CN103455522A - 应用程序扩展工具推荐方法及*** - Google Patents

Abstract

本发明公开了应用程序扩展工具推荐方法及***，其中，所述方法包括：采集用户对已安装的扩展工具的使用情况信息；通过对采集到的使用情况信息进行分析，确定该用户对已安装的各个扩展工具的喜好程度信息，并选择出喜好程度信息达到第一预置条件的扩展工具；从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，并推荐给该用户。通过本发明，能够为用户进行扩展工具的个性化推荐，提高扩展工具的有效利用率。

Description

应用程序扩展工具推荐方法及***

技术领域

本发明涉及计算机技术领域，特别是涉及应用程序扩展工具推荐方法及***。

背景技术

扩展工具又称插件，是按照遵循一定规范的应用程序接口编写出来的程序。很多应用程序都有扩展工具，并且扩展工具有无数种。例如在网络时代，浏览器成为了人们日常上网必不可少的工具，利用浏览器，用户可以浏览新闻、听音乐、看视频、在线聊天、下载文件等。但随着网络内容的增多和网页的日益复杂化，浏览器需要完成的工作也越来越多，如果将所有的完成特定功能的小模块都内置到浏览器内部，不但会让用户感觉到浏览器的庞大和臃肿，也会增加开发人员的维护成本。基于上面的原因，浏览器的扩展工具也便应运而生了。

浏览器的扩展工具是架构在浏览器所提供的平台之上，为了完成某些特定的功能而存在的程序。通常情况下，浏览器的扩展工具与浏览器运行在不同的进程下，所持有的资源也不尽相同，它们之间依靠约定好的规则进行通信，完成数据传递。所以，浏览器的扩展工具相对独立于浏览器。这样做一方面可以使用户按照自己的需求选择使用扩展工具，另一方面，由于模块的独立化，也给开发人员带来了方便。

然而，随着浏览器扩展平台的不断完善，涌现出了许许多多的扩展工具，其数量达到了几万、甚至几十万，其中包括截图、广告过滤、自动翻页等等。这么多的工具不可能全都安装，因此，到底安装哪些工具是需要考虑的问题。最初的做法是在用户安装浏览器的时候或者浏览器升级的时候，给用户预置一部分扩展工具，这种做法在一定程度上能够帮助用户熟悉浏览器扩展工具的使用，但是给所有用户都安装同样的工具，工具真正的利用率并不高。还有一种方法就是维护一个浏览器扩展工具的下载平台，用户可以自行进行搜索并下载安装。这种方法的问题在于用户要花费大量的时间和精力去寻找，而且对于新上线的工具，用户必须要实时关注下载平台才能够获得这些扩展工具的信息，使得新上线的扩展工具无法得到及时地有效利用，发挥其应有的价值。

发明内容

本发明提供了应用程序扩展工具推荐方法及***，能够为用户进行扩展工具的个性化推荐，提高扩展工具的有效利用率。

本发明提供了如下方案：

一种应用程序扩展工具推荐方法，包括：

采集用户对已安装的扩展工具的使用情况信息；

通过对采集到的使用情况信息进行分析，确定该用户对已安装的各个扩展工具的喜好程度信息，并选择出喜好程度信息达到第一预置条件的扩展工具；

从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，并推荐给该用户。

可选地，还包括：

采集用户在使用已安装的扩展工具时的使用环境信息；

所述确定该用户对已安装的各个扩展工具的喜好程度信息，并选择出喜好程度信息达到第一预置条件的扩展工具包括：

分别针对各种使用环境，确定该用户对已安装的各个扩展工具的喜好程度信息，并分别选择出在各种使用环境下喜好程度信息达到第一预置条件的扩展工具；

所述选择出与所述达到第一预置条件的扩展工具的功能相似度达到第二预置条件的扩展工具包括：

针对该用户当前所处的使用环境，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

可选地，所述扩展工具包括浏览器的扩展工具，所述采集用户在使用已安装的扩展工具时的使用环境信息包括：

采集用户在使用已安装的浏览器扩展工具时正在浏览的网站信息；

所述分别针对各种使用环境，确定该用户对已安装的各个扩展工具的喜好程度信息，并分别选择出在各种使用环境下喜好程度信息达到第一预置条件的扩展工具包括：

确定该用户在浏览各类网站时对已安装的各个浏览器扩展工具的喜好程度信息，并分别选择出在浏览各类网站时喜好程度信息达到第一预置条件的扩展工具；

所述针对该用户当前所处的使用环境，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户包括：

针对用户当前正在浏览的网站所属的类别，选择出与该用户在浏览该类别网站时喜好程度信息达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

可选地，所述采集用户在使用已安装的扩展工具时的使用环境信息包括：

采集用户在使用已安装的扩展工具时对应的应用程序信息；

所述分别针对各种使用环境，确定该用户对已安装的各个扩展工具的喜好程度信息，并分别选择出在各种使用环境下喜好程度信息达到第一预置条件的扩展工具包括：

确定该用户在使用各类应用程序时对已安装的各个扩展工具的喜好程度信息，并分别选择出在使用各类应用程序时喜好程度信息达到第一预置条件的扩展工具；

所述针对该用户当前所处的使用环境，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户包括：

针对用户当前正在使用的应用程序所属的类别，选择出与该用户在使用该类别应用程序时喜好程度信息达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

