CN108279954A - 一种应用程序排序的方法及装置 - Google Patents

一种应用程序排序的方法及装置 Download PDF

Info

Publication number
CN108279954A
CN108279954A CN201611259915.XA CN201611259915A CN108279954A CN 108279954 A CN108279954 A CN 108279954A CN 201611259915 A CN201611259915 A CN 201611259915A CN 108279954 A CN108279954 A CN 108279954A
Authority
CN
China
Prior art keywords
data sample
positive operation
application program
user
same characteristic
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
CN201611259915.XA
Other languages
English (en)
Other versions
CN108279954B (zh
Inventor
博格丹·柯蒂斯
唐睿明
董振华
何秀强
刘志容
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.)
Huawei Technologies Co Ltd
Original Assignee
Huawei Technologies 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 Huawei Technologies Co Ltd filed Critical Huawei Technologies Co Ltd
Priority to CN201611259915.XA priority Critical patent/CN108279954B/zh
Priority to PCT/CN2017/113213 priority patent/WO2018121156A1/zh
Publication of CN108279954A publication Critical patent/CN108279954A/zh
Priority to US16/455,152 priority patent/US11281426B2/en
Application granted granted Critical
Publication of CN108279954B publication Critical patent/CN108279954B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72469—User interfaces specially adapted for cordless or mobile telephones for operating the device by selecting functions from two or more displayed items, e.g. menus or icons
    • H04M1/72472—User interfaces specially adapted for cordless or mobile telephones for operating the device by selecting functions from two or more displayed items, e.g. menus or icons wherein the items are sorted according to specific criteria, e.g. frequency of use
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/22—Arrangements for sorting or merging computer data on continuous record carriers, e.g. tape, drum, disc
    • G06F7/24—Sorting, i.e. extracting data from one or more carriers, rearranging the data in numerical or other ordered sequence, and rerecording the sorted data on the original carrier or on a different carrier or set of carriers sorting methods in general
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/01—Probabilistic graphical models, e.g. probabilistic networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/0482—Interaction with lists of selectable items, e.g. menus
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F9/00—Arrangements for program control, e.g. control units
    • G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
    • G06F9/44—Arrangements for executing specific programs
    • G06F9/451—Execution arrangements for user interfaces
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04M—TELEPHONIC COMMUNICATION
    • H04M1/00—Substation equipment, e.g. for use by subscribers
    • H04M1/72—Mobile telephones; Cordless telephones, i.e. devices for establishing wireless links to base stations without route selection
    • H04M1/724—User interfaces specially adapted for cordless or mobile telephones
    • H04M1/72403—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality
    • H04M1/72406—User interfaces specially adapted for cordless or mobile telephones with means for local support of applications that increase the functionality by software upgrading or downloading

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Human Computer Interaction (AREA)
  • Algebra (AREA)
  • Databases & Information Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • User Interface Of Digital Computer (AREA)
  • Complex Calculations (AREA)

Abstract

本发明实施例提供一种应用程序排序的方法及装置，涉及电子技术领域，可以使正向操作概率更加准确地体现出用户对应用程序执行正向操作的可能性。具体方案为：应用推荐服务器获取至少两个数据样本中每个数据样本的正向操作概率和正向操作反馈信息；对至少两个数据样本中的每个数据样本都执行以下操作：根据至少两个数据样本的正向操作概率、正向操作反馈信息以及至少两个数据样本中的多个特征中的至少一个相同特征的特征指示信息，计算第一数据样本的正向操作概率的不确定性参数；以及采用正向操作概率的不确定性参数修正每个数据样本的正向操作概率；根据上述每个数据样本修正后的正向操作概率，对至少两个数据样本对应的所有应用程序排序。

