CN107315780B - 应用软件推送方法及装置 - Google Patents
应用软件推送方法及装置 Download PDFInfo
- Publication number
- CN107315780B CN107315780B CN201710420001.5A CN201710420001A CN107315780B CN 107315780 B CN107315780 B CN 107315780B CN 201710420001 A CN201710420001 A CN 201710420001A CN 107315780 B CN107315780 B CN 107315780B
- Authority
- CN
- China
- Prior art keywords
- application software
- detail page
- application
- vector
- target
- 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
Images
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
- 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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Stored Programmes (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明实施例提供一种应用软件推送方法及装置。该方法包括:统计多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数;根据该次数,以及第一应用软件和第二应用软件的相似度,建立随机游走模型;根据随机游走模型,确定目标用户终端的用户界面的目标应用软件详情页;将目标应用软件推送到目标用户终端。本发明实施例通过用户单次使用应用商店的浏览顺序,构建了随机游走模型,不依赖APP的分类标签,提高了APP的推荐精确度;另外,用户浏览应用商店的行为具有较大的随机性,更能反映用户的兴趣所在和关注点的变化,相比于基于APP的热度的推送方式,可使应用商店推送给用户的APP更符合用户的个性需求。
Description
技术领域
本发明实施例涉及通信技术领域,尤其涉及一种应用软件推送方法及装置。
背景技术
随着智能终端的发展,用户可以在智能终端上安装各种应用软件(Application,APP),为了提高用户体验,当用户通过应用下载平台浏览或安装APP时,应用下载平台会主动向用户推送一些APP。
现有的推送方法大致分为两类,一类是基于APP的分类标签、开发者向用户推送APP,另一类是基于APP的热度向用户推送APP。
基于APP的分类标签、开发者的推送方式其弊端是:对分类标签的依赖程度较大,一旦APP的分类标签有误,可能导致推送给用户的APP并不是用户真实需要的APP;基于APP的热度的推送方式其弊端是:推送给用户的APP是热门的APP,也是其他用户广泛下载使用的APP,导致推送给用户的APP不符合用户的个性需求。
发明内容
本发明实施例提供一种应用软件推送方法及装置,以提高APP的推荐精确度,使得推送给用户的APP更符合用户的个性需求。
本发明实施例的一个方面是提供一种应用软件推送方法,包括:
统计多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数,所述第一应用软件是样本集中的任一应用软件,所述第二应用软件是所述样本集中除所述第一应用软件之外的应用软件,所述样本集包括多个应用软件;
根据多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数,以及所述第一应用软件和所述第二应用软件的相似度,建立随机游走模型,所述随机游走模型用于确定用户界面从第一应用软件详情页跳转到第二应用软件详情页的概率;
根据所述随机游走模型,确定目标用户终端的用户界面的目标应用软件详情页,使得所述目标用户终端的用户界面从当前详情页跳转到所述目标应用软件详情页的概率大于阈值;
将所述目标应用软件推送到所述目标用户终端。
本发明实施例的另一个方面是提供一种应用软件推送装置,包括:
统计模块,用于统计多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数,所述第一应用软件是样本集中的任一应用软件,所述第二应用软件是所述样本集中除所述第一应用软件之外的应用软件,所述样本集包括多个应用软件;
随机游走模型建立模块,用于根据多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数,以及所述第一应用软件和所述第二应用软件的相似度,建立随机游走模型,所述随机游走模型用于确定用户界面从第一应用软件详情页跳转到第二应用软件详情页的概率;
