CN108446311A - 一种基于社交网络的app推荐方法及装置 - Google Patents
一种基于社交网络的app推荐方法及装置 Download PDFInfo
- Publication number
- CN108446311A CN108446311A CN201810116276.4A CN201810116276A CN108446311A CN 108446311 A CN108446311 A CN 108446311A CN 201810116276 A CN201810116276 A CN 201810116276A CN 108446311 A CN108446311 A CN 108446311A
- Authority
- CN
- China
- Prior art keywords
- app
- active user
- group
- social networks
- current
- 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 34
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 210000003813 thumb Anatomy 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000006399 behavior Effects 0.000 description 23
- 230000000694 effects Effects 0.000 description 7
- 239000011159 matrix material Substances 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 230000002452 interceptive effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 238000000354 decomposition reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 210000004556 brain Anatomy 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000014759 maintenance of location Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Classifications
-
- 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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Health & Medical Sciences (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种基于社交网络的APP推荐方法及装置，所述方法包括：根据当前用户在社交网络上的行为，得到当前用户所属的多个群组；针对当前用户所属的每个群组，将社交网络上每个APP分别在每个群组中进行排序；根据当前用户的APP下载相关信息、以及每个APP在当前用户所属各群组中的排序，得到各APP的最终得分；根据各APP的最终得分向当前用户进行推荐。通过合理的划分用户所属的社交群组和兴趣群组，根据用户所属的不同群组对APP的兴趣向用户进行推荐，不仅减少了计算量，而且精准的把握了用户的个性化需求。
Description
技术领域
本发明涉及一种计算机技术领域，尤其涉及一种利用社交网络关系向用户推荐APP的方法及装置。
背景技术
随着移动互联网时代的到来，移动智能设备用户通过APP(计算机应用程序)获取网络信息和服务，一个好的APP可以极大满足用户社交、购物、娱乐等需求。用户在面对社交网络上数目繁多且大同小异的APP时，会无从选择，或者需要花费大量的时间精力甚至金钱才能找到需要的APP，因此在应用商店或者下载平台上，相关***会做一些下载推荐，帮助用户快速找到合适的APP。
在现有技术中，主要是在应用商店或者下载平台上向用户推荐APP，现有技术中推荐APP的方法有以下几种：第一，基于矩阵分解的方法向用户推荐APP，根据用户对APP的评分或者下载记录，形成“用户*APP”的矩阵，得到用户和APP的潜在语义向量，对于任意APP，计算其和用户的语义向量相似度，将最相似的APP推荐组用户。第二，基于协同过滤的方法向用户推荐APP，根据用户的下载记录，构造APP之间的共现关系，利用互信息的方法计算APP之间的相似度，当用户下载或点击了某APP的时候，就将与所述的APP相似的APP推荐给用户。第三，基于热门向用户推荐APP，将短期内下载量突涨的APP推荐给用户。第四，基于人口学属性向用户推荐APP，按年龄段，性别，地域等人口学属性划分人群，统计各个人群对不同APP的下载率，将用户所属人群内下载率最高的APP推荐给用户。
