CN107122990A - 应用推荐方法、客户端、服务器及系统 - Google Patents
应用推荐方法、客户端、服务器及系统 Download PDFInfo
- Publication number
- CN107122990A CN107122990A CN201710174514.2A CN201710174514A CN107122990A CN 107122990 A CN107122990 A CN 107122990A CN 201710174514 A CN201710174514 A CN 201710174514A CN 107122990 A CN107122990 A CN 107122990A
- Authority
- CN
- China
- Prior art keywords
- application
- alternative
- targeted customer
- vector
- particular group
- 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
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/02—Marketing; Price estimation or determination; Fundraising
- G06Q30/0282—Rating or review of business operators or products
-
- 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)
- Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Data Mining & Analysis (AREA)
- Economics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Stored Programmes (AREA)
Abstract
本发明公开了一种应用推荐方法、客户端、服务器及系统。该应用推荐方法包括:获取目标用户对备选应用的应用偏好指标以及备选应用的应用数据;根据目标用户对所述备选应用的应用偏好指标和备选应用的应用数据,获取备选应用的预期收益系数;根据所获取的多个备选应用的预期收益系数,从多个备选应用中选取预定数目的推荐应用,以生成应用推荐列表向目标用户展示。根据本发明,使得提供应用推荐服务的应用平台既能满足用户使用体验,又能实现营收最大化。
Description
技术领域
本发明涉及互联网应用技术领域,更具体地,涉及一种应用推荐方法、客户端、服务器及系统。
背景技术
随着互联网技术的飞速发展,以及电子设备的移动化以及智能化的普及,越来越多的用户习惯通过诸如手机、平板设备这类电子设备,下载应用进行安装,以获取该应用提供的服务。为用户推荐应用并提供下载的应用平台,例如应用商店,随之应运而生。
应用商店作为向用户推荐应用、以及提供用户搜索应用、免费下载应用的应用平台,其运营模式通常是通过向用户推荐应用以提升应用的下载量,以此从提供应用的应用运营商处获取推广收益来实现营收。因此,如何通过推荐应用获取营收最大化,是应用商店运营者最关心的问题。
但是,以从应用运营商处获取的推广收益的角度出发,向用户推荐应用,并不能有效贴合用户对应用的实际需求,从而并不能实际提高用户对应用的下载量,反而会影响用户使用应用商店的用户体验,导致用户流失。
因此,如何使得推荐的应用,能既满足用户实际的应用需求,又获取营收最大化,是当前的应用商店普遍关注的问题。
发明内容
本发明的一个目的是提供一种用于应用推荐的新技术方案。
根据本发明的第一方面,提供了一种应用推荐方法,包括:
获取目标用户对备选应用的应用偏好指标以及所述备选应用的应用数据,
其中,所述备选应用的应用数据至少包括所述备选应用的应用安装比例和应用收益指标,
所述备选应用的应用安装比例,是所述备选应用的已被安装次数与被推荐展示次数之比,
所述备选应用的应用收益指标,是通过所述备选应用每次在被推荐展示后被安装获取的收益;
根据所述目标用户对所述备选应用的应用偏好指标和所述备选应用的应用数据,获取所述备选应用的预期收益系数;
根据所获取的多个所述备选应用的预期收益系数,从多个所述备选应用中选取预定数目的推荐应用,以生成应用推荐列表向所述目标用户展示。
可选地,获取目标用户对备选应用的应用偏好指标的步骤包括:
获取所述目标用户的特定分类应用安装占比,以及获取整体用户群中每个用户的特定分类应用平均安装占比,
其中,所述特定分类为所述备选应用所属的应用分类,
所述特定分类应用安装占比,是对应的用户安装属于特定分类的应用数量与该用户已安装应用的总数量之比;
根据整体用户群中所有用户的所述特定分类应用安装占比求取平均值,得到所述整体用户群的特定分类应用平均安装占比;
根据所述目标用户的特定分类应用安装占比和所述整体用户群的特定分类应用平均安装占比,获取所述目标用户的应用偏好指标。
可选地,获取目标用户对备选应用的应用偏好指标的步骤包括:
获取所述目标用户的应用安装向量以及特定用户群中每个用户的应用安装向量,
其中,所述特定用户群由所有已安装所述备选应用的用户构成,
所述应用安装向量中包含对应的用户在每个应用分类的应用安装占比,所述应用安装占比是对应的用户安装属于对应的应用分类的应用数量与该用户已安装应用的总数量之比;
根据所述目标用户的应用安装向量以及所述特定用户群的所有用户的应用安装向量,获取所述目标用户的应用偏好指标。
进一步可选地,根据所述目标用户的应用安装向量以及所述特定用户群的所有用户的应用安装向量,获取所述目标用户的应用偏好指标的步骤包括:
根据特定用户群中所有用户的所述应用安装向量求取平均向量,得到所述特定用户群的平均应用安装向量;
根据所述目标用户的应用安装向量和所述特定用户群的平均应用安装向量求取余弦相似度,得到所述目标用户的应用偏好指标。
进一步可选地,根据所述目标用户的应用安装向量以及所述特定用户群的所有用户的应用安装向量,获取所述目标用户的应用偏好指标的步骤包括:
根据特定用户群中所有用户的所述应用安装向量求取平均向量,得到所述特定用户群的平均应用安装向量;
分别获取所述特定用户群中每个用户的所述应用安装向量与所述特定用户群的平均应用安装向量的欧氏距离并求取平均值,得到参考欧氏距离;
获取所述目标用户的应用安装向量与所述特定用户群的平均应用安装向量的欧氏距离作为偏好欧氏距离;
