荐方法，通过在无监督的情况下，根据用户行为数据自动识别不同属性标签下人群的偏好，然后根据用户拥有的属性标签，实现对用户的个性化推荐，这种方式大大减少了人力成本，并且是通过用户行为数据的客观分析，提提高了推荐的准确性。进一步的，通过两次筛选，首先将适合某个或某类人群的应用筛选出来，并再次通过排序选出在这些应用中，广泛受到所有用户喜爱的应用，作为待推荐应用，这样将进一步提高推荐的准确率。
请参阅图8，是本发明实施例提供的应用推荐装置600的功能模块示意图。所述应用推荐装置600包括获取模块610，处理模块620，以及推荐模块630。
所述获取模块610，用于获取目标用户对应的属性标签。
所述处理模块620，用于根据所述属性标签以及拥有所述属性标签的用户群对各个应用的偏好值，获得所述目标用户对各个应用的偏好值。
作为一种实施方式，所述属性标签的个数为多个，每个属性标签对应一个用户群，所述处理模块620具体用于计算每个所述用户群对每个应用的偏好值，将所有用户群对同一个应用的偏好值的和作为所述目标用户对该应用的偏好值。
进一步的，所述处理模块620，具体用于根据该应用在该用户群中的安装概率以及该应用在所有用户中的安装概率，计算该用户群对该应用的偏好比；根据该用户群对该应用的偏好比，以及所述安装该应用的用户中，所述该用户群人数所占的比重，计算该用户群对所述待处理应用的偏好值。
进一步的，所述处理模块620，具体用于根据在该用户群中安装所述待处理应用的人数，以及该用户群的总人数，获得该应用在该用户群中的安装概率。
进一步的，所述处理模块620，具体用于根据安装该应用的总人数，以及用户的总人数，获取该应用在所有用户中的安装概率。
进一步的，所述处理模块620，具体用于根据该用户群中安装该应用的人数，以及安装该应用的用户的总人数，计算所述安装该应用的用户中，所述该用户群人数所占的比重。
所述推荐模块630，用于基于所述目标用户对各个应用的偏好值，为所述目标用户推荐应用。
作为一种所述方式，所述推荐模块630包括第一筛选模块631以及第二筛选模块632。
所述第一筛选模块631，用于将所述目标用户对各个应用的偏好值进行排序，得到所述目标用户的待推荐应用候选集。
所述第二筛选模块632，用于从所述候选集中为所述目标用户确定待推荐应用。
进一步的，所述第二筛选模块632，还用于分别计算所述候选集中各个应用的安装总人数；将所述候选集中各个应用的安装总人数进行排序，得到所述目标用户的待推荐应用。
以上各模块可以是由软件代码实现，此时，上述的各模块可存储于服务器200的存储器201内。以上各模块同样可以由硬件例如集成电路芯片实现。
需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。
本发明实施例所提供的应用推荐装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，也可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，附图中的流程图和框图显示了根据本发明的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分，所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现方式中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
另外，在本发明各个实施例中的各功能模块可以集成在一起形成一个独立的部分，也可以是各个模块单独存在，也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块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)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。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。

Claims (17)

