CN109299349A - 应用推荐方法和装置、设备、计算机可读存储介质 - Google Patents

应用推荐方法和装置、设备、计算机可读存储介质 Download PDF

Info

Publication number
CN109299349A
CN109299349A CN201811060586.5A CN201811060586A CN109299349A CN 109299349 A CN109299349 A CN 109299349A CN 201811060586 A CN201811060586 A CN 201811060586A CN 109299349 A CN109299349 A CN 109299349A
Authority
CN
China
Prior art keywords
application
recommended
recommendation
record
similarity
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.)
Granted
Application number
CN201811060586.5A
Other languages
English (en)
Other versions
CN109299349B (zh
Inventor
方建生
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Original Assignee
Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Guangzhou Shiyuan Electronics Thecnology Co Ltd filed Critical Guangzhou Shiyuan Electronics Thecnology Co Ltd
Priority to CN201811060586.5A priority Critical patent/CN109299349B/zh
Publication of CN109299349A publication Critical patent/CN109299349A/zh
Application granted granted Critical
Publication of CN109299349B publication Critical patent/CN109299349B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

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)

Abstract

本发明公开了一种应用推荐方法和装置、设备、计算机可读存储介质。所述应用推荐方法包括：获得第一应用推荐列表；其中，所述第一应用推荐列表中包含至少一个待推荐应用对应的第一推荐度；获得每个所述待推荐应用对应的历史推荐记录；其中，每个所述历史推荐记录中包含至少一个被推荐用户对应的第一应用使用记录；根据每个所述第一应用使用记录，获得每个所述待推荐应用对应的第二推荐度；根据每个所述第二推荐度，向目标用户推荐相应的待推荐应用。采用本发明，能够提高应用推荐准确度。

