CN112765449A - 一种应用程序展示方法、装置及存储介质 - Google Patents
一种应用程序展示方法、装置及存储介质 Download PDFInfo
- Publication number
- CN112765449A CN112765449A CN202010565129.2A CN202010565129A CN112765449A CN 112765449 A CN112765449 A CN 112765449A CN 202010565129 A CN202010565129 A CN 202010565129A CN 112765449 A CN112765449 A CN 112765449A
- Authority
- CN
- China
- Prior art keywords
- application program
- application
- target
- determining
- application programs
- 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
- 238000000034 method Methods 0.000 title claims abstract description 75
- 238000004364 calculation method Methods 0.000 claims abstract description 40
- 238000012937 correction Methods 0.000 claims abstract description 30
- 238000001914 filtration Methods 0.000 claims abstract description 12
- 238000010586 diagram Methods 0.000 claims description 12
- 238000012163 sequencing technique Methods 0.000 claims description 2
- 238000006243 chemical reaction Methods 0.000 abstract description 12
- 238000013473 artificial intelligence Methods 0.000 description 9
- 238000010801 machine learning Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000002085 persistent effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000001052 transient effect Effects 0.000 description 1
- 239000013598 vector Substances 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
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Tourism & Hospitality (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Stored Programmes (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请公开了一种应用程序展示方法、装置及存储介质,所述方法包括:根据每个应用程序对应的用户操作记录,确定目标用户的偏好应用程序;计算任意两个应用程序之间的修正相似度;根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的偏好应用程序对应的相似应用程序集;基于物品的协同过滤算法,得到每个相似应用程序的兴趣度计算结果;根据所述每个相似应用程序的兴趣度计算结果,确定目标应用程序集;向所述目标用户对应的终端发送应用程序展示请求,以使所述终端展示所述目标应用程序集。本申请实现了向不同用户推荐不同的应用程序,从而可以提高目标用户对推荐的应用程序的点击率,提高了推荐产品的转化率。
Description
技术领域
本申请涉及互联网通信技术领域,尤其涉及一种应用程序展示方法、装置及存储介质。
背景技术
人群分类运营目前常用的思路是考虑不同人群特征,利用分群、分类算法进行人群划分,再施加运营干预。
现有技术中缺少对单个重要性特征的衡量,比如现在业务只关注一个KPI指标,基于一个指标来划分人群进行运营,存在较大的误差;且现有技术缺少对时间有效性的考虑,比如一年前在A游戏充值和最近一周在A游戏充值的人群可能会存在较大差异。所以不考虑时间因素得到的人群或游戏划分结果也会存在较大的误差,从而导致推荐产品的转化率低下。
因此,有必要提供一种能够准确划分不同用户感兴趣应用程序的方法,并向不同用户进行选择性推送,从而提高目标用户对推荐的应用程序的点击率,提高了推荐产品的转化率。
发明内容
本申请提供了一种应用程序展示方法、装置及存储介质,可以提高目标用户对推荐的应用程序的点击率,提高了推荐产品的转化率。
一方面,本申请提供了一种应用程序展示方法,所述方法包括:
根据每个应用程序对应的用户操作记录,确定目标用户的偏好应用程序;
根据所述每个应用程序对应的用户操作记录,以及任意两个应用程序对应的用户操作记录的时间差,计算所述任意两个应用程序之间的修正相似度;
根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的偏好应用程序对应的相似应用程序集;
根据所述任意两个应用程序之间的距离,计算所述任意两个应用程序之间的距离相似度;
根据所述任意两个应用程序之间的距离相似度以及所述任意两个应用程序之间的修正相似度,基于物品的协同过滤算法计算所述目标用户对所述相似应用程序集中每个相似应用程序的兴趣度,得到每个相似应用程序的兴趣度计算结果;