可选地，所述采集到的使用情况信息包括：正面反映该用户对已安装的各个扩展工具的喜好程度的信息，和/或，负面反映该用户对已安装的各个扩展工具的喜好程度的信息。

可选地，所述正面反映该用户对已安装的各个扩展工具的喜好程度的信息包括：

在预置时间段内，该用户分别对已安装的各个扩展工具的累计使用次数和/或累计使用时间长度；

所述负面反应该用户对已安装的各个扩展工具的喜好程度的信息包括：

在预置时间段内，分别将已安装的各个扩展工具设置为停用状态的累计时间长度。

可选地，所述确定该用户对已安装的各个扩展工具的喜好程度信息包括：

为所述累计使用次数和/或累计使用时间长度赋予正的权重值，为所述设置为停用状态的累计时间长度赋予负的权重值；

将所述累计使用次数和/或累计使用时间长度、设置为停用状态的累计时间长度分别乘以各自的权重值再进行相加，得到用户对对应扩展工具的喜好程度信息。

可选地，还包括：

将该用户对已安装的各个扩展工具的喜好程度信息进行保存，以便当采集到该用户的新的使用情况信息时，结合保存的数据，实时确定该用户对已安装的各个扩展工具的喜好程度信息。

可选地，以键值对的形式对该用户对已安装的各个扩展工具的喜好程度值进行保存。

可选地，在云服务器端进行所述对采集到的使用情况信息进行分析的操作，并将所述该用户对已安装的各个扩展工具的喜好程度信息在所述云服务器端进行保存。

可选地，所述从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具包括：

采用文本匹配的方式，从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具。

可选地，通过以下方式获取两个扩展工具之间的相似度：

分别从两个扩展工具的名称和/或介绍文本中提取出各自包含的关键词；

根据两个扩展工具中各自包含的关键词总数，以及两者共有的关键词总数，计算两者之间的相似度。

本发明还提供了一种应用程序扩展工具推荐***，包括：

使用情况信息采集单元，用于采集用户对已安装的扩展工具的使用情况信息；

分析计算单元，用于通过对采集到的使用情况信息进行分析，确定该用户对已安装的各个扩展工具的喜好程度信息，并选择出喜好程度信息达到第一预置条件的扩展工具；

推荐单元，用于从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，并推荐给该用户。

可选地，还包括：

使用环境信息采集单元，用于采集用户在使用已安装的扩展工具时的使用环境信息；

所述分析计算单元具体用于：分别针对各种使用环境，确定该用户对已安装的各个扩展工具的喜好程度信息，并分别选择出在各种使用环境下喜好程度信息达到第一预置条件的扩展工具；

所述推荐单元具体用于：

针对该用户当前所处的使用环境，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

可选地，所述扩展工具包括浏览器的扩展工具，所述使用环境信息采集单元具体用于：

采集用户在使用已安装的浏览器扩展工具时正在浏览的网站信息；

所述分析计算单元具体用于：

确定该用户在浏览各类网站时对对已安装的各个浏览器扩展工具的喜好程度信息，并分别选择出在浏览各类网站时喜好程度信息达到第一预置条件的扩展工具；

所述推荐单元具体用于：

针对用户当前正在浏览的网站所属的类别，选择出与该用户在浏览该类别网站时达到喜好程度信息达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

可选地，所述使用环境信息采集单元具体用于：

采集用户在使用已安装的扩展工具时对应的应用程序信息；

所述分析计算单元具体用于：

确定该用户在使用各类应用程序时对已安装的各个扩展工具的喜好程度信息，并分别选择出在使用各类应用程序时喜好程度信息达到第一预置条件的扩展工具；

所述推荐单元具体用于：

针对用户当前正在使用的应用程序所属的类别，选择出与该用户在使用该类别应用程序时喜好程度信息达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

可选地，所述采集到的使用情况信息包括：正面反映该用户对已安装的各个扩展工具的喜好程度的信息，和/或，负面反映该用户对已安装的各个扩展工具的喜好程度的信息。

可选地，所述正面反映该用户对已安装的各个扩展工具的喜好程度的信息包括：

在预置时间段内，该用户分别对已安装的各个扩展工具的累计使用次数和/或累计使用时间长度；

所述负面反映该用户对已安装的各个扩展工具的喜好程度的信息包括：

在预置时间段内，分别将已安装的各个扩展工具设置为停用状态的累计时间长度。

可选地，所述分析计算单元包括：

权重赋予子单元，用于为所述累计使用次数和/或累计使用时间长度赋予正的权重值，为所述设置为停用状态的累计时间长度赋予负的权重值；

计算子单元，用于将所述累计使用次数和/或累计使用时间长度、设置为停用状态的累计时间长度分别乘以各自的权重值再进行相加，得到用户对对应扩展工具的喜好程度信息。

可选地，还包括：

保存单元，用于将该用户对已安装的各个扩展工具的喜好程度信息进行保存，以便当采集到该用户的新的使用情况信息时，结合保存的数据，实时确定该用户对已安装的各个扩展工具的喜好程度信息。

