CN111078989B - 一种应用程序的推荐方法、装置、及电子设备 - Google Patents

Abstract

本发明公开了一种应用程序的推荐方法、装置及电子设备，该推荐方法包括：响应于外部触发的推荐请求，获取用户输入的搜索语句；对搜索语句进行分词处理，得到至少一个搜索分词；从预设的多个应用标签中选取与至少一个搜索分词匹配的应用标签，作为推荐应用标签；向用户推荐与推荐应用标签对应的应用程序。

Description

一种应用程序的推荐方法、装置、及电子设备

技术领域

本发明涉及应用推荐技术领域，更具体地，涉及一种应用程序的推荐方法、装置及电子设备。

背景技术

基于电子设备的飞速发展，用户可以在电子设备上搜索、下载所需的应用程序。为了便于用户搜索和查找，目前市面上提供了作为应用程序发布平台的客户端，例如应用商店或者是浏览器等，可以向用户提供所搜索的应用程序。

在应用程序发布平台中，应用搜索是最基本的功能。但很多时候用户在应用程序发布平台中并非是直接找某一款应用，而是想找某一类应用。例如，用户输入的搜索条件可以是：“跑酷游戏”、“网游”、“如何写作文”等。但是，根据用户输入的搜索条件，可能无法找到一款准确的应用推荐给用户，使得用户体验较差。

发明内容

本发明的一个目的是提供一种推荐应用程序的新技术方案。

根据本发明的第一方面，提供了一种应用程序的推荐方法，包括：

响应于外部触发的推荐请求，获取用户输入的搜索语句；

对所述搜索语句进行分词处理，得到至少一个搜索分词；

从预设的多个应用标签中选取与所述至少一个搜索分词匹配的应用标签，作为推荐应用标签；

向所述用户推荐与所述推荐应用标签对应的应用程序。

可选的，所述从预设的应用标签中确定与所述至少一个搜索分词匹配的应用标签，作为推荐应用标签的步骤包括：

确定所述搜索分词与每一所述应用标签的匹配概率；

根据所述匹配概率从所述应用标签中选取所述推荐应用标签。

可选的，所述确定所述搜索分词与每一所述应用标签的匹配概率的步骤包括：

确定描述信息中包含所述搜索分词的应用程序的数量，作为第一数量；

确定包含所述搜索分词的应用程序中，对应每一应用标签的应用程序的数量，作为第二数量；

根据所述第一数量和所述第二数量，确定所述搜索分词与每一所述应用标签的匹配概率。

可选的，所述推荐方法还包括：

对每一应用程序的描述信息进行分词处理，得到至少一个描述分词；

确定包含每一描述分词的应用程序的数量，作为第三数量；

确定包含每一描述分词的应用程序中，对应每一应用标签的应用程序的数量，作为第四数量；

根据对应每一描述分词的第三数量和第三数量，确定并存储每一描述分词与每一所述应用标签的匹配概率，以供所述描述分词中包含所述搜索分词时，直接读取所述搜索分词与每一所述应用标签的匹配概率。

可选的，所述根据所述概率从所述应用标签中选取所述推荐应用标签的步骤包括：

对所述至少一个搜索分词与每一所述应用标签的匹配概率进行平均计算，得到对应每一应用标签的概率平均值；

根据对应每一应用标签的概率平均值，选取所述推荐应用标签。

可选的，所述根据对应每一应用标签的概率平均值，选取所述推荐应用标签的步骤包括：

根据每一应用标签的概率平均值，对多个应用标签进行降序排序，获取每一应用标签的排序值；选取排序值在预设的第一排序范围内的应用标签，作为所述推荐应用标签；

或者，选取概率平均值大于或等于预先设定的平均值阈值的应用标签，作为所述推荐应用标签。

可选的，所述向所述用户推荐与所述推荐应用标签对应的应用程序的步骤包括：

获取所述推荐应用标签对应的应用程序的安装量；

从所述推荐应用标签对应的应用程序中选取安装量超过预设的安装量阈值的应用程序，作为推荐应用程序；或者，根据每一应用程序的安装量，对所述推荐应用标签对应的应用程序进行降序排序，获取每一应用程序的排序值，选取排序值在预设的第二排序范围内的应用程序，作为所述推荐应用程序；