在实现本发明过程中，发明人发现现有技术中至少存在如下问题：基于矩阵分解向用户推荐APP，由于用户的评分或下载矩阵非常稀疏，矩阵分解的向量可靠度无法保证，由于用户基数在亿级，APP也十万级，在这么大矩阵上进行矩阵分解，计算成本较高，耗费的时间较长；基于协同过滤的方法向用户推荐APP，基于共现得到的APP很可能是常用的APP，在类别领域上并不相似，另外对于下载较少的长尾APP，得不到共现关系；基于热门和基于人口学属性向用户推荐APP，都忽略了用户的个性化需求。
发明内容
本发明实施例提供了一种基于社交网络的APP推荐方法及装置，充分分析用户的社交人群和用户的兴趣所在，综合考虑了用户的人口学属性和下载记录，在降低了计算成本的同时，精准的把握了用户的个性化需求。
一方面，本发明实施例提供了一种基于社交网络的APP推荐方法，所述方法包括：
根据当前用户在社交网络上的行为，得到当前用户所属的多个群组；
针对当前用户所属的每个群组，将社交网络上每个APP分别在每个群组中进行排序；
根据当前用户的APP下载相关信息、以及每个APP在当前用户所属的各群组中的排序，得到各APP的最终得分；
根据各APP的最终得分向当前用户进行推荐。
另一方面，本发明实施例提供了一种基于社交网络的APP推荐装置，所述装置包括：
分组单元，用于根据当前用户在社交网络上的行为，得到当前用户所属的多个群组；
排序单元，用于针对当前用户所属的每个群组，将社交网络上每个APP分别在每个群组中进行排序；
评分单元，用于根据当前用户的APP下载相关信息，以及每个APP在当前用户所属的各群组中的排序，得到各APP的最终得分；
推荐单元，用于根据各APP的最终得分向当前用户进行推荐。
上述技术方案具有如下有益效果：因为采用了根据当前用户在社交网络上的行为，得到当前用户所属的多个群组的技术手段，所以达到了合理划分当前用户所属群组的技术效果；因为采用了针对当前用户所属的每个群组，将社交网络上每个APP分别在每个群组中进行排序的技术手段，达到了根据个性化用户的需求选择待推荐APP列表的技术效果；因为采用了根据当前用户的APP下载相关信息，以及每个APP在当前用户所属的各群组的排序，得到各APP的最终得分的技术手段，达到了综合考虑用户的人口学属性及下载记录等条件，精准把握了用户的个性化需求后向当前用户推荐APP的技术效果。
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，下面将对实施例或现有技术描述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是本发明实施例基于社交网络的APP推荐方法的流程图；
图2是本发明实施例基于社交网络的APP推荐装置的结构示意图；
图3是本发明实施例得到各APP最终得分的子流程图；
图4是本发明实施例评分单元的结构示意图；
图5是本发明实施例整体逻辑的架构示意图。
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在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，图1是本发明实施例基于社交网络的APP推荐方法的流程图。
101、根据当前用户在社交网络上的行为，得到当前用户所属的多个群组；
102、针对当前用户所属的每个群组，将社交网络上每个APP分别在每个群组中进行排序；
103、根据当前用户的APP下载相关信息、以及每个APP在当前用户所属的各群组中的排序，得到各APP的最终得分；
104、根据各APP的最终得分向当前用户进行推荐。
优选地，所述当前用户在社交网络上的行为，包括：当前用户对社交网络上的账号的关注，当前用户与社交网络上的账号的互动行为；所述当前用户与社交网络上的账号的互动行为，包括：点赞，评论，转发；
优选地，所述根据当前用户在社交网络上的行为，得到当前用户所属的多个群组，具体包括：
根据当前用户对社交网络上的账号的关注或根据当前用户与社交网络上的账号的互动行为，将当前用户归属到至少一个社交群组；
根据当前用户对社交网络上的特殊账号的关注和当前用户与社交网络上的特殊账号的互动行为，将当前用户归属到至少一个兴趣群组，所述社交网络上的特殊账号为社交网络上经认证且具有设定数量爱好者的账号。
进一步优选地，所述述根据当前用户对社交网络上的特殊账号的关注和当前用户与社交网络上的特殊账号的互动行为，将当前用户归属到至少一个兴趣群组，具体包括：
根据社交网络上的特殊账号发布的内容将社交网络上的特殊账号聚类分组为多个兴趣群组；
根据当前用户对社交网络上的特殊账号的关注和当前用户与社交网络上的特殊账号的互动行为，计算当前用户对各兴趣群组的兴趣度；
将当前用户归属到兴趣度超过预设阈值的至少一个兴趣群组。
优选地，所述针对当前用户所属的每个群组，将社交网络上每个APP分别在每个群组中进行排序，具体包括：