可选地，以键值对的形式对该用户对已安装的各个扩展工具的喜好程度值进行保存。

可选地，在云服务器端进行所述对采集到的使用情况信息进行分析操作，并将所述该用户对已安装的各个扩展工具的喜好程度信息在所述云服务器端进行保存。

可选地，所述推荐单元包括：

文本匹配子单元，用于采用文本匹配的方式，从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具。

可选地，所述文本分类子单元包括：

关键词提取子单元，用于分别从两个扩展工具的名称和/或介绍文本中提取出各自包含的关键词；

相似度计算子单元，用于根据两个扩展工具中各自包含的关键词总数，以及两者共有的关键词总数，计算两者之间的相似度。

根据本发明提供的具体实施例，本发明公开了以下技术效果：

通过本发明，可以对用户已安装的扩展工具的使用情况进行采集，并据此分析出该用户对已安装的各个扩展工具的喜好程度信息，还可以从中选择出若干个用户对其喜好程度较高的扩展工具；然后就可以从用户尚未安装的扩展工具中，选择出与该用户喜好程度较高的扩展工具相同或者相似的扩展工具推荐给用户。可见，相当于推荐的扩展工具是根据用户的喜好选出的，因此，实现了针对用户的个性化推荐，能够提高用户接受推荐并安装被推荐的扩展工具的概率，使得被推荐的扩展工具能够得到有效的应用。并且，选择的范围可以是尚未安装的全部扩展工具，包括新上线的扩展工具，因此，新上线的扩展工具也可以获得与其他扩展工具同等的推荐机会。另外，从用户角度而言，如果推荐的扩展工具正好是用户需要的，则用户可以不必再去众多的扩展工具组成的列表中去查找，节省了用户的时间和精力。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例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是本发明实施例提供的方法的流程图；

图2是本发明实施例提供的***的示意图。

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，所描述的实施例仅仅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所获得的所有其他实施例，都属于本发明保护的范围。

参见图1，本发明实施例提供的应用程序扩展工具推荐方法包括以下步骤：

S101：采集用户对已安装的扩展工具的使用情况信息；

其中，用户已安装的扩展工具可以是在安装应用程序时预置使用的扩展工具，还可以是用户在安装应用程序之后自行手动安装的扩展工具。在用户使用应用程序的过程中，就可能会用到各个已安装的扩展工具。但是，对不同的扩展工具的使用情况却可能不尽相同，例如，有的扩展工具经常被使用，而其他的却不是经常被用户使用，等等。因此，通过用户对已安装的扩展工具的使用情况，能够统计出用户对各个扩展工具的喜好程度。具体实现时，采集的使用情况信息可以包括用户对各个扩展工具的使用次数、使用时间等能够正面反映用户喜好的信息，还可以包括用户将扩展工具设置为停用状态的时间这种负面反映用户喜好的信息。也就是说，在相同的时间段内，如果一个用户对某扩展工具的使用次数多，或者使用时间比较长，则证明该用户对该扩展工具的喜好程度越高。同时，由于在用户安装了某扩展工具之后，如果用户不再需要或者暂时不需要使用该扩展工具，一般情况下还可以通过扩展工具提供的接口将扩展工具设置为停用状态。因此，如果某扩展工具被用户设置为停用状态的持续时间比较长，则可以说明该用户对该扩展工具的喜好程度并不是很高，等等。需要说明的是，本发明实施例中所述的“停用状态”并不是指用户将某扩展工具卸载，而是通过扩展工具提供的“停用”入口对扩展工具的状态进行设置。如，在用户暂时不需要使用某扩展工具时，可以通过该入口将其暂时性地设置为停用状态，而当用户又需要使用该扩展工具时，再通过“启用”入口启动对该扩展工具的使用即可。例如，用户安装了浏览器的某插件（相当于浏览器这种应用程序的一个扩展工具），该插件可以在看视频时提高播放的流畅度，但是一旦使用该插件，就会使得浏览器大量抢占网络带宽，因此，在同时运行有其他对网络带宽有一定要求的应用程序的情况下，用户可能需要暂时不使用该插件，但是在没有同时运行其他应用程序的情况下，又可能需要使用该插件。因此，就可以通过该插件的“停用”、“启用”入口来切换该插件的使用状态以达到上述目的。显然这种方式可以相对灵活地实现对扩展工具使用状态的控制，不需要反复地对同一扩展工具进行卸载及安装操作。当然，在实际应用中，使用情况信息并不限于以上列举的几种，还可以根据实际需要选取其他的信息。

上述收集对已安装的扩展工具的使用情况信息的步骤可以是由具体的扩展工具来完成，还可以由应用程序来完成，或者还可以是专门用于完成收集操作的程序来完成，等等。

S102：通过对采集到的使用情况信息进行分析，确定该用户对已安装的各个扩展工具的喜好程度信息，并选择出喜好程度信息达到第一预置条件的扩展工具；

在采集到用户对各个扩展工具的使用情况信息之后，就可以对采集到的信息进行分析，并确定出用户对其已安装的各个扩展工具的喜好程度信息。为了便于比较，具体在确定用户对各个扩展工具的喜好程度信息时，可以根据采集到的使用情况信息对喜好程度进行量化。例如，如果收集到的使用情况信息为一段时间段（例如一周等）内，用户对各个已安装扩展工具的使用次数，则可以直接将这种次数信息作为用户对对应扩展工具的喜好程度信息，然后直接比较使用次数的大小，即可比较出用户对各个已安装扩展工具的喜好程度的高低，然后选择使用次数较多的若干个扩展工具作为推荐种子即可。

如果收集到的使用情况信息是在同一段时间段（同样可以是一周等）内，用户分别对各个已安装的扩展工具的累计使用时间长度，则同样可以用这种时间长度值表示用户对对应扩展工具的喜好程度，通过比较各自的累计使用时间长度也可以从一定程度上反应出用户对各个扩展工具的喜好程度的高低，同样，选出累计使用时间长度较长的若干个扩展工具作为推荐的种子即可。

如果收集到的使用情况信息是从负面反应用户喜好的信息，例如，前文所述的在一定时间段内，用户将扩展工具设置为停用状态的时间长度，则可以将这种时间长度值作为用户对对应扩展工具的喜好程度信息，通过比较各个停用时间长度值的大小，来反应用户对各个扩展工具的喜好程度，同样可以选出停用时间长度较短的若干个扩展工具作为推荐种子。

