CN107844536A - 应用程序选择的方法、装置和系统 - Google Patents

应用程序选择的方法、装置和系统 Download PDF

Info

Publication number
CN107844536A
CN107844536A CN201710982808.8A CN201710982808A CN107844536A CN 107844536 A CN107844536 A CN 107844536A CN 201710982808 A CN201710982808 A CN 201710982808A CN 107844536 A CN107844536 A CN 107844536A
Authority
CN
China
Prior art keywords
application program
application
selection
response
value
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.)
Granted
Application number
CN201710982808.8A
Other languages
English (en)
Other versions
CN107844536B (zh
Inventor
连荣刚
钟炎培
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.)
Xian Wanxiang Electronics Technology Co Ltd
Original Assignee
Xian Wanxiang Electronics 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 Xian Wanxiang Electronics Technology Co Ltd filed Critical Xian Wanxiang Electronics Technology Co Ltd
Priority to CN201710982808.8A priority Critical patent/CN107844536B/zh
Publication of CN107844536A publication Critical patent/CN107844536A/zh
Application granted granted Critical
Publication of CN107844536B publication Critical patent/CN107844536B/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
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or classification
    • 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
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/02—Protocols based on web technology, e.g. hypertext transfer protocol [HTTP]

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Stored Programmes (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明公开了一种应用程序选择的方法、装置和系统。其中，该方法包括：接收终端发送的应用程序选择请求；依据应用程序选择请求计算与应用程序选择请求关联的所有应用程序的关联权重；依据预设的规则对各个权重值对应的应用程序进行排序，得到应用程序选择响应结果；将应用程序选择响应结果反馈至终端。本发明解决了由于现有技术中对应用程序的选择存在准确率低反馈效率慢的技术问题。