向所述用户推荐所述推荐应用程序。

可选的，所述推荐方法还包括：

获取预设的应用标签、及应用程序的描述信息；

根据所述应用程序的描述信息对应用程序和应用标签进行对应。

根据本发明的第二方面，提供了一种应用程序的推荐装置，包括：

响应模块，用于响应于外部触发的推荐请求，获取用户输入的搜索语句；

搜索分词模块，用于对所述搜索语句进行分词处理，得到至少一个搜索分词；

标签选取模块，用于从预设的多个应用标签中选取与所述至少一个搜索分词匹配的应用标签，作为推荐应用标签；

应用推荐模块，用于向所述用户推荐与所述推荐应用标签对应的应用程序。

可选的，所述标签选取模块包括：

概率确定单元，用于确定所述搜索分词与每一所述应用标签的匹配概率；

标签选取单元，用于根据所述匹配概率从所述应用标签中选取所述推荐应用标签。

可选的，所述概率确定单元包括：

第一数量确定子单元，用于确定描述信息中包含所述搜索分词的应用程序的数量，作为第一数量；

第二数量确定子单元，用于确定包含所述搜索分词的应用程序中，对应每一应用标签的应用程序的数量，作为第二数量；

概率确定子单元，用于根据所述第一数量和所述第二数量，确定所述搜索分词与每一所述应用标签的匹配概率。

可选的，所述推荐装置还包括：

描述分词模块，用于对每一应用程序的描述信息进行分词处理，得到至少一个描述分词；

第一数量确定模块，用于确定包含每一描述分词的应用程序的数量，作为第三数量；

第二数量确定模块，用于确定包含每一描述分词的应用程序中，对应每一应用标签的应用程序的数量，作为第四数量；

概率确定模块，用于根据对应每一描述分词的第三数量和第三数量，确定并存储每一描述分词与每一所述应用标签的匹配概率，以供所述描述分词中包含所述搜索分词时，以供所述概率确定单元直接读取所述搜索分词与每一所述应用标签的匹配概率。

可选的，所述标签选取单元包括：

平均值计算子单元，用于对所述至少一个搜索分词与每一所述应用标签的匹配概率进行平均计算，得到对应每一应用标签的概率平均值；

标签选取子单元，用于根据对应每一应用标签的概率平均值，选取所述推荐应用标签。

可选的，所述标签选取子单元还用于：

根据每一应用标签的概率平均值，对多个应用标签进行降序排序，获取每一应用标签的排序值；选取排序值在预设的第一排序范围内的应用标签，作为所述推荐应用标签；

或者，选取概率平均值大于或等于预先设定的平均值阈值的应用标签，作为所述推荐应用标签。

可选的，所述推荐模块还包括：

安装量获取单元，用于获取所述推荐应用标签对应的应用程序的安装量；

应用选取单元，用于从所述推荐应用标签对应的应用程序中选取安装量超过预设的安装量阈值的应用程序，作为推荐应用程序；或者，根据每一应用程序的安装量，对所述推荐应用标签对应的应用程序进行降序排序，获取每一应用程序的排序值，选取排序值在预设的第二排序范围内的应用程序，作为所述推荐应用程序；

应用推荐单元，用于向所述用户推荐所述推荐应用程序。

可选的，所述推荐装置还包括：

获取模块，用于获取预设的应用标签、及应用程序的描述信息；

对应模块，用于根据所述应用程序的描述信息对应用程序和应用标签进行对应。

根据本发明的第三方面，提供了一种电子设备，包括：

根据本发明第二方面所述的推荐装置；或者，

处理器和存储器，所述存储器用于存储可执行的指令，所述指令用于控制所述处理器执行根据本发明第一方面所述的推荐方法。

在本发明的实施例中，通过对用户输入的搜索语句进行分词处理得到至少一个搜索分词，从多个应用标签中选取与至少一个搜索分词匹配的应用标签，作为推荐标签，并向用户推荐与推荐应用标签对应的应用程序。这样，在根据搜索语句不是应用程序的名称的情况下，可以根据搜索语句确定与用户的搜索意图匹配的推荐应用标签，向用户推荐与推荐应用标签对应的应用程序，可以解决用户的范搜需求。还可以提升用户体验。

