KR20170129856A - 애플리케이션 추천 방법, 서버, 및 컴퓨터 판독가능 매체 - Google Patents

애플리케이션 추천 방법, 서버, 및 컴퓨터 판독가능 매체 Download PDF

Info

Publication number
KR20170129856A
KR20170129856A KR1020177030016A KR20177030016A KR20170129856A KR 20170129856 A KR20170129856 A KR 20170129856A KR 1020177030016 A KR1020177030016 A KR 1020177030016A KR 20177030016 A KR20177030016 A KR 20177030016A KR 20170129856 A KR20170129856 A KR 20170129856A
Authority
KR
South Korea
Prior art keywords
application
applications
download
downloads
user
Prior art date
Application number
KR1020177030016A
Other languages
English (en)
Other versions
KR101999466B1 (ko
Inventor
루이밍 허
위안 톈
Original Assignee
텐센트 테크놀로지(센젠) 컴퍼니 리미티드
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 텐센트 테크놀로지(센젠) 컴퍼니 리미티드 filed Critical 텐센트 테크놀로지(센젠) 컴퍼니 리미티드
Publication of KR20170129856A publication Critical patent/KR20170129856A/ko
Application granted granted Critical
Publication of KR101999466B1 publication Critical patent/KR101999466B1/ko

Links

Images

Classifications

    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • G06Q30/0254—Targeted advertisements based on statistics
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • 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
    • G06F16/903—Querying
    • G06F16/9032—Query formulation
    • G06F16/90324—Query formulation using system suggestions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2477—Temporal data queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/25—Integrating or interfacing systems involving database management systems
    • G06F16/258—Data format conversion from or to a database
    • 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
    • G06F16/958—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
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/06—Arrangements for sorting, selecting, merging, or comparing data on individual record carriers
    • G06F7/08—Sorting, i.e. grouping record carriers in numerical or other ordered sequence according to the classification of at least some of the information they carry
    • 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
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0282—Rating or review of business operators or products
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/34—Network arrangements or protocols for supporting network services or applications involving the movement of software or configuration parameters 
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/35—Services specially adapted for particular environments, situations or purposes for the management of goods or merchandise

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Physics (AREA)
  • Business, Economics & Management (AREA)
  • Finance (AREA)
  • Probability & Statistics with Applications (AREA)
  • Accounting & Taxation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Software Systems (AREA)
  • Development Economics (AREA)
  • Fuzzy Systems (AREA)
  • Strategic Management (AREA)
  • Information Transfer Between Computers (AREA)
  • Stored Programmes (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Game Theory and Decision Science (AREA)

Abstract

애플리케이션 추천 방법은 (복수의 추천될 애플리케이션들의 각각의 애플리케이션의) 다운로드 횟수의 양 및 사용자 사용 횟수의 양을 결정하는 단계(S100, S200); 다운로드 횟수의 변환된 양 및 사용자 사용 횟수의 변환된 양을 획득하기 위해 다운로드 횟수의 양 및 사용자 사용 횟수의 양을 동일한 자릿수로 되도록 변환하는 단계(S110); 애플리케이션의 다운로드 정렬 가중 값을 획득하기 위해 다운로드 횟수의 변환된 양에 가중 계산을 수행하는 단계; 애플리케이션의 사용 정렬 가중 값을 획득하기 위해 사용자 사용 횟수의 변환된 양에 가중 계산을 수행하는 단계(S120); 각각의 애플리케이션의 다운로드 정렬 가중 값 및 사용 정렬 가중 값에 따라 각각의 애플리케이션의 정렬 값을 획득하는 단계(S130, S230, S640); 및 각각의 애플리케이션의 정렬 값에 따라 애플리케이션 추천 인터페이스 상에서 각각의 애플리케이션의 랭크를 결정하는 단계(S140, S240, S650)를 포함한다. 방법은 애플리케이션 추천 위치 배열의 합리성을 개선하고, 애플리케이션 추천의 합리성을 개선한다.