Description

一种应用程序排序的方法及装置
技术领域
本发明涉及电子技术领域，尤其涉及一种应用程序排序的方法及装置。
背景技术
随着终端设备(如智能手机、平板电脑等)的普及，可以安装在终端设备上、为用户提供不同服务的应用程序也越来越多。应用推荐服务器可以向终端设备推送应用程序，由终端设备通过应用推荐界面展示应用推荐服务器推荐的应用程序。
其中，应用程序在应用推荐界面中的排序对于用户是否会对应用程序执行正向操作至关重要，例如用户更倾向于下载在应用推荐界面上靠前的展示位置展示的应用程序。其中，用户对应用程序的正向操作可以为点击、下载、付费等可以体现出用户有使用该应用程序的意愿的操作。
现有技术中，可以针对每个应用程序执行以下操作：计算应用程序被正向操作的次数和正向操作总次数(即所有应用程序被正向操作的次数)的比值，以得到该应用程序的正向操作概率；然后，根据各个应用程序的正向操作概率对应用程序排序。
但是，“用户是否对应用程序执行正向操作”是受很多因素影响的，现有技术中仅根据应用程序被正向操作的次数和正向操作总次数计算得到正向操作概率是不准确的，根据不准确的正向操作概率对应用程序排序后，应用程序排序的先后不能准确地体现出用户对应用程序执行正向操作的可能性。
发明内容
本申请提供一种应用程序排序的方法及装置，可以提高正向操作概率的准确性，使得正向操作概率可以更加准确地体现出用户对应用程序执行正向操作的可能性。
为达到上述目的，本申请采用如下技术方案：
第一方面，本申请提供了一种应用程序排序的方法，该应用程序排序的方法包括：获取至少两个数据样本中每个数据样本的正向操作概率和正向操作反馈信息，数据样本对应于一个用户与一个应用程序，该数据样本中包括多个特征的特征指示信息，该数据样本中的多个特征与其他数据样本中的多个特征分别相同，其他数据样本为至少两个数据样本中除该数据样本之外的任意一个数据样本，该数据样本的正向操作概率为用户在预设时间段对应用程序正向操作的概率，该数据样本的正向操作反馈信息用于指示该用户在预设时间段是否对该应用程序执行过正向操作；对至少两个数据样本中的每个数据样本都执行以下操作：根据至少两个数据样本的正向操作概率、至少两个数据样本的正向操作反馈信息以及至少两个数据样本中的多个特征中的至少一个相同特征的特征指示信息，计算第一数据样本的正向操作概率的不确定性参数；以及采用第一数据样本的正向操作概率的不确定性参数，修正第一数据样本的正向操作概率，以得到第一数据样本修正后的正向操作概率，第一数据样本为至少两个数据样本中的任意一个数据样本；根据至少两个数据样本修正后的正向操作概率，对至少两个数据样本对应的所有应用程序排序。
其中，上述数据样本对应于一个用户与一个应用程序，数据样本中包含多个特征的特征指示信息，该数据样本中的多个特征中可以包含至少三个特征中每个特征的指示信息，至少三个特征包含至少一个该用户的特征、至少一个该应用程序的特征和至少一个场景的特征，该至少一个场景为该用户操作该应用程序的场景。其中，数据样本中的多个特征与其他数据样本中的多个特征分别相同，该其他数据样本为至少两个数据样本中除该数据样本之外的任意一个数据样本。例如，至少两个数据样本中的每个数据样本都可以包括上述至少三个特征。上述数据样本的正向操作概率为该数据样本对应的用户在预设时间段对应用程序正向操作的概率，上述数据样本的正向操作反馈信息用于指示该数据样本对应的用户在上述预设时间段是否对应用程序执行过正向操作。其中，上述预设时间段的时长可以是预先设置的。至少一个场景的特征可以为用户操作应用程序的时间、地点和天气等可能对“用户对应用程序执行正向操作”产生影响的环境参数。
通过本方案，可以根据至少两个数据样本的正向操作概率、至少两个数据样本的正向操作反馈信息以及至少两个数据样本中的多个特征中的至少一个相同特征的特征指示信息，计算每个数据样本的正向操作概率的不确定性参数，然后采用每个正向操作概率的不确定性参数修正该数据样本的正向操作概率，得到该数据样本修正后的正向操作概率。由于修正后的正向操作概率相比于修正前的正向操作概率可以更加准确的体现出用户对应用程序执行正向操作的可能性；因此，根据至少两个数据样本修正后的正向操作概率，对上述至少两个数据样本对应的所有应用程序排序后得到的应用程序的排序结果，相较于采用修正前的正向操作概率对应用程序排序后得到的应用程序的排序结果，可以提高用户对应用程序执行正向操作的可能性。
在第一方面的一种可能的实现方式中，考虑到影响“用户对应用程序执行正向操作”的因素不仅包括正向操作概率，还可以包括应用程序在终端设备的应用推荐界面中所处的展示位置，展示位置的用户关注度用于表征用户对展示位置上所展示的应用程序正向操作的可能性。其中，应用程序在不同展示位置上展示时，应用程序被正向操作的可能性是不同的。例如，当同一个应用程序分别在靠前的展示位置和在靠后的展示位置展示时，用户往往更倾向于对靠前的展示位置的应用程序执行正向操作。也就是说，正向操作概率的不确定性和应用程序在终端设备的应用推荐界面中所处的展示位置都会影响应用推荐服务器对应用程序排序的准确性。为了进一步提高应用推荐服务器对应用程序排序的准确性，考虑根据正向操作概率的不确定性参数修正正向操作概率时，还可以根据各个展示位置的用户关注度修正正向操作概率。具体的，“采用第一数据样本的正向操作概率的不确定性参数，修正该第一数据样本的正向操作概率，以得到该第一数据样本修正后的正向操作概率”可以包括：采用第一数据样本的正向操作概率的不确定性参数和各个展示位置的用户关注度，修正第一数据样本的正向操作概率，以得到第一数据样本修正后的正向操作概率。
在第一方面的一种可能的实现方式中，上述“根据至少两个数据样本的正向操作概率、至少两个数据样本的正向操作反馈信息以及至少两个数据样本中的多个特征中的至少一个相同特征的特征指示信息，计算第一数据样本的正向操作概率的不确定性参数”可以包括：对至少一个相同特征中的每个相同特征都执行以下操作：根据至少两个数据样本的正向操作概率、至少两个数据样本的正向操作反馈信息以及至少两个数据样本中每个数据样本的第一相同特征的特征指示信息，计算第一相同特征的权重，第一相同特征为至少一个相同特征的任意一个相同特征；根据第一数据样本中包含的至少一个相同特征的特征指示信息和至少一个相同特征的权重，计算第一数据样本的正向操作概率的不确定性参数。
需要说明的是，至少两个数据样本中任一相同特征的权重，可以是根据所有数据样本中、该相同特征的指示信息为1的数据样本的数量、每个数据样本的正向操作概率以及每个数据样本的正向操作反馈信息得到的。其中，上述任一相同特征的特征指示信息为0时，表明该相同特征对“用户对应用程序执行正向操作”没有影响；上述任一相同特征的特征指示信息为1时，表明该相同特征可以对“用户对应用程序执行正向操作”有影响。例如，在上述至少两个数据样本中的正向数据样本中、任一相同特征的特征指示信息为1的正向数据样本(正向操作反馈信息为1的数据样本)的数量越多，则该相同特征的权重越大，表明该相同特征对“用户对应用程序执行正向操作”影响越大。
在第一方面的一种可能的实现方式中，至少一个相同特征包括至少两个数据样本中的所有特征，第一相同特征为至少一个相同特征的任意一个相同特征。上述“根据至少两个数据样本的正向操作概率、至少两个数据样本的正向操作反馈信息以及至少两个数据样本中每个数据样本的第一相同特征的特征指示信息，计算第一相同特征的权重”可以包括：
采用
计算上述至少两个数据样本中第k个相同特征的权重nk，k∈{1，2，……，q}，q用于表示X(i,j)中的特征的个数，q≥3。其中，X(i,j)用于表示用户i与应用程序j的数据样本，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；P(i,j)用于表示X(i,j)的正向操作概率，y(i,j)用于表示X(i,j)的正向操作反馈信息；a(i,j)-k用于表示X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息。
其中，当上述至少两个数据样本中任一数据样本的正向操作概率和正向操作反馈信息的差异越小时，该数据样本的正向操作概率就越准确。当该数据样本X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息a(i,j)-k为0时，表示第k个相同特征对“数据样本X(i,j)的正向操作概率P(i,j)是没有影响的；上述(P(i,j)-y(i,j))×a(i,j)-k为0，即第k个相同特征x(i,j)-k对x(i,j)-k的权重没有影响。当数据样本X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息a(i,j)-k为1时，可以根据“数据样本X(i,j)的正向操作概率P(i,j)与正向操作反馈信息y(i,j)的差异(即P(i,j)和y(i,j)的差值P(i,j)-y(i,j))，计算x(i,j)-k的权重。例如，由于正向操作概率P(i,j)是计算得到的，而正向操作反馈信息y(i,j)是真实值；因此，该数据样本X(i,j)的正向操作概率P(i,j)与正向操作反馈信息y(i,j)的差值P(i,j)-y(i,j)越小，该数据样本的正向操作概率P(i,j)越准确。此时，该数据样本X(i,j)中的第k个相同特征x(i,j)-k的对权重nk的影响就越小，则第k个相同特征x(i,j)-k在所有数据样本中的权重nk越小。
在第一方面的一种可能的实现方式中，至少一个相同特征包括至少两个数据样本中的所有特征；根据第一数据样本中包含的至少一个相同特征的特征指示信息和至少一个相同特征的权重，计算第一数据样本的正向操作概率的不确定性参数可以包括：
采用
计算数据样本X(i,j)的正向操作概率的不确定性参数uc(i,j)，第一数据样本为用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；k∈{1，2，……，q}，q用于表示X(i,j)中的特征的个数，q≥3；nk用于表示X(i,j)中的第k个相同特征的权重；a(i,j)-k用于表示X(i,j)中第k个相同特征x(i,j)-k的特征指示信息。
其中，当数据样本X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息a(i,j)-k为0时，该第k个相同特征x(i,j)-k对数据样本X(i,j)的正向操作概率的不确定性参数uc(i,j)没有影响；当数据样本X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息a(i,j)-k为1时，第k个相同特征x(i,j)-k可以影响数据样本X(i,j)的正向操作概率的不确定性参数uc(i,j)。例如，在数据样本X(i,j)的第k个相同特征x(i,j)-k的特征指示信息a(i,j)-k为1的情况下，当上述第k个相同特征x(i,j)-k的权重nk越大时，数据样本X(i,j)的正向操作概率的不确定性参数uc(i,j)越小。
在第一方面的一种可能的实现方式中，本申请中还可以归一化上述第一数据样本的正向操作概率的不确定性参数。示例性的，此处以对第一数据样本X(i,j)的正向操作概率的不确定性参数归一化至0-1的数值为例，对本申请中“归一化第一数据样本的正向操作概率的不确定性参数”的方法举例说明。归一化第一数据样本的正向操作概率的不确定性参数的方法包括：若数据样本X(i,j)的正向操作概率的不确定性参数uc(i,j)大于或者等于1，则将数据样本X(i,j)的正向操作概率的不确定性参数确定为1，若数据样本X(i,j)的正向操作概率的不确定性参数uc(i,j)小于1，则数据样本X(i,j)归一化后的正向操作概率的不确定性参数仍为uc(i,j)；或者，可以采用
对数据样本X(i,j)的正向操作概率的不确定性参数执行归一化，以得到数据样本X(i,j)归一化后的正向操作概率的不确定性参数uc1 (i,j)，max{uc}用于表示所有数据样本的正向操作概率的不确定性参数中最大的不确定性参数。其中，第一数据样本为用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2。
在第一方面的一种可能的实现方式中，上述采用第一数据样本的正向操作概率的不确定性参数，修正第一数据样本的正向操作概率，以得到该第一数据样本修正后的正向操作概率可以包括：
采用
修正数据样本X(i,j)的正向操作概率P(i,j)，以得到X(i,j)修正后的正向操作概率其中，第一数据样本为用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；uc(i,j)用于表示X(i,j)的正向操作概率P(i,j)的不确定性参数。
其中，根据上述至少两个数据样本和对应的至少两个数据样本正向操作反馈信息得到的数据样本X(i,j)的正向操作概率P(i,j)是不准确的；而根据正向操作概率P(i,j)的不确定性参数uc(i,j)，采用P(i,j)×uc(i,j)可以修正数据样本X(i,j)的正向操作概率P(i,j)的不确定性，得到该数据样本X(i,j)修正后的正向操作概率示例性的，上述正向操作概率P(i,j)的不确定性参数uc(i,j)可以为归一化之后的不确定性参数uc1 (i,j)。例如，当该正向操作的不确定性参数uc(i,j)归一化至0-1范围的数值时，上述不确定性参数uc1 (i,j)越大时，得到的该修正后的正向操作概率越大，即该数据样本X(i,j)中用户i对应用程序j执行正向操作的可能性越大。从而，根据上述修正后的正向操作概率对该应用程序j排序，得到的该应用程序j的排序位置将会靠前，该应用程序j在应用推荐界面中所处的展示位置也将会靠前。
在第一方面的一种可能的实现方式中，上述采用第一数据样本的正向操作概率的不确定性参数和各个展示位置的用户关注度，修正每个数据样本的正向操作概率，以得到该第一数据样本修正后的正向操作概率可以包括：
采用
修正数据样本X(i,j)的正向操作概率P(i,j)，以得到X(i,j)修正后的正向操作概率其中，第一数据样本为用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；uc(i,j)用于表示X(i,j)的正向操作概率P(i,j)的不确定性参数；pos(j,l)用于表示应用程序j第l次展示在该应用推荐界面中的展示位置，b{pos(j,l)}用于表示展示位置pos(j,l)的用户关注度，l∈{1，2，……，T}，T用于表示应用程序j展示在该应用推荐界面中的次数，T≥1。
其中，展示位置也会对“用户对应用程序执行正向操作”的正向操作概率有影响。当展示位置的用户关注度越高时，该展示位置上推荐的应用程序被用户正向操作概率就越高。通过采用至少两个数据样本中每个数据样本的正向操作概率的不确定性参数，结合应用程序每次展示在应用推荐界面上展示位置的用户关注度，修正上述对该数据样本的正向操作概率；可以使得上述正向操作概率能够更准确地体现出用户对应用程序执行正向操作的可能性。示例性的，当该正向操作的不确定性参数uc(i,j)和展示位置pos(j,l)的用户关注度b{pos(j,l)}分别归一化至0-1数值范围内，以及正向操作概率P(i,j)为0-1范围内的数值时，上述展示位置pos(j,l)的用户关注度b{pos(j,l)}越大，则B越大，进而P(i,j)×(uc(i,j))B越小，该数据样本修正后的正向操作概率越小，即该数据样本X(i,j)中用户i对应用程序j执行正向操作的可能性越小。从而，根据上述修正后的正向操作概率对该应用程序j排序，得到的该应用程序j的排序位置将会靠后，该应用程序j在应用推荐界面中所处的展示位置也将会靠后。