Description

应用推荐方法和装置、设备、计算机可读存储介质
技术领域
本发明涉及计算机技术领域，尤其涉及一种应用推荐方法和装置、设备、计算机可读存储介质。
背景技术
应用推荐是应用商店的重要组成部分，是应用商店的核心功能之一。在现有技术中，应用商店推荐给用户的应用通常都是根据用户曾经使用或者正在使用的应用来确定的，具体地，应用商店通常会选择将与用户曾经使用或者正在使用的应用相类似的应用推荐给用户。由于这种推荐方法所依据的判断标准单一，因此推荐的准确度不高，推荐效果不佳。
发明内容
本发明实施例提出一种应用推荐方法和装置、设备、计算机可读存储介质，能够提高应用推荐准确度。
本发明实施例提供的一种应用推荐方法，具体包括：
获得第一应用推荐列表；其中，所述第一应用推荐列表中包含至少一个待推荐应用对应的第一推荐度；
获得每个所述待推荐应用对应的历史推荐记录；其中，每个所述历史推荐记录中包含至少一个被推荐用户对应的第一应用使用记录；
根据每个所述第一应用使用记录，获得每个所述待推荐应用对应的第二推荐度；
根据每个所述第二推荐度，向目标用户推荐相应的待推荐应用。
进一步地，所述获得第一应用推荐列表，具体包括：
获得所述目标用户对应的至少一个已使用应用和每个所述已使用应用对应的第二应用使用记录；
根据每个所述已使用应用，获得至少一个待推荐应用；
根据每个所述第二应用使用记录以及预设的每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度；
根据每个所述第一推荐度，生成所述第一应用推荐列表。
进一步地，所述根据每个所述第二应用使用记录以及预设的每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度，具体包括：
根据每个所述第二应用使用记录rui、预设的每个所述已使用应用i与每个所述待推荐应用j之间的应用相似度wij以及预设的第一推荐度计算模型计算获得每个所述待推荐应用j对应的第一推荐度Puj；其中，u表示所述目标用户；N(u)表示由所有所述已使用应用i组成的集合；所述S(i,K)表示由所有所述待推荐应用j组成的集合。
进一步地，在所述根据每个所述第二应用使用记录以及预设的每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度之前，还包括：
获得至少一个训练应用以及每个所述训练应用对应的第三应用使用记录；
根据每个所述第三应用使用记录，计算获得每两个所述训练应用之间的应用相似度；
根据每个所述应用相似度，生成应用相似度集合；
则所述根据每个所述第二应用使用记录以及预设的每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度，具体包括：
查询所述应用相似度集合，获得每个所述已使用应用与每个所述待推荐应用之间的应用相似度；
根据所述每个所述第二应用使用记录以及每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度。
进一步地，所述根据每个所述第三应用使用记录，计算获得每两个所述训练应用之间的应用相似度，具体包括：
根据每个所述第三应用使用记录和预设的应用相似度计算模型计算获得每两个所述训练应用之间的应用相似度wij；其中，N(i)表示训练应用i对应的第三应用使用记录的总个数；N(j)表示训练应用j对应的第三应用使用记录的总个数。
进一步地，在所述根据每个所述第一应用使用记录，获得每个所述待推荐应用对应的第二推荐度之前，还包括：
获得每个所述被推荐用户对应的第二应用推荐列表；
根据所述第一应用推荐列表和每个所述第二应用推荐列表，分别获得所述目标用户与每个所述被推荐用户之间的用户相似度；
所述根据每个所述第一应用使用记录，获得每个所述待推荐应用对应的第二推荐度，具体包括：
根据每个所述第一应用使用记录和每个所述用户相似度，获得每个所述待推荐应用对应的第二推荐度。
进一步地，所述根据每个所述第一应用使用记录和每个所述用户相似度，获得每个所述待推荐应用对应的第二推荐度，具体包括：
根据每个所述第一应用使用记录rvx、每个所述用户相似度wuv和预设的第二推荐度计算模型计算获得每个所述待推荐应用对应的第二推荐度Nux；其中，u表示所述目标用户；v表示所述被推荐用户；x表示所述待推荐应用；K为所有所述被推荐用户v的总个数；a为预设的常数。
相应地，本发明实施例还提供了一种应用推荐装置，具体包括：
应用推荐列表获得模块，用于获得第一应用推荐列表；其中，所述第一应用推荐列表中包含至少一个待推荐应用对应的第一推荐度；
历史推荐记录获得模块，用于获得每个所述待推荐应用对应的历史推荐记录；其中，每个所述历史推荐记录中包含至少一个被推荐用户对应的第一应用使用记录；
应用推荐度获得模块，用于根据每个所述第一应用使用记录，获得每个所述待推荐应用对应的第二推荐度；以及，
应用推荐模块，用于根据每个所述第二推荐度，向目标用户推荐相应的待推荐应用。
本发明实施例还提供了一种设备，具体包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，其中，所述处理器执行所述计算机程序时实现如上所述的应用推荐方法。
