CN114880094A - 一种基于可穿戴设备的应用推荐方法及设备 - Google Patents

Abstract

本申请的目的是提供一种基于可穿戴设备的应用推荐方法及设备，本申请通过获取用户预设天数内每天中的不同的预设时间段内，使用可穿戴设备的功能使用历史信息；对全天中的不同的预设时间段对应的功能使用历史信息进行分析，得到全天中的不同预设时间段对应的至少一个使用功能的偏好程度；基于偏好程度，确定全天中的不同预设时间段对应的至少一个使用功能中的目标使用功能的应用推荐列表，目标使用功能的应用推荐列表包括目标使用功能对应的至少一个目标应用程序；在每天实时使用可穿戴设备时，按照不同的预设时间段，向用户推荐并呈现对应的目标使用功能对应的至少一个目标应用程序，使得用户快速点功能，提升效率。

Description

一种基于可穿戴设备的应用推荐方法及设备

技术领域

本申请涉及计算机技术领域，尤其涉及一种基于可穿戴设备的应用推荐方法及设备。

背景技术

随着智能化网络的发展，生活中随之出现越来越多的智能化设备，比如，智能手表或智能手环等，这些智能化设备给我们的生活带来便捷和乐趣。在日常使用的智能化设备中，可穿戴设备是众多智能化设备中普及率最高，用户使用最平凡的智能化产品。

为了使可穿戴设备使用更加人性化，更好的服务于用户，在现有技术中，可穿戴设备均搭载有自身单独的操作系统，并且每个可穿戴中都安装有超过20个软件功能，但是，由于可穿戴设备自身按键少、且屏幕小、以及显示空间有限的产品特点，这使得用户在可穿戴设备中进行交互操作时，用户需在可穿戴设备中进行较多次的滑动、选择等操作，给用户的使用带来极大不便。

发明内容

本申请的一个目的是提供一种基于可穿戴设备的应用推荐方法及设备，实现通过训练分析用户的功能使用历史信息，为用户进行个性化功能推荐，并在可穿戴设备屏幕上进行显示，使用户快速查看、点击、使用功能，极大的提升可穿戴设备的使用效率。

根据本申请的一个方面，提供了一种基于可穿戴设备的应用推荐方法，其中，所述方法包括：

获取用户预设天数内每天中的不同的预设时间段内，使用可穿戴设备的功能使用历史信息；

对全天中的不同的预设时间段对应的功能使用历史信息进行分析，得到全天中的不同预设时间段对应的至少一个使用功能的偏好程度；

基于所述偏好程度，确定全天中的不同预设时间段对应的至少一个使用功能中的目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序，所述目标使用功能包括至少一个；

在每天实时使用所述可穿戴设备时，按照不同的所述预设时间段，向所述用户推荐并呈现对应的目标使用功能对应的所述至少一个目标应用程序。

进一步地，上述方法中，所述对全天中的不同的预设时间段对应的功能使用历史信息进行分析，得到全天中的不同预设时间段对应的至少一个使用功能的偏好程度，包括：

对全天中的不同的预设时间段对应的功能使用历史信息进行分析，得到全天中的不同预设时间段对应的至少一个使用功能的使用习惯概率和使用规律；

对全天中的不同预设时间段对应的至少一个使用功能中的每个所述使用功能的使用习惯概率和使用规律进行统计分析，得到全天中的不同预设时间段对应的至少一个使用功能的偏好程度。

进一步地，上述方法中，所述基于所述偏好程度，确定全天中的不同预设时间段对应的至少一个使用功能中的目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序，包括：

为全天中的不同预设时间段对应的至少一个使用功能中的每个所述使用功能匹配对应的至少一个使用功能的应用待推荐列表，所述使用功能的应用待推荐列表包括所述使用功能对应的至少一个待推荐应用；

基于所述使用功能的偏好程度，从全天中的不同预设时间段对应的至少一个使用功能中，筛选出全天中的不同预设时间段对应的目标使用功能；

对全天中的不同预设时间段对应的目标使用功能的应用待推荐列表进行筛选，确定全天中的不同预设时间段对应的所述目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序。

