CN106952129A - 一种应用商店的应用推荐方法及装置 - Google Patents
一种应用商店的应用推荐方法及装置 Download PDFInfo
- Publication number
- CN106952129A CN106952129A CN201710099357.3A CN201710099357A CN106952129A CN 106952129 A CN106952129 A CN 106952129A CN 201710099357 A CN201710099357 A CN 201710099357A CN 106952129 A CN106952129 A CN 106952129A
- Authority
- CN
- China
- Prior art keywords
- application
- user
- comment
- feature
- download
- 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
- 238000000034 method Methods 0.000 title claims abstract description 24
- 238000009434 installation Methods 0.000 claims abstract description 7
- 238000012552 review Methods 0.000 claims description 50
- 238000012216 screening Methods 0.000 claims description 8
- 238000006243 chemical reaction Methods 0.000 abstract description 7
- 238000007621 cluster analysis Methods 0.000 abstract 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
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
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0631—Item recommendations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q30/00—Commerce
- G06Q30/06—Buying, selling or leasing transactions
- G06Q30/0601—Electronic shopping [e-shopping]
- G06Q30/0623—Item investigation
- G06Q30/0625—Directed, with specific intent or strategy
- G06Q30/0629—Directed, with specific intent or strategy for generating comparisons
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本发明适用计算机技术领域,提供了一种应用商店的应用推荐方法及装置,该方法包括:获取用户对应用的历史评论数据、评论时间和被评论应用的类型,使用聚类算法对获取的应用的历史评论数据、评论时间和被评论应用的类型进行聚类,得到用户期望下载安装应用的特征,根据得到的用户期望下载安装应用的特征,获取用户期望下载安装的应用,并向用户推荐获取的应用,从而通过对用户应用历史评论数据的聚类解析,提高了向用户推荐应用的精准性、针对性和有效性,进而提高被推荐应用的下载安装转化率。
Description
技术领域
本发明属于计算机技术领域,尤其涉及一种应用商店的应用推荐方法及装置。
背景技术
随着移动互联网技术的飞速发展,移动终端上的各种应用程序成为服务商为用户提供各种服务的主要渠道,应用商店中各种应用的数量越来越多,面对海量的应用,用户需要花费高昂的时间成本对应用进行筛选和试用后,才能找到自己真正感兴趣的应用,而现有的应用商店在进行应用推荐时,通常采用与用户已安装应用的类型对比、或者与用户设置的个性标签进行应用匹配的方法,这种推荐方式精准性差、用户下载安装转化率低。
发明内容
本发明的目的在于提供一种应用商店的应用推荐方法及装置,旨在解决现有的应用推荐方法精准性差、应用推荐的针对性和有效性低,导致被推荐应用的下载安装转化率低、用户使用推荐应用的体验不佳的问题。
一方面,本发明提供了一种应用商店的应用推荐方法,该方法包括下述步骤:
获取用户对应用的历史评论数据、评论时间和所述被评论应用的类型,所述历史评论数据包括对所述被评论应用的态度和评论的方式,所述用户被记为第一用户;
使用聚类算法对所述获取的应用的历史评论数据、评论时间和所述被评论应用的类型进行聚类,得到所述第一用户期望下载安装应用的特征;
根据所述得到的所述第一用户期望下载安装应用的特征,获取所述第一用户期望下载安装的应用,并向所述第一用户推荐所述获取的应用。
