CN111949866A - 应用推荐处理方法和装置 - Google Patents
应用推荐处理方法和装置 Download PDFInfo
- Publication number
- CN111949866A CN111949866A CN202010796641.8A CN202010796641A CN111949866A CN 111949866 A CN111949866 A CN 111949866A CN 202010796641 A CN202010796641 A CN 202010796641A CN 111949866 A CN111949866 A CN 111949866A
- Authority
- CN
- China
- Prior art keywords
- application
- classification
- historical
- applications
- group
- 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
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 31
- 238000012163 sequencing technique Methods 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims description 36
- 238000011156 evaluation Methods 0.000 description 28
- 230000006870 function Effects 0.000 description 13
- 238000004590 computer program Methods 0.000 description 10
- 238000001514 detection method Methods 0.000 description 9
- 238000003860 storage Methods 0.000 description 9
- 238000000605 extraction Methods 0.000 description 7
- 238000012360 testing method Methods 0.000 description 7
- 241000700605 Viruses Species 0.000 description 6
- 238000010586 diagram Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- ZXQYGBMAQZUVMI-GCMPRSNUSA-N gamma-cyhalothrin Chemical compound CC1(C)[C@@H](\C=C(/Cl)C(F)(F)F)[C@H]1C(=O)O[C@H](C#N)C1=CC=CC(OC=2C=CC=CC=2)=C1 ZXQYGBMAQZUVMI-GCMPRSNUSA-N 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000011112 process operation Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/954—Navigation, e.g. using categorised browsing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/958—Organisation or management of web site content, e.g. publishing, maintaining pages or automatic linking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D10/00—Energy efficient computing, e.g. low power processors, power management or thermal management
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Life Sciences & Earth Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了应用推荐处理方法和装置,以提高应用推荐精度。方法部分包括:确定用户的历史搜索应用和历史下载应用的分类标签;根据历史搜索应用和历史下载应用的分类标签确定重合分类标签;根据预设标签选取方式从重合分类标签中选取目标分类标签;从应用总库搜索与目标分类标签对应的多个应用作为推荐应用组;从推荐应用组中剔除包含有剔除分类标签的应用,以得到目标推荐应用组,剔除分类标签为用户的历史卸载应用对应的分类标签;按照预设排序方式对目标推荐应用组的应用进行排序;根据排序后的目标推荐应用数据组的应用进行应用推荐。
Description
技术领域
本发明涉及应用软件推荐技术领域,尤其涉及一种应用推荐处理方法和装置。
背景技术
伴随科技的发展,智能设备的普及使得人们开始通过应用软件来实现各种应用目的,应用软件的类型也逐渐向多样化进步,但是应用商店内种类繁多,商店内导航服务分类繁多,导致贴合用户的应用软件很难被用户发现,而在应用商店分类的应用软件目录下的导航服务,也很难更为细化的找到符合用户喜好的社交应用,因此,需要一种基于应用导航服务系统来实现应用软件推荐。
现有技术中,常用的应用软件推荐方法,是根据用户历史搜索、下载等数据获取用户的喜好应用类型,继而根据用户喜好应用类型再应用库中获取对应的应用进行推荐。可见,现有技术中的应用推荐方法虽然也是个性化的推荐,但在面对众多种类、分类不统一的应用软件时,推荐应用的确定较为简单和粗略,无法实现更为精细化地推荐,依然存在着无法根据使用者实现契合度更好的推荐,降低了应用推荐精度。
发明内容
本发明提供一种应用推荐处理方法和装置,以解决现有技术中,应用推荐精度较低的问题。
一种应用推荐处理方法,包括:
确定用户的历史搜索应用和历史下载应用的分类标签;
根据所述历史搜索应用和历史下载应用的分类标签确定重合分类标签;
根据预设标签选取方式从所述重合分类标签中选取目标分类标签;
从应用总库搜索与所述目标分类标签对应的多个应用作为推荐应用组;
从所述推荐应用组中剔除包含有剔除分类标签的应用,以得到目标推荐应用组,所述剔除分类标签为所述用户的历史卸载应用对应的分类标签;
按照预设排序方式对所述目标推荐应用组的应用进行排序;
根据排序后的所述目标推荐应用数据组的应用进行应用推荐。
进一步地,所述根据预设标签选取方式从所述重合分类标签中选取目标分类标签,包括:
从所述重合分类标签中确定出占比最高的重合分类标签作为所述目标分类标签。
进一步地,所述按照预设排序方式对所述目标推荐应用组的应用进行排序,包括:
确定所述目标推荐应用组中各应用的标签重合度;
根据所述各应用的标签重合度的大小对所述各应用进行排序并分类,以划分出多个分类应用组;
根据预设排序元素的分数对所述分类应用组中的应用进行排序,以获取每个所述分类应用组内针对所述预设排序元素的应用排序结果;