本发明实施例还提供了一种计算机可读存储介质，具体包括存储的计算机程序，其中，所述计算机程序运行时执行如上所述的应用推荐方法。
实施本发明实施例，具有如下有益效果：
本发明实施例提供的应用推荐方法和装置、设备、计算机可读存储介质，通过在应用推荐的过程中，通过借鉴其他用户对待推荐应用的使用情况推测目标用户对各个待推荐应用的感兴趣程度，从而对应用推荐列表进行优化，因此能够提高应用推荐的准确度，减少向目标用户推荐了该目标用户并不感兴趣的应用的情况，从而优化了应用推荐效果。
附图说明
图1是本发明提供的应用推荐方法的一个优选的实施例的流程示意图；
图2是本发明提供的应用推荐装置的一个优选的实施例的结构示意图；
图3是本发明提供的设备的一个优选的实施例的结构示意图。
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作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。
如图1所示，为本发明提供的应用推荐方法的一个优选的实施例的流程示意图，包括步骤S11至S14，具体如下：
S11：获得第一应用推荐列表；其中，所述第一应用推荐列表中包含至少一个待推荐应用对应的第一推荐度。
需要说明的是，本发明实施例由具有应用推荐功能的***执行。其中，该***可以为服务端中的***，也可以为其他设备中的***。为了方便叙述，下述实施例以安装于服务端中的***为例进行说明。
上述第一应用推荐列表中包含每个待推荐应用对应的应用标识码和第一推荐度。服务端在获得第一应用推荐列表之后，根据下述步骤对该第一应用推荐列表进行优化，从而获得最终的应用推荐列表，并根据该最终的应用推荐列表向目标用户推荐相应的应用。
在另一个优选的实施例中，上述步骤S11进一步包括步骤S1101至S1104，具体如下：
S1101：获得所述目标用户对应的至少一个已使用应用和每个所述已使用应用对应的第二应用使用记录。
需要说明的是，上述已使用应用为安装于目标用户的客户端(下文简称为“目标客户端”)中的应用。上述第二应用使用记录可以为目标用户访问对应的已使用应用的次数，也可以为目标用户对对应的已使用应用的评分，还可以为目标用户对对应的已使用应用的喜爱程度。
具体地，当目标用户首次在服务端中进行注册时，该服务端通过DPI(Deep PacketInspection，深度报文检测)的方式获取网络关键节点中的数据包，并通过对该数据包中除数据包报头header以外的内容进行检测和分析，获得该目标用户的目标客户端标识码以及各个已使用应用的应用标识码、应用名、应用类型、应用评分等。其中，该应用评分可以通过对目标用户访问对应的已使用应用的次数进行归一化处理获得。在一些具体的实施例中，上述服务端为电信运营端的网络服务端。
在一些具体的实施例中，服务端还可以通过对目标客户端中存储的用户行为记录进行分析，从而获得目标用户对应的已使用应用和相应的第二应用使用记录。
S1102：根据每个所述已使用应用，获得至少一个待推荐应用。
需要说明的是，上述待推荐应用预先存储于服务端中。服务端在获得目标用户对应的各个已使用应用之后，对于每个已使用应用，分别获得该已使用应用与每个预先存储于本地的应用之间的应用相似度，并将其中应用相似度大于预设阈值或者应用相似度排列于前n(n≥1)位的应用作为上述待推荐应用。依次循环，直至获得所有已使用应用分别对应的待推荐应用。
S1103：根据每个所述第二应用使用记录以及预设的每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度。
进一步地，上述步骤S1103进一步包括S1103_11，具体如下：
S1103_11：根据每个所述第二应用使用记录rui、预设的每个所述已使用应用i与每个所述待推荐应用j之间的应用相似度wij以及预设的第一推荐度计算模型计算获得每个所述待推荐应用j对应的第一推荐度Puj；其中，u表示所述目标用户；N(u)表示由所有所述已使用应用i组成的集合；所述S(i,K)表示由所有所述待推荐应用j组成的集合。
需要说明的是，N(u)∩S(i,K)表示所有已使用应用中相似的已使用应用，从而在应用推荐的过程中将目标客户端中的特殊应用排除，提高应用推荐的准确度。
S1104：根据每个所述第一推荐度，生成所述第一应用推荐列表。
需要说明的是，服务端在计算获得各个待推荐应用对应的第一推荐度后，对各个第一推荐度进行排序，从而根据其中排名于前列的第一推荐度生成第一应用推荐列表。服务端在生成第一应用推荐列表后，还可以根据上述第二应用使用记录将其中已经安装于目标客户端中的应用删除，从而提高第一应用推荐列表的新颖性，进一步提高应用推荐的准确度。
S12：获得每个所述待推荐应用对应的历史推荐记录；其中，每个所述历史推荐记录中包含至少一个被推荐用户对应的第一应用使用记录。
需要说明的是，在此之前，各个待推荐应用已被推荐给其他用户。根据各个被推荐用户对这些待推荐应用的使用情况，生成相应的第一应用使用记录，并进一步生成相应的历史推荐记录。其中，该第一应用使用记录可以为被推荐用户对对应的被推荐应用的访问次数，也可以为被推荐用户对对应的被推荐应用的评分，还可以为被推荐用户对对应的被推荐应用的喜爱程度。