另一方面,本发明提供了一种应用商店的应用推荐装置,该装置包括:
评论信息获取单元,用于获取用户对应用的历史评论数据、评论时间和所述被评论应用的类型,所述历史评论数据包括对所述被评论应用的态度和评论的方式,所述用户被记为第一用户;
特征获取单元,用于使用聚类算法对所述获取的应用的历史评论数据、评论时间和所述被评论应用的类型进行聚类,得到所述第一用户期望下载安装应用的特征;以及
应用输出单元,用于根据所述得到的所述第一用户期望下载安装应用的特征,获取所述第一用户期望下载安装的应用,并向所述第一用户推荐所述获取的应用。
本发明通过获取用户对应用的历史评论数据、评论时间和被评论应用的类型,使用聚类算法对获取的应用的历史评论数据、评论时间和被评论应用的类型进行聚类,得到用户期望下载安装应用的特征,根据得到的用户期望下载安装应用的特征,获取用户期望下载安装的应用,并向用户推荐获取的应用,从而通过对用户应用历史评论数据的聚类解析,提高了向用户推荐应用的精准性、针对性和有效性,进而提高被推荐应用的下载安装转化率。
附图说明
图1是本发明实施例一提供的应用商店的应用推荐方法的实现流程图;
图2是本发明实施例二提供的应用商店的应用推荐方法的实现流程图;
图3是本发明实施例三提供的应用商店的应用推荐装置的结构示意图;以及
图4是本发明实施例四提供的应用商店的应用推荐装置的结构示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
以下结合具体实施例对本发明的具体实现进行详细描述:
实施例一:
图1示出了本发明实施例一提供的应用商店的应用推荐方法的实现流程,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
在步骤S101中,获取用户对应用的历史评论数据、评论时间和被评论应用的类型,该历史评论数据包括对被评论应用的态度和评论的方式,该用户被记为第一用户。
本发明实施例适用于移动终端,尤其适用于手机、平板电脑等便携式移动终端,以方便用户在这些移动终端上使用推荐的应用。为了便于描述,将这里的该用户记为第一用户。在本发明实施例中,向第一用户推荐应用之前,获取第一用户对应用的历史评论数据、评论时间和被评论应用的类型,其中,历史评论数据包括对被评论应用的态度和评论的方式,具体地,对被评论应用的态度包括感兴趣、一般和不感兴趣,评论的方式包括自主评论和回复评论。优选地,获取被评论应用的关键词,从而快速得到被评论应用的全面内容和侧重点。
作为示例地,获取第一用户在应用商店或应用市场中对应用的历史评论数据“我只能用完美来形容,从来没想过看新闻类软件能上瘾,直到我下载了今日头条”,从这条“自主评论”的关键词“完美”可以明显看出第一用户对“今日头条”这个应用“感兴趣”。
在步骤S102中,使用聚类算法对获取的应用的历史评论数据、评论时间和被评论应用的类型进行聚类,得到第一用户期望下载安装应用的特征。
在本发明实施例中,对第一用户的应用历史评论数据、评论时间和被评论应用的类型进行聚类,以根据应用的历史评论数据、第一用户的习惯和兴趣爱好等信息,获取第一用户对应用特征的个性化需求,方便***自动为第一用户推荐合适的个性化应用,而不是仅仅根据第一用户已安装或使用过的应用进行应用推荐,并且利用第一用户的主观评论行为有效排除了同类型第二用户的强共性标签的干扰,从而通过预测第一用户对应用的主观真实需求,提高应用推荐的效率。
作为示例地,当用户在对理财类或彩票类应用的历史评论数据中出现“活到老,学到老”等重视学习的评语时,不能仅仅根据用户性别、年龄和职业等基本信息或者用户所评论应用的类型,得出该用户期望下载安装应用的特征为理财或彩票的结论,而是应该根据用户对被评论应用的“不感兴趣”的态度,将该用户期望下载安装应用的特征确定为学习。
在步骤S103中,根据得到的第一用户期望下载安装应用的特征,获取第一用户期望下载安装的应用,并向第一用户推荐获取的应用。
在本发明实施例中,获取用户对应用的历史评论数据、评论时间和被评论应用的类型,使用聚类算法对获取的应用的历史评论数据、评论时间和被评论应用的类型进行聚类,得到用户期望下载安装应用的特征,根据得到的用户期望下载安装应用的特征,获取用户期望下载安装的应用,并向用户推荐获取的应用,从而通过对用户应用历史评论数据的聚类解析,提高了向用户推荐应用的精准性、针对性和有效性,进而提高被推荐应用的下载安装转化率。
实施例二:
图2示出了本发明实施例二提供的应用商店的应用推荐方法的实现流程,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
在步骤S201中,获取用户的个人基本信息,个人基本信息包括用户的性别、年龄和职业,该用户被记为第一用户。
本发明实施例适用于移动终端,尤其适用于手机、平板电脑等便携式移动终端,以方便用户在这些移动终端上使用推荐的应用。为了便于描述,将这里的该用户记为第一用户。在本发明实施例中,获取第一用户的个人基本信息,以了解将要使用推荐应用的第一用户,从而提高应用推荐的准确性,其中,个人基本信息包括第一用户的性别、年龄和职业。
在步骤S202中,获取第一用户对应用的历史评论数据、评论时间和被评论应用的类型,该历史评论数据包括对被评论应用的态度和评论的方式。
