CN105432038A - 应用排名计算装置和使用信息收集装置 - Google Patents
应用排名计算装置和使用信息收集装置 Download PDFInfo
- Publication number
- CN105432038A CN105432038A CN201380076615.6A CN201380076615A CN105432038A CN 105432038 A CN105432038 A CN 105432038A CN 201380076615 A CN201380076615 A CN 201380076615A CN 105432038 A CN105432038 A CN 105432038A
- Authority
- CN
- China
- Prior art keywords
- application
- use information
- rank
- client computer
- time period
- 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.)
- Pending
Links
Classifications
-
- 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
- H04L67/01—Protocols
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3065—Monitoring arrangements determined by the means or processing involved in reporting the monitored data
- G06F11/3068—Monitoring arrangements determined by the means or processing involved in reporting the monitored data where the reporting involves data format conversion
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/3003—Monitoring arrangements specially adapted to the computing system or computing system component being monitored
- G06F11/3006—Monitoring arrangements specially adapted to the computing system or computing system component being monitored where the computing system is distributed, e.g. networked systems, clusters, multiprocessor systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3409—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment
- G06F11/3419—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment for performance assessment by assessing time
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F11/00—Error detection; Error correction; Monitoring
- G06F11/30—Monitoring
- G06F11/34—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment
- G06F11/3438—Recording or statistical evaluation of computer activity, e.g. of down time, of input/output operation ; Recording or statistical evaluation of user activity, e.g. usability assessment monitoring of user actions
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2201/00—Indexing scheme relating to error detection, to error correction, and to monitoring
- G06F2201/865—Monitoring of software
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Computer Hardware Design (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mathematical Physics (AREA)
- Stored Programmes (AREA)
- Information Transfer Between Computers (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
