CN108510352A - 应用专题推荐方法、装置及计算机设备 - Google Patents
应用专题推荐方法、装置及计算机设备 Download PDFInfo
- Publication number
- CN108510352A CN108510352A CN201810133791.3A CN201810133791A CN108510352A CN 108510352 A CN108510352 A CN 108510352A CN 201810133791 A CN201810133791 A CN 201810133791A CN 108510352 A CN108510352 A CN 108510352A
- Authority
- CN
- China
- Prior art keywords
- application
- clicking rate
- issue
- user
- recommended
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
-
- 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
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Stored Programmes (AREA)
Abstract
本发明提供一种应用专题推荐方法、装置及计算机设备。该方法包括：获取应用专题中的应用，形成第一应用集；获取待推荐用户已安装的应用，形成第二应用集；获取所述第二应用集中每个应用的安装用户对所述第一应用集中每个应用的点击率；获取所述第二应用集中每个应用对所述第一应用集中每个应用的点击率贡献值；根据所述点击率贡献值和所述点击率，获得所述待推荐用户对所述应用专题的预估点击率；根据所述待推荐用户对资源库中每个应用专题的预估点击率，向所述待推荐用户推荐应用专题。因此，该应用专题推荐方法可以更加准确地根据应用专题中应用的预估点击率向待推荐用户推荐应用专题，提高用户的体验度及应用商店的运营收益。
Description
技术领域
本发明涉及互联网技术领域，具体而言，本发明涉及一种应用专题推荐方法、装置及计算机设备。
背景技术
随着移动终端设备的普及以及互联网技术的高速发展，用户可根据个人喜好在移动终端设备上下载安装多个不同类型的应用程序APP。基于用户需求，应用商店应运而生。例如苹果应用商店或android应用商店等。或者，360应用商店、百度手机助手及PP助手等。这些应用商店通常可以提供各应用开发商所开发各类应用APP。
在应用商店的开发运营过程中，会将相同类型的应用打包成一个应用专题推送给用户。不同的用户感兴趣的应用专题也会不同。如何给不同的用户推荐不同的应用专题，以实现收益的最大化，成为运营应用商店的一个难题。
发明内容
本发明的目的旨在提供一种应用专题推荐方法、装置及计算机设备，以对不同用户个性化展示不同应用专题，从而提高用户的体验度及应用商店的运营收益。
本发明提供以下方案：
一种应用专题推荐方法，包括以下步骤：获取应用专题中的应用，形成包括所述应用专题中应用的第一应用集；获取待推荐用户已安装的应用，形成包括所述待推荐用户已安装应用的第二应用集；其中，所述应用专题为由多个相关应用组成的集合；获取所述第二应用集中每个应用的安装用户对所述第一应用集中每个应用的点击率；获取所述第二应用集中每个应用对所述第一应用集中每个应用的点击率贡献值；根据所述点击率贡献值和所述点击率，获得所述待推荐用户对所述应用专题的预估点击率；根据所述待推荐用户对资源库中每个应用专题的预估点击率，向所述待推荐用户推荐应用专题。
在其中一个实施例中，所述获取所述第二应用集中每个应用对所述第一应用集中每个应用的点击率贡献值，包括：获取所述第一应用集中每个应用的平均点击率；计算所述第一应用集中每个应用的所述点击率与所述平均点击率的比值，根据所述比值获得所述第一应用集中每个应用的点击率贡献值。
在其中一个实施例中，所述获取所述第二应用集中每个应用的安装用户对所述第一应用集中每个应用的点击率，根据以下公式获得：
i表示第二应用集中的应用，A表示第一应用集中的应用；ctri,A表示已安装应用i的用户，对应用A的点击率；showi,A表示历史曝光数据中，已安装应用i的用户中被曝光应用A的用户数量；clicki,A表示历史曝光数据中，已安装应用i的用户中点击过应用A的用户数量。
在其中一个实施例中，所述获取所述第一应用集中每个应用的平均点击率，根据以下公式获得：
i表示第二应用集中的应用，A表示第一应用集中的应用；actrA表示应用A的平均点击率；ashowi,A表示历史曝光数据中，被曝光应用A的用户数量；aclicki,A表示历史曝光数据中，点击过应用A的用户数量。
在其中一个实施例中，所述第一应用集中每个应用的点击率贡献值根据以下公式获得：
ri表示第二应用集中应用i对第一应用集中应用A的点击率贡献值。
在其中一个实施例中，所述根据所述点击率贡献值和所述点击率，获得所述待推荐用户对该应用专题的预估点击率，包括：根据所述点击率贡献值和所述点击率获取所述应用专题中每个应用的预估点击率；根据所述应用专题中每个应用的预估点击率获得所述应用专题的预估点击率。
在其中一个实施例中，所述应用专题中每个应用的预估点击率根据以下公式获得：