在本发明实施例中,向第一用户推荐应用之前,获取第一用户对应用的历史评论数据、评论时间和被评论应用的类型,其中,历史评论数据包括对被评论应用的态度和评论的方式,具体地,对被评论应用的态度包括感兴趣、一般和不感兴趣,评论的方式包括自主评论、回复评论。优选地,获取被评论应用的关键词,从而快速得到被评论应用的全面内容和侧重点。
在步骤S203中,获取应用商店中与第一用户具有相似个人基本信息的第二用户。
在步骤S204中,从第二用户使用的应用中筛选出使用率和综合评分超过预设值的应用。
在步骤S205中,使用聚类算法对获取的应用的历史评论数据、评论时间、被评论应用的类型和筛选得到的应用进行聚类,得到第一用户期望下载安装应用的特征。
在本发明实施例中,对第一用户的应用历史评论数据、评论时间、被评论应用的类型和筛选得到的应用进行聚类,以根据应用的历史评论数据、第一用户的习惯、兴趣爱好和同类型第二用户使用频率高的应用等信息,获取第一用户需要的应用特征,方便***自动为第一用户推荐合适的个性化应用,而不是仅仅根据第一用户已安装或使用过的应用进行应用推荐,或者仅仅是向第一用户推荐同类型第二用户使用频率高的应用,从而通过预测第一用户对应用的主观真实需求,提高应用推荐的效率。
在步骤S206中,根据第一用户期望下载安装应用的特征,获取第一用户期望下载安装的应用,并向第一用户推荐获取的应用。
在本发明实施例中,根据得到的第一用户需要的应用特征,获取应用商店或应用市场中的可推荐应用,并向第一用户输出。优选地,根据得到的第一用户期望下载安装应用的特征,获取应用商店或应用市场中的可推荐应用,然后根据这些可推荐应用的特征与第一用户期望下载安装应用的特征的匹配度,对推荐应用进行降序排序,输出排序后的推荐应用,以供第一用户选择安装,从而提高了应用推荐的精准性和推荐应用的下载安装转化率。其中,匹配度是指两个不完全相同的物象,在某种分类要求下的契合程度。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,所述的程序可以存储于一计算机可读取存储介质中,所述的存储介质,如ROM/RAM、磁盘、光盘等。
实施例三:
图3示出了本发明实施例三提供的应用商店的应用推荐装置的结构,为了便于说明,仅示出了与本发明实施例相关的部分,其中包括:
评论信息获取单元31,用于获取第一用户对应用的历史评论数据、评论时间和被评论应用的类型,该历史评论数据包括对被评论应用的态度和评论的方式,该用户被记为第一用户。
在本发明实施例中,为了便于描述,将这里的该用户记为第一用户。向第一用户推荐应用之前,评论信息获取单元获取第一用户对应用的历史评论数据、评论时间和被评论应用的类型,其中,历史评论数据包括对被评论应用的态度和评论的方式,具体地,对被评论应用的态度包括感兴趣、一般和不感兴趣,评论的方式包括自主评论和回复评论。优选地,获取被评论应用的关键词,从而快速得到被评论应用的全面内容和侧重点。
特征获取单元32,用于使用聚类算法对获取的应用的历史评论数据、评论时间和被评论应用的类型进行聚类,得到第一用户期望下载安装应用的特征。
在本发明实施例中,特征获取单元对第一用户的应用历史评论数据、评论时间和被评论应用的类型进行聚类,以根据应用的历史评论数据、第一用户的习惯和兴趣爱好等信息,获取第一用户对应用特征的个性化需求,方便***自动为第一用户推荐合适的个性化应用,而不是仅仅根据第一用户已安装或使用过的应用进行应用推荐,并且利用第一用户的主观评论行为有效排除了同类型第二用户的强共性标签的干扰,从而通过预测第一用户对应用的主观真实需求,提高应用推荐的效率。
应用输出单元33,用于根据第一用户期望下载安装应用的特征,获取第一用户期望下载安装的应用,并向第一用户推荐获取的应用。
在本发明实施例中,评论信息获取单元获取用户对应用的历史评论数据、评论时间和被评论应用的类型,特征获取单元使用聚类算法对获取的应用的历史评论数据、评论时间和被评论应用的类型进行聚类,得到用户期望下载安装应用的特征,从而通过预测应用的主观真实需求,提高应用推荐的效率,应用输出单元根据得到的用户期望下载安装应用的特征,获取用户期望下载安装的应用,并向用户推荐获取的应用,从而通过对用户应用历史评论数据的聚类解析,提高了向用户推荐应用的精准性,提高了应用推荐的针对性和有效性,进而提高被推荐应用的下载安装转化率。
在本发明实施例中,应用商店的应用推荐装置的各单元可由相应的硬件或软件单元实现,各单元可以为独立的软、硬件单元,也可以集成为一个软、硬件单元,在此不用以限制本发明。
实施例四:
图4示出了本发明实施例四提供的应用商店的应用推荐装置的结构,为了便于说明,仅示出了与本发明实施例相关的部分,其中包括:
用户信息获取单元41,用于获取用户的个人基本信息,个人基本信息包括用户的性别、年龄和职业,该用户被记为第一用户。
在本发明实施例中,为了便于描述,将这里的该用户记为第一用户。用户信息获取单元获取第一用户的个人基本信息,以了解将要使用推荐应用的第一用户,从而提高应用推荐的准确性,其中,个人基本信息包括第一用户的性别、年龄和职业。
评论信息获取单元42,用于获取第一用户对应用的历史评论数据、评论时间和被评论应用的类型,该历史评论数据包括对被评论应用的态度和评论的方式。