针对当前用户所属的每个社交群组，执行如下步骤：
根据公式A×M/N计算社交网络上每个APP在当前社交群组的得分；式中A为当前社交群组对当前群组成员的影响力，M为当前群组成员对当前APP的下载次数，N为当前群组的成员数；
根据社交网络上每个APP在当前社交群组的得分降序排列，得到每个APP在当前社交群组中的排序；
针对当前用户所属的每个兴趣群组，执行如下步骤：
根据公式B×M/N计算社交网络上每个APP在当前兴趣群组的得分；式中B为当前用户对当前兴趣群组的兴趣度，M为当前群组成员对当前APP的下载次数，N为当前群组的成员数；
根据兴趣群组上每个APP在当前兴趣群组的得分降序排列，得到每个APP在当前兴趣群组中的排序。
请参考图3，图3是本发明实施例得到各APP最终得分的子流程图。
优选地，所述根据当前用户的APP下载相关信息以及每个APP在当前用户所属的各群组中的排序，得到各APP的最终得分，具体包括：
103.1、根据每个APP在当前用户所属的各群组中的排序，分别在每个群组的特定排序位置上选取APP，将选取出的至少一个APP的集合作为待推荐列表；
针对待推荐列表中的每个APP，执行如下步骤：
103.2、将当前APP在当前用户所属各群组中的得分累加；
103.3、根据当前用户所属年龄段的用户对当前APP的下载率，对当前APP评分并将分值累加至当前APP的得分；
103.4、根据当前用户已经下载过的APP与当前APP的相似度，对当前APP评分并将分值累加至当前APP的得分，得到当前APP的最终得分。
请参考图2，图2是本发明实施例基于社交网络的APP推荐装置的结构示意图。
分组单元21，用于根据当前用户在社交网络上的行为，得到当前用户所属的多个群组；
排序单元22，用于针对当前用户所属的每个群组，将社交网络上每个APP分别在每个群组中进行排序；
评分单元23，用于根据当前用户的APP下载相关信息，以及每个APP在当前用户所属的各群组中的排序，得到各APP的最终得分；
推荐单元24，用于根据各APP的最终得分向当前用户进行推荐。
优选地，所述当前用户在社交网络上的行为，包括：当前用户对社交网络上的账号的关注，当前用户与社交网络上的账号的互动行为；所述当前用户与社交网络上的账号的互动行为，包括：点赞，评论，转发；
优选地，所述分组单元21，具体包括：
社交群分组模块，用于根据当前用户对社交网络上的账号的关注或根据当前用户与社交网络上的账号的互动行为，将当前用户归属到至少一个社交群组；
兴趣群分组模块，用于根据当前用户对社交网络上的特殊账号的关注和当前用户与社交网络上的特殊账号的互动行为，将当前用户归属到至少一个兴趣群组，所述社交网络上的特殊账号为社交网络上经认证且具有设定数量爱好者的账号。
进一步优选地，所述兴趣群分组模块，具体包括：
聚类分组子模块，用于根据社交网络上的特殊账号发布的内容将社交网络上的特殊账号聚类分组为多个兴趣群组；
计算子模块，用于根据当前用户对社交网络上的特殊账号的关注和当前用户与社交网络上的特殊账号的互动行为，计算当前用户对各兴趣群组的兴趣度；
归属子模块，用于将当前用户归属到兴趣度超过预设阈值的至少一个兴趣群组。
优选地，所述排序单元22，具体包括：
针对当前用户所属的每个社交群组，执行如下步骤的模块为：
第一计算模块，用于根据公式A×M/N计算社交网络上每个APP在当前社交群组的得分；式中A为当前社交群组对当前群组成员的影响力，M为当前群组成员对当前APP的下载次数，N为当前群组的成员数；
第一排序模块，用于根据社交网络上每个APP在当前社交群组的得分降序排列，得到每个APP在当前社交群组中的排序；
针对当前用户所属的每个兴趣群组，执行如下步骤的模块为：
第二计算模块，用于根据公式B×M/N计算社交网络上每个APP在当前兴趣群组的得分；式中B为当前用户对当前兴趣群组的兴趣度，M为当前群组成员对当前APP的下载次数，N为当前群组的成员数；
第二排序模块，用于根据兴趣群组上每个APP在当前兴趣群组的得分降序排列，得到每个APP在当前兴趣群组中的排序。
请参考图4，图4是本发明实施例评分单元的结构示意图。
优选地，所述评分单元23，具体包括：
用于根据每个APP在当前用户所属的各群组中的排序，分别在每个群组的特定排序位置上选取APP，将选取出的至少一个APP的集合作为待推荐列表；
针对待推荐列表中的每个APP，执行如下步骤的模块为：
第一累加模块232，用于将当前APP在当前用户所属的各群组中的得分累加；
第二累加模块233，用于根据当前用户所属年龄段的用户对当前APP的下载率，对当前APP评分并将分值累加至当前APP的得分；
第三累加模块234，用于根据当前用户已经下载过的APP与当前APP的相似度，对当前APP评分并将分值累加至当前APP的得分，得到APP的最终得分。