通过以下参照附图对本发明的示例性实施例的详细描述，本发明的其它特征及其优点将会变得清楚。

附图说明

被结合在说明书中并构成说明书的一部分的附图示出了本发明的实施例，并且连同其说明一起用于解释本发明的原理。

图1是显示可用于实现本发明的实施例的电子设备的硬件配置的例子的框图。

图2示出了本发明的实施例的应用程序的推荐方法的流程图。

图3示出了本发明的实施例的选取应用标签的步骤的流程图。

图4示出了本发明的实施例的匹配概率的计算步骤的流程图。

图5示出了本发明的实施例的根据匹配概率选取应用标签的步骤的流程图。

图6示出了本发明的实施例的推荐应用程序的步骤的流程图。

图7示出了本发明的一个实施例的应用程序的推荐装置的框图。

图8示出了本发明的另一个实施例的应用程序的推荐装置的框图。

图9示出了本发明的实施例的标签选取模块的框图。

图10示出了本发明的实施例的电子设备的框图。

具体实施方式

现在将参照附图来详细描述本发明的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本发明的范围。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本发明及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有例子中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它例子可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

<硬件配置>

图1是示出可以实现本发明的实施例的电子设备1000的硬件配置的框图。

电子设备1000可以是便携式电脑、台式计算机、手机、平板电脑等。如图1所示，电子设备1000可以包括处理器1100、存储器1200、接口装置1300、通信装置1400、显示装置1500、输入装置1600、扬声器1700、麦克风1800等等。其中，处理器1100可以是中央处理器CPU、微处理器MCU等。存储器1200例如包括ROM(只读存储器)、RAM(随机存取存储器)、诸如硬盘的非易失性存储器等。接口装置1300例如包括USB接口、耳机接口等。通信装置1400例如能够进行有线或无线通信，具体地可以包括Wifi通信、蓝牙通信、2G/3G/4G/5G通信等。显示装置1500例如是液晶显示屏、触摸显示屏等。输入装置1600例如可以包括触摸屏、键盘、体感输入等。用户可以通过扬声器1700和麦克风1800输入/输出语音信息。

图1所示的电子设备仅仅是说明性的并且决不意味着对本发明、其应用或使用的任何限制。应用于本发明的实施例中，电子设备1000的所述存储器1200用于存储指令，所述指令用于控制所述处理器1100进行操作以执行本发明实施例提供的任意一项页面加载方法。本领域技术人员应当理解，尽管在图1中对电子设备1000示出了多个装置，但是，本发明可以仅涉及其中的部分装置，例如，电子设备1000只涉及处理器1100和存储装置1200。技术人员可以根据本发明所公开方案设计指令。指令如何控制处理器进行操作，这是本领域公知，故在此不再详细描述。

<方法>

本发明实施例的总体构思，是提供一种推荐应用程序的新技术方案，通过

在本实施例中，提供一种应用程序的推荐方法。该推荐方法可以是由电子设备实施。具体的，可以是由安装在电子设备中的应用市场或者是浏览器等提供应用程序搜索及下载功能的客户端实施。

在本实施例中，应用程序的推荐的方法可以如图2所示，包括步骤S2100-S2400。

步骤S2100，响应于外部触发的推荐请求，获取用户输入的搜索语句。

具体的，用户可以是在显示界面中输入搜索语句之后点击搜索按钮的情况下，触发推荐请求。还可以是在用户通过语音输入搜索语句之后，等待设定时间后自动触发推荐请求。

该搜索语句可以是用户在电子设备上输入的。具体可以是通过电子设备的触摸屏中键盘进行输入，还可以是通过语音输入。在搜索语句为语音输入的情况下，可以预先将语音搜索指令转换为文字。

