CN107967330A - 基于下载行为数据及向量表征学习的移动应用推荐方法 - Google Patents

Abstract

本发明涉及基于下载行为数据及向量表征学习的移动应用推荐方法，首先提取用户下载序列，然后训练得出App表征向量A以及计算出用户下载行为表征向量R，最后通过A、R推荐或R推荐两种方式得出推荐结果。本发明利用用户下载App的序列数据，无需App本身的信息以及用户的反馈信息，使数据来源的获取相对容易很多；同时模型的复杂性不高，不会出现过拟合的现象且准确性较高，训练速度较快。

Description

基于下载行为数据及向量表征学习的移动应用推荐方法

技术领域

本发明涉及应用推荐的技术领域，尤其涉及到基于下载行为数据及向量表征学习的移动应用推荐方法。

背景技术

移动应用程序(简称App)是指设计给智能手机、平板计算机和其他移动设备上运行的应用程序。如今，智能型移动电话已经成为了现代人生活中不可或缺的一部分。随着移动互联网的高速发展，手机甚至已经超过计算机成为我们日常访问互联网最重要的终端。而使用手机实际上就是在使用不同的移动应用程序。不同的应用程序可以帮助我们达成不同的需求。如支付类App可以让我们更加便捷地支付；社群类App可以使我们更加方便地与朋友进行联络；游戏类App可以让我们进行很好的娱乐等等。

移动应用程序往往运行在不同的平台之上，且由不同的App商店来分销(如苹果的AppStore，Google的GooglePlay及微软的Windows商店等)。并且，不同平台上App的数量增长的速度很快。

因此，要在如此众多的App中找到用户最可能喜欢的App就显得十分重要。同时，如果可以为用户推荐用户可能喜欢的App，有利于应用商店的定向营销，并且这种精准投放可以显著地增加开发者的收益。

目前移动应用推荐主要有以下两种方法，一种是传统的推荐***方法，另一种是根据App自身所拥有的属性进行推荐。

基于用户App评分的推荐：

利用用户-应用的评分矩阵，来预测用户对其他应用的评分，从而可以选取潜在评分高的App对用户进行推荐。此类方法为较传统的推荐方法，应用于很多***当中。此类方法需要大量的用户反馈数据，且其得到的评分矩阵往往十分稀疏，因此，推荐的方法通常不会很理想。

根据App属性的推荐：

根据App本身拥有的属性，如：应用名称、描述文文件、描述图片、版本信息、用户评论及申请权限等。基于App属性的推荐利用了以上一种或多种属性，进行训练，从而得到不同App之间的相似性或进行推荐。这种方法所需要的数据量较大，并且若对多种数据进行训练，耗时较长；若只对单种数据进行训练，得到的结果往往不佳。并且，该类方法由于经常都比较复杂，因此难以避免产生过拟合的现象。

发明内容

本发明的目的在于克服现有技术的不足，提供一种无需App本身的信息以及用户的反馈信息、简化数据来源、模型复杂性不高、不会出现过拟合的现象、准确性较高、训练速度较快的基于下载行为数据及向量表征学习的移动应用推荐方法。

为实现上述目的，本发明所提供的技术方案为：包括以下步骤：

S1、从用户下载App记录数据中提取每个用户的下载App序列{x₁,x₂,…,x_k}；

S2、将下载序列输入到word2vec模型当中，得到每个App的表征向量，{a₁,a₂,…a_N}，假设a为T维向量，再对其进行归一化，得到A＝Norm(a)；

word2vec的实质是利用词与词之间的共现关系来实现对词进行表征，其输入只要是任意一个有时序关系的序列皆可；本方案将App视作模型中的词；将用户下载序列视作模型中的句；将用户下载序列的集合视作模型中的输入语料，输出是文本语料中每个词所对应的表征向量；

基于Hierarchical Softmax的CBOW模型：

输入层为词w前后各c个词的one-hot表示向量：

v(Context(w₁)),v(Context(w₂)),…,v(Context(w_2c))

投影层为该2c个向量的累加：

∑v(Context(w_i))

输出层为一个哈夫曼树，由各个词在语料中所出现的次数为权值构建；该树共有D(语料中词的个数)个叶子结点；父结点的左子结点表示单词向量在父结点单词向量前面的概率，父结点的右子结点表示单词向量在父结点单词向量后的概率；对于词典中任意词w，该树中必存在一条且只存在一条从根结点到w所对应结点的路径；

优化的目标函数为

L＝∑logp(w|Context(w))

其中，w为中间的单词；Context(w)为w的上下文，采用随机梯度上升的方法来优化；

基于Hierarchical Softmax的skip-gram模型：

输入层为只含当前样本中心词w的向量v(w)；

投影层与输入层相同；

输入层为一棵哈夫曼树；

优化的目标函数为

L＝∑logp(Context(w)|w)