一种应用排名计算装置,其被配置为基于来自应用被适配为在其上运行的客户端计算机的使用信息来计算应用的排名,该使用信息表示在客户端计算机中应用是如何被实际使用的。
Description
技术领域
本发明涉及应用排名计算装置、使用信息生成装置,等等。
背景技术
专利文献1公开了用于测量用户关于由多任务构成的评估对象的评估的分数计算***。
[专利文献1]日本专利特许公开号2011-238180
发明内容
在过去一些年中,在诸如智能电话、平板机PC,等等的移动智能设备的漫布性使用的情况下,在线应用商店已经经历了飞速增长。在非常低的进入门槛和低开销数字分发的情况下,公司和独立的开发人员已经在狂热地构造、交付(ship)和更新应用。在线应用商店中可用的应用的数量成指数地增加。在这样的巨大数量的应用的情况下,用户找到他/她想要的准确的应用是困难的,因此这些商店提供排名或评级方法以帮助用户找到最流行的应用。然而,由这些商店所使用的当前排名或评级方法主要地基于应用的下载历史或用户的评论评级。下载历史仅能够提供关于用户是否实际上享用应用的弱的指示,这是因为存在用户仅仅设法下载应用但是实际上决不或很少使用其的可能性。换句话说,可能存在用户在已经启动下载的应用一次之后立即丧失他/她对该应用的兴趣的情况。用户的评级也不能完全地指出大多数用户是否喜欢应用,这是因为评论评级要求用户的人工输入并且许多用户会不愿提供他们的评论。并且还有,用户的评论评级太武断。
因此,本公开的目的是提供一种应用排名计算装置,等等,其能够更适当地计算应用的排名。
根据本公开的一个方面,提供一种应用排名计算装置,其被配置为基于来自应用被适配为在其上运行的客户端计算机的使用信息来计算应用的排名,该使用信息表示在客户端计算机中应用是如何被实际使用的。
根据本公开的该方面,能够获取一种能够更适当地计算应用的排名的应用排名计算装置,等等。
附图的简要说明
图1是示意地图示出应用排名计算***1的配置的图。
图2是图示出使用信息生成装置200的配置的示例的图。
图3是图示出应用排名计算装置100的配置的示例的图。
图4是图示出显示全局排名值的方式的示例的图。
图5是图示出由使用信息生成装置200执行的处理的示例的流程图。
附图标记的说明
1应用排名计算***
10服务器
20客户端计算机
100应用排名计算装置
200使用信息生成装置
具体实施方式
图1是示意地图示出应用排名计算***1的配置的图。
应用排名计算***1包括服务器10和多个客户端计算机20。
服务器10能够与客户端计算机20进行通信。可以以任何方式实现通信。例如,服务器10可以经由有线通信、无线通信,或其组合与客户端计算机20进行通信。
服务器10可以包括执行各个处理以实现在下文描述的功能的计算机。服务器10可以为在线应用商店所拥有和管理。
只要客户端计算机20能够运行存储于其中的应用并且与服务器10进行通信,其就可以是任何类型。客户端计算机20可以是平板机、平板电脑、PDA(个人数字助理)、移动电话或其他计算设备。客户端计算机20典型地是移动终端;然而,客户端计算机20例如可以是桌面类型计算机。
图2是图示出使用信息生成装置200的配置的示例的图。
典型地在客户端计算机20中提供使用信息生成装置200。换句话说,客户端计算机20每个均包括使用信息生成装置200。可以通过任何硬件资源、任何软件资源,或其任何组合来实现使用信息生成装置200。在典型的实施例中,当客户端计算机20执行使用信息生成软件时,实现使用信息生成装置200。使用信息生成软件可以在客户端计算机20的后台中运作。随着客户端计算机20上电,使用信息生成软件可以启动其本身。使用信息生成软件可以由服务器10提供以便被安装在客户端计算机20中。使用信息生成软件可以被嵌入到由在线应用商店提供的应用中。在该情况下,使用信息生成软件可以与应用一起被安装在客户端计算机20中。
使用信息生成装置200可以包括应用记录器220、使用收集器222、数据高速缓存224,和局部排名计算器226。
应用记录器220可以记录已经从在线应用商店下载的应用。应用记录器220可以维持从在线应用商店下载的这些应用的应用列表。
使用收集器222可以监视应用列表中的应用的使用以生成使用数据。换句话说,使用收集器222可以监视应用列表中的应用在客户端计算机20中实际上是如何使用的。
使用数据可以指出(在给定时间段中)用户多频繁地使用其一次和用户与其交互多长时间,也就是,应用的使用的频率和持续时间。这两种使用数据项能够提供在最近的固定时段中用户有多喜欢使用应用的好的估计。为了呈现用户多频繁地使用应用,可以记录以下数据项:在固定时段(诸如一天、一个小时,等等)中应用的启动次数、在固定的数天(例如,一个星期、十天,等等)中应用已经被使用的天数。
数据高速缓存存储器224可以存储来自应用记录器220的应用列表和来自使用收集器222的使用数据。
局部排名计算器226可以基于数据高速缓存224中的使用数据来计算每个应用的局部排名值(局部排名)。局部排名计算器226可以在任何时刻计算局部排名值。例如,局部排名计算器226可以以预先确定的间隔周期性地计算局部排名值。局部排名计算器226可以将计算的局部排名值发送到排名服务器。局部排名计算器226可以将计算的局部排名值与对应的应用名称一起发送。
图3是图示出应用排名计算装置100的配置的示例的图。
典型地在服务器10中提供应用排名计算装置100。换句话说,服务器10实现应用排名计算装置100的功能。可以通过任何硬件资源、任何软件资源,或其任何组合来实现应用排名计算装置100。
应用排名计算装置100被配置为以应用为基础、基于来自客户端计算机20的使用数据,来计算应用的排名(全局排名)。在图3中图示出的示例中,应用排名计算装置100包括本地高速缓存120和排名引擎122。