步骤S2200，对搜索语句进行分词处理，得到至少一个搜索分词。

现有的分词方法包括字符串匹配的分词方法、词义分词法和统计分词法。本实施例中对搜索语句进行分词处理的方法可以是以上任意一种。

字符串匹配的分词方法又分为3种分词方法，包括正向最大匹配法、反向最大匹配法、就是最短路径分词法、及双向最大匹配法。

其中，正向最大匹配法就是把一个词从左至右来分词。例如对于“不知道你在说什么”这句话，采用正向最大匹配法进行分词处理得到的分词可以为：“不知道，你，在，说什么”。

反向最大匹配法就是把一个词从右至左来分词。例如对于“不知道你在说什么”这句话，采用反向最大匹配法进行分词处理得到的分词可以为：“不，知道，你在，说，什么”。

就是最短路径分词法就是说一段话里面要求切出的词数是最少的。例如对于“不知道你在说什么”这句话，进行分词处理得到的分词可以为：“不知道，你在，说什么”。

在关键词前后组合内容被认为粘性相差不大，而搜索结果中也同时包含这两组词的话，可以通过双向最大匹配法正反向同时进行分词匹配。

词义分词法是一种机器语音判断的分词方法。对语句进行句法、语义分析，利用句法信息和语义信息来处理歧义现象来分词。

统计分词法是根据词组的统计，如果两个相邻的字出现的频率最多，就可以作为用户提供字符串中的分隔符来分词。

在本实施例中，如果搜索语句为“如何写作文”，那么，得到的搜索分词可以是“如何，写，作文”。

步骤S2300，从预设的多个应用标签中选取与至少一个搜索分词匹配的应用标签，作为推荐应用标签。

具体的，可以预先设定有多个应用标签，每个应用标签对应至少一个应用程序。每个应用程序均具有对应的应用标签，且不同应用程序对应的应用标签可以相同，也可以不同。

在一个例子中，该推荐方法还可以包括：

获取预设的应用标签、及应用程序的描述信息；根据应用程序的描述信息对应用程序和应用标签进行对应。

本实施例中的应用程序的描述信息可以包括应用程序的名称、和/或应用程序的介绍等。

例如，可以是预先设定多个应用标签，通过人工的方式预先对应用程序和应用标签进行对应，或者是可以根据应用程序的描述信息中的关键字，通过机器模型对应用程序和应用标签进行对应。

进一步地，步骤S2300可以包括如图3所示的步骤S2310-S2320：

步骤S2310，确定搜索分词与每一应用标签的匹配概率。

具体的，搜索分词与每一应用标签的匹配概率可以为p_w,t，其中，w表示分词，t表示应用标签。例如，在搜索分词包括搜索分词1、搜索分词2、……、搜索分词n的情况下，可以计算搜索分词1与每一应用标签的匹配概率p_1,t、搜索分词2与每一应用标签的匹配概率p_2,t、……、搜索分词n与每一应用标签的匹配概率p_n,t。

其中，在应用标签包括搜索分词包括搜索分词1、搜索分词2、……、搜索分词n，应用标签1、应用标签2、……、应用标签m的情况下，搜索分词1与每一应用标签的匹配概率包括搜索分词1与应用标签1的匹配概率p_1,1、搜索分词1与应用标签2的匹配概率p_1,2、……、搜索分词1与应用标签m的匹配概率p_1,m。搜索分词2与每一应用标签的匹配概率包括搜索分词2与应用标签1的匹配概率p_2,1、搜索分词2与应用标签2的匹配概率p_2,2、……、搜索分词2与应用标签m的匹配概率p_2,m。……。搜索分词n与每一应用标签的匹配概率包括搜索分词n与应用标签1的匹配概率p_n,1、搜索分词n与应用标签2的匹配概率p_n,2、……、搜索分词n与应用标签m的匹配概率p_n,m。

在一个例子中，对于计算搜索分词i与每一应用标签的匹配概率p_i,t的方式可以包括如图4所示的步骤S2311-S2313，其中，i为1-n中的任意数。

步骤S2311，确定描述信息中包含搜索分词的应用程序的数量，作为第一数量。

本实施例中的应用程序的描述信息可以包括应用程序的名称、和/或应用程序的介绍等。

安装在电子设备中的应用市场或者是浏览器等提供应用程序搜索及下载功能的客户端中，可以提供的所有应用程序中，每个应用程序均具有对应的描述信息。

具体可以将搜索分词与每个应用程序的描述信息进行逐个比对，以确定描述信息中包含搜索分词的应用程序的数量，作为第一数量。

例如，描述信息中包含搜索分词1的应用程序的第一数量可以为x，那么，描述信息中包含搜索分词1的应用程序可以包括应用程序1、应用程序2、……、应用程序x。

步骤S2312，确定包含搜索分词的应用程序中，对应每一应用标签的应用程序的数量，作为第二数量。

具体的，可以是将步骤S2311中确定的描述信息中包含搜索分词的应用程序，按照对应的应用标签进行分类，以确定对应每一应用标签的应用程序的数量，作为第二数量。

例如，在描述信息中包含搜索分词1的应用程序的第一数量为x，描述信息中包含搜索分词1的应用程序可以包括应用程序1、应用程序2、……、应用程序x的情况下，如果应用程序1和应用程序2与应用标签1对应，应用程序3、应用程序4、应用程序5与应用标签2对应，……，应用程序x-4、应用程序x-3、应用程序x-2、应用程序x-1、应用程序x与应用标签m对应，那么，对应应用标签1的应用程序的第二数量可以为2，对应应用标签2的应用程序的第二数量可以为3，……，对应应用标签m的应用程序的第二数量可以为5。