进一步地，上述方法中，所述对全天中的不同预设时间段对应的目标使用功能的应用待推荐列表进行筛选，确定全天中的不同预设时间段对应的所述目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序，包括：

获取全天中的不同预设时间段对应的所述目标使用功能的应用待推荐列表中的每个所述待推荐应用的热门程度；

基于所述热门程度，从所述目标使用功能的应用待推荐列表中的所述至少一个待推荐应用中确定出至少一个目标应用程序，以得到全天中的不同预设时间段对应的所述目标使用功能的应用推荐列表。

进一步地，上述方法中，所述一种基于可穿戴设备的应用推荐方法还包括：

若所述可穿戴设备不存在所述用户的功能使用历史信息，获取全天中的不同预设时间段对应的至少一个预设功能的应用推荐列表，其中，所述预设功能的应用推荐列表包括所述预设功能对应的至少一个预设推荐应用程序；

在所述用户初始使用所述可穿戴设备时，按照不同的所述预设时间段，向所述用户推荐并呈现对应的所述预设功能对应的所述至少一个预设推荐应用程序。

根据本申请的另一方面，还提供了一种非易失性存储介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行时，使所述处理器实现如上述一种基于可穿戴设备的应用推荐方法。

根据本申请的另一方面，还提供了一种基于可穿戴设备的应用推荐设备，其中，该设备包括：

一个或多个处理器；

计算机可读介质，用于存储一个或多个计算机可读指令，

当所述一个或多个计算机可读指令被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述一种基于可穿戴设备的应用推荐方法。

与现有技术相比，本申请通过获取用户预设天数内每天中的不同的预设时间段内，使用可穿戴设备的功能使用历史信息；对全天中的不同的预设时间段对应的功能使用历史信息进行分析，得到全天中的不同预设时间段对应的至少一个使用功能的偏好程度；基于所述偏好程度，确定全天中的不同预设时间段对应的至少一个使用功能中的目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序，所述目标使用功能包括至少一个；在每天实时使用所述可穿戴设备时，按照不同的所述预设时间段，向所述用户推荐并呈现对应的目标使用功能对应的所述至少一个目标应用程序，根据收集用户的功能使用历史信息，分析得到用户在各个时间段使用可穿戴设备的目标使用功能，并在可穿戴设备主屏幕上展示目标使用功能对应的目标应用程序，使得用户无需在可穿戴设备中进行繁琐的筛选选择应用程序，即可快速查看信息、点击使用功能，极大提升可穿戴设备的使用效率，使可穿戴设备更加个性化，满足用户日常使用需求，从而促进可穿戴设备的发展，向智能化生活迈出重要一步。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1示出根据本申请一个方面的一种基于可穿戴设备的应用推荐方法的流程示意图。

附图中相同或相似的附图标记代表相同或相似的部件。

具体实施方式

下面结合附图对本申请作进一步详细描述。

在本申请一个典型的配置中，终端、服务网络的设备和可信方均包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括非暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

如图1所示，本申请的一个方面提出了一种基于可穿戴设备的应用推荐方法的流程示意图，其中，所述可穿戴设备包括但不限于智能手表，智能手环等，所述方法包括步骤S11、步骤S12、步骤S13及步骤S14，具体包括如下步骤：

步骤S11，获取用户预设天数内每天中的不同的预设时间段内，使用可穿戴设备的功能使用历史信息。

在此，所述预设天数包括但不限于10天，20天，30天等任意数量天数，在本申请优选实施例中，预设天数优选为30天；所述功能使用历史信息包括但不限于功能项，功能使用时间及功能使用时长等用来表示用户在预设天数内每天中的不同的预设时间段内使用功能时的相关数据参数，比如，获取用户预设天数内某一天中6：00-9：00时间段内，使用可穿戴设备的功能使用历史信息包括，新闻项、天气项以及心率项，其中，心率项功能使用时间为6：30，功能使用时长为5分钟；新闻项功能使用时间为8：00，功能使用时长为40分钟；天气项功能使用时间为8：50，功能使用时长为2分钟，从而得到用户在预设天数内每天使用可穿戴设备时功能使用情况，实现对用户日常使用功能的了解以及兴趣爱好的收集，使得为用户指定个性化推荐目标应用程序更加符合用户需求。

