CN110020152A - 应用推荐方法及装置 - Google Patents

Abstract

本发明涉及一种应用推荐方法及装置，应用推荐方法包括：获取用户已安装应用信息，筛选得到N款个性化应用；获取包括待推荐的多款应用的推荐应用池；在推荐应用池中筛选出与每款个性化应用的关联程度值大于阈值的多款关联应用；分别获取每款个性化应用与多款关联应用的关联程度值，根据关联程度值为多款关联应用计算分数，得到N个关联程度值列表；以个性化应用的个性化程度为每个关联程度值列表分配权重，加权合并N个关联程度值列表中的分数，将应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。本发明通过关联程度值代替标签匹配，扩大了用户的个性化数据权重，使得输出结果更代表用户的个性化需求。

Description

应用推荐方法及装置

技术领域

本发明涉及数据业务技术领域，特别是涉及一种应用推荐方法及装置。

背景技术

现有的应用推荐方法主要基于采取的用户现有应用数据，如已安装的应用及应用使用情况，或根据用户在平台内的搜索结果，通过应用的标签(如购物、育儿、宠物等)匹配来计算用户可能会感兴趣的应用，并进行推荐。

目前这种应用推荐方法主要存在以下几个问题：(1)没有考虑用户已安装使用应用的集中性，大量热门应用使得收集的用户数据有较大相关性，在利用数据进行个性化推荐时应当把这部分数据滤除，留下更为代表用户个性的数据进行处理；(2)在数据处理过程中，尤其对单一用户多款目标应用(目标应用：根据用户已安装或使用的应用来计算感兴趣的应用，用户已安装或使用的应用为目标应用)的情况下推荐时，没有对不同应用的个性化程度进行加权，仅加权了应用的使用频度等信息；(3)有些应用用户未必高频率使用，但是这些相对冷门的应用可能更代表用户的个性化需求，应在运算中给予更高的权重；(4)通过标签匹配的方式确定相似应用，大大依赖于标签设计的合理性，且设计不同的标签可能导致推荐的结果不同，对个性化推荐的流程造成了干扰，导致输出结果无法代表用户的个性化需求。

发明内容

本发明的目的是提供一种应用推荐方法及装置，其能够按照应用本身的热度进行数据处理，使输出结果更能代表用户的个性化需求。

第一方面，本发明实施例提供了一种应用推荐方法，其包括如下步骤：获取用户已安装应用信息，筛选得到N款个性化应用；获取包括待推荐的多款应用的推荐应用池；在推荐应用池中筛选出与每款个性化应用的关联程度值大于阈值的多款关联应用；分别获取每款个性化应用与多款关联应用之间的关联程度值，根据关联程度值为多款关联应用计算分数，得到N个关联程度值列表；以个性化应用的个性化程度为每个关联程度值列表分配权重，加权合并N个关联程度值列表中的分数，得到第一推荐应用列表；将第一推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。

根据本发明实施例的一个方面，获取用户已安装应用列表、筛选得到N款个性化应用包括：在已安装应用中滤除热门应用和预定时间段内未使用的沉默应用，以得到N款个性化应用。

根据本发明实施例的一个方面，热门应用为在预定时间段内下载次数大于新增用户数的预定百分比的应用。

根据本发明实施例的一个方面，根据关联程度值为多款关联应用计算分数包括：分别根据关联应用的关联程度值排名及关联程度值计算分数，选择二者之中较高的分数列入关联程度值列表。

根据本发明实施例的一个方面，以个性化应用的个性化程度为每个关联程度值列表分配权重包括：获取个性化应用在预定时间段内的下载数，以下载数的倒数度量个性化应用的个性化程度。

根据本发明实施例的一个方面，关联程度值列表的权重满足式(1)：

a_i＝(1/k_i)/∑(1/k₁+1/k₂+...+1/k_N) (1)

其中，i为个性化应用对应的关联程度值列表的排名序号，a_i为排名序号为i的关联程度值列表的权重，k_i为个性化应用在预定时间段内的下载数，N为个性化应用的数量。

根据本发明实施例的一个方面，加权合并N个关联程度值列表中的分数的方法满足式(2)：

L＝a_i×[X₁]+a₂×[X₂]+...+a_N×[X_N] (2)