当然，在实际应用中，为了更真实的反应用户对各个扩展工具的喜好程度，还可以从多方面获取用户的使用情况信息，然后进行综合评定。例如，可以采集前文所述的同一时间段内的使用次数、使用时间长度、设置为停用状态的时间长度，然后可以分别给各个参数赋予不同的权重，将各个参数分别乘以各自的权重后再进行相加，即可得到用户对一个扩展工具的喜好程度值。

其中，对于从正面反映用户喜好的参数，可以赋予正的权重值，例如，赋予使用次数的权值可以为0.8，因为用户使用扩展工具的次数越多说明用户越经常使用这个扩展，可以给予较高的信任度。累计使用时间可以赋予0.4的权重值，因为它也可以从正面反映用户对扩展工具的使用情况，只不过对其信任度可以不像使用次数那么高。而将扩展工具设置为停用状态的时间，则可将其权重值赋为-0.2，因为该参数是从负面程度上反映用户对该扩展工具的喜好。在计算得到各个扩展工具对应的喜好程度值之后，就可以选取其中符合一定条件的几个作为推荐种子。例如，可以取出结果集中用户喜好程度值高于既定阈值的前5名作为用户最为喜好的扩展工具集，该扩展工具集中的各个扩展工具就可以作为推荐种子。当然上述具体的数值都是为了举例说明，不应看作是对本发明实施例保护范围的限制。

当然，在实际应用中，采集到的数据可能会包含一些噪音，以至于最终获得的用户对扩展工具的喜好程度值可能并不能真实的反映实际的情况。因此，还可以设置一个阈值，如果某次计算出的喜好程度值超出该阈值，则相当于超出了正常的范围，此时，可以发出报警，以便提醒技术人员对数据进行审核，以排除不纯洁数据对结果的影响。

需要说明的是，以上计算用户对各个已安装扩展工具的喜好程度信息的过程可以是一个迭代的过程，也即，在计算出一次结果之后，可以将计算的结果进行保存，当获取到下一采集周期的使用情况信息时，可以将新收集到的数据和保存的历史计算结果进行结合，重新进行计算，这样可以使得计算结果能够真实的反映出用户对扩展工具的喜好程度的变化情况，并根据变化后的喜好程度信息，调整推荐结果。

另外需要说明的是，上述对收集到的数据进行分析的过程可以在云服务器端来进行，也就是说，当客户端的应用程序或扩展工具或者专用的客户程序在采集到用户对扩展工具的使用情况信息之后，可以将其上传给云服务器，在云服务器端进行分析计算。同时，还可以将历史计算结果保存在云服务器上。这样，一方面可以节省客户端的计算及存储等资源，另一方面，将计算结果保存在云服务器上，即便用户更换了机器或者重装了操作***，也同样可以在用户连接互联网的时候为其推荐相关的扩展工具。更为客观的是，所有的算法都可以维持在云服务器端，可以避免算法升级对客户端的影响，节省了客户端的资源。

其中，在计算用户对各个已安装扩展工具的喜好程度信息以及保存计算结果的过程中，可以以键值对（key，value）的形式进行。其中，key代表已安装的扩展工具，可以用工具名等标识性信息来表示，value就代表用户对该扩展工具的喜好程度信息。这种（key，value）对的形式可以同时兼顾客户端和云服务器端数据处理的方便性。如果需要，则客户端可以直接利用javascript来方便地处理这样的数据结构；同样的，在云服务器端利用php或python语言也可以方便的对这样的数据进行获取（get）或设置（set）操作。而且，(key,value)对可以很方便的表示树形的数据，从而很明显的区分出数据中的父子关系。再一个优势就是，该数据结构非常适合NoSQL数据库，这样可以便于在将来对算法或架构进行升级。

S103：从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，并推荐给用户。

在步骤S102中，已经获取到了用户比较喜欢的若干个扩展工具，因此，就可以将这些扩展工具作为推荐种子，为用户进行其他尚未安装的扩展工具的推荐。具体在确定推荐哪些扩展工具时，本发明实施例采用的方式是，将与推荐种子的相似度达到一定条件的扩展工具推荐给用户。这种相似度可以体现在多个方面，例如可以是功能上的相关性，也就是说，如果用户对某个扩展工具的喜好程度较高，则证明用户经常需要使用该扩展工具的功能，则对于与该扩展工具功能相同或者相关的其他扩展工具而言，该用户对其也感兴趣的可能性就比较大，因此，可以作为推荐的对象推荐给用户。当然，具体实现时，还可以是其他方面的相似度，这里不进行限定。

具体在获取与推荐种子的相似度符合一定条件的扩展工具时，可以采用文本匹配的方式来进行。例如，一般情况下，扩展工具的开发者等会为各个扩展工具提供名称，还可能提供相关的介绍信息，这些信息都能反映出各个扩展工具的功能等信息。因此，首先可以针对各个推荐种子以及尚未安装的所有扩展工具，分别从各自的名称和/或介绍信息中提取出关键词，这些关键词就相当于是扩展工具的标签。对于不同的扩展工具而言，根据其名称和/或介绍信息中包含的信息的不同，能够抽取出的关键词的数目也可能会不尽相同。在完成关键词的抽取之后，就可以计算各个扩展工具之间的文本相似度，具体实现时，可以首先针对推荐种子，将尚未安装的各个扩展工具分别与其进行相似度计算，得到推荐种子与各个尚未安装的扩展工具之间的相似度，然后取出相似度达到某既定的阈值的扩展工具作为推荐的对象。具体在比较某两个扩展工具A、B之间的相似度时，可以采用以下公式（1）进行：