本地高速缓存存储器120可以存储从客户端计算机20的使用信息生成装置200提供的排名值。换句话说,应用排名计算装置100可以从使用信息生成装置200接收排名值,并且将它们存储在本地高速缓存120中。
排名引擎122可以以应用为基础计算应用的排名(全局排名)。例如,排名引擎122可以计算应用的局部排名值的平均值以计算应用的全局排名值。该平均值可以是任何类型,包括移动平均值、加权平均值,等等。
排名引擎122也可以计算在平均局部排名值周围最近的整数并且使用其作为用于应用的排名星数量。在该情况下,服务器10可以利用对应的星数量指出应用的流行度(例如参加图4)。
根据上面描述的实施例,基于其使用数据来计算相应应用的全局排名值。使用数据指出在客户端计算机20中应用是如何被实际使用的。这意味着,使用数据指出用户有多喜欢相应应用。换句话说,与像应用的下载历史这样的其他因素相比,使用数据更确切地反映公众的喜爱。因此,对使用数据进行使用使得更适当地计算相应应用的全局排名值成为可能。另外,能够在不要求用户进行特殊操作(诸如要求用户提交他们的评论排名)的情况下收集使用数据。换句话说,能够基于当应用实际运行时所获取的信息来生成(收集)使用数据。因而,能够从大范围的用户(客户端计算机20)(自动地)收集使用数据。因此,对使用数据进行使用使得更适当地计算相应应用的全局排名值成为可能。
请注意,在上面描述的实施例中,不是直接地基于使用数据而是间接地基于使用数据来计算相应应用的全局排名值。换句话说,以基于使用数据得出的局部排名值为基础来计算全局排名值。然而,相应应用的全局排名值可以直接地基于使用数据。在该情况下,可以通过服务器10中的应用排名计算装置100来实现局部排名计算器226的功能。替换地,作为等同实施例,排名引擎122可以从使用数据直接地(即,在不计算局部排名值的情况下)计算全局排名值。
图4是图示出显示全局排名值的方式的示例的图。
可以以任何方式输出由排名引擎122计算的相应应用的全局排名值。当客户端计算机20访问在线应用商店(即,服务器10)以购买(安装)应用时,可以在客户端计算机20的显示器中输出全局排名值。
在图4中图示出的示例中,将全局排名值与对应的应用程序名称(“应用A”,“应用B”,等等)一起显示。通过星数量来表示全局排名值。星数量指出应用的流行度。应用变得越流行,对应用给出的星数量就变得越高(对于该示例,五(5)是最大值并且零(0)星是最小值)。例如,应用A具有四颗星,而应用D只有两颗星。
请注意,可以通过其他指示来表示全局排名值。例如,可以通过数字来表示全局排名值。
通过该布置,用户通过依靠全局排名值能够更容易地在巨大数量的应用中选择他/她喜爱的应用。请注意,在图4中图示的示例中,仅仅对用户呈现出八个应用;然而,作为普通在线应用商店的情况,可以响应于客户端计算机20中的输入来改变所显示的应用。例如,用户能够通过输入搜索条件来缩小应用的候选。此外,可以以全局排名值的降序来呈现具有相同的类别的应用。
图5是图示出由使用信息生成装置200执行的处理的示例的流程图。如上所述,可以在执行使用信息生成软件时通过客户端计算机20来实现该处理。
在步骤S500中,使用收集器222以应用为基础生成使用数据。关于存储在数据高速缓存224中的应用列表中所列出的各个应用来生成使用数据。使用收集器222可以基于日志数据(历史数据)生成使用数据。替换地,可以在每当启动任何应用时发起使用收集器222以生成使用数据。由此生成的使用数据被存储在数据高速缓存224中。
在步骤S502中,局部排名计算器226基于数据高速缓存224中的使用数据来计算每个应用的局部排名值。作为这的结果,得出在应用列表中列出的各个应用的局部排名值。可以在任何时刻发起在步骤S502中的处理。例如,可以以预先确定的间隔周期性地发起在步骤S502中的处理。替换地,可以在客户端计算机20开启时发起在步骤S502中的处理。
在步骤S504中,局部排名计算器226将计算的局部排名值作为使用信息发送到服务器10。具体地,局部排名计算器226可以将计算的局部排名值与对应的应用名称和设备ID(客户端计算机20的ID)一起发送到服务器10。请注意,为了维护用户的隐私,仅仅设备ID用于识别应用的用户。使用设备ID保证每个客户端计算机20在固定的时间仅能够将局部排名信息上载到服务器一次。请注意,可以在步骤S502中的处理之后执行在步骤S504中的处理。
根据图5中的处理,能够在不要求用户的人工输入的情况下计算局部排名值。换句话说,能够由使用信息生成装置200自动地生成局部排名值。因而,能够从许多使用信息生成装置200(即,许多用户)收集每个应用的局部排名值。因此,能够增加每个应用的所计算的全局排名值的可靠度。
请注意,在其中应用排名计算装置100基于使用数据直接地计算全局排名值的配置的情况下,可以省略步骤S502的处理。在这种情况下,在步骤S504中,可以将使用数据而不是局部排名值发送到服务器10。
接下来,描述计算应用的局部排名值的方式的示例。
在这里,假定使用收集器222可以以应用为基础记录应用在预先确定的时间段T1(例如,一天、一个小时,等等)中的启动次数、呈现在预先确定的时间段T2(例如,一天、一个小时,等等)中应用运作的时间(时刻)之和的运行时长,和在预先确定的时间段T3(例如,一个星期、十天,等等)中的使用天数。
因素“启动次数”表示在给定时段中用户启动应用多少次。如果用户在该时段内启动某应用许多次,则该应用以高的概率可能是他的/她的最爱。
因素“运行时长”表示在给定时段中在期间运行应用(即,用户与应用交互)的时间之和。如果用户在该时段期间启动应用并且长时间地与其交互,则该应用以高的概率可能是他的/她的最爱。
因素“使用天数”表示以天为基础用户多频繁地启动应用。如果用户每天地或数天中的大多数天都使用应用,则该应用以高的概率可能是他的/她的最爱,纵然在每天中他/她仅仅使用应用一次或若干次并且短时间地与其交互,也是如此。