本发明实施例上述技术方案具有如下有益效果：通过当前用户对社交网络上的帐号的关注，或者当前用户与社交网络上的账号之间的互动行为，将当前用户归属到至少一个社交群组；通过当前用户对社交网络上的特殊账号的关注，以及与特殊帐号之间的互动行为，将当前用户归属到至少一个兴趣群组；合理并精细的划分了当前用户所属的各群组，不仅考虑了当前用户在社交网络上与人的交住关系，而且考虑了当前用户的兴趣所在。针对当前用户所属的各群组，通过社交网络上的APP的得分将其排序，分别在各群组排序中特定位置的APP，将选取的至少一个APP的集合作为当前用户的推荐列表；针对推荐列表中的APP，综合考虑其在当前用户所属的各群组中得分，以及人口学属性，下载记录等信息，对推荐列表中的APP评分，并按各APP的最终得分顺序向当前用户推荐；精准的把握了当前用户的个性化需求；减少了计算量，即使面对下载较少的长尾APP也可能因为用户所属的各群组的下载率而向用户推荐。
以下结合应用实例对本发明实施例上述技术方案进行详细说明：
请参考图5，图5是本发明实施例整体逻辑的架构示意图。
针对每个用户，执行如下步骤：根据当前用户在社交网络上的行为，将当前用户归属为社交群组1，社交群组2……，兴趣群组1，兴趣群组2……。用户与其所属的至少一个社交群组的关系实质是现实生活中社交关系的一种映射，换言之，用户通常会关注社交网络上朋友、同学、同事、家人等的账号，或者与这些账号互动，例如：对这些账号发布的内容，例如，博文，图片等点赞，评论，转发。用户在现实生活中的朋友、同学、同事、家人会对用户在APP的选择上有较大的影响，比如，朋友群倾向玩相同的游戏，使用相同的即时通讯工具等，因此，根据用户在社交网络上的行为，给用户划分到不同的社交群组中：可以根据用户在建立关注关系时选择的分组标签，直接将用户划分到相应的社交群组中；还可以通过分析与用户互动频繁的账号，将用户划分到相应的社交群组中；如果，用户在社交网络上关注的账号很少，也没有互动频繁的账号，那么，还可以在社交网络上进行一级或多级传递来扩充群组成员，例如，朋友的朋友也可以作为“朋友”，这样，就可以将用户划分到至少一个社交群组中。例如：王明在社交网络上建立关注关系时，分组标签分别为“高中同学”、“大学同学”、“同事”、“客户”等，我们就将王明分别归属到不同的社交群组中。如果王明在社交网络上建立关注关系时，设置的分组标签是类似于“房产信息”等兴趣点的分组标签，则对于此类的分组标签不予处理。
用户关注不同领域的特殊账号，所述社交网络上的特殊账号为社交网络上经认证且具有设定数量爱好者的账号，在一优选实施例中，可以理解为经过认证并拥有众多“粉丝”的微博用户，通常也被称作“大V”。用户关注了这些大V账号，是用户对不同领域的兴趣的体现，例如，关注了链家，北京二手房等大V账号的用户肯定对房产信息比较感兴趣，那么，归属于同一个兴趣群组的成员使用的房产类APP就很适合推荐给用户。首先，我们根据大V发布的博文信息将特殊账号，也就是大V账号聚类分组为不同领域的群组，换言之，就是将发布相同领域信息的大V分到同一个兴趣群组；然后，根据用户对大V的关注和互动行为，计算用户对不同领域的兴趣度；最后通过设置兴趣度阈值，将用户归属到至少一个兴趣群组。兴趣度阈值一般根据兴趣度的数据情况，凭经验选取，以保证兴趣群组内的成员的数量和用户可以归属到至少一个兴趣群组。例如，某个兴趣群组需要群组成员的数量达到100，则这个兴趣度阈值需要保证圈到100用户到这个兴趣群组的中来；与此同时，兴趣度阈值的设定还需要满足将当前用户归属到至少一个兴趣群组中。
得到用户所属的至少一个社交群组和兴趣群组后，需要计算社交网络上的每个APP在各个群组中的排列顺序。在一优选实施例中，所述社交网络上的每个APP，可以缩减至在微博平台上待推广的APP，以适当的减少计算量。针对用户所属的社交群组，我们根据公式：A×M/N计算社交网络上每个APP在当前社交群组的得分；式中A为当前社交群组对当前群组成员的影响力，这个值根据用户对群组成员的互动频次统计归一化计算得来，M为当前群组成员对APP的下载次数，N为当前群组的成员数。针对用户所属的兴趣群组，根据公式B×M/N计算社交网络上每个APP在当前兴趣群组的得分；式中B为当前用户对当前群组的兴趣度，这个值根据当前用户对不同兴趣群组内的大V的关注和互动情况统计归一化得来，M为当前群组成员对APP的下载次数，N为当前群组的成员数。根据得到的每个APP在当前用户所属群组的得分，将APP按得分降序排列。
根据每个APP在当前用户所属的各群组的排序，分别在每个群组的特定排序位置上取APP，将选取出的至少一个APP的集合，作为待推荐列表。在一优选实施例中，取各个群组排序中得分top(最顶端)的APP的集合作为待推荐列表，累加推荐列表中的APP在各个群组中的得分，然后根据当前用户的APP下载相关信息，得到APP的最终得分。例如：综合当前用户的人口学属性，下载记录等信息，对于推荐列表中的APP，统计不同年龄段的用户对该APP的下载率，然后将当前用户命中的年龄段上的下载率作为一个得分累加在之前的群组得分上；对于当前用户的下载记录，将用户历史下载过的APP和当前APP计算相似度，所有的相似度值累加取平均，也作为一个得分累加在之前的群组得分上，最后根据每个APP的最终得分从高到低作排序，向用户推荐。