Description

应用程序选择的方法、装置和系统
技术领域
本发明涉及计算机技术应用领域，具体而言，涉及一种应用程序选择的方法、装置和系统。
背景技术
随着数据云时代的到来，“云存储+云计算”日趋成熟，如何提升数据存储效率，扩大云存储能力，以及提升云计算计算能力成为了目前云数据领域广泛讨论的问题。而受益于云技术的终端硬件也将发生跨时代的变革，终端的重量越轻，功能越强，处理数据的能力越广成为现有终端硬件商考虑的地方，通过云技术，将现有的零终端/瘦终端的应用程序运行于云端的群集服务器，解放了终端设备本地运算能力，因为云端群集服务器的规模和处理能力比本地终端设备强大得多，并且不限于一种平台或操作系统，所以可以支持的应用程序数量也呈指数级增长，可以达到百万级别；
但是由此则带来一个问题：当用户在终端做本地操作，选取想要使用的应用程序时，从百万级别的数量中选取一个需要的应用将是困难和耗时的，甚至无法达成，原因如下：
因为目前的虚拟桌面基础架构(Virtual Desktop Infrastructure，简称VDI)终端、虚拟桌面、智能手机等设备还没有人类不可控的大数量级应用程序(例如超过100万个)这种应用场景，但有一些应用程序商店网站，会对访问的用户呈现他们可能在寻找的应用程序，惯常的方法就是关键字搜索，也会有一些稍高级的方法，例如对用户之前登陆同一网站的行为做分析，推测出用户可能感兴趣的应用程序，在网页上以推荐的形式呈现出来；关键字搜索的缺点显而易见是要求用户输入准确的关键字，如果关键字不准确，则搜索结果会偏差很大，如果关键字太笼统，则搜索结果会很多，用户依然无法高效的得到想要的应用程序；行为分析+推荐这种方式的缺点是：1.结果因人而异，通用性宏观性不好，维护成本也较高；2.如果用户想要找到一个之前并未有过相关访问行为的全新的应用程序，则此方法失效。
针对上述由于现有技术中对应用程序的选择存在准确率低反馈效率慢的问题，目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种应用程序选择的方法、装置和系统，以至少解决由于现有技术中对应用程序的选择存在准确率低反馈效率慢的技术问题。
根据本发明实施例的一个方面，提供了一种应用程序选择的系统，包括：终端，用于向云服务器集群发送应用程序选择请求；云服务器集群，与终端连接，用于依据应用程序选择请求计算与应用程序选择请求关联的所有应用程序的权重，并依据预设的规则对各个权重值对应的应用程序进行排序，将依据预设顺序排列的各个权重值对应的应用程序反馈至终端。
可选的，云服务器集群包括至少一个云服务器，其中，每个云服务器包括：应用程序池、权重计算模块、内容呈现模块和前端反馈模块，其中，应用程序池，用于管理和存储应用程序；权重计算模块，与应用程序池连接，用于在接收到前端反馈模块发送的终端发送的应用程序选择请求之后，对应用程序池中的所有应用程序通过预设关联权重算法进行计算，得到所有应用程序对应的应用程序的权重值；内容呈现模块，与权重计算模块连接，用于获取所有应用程序的权重值，并依据预设的规则对各个权重值对应的应用程序进行排序，得到应用程序选择响应结果；前端反馈模块，与内容呈现模块连接，用于将应用程序选择响应结果返回终端。
进一步地，可选的，每个云服务器还包括：调整模块，其中，调整模块，用于在将应用程序选择响应结果返回终端之前，获取每个应用程序的运行次数和时间衰减值，依据运行次数和时间衰减值之间的数学关系，得到每个应用程序的热度值，并将热度值与应用程序选择响应结果中各个应用程序的热度值进行比较；若热度值大于应用程序选择响应结果中各个应用程序的热度值，则将热度值对应的应用程序添加至应用程序响应结果；若热度值小于或等于应用程序选择响应结果中各个应用程序的热度值，则将应用程序选择响应结果返回终端。
根据本发明实施例的另一方面，还提供了一种应用程序选择的方法，包括：接收终端发送的应用程序选择请求；依据应用程序选择请求计算与应用程序选择请求关联的所有应用程序的关联权重；依据预设的规则对各个权重值对应的应用程序进行排序，得到应用程序选择响应结果；将应用程序选择响应结果反馈至终端。
可选的，依据应用程序选择请求计算与应用程序选择请求关联的所有应用程序的关联权重包括：获取每个应用程序的分类标签、相关度、边权重和时间衰减因子；依据分类标签、相关度、边权重和时间衰减因子之间的第一数学关系计算每个应用程序的关联权重；第一数学关系包括：Wapp_i＝c×r×w×d；其中，c为分类标签，r为相关度，w为边权重，d为时间衰减因子，Wapp_i为关联权重，其中，关联权重为目标应用程序与应用程序之间的关联权重。
进一步地，可选的，获取每个应用程序的分类标签、相关度、边权重和时间衰减因子包括：获取每个应用程序的分类标签包括：依据每个应用程序携带的统一语义的属性集，映射至预设的决策树，得到每个应用程序的细分类别，其中，属性集，用于描述每个应用程序功能、程序细节、适用平台或评论的信息集合；依据细分类别得到对应的关联度，并将关联度量化后得到分类标签；获取每个应用程序的相关度包括：获取每个应用程序的概率统计分量和语义分析关联度分量；依据概率统计分量和语义分析关联度分量之间的第二数学关系，计算得到每个应用程序的相关度，第二数学关系包括：r＝a×r1+b×r2；其中，a和b为常量因子，r1是概率统计分量，r2是语义分析关联度分量，r是每个应用程序的相关度；获取每个应用程序的边权重包括：通过综合量化每个应用程序的标准值，得到边权重；获取每个应用程序的时间衰减因子包括：依据每个应用程序的活跃行为对每个应用程序进行时间排序，得到时间衰减因子，其中，时间衰减因子，用于指示应用程序活跃程度，应用程序的活跃程度越低，时间衰减因子的值越小。
可选的，在将应用程序选择响应结果反馈至终端之前，该方法还包括：获取每个应用程序的运行次数和时间衰减值；依据运行次数和时间衰减值之间的第三数学关系，得到每个应用程序的热度值；将热度值与应用程序选择响应结果中各个应用程序的热度值进行比较；若热度值大于应用程序选择响应结果中各个应用程序的热度值，则将热度值对应的应用程序添加至应用程序响应结果；第三数学关系包括：热度值＝ref×d；其中，ref为运行次数，d为时间衰减值。
进一步地，可选的，该方法还包括：若热度值小于或等于应用程序选择响应结果中各个应用程序的热度值，则将应用程序选择响应结果返回终端。
根据本发明实施例的又一方面，还提供了一种应用程序选择的装置，包括：接收模块，用于接收终端发送的应用程序选择请求；权重计算模块，用于依据应用程序选择请求计算与应用程序选择请求关联的所有应用程序的关联权重；响应结果生成模块，用于依据预设的规则对各个权重值对应的应用程序进行排序，得到应用程序选择响应结果；发送模块，用于将应用程序选择响应结果反馈至终端。