根据所有所述分类应用组间的排序结构和组内的应用排序结果进行应用推荐。
进一步地,所述根据预设排序元素的分数对所述分类应用组中的应用进行组内排序,以获取每个所述分类应用小组内针对所述预设排序元素的应用排序结果,包括:
从所述多个分类应用组中划分出目标分类应用组和其他分类应用组,所述目标分类应用组为标签重合度大于或等于预设重合度的分类应用组,所述其他分类应用组为标签重合度小于所述预设重合度的分类应用组;
根据所述目标分类应用组中各应用的标签重合度大小对所述目标分类应用组中的应用进行再划分,以获取多个目标小分类应用组;
根据所述预设排序元素的分数对所述多个目标小分类应用组以及其他分类应用组中的应用进行组内排序,以获取所述多个目标小分类应用组以及其他分类应用组内针对所述预设排序元素的应用排序结果。
进一步地,所述排序元素包括应用评分元素、应用热度元素和评论总数元素。
进一步地,所述根据所有所述分类应用组间的排序结构和组内的应用排序结果进行应用推荐,包括:
接收所述用户的排序查询指令,所述排序查询指令包括查询元素;
根据所有所述分类应用组间的排序结构和组内针对所述查询元素的应用排序结果进行应用推荐。
进一步地,所述确定用户的历史搜索应用和历史下载应用的分类标签之前,所述方法还包括:
获取相同时段内所述用户的历史应用搜索数据、历史应用下载数据和历史卸载数据;
根据所述历史应用搜索数据、历史应用下载数据和历史卸载数据,分别对应确定所述历史搜索应用、历史下载应用和历史卸载应用。
进一步地,按照预设周期重新获取相同时段内所述用户的历史应用搜索数据、历史应用下载数据和历史卸载数据,以更新确定的所述历史搜索应用、历史下载应用和历史卸载应用。
进一步地,从应用总库搜索与所述目标分类标签对应的多个应用作为推荐应用组,包括:
确定所述用户输入的搜索关键字;
从所述应用总库中确定与所述搜索关键字对应的多个目标应用;
从所述目标应用中确定与所述目标分类标签对应的多个应用作为所述推荐应用组。
一种应用推荐处理装置,包括:
第一确定模块,用于确定用户的历史搜索应用和历史下载应用的分类标签;
第二确定模块,根据所述历史搜索应用和历史下载应用的分类标签确定重合分类标签;
选取模块,用于根据预设标签选取方式从所述重合分类标签中选取目标分类标签;
第三确定模块,用于从应用总库搜索与所述目标分类标签对应的多个应用作为推荐应用组;
剔除模块,用于从所述推荐应用组中剔除包含有剔除分类标签的应用,以得到目标推荐应用组,所述剔除分类标签为所述用户的历史卸载应用对应的分类标签;
排序模块,用于按照预设排序方式对所述目标推荐应用组的应用进行排序;
推荐模块,用于根据排序后的所述目标推荐应用数据组的应用进行应用推荐。
一种应用推荐处理装置,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述应用推荐处理方法的步骤。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现上述应用推荐处理方法的步骤。
可见,本发明中,主要提出了一种应用推荐处理方法,先是确定用户的历史搜索、历史下载应用的重合分类标签,并从重合分类标中确定出目标分类标签,继而根据该目标分类标签从应用总库中搜索出对应的多个应用作为推荐应用组,也就是先是依据用户最可能感兴趣的目标分类标签确定出个大范围的应用组,最后从该推荐应用组中剔除掉包含有历史卸载应用的标签的应用,得到最终的目标推荐应用组,缩小了推荐应用的范围以提供更贴合用户的应用,以提高个性化程度,最后按照预设排序方式对目标推荐应用组内的应用进行排序并推荐,以推荐给用户选择,提高了用户体验和推荐精细化程度。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明中应用导航服务系统的一个系统架构示意图;
图2是应用导航服务系统中检索子模块的一个功能示意图;
图3是应用导航服务系统中收集子模块的一个功能示意图;
图4是应用导航服务系统中评测子模块的一个功能示意图;
图5是本发明实施例中应用推荐处理方法的一个实施例流程示意图;
图6是本发明实施例中应用推荐处理装置的一个结构示意图;
图7是本发明实施例中计算机设备的一个结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明主要提供了一种应用导航服务系统,并提供基于该应用导航服务系统的应用推荐处理方法和装置,为便于理解本方案,先对应用导航服务系统进行介绍。该如图1所示,该应用导航服务系统包括中央处理器(1)、应用总库(2)、检测模块(3)、安全模块(4),其中,检测模块(3)包括检索子模块(31)、收集子模块(32)、评测子模块(33)、分类子模块(34)、论坛子模块(35)和开发子模块(36)。安全模块(4)包括反馈子模块(41)和维护子模块(42)。
中央处理器(1)用于处理汇总的数据和输出应用推荐结果,且中央处理器(1)的输入端口编程设有应用总库(2),应用总库(2)用于收集检测模块(3)检测通过的各种应用软件信息,实现应用软件的汇总存储,以为后续使用者限定搜索或个性推荐提供搜索依据,并通过中央处理器(1)反馈至显示屏奠定基础。应用总库(2)的前端通过编程设有检测模块(3),该检测模块(3)还用于检测各应用的软件安装包内部是否含有木马等病毒以确定应用软件是否有问题,对存在问题的应用软件实时拦截,对没有问题的应用软件进行入库操作;中央处理器(1)的安全端通过编程设有安全模块(4),该安全模块(4)用于编程设定防火墙,通过防火墙对央处理器(1)进行实时维护,以提高中央处理器(1)的安全性能。
需要说明的是,检测模块(3)和安全模块(4)内均编程有子模块,其中,检测模块(3)分别编程设定包括有检索子模块(31)、收集子模块(32)、评测子模块(33)、分类子模块(34)、论坛子模块(35)以及开发子模块(36),该检测模块(3)通过子模块进行细化分工以提供更为精细化的功能,该检测模块(3)的各子模块的作用或功能如下:
对于检索子模块(31),如图2所示,在使用者通过显示屏输入搜索关键字并确定搜索后,该检索子模块(31)可用于在应用总库(2)内进行关键字的搜索,并实现关键字匹配出相应的目标应用,通过匹配程度的高低对目标应用进行排序,并根据匹配度最高的目标应用的标签实现相似检索,从而得到所有相似的目标应用,并将搜索结果反馈至中央处理器(1),中央处理器(1)通过检索子模块(31)的搜索结果结合应用推荐处理方法的处理方法获取推荐结果,将最终的推荐结果显示在显示屏,供使用者选择确认。中央处理器(1)如何进行应用推荐处理方法在下述方法实施例中描述,此处不赘述。
对于收集子模块(32),如图3所示,用于汇总各应用软件信息并将应用软件归纳入库,也即存储至应用总库,收集的应用软件范围可以包括:已上架应用、待上架的内测应用,该内测应用包括以及全新开发且未测评应用和已评测应用;其中,已上架应用包括但不限于广泛使用的应用,具体不做限定。已广泛使用的应用可无需测评即可直接收集;待上架的未评测的内测应用需通过评测子模块(33)进行测评,经过测评无明显bug且符合所需标准后,可将该内侧应用通过分类子模块(34)进行分类后准许归纳;全新开发且未测评应用,可通过外部开发人员注册账号并登陆后,通过本系统内部的投稿入口进行软件投稿,投稿应用应填写投搞软件的类型,名称,分类标签,作者,头像,二维码,软件截图,软件介绍,联系方式等信息;其中,分类标签的添加不得小于一个且不得大于预设数目,例如分类标签不得大于5个;在投稿完成后,收集子模块会对投稿应用的软件包进行病毒扫描,以确定是否有病毒,若有病毒则会归纳入回收箱,不进行采用;若无病毒则会进入人工审核过程,审核后,若为所需应用,则会归纳入库,若非所需应用则会被告知退回。其中,所需应用或不所需应用可取决于具体地应用导航场景,例如,若针对的是社交类应用的导航服务场景,则所需应用为社交类应用,非社交类应用则为非所需应用。