1.一种应用推荐方法，其特征在于，所述方法包括：
获取目标用户对应的属性标签；
根据所述属性标签以及拥有所述属性标签的用户群对各个应用的偏好值，获得所述目标用户对各个应用的偏好值；
基于所述目标用户对各个应用的偏好值，为所述目标用户推荐应用。
2.根据权利要求1所述的方法，其特征在于，所述属性标签的个数为多个，每个属性标签对应一个用户群，所述根据所述属性标签以及拥有所述属性标签的用户群对各个应用的偏好值，获得所述目标用户对各个应用的偏好值，包括：
计算每个所述用户群对每个应用的偏好值，将所有用户群对同一个应用的偏好值的和作为所述目标用户对该应用的偏好值。
3.根据权利要求2所述的方法，其特征在于，所述每个所述用户群对其中一个应用的偏好值的计算方法，包括：
根据该应用在该用户群中的安装概率以及该应用在所有用户中的安装概率，计算该用户群对该应用的偏好比；
根据该用户群对该应用的偏好比，以及安装该应用的用户中，该用户群人数所占的比重，计算该用户群对该应用的偏好值。
4.根据权利要求3所述的方法，其特征在于，所述该应用在该用户群中的安装概率的计算方法，包括：
根据在该用户群中安装所述待处理应用的人数，以及该用户群的总人数，获得该应用在该用户群中的安装概率。
5.根据权利要求3所述的方法，其特征在于，所述该应用在所有用户中的安装概率的计算方法，包括：
根据安装该应用的总人数，以及用户的总人数，获取该应用在所有用户中的安装概率。
6.根据权利要求3所述的方法，其特征在于，所述安装该应用的用户中，所述该用户群人数所占的比重的计算方法，包括：
根据该用户群中安装该应用的人数，以及安装该应用的用户的总人数，计算所述安装该应用的用户中，所述该用户群人数所占的比重。
7.根据权利要求1所述的方法，其特征在于，所述基于所述用户分别对各个应用的偏好值，为所述用户确定待推荐应用，包括：
将所述目标用户对各个应用的偏好值进行排序，得到所述目标用户的待推荐应用候选集；
从所述候选集中为所述目标用户确定待推荐应用。
8.根据权利要求7所述的方法，其特征在于，从所述候选集中为所述目标用户确定待推荐应用，包括：
分别计算所述候选集中各个应用的安装总人数；
将所述候选集中各个应用的安装总人数进行排序，得到所述目标用户的待推荐应用。
9.一种应用推荐装置，其特征在于，所述装置包括：
获取模块，用于获取目标用户对应的属性标签；
处理模块，用于根据所述属性标签以及拥有所述属性标签的用户群对各个应用的偏好值，获得所述目标用户对各个应用的偏好值；
推荐模块，用于基于所述目标用户对各个应用的偏好值，为所述目标用户推荐应用。
10.根据权利要求9所述的装置，其特征在于，所述属性标签的个数为多个，每个属性标签对应一个用户群，所述处理模块具体用于计算每个所述用户群对每个应用的偏好值，将所有用户群对同一个应用的偏好值的和作为所述目标用户对该应用的偏好值。
11.根据权利要求10所述的装置，其特征在于，所述处理模块具体用于根据该应用在该用户群中的安装概率以及该应用在所有用户中的安装概率，计算该用户群对该应用的偏好比；根据该用户群对该应用的偏好比，以及安装该应用的用户中，该用户群人数所占的比重，计算该用户群对该应用的偏好值。
12.根据权利要求11所述的装置，其特征在于，所述处理模块具体用于根据在该用户群中安装所述待处理应用的人数，以及该用户群的总人数，获得该应用在该用户群中的安装概率。
13.根据权利要求11所述的装置，其特征在于，所述处理模块具体用于根据安装该应用的总人数，以及用户的总人数，获取该应用在所有用户中的安装概率。
14.根据权利要求11所述的装置，其特征在于，所述处理模块具体用于根据该用户群中安装该应用的人数，以及安装该应用的用户的总人数，计算所述安装该应用的用户中，所述该用户群人数所占的比重。
15.根据权利要求9所述的装置，其特征在于，所述推荐模块包括第一筛选模块以及第二筛选模块，
所述第一筛选模块，用于将所述目标用户对各个应用的偏好值进行排序，得到所述目标用户的待推荐应用候选集；
所述第二筛选模块，用于从所述候选集中为所述目标用户确定待推荐应用。
16.根据权利要求15所述的装置，其特征在于，所述第二筛选模块，还用于分别计算所述候选集中各个应用的安装总人数；将所述候选集中各个应用的安装总人数进行排序，得到所述目标用户的待推荐应用。
17.一种服务器，其特征在于，所述服务器包括存储器及处理器，所述存储器耦接到所述处理器，所述存储器存储指令，当所述指令由所述处理器执行时以使所述处理器执行以下操作：
获取目标用户对应的属性标签；
根据所述属性标签以及拥有所述属性标签的用户群对各个应用的偏好值，获得所述目标用户对各个应用的偏好值；
基于所述目标用户对各个应用的偏好值，为所述目标用户推荐应用。
CN201611121732.1A 2016-12-08 2016-12-08 应用推荐的方法、装置及服务器 Pending CN106503269A (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201611121732.1A CN106503269A (zh) 2016-12-08 2016-12-08 应用推荐的方法、装置及服务器
PCT/CN2017/115102 WO2018103718A1 (zh) 2016-12-08 2017-12-07 应用推荐的方法、装置及服务器

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611121732.1A CN106503269A (zh) 2016-12-08 2016-12-08 应用推荐的方法、装置及服务器

Publications (1)

Publication Number Publication Date
CN106503269A true CN106503269A (zh) 2017-03-15

Family

ID=58330045

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611121732.1A Pending CN106503269A (zh) 2016-12-08 2016-12-08 应用推荐的方法、装置及服务器