可选的，权重计算模块包括：获取单元，用于获取每个应用程序的分类标签、相关度、边权重和时间衰减因子；权重计算单元，用于依据分类标签、相关度、边权重和时间衰减因子之间的第一数学关系计算每个应用程序的关联权重；第一数学关系包括：Wapp_i＝c×r×w×d；其中，c为分类标签，r为相关度，w为边权重，d为时间衰减因子，Wapp_i为关联权重，其中，关联权重为目标应用程序与应用程序之间的关联权重。
可选的，该装置还包括：获取模块，用于在将应用程序选择响应结果反馈至终端之前，获取每个应用程序的运行次数和时间衰减值；热度计算模块，用于依据运行次数和时间衰减值之间的第三数学关系，得到每个应用程序的热度值；比较模块，用于将热度值与应用程序选择响应结果中各个应用程序的热度值进行比较；数据更改模块，用于若热度值大于应用程序选择响应结果中各个应用程序的热度值，则将热度值对应的应用程序添加至应用程序响应结果；第三数学关系包括：热度值＝ref×d；其中，ref为运行次数，d为时间衰减值。
进一步地，可选的，该装置还包括：发送模块，还用于若热度值小于或等于应用程序选择响应结果中各个应用程序的热度值，则将应用程序选择响应结果返回终端。
根据本发明实施例的再一方面，还提供了一种存储介质，存储介质包括存储的程序，其中，程序执行上述应用程序选择的方法。
根据本发明实施例的再一方面，还提供了一种处理器，处理器用于运行程序，其中，程序运行时执行上述应用程序选择的方法。
在本发明实施例中，通过接收终端发送的应用程序选择请求；依据应用程序选择请求计算与应用程序选择请求关联的所有应用程序的关联权重；依据预设的规则对各个权重值对应的应用程序进行排序，得到应用程序选择响应结果；将应用程序选择响应结果反馈至终端，达到了准确选择应用程序的目的，从而实现了提升应用程序的选择准确率和反馈效率的技术效果，进而解决了由于现有技术中对应用程序的选择存在准确率低反馈效率慢的技术问题。
附图说明
此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是根据本发明实施例的应用程序选择的系统的结构示意图；
图2是根据本发明实施例的一种应用程序选择的系统的结构示意图；
图2a是根据本发明实施例的一种应用程序选择的系统中应用程序选择响应结果中各个应用程序进行比较的示意图；
图3是根据本发明实施例的一种应用程序选择的系统中获取应用程序选择响应结果的流程示意图；
图4是根据本发明实施例的一种应用程序选择的方法的流程示意图；
图5是根据本发明实施例的一种应用程序选择的方法中分类体系的示意图；
图6是根据本发明实施例的一种应用程序选择的装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，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，所描述的实施例仅仅是本发明一部分的实施例，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做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
实施例一
根据本发明实施例，提供了一种应用程序选择的系统实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
图1是根据本发明实施例的应用程序选择的系统的结构示意图，如图1所示，该应用程序选择的系统包括：
终端12，用于向云服务器集群14发送应用程序选择请求；云服务器集群14，与终端12连接，用于依据应用程序选择请求计算与应用程序选择请求关联的所有应用程序的权重，并并依据预设的规则对各个权重值对应的应用程序进行排序，将依据预设顺序排列的各个权重值对应的应用程序反馈至终端12。
具体的，本申请提供的应用程序选择的系统可以适用于应用程序选择程序或应用程序推荐，例如现有IOS系统中的APP Store，安卓的360应用程序商城等等，现有技术中如上述两个系统的应用程序推荐程序均需要用户提供准确的关键词或字段，才能准确提供或推荐对应的应用程序，但是这种应用程序推荐个数有限，而且倾向于用户提供的关键词的准确率，如果用户提供的关键词准确率低，将对终端系统以及服务器系统的应用程序推荐结果的准确率产生极大的影响，即，降低了应用程序推荐结果的准确率。
其中，本申请实施例提供的应用程序选择的系统中云服务器集群14对一个给定的初始应用程序集(记为app set 0)中的每一个应用程序，使用特定方法集获取与其关联的应用程序集(记为app set 1)，并按照特定方法集所包含的规则和算法对其排序，以排序结果呈现给用户所使用的终端12；对于app set 1中的每一个应用程序，也可以使用同一特定方法集得到与其关联的应用程序集(记为app set 2)，并按照特定方法集所包含的规则和算法对其排序，结果呈现给用户；以此类推，还有app set 3、app set 4、……、app seti、…+…；对app set i的特定操作集(例如标记或运行了其中的某个应用程序)会影响到app set 0，app set 0包括的应用程序会发生变化(例如顺序发生变化，或者某新的应用程序替代了老的应用程序)。
其中，特定方法集是为了寻找与某一个应用程序(记为app_i)关联的其它应用程序，并按照关联权重排序，关联权重大的排在前头，关联权重小的排在后头；关联权重(记为W)计算公式的一种实施例为：
Wapp_i＝c×r×w×d；
其中c为分类标签，r为相关度，w为边权重，d为时间衰减因子。
在本申请中，在云服务器集群14中会根据已存储的应用程序在接收到终端12发送应用程序选择请求时，输出一个初步由多个应用程序组合成的集合(即，上述app set0)，进而根据该应用程序选择请求获取关联的应用程序，从而得到关联的应用程序集合(即，上述app set 1)，进一步的，根据app set1中的每个应用程序再作进一步的关联得到后续的应用程序集合如app set 2、app set 3、app set 4、……、app set i、…+…；
综上，基于上述本申请实施例提供的应用程序选择的系统根据应用程序集合关联得到更多的应用程序集合，以此推送至终端12，以使得使用终端12的用户获得更多数量的应用程序，以便用户选择。在推荐应用程序数量和精度上区别于现有技术得到了有效提升。