所述评测子模块(33)用于根据各个应用软件进行的评测收集到的打分评定进行排序,其中,测评方式包括但不限于应用的大众评测、限额内测、预约内测、限时内测、应用评价及公测等评测场景;评测子模块可根据每个测评用户或公测用户的评定分数计算出平均分数,并将每个软件经测评得出的平均分数,并汇总存储入库并反馈至中央处理器(1),使得中央处理器(1)在显示屏可根据评分排序在后续推荐应用作参考依据,从而进行顺次排序。
开发子模块(35)用于设置或确定本导航功能服务系统的相关配置信息,如软件投稿所需的分类标签的数量等配置信息。
使用者还可以根据最新排序或评分排序参加软件内测,在使用软件的同时还可以根据本导航服务的论坛系统进行发帖推荐或求推荐,来找到自己错漏的精彩应用,以及和自己相同爱好的使用者,进行沟通交友;在使用本导航服务系统存在问题或具有良好意见时,使用者可以通过论坛系统可以反馈给,论坛子模块(36)用于收集并接收上述通过论坛系统反馈的各种信息,以便工作人员会根据程序师意见进行采纳或不采纳的处理并产生反馈信息;在使用本导航服务功能系统内应用产生问题或具有意见反馈时,可针对软件进行直接反馈,工作人员会和开发者进行沟通,并根据问题性质了解开发者的处理状态,并产生反馈信息。
安全模块(4)也通过子模块进行细化分工以提供更为精细化的功能,安全模块(4)内部编程有反馈子模块(41)和维护模块(42),该安全模块(4)的各子模块的作用或功能如下:
反馈子模块(41)用于接收客户通过客户端的平台的问题反馈或意见反馈,并针对客户提出的问题或意见反馈进行汇总至反馈界面,便于后续可通过工作人员针对客户反馈的各问题进行针对处理;维护子模块(42)则用于实时安全维护和漏洞修复,主要用于修复客户端的平台bug、机型不兼容存在的常规崩溃问题以及日常的升级优化处理。
中央处理器(1)的显示端口连接有显示屏,用户可通过该显示屏进行应用搜索结果显示或检索关键字输入。可见,图1提供的应用导航服务系统中具有完整的应用导航服务功能,其中,最为重要的是中央处理器确定推荐应用并推荐应用的处理过程,也即本发明实施例提供的应用推荐处理方法,在一应用场景中,该中央处理器(1)内执行的软件模块是基于安卓(Android)系统的适配系统,中央处理器(1)用于实现应用推荐处理方法,以处理本系统内部的检索、评测、收集、分类和推荐等操作,为本应用导航服务系统实现完整体系奠定基础,下面对中央处理器(1)所实现的方法,也即应用推荐处理方法进行描述。
其中,在一实施例中,如图5所示,提供一种应用推荐处理方法,以该方法应用在图2中的中央处理器为例进行说明,包括如下步骤:
S10:确定用户的历史搜索应用和历史下载应用的分类标签。
本发明实施例中,可获取用户的历史应用搜索数据、历史应用下载数据,从而可根据历史应用搜索数据、历史应用下载数据分别确定对应的历史搜索应用和历史下载应用。
其中,应用具有一个或多个分类标签,分类标签为用于标识该应用的类型的标识,例如该分类标签可以社交、购物、理财等等标签,对于同一个应用,可能包括有多个分类标签,该分类标签为上架该应用时开发者或平台维护者所确定的标签。对于用户的历史搜索应用和历史下载应用,可以确定对应的分类标签。例如用户的历史搜索应用为应用a,该应用a具有分类标签1、2、3和4,则可以确定出该历史搜索应用a的分类标签为1、2、3和4;又例如,历史下载应用为应用b,该应用b具有分类标签1、2、3、4和5,则可以确定出该历史下载应用b的分类标签为1、2、3、4和5。
S20:根据历史搜索应用和历史下载应用的分类标签确定重合分类标签。
在确定出了历史搜索应用和历史下载应用的分类标签之后,根据历史搜索应用和历史下载应用的分类标签确定重合分类标签。其中,该重合分类标签指的是确定的分类标签中相同的标签,也就是历史搜索应用和历史下载应用中共同包含的标签,例如,应用a的分类标签为1、2、3和4,应用b的分类标签为1、2、3和5,那么重合分类标签为1、2和3。
可以理解,历史搜索应用和历史下载应用中对应的重合分类标签反映了用户对此类标签的应用兴趣度较高,为了提高后续应用推荐针对性,以为用户提供更为精细化的个性化推荐,历史搜索应用和历史下载应用中的重合分类标签具有较高的参考价值,为后续提供精细化推荐提供了依据。
S30:根据预设标签选取方式从重合分类标签中选取目标分类标签。
在确定出重合分类标签之后,根据预设标签选取方式从重合分类标签中选取目标分类标签。在一实施方式中,确定重合分类标签中确定出占比最高的重合分类标签作为目标分类标签。
需要说明的是,用户的历史搜索应用可能具有多个分类标签,用户的历史下载应用可能也具有多个分类标签,每种应用一般具有多种分类标签,因此,在该实施例中,确定出分类标签中的重合分类标签之后,可以从中确定出占比最高的重合标签作为目标分类标签。例如,应用a的分类标签为1、2、3和4,应用b的分类标签为1、2、3和5、应用c的分类标签为1、4和6,可以看出,此时的重合分类标签为1、2、3和4,且重合标签1的占比最高,则该重合标签1为目标分类标签。可以理解,历史搜索、下载应用中占比最高的重合标签更能反映出用户感兴趣的应用类型,因此,该实施方式可以进一步提高个性化程度,为后续提供更有效的个性化推荐提供参考基础。
S40:从应用总库搜索与目标分类标签对应的多个应用作为推荐应用组。
如前述,应用总库中包括有各种应用,在确定了目标分类标签之后,可从应用总库搜索与目标分类标签对应的多个应用作为推荐应用组。其中,与目标分类标签对应的多个应用,指的是应用总库中具有该目标分类标签的应用,并将搜索得到的多个应用组成推荐应用组。
S50:从推荐应用组中剔除包含有剔除分类标签的应用,以得到目标推荐应用组,剔除分类标签为用户的历史卸载应用对应的分类标签。
需要说明的是,本发明实施例还可以获取用户的历史卸载应用数据,从而根据历史卸载数据确定对应的历史卸载应用,并确定该历史卸载应用的分类标签,将历史卸载应用的分类标签作为剔除分类标签,从推荐应用组中剔除包含有剔除分类标签的应用,以得到目标推荐应用组。例如,若剔除分类标签为5,则将推荐应用组中具有该分类标签5的应用剔除,将剩余的应用组成目标推荐应用组。
S60:按照预设排序方式对目标推荐应用组的应用进行排序。
S70:根据排序后的目标推荐应用数据组的应用进行应用推荐。
对于步骤S60-S70,在得到目标推荐应用组之后,按照预设排序方式对目标推荐应用组的应用进行排序,并将排序后的目标推荐应用数据组的应用进行应用推荐。
可见,本发明实施例中,提出了一种应用推荐处理方法,先是确定用户的历史搜索、历史下载应用的重合分类标签,并从重合分类标中确定出目标分类标签,继而根据该目标分类标签从应用总库中搜索出对应的多个应用作为推荐应用组,也就是先是依据用户最可能感兴趣的目标分类标签确定出个大范围的应用组,最后从该推荐应用组中剔除掉包含有历史卸载应用的标签的应用,得到最终的目标推荐应用组,缩小了推荐应用的范围以提供更贴合用户的应用,以提高个性化程度,最后按照预设排序方式对目标推荐应用组内的应用进行排序并推荐,以推荐给用户选择,提高了用户体验和推荐精细化程度。