installedu表示待推荐用户u的第二应用集；i表示第二应用集中的应用，a表示用于调整相关系数的程度值，pctru,A表示待推荐用户u对应用A的预估点击率。
在其中一个实施例中，所述根据所述应用专题中每个应用的预估点击率获得所述应用专题的预估点击率，包括：根据所述应用专题中每个应用的预估点击率对所述应用专题中每个应用进行降序排序；获取排名靠前的预置数量应用的预估点击率，根据所述预置数量应用的预估点击率确定所述应用专题的预估点击率。
在其中一个实施例中，所述根据所述待推荐用户对资源库中每个应用专题的预估点击率，向所述待推荐用户推荐应用专题，包括：根据所述待推荐用户对资源库中每个应用专题的预估点击率对所述资源库中的应用专题进行降序排序；获取排名靠前的预设数量的应用专题，向所述待推荐用户推荐该预设数量的应用专题。
一种应用专题推荐装置，包括：第一获取模块，用于获取应用专题中应用程序，形成包括所述应用专题中应用程序的第一应用集；获取待推荐用户已安装的应用程序，形成包括所述待推荐用户已安装的应用程序第二应用集；其中，所述应用专题为由多个相关应用组成的集合；第二获取模块，用于获取所述第二应用集中每个应用的安装用户对所述第一应用集中每个应用的点击率；第三获取模块，用于获取所述第二应用集中每个应用对所述第一应用集中每个应用的点击率贡献值；第四获取模块，用于根据所述点击率贡献值和所述点击率，获得所述待推荐用户对所述应用专题的预估点击率；推荐模块，用于根据所述待推荐用户对资源库中每个应用专题的预估点击率，向所述待推荐用户推荐应用专题。
一种计算机设备，其包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于执行上述任一实施例所述的应用专题推荐方法。
相比现有技术，本发明的方案具有以下优点：
本发明提供的一种应用专题推荐方法，根据待推荐用户已安装应用的安装人群对应用专题的应用点击率贡献值，以及应用专题中每个应用的点击率，确定应用专题中每个应用的预估点击率，从而根据应用专题中每个应用的预估点击率得到该应用专题的预估点击率，进而根据应用专题的预估点击率向待推荐用户推荐应用专题。该应用专题推荐方法据待推荐用户已安装应用的安装人群对应用专题的应用点击率贡献值，将用户划分不同特征的组合体，再通过根据不同特征组合体预测应用专题中应用的点击率。因此，可以更加准确地根据应用专题中应用的预估点击率向待推荐用户推荐应用专题，提高用户的体验度及应用商店的运营收益。
进一步地，待推荐用户已安装应用的安装人群对应用专题的应用点击率贡献值，根据待推荐用户已安装应用的安装人群对应用专题中的应用点击率与应用专题中对应的应用的平均点击率的比值，获取应用专题中该应用的点击率贡献值。根据该点击率贡献值确定待推荐用户已安装应用对于应用专题中应用的特征价值，从而更加准确地预估应用专题中该应用的预估点击率，进而使得该应用专题的预估点击率更加准确，最终根据该应用专题的预估点击率向待推荐用户推荐符合该用户感兴趣的应用专题，提高用户的体验度及应用商店的运营收益。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：
图1为本发明提供的一种应用专题推荐方法的一实施例中服务器与客户端之间的交互示意图；
图2为本发明提供的一种应用专题推荐方法的一实施例中的流程图；
图3为本发明提供的一种应用专题推荐方法的另一实施例中的流程图；
图4为本发明提供的一种应用专题推荐方法的又一实施例中的流程图；
图5为本发明提供的一种应用专题推荐方法的再一实施例中的流程图；
图6为本发明一种应用专题推荐装置的一实施例中的结构示意图；
图7为本发明提供的计算机设备结构一实施例中的示意图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。
本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作。
本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。
本领域技术人员应当理解，本发明所称的“应用”、“应用程序”、“应用软件”以及类似表述的概念，是业内技术人员所公知的相同概念，是指由一系列计算机指令及相关数据资源有机构造的适于电子运行的计算机软件。除非特别指定，这种命名本身不受编程语言种类、级别，也不受其赖以运行的操作系统或平台所限制。理所当然地，此类概念也不受任何形式的终端所限制。
本发明所提及的应用专题为由多个相关应用组成的集合。在应用商店的运营过程中，为了提高用户快速安装目标应用的效率，通常会挑选某些相关的应用包装成一个专题，也即是将多个相关应用包装成应用集合，再配上一系列的推文和图案，推送给用户，从而方便用户在相关的应用中挑选自己喜欢的应用下载。然而，不同的用户感兴趣的应用专题也会不同。如何给不同的用户推荐用户感兴趣的应用专题，以实现收益的最大化，成为运营应用商店的一个难题。
本发明提供的一种应用专题推荐方法，给不同的用户推荐该用户感兴趣的应用专题。该应用专题推荐方法应用于如图1所示的应用环境中。