${\mathrm{Sim}}_{\mathrm{AB}}=\frac{T_{\mathrm{AB}}}{T_A+T_B}---\left(1\right)$

其中，T_AB表示两者共有的关键词数目，T_A表示扩展工具A的关键词总数，T_B表示扩展工具B的关键词总数。假设A是推荐种子，如果计算的结果大于某阈值，则扩展工具B就相当于满足了第二预置条件，可以推荐给用户。需要说明的是，上述计算相似度以及第二预置条件的设置都不是固定的，可以根据实际情况进行调整，这里不进行限定。需要说明的是，上述“共有的关键词”不仅仅包括文字上完全一致的关键词，还可以包括文字上不完全一致但表述的含义相同或相近的关键词。针对后一种情况，在具体实现时，可以预先建立同义词表，结合该同义词表判断两个扩展工具之间具有多少共有的关键词。

在将扩展工具推荐给用户的同时，还可以给出关于该扩展工具的功能的介绍等信息，以便用户了解该扩展工具的功能，进而决定是否需要安装该扩展工具。同时，还可以为用户提供两个操作入口，一个是“接受”，另一个是“拒绝”，如果用户接受该推荐，则可以从“接受”的入口进入，此时，就可以将被推荐的扩展工具安装到用户的机器中，同时，该扩展工具的图标就可以出现在应用程序的工具栏中。当然，由于工具栏中已经存在一些之前安装过的扩展工具，因此，关于最新被推荐并安装的扩展工具，其在工具栏中的位置也是需要考虑的问题。其中，一种方式可以是排在当前所有已安装的扩展工具之后。当然，由于经过前述的计算可知，用户之前已安装的各个扩展工具中，有些确实是用户比较常用的（也即作为本发明实施例推荐种子的扩展工具），而有些确实用户不常用的，也即用户对这种扩展工具的喜好程度比较低。而被推荐的扩展工具是与用户喜好程度比较高的扩展工具具有较高相似度的，因此其理应占有工具栏中较重要的位置。因此，可以将被推荐的扩展工具排到之前计算得到的用户喜好程度较高的扩展工具（可能是多个）之后，用户喜好程度较低的扩展工具之前。

为了更形象地理解本发明实施例，下面通过一个具体的例子进行整体方案的介绍。用户A在浏览器上装了8个扩展工具，其经常使用的有“无痕浏览”(功能是：用户使用该工具浏览网页时不会产生浏览历史记录)和“小号窗口”(功能是：用户使用该工具时可以用不同的身份同时登录相同的网站，二者之间不受干扰)，这两个扩展工具的使用次数都已经达到了50次/星期，而其它扩展工具的使用次数均小于10次/星期。则云服务器在接收到相关的使用情况信息之后，得到的推荐种子中就包含这两个扩展工具。此时，待推荐的扩展工具中有“隐私保护”、“最常访问”等，经过相似度的计算得到，“隐私保护”与“无痕浏览”的相似度达到了0.6，而“最常访问”等与“无痕浏览”和“小号窗口”的相似度均小于0.1，如果预定的推荐扩展工具的条件是相似度不小于0.5，那么最终推荐的扩展工具就是“隐私保护”。

总之，通过本发明实施例提供的方案，能够实现针对用户的个性化推荐，能够提高用户接受推荐并安装被推荐的扩展工具的概率，使得被推荐的扩展工具能够得到有效的应用。例如前述推荐“隐私保护”的例子，或者，如果用户经常使用“优惠券大全工具”，还可以为用户推送与“优惠券大全工具”相似度达到阈值的“比价工具”、“团购信息工具”，如果用户经常使用“赛事信息工具”还可以为用户推送与“赛事信息工具”相似度达到阈值的“比分直播工具”，等等；不再赘述。并且，选择的范围可以是尚未安装的全部扩展工具，包括新上线的扩展工具，因此，新上线的扩展工具也可以获得与其他扩展工具同等的推荐机会。另外，从用户角度而言，如果推荐的扩展工具正好是用户需要的，则用户可以不必再去众多的扩展工具组成的列表中去查找，节省了用户的时间和精力。

需要说明的是，在进行扩展工具的推荐的过程中，可以在同一应用程序内部进行推荐，例如，针对浏览器这一应用程序，只采集用户对该应用程序的各个扩展工具的使用情况信息，并在浏览器的全部扩展工具集中为用户进行推荐；如果要对其他应用程序进行扩展工具的推荐，则可以采集用户在对应的应用程序中对其扩展工具的使用情况。或者，在实际应用中，也可以进行跨应用程序的推荐。也即，在采集用户对扩展工具的使用情况时，可以不必区分应用程序，如果用户对应用程序A中的扩展工具a的喜好程度比较高，并且应用程序B的扩展工具集中也存在与扩展工具a的功能相似的扩展工具b，则用户在使用应用程序B时，也可能会对扩展工具b感兴趣，因此，也可以将扩展工具b推荐给该用户。