步骤S12，对全天中的不同的预设时间段对应的功能使用历史信息进行分析，得到全天中的不同预设时间段对应的至少一个使用功能的偏好程度；需要说明的是，所述偏好程度是指用户在不同预设时间段对应的使用功能的喜爱程度，可以由百分数，比例，数值等表示，在本申请优选实施例中，优选数值来表示使用功能的偏好程度，数值越大表示使用功能的偏好程度越高，其中，全天中的不同的预设时间段可以是将一整天划分为24个不同的预设时间段，每个预设时间段为一小时，也可以是将一整天划分为12个不同的预设时间段，每个预设时间段为两小时，也可以是将一整天划分为更多个的不同的预设时间段，使得预设时间段可以是任何时间间隔的时长，实现对全天中的不同时长的预设时间段的划分，从而满足全天中的不同时长的颗粒度的需求。

步骤S13，基于所述偏好程度，确定全天中的不同预设时间段对应的至少一个使用功能中的目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序，所述目标使用功能包括至少一个；在此，根据全天中不同时间段的使用功能的偏好程度的大小，在该时间段所有的使用功能中筛选得到至少一个目标使用功能，并确定每个目标使用功能的应用推荐列表，实现用户目标应用程序的筛选，完成个性化应用程序推荐，使得可穿戴设备更好的服务于用户日常生活，从而进一步增强用户使用好感度。

步骤S14，在每天实时使用所述可穿戴设备时，按照不同的所述预设时间段，向所述用户推荐并呈现对应的目标使用功能对应的所述至少一个目标应用程序；在此，将向用户推荐目标应用程序在可穿戴设备的主界面或电子显示屏等显示位置中呈现。

通过上述步骤S11至步骤S14，根据获取用户的功能使用历史信息，分析得到用户在全天各个时间段使用可穿戴设备时使用功能的偏好程度，再根据偏好程度筛选出全天各个时间段的目标使用功能，从而为用户推荐个性化目标应用程序，同时直观、便捷的为用户呈现目标应用程序，使得用户应用需求和兴趣爱好落实到目标使用功能中，方便用户在可穿戴设备中操作使用，达到可穿戴设备设计更加人性化，贴合每位用户的日常生活，使用更加舒心满意。

在本申请一优选实施例中，优选可穿戴设备为智能手表，获取用户A在30天内每天在0：00-6：00时间段、6：00-8：00时间段、8：00-18：00时间段、18：00-22：00时间段以及22：00-24：00时间段五个不同的时间段内使用智能手表的功能使用历史信息，并对30天内每天中在五个不同的时间段对应的功能使用历史信息进行分析，得到用户A在0：00-6：00时间段对应的睡眠项使用功能的偏好程度为7；在6：00-8：00时间段对应新闻项使用功能的偏好程度为5、心率项使用功能的偏好程度5以及天气项使用功能的偏好程度为10；在8：00-18：00时间段对应的办公项使用功能的偏好程度为6以及娱乐项使用功能的偏好程度为1；在18：00-22：00时间段对应的健身项使用功能的偏好程度为7、音乐项使用功能的偏好程度为1以及视频项使用功能的偏好程度为2；在22：00-24：00时间段对应的睡眠项使用功能的偏好程度为7和音乐项使用功能的偏好程度为1。