根据所述每个相似应用程序的兴趣度计算结果,确定目标应用程序集;
向所述目标用户对应的终端发送应用程序展示请求,以使所述终端展示所述目标应用程序集。
另一方面提供了一种应用程序展示装置,所述装置包括:
偏好应用程序确定模块,用于根据每个应用程序对应的用户操作记录,确定目标用户的偏好应用程序;
修正相似度计算模块,用于根据所述每个应用程序对应的用户操作记录,以及任意两个应用程序对应的用户操作记录的时间差,计算所述任意两个应用程序之间的修正相似度;
相似应用程序集确定模块,用于根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的偏好应用程序对应的相似应用程序集;
距离相似度计算模块,用于根据所述任意两个应用程序之间的距离,计算所述任意两个应用程序之间的距离相似度;
兴趣度计算结果确定模块,用于根据所述任意两个应用程序之间的距离相似度以及所述任意两个应用程序之间的修正相似度,基于物品的协同过滤算法计算所述目标用户对所述相似应用程序集中每个相似应用程序的兴趣度,得到每个相似应用程序的兴趣度计算结果;
目标应用程序集确定模块,用于根据所述每个相似应用程序的兴趣度计算结果,确定目标应用程序集;
展示请求发送模块,用于向所述目标用户对应的终端发送应用程序展示请求,以使所述终端展示所述目标应用程序集。
另一方面提供了一种计算机存储介质,所述计算机存储介质存储有至少一条指令或至少一段程序,所述至少一条指令或至少一段程序由处理器加载并执行以实现如上所述的应用程序展示方法。
本申请提供的应用程序展示方法、装置及存储介质,具有如下技术效果:
本申请引入时间衰减因子结合用户操作记录,计算任意两个应用程序之间的修正相似度以及距离相似度;提高了确定相似应用程序的准确率;然后根据修正相似度确定目标用户的偏好应用程序的相似应用程序集;通过计算目标用户对每个相似应用程序的兴趣度,向目标用户推荐兴趣度较高的相似应用程序,实现了向不同用户推荐不同的应用程序;从而可以提高目标用户对推荐的应用程序的点击率,提高了推荐产品的转化率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案和优点,下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本申请实施例提供的一种应用程序展示系统的示意图;
图2是本申请实施例提供的一种应用程序展示方法的流程示意图;
图3是本申请实施例提供的一种计算任意两个应用程序之间的修正相似度的方法的流程示意图;
图4是本申请实施例提供的一种确定目标应用程序集的方法的流程示意图;
图5-6是本申请实施例提供的应用程序对应的虚拟物品清单示意图;
图7是本申请实施例提供的绘制关联应用程序示意图的方法的流程示意图;
图8是本申请实施例提供的关联应用程序示意图;
图9是采用本申请与现有技术的方法得到的推荐应用程序的转化率对比图;
图10是本申请实施例提供的一种应用程序展示装置的结构示意图;
图11是本申请实施例提供的一种服务器的结构示意图。
具体实施方式
人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能,感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说,人工智能是计算机科学的一个综合技术,它企图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法,使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科,涉及领域广泛,既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。
具体地,本申请实施例提供的方案涉及人工智能的机器学习领域。机器学习(Machine Learning,ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心,是使计算机具有智能的根本途径,其应用遍及人工智能的各个领域。
下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或服务器不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
请参阅图1,图1是本申请实施例提供的一种应用程序展示系统的示意图,如图1所示,该应用程序展示系统可以至少包括服务器01和客户端02。
具体的,本说明书实施例中,所述服务器01可以包括一个独立运行的服务器,或者分布式服务器,或者由多个服务器组成的服务器集群。服务器01可以包括有网络通信单元、处理器和存储器等等。具体的,所述服务器01可以用于确定目标用户感兴趣的目标应用程序集。
具体的,本说明书实施例中,所述客户端02可以包括智能手机、台式电脑、平板电脑、笔记本电脑、数字助理、智能可穿戴设备等类型的实体设备,也可以包括运行于实体设备中的软体,例如一些服务商提供给用户的网页页面,也可以为该些服务商提供给用户的应用。具体的,所述客户端02可以用于展示目标应用程序集,以便用户触发目标应用程序集。
以下介绍本申请的一种应用程序展示方法,图2是本申请实施例提供的一种应用程序展示方法的流程示意图,本说明书提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的系统或服务器产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。具体的如图2所示,所述方法可以包括:
S201:根据每个应用程序对应的用户操作记录,确定目标用户的偏好应用程序。
在本说明书实施例中,所述应用程序可以包括游戏应用程序、办公类型应用程序或其他类型的应用程序;当应用程序为游戏应用程序时,用户操作记录可以为用户的付费特征,用户操作记录可以包括付费金额、付费频次和/或最近付费时间等;目标用户的偏好应用程序可以为目标用户兴趣度较高的已使用应用程序。例如偏好应用程序可以为目标用户在最近一周时间内付费金额最高且付费频次最高的目标游戏应用程序。