需要说明的是，上述数据样本修正后的正向操作概率为应用程序j第l+1次展示在应用推荐界面中展示位置pos(j,l+1)时，用户i对应用程序j执行正向操作的可能性。
在第一方面的一种可能的实现方式中，根据至少两个数据样本修正后的正向操作概率，对至少两个数据样本对应的所有应用程序排序可以包括：从上述至少两个数据样本中确定出至少两个第二数据样本，该至少两个第二数据样本中的每个第二数据样本对应于第一用户与一个应用程序；根据上述至少两个第二数据样本修正后的正向操作概率，对上述至少两个第二数据样本对应的所有应用程序排序；其中，对至少两个第二数据样本对应的所有应用程序排序的排序结果用于向该第一用户推荐上述至少两个第二数据样本对应的所有应用程序。
其中，由于上述至少两个第二数据样本为第一用户对应的数据样本，因此，针对第一用户，采用至少两个第二数据样本中每个第二数据样本的修正后的正向操作概率，对上述至少两个第二数据样本对应的所有应用程序排序，便可以得到符合该第一用户的用户喜好的应用程序排序结果。即该第一用户对其终端设备的应用程序推荐界面中展示的应用程序执行正向操作的可能性越大。
在第一方面的一种可能的实现方式中，可以采用以下两种方式实现“计算终端设备的应用推荐界面中用于展示该应用程序的各个展示位置的用户关注度”。
方式一：获取一段时间内，各个展示位置中展示的应用程序被正向操作的次数，各个展示位置中展示的应用程序被正向操作的次数分别用于表征该展示位置的用户关注度。
方式二：获取一段时间内，各个展示位置中展示的应用程序被正向操作的次数，分别计算各个展示位置中展示的应用程序被正向操作的次数与第一展示位置中展示的应用程序被正向操作的次数的比值，其中，任一展示位置中展示的应用程序被正向操作的次数与上述第一展示位置中展示的应用程序被正向操作的次数的比值用于表征该展示位置的用户关注度，上述第一展示位置为各个展示位置中展示的应用程序被正向操作的次数最大的展示位置。
其中，上述“获取的各个展示位置中展示的应用程序被正向操作的次数”可以为对应用程序随机排序后，根据随机排序结果在各个展示位置展示应用程序后，在一段时间内统计得到的各个展示位置中展示的应用程序被正向操作的次数；或者，可以为采用本申请提供的应用程序排序的方法对应用程序排序后，根据排序结果在各个展示位置展示应用程序后，在一段时间内统计得到的各个展示位置中展示的应用程序被正向操作的次数；或者，还可以为采用其他任意一种排序方法对应用程序排序后，根据排序结果在各个展示位置展示应用程序后，在一段时间内统计得到的各个展示位置中展示的应用程序被正向操作的次数。上述一段时间可以在应用推荐服务器计算上述各个展示位置的用户关注度之前，该一段时间的时长可以是预先设置的。
需要说明的是，上述“获取的各个展示位置中展示的应用程序被正向操作的次数”可以为统计所有用户对各个展示位置中展示的应用程序执行正向操作的次数，或者可以为对部分用户随机抽样，统计抽样的用户对各个展示位置中展示的应用程序执行正向操作的次数；而非特定用户对各个展示位置中展示的应用程序执行正向操作的次数。
上述“各个展示位置中展示的应用程序”可以为相同或不同的任意应用程序。上述“获取的各个展示位置中展示的应用程序被正向操作的次数”可以为统计各个展示位置中展示的相同的应用程序被正向操作的次数，或者，各个展示位置中展示的不同的应用程序被正向操作的次数；而不是统计在各个展示位置中展示特定应用程序被正向操作的次数。
在第一方面的一种可能的实现方式中，上述“应用推荐服务器获取至少两个数据样本中每个数据样本的正向操作概率和正向操作反馈信息”可以包括：应用推荐服务器获取至少两个终端设备中每个终端设备的至少两个应用程序的历史操作信息，以得到至少两个数据样本和至少两个数据样本中每个数据样本的正向操作反馈信息；统计至少两个数据样本和至少两个数据样本中每个数据样本的正向操作反馈信息，以得到至少两个数据样本中所有特征的正向操作比重值；对至少两个数据样本中的每个数据样本都执行以下操作：根据至少两个数据样本中所有特征的正向操作比重值，计算每个数据样本的正向操作概率。
其中，以第k个相同特征x(i,j)-k为例，第k个相同特征x(i,j)-k的正向操作比重值wk可以表征第k个相同特征x(i,j)-k对“用户i对应用程序j执行正向操作”的影响程度。x(i,j)-k的正向操作比重值wk越大，则表示第k个特征x(i,j)-k对“用户对应用程序执行正向操作”影响越大。
第二方面，本申请提供一种应用程序排序的装置包括：获取模块、计算模块、修正模块和排序模块。其中，获取模块可以用于获取至少两个数据样本中每个数据样本的正向操作概率和正向操作反馈信息；上述每个数据样本对应于一个用户与一个应用程序，至少两个数据样本中包括多个相同特征的指示信息；其中，数据样本中包括多个特征的特征指示信息，该数据样本中的多个特征与其他数据样本中的多个特征分别相同，该其他数据样本为至少两个数据样本中除该数据样本之外的任意一个数据样本，该数据样本的正向操作概率为该数据样本对应的用户在预设时间段对应用程序正向操作的概率，该数据样本的正向操作反馈信息用于指示该用户在预设时间段是否对该应用程序执行过正向操作。计算模块可以用于对至少两个数据样本中的每个数据样本都执行以下操作：根据上述获取模块获取的至少两个数据样本的正向操作概率、至少两个数据样本的正向操作反馈信息，以及至少两个数据样本中的多个特征中的至少一个相同特征的特征指示信息，计算第一数据样本的正向操作概率的不确定性参数，第一数据样本为至少两个数据样本中的任意一个数据样本。修正模块可以用于对至少两个数据样本中的每个数据样本都执行以下操作：采用上述计算模块计算得到的第一数据样本的正向操作概率的不确定性参数，修正第一数据样本的正向操作概率，以得到第一数据样本修正后的正向操作概率。排序模块可以用于根据上述修正模块对上述至少两个数据样本修正后的正向操作概率，对上述至少两个数据样本对应的所有应用程序排序。
在第二方面的一种可能的实现方式中，上述计算模块还可以用于在上述修正模块采用上述计算模块计算得到的第一数据样本的正向操作概率的不确定性参数，修正第一数据样本的正向操作概率，以得到第一数据样本修正后的正向操作概率之前，计算终端设备的应用推荐界面中用于展示应用程序的各个展示位置的用户关注度，展示位置的用户关注度用于表征用户对所述展示位置上所展示的应用程序正向操作的可能性。上述修正模块具体可以用于采用上述计算模块计算得到的第一数据样本的正向操作概率的不确定性参数和上述计算模块计算得到的各个展示位置的用户关注度，修正第一数据样本的正向操作概率，以得到第一数据样本修正后的正向操作概率。
在第二方面的一种可能的实现方式中，上述计算模块可以包括：权重计算子模块和不确定参数计算子模块。其中，权重计算子模块，用于对至少一个相同特征中的每个相同特征都执行以下操作：根据至少两个数据样本的正向操作概率、至少两个数据样本的正向操作反馈信息以及至少两个数据样本中每个数据样本的第一相同特征的特征指示信息，计算第一相同特征的权重，第一相同特征为至少一个相同特征的任意一个相同特征。不确定参数计算子模块，用于对至少两个数据样本中的每个数据样本都执行以下操作：根据第一数据样本中包含的至少一个相同特征的特征指示信息和上述权重计算子模块计算得到的至少一个相同特征的权重，计算第一数据样本的正向操作概率的不确定性参数。
在第二方面的一种可能的实现方式中，所述至少一个相同特征包括至少两个数据样本中的所有特征；上述权重计算子模块具体可以用于：
采用
计算至少两个数据样本中第k个相同特征的权重nk，k∈{1，2，……，q}，q用于表示X(i,j)中的特征的个数，q≥3。其中，X(i,j)用于表示用户i与应用程序j的数据样本，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；P(i,j)用于表示X(i,j)的正向操作概率，y(i,j)用于表示X(i,j)的正向操作反馈信息；a(i,j)-k用于表示X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息。
在第二方面的一种可能的实现方式中，上述不确定参数计算子模块具体可以用于：
采用
计算数据样本X(i,j)的正向操作概率的不确定性参数uc(i,j)，第一数据样本为用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；
k∈{1，2，……，q}，q用于表示X(i,j)中的特征的个数，q≥3；nk用于表示X(i,j)中的第k个相同特征的权重；a(i,j)-k用于表示X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息。
在第二方面的一种可能的实现方式中，上述修正模块具体可以用于：采用
修正数据样本X(i,j)的正向操作概率P(i,j)，以得到X(i,j)修正后的正向操作概率其中，第一数据样本为用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；uc(i,j)用于表示X(i,j)的正向操作概率P(i,j)的不确定性参数。
在第二方面的一种可能的实现方式中，上述修正模块具体可以用于：
采用
修正数据样本X(i,j)的正向操作概率P(i,j)，以得到X(i,j)修正后的正向操作概率其中，第一数据样本为用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；uc(i,j)用于表示X(i,j)的正向操作概率P(i,j)的不确定性参数；pos(j,l)用于表示应用程序j第l次展示在应用推荐界面中的展示位置，b{pos(j,l)}用于表示展示位置pos(j,l)的用户关注度，l∈{1，2，……，T}，T用于表示应用程序j展示在该应用推荐界面中的次数，T≥1。
在第二方面的一种可能的实现方式中，上述排序模块，具体可以用于：从至少两个数据样本中确定出至少两个第二数据样本，至少两个第二数据样本中的每个第二数据样本对应于第一用户与一个应用程序；根据至少两个第二数据样本修正后的正向操作概率，对至少两个第二数据样本对应的所有应用程序排序。其中，对至少两个第二数据样本对应的所有应用程序排序的排序结果用于向第一用户推荐至少两个第二数据样本对应的所有应用程序。
其中，本方案可以从至少两个数据样本中确定出每个用户所对应的数据样本，即至少两个第二数据样本，然后根据每个用户对应的至少两个第二数据样本修正后的正向操作概率，对至少两个第二数据样本对应的所有应用程序排序。这样，便可以根据每个用户对应的应用程序的排序结果针对性的向每个用户推荐应用程序，使得推荐的应用程序更加符合用户的喜好。
在第二方面的一种可能的实现方式中，上述获取模块，具体可以用于：获取至少两个终端设备中每个终端设备的至少两个应用程序的历史操作信息，以得到至少两个数据样本和至少两个数据样本中每个数据样本的正向操作反馈信息；统计至少两个数据样本和至少两个数据样本中每个数据样本的正向操作反馈信息，以得到至少两个数据样本中的多个特征中的至少一个相同特征的正向操作比重值；对至少两个数据样本中的每个数据样本都执行以下操作：根据至少两个数据样本中的多个特征中的至少一个相同特征的正向操作比重值，计算第一数据样本的正向操作概率，第一数据样本为至少两个数据样本中的任意一个数据样本。
在第二方面的一种可能的实现方式中，上述计算模块，具体用于获取一段时间内，各个展示位置中展示的应用程序被正向操作的次数，各个展示位置中展示的应用程序被正向操作的次数分别用于表征该展示位置的用户关注度。
在第二方面的一种可能的实现方式中，上述计算模块，具体用于获取一段时间内，各个展示位置中展示的应用程序被正向操作的次数，分别计算各个展示位置中展示的应用程序被正向操作的次数与第一展示位置中展示的应用程序被正向操作的次数的比值，其中，任一展示位置中展示的应用程序被正向操作的次数与上述第一展示位置中展示的应用程序被正向操作的次数的比值用于表征该展示位置的用户关注度，上述第一展示位置为各个展示位置中展示的应用程序被正向操作的次数最大的展示位置。
第三方面，本申请提供一种应用程序排序的装置，该应用程序排序的装置可以包括：处理器、存储器、总线和通信接口，处理器、存储器和通信接口通过总线相连。上述存储器用于存储计算机程序代码，该计算机程序代码包括指令，当上述应用程序排序的装置的处理器执行上述指令时，该应用程序排序的装置执行上述第一方面和其各种实现方式中的应用程序排序的方法。
第四方面，提供一种计算机存储介质，该计算机存储介质中存储有计算机程序代码，该计算机程序代码包括指令，当第三方面中的应用程序排序的装置的处理器执行指令时，应用程序排序的装置执行如第一方面及其各种可能的实现方式的应用程序排序的方法。
需要说明的是，本申请的第三方面中的处理器可以为第二方面中的获取模块、计算模块、修正模块和排序模块等功能模块的集成，上述处理器可以实现第二方面上述的各个功能模块的功能。第二方面和第三方面中各个模块的详细描述以及有益效果分析可以参考上述第一方面及其各种可能的实现方式中的对应描述及技术效果，此处不再赘述。
附图说明
图1为本发明实施例提供的一种应用程序推荐系统的网络架构示意图；
图2为本发明实施例提供的一种终端设备的应用推荐界面示意图；
图3为本发明实施例提供的一种应用程序排序的方法流程图一；
图4为本发明实施例提供的一种应用程序排序的方法流程图二；
图5为本发明实施例提供的一种应用程序排序的方法流程图三；
图6为本发明实施例提供的一种应用程序排序的方法流程图四；
图7为本发明实施例提供的一种应用程序排序的方法流程图五；
图8为本发明实施例提供的一种应用程序排序的方法流程图六；
图9为本发明实施例提供的一种应用程序排序的装置的结构示意图一；
图10为本发明实施例提供的一种应用程序排序的装置的结构示意图二；
图11为本发明实施例提供的一种应用程序排序的装置的结构示意图三。
具体实施方式
本发明实施例提供的一种应用程序排序的方法及装置，可以应用于应用程序的推荐过程中，具体应用于在推荐应用程序之前的应用程序排序过程中。
以下对本发明实施例中的术语进行介绍：
本发明实施例中的“应用程序推荐界面”可以是终端设备中安装的应用市场等软件在该终端设备的显示界面上显示的用于展示应用程序的界面。
“正向操作”具体可以为能够体现出用户有使用该应用程序的意愿的操作。例如，“正向操作”可以为点击、下载和付费等操作。“非正向操作”可以为浏览等操作。
“数据样本”可以是终端设备上的用户对应用程序执行操作的相关信息的集合。