如图1所示，服务器100与用户终端300位于同一个网络200环境中，服务器100与用户终端300通过网络200进行数据信息的交互。服务器100与用户终端300的数量不作限定，图1所示只作为示例说明。用户终端300中安装有客户端，客户端为第三方应用软件，如应用商店APP(Application，应用程序)等。用户可以通过用户终端300中的客户端APP与对应的服务器100进行信息交互。客户端与服务器(Server)端相对应，共同遵循同一套数据协议，使得服务器端跟客户端能够互相解析出对方的数据，为用户提供应用专题推荐服务。
服务器100可以是，但不限于，网络服务器、管理服务器、应用程序服务器、数据库服务器、云端服务器等等。用户终端300可以是，但不限于智能手机、个人电脑(personalcomputer，PC)、平板电脑、个人数字助理(personal digital assistant，PDA)、移动上网设备(mobile Internet device，MID)等。用户终端300的操作系统可以是，但不限于，安卓(Android)系统、IOS(iPhone operating system)系统、Windows phone系统、Windows系统等。
在一实施例中，如图2所示，本发明的一种应用专题推荐方法包括以下步骤：
S100，获取应用专题中的应用，形成包括所述应用专题中应用的第一应用集；获取待推荐用户已安装的应用，形成包括所述待推荐用户已安装的应用第二应用集；其中，所述应用专题为由多个相关应用组成的集合。
在本实施例中，服务器获取应用专题中的所有应用程序，形成包括应用专题所有应用程序的第一应用集。同时，服务器从待推荐用户的用户终端获取到待推荐用户已安装的所有应用程序，形成包括该已安装应用程序的第二应用集。
服务器获取应用专题中的所有应用程序，例如对于游戏类应用专题，服务器从资源库中获取所有游戏类应用专题的应用程序，如节奏大师APP、斗地主类APP、麻将类APP及三国杀APP等游戏类应用程序。对于网购类应用专题，服务器从资源库中获取所有网购类应用专题的应用程序，如淘宝APP、闲鱼APP、京东APP及唯品会APP等。对于视频类应用专题，服务器从资源库中获取所有视频类应用专题的应用程序，如优酷APP、土豆APP、爱奇艺APP等。对于聊天类应用专题，服务器从资源库中获取所有聊天类应用专题的应用程序，如微信APP、QQAPP、钉钉APP等。
同时，服务器从待推荐用户的用户终端获取到待推荐用户已安装的所有应用程序，如待推荐用户已安装微信APP、淘宝APP、钉钉APP、欢乐斗地主APP以及优酷APP。
S200，获取所述第二应用集中每个应用的安装用户对所述第一应用集中每个应用的点击率。
在本实施例中，服务器获取安装有待推荐用户已安装应用的用户，并对用户进行分群。进一步，获取不同用户群对应用专题中每个应用程序的点击率。例如，待推荐用户安装了微信APP，服务器获取安装有微信APP的用户群，并获取该用户群对应用专题中每个应用程序的点击率。
在一具体实施方式中，服务器提取待推荐用户u的已安装应用集，设为installedu。进一步地，计算不同已安装应用的人群下，对应用专题中应用A的点击率。具体地，根据历史曝光点击数据中，待推荐用户的已安装应用信息及曝光点击数据，计算不同的已安装应用信息，对应用A的点击率情况。
待推荐用户u的已安装应用集合installedu，ctri,A表示已安装应用i(待推荐用户u已安装的应用)的人群下，对应用A的点击率。showi,A表示历史曝光数据中，已安装应用i的用户中被曝光应用A的用户数量。clicki,A表示历史曝光数据中，已安装应用i的用户中点击过应用A的用户数量。因此，已安装应用i(待推荐用户u已安装的应用)的人群下，对应用A的点击率为
S300，获取所述第二应用集中每个应用对所述第一应用集中每个应用的点击率贡献值。
在本实施例中，服务器获取待推荐用户已安装的每个应用程序对应用专题中每个应用的点击率贡献值。如待推荐用户安装了微信，应用专题中的一个应用为QQ，获取待推荐用户安装的微信对应用专题中QQ的点击率贡献值。
在一实施例中，如图3所示，步骤S300包括步骤：
S301，获取所述第一应用集中每个应用的平均点击率；
S303，计算所述第一应用集中每个应用的所述点击率与所述平均点击率的比值，根据所述比值获得所述第一应用集中每个应用的点击率贡献值。
在本实施例中，服务器获取应用专题中每个应用的平均点击率。例如，actrA表示应用A的平均点击率。ashowi,A表示历史曝光数据中，被曝光应用A的用户数量。aclicki,A表示历史曝光数据中，点击过应用A的用户数量。应用A的平均点击率为
进一步地，服务器根据待推荐用户u已安装的应用的人群对应用专题中每个应用的点击率，计算该点击率与对应应用的平均点击率的比值。根据该比值得到应用专题中每个应用的点击率贡献值。具体地，步骤S200中，服务器已获取到已安装应用i(待推荐用户u已安装的应用)的人群下，对应用A的点击率为因此，待推荐用户已安装的每个应用对应用专题中的每个应用的点击率贡献值可根据以下公式获得：
其中，ri表示第二应用集中应用i对第一应用集中应用A的点击率贡献值。也即是，待推荐用户已安装的一个应用对应用专题中的一个应用的点击率贡献值。也可称为，待推荐用户已安装应用i特征的价值。
该公式表示的意义是：通过提升度(该特征点击率比平均点击率高出的倍数)衡量特征的价值，提升度越高那么ri越高，前面加个对数并取绝对值的原因把是正负提升度同等对待。
S400，根据所述点击率贡献值和所述点击率，获得所述待推荐用户对所述应用专题的预估点击率。