步骤S2313，根据第一数量和第二数量，确定搜索分词与每一应用标签的匹配概率。

具体的，可以是根据第一数量和对应其中一个应用标签的第二数量，可以确定搜索分词与该应用标签的匹配概率。

例如，在描述信息中包含搜索分词1的应用程序的第一数量为x，对应应用标签1的应用程序的第二数量为Z₁，对应应用标签2的应用程序的第二数量为Z₂，……，对应应用标签y的应用程序的第二数量为Z_m的情况下，搜索分词1与应用标签1的匹配概率可以是搜索分词1与应用标签2的匹配概率可以是/>……，搜索分词1与应用标签y的匹配概率可以是/>

进一步地，根据上述方式可以计算得到每一搜索分词与每一应用标签的匹配概率。

在另一个例子中，该推荐方法可以包括如下步骤S3100-S3400：

步骤S3100，对每一应用程序的描述信息进行分词处理，得到至少一个描述分词。

本实施例中，应用程序的描述信息可以包括应用程序的名称、和/或应用程序的介绍等。对应用程序的描述信息进行分词处理的方式可以参照前述步骤中对搜索语句进行分词处理的方式。其中，对应用程序的描述信息进行分词处理的方式和对搜索语句进行分词处理的方式可以相同，也可以不同。

步骤S3200，确定包含每一描述分词的应用程序的数量，作为第三数量。

确定第三数量的方式可以参照前述的确定第一数量的方式，在此不再赘述。

步骤S3300，确定包含每一描述分词的应用程序中，对应每一应用标签的应用程序的数量，作为第四数量。

确定第四数量的方式可以参照前述的确定第二数量的方式，在此不再赘述。

步骤S3400，根据对应每一描述分词的第三数量和第四数量，确定并存储每一描述分词与每一应用标签的匹配概率。

确定描述分词与每一应用标签的匹配概率的方式可以参照前述的确定搜索分词与每一应用标签的匹配概率的方式，在此不再赘述。

那么，在根据步骤S2200得到的一个搜索分词与其中一个描述分词相同的情况下，可以直接读取该描述分词与每一应用标签的匹配概率，作为该搜索分词与每一应用标签的匹配概率。

步骤S2320，根据匹配概率从应用标签中选取推荐应用标签。

具体的，根据每一搜索分词与每一应用标签的匹配概率，从所有应用标签中选取推荐应用标签。

在一个例子中，步骤S2320可以进一步包括如图5所示的步骤S2321-S2322：

步骤S2321，对至少一个搜索分词与每一应用标签的匹配概率进行平均计算，得到对应每一应用标签的概率平均值。

具体的，可以是计算对应每一应用标签的匹配概率的平均值。

例如，在搜索分词1与应用标签1的匹配概率为p_1,1，搜索分词2与应用标签1的匹配概率为p₂₁，……，搜索分词n与应用标签1的匹配概率为p_n,1的情况下，对应应用标签1的概率平均值为

在搜索分词1与应用标签2的匹配概率为p_1,2，搜索分词2与应用标签2的匹配概率为p_2,2，……，搜索分词n与应用标签2的匹配概率为p_n,2的情况下，对应应用标签2的概率平均值为

在搜索分词1与应用标签m的匹配概率为p_1,m，搜索分词2与应用标签m的匹配概率为p_2,m，……，搜索分词n与应用标签m的匹配概率为p_n,m的情况下，对应应用标签m的概率平均值为

步骤S2322，根据对应每一应用标签的概率平均值，选取推荐应用标签。

具体的，选取的推荐应用标签可以是一个，也可以是多个。

在一个例子中，可以根据每一应用标签的概率平均值，对多个应用标签进行降序排序，获取每一应用标签的第一排序值；选取第一排序值在预设的排序范围内的应用标签，作为推荐应用标签。