基于0：00-6：00时间段、6：00-8：00时间段、8：00-18：00时间段、18：00-22：00时间段以及22：00-24：00时间段对应的不同使用功能的偏好程度，将0：00-6：00时间段对应的睡眠项使用功能确定为目标使用功能，并得到睡眠项使用功能的应用推荐列表；在6：00-8：00时间段对应的新闻项使用功能，心率项使用功能以及天气项使用功能中筛选确定目标使用功能为天气项使用功能、心率项使用功能和新闻项使用功能，并得到天气项使用功能的应用推荐列表、心率项使用功能的应用推荐列表和新闻项使用功能的应用推荐列表；在8：00-18：00时间段对应的办公项使用功能以及娱乐项使用功能中筛选确定目标使用功能为办公项使用功能，并得到办公项使用功能的应用推荐列表；在18：00-22：00时间段对应的健身项使用功能，音乐项使用功能以及视频项使用功能中筛选确定目标使用功能为健身项使用功能和视频使用功能，并得到健身使用功能的应用推荐列表和视频使用功能的应用推荐列表；在22：00-24：00时间段对应的睡眠项使用功能以及音乐项使用功能中筛选确定目标使用功能为睡眠项使用功能，并得到睡眠项使用功能的应用推荐列表，完成确定用户A全天中不同时间段目标使用功能的应用推荐列表。

根据用户A全天中0：00-6：00时间段、6：00-8：00时间段、8：00-18：00时间段、18：00-22：00时间段以及22：00-24：00时间段对应的目标使用功能以及对应的应用推荐列表，在0：00-6：00时间段向用户A推荐睡眠项使用功能的目标应用程序；6：00-8：00时间段向用户A推荐新闻项使用功能的目标应用程序、心率项使用功能的目标应用程序以及天气项使用功能的目标应用程序；在8：00-18：00时间段向用户A推荐办公项使用功能的目标应用程序；在18：00-22：00时间段向用户A推荐健身项使用功能的目标应用程序以及视频使用功能的目标应用程序；在22：00-24：00时间段向用户A推荐睡眠项使用功能的目标应用程序，完成用户A个性化应用程序推荐。

接着本申请上述实施例，其中，所述步骤S12对全天中的不同的预设时间段对应的功能使用历史信息进行分析，得到全天中的不同预设时间段对应的至少一个使用功能的偏好程度，包括：

对全天中的不同的预设时间段对应的功能使用历史信息进行分析，得到全天中的不同预设时间段对应的至少一个使用功能的使用习惯概率和使用规律；在此，所述使用规律是指用户使用功能时是否存在工作日或休息日或节假日的差异，以及是否会随着作息习惯变化而产生的差异等动态因素。

对全天中的不同预设时间段对应的至少一个使用功能中的每个所述使用功能的使用习惯概率和使用规律进行统计分析，得到全天中的不同预设时间段对应的至少一个使用功能的偏好程度；在此，当使用习惯概率过低，或低于预设判断标准时在该预设时间段内删除对应的使用功能，实现针对用户的功能使用历史信息多角度分析用户生活需求习惯，从而达到数据分析结果准确度高，并将收集的抽象、零散的数据分析后得到具体的、统一表示方法，使得用户信息更加直观清晰。

在本申请一优选实施例中，优选可穿戴设备为智能手表，获取用户A在30天内全天中在0：00-6：00时间段、6：00-8：00时间段、8：00-18：00时间段、18：00-22：00时间段以及22：00-24：00时间段内使用智能手表的功能使用历史信息，对30天内每天中在五个不同的时间段对应的功能使用历史信息进行分析，得到用户A在0：00-6：00时间段对应的睡眠项使用功能的使用习惯概率为100％，使用规律不存在工作日和节假日差异。在6：00-8：00时间段对应的新闻项使用功能的使用习惯概率为50％，使用规律存在工作日和节假日差异；天气项使用功能的使用习惯为100％，使用规律不存在工作日和节假日差异；心率项使用功能的使用习惯概率为30％，使用规律不存在工作日和节假日差异。在8：00-18：00时间段对应的办公项使用功能的使用习惯概率为90％，使用规律存在工作日和节假日差异；娱乐项使用功能的使用习惯为30％，使用规律不存在工作日和节假日差异。在18：00-22：00时间段对应的健身项使用功能的使用习惯概率为70％，使用规律不存在工作日和节假日差异；视频项使用功能的使用习惯为10％，使用规律不存在工作日和节假日差异；音乐项使用功能的使用习惯为10％，使用规律不存在工作日和节假日差异。在22：00-24：00时间段对应的睡眠项使用功能的使用习惯概率为100％，使用规律不存在工作日和节假日差异；音乐项使用功能的使用习惯为10％，使用规律不存在工作日和节假日差异。