例如，服务端将应用A分别推荐给用户a和用户b，用户a在接收到该推荐之后，没有安装和使用该应用A，则记录用户a对应用A的访问次数为0，并生成内容为“0”的第一应用使用记录；用户b在接收到该推荐之后，安装并多次使用该应用A，假设该用户b使用该应用A的次数为4次，则记录用户b对应用A的访问次数为4，并生成内容为“4”的第一应用使用记录。最后，根据该内容为“0”的第一应用使用记录和该内容为“4”的第一应用使用记录，组成应用A对应的历史推荐记录。
S13：根据每个所述第一应用使用记录，获得每个所述待推荐应用对应的第二推荐度。
在又一个优选的实施例中，在上述步骤S13之前，还包括步骤S01至S02，具体如下：
S01：获得每个所述被推荐用户对应的第二应用推荐列表。
需要说明的是，在根据上述历史推荐记录获得对应的被推荐用户名单之后，根据该被推荐用户名单，获得各个被推荐用户的第二应用推荐列表。其中，该第二应用推荐列表为先前的向被推荐用户推荐的应用的列表。
S02：根据所述第一应用推荐列表和每个所述第二应用推荐列表，分别获得所述目标用户与每个所述被推荐用户之间的用户相似度。
需要说明的是，该用户相似度可以通过计算第一应用推荐列表与第二应用推荐列表之间的相似度确定，也可以通过计算第一应用推荐列表与第二应用推荐列表之间相同应用的个数确定。
上述步骤S13进一步包括步骤S1301，具体如下：
S1301：根据每个所述第一应用使用记录和每个所述用户相似度，获得每个所述待推荐应用对应的第二推荐度。
进一步地，上述步骤S1301进一步包括步骤S1301_1，具体如下：
S1301_1：根据每个所述第一应用使用记录rvx、每个所述用户相似度wuv和预设的第二推荐度计算模型计算获得每个所述待推荐应用对应的第二推荐度Nux；其中，u表示所述目标用户；v表示所述被推荐用户；x表示所述待推荐应用；K为所有所述被推荐用户v的总个数；a为预设的常数。
S14：根据每个所述第二推荐度，向目标用户推荐相应的待推荐应用。
需要说明的是，服务端在计算获得各个待推荐应用对应的第二推荐度之后，根据各个第二推荐度从高到低的顺序对各个待推荐应用进行排序，从而将排列于前m(m≥1)位的待推荐应用推荐给目标用户。
本发明实施例通过在应用推荐的过程中，通过借鉴其他用户对待推荐应用的使用情况推测目标用户对各个待推荐应用的感兴趣程度，从而对应用推荐列表进行优化，因此能够提高应用推荐的准确度，减少向目标用户推荐了该目标用户并不感兴趣的应用的情况，从而优化了应用推荐效果。
在又一个优选的实施例中，在上述步骤S1103之前，还包括步骤S1103_01至S1103_03，具体如下：
S1103_01：获得至少一个训练应用以及每个所述训练应用对应的第三应用使用记录。
需要说明的是，在上述步骤S1103之前，还需要预先设置好各个已使用应用与各个待推荐应用之间的应用相似度。该应用相似度通过对大量的第三应用使用情况进行统计和分析获得。其中，该第三应用使用情况为各个应用对应的应用使用情况。
S1103_02：根据每个所述第三应用使用记录，计算获得每两个所述训练应用之间的应用相似度。
进一步地，上述步骤S1103_02进一步包括步骤S1103_02_1，具体如下：
S1103_02_1：根据每个所述第三应用使用记录和预设的应用相似度计算模型计算获得每两个所述训练应用之间的应用相似度wij；其中，N(i)表示训练应用i对应的第三应用使用记录的总个数；N(j)表示训练应用j对应的第三应用使用记录的总个数。
S1103_03：根据每个所述应用相似度，生成应用相似度集合。
则上述步骤S1103进一步包括步骤S1103_21至S1103_22，具体如下：
S1103_21：查询所述应用相似度集合，获得每个所述已使用应用与每个所述待推荐应用之间的应用相似度。
S1103_22：根据所述每个所述第二应用使用记录以及每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度。
需要说明的是，上述步骤标号仅用于表示不同步骤，而不对各个步骤之间的执行顺序进行限定。
本发明实施例提供的应用推荐方法，通过在应用推荐的过程中，通过借鉴其他用户对待推荐应用的使用情况推测目标用户对各个待推荐应用的感兴趣程度，从而对应用推荐列表进行优化，因此能够提高应用推荐的准确度，减少向目标用户推荐了该目标用户并不感兴趣的应用的情况，从而优化了应用推荐效果。
相应地，本发明还提供一种应用推荐装置，能够实现上述实施例中的应用推荐方法的所有流程。
如图2所示，为本发明提供的应用推荐装置的一个优选的实施例的结构示意图，具体如下：
应用推荐列表获得模块21，用于获得第一应用推荐列表；其中，所述第一应用推荐列表中包含至少一个待推荐应用对应的第一推荐度；
历史推荐记录获得模块22，用于获得每个所述待推荐应用对应的历史推荐记录；其中，每个所述历史推荐记录中包含至少一个被推荐用户对应的第一应用使用记录；
应用推荐度获得模块23，用于根据每个所述第一应用使用记录，获得每个所述待推荐应用对应的第二推荐度；以及，
应用推荐模块24，用于根据每个所述第二推荐度，向目标用户推荐相应的待推荐应用。
进一步地，所述应用推荐列表获得模块，具体包括：