需要说明的是本申请实施例提供的云服务器集群14至少包括一个服务器，以云平台为技术背景，将物理服务器的存储和计算能力集中在云平台，以使得增强服务器的存储能力和计算能力，在本申请通过的云服务器集群14中仅以上述示例为例进行说明，以实现本申请提供的应用程序选择的系统为准，具体不做限定。
在本发明实施例中，通过终端，用于向云服务器集群发送应用程序选择请求；云服务器集群，与终端连接，用于依据应用程序选择请求计算与应用程序选择请求关联的所有应用程序的权重，并依据预设顺序排列各个权重值对应的应用程序，将依据预设顺序排列的各个权重值对应的应用程序反馈至终端，达到了准确选择应用程序的目的，从而实现了提升应用程序的选择准确率和反馈效率的技术效果，进而解决了由于现有技术中对应用程序的选择存在准确率低反馈效率慢的技术问题。
具体的，图2是根据本发明实施例的一种应用程序选择的系统的结构示意图，如图2所示，本申请实施例提供的应用程序选择的系统具体如下：
可选的，云服务器集群14包括至少一个云服务器，其中，每个云服务器包括：应用程序池、权重计算模块、内容呈现模块和前端反馈模块，其中，应用程序池，用于管理和存储应用程序；权重计算模块，与应用程序池连接，用于在接收到前端反馈模块发送的终端发送的应用程序选择请求之后，对应用程序池中的所有应用程序通过预设关联权重算法进行计算，得到所有应用程序对应的应用程序的权重值；内容呈现模块，与权重计算模块连接，用于获取所有应用程序的权重值，并依据预设的规则对各个权重值对应的应用程序进行排序，得到应用程序选择响应结果；前端反馈模块，与内容呈现模块连接，用于将应用程序选择响应结果返回终端。
例如，应用程序池中共有100个应用程序，每个应用程序记为app_i(其中i＝1,2,…,100)，当终端请求选择与app_1关联的应用程序后，服务器需要计算所有其余的99个应用程序与app_1的关联权重Wapp_1，计算出来后根据预设规则排序，例如权重越大排位越靠前，再按照排序结果呈现给用户最终的选择画面。
需要说明的是权重值Wapp_i的预计算/处理过程如下：因为应用程序池中的应用程序数量庞大，每次云端服务器收到选择请求后再计算权重，对于服务器的负担很大，也不利于反馈的实时性，可以在服务器端计算好所有W值，收到终端的选择请求后，直接使用就可以了，另外由于应用程序总数和c、r、w、d参数是在动态变化的，所以服务器端需要以一定的频率不断更新所有W值，例如：应用程序池中共有10个应用程序，每个应用程序记为app_i(其中i＝1,2,…,10)，对于app_i计算与其余的9个应用程序的关联权重，总共需要计算10x10＝100个权重，而由公式Wapp_i＝c×r×w×d可知这些参数都是可以在服务器端预先计算的，并且也不需要计算全部100个W值，例如应用程序自己与自己的权重值不需要计算，可以人为规定，这样只需要计算100-10＝90个W值了；再例如c的计算，因为分类关联度c对于两个应用程序来说是相互的，所以只需计算一个就行了，利用组合公式可以知道，只需要计算45个c值就行了；同理，两个应用程序的相关度r也是一样的，所以也只需要计算45个r值就行了；再如边权重w和时间衰减d这两个参数都属于历史统计范畴，也可以单独计算。
具体的，在本申请实施例中，云服务器集群14中以一台云服务器为例进行说明，云服务器中包括：应用程序池、权重计算模块、内容呈现模块和前端反馈模块，其中，如图2所示，应用程序池管理和存储所有应用程序；权重计算模块，用于执行上述关联权重计算方法，同时也用于执行相关预处理操作，如分类标签，相关度，边权重，时间衰减因子获取的方法；内容呈现模块获取权重计算模块的计算结果，组织和生成应用程序选择的结果(即，本申请上述实施例中的应用程序选择响应结果)，并发送至前端反馈模块，以使得前端反馈模块依据与终端12的通信协议，将该应用程序选择的结果反馈至终端12。
进一步地，可选的，每个云服务器还包括：调整模块，其中，调整模块，用于在将应用程序选择响应结果返回终端之前，获取每个应用程序的运行次数和时间衰减值，依据运行次数和时间衰减值之间的数学关系，得到每个应用程序的热度值，并将热度值与应用程序选择响应结果中各个应用程序的热度值进行比较；若热度值大于应用程序选择响应结果中各个应用程序的热度值，则将热度值对应的应用程序添加至应用程序响应结果；若热度值小于或等于应用程序选择响应结果中各个应用程序的热度值，则将应用程序选择响应结果返回终端。
举例：如下图2a所示，图2a是根据本发明实施例的一种应用程序选择的系统中应用程序选择响应结果中各个应用程序进行比较的示意图，本申请中热度值的结果应用于初始应用集/基础应用集按照热度值排序，图2a中1表示热度值排第一的应用程序，以此类推，图2a中虚线表示在终端上呈现给用户一页显示，每页显示9个应用程序，初始应用集中的应用程序3的关联应用集在图2a中右边，按照与3的关联权重值从大到小排序，3-1表示与3的关联权重排第一的应用程序，如果此时发现3-2的热度值超过初始应用集第一页中的9，但没有超过8，则使用3-2替换9，而9退至初始应用集的第二页显示，从而初始应用集发生了更新。
具体的，基于上述云服务器中包括的应用程序池、权重计算模块、内容呈现模块和前端反馈模块，在云服务器中还包括调整模块，其中，调整模块用于获取每个应用程序的运行次数ref和时间衰减值d，依据ref和d的数学关系，计算得到每个应用程序的热度值，通过比较热度值，可以对应用程序选择响应结果进行调整，即，如果获取的关联的应用程序的热度值大于该应用程序选择响应结果中的某个应用程序，则将该关联的应用程序添加至应用程序选择响应结果中，并对该应用程序选择响应结果中的排序进行调整；如果该关联的应用程序的热度值小于或等于该应用程序选择响应结果中的某个应用程序的热度值，则应用程序选择响应结果不变。
例如，云服务器要向终端推荐50个应用程序，基于应用程序池、权重计算模块、内容呈现模块和前端反馈模块已经获取一批50个应用程序的应用程序选择响应结果，进一步地，根据该应用程序选择响应结果中的50个应用程序再进行关联，得到一批应用程序大于50的关联应用程序，在对该关联应用程序的ref和d进行计算之后，通过与原应用程序选择响应结果中的50个应用程序的ref和d的结果相比，如果关联应用程序的ref和d的计算结果大于原应用程序选择响应结果中的50个应用程序的ref和d的结果，则更新调整应用程序选择响应结果，即，将ref和d结果大于原应用程序选择响应结果中的应用程序替换至应用程序选择响应结果，并依据ref和d的计算结果的大小以升序或降序的方式进行排列，最终得到调整后的应用程序选择响应结果。
综上，在云服务器中得到应用程序选择响应结果的过程中，如图3所示，图3是根据本发明实施例的一种应用程序选择的系统中获取应用程序选择响应结果的流程示意图，具体如下：