根据所述参考欧氏距离、所述偏好欧氏距离以及预设的修正系数,的得到所述目标用户的应用偏好指标。
可选地,所述方法还包括:
对生成的所述应用推荐列表中包含的应用进行过滤处理,以获取最终的应用推荐列表,
其中,所述过滤处理包括过滤已向所述目标用户展示的应用和/或过滤所述目标用户已安装的应用;
和/或
响应于外部设置请求,设置所述备选应用的应用收益指标。
根据本发明的第二方面,提供中应用推荐方法,包括:
触发获取目标用户的应用推荐列表,所述应用推荐列表如本发明的第一方面的任意一项应用推荐方法获取;
向所述目标用户展示所述应用推荐列表。
根据本发明的第三方面,提供一种服务器,包括:
参数获取单元,用于获取目标用户对备选应用的应用偏好指标以及所述备选应用的应用数据,
其中,所述备选应用的应用数据至少包括所述备选应用的应用安装比例和应用收益指标,
所述备选应用的应用安装比例,是所述备选应用的已被安装次数与被推荐展示次数之比,
所述备选应用的应用收益指标,是通过所述备选应用每次在被推荐展示后被安装获取的收益;
预期收益获取单元,用于根据所述目标用户对所述备选应用的应用偏好指标和所述备选应用的应用数据,获取所述备选应用的预期收益系数;
推荐列表生成单元,用于根据所获取的多个所述备选应用的预期收益系数,从多个所述备选应用中选取预定数目的推荐应用,以生成应用推荐列表向所述目标用户展示。
可选地,所述服务器还包括:
过滤处理单元,用于对生成的所述应用推荐列表中包含的应用进行过滤处理,以获取最终的应用推荐列表,
其中,所述过滤处理包括过滤已向所述目标用户展示的应用和/或过滤所述目标用户已安装的应用;
和/或
收益指标设置单元,用于响应于外部设置请求,设置所述备选应用的应用收益指标。
根据本发明的第四方面,提供一种客户端,包括:
触发推荐单元,用于触发向本发明的第三方面所提供的服务器获取目标用户的应用推荐列表;以及
推荐展示单元,用于向所述目标用户展示所述应用推荐列表。
根据本发明的第五方面,提供一种服务器,包括存储器和处理器,
所述存储器用于存储指令,所述指令用于控制所述处理器进行操作以执行如本发明的第一方面提供的应用推荐方法。
根据本发明的第六方面,提供一种客户端,包括存储器和处理器,
所述存储器用于存储指令,所述指令用于控制所述处理器进行操作以执行如本发明的第二方面提供的应用推荐方法。
根据本发明的第七方面,提供一种应用推荐系统,包括:
如本发明的第三方面提供的服务器;以及
如本发明的第四方面提供的客户端。
本发明的发明人发现,在现有技术中,尚未存在一种应用推荐方法、客户端、服务器及系统,实现向目标用户推荐应用时既能满足用户的应用偏好需求,又能带来较高的应用功能收益。因此,本发明所要实现的技术任务或者所要解决的技术问题是本领域技术人员从未想到的或者没有预期到的,故本发明是一种新的技术方案。
通过以下参照附图对本发明的示例性实施例的详细描述,本发明的其它特征及其优点将会变得清楚。
附图说明
被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例,并且连同其说明一起用于解释本发明的原理。
图1是显示可用于实现本发明的实施例的实施环境的硬件配置的例子的框图。
图2示出了本发明的第一实施例的应用推荐方法的流程图。
图3示出了本发明的第一实施例的应用推荐方法的又一个流程图。
图4示出了本发明的第一实施例的应用推荐方法的又一个流程图。
图5示出了本发明的第一实施例的服务器的示意性框图。
图6示出了本发明的第二实施例的应用推荐方法的流程。
图7示出了本发明的第二实施例的客户端的示意性框图。
图8是本发明的第三实施例的例子的流程图。
具体实施方式
现在将参照附图来详细描述本发明的各种示例性实施例。应注意到:除非另外具体说明,否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。
以下对至少一个示例性实施例的描述实际上仅仅是说明性的,决不作为对本发明及其应用或使用的任何限制。
对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论,但在适当情况下,所述技术、方法和设备应当被视为说明书的一部分。
在这里示出和讨论的所有例子中,任何具体值应被解释为仅仅是示例性的,而不是作为限制。因此,示例性实施例的其它例子可以具有不同的值。
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讨论。
<硬件配置>
如图1所示,实施环境1000包括服务器1100、客户端1200以及网络1300。
服务器1100例如可以是刀片服务器等。在一个例子中,服务器1100可以是一台计算机。在在另一个例子中,服务器1100可以如图1所示,包括处理器1110、存储器1120、接口装置1130、通信装置1140、显示装置1150、输入装置1160。尽管服务器也可以包括扬声器、麦克风等等,但是,这些部件与本发明无关,故在此省略。其中,处理器1110例如可以是中央处理器CPU、微处理器MCU等。存储器1120例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1130例如包括USB接口、串行接口等。通信装置1140例如能够进行有线或无线通信。显示装置1150例如是液晶显示屏。输入装置1160例如可以包括触摸屏、键盘等。
客户端设备1200可以是便携式电脑(1200-1)、台式计算机(1200-2)、手机(1200-3)、平板电脑(1200-4)等。如图1所示,客户端1200可以包括处理器1210、存储器1220、接口装置1230、通信装置1240、显示装置1250、输入装置1260、扬声器1270、麦克风1280,等等。其中,处理器1210可以是中央处理器CPU、微处理器MCU等。存储器1220例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1230例如包括USB接口、耳机接口等。通信装置1240例如能够进行有线或无线通信。显示装置1250例如是液晶显示屏、触摸显示屏等。输入装置1260例如可以包括触摸屏、键盘等。用户可以通过扬声器1270和麦克风1280输入/输出语音信息。
通信网络1300可以是无线网络也可以网络,可以是局域网也可以是广域网。在图1所示的配置环境1000中,客户端1200-1、1200-2、1200-3、1200-4以及网页服务器1100可以通过通信网络1300进行通信。