在本实施例中，服务器根据待推荐用户已安装的每个应用对应用专题中的每个应用的点击率贡献值，以及已安装应用i(待推荐用户u已安装的应用)的人群下对应用A的点击率，得到该应用专题的预估点击率。
如图4所示，在本实施例中，步骤S400包括步骤：
S401，根据所述点击率贡献值和所述点击率获取所述应用专题中每个应用的预估点击率；
S403，根据所述应用专题中每个应用的预估点击率获得所述应用专题的预估点击率。
服务器根据待推荐用户已安装的每个应用对应用专题中的每个应用的点击率贡献值，以及已安装应用i(待推荐用户u已安装的应用)的人群下对应用A的点击率，获取应用专题中每个应用的预估点击率。进一步地，根据应用专题中每个应用的预估点击率获得应用专题的预估点击率。
应用专题中每个应用的预估点击率根据以下公式获得：
installedu表示待推荐用户u的已安装应用的应用集。i表示待推荐用户u的已安装应用的应用集中的应用。a表示用于调整相关系数的程度值，pctru,A表示待推荐用户u对应用A的预估点击率。
在一实施例中，步骤S403还包括：根据所述应用专题中每个应用的预估点击率对所述应用专题中每个应用进行降序排序；获取排名靠前的预置数量应用的预估点击率，根据所述预置数量应用的预估点击率确定所述应用专题的预估点击率。
在一具体实施方式中，假设每个应用专题只展示3个应用，计算待推荐用户u对应用专题S的点击率的步骤如下：
Step1：使用上述任一实施例所述的方法计算待推荐用户u对应用专题S中所有应用的点击率。
Step2：计算待推荐用户u对应用专题S的点击率。
在此步骤中，根据step1计算所有应用的点击率，取top应用的点击率分别为ctr1,ctr2,ctr3。
待推荐用户u对应用专题S的点击率＝ctr1+ctr2+ctr3。
S500，根据所述待推荐用户对资源库中每个应用专题的预估点击率，向所述待推荐用户推荐应用专题。
在本实施例中，服务器根据待推荐用户对资源库中每个应用专题的预估点击率，向待推荐用户推荐应用专题。
在一实施方式中，如图5所示，步骤S500包括以下步骤：
S501，根据所述待推荐用户对资源库中每个应用专题的预估点击率对所述资源库中的应用专题进行降序排序。
S503，获取排名靠前的预设数量的应用专题，向所述待推荐用户推荐该预设数量的应用专题。
在本实施例中，服务器获取到待推荐用户对资源库中所有应用专题的预估点击率后，对所有应用专题进行降序排序。进一步，向待推荐用户推荐排名靠前的预设数量的应用专题。
在一具体实施方式中，根据上述实施例所述的方法计算资源库中所有应用专题的预估点击率，对资源库中所有应用专题进行降序排序，依次在待推荐用户屏幕中展示。每个应用专题可展示前三个应用。
本发明提供的一种应用专题推荐方法，根据待推荐用户已安装应用的安装人群对应用专题的应用点击率贡献值，以及应用专题中每个应用的点击率，确定应用专题中每个应用的预估点击率，从而根据应用专题中每个应用的预估点击率得到该应用专题的预估点击率，进而根据应用专题的预估点击率向待推荐用户推荐应用专题。该应用专题推荐方法据待推荐用户已安装应用的安装人群对应用专题的应用点击率贡献值，将用户划分不同特征的组合体，再通过根据不同特征组合体预测应用专题中应用的点击率。因此，可以更加准确地根据应用专题中应用的预估点击率向待推荐用户推荐应用专题，提高用户的体验度及应用商店的运营收益。
本发明还提供一种应用专题推荐装置，如图6所示。该应用专题推荐装置包括第一获取模块101、第二获取模块103、第三获取模块105、第四获取模块107及推荐模块109。
第一获取模块101用于获取应用专题中应用程序，形成包括所述应用专题中应用程序的第一应用集；获取待推荐用户已安装的应用程序，形成包括所述待推荐用户已安装的应用程序第二应用集；其中，所述应用专题为由多个相关应用组成的集合。
在本实施例中，服务器获取应用专题中的所有应用程序，形成包括应用专题所有应用程序的第一应用集。同时，服务器从待推荐用户的用户终端获取到待推荐用户已安装的所有应用程序，形成包括该已安装应用程序的第二应用集。
服务器获取应用专题中的所有应用程序，例如对于游戏类应用专题，服务器从资源库中获取所有游戏类应用专题的应用程序，如节奏大师APP、斗地主类APP、麻将类APP及三国杀APP等游戏类应用程序。对于网购类应用专题，服务器从资源库中获取所有网购类应用专题的应用程序，如淘宝APP、闲鱼APP、京东APP及唯品会APP等。对于视频类应用专题，服务器从资源库中获取所有视频类应用专题的应用程序，如优酷APP、土豆APP、爱奇艺APP等。对于聊天类应用专题，服务器从资源库中获取所有聊天类应用专题的应用程序，如微信APP、QQAPP、钉钉APP等。
同时，服务器从待推荐用户的用户终端获取到待推荐用户已安装的所有应用程序，如待推荐用户已安装微信APP、淘宝APP、钉钉APP、欢乐斗地主APP以及优酷APP。
第二获取模块103用于获取所述第二应用集中每个应用的安装用户对所述第一应用集中每个应用的点击率。
在本实施例中，服务器获取安装有待推荐用户已安装应用的用户，并对用户进行分群。进一步，获取不同用户群对应用专题中每个应用程序的点击率。例如，待推荐用户安装了微信APP，服务器获取安装有微信APP的用户群，并获取该用户群对应用专题中每个应用程序的点击率。