在该情况下,可以如下计算应用的局部排名值。给定从由服务器10管理的某应用商店下载的m个应用(应用的数量和它们的应用列表被存储在数据高速缓存224中),应用的启动次数是{N1,N2,…Nm}、应用的运行时长是{T1,T2,…Tm},并且应用的使用天数{D1,D2,…Dm}。Ni(1≤i≤m)表示一天中的启动次数,并且Ti(1≤i≤m)表示一天中的交互时刻之和。使用一天作为给定时间段使得使用信息生成装置200能够一天一次地计算和上载局部排名值,然而,能够将其替换为其他固定时段,例如,一个小时、一个星期,等等。Di(1≤i≤m)表示在最近固定的数天中(例如,一星期、10天或者一月,等等)用户已经使用应用的天数。
利用该收集的使用数据,使用信息生成装置200可以利用以下函数周期性地计算某应用i的局部排名值Ri:
其中Ri是应用i的计算的局部排名值、NMAX是{N1,N2,…Nm}的最大值、TMAX是{T1,T2,…Tm}的最大值,并且DMAX是{D1,D2,…Dm}的最大值。表示应用i的排名值——如果只是考虑了启动次数的使用数据(大多数启动的应用得到“一”的分数,对于上述函数中的其他两项是相同的);表示应用i的局部排名值——如果只是考虑了运行时长的使用数据;并且表示应用i的局部排名值——如果只是考虑了使用天数的使用数据。系数“5”用于对最高排名的应用给出五星符号。使用的最大值是由于三个因素任何之一能够独立地指出用户是否喜欢应用的事实。
请注意,在如上所述的示例中,m个应用可以是从应用商店下载的所有应用。替换地,m个应用可以是已经从应用商店下载的应用并且具有相同的类别。在这种情况下,以类别为基础计算NMAX、TMAX,和DMAX。在这种情况下,变得可行的是,在计算局部排名值时考虑应用的特性中的差别。例如,意图一天一次有规则地使用一些应用,而意图不定期地使用其它应用。
请注意,在如上所述的示例中,三个因素——也就是“启动次数”、“运行时长”,和“使用天数”被用于计算局部排名值。然而,这些因素仅仅之一可以被用于计算局部排名值。例如,如果仅仅使用“启动次数”,则可以如下计算局部排名值Ri:
此外,这些因素中的任何两个可以被用于计算局部排名值。例如,如果仅仅使用“启动次数”和“运行时长”,则可以如下计算局部排名值Ri:
此外,可以考虑附加的(多个)因素来计算局部排名值。例如,除如上所述的因素之外,还可以考虑应用的下载历史或用户的评论评级。
此外,在如上所述的示例中,同等地考虑三个因素以计算局部排名值。然而,三个因素可以被分配相应的权重。在该情况下,可以基于相应应用的特性、以应用为基础改变权重。例如,如果意图每天使用某应用,则为因素“使用天数”分配的权重可以大于为其他因素分配的权重。
在本文叙述的所有示例和条件性语言意图用于教导目的以帮助读者理解本发明和发明人为促进本领域所贡献的构思,并且将被解释为不是仅限于这样具体地叙述的示例和条件,在说明书中的这样的示例的组织也不涉及示出本发明的优势和劣势。尽管已经详细地描述了本发明的(多个)实施例,但应当理解,能够在不背离本发明的精神和范围的情况下对此作出各种改变、替换,和变化。
Claims (9)
1.一种应用排名计算装置,其被配置为基于来自应用被适配为在其上运行的客户端计算机的使用信息来计算应用的排名,该使用信息表示在客户端计算机中应用是如何被实际使用的。
2.根据权利要求1所述的应用排名计算装置,其中,由安装在相应客户端计算机中的软件基于当应用实际运行时所获取的信息来自动地生成使用信息。
3.根据权利要求1所述的应用排名计算装置,其中,使用信息与以下中的至少一个有关:预先确定的时间段中的应用的启动次数、表示在预先确定的时间段中应用运作的时间之和的运行时长、和预先确定的时间段中的使用天数。
4.根据权利要求1所述的应用排名计算装置,其中,使用信息包括应用的局部排名,由相应客户端计算机基于预先确定的时间段中的应用的启动次数、表示在预先确定的时间段中应用运作的时间之和的运行时长、和预先确定的时间段中的使用天数中的至少一个来计算该局部排名
5.一种设于客户端计算机中的使用信息生成装置,该使用信息生成装置被配置为生成使用信息并且将所生成的使用信息发送到服务器,该使用信息表示在客户端计算机中应用是如何被实际使用的。
6.根据权利要求4所述的使用信息生成装置,其中,使用信息生成装置被配置为基于预先确定的时间段中的应用的启动次数、呈现在预先确定的时间段中应用运作的时间之和的运行时长、和预先确定的时间段中的使用天数中的至少一个来计算应用的局部排名。
7.一种在服务器中执行的方法,包括:
从应用被适配为在其上运行的客户端计算机获取使用信息,该使用信息表示在客户端计算机中应用是如何被实际使用的;以及
基于来自客户端计算机的使用信息计算应用的排名。
8.一种在客户端计算机中执行的方法,包括:
生成使用信息,该使用信息表示在客户端计算机中应用是如何被实际使用的;以及
向服务器发送所生成的使用信息。
9.一种计算机可读的程序,当在计算机上被执行时,使计算机生成表示在计算机中应用是如何被实际使用的使用信息,并且向服务器发送所生成的使用信息。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/CN2013/076348 WO2014190498A1 (en) | 2013-05-28 | 2013-05-28 | Application ranking calculating apparatus and usage information collecting apparatus |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105432038A true CN105432038A (zh) | 2016-03-23 |
Family
ID=51987859