图1所示的配置环境1100仅是解释性的,并且决不是为了要限制本发明、其应用或用途。应用于本发明的实施例中,服务器1100的所述存储器1120用于存储指令,所述指令用于控制所述处理器1110进行操作以执行本发明实施例提供的任意一项应用推荐方法。此外,客户端1200的所述存储器1220用于存储指令,所述指令用于控制所述处理器1210进行操作以执行本发明实施例提供的任意一项应用推荐方法。本领域技术人员应当理解,尽管在图1中对服务器1100以及客户端1200都示出了多个装置,但是,本发明可以仅涉及其中的部分装置,例如,服务器1100只涉及处理器1110和存储装置1120,或者客户端1200只涉及处理器1210和存储装置1220等。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作,这是本领域公知,故在此不再详细描述。
<第一实施例>
<方法>
本实施例的总体构思,是提供一种应用推荐方法,从提供应用推荐、搜索、下载服务的应用平台(例如应用商店)上可提供的多个备选应用中,选择符合目标用户的应用偏好需求并且可获取较高收益的应用以推荐给目标用户,在提升用户的应用平台使用体验的同时,实现应用平台的营收最大化。
本实施例提供的应用推荐方法,如图2所示,包括:
步骤S2100,获取目标用户对备选应用的应用偏好指标以及所述备选应用的应用数据;
具体地,目标用户对备选应用的应用偏好指标,用于表征目标用户的对应的备选应用的偏好程度,获取的目标用户对备选应用的应用偏好指标,以在本实施例中应用推荐方法中后续的步骤中用于从多个备选应用中选择推荐应用,使得所选择的推荐应用匹配用户的实际应用偏好需求。
在一个具体的例子中,所述获取的目标用户对备选应用的应用偏好指标的步骤,如图3所示,包括:
步骤S2100-1a,获取所述目标用户的特定分类应用安装占比,以及获取整体用户群中每个用户的特定分类应用平均安装占比;
其中,所述特定分类为所述备选应用所属的应用分类,所述应用分类为应用所属的一级分类,例如应用通常被分为购物类应用、游戏类应用、休闲类应用、社交类应用、教育类应用等等,这些分类均为应用分类范畴,例如,假设备选应用是“糖果粉碎”这一消除游戏应用,对应地,特定分类为游戏应用;
而所述特定分类应用安装占比,是对应的用户安装属于特定分类的应用数量与该用户已安装应用的总数量之比,例如,假设特定分类为游戏类应用,某个用户已安装了50个应用,其中安装了“斗地主”、“下象棋”这两个游戏类应用,那么该用户的游戏类应用安装占比为2/50;
步骤S2100-1b,根据整体用户群中所有用户的所述特定分类应用安装占比求取平均值,得到所述整体用户群的特定分类应用平均安装占比;
其中,整体用户群是本实施例中提供备选应用的应用平台支持提供服务的所有用户,例如,在应用平台为应用商店时,整体用户群由安装该应用商店的客户端的所有用户构成;
通过获取整体用户群中所有用户的特定分类应用安装占比,可以求和平均,例如,整体用户群包括1000个用户,将这1000个用户的特定分类应用安装占比求和除以用户数目得到平均值,当然,也可以使用其他平均算法处理,比如滑动平均处理,在此不一一列举,对应得到的平均值即为该整体用户群的特定分类应用平均安装占比;
步骤S2100-1c,根据所述目标用户的特定分类应用安装占比和所述整体用户群的特定分类应用平均安装占比,获取所述目标用户的应用偏好指标。
具体地,假设备选应用b,从属的特定应用分类为lb,获取目标用户u的特定分类应用安装占比为整体用户群是用户集合U,获取整体用户群的特定分类应用平均安装占比为目标用户b的对备选应用b的应用偏好指标pdu,b为:
在又一个具体的例子中,所述获取的目标用户对备选应用的应用偏好指标的步骤,如图4所示,包括:
步骤S2100-2a,获取所述目标用户的应用安装向量以及特定用户群中每个用户的应用安装向量;
其中,所述特定用户群由所有已安装所述备选应用的用户构成,例如,备选应用b,安装了b用户有500个,这500个用户就构成了特定用户群Ub;
而所述应用安装向量中包含对应的用户在每个应用分类的应用安装占比,所述应用安装占比是对应的用户安装属于对应的应用分类的应用数量与该用户已安装应用的总数量之比,例如,应用分类总共有购物类应用、游戏类应用、休闲类应用、社交类应用、教育类应用,某个用户总共安装了50个应用,其中购物类应用20个,游戏类应用10个,休闲类应用0个,社交类应用20个,教育类应用0个,则该用户的应用安装向量为[20/50,10/50,0,20/50,0]=[0.4,0.2,0,0,0.2];
此外,应当理解的是,实际应用中应用分类不局限于上述分类,上述举例仅是示意性的,在实际应用中可以根据上述例子针对具体的应用分类做出调整以获取对应的应用安装向量;
步骤S2100-2b,根据所述目标用户的应用安装向量以及所述特定用户群的所有用户的应用安装向量,获取所述目标用户的应用偏好指标。
例如,假设目标用户u,备选应用为b,特定用户群为Ub,目标用户u的应用安装向量为所述特定用户群中每个用户v的应用安装向量根据可以获取目标用户u的对备选应用b的应用偏好指标pdu,b。
更具体地,步骤S2100-2b包括:
根据特定用户群中所有用户的所述应用安装向量求取平均向量,得到所述特定用户群的平均应用安装向量;
根据所述目标用户的应用安装向量和所述特定用户群的平均应用安装向量求取余弦相似度,得到所述目标用户的应用偏好指标。
例如,在上述目标用户u、备选应用为b且特定用户群为Ub的例子中,根据特定用户群中每个用户v的应用安装向量可以获取特定用户群的平均应用安装向量
根据目标用户u的应用安装向量特定用户群的平均应用安装向量求余弦相似度,得到目标用户的对备用应用b的应用偏好指标pdu,b:
其中,余弦相似度是通过计算两个向量的夹角余弦值来评向量之间相似度,余弦值的范围在[-1,1]之间,值越趋近于1,代表两个向量相应的相似度也越高。因此,目标用户u的应用安装向量和特定用户群的平均应用安装向量之间的余弦相似度越高,表征了目标用户u与已安装备选应用的特定用户群的应用偏好需求越接近,也意味着目标用户u备选应用b的应用偏好程度越高,因此,以目标用户u的应用安装向量和特定用户群的平均应用安装向量之间的余弦相似度作为目标用户u对备选应用b的应用偏好指标,能较好地体现目标用户u对备选应用b的应用偏好需求。
或者,更具体地,步骤S2100-2b包括:
根据特定用户群中所有用户的所述应用安装向量求取平均向量,得到所述特定用户群的平均应用安装向量;
分别获取所述特定用户群中每个用户的所述应用安装向量与所述特定用户群的平均应用安装向量的欧氏距离并求取平均值,得到参考欧氏距离;