Country Status (2)

Country Link
CN (1) CN106503269A (zh)
WO (1) WO2018103718A1 (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107122990A (zh) * 2017-03-22 2017-09-01 广州优视网络科技有限公司 应用推荐方法、客户端、服务器及系统
CN107222566A (zh) * 2017-07-06 2017-09-29 广州优视网络科技有限公司 信息推送方法、装置及服务器
CN107357847A (zh) * 2017-06-26 2017-11-17 北京京东尚科信息技术有限公司 数据处理方法及其装置
CN107786376A (zh) * 2017-10-20 2018-03-09 广州优视网络科技有限公司 内容推送方法、装置及计算机设备
WO2018103718A1 (zh) * 2016-12-08 2018-06-14 广州优视网络科技有限公司 应用推荐的方法、装置及服务器
CN108446311A (zh) * 2018-02-06 2018-08-24 微梦创科网络科技（中国）有限公司 一种基于社交网络的app推荐方法及装置
CN108830298A (zh) * 2018-05-21 2018-11-16 麒麟合盛网络技术股份有限公司 一种确定用户特征标签的方法及装置
CN109190042A (zh) * 2018-09-06 2019-01-11 北京奇虎科技有限公司 一种应用推荐方法和装置
CN110222257A (zh) * 2019-05-13 2019-09-10 特斯联（北京）科技有限公司 一种推荐业务信息的方法、装置及数据链节点
CN110377821A (zh) * 2019-06-18 2019-10-25 深圳壹账通智能科技有限公司 生成兴趣标签的方法、装置、计算机设备和存储介质
CN110598090A (zh) * 2019-07-23 2019-12-20 平安科技（深圳）有限公司 兴趣标签的生成方法、装置、计算机设备和存储介质

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109241415B (zh) * 2018-08-20 2023-04-14 平安科技（深圳）有限公司 项目推荐方法、装置、计算机设备及存储介质
CN111125514B (zh) * 2019-11-20 2023-08-22 泰康保险集团股份有限公司 用户行为分析的方法、装置、电子设备和存储介质
CN111177541B (zh) * 2019-12-20 2023-08-22 上海淇玥信息技术有限公司 基于用户标签生成时间的数据分析方法及装置
CN111814037B (zh) * 2019-12-31 2024-04-26 北京嘀嘀无限科技发展有限公司 数据处理方法、装置、存储介质及电子设备
CN111815359B (zh) * 2020-07-09 2024-05-24 北京火山引擎科技有限公司 一种目标人群确定方法、装置、电子设备和存储介质
CN112016793B (zh) * 2020-07-15 2024-04-26 北京淇瑀信息科技有限公司 基于目标用户群的资源分配方法、装置及电子设备
CN111931059A (zh) * 2020-08-19 2020-11-13 创新奇智(成都)科技有限公司 一种对象的确定方法、装置及存储介质
CN112579910A (zh) * 2020-12-28 2021-03-30 北京嘀嘀无限科技发展有限公司 信息处理方法、信息处理装置、存储介质和电子设备

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104298679A (zh) * 2013-07-18 2015-01-21 腾讯科技（深圳）有限公司 应用业务推荐方法及装置
CN106126537A (zh) * 2016-06-14 2016-11-16 中国联合网络通信集团有限公司 一种应用推荐方法及装置
CN106202242A (zh) * 2016-06-28 2016-12-07 青岛海信传媒网络技术有限公司 一种应用程序推荐方法和装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102004774B (zh) * 2010-11-16 2012-11-14 清华大学 基于统一概率模型的个性化用户标签建模与推荐方法
CN103177093B (zh) * 2013-03-13 2016-08-17 北京开心人信息技术有限公司 一种基于对象标签的通用推荐方法及系统
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
CN106503269A (zh) * 2016-12-08 2017-03-15 广州优视网络科技有限公司 应用推荐的方法、装置及服务器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104298679A (zh) * 2013-07-18 2015-01-21 腾讯科技（深圳）有限公司 应用业务推荐方法及装置
CN106126537A (zh) * 2016-06-14 2016-11-16 中国联合网络通信集团有限公司 一种应用推荐方法及装置
CN106202242A (zh) * 2016-06-28 2016-12-07 青岛海信传媒网络技术有限公司 一种应用程序推荐方法和装置