确定模块,用于根据所述随机游走模型,确定目标用户终端的用户界面的目标应用软件详情页,使得所述目标用户终端的用户界面从当前详情页跳转到所述目标应用软件详情页的概率大于阈值;
推送模块,用于将所述目标应用软件推送到所述目标用户终端。
本发明实施例提供的应用软件推送方法及装置,通过用户单次使用应用商店的浏览顺序,构建了随机游走模型,相比于基于APP的分类标签、开发者的推送方式,不依赖APP的分类标签,提高了APP的推荐精确度;另外,用户浏览应用商店的行为具有较大的随机性,更能反映用户的兴趣所在和关注点的变化,相比于基于APP的热度的推送方式,可使应用商店推送给用户的APP更符合用户的个性需求。
附图说明
图1为本发明实施例提供的应用软件推送方法流程图;
图2为本发明实施例提供的应用软件详情页的示意图;
图3为本发明另一实施例提供的应用软件推送方法流程图;
图4为本发明实施例提供的应用软件推送装置的结构图;
图5为本发明另一实施例提供的应用软件推送装置的结构图。
具体实施方式
图1为本发明实施例提供的应用软件推送方法流程图。本发明实施例针对基于APP的分类标签、开发者的推送方式其弊端是:对分类标签的依赖程度较大,一旦APP的分类标签有误,可能导致推送给用户的APP并不是用户真实需要的APP;基于APP的热度的推送方式其弊端是:推送给用户的APP是热门的APP,也是其他用户广泛下载使用的APP,导致推送给用户的APP不符合用户的个性需求,提供了应用软件推送方法,具体的应用软件推送方法步骤如下:
步骤S101、统计多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数,所述第一应用软件是样本集中的任一应用软件,所述第二应用软件是所述样本集中除所述第一应用软件之外的应用软件,所述样本集包括多个应用软件。
通常情况下,用户通过用户终端登录到应用下载平台例如应用商店(APP Store),并在应用下载平台中搜索某一个应用软件(Application,APP)的关键字时,应用下载平台会将该应用软件有关的信息发送到用户终端,用户终端显示如图2所示的详情页,该详情页具体包括该应用软件的图标20、用于下载安装的按键即“获取”按键、有助于用户了解该应用软件的详情信息的“详情”按键、用于查看其他用户对该应用软件评论的内容的“评论”按键、用于查看与该应用软件相关的其他应用软件的“相关”按键,当用户点击“相关”按键后,应用下载平台将向用户终端推送一些与该应用软件相关联的其他的应用软件,用户界面将显示其他应用软件的图标例如21-26,其中,图标21-23分别对应的应用软件可以是与图标20对应的应用软件是强关联的,图标24-26分别对应的应用软件可以是与图标20对应的应用软件是弱关联的,下面将详细介绍如何确定出图标24-26分别对应的应用软件。
当用户单次适用应用下载平台例如应用商店时,用户终端可以对用户浏览APP的行为进行记录,如图2所示,假设用户在查看与图标20对应的应用软件相关联的其他应用软件时,点击了图标24,则用户终端的用户界面将从如图2所示的详情页跳转到图标24对应的应用软件的详情页,图标24对应的应用软件的详情页类似于如图2所示的详情页,该用户终端的用户界面还可能从图标24对应的应用软件的详情页再跳转到其他应用软件的详情页。
为了区分用户界面跳转前后的两个应用软件的详情页,本实施例将该用户界面跳转前的应用软件的详情页记为第一应用软件详情页,将该用户界面跳转后的应用软件的详情页记为第二应用软件详情页,并将第一应用软件记为a(i),第二应用软件记为a(j),其中,a(i)和a(j)均属于一个样本集,该样本集可以包括n个应用软件,n≥2,a(i)是该样本集中的任一应用软件,a(j)是该样本集中除了a(i)之外的其他应用软件。
对于多个用户终端而言,每个用户终端的用户在浏览应用下载平台例如应用商店时,均可能从浏览第一应用软件a(i)跳转到浏览第二应用软件a(j),即每个用户终端的用户界面均有可能从第一应用软件详情页跳转到第二应用软件详情页,所述多个用户终端中可能有些用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页,有些用户终端的用户界面不从第一应用软件详情页跳转到第二应用软件详情页,本实施例可以统计该多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数。
步骤S102、根据多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数,以及所述第一应用软件和所述第二应用软件的相似度,建立随机游走模型,所述随机游走模型用于确定用户界面从第一应用软件详情页跳转到第二应用软件详情页的概率。