获取所述目标用户的应用安装向量与所述特定用户群的平均应用安装向量的欧氏距离作为偏好欧氏距离;
根据所述参考欧氏距离、所述偏好欧氏距离以及预设的修正系数,的得到所述目标用户的应用偏好指标。
例如,在上述目标用户u、备选应用为b且特定用户群为Ub的例子中,根据特定用户群中每个用户v的应用安装向量可以根据公式2获取特定用户群的平均应用安装向量
得到参考欧氏距离为
而目标用户u的应用安装向量为得到偏好欧氏距离为
根据参考欧氏距离偏好欧氏距离为以及预设的修正系数α,得到目标用户的对备用应用b的应用偏好指标pdu,b:
其中,修正系数α为接近于0的一个小数,可以根据工程经验或者实验仿真获取,例如修正系数α可以为0.01。
在本例中,欧式距离是一个通常采用的距离定义,又称为欧几里得度量,可以指在m维空间中两个点之间的真实距离,计算时可以将两个点的坐标向量代入计算,是通常计算向量之间距离的方法,在此不再赘述。
上述已经结合附图说明了如何获取目标用户对备选应用的应用偏好指标。在本实施例中,还需获取备选应用的应用数据的步骤。所述备选应用的应用数据为与收益相关的特征数据,其中,所述备选应用的应用数据至少包括所述备选应用的应用安装比例和应用收益指标;
所述备选应用的应用安装比例,是所述备选应用的已被安装次数与被推荐展示次数之比,具体地,当备选应用由某个应用商店向用户提供推荐、下载或搜索服务时,可以通过应用商店的客户端提供私有或者公有协议接口,统计得到备选应用的已被安装次数与被推荐展示的次数,从而获取备选应用的应用安装比例;
所述备选应用的应用收益指标,是通过所述备选应用每次在被推荐展示后被安装获取的收益,具体地,当备选应用由某个应用商店向用户提供推荐、下载或搜索服务时,可以是应用商店从备选应用的应用开发者或者应用运营者向提供的应用推广获取的应用推荐下载单价,即每次对应的备选应用通过应用商店的推荐被下载后,备选应用的应用开发者或者应用运营者向应用商店支付的报酬。
在一个例子中,本实施例中提供的应用推荐方法,还包括:响应于外部设置请求,设置所述备选应用的应用收益指标。
其中,所述外部设置请求,可以在新增备选应用时或者已有的备选应用的应用收益指标发生变化时产生,使得备选应用的应用收益指标实时更新,在后续步骤中获取的备选应用的预期收益系数更贴合实际场景。
在步骤S2100之后,进入步骤S2200,根据所述目标用户对所述备选应用的应用偏好指标和所述备选应用的应用数据,获取所述备选应用的预期收益系数;
具体地,假设目标用户u,备选应用b,获取目标用户u的对备用应用b的应用偏好指标pdu,b,获取的备选应用b的应用数据包括备选应用b的应用安装比例db和备选应用的应用收益指标pb,对应地,获取备选应用的预期收益系数upu,b:
upu,b=dpu,b×db×pb (公式5)。
在步骤S2200之后,进入步骤S2300,根据所获取的多个所述备选应用的预期收益系数,从多个所述备选应用中选取预定数目的推荐应用,以生成应用推荐列表向所述目标用户展示。
具体地,在获取多个备选应用的预期收益系数后,可以对这多个备选应用根据预期收益系数进行降序排列,选取排序在前的预定数目的备选应用作为推荐应用,或者,进一步地,还可以设置选取门限,将预期收益系数大于选取门限,并且根据预期收益系数进行降序排列后得到的排序在前的预定数目的备选应用作为推荐应用。
其中,所述预定数目可以根据具体应用场景设置,也可以响应于目标用户的设置请求设置。在选取预定数目的推荐应用后,对应生成应用推荐列表以向目标用户展示,具体地,所述应用推荐列表包括预定数目的推荐应用,可以根据每个推荐应用的预期收益系数进项降序排列进行呈现。
进一步地,还可以对生成的所述应用推荐列表中包含的应用进行过滤处理,以获取最终的应用推荐列表,其中,所述过滤处理包括过滤已向所述目标用户展示的应用和/或过滤所述目标用户已安装的应用。
将应用推荐列表中已向目标用户展示的应用或者目标用户已安装的应用过滤,可以避免向目标用户重复展示应用,影响用户体验。
上述已经结合附图说明了本实施例中提供的应用推荐方法,通过所获取的目标用户对备选应用的应用偏好指标以及目标应用的应用数据,获取备选应用的预期收益系数,从而使得备选应用的预期收益系数可以体现目标用户对备选应用的偏好程度以及推荐备选应用可获取的收益,之后根据获取的多个备选应用的预期收益系数,从多个备选应用中选取推荐应用,以生成向目标用户展示的应用推荐列表,使得通过应用推荐列表向目标用户推荐的应用,既符合用户的应用偏好需求,又能带来较高的应用收益,使得提供应用推荐服务的应用平台既能满足用户使用体验,又能实现营收最大化。
<装置>
在本实施例中,还提供一种服务器5000,如图5所示,包括:参数获取单元5100、预期收益获取单元5200以及推荐列表生成单元5300,可选地还包括过滤处理单元5400以及收益指标设置单元5500,用于实施本实施中提供的应用推荐方法,在此不再赘述。
服务器5000,包括:
参数获取单元5100,用于获取目标用户对备选应用的应用偏好指标以及所述备选应用的应用数据,
其中,所述备选应用的应用数据至少包括所述备选应用的应用安装比例和应用收益指标,
所述备选应用的应用安装比例,是所述备选应用的已被安装次数与被推荐展示次数之比,
所述备选应用的应用收益指标,是通过所述备选应用每次在被推荐展示后被安装获取的收益;
预期收益获取单元5200,用于根据所述目标用户对所述备选应用的应用偏好指标和所述备选应用的应用数据,获取所述备选应用的预期收益系数;
推荐列表生成单元5300,用于根据所获取的多个所述备选应用的预期收益系数,从多个所述备选应用中选取预定数目的推荐应用,以生成应用推荐列表向所述目标用户展示。
可选地,所述服务器5000还包括:
过滤处理单元5400,用于对生成的所述应用推荐列表中包含的应用进行过滤处理,以获取最终的应用推荐列表,
其中,所述过滤处理包括过滤已向所述目标用户展示的应用和/或过滤所述目标用户已安装的应用;
和/或
收益指标设置单元5500,用于响应于外部设置请求,设置所述备选应用的应用收益指标。
具体的一个例子中,所述服务器5000可以是应用商店或者提供应用推荐服务的应用平台的服务器,同时应当理解的是,所述服务器5000并不意味着只能对应一个实体设备,在一个例子中,可以由多个服务器实体设备构成的服务器群来实现服务器5000。