在本说明书实施例中,所述根据每个应用程序对应的用户操作记录,确定目标用户的偏好应用程序的步骤之前,所述方法还包括:
获取每个应用程序对应的用户操作记录。
在本说明书实施例中,可以根据每个应用程序的日志数据,获取不同用户的操作记录。
具体的,在本说明书实施例中,所述确定目标用户的偏好应用程序可以包括:
获取目标用户对应的至少一个应用程序的操作记录;
根据目标用户对应的每个应用程序的操作记录,确定目标用户对每个应用程序的兴趣度值;
将兴趣度值大于预设阈值的应用程序确定为目标用户的偏好应用程序。
具体的,在本说明书实施例中,所述根据目标用户对应的每个应用程序的操作记录,确定目标用户对每个应用程序的兴趣度值包括:
根据目标用户对应的每个应用程序在预设时间段内的操作记录,确定目标用户对每个应用程序的兴趣度值。
在本说明书实施例中,预设时间段可以为与当前时间接近的一段时间,例如预设时间段可以为最近一周时间;在实际应用中,预设时间段可以根据实际情况进行设置。
在本说明书实施例中,所述方法还包括:
对所述每个目标应用程序对应的用户操作记录进行数据清洗,得到归一化后的用户操作特征。
在一个具体的实施例中,数据清洗的公式如下:
M=log10(N);
其中,N为用户操作记录,M为归一化之后的用户操作特征。例如可以对游戏应用程序中的付费金额、付费频次、最近付费时间等进行数据清洗处理;通过数据清洗处理可以防止用户操作记录对应的数据过大,同时可以消除不同特征量纲的影响。
S203:根据所述每个应用程序对应的用户操作记录,以及任意两个应用程序对应的用户操作记录的时间差,计算所述任意两个应用程序之间的修正相似度。
在本说明书实施例中,每个应用程序可以对应多个用户的操作记录,任意两个应用程序对应的用户操作记录的时间差是指同一类型的用户操作记录的时间差,例如当操作记录为付款金额,则时间差为付款金额的时间差。
在本说明书实施例中,如图3所示,所述根据所述每个应用程序对应的用户操作记录,以及任意两个应用程序对应的用户操作记录的时间差,计算所述任意两个应用程序之间的修正相似度包括:
S2031:根据所述每个应用程序对应的用户操作记录,确定所述任意两个应用程序之间的用户交集;
在本说明书实施例中,所述方法还包括:
根据所述每个应用程序对应的用户操作记录,计算所述任意两个应用程序之间的欧几里得距离。
在本说明书实施例中,根据所述每个应用程序对应的用户操作记录,计算所述任意两个应用程序之间的欧几里得距离包括:
S20311:确定所述任意两个应用程序对应的用户操作记录;
S20313:计算所述任意两个应用程序对应的同一类型的用户操作记录的差值的平方,得到差值平方;
S20315:当所述用户操作记录包括至少两个时,对所述任意两个应用程序对应的多个用户操作记录的差值平方求和,得到求和值;
S20317:计算所述求和值的平方根,得到所述任意两个应用程序之间的欧几里得距离。
在本说明书实施例中,可以通过两个应用程序对应的同一类型的用户操作记录,计算两个应用程序之间的距离;
所述用户操作记录可以包括一项或多项记录,例如当应用程序为游戏应用程序时,用户操作记录可以包括付费金额、付费频次等。
在一个实施例中,d(x,y)为两个应用程序之间的欧几里得距离,其计算公式如下:
其中xi、yi分别为两个应用程序对应的同一类型的用户操作记录,所述用户操作记录可以为一个或多个。
S2033:确定所述任意两个应用程序对应的用户操作记录的时间差;
在本说明书实施例中,所述用户操作记录包括用户操作时间,所述确定所述任意两个应用程序对应的用户操作记录的时间差包括:
根据所述任意两个应用程序对应的用户操作时间,确定时间差。
S2035:根据所述任意两个应用程序之间的用户交集以及所述任意两个应用程序对应的用户操作记录的时间差,计算所述任意两个应用程序之间的修正相似度。
在本说明书实施例中,所述确定所述任意两个应用程序对应的用户操作记录的时间差的步骤之后,所述方法还包括:
确定所述时间差的权重;
根据所述任意两个应用程序对应的用户操作记录的时间差以及所述时间差的权重,构建时间衰减函数。
相应的,所述根据所述任意两个应用程序之间的用户交集以及所述任意两个应用程序对应的用户操作记录的时间差,计算所述任意两个应用程序之间的修正相似度包括:
根据所述任意两个应用程序之间的用户交集以及所述任意两个应用程序对应的用户操作记录的时间衰减函数,计算所述任意两个应用程序之间的修正相似度。
在一些实施例中,两个应用程序之间的修正相似度的计算公式如下:
其中,N(i)表示用户对应用程序i产生过付费行为的用户数量,N(j)表示用户对应用程序j产生过付费行为的用户数量;Tui表示用户u对应用程序i产生付费行为的时间,Tuj表示用户u对应用程序j产生付费行为的时间。Tui、Tuj均为时间衰减因子,α为权重,N(i)∩N(j)为应用程序i与应用程序j对应的用户交集;为同时喜欢应用程序i和应用程序j的用户数量。引入时间衰减因子,例如:两个item行为的时间越相近,两个应用程序之间的相关度越高。
在本说明书实施例中,计算两个应用程序的修正相似度时引入了时间衰减因子,提高了应用程序之间相似度数值的准确率。
S205:根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的偏好应用程序对应的相似应用程序集。
在本说明书实施例中,可以先确定偏好应用程序与一个应用程序的修正相似度,然后根据任意两个应用程序之间的修正相似度,计算其他应用程序与偏好应用程序之间的修正相似度;并将修正相似度大于预设相似度阈值的应用程序组成的集合确定为目标用户的偏好应用程序对应的相似应用程序集。
在本说明书实施例中,所述目标用户的偏好应用程序为至少两个,所述方法还包括:
构建所述目标用户的偏好应用程序集,所述偏好应用程序集包括第一偏好应用程序;
所述根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的偏好应用程序对应的相似应用程序集包括:
根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的第一偏好应用程序对应的相似应用程序集;