在一具体实施方式中，服务器提取待推荐用户u的已安装应用集，设为installedu。进一步地，计算不同已安装应用的人群下，对应用专题中应用A的点击率。具体地，根据历史曝光点击数据中，待推荐用户的已安装应用信息及曝光点击数据，计算不同的已安装应用信息，对应用A的点击率情况。
待推荐用户u的已安装应用集合installedu，ctri,A表示已安装应用i(待推荐用户u已安装的应用)的人群下，对应用A的点击率。showi,A表示历史曝光数据中，已安装应用i的用户中被曝光应用A的用户数量。clicki,A表示历史曝光数据中，已安装应用i的用户中点击过应用A的用户数量。因此，已安装应用i(待推荐用户u已安装的应用)的人群下，对应用A的点击率为
第三获取模块105用于获取所述第二应用集中每个应用对所述第一应用集中每个应用的点击率贡献值。
在本实施例中，服务器获取待推荐用户已安装的每个应用程序对应用专题中每个应用的点击率贡献值。如待推荐用户安装了微信，应用专题中的一个应用为QQ，获取待推荐用户安装的微信对应用专题中QQ的点击率贡献值。
在一实施例中，第三获取模块105还用于获取所述第一应用集中每个应用的平均点击率；计算所述第一应用集中每个应用的所述点击率与所述平均点击率的比值，根据所述比值获得所述第一应用集中每个应用的点击率贡献值。
在本实施例中，服务器获取应用专题中每个应用的平均点击率。例如，actrA表示应用A的平均点击率。ashowi,A表示历史曝光数据中，被曝光应用A的用户数量。aclicki,A表示历史曝光数据中，点击过应用A的用户数量。应用A的平均点击率为
进一步地，服务器根据待推荐用户u已安装的应用的人群对应用专题中每个应用的点击率，计算该点击率与对应应用的平均点击率的比值。根据该比值得到应用专题中每个应用的点击率贡献值。具体地，步骤S200中，服务器已获取到已安装应用i(待推荐用户u已安装的应用)的人群下，对应用A的点击率为因此，待推荐用户已安装的每个应用对应用专题中的每个应用的点击率贡献值可根据以下公式获得：
其中，ri表示第二应用集中应用i对第一应用集中应用A的点击率贡献值。也即是，待推荐用户已安装的一个应用对应用专题中的一个应用的点击率贡献值。也可称为，待推荐用户已安装应用i特征的价值。
该公式表示的意义是：通过提升度(该特征点击率比平均点击率高出的倍数)衡量特征的价值，提升度越高那么ri越高，前面加个对数并取绝对值的原因把是正负提升度同等对待。
第四获取模块107用于根据所述点击率贡献值和所述点击率，获得所述待推荐用户对所述应用专题的预估点击率。
在本实施例中，服务器根据待推荐用户已安装的每个应用对应用专题中的每个应用的点击率贡献值，以及已安装应用i(待推荐用户u已安装的应用)的人群下对应用A的点击率，得到该应用专题的预估点击率。
在本实施例中，第四获取模块107还用于根据所述点击率贡献值和所述点击率获取所述应用专题中每个应用的预估点击率；根据所述应用专题中每个应用的预估点击率获得所述应用专题的预估点击率。
服务器根据待推荐用户已安装的每个应用对应用专题中的每个应用的点击率贡献值，以及已安装应用i(待推荐用户u已安装的应用)的人群下对应用A的点击率，获取应用专题中每个应用的预估点击率。进一步地，根据应用专题中每个应用的预估点击率获得应用专题的预估点击率。
应用专题中每个应用的预估点击率根据以下公式获得：
installedu表示待推荐用户u的已安装应用的应用集。i表示待推荐用户u的已安装应用的应用集中的应用。a表示用于调整相关系数的程度值，pctru,A表示待推荐用户u对应用A的预估点击率。
在一实施例中，第四获取模块107还用于根据所述应用专题中每个应用的预估点击率对所述应用专题中每个应用进行降序排序；获取排名靠前的预置数量应用的预估点击率，根据所述预置数量应用的预估点击率确定所述应用专题的预估点击率。
推荐模块109用于根据所述待推荐用户对资源库中每个应用专题的预估点击率，向所述待推荐用户推荐应用专题。
在本实施例中，服务器根据待推荐用户对资源库中每个应用专题的预估点击率，向待推荐用户推荐应用专题。
在一实施方式中，推荐模块109还用于根据所述待推荐用户对资源库中每个应用专题的预估点击率对所述资源库中的应用专题进行降序排序；获取排名靠前的预设数量的应用专题，向所述待推荐用户推荐该预设数量的应用专题。
在本实施例中，服务器获取到待推荐用户对资源库中所有应用专题的预估点击率后，对所有应用专题进行降序排序。进一步，向待推荐用户推荐排名靠前的预设数量的应用专题。
在一具体实施方式中，根据上述实施例所述的方法计算资源库中所有应用专题的预估点击率，对资源库中所有应用专题进行降序排序，依次在待推荐用户屏幕中展示。每个应用专题可展示前三个应用。
在其他实施例中，本发明提供的应用专题推荐装置中的各个模块还用于执行本发明所述的应用专题推荐方法中，对应各个步骤执行的操作，在此不再做详细的说明。
本发明还提供一种计算机设备。一种计算机设备包括：一个或多个处理器；存储器；一个或多个应用程序。其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于执行上述任一实施例所述的应用专题推荐方法。