对五个不同时间段对应的不同使用功能均进行使用习惯概率和使用规律的统计分析，得到用户A在0：00-6：00时间段对应的睡眠项使用功能的偏好程度为7；在6：00-8：00时间段对应新闻项使用功能的偏好程度为5、心率项使用功能的偏好程度5以及天气项使用功能的偏好程度为10；在8：00-18：00时间段对应的办公项使用功能的偏好程度为6以及娱乐项使用功能的偏好程度为1；在18：00-22：00时间段对应的健身项使用功能的偏好程度为7、音乐项使用功能的偏好程度为1以及视频项使用功能的偏好程度为2；在22：00-6：00时间段对应的睡眠项使用功能的偏好程度为7和音乐项使用功能的偏好程度为1，得到不同时间段对应的使用功能的偏好程度。

接着本申请上述实施例，所述步骤S13基于所述偏好程度，确定全天中的不同预设时间段对应的至少一个使用功能中的目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序，包括：

为全天中的不同预设时间段对应的至少一个使用功能中的每个所述使用功能匹配对应的至少一个使用功能的应用待推荐列表，所述使用功能的应用待推荐列表包括所述使用功能对应的至少一个待推荐应用；

基于所述使用功能的偏好程度，从全天中的不同预设时间段对应的至少一个使用功能中，筛选出全天中的不同预设时间段对应的目标使用功能；

对全天中的不同预设时间段对应的目标使用功能的应用待推荐列表进行筛选，确定全天中的不同预设时间段对应的所述目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序。

比如，为用户A在全天内22：00-24：00时间段中对应的睡眠项使用功能匹配睡眠应用待推荐列表以及音乐项使用功能匹配音乐应用待推荐列表，其中睡眠应用待推荐列表包括应用1、应用2和应用3，音乐应用待推荐列表包括应用4和应用5；基于睡眠项使用功能的偏好程度7和音乐项使用功能的偏好程度1，对22：00-24：00时间段中筛选得到目标使用功能为睡眠项使用功能，并对睡眠项使用功能的睡眠应用待推荐列表进行筛选，最终确定用户A在22：00-24：00时间段对应的睡眠项使用功能的睡眠应用推荐列表，其中睡眠应用推荐列表包括应用1和应用2，完成22：00-24：00时间段内目标使用功能的确定，实现从多个使用功能中根据偏好程度得到最接近用户习惯的、用户最大概率使用的目标使用功能，为用户精确定位符合用户自身潜在习惯的应用程序，使得可穿戴设备针对性越强。

接着本申请上述实施例，其中，所述步骤S13中的对全天中的不同预设时间段对应的目标使用功能的应用待推荐列表进行筛选，确定全天中的不同预设时间段对应的所述目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序，包括：

获取全天中的不同预设时间段对应的所述目标使用功能的应用待推荐列表中的每个所述待推荐应用的热门程度；在此，所述待推荐应用的热门程度可以是根据每个应用在网络中用户下载热门排行确定，也可以根据每个应用在网络中用户使用满意度排行确定等。

基于所述热门程度，从所述目标使用功能的应用待推荐列表中的所述至少一个待推荐应用中确定出至少一个目标应用程序，以得到全天中的不同预设时间段对应的所述目标使用功能的应用推荐列表。

比如，确定全天22：00-24：00时间段中对应的目标使用功能为睡眠项使用功能，并且睡眠项使用功能的睡眠应用待推荐列表包括待推荐应用1、待推荐应用2和待推荐应用3；获取在22：00-24：00时间段中待推荐应用1、待推荐应用2和待推荐应用3的热门程度，得到待推荐应用1的热门程度和待推荐应用2的热门程度均高于待推荐应用3的热门程度，将睡眠项使用功能的睡眠应用待推荐列表中待推荐应用1和待推荐应用2确定为目标应用程序，得到22：00-24：00时间段中睡眠项使用功能的应用推荐列表，完成22：00-24：00时间段中目标应用程序的筛选，达到为用户推荐目标应用程序的同时，为用户呈现最热门的、使用感最高的目标应用程序，不但实现针对性筛选目标使用功能，而且完成目标应用程序的高质量推送。