在本发明实施例中,向第一用户推荐应用之前,评论信息获取单元获取第一用户对应用的历史评论数据、评论时间和被评论应用的类型,其中,历史评论数据包括对被评论应用的态度和评论的方式,具体地,对被评论应用的态度包括感兴趣、一般和不感兴趣,评论的方式包括自主评论、回复评论。优选地,获取被评论应用的关键词,从而快速得到被评论应用的全面内容和侧重点。
第二用户获取单元43,用于获取应用商店中与第一用户具有相似个人基本信息的第二用户。
应用筛选单元44,用于从第二用户使用的应用中筛选出使用率和综合评分超过预设值的应用。
特征获取单元45,用于使用聚类算法对获取的应用的历史评论数据、评论时间和被评论应用的类型进行聚类,得到第一用户期望下载安装应用的特征。
在本发明实施例中,特征获取单元对第一用户的应用历史评论数据、评论时间和被评论应用的类型进行聚类,以获取第一用户期望下载安装应用的特征。优选地,使用聚类算法对第一用户的应用历史评论数据、评论时间、被评论应用的类型以及筛选得到的应用进行聚类,以根据应用的历史评论数据、第一用户的习惯、兴趣爱好和同类型第二用户使用频率高的应用等信息,获取第一用户需要的应用特征,方便***自动为第一用户推荐合适的个性化应用,而不是仅仅根据第一用户已安装或使用过的应用进行应用推荐,或者仅仅是向第一用户推荐同类型其他第一用户使用频率高的应用,从而通过预测第一用户对应用的主观真实需求,提高应用推荐的效率。
应用输出单元46,用于根据第一用户期望下载安装应用的特征,获取第一用户期望下载安装的应用,并向第一用户推荐获取的应用。
在本发明实施例中,应用输出单元根据得到的第一用户需要的应用特征,获取应用商店或应用市场中的可推荐应用,并向第一用户输出。优选地,根据得到的第一用户期望下载安装应用的特征,获取应用商店或应用市场中的可推荐应用,然后根据这些可推荐应用的特征与第一用户期望下载安装应用的特征的匹配度,对推荐应用进行降序排序,输出排序后的推荐应用,以供第一用户选择安装,从而提高了应用推荐的精准性和推荐应用的下载安装转化率。
因此,优选地,特征获取单元45包括:
特征获取子单元451,用于使用聚类算法对获取的应用的历史评论数据、评论时间、被评论应用的类型和筛选得到的应用进行聚类,得到第一用户期望下载安装应用的特征;
应用输出单元46包括:
应用获取单元461,用于根据得到的第一用户期望下载安装应用的特征,获取向第一用户推荐的应用;以及
输出子单元462,用于根据获取的向第一用户推荐应用的特征与第一用户期望下载安装应用的特征的匹配度,对推荐应用进行降序排序,输出排序后的推荐应用。
在本发明实施例中,应用商店的应用推荐装置的各单元可由相应的硬件或软件单元实现,各单元可以为独立的软、硬件单元,也可以集成为一个软、硬件单元,在此不用以限制本发明。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种应用商店的应用推荐方法,其特征在于,所述方法包括下述步骤:
获取用户对应用的历史评论数据、评论时间和所述被评论应用的类型,所述历史评论数据包括对所述被评论应用的态度和评论的方式,所述用户被记为第一用户;
使用聚类算法对所述获取的应用的历史评论数据、评论时间和所述被评论应用的类型进行聚类,得到所述第一用户期望下载安装应用的特征;
根据所述得到的所述第一用户期望下载安装应用的特征,获取所述第一用户期望下载安装的应用,并向所述第一用户推荐所述获取的应用。
2.如权利要求1所述的方法,其特征在于,获取第一用户对应用的历史评论数据、评论时间和所述被评论应用的类型的步骤之前,所述方法还包括:
获取所述第一用户的个人基本信息,所述个人基本信息包括第一用户的性别、年龄和职业。
3.如权利要求2所述的方法,其特征在于,获取第一用户对应用的历史评论数据、评论时间和所述被评论应用的类型的步骤之后,所述方法还包括:
获取所述应用商店中与所述第一用户具有相似个人基本信息的第二用户;
从所述第二用户使用的应用中筛选出使用率和综合评分超过预设值的应用。
4.如权利要求3所述的方法,其特征在于,使用聚类算法对所述获取的应用的历史评论数据、评论时间和所述被评论应用的类型进行聚类,得到所述第一用户期望下载安装应用的特征的步骤,包括:
使用所述聚类算法对所述获取的应用的历史评论数据、评论时间、所述被评论应用的类型和所述筛选得到的应用进行聚类,得到所述第一用户期望下载安装应用的特征。
5.如权利要求1所述的方法,其特征在于,获取所述第一用户期望下载安装的应用,并向所述第一用户推荐所述获取的应用的步骤,包括:
根据得到的所述第一用户期望下载安装应用的特征,获取向所述第一用户推荐的应用;
根据所述获取的向所述第一用户推荐应用的特征与所述第一用户期望下载安装应用的特征的匹配度,对推荐应用进行降序排序,输出所述排序后的推荐应用。
6.一种应用商店的应用推荐装置,其特征在于,所述装置包括:
评论信息获取单元,用于获取用户对应用的历史评论数据、评论时间和所述被评论应用的类型,所述历史评论数据包括对所述被评论应用的态度和评论的方式,所述用户被记为第一用户;
特征获取单元,用于使用聚类算法对所述获取的应用的历史评论数据、评论时间和所述被评论应用的类型进行聚类,得到所述第一用户期望下载安装应用的特征;以及