示例性的，至少两个数据样本中的每个数据样本中对应于一个用户与一个应用程序。该数据样本中包括多个特征的特征指示信息，该多个特征可以为至少三个特征。例如上述至少三个特征包含至少一个该用户的特征、至少一个该应用程序的特征和至少一个场景的特征。
至少一个用户的特征可以包括用户的性别、年龄等。至少一个应用程序的特征可以是应用程序的类型和应用程序的图标(如图标颜色、图标形状)等。至少一个场景的特征可以为用户操作应用程序的时间、地点和天气等可能对“用户对应用程序执行正向操作”产生影响的环境参数。
示例性的，本发明实施例中，可以采用X(i,j)表示用户i与应用程序j的数据样本，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2。可以采用a(i,j)-k表示X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息，k∈{1，2，……，q}，q用于表示X(i,j)中的特征的个数，q≥3。
具体的，数据样本X(i,j)＝{x1(i,j)，x2(i,j)，x3(i,j)}。其中，x1(i,j)用于表示用户i的特征、x2(i,j)用于表示应用程序j的特征、x3(i,j)用于表示用户i操作应用程序j的场景。例如，假设数据样本中包括的至少一个用户的特征可以包括：用户的发色、性别和年龄段；至少一个应用程序的特征可以包括：应用程序的图标颜色和类型；至少一个场景的特征可以包括：用户对应用程序执行正向操作或者非正向操作的时间或者天气等。
例如，发色可以包括黑色、黄色和白色，性别包括男性和女性，年龄段可以为少年、青年或者老年；应用程序的图标的颜色可以为蓝色或者红色，应用程序的类型可以为社交类、游戏类或者办公类；用户对应用程序执行正向操作或者非正向操作的时间可以为上午、下午或者晚上。
假设数据样本X(i,j)中用户i的特征x1(i,j)可以包括x(i,j)-1、x(i,j)-2、x(i,j)-3、x(i,j)-4、x(i,j)-5、x(i,j)-6、x(i,j)-7和x(i,j)-8这8个特征，应用程序j的特征x2(i,j)可以包括x(i,j)-9、x(i,j)-10、x(i,j)-11、x(i,j)-12和x(i,j)-13这5个特征，用户i操作应用程序j的场景x3(i,j)可以包括x(i,j)-14、x(i,j)-15和x(i,j)-16这3个特征。
上述x(i,j)-1表征“用户i是否为黑发”，x(i,j)-2表征“用户i是否为黄发”，x(i,j)-3表征“用户i是否为白发”，x(i,j)-4表征“用户i是否为男性”，x(i,j)-5表征“用户i是否为女性”，x(i,j)-6表征“用户i是否为少年”，x(i,j)-7表征“用户i是否为青年”和x(i,j)-8表征“用户i是否为老年”。
上述x(i,j)-9表征“应用程序j的图标是否为蓝色”，x(i,j)-10表征“应用程序j的图标是否为红色”，x(i,j)-11表征“应用程序j是否为社交类应用程序”，x(i,j)-12表征“应用程序j是否为游戏类应用程序”和x(i,j)-13表征“应用程序j是否为办公类应用程序”。
上述x(i,j)-14表征“用户i操作应用程序j的时间是否为上午”，x(i,j)-15表征“用户i操作应用程序j的时间是否为中午”和x(i,j)-16表征“用户i操作应用程序j的时间是否为晚上”。
其中，特征x(i,j)-1、x(i,j)-2…x(i,j)-15和x(i,j)-16分别对应于特征指示信息a(i,j)-1、a(i,j)-2…a(i,j)-15和x(i,j)-16，上述特征指示信息a(i,j)-1、a(i,j)-2…a(i,j)-15和x(i,j)-16为1指示“是”，为0指示“否”。例如，当数据样本X(i,j)表示一个黑发的男性青年在上午看了一个图标颜色为蓝色的社交类应用程序时，数据样本X(i,j)可以用(1,0,0,1,0,0,1,0,1,0,1,0,0,1,来表示；当数据样本X(i,j)表示一个黄发的男性少年在晚上看了一个图标颜色为红色的游戏类应用程序时，数据样本X(i,j)可以用(0,1,0,1,0,1,0,0,0,1,0,1,0,0,0,1)来表示。
上述数据样本中的多个特征与其他数据样本中的多个特征分别相同。其他数据样本可以为至少两个数据样本中除该数据样本之外的任意一个数据样本。不同的是，不同数据样本中相同特征的特征指示信息可以不同。
例如，以至少两个数据样本中的数据样本中的数据样本X(1,1)和数据样本X(2,3)为例，数据样本X(1,1)和数据样本X(2,3)中都可以包括“用户是否为男性”、“用户是否为黑色”、“应用程序的图标是否为红色”和“用户操作应用程序的时间是否为上午”等特征。
但是，以上述“用户是否为男性”这一特征为例，数据样本X(1,1)中的“用户是否为男性”这一特征的特征指示信息(如用户1为男性)与数据样本X(2,3)中的“用户是否为男性”这一特征的特征指示信息(如用户2不是男性)可能不同。
“数据样本的正向操作概率”可以用于表示该数据样本对应的用户对该数据样本对应的应用程序执行正向操作的可能性。例如。数据样本X(i,j)的正向操作概率P(i,j)用于表示用户i对应用程序j执行正向操作的可能性。
“数据样本的正向操作反馈信息”可以用于指示数据样本对应的用户在预设时间段对该数据样本对应的应用程序是否执行过正向操作。例如，数据样本X(i,j)的正向操作操作反馈信息y(i,j)用于指示用户i在预设时间段对应用程序j是否执行过正向操作。其中，当y(i,j)为1时，可以指示用户i在预设时间段对应用程序j执行过正向操作，当y(i,j)为0时，可以指示用户i在预设时间段没有对应用程序j执行过正向操作。
其中，终端设备判断用户在预设时间段是否对应用程序执行过正向操作的方法可以包括：用户在预设时间段对应用程序执行一次正向操作，终端设备便可以将该正向操作反馈信息赋值为1，指示“用户对应用程序执行过正向操作”；若用户在预设时间段没有对应用程序执行正向操作，则将该正向操作反馈信息赋值为0，指示“用户没有对应用程序执行过正向操作”。
或者，终端设备判断用户在预设时间段是否对应用程序执行过正向操作的方法可以包括：如果用户在预设时间段对应用程序执行正向操作的次数达到一定值，终端设备便可以将该正向操作反馈信息赋值为1，指示“用户对应用程序执行过正向操作”；如果用户在预设时间段对应用程序执行正向操作的次数未达到一定值，终端设备便可以将该正向操作反馈信息赋值为0，指示“用户没有对应用程序执行过正向操作”。
本发明实施例中涉及的应用推荐界面展示应用程序，具体可以为应用推荐界面展示应用程序的名称、图标以及该应用程序运行过程中生成的界面。
请参考图1，其示出了本发明实施例提供的一种应用程序推荐系统的网络架构示意图。如图1所示，该应用程序推荐系统10中包括：应用推荐服务器11、至少两个应用程序服务器12和至少两个终端设备13。
本发明实施例这里，以终端设备13，应用程序服务器12和应用推荐服务器11交互实现应用程序推荐为例，对应用程序排序的方法进行举例说明：具体为，应用推荐服务器11获取至少两个终端设备13上用户与应用程序对应的历史操作记录；应用推荐服务器11向至少两个终端设备13推荐排序后的应用程序，并在至少两个终端设备13上的应用推荐界面中展示；终端设备13的应用推荐界面中展示的应用程序被正向操作时，相应的应用程序服务器12为该应用程序提供应用服务。
示例性的，上述终端设备13可以为个人计算机(英文：Personal Computer，简称：PC)、手机、平板电脑、便携式计算机等终端设备。
其中，本发明实施例提供的应用程序排序的方法的执行主体可以为应用程序排序的装置，该应用程序排序的装置可以为应用推荐服务器(如图1所示的应用推荐服务器11)。同时，该应用程序排序的装置还可以为安装有可以提供应用程序下载等服务的软件的终端设备(如图1所示的至少两个终端设备13)，或者该终端设备的中央处理器(英文：CentralProcessing Unit，简称：CPU)，或者该终端设备中的用于执行应用程序排序的控制模块。本发明实施例中以应用推荐服务器执行应用程序排序的方法为例，说明本发明实施例提供的应用程序排序的方法。
需要说明的是，上述终端设备的应用推荐界面可以包括多个区域，不同区域具有不同的功能。例如，上述应用推荐界面可以包括应用程序展示区域，该应用推荐界面在上述应用程序展示区域为用户展示经过排序后的多个应用程序。上述应用程序展示区域可以包括多个展示位置，每一个展示位置都可以展示一个应用程序，一般来说，不同的展示位置所展示的应用程序是不同的。上述多个应用程序中的每一个应用程序都可以具有区别于其他应用程序的标识，不同的应用程序对应于不同的标识。例如，上述应用程序的标识可以是该应用程序的名称(如ID1)或者图标。
示例性的，图2中，示出了本发明实施例提供的一种终端设备的应用推荐界面示意图。本发明实施例这里，仅以终端设备中的手机提供的应用推荐界面为例，并在该应用推荐界面中展示经过排序的至少一个应用程序说明。
如图2所示，该应用推荐界面中包含区域1，区域2、区域3和区域4。该区域1为菜单区域，可以为用户提供多种功能选择。例如，若该终端设备检测到该区域1中的“管理”被触发，则可以向用户展示该用户已经下载的应用程序和正在下载的应用程序等信息。该区域2为搜索区域，可以为用户提供输入框并搜索应用程序。若该终端设备检测到该区域2的输入框中所输入的应用程序的标识(如应用程序的标识为ID 1)，便可以向用户展示标识为ID 1的应用程序。该区域3为活动区域，可以向用户展示某些应用程序的宣传信息等。该区域4为应用程序展示区域，可以通过该应用推荐界面中的多个展示位置向用户展示经过排序后的多个应用程序。
例如，若终端设备可以通过其应用推荐界面向该用户展示图2所示的10个应用程序。具体的，图2中的应用推荐界面中展示位置1上展示标识为ID 4的应用程序4、展示位置2上展示标识为ID 2的应用程序2、展示位置3上展示标识为ID 10的应用程序10、展示位置4上展示标识为ID 1的应用程序1、展示位置5上展示标识为ID5的应用程序5、展示位置6上展示标识为ID 8的应用程序8、展示位置7上展示标识为ID 7的应用程序7、展示位置8上展示标识为ID 6的应用程序6、展示位置9上展示标识为ID 9的应用程序9以及展示位置10上展示标识为ID 3的应用程序3。
本发明实施例提供的应用程序排序的方法，可以修正每个数据样本的正向操作概率，使得修正后的正向操作概率更能体现出用户对应用程序执行正向操作的可能性，并根据修正后的正向操作概率对应用程序排序，可以得到符合用户喜好的应用程序排序结果，即用户对其终端设备的应用程序推荐界面中展示的应用程序执行正向操作的可能性更大。
下面结合附图，通过具体的实施例及其应用场景对本发明实施例提供的一种应用程序排序的方法及装置详细地说明：
本发明实施例提供一种应用程序排序的方法，如图3所示，该应用程序排序的方法包括S301-S304：
S301、应用推荐服务器获取至少两个数据样本中每个数据样本的正向操作概率和正向操作反馈信息。
示例性的，如图4所示，应用推荐服务器获取至少两个数据样本中每个数据样本的正向操作概率和正向操作反馈信息的方法可以包括S301a-S301c，即图3中的S301可以包括S301a-S301c：
S301a、应用推荐服务器获取至少两个终端设备中每个终端设备的至少两个应用程序的历史操作信息，以得到至少两个数据样本和至少两个数据样本中每个数据样本的正向操作反馈信息。
其中，每个终端设备中都可以保存对应用户操作该终端设备的应用推荐界面中的应用程序的历史操作记录。应用推荐服务器可以分析上述至少两个终端设备中每个终端设备的历史操作记录，获得至少两个终端设备中每个终端设备的至少两个应用程序的历史操作信息，从而获取到上述至少两个数据样本和至少两个数据样本中每个数据样本的正向操作反馈信息。上述至少两个终端设备的历史操作记录中可以包括多个数据样本。一般而言，终端设备与用户是一一对应的，且不同终端设备对应于不同用户。
需要说明的是，本发明实施例中提及的至少两个数据样本可以为至少两个终端设备的历史操作记录中的所有数据样本，或者上述至少两个数据样本可以为至少两个终端设备的历史操作记录中的部分数据样本，本发明实施例对此不作限制。
示例性的，上述至少两个终端设备包括终端设备1和终端设备2。终端设备1可以对应用户1，该用户1可以分别与标识为ID 1的应用程序1、标识为ID 2应用程序2和标识为ID3应用程序3组成3个数据样本：数据样本X(1,1)、数据样本X(1,2)和数据样本X(1,3)。终端设备2可以对应用户2，该用户2可以分别与标识为ID 1的应用程序1、标识为ID 2应用程序2、标识为ID 3应用程序3组成3个数据样本：数据样本X(2,1)、数据样本X(2,2)和数据样本X(2,3)。其中，数据样本X(1,1)的正向操作反馈信息为y(1,1)、数据样本X(1,2)的正向操作反馈信息为y(1,2)、数据样本X(1,3)的正向操作反馈信息为y(1,3)。数据样本X(2,1)的正向操作反馈信息为y(2,1)、数据样本X(2,2)的正向操作反馈信息为y(2,2)、数据样本X(2,3)的正向操作反馈信息为y(2,3)。
基于上述实例，本发明实施例中的至少两个数据样本可以包括上述实例中的所有数据样本(即数据样本X(1,1)、X(1,2)、X(1,3)、X(2,1)、X(2,2)和X(2,3))，至少两个数据样本还可以仅包括上述实例中的部分数据样本，如至少两个数据样本可以包括数据样本X(1,1)、X(1,2)、X(2,2)和X(2,3)。
S301b、应用推荐服务器统计至少两个数据样本和至少两个数据样本中每个数据样本的正向操作反馈信息，以得到至少两个数据样本中的多个特征中的至少一个相同特征的正向操作比重值。
示例性的，用户i与应用程序j的数据样本X(i,j)＝{x1(i,j)，x2(i,j)，x3(i,j)}中，用户i的特征x1(i,j)可以包括至少一个特征(如特征x(i,j)-a)，应用程序j的特征x2(i,j)可以包括至少一个特征(如特征x(i,j)-b)，用户i操作应用程序j的场景x3(i,j)可以包括至少一个特征(如特征x(i,j)-c)，即数据样本X(i,j)可以包括至少三个特征(如x(i,j)-a、x(i,j)-b和x(i,j)-c)。上述至少三个特征中的每一个特征都可能对“用户i对应用程序j执行正向操作”有影响。
假设数据样本X(i,j)可以包括三个特征x(i,j)-a、x(i,j)-b和x(i,j)-c，那么当i为{1，2，……，m}中任意一个值，j为{1，2，……，n}中任意一个值时，得到的x(i,j)-a都是相同特征，得到的x(i,j)-b都是相同特征，得到的x(i,j)-c都是相同特征。
示例性的，x(i,j)-a(i依次取{1，2，……，m}中的每个值，j依次取{1，2，……，n}中的每个值)可以为一个相同特征；x(i,j)-b(i依次取{1，2，……，m}中的每个值，j依次取{1，2，……，n}中的每个值)可以为一个相同特征；x(i,j)-c(i依次取{1，2，……，m}中的每个值，j依次取{1，2，……，n}中的每个值)可以为一个相同特征。
至少一个相同特征可以为上述多个特征中的部分相同特征或者全部相同特征。