应该明白，公开的过程中的步骤的特定顺序或层次是示例性方法的实例。基于设计偏好，应该理解，过程中的步骤的特定顺序或层次可以在不脱离本公开的保护范围的情况下得到重新安排。所附的方法权利要求以示例性的顺序给出了各种步骤的要素，并且不是要限于所述的特定顺序或层次。
在上述的详细描述中，各种特征一起组合在单个的实施方案中，以简化本公开。不应该将这种公开方法解释为反映了这样的意图，即，所要求保护的主题的实施方案需要比清楚地在每个权利要求中所陈述的特征更多的特征。相反，如所附的权利要求书所反映的那样，本发明处于比所公开的单个实施方案的全部特征少的状态。因此，所附的权利要求书特此清楚地被并入详细描述中，其中每项权利要求独自作为本发明单独的优选实施方案。
为使本领域内的任何技术人员能够实现或者使用本发明，上面对所公开实施例进行了描述。对于本领域技术人员来说；这些实施例的各种修改方式都是显而易见的，并且本文定义的一般原理也可以在不脱离本公开的精神和保护范围的基础上适用于其它实施例。因此，本公开并不限于本文给出的实施例，而是与本申请公开的原理和新颖性特征的最广范围相一致。
上文的描述包括一个或多个实施例的举例。当然，为了描述上述实施例而描述部件或方法的所有可能的结合是不可能的，但是本领域普通技术人员应该认识到，各个实施例可以做进一步的组合和排列。因此，本文中描述的实施例旨在涵盖落入所附权利要求书的保护范围内的所有这样的改变、修改和变型。此外，就说明书或权利要求书中使用的术语“包含”，该词的涵盖方式类似于术语“包括”，就如同“包括，”在权利要求中用作衔接词所解释的那样。此外，使用在权利要求书的说明书中的任何一个术语“或者”是要表示“非排它性的或者”。
本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个***的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。
本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。
本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。
在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。
以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于社交网络的APP推荐方法，其特征在于，所述方法包括：
根据当前用户在社交网络上的行为，得到当前用户所属的多个群组；
针对当前用户所属的每个群组，将社交网络上每个APP分别在每个群组中进行排序；
根据当前用户的APP下载相关信息、以及每个APP在当前用户所属的各群组中的排序，得到各APP的最终得分；
根据各APP的最终得分向当前用户进行推荐。
2.根据权利要求1所述的基于社交网络的APP推荐方法，其特征在于，所述当前用户在社交网络上的行为，包括：当前用户对社交网络上的账号的关注，当前用户与社交网络上的账号的互动行为；所述当前用户与社交网络上的账号的互动行为，包括：点赞，评论，转发；
所述根据当前用户在社交网络上的行为，得到当前用户所属的多个群组，具体包括：
根据当前用户对社交网络上的账号的关注或根据当前用户与社交网络上的账号的互动行为，将当前用户归属到至少一个社交群组；
根据当前用户对社交网络上的特殊账号的关注和当前用户与社交网络上的特殊账号的互动行为，将当前用户归属到至少一个兴趣群组，所述社交网络上的特殊账号为社交网络上经认证且具有设定数量爱好者的账号。
3.根据权利要求2所述的基于社交网络的APP推荐方法，其特征在于，所述根据当前用户对社交网络上的特殊账号的关注和当前用户与社交网络上的特殊账号的互动行为，将当前用户归属到至少一个兴趣群组，具体包括：
根据社交网络上的特殊账号发布的内容将社交网络上的特殊账号聚类分组为多个兴趣群组；
根据当前用户对社交网络上的特殊账号的关注和当前用户与社交网络上的特殊账号的互动行为，计算当前用户对各兴趣群组的兴趣度；
将当前用户归属到兴趣度超过预设阈值的至少一个兴趣群组。
4.根据权利要求1所述的基于社交网络的APP推荐方法，其特征在于，所述针对当前用户所属的每个群组，将社交网络上每个APP分别在每个群组中进行排序，具体包括：
针对当前用户所属的每个社交群组，执行如下步骤：
根据公式A×M/N计算社交网络上每个APP在当前社交群组的得分；式中A为当前社交群组对当前群组成员的影响力，M为当前群组成员对当前APP的下载次数，N为当前群组的成员数；
根据社交网络上每个APP在当前社交群组的得分降序排列，得到每个APP在当前社交群组中的排序；
针对当前用户所属的每个兴趣群组，执行如下步骤：
根据公式B×M/N计算社交网络上每个APP在当前兴趣群组的得分；式中B为当前用户对当前兴趣群组的兴趣度，M为当前群组成员对当前APP的下载次数，N为当前群组的成员数；