在本实施例中,将该多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数记为C(a(i)→a(j)),第一应用软件和第二应用软件a(j)的相似度记为distance(a(i)→a(j)),从第一应用软件详情页跳转到第二应用软件详情页的分值记为w(a(i)→a(j)),w(a(i)→a(j))、C(a(i)→a(j))和distance(a(i)→a(j))之间的关系可以根据公式(1)确定:
并根据w(a(i)→a(j))建立随机游走模型,随机游走模型可以根据公式(2)确定:
其中,p(a(i)→a(j))表示用户界面从第一应用软件详情页跳转到第二应用软件详情页的概率,即用户从浏览第一应用软件a(i)跳转到浏览第二应用软件a(j)的概率。
步骤S103、根据所述随机游走模型,确定目标用户终端的用户界面的目标应用软件详情页,使得所述目标用户终端的用户界面从当前详情页跳转到所述目标应用软件详情页的概率大于阈值。
假设目标用户终端的用户界面当前显示的详情页为第一应用软件a(i)的详情页,根据公式(2)确定出目标用户终端从当前详情页最可能跳转到的其他K个应用软件的详情页,具体的,将目标用户终端的当前详情页作为第一应用软件a(i)的详情页,计算公式(2)中p(a(i)→a(j))的K个较大的值,K个较大的值对应K个a(j),K个a(j)即是目标用户终端从当前详情页最可能跳转到的其他K个应用软件。
步骤S104、将所述目标应用软件推送到所述目标用户终端。
根据上述步骤确定出目标用户终端从当前详情页最可能跳转到的其他K个应用软件后,应用下载平台例如应用商店将K个应用软件推送到该目标用户终端,该K个应用软件的图标可以是如图2所示的图标24-26,如图2只是示意性说明,并不限定图标的个数,也不限定应用下载平台例如应用商店向用户终端推荐的应用软件的个数。
本发明实施例通过用户单次使用应用商店的浏览顺序,构建了随机游走模型,相比于基于APP的分类标签、开发者的推送方式,不依赖APP的分类标签,提高了APP的推荐精确度;另外,用户浏览应用商店的行为具有较大的随机性,更能反映用户的兴趣所在和关注点的变化,相比于基于APP的热度的推送方式,可使应用商店推送给用户的APP更符合用户的个性需求。
在上述实施例的基础上,所述第一应用软件和所述第二应用软件的相似度是根据所述第一应用软件对应的向量和所述第二应用软件对应的向量之间的距离确定的。具体的,所述第一应用软件和所述第二应用软件的相似度是所述第一应用软件对应的向量和所述第二应用软件对应的向量的欧氏距离。如何确定所述第一应用软件对应的向量和所述第二应用软件对应的向量,可通过如图3所示的方法来实现,具体的,该方法包括如下步骤:
步骤S301、将目标用户终端在预设时间内下载安装的多个应用软件构成所述样本集,每个应用软件在连续向量空间中对应一个向量。
在本实施例中,步骤S301-步骤S304可以在上述步骤S101之前。另外,预设时间可以是预设的若干小时,也可以是所述目标用户终端从登录应用下载平台到停止访问所述应用下载平台的时间,即所述目标用户终端从启动应用商店到关闭应用商店的这段时间。
在本实施例中,将目标用户终端在该预设时间内下载安装的多个应用软件构成样本集,同一样本集中的不同应用软件可以不保留下载时间顺序关系。另外,该样本集中的每个应用软件在连续向量空间中对应一个向量,例如,第一应用软件a(i)在连续向量空间中对应向量v(i),第二应用软件a(j)在连续向量空间中对应向量v(j)。
步骤S302、根据所述样本集中每个应用软件在连续向量空间中对应的向量、以及每个向量所在的向量空间到独热向量的映射矩阵,建立映射模型,所述映射模型用于确定所述目标用户终端在已安装第二应用软件的条件下安装第一应用软件的概率。
在本实施例中,每个向量所在的向量空间到独热向量的映射矩阵记为W,W的第j行记为W(·j),将样本集中除了第一应用软件a(i)之外的其他应用软件的集合记为Ia(i),则根据每个向量所在的向量空间到独热向量的映射矩阵W、W的第j行记为W(·j),将样本集中除了第一应用软件a(i)之外的其他应用软件的集合Ia(i)、第一应用软件a(i)、第二应用软件a(j)可建立如公式(3)所述的映射模型:
其中,p(a(i)\a(j))表示目标用户终端在已安装第二应用软件a(j)的条件下安装第一应用软件a(i)的概率。
步骤S303、根据所述映射模型,确定目标函数。
根据公式(3),建立目标函数,如公式(4)所示:
loss=-Σlog(p(a(i)\a(j))) (4)
步骤S304、确定当所述目标函数的值最小时所述每个应用软件在连续向量空间中对应的向量。
根据公式(4)可知,当目标函数loss=-Σlog(p(a(i)\a(j)))的值最小时,可求得每个应用软件在连续向量空间中对应的向量,其中包括第一应用软件a(i)在连续向量空间中对应的向量v(i)和所述第二应用软件a(j)在连续向量空间中对应的向量v(j)。具体的,v(i)和v(j)的欧氏距离即为第一应用软件a(i)和第二应用软件a(j)的相似度