本发明实施例中，上述多个特征中的任一特征的特征指示信息为0时，表明该特征对“用户对应用程序执行正向操作”没有影响；上述任一特征的特征指示信息为1时，表明该特征可以对“用户对应用程序执行正向操作”有影响。并且，当数据样本X(i,j)为正向操作反馈信息为1(即该数据样本X(i,j)为正向数据样本)时，则表示数据样本X(i,j)中特征指示信息1的特征已经对“用户i对应用程序j执行正向操作”产生了影响。
如此，应用推荐服务器便可以统计上述至少两个数据样本中正向数据样本的数量η，针对上述正向数据样本中的第k个相同特征x(i,j)-k(i依次取{1，2，……，m}中的每个值，j依次取{1，2，……，n}中的每个值，第k个相同特征x(i,j)-k可以为x(i,j)-a、x(i,j)-b和x(i,j)-c中的任一特征)，统计上述正向数据样本中第k个相同特征x(i,j)-k的特征指示信息a(i,j)-k为1的正向数据样本的数量βk；计算统计得到的第k个相同特征x(i,j)-k的特征指示信息a(i,j)-k为1的正向数据样本的数量βk和正向数据样本的数量η的比值，得到第k个相同特征x(i,j)-k影响数据样本X(i,j)的正向操作反馈信息y(i,j)为1的正向操作比重值wk，即wk＝βk/η。其中，k∈{1，2，……，q}。
其中，上述特征x(i,j)-k的正向操作比重值wk可以表征第k个相同特征x(i,j)-k对“用户i对应用程序j执行正向操作”的影响程度。第k个特征x(i,j)-k的正向操作比重值wk越大，则表示第k个特征x(i,j)-k对“用户对应用程序执行正向操作”影响越大。
示例性的，当上述至少一个相同特征为上述多个特征中的所有相同特征时，针对上述至少两个数据样本包括的多个特征(如x(i,j)-a、x(i,j)-b和x(i,j)-c)中的任一相同特征，应用推荐服务器均可以计算其正向操作比重值(如wa、wb和wc)，以得到正向操作比重值集合W＝(wa,wb,wc)。此时，正向操作比重值集合W的维数与数据样本X(i,j)的维数相同，即该正向操作比重值集合W的维数与数据样本X(i,j)中包含的特征的个数相同。
假设特征x(i,j)-1表示“用户i是否为男性”、特征x(i,j)-2表示“应用程序j的图标是否为蓝色”并且特征x(i,j)-3表示“用户i操作应用程序j的时间是否为上午”。
并且，X(1,1)＝(1,0,1)，X(1,1)的正向操作反馈信息y(1,1)为0；X(1,2)＝(1,0,1)，X(1,2)的正向操作反馈信息y(1,2)为1；X(1,3)＝(0,1,0)，X(1,3)的正向操作反馈信息y(1,3)为1；X(2,1)＝(0,1,0)，X(2,1)的正向操作反馈信息y(2,1)为1；X(2,2)＝(1,1,1)，X(2,2)的正向操作反馈信息y(2,2)为0；X(2,3)＝(1,1,0)，X(2,3)的正向操作反馈信息y(2,3)为1。
如表1所示，为本发明实施例这里提供的至少两个数据样本对应的数据样本列表。
表1
如表2所示，为本发明实施例这里提供的至少两个数据样本对应的数据样本的信息列表，该数据样本的信息列表中可以包括至少两个数据样本中的所有特征的特征指示信息和至少两个数据样本的正向操作反馈信息。
表2
应用推荐服务器可以统计表2中六个数据样本中正向操作反馈信息为1的数据样本(即X(1,2)、X(1,3)、X(2,1)和X(2,3))的数量，即η＝4；统计上述四个正向操作反馈信息为1的数据样本中，第1个相同特征x(i,j)-1的特征指示信息a(i,j)-1为1的数据样本的数量(即β1＝2)；统计上述四个正向操作反馈信息为1的数据样本中，第2个相同特征x(i,j)-2的特征指示信息a(i,j)-2为1的数据样本的数量(即β2＝3)；统计上述四个正向操作反馈信息为1的数据样本中，第3个相同特征x(i,j)-3的特征指示信息a(i,j)-3为1的数据样本的数量(即β3＝1)；计算第1个相同特征x(i,j)-1的正向操作比重值w1＝β1/η＝2/4＝0.5，第2个相同特征x(i,j)-2的正向操作比重值w2＝β2/η＝3/4＝0.75，第3个相同特征x(i,j)-3的正向操作比重值w3＝β3/η＝1/4＝0.25，得到正向操作比重值集合W＝(w1,w2,w3)＝(0.5，0.75，0.25)。
S301c、应用推荐服务器对至少两个数据样本中的每个数据样本都执行以下操作：根据至少两个数据样本中的多个特征中的至少一个相同特征的正向操作比重值，计算第一数据样本的正向操作概率。
其中，第一数据样本为至少两个数据样本中的任意一个数据样本。第一数据样本为用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2。
应用推荐服务器可以采用
计算数据样本X(i,j)的正向操作概率P(i,j)。
其中，当上述正向操作比重值集合W可以为一行多列的矩阵，上述数据样本X(i,j)为一个一列多行的矩阵时，由于正向操作比重值集合W的维数与数据样本X(i,j)的维数相同，即W的维数与数据样本X(i,j)中包含的特征的个数相同，因此应用推荐服务器还可以采用
P(i,j)＝W·X(i,j)
计算数据样本X(i,j)的正向操作概率P(i,j)。
例如，当用户对应用程序的正向操作比重值集合为矩阵
W＝(w1w2w3)＝(0.5 0.75 0.25)，数据样本时，该数据样本X(1,1)的正向操作概率为
P(1,1)＝w1×a(1,1)-1+w2×a(1,1)-2+w3×a(1,1)-3＝0.5×1+0.75×0+0.25×1＝0.75。
可选的，本发明实施例的方法还可以归一化数据样本的正向操作概率，使上述数据样本的正向操作概率在0-1数值范围内。如此，经过归一化得到的在0-1数值范围内的数据样本的正向操作概率，有利于简化本发明实施例中与数据样本的正向操作概率相关的计算。
S302、应用推荐服务器对至少两个数据样本中的每个数据样本都执行以下操作：根据至少两个数据样本的正向操作概率、至少两个数据样本的正向操作反馈信息以及至少两个数据样本中的多个特征中的至少一个相同特征的特征指示信息，计算第一数据样本的正向操作概率的不确定性参数。
其中，第一数据样本为至少两个数据样本中的任意一个数据样本。
示例性的，如图5所示，图3中S302可以包括S302a和S302b：
S302a、应用推荐服务器对至少一个相同特征中的每个相同特征都执行以下操作：根据至少两个数据样本的正向操作概率、至少两个数据样本的正向操作反馈信息以及至少两个数据样本中每个数据样本的第一相同特征的特征指示信息，计算第一相同特征的权重。
其中，第一相同特征为上述至少一个相同特征的任意一个相同特征。
示例性的，本发明是实施例这里的至少一个相同特征可以为上述多个特征中的所有相同特征。由于在用户对应用程序执行过正向操作的情况下，任一特征在多个数据样本中出现的次数越多，表明该特征对该“用户对应用程序执行正向操作”的影响越大；同时，针对任一数据样本，该数据样本的正向操作概率和正向操作反馈信息差异越小，表明该数据样本的正向操作概率的准确性越高，因此应用推荐服务器可以采用
计算至少两个数据样本中第k个相同特征的权重nk。
其中，X(i,j)用于表示用户i与应用程序j的数据样本，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；P(i,j)用于表示X(i,j)的正向操作概率，y(i,j)用于表示X(i,j)的正向操作反馈信息；a(i,j)-k用于表示X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息，k∈{1，2，……，q}，q用于表示X(i,j)中的特征的个数，q≥3。
具体的，数据样本X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息a(i,j)-k为1时，表示第k个相同特征x(i,j)-k对数据样本X(i,j)的正向操作概率P(i,j)有影响；而数据样本X(i,j)的正向操作概率P(i,j)和正向操作反馈信息y(i,j)的差值P(i,j)-y(i,j)的大小是可以反映该正向操作概率P(i,j)的准确性的，例如P(i,j)-y(i,j)越小，说明该正向操作概率P(i,j)的准确性越高；此时，通过数据样本X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息a(i,j)-k以及数据样本X(i,j)的正向操作概率P(i,j)和正向操作反馈信息y(i,j)的差值P(i,j)-y(i,j)，可以得到第k个相同特征x(i,j)-k的权重nk。
S302b、应用推荐服务器对至少两个数据样本中的每个数据样本都执行以下操作：根据第一数据样本中包含的至少一个相同特征的特征指示信息和至少一个相同特征的权重，计算第一数据样本的正向操作概率的不确定性参数。
由于在用户对应用程序执行过正向操作(如数据样本X(i,j)的正向操作反馈信息y(i,j)为1)的情况下，任意一个特征(如第k个相同特征x(i,j)-k)在多个数据样本中的权重越大，则该特征(第k个相同特征x(i,j)-k)对于“用户对应用程序执行正向操作”概率的不确定性的影响越小；因此，应用推荐服务器可以采用
计算数据样本X(i,j)的正向操作概率P(i,j)的不确定性参数uc(i,j)。nk用于表示X(i,j)中的第k个相同特征x(i,j)-k的权重。
应用推荐服务器还可以将上述正向操作概率P(i,j)的不确定性参数uc(i,j)归一化为0到1之间的数值。其中，归一化的方法可以是：当上述不确定性参数uc(i,j)大于1时，将上述不确定性参数uc(i,j)直接取1；或者，当上述不确定性参数uc(i,j)不大于1时，采用
将uc(i,j)除以{uc(i,j)}中的最大值。
如此，经过归一化得到的在0-1数值范围内的正向操作概率P(i,j)的不确定性参数uc(i,j)，有利于简化本发明实施例中与正向操作概率P(i,j)的不确定性参数uc(i,j)相关的计算。
S303、应用推荐服务器对至少两个数据样本中的每个数据样本都执行以下操作：采用第一数据样本的正向操作概率的不确定性参数，修正第一数据样本的正向操作概率，以得到第一数据样本修正后的正向操作概率。
具体的，应用推荐服务器可以采用
修正数据样本X(i,j)的正向操作概率P(i,j)，以得到X(i,j)修正后的正向操作概率修正后的正向操作概率更能够体现出该用户对该应用程序执行正向操作的可能性。其中，第一数据样本为用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；uc(i,j)用于表示X(i,j)的正向操作概率P(i,j)的不确定性参数。
S304、应用推荐服务器根据至少两个数据样本修正后的正向操作概率，对至少两个数据样本对应的所有应用程序排序。
具体的，应用推荐服务器可以将至少两个数据样本对应的应用程序，按照每个数据样本修正后的正向操作概率从大到小的顺序排序，然后通过应用推荐界面将上述经过排序的应用程序展示给用户。
其中，由于数据样本修正后的正向操作概率越大，说明该数据样本对应的用户对该数据样本对应的应用程序执行正向操作的可能性越大；因此，按照数据样本修正后的正向操作概率由大到小的顺序对应用程序排序，可以将用户执行正向操作的可能性较大的应用程序排在靠前的位置。
本发明实施例提供的应用程序排序的方法，可以根据至少两个数据样本的正向操作概率、至少两个数据样本的正向操作反馈信息以及至少两个数据样本中的多个特征中的至少一个相同特征的特征指示信息，计算每个数据样本的正向操作概率的不确定性参数，然后采用每个正向操作概率的不确定性参数修正该数据样本的正向操作概率，得到该数据样本修正后的正向操作概率。由于修正后的正向操作概率相比于修正前的正向操作概率可以更加准确的体现出用户对应用程序执行正向操作的可能性；因此，根据至少两个数据样本修正后的正向操作概率，对上述至少两个数据样本对应的所有应用程序排序后得到的应用程序的排序结果，相较于采用修正前的正向操作概率对应用程序排序后得到的应用程序的排序结果，可以提高用户对应用程序执行正向操作的可能性。
进一步的，除了上述正向操作概率的不确定性对数据样本的正向操作概率有影响外，展示位置的用户关注度对该数据样本的正向操作概率也有影响。例如，通常应用推荐界面中展示在靠前的展示位置上的应用程序比展示在靠后的展示位置上的应用程序被正向操作的可能性要高；因此，本发明实施中，还可以采用展示位置关注度来进一步修正数据样本的正向操作概率。具体的，在S303之前，本发明实施例的方法还可以包括S305，相应的S303可以替换为S303＇。
示例性的，如图6所示，在图3所示S303之前，本发明实施例的方法还可以包括S305。相应的，如图6所示，图3中的S303可以替换为S303＇。
S305、应用推荐服务器计算终端设备的应用推荐界面中用于展示应用程序的各个展示位置的用户关注度。
示例性的，应用推荐服务器可以采用以下方式，计算终端设备的应用推荐界面中用于展示该应用程序的各个展示位置的用户关注度。
方式一：应用推荐服务器获取一段时间内，各个展示位置中展示的应用程序被正向操作的次数。各个展示位置中展示的应用程序被正向操作的次数分别用于表征该展示位置的用户关注度。
方式二：应用推荐服务器获取一段时间内，各个展示位置中展示的应用程序被正向操作的次数，分别计算各个展示位置中展示的应用程序被正向操作的次数与第一展示位置中展示的应用程序被正向操作的次数的比值。其中，任一展示位置中展示的应用程序被正向操作的次数与第一展示位置中展示的应用程序被正向操作的次数的比值用于表征该展示位置的用户关注度，该第一展示位置为各个展示位置中、展示的应用程序被正向操作的次数最大的展示位置。
其中，上述一段时间可以是应用推荐服务器计算上述各个展示位置的用户关注度之前的时间，该一段时间的时长可以是预先设置的。
可以想到的是，在应用推荐服务器计算上述各个展示位置的用户关注度之前，应用推荐服务器可以在一段时间内获取一次上述各个展示位置中展示的应用程序被正向操作的次数；或者，应用推荐服务器还可以每隔一段时间获取一次终端设备的应用推荐界面中各个展示位置所展示的应用程序被正向操作的次数。
其中，应用推荐服务器在其应用推荐界面展示应用程序时，一般可以将用户评分较高的应用程序放在靠前的展示位置，而将用户评分较低的应用程序放在相对靠后的展示位置上。即影响用户对应用程序执行正向操作的因素除了展示位置之外，还可以包括用户评分。为了消除用户评分对用户对该应用程序执行正向操作的影响，应用推荐服务器可以先采用随机排序的方式在应用推荐界面的各个展示位置上随机展示各个应用程序，然后统计用户对各个展示位置上的应用程序的正向操作的次数，得到各个展示位置的用户关注度。