Description

애플리케이션 추천 방법, 서버, 및 컴퓨터 판독가능 매체
본 출원은 중화 인민 공화국의 국가지식재산권국에서 2015년 6월 23일에 출원되고, 발명의 명칭이 "APPLICATION RECOMMENDATION METHOD AND SERVER"인 중국 특허 출원 제201510350222.0호에 대한 우선권을 주장하며, 이 중국 특허 출원은 본원에 전체적으로 참조로 포함된다.
기술분야
본 개시내용은 정보 추천 기술의 분야에 관한 것으로, 특히 애플리케이션 추천 방법, 서버 및 컴퓨터 판독가능 매체에 관한 것이다.
지식 운영 시스템들, 예컨대 안드로이드(Android), IOS의 인기에 따라, 점점 더 많은 애플리케이션들은 단말 디바이스들 상에 로딩된다. 따라서, 단말 디바이스를 위해 애플리케이션 다운로드 서비스들을 더 잘 제공하는 법은 더 중요하다. 현재, 애플리케이션 다운로드 플랫폼, 예컨대 애플리케이션 스토어는 단말 디바이스가 애플리케이션들을 다운로딩하는 주요 방식이다. 애플리케이션 다운로드 플랫폼은 모든 애플리케이션들을 정렬하고 애플리케이션 추천 인터페이스 상에 애플리케이션들을 제시할 수 있다. 일반적으로, 애플리케이션 추천 인터페이스는 애플리케이션 다운로드 플랫폼의 홈 페이지 또는 각각의 클래스에 대한 클래스 인터페이스를 포함한다. 도 1은 애플리케이션 추천 인터페이스의 개략도이다. 애플리케이션 다운로드 플랫폼은 모든 애플리케이션들을 정렬하고 홈 페이지 상에 애플리케이션들을 제시할 수 있다. 명백히, 클래스 인터페이스의 경우에, 애플리케이션 다운로드 플랫폼은 또한 애플리케이션들을 구분하고, 각각의 클래스의 애플리케이션들을 정렬하고, 클래스 인터페이스 상에 애플리케이션들을 제시할 수 있다.
애플리케이션 다운로드 플랫폼의 애플리케이션 추천 인터페이스 상에 애플리케이션들을 추천할 시에, 애플리케이션의 추천 위치(즉, 애플리케이션의 순서수)는 애플리케이션에서 사용자의 관심에 큰 영향을 미친다. 따라서, 애플리케이션의 추천 위치를 적절히 설정하는 법은 애플리케이션들을 추천할 시에 어려운 문제이다. 현재 애플리케이션 추천 방법은 애플리케이션의 추천된 위치를 설정하기 위해 애플리케이션의 다운로드 횟수에 주로 기초한다. 즉, 높은 다운로드 횟수를 갖는 애플리케이션의 추천 위치는 낮은 다운로드 횟수를 갖는 애플리케이션의 추천 위치 전에 있다.
그러나, 전면 추천 위치에서의 애플리케이션은 사용자 사용 레벨에서 높은 인기 및 유행을 갖는 애플리케이션이어야 한다. 기존 애플리케이션 추천 방법의 경우, 애플리케이션의 높은 다운로드 횟수가 사용자 사용 레벨에서 인기 및 유행을 표현하는 경우가 있을 수 있다. 특히, 애플리케이션이 보충 다운로드 횟수를 가지면, 보충 다운로드 횟수를 갖지만 사용자 사용 레벨에서 낮은 인기 및 유행을 갖는 애플리케이션은 오랫동안 전면 추천 위치를 여전히 점유할 수 있고, 따라서 부적절한 애플리케이션이 추천된다. 그 결과, 기존 애플리케이션 추천 방법에 의해 설정되는 애플리케이션 추천 위치들은 사용자 레벨에서 인기 및 유행과 매칭하지 않을 가능성이 매우 높아서, 부적절한 애플리케이션 추천을 야기한다. 따라서, 애플리케이션 추천 위치 배열의 적합성을 개선하고 따라서 애플리케이션 추천의 적합성을 개선하는 법은 고려될 필요가 있는 문제이다.
상술한 것의 관점에서, 애플리케이션 추천 방법, 서버 및 컴퓨터 판독가능 매체는 애플리케이션 추천 위치 배열의 적합성을 개선하고 따라서 애플리케이션 추천의 적합성을 개선하기 위해 본 개시내용의 일 실시예에 따라 제공된다.
일 양태에서, 본 개시내용은 서버에 제공되는 애플리케이션 추천 방법을 제공한다. 방법은,
다수의 추천될 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수를 결정하는 단계;
변환된 다운로드 횟수 및 변환된 사용자 사용 횟수를 획득하기 위해 다운로드 횟수 및 사용자 사용 횟수를 동일한 자릿수로 되도록 변환하는 단계;
애플리케이션의 다운로드 정렬 가중 값을 획득하기 위해 변환된 다운로드 횟수에 가중 계산을 수행하고, 애플리케이션의 사용 정렬 가중 값을 획득하기 위해 변환된 사용자 사용 횟수에 가중 계산을 수행하는 단계;
애플리케이션의 다운로드 정렬 가중 값 및 사용 정렬 가중 값에 기초하여 다수의 애플리케이션들 각각의 정렬 값을 획득하는 단계; 및
애플리케이션들 각각의 정렬 값에 기초하여 애플리케이션 추천 인터페이스 상에서 다수의 애플리케이션들의 시퀀스를 결정하는 단계를 포함한다.
제2 양태에서, 본 개시내용은 서버를 제공하며, 서버는,
다수의 추천될 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수를 결정하도록 구성되는 횟수 결정 모듈;
변환된 다운로드 횟수 및 변환된 사용자 사용 횟수를 획득하기 위해 다운로드 횟수 및 사용자 사용 횟수를 동일한 자릿수로 되게 변환하도록 구성되는 변환 모듈;
애플리케이션의 다운로드 정렬 가중 값을 획득하기 위해 변환된 다운로드 횟수에 가중 계산을 수행하고, 애플리케이션의 사용 정렬 가중 값을 획득하기 위해 변환된 사용자 사용 횟수에 가중 계산을 수행하도록 구성되는 가중 모듈;
애플리케이션의 다운로드 정렬 가중 값 및 사용 정렬 가중 값에 기초하여 다수의 애플리케이션들 각각의 정렬 값을 획득하도록 구성되는 정렬 모듈; 및
애플리케이션들 각각의 정렬 값에 기초하여 애플리케이션 추천 인터페이스 상에서 다수의 애플리케이션들의 시퀀스를 결정하도록 구성되는 추천 모듈을 포함한다.
제3 양태에서, 본 개시내용은 하나 이상의 컴퓨터 프로그램들을 저장하도록 구성되는 컴퓨터 판독가능 매체를 제공한다. 하나 이상의 컴퓨터 프로그램들은 상기 애플리케이션 추천 방법을 수행하기 위해 하나 이상의 스토리지들을 포함하는 프로세서에 의해 실행가능한 명령어들을 포함한다.
상기 기술적 해결법에 기초하여, 본 개시내용의 실시예들에 따른 애플리케이션 추천 방법에서, 다수의 추천될 애플리케이션들을 추천할 시에, 다수의 추천될 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수가 결정될 수 있다. 다운로드 횟수 및 사용자 사용 횟수는 변환된 다운로드 횟수 및 변환된 사용자 사용 횟수를 획득하기 위해 동일한 자릿수로 되도록 변환된다. 가중 계산은 다운로드 정렬 가중 값을 획득하기 위해 변환된 다운로드 횟수에 수행되고, 가중 계산은 사용 정렬 가중 값을 획득하기 위해 변환된 사용자 사용 횟수에 수행된다. 각각의 애플리케이션의 다운로드 정렬 가중 값 및 사용 정렬 가중 값에 기초하여, 각각의 애플리케이션의 정렬 값이 결정된다. 그 다음, 각각의 애플리케이션의 정렬 값에 기초하여, 애플리케이션 추천 인터페이스 상의 다수의 애플리케이션들의 시퀀스가 결정된다. 따라서, 다수의 추천될 애플리케이션들은 시퀀스에서 애플리케이션 추천 인터페이스 상에 추천되며, 그것에 의해 다수의 추천될 애플리케이션들의 추천을 달성한다. 본 개시내용의 실시예들에서, 애플리케이션 추천 인터페이스 상의 애플리케이션들의 시퀀스는 다운로드 횟수 및 사용자 사용 횟수에 기초하여 결정되며, 그것에 의해 사용자 레벨에서 애플리케이션 추천 위치와 애플리케이션의 인기 및 유행 사이의 매칭 정도를 개선한다. 따라서, 애플리케이션 추천 인터페이스를 통해, 사용자는 높은 인기 및 유행을 갖는 애플리케이션을 더 용이하게 발견할 수 있다.
실시예들 또는 종래의 기술의 설명에 사용될 필요가 있는 첨부 도면들은 본 발명에서의 실시예들에 따르거나 종래의 기술에 따른 기술적 해결법들이 더 분명해지도록 이하와 같이 간단히 설명된다. 명백히, 이하의 설명에서의 첨부 도면들은 본 개시내용의 일부 실시예들만이다. 본 기술분야의 통상의 기술자들을 위해, 다른 도면들은 임의의 창조적 작업 없이 이러한 첨부 도면들에 따라 획득될 수 있다.
도 1은 애플리케이션 추천 인터페이스의 개략도이다.
도 2는 본 개시내용의 일 실시예에 따른 애플리케이션 추천 방법의 흐름도이다.
도 3은 본 개시내용의 다른 실시예에 따른 애플리케이션 추천 방법의 흐름도이다.
도 4는 본 개시내용의 일 실시예에 따른 다수의 추천될 애플리케이션들 각각의 사용자 사용 횟수를 결정하는 방법의 흐름도이다.
도 5는 본 개시내용의 다른 실시예에 따른 다수의 추천될 애플리케이션들 각각의 사용자 사용 횟수를 결정하는 방법의 흐름도이다.
도 6은 본 개시내용의 일 실시예에 따른 다수의 추천될 애플리케이션들 각각의 다운로드 횟수를 결정하는 방법의 흐름도이다.
도 7은 본 개시내용의 다른 실시예에 따른 애플리케이션 추천 방법의 흐름도이다.
도 8은 본 개시내용의 일 실시예에 따른 서버의 구조 개략도이다.
도 9는 본 개시내용의 일 실시예에 따른 변환 모듈의 구조 개략도이다.
도 10은 본 개시내용의 다른 실시예에 따른 서버의 구조 개략도이다.
도 11은 본 개시내용의 일 실시예에 따른 횟수 결정 모듈의 구조 개략도이다.
도 12는 본 개시내용의 다른 실시예에 따른 서버의 구조 개략도이다.
도 13은 본 개시내용의 다른 실시예에 따른 서버의 구조 개략도이다.
도 14는 본 개시내용의 일 실시예에 따른 서버의 하드웨어 구조 개략도이다.
본 개시내용의 실시예들에 따른 기술적 해결법은 본 개시내용의 실시예들에서의 첨부 도면들과 함께 이하와 같이 분명히 그리고 완전히 설명된다. 명백히, 설명된 실시예들은 본 개시내용에 따른 실시예들의 일부만이다. 임의의 창조적 작업 없이 본 개시내용에서의 실시예들에 기초하여 본 기술분야의 통상의 기술자들에 의해 획득되는 모든 다른 실시예들은 본 개시내용의 범위 내에 있다.
도 2는 본 개시내용의 일 실시예에 따른 애플리케이션 추천 방법의 흐름도이다. 방법은 서버에 적용될 수 있다. 서버는 애플리케이션 다운로드 플랫폼에 대한 서버, 또는 다수의 애플리케이션 다운로드 플랫폼들의 데이터를 통합하는 서버일 수 있다. 서버는 단일 서버, 또는 다수의 서버들에 의해 구성되는 서버 그룹일 수 있다.
도 2를 참조하면, 방법은 단계들(S100 내지 S140)을 포함할 수 있다.
단계(S100)에서, 다수의 추천될 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수가 결정된다.
다수의 추천될 애플리케이션들은 애플리케이션 다운로드 플랫폼의 홈 페이지 상에 추천될 필요가 있는 애플리케이션들, 또는 애플리케이션 다운로드 플랫폼의 특정 클래스 인터페이스 상에 추천될 필요가 있는 애플리케이션들일 수 있다. 다수의 추천될 애플리케이션들은 실제 요구에 기초하여 결정될 수 있다.