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201380076615.6A Pending CN105432038A (zh) | 2013-05-28 | 2013-05-28 | 应用排名计算装置和使用信息收集装置 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20160127511A1 (zh) |
EP (1) | EP3005619A4 (zh) |
JP (1) | JP2016524227A (zh) |
KR (1) | KR20160014609A (zh) |
CN (1) | CN105432038A (zh) |
WO (1) | WO2014190498A1 (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869022A (zh) * | 2016-04-07 | 2016-08-17 | 腾讯科技(深圳)有限公司 | 一种应用流行度预测方法和装置 |
Families Citing this family (4)
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 |
CN105094608A (zh) * | 2015-07-17 | 2015-11-25 | 小米科技有限责任公司 | 任务展示方法和装置 |
US10496518B2 (en) * | 2016-12-01 | 2019-12-03 | International Business Machines Corporation | Objective evaluation of code based on usage |
KR102222133B1 (ko) * | 2018-01-12 | 2021-03-03 | 엔에이치엔 주식회사 | 모바일 단말기 및 그의 어플리케이션 관리 방법과 이를 활용한 타겟 광고 제공 시스템 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6122663A (en) * | 1996-12-10 | 2000-09-19 | Intel Corporation | Method and apparatus for tracking program execution time in a computer system |
US7802197B2 (en) * | 2005-04-22 | 2010-09-21 | Microsoft Corporation | Adaptive systems and methods for making software easy to use via software usage mining |
US7184939B1 (en) * | 2005-08-03 | 2007-02-27 | Novell, Inc. | System and method of implementing user action monitoring to automatically populate object launchers |
FR2908582A1 (fr) * | 2006-11-09 | 2008-05-16 | Thomson Licensing Sas | Procede de telechargement de parametres d'utilisation dans un appareil, et appareil pour la mise en oeuvre de l'invention |
US20080243830A1 (en) * | 2007-03-30 | 2008-10-02 | Fatdoor, Inc. | User suggested ordering to influence search result ranking |
US20080263024A1 (en) * | 2007-04-20 | 2008-10-23 | Agere Systems, Inc. | Electronic device with a ranking of applications based on location and method of using the same |
US8407685B2 (en) * | 2008-02-15 | 2013-03-26 | Red Hat, Inc. | Systems and methods for generating ordered download selections based on usage information |
US8261112B2 (en) * | 2008-12-08 | 2012-09-04 | International Business Machines Corporation | Optimizing power consumption by tracking how program runtime performance metrics respond to changes in operating frequency |
CN102082694A (zh) * | 2011-03-04 | 2011-06-01 | 宇龙计算机通信科技(深圳)有限公司 | 一种应用评价方法及应用服务器 |
US20140189572A1 (en) * | 2012-12-31 | 2014-07-03 | Motorola Mobility Llc | Ranking and Display of Results from Applications and Services with Integrated Feedback |