S1：权重计算模块在通过应用程序池存储的应用程序中获取每个应用程序的分类标签c、相关度r、边权重w和时间衰减因子d；
S2：权重计算模块依据S1中获取的分类标签c、相关度r、边权重w和时间衰减因子d，计算每个应用程序的关联权重W；
S3：内容呈现模块比较每个应用程序的关联权重W，进行排序；
S4：内容呈现模块生成呈现的内容；
S5：内容呈现模块发布给前端反馈模块；
S6：调整模块获取ref和d；
S7：调整模块计算ref×d；
S8：调整模块比较ref×d，如果大于app set 0中某应用程序的ref×d值，则替换，返回S3进行排序，并通过S4生成呈现的内容；
S9：如果小于则返回。
实施例二
根据本发明实施例的另一方面，还提供了一种应用程序选择的方法，图4是根据本发明实施例的一种应用程序选择的方法的流程示意图，如图4所示，包括：
步骤S402，接收终端发送的应用程序选择请求；
步骤S404，依据应用程序选择请求计算与应用程序选择请求关联的所有应用程序的关联权重；
步骤S406，依据预设的规则对各个权重值对应的应用程序进行排序，得到应用程序选择响应结果；
步骤S408，将应用程序选择响应结果反馈至终端。
具体的，本申请上述步骤S402至步骤S408对应实施例1中云服务器集群14部分，本申请提供的应用程序选择的方法可以适用于云服务器中，本申请实施例提供的应用程序选择的方法中云服务器集群14对一个给定的初始应用程序集(记为app set 0)中的每一个应用程序，使用特定方法集获取与其关联的应用程序集(记为app set 1)，并按照特定方法集所包含的规则和算法对其排序，以排序结果呈现给用户所使用的终端12；对于app set 1中的每一个应用程序，也可以使用同一特定方法集得到与其关联的应用程序集(记为app set2)，并按照特定方法集所包含的规则和算法对其排序，结果呈现给用户；以此类推，还有appset 3、app set 4、……、app set i、…+…；对app set i的特定操作集(例如标记或运行了其中的某个应用程序)会影响到app set0，app set 0包括的应用程序会发生变化(例如顺序发生变化，或者某新的应用程序替代了老的应用程序)。
其中，特定方法集是为了寻找与某一个应用程序(记为app_i)关联的其它应用程序，并按照关联权重排序，关联权重大的排在前头，关联权重小的排在后头；关联权重(记为W)计算公式的一种实施例为：
Wapp_i＝c×r×w×d；
其中c为分类标签，r为相关度，w为边权重，d为时间衰减因子。
在本申请中，在云服务器集群14中会根据已存储的应用程序在接收到终端12发送应用程序选择请求时，输出一个初步由多个应用程序组合成的集合(即，上述app set0)，进而根据该应用程序选择请求获取关联的应用程序，从而得到关联的应用程序集合(即，上述app set 1)，进一步的，根据app set1中的每个应用程序再作进一步的关联得到后续的应用程序集合如app set 2、app set 3、app set 4、……、app set i、…+…；
综上，基于上述本申请实施例提供的应用程序选择的系统根据应用程序集合关联得到更多的应用程序集合，以此推送至终端12，以使得使用终端12的用户获得更多数量的应用程序，以便用户选择。在推荐应用程序数量和精度上区别于现有技术得到了有效提升。
在本发明实施例中，通过接收终端发送的应用程序选择请求；依据应用程序选择请求计算与应用程序选择请求关联的所有应用程序的关联权重；依据预设顺序排列各个关联权重值对应的应用程序，得到应用程序选择响应结果；将应用程序选择响应结果反馈至终端。达到了准确选择应用程序的目的，从而实现了提升应用程序的选择准确率和反馈效率的技术效果，进而解决了由于现有技术中对应用程序的选择存在准确率低反馈效率慢的技术问题。
可选的，步骤S404中依据应用程序选择请求计算与应用程序选择请求关联的所有应用程序的关联权重包括：
Step1.获取每个应用程序的分类标签、相关度、边权重和时间衰减因子；
Step2.依据分类标签、相关度、边权重和时间衰减因子之间的第一数学关系计算每个应用程序的关联权重；第一数学关系包括：
Wapp_i＝c×r×w×d；其中，c为分类标签，r为相关度，w为边权重，d为时间衰减因子，Wapp_i为关联权重，其中，关联权重为目标应用程序与应用程序之间的关联权重。
进一步地，可选的，Step1中获取每个应用程序的分类标签、相关度、边权重和时间衰减因子包括：
(1)获取每个应用程序的分类标签包括：
依据每个应用程序携带的统一语义的属性集，映射至预设的决策树，得到每个应用程序的细分类别，其中，属性集，用于描述每个应用程序功能、程序细节、适用平台或评论的信息集合；依据细分类别得到对应的关联度，并将关联度量化后得到分类标签；
具体的，每一个应用程序携带一个统一语义的属性集，包括但不限于其名称、分类体系(例如系统/社交/游戏/工具)、功能描述、原生平台、用户评论关键词等；把该属性集应用于系统预置的决策树，得到该应用程序的低层类别或细分类别(细分类别的层级数与系统预置的决策树定义有关，决策树定义的越深，则细分层次越多)；例如应用程序APP1属于1.1.2类别，那么广义上同一分类体系的应用程序都可以作为其类别关联候选，但实际上由于分类级别不同，所以这些应用程序与APP1的类别关联度也不一样，最接近APP1的类别可能是1.1.1所包含的应用程序，关联度较远的可能1.2所包含的应用程序；将这些类别关联度量化后，得到分类标签c。具体如图5所示，图5是根据本发明实施例的一种应用程序选择的方法中分类体系的示意图。
(2)获取每个应用程序的相关度包括：
获取每个应用程序的概率统计分量和语义分析关联度分量；依据概率统计分量和语义分析关联度分量之间的第二数学关系，计算得到每个应用程序的相关度，第二数学关系包括：r＝a×r1+b×r2；其中，a和b为常量因子，r1是概率统计分量，r2是语义分析关联度分量，r是每个应用程序的相关度；
具体的，r表示某应用程序与app_i的相关度，例如打电话程序与电话本相关，电话本与短消息程序相关等，r有两个分量：r1：概率统计；r2：语义分析。
概率统计是指分析用户操作行为得到的关于某应用程序与app_i是否相关的概率，此概率是随着样本空间的积累不断更新的；所述用户操作行为是一个预先指定的集合，例如两个应用总是按照一定顺序被运行，或者总是穿插运行不断来回切换等；下面是一种实施例，假设：
ops表示用户操作行为集或子集，
rv表示相关，
nr表示不相关，
并且，
P(rv)表示相关的概率，
P(nr)表示不相关的概率，