示例性的，假设应用推荐界面中包含N个展示位置。应用推荐服务器将可以被推荐应用程序的所有用户平均分成N份，每一份用户中可以包括多个用户；在应用推荐服务器将一个应用程序第一次展示在应用推荐界面上时，可以将该应用程序固定展示在第一个展示位置(如图2中的展示位置1)展示给上述N份用户中的一份用户；在应用推荐服务器将同一个应用程序第二次展示在应用推荐界面上时，可以将该应用程序固定展示在第二个展示位置(如图2中的展示位置2)展示给上述N份用户中的另一份用户；直至该应用程序在上述应用推荐界面上展示N次后，分别在上述N个展示位置中的每个展示位置上都展示过。其中，不同的用户可以对应于不同的用户身份标识，该用户的身份标识可以为用户在使用终端设备中安装的应用市场等软件时注册的用户名。上述“将可以被推荐应用程序的所有用户平均分成N份”可以为应用推荐服务器将可以被推荐应用程序的所有用户的用户身份标识平均分成N份。
应用推荐服务器可以统计每一次在应用推荐界面上展示应用程序之后，特定时间(如一天、一周或者一个月)内，每个展示位置上展示的应用程序被正向操作的次数(简称展示位置的正向操作次数)。每个展示位置上展示的应用程序被正向操作的次数可以作为这个展示位置的用户关注度。
进一步的，应用推荐服务器可以归一化上述每个展示位置的正向操作次数，并将每个展示位置的正向操作次数的归一化结果确定为该展示位置的用户关注度。
示例性的，应用推荐服务器可以采用
归一化展示位置pos(j,l)上的应用程序被正向操作的次数pos_count{pos(j,l)}，以得到展示位置的用户关注度b{pos(j,l)}。
其中，b{pos(j,l)}用于表示应用程序j第l次展示在应用推荐界面中展示位置pos(j,l)的用户关注度，l∈{1，2，……，T}，T用于表示应用程序j展示在该应用推荐界面中的次数，T≥1；pos_count{pos(j,l)}用于表示展示位置pos(j,l)上应用程序被正向操作的次数；maxT{pos_count(pos(j,l))}用于表示应用程序j在T次展示在应用推荐界面中、某一展示位置上被正向操作次数的最大值。
如此，归一化展示位置pos(j,l)上的应用程序被正向操作的次数pos_count{pos(j,l)}，得到的展示位置的用户关注度b{pos(j,l)}有利于简化本发明实施例中与展示位置的用户关注度相关的计算。
示例性的，假设应用推荐界面中包含N个展示位置，M个待展示应用程序，N≤M。应用推荐服务器可以在上述M个待展示应用程序中随机选取一个应用程序，在上述N个展示位置中随机选取一个展示位置，并在选取的展示位置上展示选取的应用程序，直至上述N个展示位置中的每个展示位置上都展示有应用程序。
应用推荐界面可以统计特定时间(如一天、一周或者一个月)内，每个展示位置的正向操作次数。每个展示位置的正向操作的次数可以作为这个展示位置的用户关注度。
进一步的，应用推荐服务器可以归一化上述每个展示位置的正向操作次数，并将每个展示位置的正向操作次数的归一化结果确定为该展示位置的用户关注度，本发明实施例这里，对“归一化上述每个展示位置的正向操作次数”的详细描述可以参照上述实施例中的相关描述，这里不再赘述。
S303′、应用推荐服务器对至少两个数据样本中的每个数据样本都执行以下操作：采用第一数据样本的正向操作概率的不确定性参数和各个展示位置的用户关注度，修正第一数据样本的正向操作概率，以得到第一数据样本修正后的正向操作概率。
其中，由于数据样本的正向操作概率的不确定性和展示位置对数据样本的正向操作概率均有影响，所以采用正向操作概率的不确定性参数和各个展示位置的用户关注度，修正每个数据样本的正向操作概率，可以分别减弱每个数据样本的正向操作概率的不确定性和各个展示位置对数据样本的正向操作概率的不确定性的影响，以提高每个数据样本的正向操作概率的准确性。
示例性的，应用推荐服务器可以采用
修正数据样本X(i,j)的正向操作概率P(i,j)，得到X(i,j)修正后的正向操作概率
其中，uc(i,j)用于表示X(i,j)的正向操作概率P(i,j)的不确定性参数；pos(j,l)用于表示应用程序j第l次展示在应用推荐界面中的展示位置，b{pos(j,l)}用于表示展示位置pos(j,l)的用户关注度，l∈{1，2，……，T}，T用于表示应用程序j展示在应用推荐界面中的次数，T≥1。
进一步的，本发明实施例中，应用推荐服务器还可以针对性的根据每个用户对应的所有数据样本修正后的正向操作概率，对该用户的所有数据样本对应的应用程序排序。具体的，上述S304可以包括S304a和S304b。
示例性的，如图7所示，图3中的S304可以包括S304a和S304b：
S304a、应用推荐服务器从至少两个数据样本中确定出至少两个第二数据样本。
其中，上述至少两个第二数据样本中的每个第二数据样本对应于第一用户与一个应用程序。
例如，上述实施例中提供的至少两个数据样本可以包括数据样本X(1,1)、X(1,2)、X(1,3)、X(2,1)、X(2,2)和X(2,3)。应用推荐服务器可以从上述六个数据样本中确定出用户1(i＝1)对应的数据样本X(1,1)、X(1,2)和X(1,3)，并确定出用户2(i＝2)对应的数据样本X(2,1)、X(2,2)和X(2,3)。此时，若第一用户为用户1，则第一用户对应的至少两个第二数据样本为数据样本X(1,1)、X(1,2)和X(1,3)。
S304b、应用推荐服务器根据至少两个第二数据样本修正后的正向操作概率，对至少两个第二数据样本对应的所有应用程序排序。
其中，应用推荐服务器对上述至少两个第二数据样本对应的所有应用程序排序的排序结果用于向该第一用户推荐上述至少两个第二数据样本对应的所有应用程序。
例如，基于上述实施例，若应用推荐服务器针对用户1(i＝1)对应的应用程序排序，可以对数据样本X(1,1)对应的标识为ID 1的应用程序1、数据样本X(1,2)对应的标识为ID2应用程序2和数据样本X(1,3)对应的标识为ID 3应用程序3排序，并通过应用推荐界面将排序后的应用程序的排序结果展示(推荐)给用户1。同样的，若应用推荐服务器针对用户2(i＝2)对应的应用程序排序，可以对数据样本X(2,1)对应的标识为ID 1的应用程序1，数据样本X(2,2)对应的标识为ID 2应用程序2和数据样本X(2,3)对应的标识为ID 3应用程序3排序，并通过应用推荐界面将排序后的应用程序的排序结果展示(推荐)给用户2。
本实施例提供的应用程序排序的方法，可以根据至少两个数据样本的正向操作概率、至少两个数据样本的正向操作反馈信息以及至少两个数据样本中多个特征中的至少一个相同特征的特征指示信息，计算每个数据样本的正向操作概率的不确定性参数，然后采用每个正向操作概率的不确定性参数修正该数据样本的正向操作概率，得到该数据样本修正后的正向操作概率。由于修正后的正向操作概率相比于修正前的正向操作概率可以更加准确的体现出用户对应用程序执行正向操作的可能性；因此，根据至少两个数据样本修正后的正向操作概率，对上述至少两个数据样本对应的所有应用程序排序后得到的应用程序的排序结果，相较于采用修正前的正向操作概率对应用程序排序后得到的应用程序的排序结果，可以提高用户对应用程序执行正向操作的可能性。
进一步的，由于用户对应用程序执行正向操作的因素不仅包括正向操作概率，还可以包括应用程序在终端设备的应用推荐界面中所处的展示位置，因此，采用上述每个数据样本的正向操作概率的不确定性参数和各个展示位置的用户关注度，修正每个数据样本的正向操作概率，得到的每个数据样本修正后的正向操作概率相比于仅根据每个数据样本的正向操作概率的不确定性参数修正后的正向操作概率，可以更加准确的体现出用户对应用程序执行正向操作的可能性修正后的正向操作概率。从而，本发明实施例这里根据至少两个数据样本修正后的正向操作概率，对上述至少两个数据样本对应的所有应用程序排序后得到的应用程序的排序结果，相较于仅根据正向操作概率的不确定性参数修正后的正向操作概率对应用程序排序后得到的应用程序的排序结果，可以进一步提高用户对应用程序执行正向操作的可能性。
上述主要从各个网元之间交互的角度介绍了本发明实施例提供的方案。可以理解的是，各个网元，例如终端设备、应用推荐服务器等为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本发明能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
本发明实施例可以根据上述方法示例，将上述应用程序排序的装置划分为一个或多个模块，例如，可以对应各个功能划分各个模块，也可以将两个或两个以上的功能集成在一个处理模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件模块的形式实现。需要说明的是，本发明实施例中对模块的划分是示意性的，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。
图9示出了上述实施例中所提供的应用程序排序的装置的一种可能的结构示意图。该应用程序排序的装置可以为应用推荐服务器，还可以为安装有可以提供应用程序下载等服务的软件的终端设备，或者该终端设备的CPU，或者该终端设备中的用于执行应用程序排序的控制模块。
如图9所示，应用程序排序的装置900包括：获取模块901、计算模块902、修正模块903和排序模块904。其中，获取模块901用于支持应用程序排序的装置900执行上述实施例中的S301、S301a、S301b和S301c，和/或用于本文所描述的技术的其它过程。计算模块902用于支持应用程序排序的装置900执行上述实施例中的S302、S302a、S302b和S305，和/或用于本文所描述的技术的其它过程。修正模块903用于支持应用程序排序的装置900执行上述实施例中的S303和S303＇，和/或用于本文所描述的技术的其它过程。排序模块904用于支持应用程序排序的装置900执行上述实施例中的S304、S304a和S304b，和/或用于本文所描述的技术的其它过程。
进一步的，如图10所示，图9中应用程序排序的装置900的计算模块902，还包括：权重计算子模块9021和不确定参数计算子模块9022。其中，权重计算子模块9021用于支持应用程序排序的装置900执行上述实施例中的S302a，和/或用于本文所描述的技术的其它过程。不确定参数计算子模块9022用于支持应用程序排序的装置900执行上述实施例中的S302b，和/或用于本文所描述的技术的其它过程。
当然，本发明实施例提供的应用程序排序的装置包括但不限于上述的功能模块。例如，上述应用程序排序的装置，还可以包括存储模块，该存储模块可以用于存储应用程序排序的装置执行应用程序排序的方法时、得到的包含数据样本的正向操作概率和数据样本修正后的正向操作概率的信息。上述应用程序排序的装置，还可以包括通信接口，该通信接口可以用于支持应用程序排序的装置将应用程序排序的结果发送给终端设备，或者可以用于支持应用程序排序的装置接收终端设备发送的包含至少两个数据样本和至少两个数据样本中的每一个数据样本的正向操作反馈信息等的信息。其中，当上述应用程序排序的装置为安装有可以提供应用程序下载等服务的软件的终端设备时，该应用推荐服务器还可以包括显示器，该显示器可以用于支持应用推荐服务器展示排序后的应用程序。
在采用集成的单元的情况下，上述获取模块901、计算模块902、修正模块903和排序模块904等可以集成在一个处理模块中实现。上述处理模块可以是处理器或控制器，例如可以是CPU，通用处理器，数字信号处理器(英文：Digital Signal Processor，简称：DSP)，专用集成电路(英文：Application-Specific Integrated Circuit，简称：ASIC)，现场可编程门阵列(英文：Field Programmable Gate Array，简称：FPGA)或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本发明公开内容所描述的各种举例说明逻辑方框，模块和电路。上述处理模块也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等等。存储模块可以是存储器。
当上述处理模块为处理器，存储模块为存储器时，本发明实施例提供一种如图11所示的应用程序排序的装置1100(该应用程序排序的装置1100可以为应用推荐服务器)。如图11所示，应用程序排序的装置1100包括：处理器1101、存储器1102、通信接口1103以及总线1104。其中，处理器1101、存储器1102和通信接口1103通过总线1104相互连接。其中，上述总线1104可以是外设部件互连标准(英文：Peripheral Component Interconnect，简称：PCI)总线或扩展工业标准结构(英文：Extended Industry Standard Architecture，简称：EISA)总线等。上述总线1104可以分为地址总线、数据总线、控制总线等。为便于表示，图11中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
本发明实施例还提供一种计算机存储介质，该计算机存储介质中存储有计算机程序代码，该计算机程序代码包括指令，当上述应用程序排序的装置1100的处理器1101执行指令时，上述应用程序排序的装置1100执行上述实施例中的相关方法步骤。
其中，本发明实施例提供的应用程序排序的装置1100中各个模块的详细描述以及各个模块执行上述实施例中的相关方法步骤后所带来的技术效果可以参考本发明方法实施例中的相关描述，此处不再赘述。
通过以上的实施方式的描述，所属领域的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。上述描述的系统，装置和模块的具体工作过程，可以参考上述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的系统，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，上述模块的划分，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，例如多个模块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。
在本发明各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上模块集成在一个单元中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。
上述集成的模块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(可以是个人计算机，服务器，或者网络设备等)或CPU执行本发明各个实施例中应用程序排序的方法的全部或部分步骤。而上述的存储介质包括：U盘、移动硬盘、只读存储器(英文：Read-Only Memory，简称：ROM)、随机存取存储器(英文：Random Access Memory，简称：RAM)、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，任何在本发明揭露的技术范围内的变化或替换，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以所述权利要求的保护范围为准。