应用使用记录获得单元，用于获得所述目标用户对应的至少一个已使用应用和每个所述已使用应用对应的第二应用使用记录；
待推荐应用获得单元，用于根据每个所述已使用应用，获得至少一个待推荐应用；
应用推荐度计算单元，用于根据每个所述第二应用使用记录以及预设的每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度；以及，
应用推荐列表生成单元，用于根据每个所述第一推荐度，生成所述第一应用推荐列表。
进一步地，所述应用推荐度计算单元，具体包括：
应用推荐度计算子单元，用于根据每个所述第二应用使用记录rui、预设的每个所述已使用应用i与每个所述待推荐应用j之间的应用相似度wij以及预设的第一推荐度计算模型计算获得每个所述待推荐应用j对应的第一推荐度Puj；其中，u表示所述目标用户；N(u)表示由所有所述已使用应用i组成的集合；所述S(i,K)表示由所有所述待推荐应用j组成的集合。
进一步地，所述应用推荐装置，还包括：
应用使用记录获得模块，用于获得至少一个训练应用以及每个所述训练应用对应的第三应用使用记录；
应用相似度计算模块，用于根据每个所述第三应用使用记录，计算获得每两个所述训练应用之间的应用相似度；以及，
相似度集合生成模块，用于根据每个所述应用相似度，生成应用相似度集合；
则所述应用推荐度计算单元，具体包括：
应用相似度获得子单元，用于查询所述应用相似度集合，获得每个所述已使用应用与每个所述待推荐应用之间的应用相似度；以及，
应用推荐度计算子单元，用于根据所述每个所述第二应用使用记录以及每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度。
进一步地，所述应用相似度计算模块，具体包括：
应用相似度计算单元，用于根据每个所述第三应用使用记录和预设的应用相似度计算模型计算获得每两个所述训练应用之间的应用相似度wij；其中，N(i)表示训练应用i对应的第三应用使用记录的总个数；N(j)表示训练应用j对应的第三应用使用记录的总个数。
进一步地，所述应用推荐装置，还包括：
应用推荐列表获得模块，用于获得每个所述被推荐用户对应的第二应用推荐列表；以及，
用户相似度计算模块，用于根据所述第一应用推荐列表和每个所述第二应用推荐列表，分别获得所述目标用户与每个所述被推荐用户之间的用户相似度；
所述应用推荐度获得模块，具体包括：
应用推荐度获得单元，用于根据每个所述第一应用使用记录和每个所述用户相似度，获得每个所述待推荐应用对应的第二推荐度。
进一步地，所述应用推荐度获得单元，具体包括；
应用推荐度计算子单元，用于根据每个所述第一应用使用记录rvx、每个所述用户相似度wuv和预设的第二推荐度计算模型计算获得每个所述待推荐应用对应的第二推荐度Nux；其中，u表示所述目标用户；v表示所述被推荐用户；x表示所述待推荐应用；K为所有所述被推荐用户v的总个数；a为预设的常数。
本发明实施例提供的应用推荐装置，通过在应用推荐的过程中，通过借鉴其他用户对待推荐应用的使用情况推测目标用户对各个待推荐应用的感兴趣程度，从而对应用推荐列表进行优化，因此能够提高应用推荐的准确度，减少向目标用户推荐了该目标用户并不感兴趣的应用的情况，从而优化了应用推荐效果。
本发明还提供了一种设备。
如图3所示，为本发明提供的设备的一个优选的实施例的结构示意图，包括处理器31、存储器32以及存储在所述存储器32中且被配置为由所述处理器31执行的计算机程序，所述处理器31执行所述计算机程序时实现如上任一实施例所述的应用推荐方法。
需要说明的是，图3仅以该设备中的一个存储器和一个处理器相连接为例进行示意，在一些具体的实施例中，该设备中还可以包括多个存储器和/或多个处理器，其具体的数目及连接方式可根据实际情况需要进行设置和适应性调整。
本发明实施例提供的设备，通过在应用推荐的过程中，通过借鉴其他用户对待推荐应用的使用情况推测目标用户对各个待推荐应用的感兴趣程度，从而对应用推荐列表进行优化，因此能够提高应用推荐的准确度，减少向目标用户推荐了该目标用户并不感兴趣的应用的情况，从而优化了应用推荐效果。
本发明还提供了一种计算机可读存储介质，具体包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如上任一实施例所述的应用推荐方法。
需要说明的是，本发明实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质可以包括：能够携带所述计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要进一步说明的是，所述计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包括电载波信号和电信信号。
本发明实施例提供的计算机可读存储介质，通过在应用推荐的过程中，通过借鉴其他用户对待推荐应用的使用情况推测目标用户对各个待推荐应用的感兴趣程度，从而对应用推荐列表进行优化，因此能够提高应用推荐的准确度，减少向目标用户推荐了该目标用户并不感兴趣的应用的情况，从而优化了应用推荐效果。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。