本发明实施例通过以目标用户终端在预设时间内下载安装的多个应用软件为样本集,根据所述样本集中每个应用软件在连续向量空间中对应的向量、以及每个向量所在的向量空间到独热向量的映射矩阵,建立映射模型,并根据所述映射模型,确定目标函数,确定当所述目标函数的值最小时所述每个应用软件在连续向量空间中对应的向量,由两个应用软件在连续向量空间中对应的向量来计算两个应用软件的相似度,不依赖于APP的分类标签,提高了计算两个应用软件的相似度的精确度,进一步提高了APP的推荐精确度。
图4为本发明实施例提供的应用软件推送装置的结构图。本发明实施例提供的应用软件推送装置可以执行应用软件推送方法实施例提供的处理流程,如图4所示,应用软件推送装置40包括:统计模块41、随机游走模型建立模块42、确定模块43、推送模块44,其中,统计模块41用于统计多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数,所述第一应用软件是样本集中的任一应用软件,所述第二应用软件是所述样本集中除所述第一应用软件之外的应用软件,所述样本集包括多个应用软件;随机游走模型建立模块42用于根据多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数,以及所述第一应用软件和所述第二应用软件的相似度,建立随机游走模型,所述随机游走模型用于确定用户界面从第一应用软件详情页跳转到第二应用软件详情页的概率;确定模块43用于根据所述随机游走模型,确定目标用户终端的用户界面的目标应用软件详情页,使得所述目标用户终端的用户界面从当前详情页跳转到所述目标应用软件详情页的概率大于阈值;推送模块44用于将所述目标应用软件推送到所述目标用户终端。
本发明实施例提供的应用软件推送装置的具体原理和实现方式均与图1所示实施例类似,此处不再赘述。
本发明实施例通过用户单次使用应用商店的浏览顺序,构建了随机游走模型,相比于基于APP的分类标签、开发者的推送方式,不依赖APP的分类标签,提高了APP的推荐精确度;另外,用户浏览应用商店的行为具有较大的随机性,更能反映用户的兴趣所在和关注点的变化,相比于基于APP的热度的推送方式,可使应用商店推送给用户的APP更符合用户的个性需求。
图5为本发明另一实施例提供的应用软件推送装置的结构图。在上述实施例的基础上,所述第一应用软件和所述第二应用软件的相似度是根据所述第一应用软件对应的向量和所述第二应用软件对应的向量之间的距离确定的。
应用软件推送装置40还包括:样本采集模块45、映射模型建立模块46,样本采集模块45用于将目标用户终端在预设时间内下载安装的多个应用软件构成所述样本集,每个应用软件在连续向量空间中对应一个向量;映射模型建立模块46用于根据所述样本集中每个应用软件在连续向量空间中对应的向量、以及每个向量所在的向量空间到独热向量的映射矩阵,建立映射模型,所述映射模型用于确定所述目标用户终端在已安装第二应用软件的条件下安装第一应用软件的概率;确定模块43还用于根据所述映射模型,确定目标函数;确定当所述目标函数的值最小时所述每个应用软件在连续向量空间中对应的向量。
可选的,当所述目标函数的值最小时所述每个应用软件在连续向量空间中对应的向量包括所述第一应用软件在连续向量空间中对应的向量和所述第二应用软件在连续向量空间中对应的向量。
进一步的,所述预设时间是所述目标用户终端从登录应用下载平台到停止访问所述应用下载平台的时间。
本发明实施例提供的应用软件推送装置可以具体用于执行上述图3所提供的方法实施例,具体功能此处不再赘述。
本发明实施例通过以目标用户终端在预设时间内下载安装的多个应用软件为样本集,根据所述样本集中每个应用软件在连续向量空间中对应的向量、以及每个向量所在的向量空间到独热向量的映射矩阵,建立映射模型,并根据所述映射模型,确定目标函数,确定当所述目标函数的值最小时所述每个应用软件在连续向量空间中对应的向量,由两个应用软件在连续向量空间中对应的向量来计算两个应用软件的相似度,不依赖于APP的分类标签,提高了计算两个应用软件的相似度的精确度,进一步提高了APP的推荐精确度。