根据兴趣群组上每个APP在当前兴趣群组的得分降序排列，得到每个APP在当前兴趣群组中的排序。
5.根据权利要求1所述的基于社交网络的APP推荐方法，其特征在于，所述根据当前用户的APP下载相关信息、以及每个APP在当前用户所属的各群组中的排序，得到各APP的最终得分，具体包括：
根据每个APP在当前用户所属的各群组中的排序，分别在每个群组的特定排序位置上选取APP，将选取出的至少一个APP的集合作为待推荐列表；
针对待推荐列表中的每个APP，执行如下步骤：
将当前APP在当前用户所属的各群组中的得分累加；
根据当前用户所属年龄段的用户对当前APP的下载率，对当前APP评分并将分值累加至当前APP的得分；
根据当前用户已经下载过的APP与当前APP的相似度，对当前APP评分并将分值累加至当前APP的得分，得到当前APP的最终得分。
6.一种基于社交网络的APP推荐装置，其特征在于，所述装置包括：
分组单元，用于根据当前用户在社交网络上的行为，得到当前用户所属的多个群组；
排序单元，用于针对当前用户所属的每个群组，将社交网络上每个APP分别在每个群组中进行排序；
评分单元，用于根据当前用户的APP下载相关信息，以及每个APP在当前用户所属的各群组中的排序，得到各APP的最终得分；
推荐单元，用于根据各APP的最终得分向当前用户进行推荐。
7.根据权利要求6所述的基于社交网络的APP推荐装置，其特征在于，所述当前用户在社交网络上的行为，包括：当前用户对社交网络上的账号的关注，当前用户与社交网络上的账号的互动行为；所述当前用户与社交网络上的账号的互动行为，包括：点赞，评论，转发；
所述分组单元，具体包括：
社交群分组模块，用于根据当前用户对社交网络上的账号的关注或根据当前用户与社交网络上的账号的互动行为，将当前用户归属到至少一个社交群组；
兴趣群分组模块，用于根据当前用户对社交网络上的特殊账号的关注和当前用户与社交网络上的特殊账号的互动行为，将当前用户归属到至少一个兴趣群组，所述社交网络上的特殊账号为社交网络上经认证且具有设定数量爱好者的账号。
8.根据权利要求7所述的基于社交网络的APP推荐装置，其特征在于，所述兴趣群分组模块，具体包括：
聚类分组子模块，用于根据社交网络上的特殊账号发布的内容将社交网络上的特殊账号聚类分组为多个兴趣群组；
计算子模块，用于根据当前用户对社交网络上的特殊账号的关注和当前用户与社交网络上的特殊账号的互动行为，计算当前用户对各兴趣群组的兴趣度；
归属子模块，用于将当前用户归属到兴趣度超过预设阈值的至少一个兴趣群组。
9.根据权利要求6所述的基于社交网络的APP推荐装置，其特征在于，所述排序单元，具体包括：
针对当前用户所属的每个社交群组，执行如下步骤的模块为：
第一计算模块，用于根据公式A×M/N计算社交网络上每个APP在当前社交群组的得分；式中A为当前社交群组对当前群组成员的影响力，M为当前群组成员对当前APP的下载次数，N为当前群组的成员数；
第一排序模块，用于根据社交网络上每个APP在当前社交群组的得分降序排列，得到每个APP在当前社交群组中的排序；
针对当前用户所属的每个兴趣群组，执行如下步骤的模块为：
第二计算模块，用于根据公式B×M/N计算社交网络上每个APP在当前兴趣群组的得分；式中B为当前用户对当前兴趣群组的兴趣度，M为当前群组成员对当前APP的下载次数，N为当前群组的成员数；
第二排序模块，用于根据兴趣群组上每个APP在当前兴趣群组的得分降序排列，得到每个APP在当前兴趣群组中的排序。
10.根据权利要求6所述的基于社交网络的APP推荐装置，其特征在于，所述评分单元，具体包括：
选择模块，用于根据每个APP在当前用户所属的各群组中的排序，分别在每个群组的特定排序位置上选取APP，将选取出的至少一个APP的集合作为待推荐列表；
针对待推荐列表中的每个APP，执行如下步骤的模块为：
第一累加模块，用于将当前APP在当前用户所属的各群组中的得分累加；
第二累加模块，用于根据当前用户所属年龄段的用户对当前APP的下载率，对当前APP评分并将分值累加至当前APP的得分；
第三累加模块，用于根据当前用户已经下载过的APP与当前APP的相似度，对当前APP评分并将分值累加至当前APP的得分，得到APP的最终得分。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810116276.4A CN108446311A (zh) | 2018-02-06 | 2018-02-06 | 一种基于社交网络的app推荐方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810116276.4A CN108446311A (zh) | 2018-02-06 | 2018-02-06 | 一种基于社交网络的app推荐方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN108446311A true CN108446311A (zh) | 2018-08-24 |