应用输出单元,用于根据所述得到的所述第一用户期望下载安装应用的特征,获取所述第一用户期望下载安装的应用,并向所述第一用户推荐所述获取的应用。
7.如权利要求6所述的装置,其特征在于,所述装置还包括:
用户信息获取单元,用于获取所述第一用户的个人基本信息,所述个人基本信息包括第一用户的性别、年龄和职业。
8.如权利要求7所述的装置,其特征在于,所述装置还包括:
第二用户获取单元,用于获取所述应用商店中与所述第一用户具有相似个人基本信息的第二用户;
应用筛选单元,用于从所述第二用户使用的应用筛选出使用率和综合评分超过预设值的应用。
9.如权利要求8所述的装置,其特征在于,所述特征获取单元包括:
特征获取子单元,用于使用所述聚类算法对所述获取的应用的历史评论数据、评论时间、所述被评论应用的类型和所述筛选得到的应用进行聚类,得到所述第一用户期望下载安装应用的特征。
10.如权利要求6所述的装置,其特征在于,所述应用输出单元还包括:
应用获取单元,用于根据得到的所述第一用户期望下载安装应用的特征,获取向所述第一用户推荐的应用;
输出子单元,用于根据所述获取的向所述第一用户推荐应用的特征与所述第一用户期望下载安装应用的特征的匹配度,对推荐应用进行降序排序,输出所述排序后的推荐应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710099357.3A CN106952129A (zh) | 2017-02-23 | 2017-02-23 | 一种应用商店的应用推荐方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710099357.3A CN106952129A (zh) | 2017-02-23 | 2017-02-23 | 一种应用商店的应用推荐方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106952129A true CN106952129A (zh) | 2017-07-14 |
Family
ID=59467630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710099357.3A Pending CN106952129A (zh) | 2017-02-23 | 2017-02-23 | 一种应用商店的应用推荐方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106952129A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767228A (zh) * | 2017-10-31 | 2018-03-06 | 广东欧珀移动通信有限公司 | 应用推荐方法、装置、终端设备及存储介质 |
CN108307039A (zh) * | 2017-12-21 | 2018-07-20 | 维沃移动通信有限公司 | 一种应用信息展示方法及移动终端 |
CN109189892A (zh) * | 2018-09-17 | 2019-01-11 | 北京点网聚科技有限公司 | 一种基于文章评论的推荐方法及装置 |
CN109377263A (zh) * | 2018-09-20 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 应用信息的展示方法和装置 |
CN110019804A (zh) * | 2017-12-15 | 2019-07-16 | 西安比卓电子科技有限公司 | 一种评论推荐的方法及装置 |
WO2020015112A1 (zh) * | 2018-07-20 | 2020-01-23 | 平安科技(深圳)有限公司 | 产品功能推荐方法、终端设备及计算机可读存储介质 |
WO2021016760A1 (zh) * | 2019-07-26 | 2021-02-04 | 深圳市欢太科技有限公司 | 应用推送方法及相关装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281622A (zh) * | 2013-07-11 | 2015-01-14 | 华为技术有限公司 | 一种社交媒体中的信息推荐方法和装置 |
CN105426514A (zh) * | 2015-11-30 | 2016-03-23 | 扬州大学 | 个性化的移动应用app推荐方法 |
-
2017
- 2017-02-23 CN CN201710099357.3A patent/CN106952129A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104281622A (zh) * | 2013-07-11 | 2015-01-14 | 华为技术有限公司 | 一种社交媒体中的信息推荐方法和装置 |