综上所述,本发明实施例通过用户单次使用应用商店的浏览顺序,构建了随机游走模型,相比于基于APP的分类标签、开发者的推送方式,不依赖APP的分类标签,提高了APP的推荐精确度;另外,用户浏览应用商店的行为具有较大的随机性,更能反映用户的兴趣所在和关注点的变化,相比于基于APP的热度的推送方式,可使应用商店推送给用户的APP更符合用户的个性需求;通过以目标用户终端在预设时间内下载安装的多个应用软件为样本集,根据所述样本集中每个应用软件在连续向量空间中对应的向量、以及每个向量所在的向量空间到独热向量的映射矩阵,建立映射模型,并根据所述映射模型,确定目标函数,确定当所述目标函数的值最小时所述每个应用软件在连续向量空间中对应的向量,由两个应用软件在连续向量空间中对应的向量来计算两个应用软件的相似度,不依赖于APP的分类标签,提高了计算两个应用软件的相似度的精确度,进一步提高了APP的推荐精确度。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,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,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元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(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
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)
1.一种应用软件推送方法,其特征在于,包括:
统计多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数,所述第一应用软件是样本集中的任一应用软件,所述第二应用软件是所述样本集中除所述第一应用软件之外的应用软件,所述样本集包括多个应用软件;其中,所述第一应用软件详情页显示第二应用软件的图标;
根据多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数,以及所述第一应用软件和所述第二应用软件的相似度,建立随机游走模型,所述随机游走模型用于确定用户界面从第一应用软件详情页跳转到第二应用软件详情页的概率;
根据所述随机游走模型,确定目标用户终端的用户界面的目标应用软件详情页,使得所述目标用户终端的用户界面从当前详情页跳转到所述目标应用软件详情页的概率大于阈值;
将所述目标应用软件推送到所述目标用户终端。
2.根据权利要求1所述的方法,其特征在于,所述第一应用软件和所述第二应用软件的相似度是根据所述第一应用软件对应的向量和所述第二应用软件对应的向量之间的距离确定的。
3.根据权利要求2所述的方法,其特征在于,所述统计多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数之前,还包括:
将目标用户终端在预设时间内下载安装的多个应用软件构成所述样本集,每个应用软件在连续向量空间中对应一个向量;
根据所述样本集中每个应用软件在连续向量空间中对应的向量、以及每个向量所在的向量空间到独热向量的映射矩阵,建立映射模型,所述映射模型用于确定所述目标用户终端在已安装第二应用软件的条件下安装第一应用软件的概率;
根据所述映射模型,确定目标函数;
确定当所述目标函数的值最小时所述每个应用软件在连续向量空间中对应的向量。
4.根据权利要求3所述的方法,其特征在于,当所述目标函数的值最小时所述每个应用软件在连续向量空间中对应的向量包括所述第一应用软件在连续向量空间中对应的向量和所述第二应用软件在连续向量空间中对应的向量。
5.根据权利要求3或4所述的方法,其特征在于,所述预设时间是所述目标用户终端从登录应用下载平台到停止访问所述应用下载平台的时间。
6.一种应用软件推送装置,其特征在于,包括:
统计模块,用于统计多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数,所述第一应用软件是样本集中的任一应用软件,所述第二应用软件是所述样本集中除所述第一应用软件之外的应用软件,所述样本集包括多个应用软件;其中,所述第一应用软件详情页显示第二应用软件的图标;
随机游走模型建立模块,用于根据多个用户终端的用户界面从第一应用软件详情页跳转到第二应用软件详情页的次数,以及所述第一应用软件和所述第二应用软件的相似度,建立随机游走模型,所述随机游走模型用于确定用户界面从第一应用软件详情页跳转到第二应用软件详情页的概率;
确定模块,用于根据所述随机游走模型,确定目标用户终端的用户界面的目标应用软件详情页,使得所述目标用户终端的用户界面从当前详情页跳转到所述目标应用软件详情页的概率大于阈值;
推送模块,用于将所述目标应用软件推送到所述目标用户终端。
7.根据权利要求6所述的应用软件推送装置,其特征在于,所述第一应用软件和所述第二应用软件的相似度是根据所述第一应用软件对应的向量和所述第二应用软件对应的向量之间的距离确定的。
8.根据权利要求7所述的应用软件推送装置,其特征在于,还包括:
样本采集模块,用于将目标用户终端在预设时间内下载安装的多个应用软件构成所述样本集,每个应用软件在连续向量空间中对应一个向量;
映射模型建立模块,用于根据所述样本集中每个应用软件在连续向量空间中对应的向量、以及每个向量所在的向量空间到独热向量的映射矩阵,建立映射模型,所述映射模型用于确定所述目标用户终端在已安装第二应用软件的条件下安装第一应用软件的概率;