图7为本发明一实施例中的计算机设备的结构示意图。本实施例所述的设备可以是计算机设备。例如服务器、个人计算机以及网络设备。如图7所示，设备包括处理器703、存储器705、输入单元707以及显示单元709等器件。本领域技术人员可以理解，图7示出的设备结构器件并不构成对所有设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件。存储器705可用于存储应用程序701以及各功能模块，处理器703运行存储在存储器705的应用程序701，从而执行设备的各种功能应用以及数据处理。存储器可以是内存储器或外存储器，或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦写可编程ROM(EEPROM)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、ZIP盘、U盘、磁带等。本发明所公开的存储器包括但不限于这些类型的存储器。本发明所公开的存储器只作为例子而非作为限定。
输入单元707用于接收信号的输入，以及接收用户输入的关键字。输入单元707可包括触控面板以及其它输入设备。触控面板可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并根据预先设定的程序驱动相应的连接装置；其它输入设备可以包括但不限于物理键盘、功能键(比如播放控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元709可用于显示用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元709可采用液晶显示器、有机发光二极管等形式。处理器703是计算机设备的控制中心，利用各种接口和线路连接整个电脑的各个部分，通过运行或执行存储在存储器703内的软件程序和/或模块，以及调用存储在存储器内的数据，执行各种功能和处理数据。
在一实施方式中，设备包括一个或多个处理器703，以及一个或多个存储器705，一个或多个应用程序701。其中所述一个或多个应用程序701被存储在存储器705中并被配置为由所述一个或多个处理器703执行，所述一个或多个应用程序701配置用于执行以上实施例所述的应用专题推荐方法。
此外，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单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所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，也可以存储在一个计算机可读取存储介质中。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括存储器、磁盘或光盘等。
以上所述仅是本发明的部分实施方式，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 (11)
1.一种应用专题推荐方法，其特征在于，包括以下步骤：
获取应用专题中的应用，形成包括所述应用专题中应用的第一应用集；获取待推荐用户已安装的应用，形成包括所述待推荐用户已安装应用的第二应用集；其中，所述应用专题为由多个相关应用组成的集合；
获取所述第二应用集中每个应用的安装用户对所述第一应用集中每个应用的点击率；
获取所述第二应用集中每个应用对所述第一应用集中每个应用的点击率贡献值；
根据所述点击率贡献值和所述点击率，获得所述待推荐用户对所述应用专题的预估点击率；
根据所述待推荐用户对资源库中每个应用专题的预估点击率，向所述待推荐用户推荐应用专题。
2.根据权利要求1所述的应用专题推荐方法，其特征在于，所述获取所述第二应用集中每个应用对所述第一应用集中每个应用的点击率贡献值，包括：
获取所述第一应用集中每个应用的平均点击率；
计算所述第一应用集中每个应用的所述点击率与所述平均点击率的比值，根据所述比值获得所述第一应用集中每个应用的点击率贡献值。
3.根据权利要求2所述的应用专题推荐方法，其特征在于，所述获取所述第二应用集中每个应用的安装用户对所述第一应用集中每个应用的点击率，根据以下公式获得：
i表示第二应用集中的应用，A表示第一应用集中的应用；ctri,A表示已安装应用i的用户，对应用A的点击率；showi,A表示历史曝光数据中，已安装应用i的用户中被曝光应用A的用户数量；clicki,A表示历史曝光数据中，已安装应用i的用户中点击过应用A的用户数量。
4.根据权利要求3所述的应用专题推荐方法，其特征在于，所述获取所述第一应用集中每个应用的平均点击率，根据以下公式获得：
i表示第二应用集中的应用，A表示第一应用集中的应用；actrA表示应用A的平均点击率；ashowi,A表示历史曝光数据中，被曝光应用A的用户数量；aclicki,A表示历史曝光数据中，点击过应用A的用户数量。
5.根据权利要求4所述的应用专题推荐方法，其特征在于，所述第一应用集中每个应用的点击率贡献值根据以下公式获得：
ri表示第二应用集中应用i对第一应用集中应用A的点击率贡献值。
6.根据权利要求5所述的应用专题推荐方法，其特征在于，所述根据所述点击率贡献值和所述点击率，获得所述待推荐用户对该应用专题的预估点击率，包括：
根据所述点击率贡献值和所述点击率获取所述应用专题中每个应用的预估点击率；
根据所述应用专题中每个应用的预估点击率获得所述应用专题的预估点击率。
7.根据权利要求6所述的应用专题推荐方法，其特征在于，所述应用专题中每个应用的预估点击率根据以下公式获得：