另外，具体实现时，还可以分别针对其他不同的使用环境进行扩展工具的推荐。具体实现时，可以分别在采集用户对已安装的扩展工具的使用情况信息的时，还采集各个使用情况信息对应的使用环境信息，这样，在计算用户对各个扩展工具的喜好程度时，就可以分别针对不同的使用环境进行计算；进而在向用户进行推荐时，可以针对用户当前所处的使用环境，进行有针对性地推荐。例如，针对浏览器这一应用程序而言，收集到的信息表明，用户在登录某种类型的网站（例如购物类网站等等）时，喜欢使用某种帮助型扩展工具，并且在尚未安装的扩展工具中存在与该扩展工具在功能等方面相关的帮助型扩展工具，则今后用户再次登录相同类型的网站时，就可以给用户推荐这类帮助型扩展工具，等等。具体实现时，可以在采集用户对已安装的浏览器扩展工具的使用情况信息的同时，还可以采用用户在使用浏览器扩展工具时正在浏览的网页信息（例如网页的网址或者网页名称等等），然后在分析用户对扩展工具的喜好程度时，可以结合采集到的使用浏览器扩展工具时正在浏览的网页信息，以及预先获知的网页所述类别信息，获得用户在浏览各类网站时对各个扩展工具的喜好程度信息。如果能够统计出，用户在浏览某类网站时总是对某个或某些扩展工具感兴趣，则可以仅在该用户访问同一类型的网站时才将其他相似的扩展工具推荐给该用户。需要说明的是，在具体实现的过程中，网站的类型信息可以看作是已知的，并且很显然，对网站的不同分类方式也不会影响本发明的实现。

当然，关于“使用环境”信息不仅仅包括上述例子中同一应用程序的不同使用场景，还包括在不同应用程序中对各自的扩展工具的使用。例如，如果用户在使用某应用程序A的过程中，对某扩展工具B的喜好程度比较高，则可以在用户使用与应用程序A相似的应用程序C时，向用户推荐与扩展工具B具有相似性的扩展工具D，等等。在实际应用中，应用程序上的相似性可能体现在，不同的应用程序开发者提供的具有同一或相似功能的应用程序，因此，也可以将这种应用程序称为同类的应用程序。例如，用户可能在自己的计算机中安装了两款不同的浏览器，就相当于用户安装了两个同类的应用程序，等等。具体实现时，可以在采集用户对应用程序的扩展工具的使用情况的同时，还记录下该扩展工具对应的应用程序信息，这样，在统计用户对扩展工具的喜好程度时，就可以分别统计用户在使用各类应用程序时分别对各个扩展工具的喜好程度。这样，在向用户进行扩展工具的推荐时，可以首先判断用户当前正在使用的第一应用程序所属的类别，然后找出与该用户在使用该类别应用程序时喜好程度信息达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给该用户。需要说明的是，与前述网站类别相似，应用程序的类别信息可以看作是已知的，例如，预先建立了应用程序的分类列表等等。

与本发明实施例提供的应用程序扩展工具推荐方法相对应，本发明实施例还提供了一种应用程序扩展工具推荐***，参见图2，该***可以包括：

使用情况信息采集单元201，用于采集用户对已安装的扩展工具的使用情况信息；

分析计算单元202，用于通过对采集到的使用情况信息进行分析，确定该用户对已安装的各个扩展工具的喜好程度信息，并选择出喜好程度信息达到第一预置条件的扩展工具；

推荐单元203，用于从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，并推荐给该用户。

其中，该***还可以包括：

使用环境信息采集单元，用于采集用户在使用已安装的扩展工具时的使用环境信息；

相应的，分析计算单元202具体可以用于：分别针对各种使用环境，确定该用户对已安装的各个扩展工具的喜好程度信息，并分别选择出在各种使用环境下喜好程度信息达到第一预置条件的扩展工具；

推荐单元203具体可以用于：

针对该用户当前所处的使用环境，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

具体的，扩展工具可以包括浏览器的扩展工具，此时，使用环境信息采集单元具体可以用于：采集用户在使用已安装的浏览器扩展工具时正在浏览的网站信息；

分析计算单元202具体可以用于：

确定该用户在浏览各类网站时对对已安装的各个浏览器扩展工具的喜好程度信息，并分别选择出在浏览各类网站时喜好程度信息达到第一预置条件的扩展工具；

推荐单元203具体可以用于：

针对用户当前正在浏览的网站所述的类别，选择出与该用户在浏览该类别网站时达到喜好程度信息达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

或者，在另一种实现方式下，所述使用环境信息采集单元具体可以用于：

采集用户在使用已安装的扩展工具时对应的应用程序信息；

相应的，分析计算单元202具体可以用于：

确定该用户在使用各类应用程序时对已安装的各个扩展工具的喜好程度信息，并分别选择出在使用各类应用程序时喜好程度信息达到第一预置条件的扩展工具；

推荐单元203具体可以用于：

针对用户当前正在使用的应用程序所属的类别，选择出与该用户在使用该类别应用程序时喜好程度信息达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

具体实现时，所述采集到的使用情况信息包括：正面反映该用户对已安装的各个扩展工具的喜好程度的信息，和/或，负面反映该用户对已安装的各个扩展工具的喜好程度的信息。

其中，所述正面反映该用户对已安装的各个扩展工具的喜好程度的信息包括：

在预置时间段内，该用户分别对已安装的各个扩展工具的累计使用次数和/或累计使用时间长度；

所述负面反映该用户对已安装的各个扩展工具的喜好程度的信息包括：

在预置时间段内，分别将已安装的各个扩展工具设置为停用状态的累计时间长度。

具体的，分析计算单元202可以包括：

权重赋予子单元，用于为所述累计使用次数和/或累计使用时间长度赋予正的权重值，为所述设置为停用状态的累计时间长度赋予负的权重值；

计算子单元，用于将所述累计使用次数和/或累计使用时间长度、设置为停用状态的累计时间长度分别乘以各自的权重值再进行相加，得到用户对对应扩展工具的喜好程度信息。

为了能够实时反应用户对各个扩展工具的喜好程度的变化，该***还可以包括：

保存单元，用于将该用户对已安装的各个扩展工具的喜好程度信息进行保存，以便当采集到该用户的新的使用情况信息时，结合保存的数据，实时确定该用户对已安装的各个扩展工具的喜好程度信息。