본 개시내용의 일 실시예에서, 애플리케이션의 사용자 사용 횟수는 애플리케이션의 사용을 감시함으로써 결정될 수 있다. 예를 들어, 단말 디바이스는 로딩된 애플리케이션들의 사용 횟수를 서버에 업로딩하도록 구성될 수 있고, 서버는 각각의 단말 디바이스에 의해 업로딩되는 각각의 애플리케이션의 사용 횟수를 카운팅할 수 있다.
단계(S110)에서, 다운로드 횟수 및 사용자 사용 횟수는 변환된 다운로드 횟수 및 변환된 사용자 사용 횟수를 획득하기 위해 동일한 자릿수로 되도록 변환된다.
애플리케이션의 다운로드 횟수 및 사용자 사용 횟수는 동일한 자릿수가 아닐 수 있으므로, 다수의 추천될 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수는 애플리케이션 추천이 수행될 때, 애플리케이션의 다운로드 횟수 및 사용자 사용 횟수가 비교하기 위해 조합될 수 있도록 본 개시내용의 실시예에 따른 비교가능한 자릿수로 되도록 변환될 수 있다. 변환 결과들은 각각의 애플리케이션의 변환된 다운로드 횟수 및 변환된 사용자 사용 횟수이다.
임의로, 본 개시내용의 실시예에서, 애플리케이션들은 각각의 애플리케이션의 다운로드 횟수에 기초하여 정렬되고, 각각의 애플리케이션의 사용자 사용 횟수에 기초하여 정렬될 수 있다. 따라서, 각각의 애플리케이션의 다운로드 횟수는 다운로드 횟수의 정렬 순서수로 변환되고, 각각의 애플리케이션의 사용자 사용 횟수는 사용자 사용 횟수의 정렬 순서수로 변환되어, 각각의 애플리케이션의 다운로드 횟수 및 사용자 사용 횟수는 동일한 자릿수로 되도록 변환된다.
본 개시내용의 일 실시예에서, 다운로드 횟수의 가중치 및 사용 횟수의 가중치가 다운로드 횟수의 정렬 및 사용 횟수의 정렬에 대응하는 것을 보장하기 위해, 애플리케이션들은 더 큰 다운 횟수를 갖는 애플리케이션이 다운로드 횟수의 더 큰 정렬 순서수를 갖도록 애플리케이션들의 다운로드 횟수의 오름 차순으로 정렬될 수 있다. 애플리케이션들은 더 큰 사용 횟수를 갖는 애플리케이션이 사용 횟수의 더 큰 정렬 순서수를 갖도록 애플리케이션들의 사용 횟수의 오름 차순으로 정렬될 수 있다. 그 다음, 각각의 애플리케이션의 다운로드 횟수의 정렬 순서수는 각각의 애플리케이션의 다운로드 횟수의 크기로 결정되고, 각각의 애플리케이션의 사용 횟수의 정렬 순서수는 각각의 애플리케이션의 사용 횟수의 크기로 결정된다.
명백히, 본 개시내용의 실시예에 따르면, 애플리케이션의 다운로드 횟수는 또한 공식에 의해 변환되는 다운로드 횟수가 사용자 사용 횟수와 동일한 자릿수로 되도록 애플리케이션의 다운로드 횟수를 사용자 사용 횟수와 동일한 자릿수로 변환하기 위한 사전 설정 공식으로 대체될 수 있다. 이러한 경우에, 애플리케이션의 사용자 사용 횟수는 변환된 사용자 사용 횟수로 사용될 수 있다.
이에 반하여, 애플리케이션의 사용자 사용 횟수는 또한 공식에 의해 변환되는 사용자 사용 횟수가 다운로드 횟수와 동일한 자릿수이도록 애플리케이션의 사용자 사용 횟수를 다운로드 횟수와 동일한 자릿수로 변환하기 위한 사전 설정 공식으로 대체될 수 있다. 이러한 경우에, 애플리케이션의 다운로드 횟수는 변환된 다운로드 횟수로서 사용될 수 있다.
단계(S120)에서, 가중 계산은 애플리케이션의 다운로드 정렬 가중 값을 획득하기 위해 변환된 다운로드 횟수에 수행되고, 가중 계산은 애플리케이션의 사용 정렬 가중 값을 획득하기 위해 변환된 사용자 사용 횟수에 수행된다.
본 개시내용의 일 실시예에서, 다운로드 가중치 및 사용 가중치는 실제 상황에 따라 설정되고 조정될 수 있다. 구체적으로, 애플리케이션 추천 전략은 다운로드 횟수의 우선순위가 사용자 사용 횟수의 우선순위보다 더 높은 것이면, 변환된 다운로드 횟수의 가중치는 변환된 사용자 사용 횟수의 가중치보다 더 클 수 있다. 애플리케이션 추천 전략은 사용자 사용 횟수의 우선순위가 다운로드 횟수의 우선순위보다 더 높은 것이면, 변환된 사용자 사용 횟수의 가중치는 변환된 다운로드 횟수의 가중치보다 더 클 수 있다.
단계(S130)에서, 다수의 애플리케이션들 각각의 다운로드 정렬 가중 값 및 사용 정렬 가중 값에 기초하여, 애플리케이션의 정렬 값이 획득된다.
임의로, 각각의 애플리케이션에 대해, 다운로드 정렬 가중 값은 정렬 값을 획득하기 위해 사용 정렬 가중 값에 추가될 수 있다.
단계(S140)에서, 각각의 애플리케이션의 정렬 값에 기초하여, 애플리케이션 추천 인터페이스 상의 다수의 애플리케이션들의 시퀀스가 결정된다.
임의로, 애플리케이션의 큰 정렬 값은 애플리케이션이 사용자 레벨에서 인기있고 유행하는 것을 표시한다. 애플리케이션의 정렬 값이 더 크면, 애플리케이션이 애플리케이션 추천 인터페이스에 더 앞으로 정렬되고, 애플리케이션의 정렬 값이 더 작으면, 애플리케이션이 애플리케이션 추천 인터페이스에 더 뒤로 정렬되는 원리에 따르면, 애플리케이션 추천 인터페이스 상의 애플리케이션들의 시퀀스는 각각의 애플리케이션의 정렬 값에 기초하여 결정된다.
추천 위치들의 시퀀스가 결정될 때, 애플리케이션 추천 인터페이스 상의 추천된 애플리케이션들의 제시가 결정된다. 애플리케이션 추천 인터페이스 상의 다수의 추천될 애플리케이션들의 시퀀스는 다수의 추천될 애플리케이션들을 추천하기 위해 정렬 결과에 기초하여 조정될 수 있다.
본 개시내용의 실시예에 따른 애플리케이션 추천 방법에서, 다수의 추천될 애플리케이션들을 추천할 시에, 다수의 추천될 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수가 결정될 수 있다. 다운로드 횟수 및 사용자 사용 횟수는 각각의 애플리케이션의 변환된 다운로드 횟수 및 변환된 사용자 사용 횟수를 획득하기 위해 동일한 자릿수로 되도록 변환된다. 그 다음, 가중 계산은 각각의 애플리케이션의 다운로드 정렬 가중 값을 획득하기 위해 각각의 애플리케이션의 변환된 다운로드 횟수에 수행되고, 가중 계산은 각각의 애플리케이션의 사용 정렬 가중 값을 획득하기 위해 각각의 애플리케이션의 변환된 사용자 사용 횟수에 수행된다. 각각의 애플리케이션의 다운로드 정렬 가중 값 및 사용 정렬 가중 값에 기초하여, 각각의 애플리케이션의 정렬 값이 결정된다. 그 다음, 각각의 애플리케이션의 정렬 값에 기초하여, 애플리케이션 추천 인터페이스 상의 다수의 애플리케이션들의 시퀀스가 결정된다. 따라서, 다수의 추천될 애플리케이션들은 시퀀스에서 애플리케이션 추천 인터페이스 상에 추천되며, 그것에 의해 다수의 추천될 애플리케이션들의 추천을 달성한다. 본 개시내용의 실시예들에서, 각각의 애플리케이션의 다운로드 횟수 및 사용자 사용 횟수는 애플리케이션 추천 인터페이스 상에서 애플리케이션의 추천 위치를 결정하기 위해 조합되며, 그것에 의해 사용자 레벨에서 애플리케이션 추천 위치와 애플리케이션의 인기 및 유행 사이의 매칭 정도를 개선한다. 따라서, 애플리케이션 추천 인터페이스를 통해, 사용자는 높은 인기 및 유행을 갖는 애플리케이션을 더 용이하게 발견할 수 있다.
본 개시내용의 일 실시예에서, 애플리케이션의 다운로드 횟수는 특정 시간 간격에서 애플리케이션의 다운로드 횟수일 수 있는 반면에, 애플리케이션의 사용자 사용 횟수는 애플리케이션의 릴리스부터 현재까지의 애플리케이션의 사용자 사용 횟수일 수 있다. 이러한 방식으로, 다운로드 횟수의 단기 효과 및 사용 횟수의 장기 효과는 애플리케이션 추천 인터페이스 상에서 애플리케이션들의 시퀀스를 결정하기 위해 조합된다. 명백히, 애플리케이션의 다운로드 횟수 및 사용자 사용 횟수는 둘 다 릴리스부터 현재까지의 것들일 수 있거나, 애플리케이션의 다운로드 횟수 및 사용자 사용 횟수는 둘 다 특정 시간 간격에서의 것들일 수 있다.
임의로, 본 개시내용의 일 실시예에 따르면, 애플리케이션들은 단일 애플리케이션 다운로드 플랫폼에 대해 추천될 수 있다. 이러한 경우에, 다수의 추천될 애플리케이션들 각각의 다운로드 횟수는 애플리케이션 다운로드 플랫폼을 통해 다운로딩되는 다수의 추천될 애플리케이션들 각각의 횟수일 수 있다. 따라서, 서버는 단말 디바이스에 의해 업로딩되는 애플리케이션 추천 플랫폼으로부터 다운로딩되는 애플리케이션들의 사용자 사용 횟수만을 카운팅할 수 있다.
임의로, 본 개시내용의 일 실시예에서, 다수의 애플리케이션 다운로드 플랫폼들의 데이터는 다수의 애플리케이션 다운로드 플랫폼들에 의해 제공되는 애플리케이션들을 추천하기 위해 조합될 수 있다. 이러한 경우에, 서버는 다수의 애플리케이션 다운로드 플랫폼들로부터 각각의 애플리케이션의 전체 다운로드 횟수를 획득하기 위해 각각의 애플리케이션 다운로드 플랫폼으로부터 다수의 추천될 애플리케이션들 각각의 다운로드 횟수를 취득하고 합산할 수 있다. 구체적으로, 서버에는 각각의 애플리케이션 다운로드 플랫폼으로부터 인터페이스를 통해 다수의 추천될 애플리케이션들 각각의 다운로드 횟수를 취득하기 위해 데이터를 다수의 애플리케이션 다운로드 플랫폼들과 교환하는 인터페이스가 제공될 수 있다.
유사하게, 서버는 단말 디바이스에 의해 업로딩되는 다수의 애플리케이션 다운로드 플랫폼들로부터 다운로딩되는 애플리케이션들의 사용 횟수를 카운팅할 수 있다.
명백히, 본 개시내용의 일 실시예에서, 애플리케이션들은 애플리케이션 다운로드 플랫폼들을 구별하는 것 없이 추천될 수 있다. 이러한 경우에, 애플리케이션 다운로드 서비스들을 제공하는 많은 애플리케이션 다운로드 플랫폼들이 있고, 각각의 애플리케이션 다운로드 플랫폼의 데이터가 비교적 공유되지 않으므로, 애플리케이션들의 다운로드 횟수를 수집하기 위해 가능한 한 많은 애플리케이션 다운로드 플랫폼들을 갖는 데이터 교환 인터페이스들을 서버에 제공하는 것이 요구되며, 그것에 의해 각각의 애플리케이션의 결정된 다운로드 횟수의 정확도를 개선한다. 이러한 경우는 애플리케이션의 사용자 사용 횟수가 애플리케이션 다운로드 소스를 고려하는 것 없이 애플리케이션의 사용 횟수만을 감시함으로써 결정되는 중요한 장점을 갖는다.
다른 실시예에서, 각각의 애플리케이션의 다운로드 횟수 및 사용자 사용 횟수는 애플리케이션들의 다운로드 횟수의 시퀀스 및 사용 횟수의 시퀀스를 결정함으로써 동일한 자릿수로 되도록 변환될 수 있다. 도 3은 본 개시내용의 다른 실시예에 따른 애플리케이션 추천 방법의 흐름도이다. 도 3을 참조하면, 방법은 단계들(S200 내지 S240)을 포함할 수 있다.
단계(S200)에서, 다수의 추천될 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수가 결정된다.
단계(S210)에서, 애플리케이션들은 각각의 애플리케이션의 다운로드 횟수의 정렬 순서수를 획득하기 위해 애플리케이션들의 다운로드 횟수의 오름 차순으로 정렬되고, 애플리케이션은 각각의 애플리케이션의 사용자 사용 횟수의 정렬 순서수를 획득하기 위해 애플리케이션들의 사용자 사용 횟수의 오름 차순으로 정렬된다.