本领域技术人员应当明白,可以通过各种方式来实现服务器5000。例如,可以通过指令配置处理器来实现服务器5000。例如,可以将指令存储在ROM中,并且当启动设备时,将指令从ROM读取到可编程器件中来实现服务器5000。例如,可以将服务器5000固化到专用器件(例如ASIC)中。可以将服务器5000分成相互独立的单元,或者可以将它们合并在一起实现。服务器5000可以通过上述各种实现方式中的一种来实现,或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。
<实体设备>
在本实施例中,还提供一种服务器,包括存储器和处理器,所述存储器用于存储指令,所述指令用于控制所述处理器进行操作以执行本实施例中提供的应用推荐方法。例如,可以是如图1所示的服务器1100。
以上已经结合附图描述了本发明的第一实施例,根据本实施例,提供一种应用推荐方法以及服务器,通过所获取的目标用户对备选应用的应用偏好指标以及目标应用的应用数据,获取备选应用的预期收益系数,从而使得备选应用的预期收益系数可以体现目标用户对备选应用的偏好程度以及推荐备选应用可获取的收益,之后根据获取的多个备选应用的预期收益系数,从多个备选应用中选取推荐应用,以生成向目标用户展示的应用推荐列表,使得通过应用推荐列表向目标用户推荐的应用,既符合用户的应用偏好需求,又能带来较高的应用收益,使得提供应用推荐服务的应用平台既能满足用户使用体验,又能实现营收最大化。
<第二实施例>
<方法>
在本实施例中还提供一种应用推荐方法,如图6所示,包括:
步骤S6100,触发获取目标用户的应用推荐列表,所述应用推荐列表如第一实施例中提供的应用推荐方法获取;
其中,触发获取目标用户的应用推荐列表,可以是在目标用户打开实施本方法的设备例如应用商店的客户端时触发;
步骤S6200,向所述目标用户展示所述应用推荐列表。
通过本实施例中应用推荐方法,通过触发获取应用推荐列表并向目标用户展示,来实现对目标用户推荐应用,并且能使得推荐的应用是通过第一实施例中提供的应用推荐方法获取,既符合用户的应用偏好需求,又能带来较高的应用收益,使得提供应用推荐服务的应用平台既能满足用户使用体验,又能实现营收最大化。
<装置>
在本实施例中,还提供一种客户端7000,如图7所示,包括触发推荐单元7100和推荐展示单元7200,用于实施本实施例中提供的应用推荐方法,在此不再赘述。
客户端7000,包括:
触发推荐单元7100,用于触发向第一实施例中的服务器5000获取目标用户的应用推荐列表;以及
推荐展示单元7200,用于向所述目标用户展示所述应用推荐列表。
具体的一个例子中,所述客户端7000可以是应用商店或者提供应用推荐服务的应用平台客户端。
本领域技术人员应当明白,可以通过各种方式来实现客户端7000。例如,可以通过指令配置处理器来实现客户端7000。例如,可以将指令存储在ROM中,并且当启动设备时,将指令从ROM读取到可编程器件中来实现客户端7000。例如,可以将客户端7000固化到专用器件(例如ASIC)中。可以将客户端7000分成相互独立的单元,或者可以将它们合并在一起实现。客户端7000可以通过上述各种实现方式中的一种来实现,或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。
<实体设备>
在本实施例中,还提供一种客户端,包括存储器和处理器,所述存储器用于存储指令,所述指令用于控制所述处理器进行操作以执行本实施例中提供的应用推荐方法。例如,可以是如图1所示的客户端1200。
以上已经结合附图描述了本发明的第二实施例,根据本实施例,提供一种应用推荐方法以及客户端,可以通过触发获取应用推荐列表并向目标用户展示,来实现对目标用户推荐应用,并且能使得推荐的应用是通过第一实施例中提供的应用推荐方法获取,既符合用户的应用偏好需求,又能带来较高的应用收益,使得提供应用推荐服务的应用平台既能满足用户使用体验,又能实现营收最大化。
<第三实施例>
在本实施例中,提供一种应用推荐系统,包括第一实施例中提供的服务器5000以及第二实施例中提供的客户端7000。具体的一个例子中,应用推荐系统可以是应用商店,包括如图1所示的服务器1100和客户端1200。
以下将结合图8说明通过本实施例的应用推荐系统实施的应用推荐方法,如图8所示,应用推荐系统包括客户端7000和服务器5000,应用推荐方法包括:
步骤S801,目标用户u使用的客户端7000被打开,触发向服务器7000获取应用推荐列表;
步骤S802,服务器5000判断是否已获取所有备选应用的当前的预期收益系数,如果已获取,转入步骤S807,否则,转入步骤S803;
步骤S803,找到一个未获取当前预期收益系数的备选应用b;
步骤S804,获取目标用户u对备选应用b的应用偏好指标,具体方法在第一实施例中已详细描述,不再赘述;
步骤S805,获取备选应用b的应用安装比例和应用收益指标,具体方法在第一实施例中已详细描述,不再赘述;
此外,在步骤S805实施之前,还可以执行步骤S805-1,相应于外部设置请求,重新设置备选应用b的应用收益指标;
步骤S806,根据目标用户u对备选应用b的应用偏好指标、备选应用b的应用安装比例和应用收益指标,计算备选应用b的预期收益系数,具体方法在第一实施例中已详细描述,不再赘述;
步骤S807,据所有备选应用的预期收益系数进行降序排列后选取N个排序在前的推荐应用;
步骤S808,过滤N个推进应用中已向目标用户展示过的应用和目标用户已安装的应用后,生成应用推荐列表发送给客户端7000;
步骤S809,客户端7000接收从服务器5000的应用推荐列表,向目标用户u展示;
步骤S810,客户端在向目标用户u展示应用推荐列表后,统计用户的应用安装状态,包括用户是否安装应用推荐列表中展示的推荐应用、用户当前安装应用总数量、各个应用分类下应用安装的数目等等,以供服务器7000获取后在下一次产生应用推荐列表时使用。
以上已经结合附图和例子描述了本发明的第三实施例,根据本实施例,提供一种应用推荐系统,可以通过触发获取应用推荐列表并向目标用户展示,来实现对目标用户推荐应用,既符合用户的应用偏好需求,又能带来较高的应用收益,满足用户使用体验的同时又能实现营收最大化。
本领域技术人员公知的是,随着诸如大规模集成电路技术的电子信息技术的发展和软件硬件化的趋势,要明确划分计算机系统软、硬件界限已经显得比较困难了。因为,任何操作可以软件来实现,也可以由硬件来实现。任何指令的执行可以由硬件完成,同样也可以由软件来完成。对于某一机器功能采用硬件实现方案还是软件实现方案,取决于价格、速度、可靠性、存储容量、变更周期等非技术性因素。因此,对于电子信息技术领域的普通技术人员来说,更为直接和清楚地描述一个技术方案的方式是描述该方案中的各个操作。在知道所要执行的操作的情况下,本领域技术人员可以基于对所述非技术性因素的考虑直接设计出期望的产品。