需要说明的是,为了提供更为贴合用户需求的应用,在一实施例中,确定用户的历史搜索应用和历史下载应用的分类标签之前,还包括如下步骤:
S01:获取相同时段内用户的历史应用搜索数据、历史应用下载数据和历史卸载数据;
S02:根据历史应用搜索数据、历史应用下载数据和历史卸载数据,分别对应分别确定历史搜索应用、历史下载应用和历史卸载应用。
为了保持推荐应用的实时性,以提供更为精确的推荐服务,在一实施例中,还可以按照预设周期重新获取相同时段内用户的历史应用搜索数据、历史应用下载数据和历史卸载数据,以更新确定的历史搜索应用、历史下载应用和历史卸载应用,从而得到更新推荐的应用。
示例性的,在一具体地应用场景中,该预设周期具体可以为每三个小时为一个周期,获取用户每三个小时的历史应用搜索数据、历史应用下载数据和历史卸载数据,从而确定出到每三个小时内的历史搜索应用、历史下载应用和历史卸载应用,依据最新的历史搜索应用、历史下载应用和历史卸载应用实现上述应用推荐处理方法,从而可以实时刷新应用推荐结果,以提供更为准确的推荐服务,有效地提升了用户体验。需要说明的是,该场景仅是举例说明,刷新周期和时段的设置具体不做限定。
需要说明的是,在一个实施例中,为了便于计算,在获取到历史应用搜索数据、历史应用下载数据和历史应用卸载数据之后,会根据历史应用搜索数据和历史应用下载数据,分别对历史搜索应用和历史下载应用生成对应的权重参数,根据历史应用卸载数据对历史卸载应用生成对应的权轻参数,其中,该权重参数用于标识历史搜索应用和历史下载应用,权轻参数用于标识历史卸载应用。如此,在确定历史搜索应用和历史下载应用的分类标签,以及确定重合分类标签的过程,便可通过权重参数,对该权重参数对应的应用进行交叉检索,以确定出权重参数对应的应用的重合分类标签,并根据重合分类标签的占比进行排序,以确定出占比最高的目标分类标签,最后依据该目标分类标签在应用总库内进行广泛检索,以获取到上述推荐应用组,后续可直接通过该权轻参数,便可直接从推荐应用组中剔除包含有该权轻参数对应的应用标签的所有应用,从而得到目标推荐应用组。可见,该实施例通过设置权重参数和权轻参数,为后续的获取大范围的推荐应用组和小范围的目标推荐应用组提供了条件,提高了方案的可实施性。
在一个实施例中,步骤S40中,也即从应用总库搜索与目标分类标签对应的多个应用作为推荐应用组,指的是:
S41:确定用户输入的搜索关键字。
S42:从应用总库中确定与搜索关键字对应的多个目标应用。
S43:从目标应用中确定与目标分类标签对应的多个应用作为推荐应用组。
对于步骤S41-S43,可以理解,本发明实施例中的导航服务功能系统,在进行应用推荐时主要分为两种情况,第一种情况是用户通过显示屏输入搜索关键字;第二种情况是用户未通过显示屏输入搜索关键字。
对于第一种情况,在用户通过显示屏输入搜索关键字并确定搜索后,可以确定用户输入的搜索关键字,并根据搜索关键字从应用总库中确定该关键词对应的所有目标应用,此时,根据关键词对应的所有目标应用确定出上述推荐应用组,具体地,从关键词对应的所有目标应用中确定与目标分类标签对应的多个应用作为推荐应用组。可见,在确定推荐应用组结合了用户当前输入的搜索关键字,又结合了占比较高的目标分类标签,可以搜索出更贴合用户所需的应用作为推荐应用组,提高了方案的推荐精细化程度,提高了推荐针对性。
对于第二种情况,当用户未通过显示屏输入搜索关键字并确定搜索后,此时则直接从应用总库搜索与目标分类标签对应的多个应用作为推荐应用组,由于确定的历史下载、搜索应用是每个预设周期进行获取的,确定的目标分类标签可较为贴合用户所需,此时直接从应用总库搜索与目标分类标签对应的多个应用作为推荐应用组,也提高了推荐应用的贴合度。需要说明的是,在使用者不确定所需应用名称时,可根据本导航服务系统内的分类进行单独分类显示,在用户设置好自己的偏好设置以设置好分类标签后,分类模块34在应用总库内检索包含有用户设置的分类标签的应用,并根据评分高低依次排序,然后将结果通过中央处理器反馈至显示屏;在分类包含范围过大导致喜好推荐不准确时,可以添加分类的限定条件,最多限定不得超过五个,每添加一个限定条件,且应用会根据限定分类下的分类匹配程度在应用总库2内部进行应用筛选,并可根据应用评分由高至低依次排序,并最终通过中央处理器1在显示屏表面为使用者带来导航服务。在一个具体场景中,在用户设置好个人分类标签以进行偏好设置后,直接从应用总库搜索与偏好设置的分类标签对应的所有应用,继而从偏好设置的分类标签对应的所有应用确定出目标分类标签对应的多个应用作为推荐应用组,以提高应用推荐精度。
在一实施例中,步骤S60中,也即按照预设排序方式对目标推荐应用组的应用进行排序,具体包括如下步骤:
S61:确定目标推荐应用组中各应用的标签重合度;
在确定了目标推荐应用组之后,目标推荐应用组包括多个应用,每个应用具有一个或多个分类标签,该实施例为了精细推荐,为确定目标推荐应用组中各应用的标签重合度,其中,标签重合度是指应用的各个不同的标签,在当前目标推荐应用组中所有标签中的占比。
S62:根据各应用的标签重合度的大小对各应用进行排序并分类,以划分出多个分类应用组。
在确定出目标推荐应用组中各应用的分类标签的标签重合度之后,根据各应用的标签重合度的大小对各应用进行排序并分类,以划分出多个分类应用组。
例如,针对经过筛选后的目标推荐应用组,首先根据权重参数对应的重合分类标签进行重合比对,标签重合程度在80%及以上(包含80%)的判定为A组;重合程度在40%-70%之间(包含40%)的判定为B组;重合程度低于30%的则判定为C组;可见,此时各分类应用组的优先等级为A组>B组>C组。假设目标分类标签为1、2、6,此时目标推荐应用组中存在应用d、e、f和g,应用d的分类标签为1、8、7;应用e的分类标签为2、6;应用f的分类标签为1、3;应用g的分类标签为2、8,则应用d的标签重合度便是三分之一,约合百分之三十;应用e的标签重合度便是百分之百;应用f的标签重合度便是百分之五十,应用g的标签重合度也是百分之五十,但是由于应用f中的分类标签1在占比较大,因此,应用f会比应用g在目标推荐应用组中的排序靠前,故,最后目标推荐应用组中的应用排序如下:e、f、g、d。
需要说明的是,上述例子仅为示例说明,实际应用中,获取到的目标推荐应用组可能存在多个应用,此时可以按照标签重合度进行排序并划分,从而划分为多个分类应用组,如前述A、B、C三个应用分类组,具体不做限定。
S63:根据预设排序元素的分数对分类应用组中的各应用进行排序,以获取每个分类应用组内针对预设排序元素的应用排序结果;
在一实施方式中,该预设排序元素包括应用评分元素、应用热度元素和评论总数元素。本发明实施例中,可以收集分类应用组中的各应用的应用评分、应用热度和评论总数,继而根据各个排序元素的分数对分类应用组中的各应用进行排序,以获取每个分类应用组内针对各个排序元素的应用排序结果,也即:针对每个分类应用组,按照应用评分分数的大小对分类应用小组的应用进行排序;按照热度的高低对分类应用小组的应用进行排序;按照评论总数的多少对分类应用小组的应用进行排序;从而获取到每个分类应用组内针对预设排序元素的应用排序结果。