相应的,所述根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的偏好应用程序对应的相似应用程序集的步骤之后,所述方法还包括:
判断所述相似应用程序集中是否存在第二偏好应用程序,所述第二偏好应用程序为所述目标用户的偏好应用程序集中除所述第一偏好应用程序之外的偏好应用程序;
若存在,删除所述相似应用程序集中的第二偏好应用程序。并将删除处理后的相似应用程序集确定为所述目标用户的偏好应用程序对应的相似应用程序集。
若不存在,不对相似应用程序集进行处理。
在本说明书实施例中,用户的偏好应用程序为用户已使用的应用程序,通过确定并删除相似应用程序集中用户的偏好应用程序,从而实现向用户推荐用户未表示偏好的应用程序,即用户未安装的应用程序。
在本说明书实施例中,由于计算两个应用程序的修正相似度时引入了时间衰减因子,提高了应用程序之间相似度数值的准确率,从而可以提高偏好应用程序对应的相似应用程序集的准确率。
S207:根据所述任意两个应用程序之间的距离,计算所述任意两个应用程序之间的距离相似度。
在本说明书实施例中,可以通过欧几里得距离或者夹角余弦距离来计算任意两个应用程序之间的距离相似度;基于余弦的相似度计算,通过计算两个向量之间的夹角来计算物品之间的相似性;具体的,通过欧几里得距离计算任意两个应用程序之间的距离相似度的公式如下:
其中x,y分别为两个应用程序的标识;d(x,y)为两个应用程序之间的欧几里得距离;sim(x,y)为应用程序x,y之间的距离相似度。距离越小,相似度越大。
S209:根据所述任意两个应用程序之间的距离相似度以及所述任意两个应用程序之间的修正相似度,基于物品的协同过滤算法计算所述目标用户对所述相似应用程序集中每个相似应用程序的兴趣度,得到每个相似应用程序的兴趣度计算结果。
在本说明书实施例中,采用了基于物品的协同过滤(Item CollaborationFilter,ItemCF)算法,基于物品的协同过滤就是根据用户历史选择物品的行为,通过物品间的相似度,给用户推荐其他物品。
在一个具体的实施例中,每个相似应用程序的兴趣度计算公式如下所示:
其中,N(u)是用户喜欢的游戏集合,S(i,k)是与应用程序i最相似的k个应用程序的集合,wji是应用程序j和应用程序i之间的修正相似度,rji是应用程序i与j之间的距离相似度。
S2011:根据所述每个相似应用程序的兴趣度计算结果,确定目标应用程序集。
具体的,在本说明书实施例中,如图4所示,所述根据所述每个相似应用程序的兴趣度计算结果,确定目标应用程序集包括:
S20111:将相似应用程序按照兴趣度计算结果由大到小进行排序;
S20113:将排序靠前的目标数量个相似应用程序确定为目标应用程序,得到目标应用程序集。
S2013:向所述目标用户对应的终端发送应用程序展示请求,以使所述终端展示所述目标应用程序集。
在终端中,根据所述目标应用程序集中目标应用程序的排列顺序,展示所述目标应用程序集中的各个目标应用程序。
在本说明书实施例中,所述根据所述每个相似应用程序的兴趣度计算结果,确定目标应用程序集的步骤之后,所述方法还包括:
确定所述目标应用程序集中预设数量个目标应用程序对应的虚拟物品清单;
相应的,所述向所述目标用户对应的终端发送应用程序展示请求,以使所述终端展示所述目标应用程序集包括:
向所述目标用户对应的终端发送虚拟物品清单展示请求,以使所述终端展示所述虚拟物品清单。
在本说明书实施例中,当目标应用程序为游戏应用程序时,预设数量个目标应用程序对应的虚拟物品清单可以为多个游戏的联合卡套餐;所述虚拟物品清单中可以包括游戏的积分,游戏中所使用的虚拟货币等;所述预设数量可以根据实际情况进行设置。
在一个具体的实施例中,如图5-6所示,图5-6为应用程序对应的虚拟物品清单,当虚拟物品清单为用户感兴趣的应用程序对应的清单时,用户可以触发清单的目标位置(例如图5中的“立即购买”标志,图6中的“立即兑换”标志)购买虚拟物品;从而提高了推荐物品的点击率。
具体的,在本说明书实施例中,如图7所示,所述根据所述每个相似应用程序的兴趣度计算结果,确定目标应用程序集的步骤之后,所述方法还包括:
S20121:确定每个偏好应用程序的标识信息;
S20123:根据每个偏好应用程序对应的目标应用程序集,确定每个偏好应用程序对应的目标应用程序的标识信息;
S20125:构建偏好应用程序的标识信息与对应的目标应用程序的标识信息的对应关系;
S20127:根据所述偏好应用程序的标识信息与对应的目标应用程序的标识信息的对应关系,绘制关联应用程序示意图。
在本说明书实施例中,可以根据多个用户对应的目标应用程序集,确定出不同应用程序之间的关联关系,从而得到关联应用程序示意图。
在一个具体的实施例中,关联应用程序示意图如图8所示,兴趣度计算完成后,通过gephi社区软件将用户对不同游戏的兴趣度值连接成网络,从图8中可以看到不同游戏之间的分类结果,图中游戏“王者荣耀”和“穿越火线”的关联游戏最多,如果用户对游戏“王者荣耀”、“穿越火线”中的任意一个兴趣度较高,则可以向用户推荐的关联应用程序较多。
在本说明书实施例中,所述根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的偏好应用程序对应的相似应用程序集的步骤之后,所述方法还包括:
基于物品的协同过滤算法构建目标应用程序确定模型;
将所述目标用户的偏好应用程序对应的相似应用程序集输入所述目标应用程序确定模型,得到目标应用程序集。
在本说明书实施例中,可以通过机器学习训练得到目标应用程序确定模型;
目标应用程序确定模型的训练方法包括:
构建预设机器学习模型;
将偏好应用程序对应的相似应用程序集输入预设机器学习模型,得到输出的当前应用程序集,所述相似应用程序集中包括标注的目标应用程序的标识信息;
在训练中调整所述预设机器学习模型的参数直至输出的当前应用程序集与标注的目标应用程序集相匹配;
将当前模型参数对应的机器学习模型作为目标应用程序确定模型。
在本说明书实施例中,可以根据目标应用程序确定模型快速确定目标应用程序集,从而实现向用户快速推荐目标应用程序集。