단계(S220)에서, 가중 계산은 각각의 애플리케이션의 다운로드 정렬 가중 값을 획득하기 위해 각각의 애플리케이션의 다운로드 횟수의 정렬 순서수에 수행되고, 가중 계산은 각각의 애플리케이션의 사용 정렬 가중 값을 획득하기 위해 각각의 애플리케이션의 사용자 사용 횟수의 정렬 순서수에 수행된다.
단계(S230)에서, 각각의 애플리케이션의 정렬 값은 각각의 애플리케이션의 다운로드 정렬 가중 값 및 사용 정렬 가중 값에 따라 획득된다.
단계(S240)에서, 각각의 애플리케이션의 정렬 값에 기초하여, 애플리케이션 추천 인터페이스 상의 다수의 애플리케이션들의 시퀀스가 결정된다.
도 3에 도시된 방법은 애플리케이션 A의 다운로드 횟수가 2백만이고, 애플리케이션 A의 사용자 사용 횟수가 2천만이고, 애플리케이션 B의 다운로드 횟수가 3백만이고, 애플리케이션 B의 사용자 사용 횟수가 1천만이고, 애플리케이션 C의 다운로드 횟수가 4백만이고, 애플리케이션 C의 사용자 사용 횟수가 1억 5천만인 일 예에 의해 설명된다. 애플리케이션들 A, B 및 C의 다운로드 횟수는 특정 시간 간격, 예컨대 1주일에서의 다운로드 횟수일 수 있고, 애플리케이션들 A, B 및 C의 사용자 사용 횟수는 애플리케이션들의 릴리스부터 현재까지의 데이터일 수 있다.
애플리케이션들 A, B 및 C의 다운로드 횟수에 기초하여, 다운로드 횟수의 시퀀스(낮은 것에서 높은 것으로)는 A, B 및 C로 결정될 수 있다. 애플리케이션 C의 다운로드 횟수의 정렬 순서수는 3이고, 애플리케이션 B의 다운로드 횟수의 정렬 순서수는 2이고, 애플리케이션 A의 다운로드 횟수의 정렬 순서수는 1이다. 더 큰 다운로드 횟수를 갖는 애플리케이션은 더 큰 대응 정렬 순서수를 갖는다.
한편, 애플리케이션들 A, B 및 C의 사용자 사용 횟수에 기초하여, 사용 횟수의 시퀀스(낮은 것에서 높은 것으로)는 B, A 및 C로 결정될 수 있다. 애플리케이션 C의 사용 횟수의 정렬 순서수는 3이고, 애플리케이션 A의 사용 횟수의 정렬 순서수는 2이고, 애플리케이션 B의 사용 횟수의 정렬 순서수는 1이다. 더 큰 사용 횟수를 갖는 애플리케이션은 더 큰 대응 정렬 순서수를 갖는다.
애플리케이션의 다운로드 횟수의 우선순위가 사용자 사용 횟수의 우선순위보다 더 높으면, 다운로드 가중치는 사용 가중치보다 더 크다. 예를 들어, 다운로드 가중치는 0.8로 설정되고, 사용 가중치는 0.2로 설정된다. 애플리케이션들 A, B 및 C의 정렬 가중치 및 추천 위치 배열은 표 1에 제시된다.
Figure pct00001
애플리케이션의 사용자 사용 횟수의 우선순위가 다운로드 횟수의 우선순위보다 더 높으면, 사용 가중치는 다운로드 가중치보다 더 크다. 예를 들어, 사용 가중치는 0.8로 설정되고, 다운로드 가중치는 0.2로 설정된다. 애플리케이션들 A, B 및 C의 정렬 가중치 및 추천 위치 배열은 표 2에 제시된다.
Figure pct00002
임의로, 각각의 애플리케이션의 다운로드 횟수 및 사용자 사용 횟수가 다운로드 횟수의 정렬 순서수 및 사용자 사용 횟수의 정렬 순서수를 결정함으로써 동일한 자릿수로 되도록 변환되는 방식 외에, 다른 방식은 본 개시내용의 일 실시예에 따라 채택될 수 있으며, 즉 애플리케이션의 다운로드 횟수는 또한 공식에 의해 변환되는 다운로드 횟수가 사용자 사용 횟수와 동일한 자릿수이도록 애플리케이션의 다운로드 횟수를 사용자 사용 횟수와 동일한 자릿수로 되도록 변환하기 위한 사전 설정 공식으로 대체된다. 이러한 경우에, 애플리케이션의 사용자 사용 횟수는 변환된 사용자 사용 횟수로 사용될 수 있다.
예를 들어, 애플리케이션 A의 다운로드 횟수는 2백만이고, 애플리케이션 A의 사용자 사용 횟수는 2천만이다. 애플리케이션 A의 다운로드 횟수(2백만)은 애플리케이션 A의 다운로드 횟수의 변환 결과가 애플리케이션 A의 사용자 사용 횟수와 동일한 자릿수이도록 사전 설정 공식으로 대체될 수 있다.
명백히, 각각의 애플리케이션의 사용자 사용 횟수는 다운로드 횟수와 동일한 자릿수로 되도록 변환될 수 있다.
본 개시내용의 일 실시예에서, 각각의 애플리케이션의 사용자 사용 횟수는 애플리케이션의 사용을 감시하는 것을 통해 결정될 수 있다. 도 4는 본 개시내용의 일 실시예에 따른 다수의 추천될 애플리케이션들 각각의 사용자 사용 횟수를 결정하는 방법의 흐름도이다. 도 4를 참조하면, 방법은 단계들(S300 내지 S320)을 포함할 수 있다.
단계(S300)에서, 단말 디바이스 상에 설치되는 각각의 애플리케이션의 사용 횟수가 취득된다. 사용 횟수는 서버와 통신 연결되는 단말 디바이스에 의해 업로딩된다.
임의로, 단말 디바이스는 애플리케이션이 사용될 때마다 로딩된 애플리케이션의 사용자 횟수를 기록하고 업로딩한다. 구체적으로, 단말 디바이스의 애플리케이션이 사용될 때, 단말 디바이스는 애플리케이션의 애플리케이션 식별자를 기록하고, 애플리케이션의 사용 횟수를 1로 기록하고, 기록된 애플리케이션 식별자 및 사용 횟수를 서버에 업로딩할 수 있다. 서버는 애플리케이션 식별자에 대응하는 애플리케이션의 기록된 사용 횟수를 1씩 증가시킬 수 있다.
임의로, 단말 디바이스는 또한 미리 결정된 시간 기간 동안 로딩된 애플리케이션의 사용 횟수를 기록할 수 있고, 미리 결정된 시간 기간 동안 로딩된 애플리케이션의 기록된 사용 횟수를 업로딩한다. 구체적으로, 미리 결정된 시간 기간 동안, 단말 디바이스의 애플리케이션이 사용되면, 단말 디바이스는 애플리케이션의 애플리케이션 식별자를 기록하고, 미리 결정된 시간 기간 동안 기록되는 애플리케이션의 사용 횟수를 1씩 증가시킬 수 있다. 미리 결정된 시간 기간 동안의 애플리케이션 식별자 및 대응하는 사용 횟수는 이러한 방식으로 획득되고 서버에 업로딩될 수 있다. 업로딩된 사용 횟수에 기초하여, 서버는 서버 상에 기록되는 애플리케이션 식별자에 대응하는 애플리케이션의 사용 횟수를 갱신할 수 있다.
예를 들어, 1시간 동안, 단말 디바이스는 애플리케이션 A가 3회 사용되고 애플리케이션 B가 2회 사용되는 것을 기록한다. 단말 디바이스에 의해 업로딩되는 정보를 수신한 후에, 서버는 애플리케이션 A의 애플리케이션 식별자를 참조하여 애플리케이션 A의 기록된 사용 횟수를 3씩 증가시키고, 애플리케이션 B의 기록된 사용 횟수를 2씩 증가시킨다.
임의로, 서버에 의해 기록되는 애플리케이션들의 사용 횟수는 각각의 단말 디바이스에 의해 업로딩되는 정보에 기초하여 서버에 의해 카운팅되는 애플리케이션의 이력 사용 횟수로 간주될 수 있다.
단계(S310)에서, 각각의 애플리케이션에 대해, 각각의 단말 디바이스에 의해 업로딩되는 사용 횟수는 애플리케이션의 업로딩된 사용 횟수의 합을 결정하기 위해 합산된다.
단계(S320)에서, 다수의 애플리케이션들 중 하나에 대응하는 애플리케이션의 업로딩된 사용 횟수의 합은 추천될 애플리케이션의 사용자 사용 횟수로서 결정된다.
서버는 각각의 단말 디바이스에 업로딩되는 각각의 애플리케이션의 사용 횟수를 취득하고 애플리케이션의 사용 횟수를 카운팅할 수 있으며, 그것에 의해 각각의 애플리케이션의 카운팅된 사용 횟수로부터 다수의 추천될 애플리케이션들 각각의 사용자 사용 횟수를 결정한다.
예를 들어, 서버의 카운트 결과는 애플리케이션 A의 사용 횟수가 1천만이고, 애플리케이션 B의 사용 횟수가 2천만이고, 애플리케이션 C의 사용 횟수가 3천만인 것이다. 추천될 애플리케이션들은 애플리케이션들 B 및 C이다. 따라서, 애플리케이션들 B 및 C의 사용 횟수가 결정된다.
임의로, 서버는 애플리케이션들을 추천하기 위해 적어도 하나의 애플리케이션 다운로드 플랫폼의 데이터를 합성할 수 있다. 적어도 하나의 애플리케이션 다운로드 플랫폼은 하나의 애플리케이션 다운로드 플랫폼 또는 다수의 애플리케이션 다운로드 플랫폼들을 포함한다. 대응적으로, 다수의 추천될 애플리케이션들 각각의 결정된 사용자 사용 횟수는 적어도 하나의 애플리케이션 다운로드 플랫폼에 대응한다.
도 5는 본 개시내용의 다른 실시예에 따른 다수의 추천될 애플리케이션들 각각의 사용자 사용 횟수를 결정하는 방법의 흐름도이다. 도 5를 참조하면, 방법은 단계들(S400 내지 S410)을 포함할 수 있다.
단계(S400)에서, 단말 디바이스 상에 설치되는 애플리케이션의 사용 횟수 및 애플리케이션 다운로드 플랫폼의 플랫폼 식별자가 취득된다. 사용 횟수 및 플랫폼 식별자는 서버와 통신 연결되는 단말 디바이스에 의해 업로딩되고, 애플리케이션 다운로드 플랫폼은 애플리케이션의 다운로드 소스의 역할을 한다.
임의로, 단말 디바이스는 로딩된 애플리케이션이 사용될 때마다 사용 횟수를 기록하고 애플리케이션에 대응하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자와 함께 사용 횟수를 업로딩한다. 구체적으로, 단말 디바이스의 애플리케이션이 사용되면, 단말 디바이스는 애플리케이션의 애플리케이션 식별자를 기록하고, 애플리케이션 다운로드 소스의 플랫폼 식별자를 기록하고, 애플리케이션의 사용 횟수를 1로 기록할 수 있다. 단말 디바이스는 기록된 애플리케이션 식별자, 기록된 플랫폼 식별자 및 사용 횟수를 서버에 업로딩한다. 서버는 기록된 플랫폼 식별자에 대응하고 애플리케이션 식별자에 대응하는 애플리케이션의 기록된 사용 횟수를 1씩 증가시킬 수 있다.
임의로, 단말 디바이스는 또한 미리 결정된 시간 기간 동안 로딩된 애플리케이션의 사용 횟수 및 대응하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자를 기록하고, 미리 결정된 시간 기간 동안 각각의 플랫폼 식별자에 대응하는 애플리케이션들의 기록된 사용 횟수를 업로딩한다. 구체적으로, 미리 결정된 시간 기간 동안, 단말 디바이스의 애플리케이션이 사용될 때마다, 단말 디바이스는 애플리케이션의 애플리케이션 식별자 및 대응하는 플랫폼 식별자를 기록하고, 미리 결정된 시간 기간 동안 애플리케이션의 기록된 사용 횟수를 1씩 증가시킬 수 있다. 단말 디바이스는 미리 결정된 시간 기간 동안 애플리케이션 식별자, 플랫폼 식별자 및 대응하는 사용 횟수를 서버에 업로딩할 수 있다. 서버는 단말 디바이스에 의해 업로딩되는 사용 횟수를 단말 디바이스에 의해 업로딩되는 플랫폼 식별자 및 애플리케이션 식별자에 대응하는 기록된 사용 횟수에 추가할 수 있다.