Claims (17)

1.一种应用程序排序的方法，其特征在于，包括：
获取至少两个数据样本中每个数据样本的正向操作概率和正向操作反馈信息，所述数据样本对应于一个用户与一个应用程序，所述数据样本中包括多个特征的特征指示信息，所述数据样本中的多个特征与其他数据样本中的多个特征分别相同，所述其他数据样本为所述至少两个数据样本中除所述数据样本之外的任意一个数据样本，所述数据样本的正向操作概率为所述用户在预设时间段对所述应用程序正向操作的概率，所述数据样本的正向操作反馈信息用于指示所述用户在所述预设时间段是否对所述应用程序执行过正向操作；
对所述至少两个数据样本中的每个数据样本都执行以下操作：
根据所述至少两个数据样本的正向操作概率、所述至少两个数据样本的正向操作反馈信息以及所述至少两个数据样本中的多个特征中的至少一个相同特征的特征指示信息，计算第一数据样本的正向操作概率的不确定性参数；以及采用所述第一数据样本的正向操作概率的不确定性参数，修正所述第一数据样本的正向操作概率，以得到所述第一数据样本修正后的正向操作概率，所述第一数据样本为所述至少两个数据样本中的任意一个数据样本；
根据所述至少两个数据样本修正后的正向操作概率，对所述至少两个数据样本对应的所有应用程序排序。
2.根据权利要求1所述的方法，其特征在于，在所述采用所述第一数据样本的正向操作概率的不确定性参数，修正所述第一数据样本的正向操作概率，以得到所述第一数据样本修正后的正向操作概率之前，所述方法还包括：
计算终端设备的应用推荐界面中用于展示应用程序的各个展示位置的用户关注度，所述用户关注度用于表征用户对所述展示位置上所展示的应用程序正向操作的可能性；
所述采用所述第一数据样本的正向操作概率的不确定性参数，修正所述第一数据样本的正向操作概率，以得到所述第一数据样本修正后的正向操作概率，包括：
采用所述第一数据样本的正向操作概率的不确定性参数和所述各个展示位置的用户关注度，修正所述第一数据样本的正向操作概率，以得到所述第一数据样本修正后的正向操作概率。
3.根据权利要求1或2所述的方法，其特征在于，所述根据所述至少两个数据样本的正向操作概率、所述至少两个数据样本的正向操作反馈信息以及所述至少两个数据样本中的多个特征中的至少一个相同特征的特征指示信息，计算第一数据样本的正向操作概率的不确定性参数，包括：
对所述至少一个相同特征中的每个相同特征都执行以下操作：根据所述至少两个数据样本的正向操作概率、所述至少两个数据样本的正向操作反馈信息以及所述至少两个数据样本中每个数据样本的第一相同特征的特征指示信息，计算所述第一相同特征的权重，所述第一相同特征为所述至少一个相同特征的任意一个相同特征；
根据所述第一数据样本中包含的所述至少一个相同特征的特征指示信息和所述至少一个相同特征的权重，计算所述第一数据样本的正向操作概率的不确定性参数。
4.根据权利要求3所述的方法，其特征在于，所述至少一个相同特征包括所述至少两个数据样本中的所有特征；
所述根据所述至少两个数据样本的正向操作概率、所述至少两个数据样本的正向操作反馈信息以及所述至少两个数据样本中每个数据样本的第一相同特征的特征指示信息，计算所述第一相同特征的权重，所述第一相同特征为所述至少一个相同特征的任意一个相同特征，包括：
采用
计算所述至少两个数据样本中第k个相同特征的权重nk，k∈{1，2，……，q}，q用于表示X(i,j)中的特征的个数，q≥3；
其中，X(i,j)用于表示用户i与应用程序j的数据样本，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；P(i,j)用于表示X(i,j)的正向操作概率，y(i,j)用于表示X(i,j)的正向操作反馈信息；a(i,j)-k用于表示X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息。
5.根据权利要求3或4所述的方法，其特征在于，所述至少一个相同特征包括所述至少两个数据样本中的所有特征；
所述根据所述第一数据样本中包含的所述至少一个相同特征的特征指示信息和所述至少一个相同特征的权重，计算所述第一数据样本的正向操作概率的不确定性参数，包括：
采用
计算数据样本X(i,j)的正向操作概率的不确定性参数uc(i,j)，所述第一数据样本为所述用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；k∈{1，2，……，q}，q用于表示X(i,j)中的特征的个数，q≥3；nk用于表示X(i,j)中第k个相同特征的权重；a(i,j)-k用于表示X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息。
6.根据权利要求1-5中任一项所述的方法，其特征在于，所述采用所述第一数据样本的正向操作概率的不确定性参数，修正所述第一数据样本的正向操作概率，以得到所述第一数据样本修正后的正向操作概率，包括：
采用
修正数据样本X(i,j)的正向操作概率P(i,j)，以得到X(i,j)修正后的正向操作概率
其中，所述第一数据样本为所述用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；uc(i,j)用于表示X(i,j)的正向操作概率P(i,j)的不确定性参数。
7.根据权利要求2所述的方法，其特征在于，所述采用所述第一数据样本的正向操作概率的不确定性参数和所述各个展示位置的用户关注度，修正所述每个数据样本的正向操作概率，以得到所述第一数据样本修正后的正向操作概率，包括：
采用
修正数据样本X(i,j)的正向操作概率P(i,j)，以得到X(i,j)修正后的正向操作概率
其中，所述第一数据样本为所述用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；uc(i,j)用于表示X(i,j)的正向操作概率P(i,j)的不确定性参数；pos(j,l)用于表示所述应用程序j第l次展示在所述应用推荐界面中的展示位置，b{pos(j,l)}用于表示所述展示位置pos(j,l)的用户关注度，l∈{1，2，……，T}，T用于表示所述应用程序j展示在所述应用推荐界面中的次数，T≥1。
8.根据权利要求6或7所述的方法，其特征在于，所述根据所述至少两个数据样本修正后的正向操作概率，对所述至少两个数据样本对应的所有应用程序排序，包括：
从所述至少两个数据样本中确定出至少两个第二数据样本，所述至少两个第二数据样本中的每个第二数据样本对应于第一用户与一个应用程序；
根据所述至少两个第二数据样本修正后的正向操作概率，对所述至少两个第二数据样本对应的所有应用程序排序；
其中，对所述至少两个第二数据样本对应的所有应用程序排序的排序结果用于向所述第一用户推荐所述至少两个第二数据样本对应的所有应用程序。
9.一种应用程序排序的装置，其特征在于，包括：
获取模块，用于获取至少两个数据样本中每个数据样本的正向操作概率和正向操作反馈信息，所述数据样本对应于一个用户与一个应用程序，所述至少两个数据样本中包括多个相同特征的指示信息，所述数据样本中包括多个特征的特征指示信息，所述数据样本中的多个特征与其他数据样本中的多个特征分别相同，所述其他数据样本为所述至少两个数据样本中除所述数据样本之外的任意一个数据样本，所述数据样本的正向操作概率为所述用户在预设时间段对所述应用程序正向操作的概率，所述数据样本的正向操作反馈信息用于指示所述用户在所述预设时间段是否对所述应用程序执行过正向操作；
计算模块，用于对所述至少两个数据样本中的每个数据样本都执行以下操作：根据所述获取模块获取的所述至少两个数据样本的正向操作概率、所述至少两个数据样本的正向操作反馈信息，以及所述至少两个数据样本中的多个特征中的至少一个相同特征的特征指示信息，计算第一数据样本的正向操作概率的不确定性参数，所述第一数据样本为所述至少两个数据样本中的任意一个数据样本；
修正模块，用于对所述至少两个数据样本中的每个数据样本都执行以下操作：采用所述计算模块计算得到的所述第一数据样本的正向操作概率的不确定性参数，修正所述第一数据样本的正向操作概率，以得到所述第一数据样本修正后的正向操作概率；
排序模块，用于根据所述修正模块对所述至少两个数据样本修正后的正向操作概率，对所述至少两个数据样本对应的所有应用程序排序。
10.根据权利要求9所述的装置，其特征在于，所述计算模块，还用于在所述修正模块采用所述计算模块计算得到的所述第一数据样本的正向操作概率的不确定性参数，修正所述第一数据样本的正向操作概率，以得到所述第一数据样本修正后的正向操作概率之前，计算终端设备的应用推荐界面中用于展示应用程序的各个展示位置的用户关注度，所述用户关注度用于表征用户对所述展示位置上所展示的应用程序正向操作的可能性；
所述修正模块，具体用于采用所述计算模块计算得到的所述第一数据样本的正向操作概率的不确定性参数和所述计算模块计算得到的所述各个展示位置的用户关注度，修正所述第一数据样本的正向操作概率，以得到所述第一数据样本修正后的正向操作概率。
11.根据权利要求9或10所述的装置，其特征在于，所述计算模块，包括：
权重计算子模块，用于对所述至少一个相同特征中的每个相同特征都执行以下操作：根据所述至少两个数据样本的正向操作概率、所述至少两个数据样本的正向操作反馈信息以及所述至少两个数据样本中每个数据样本的第一相同特征的特征指示信息，计算所述第一相同特征的权重，所述第一相同特征为所述至少一个相同特征的任意一个相同特征；
不确定参数计算子模块，用于对所述至少两个数据样本中的每个数据样本都执行以下操作：根据所述第一数据样本中包含的所述至少一个相同特征的特征指示信息和所述权重计算子模块计算得到的所述至少一个相同特征的权重，计算所述第一数据样本的正向操作概率的不确定性参数。
12.根据权利要求11所述装置，其特征在于，所述至少一个相同特征包括所述至少两个数据样本中的所有特征；
所述权重计算子模块，具体用于：
采用
计算所述至少两个数据样本中第k个相同特征的权重nk，k∈{1，2，……，q}，q用于表示X(i,j)中的特征的个数，q≥3；
其中，X(i,j)用于表示用户i与应用程序j的数据样本，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；P(i,j)用于表示X(i,j)的正向操作概率，y(i,j)用于表示X(i,j)的正向操作反馈信息；a(i,j)-k用于表示X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息。
13.根据权利要求11或12所述的装置，其特征在于，所述至少一个相同特征包括所述至少两个数据样本中的所有特征；
所述不确定参数计算子模块，具体用于：
采用
计算数据样本X(i,j)的正向操作概率的不确定性参数uc(i,j)，所述第一数据样本为所述用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；k∈{1，2，……，q}，q用于表示X(i,j)中的特征的个数，q≥3；nk用于表示X(i,j)中第k个相同特征的权重；a(i,j)-k用于表示X(i,j)中的第k个相同特征x(i,j)-k的特征指示信息。
14.根据权利要求9-13中任一项所述的装置，其特征在于，所述修正模块，具体用于：
采用
修正数据样本X(i,j)的正向操作概率P(i,j)，以得到X(i,j)修正后的正向操作概率
其中，所述第一数据样本为所述用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；uc(i,j)用于表示X(i,j)的正向操作概率P(i,j)的不确定性参数。
15.根据权利要求10所述的装置，其特征在于，所述修正模块，具体用于：
采用
修正数据样本X(i,j)的正向操作概率P(i,j)，以得到X(i,j)修正后的正向操作概率
其中，所述第一数据样本为所述用户i与应用程序j的数据样本X(i,j)，i∈{1，2，……，m}，m用于表示用户的个数，m≥2，j∈{1，2，……，n}，n用于表示应用程序的个数，n≥2；uc(i,j)用于表示X(i,j)的正向操作概率P(i,j)的不确定性参数；pos(j,l)用于表示所述应用程序j第l次展示在所述应用推荐界面中的展示位置，b{pos(j,l)}用于表示所述展示位置pos(j,l)的用户关注度，l∈{1，2，……，T}，T用于表示所述应用程序j展示在所述应用推荐界面中的次数，T≥1。
16.根据权利要求14或15所述的装置，其特征在于，所述排序模块，具体用于：
从所述至少两个数据样本中确定出至少两个第二数据样本，所述至少两个第二数据样本中的每个第二数据样本对应于第一用户与一个应用程序；
根据所述至少两个第二数据样本修正后的正向操作概率，对所述至少两个第二数据样本对应的所有应用程序排序；
其中，对所述至少两个第二数据样本对应的所有应用程序排序的排序结果用于向所述第一用户推荐所述至少两个第二数据样本对应的所有应用程序。
17.一种应用程序排序的装置，其特征在于，包括：处理器、存储器、总线和通信接口，所述处理器、所述存储器和所述通信接口通过总线相连；
所述存储器用于存储计算机程序代码，所述计算机程序代码包括指令，当所述处理器执行所述指令时，所述应用程序排序的装置执行如权利要求1-8中任一项所述应用程序排序的方法。
CN201611259915.XA 2016-12-30 2016-12-30 一种应用程序排序的方法及装置 Active CN108279954B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201611259915.XA CN108279954B (zh) 2016-12-30 2016-12-30 一种应用程序排序的方法及装置
PCT/CN2017/113213 WO2018121156A1 (zh) 2016-12-30 2017-11-27 一种应用程序排序的方法及装置
US16/455,152 US11281426B2 (en) 2016-12-30 2019-06-27 Application program sorting method and apparatus