P(rv|ops)表示发生ops时相关的概率，
P(ops|rv)表示相关时发生ops的概率，
P(ops|nr)表示不相关时发生ops的概率，
则根据贝叶斯定理，
P(rv|ops)＝(P(ops|rv)P(rv))/(P(ops|rv)P(rv)+P(ops|nr)P(nr))
因为P(rv)、P(nr)、(ops|rv)、P(ops|nr)都是可计算的，所以可以得到P(rv|ops)，量化后就是相关度r的概率统计分量r1；此概率统计还可以用最大熵等方法实现；
语义分析是指对某应用程序的功能描述和用户评论等内容进行分词、核心词提取、语义依存分析，从而判断与app_i的相关度r2；
得到了r1和r2后，按照一定因子，可计算r的值，例如：
r＝a×r1+b×r2(其中a、b为常量因子)。
需要说明的是，本申请上述获取概率统计分量仅以上述示例为例，以实现本申请提供的应用程序选择的方法为准，具体不做限定。
(3)获取每个应用程序的边权重包括：
通过综合量化每个应用程序的标准值，得到边权重；
具体的，边权重w反映的是某应用程序的综合统计，例如被其他用户检索、使用的频率，使用时间(从进入程序到退出程序)的长短，评论的多少，评分等级等；综上所述经过量化后，得到w的值。
(4)获取每个应用程序的时间衰减因子包括：
依据每个应用程序的活跃行为对每个应用程序进行时间排序，得到时间衰减因子，其中，时间衰减因子，用于指示应用程序活跃程度，应用程序的活跃程度越低，时间衰减因子的值越小。
具体的，d的意义就是时间排序，越久没有活跃行为(例如被运行或被间接运行)，d值就越小；
由上边的定义所知，所述c、r、w、d不是恒定的，均处于动态变化中。
可选的，在步骤S408中将应用程序选择响应结果反馈至终端之前，本申请提供的应用程序选择的方法还包括：
步骤1，获取每个应用程序的运行次数和时间衰减值；
步骤2，依据运行次数和时间衰减值之间的第三数学关系，得到每个应用程序的热度值；
步骤3，将热度值与应用程序选择响应结果中各个应用程序的热度值进行比较；
步骤4，若热度值大于应用程序选择响应结果中各个应用程序的热度值，则将热度值对应的应用程序添加至应用程序响应结果；第三数学关系包括：热度值＝ref×d；其中，ref为运行次数，d为时间衰减值。
具体的，每一个应用程序都有一个ref值和一个d值，ref表示被运行的次数(经过量化的)，d表示时间衰减，与之前定义相同；如果某个关联应用的ref×d超过初始应用程序集app set 0中某个应用程序的ref×d，则用该关联应用它，已达到动态更新初始应用程序集的目的。
进一步地，可选的，本申请提供的应用程序选择的方法还包括：
步骤5，若热度值小于或等于应用程序选择响应结果中各个应用程序的热度值，则将应用程序选择响应结果返回终端。
实施例三
根据本发明实施例的又一方面，还提供了一种应用程序选择的装置，图6是根据本发明实施例的一种应用程序选择的装置的结构示意图，如图6所示，包括：
接收模块62，用于接收终端发送的应用程序选择请求；权重计算模块64，用于依据应用程序选择请求计算与应用程序选择请求关联的所有应用程序的关联权重；响应结果生成模块66，用于依据预设的规则对各个权重值对应的应用程序进行排序，得到应用程序选择响应结果；发送模块68，用于将应用程序选择响应结果反馈至终端。
在本发明实施例中，通过接收终端发送的应用程序选择请求；依据应用程序选择请求计算与应用程序选择请求关联的所有应用程序的关联权重；依据预设顺序排列各个关联权重值对应的应用程序，得到应用程序选择响应结果；将应用程序选择响应结果反馈至终端。达到了准确选择应用程序的目的，从而实现了提升应用程序的选择准确率和反馈效率的技术效果，进而解决了由于现有技术中对应用程序的选择存在准确率低反馈效率慢的技术问题。
可选的，权重计算模块64包括：获取单元，用于获取每个应用程序的分类标签、相关度、边权重和时间衰减因子；权重计算单元，用于依据分类标签、相关度、边权重和时间衰减因子之间的第一数学关系计算每个应用程序的关联权重；第一数学关系包括：Wapp_i＝c×r×w×d；其中，c为分类标签，r为相关度，w为边权重，d为时间衰减因子，Wapp_i为关联权重，其中，关联权重为目标应用程序与应用程序之间的关联权重。
可选的，该装置还包括：获取模块，用于在将应用程序选择响应结果反馈至终端之前，获取每个应用程序的运行次数和时间衰减值；热度计算模块，用于依据运行次数和时间衰减值之间的第三数学关系，得到每个应用程序的热度值；比较模块，用于将热度值与应用程序选择响应结果中各个应用程序的热度值进行比较；数据更改模块，用于若热度值大于应用程序选择响应结果中各个应用程序的热度值，则将热度值对应的应用程序添加至应用程序响应结果；第三数学关系包括：热度值＝ref×d；其中，ref为运行次数，d为时间衰减值。
进一步地，可选的，该装置还包括：发送模块，还用于若热度值小于或等于应用程序选择响应结果中各个应用程序的热度值，则将应用程序选择响应结果返回终端。
实施例四
根据本发明实施例的再一方面，还提供了一种存储介质，所述存储介质包括存储的程序，其中，所述程序执行上述实施例2中的应用程序选择的方法。
实施例五
根据本发明实施例的再一方面，还提供了一种处理器，所述处理器用于运行程序，其中，所述程序运行时执行上述实施例2中的应用程序选择的方法。
上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，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，可以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，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。
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，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元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全部或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(可为个人计算机、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、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (12)