该第一排序范围可以根据具体的应用需求或者应用场景设置。例如，第一排序范围可以设置为前3位排序，对应地，选取概率平均值降序排序在前3位的应用标签作为推荐应用标签。再例如，第一排序范围还可以设置为第一位排序，对应的，选取概率平均值降序排序的排序值为1的应用标签作为推荐应用标签，即选取概率平均值最大的应用标签作为推荐应用标签。

在另一个例子中，还可以是选取概率平均值大于或等于预先设定的平均值阈值的应用标签，作为推荐应用标签。

该平均值阈值可以根据具体的应用需求或者应用场景设置。例如，平均值阈值可以设置为0.1，对应地，选取概率平均值大于或者等于0.1的应用标签作为推荐应用标签。

步骤S2400，向用户推荐与推荐应用标签对应的应用程序。

向用户推荐与推荐应用标签对应的应用程序具体可以包括：在电子设备中搜索结果显示界面上显示与推荐应用标签对应的应用程序。

在一个例子中，步骤S2400可以进一步包括如图6所示的步骤S2410-S2430：

步骤S2410，获取推荐应用标签对应的应用程序的安装量。

步骤S2420，从推荐应用标签对应的应用程序中选取安装量超过预设的安装量阈值的应用程序，作为推荐应用程序；或者，根据每一应用程序的安装量，对推荐应用标签对应的应用程序进行降序排序，获取每一应用程序的排序值；选取排序值在预设的第二排序范围内的应用程序，作为推荐应用程序。

该安装量阈值可以根据具体的应用需求或者应用场景设置。例如，安装量阈值可以设置为10000，对应地，从推荐应用标签对应的应用程序中选取安装量大于或者等于10000的应用程序作为推荐应用程序。

该第二排序范围可以根据具体的应用需求或者应用场景设置。例如，第二排序范围可以设置为前20位排序，对应地，从推荐应用标签对应的应用程序中选取安装量降序排序在前20位的应用程序作为推荐应用程序。

步骤S2430，向用户推荐选取的推荐应用程序。

具体的，可以是在电子设备中搜索结果显示界面上，或者是安装在电子设备中的应用市场或者是浏览器等提供应用程序搜索及下载功能的客户端的搜索结果显示界面上，显示推荐应用程序。

在本发明的实施例中，通过对用户输入的搜索语句进行分词处理得到至少一个搜索分词，从多个应用标签中选取与至少一个搜索分词匹配的应用标签，作为推荐标签，并向用户推荐与推荐应用标签对应的应用程序。这样，在根据搜索语句不是应用程序的名称的情况下，可以根据搜索语句确定与用户的搜索意图匹配的推荐应用标签，向用户推荐与推荐应用标签对应的应用程序，可以解决用户的范搜需求。还可以提升用户体验。

<装置>

在本实施例中，提供一种应用程序的推荐装置7000，如图7所示，包括：响应模块7100、搜索分词模块7200、标签选取模块7300和应用推荐模块7400。该响应模块7100用于响应于外部触发的推荐请求，获取用户输入的搜索语句；该搜索分词模块7200用于对搜索语句进行分词处理，得到至少一个搜索分词；该标签选取模块7300用于从预设的多个应用标签中选取与至少一个搜索分词匹配的应用标签，作为推荐应用标签；该应用推荐模块7400用于向用户推荐与推荐应用标签对应的应用程序。

具体的，如图8所示，该标签选取模块7300可以包括概率确定单元7310和标签选取单元7320。该概率确定单元7310用于确定搜索分词与每一应用标签的匹配概率；该标签选取单元7320用于根据匹配概率从应用标签中选取推荐应用标签。

进一步地，如图9所示，该概率确定单元7310还可以包括第一数量确定子单元7311、第二数量确定子单元7312和概率确定子单元7313。该第一数量确定子单元7311用于确定描述信息中包含搜索分词的应用程序的数量，作为第一数量；该第二数量确定子单元7312用于确定包含搜索分词的应用程序中，对应每一应用标签的应用程序的数量，作为第二数量；该概率确定子单元7313用于根据第一数量和第二数量，确定搜索分词与每一应用标签的匹配概率。