CN105426514A (zh) * | 2015-11-30 | 2016-03-23 | 扬州大学 | 个性化的移动应用app推荐方法 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107767228A (zh) * | 2017-10-31 | 2018-03-06 | 广东欧珀移动通信有限公司 | 应用推荐方法、装置、终端设备及存储介质 |
CN110019804A (zh) * | 2017-12-15 | 2019-07-16 | 西安比卓电子科技有限公司 | 一种评论推荐的方法及装置 |
CN108307039A (zh) * | 2017-12-21 | 2018-07-20 | 维沃移动通信有限公司 | 一种应用信息展示方法及移动终端 |
WO2020015112A1 (zh) * | 2018-07-20 | 2020-01-23 | 平安科技(深圳)有限公司 | 产品功能推荐方法、终端设备及计算机可读存储介质 |
CN109189892A (zh) * | 2018-09-17 | 2019-01-11 | 北京点网聚科技有限公司 | 一种基于文章评论的推荐方法及装置 |
CN109377263A (zh) * | 2018-09-20 | 2019-02-22 | 阿里巴巴集团控股有限公司 | 应用信息的展示方法和装置 |
WO2021016760A1 (zh) * | 2019-07-26 | 2021-02-04 | 深圳市欢太科技有限公司 | 应用推送方法及相关装置 |
CN113950678A (zh) * | 2019-07-26 | 2022-01-18 | 深圳市欢太科技有限公司 | 应用推送方法及相关装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106952129A (zh) | 一种应用商店的应用推荐方法及装置 | |
CN106021363B (zh) | 课程推荐方法和装置 | |
US9230276B2 (en) | Context-influenced application recommendations | |
CN107426328B (zh) | 信息推送方法和装置 | |
US20160012479A1 (en) | System and method for preference determination | |
US9949149B2 (en) | Online and distributed optimization framework for wireless analytics | |
CN105306495B (zh) | 用户识别方法和装置 | |
CN103620592A (zh) | 用于推荐结果的灵活多样化的方法和装置 | |
CN110377829B (zh) | 应用于电子设备的功能推荐方法和装置 | |
CN104504133A (zh) | 应用程序的推荐方法及装置 | |
CA2822077A1 (en) | Method and apparatus for segmenting a customer base and interacting with customers of the segmented customer base | |
CN109598526B (zh) | 媒体贡献的分析方法及装置 | |
CN108108465A (zh) | 一种推送推荐内容的方法和装置 | |
US20160034705A1 (en) | Stochastic privacy | |
CN106603672A (zh) | 数据推荐方法、服务器及终端 | |
US20100114803A1 (en) | Apparatus and method for modeling user's service use pattern | |
CN113971243A (zh) | 应用于问卷调查的数据处理方法、***、设备及存储介质 | |
US20190253503A1 (en) | Techniques for selecting additional links | |
US10062101B2 (en) | Maximizing the propensity of content consumption according to content complexity and content consumption time | |
CN111552835A (zh) | 文件推荐方法、装置及服务器 | |
WO2022001397A1 (zh) | 交互资格等级确定方法、装置、设备及存储介质 | |
CN105224870A (zh) | 可疑病毒应用上传的方法和装置 | |
CN107562846A (zh) | 一种推荐应用的方法和装置 | |
CN106815285A (zh) | 基于视频网站的视频推荐的方法、装置及电子设备 | |
US20200143425A1 (en) | Augmenting graphical user interfaces in response to social media interactions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170714 |