在本说明书实施例中,现有技术的运营方法为不考虑时间因素的推荐方法,采用本申请的方法和现有技术的运营方法同时向用户推荐应用程序,得到的推荐产品的转化率如图9所示,图中曲线03为本申请的方法得到的不同时间的推荐产品的转化率;曲线04为现有技术的方法得到的不同时间的推荐产品的转化率;转化率日均提升0.9个百分点,点击率日均提升12.6个百分点。
由以上本说明书实施例提供的技术方案可见,本说明书实施例引入时间衰减因子结合用户操作记录,计算任意两个应用程序之间的修正相似度以及距离相似度;提高了确定相似应用程序的准确率;然后根据修正相似度确定目标用户的偏好应用程序的相似应用程序集;通过计算目标用户对每个相似应用程序的兴趣度,向目标用户推荐兴趣度较高的相似应用程序,实现了向不同用户推荐不同的应用程序;从而可以提高目标用户对推荐的应用程序的点击率,提高了推荐产品的转化率。
本申请实施例还提供了一种应用程序展示装置,如图10所示,所述装置包括:
偏好应用程序确定模块1010,用于根据每个应用程序对应的用户操作记录,确定目标用户的偏好应用程序;
修正相似度计算模块1020,用于根据所述每个应用程序对应的用户操作记录,以及任意两个应用程序对应的用户操作记录的时间差,计算所述任意两个应用程序之间的修正相似度;
相似应用程序集确定模块1030,用于根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的偏好应用程序对应的相似应用程序集;
距离相似度计算模块1040,用于根据所述任意两个应用程序之间的距离,计算所述任意两个应用程序之间的距离相似度;
兴趣度计算结果确定模块1050,用于根据所述任意两个应用程序之间的距离相似度以及所述任意两个应用程序之间的修正相似度,基于物品的协同过滤算法计算所述目标用户对所述相似应用程序集中每个相似应用程序的兴趣度,得到每个相似应用程序的兴趣度计算结果;
目标应用程序集确定模块1060,用于根据所述每个相似应用程序的兴趣度计算结果,确定目标应用程序集;
展示请求发送模块1070,用于向所述目标用户对应的终端发送应用程序展示请求,以使所述终端展示所述目标应用程序集。
在一些实施例中,所述装置还可以包括:
用户操作记录获取模块,用于获取每个应用程序对应的用户操作记录。
在一些实施例中,所述修正相似度计算模块可以包括:
距离计算单元,用于根据所述每个应用程序对应的用户操作记录,确定所述任意两个应用程序之间的用户交集;
时间差确定单元,用于确定所述任意两个应用程序对应的用户操作记录的时间差;
修正相似度计算单元,用于根据所述任意两个应用程序之间的用户交集以及所述任意两个应用程序对应的用户操作记录的时间差,计算所述任意两个应用程序之间的修正相似度。
在一些实施例中,所述装置还可以包括:
权重确定模块,用于确定所述时间差的权重;
时间衰减函数构建模块,用于根据所述任意两个应用程序对应的用户操作记录的时间差以及所述时间差的权重,构建时间衰减函数;
用户数量确定模块,用于确定所述任意两个应用程序各自对应的用户数量;
在一些实施例中,所述修正相似度计算单元可以包括:
修正相似度计算子单元,用于根据所述任意两个应用程序各自对应的用户数量、所述任意两个应用程序之间的欧几里得距离以及对应的时间衰减函数,计算所述任意两个应用程序之间的修正相似度。
在一些实施例中,所述装置还可以包括:
虚拟物品清单确定模块,用于确定所述目标应用程序集中预设数量个目标应用程序对应的虚拟物品清单。
在一些实施例中,所述展示请求发送模块包括:
展示请求发送单元,用于向所述目标用户对应的终端发送虚拟物品清单展示请求,以使所述终端展示所述虚拟物品清单。
在一些实施例中,所述目标应用程序集确定模块包括:
排序单元,用于将相似应用程序按照兴趣度计算结果由大到小进行排序;
目标应用程序集确定单元,用于将排序靠前的目标数量个相似应用程序确定为目标应用程序,得到目标应用程序集。
在一些实施例中,所述装置还可以包括:
模型构建模块,用于基于物品的协同过滤算法构建目标应用程序确定模型;
目标应用程序集得到模块,用于将所述目标用户的偏好应用程序对应的相似应用程序集输入所述目标应用程序确定模型,得到目标应用程序集。
在一些实施例中,所述目标用户的偏好应用程序为至少两个,所述装置还可以包括:
偏好应用程序集确定模块,用于构建所述目标用户的偏好应用程序集,所述偏好应用程序集包括第一偏好应用程序。
在一些实施例中,所述装置还可以包括:
判断模块,用于判断所述相似应用程序集中是否存在第二偏好应用程序,所述第二偏好应用程序为所述目标用户的偏好应用程序集中除所述第一偏好应用程序之外的偏好应用程序;
删除模块,用于若所述相似应用程序集中存在第二偏好应用程序,删除所述相似应用程序集中的第二偏好应用程序。
在一些实施例中,所述装置还可以包括:
偏好应用程序的标识信息确定模块,用于确定每个偏好应用程序的标识信息;
目标应用程序的标识信息确定模块,用于根据每个偏好应用程序对应的目标应用程序集,确定每个偏好应用程序对应的目标应用程序的标识信息;
对应关系构建模块,用于构建偏好应用程序的标识信息与对应的目标应用程序的标识信息的对应关系;
关联应用程序示意图绘制模块,用于根据所述偏好应用程序的标识信息与对应的目标应用程序的标识信息的对应关系,绘制关联应用程序示意图。
所述的装置实施例中的装置与方法实施例基于同样地发明构思。
本申请实施例提供了一种应用程序展示设备,该设备包括处理器和存储器,该存储器中存储有至少一条指令或至少一段程序,该至少一条指令或至少一段程序由该处理器加载并执行以实现如上述方法实施例所提供的应用程序展示方法。
本申请的实施例还提供了一种计算机存储介质,所述存储介质可设置于终端之中以保存用于实现方法实施例中一种应用程序展示方法相关的至少一条指令或至少一段程序,该至少一条指令或至少一段程序由该处理器加载并执行以实现上述方法实施例提供的应用程序展示方法。
可选地,在本说明书实施例中,存储介质可以位于计算机网络的多个网络服务器中的至少一个网络服务器。可选地,在本实施例中,上述存储介质可以包括但不限于:U盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