所述确定模块还用于根据所述映射模型,确定目标函数;确定当所述目标函数的值最小时所述每个应用软件在连续向量空间中对应的向量。
9.根据权利要求8所述的应用软件推送装置,其特征在于,当所述目标函数的值最小时所述每个应用软件在连续向量空间中对应的向量包括所述第一应用软件在连续向量空间中对应的向量和所述第二应用软件在连续向量空间中对应的向量。
10.根据权利要求8或9所述的应用软件推送装置,其特征在于,所述预设时间是所述目标用户终端从登录应用下载平台到停止访问所述应用下载平台的时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710420001.5A CN107315780B (zh) | 2017-06-06 | 2017-06-06 | 应用软件推送方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710420001.5A CN107315780B (zh) | 2017-06-06 | 2017-06-06 | 应用软件推送方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107315780A CN107315780A (zh) | 2017-11-03 |
CN107315780B true CN107315780B (zh) | 2020-09-04 |
Family
ID=60182275
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710420001.5A Active CN107315780B (zh) | 2017-06-06 | 2017-06-06 | 应用软件推送方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107315780B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109241450B (zh) * | 2018-10-30 | 2020-08-04 | 麒麟合盛网络技术股份有限公司 | 锁屏内容的推荐方法及装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101321190A (zh) * | 2008-07-04 | 2008-12-10 | 清华大学 | 一种异构网络中的推荐方法及推荐系统 |
US7945565B2 (en) * | 2008-11-20 | 2011-05-17 | Yahoo! Inc. | Method and system for generating a hyperlink-click graph |
CN105635480A (zh) * | 2016-01-19 | 2016-06-01 | 广州彩瞳网络技术有限公司 | 一种应用程序推荐方法及相应装置 |
CN106294752A (zh) * | 2016-08-10 | 2017-01-04 | 广州优视网络科技有限公司 | 应用专题推荐的方法、装置及服务器 |
CN106326369A (zh) * | 2016-08-12 | 2017-01-11 | 广州优视网络科技有限公司 | 应用专题推荐方法、装置及服务器 |
CN106599226A (zh) * | 2016-12-19 | 2017-04-26 | 深圳大学 | 一种内容推荐方法及内容推荐系统 |
-
2017
- 2017-06-06 CN CN201710420001.5A patent/CN107315780B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101321190A (zh) * | 2008-07-04 | 2008-12-10 | 清华大学 | 一种异构网络中的推荐方法及推荐系统 |
US7945565B2 (en) * | 2008-11-20 | 2011-05-17 | Yahoo! Inc. | Method and system for generating a hyperlink-click graph |
CN105635480A (zh) * | 2016-01-19 | 2016-06-01 | 广州彩瞳网络技术有限公司 | 一种应用程序推荐方法及相应装置 |
CN106294752A (zh) * | 2016-08-10 | 2017-01-04 | 广州优视网络科技有限公司 | 应用专题推荐的方法、装置及服务器 |
CN106326369A (zh) * | 2016-08-12 | 2017-01-11 | 广州优视网络科技有限公司 | 应用专题推荐方法、装置及服务器 |