在具体实现时，可以以键值对的形式对该用户对已安装的各个扩展工具的喜好程度值进行保存。

并且可以在云服务器端进行所述对采集到的使用情况信息进行分析操作，并将所述该用户对已安装的各个扩展工具的喜好程度信息在所述云服务器端进行保存。

其中，推荐单元203具体可以包括：

文本匹配子单元，用于采用文本匹配的方式，从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具。

具体的，文本分类子单元可以包括：

关键词提取子单元，用于分别从两个扩展工具的名称和/或介绍文本中提取出各自包含的关键词；

相似度计算子单元，用于根据两个扩展工具中各自包含的关键词总数，以及两者共有的关键词总数，计算两者之间的相似度。

通过本发明实施例提供的上述***，可以对用户已安装的扩展工具的使用情况进行采集，并据此分析出确定该用户对已安装的各个扩展工具的喜好程度信息，还可以从中选择出若干个用户对其喜好程度较高的扩展工具；然后就可以从用户尚未安装的扩展工具中，选择出与该用户喜好程度较高的扩展工具具有相同或者相似的扩展工具推荐给用户。可见，相当于推荐的扩展工具是根据用户的喜好选出的，因此，实现了针对用户的个性化推荐，能够提高用户接受推荐并安装被推荐的扩展工具的概率，使得被推荐的扩展工具能够得到有效的应用。并且，选择的范围可以是尚未安装的全部扩展工具，包括新上线的扩展工具，因此，新上线的扩展工具也可以获得与其他扩展工具同等的推荐机会。另外，从用户角度而言，如果推荐的扩展工具正好是用户需要的，则用户可以不必再去众多的扩展工具组成的列表中去查找，节省了用户的时间和精力。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例或者实施例的某些部分所述的方法。

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，对于装置或***实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及***实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上对本发明所提供的应用程序扩展工具推荐方法及***，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处。综上所述，本说明书内容不应理解为对本发明的限制。

Claims (24)

1.一种应用程序扩展工具推荐方法，其特征在于，包括：

采集用户对已安装的扩展工具的使用情况信息；

通过对采集到的使用情况信息进行分析，确定该用户对已安装的各个扩展工具的喜好程度信息，并选择出喜好程度信息达到第一预置条件的扩展工具；

从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，并推荐给该用户。

2.根据权利要求1所述的方法，其特征在于，还包括：

采集用户在使用已安装的扩展工具时的使用环境信息；

所述确定该用户对已安装的各个扩展工具的喜好程度信息，并选择出喜好程度信息达到第一预置条件的扩展工具包括：

分别针对各种使用环境，确定该用户对已安装的各个扩展工具的喜好程度信息，并分别选择出在各种使用环境下喜好程度信息达到第一预置条件的扩展工具；

所述选择出与所述达到第一预置条件的扩展工具的功能相似度达到第二预置条件的扩展工具包括：

针对该用户当前所处的使用环境，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

3.根据权利要求2所述的方法，其特征在于，所述扩展工具包括浏览器的扩展工具，所述采集用户在使用已安装的扩展工具时的使用环境信息包括：

采集用户在使用已安装的浏览器扩展工具时正在浏览的网站信息；

所述分别针对各种使用环境，确定该用户对已安装的各个扩展工具的喜好程度信息，并分别选择出在各种使用环境下喜好程度信息达到第一预置条件的扩展工具包括：

确定该用户在浏览各类网站时对已安装的各个浏览器扩展工具的喜好程度信息，并分别选择出在浏览各类网站时喜好程度信息达到第一预置条件的扩展工具；

所述针对该用户当前所处的使用环境，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户包括：

针对用户当前正在浏览的网站所属的类别，选择出与该用户在浏览该类别网站时喜好程度信息达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

4.根据权利要求2所述的方法，其特征在于，所述采集用户在使用已安装的扩展工具时的使用环境信息包括：

采集用户在使用已安装的扩展工具时对应的应用程序信息；

所述分别针对各种使用环境，确定该用户对已安装的各个扩展工具的喜好程度信息，并分别选择出在各种使用环境下喜好程度信息达到第一预置条件的扩展工具包括：

确定该用户在使用各类应用程序时对已安装的各个扩展工具的喜好程度信息，并分别选择出在使用各类应用程序时喜好程度信息达到第一预置条件的扩展工具；

所述针对该用户当前所处的使用环境，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户包括：

针对用户当前正在使用的应用程序所属的类别，选择出与该用户在使用该类别应用程序时喜好程度信息达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述采集到的使用情况信息包括：正面反映该用户对已安装的各个扩展工具的喜好程度的信息，和/或，负面反映该用户对已安装的各个扩展工具的喜好程度的信息。

6.根据权利要求5所述的方法，其特征在于，所述正面反映该用户对已安装的各个扩展工具的喜好程度的信息包括：

在预置时间段内，该用户分别对已安装的各个扩展工具的累计使用次数和/或累计使用时间长度；

所述负面反应该用户对已安装的各个扩展工具的喜好程度的信息包括：

在预置时间段内，分别将已安装的各个扩展工具设置为停用状态的累计时间长度。

7.根据权利要求6所述的方法，其特征在于，所述确定该用户对已安装的各个扩展工具的喜好程度信息包括：

为所述累计使用次数和/或累计使用时间长度赋予正的权重值，为所述设置为停用状态的累计时间长度赋予负的权重值；

将所述累计使用次数和/或累计使用时间长度、设置为停用状态的累计时间长度分别乘以各自的权重值再进行相加，得到用户对对应扩展工具的喜好程度信息。

8.根据权利要求1至4任一项所述的方法，其特征在于，还包括：

将该用户对已安装的各个扩展工具的喜好程度信息进行保存，以便当采集到该用户的新的使用情况信息时，结合保存的数据，实时确定该用户对已安装的各个扩展工具的喜好程度信息。