Cited By (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018103718A1 (zh) * 2016-12-08 2018-06-14 广州优视网络科技有限公司 应用推荐的方法、装置及服务器
CN107122990A (zh) * 2017-03-22 2017-09-01 广州优视网络科技有限公司 应用推荐方法、客户端、服务器及系统
CN107357847B (zh) * 2017-06-26 2020-07-31 北京京东尚科信息技术有限公司 数据处理方法及其装置
CN107357847A (zh) * 2017-06-26 2017-11-17 北京京东尚科信息技术有限公司 数据处理方法及其装置
CN107222566A (zh) * 2017-07-06 2017-09-29 广州优视网络科技有限公司 信息推送方法、装置及服务器
CN107222566B (zh) * 2017-07-06 2020-09-04 阿里巴巴（中国）有限公司 信息推送方法、装置及服务器
CN107786376A (zh) * 2017-10-20 2018-03-09 广州优视网络科技有限公司 内容推送方法、装置及计算机设备
CN108446311A (zh) * 2018-02-06 2018-08-24 微梦创科网络科技（中国）有限公司 一种基于社交网络的app推荐方法及装置
CN108830298A (zh) * 2018-05-21 2018-11-16 麒麟合盛网络技术股份有限公司 一种确定用户特征标签的方法及装置
CN108830298B (zh) * 2018-05-21 2021-07-23 麒麟合盛网络技术股份有限公司 一种确定用户特征标签的方法及装置
CN109190042A (zh) * 2018-09-06 2019-01-11 北京奇虎科技有限公司 一种应用推荐方法和装置
CN110222257B (zh) * 2019-05-13 2020-01-31 特斯联（北京）科技有限公司 一种推荐业务信息的方法、装置及数据链节点
CN110222257A (zh) * 2019-05-13 2019-09-10 特斯联（北京）科技有限公司 一种推荐业务信息的方法、装置及数据链节点
CN110377821A (zh) * 2019-06-18 2019-10-25 深圳壹账通智能科技有限公司 生成兴趣标签的方法、装置、计算机设备和存储介质
WO2020253369A1 (zh) * 2019-06-18 2020-12-24 深圳壹账通智能科技有限公司 生成兴趣标签的方法、装置、计算机设备和存储介质
CN110598090A (zh) * 2019-07-23 2019-12-20 平安科技（深圳）有限公司 兴趣标签的生成方法、装置、计算机设备和存储介质
CN110598090B (zh) * 2019-07-23 2023-04-11 平安科技（深圳）有限公司 兴趣标签的生成方法、装置、计算机设备和存储介质

Also Published As

Publication number Publication date
WO2018103718A1 (zh) 2018-06-14

Similar Documents

Publication Publication Date Title
CN106503269A (zh) 应用推荐的方法、装置及服务器
CN108021929B (zh) 基于大数据的移动端电商用户画像建立与分析方法及系统
CN107222566B (zh) 信息推送方法、装置及服务器
CN107247786A (zh) 用于确定相似用户的方法、装置和服务器
US10719854B2 (en) Method and system for predicting future activities of user on social media platforms
CN108182253B (zh) 用于生成信息的方法和装置
US20160042428A1 (en) Personalized product recommendation based on brand personality scale
CN106874503B (zh) 获取推荐数据的方法和装置
JP5996811B1 (ja) 情報処理装置、情報処理方法、及び情報処理プログラム
CN108665293B (zh) 特征重要性获取方法及装置
CN112750011A (zh) 商品推荐方法、装置和电子设备
CN111242709A (zh) 一种消息推送方法及其装置、设备、存储介质
CN110782291A (zh) 广告投放用户确定方法及装置、存储介质及电子装置
CN111383049A (zh) 产品推荐方法、装置及存储介质
CN109819002B (zh) 数据推送方法和装置、存储介质及电子装置
CN113469786A (zh) 物品推荐的方法、装置、计算机设备和存储介质
JP6308339B1 (ja) クラスタリングシステム、方法およびプログラム、並びに、レコメンドシステム
CN114780606B (zh) 一种大数据挖掘方法及系统
CN114245185A (zh) 视频推荐方法、模型训练方法、装置、电子设备及介质
CN113704620A (zh) 基于人工智能的用户标签更新方法、装置、设备及介质
CN112819555B (zh) 一种物品推荐方法和装置
CN112449217B (zh) 一种推送视频的方法、装置、电子设备和计算机可读介质
CN107273538B (zh) 资讯推荐方法、装置及服务器
CN111667018A (zh) 一种对象聚类的方法、装置、计算机可读介质及电子设备
CN111091416A (zh) 一种预测酒店购买机器人的概率的方法和装置

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20170315

RJ01 Rejection of invention patent application after publication