1.一种应用程序选择的系统，其特征在于，包括：
终端，用于向云服务器集群发送应用程序选择请求；
所述云服务器集群，与所述终端连接，用于依据所述应用程序选择请求计算与所述应用程序选择请求关联的所有应用程序的权重，并依据预设的规则对各个权重值对应的应用程序进行排序，将依据预设顺序排列的各个权重值对应的应用程序反馈至所述终端。
2.根据权利要求1所述的系统，其特征在于，所述云服务器集群包括至少一个云服务器，其中，每个云服务器包括：应用程序池、权重计算模块、内容呈现模块和前端反馈模块，其中，
所述应用程序池，用于管理和存储应用程序；
所述权重计算模块，与所述应用程序池连接，用于在接收到所述前端反馈模块发送的所述终端发送的应用程序选择请求之后，对所述应用程序池中的所有应用程序通过预设关联权重算法进行计算，得到所述所有应用程序对应的应用程序的权重值；
所述内容呈现模块，与所述权重计算模块连接，用于获取所述所有应用程序的权重值，并依据预设的规则对各个权重值对应的应用程序进行排序，得到应用程序选择响应结果；
所述前端反馈模块，与所述内容呈现模块连接，用于将所述应用程序选择响应结果返回所述终端。
3.根据权利要求2所述的系统，其特征在于，所述每个云服务器还包括：调整模块，其中，
所述调整模块，用于在将所述应用程序选择响应结果返回所述终端之前，获取每个应用程序的运行次数和时间衰减值，依据所述运行次数和所述时间衰减值之间的数学关系，得到所述每个应用程序的热度值，并将所述热度值与所述应用程序选择响应结果中各个应用程序的热度值进行比较；若所述热度值大于所述应用程序选择响应结果中各个应用程序的热度值，则将所述热度值对应的应用程序添加至所述应用程序响应结果；若所述热度值小于或等于所述应用程序选择响应结果中各个应用程序的热度值，则将所述应用程序选择响应结果返回所述终端。
4.一种应用程序选择的方法，其特征在于，包括：
接收终端发送的应用程序选择请求；
依据所述应用程序选择请求计算与所述应用程序选择请求关联的所有应用程序的关联权重；
依据预设的规则对各个权重值对应的应用程序进行排序，得到应用程序选择响应结果；
将所述应用程序选择响应结果反馈至所述终端。
5.根据权利要求4所述的方法，其特征在于，所述依据所述应用程序选择请求计算与所述应用程序选择请求关联的所有应用程序的关联权重包括：
获取每个应用程序的分类标签、相关度、边权重和时间衰减因子；
依据所述分类标签、所述相关度、所述边权重和所述时间衰减因子之间的第一数学关系计算所述每个应用程序的关联权重；所述第一数学关系包括：
Wapp_i＝c×r×w×d；
其中，c为所述分类标签，r为所述相关度，w为所述边权重，d为所述时间衰减因子，Wapp_i为所述关联权重，其中，所述关联权重为目标应用程序与所述应用程序之间的关联权重。
6.根据权利要求5所述的方法，其特征在于，所述获取每个应用程序的分类标签、相关度、边权重和时间衰减因子包括：
获取所述每个应用程序的所述分类标签包括：
依据所述每个应用程序携带的统一语义的属性集，映射至预设的决策树，得到所述每个应用程序的细分类别，其中，所述属性集，用于描述所述每个应用程序功能、程序细节、适用平台或评论的信息集合；
依据所述细分类别得到对应的关联度，并将所述关联度量化后得到所述分类标签；
获取所述每个应用程序的所述相关度包括：
获取每个应用程序的概率统计分量和语义分析关联度分量；
依据所述概率统计分量和所述语义分析关联度分量之间的第二数学关系，计算得到所述每个应用程序的相关度，所述第二数学关系包括：
r＝a×r1+b×r2；
其中，a和b为常量因子，r1是所述概率统计分量，r2是所述语义分析关联度分量，r是所述每个应用程序的相关度；
获取所述每个应用程序的所述边权重包括：
通过综合量化所述每个应用程序的标准值，得到所述边权重；
获取所述每个应用程序的所述时间衰减因子包括：
依据所述每个应用程序的活跃行为对所述每个应用程序进行时间排序，得到所述时间衰减因子，其中，所述时间衰减因子，用于指示应用程序活跃程度，所述应用程序的所述活跃程度越低，所述时间衰减因子的值越小。
7.根据权利要求4所述的方法，其特征在于，在所述将所述应用程序选择响应结果反馈至所述终端之前，所述方法还包括：
获取每个应用程序的运行次数和时间衰减值；
依据所述运行次数和所述时间衰减值之间的第三数学关系，得到所述每个应用程序的热度值；
将所述热度值与所述应用程序选择响应结果中各个应用程序的热度值进行比较；
若所述热度值大于所述应用程序选择响应结果中各个应用程序的热度值，则将所述热度值对应的应用程序添加至所述应用程序响应结果；
所述第三数学关系包括：
热度值＝ref×d；
其中，ref为所述运行次数，d为所述时间衰减值。
8.根据权利要求7所述的方法，其特征在于，所述方法还包括：
若所述热度值小于或等于所述应用程序选择响应结果中各个应用程序的热度值，则将所述应用程序选择响应结果返回所述终端。
9.一种应用程序选择的装置，其特征在于，包括：
接收模块，用于接收终端发送的应用程序选择请求；
权重计算模块，用于依据所述应用程序选择请求计算与所述应用程序选择请求关联的所有应用程序的关联权重；
响应结果生成模块，用于依据预设的规则对各个权重值对应的应用程序进行排序，得到应用程序选择响应结果；
发送模块，用于将所述应用程序选择响应结果反馈至所述终端。
10.根据权利要求9所述的装置，其特征在于，所述权重计算模块包括：
获取单元，用于获取每个应用程序的分类标签、相关度、边权重和时间衰减因子；
权重计算单元，用于依据所述分类标签、所述相关度、所述边权重和所述时间衰减因子之间的第一数学关系计算所述每个应用程序的关联权重；所述第一数学关系包括：
Wapp_i＝c×r×w×d；
其中，c为所述分类标签，r为所述相关度，w为所述边权重，d为所述时间衰减因子，Wapp_i为所述关联权重，其中，所述关联权重为目标应用程序与所述应用程序之间的关联权重。
11.根据权利要求9所述的装置，其特征在于，所述装置还包括：
获取模块，用于在所述将所述应用程序选择响应结果反馈至所述终端之前，获取每个应用程序的运行次数和时间衰减值；
热度计算模块，用于依据所述运行次数和所述时间衰减值之间的第三数学关系，得到所述每个应用程序的热度值；
比较模块，用于将所述热度值与所述应用程序选择响应结果中各个应用程序的热度值进行比较；
数据更改模块，用于若所述热度值大于所述应用程序选择响应结果中各个应用程序的热度值，则将所述热度值对应的应用程序添加至所述应用程序响应结果；
所述第三数学关系包括：
热度值＝ref×d；
其中，ref为所述运行次数，d为所述时间衰减值。
12.根据权利要求11所述的装置，其特征在于，所述装置还包括：
所述发送模块，还用于若所述热度值小于或等于所述应用程序选择响应结果中各个应用程序的热度值，则将所述应用程序选择响应结果返回所述终端。
CN201710982808.8A 2017-10-18 2017-10-18 应用程序选择的方法、装置和系统 Active CN107844536B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710982808.8A CN107844536B (zh) 2017-10-18 2017-10-18 应用程序选择的方法、装置和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710982808.8A CN107844536B (zh) 2017-10-18 2017-10-18 应用程序选择的方法、装置和系统