installedu表示待推荐用户u的第二应用集；i表示第二应用集中的应用，a表示用于调整相关系数的程度值，pctru,A表示待推荐用户u对应用A的预估点击率。
8.根据权利要求6所述的应用专题推荐方法，其特征在于，所述根据所述应用专题中每个应用的预估点击率获得所述应用专题的预估点击率，包括：
根据所述应用专题中每个应用的预估点击率对所述应用专题中每个应用进行降序排序；
获取排名靠前的预置数量应用的预估点击率，根据所述预置数量应用的预估点击率确定所述应用专题的预估点击率。
9.根据权利要求6所述的应用专题推荐方法，其特征在于，所述根据所述待推荐用户对资源库中每个应用专题的预估点击率，向所述待推荐用户推荐应用专题，包括：
根据所述待推荐用户对资源库中每个应用专题的预估点击率对所述资源库中的应用专题进行降序排序；
获取排名靠前的预设数量的应用专题，向所述待推荐用户推荐该预设数量的应用专题。
10.一种应用专题推荐装置，其特征在于，包括：
第一获取模块，用于获取应用专题中应用程序，形成包括所述应用专题中应用程序的第一应用集；获取待推荐用户已安装的应用程序，形成包括所述待推荐用户已安装的应用程序第二应用集；其中，所述应用专题为由多个相关应用组成的集合；
第二获取模块，用于获取所述第二应用集中每个应用的安装用户对所述第一应用集中每个应用的点击率；
第三获取模块，用于获取所述第二应用集中每个应用对所述第一应用集中每个应用的点击率贡献值；
第四获取模块，用于根据所述点击率贡献值和所述点击率，获得所述待推荐用户对所述应用专题的预估点击率；
推荐模块，用于根据所述待推荐用户对资源库中每个应用专题的预估点击率，向所述待推荐用户推荐应用专题。
11.一种计算机设备，其特征在于，其包括：
一个或多个处理器；
存储器；
一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于执行根据权利要求1至9任一项所述的应用专题推荐方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810133791.3A CN108510352A (zh) | 2018-02-09 | 2018-02-09 | 应用专题推荐方法、装置及计算机设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810133791.3A CN108510352A (zh) | 2018-02-09 | 2018-02-09 | 应用专题推荐方法、装置及计算机设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108510352A true CN108510352A (zh) | 2018-09-07 |
Family
ID=63375070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810133791.3A Pending CN108510352A (zh) | 2018-02-09 | 2018-02-09 | 应用专题推荐方法、装置及计算机设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108510352A (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN106547922A (zh) * | 2016-12-07 | 2017-03-29 | 广州优视网络科技有限公司 | 一种应用程序的排序方法、装置及服务器 |
| CN106846094A (zh) * | 2016-12-29 | 2017-06-13 | 广州优视网络科技有限公司 | 一种基于已安装应用来推荐应用信息的方法和装置 |
| WO2017167121A1 (zh) * | 2016-03-31 | 2017-10-05 | 阿里巴巴集团控股有限公司 | 确定及运用应用程序之间的关系关联的方法及装置 |
| CN107562846A (zh) * | 2017-08-28 | 2018-01-09 | 广州优视网络科技有限公司 | 一种推荐应用的方法和装置 |
| CN107613022A (zh) * | 2017-10-20 | 2018-01-19 | 广州优视网络科技有限公司 | 内容推送方法、装置及计算机设备 |
-
2018
- 2018-02-09 CN CN201810133791.3A patent/CN108510352A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2017167121A1 (zh) * | 2016-03-31 | 2017-10-05 | 阿里巴巴集团控股有限公司 | 确定及运用应用程序之间的关系关联的方法及装置 |
| 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 |
| CN106547922A (zh) * | 2016-12-07 | 2017-03-29 | 广州优视网络科技有限公司 | 一种应用程序的排序方法、装置及服务器 |
| CN106846094A (zh) * | 2016-12-29 | 2017-06-13 | 广州优视网络科技有限公司 | 一种基于已安装应用来推荐应用信息的方法和装置 |