本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
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系统、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、程序段或指令的一部分,所述模块、程序段或指令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。在有些作为替换的实现中,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。对于本领域技术人员来说公知的是,通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。
以上已经描述了本发明的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。
Claims (13)
1.一种应用推荐方法,其特征在于,包括:
获取目标用户对备选应用的应用偏好指标以及所述备选应用的应用数据,
其中,所述备选应用的应用数据至少包括所述备选应用的应用安装比例和应用收益指标,
所述备选应用的应用安装比例,是所述备选应用的已被安装次数与被推荐展示次数之比,
所述备选应用的应用收益指标,是通过所述备选应用每次在被推荐展示后被安装获取的收益;
根据所述目标用户对所述备选应用的应用偏好指标和所述备选应用的应用数据,获取所述备选应用的预期收益系数;
根据所获取的多个所述备选应用的预期收益系数,从多个所述备选应用中选取预定数目的推荐应用,以生成应用推荐列表向所述目标用户展示。
2.根据权利要求1所述的方法,其特征在于,获取目标用户对备选应用的应用偏好指标的步骤包括:
获取所述目标用户的特定分类应用安装占比,以及获取整体用户群中每个用户的特定分类应用平均安装占比,
其中,所述特定分类为所述备选应用所属的应用分类,
所述特定分类应用安装占比,是对应的用户安装属于特定分类的应用数量与该用户已安装应用的总数量之比;
根据整体用户群中所有用户的所述特定分类应用安装占比求取平均值,得到所述整体用户群的特定分类应用平均安装占比;
根据所述目标用户的特定分类应用安装占比和所述整体用户群的特定分类应用平均安装占比,获取所述目标用户的应用偏好指标。
3.根据权利要求1所述的方法,其特征在于,获取目标用户对备选应用的应用偏好指标的步骤包括:
获取所述目标用户的应用安装向量以及特定用户群中每个用户的应用安装向量,
其中,所述特定用户群由所有已安装所述备选应用的用户构成,
所述应用安装向量中包含对应的用户在每个应用分类的应用安装占比,所述应用安装占比是对应的用户安装属于对应的应用分类的应用数量与该用户已安装应用的总数量之比;
根据所述目标用户的应用安装向量以及所述特定用户群的所有用户的应用安装向量,获取所述目标用户的应用偏好指标。
4.根据权利要求3所述的方法,其特征在于,根据所述目标用户的应用安装向量以及所述特定用户群的所有用户的应用安装向量,获取所述目标用户的应用偏好指标的步骤包括:
根据特定用户群中所有用户的所述应用安装向量求取平均向量,得到所述特定用户群的平均应用安装向量;
根据所述目标用户的应用安装向量和所述特定用户群的平均应用安装向量求取余弦相似度,得到所述目标用户的应用偏好指标。
5.根据权利要求3所述的方法,其特征在于,根据所述目标用户的应用安装向量以及所述特定用户群的所有用户的应用安装向量,获取所述目标用户的应用偏好指标的步骤包括:
根据特定用户群中所有用户的所述应用安装向量求取平均向量,得到所述特定用户群的平均应用安装向量;
分别获取所述特定用户群中每个用户的所述应用安装向量与所述特定用户群的平均应用安装向量的欧氏距离并求取平均值,得到参考欧氏距离;
获取所述目标用户的应用安装向量与所述特定用户群的平均应用安装向量的欧氏距离作为偏好欧氏距离;
根据所述参考欧氏距离、所述偏好欧氏距离以及预设的修正系数,的得到所述目标用户的应用偏好指标。
6.根据权利要求1所述的方法,其特征在于,还包括:
对生成的所述应用推荐列表中包含的应用进行过滤处理,以获取最终的应用推荐列表,
其中,所述过滤处理包括过滤已向所述目标用户展示的应用和/或过滤所述目标用户已安装的应用;
和/或
响应于外部设置请求,设置所述备选应用的应用收益指标。
7.一种应用推荐方法,其特征在于,包括:
触发获取目标用户的应用推荐列表,所述应用推荐列表如权利要求1-6中任意一项所述的方法获取;
向所述目标用户展示所述应用推荐列表。
8.一种服务器,其特征在于,包括:
参数获取单元,用于获取目标用户对备选应用的应用偏好指标以及所述备选应用的应用数据,
其中,所述备选应用的应用数据至少包括所述备选应用的应用安装比例和应用收益指标,
所述备选应用的应用安装比例,是所述备选应用的已被安装次数与被推荐展示次数之比,
所述备选应用的应用收益指标,是通过所述备选应用每次在被推荐展示后被安装获取的收益;
预期收益获取单元,用于根据所述目标用户对所述备选应用的应用偏好指标和所述备选应用的应用数据,获取所述备选应用的预期收益系数;
推荐列表生成单元,用于根据所获取的多个所述备选应用的预期收益系数,从多个所述备选应用中选取预定数目的推荐应用,以生成应用推荐列表向所述目标用户展示。
9.根据权利要求8所述的服务器,其特征在于,还包括:
过滤处理单元,用于对生成的所述应用推荐列表中包含的应用进行过滤处理,以获取最终的应用推荐列表,
其中,所述过滤处理包括过滤已向所述目标用户展示的应用和/或过滤所述目标用户已安装的应用;
和/或
收益指标设置单元,用于响应于外部设置请求,设置所述备选应用的应用收益指标。
10.一种客户端,其特征在于,包括:
触发推荐单元,用于触发向如权利要求8或9所述的服务器获取目标用户的应用推荐列表;以及
推荐展示单元,用于向所述目标用户展示所述应用推荐列表。
11.一种服务器,其特征在于,包括存储器和处理器,
所述存储器用于存储指令,所述指令用于控制所述处理器进行操作以执行如权利要求1-6中任意一项所述的方法。
12.一种客户端,其特征在于,包括存储器和处理器,
所述存储器用于存储指令,所述指令用于控制所述处理器进行操作以执行如权利要求7所述的方法。
13.一种应用推荐系统,其特征在于,包括:
如权利要求8或9所述的服务器;以及