Family
ID=63191939
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810116276.4A Pending CN108446311A (zh) | 2018-02-06 | 2018-02-06 | 一种基于社交网络的app推荐方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108446311A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109635195A (zh) * | 2018-12-14 | 2019-04-16 | 北京智明星通科技股份有限公司 | 一种基于社交平台的小游戏的推荐方法、装置、服务器 |
| CN110378798A (zh) * | 2019-06-03 | 2019-10-25 | 中移互联网有限公司 | 异构社交网络构建方法、群组推荐方法、装置及设备 |
| CN111988642A (zh) * | 2019-05-24 | 2020-11-24 | 北京达佳互联信息技术有限公司 | 推荐视频的方法、装置、服务器和存储介质 |
| CN113641930A (zh) * | 2021-08-24 | 2021-11-12 | 北京有竹居网络技术有限公司 | 信息输出方法、装置和电子设备 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103593393A (zh) * | 2013-09-13 | 2014-02-19 | 微梦创科网络科技（中国）有限公司 | 基于微博互动关系挖掘社交圈的方法及装置 |
| CN104050258A (zh) * | 2014-06-15 | 2014-09-17 | 中国传媒大学 | 一种基于兴趣群组的群体推荐方法 |
| US20150106367A1 (en) * | 2013-10-14 | 2015-04-16 | International Business Machines Corporation | Utilizing social information for recommending an application |
| CN106326297A (zh) * | 2015-07-01 | 2017-01-11 | 北京搜狗科技发展有限公司 | 一种应用程序推荐方法及装置 |
| CN106503269A (zh) * | 2016-12-08 | 2017-03-15 | 广州优视网络科技有限公司 | 应用推荐的方法、装置及服务器 |
| CN106844724A (zh) * | 2017-02-10 | 2017-06-13 | 广州优视网络科技有限公司 | 一种基于用户已安装应用来推荐应用的方法和装置 |
-
2018
- 2018-02-06 CN CN201810116276.4A patent/CN108446311A/zh active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103593393A (zh) * | 2013-09-13 | 2014-02-19 | 微梦创科网络科技（中国）有限公司 | 基于微博互动关系挖掘社交圈的方法及装置 |
| US20150106367A1 (en) * | 2013-10-14 | 2015-04-16 | International Business Machines Corporation | Utilizing social information for recommending an application |
| CN104050258A (zh) * | 2014-06-15 | 2014-09-17 | 中国传媒大学 | 一种基于兴趣群组的群体推荐方法 |
| CN106326297A (zh) * | 2015-07-01 | 2017-01-11 | 北京搜狗科技发展有限公司 | 一种应用程序推荐方法及装置 |
| CN106503269A (zh) * | 2016-12-08 | 2017-03-15 | 广州优视网络科技有限公司 | 应用推荐的方法、装置及服务器 |
| CN106844724A (zh) * | 2017-02-10 | 2017-06-13 | 广州优视网络科技有限公司 | 一种基于用户已安装应用来推荐应用的方法和装置 |
Non-Patent Citations (1)
| Title |
|---|
| 熊赟等: "《大数据挖掘》", 30 April 2016, 《上海：上海科学技术出版社》 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109635195A (zh) * | 2018-12-14 | 2019-04-16 | 北京智明星通科技股份有限公司 | 一种基于社交平台的小游戏的推荐方法、装置、服务器 |