| CN107562846A (zh) * | 2017-08-28 | 2018-01-09 | 广州优视网络科技有限公司 | 一种推荐应用的方法和装置 |
| CN107613022A (zh) * | 2017-10-20 | 2018-01-19 | 广州优视网络科技有限公司 | 内容推送方法、装置及计算机设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107613022B (zh) | 内容推送方法、装置及计算机设备 | |
| US9720569B2 (en) | Cloud-based custom metric/timer definitions and real-time analytics of mobile applications | |
| 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 | |
| WO2019085327A1 (zh) | 电子装置、产品推荐方法、系统和计算机可读存储介质 | |
| US20170195176A1 (en) | Method and apparatus for recommending device configuration | |
| US20180189417A1 (en) | Dynamic faceting for personalized search and discovery | |
| US11017430B2 (en) | Delivering advertisements based on user sentiment and learned behavior | |
| US20110010243A1 (en) | User control of advertising content | |
| CN112307344B (zh) | 对象推荐模型、对象推荐方法、装置及电子设备 | |
| WO2012122384A1 (en) | Determining preferred categories based on user access attribute values | |
| CN107908616B (zh) | 预测趋势词的方法和装置 | |
| CN109359247A (zh) | 内容推送方法及存储介质、计算机设备 | |
| CN108921587B (zh) | 一种数据处理方法、装置及服务器 | |
| CN113422986B (zh) | 用于直播间推荐的方法、装置、设备、介质和程序产品 | |
| Jayapriya et al. | Cloud service recommendation based on a correlated QoS ranking prediction | |
| CN109299356A (zh) | 基于大数据的活动推荐方法、装置、电子设备及存储介质 | |
| US20200279289A1 (en) | Prompting web-based user interaction | |
| CN110659416A (zh) | 一种浏览资源的推荐方法、推荐装置及可读存储介质 | |
| CN109075987B (zh) | 优化数字组件分析系统 | |
| CN109146551A (zh) | 一种广告推荐方法、服务器及计算机可读介质 | |
| US20170357999A1 (en) | Method and system for providing ranking information using effect analysis data of information data | |
| US8990122B2 (en) | Method and system for providing computer application support | |
| CN113781084A (zh) | 一种调查问卷展示方法和装置 | |
| US11386805B2 (en) | Memory retention enhancement for electronic text | |
| CN107786376B (zh) | 内容推送方法、装置及计算机设备 |
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 | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200416 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: 510640 Guangdong city of Guangzhou province Whampoa Tianhe District Road No. 163 Xiping Yun Lu Yun Ping square B radio tower 15 layer self unit 02 Applicant before: GUANGZHOU UC NETWORK TECHNOLOGY Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20180907 |