Claims (10)

1.一种应用推荐方法，其特征在于，包括：
获得第一应用推荐列表；其中，所述第一应用推荐列表中包含至少一个待推荐应用对应的第一推荐度；
获得每个所述待推荐应用对应的历史推荐记录；其中，每个所述历史推荐记录中包含至少一个被推荐用户对应的第一应用使用记录；
根据每个所述第一应用使用记录，获得每个所述待推荐应用对应的第二推荐度；
根据每个所述第二推荐度，向目标用户推荐相应的待推荐应用。
2.如权利要求1所述的应用推荐方法，其特征在于，所述获得第一应用推荐列表，具体包括：
获得所述目标用户对应的至少一个已使用应用和每个所述已使用应用对应的第二应用使用记录；
根据每个所述已使用应用，获得至少一个待推荐应用；
根据每个所述第二应用使用记录以及预设的每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度；
根据每个所述第一推荐度，生成所述第一应用推荐列表。
3.如权利要求2所述的应用推荐方法，其特征在于，所述根据每个所述第二应用使用记录以及预设的每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度，具体包括：
根据每个所述第二应用使用记录rui、预设的每个所述已使用应用i与每个所述待推荐应用j之间的应用相似度wij以及预设的第一推荐度计算模型计算获得每个所述待推荐应用j对应的第一推荐度Puj；其中，u表示所述目标用户；N(u)表示由所有所述已使用应用i组成的集合；所述S(i,K)表示由所有所述待推荐应用j组成的集合。
4.如权利要求2所述的应用推荐方法，其特征在于，在所述根据每个所述第二应用使用记录以及预设的每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度之前，还包括：
获得至少一个训练应用以及每个所述训练应用对应的第三应用使用记录；
根据每个所述第三应用使用记录，计算获得每两个所述训练应用之间的应用相似度；
根据每个所述应用相似度，生成应用相似度集合；
则所述根据每个所述第二应用使用记录以及预设的每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度，具体包括：
查询所述应用相似度集合，获得每个所述已使用应用与每个所述待推荐应用之间的应用相似度；
根据所述每个所述第二应用使用记录以及每个所述已使用应用与每个所述待推荐应用之间的应用相似度，获得每个所述待推荐应用对应的第一推荐度。
5.如权利要求4所述的应用推荐方法，其特征在于，所述根据每个所述第三应用使用记录，计算获得每两个所述训练应用之间的应用相似度，具体包括：
根据每个所述第三应用使用记录和预设的应用相似度计算模型计算获得每两个所述训练应用之间的应用相似度wij；其中，N(i)表示训练应用i对应的第三应用使用记录的总个数；N(j)表示训练应用j对应的第三应用使用记录的总个数。
6.如权利要求1所述的应用推荐方法，其特征在于，在所述根据每个所述第一应用使用记录，获得每个所述待推荐应用对应的第二推荐度之前，还包括：
获得每个所述被推荐用户对应的第二应用推荐列表；
根据所述第一应用推荐列表和每个所述第二应用推荐列表，分别获得所述目标用户与每个所述被推荐用户之间的用户相似度；
所述根据每个所述第一应用使用记录，获得每个所述待推荐应用对应的第二推荐度，具体包括：
根据每个所述第一应用使用记录和每个所述用户相似度，获得每个所述待推荐应用对应的第二推荐度。
7.如权利要求6所述的应用推荐方法，其特征在于，所述根据每个所述第一应用使用记录和每个所述用户相似度，获得每个所述待推荐应用对应的第二推荐度，具体包括：
根据每个所述第一应用使用记录rvx、每个所述用户相似度wuv和预设的第二推荐度计算模型计算获得每个所述待推荐应用对应的第二推荐度Nux；其中，u表示所述目标用户；v表示所述被推荐用户；x表示所述待推荐应用；K为所有所述被推荐用户v的总个数；a为预设的常数。
8.一种应用推荐装置，其特征在于，包括：
应用推荐列表获得模块，用于获得第一应用推荐列表；其中，所述第一应用推荐列表中包含至少一个待推荐应用对应的第一推荐度；
历史推荐记录获得模块，用于获得每个所述待推荐应用对应的历史推荐记录；其中，每个所述历史推荐记录中包含至少一个被推荐用户对应的第一应用使用记录；
应用推荐度获得模块，用于根据每个所述第一应用使用记录，获得每个所述待推荐应用对应的第二推荐度；以及，
应用推荐模块，用于根据每个所述第二推荐度，向目标用户推荐相应的待推荐应用。
9.一种设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，其中，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的应用推荐方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，所述计算机程序运行时执行如权利要求1至7任一项所述的应用推荐方法。
CN201811060586.5A 2018-09-11 2018-09-11 应用推荐方法和装置、设备、计算机可读存储介质 Active CN109299349B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811060586.5A CN109299349B (zh) 2018-09-11 2018-09-11 应用推荐方法和装置、设备、计算机可读存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811060586.5A CN109299349B (zh) 2018-09-11 2018-09-11 应用推荐方法和装置、设备、计算机可读存储介质