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201611259915.XA CN108279954B (zh) 2016-12-30 2016-12-30 一种应用程序排序的方法及装置

Publications (2)

Publication Number Publication Date
CN108279954A true CN108279954A (zh) 2018-07-13
CN108279954B CN108279954B (zh) 2020-07-07

Family

ID=62706910

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201611259915.XA Active CN108279954B (zh) 2016-12-30 2016-12-30 一种应用程序排序的方法及装置

Country Status (3)

Country Link
US (1) US11281426B2 (zh)
CN (1) CN108279954B (zh)
WO (1) WO2018121156A1 (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271132A (zh) * 2018-09-19 2019-01-25 中南大学 一种基于机器学习模型的排序方法
CN109447622A (zh) * 2018-09-30 2019-03-08 中国银行股份有限公司 交易类型推荐方法及系统、智能交易终端
CN109522426A (zh) * 2018-12-05 2019-03-26 北京达佳互联信息技术有限公司 多媒体数据推荐方法、装置、设备及计算机可读存储介质
CN110569447A (zh) * 2019-09-12 2019-12-13 腾讯音乐娱乐科技（深圳）有限公司 一种网络资源的推荐方法、装置及存储介质

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
USD883015S1 (en) 2018-08-09 2020-05-05 Sharkninja Operating Llc Food preparation device and parts thereof
CN111274093B (zh) * 2020-01-23 2023-12-01 湖南快乐阳光互动娱乐传媒有限公司 一种应用程序的排序方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160232164A1 (en) * 2013-09-30 2016-08-11 Google Inc. User experience and user flows for third-party application recommendation in cloud storage systems
CN106227844A (zh) * 2016-07-27 2016-12-14 深圳市金立通信设备有限公司 一种应用推荐的方法以及终端
CN106250532A (zh) * 2016-08-04 2016-12-21 广州优视网络科技有限公司 应用推荐方法、装置及服务器

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8037080B2 (en) * 2008-07-30 2011-10-11 At&T Intellectual Property Ii, Lp Recommender system utilizing collaborative filtering combining explicit and implicit feedback with both neighborhood and latent factor models
CN101959179B (zh) * 2009-07-17 2014-08-20 华为技术有限公司 一种提供移动终端应用程序的方法、服务器和移动终端
CN102654860B (zh) * 2011-03-01 2015-05-06 北京彩云在线技术开发有限公司 一种个性化音乐推荐方法及系统
EP2996366B1 (en) * 2014-03-19 2020-03-11 Huawei Technologies Co., Ltd. Application recommendation method, system and server
US10097973B2 (en) * 2015-05-27 2018-10-09 Apple Inc. Systems and methods for proactively identifying and surfacing relevant content on a touch-sensitive device
US10200824B2 (en) * 2015-05-27 2019-02-05 Apple Inc. Systems and methods for proactively identifying and surfacing relevant content on a touch-sensitive device

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20160232164A1 (en) * 2013-09-30 2016-08-11 Google Inc. User experience and user flows for third-party application recommendation in cloud storage systems
CN106227844A (zh) * 2016-07-27 2016-12-14 深圳市金立通信设备有限公司 一种应用推荐的方法以及终端
CN106250532A (zh) * 2016-08-04 2016-12-21 广州优视网络科技有限公司 应用推荐方法、装置及服务器

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109271132A (zh) * 2018-09-19 2019-01-25 中南大学 一种基于机器学习模型的排序方法
CN109271132B (zh) * 2018-09-19 2023-07-18 中南大学 一种基于机器学习模型的排序方法
CN109447622A (zh) * 2018-09-30 2019-03-08 中国银行股份有限公司 交易类型推荐方法及系统、智能交易终端
CN109447622B (zh) * 2018-09-30 2022-02-08 中国银行股份有限公司 交易类型推荐方法及系统、智能交易终端
CN109522426A (zh) * 2018-12-05 2019-03-26 北京达佳互联信息技术有限公司 多媒体数据推荐方法、装置、设备及计算机可读存储介质
CN109522426B (zh) * 2018-12-05 2021-06-22 北京达佳互联信息技术有限公司 多媒体数据推荐方法、装置、设备及计算机可读存储介质
CN110569447A (zh) * 2019-09-12 2019-12-13 腾讯音乐娱乐科技（深圳）有限公司 一种网络资源的推荐方法、装置及存储介质
CN110569447B (zh) * 2019-09-12 2022-03-15 腾讯音乐娱乐科技（深圳）有限公司 一种网络资源的推荐方法、装置及存储介质

Also Published As

Publication number Publication date
US11281426B2 (en) 2022-03-22
CN108279954B (zh) 2020-07-07
WO2018121156A1 (zh) 2018-07-05
US20190317729A1 (en) 2019-10-17

Similar Documents

Publication Publication Date Title
CN108279954A (zh) 一种应用程序排序的方法及装置
US10134050B1 (en) Method and system for facilitating the production of answer content from a mobile device for a question and answer based customer support system
US8799186B2 (en) Choice modelling system and method
CN101101649B (zh) 管理工作流处理中的数据的方法和系统
CN108648810B (zh) 医学审核的数据处理方法、装置、及计算机可读存储介质
CN106844404A (zh) 消息显示方法及终端设备
CN105723405A (zh) 引导论文作者
CN107392645A (zh) 用户挖掘方法、装置及其设备
CN108711067A (zh) 电销时间段的选取方法、终端设备及介质
CN107909234A (zh) 工作流数据的时限提醒方法、处理方法及其装置、设备
US20140095254A1 (en) Method and system for implementing profiles for an enterprise business application
CN107992500A (zh) 一种信息处理方法及服务器
WO2020056978A1 (zh) 按键预测方法、装置及计算机可读存储介质
US20220129491A1 (en) Method for supporting agent and computing device thereof
CN112434501A (zh) 工单智能生成的方法、装置、电子设备及介质
CN113407854A (zh) 一种应用推荐方法、装置、设备及计算机可读存储介质
CN106598379A (zh) 管理应用程序的方法及装置
CN108509582B (zh) 一种信息的回复方法、终端设备及计算机可读存储介质
CN114218455A (zh) 一种文件快速阅读方法、装置、设备及介质
JP2019144978A (ja) 情報処理装置、情報処理方法、およびプログラム
CN113378037B (zh) 资费配置的获取方法及装置
CN110070385A (zh) 广告评论方法、装置、电子设备及存储介质
CN112734142B (zh) 基于深度学习的资源学习路径规划方法及装置
CN109331469A (zh) 一种基于编程语言录入关卡信息的方法以及电子设备
CN107967341A (zh) 一种图片显示方法、终端设备及存储介质

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