接着本申请上述实施例，本申请的一个方面提出的一种基于可穿戴设备的应用推荐方法还包括：

若所述可穿戴设备不存在所述用户的功能使用历史信息，获取全天中的不同预设时间段对应的至少一个预设功能的应用推荐列表，其中，所述预设功能的应用推荐列表包括所述预设功能对应的至少一个预设推荐应用程序；

在所述用户初始使用所述可穿戴设备时，按照不同的所述预设时间段，向所述用户推荐并呈现对应的所述预设功能对应的所述至少一个预设推荐应用程序，实现当新用户或暂无用户功能使用历史信息的用户使用所述可穿戴设备时，可穿戴设备仍然可以进行高质量、全方面应用推荐，为后续获取用户功能使用历史信息搭建基础，避免新用户或暂无用户功能使用历史信息的用户使用时出现不断滑动和选择的问题。

在本申请一优选实施例中，若可穿戴设备不存在所述用户B的功能使用历史信息，分别获取全天中0：00-6：00时间段、6：00-8：00时间段、8：00-18：00时间段、18：00-22：00时间段以及22：00-24：00时间段的预设功能的应用推荐列表，其中，在0：00-6：00时间段预设功能为睡眠预设功能，睡眠预设功能的应用推荐列表包括预设推荐应用11和预设推荐应用12；在6：00-8：00时间段预设功能为新闻预设功能，新闻预设功能的应用推荐列表包括预设推荐应用13、预设推荐应用14和预设推荐应用15；在8：00-18：00时间段预设功能为娱乐预设功能，娱乐预设功能的应用推荐列表包括预设推荐应用16；在18：00-22：00时间段预设功能为运动预设功能，运动预设功能的应用推荐列表包括预设推荐应用17、预设推荐应用18和预设推荐应用19；在22：00-24：00时间段预设功能为音乐预设功能，音乐预设功能的应用推荐列表包括应用20，完成初始预设功能的应用推荐列表的搭建。

当用户B在0：00-6：00时间段初始使用所述可穿戴设备时，向用户B推荐并呈现睡眠预设功能对应的预设推荐应用11和预设推荐应用12；当用户B在6：00-8：00时间段初始使用所述可穿戴设备时，向用户B推荐并呈现新闻预设功能对应的预设推荐应用13、预设推荐应用14和预设推荐应用15；当用户B在8：00-18：00时间段初始使用所述可穿戴设备时，向用户B推荐并呈现娱乐预设功能对应的预设推荐应用16；当用户B在18：00-22：00时间段初始使用所述可穿戴设备时，向用户B推荐并呈现运动预设功能对应的预设推荐应用17、预设推荐应用18和预设推荐应用19；当用户B在22：00-24：00时间段初始使用所述可穿戴设备时，向用户B推荐并呈现音乐预设功能对应的预设推荐应用20，完成针对用户B的应用推荐。

在本申请实际应用场景中，在可穿戴设备为初始状态时，即可穿戴设备不存在所述用户的功能使用历史信息，获取全天中的不同预设时间段对应的预设功能的应用推荐列表，在用户使用可穿戴设备是，按照不同预设时间段，显示默认设置的推荐应用，即显示预设功能对应的预设推荐应用程序，比如，在早上8点-10点时间段，默认的推荐功能为心率功能和音乐功能，则显示心率功能对应的推荐应用和音乐功能对应的推荐应用。

在可穿戴设备不是初始状态时，即，可穿戴设备存在所述用户的功能使用历史信息，在预设天数内用户每次启动可穿戴设备时，用户使用的任一功能，系统都将记录相关数据参数，其中包括功能项、功能使用时间及功能使用时长等。系统在预设天数内完成汇总统计全天各个时间段、各功能的使用情况，实现用户习惯的收集。