S64:根据所有分类应用组间的排序结构和组内的应用排序结果进行应用推荐。
在获取到每个分类应用组的组内应用排序结果之后,便可以根据所有分类应用组间的排序结构和组内的应用排序结果进行应用推荐。
可见,对于该实施例,针对目标推荐应用组的应用,提出了更为精细的应用划分和排序方式,使得推荐的应用更为精细,且会按照所需的排序元素进行排序,使得最终的排序结果更具有参考价值,更贴合用户所需,提高了应用推荐精度和用户体验。
在一实施例中,步骤S64中,根据预设排序元素的分数对分类应用组中的各应用进行组内排序,以获取每个分类应用小组内针对预设排序元素的应用排序结果,具体包括如下步骤:
S641:从多个分类应用组中划分出目标分类应用组和其他分类应用组,目标分类应用组为标签重合度大于或等于预设重合度的分类应用组,其他分类应用组为标签重合度小于预设重合度的分类应用组。
S642:根据目标分类应用组中各应用的标签重合度大小对目标分类应用组中的各应用进行再划分,以获取多个目标小分类应用组。
对于步骤S641-S642,会对分类应用数组进行再分割,例如,以前述例子为例,设预设重合度为80%,在将目标推荐应用组划分为A、B和C三个应用分类组之后,从A、B和C三个应用分类组中划分出目标分类应用组A和其他分类应用组B和C,最后依据A组中各应用的标签重合度大小对A组中的各应用进行再划分,以获取多个目标分类应用小组。例如,如将A组中标签重合度高于95%的应用分割出来形成A1组;将A组中标签重合度在百95%至90%的应用分割出来形成A2组;将A组经过前面两次分割所剩余的应用形成A3组,可见依据标签重合度的大小,排序优先等级A1>A2>A3。
S643:根据预设排序元素的分数对多个目标小分类应用组以及其他分类应用组中的各应用进行组内排序,以获取多个目标小分类应用组以及其他分类应用组内针对预设排序元素的应用排序结果。
在划分出A1组、A2组、A3组、B组和C组后,便获取A1组、A2组、A3组、B组和C组内针对预设排序元素的应用排序结果。从而各个组的应用排序结果完成。
需要说明的是,在上述实施例中,以排序元素为评价分数为例,针对各分类应用组(如B、C组)和目标分类应用小组(如A1组、A2组、A3组),其按照排序元素的组内排序方式,可通过如下方式进行排序:
(1)从左至右,从组中的第二个应用开始抽取,将抽取应用的评价分数和左边第一个应用的评价分数进行比较;
(2)如果左边第一个应用的评价分数比抽取应用的评价分数大,则插入到将抽取应用插入到左边第一个应用的右边;若左边第一个应用的评价分数比抽取应用的评价分数小,则继续与左边第二个应用进行比较,直至遇到不比抽取应用的评价分数小的某一目标应用,则抽取应用插入到该目标的右边;若抽取应用的评价分数和最终比较应用的评价分数相等,则默认将抽取元素插入在该比较应用的右边;
(3)继续选取组内的第3、4……n个元素,并重复步骤2,实现数组内的应用排序。
需要说明的是,对于其他排序元素,可按照前述排序方式进行排序,此处不一一描述。
在一实施例中,本发明实施例还包括如下步骤:
S03:接收用户的排序查询指令,排序查询指令包括查询元素;
S04:根据所有分类应用组间的排序结构和组内针对查询元素的应用排序结果进行应用推荐。
对于步骤S03-S04,可以理解,在进行应用推荐时,可以接收用户的排序查询指令,排序查询指令包括查询元素,例如该查询元素为热度元素,由于前述已经根据各种排序元素获取了排序结果,因此,在确定查询元素为热度元素后,便可以根据所有分类应用组间的排序结构和组内针对查询元素的应用排序结果进行应用推荐。如前述例子,可将A1组、A2组、A3组、B组和C组的组内应用按照热度的高低进行组内排序,最后根据A1组、A2组、A3组、B组和C组组间排序结构和组内应用排序结果进行顺次排序推荐,形成个性化推荐,使用者可以根据热度元素对应用进行选择查看。
综上,本发明通过应用的应用导航服务系统和应用推荐处理方法,可有效地避免现有应用导航系统基于仅基于应用类型简单分类,分类粗略不够精细,为应用提供针对性的导航服务,为用户带来针对应用的导航服务,避免用户所需应用未被用户所发现的弊端;另外可通过设置分类提高用户的针对性,奠定应用导航服务系统的精准程度,优化用户的应用使用契合度,提高使用体验。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
在一实施例中,提供一种应用推荐处理装置,该应用推荐处理装置与上述实施例中应用推荐处理方法一一对应。如图6所示,该应用推荐处理装置包括第一确定模块、第二确定模块、选取模块、第三确定模块、剔除模块、排序模块和推荐模块。各功能模块详细说明如下:
第一确定模块101,用于确定用户的历史搜索应用和历史下载应用的分类标签;
第二确定模块102,根据所述历史搜索应用和历史下载应用的分类标签确定重合分类标签;
选取模块103,用于根据预设标签选取方式从所述重合分类标签中选取目标分类标签;
第三确定模块104,用于从应用总库搜索与所述目标分类标签对应的多个应用作为推荐应用组;
剔除模块105,用于从所述推荐应用组中剔除包含有剔除分类标签的应用,以得到目标推荐应用组,所述剔除分类标签为所述用户的历史卸载应用对应的分类标签;
排序模块106,用于按照预设排序方式对所述目标推荐应用组的应用进行排序;
推荐模块107,用于根据排序后的所述目标推荐应用数据组的应用进行应用推荐。
在一实施例中,选取模块103具体用于:从所述重合分类标签中确定出占比最高的重合分类标签作为所述目标分类标签。
在一实施例中,所述排序模块106具体用于:
确定所述目标推荐应用组中各应用的标签重合度;
根据所述各应用的标签重合度的大小对所述各应用进行排序并分类,以划分出多个分类应用组;
根据预设排序元素的分数对所述分类应用组中的应用进行排序,以获取每个所述分类应用组内针对所述预设排序元素的应用排序结果;
根据所有所述分类应用组间的排序结构和组内的应用排序结果进行应用推荐。
在一实施例中,排序模块106根据预设排序元素的分数对所述分类应用组中的应用进行组内排序,以获取每个所述分类应用小组内针对所述预设排序元素的应用排序结果,具体指的是:
从所述多个分类应用组中划分出目标分类应用组和其他分类应用组,所述目标分类应用组为标签重合度大于或等于预设重合度的分类应用组,所述其他分类应用组为标签重合度小于所述预设重合度的分类应用组;
根据所述目标分类应用组中各应用的标签重合度大小对所述目标分类应用组中的应用进行再划分,以获取多个目标小分类应用组;
根据所述预设排序元素的分数对所述多个目标小分类应用组以及其他分类应用组中的应用进行组内排序,以获取所述多个目标小分类应用组以及其他分类应用组内针对所述预设排序元素的应用排序结果。
在一实施例中,所述排序元素包括应用评分元素、应用热度元素和评论总数元素。
在一实施例中,推荐模块107,具体用于:
接收所述用户的排序查询指令,所述排序查询指令包括查询元素;
根据所有所述分类应用组间的排序结构和组内针对所述查询元素的应用排序结果进行应用推荐。
在一实施例中,该应用推荐处理装置还包括获取模块,所述获取模块,用于:
获取相同时段内所述用户的历史应用搜索数据、历史应用下载数据和历史卸载数据;
根据所述历史应用搜索数据、历史应用下载数据和历史卸载数据,分别对应确定所述历史搜索应用、历史下载应用和历史卸载应用。