예를 들어, 미리 결정된 시간 기간 동안, 단말 디바이스는 애플리케이션 A가 3회 사용되고 애플리케이션 B가 4회 사용되고, 애플리케이션 A의 다운로드 플랫폼이 m이고, 애플리케이션 B의 다운로드 플랫폼이 n인 것을 기록한다. 그 다음, 단말 디바이스는 미리 결정된 시간 기간 동안의 애플리케이션 A의 애플리케이션 식별자, 플랫폼 식별자 m, 애플리케이션 A의 사용 횟수 3, 미리 결정된 시간 기간 동안의 애플리케이션 B의 애플리케이션 식별자, 플랫폼 식별자 n, 및 애플리케이션 B의 사용 횟수 4를 서버에 업로딩할 수 있다. 서버는 기록된 플랫폼 식별자 m에 대응하는 애플리케이션 A의 사용 횟수를 3씩 추가하고, 기록된 플랫폼 식별자 n에 대응하는 애플리케이션 B의 사용 횟수를 4씩 추가할 수 있다.
단계(S410)에서, 애플리케이션의 취득된 사용 횟수 및 취득된 플랫폼 식별자에 기초하여, 애플리케이션의 사용자 사용 횟수가 결정되며, 애플리케이션은 다수의 추천될 애플리케이션들 중 하나에 대응하고 취득된 플랫폼 식별자에 대응하는 애플리케이션 다운로드 플랫폼을 통해 다운로딩된다.
예를 들어, 다양한 단말 디바이스들에 의해 업로딩되는 다양한 애플리케이션들의 사용 횟수 및 플랫폼 식별자를 수신한 후에, 서버는 플랫폼 식별자에 대응하는 애플리케이션 A의 사용 횟수 m이 1천만이고, 플랫폼 식별자에 대응하는 애플리케이션 B의 사용 횟수 m이 5백만이고, 플랫폼 식별자 n에 대응하는 애플리케이션 B의 사용 횟수가 3백만인 것을 결정한다. 이러한 예에서, 애플리케이션 추천은 애플리케이션 다운로드 플랫폼 m의 데이터에만 기초하여 수행된다. 그 다음, 서버는 추천될 애플리케이션들 A 및 B의 사용 횟수를 이하와 같이 결정할 수 있다. 플랫폼 식별자 m에 대응하는 애플리케이션 A의 사용 횟수는 1천만이고, 플랫폼 식별자 m에 대응하는 애플리케이션 B의 사용 횟수는 5백만이다.
임의로, 서버가 애플리케이션들을 추천하기 위해 적어도 하나의 애플리케이션 다운로드 플랫폼의 데이터를 합성하는 경우에, 다수의 추천될 애플리케이션들 각각의 결정된 사용자 사용 횟수는 적어도 하나의 애플리케이션 다운로드 플랫폼에 대응한다. 도 6은 본 개시내용의 일 실시예에 따른 다수의 추천될 애플리케이션들 각각의 다운로드 횟수를 결정하는 방법의 흐름도이다. 도 6을 참조하면, 방법은 단계들(S500 내지 S510)을 포함할 수 있다.
단계(S500)에서, 애플리케이션 다운로드 플랫폼을 통해 다운로딩되는 각각의 애플리케이션의 다운로드 횟수가 취득된다.
단계(S510)에서, 다수의 추천될 애플리케이션들에 대응하는 애플리케이션들 각각의 다운로드 횟수는 각각의 애플리케이션의 취득된 다운로드 횟수로부터 결정된다.
임의로, 도 7은 본 개시내용의 다른 실시예에 따른 애플리케이션 추천 방법의 흐름도이다. 도 7을 참조하면, 방법은 단계들(S600 내지 S650)을 포함할 수 있다.
단계(S600)에서, 단말 디바이스에 의해 업로딩되는, 단말 디바이스 상에 설치되는 각각의 애플리케이션의 사용 횟수, 및 애플리케이션의 다운로드 소스의 역할을 하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자가 취득되고; 애플리케이션의 취득된 사용 횟수 및 취득된 플랫폼 식별자에 기초하여, 다수의 추천될 애플리케이션들에 대응하고 취득된 플랫폼 식별자에 대응하는 애플리케이션 다운로드 플랫폼을 통해 다운로딩되는 애플리케이션들 각각의 사용자 사용 횟수가 결정된다.
단계(S610)에서, 각각의 애플리케이션 다운로드 플랫폼을 통해 다운로딩되는 각각의 애플리케이션의 다운로드 횟수가 취득되고, 다수의 추천될 애플리케이션들에 대응하는 애플리케이션들 각각의 다운로드 횟수는 각각의 애플리케이션의 취득된 다운로드 횟수로부터 결정된다.
임의로, 단계(S600) 및 단계(S610)는 임의의 순서로 수행될 수 있다.
단계(S620)에서, 애플리케이션들은 각각의 애플리케이션의 다운로드 횟수의 정렬 순서수를 획득하기 위해 애플리케이션들의 다운로드 횟수의 오름 차순으로 정렬되고, 애플리케이션들은 각각의 애플리케이션의 사용자 사용 횟수의 정렬 순서수를 획득하기 위해 각각의 애플리케이션의 사용자 사용 횟수의 오름 차순으로 정렬된다.
단계(S630)에서, 가중 계산은 각각의 애플리케이션의 다운로드 정렬 가중 값을 획득하기 위해 각각의 애플리케이션의 다운로드 횟수의 정렬 순서수에 수행되고, 가중 계산은 각각의 애플리케이션의 사용 정렬 가중 값을 획득하기 위해 각각의 애플리케이션의 사용자 사용 횟수의 정렬 순서수에 수행된다.
단계(S640)에서, 각각의 애플리케이션의 정렬 값은 각각의 애플리케이션의 다운로드 정렬 가중 값 및 사용 정렬 가중 값에 기초하여 획득된다.
단계(S650)에서, 각각의 애플리케이션의 정렬 값에 기초하여, 애플리케이션 추천 인터페이스 상의 다수의 애플리케이션들의 시퀀스가 결정된다.
명백히, 본 개시내용의 일 실시예에서, 애플리케이션들은 애플리케이션 다운로드 플랫폼들을 구별하는 것 없이 추천될 수 있다.
임의로, 본 개시내용의 실시예에 따른 애플리케이션 추천 방법에서, 애플리케이션 추천 인터페이스 상의 애플리케이션들의 추천 위치들은 주기적으로 갱신될 수 있다. 예를 들어, 본 개시내용의 실시예에 따른 애플리케이션 추천 방법은 애플리케이션 추천 인터페이스 상에서 애플리케이션들의 추천 위치들을 갱신하기 위해 시간당 한 번 실행될 수 있다. 명백히, 애플리케이션 추천 인터페이스 상의 애플리케이션들의 추천 위치들은 또한 실시간 방식으로 갱신될 수 있다.
임의로, 본 개시내용의 실시예들에 따른 애플리케이션 추천 방법은 표현 패키지 애플리케이션을 추천하기 위해 적용될 수 있다. 이하, 표현 패키지 애플리케이션은 본 개시내용의 실시예들에 따른 애플리케이션 추천 방법을 설명하는 일 예로 취해진다.
서버는 각각의 표현 패키지 애플리케이션의 기록된 다운로드 횟수 및 기록된 사용자 사용 횟수를 실시간 또는 주기적 방식으로 갱신할 수 있다. 임의로, 다운로드 횟수 및 사용자 사용 횟수는 적어도 하나의 애플리케이션 다운로드 플랫폼으로부터 다운로딩되는 표현 패키지 애플리케이션들에 대해서만 기록되고 갱신될 수 있다.
각각의 표현 패키지 애플리케이션의 사용자 사용 횟수를 감시할 시에, 표현 패키지 애플리케이션에서의 표현이 사용될 때마다, 표현 패키지 애플리케이션이 한 번 사용되는 것으로 결정된다. 대응적으로, 로딩된 표현 패키지 애플리케이션의 임의의 표현이 사용될 때마다, 단말 디바이스는 표현 패키지 애플리케이션의 사용 횟수를 기록하고 업로딩할 수 있다. 대안적으로, 표현 패키지 애플리케이션에서의 임의의 하나의 표현이 사용될 때마다, 표현 패키지 애플리케이션이 한 번 사용되는 것으로 결정되는 원리에 기초하여, 단말 디바이스는 미리 결정된 시간 기간 동안 각각의 로딩된 표현 패키지 애플리케이션의 사용 횟수를 기록하고, 미리 결정된 시간 기간 동안 각각의 로딩된 표현 패키지 애플리케이션의 기록된 사용 횟수를 업로딩할 수 있다.
서버는 표현 패키지 애플리케이션 다운로드 플랫폼에 대한 애플리케이션 추천 인터페이스 상의 정렬이 갱신될 필요가 있는 것을 결정할 때, 서버는 각각의 표현 패키지 애플리케이션의 기록된 다운로드 횟수 및 기록된 사용자 사용 횟수로부터 다수의 추천될 표현 패키지 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수를 결정할 수 있다.
각각의 추천될 표현 패키지 애플리케이션의 다운로드 횟수의 정렬 및 사용 횟수의 정렬을 결정하는 것에 의해, 다수의 추천될 표현 패키지 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수는 각각의 추천될 애플리케이션의 변환된 다운로드 횟수 및 변환된 사용자 사용 횟수를 획득하기 위해 동일한 자릿수로 되도록 변환된다.
가중 계산은 각각의 추천될 표현 패키지 애플리케이션의 다운로드 정렬 가중 값을 획득하기 위해 각각의 추천될 표현 패키지 애플리케이션의 변환된 다운로드 횟수에 수행되고, 가중 계산은 각각의 추천될 표현 패키지 애플리케이션의 사용 정렬 가중 값을 획득하기 위해 각각의 추천될 표현 패키지 애플리케이션의 변환된 사용 횟수에 수행된다.
각각의 추천될 표현 패키지 애플리케이션의 다운로드 정렬 가중 값 및 사용 정렬 가중 값에 기초하여, 각각의 추천될 표현 패키지 애플리케이션의 정렬 값이 획득된다.
각각의 추천될 표현 패키지 애플리케이션의 정렬 값에 기초하여, 애플리케이션 추천 인터페이스 상의 추천될 표현 패키지 애플리케이션들의 시퀀스가 결정된다.
본 개시내용의 실시예들에서, 다운로드 횟수는 애플리케이션 추천 인터페이스 상에서 애플리케이션들의 추천 위치들을 결정하기 위해 애플리케이션의 사용자 사용 횟수와 조합되며, 그것에 의해 사용자 레벨에서 애플리케이션 추천 위치와 애플리케이션의 인기 및 유행 사이의 매칭 정도를 개선한다. 따라서, 결정된 애플리케이션 추천 위치는 애플리케이션의 실제 사용 상황과 더 잘 매칭하며, 그것에 의해 애플리케이션 추천 위치 배열의 적합성을 개선하고, 따라서 애플리케이션 추천의 적합성을 개선한다. 따라서, 애플리케이션 추천 인터페이스를 통해, 사용자는 높은 인기 및 유행을 갖는 애플리케이션을 더 용이하게 발견할 수 있다.
본 개시내용의 일 실시예에 따른 서버는 이하에 설명되며, 아래에 설명되는 서버는 상기 설명된 애플리케이션 추천 방법을 참조할 수 있다.
도 8은 본 개시내용의 일 실시예에 따른 서버의 구조 개략도이다. 도 8을 참조하면, 서버는 횟수 결정 모듈(100), 변환 모듈(200), 가중 모듈(300), 정렬 모듈(400) 및 추천 모듈(500)을 포함할 수 있다.
횟수 결정 모듈(100)은 다수의 추천될 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수를 결정하도록 구성된다.
변환 모듈(200)은 변환된 다운로드 횟수 및 변환된 사용자 사용 횟수를 획득하기 위해 다운로드 횟수 및 사용자 사용 횟수를 동일한 자릿수로 되게 변환하도록 구성된다.
가중 모듈(300)은 각각의 애플리케이션의 다운로드 정렬 가중 값을 획득하기 위해 변환된 다운로드 횟수에 가중 계산을 수행하고, 각각의 애플리케이션의 사용 정렬 가중 값을 획득하기 위해 변환된 사용자 사용 횟수에 가중 계산을 수행하도록 구성된다.
정렬 모듈(400)은 애플리케이션의 다운로드 정렬 가중 값 및 사용 정렬 가중 값에 기초하여 애플리케이션들 각각의 정렬 값을 획득하도록 구성된다.
추천 모듈(500)은 애플리케이션들 각각의 정렬 값에 기초하여 애플리케이션 추천 인터페이스 상에서 다수의 애플리케이션들의 시퀀스를 결정하도록 구성된다.
임의로, 도 9는 본 개시내용의 일 실시예에 따른 변환 모듈(200)의 임의 구조를 도시한다. 도 9를 참조하면, 변환 모듈(200)은 제1 변환 유닛(210) 및 제2 변환 유닛(211)을 포함할 수 있다.