对收集到的用户习惯，以每天的时间点为主参数，分析该时间点内各个功能的使用习惯概率和使用规律，其中使用习惯概率可以为经过1个月的记录，统计分析后形成每个功能在全天各个时间点的概率曲线图。比如，心率测量功能在8点的使用习惯概率80％，9点使用习惯概率60％，10点使用习惯概率20％，实现算法分析。

系统按照同一时间点横向比较各个功能的使用习惯概率，比如，在记录期的1个月内，早上8点-8点15分，用户使用心率测量功能的使用习惯概率是80％；使用音乐功能的使用习惯概率是10％，使用运动功能的使用习惯概率是40％；得到同一时间点各个功能的使用习惯概率之后，判断使用规律是否存在影响，比如，是否存在工作日/周末/节假日的差异，是否会随着作息习惯变化等，最终筛选得到用户最可能使用的功能并进行该功能对应应用程序的推荐。接着上例，在早上8点-8点15分，用户使用心率测量功能和运动功能的使用习惯概率较高，而音乐功能使用习惯概率过低，且低于预设判断标准，筛选排除音乐功能，则用户第二天早上8点使用可穿戴设备时，主屏幕只展示心率测量功能对应的应用程序和运动功能对应的应用程序这两个功能。用户无需查找所需要功能，就可以直接点击使用。同理，不同时间点打开可穿戴设备，都会推荐不同的应用，完成功能的排序推荐。

根据本申请的另一方面，还提供了一种非易失性存储介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行时，使所述处理器实现如上述一种基于可穿戴设备的应用推荐方法。

根据本申请的另一方面，还提供了一种基于可穿戴设备的应用推荐设备，其中，该设备包括：

一个或多个处理器；

计算机可读介质，用于存储一个或多个计算机可读指令，

当所述一个或多个计算机可读指令被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述一种基于可穿戴设备的应用推荐方法。

在此，所述一种基于可穿戴设备的应用推荐设备中的各实施例的详细内容，具体可参见上述一种基于可穿戴设备的应用推荐方法的实施例的对应部分，在此，不再赘述。

综上所述，本申请通过获取用户预设天数内每天中的不同的预设时间段内，使用可穿戴设备的功能使用历史信息；对全天中的不同的预设时间段对应的功能使用历史信息进行分析，得到全天中的不同预设时间段对应的至少一个使用功能的偏好程度；基于所述偏好程度，确定全天中的不同预设时间段对应的至少一个使用功能中的目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序，所述目标使用功能包括至少一个；在每天实时使用所述可穿戴设备时，按照不同的所述预设时间段，向所述用户推荐并呈现对应的目标使用功能对应的所述至少一个目标应用程序，根据收集用户的功能使用历史信息，分析得到用户在各个时间段使用可穿戴设备的目标使用功能，并在可穿戴设备主屏幕上展示目标使用功能对应的目标应用程序，使得用户无需在可穿戴设备中进行繁琐的筛选选择应用程序，即可快速查看信息、点击使用功能，极大提升可穿戴设备的使用效率，使可穿戴设备更加个性化，满足用户日常使用需求，从而促进可穿戴设备的发展，向智能化生活迈出重要一步。

需要注意的是，本申请可在软件和/或软件与硬件的组合体中被实施，例如，可采用专用集成电路(ASIC)、通用目的计算机或任何其他类似硬件设备来实现。在一个实施例中，本申请的软件程序可以通过处理器执行以实现上文所述步骤或功能。同样地，本申请的软件程序(包括相关的数据结构)可以被存储到计算机可读记录介质中，例如，RAM存储器，磁或光驱动器或软磁盘及类似设备。另外，本申请的一些步骤或功能可采用硬件来实现，例如，作为与处理器配合从而执行各个步骤或功能的电路。