如权利要求10所述的客户端。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710174514.2A CN107122990A (zh) | 2017-03-22 | 2017-03-22 | 应用推荐方法、客户端、服务器及系统 |
PCT/CN2017/116652 WO2018171271A1 (zh) | 2017-03-22 | 2017-12-15 | 应用推荐方法、客户端、服务器及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710174514.2A CN107122990A (zh) | 2017-03-22 | 2017-03-22 | 应用推荐方法、客户端、服务器及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN107122990A true CN107122990A (zh) | 2017-09-01 |
Family
ID=59718124
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710174514.2A Pending CN107122990A (zh) | 2017-03-22 | 2017-03-22 | 应用推荐方法、客户端、服务器及系统 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN107122990A (zh) |
WO (1) | WO2018171271A1 (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018171271A1 (zh) * | 2017-03-22 | 2018-09-27 | 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 |
CN108833458A (zh) * | 2018-04-02 | 2018-11-16 | 腾讯科技(深圳)有限公司 | 一种应用推荐方法、装置、介质及设备 |
CN108876526A (zh) * | 2018-06-06 | 2018-11-23 | 北京京东尚科信息技术有限公司 | 商品推荐方法、装置和计算机可读存储介质 |
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 |
WO2019071897A1 (zh) * | 2017-10-13 | 2019-04-18 | 平安科技(深圳)有限公司 | 实时推荐方法、电子设备及计算机可读存储介质 |
CN110333949A (zh) * | 2019-06-17 | 2019-10-15 | Oppo广东移动通信有限公司 | 搜索引擎处理方法、装置、终端及存储介质 |
CN110796505A (zh) * | 2018-08-03 | 2020-02-14 | 阿里巴巴集团控股有限公司 | 一种业务对象推荐方法以及装置 |
CN111311104A (zh) * | 2020-02-27 | 2020-06-19 | 第四范式(北京)技术有限公司 | 一种配置文件的推荐方法、装置及系统 |
CN111831889A (zh) * | 2019-04-15 | 2020-10-27 | 泰康保险集团股份有限公司 | 基于区块链的虚拟健身应用推荐方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104408640A (zh) * | 2014-10-27 | 2015-03-11 | 中国联合网络通信集团有限公司 | 应用软件推荐方法及装置 |
CN104899266A (zh) * | 2015-05-22 | 2015-09-09 | 广东欧珀移动通信有限公司 | 一种应用推荐方法及装置 |
US20170017655A1 (en) * | 2014-03-31 | 2017-01-19 | Hewlett Packard Enterprise Development Lp | Candidate services for an application |
CN106383907A (zh) * | 2016-09-30 | 2017-02-08 | 北京小米移动软件有限公司 | 应用推荐方法和装置 |
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 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104111961B (zh) * | 2013-04-22 | 2018-03-09 | 北京壹人壹本信息科技有限公司 | 一种刷新数据项显示的方法、装置 |
CN104298679B (zh) * | 2013-07-18 | 2019-05-07 | 腾讯科技(深圳)有限公司 | 应用业务推荐方法及装置 |
CN103617075B (zh) * | 2013-12-04 | 2017-02-01 | 百度在线网络技术(北京)有限公司 | 应用程序推荐方法、系统和服务器 |
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 |
-
2017
- 2017-03-22 CN CN201710174514.2A patent/CN107122990A/zh active Pending
- 2017-12-15 WO PCT/CN2017/116652 patent/WO2018171271A1/zh active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170017655A1 (en) * | 2014-03-31 | 2017-01-19 | Hewlett Packard Enterprise Development Lp | Candidate services for an application |
CN104408640A (zh) * | 2014-10-27 | 2015-03-11 | 中国联合网络通信集团有限公司 | 应用软件推荐方法及装置 |
CN104899266A (zh) * | 2015-05-22 | 2015-09-09 | 广东欧珀移动通信有限公司 | 一种应用推荐方法及装置 |