Publications (2)

Publication Number Publication Date
CN109299349A true CN109299349A (zh) 2019-02-01
CN109299349B CN109299349B (zh) 2021-02-19

Family

ID=65166538

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811060586.5A Active CN109299349B (zh) 2018-09-11 2018-09-11 应用推荐方法和装置、设备、计算机可读存储介质

Country Status (1)

Country Link
CN (1) CN109299349B (zh)

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853463A (zh) * 2009-03-30 2010-10-06 北京邮电大学 基于客户特征的协同过滤推荐方法和***
CN102130933A (zh) * 2010-01-13 2011-07-20 ***通信集团公司 一种基于移动互联网的推荐方法、***和设备
CN102880501A (zh) * 2012-07-24 2013-01-16 北京奇虎科技有限公司 应用推荐的实现方法、装置和***
CN102915307A (zh) * 2011-08-02 2013-02-06 腾讯科技（深圳）有限公司 一种个性化信息推荐的方法、装置及信息处理***
CN103198418A (zh) * 2013-03-15 2013-07-10 北京亿赞普网络技术有限公司 一种应用推荐方法和***
CN103578007A (zh) * 2012-07-20 2014-02-12 三星电子（中国）研发中心 用于智能设备的混合推荐***及其方法
US20140181117A1 (en) * 2011-08-19 2014-06-26 Tencent Technology (Shenzhen) Company Limited Person search method and apparatus
CN105677715A (zh) * 2015-12-29 2016-06-15 海信集团有限公司 一种基于多用户的视频推荐方法及装置
CN107807935A (zh) * 2016-09-09 2018-03-16 腾讯科技（深圳）有限公司 应用推荐方法及装置
CN108182268A (zh) * 2018-01-16 2018-06-19 浙江工商大学 一种基于社会网络的协同过滤推荐方法及***