该推荐装置7000还可以包括描述分词模块、第一数量确定模块、第二数量确定模块和概率确定模块(图中未示出)。该描述分词模块用于对每一应用程序的描述信息进行分词处理，得到至少一个描述分词；该第一数量确定模块用于确定包含每一描述分词的应用程序的数量，作为第三数量；该第二数量确定模块用于确定包含每一描述分词的应用程序中，对应每一应用标签的应用程序的数量，作为第四数量；该概率确定模块用于根据对应每一描述分词的第三数量和第三数量，确定并存储每一描述分词与每一应用标签的匹配概率，以供描述分词中包含搜索分词时，以供概率确定单元7310直接读取搜索分词与每一应用标签的匹配概率。

如图9所示，该标签选取单元7320还可以包括平均值计算子单元7321和标签选取子单元7322。该平均值计算子单元7321用于对至少一个搜索分词与每一应用标签的匹配概率进行平均计算，得到对应每一应用标签的概率平均值；该标签选取子单元7322用于根据对应每一应用标签的概率平均值，选取推荐应用标签。

在一个例子中，该标签选取子单元7322还用于：根据每一应用标签的概率平均值，对多个应用标签进行降序排序，获取每一应用标签的排序值；选取排序值在预设的第一排序范围内的应用标签，作为推荐应用标签；或者，选取概率平均值大于或等于预先设定的平均值阈值的应用标签，作为推荐应用标签。

如图8所示，该推荐模块7400还可以包括安装量获取单元7410、应用选取单元7420和应用推荐单元7430。该安装量获取单元7410用于获取推荐应用标签对应的应用程序的安装量；该应用选取单元7420用于从推荐应用标签对应的应用程序中选取安装量超过预设的安装量阈值的应用程序，作为推荐应用程序；或者，根据每一应用程序的安装量，对推荐应用标签对应的应用程序进行降序排序，获取每一应用程序的排序值，选取排序值在预设的第二排序范围内的应用程序，作为推荐应用程序；该应用推荐单元7430用于向用户推荐推荐应用程序。

在一个例子中，该推荐装置7000还可以包括获取模块和对应模块。该获取模块用于获取预设的应用标签、及应用程序的描述信息；该对应模块用于根据应用程序的描述信息对应用程序和应用标签进行对应。

本领域技术人员应当明白，可以通过各种方式来实现应用程序的推荐装置7000。例如，可以通过指令配置处理器来实现应用程序的推荐装置7000。例如，可以将指令存储在ROM中，并且当启动设备时，将指令从ROM读取到可编程器件中来实现应用程序的推荐装置7000。例如，可以将应用程序的推荐装置7000固化到专用器件(例如ASIC)中。可以将应用程序的推荐装置7000分成相互独立的单元，或者可以将它们合并在一起实现。应用程序的推荐装置7000可以通过上述各种实现方式中的一种来实现，或者可以通过上述各种实现方式中的两种或更多种方式的组合来实现。

在本实施例中，应用程序的推荐装置7000可以具有多种实现形式，例如，应用程序的推荐装置7000可以是任何的提供网络访问服务的软件产品或者应用程序中运行的功能模块，或者是这些软件产品或者应用程序的外设嵌入件、插件、补丁件等，还可以是这些软件产品或者应用程序本身。

<电子设备>

在本实施例中，还提供一种电子设备，在一方面，该电子设备可以包括前述的应用程序的推荐装置7000。

在另一方面，如图10所示，该电子设备8000可以包括存储器8100和处理器8200。该存储器8100用于存储指令；该指令用于控制处理器8200执行本实施例中提供的应用程序的推荐方法。

在本实施例中，该电子设备8000可以是手机、平板电脑、掌上电脑、台式机、笔记本电脑、工作站、游戏机等任意具有对应的存储器8100以及处理器8200的电子设备。例如，电子设备8000可以是安装有提供应用程序搜索推荐服务的应用的智能手机。

在本实施例中，电子设备8000还可以包括其他的硬件装置，例如，如图1所示的电子设备1000。

在本发明的实施例中，通过对用户输入的搜索语句进行分词处理得到至少一个搜索分词，从多个应用标签中选取与至少一个搜索分词匹配的应用标签，作为推荐标签，并向用户推荐与推荐应用标签对应的应用程序。这样，在根据搜索语句不是应用程序的名称的情况下，可以根据搜索语句确定与用户的搜索意图匹配的推荐应用标签，向用户推荐与推荐应用标签对应的应用程序，可以解决用户的范搜需求。还可以提升用户体验。

本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。

计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。

这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。

用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。

这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。

这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。

也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。

附图中的流程图和框图显示了根据本发明的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。对于本领域技术人员来说公知的是，通过硬件方式实现、通过软件方式实现以及通过软件和硬件结合的方式实现都是等价的。