-
2013
- 2013-05-28 US US14/894,423 patent/US20160127511A1/en not_active Abandoned
- 2013-05-28 WO PCT/CN2013/076348 patent/WO2014190498A1/en active Application Filing
- 2013-05-28 CN CN201380076615.6A patent/CN105432038A/zh active Pending
- 2013-05-28 EP EP13885587.9A patent/EP3005619A4/en not_active Ceased
- 2013-05-28 JP JP2016515590A patent/JP2016524227A/ja not_active Withdrawn
- 2013-05-28 KR KR1020157033694A patent/KR20160014609A/ko not_active Application Discontinuation
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105869022A (zh) * | 2016-04-07 | 2016-08-17 | 腾讯科技(深圳)有限公司 | 一种应用流行度预测方法和装置 |
CN105869022B (zh) * | 2016-04-07 | 2020-10-23 | 腾讯科技(深圳)有限公司 | 一种应用流行度预测方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2016524227A (ja) | 2016-08-12 |
EP3005619A1 (en) | 2016-04-13 |
KR20160014609A (ko) | 2016-02-11 |
WO2014190498A1 (en) | 2014-12-04 |
EP3005619A4 (en) | 2017-02-08 |
US20160127511A1 (en) | 2016-05-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104246748B (zh) | 用于确定情境的***和方法 | |
Nogales et al. | Electricity price forecasting through transfer function models | |
Agliamzanov et al. | Hydrology@ Home: a distributed volunteer computing framework for hydrological research and applications | |
Wang et al. | Optimization models based on GM (1, 1) and seasonal fluctuation for electricity demand forecasting | |
CN105357638B (zh) | 预测预定时刻的用户位置的方法和装置 | |
CN107729532A (zh) | 一种简历匹配方法及计算设备 | |
CN107103036B (zh) | 应用下载概率的获取方法、设备及可编程设备 | |
CN106250532A (zh) | 应用推荐方法、装置及服务器 | |
CN110413867B (zh) | 用于内容推荐的方法及*** | |
CN104834967A (zh) | 泛在网络下基于用户相似度的业务行为预测方法 | |
CN104169910A (zh) | 用于评估地理定位的用户生成的内容项目的地理流行度的方法 | |
CN103971170A (zh) | 一种用于对特征信息的变化进行预测的方法和装置 | |
CN104598511A (zh) | 搜索结果推荐方法、装置及*** | |
CN105432038A (zh) | 应用排名计算装置和使用信息收集装置 | |
CN110233879A (zh) | 智能推送界面方法、装置、计算机设备及存储介质 | |
CN109711887A (zh) | 商城推荐列表的生成方法、装置、电子设备及计算机介质 | |
CN108932147A (zh) | 用于切换寄宿应用的方法和设备 | |
CN111209173B (zh) | 一种性别预测方法、装置、存储介质、以及电子设备 | |
CN106484848A (zh) | 一种应用推荐方法和设备 | |
CN108133390A (zh) | 用于预测用户行为的方法和装置以及计算设备 | |
Wong et al. | Long-term user location prediction using deep learning and periodic pattern mining | |
CN109117442A (zh) | 一种应用推荐方法及装置 | |
Ms et al. | Profit maximization based task scheduling in hybrid clouds using whale optimization technique | |
CN111340522A (zh) | 资源推荐方法、装置、服务器及存储介质 | |
CN111489196B (zh) | 基于深度学习网络的预测方法、装置、电子设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160323 |