CN106383907A (zh) * | 2016-09-30 | 2017-02-08 | 北京小米移动软件有限公司 | 应用推荐方法和装置 |
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 |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018171271A1 (zh) * | 2017-03-22 | 2018-09-27 | 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 |
WO2019071897A1 (zh) * | 2017-10-13 | 2019-04-18 | 平安科技(深圳)有限公司 | 实时推荐方法、电子设备及计算机可读存储介质 |
CN108833458A (zh) * | 2018-04-02 | 2018-11-16 | 腾讯科技(深圳)有限公司 | 一种应用推荐方法、装置、介质及设备 |
CN108876526A (zh) * | 2018-06-06 | 2018-11-23 | 北京京东尚科信息技术有限公司 | 商品推荐方法、装置和计算机可读存储介质 |
CN110796505A (zh) * | 2018-08-03 | 2020-02-14 | 阿里巴巴集团控股有限公司 | 一种业务对象推荐方法以及装置 |
CN110796505B (zh) * | 2018-08-03 | 2023-07-04 | 淘宝(中国)软件有限公司 | 一种业务对象推荐方法以及装置 |
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 |
CN111831889A (zh) * | 2019-04-15 | 2020-10-27 | 泰康保险集团股份有限公司 | 基于区块链的虚拟健身应用推荐方法及装置 |
CN110333949A (zh) * | 2019-06-17 | 2019-10-15 | Oppo广东移动通信有限公司 | 搜索引擎处理方法、装置、终端及存储介质 |
CN110333949B (zh) * | 2019-06-17 | 2022-01-18 | Oppo广东移动通信有限公司 | 搜索引擎处理方法、装置、终端及存储介质 |
CN111311104A (zh) * | 2020-02-27 | 2020-06-19 | 第四范式(北京)技术有限公司 | 一种配置文件的推荐方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2018171271A1 (zh) | 2018-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107122990A (zh) | 应用推荐方法、客户端、服务器及系统 | |
JP6852748B2 (ja) | 情報処理方法および情報処理装置 | |
CN107103036A (zh) | 应用下载概率的获取方法、设备及可编程设备 | |
CN107870912A (zh) | 文章质量评分方法、设备、客户端、服务器及可编程设备 | |
CN107547214A (zh) | 基于电子书的群组阅读方法、电子设备及计算机存储介质 | |
CN106776716B (zh) | 一种智能匹配销售顾问和用户的方法及设备 | |
CN106687922A (zh) | 参数惯性和api | |
CN107831982A (zh) | 评论信息的显示方法及电子设备 | |
CN108876764A (zh) | 渲染图像获取方法、装置、系统和存储介质 | |
CN106934838A (zh) | 图片展示方法、设备及可编程设备 | |
CN108280676A (zh) | 一种基于滑动视窗进行广告展示的方法、装置和终端设备 | |
CN106982249A (zh) | 多线程分段下载方法、设备、客户端设备及电子设备 | |
CN111861588A (zh) | 流失预测模型的训练方法、玩家流失原因分析方法及装置 | |
CN110363575A (zh) | 一种授信用户动支意愿预测方法、装置和设备 | |
JP2020191142A (ja) | 画像生成方法、画像生成装置及びプログラム | |
CN110400227A (zh) | 交易报文数据的处理方法、装置、系统 | |
CN107180372A (zh) | 远程购物方法、设备及系统 | |
CN107016055A (zh) | 用于挖掘实体别名的方法、设备及电子设备 | |
CN109978575A (zh) | 一种挖掘用户流量经营场景的方法及装置 | |
CN108121581A (zh) | 自我学习的用户界面 | |
CN110326005A (zh) | 信息处理设备、信息处理方法及程序 | |
CN107959845A (zh) | 图像数据传输的方法、装置、客户端装置及头戴显示设备 | |
JP2017016352A (ja) | 顧客情報提供システム及びその制御方法並びにコンピュータプログラム | |
CN112121437A (zh) | 针对目标对象的移动控制方法、装置、介质及电子设备 | |
JPWO2019187542A1 (ja) | 情報処理方法、情報処理装置、およびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20200526 Address after: 310051 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province Applicant after: Alibaba (China) Co.,Ltd. Address before: 510627, room 146-150, first floor, No. 07, Whampoa Avenue, Tianhe District, Guangdong, Guangzhou Applicant before: GUANGZHOU UC NETWORK TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170901 |
|
RJ01 | Rejection of invention patent application after publication |