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101853463A (zh) * 2009-03-30 2010-10-06 北京邮电大学 基于客户特征的协同过滤推荐方法和***
CN102130933A (zh) * 2010-01-13 2011-07-20 ***通信集团公司 一种基于移动互联网的推荐方法、***和设备
CN102915307A (zh) * 2011-08-02 2013-02-06 腾讯科技（深圳）有限公司 一种个性化信息推荐的方法、装置及信息处理***
US20140181117A1 (en) * 2011-08-19 2014-06-26 Tencent Technology (Shenzhen) Company Limited Person search method and apparatus
CN103578007A (zh) * 2012-07-20 2014-02-12 三星电子（中国）研发中心 用于智能设备的混合推荐***及其方法
CN102880501A (zh) * 2012-07-24 2013-01-16 北京奇虎科技有限公司 应用推荐的实现方法、装置和***
CN103198418A (zh) * 2013-03-15 2013-07-10 北京亿赞普网络技术有限公司 一种应用推荐方法和***
CN105677715A (zh) * 2015-12-29 2016-06-15 海信集团有限公司 一种基于多用户的视频推荐方法及装置
CN107807935A (zh) * 2016-09-09 2018-03-16 腾讯科技（深圳）有限公司 应用推荐方法及装置
CN108182268A (zh) * 2018-01-16 2018-06-19 浙江工商大学 一种基于社会网络的协同过滤推荐方法及***

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
尹利: "Hadoop下的个性化推荐应用研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 *

Also Published As

Publication number Publication date
CN109299349B (zh) 2021-02-19

Similar Documents

Publication Publication Date Title
CN107404481B (zh) 用户信息识别方法及装置
JP7029003B2 (ja) パスワード保護質問設定方法及び装置
CN105657003A (zh) 一种信息处理方法和服务器
CN108228784A (zh) 视频推荐方法和装置、电子设备、存储介质、程序
CN110472154A (zh) 一种资源推送方法、装置、电子设备及可读存储介质
CN106682949A (zh) 业务推荐方法、业务信息接收方法、装置及***
CN110413926A (zh) 一种问卷调查方法及装置
CN106156173A (zh) 一种作弊识别方法、装置及终端
CN110516162A (zh) 一种信息推荐方法、装置、设备及存储介质
CN105302715B (zh) 应用程序用户界面的获取方法和装置
CN107483565A (zh) 一种服务后台识别方法、代理服务器及计算机存储介质
CN109299349A (zh) 应用推荐方法和装置、设备、计算机可读存储介质
CN105848155B (zh) 一种终端非法刷机识别方法及装置
CN113703753B (zh) 用于产品开发的方法、装置和产品开发***
CN113139102B (zh) 数据处理方法、装置、非易失性存储介质及处理器
CN114285896B (zh) 信息推送方法、装置、设备、存储介质及程序产品
CN105893286A (zh) 数据处理的方法和装置
CN111581487B (zh) 一种信息处理方法及装置
CN109783718A (zh) 重复请求判断方法及装置
CN111782684B (zh) 一种配网电子化移交信息匹配方法及装置
CN110555182A (zh) 用户画像的确定方法、装置及计算机可读存储介质
CN110347683B (zh) 一种数据表合并处理方法及装置
CN109714378A (zh) 应用程序的推荐方法和***
CN103823891A (zh) 用于计算机历史行为分析的数据处理方法和装置
CN110517010B (zh) 一种数据处理方法、***及存储介质

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
GR01 Patent grant
GR01 Patent grant