另外，本申请的一部分可被应用为计算机程序产品，例如计算机程序指令，当其被计算机执行时，通过该计算机的操作，可以调用或提供根据本申请的方法和/或技术方案。而调用本申请的方法的程序指令，可能被存储在固定的或可移动的记录介质中，和/或通过广播或其他信号承载媒体中的数据流而被传输，和/或被存储在根据所述程序指令运行的计算机设备的工作存储器中。在此，根据本申请的一个实施例包括一个装置，该装置包括用于存储计算机程序指令的存储器和用于执行程序指令的处理器，其中，当该计算机程序指令被该处理器执行时，触发该装置运行基于前述根据本申请的多个实施例的方法和/或技术方案。

对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。

Claims (7)

1.一种基于可穿戴设备的应用推荐方法，其中，所述方法包括：

获取用户预设天数内每天中的不同的预设时间段内，使用可穿戴设备的功能使用历史信息；

对全天中的不同的预设时间段对应的功能使用历史信息进行分析，得到全天中的不同预设时间段对应的至少一个使用功能的偏好程度；

基于所述偏好程度，确定全天中的不同预设时间段对应的至少一个使用功能中的目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序，所述目标使用功能包括至少一个；

在每天实时使用所述可穿戴设备时，按照不同的所述预设时间段，向所述用户推荐并呈现对应的目标使用功能对应的所述至少一个目标应用程序。

2.根据权利要求1所述的方法，其中，所述对全天中的不同的预设时间段对应的功能使用历史信息进行分析，得到全天中的不同预设时间段对应的至少一个使用功能的偏好程度，包括：

对全天中的不同的预设时间段对应的功能使用历史信息进行分析，得到全天中的不同预设时间段对应的至少一个使用功能的使用习惯概率和使用规律；

对全天中的不同预设时间段对应的至少一个使用功能中的每个所述使用功能的使用习惯概率和使用规律进行统计分析，得到全天中的不同预设时间段对应的至少一个使用功能的偏好程度。

3.根据权利要求1所述的方法，其中，所述基于所述偏好程度，确定全天中的不同预设时间段对应的至少一个使用功能中的目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序，包括：

为全天中的不同预设时间段对应的至少一个使用功能中的每个所述使用功能匹配对应的至少一个使用功能的应用待推荐列表，所述使用功能的应用待推荐列表包括所述使用功能对应的至少一个待推荐应用；

基于所述使用功能的偏好程度，从全天中的不同预设时间段对应的至少一个使用功能中，筛选出全天中的不同预设时间段对应的目标使用功能；

对全天中的不同预设时间段对应的目标使用功能的应用待推荐列表进行筛选，确定全天中的不同预设时间段对应的所述目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序。

4.根据权利要求3所述的方法，其中，所述对全天中的不同预设时间段对应的目标使用功能的应用待推荐列表进行筛选，确定全天中的不同预设时间段对应的所述目标使用功能的应用推荐列表，所述目标使用功能的应用推荐列表包括所述目标使用功能对应的至少一个目标应用程序，包括：

获取全天中的不同预设时间段对应的所述目标使用功能的应用待推荐列表中的每个所述待推荐应用的热门程度；

基于所述热门程度，从所述目标使用功能的应用待推荐列表中的所述至少一个待推荐应用中确定出至少一个目标应用程序，以得到全天中的不同预设时间段对应的所述目标使用功能的应用推荐列表。

5.根据权利要求1至4中任一项所述的方法，其中，所述方法还包括：

若所述可穿戴设备不存在所述用户的功能使用历史信息，获取全天中的不同预设时间段对应的至少一个预设功能的应用推荐列表，其中，所述预设功能的应用推荐列表包括所述预设功能对应的至少一个预设推荐应用程序；

在所述用户初始使用所述可穿戴设备时，按照不同的所述预设时间段，向所述用户推荐并呈现对应的所述预设功能对应的所述至少一个预设推荐应用程序。

6.一种非易失性存储介质，其上存储有计算机可读指令，所述计算机可读指令可被处理器执行时，使所述处理器实现如权利要求1至5中任一项所述的方法。

7.一种基于可穿戴设备的应用推荐设备，其中，该设备包括：

一个或多个处理器；

计算机可读介质，用于存储一个或多个计算机可读指令，

当所述一个或多个计算机可读指令被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至5所述的方法。

Images