其中，L为第一推荐应用列表内各应用的分数列表，a_i为排名序号为i的关联程度值列表的权重，[X₁]，[X₂]…[X_N]分别为N个关联程度值列表。

第二方面，本发明实施例还提供了一种应用推荐方法，其包括如下步骤：得到如前所述的第一推荐应用列表；获取用户的客户端类型信息，收集该客户端类型对应的所有用户的已安装应用，汇总并为所有用户的已安装应用计算分数，得到第一应用分数列表；将第一推荐应用列表及第一应用分数列表的各款应用合并，并将各款应用的分数叠加后得到第二应用分数列表；在第二应用分数列表中滤除该用户的已安装应用，得到第二推荐应用列表；将第二推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。

根据本发明实施例的一个方面，汇总并为所有用户的已安装应用计算分数、得到第一应用分数列表包括：分别根据已安装应用的安装数量排名及已安装应用的安装数量计算分数，选择二者之中较高的分数列入第一应用分数列表。

第三方面，本发明实施例还提供了一种应用推荐装置，其包括：个性化应用获取单元，用于根据用户已安装应用信息进行筛选，以得到N款个性化应用；关联应用获取单元，用于在推荐应用池中筛选出与每款个性化应用的关联程度值大于阈值的多款关联应用；分数计算单元，用于分别获取每款个性化应用与多款关联应用之间的关联程度值，根据关联程度值为多款关联应用计算分数，以得到N个关联程度值列表；分数加权单元，用于以个性化应用的个性化程度为每个关联程度值列表分配权重，加权合并N个关联程度值列表中的分数，以得到第一推荐应用列表；排序单元，用于将第一推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。

第四方面，本发明实施例还提供了一种应用推荐装置，其包括：个性化应用获取单元，用于根据用户已安装应用信息进行筛选，以得到N款个性化应用；关联应用获取单元，用于在推荐应用池中筛选出与每款个性化应用的关联程度值大于阈值的多款关联应用；分数计算单元，用于分别获取每款个性化应用与多款关联应用之间的关联程度值，根据关联程度值为多款关联应用计算分数，以得到N个关联程度值列表；分数加权单元，用于以个性化应用的个性化程度为每个关联程度值列表分配权重，加权合并N个关联程度值列表中的分数，以得到第一推荐应用列表；已安装应用获取单元，用于获取申请推荐应用的用户的客户端类型信息，收集该客户端类型对应的所有用户的已安装应用，汇总并为所有用户的已安装应用计算分数，以得到第一应用分数列表；应用合并单元，用于将第一推荐应用列表及第一应用分数列表的各款应用合并，并将各款应用的分数叠加后得到第二应用分数列表；滤除单元，用于在第二应用分数列表中滤除该用户的已安装应用，以得到第二推荐应用列表；以及排序单元，用于将第二推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。

本发明实施例提供的应用推荐方法及装置，在收集用户数据时滤除了大多数用户的共性数据，再通过关联程度值代替标签匹配来为用户提供应用的个性化推荐，免除了标签设计可能对个性化推荐流程造成的干扰。同时充分考虑了对所收集的用户数据按照应用本身的热度进行处理，在数据处理过程中扩大了用户的个性化数据权重，使得输出结果更代表用户的个性化需求。

附图说明

下面将参考附图来描述本发明示例性实施例的特征、优点和技术效果。

图1是本发明实施例提供的一种应用推荐方法的流程框图；

图2是本发明实施例提供的另一种应用推荐方法的流程框图；

图3是本发明实施例提供的一种应用推荐装置的示意性原理图；

图4是本发明实施例提供的另一种应用推荐装置的示意性原理图。

具体实施方式

下面结合附图和实施例对本发明的实施方式作进一步详细描述。以下实施例的详细描述和附图用于示例性地说明本发明的原理，但不能用来限制本发明的范围，即本发明不限于所描述的实施例。

在本发明的描述中，需要说明的是，除非另有说明，术语“第一”、“第二”、“第三”等仅用于描述目的，而不能理解为指示或暗示相对重要性。

为了更好地理解本发明，下面结合图1至图4对本发明实施例的应用推荐方法及装置进行详细描述。

参阅图1，本发明实施例提供了一种应用推荐方法，其包括如下步骤：

步骤101，获取用户已安装应用信息、筛选得到N款个性化应用。

步骤102，获取包括待推荐的多款应用的推荐应用池。推荐应用池根据各应用的运营情况确定，例如，运营商计划推荐100款应用，则100款应用组成了推荐应用池。

步骤S103，在推荐应用池中筛选出与每款个性化应用的关联程度值大于阈值的多款关联应用。阈值根据实际情况预先确定。如果推荐应用池中某款应用与个性化应用的关联程度值小于该阈值，则不考虑推荐该应用。