제1 변환 유닛(210)은 애플리케이션들을 애플리케이션들의 다운로드 횟수의 오름 차순으로 정렬하고, 애플리케이션들 각각의 다운로드 횟수의 정렬 순서수를 애플리케이션의 변환된 다운로드 횟수로 결정하도록 구성된다.
제2 변환 유닛(211)은 애플리케이션들을 애플리케이션들의 사용자 사용 횟수의 오름 차순으로 정렬하고, 애플리케이션들 각각의 사용자 사용 횟수의 정렬 순서수를 애플리케이션의 변환된 사용 횟수로 결정하도록 구성된다.
도 10에 도시된 바와 같이, 본 개시내용에 따른 서버는 또한 가중치 결정 모듈(600)을 포함할 수 있다.
가중치 결정 모듈(600)은 변환된 다운로드 횟수의 가중치 및 변환된 사용자 사용 횟수의 가중치를 결정하도록 구성된다. 다운로드 횟수의 우선순위가 사용자 사용 횟수의 우선순위보다 더 높으면, 변환된 다운로드 횟수의 가중치는 변환된 사용자 사용 횟수의 가중치보다 더 크도록 설정된다. 사용자 사용 횟수의 우선순위가 다운로드 횟수의 우선순위보다 더 높으면, 변환된 사용자 사용 횟수의 가중치는 변환된 다운로드 횟수의 가중치보다 더 크도록 설정된다.
임의로, 도 11은 본 개시내용의 일 실시예에 따른 횟수 결정 모듈(100)의 임의 구조를 도시한다. 도 11을 참조하면, 횟수 결정 모듈(100)은 제1 취득 유닛(110), 사용자 횟수 통계 유닛(111) 및 제1 사용 횟수 결정 유닛(112)을 포함할 수 있다.
제1 취득 유닛(110)은 서버와 통신 연결되는 단말 디바이스에 의해 업로딩되는, 단말 디바이스 상에 로딩된 애플리케이션의 사용 횟수를 취득하도록 구성된다.
사용자 횟수 통계 유닛(111)은 애플리케이션의 업로딩된 사용 횟수의 합을 결정하기 위해 각각의 애플리케이션에 대해 각각의 단말 디바이스에 의해 업로딩되는 사용 횟수를 합산하도록 구성된다.
제1 사용 횟수 결정 유닛(112)은 추천될 애플리케이션의 사용자 사용 횟수로서, 다수의 추천될 애플리케이션들 중 하나에 대응하는 애플리케이션의 사용 횟수의 합을 결정하도록 구성된다.
로딩된 애플리케이션이 사용될 때마다, 단말 디바이스는 사용자 횟수를 기록하고 업로딩한다. 대안적으로, 단말 디바이스는 미리 결정된 시간 기간 동안 로딩된 애플리케이션의 사용 횟수를 기록하고, 미리 결정된 시간 기간이 만료될 때, 단말 디바이스는 미리 결정된 시간 기간 동안 로딩된 애플리케이션의 사용 횟수를 업로딩한다.
도 12는 본 개시내용의 일 실시예에 따른 서버의 개략도이다. 서버는 또한 플랫폼 제공 모듈(700)을 포함할 수 있다.
플랫폼 제공 모듈(700)은 다수의 추천될 애플리케이션들 중 하나 이상을 다운로딩하기 위해 적어도 하나의 애플리케이션 다운로드 플랫폼을 제공하도록 구성된다.
횟수 결정 모듈(100)은 제2 취득 유닛(120) 및 제2 사용 횟수 결정 유닛(121)을 포함할 수 있다.
제2 취득 유닛(120)은 서버와 통신 연결되는 단말 디바이스에 의해 업로딩되는, 단말 디바이스 상에 로딩된 애플리케이션의 사용 횟수, 및 애플리케이션의 다운로드 소스의 역할을 하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자를 취득하도록 구성된다.
제2 사용 횟수 결정 유닛(121)은 애플리케이션의 취득된 사용 횟수 및 취득된 플랫폼 식별자에 기초하여, 다수의 추천될 애플리케이션들 중 하나에 대응하고 취득된 플랫폼 식별자에 대응하는 애플리케이션 다운로드 플랫폼을 통해 다운로딩되는 각각의 애플리케이션의 사용자 사용 횟수를 결정하도록 구성된다.
로딩된 애플리케이션이 사용될 때마다, 단말 디바이스는 애플리케이션에 대응하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자와 함께 사용 횟수를 기록하고 업로딩한다. 대안적으로, 단말 디바이스는 미리 결정된 시간 기간 동안 로딩된 애플리케이션의 사용 횟수 및 애플리케이션에 대응하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자를 기록한다. 미리 결정된 시간 기간이 만료될 때, 단말 디바이스는 미리 결정된 시간 기간 동안 로딩된 애플리케이션의 사용 횟수 및 애플리케이션에 대응하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자를 업로딩한다.
도 13은 본 개시내용의 일 실시예에 따른 서버의 개략도이다. 서버는 또한 플랫폼 제공 모듈(700)을 포함할 수 있다.
플랫폼 제공 모듈(700)은 다수의 추천될 애플리케이션들 중 하나 이상을 다운로딩하기 위해 적어도 하나의 애플리케이션 다운로드 플랫폼을 제공하도록 구성된다.
횟수 결정 모듈(100)은 제3 취득 유닛(130) 및 다운로드 횟수 결정 유닛(131)을 포함할 수 있다.
제3 취득 유닛(130)은 애플리케이션 다운로드 플랫폼을 통해 다운로딩되는 각각의 애플리케이션의 다운로드 횟수를 취득하도록 구성된다.
다운로드 횟수 결정 유닛(131)은 각각의 애플리케이션의 취득된 다운로드 횟수로부터 다수의 추천될 애플리케이션들에 대응하는 애플리케이션들 각각의 다운로드 횟수를 결정하도록 구성된다.
임의로, 본 개시내용의 실시예는 표현 패키지 애플리케이션에 대한 추천에 적용될 수 있다. 따라서, 애플리케이션들 각각은 표현 패키지 애플리케이션이고, 애플리케이션의 다운로드 횟수는 표현 패키지 애플리케이션의 다운로드 횟수이고, 애플리케이션의 사용자 사용 횟수는 표현 패키지 애플리케이션의 사용자 사용 횟수이다. 표현 패키지 애플리케이션에서의 임의의 하나의 표현이 사용될 때마다, 표현 패키지 애플리케이션이 한 번 사용되는 것으로 결정된다.
게다가, 본 개시내용의 일 실시예에 따른 서버는 하드웨어로 구현될 수 있다. 도 14는 본 개시내용의 일 실시예에 따른 서버의 하드웨어 구조 개략도이다. 도 14를 참조하면, 서버는 프로세서(1), 통신 인터페이스(2), 스토리지(3) 및 통신 버스(4)를 포함할 수 있다.
프로세서(1), 통신 인터페이스(2) 및 스토리지(3)는 통신 버스(4)를 통해 서로 통신한다.
임의로, 통신 인터페이스(2)는 통신 모듈의 인터페이스, 예컨대 GSM 모듈의 인터페이스일 수 있다.
프로세서(1)는 프로그램을 실행하도록 구성된다.
스토리지(3)는 프로그램을 저장하도록 구성된다.
프로그램은 프로그램 코드들을 포함할 수 있다. 그리고, 프로그램 코드들은 컴퓨터 동작 명령어들을 포함한다.
프로세서(1)는 본 개시내용의 실시예들을 구현하도록 구성되는 중앙 처리 유닛(central processing unit)(CPU), 또는 특정 주문형 집적 회로(Application Specific Integrated Circuit)(ASIC), 또는 하나 이상의 집적 회로들일 수 있다.
스토리지(3)는 고속 RAM 스토리지를 포함할 수 있고, 또한 비휘발성 메모리, 예컨대 적어도 하나의 디스크 스토리지를 포함할 수 있다.
구체적으로, 프로그램은,
다수의 추천될 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수를 결정하고;
변환된 다운로드 횟수 및 변환된 사용자 사용 횟수를 획득하기 위해 다운로드 횟수 및 사용자 사용 횟수를 동일한 자릿수로 되도록 변환하고;
애플리케이션의 다운로드 정렬 가중 값을 획득하기 위해 변환된 다운로드 횟수에 가중 계산을 수행하고, 애플리케이션의 사용 정렬 가중 값을 획득하기 위해 변환된 사용자 사용 횟수에 가중 계산을 수행하고;
애플리케이션의 다운로드 정렬 가중 값 및 사용 정렬 가중 값에 기초하여 애플리케이션들 각각의 정렬 값을 획득하고;
애플리케이션들 각각의 정렬 값에 기초하여 애플리케이션 추천 인터페이스 상에서 다수의 애플리케이션들의 시퀀스를 결정하도록 구성될 수 있다.
본 개시내용에서, 서버는 다운로드 횟수 및 사용자 사용 횟수를 조합함으로써 애플리케이션 추천 인터페이스 상에서 애플리케이션들의 추천 정렬 위치들을 결정할 수 있으며, 그것에 의해 사용자 레벨에서 애플리케이션 추천 위치와 애플리케이션의 인기 및 유행 사이의 매칭 정도를 개선한다. 그 다음, 설정된 애플리케이션 추천 위치는 애플리케이션의 실제 인기있는 상황과 더 잘 매칭하며, 그것에 의해 애플리케이션 추천 위치 배열의 적합성을 개선하고, 따라서 애플리케이션 추천의 적합성을 개선한다. 따라서, 애플리케이션 추천 인터페이스를 통해, 사용자는 높은 인기 및 유행을 갖는 애플리케이션을 더 용이하게 발견할 수 있다.
본 개시내용의 실시예들은 본원에서 진보적 방식으로 설명되며, 각각의 실시예와 다른 실시예들 사이의 차이를 설명하는 것이 강조된다. 따라서, 실시예들 중에서 동일 또는 유사한 부분들에 대해, 서로가 참조될 수 있다. 실시예들에 개시되는 디바이스에 대해, 대응하는 설명들은 디바이스가 실시예들에 개시되는 방법에 대응하기 때문에 비교적 간단하다. 관련 부분들에 대해, 방법에 대한 설명이 참조될 수 있다.
통상의 기술자는 또한 본원에 개시되는 실시예들과 관련하여 설명되는 예들 각각의 요소들 및 알고리즘 단계들이 전자 하드웨어, 컴퓨터 소프트웨어, 또는 둘의 조합으로 구현될 수 있는 것을 이해할 것이다. 하드웨어 및 소프트웨어의 교환가능성을 분명히 예시하기 위해, 각각의 예의 구성 및 단계들은 상기 설명에서의 기능성의 점에서 설명되었다. 이러한 기능들이 하드웨어 또는 소프트웨어로 구현되는지는 기술적 해결법의 특정 응용 및 설계 제약들에 의존한다. 통상의 기술자는 상이한 애플리케이션들에 대해 상이한 방식들로 설명된 기능들을 구현할 수 있지만, 그러한 구현들은 본 개시내용의 범위를 넘는 것으로 간주되지 않아야 한다.
본원에 개시되는 실시예들과 관련하여 설명되는 방법들 또는 알고리즘들의 단계들은 하드웨어, 프로세서에 의해 실행되는 소프트웨어 모듈들, 또는 그것의 조합으로 직접 구현될 수 있다. 소프트웨어 모듈은 저장 매체, 예컨대 본 기술분야에 널리 공지된 랜덤 액세스 메모리(random access memory)(RAM), 메모리, 판독 전용 메모리(read only memory)(ROM), 전기적 프로그램가능 ROM, 전기적 소거가능 프로그램가능 ROM, 레지스터, 하드 디스크, 제거식 디스크, CD-ROM, 또는 임의의 다른 타입들의 저장 매체에 저장될 수 있다.
실시예들의 상기 설명은 본 기술분야의 통상의 기술자들이 본 발명을 구현하거나 사용할 수 있게 한다. 실시예들에 대한 다수의 수정들은 본 기술분야의 통상의 기술자들에게 분명할 것이고, 본원에서의 일반적 원리는 본 개시내용의 실시예들의 사상 및 범위로부터의 벗어남 없이 다른 실시예들에 구현될 수 있다. 따라서, 본 개시내용은 본원에 설명되는 실시예들에 제한되는 것이 아니라, 본원에 개시되는 원리 및 새로운 특징들과 일치하는 가장 넓은 범위를 따를 것이다.