其中，w为中间的单词；Context(w)为w的上下文，同样采用随机梯度上升的方法来优化；

基于负采样的模型：

负采样(NegativeSampling,简称NEG)，目的是提高训练的速度并改善所得词向量的质量；与Hierarchical Softmax模型相比，负采样模型不再使用复杂的哈夫曼树，用随机负采样的方法替代之，故可以大幅提高性能；

由于word2vec是一种词袋模型，其综合了每个词周围2c个词的共现关系，(通常c取值越高，效果越好；但经验表明，当c值在4以上时，增大c值的提升并不是很多，反而计算量会大大增加)故大部分有先后关系的序列数据都可以用word2vec模型来处理，从而得到每个单元的表征向量；

S3、将每个用户的下载序列{x₁,x₂,…,x_k}中的App对应出相应的向量，得到T*K矩阵，B＝{X₁,X₂,…,X_K}；通过该矩阵得到每个用户的用户行为表征向量r后，对r进行归一化，得到R＝Norm(r)；

S4、对每个用户计算R和A的相似度，得到相似度向量{S₁,S₂,…,S_N}，对其进行排序，按从大到小的顺序推荐给用户；

S5、计算用户行为表征向量R与其他用户行为表征向量R_N，得到相似度向量{S'₁,S'₂,…,S'_N}，对其进行排序，选取S'较高的用户对应下载过的App，在该些App中选取S值较高者推荐给用户。

进一步地，通过矩阵得到每个用户的用户行为表征向量r的计算公式为：r＝(B·1)^T。

进一步地，除了上述计算方法，通过矩阵得到每个用户的用户行为表征向量r还有另外一种方式：对B进行去重，得到B'，再令r＝(B'·1)^T。

进一步地，步骤S2和S3采用的归一化步骤如下：

假设n维向量e＝{e₁,e₂,…,e_n}，该向量的模为则归一化向量Norm(e)＝e/|e|。

进一步地，步骤S4中每个用户R和A的相似度以及步骤S5用户行为表征向量R与其他用户行为表征向量R_N的相似度均通过余弦相似度计算得到，即通过计算两个向量的夹角余弦值来评估他们的相似度。

进一步地，步骤S4中每个用户R和A的相似度以及步骤S5用户行为表征向量R与其他用户行为表征向量R_N的相似度均通过皮尔逊积矩相关系数计算得到；

每个用户R和A的相似度计算公式如下：

其中，cov(R,A)表示两向量间的协方差，σ_R和σ_A表示变量的标准偏差；

用户行为表征向量R与其他用户行为表征向量R_N的相似度计算公式如下：

其中，cov(R,R_N)表示两向量间的协方差，σ_R和表示变量的标准偏差。

与现有技术相比，本方案原理和优点如下：

推荐方法利用用户下载App的序列数据，无需App本身的信息以及用户的反馈信息(如评分)，使数据来源的获取相对容易很多。同时模型的复杂性不高，不会出现过拟合的现象且准确性较高，训练速度较快。

附图说明

图1为本发明基于下载行为数据及向量表征学习的移动应用推荐方法的流程图。

具体实施方式

下面结合具体实施例对本发明作进一步说明：

参见附图1所示，本实施例所述的基于下载行为数据及向量表征学习的移动应用推荐方法，包括以下步骤：

S1、从用户下载App记录数据中提取每个用户的下载App序列{x₁,x₂,…,x_k}；

S2、将下载序列输入到word2vec模型当中，得到每个App的表征向量，{a₁,a₂,…a_N}，假设a为T维向量，再对其进行归一化，得到A＝Norm(a)；

归一化步骤如下：

假设n维向量a＝{a₁,a₂,…,a_n}，该向量的模为则归一化向量Norm(a)＝a/|a|；

S3、将每个用户的下载序列{x₁,x₂,…,x_k}中的App对应出相应的向量，得到T*K矩阵，B＝{X₁,X₂,…,X_K}；通过该矩阵运用公式r＝(B·1)^T得到每个用户的用户行为表征向量r后，对r进行归一化，得到R＝Norm(r)；归一化步骤与步骤S2一致；

S4、对每个用户计算R和A的相似度，得到相似度向量{S₁,S₂,…,S_N}，对其进行排序，按从大到小的顺序推荐给用户；

计算公式如下：

其中，cov(R,A)表示两向量间的协方差，σ_R和σ_A表示变量的标准偏差；

S5、计算用户行为表征向量R与其他用户行为表征向量R_N，得到相似度向量{S'₁,S'₂,…,S'_N}，对其进行排序，选取S'较高的用户对应下载过的App，在该些App中选取S值较高者推荐给用户；

计算公式如下：

其中，cov(R,R_N)表示两向量间的协方差，σ_R和表示变量的标准偏差。

上述步骤S3中除了本实施例运用到的r＝(B·1)^T，通过矩阵得到每个用户的用户行为表征向量r还有另外一种方式：对B进行去重，得到B'，再令r＝(B'·1)^T。