步骤S104，分别获取每款个性化应用与多款关联应用之间的关联程度值，根据关联程度值为多款关联应用计算分数，得到N个关联程度值列表。

步骤S105，以个性化应用的个性化程度为每个关联程度值列表分配权重，加权合并N个关联程度值列表中的分数，得到第一推荐应用列表。

步骤S106：将第一推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。

进一步地，步骤S101中，获取用户已安装应用信息、筛选得到N款个性化应用包括：在已安装应用中滤除热门应用和预定时间段内未使用的沉默应用，以得到N款个性化应用。其中，热门应用为在预定时间段内下载次数大于新增用户数的预定百分比的应用。作为一种可选的实施方式，该预定时间段可以为一个月，预定百分比可以为50％。

进一步地，步骤S104中，根据关联程度值为多款关联应用计算分数包括：分别根据关联应用的关联程度值排名及关联程度值计算分数，选择二者之中较高的分数列入关联程度值列表。

例如，在推荐应用池中筛选出与每款个性化应用的关联程度值大于阈值的100款关联应用，首先根据关联程度值排名计算分数，排名第一的得分为满分，排名最后的得分为满分除以待推荐的应用数量后的商，即为最小分值，第二名及其它排名的得分按照最小分值逐渐递减；然后再根据关联程度值计算分数，关联程度值最大的得分为满分，其余关联程度值的得分按照其关联程度值占最大关联程度值的百分比计算分数；针对某款个性化应用，采用上述两种方式获得两个分值，将其中较高的分数列入关联程度值列表内，满分可以为100分或者10分。

可以理解的是，根据关联程度值排名及关联程度值计算分数的方法不限于上述规则，可以根据实际应用场景而作适应性的修改。

另外，关联应用与个性化应用之间的关联程度值为预先统计的，统计方法为现有成熟技术，包括例如但不限于根据标签匹配度来确定，此处不再赘述。

进一步地，步骤S105中，以个性化应用的个性化程度为每个关联程度值列表分配权重包括：获取个性化应用在预定时间段内的下载数，以下载数的倒数度量个性化应用的个性化程度。

进一步地，关联程度值列表的权重满足式(1)：

a_i＝(1/k_i)/∑(1/k₁+1/k₂+...+1/k_N) (1)

其中，i为个性化应用对应的关联程度值列表的排名序号，a_i为排名序号为i的关联程度值列表的权重，k_i为个性化应用在预定时间段内的下载数，N为个性化应用的数量。

进一步地，加权合并N个关联程度值列表中的分数的方法满足式(2)：

L＝a_i×[X₁]+a₂×[X₂]+...+a_N×[X_N] (2)

其中，L为第一推荐应用列表内各应用的分数列表，a_i为排名序号为i的关联程度值列表的权重，[X₁]，[X₂]…[X_N]分别为N个关联程度值列表。

参阅图2，本发明实施例还提供了另一种应用推荐方法，其包括如下步骤：

步骤200，得到如前所述的第一推荐应用列表。

步骤201，获取该用户的客户端类型信息，收集该客户端类型对应的所有用户的已安装应用，汇总并为所有用户的已安装应用计算分数，得到第一应用分数列表。客户端可以为例如但不限于手机、平板电脑等。

步骤202，将第一推荐应用列表及第一应用分数列表的各款应用合并，并将各款应用的分数叠加后得到第二应用分数列表。

步骤203，在第二应用分数列表中滤除该用户的已安装应用，得到第二推荐应用列表。

步骤204，将第二推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。

进一步地，步骤201中，汇总后为每款已安装应用计算分数、得到第一应用分数列表包括：分别根据已安装应用的安装数量排名及已安装应用的安装数量计算分数，选择二者之中较高的分数列入所述第一应用分数列表。