Claims (19)

  1. 애플리케이션 추천 방법으로서,
    서버에서,
    복수의 추천될 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수를 결정하는 단계;
    변환된 다운로드 횟수 및 변환된 사용자 사용 횟수를 획득하기 위해 상기 다운로드 횟수 및 상기 사용자 사용 횟수를 동일한 자릿수로 되도록 변환하는 단계;
    상기 애플리케이션의 다운로드 정렬 가중 값을 획득하기 위해 상기 변환된 다운로드 횟수에 가중 계산을 수행하고, 상기 애플리케이션의 사용 정렬 가중 값을 획득하기 위해 상기 변환된 사용자 사용 횟수에 가중 계산을 수행하는 단계;
    상기 애플리케이션의 다운로드 정렬 가중 값 및 사용 정렬 가중 값에 기초하여 상기 애플리케이션들 각각의 정렬 값을 획득하는 단계; 및
    상기 애플리케이션들 각각의 정렬 값에 기초하여 애플리케이션 추천 인터페이스 상에서 상기 복수의 애플리케이션들의 시퀀스를 결정하는 단계
    를 포함하는 애플리케이션 추천 방법.
  2. 제1항에 있어서, 변환된 다운로드 횟수 및 변환된 사용자 사용 횟수를 획득하기 위해 상기 다운로드 횟수 및 상기 사용자 사용 횟수를 동일한 자릿수로 되도록 변환하는 단계는,
    상기 애플리케이션들을 상기 애플리케이션들의 다운로드 횟수의 오름 차순으로 정렬하고, 상기 애플리케이션들 각각의 다운로드 횟수의 정렬 순서수를 상기 애플리케이션의 변환된 다운로드 횟수로 결정하는 단계; 및
    상기 애플리케이션들을 상기 애플리케이션들의 사용자 사용 횟수의 오름 차순으로 정렬하고, 상기 애플리케이션들 각각의 사용자 사용 횟수의 정렬 순서수를 상기 애플리케이션의 변환된 사용자 사용 횟수로 결정하는 단계를 포함하는 애플리케이션 추천 방법.
  3. 제1항 또는 제2항에 있어서, 상기 애플리케이션의 다운로드 정렬 가중 값을 획득하기 위해 상기 변환된 다운로드 횟수에 가중 계산을 수행하고 상기 애플리케이션의 사용 정렬 가중 값을 획득하기 위해 상기 변환된 사용자 사용 횟수에 가중 계산을 수행하는 단계는,
    상기 변환된 다운로드 횟수의 가중치 및 상기 변환된 사용자 사용 횟수의 가중치를 결정하는 단계를 포함하며,
    상기 다운로드 횟수의 우선순위가 상기 사용자 사용 횟수의 우선순위보다 더 높으면, 상기 변환된 다운로드 횟수의 가중치는 상기 변환된 사용자 사용 횟수의 가중치보다 더 크도록 설정되고; 상기 사용자 사용 횟수의 우선순위가 상기 다운로드 횟수의 우선순위보다 더 높으면, 상기 변환된 사용자 사용 횟수의 가중치는 상기 변환된 다운로드 횟수의 가중치보다 더 크도록 설정되는 애플리케이션 추천 방법.
  4. 제1항 또는 제2항에 있어서, 상기 복수의 추천될 애플리케이션들 각각의 사용자 사용 횟수를 결정하는 단계는,
    상기 서버와 통신 연결되는 단말 디바이스에 의해 업로딩되는, 상기 단말 디바이스 상에 로딩된 애플리케이션의 사용 횟수를 취득하는 단계;
    상기 애플리케이션의 업로딩된 사용 횟수의 합을 결정하기 위해 각각의 애플리케이션에 대해 각각의 단말 디바이스에 의해 업로딩되는 사용 횟수를 합산하는 단계; 및
    상기 추천될 애플리케이션의 사용자 사용 횟수로서, 상기 복수의 추천될 애플리케이션들 중 하나에 대응하는 애플리케이션의 사용 횟수의 합을 결정하는 단계를 포함하는 애플리케이션 추천 방법.
  5. 제4항에 있어서,
    상기 단말 디바이스는 로딩된 애플리케이션의 사용자 횟수를 상기 애플리케이션이 사용될 때마다 기록하고 업로딩하거나;
    상기 단말 디바이스는 미리 결정된 시간 기간 동안 로딩된 애플리케이션의 사용 횟수를 기록하고, 상기 미리 결정된 시간 기간이 만료될 때, 상기 단말 디바이스는 상기 미리 결정된 시간 기간 동안 상기 로딩된 애플리케이션의 사용 횟수를 업로딩하는 애플리케이션 추천 방법.
  6. 제1항 또는 제2항에 있어서,
    복수의 추천될 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수를 결정하는 단계 전에, 상기 방법은,
    상기 복수의 추천될 애플리케이션들 중 하나 이상을 다운로딩하기 위해 적어도 하나의 애플리케이션 다운로드 플랫폼을 제공하는 단계를 더 포함하고;
    상기 복수의 추천될 애플리케이션들 각각의 사용자 사용 횟수를 결정하는 단계는,
    상기 서버와 통신 연결되는 단말 디바이스에 의해 업로딩되는, 상기 단말 디바이스 상에 로딩된 애플리케이션의 사용 횟수, 및 상기 애플리케이션의 다운로드 소스의 역할을 하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자를 취득하는 단계; 및
    상기 취득된 사용 횟수 및 상기 취득된 플랫폼 식별자에 기초하여, 상기 복수의 추천될 애플리케이션들 중 하나에 대응하고 상기 취득된 플랫폼 식별자에 대응하는 애플리케이션 다운로드 플랫폼을 통해 다운로딩되는 각각의 애플리케이션의 사용자 사용 횟수를 결정하는 단계를 포함하는 애플리케이션 추천 방법.
  7. 제6항에 있어서,
    상기 단말 디바이스는 로딩된 애플리케이션이 사용될 때마다 상기 사용 횟수를 기록하고 상기 애플리케이션에 대응하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자와 함께 상기 사용 횟수를 업로딩하거나;
    상기 단말 디바이스는 미리 결정된 시간 기간 동안 로딩된 애플리케이션의 사용 횟수 및 상기 애플리케이션에 대응하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자를 기록하고, 상기 미리 결정된 시간 기간이 만료될 때, 상기 단말 디바이스는 상기 미리 결정된 시간 기간 동안 애플리케이션의 사용 횟수 및 상기 애플리케이션에 대응하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자를 업로딩하는 애플리케이션 추천 방법.
  8. 제1항 또는 제2항에 있어서,
    복수의 추천될 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수를 결정하는 단계 전에, 상기 방법은,
    상기 복수의 추천될 애플리케이션들 중 하나 이상을 다운로딩하기 위해 적어도 하나의 애플리케이션 다운로드 플랫폼을 제공하는 단계를 더 포함하고;
    상기 복수의 추천될 애플리케이션들 각각의 다운로드 횟수를 결정하는 단계는,
    상기 애플리케이션 다운로드 플랫폼을 통해 다운로딩되는 각각의 애플리케이션의 다운로드 횟수를 취득하는 단계; 및
    각각의 애플리케이션의 취득된 다운로드 횟수로부터 상기 복수의 추천될 애플리케이션들에 대응하는 애플리케이션들 각각의 다운로드 횟수를 결정하는 단계를 포함하는 애플리케이션 추천 방법.
  9. 제1항 내지 제8항 중 어느 한 항에 있어서,
    상기 애플리케이션들 각각은 표현 패키지 애플리케이션이고;
    상기 애플리케이션의 다운로드 횟수는 상기 표현 패키지 애플리케이션의 다운로드 횟수이고;
    상기 애플리케이션의 사용자 사용 횟수는 상기 표현 패키지 애플리케이션의 사용자 사용 횟수이고;
    상기 표현 패키지 애플리케이션에서의 임의의 하나의 표현이 사용될 때마다, 상기 표현 패키지 애플리케이션이 한 번 사용되는 것으로 결정되는 애플리케이션 추천 방법.
  10. 서버로서,
    복수의 추천될 애플리케이션들 각각의 다운로드 횟수 및 사용자 사용 횟수를 결정하도록 구성되는 횟수 결정 모듈;
    변환된 다운로드 횟수 및 변환된 사용자 사용 횟수를 획득하기 위해 상기 다운로드 횟수 및 상기 사용자 사용 횟수를 동일한 자릿수로 되게 변환하도록 구성되는 변환 모듈;
    애플리케이션의 다운로드 정렬 가중 값을 획득하기 위해 상기 변환된 다운로드 횟수에 가중 계산을 수행하고, 상기 애플리케이션의 사용 정렬 가중 값을 획득하기 위해 상기 변환된 사용자 사용 횟수에 가중 계산을 수행하도록 구성되는 가중 모듈;
    상기 애플리케이션의 다운로드 정렬 가중 값 및 사용 정렬 가중 값에 기초하여 상기 애플리케이션들 각각의 정렬 값을 획득하도록 구성되는 정렬 모듈; 및
    상기 애플리케이션들 각각의 정렬 값에 기초하여 애플리케이션 추천 인터페이스 상에서 상기 복수의 애플리케이션들의 시퀀스를 결정하도록 구성되는 추천 모듈
    을 포함하는 서버.
  11. 제10항에 있어서, 상기 변환 모듈은,
    상기 애플리케이션들을 상기 애플리케이션들의 다운로드 횟수의 오름 차순으로 정렬하고, 상기 애플리케이션들 각각의 다운로드 횟수의 정렬 순서수를 상기 애플리케이션의 변환된 다운로드 횟수로 결정하도록 구성되는 제1 변환 유닛; 및
    상기 애플리케이션들을 상기 애플리케이션들의 사용자 사용 횟수의 오름 차순으로 정렬하고, 상기 애플리케이션들 각각의 사용자 사용 횟수의 정렬 순서수를 상기 애플리케이션의 변환된 사용자 사용 횟수로 결정하도록 구성되는 제2 변환 유닛을 포함하는 서버.
  12. 제10항 또는 제11항에 있어서, 상기 횟수 결정 모듈은,
    상기 변환된 다운로드 횟수의 가중치 및 상기 변환된 사용자 사용 횟수의 가중치를 결정하도록 구성되는 가중치 결정 모듈을 포함하며,
    상기 다운로드 횟수의 우선순위가 상기 사용자 사용 횟수의 우선순위보다 더 높으면, 상기 변환된 다운로드 횟수의 가중치는 상기 변환된 사용자 사용 횟수의 가중치보다 더 크도록 설정되고; 상기 사용자 사용 횟수의 우선순위가 상기 다운로드 횟수의 우선순위보다 더 높으면, 상기 변환된 사용자 사용 횟수의 가중치는 상기 변환된 다운로드 횟수의 가중치보다 더 크도록 설정되는 서버.
  13. 제10항 또는 제11항에 있어서, 상기 횟수 결정 모듈은,
    상기 서버와 통신 연결되는 단말 디바이스에 의해 업로딩되는, 상기 단말 디바이스 상에 로딩된 애플리케이션의 사용 횟수를 취득하도록 구성되는 제1 취득 유닛;
    상기 애플리케이션의 업로딩된 사용 횟수의 합을 결정하기 위해 각각의 애플리케이션에 대해 각각의 단말 디바이스에 의해 업로딩되는 사용 횟수를 합산하도록 구성되는 사용자 횟수 통계 유닛; 및
    상기 추천될 애플리케이션의 사용자 사용 횟수로서, 상기 복수의 추천될 애플리케이션들 중 하나에 대응하는 애플리케이션의 사용 횟수의 합을 결정하도록 구성되는 제1 사용 횟수 결정 유닛을 포함하는 서버.
  14. 제13항에 있어서,
    상기 단말 디바이스는 로딩된 애플리케이션의 사용자 횟수를 상기 애플리케이션이 사용될 때마다 기록하고 업로딩하거나;
    상기 단말 디바이스는 미리 결정된 시간 기간 동안 로딩된 애플리케이션의 사용 횟수를 기록하고, 상기 미리 결정된 시간 기간이 만료될 때, 상기 단말 디바이스는 상기 미리 결정된 시간 기간 동안 상기 로딩된 애플리케이션의 사용 횟수를 업로딩하는 서버.
  15. 제10항 또는 제11항에 있어서,
    상기 서버는 상기 복수의 추천될 애플리케이션들 중 하나 이상을 다운로딩하기 위해 적어도 하나의 애플리케이션 다운로드 플랫폼을 제공하도록 구성되는 플랫폼 제공 모듈을 더 포함하고;
    상기 횟수 결정 모듈은,
    상기 서버와 통신 연결되는 단말 디바이스에 의해 업로딩되는, 상기 단말 디바이스 상에 로딩된 애플리케이션의 사용 횟수, 및 상기 애플리케이션의 다운로드 소스의 역할을 하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자를 취득하도록 구성되는 제2 취득 유닛; 및
    상기 애플리케이션의 취득된 사용 횟수 및 상기 취득된 플랫폼 식별자에 기초하여, 상기 복수의 추천될 애플리케이션들 중 하나에 대응하고 상기 취득된 플랫폼 식별자에 대응하는 애플리케이션 다운로드 플랫폼을 통해 다운로딩되는 각각의 애플리케이션의 사용자 사용 횟수를 결정하도록 구성되는 제2 사용 횟수 결정 유닛을 포함하는 서버.
  16. 제15항에 있어서,
    상기 단말 디바이스는 로딩된 애플리케이션이 사용될 때마다 상기 사용 횟수를 기록하고 상기 애플리케이션에 대응하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자와 함께 상기 사용 횟수를 업로딩하거나;
    상기 단말 디바이스는 미리 결정된 시간 기간 동안 로딩된 애플리케이션의 사용 횟수 및 상기 애플리케이션에 대응하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자를 기록하고, 상기 미리 결정된 시간 기간이 만료될 때, 상기 단말 디바이스는 상기 미리 결정된 시간 기간 동안 애플리케이션의 사용 횟수 및 상기 애플리케이션에 대응하는 애플리케이션 다운로드 플랫폼의 플랫폼 식별자를 업로딩하는 서버.
  17. 제10항 또는 제11항에 있어서,
    상기 서버는 상기 복수의 추천될 애플리케이션들 중 하나 이상을 다운로딩하기 위해 적어도 하나의 애플리케이션 다운로드 플랫폼을 제공하도록 구성되는 플랫폼 제공 모듈을 더 포함하고;
    상기 횟수 결정 모듈은,
    상기 애플리케이션 다운로드 플랫폼을 통해 다운로딩되는 각각의 애플리케이션의 다운로드 횟수를 취득하도록 구성되는 제3 취득 유닛; 및
    상기 각각의 애플리케이션의 취득된 다운로드 횟수로부터 상기 복수의 추천될 애플리케이션들에 대응하는 애플리케이션들 각각의 다운로드 횟수를 결정하도록 구성되는 다운로드 횟수 결정 유닛을 포함하는 서버.
  18. 제10항 내지 제17항 중 어느 한 항에 있어서,
    상기 애플리케이션들 각각은 표현 패키지 애플리케이션이고;
    상기 애플리케이션의 다운로드 횟수는 상기 표현 패키지 애플리케이션의 다운로드 횟수이고;
    상기 애플리케이션의 사용자 사용 횟수는 상기 표현 패키지 애플리케이션의 사용자 사용 횟수이고;
    상기 표현 패키지 애플리케이션에서의 임의의 하나의 표현이 사용될 때마다, 상기 표현 패키지 애플리케이션이 한 번 사용되는 것으로 결정되는 서버.
  19. 하나 이상의 컴퓨터 프로그램들을 저장하도록 구성되는 컴퓨터 판독가능 매체로서, 상기 하나 이상의 컴퓨터 프로그램들은 제1항 내지 제9항 중 어느 한 항에 따른 애플리케이션 추천 방법을 수행하기 위해 하나 이상의 스토리지를 포함하는 프로세서에 의해 실행가능한 명령어들
    을 포함하는 컴퓨터 판독가능 매체.
KR1020177030016A 2015-06-23 2016-05-17 애플리케이션 추천 방법, 서버, 및 컴퓨터 판독가능 매체 KR101999466B1 (ko)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CN201510350222.0 2015-06-23
CN201510350222.0A CN104991914B (zh) 2015-06-23 2015-06-23 一种应用推荐方法及服务器
PCT/CN2016/082299 WO2016206503A1 (zh) 2015-06-23 2016-05-17 应用推荐方法、服务器及计算机可读介质