9.根据权利要求8所述的方法，其特征在于，以键值对的形式对该用户对已安装的各个扩展工具的喜好程度值进行保存。

10.根据权利要求8所述的方法，其特征在于，在云服务器端进行所述对采集到的使用情况信息进行分析的操作，并将所述该用户对已安装的各个扩展工具的喜好程度信息在所述云服务器端进行保存。

11.根据权利要求1至4任一项所述方法，其特征在于，所述从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具包括：

采用文本匹配的方式，从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具。

12.根据权利要求11所述的方法，其特征在于，通过以下方式获取两个扩展工具之间的相似度：

分别从两个扩展工具的名称和/或介绍文本中提取出各自包含的关键词；

根据两个扩展工具中各自包含的关键词总数，以及两者共有的关键词总数，计算两者之间的相似度。

13.一种应用程序扩展工具推荐***，其特征在于，包括：

使用情况信息采集单元，用于采集用户对已安装的扩展工具的使用情况信息；

分析计算单元，用于通过对采集到的使用情况信息进行分析，确定该用户对已安装的各个扩展工具的喜好程度信息，并选择出喜好程度信息达到第一预置条件的扩展工具；

推荐单元，用于从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，并推荐给该用户。

14.根据权利要求13所述的***，其特征在于，还包括：

使用环境信息采集单元，用于采集用户在使用已安装的扩展工具时的使用环境信息；

所述分析计算单元具体用于：分别针对各种使用环境，确定该用户对已安装的各个扩展工具的喜好程度信息，并分别选择出在各种使用环境下喜好程度信息达到第一预置条件的扩展工具；

所述推荐单元具体用于：

针对该用户当前所处的使用环境，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

15.根据权利要求14所述的***，其特征在于，所述扩展工具包括浏览器的扩展工具，所述使用环境信息采集单元具体用于：

采集用户在使用已安装的浏览器扩展工具时正在浏览的网站信息；

所述分析计算单元具体用于：

确定该用户在浏览各类网站时对对已安装的各个浏览器扩展工具的喜好程度信息，并分别选择出在浏览各类网站时喜好程度信息达到第一预置条件的扩展工具；

所述推荐单元具体用于：

针对用户当前正在浏览的网站所属的类别，选择出与该用户在浏览该类别网站时达到喜好程度信息达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

16.根据权利要求14所述的***，其特征在于，所述使用环境信息采集单元具体用于：

采集用户在使用已安装的扩展工具时对应的应用程序信息；

所述分析计算单元具体用于：

确定该用户在使用各类应用程序时对已安装的各个扩展工具的喜好程度信息，并分别选择出在使用各类应用程序时喜好程度信息达到第一预置条件的扩展工具；

所述推荐单元具体用于：

针对用户当前正在使用的应用程序所属的类别，选择出与该用户在使用该类别应用程序时喜好程度信息达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具，推荐给用户。

17.根据权利要求13至16任一项所述的***，其特征在于，所述采集到的使用情况信息包括：正面反映该用户对已安装的各个扩展工具的喜好程度的信息，和/或，负面反映该用户对已安装的各个扩展工具的喜好程度的信息。

18.根据权利要求17所述的***，其特征在于，所述正面反映该用户对已安装的各个扩展工具的喜好程度的信息包括：

在预置时间段内，该用户分别对已安装的各个扩展工具的累计使用次数和/或累计使用时间长度；

所述负面反映该用户对已安装的各个扩展工具的喜好程度的信息包括：

在预置时间段内，分别将已安装的各个扩展工具设置为停用状态的累计时间长度。

19.根据权利要求18所述的***，其特征在于，所述分析计算单元包括：

权重赋予子单元，用于为所述累计使用次数和/或累计使用时间长度赋予正的权重值，为所述设置为停用状态的累计时间长度赋予负的权重值；

计算子单元，用于将所述累计使用次数和/或累计使用时间长度、设置为停用状态的累计时间长度分别乘以各自的权重值再进行相加，得到用户对对应扩展工具的喜好程度信息。

20.根据权利要求13至16任一项所述的***，其特征在于，还包括：

保存单元，用于将该用户对已安装的各个扩展工具的喜好程度信息进行保存，以便当采集到该用户的新的使用情况信息时，结合保存的数据，实时确定该用户对已安装的各个扩展工具的喜好程度信息。

21.根据权利要求20所述的***，其特征在于，以键值对的形式对该用户对已安装的各个扩展工具的喜好程度值进行保存。

22.根据权利要求20所述的***，其特征在于，在云服务器端进行所述对采集到的使用情况信息进行分析操作，并将所述该用户对已安装的各个扩展工具的喜好程度信息在所述云服务器端进行保存。

23.根据权利要求13至16任一项所述***，其特征在于，所述推荐单元包括：

文本匹配子单元，用于采用文本匹配的方式，从该用户尚未安装的扩展工具中，选择出与所述达到第一预置条件的扩展工具的相似度达到第二预置条件的扩展工具。

24.根据权利要求23所述的***，其特征在于，所述文本分类子单元包括：

关键词提取子单元，用于分别从两个扩展工具的名称和/或介绍文本中提取出各自包含的关键词；

相似度计算子单元，用于根据两个扩展工具中各自包含的关键词总数，以及两者共有的关键词总数，计算两者之间的相似度。

Images