第一应用分数列表内各分数的计算方法与前述关联程度值列表的计算方法类似。例如，该客户端类型对应的所有用户安装的应用有20款，每一款应用都有相应的安装数量，根据安装数量的大小将20款应用进行排名。首先根据排名计算分数，排名第一的得分为满分，排名最后的得分为满分除以应用数量后的商，即为最小分值，第二名及其它排名的得分按照最小分值逐渐递减；然后再根据每款应用的安装数量计算分数，安装数量最多的得分为满分，其余安装数量的得分按照其安装数量占最多安装数量的百分比计算分数；针对每一款应用，采用上述两种方式获得两个分值，将其中较高的分数列入第一应用分数列表内，满分可以为100分或者10分。

可以理解的是，根据排名计算分数以及根据应用的安装数量计算分数的方法不限于上述规则，可以根据实际应用场景而作适应性的修改。

上述第二推荐应用列表相对于第一推荐应用列表补充了更多的个性化应用，使得最终的输出结果更进一步地代表了用户的个性化需求。由此，本发明实施例提供的两种应用推荐方法，作为除标签匹配之外的数据维度的推荐方法，可与标签匹配的方法作为互补，共同形成推荐结果。

为便于理解，本发明实施例结合一个实际的使用场景来描述该应用推荐方法。

假设用户在手机客户端申请应用推荐，例如，申请推荐应用的个数为10款。服务器端接收用户的应用推荐申请，获取该用户的已安装应用信息，例如，该用户手机上已安装了5款应用。

进一步地，在已安装的5款应用中滤除一个月内未使用的1款沉默应用和1款热门应用，获得3款个性化应用。然后，获取包括待推荐的例如80款应用的推荐应用池，在推荐应用池中筛选出与3款个性化应用的关联程度值大于阈值的多款关联应用，例如有50款满足条件的关联应用。在这50款关联应用中，与第1款个性化应用的关联程度值列表为[X₁]，与第2款个性化应用的关联程度值列表为[X₂]，与第3款个性化应用的关联程度值列表为[X₃]，每个关联程度值列表里各有50个分数。然后分别根据每款关联应用的关联程度值排名及关联程度值计算分数，选择二者之中分数较高的分数列入关联程度值列表[X₁]，[X₂]，[X₃]。具体如下：

首先，对于第1款个性化应用的50款关联应用，根据关联程度值排名计算分数，排名第一的得分为100分，排名最后的得分为5分，第二名及其它排名的得分按照最小分值逐渐递减，分别为95，90……10，5；然后，再根据关联程度值计算分数，例如，关联程度值最大的为240，得分100，关联程度值为200且排名第二的，得分即为83分，由于95分大于83分，故以95分作为该排名第二的关联应用的分值，排名最后的关联程度值为40，得分即为17分，由于17分大于5分，则将17分作为排名最后一位的关联应用的分值，每一款关联应用均获得一个分值后，得到关联程度值列表[X₁]。关联程度值列表[X₂]和[X₃]的计算方法与此类似，不再赘述。

进一步地，获取3款个性化应用在预定时间段内的下载数，分别为k₁，k₂和k₃，以下载数的倒数1/k₁，1/k₂和1/k₃度量这3款个性化应用的个性化程度。然后根据前述式(1)分别为3个关联程度值列表[X₁]，[X₂]，[X₃]分配权重a₁，a₂，a₃，加权合并关联程度值列表中的各个分数，得到第一推荐应用列表，其中各应用的分数列表L的计算方法为：

L＝a₁×[X₁]+a₂×[X₂]+a₃×[X₃]

最后，将第一推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将前10款应用推荐给用户即可。

另外，在得到前述的第一推荐应用列表的基础上，可以继续收集满足个性化应用条件的推荐应用。首先，获取申请推荐应用的用户的手机类型信息，收集该手机类型对应的所有用户的已安装应用信息，例如共有20款已安装应用，每一款已安装应用都有相应的安装数量，根据安装数量的大小将各款应用进行排名。分别根据已安装应用的安装数量排名及已安装应用的安装数量计算分数，选择二者之中较高的分数列入应用分数列表，得到第一应用分数列表A。第一应用分数列表A的计算方法与前述关联程度值列表[X₁]的计算方法类似，不再赘述。

进一步地，将第一推荐应用列表及第一应用分数列表A的各款应用合并，并将各个应用的分数叠加后得到第二应用分数列表B。然后，在第二应用分数列表B中滤除该用户的5款已安装应用，得到第二推荐应用列表。

最后，将第二推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将前10款应用推荐给用户即可。

参阅图3，本发明实施例提供了一种应用推荐装置100，其包括：个性化应用获取单元110、关联应用获取单元120、分数计算单元130、分数加权单元140和排序单元150。