Publications (2)

Publication Number Publication Date
KR20170129856A true KR20170129856A (ko) 2017-11-27
KR101999466B1 KR101999466B1 (ko) 2019-07-11

Family

ID=54303730

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020177030016A KR101999466B1 (ko) 2015-06-23 2016-05-17 애플리케이션 추천 방법, 서버, 및 컴퓨터 판독가능 매체

Country Status (5)

Country Link
US (1) US10621186B2 (ko)
JP (1) JP6442081B2 (ko)
KR (1) KR101999466B1 (ko)
CN (1) CN104991914B (ko)
WO (1) WO2016206503A1 (ko)

Families Citing this family (30)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104991914B (zh) 2015-06-23 2018-04-27 腾讯科技（深圳）有限公司 一种应用推荐方法及服务器
CN106503025B (zh) * 2015-09-08 2021-02-12 北京搜狗科技发展有限公司 一种应用推荐方法和系统
CN105791553A (zh) * 2016-02-25 2016-07-20 吴伟东 手机软件统计方法及系统
WO2017143558A1 (zh) * 2016-02-25 2017-08-31 吴伟东 手机软件统计方法及系统
CN105786572B (zh) * 2016-03-02 2019-08-06 Oppo广东移动通信有限公司 应用安装位置选择方法及应用安装位置选择装置
CN107193829B (zh) * 2016-03-14 2021-01-26 百度在线网络技术（北京）有限公司 应用程序推荐方法和装置
CN106066865B (zh) * 2016-05-26 2020-02-18 盐城睿泰数字科技有限公司 应用推荐装置和方法
CN106210025B (zh) * 2016-07-05 2019-08-27 青岛海信传媒网络技术有限公司 应用程序下载量确定方法及装置
CN106250427B (zh) * 2016-07-25 2020-02-07 浪潮(北京)电子信息产业有限公司 一种容器镜像推荐信息的生成方法及系统
CN106294788B (zh) * 2016-08-11 2018-01-16 湖南警察学院 安卓应用的推荐方法
CN108228598B (zh) * 2016-12-14 2021-04-23 腾讯科技（北京）有限公司 媒体信息排序方法、服务器和系统
WO2018145577A1 (zh) * 2017-02-08 2018-08-16 腾讯科技（深圳）有限公司 表情推荐方法和装置
CN107247720B (zh) * 2017-04-20 2018-10-02 腾讯科技（深圳）有限公司 表情排行榜单生成方法及装置、计算机设备
CN107122284A (zh) * 2017-05-04 2017-09-01 广州优视网络科技有限公司 应用监控方法、装置、电子设备以及存储介质
CN107229734A (zh) * 2017-06-12 2017-10-03 深圳市乃斯网络科技有限公司 基于定位的终端app推荐方法及系统
CN107798100A (zh) * 2017-10-30 2018-03-13 江西博瑞彤芸科技有限公司 一种应用推荐信息的配置方法
CN107885572A (zh) * 2017-12-11 2018-04-06 广东欧珀移动通信有限公司 分类卡片生成方法、系统、服务器及计算机可读存储介质
CN108038194B (zh) * 2017-12-11 2020-08-28 Oppo广东移动通信有限公司 分类卡片生成方法、系统、服务器及计算机可读存储介质
CN110046006A (zh) * 2018-01-15 2019-07-23 北京京东尚科信息技术有限公司 菜单排序的方法和装置
CN108345696B (zh) * 2018-03-20 2021-03-12 Oppo广东移动通信有限公司 卡片排序方法、装置、服务器以及存储介质
CN108733773A (zh) * 2018-04-27 2018-11-02 聚好看科技股份有限公司 一种显示方法及装置
CN108769232A (zh) * 2018-06-07 2018-11-06 Oppo（重庆）智能科技有限公司 应用资源推送方法、装置、设备及存储介质
EP3637354A1 (de) * 2018-10-11 2020-04-15 Siemens Aktiengesellschaft Verfahren zur suche eines programmcodes für ein elektronisches gerät in einer datenbank
CN109783052B (zh) * 2018-12-27 2021-11-12 深圳市轱辘车联数据技术有限公司 数据排序方法、装置、服务器及计算机可读存储介质
CN110188277B (zh) * 2019-05-31 2021-06-25 苏州百智通信息技术有限公司 一种资源的推荐方法及装置
US11205589B2 (en) * 2019-10-06 2021-12-21 Applied Materials, Inc. Methods and apparatuses for forming interconnection structures
CN112650940A (zh) * 2019-10-10 2021-04-13 北京多点在线科技有限公司 应用程序的推荐方法、装置、计算机设备及存储介质
CN111339889A (zh) * 2020-02-20 2020-06-26 浙江大华技术股份有限公司 人脸优选方法、装置及存储介质
CN114186129B (zh) * 2021-12-10 2023-05-26 中国电信股份有限公司 套餐推荐方法、装置、电子设备及计算机可读介质
CN116156043B (zh) * 2023-04-03 2023-08-15 荣耀终端有限公司 应用程序推荐位的显示方法、电子设备和可读存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013054732A (ja) * 2011-08-31 2013-03-21 Nhn Corp ユーザ端末で取得したアプリケーションの使用情報をベースとしたサービスシステム及びその方法
KR20130089741A (ko) * 2011-12-30 2013-08-13 주식회사 네오위즈인터넷 애플리케이션을 추천하는 방법, 서버 및 단말
KR20140140222A (ko) * 2013-05-29 2014-12-09 ㈜소셜 구루 게임 광고 시스템 및 그 제공방법

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002041823A (ja) * 2000-07-27 2002-02-08 Nippon Telegr & Teleph Corp <Ntt> 情報配信装置、情報受信装置及び情報配信システム
KR100776697B1 (ko) * 2006-01-05 2007-11-16 주식회사 인터파크지마켓 고객 구매행동 분석에 기반한 지능화된 상품 검색 방법 및 시스템
CN101616356A (zh) * 2009-07-31 2009-12-30 卓望数码技术（深圳）有限公司 一种无线数据业务产品信息推送方法及系统
JP5551030B2 (ja) * 2010-09-08 2014-07-16 株式会社Ｎｔｔドコモ アプリケーション配信装置及びアプリケーション配信方法
US9881050B2 (en) * 2010-10-29 2018-01-30 Orange Method and system to recommend applications from an application market place to a new device
CN103049452B (zh) * 2011-10-14 2017-12-26 百度在线网络技术（北京）有限公司 一种基于预估下载率进行应用排序的方法与设备
US8626774B2 (en) * 2012-01-23 2014-01-07 Qualcomm Innovation Center, Inc. Location based apps ranking for mobile wireless computing and communicating devices
CN103514496B (zh) * 2012-06-21 2017-05-17 腾讯科技（深圳）有限公司 一种推荐目标软件的处理方法及系统
CN102880501B (zh) * 2012-07-24 2016-05-25 北京奇虎科技有限公司 应用推荐的实现方法、装置和系统
JP5880339B2 (ja) * 2012-08-01 2016-03-09 富士通株式会社 情報処理装置、ソフトウェア起動プログラム、及びソフトウェア起動方法
AU2013204953B2 (en) * 2012-08-30 2016-09-08 The Nielsen Company (Us), Llc Methods and apparatus to collect distributed user information for media impressions
CN103164505B (zh) * 2012-09-20 2016-09-14 深圳市金立通信设备有限公司 基于实际使用频率对应用软件进行排名的系统及方法
CN103020845B (zh) 2012-12-14 2018-08-10 百度在线网络技术（北京）有限公司 一种移动应用的推送方法及系统
KR20160014609A (ko) * 2013-05-28 2016-02-11 톰슨 라이센싱 애플리케이션 순위 계산 장치 및 사용 정보 수집 장치
CN104991914B (zh) * 2015-06-23 2018-04-27 腾讯科技（深圳）有限公司 一种应用推荐方法及服务器

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013054732A (ja) * 2011-08-31 2013-03-21 Nhn Corp ユーザ端末で取得したアプリケーションの使用情報をベースとしたサービスシステム及びその方法
KR20130089741A (ko) * 2011-12-30 2013-08-13 주식회사 네오위즈인터넷 애플리케이션을 추천하는 방법, 서버 및 단말
KR20140140222A (ko) * 2013-05-29 2014-12-09 ㈜소셜 구루 게임 광고 시스템 및 그 제공방법

Also Published As

Publication number Publication date
US10621186B2 (en) 2020-04-14
JP2018519563A (ja) 2018-07-19
CN104991914A (zh) 2015-10-21
KR101999466B1 (ko) 2019-07-11
JP6442081B2 (ja) 2018-12-19
WO2016206503A1 (zh) 2016-12-29
US20170329785A1 (en) 2017-11-16
CN104991914B (zh) 2018-04-27

Similar Documents

Publication Publication Date Title
KR101999466B1 (ko) 애플리케이션 추천 방법, 서버, 및 컴퓨터 판독가능 매체
CN106897284B (zh) 电子书籍的推荐方法及装置
JP5579157B2 (ja) サービス推奨装置及びサービス推奨方法
US20170195206A1 (en) Method and electronic device for controlling networking state of terminal
US20160127694A1 (en) Monitoring system for determining numbers of captured or killed living creatures
CN112422369B (zh) 离线时间的确定方法及装置、存储介质、电子装置
CN108228598B (zh) 媒体信息排序方法、服务器和系统
CN116840699A (zh) 一种电池健康状态估算方法、装置、电子设备和介质
CN110830809A (zh) 视频内容热度确定方法、电子设备及存储介质
CN112312173A (zh) 主播推荐方法、装置、电子设备及可读存储介质
WO2015090079A1 (en) Data processing method and device applicable to network application
CN112882973B (zh) 扩展槽位的确定方法和装置、存储介质及电子设备
JP2008211729A5 (ko)
CN111210362B (zh) 数据采集器的选择方法、装置、存储介质和处理器
CN111159244B (zh) 数据查询方法及装置
CN113901417A (zh) 一种移动设备指纹生成方法及可读存储介质
CN107315780B (zh) 应用软件推送方法及装置
CN109117083B (zh) 移动终端、内置存储容量检测方法及计算机可读存储介质
CN109768845A (zh) 数据处理方法、装置及存储介质
JP2015118023A (ja) 法線ベクトル抽出装置、法線ベクトル抽出方法及び法線ベクトル抽出プログラム
CN112015629B (zh) 散热性能的检测方法及装置、系统、存储介质、电子装置
JP7241739B2 (ja) 趣味嗜好推定装置および趣味嗜好推定方法
CN115529273A (zh) 数据接收设备的确定方法、装置及电子设备
CN111147531B (zh) 一种音乐共享方法及装置
CN113301597A (zh) 网络分析方法及设备

Legal Events

Date Code Title Description
A201 Request for examination
AMND Amendment
E902 Notification of reason for refusal
AMND Amendment
E601 Decision to refuse application
AMND Amendment
X701 Decision to grant (after re-examination)