以上已经描述了本发明的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。本发明的范围由所附权利要求来限定。

Claims (8)

1.一种应用程序的推荐方法，其中，包括：

响应于外部触发的推荐请求，获取用户输入的搜索语句；

对所述搜索语句进行分词处理，得到至少一个搜索分词；

从预设的多个应用标签中选取与所述至少一个搜索分词匹配的应用标签，作为推荐应用标签；

向所述用户推荐与所述推荐应用标签对应的应用程序；

所述从预设的多个应用标签中选取与所述至少一个搜索分词匹配的应用标签，作为推荐应用标签，包括：

确定描述信息中包含所述搜索分词的应用程序的数量，作为第一数量；

确定包含所述搜索分词的应用程序中，对应每一应用标签的应用程序的数量，作为第二数量；

根据所述第一数量和所述第二数量，确定所述搜索分词与每一所述应用标签的匹配概率；

根据所述匹配概率从所述应用标签中选取所述推荐应用标签。

2.根据权利要求1所述的推荐方法，其中，所述推荐方法还包括：

对每一应用程序的描述信息进行分词处理，得到至少一个描述分词；

确定包含每一描述分词的应用程序的数量，作为第三数量；

确定包含每一描述分词的应用程序中，对应每一应用标签的应用程序的数量，作为第四数量；

根据对应每一描述分词的第三数量和第三数量，确定并存储每一描述分词与每一所述应用标签的匹配概率，以供所述描述分词中包含所述搜索分词时，直接读取所述搜索分词与每一所述应用标签的匹配概率。

3.根据权利要求1所述的推荐方法，其中，所述根据所述概率从所述应用标签中选取所述推荐应用标签的步骤包括：

对所述至少一个搜索分词与每一所述应用标签的匹配概率进行平均计算，得到对应每一应用标签的概率平均值；

根据对应每一应用标签的概率平均值，选取所述推荐应用标签。

4.根据权利要求3所述的推荐方法，其中，所述根据对应每一应用标签的概率平均值，选取所述推荐应用标签的步骤包括：

根据每一应用标签的概率平均值，对多个应用标签进行降序排序，获取每一应用标签的排序值；选取排序值在预设的第一排序范围内的应用标签，作为所述推荐应用标签；

或者，选取概率平均值大于或等于预先设定的平均值阈值的应用标签，作为所述推荐应用标签。

5.根据权利要求4所述的推荐方法，其中，所述向所述用户推荐与所述推荐应用标签对应的应用程序的步骤包括：

获取所述推荐应用标签对应的应用程序的安装量；

从所述推荐应用标签对应的应用程序中选取安装量超过预设的安装量阈值的应用程序，作为推荐应用程序；或者，根据每一应用程序的安装量，对所述推荐应用标签对应的应用程序进行降序排序，获取每一应用程序的排序值，选取排序值在预设的第二排序范围内的应用程序，作为所述推荐应用程序；

向所述用户推荐所述推荐应用程序。

6.根据权利要求1所述的推荐方法，其中，所述推荐方法还包括：

获取预设的应用标签、及应用程序的描述信息；

根据所述应用程序的描述信息对应用程序和应用标签进行对应。

7.一种应用程序的推荐装置，其中，包括：

响应模块，用于响应于外部触发的推荐请求，获取用户输入的搜索语句；

分词模块，用于对所述搜索语句进行分词处理，得到至少一个搜索分词；

选取模块，用于从预设的多个应用标签中选取与所述至少一个搜索分词匹配的应用标签，作为推荐应用标签；

推荐模块，用于向所述用户推荐与所述推荐应用标签对应的应用程序；

所述选取模块还用于：

确定描述信息中包含所述搜索分词的应用程序的数量，作为第一数量；

确定包含所述搜索分词的应用程序中，对应每一应用标签的应用程序的数量，作为第二数量；

根据所述第一数量和所述第二数量，确定所述搜索分词与每一所述应用标签的匹配概率；

根据所述匹配概率从所述应用标签中选取所述推荐应用标签。

8.一种电子设备，其中，包括：

根据权利要求7所述的推荐装置；或者，

处理器和存储器，所述存储器用于存储可执行的指令，所述指令用于控制所述处理器执行根据权利要求1-6中任一项所述的推荐方法。