个性化应用获取单元110用于根据用户已安装应用信息进行筛选，以得到N款个性化应用。

关联应用获取单元120用于在推荐应用池中筛选出与每款个性化应用的关联程度值大于阈值的多款关联应用。

分数计算单元130用于分别获取每款个性化应用与多款关联应用之间的关联程度值，根据关联程度值为多款关联应用计算分数，以得到N个关联程度值列表。

分数加权单元140用于以个性化应用的个性化程度为每个关联程度值列表分配权重，加权合并N个关联程度值列表中的分数，以得到第一推荐应用列表。

排序单元150，用于将第一推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。

进一步地，个性化应用获取单元110包括第一处理单元，第一处理单元用于在已安装应用中滤除热门应用和预定时间段内未使用的沉默应用，以得到N款个性化应用。热门应用为在预定时间段内下载次数大于新增用户数的预定百分比的应用。

进一步地，分数计算单元130还用于分别根据关联应用的关联程度值排名及关联程度值计算分数，选择二者之中较高的分数列入关联程度值列表。

进一步地，分数加权单元140根据个性化应用在预定时间段内的下载数的倒数来度量个性化应用的个性化程度。

参阅图4，本发明实施例还提供了一种应用推荐装置200，其与前述应用推荐装置100的各个功能单元类似，均包括个性化应用获取单元210、关联应用获取单元220、分数计算单元230和分数加权单元240，不同之处在于，还包括：已安装应用获取单元250、应用合并单元260、滤除单元270和排序单元280。

已安装应用获取单元250用于获取申请推荐应用的用户的客户端类型信息，收集该客户端类型对应的所有用户的已安装应用，汇总并为所有用户的已安装应用计算分数，以得到第一应用分数列表。

应用合并单元260用于将第一推荐应用列表及第一应用分数列表的各款应用合并，并将各款应用的分数叠加后得到第二应用分数列表。

滤除单元270用于在第二应用分数列表中滤除该用户的已安装应用，以得到第二推荐应用列表。

排序单元280用于将第二推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。

进一步地，已安装应用获取单元250包括第二处理单元，第二处理单元用于分别根据已安装应用的安装数量排名及已安装应用的安装数量计算分数，选择二者之中较高的分数列入第一应用分数列表。

可以理解的是，本发明实施例提供的应用推荐装置是前述应用推荐方法的执行主体，关于各单元具体的执行方式可以参见前述应用推荐方法的内容，在此不再赘述。

本发明实施例提供的应用推荐方法及装置，在收集用户数据时滤除了大多数用户的共性数据，再通过关联程度值代替标签匹配来为用户提供应用的个性化推荐，免除了标签设计可能对个性化推荐流程造成的干扰。同时充分考虑了对所收集的用户数据按照应用本身的热度进行处理，在数据处理过程中扩大了用户的个性化数据权重，使得输出结果更代表用户的个性化需求。

虽然已经参考优选实施例对本发明进行了描述，但在不脱离本发明的范围的情况下，可以对其进行各种改进并且可以用等效物替换其中的部件。尤其是，只要不存在结构冲突，各个实施例中所提到的各项技术特征均可以任意方式组合起来。本发明并不局限于文中公开的预定实施例，而是包括落入权利要求的范围内的所有技术方案。

Claims (11)

1.一种应用推荐方法，其特征在于，包括如下步骤：

获取用户已安装应用信息，筛选得到N款个性化应用；

获取包括待推荐的多款应用的推荐应用池；

在所述推荐应用池中筛选出与每款所述个性化应用的关联程度值大于阈值的多款关联应用；

分别获取每款所述个性化应用与所述多款关联应用之间的关联程度值，根据所述关联程度值为所述多款关联应用计算分数，得到N个关联程度值列表；

以所述个性化应用的个性化程度为每个所述关联程度值列表分配权重，加权合并所述N个关联程度值列表中的分数，得到第一推荐应用列表；

将所述第一推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。

2.根据权利要求1所述的应用推荐方法，其特征在于，所述获取用户已安装应用信息、筛选得到N款个性化应用包括：在所述已安装应用中滤除热门应用和预定时间段内未使用的沉默应用，以得到N款个性化应用。