上述步骤S4和S5涉及到的相似度也可以通过余弦相似度计算得到，即通过计算两个向量的夹角余弦值来评估他们的相似度。

本实施例利用用户下载App的序列数据，无需App本身的信息以及用户的反馈信息(如评分)，使数据来源的获取相对容易很多。同时模型的复杂性不高，不会出现过拟合的现象且准确性较高，训练速度较快。

以上所述之实施例子只为本发明之较佳实施例，并非以此限制本发明的实施范围，故凡依本发明之形状、原理所作的变化，均应涵盖在本发明的保护范围内。

Claims (6)

1.基于下载行为数据及向量表征学习的移动应用推荐方法，其特征在于：包括以下步骤：

S1、从用户下载App记录数据中提取每个用户的下载App序列{x₁,x₂,…,x_k}；

S2、将下载序列输入到word2vec模型当中，得到每个App的表征向量，{a₁,a₂,…a_N}，假设a为T维向量，再对其进行归一化，得到A＝Norm(a)；

S3、将每个用户的下载序列{x₁,x₂,…,x_k}中的App对应出相应的向量，得到T*K矩阵，B＝{X₁,X₂,…,X_K}；通过该矩阵得到每个用户的用户行为表征向量r后，对r进行归一化，得到R＝Norm(r)；

S4、对每个用户计算R和A的相似度，得到相似度向量{S₁,S₂,…,S_N}，对其进行排序，按从大到小的顺序推荐给用户；

S5、计算用户行为表征向量R与其他用户行为表征向量R_N的相似度，得到相似度向量{S'₁,S'₂,…,S'_N}，对其进行排序，选取S'较高的用户对应下载过的App，在该些App中选取S值较高者推荐给用户。

2.根据权利要求1所述的基于下载行为数据及向量表征学习的移动应用推荐方法，其特征在于：通过矩阵得到每个用户的用户行为表征向量r的计算公式为：r＝(B·1)^T。

3.根据权利要求1所述的基于下载行为数据及向量表征学习的移动应用推荐方法，其特征在于：通过矩阵得到每个用户的用户行为表征向量r的计算步骤为：对B进行去重，得到B'，再令r＝(B'·1)^T。

4.根据权利要求1所述的基于下载行为数据及向量表征学习的移动应用推荐方法，其特征在于：所述步骤S2和S3采用的归一化步骤如下：

假设n维向量e＝{e₁,e₂,…,e_n}，该向量的模为则归一化向量Norm(e)＝e/|e|。

5.根据权利要求1所述的基于下载行为数据及向量表征学习的移动应用推荐方法，其特征在于：所述步骤S4中每个用户R和A的相似度以及步骤S5用户行为表征向量R与其他用户行为表征向量R_N的相似度通过余弦相似度计算得到，即通过计算两个向量的夹角余弦值来评估他们的相似度。

6.根据权利要求1所述的基于下载行为数据及向量表征学习的移动应用推荐方法，其特征在于：所述步骤S4中每个用户R和A的相似度以及步骤S5用户行为表征向量R与其他用户行为表征向量R_N的相似度均通过皮尔逊积矩相关系数计算得到；

每个用户R和A的相似度计算公式如下：

<mrow> <mi>P</mi> <mi>C</mi> <mi>C</mi> <mrow> <mo>(</mo> <mi>R</mi> <mo>,</mo> <mi>A</mi> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>cov</mi> <mrow> <mo>(</mo> <mi>R</mi> <mo>,</mo> <mi>A</mi> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&amp;sigma;</mi> <mi>R</mi> </msub> <msub> <mi>&amp;sigma;</mi> <mi>A</mi> </msub> </mrow> </mfrac> </mrow>

其中，cov(R,A)表示两向量间的协方差，σ_R和σ_A表示变量的标准偏差；

用户行为表征向量R与其他用户行为表征向量R_N的相似度计算公式如下：

<mrow> <mi>P</mi> <mi>C</mi> <mi>C</mi> <mrow> <mo>(</mo> <mi>R</mi> <mo>,</mo> <msub> <mi>R</mi> <mi>N</mi> </msub> <mo>)</mo> </mrow> <mo>=</mo> <mfrac> <mrow> <mi>cov</mi> <mrow> <mo>(</mo> <mi>R</mi> <mo>,</mo> <msub> <mi>R</mi> <mi>N</mi> </msub> <mo>)</mo> </mrow> </mrow> <mrow> <msub> <mi>&amp;sigma;</mi> <mi>R</mi> </msub> <msub> <mi>&amp;sigma;</mi> <msub> <mi>R</mi> <mi>N</mi> </msub> </msub> </mrow> </mfrac> </mrow>

其中，cov(R,R_N)表示两向量间的协方差，σ_R和表示变量的标准偏差。