本说明书实施例所述存储器可用于存储软件程序以及模块,处理器通过运行存储在存储器的软件程序以及模块,从而执行各种功能应用以及数据处理。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、功能所需的应用程序等;存储数据区可存储根据所述设备的使用所创建的数据等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。相应地,存储器还可以包括存储器控制器,以提供处理器对存储器的访问。
本申请实施例所提供的应用程序展示方法实施例可以在移动终端、计算机终端、服务器或者类似的运算装置中执行。以运行在服务器上为例,图11是本申请实施例提供的一种应用程序展示方法的服务器的硬件结构框图。如图11所示,该服务器1100可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(CentralProcessing Units,CPU)1110(处理器1110可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)、用于存储数据的存储器1130,一个或一个以上存储应用程序1123或数据1122的存储介质1120(例如一个或一个以上海量存储设备)。其中,存储器1130和存储介质1120可以是短暂存储或持久存储。存储在存储介质1120的程序可以包括一个或一个以上模块,每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1110可以设置为与存储介质1120通信,在服务器1100上执行存储介质1120中的一系列指令操作。服务器1100还可以包括一个或一个以上电源1160,一个或一个以上有线或无线网络接口1150,一个或一个以上输入输出接口1140,和/或,一个或一个以上操作系统1121,例如Windows ServerTM,Mac OS XTM,UnixTM,LinuxTM,FreeBSDTM等等。
输入输出接口1140可以用于经由一个网络接收或者发送数据。上述的网络具体实例可包括服务器1100的通信供应商提供的无线网络。在一个实例中,输入输出接口1140包括一个网络适配器(Network Interface Controller,NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,输入输出接口1140可以为射频(RadioFrequency,RF)模块,其用于通过无线方式与互联网进行通讯。
本领域普通技术人员可以理解,图11所示的结构仅为示意,其并不对上述电子装置的结构造成限定。例如,服务器1100还可包括比图11中所示更多或者更少的组件,或者具有与图11所示不同的配置。
由上述本申请提供的应用程序展示方法、装置、服务器或存储介质的实施例可见,本申请引入时间衰减因子结合用户操作记录,计算任意两个应用程序之间的修正相似度;提高了确定相似应用程序的准确率;然后根据修正相似度确定目标用户的偏好应用程序的相似应用程序集;通过计算目标用户对每个相似应用程序的兴趣度,向目标用户推荐兴趣度较高的相似应用程序,实现了向不同用户推荐不同的应用程序;从而可以提高目标用户对推荐的应用程序的点击率,提高了推荐产品的转化率。
需要说明的是:上述本申请实施例先后顺序仅仅为了描述,不代表实施例的优劣。且上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下,在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外,在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中,多任务处理和并行处理也是可以的或者可能是有利的。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于装置、设备、存储介质实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
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,所述的程序可以存储于一种计算机存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本申请的较佳实施例,并不用以限制本申请,凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种应用程序展示方法,其特征在于,所述方法包括:
根据每个应用程序对应的用户操作记录,确定目标用户的偏好应用程序;
根据所述每个应用程序对应的用户操作记录,以及任意两个应用程序对应的用户操作记录的时间差,计算所述任意两个应用程序之间的修正相似度;
根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的偏好应用程序对应的相似应用程序集;
根据所述任意两个应用程序之间的距离,计算所述任意两个应用程序之间的距离相似度;
根据所述任意两个应用程序之间的距离相似度以及所述任意两个应用程序之间的修正相似度,基于物品的协同过滤算法计算所述目标用户对所述相似应用程序集中每个相似应用程序的兴趣度,得到每个相似应用程序的兴趣度计算结果;
根据所述每个相似应用程序的兴趣度计算结果,确定目标应用程序集;
向所述目标用户对应的终端发送应用程序展示请求,以使所述终端展示所述目标应用程序集。
2.根据权利要求1所述的方法,其特征在于,所述根据每个应用程序对应的用户操作记录,确定目标用户的偏好应用程序的步骤之前,所述方法还包括:
获取每个应用程序对应的用户操作记录;
相应的,所述根据所述每个应用程序对应的用户操作记录,以及任意两个应用程序对应的用户操作记录的时间差,计算所述任意两个应用程序之间的修正相似度包括:
根据所述每个应用程序对应的用户操作记录,确定所述任意两个应用程序之间的用户交集;
确定所述任意两个应用程序对应的用户操作记录的时间差;
根据所述任意两个应用程序之间的用户交集以及所述任意两个应用程序对应的用户操作记录的时间差,计算所述任意两个应用程序之间的修正相似度。