3.根据权利要求2所述的应用推荐方法，其特征在于，所述热门应用为在所述预定时间段内下载次数大于新增用户数的预定百分比的应用。

4.根据权利要求1至3任一项所述的应用推荐方法，其特征在于，所述根据所述关联程度值为所述多款关联应用计算分数包括：分别根据所述关联应用的关联程度值排名及关联程度值计算分数，选择二者之中较高的分数列入所述关联程度值列表。

5.根据权利要求4所述的应用推荐方法，其特征在于，所述以所述个性化应用的个性化程度为每个所述关联程度值列表分配权重包括：获取所述个性化应用在预定时间段内的下载数，以所述下载数的倒数度量所述个性化应用的个性化程度。

6.根据权利要求5所述的应用推荐方法，其特征在于，所述关联程度值列表的权重满足式(1)：

a_i＝(1/k_i)/∑(1/k₁+1/k₂+...+1/k_N) (1)

其中，i为所述个性化应用对应的所述关联程度值列表的排名序号，a_i为排名序号为i的关联程度值列表的权重，k_i为所述个性化应用在所述预定时间段内的下载数，N为所述个性化应用的数量。

7.根据权利要求6所述的应用推荐方法，其特征在于，所述加权合并所述N个关联程度值列表中的分数的方法满足式(2)：

L＝a_i×[X₁]+a₂×[X₂]+...+a_N×[X_N] (2)

其中，L为所述第一推荐应用列表内各应用的分数列表，a_i为排名序号为i的关联程度值列表的权重，[X₁]，[X₂]…[X_N]分别为所述N个关联程度值列表。

8.一种应用推荐方法，其特征在于，包括如下步骤：

得到如权利要求1至7任一项所述的第一推荐应用列表；

获取所述用户的客户端类型信息，收集该客户端类型对应的所有用户的已安装应用，汇总并为所有用户的已安装应用计算分数，得到第一应用分数列表；

将所述第一推荐应用列表及所述第一应用分数列表的各款应用合并，并将所述各款应用的分数叠加后得到第二应用分数列表；

在所述第二应用分数列表中滤除该用户的已安装应用，得到第二推荐应用列表；

将所述第二推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。

9.根据权利要求8所述的应用推荐方法，其特征在于，所述汇总并为所有用户的已安装应用计算分数、得到第一应用分数列表包括：分别根据所述已安装应用的安装数量排名及所述已安装应用的安装数量计算分数，选择二者之中较高的分数列入所述第一应用分数列表。

10.一种应用推荐装置(100)，其特征在于，包括：

个性化应用获取单元(110)，用于根据用户已安装应用信息进行筛选，以得到N款个性化应用；

关联应用获取单元(120)，用于在推荐应用池中筛选出与每款所述个性化应用的关联程度值大于阈值的多款关联应用；

分数计算单元(130)，用于分别获取每款所述个性化应用与所述多款关联应用之间的关联程度值，根据所述关联程度值为所述多款关联应用计算分数，以得到N个关联程度值列表；

分数加权单元(140)，用于以所述个性化应用的个性化程度为每个所述关联程度值列表分配权重，加权合并所述N个关联程度值列表中的分数，以得到第一推荐应用列表；

排序单元(150)，用于将所述第一推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。

11.一种应用推荐装置(200)，其特征在于，包括：

个性化应用获取单元(210)，用于根据用户已安装应用信息进行筛选，以得到N款个性化应用；

关联应用获取单元(220)，用于在推荐应用池中筛选出与每款所述个性化应用的关联程度值大于阈值的多款关联应用；

分数计算单元(230)，用于分别获取每款所述个性化应用与所述多款关联应用之间的关联程度值，根据所述关联程度值为所述多款关联应用计算分数，以得到N个关联程度值列表；

分数加权单元(240)，用于以所述个性化应用的个性化程度为每个所述关联程度值列表分配权重，加权合并所述N个关联程度值列表中的分数，以得到第一推荐应用列表；

已安装应用获取单元(250)，用于获取申请推荐应用的用户的客户端类型信息，收集该客户端类型对应的所有用户的已安装应用，汇总并为所有用户的已安装应用计算分数，以得到第一应用分数列表；

应用合并单元(260)，用于将所述第一推荐应用列表及所述第一应用分数列表的各款应用合并，并将所述各款应用的分数叠加后得到第二应用分数列表；

滤除单元(270)，用于在所述第二应用分数列表中滤除该用户的已安装应用，以得到第二推荐应用列表；以及

排序单元(280)，用于将所述第二推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。