在一实施例中,所述获取模块具体用于:按照预设周期重新获取相同时段内所述用户的历史应用搜索数据、历史应用下载数据和历史卸载数据,以更新确定的所述历史搜索应用、历史下载应用和历史卸载应用。
在一实施例中,第三确定模块104具体用于:
确定所述用户输入的搜索关键字;
从所述应用总库中确定与所述搜索关键字对应的多个目标应用;
从所述目标应用中确定与所述目标分类标签对应的多个应用作为所述推荐应用组。
关于应用推荐处理装置的具体限定可以参见上文中对于应用推荐处理方法的限定,在此不再赘述。上述应用推荐处理装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是电脑设备,其内部结构图可以如图7所示。该计算机设备包括通过系统总线连接的处理器、存储器,还可以包括显示器、输入装置等,其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机程序被处理器执行时以实现一种应用推荐处理方法。
在一个实施例中,提供了一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现以下步骤:
确定用户的历史搜索应用和历史下载应用的分类标签;
根据所述历史搜索应用和历史下载应用的分类标签确定重合分类标签;
根据预设标签选取方式从所述重合分类标签中选取目标分类标签;
从应用总库搜索与所述目标分类标签对应的多个应用作为推荐应用组;
从所述推荐应用组中剔除包含有剔除分类标签的应用,以得到目标推荐应用组,所述剔除分类标签为所述用户的历史卸载应用对应的分类标签;
按照预设排序方式对所述目标推荐应用组的应用进行排序;
根据排序后的所述目标推荐应用数据组的应用进行应用推荐。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
确定用户的历史搜索应用和历史下载应用的分类标签;
根据所述历史搜索应用和历史下载应用的分类标签确定重合分类标签;
根据预设标签选取方式从所述重合分类标签中选取目标分类标签;
从应用总库搜索与所述目标分类标签对应的多个应用作为推荐应用组;
从所述推荐应用组中剔除包含有剔除分类标签的应用,以得到目标推荐应用组,所述剔除分类标签为所述用户的历史卸载应用对应的分类标签;
按照预设排序方式对所述目标推荐应用组的应用进行排序;
根据排序后的所述目标推荐应用数据组的应用进行应用推荐。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,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单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。
以上所述实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (10)
1.一种应用推荐处理方法,其特征在于,包括:
确定用户的历史搜索应用和历史下载应用的分类标签;
根据所述历史搜索应用和历史下载应用的分类标签确定重合分类标签;
根据预设标签选取方式从所述重合分类标签中选取目标分类标签;
从应用总库搜索与所述目标分类标签对应的多个应用作为推荐应用组;
从所述推荐应用组中剔除包含有剔除分类标签的应用,以得到目标推荐应用组,所述剔除分类标签为所述用户的历史卸载应用对应的分类标签;
按照预设排序方式对所述目标推荐应用组的应用进行排序;
根据排序后的所述目标推荐应用数据组的应用进行应用推荐。
2.根据权利要求1所述的应用推荐处理方法,其特征在于,所述根据预设标签选取方式从所述重合分类标签中选取目标分类标签,包括:
从所述重合分类标签中确定出占比最高的重合分类标签作为所述目标分类标签。
3.根据权利要求1或2所述的应用推荐处理方法,其特征在于,所述按照预设排序方式对所述目标推荐应用组的应用进行排序,包括:
确定所述目标推荐应用组中各应用的标签重合度;
根据所述各应用的标签重合度的大小对所述各应用进行排序并分类,以划分出多个分类应用组;
根据预设排序元素的分数对所述分类应用组中的应用进行排序,以获取每个所述分类应用组内针对所述预设排序元素的应用排序结果;
根据所有所述分类应用组间的排序结构和组内的应用排序结果进行应用推荐。
4.根据权利要求3所述的应用推荐处理方法,其特征在于,所述根据预设排序元素的分数对所述分类应用组中的应用进行组内排序,以获取每个所述分类应用小组内针对所述预设排序元素的应用排序结果,包括:
从所述多个分类应用组中划分出目标分类应用组和其他分类应用组,所述目标分类应用组为标签重合度大于或等于预设重合度的分类应用组,所述其他分类应用组为标签重合度小于所述预设重合度的分类应用组;
根据所述目标分类应用组中各应用的标签重合度大小对所述目标分类应用组中的应用进行再划分,以获取多个目标小分类应用组;
根据所述预设排序元素的分数对所述多个目标小分类应用组以及其他分类应用组中的应用进行组内排序,以获取所述多个目标小分类应用组以及其他分类应用组内针对所述预设排序元素的应用排序结果。
5.根据权利要求3所述的应用推荐处理方法,其特征在于,所述排序元素包括应用评分元素、应用热度元素和评论总数元素。
6.根据权利要求3所述的应用推荐处理方法,其特征在于,所述根据所有所述分类应用组间的排序结构和组内的应用排序结果进行应用推荐,包括:
接收所述用户的排序查询指令,所述排序查询指令包括查询元素;
根据所有所述分类应用组间的排序结构和组内针对所述查询元素的应用排序结果进行应用推荐。
7.根据权利要求1所述的应用推荐处理方法,其特征在于,从应用总库搜索与所述目标分类标签对应的多个应用作为推荐应用组,包括:
确定所述用户输入的搜索关键字;
从所述应用总库中确定与所述搜索关键字对应的多个目标应用;
从所述目标应用中确定与所述目标分类标签对应的多个应用作为所述推荐应用组。
8.根据权利要求1-7任一项所述的应用推荐处理方法,其特征在于,所述确定用户的历史搜索应用和历史下载应用的分类标签之前,所述方法还包括:
获取相同时段内所述用户的历史应用搜索数据、历史应用下载数据和历史卸载数据;
根据所述历史应用搜索数据、历史应用下载数据和历史卸载数据,分别对应确定所述历史搜索应用、历史下载应用和历史卸载应用。
9.根据权利要求8所述的应用推荐处理方法,其特征在于,按照预设周期重新获取相同时段内所述用户的历史应用搜索数据、历史应用下载数据和历史卸载数据,以更新确定的所述历史搜索应用、历史下载应用和历史卸载应用。
10.一种应用推荐处理装置,其特征在于,包括:
第一确定模块,用于确定用户的历史搜索应用和历史下载应用的分类标签;
第二确定模块,根据所述历史搜索应用和历史下载应用的分类标签确定重合分类标签;
选取模块,用于根据预设标签选取方式从所述重合分类标签中选取目标分类标签;
第三确定模块,用于从应用总库搜索与所述目标分类标签对应的多个应用作为推荐应用组;
剔除模块,用于从所述推荐应用组中剔除包含有剔除分类标签的应用,以得到目标推荐应用组,所述剔除分类标签为所述用户的历史卸载应用对应的分类标签;
排序模块,用于按照预设排序方式对所述目标推荐应用组的应用进行排序;
推荐模块,用于根据排序后的所述目标推荐应用数据组的应用进行应用推荐。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010796641.8A CN111949866B (zh) | 2020-08-10 | 2020-08-10 | 应用推荐处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010796641.8A CN111949866B (zh) | 2020-08-10 | 2020-08-10 | 应用推荐处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111949866A true CN111949866A (zh) | 2020-11-17 |
CN111949866B CN111949866B (zh) | 2024-02-02 |
Family
ID=73332036
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010796641.8A Active CN111949866B (zh) | 2020-08-10 | 2020-08-10 | 应用推荐处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111949866B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114386886A (zh) * | 2022-03-24 | 2022-04-22 | 杭州小电科技股份有限公司 | 充电模组管理方法、移动电源设备、装置和计算机设备 |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005003899A2 (en) * | 2003-06-24 | 2005-01-13 | Ntech Properties, Inc. | Method, system and apparatus for information delivery |
WO2008109980A1 (en) * | 2007-03-09 | 2008-09-18 | Media Trust Inc. | Entity recommendation system using restricted information tagged to selected entities |
EP2100745A1 (en) * | 2008-03-12 | 2009-09-16 | Seiko Epson Corporation | Label creating apparatus, method for controlling label creating apparatus and computer program |
CN103116588A (zh) * | 2011-11-17 | 2013-05-22 | 腾讯科技(深圳)有限公司 | 一种个性化推荐方法及系统 |
AU2014274171A1 (en) * | 2013-05-30 | 2016-01-28 | Facebook, Inc. | Tag suggestions for images on online social networks |
CN105912620A (zh) * | 2016-04-07 | 2016-08-31 | 乐视控股(北京)有限公司 | 一种个性化多媒体推荐方法和装置 |
CN106951494A (zh) * | 2017-03-14 | 2017-07-14 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法及装置 |
US20170220601A1 (en) * | 2008-03-20 | 2017-08-03 | Facebook, Inc. | Tag Suggestions for Images on Online Social Networks |
CN107360468A (zh) * | 2017-06-29 | 2017-11-17 | 胡玥莹 | 一种视频推送系统及方法 |
CN107968952A (zh) * | 2017-12-19 | 2018-04-27 | 聚好看科技股份有限公司 | 一种推荐视频的方法、装置、服务器和计算机存储介质 |
CN108769817A (zh) * | 2018-05-31 | 2018-11-06 | 深圳市路通网络技术有限公司 | 节目推荐方法及系统 |
CN109033263A (zh) * | 2018-07-09 | 2018-12-18 | 努比亚技术有限公司 | 一种应用推荐方法及终端 |
CN109033233A (zh) * | 2018-06-29 | 2018-12-18 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、存储介质、电子设备及系统 |
US20190079977A1 (en) * | 2016-05-12 | 2019-03-14 | Alibaba Group Holding Limited | Method for determining user behavior preference, and method and device for presenting recommendation information |
CN109635198A (zh) * | 2018-12-17 | 2019-04-16 | 杭州柚子街信息科技有限公司 | 在商品展示平台上呈现用户搜索结果的方法、装置、介质及电子设备 |
CN109885722A (zh) * | 2019-01-07 | 2019-06-14 | 平安科技(深圳)有限公司 | 基于自然语言处理的音乐推荐方法、装置、及计算机设备 |
CN111078885A (zh) * | 2019-12-18 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 一种标签分类的方法、相关装置、设备以及存储介质 |
-
2020
- 2020-08-10 CN CN202010796641.8A patent/CN111949866B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2005003899A2 (en) * | 2003-06-24 | 2005-01-13 | Ntech Properties, Inc. | Method, system and apparatus for information delivery |
WO2008109980A1 (en) * | 2007-03-09 | 2008-09-18 | Media Trust Inc. | Entity recommendation system using restricted information tagged to selected entities |
EP2100745A1 (en) * | 2008-03-12 | 2009-09-16 | Seiko Epson Corporation | Label creating apparatus, method for controlling label creating apparatus and computer program |