3.根据权利要求2所述的方法,其特征在于,所述确定所述任意两个应用程序对应的用户操作记录的时间差的步骤之后,所述方法还包括:
确定所述时间差的权重;
根据所述任意两个应用程序对应的用户操作记录的时间差以及所述时间差的权重,构建时间衰减函数;
相应的,所述根据所述任意两个应用程序之间的用户交集以及所述任意两个应用程序对应的用户操作记录的时间差,计算所述任意两个应用程序之间的修正相似度包括:
根据所述任意两个应用程序之间的用户交集以及所述任意两个应用程序对应的用户操作记录的时间衰减函数,计算所述任意两个应用程序之间的修正相似度。
4.根据权利要求1所述的方法,其特征在于,所述根据所述每个相似应用程序的兴趣度计算结果,确定目标应用程序集的步骤之后,所述方法还包括:
确定所述目标应用程序集中预设数量个目标应用程序对应的虚拟物品清单;
相应的,所述向所述目标用户对应的终端发送应用程序展示请求,以使所述终端展示所述目标应用程序集包括:
向所述目标用户对应的终端发送虚拟物品清单展示请求,以使所述终端展示所述虚拟物品清单。
5.根据权利要求1所述的方法,其特征在于,所述根据所述每个相似应用程序的兴趣度计算结果,确定目标应用程序集包括:
将相似应用程序按照兴趣度计算结果由大到小进行排序;
将排序靠前的目标数量个相似应用程序确定为目标应用程序,得到目标应用程序集。
6.根据权利要求1所述的方法,其特征在于,所述根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的偏好应用程序对应的相似应用程序集的步骤之后,所述方法还包括:
基于物品的协同过滤算法构建目标应用程序确定模型;
将所述目标用户的偏好应用程序对应的相似应用程序集输入所述目标应用程序确定模型,得到目标应用程序集。
7.根据权利要求1所述的方法,其特征在于,所述目标用户的偏好应用程序为至少两个,所述方法还包括:
构建所述目标用户的偏好应用程序集,所述偏好应用程序集包括第一偏好应用程序;
所述根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的偏好应用程序对应的相似应用程序集包括:
根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的第一偏好应用程序对应的相似应用程序集;
相应的,所述根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的偏好应用程序对应的相似应用程序集的步骤之后,所述方法还包括:
判断所述相似应用程序集中是否存在第二偏好应用程序,所述第二偏好应用程序为所述目标用户的偏好应用程序集中除所述第一偏好应用程序之外的偏好应用程序;
若存在,删除所述相似应用程序集中的第二偏好应用程序。
8.根据权利要求7所述的方法,其特征在于,所述根据所述每个相似应用程序的兴趣度计算结果,确定目标应用程序集的步骤之后,所述方法还包括:
确定每个偏好应用程序的标识信息;
根据每个偏好应用程序对应的目标应用程序集,确定每个偏好应用程序对应的目标应用程序的标识信息;
构建偏好应用程序的标识信息与对应的目标应用程序的标识信息的对应关系;
根据所述偏好应用程序的标识信息与对应的目标应用程序的标识信息的对应关系,绘制关联应用程序示意图。
9.一种应用程序展示装置,其特征在于,所述装置包括:
偏好应用程序确定模块,用于根据每个应用程序对应的用户操作记录,确定目标用户的偏好应用程序;
修正相似度计算模块,用于根据所述每个应用程序对应的用户操作记录,以及任意两个应用程序对应的用户操作记录的时间差,计算所述任意两个应用程序之间的修正相似度;
相似应用程序集确定模块,用于根据所述任意两个应用程序之间的修正相似度,确定所述目标用户的偏好应用程序对应的相似应用程序集;
距离相似度计算模块,用于根据所述任意两个应用程序之间的距离,计算所述任意两个应用程序之间的距离相似度;
兴趣度计算结果确定模块,用于根据所述任意两个应用程序之间的距离相似度以及所述任意两个应用程序之间的修正相似度,基于物品的协同过滤算法计算所述目标用户对所述相似应用程序集中每个相似应用程序的兴趣度,得到每个相似应用程序的兴趣度计算结果;
目标应用程序集确定模块,用于根据所述每个相似应用程序的兴趣度计算结果,确定目标应用程序集;
展示请求发送模块,用于向所述目标用户对应的终端发送应用程序展示请求,以使所述终端展示所述目标应用程序集。
10.一种计算机存储介质,其特征在于,所述计算机存储介质中存储有至少一条指令或至少一段程序,所述至少一条指令或所述至少一段程序由处理器加载并执行以实现如权利要求1-8任一所述的应用程序展示方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010565129.2A CN112765449B (zh) | 2020-06-19 | 2020-06-19 | 一种应用程序展示方法、装置及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010565129.2A CN112765449B (zh) | 2020-06-19 | 2020-06-19 | 一种应用程序展示方法、装置及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112765449A true CN112765449A (zh) | 2021-05-07 |
CN112765449B CN112765449B (zh) | 2023-09-12 |
Family
ID=75693047