CN106599226A (zh) * | 2016-12-19 | 2017-04-26 | 深圳大学 | 一种内容推荐方法及内容推荐系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107315780A (zh) | 2017-11-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107679211B (zh) | 用于推送信息的方法和装置 | |
CN109819284B (zh) | 一种短视频推荐方法、装置、计算机设备及存储介质 | |
US10789304B2 (en) | Method and system for measuring user engagement with content items | |
US20230041467A1 (en) | Method and system for measuring user engagement with content items | |
WO2018192496A1 (zh) | 热度信息的生成方法和装置、存储介质以及电子装置 | |
US9183072B1 (en) | Error troubleshooting using a correlated knowledge base | |
WO2018121700A1 (zh) | 基于已安装应用来推荐应用信息的方法、装置、终端设备及存储介质 | |
EP3161610B1 (en) | Optimized browser rendering process | |
US9953061B2 (en) | Similarity engine for facilitating re-creation of an application collection of a source computing device on a destination computing device | |
US20190327105A1 (en) | Method and apparatus for pushing information | |
CN110913135A (zh) | 一种视频拍摄方法、装置、电子设备和存储介质 | |
CN107562432B (zh) | 信息处理方法及相关产品 | |
CN111259241A (zh) | 一种信息处理方法及装置、存储介质 | |
CN102970380B (zh) | 获取云存储文件的媒体数据的方法以及云存储服务器 | |
CN107315780B (zh) | 应用软件推送方法及装置 | |
WO2017024684A1 (zh) | 用户行为意图的获取方法、装置、设备及非易失性计算机存储介质 | |
CN108228598B (zh) | 媒体信息排序方法、服务器和系统 | |
CN113190267A (zh) | 界面布局的动态配置方法与系统 | |
CN106651408B (zh) | 一种数据分析方法及装置 | |
US20230066149A1 (en) | Method and system for data mining | |
CN108139900B (zh) | 传送关于应用的更新的信息 | |
US10089369B2 (en) | Searching method, searching apparatus and device | |
CN105653645B (zh) | 网络信息关注度评估方法及装置 | |
CN111310016B (zh) | 标签挖掘方法、装置、服务器和存储介质 | |
KR101663359B1 (ko) | 업데이트된 뉴스 콘텐츠 제공 방법 및 장치 |
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: 20200420 Address after: 310052 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 Guangdong city of Guangzhou province Whampoa Tianhe District Road No. 163 Xiping Yun Lu Yun Ping B radio square 14 storey tower Applicant before: GUANGZHOU UCWEB COMPUTER TECHNOLOGY Co.,Ltd. |
|
TA01 | Transfer of patent application right | ||
GR01 | Patent grant | ||
GR01 | Patent grant |