US20170220601A1 (en) * | 2008-03-20 | 2017-08-03 | Facebook, Inc. | Tag Suggestions for Images on Online Social Networks |
CN103116588A (zh) * | 2011-11-17 | 2013-05-22 | 腾讯科技(深圳)有限公司 | 一种个性化推荐方法及系统 |
AU2014274171A1 (en) * | 2013-05-30 | 2016-01-28 | Facebook, Inc. | Tag suggestions for images on online social networks |
CN105912620A (zh) * | 2016-04-07 | 2016-08-31 | 乐视控股(北京)有限公司 | 一种个性化多媒体推荐方法和装置 |
US20190079977A1 (en) * | 2016-05-12 | 2019-03-14 | Alibaba Group Holding Limited | Method for determining user behavior preference, and method and device for presenting recommendation information |
CN106951494A (zh) * | 2017-03-14 | 2017-07-14 | 腾讯科技(深圳)有限公司 | 一种信息推荐方法及装置 |
CN107360468A (zh) * | 2017-06-29 | 2017-11-17 | 胡玥莹 | 一种视频推送系统及方法 |
CN107968952A (zh) * | 2017-12-19 | 2018-04-27 | 聚好看科技股份有限公司 | 一种推荐视频的方法、装置、服务器和计算机存储介质 |
CN108769817A (zh) * | 2018-05-31 | 2018-11-06 | 深圳市路通网络技术有限公司 | 节目推荐方法及系统 |
CN109033233A (zh) * | 2018-06-29 | 2018-12-18 | 武汉斗鱼网络科技有限公司 | 一种直播间推荐方法、存储介质、电子设备及系统 |
CN109033263A (zh) * | 2018-07-09 | 2018-12-18 | 努比亚技术有限公司 | 一种应用推荐方法及终端 |
CN109635198A (zh) * | 2018-12-17 | 2019-04-16 | 杭州柚子街信息科技有限公司 | 在商品展示平台上呈现用户搜索结果的方法、装置、介质及电子设备 |
CN109885722A (zh) * | 2019-01-07 | 2019-06-14 | 平安科技(深圳)有限公司 | 基于自然语言处理的音乐推荐方法、装置、及计算机设备 |
CN111078885A (zh) * | 2019-12-18 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 一种标签分类的方法、相关装置、设备以及存储介质 |
Non-Patent Citations (2)
Title |
---|
TOINE BOGERS: "Fusing Recommendations for Social Bookmarking Web Sites", 《INTERNATIONAL JOURNAL OF ELECTRONIC COMMERCE》, vol. 15, no. 3, pages 31 * |
金亮: "基于聚类层次模型的视频推荐算法", 《中国优秀硕士学位论文全文数据库 信息科技》, pages 138 - 2086 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114386886A (zh) * | 2022-03-24 | 2022-04-22 | 杭州小电科技股份有限公司 | 充电模组管理方法、移动电源设备、装置和计算机设备 |
Also Published As
Publication number | Publication date |
---|---|
CN111949866B (zh) | 2024-02-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109992601B (zh) | 待办事项信息的推送方法、装置和计算机设备 | |
CN111178069A (zh) | 数据处理方法、装置、计算机设备及存储介质 | |
CN114419501A (zh) | 视频推荐方法、装置、计算机设备及存储介质 | |
US20180060699A1 (en) | System and method for image classification | |
CN108416030B (zh) | 一种职位推荐方法、装置及计算机可读存储介质 | |
CN112416778A (zh) | 测试用例推荐方法、装置和电子设备 | |
CN110968801A (zh) | 地产产品搜索方法、存储介质及电子设备 | |
CN108182200B (zh) | 基于语义相似度的关键词拓展方法和装置 | |
CN110689211A (zh) | 网站服务能力的评估方法及装置 | |
CN111061733B (zh) | 数据处理方法、装置、电子设备和计算机可读存储介质 | |
CN111949866A (zh) | 应用推荐处理方法和装置 | |
CN111680110B (zh) | 数据处理方法、装置、bi系统及介质 | |
CN112966964A (zh) | 基于设计需求的产品匹配方法、装置、设备及存储介质 | |
CN113033990A (zh) | 一种设计师智能匹配方法 | |
CN109101630B (zh) | 一种应用程序搜索结果的生成方法、装置及设备 | |
CN111831892A (zh) | 信息推荐方法、信息推荐装置、服务器及存储介质 | |
CN116127155A (zh) | 一种措施推送方法、系统、电子设备及存储介质 | |
CN115114503A (zh) | 医疗搜索模型性能评价方法、装置、设备及介质 | |
CN109299224B (zh) | 基于Zabbix的解决方案查询方法、装置、计算机设备 | |
CN112989153B (zh) | 数据处理方法、装置及计算机设备 | |
CN108932272B (zh) | 一种推广账户生成方法及装置 | |
CN112965992B (zh) | 多参数约束数据检索人机交互方法及装置 | |
US20220327162A1 (en) | Information search system | |
CN113672496B (zh) | 一种基于余弦相似度的测试方法及系统 | |
CN113592523B (zh) | 一种金融数据处理系统及方法 |
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 |