Publications (2)

Publication Number Publication Date
CN107844536A true CN107844536A (zh) 2018-03-27
CN107844536B CN107844536B (zh) 2020-06-09

Family

ID=61661562

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710982808.8A Active CN107844536B (zh) 2017-10-18 2017-10-18 应用程序选择的方法、装置和系统

Country Status (1)

Country Link
CN (1) CN107844536B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110647299A (zh) * 2018-06-26 2020-01-03 富士施乐株式会社 信息处理装置、信息处理系统、记录介质及信息处理方法
CN111858962A (zh) * 2020-07-27 2020-10-30 腾讯科技(成都)有限公司 数据处理方法、装置及计算机可读存储介质
CN113094165A (zh) * 2021-04-27 2021-07-09 深圳市瑞云科技有限公司 一种提升云端加载应用程序速度的方法

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN102880501A (zh) * 2012-07-24 2013-01-16 北京奇虎科技有限公司 应用推荐的实现方法、装置和系统
CN103020845A (zh) * 2012-12-14 2013-04-03 百度在线网络技术（北京）有限公司 一种移动应用的推送方法及系统
CN103164804A (zh) * 2011-12-16 2013-06-19 阿里巴巴集团控股有限公司 一种个性化的信息推送方法及装置
CN103455559A (zh) * 2011-12-27 2013-12-18 北京奇虎科技有限公司 一种应用自动推荐的方法及装置
CN106250557A (zh) * 2016-08-16 2016-12-21 青岛海信传媒网络技术有限公司 应用的推荐方法及装置
CN106503224A (zh) * 2016-11-04 2017-03-15 维沃移动通信有限公司 一种根据关键词推荐应用的方法及装置

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103164804A (zh) * 2011-12-16 2013-06-19 阿里巴巴集团控股有限公司 一种个性化的信息推送方法及装置
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
CN103455559A (zh) * 2011-12-27 2013-12-18 北京奇虎科技有限公司 一种应用自动推荐的方法及装置
CN102880501A (zh) * 2012-07-24 2013-01-16 北京奇虎科技有限公司 应用推荐的实现方法、装置和系统
CN103020845A (zh) * 2012-12-14 2013-04-03 百度在线网络技术（北京）有限公司 一种移动应用的推送方法及系统
CN106250557A (zh) * 2016-08-16 2016-12-21 青岛海信传媒网络技术有限公司 应用的推荐方法及装置
CN106503224A (zh) * 2016-11-04 2017-03-15 维沃移动通信有限公司 一种根据关键词推荐应用的方法及装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110647299A (zh) * 2018-06-26 2020-01-03 富士施乐株式会社 信息处理装置、信息处理系统、记录介质及信息处理方法
CN111858962A (zh) * 2020-07-27 2020-10-30 腾讯科技(成都)有限公司 数据处理方法、装置及计算机可读存储介质
CN111858962B (zh) * 2020-07-27 2023-04-07 腾讯科技(成都)有限公司 数据处理方法、装置及计算机可读存储介质
CN113094165A (zh) * 2021-04-27 2021-07-09 深圳市瑞云科技有限公司 一种提升云端加载应用程序速度的方法

Also Published As

Publication number Publication date
CN107844536B (zh) 2020-06-09

Similar Documents

Publication Publication Date Title
EP3893154A1 (en) Recommendation model training method and related apparatus
CN103886047B (zh) 面向流式数据的分布式在线推荐方法
CN111079015B (zh) 一种推荐方法、装置、计算机设备和存储介质
CN110162693A (zh) 一种信息推荐的方法以及服务器
CN110704739A (zh) 资源推荐方法、装置及计算机存储介质
KR20090087413A (ko) 정보처리장치, 정보처리방법 및 기록매체
CN106844407A (zh) 基于数据集相关性的标签网络产生方法和系统
CN110175895A (zh) 一种物品推荐方法及装置
CN107844536A (zh) 应用程序选择的方法、装置和系统
Ben-Shimon et al. An ensemble method for top-N recommendations from the SVD
CN110097302A (zh) 分配订单的方法和装置
CN106294788B (zh) 安卓应用的推荐方法
CN109075987A (zh) 优化数字组件分析系统
CN113469786A (zh) 物品推荐的方法、装置、计算机设备和存储介质
CN109190040A (zh) 基于协同演化的个性化推荐方法及装置
CN108182600A (zh) 一种根据加权计算来确定扩展用户的方法和系统
Ouadah et al. SkyAP-S3: a hybrid approach for efficient skyline services selection
CN113034231B (zh) 一种基于SaaS云服务的多供应链商品智能推荐系统及方法
CN113327154B (zh) 基于大数据的电商用户讯息推送方法及系统
Samantha Bastiani et al. An ant colony algorithm for solving the selection portfolio problem, using a quality-assessment model for portfolios of projects expressed by a priority ranking
CN108053260A (zh) 一种根据统计数据兴趣度确定扩展用户的方法和系统
CN112734005B (zh) 预测模型的确定方法、装置、电子设备及存储介质
CN108710620A (zh) 一种基于用户的k-最近邻算法的图书推荐方法与系统
CN114429384A (zh) 基于电商平台的产品智能推荐方法及系统
Agagu et al. Context-aware recommendation methods

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
GR01 Patent grant
GR01 Patent grant
PE01 Entry into force of the registration of the contract for pledge of patent right
PE01 Entry into force of the registration of the contract for pledge of patent right

Denomination of invention: Methods, Devices, and Systems for Application Selection

Granted publication date: 20200609

Pledgee: Pudong Development Bank of Shanghai Limited by Share Ltd. Xi'an branch

Pledgor: XI'AN VANXVM ELECTRONICS TECHNOLOGY Co.,Ltd.

Registration number: Y2024610000022