| CN111988642A (zh) * | 2019-05-24 | 2020-11-24 | 北京达佳互联信息技术有限公司 | 推荐视频的方法、装置、服务器和存储介质 |
| CN111988642B (zh) * | 2019-05-24 | 2022-05-24 | 北京达佳互联信息技术有限公司 | 推荐视频的方法、装置、服务器和存储介质 |
| CN110378798A (zh) * | 2019-06-03 | 2019-10-25 | 中移互联网有限公司 | 异构社交网络构建方法、群组推荐方法、装置及设备 |
| CN113641930A (zh) * | 2021-08-24 | 2021-11-12 | 北京有竹居网络技术有限公司 | 信息输出方法、装置和电子设备 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107851277B (zh) | 隐私一致且个性化的社交媒体内容共享推荐 | |
| US10122791B2 (en) | Social circles in social networks | |
| CN106357517B (zh) | 定向标签生成方法及装置 | |
| CN108446311A (zh) | 一种基于社交网络的app推荐方法及装置 | |
| CN1917463B (zh) | 基于用户操作特征对用户信息关联的方法 | |
| US20130246170A1 (en) | Systems and methods for interacting with messages, authors, and followers | |
| CN105391614B (zh) | 消息的处理方法和装置 | |
| CN107306355A (zh) | 一种内容推荐方法及服务器 | |
| CN104636373A (zh) | 一种信息推送方法及装置 | |
| Zhang et al. | SocConnect: A personalized social network aggregator and recommender | |
| CN110474944A (zh) | 网络信息的处理方法、装置及存储介质 | |
| CN108259547A (zh) | 消息推送方法、设备及可编程设备 | |
| US20140358905A1 (en) | System and Method for Answer Aggregation | |
| JP4981883B2 (ja) | コンテンツと関連した結果を共有するための方法、システム、及びコンピュータ読み取り可能な記録媒体 | |
| CN106844365A (zh) | 一种应用分发平台的应用信息推送方法和装置 | |
| CN105653533A (zh) | 一种更新分类关联词集合的方法和装置 | |
| Hu et al. | Promotion recommendation method and system based on random forest | |
| US9922379B1 (en) | Entity social network management and entity social interactive controls | |
| Yang et al. | Social Network analysis on Sina Weibo based on K-means algorithm | |
| CN108632092A (zh) | 信息管理方法及装置 | |
| US20160104181A1 (en) | System and method of identifying and segmenting online users | |
| Taylor et al. | Always on: A framework for understanding personal mobile web motivations, behaviors, and contexts of use | |
| AU2015203293B2 (en) | Social circles in social networks | |
| Asrani et al. | Graphical Approach for Social Network Mining |
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 |
Application publication date: 20180824 |
|
| RJ01 | Rejection of invention patent application after publication |