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010565129.2A Active CN112765449B (zh) | 2020-06-19 | 2020-06-19 | 一种应用程序展示方法、装置及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112765449B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117193883A (zh) * | 2023-09-25 | 2023-12-08 | 广州东恒信息科技有限公司 | 一种基于人工智能的应用程序信息管控系统及方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170171336A1 (en) * | 2015-12-15 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for information recommendation |
CN108763314A (zh) * | 2018-04-26 | 2018-11-06 | 深圳市腾讯计算机系统有限公司 | 一种兴趣推荐方法、装置、服务器及存储介质 |
CN110413868A (zh) * | 2018-11-06 | 2019-11-05 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、系统及存储介质 |
-
2020
- 2020-06-19 CN CN202010565129.2A patent/CN112765449B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170171336A1 (en) * | 2015-12-15 | 2017-06-15 | Le Holdings (Beijing) Co., Ltd. | Method and electronic device for information recommendation |
CN108763314A (zh) * | 2018-04-26 | 2018-11-06 | 深圳市腾讯计算机系统有限公司 | 一种兴趣推荐方法、装置、服务器及存储介质 |
CN110413868A (zh) * | 2018-11-06 | 2019-11-05 | 腾讯科技(深圳)有限公司 | 信息推荐方法、装置、系统及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117193883A (zh) * | 2023-09-25 | 2023-12-08 | 广州东恒信息科技有限公司 | 一种基于人工智能的应用程序信息管控系统及方法 |
CN117193883B (zh) * | 2023-09-25 | 2024-02-13 | 广州东恒信息科技有限公司 | 一种基于人工智能的应用程序信息管控系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112765449B (zh) | 2023-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021174944A1 (zh) | 基于目标对象活跃度的消息推送方法及相关设备 | |
CN108537567B (zh) | 一种目标用户群体的确定方法和装置 | |
CN110866181B (zh) | 资源推荐的方法、装置及存储介质 | |
CN108833458B (zh) | 一种应用推荐方法、装置、介质及设备 | |
US8266149B2 (en) | Clustering with similarity-adjusted entropy | |
US8572019B2 (en) | Reducing the dissimilarity between a first multivariate data set and a second multivariate data set | |
CN108021708B (zh) | 内容推荐方法、装置与计算机可读存储介质 | |
CN107704485A (zh) | 一种职位推荐方法及计算设备 | |
Kuo et al. | An application of a metaheuristic algorithm-based clustering ensemble method to APP customer segmentation | |
CN108921587B (zh) | 一种数据处理方法、装置及服务器 | |
CN111666492A (zh) | 基于用户行为的信息推送方法、装置、设备及存储介质 | |
CN106484777A (zh) | 一种多媒体数据处理方法以及装置 | |
CN110046889A (zh) | 一种异常行为主体的检测方法、装置及服务器 | |
CN111861605A (zh) | 业务对象推荐方法 | |
CN107871277B (zh) | 服务器、客户关系挖掘的方法及计算机可读存储介质 | |
CN110929169A (zh) | 基于改进Canopy聚类协同过滤算法的职位推荐方法 | |
CN112765449B (zh) | 一种应用程序展示方法、装置及存储介质 | |
CN111667018A (zh) | 一种对象聚类的方法、装置、计算机可读介质及电子设备 | |
CN104750877A (zh) | 一种用于云计算资源定价的统计分析方法 | |
CN111009299A (zh) | 相似药品推荐方法及系统、服务器及介质 | |
CN115860835A (zh) | 基于人工智能的广告推荐方法、装置、设备及存储介质 | |
CN115661472A (zh) | 图像查重方法、装置、计算机设备及存储介质 | |
CN112231590B (zh) | 内容推荐方法、系统、计算机设备及存储介质 | |
CN114461822A (zh) | 资源处理方法、装置、设备及存储介质 | |
CN113138977A (zh) | 交易转化分析方法、装置、设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40048392 Country of ref document: HK |
|
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |