CN109714378A - 应用程序的推荐方法和*** - Google Patents

Abstract

本公开提供了一种应用程序的推荐方法和***，涉及通信技术领域。该方法包括：在网络侧获取网络数据包，对网络数据包进行解析，并计算得到多个用户终端的每个用户终端使用多个应用程序中的每个应用程序的时间间隔、次数和流量数值；根据每个用户终端使用每个应用程序的时间间隔、次数和流量数值计算得到使用每个应用程序的应用推荐度；根据使用每个应用程序的应用推荐度确定用户偏爱的应用类别；根据应用推荐度计算得到每个应用程序的全网推荐度，并依据每个应用程序的全网推荐度，得到在该应用类别下的应用程序的推荐度排序；以及根据推荐度排序向用户终端推荐应用程序。本公开的方法和***能够比较精准地向用户推荐应用程序。

Description

应用程序的推荐方法和***

技术领域

本公开涉及通信技术领域，特别涉及一种应用程序的推荐方法和***。

背景技术

为满足用户不同的应用需求，可运行于智能终端的各种应用程序应运而生，为人们的工作生活带来了极大的便利。现有的应用种类、数量繁多，为了便于用户快速地找到想要的应用，很多应用下载平台会向用户推荐当前下载量最大，或搜索量最大的热门应用。各种应用提供商、业务运营商等也会通过应用消息、短信或者页面弹窗等其他渠道为用户推荐其可能感兴趣的应用程序。

例如为了向用户推荐其喜爱类型的应用、提升推荐成功率，已知技术中存在应用推荐方法。例如获取终端已安装应用的使用日志，为用户推荐使用较少的类别的应用。但是已有的应用推荐方法存在以下缺陷：

(1)移动终端上需要具有应用信息获取/监测模块，通常为单独安装的APP(应用)。由于终端应用信息获取/监测APP需要额外安装，因此现有方案推广困难，而且安装应用信息获取/监测APP的终端数量有限，获取的应用信息数据局限性很大。

(2)考虑到可能存在如下情况：用户安装了某一应用但从未使用；或者某一应用经常被后台打开但用户实际并未使用；或者某些应用开机自启动，但是用户并未实际使用产生流量，等等。在这些情况下，仅由终端获取某一维度的应用使用数据，不能准确判断某一应用类别是否为用户偏爱的类别，以致很可能不能为用户实现精准推荐。例如，视频应用的流量通常比其他应用的流量更大，但并不一定表示用户更偏爱视频类应用。又例如，社交类应用由其性质决定可能会频繁的后台唤醒，频繁启动，但并不一定表示用户更偏爱该类应用。

发明内容

本公开解决的一个技术问题是：提供一种应用程序的推荐方法，从而比较精准地向用户推荐应用程序。

根据本公开实施例的一个方面，提供了一种应用程序的推荐方法，包括：在网络侧获取网络数据包，对所述网络数据包进行解析，并计算得到多个用户终端的每个用户终端使用多个应用程序中的每个应用程序的时间间隔、次数和流量数值；根据所述多个用户终端的每个用户终端使用所述多个应用程序中的每个应用程序的时间间隔、次数和流量数值计算得到每个所述用户终端使用每个所述应用程序的应用推荐度；根据所述用户终端使用每个所述应用程序的应用推荐度确定该用户偏爱的应用类别；根据所述多个用户终端的每个用户终端使用每个所述应用程序的应用推荐度计算得到每个所述应用程序的全网推荐度，并依据每个所述应用程序的全网推荐度，得到在所述应用类别下的应用程序的推荐度排序；以及根据在所述应用类别下的应用程序的推荐度排序向所述用户终端推荐应用程序。

可选地，在网络侧获取网络数据包，对所述网络数据包进行解析，并计算得到多个用户终端的每个用户终端使用多个应用程序中的每个应用程序的所有时间间隔、次数和流量数值的步骤包括：在网络侧获取用户终端的网络数据包，通过解析所述网络数据包，获得所述网络数据包的目的统一资源定位符URL、开始时间、结束时间、流量大小、业务类型编码、服务器网络协议IP地址以及应用特征信息；根据所述目的URL、业务类型编码、服务器IP地址以及应用特征信息确定用户终端访问的应用程序或者该应用程序对应的功能；根据所述网络数据包的开始时间和结束时间获得访问所述应用程序的时间间隔和访问次数；以及根据所述流量大小获得使用的流量信息；以及根据访问所述应用程序的时间间隔、访问次数和流量信息计算出所述用户终端使用所述应用程序的所有时间间隔、使用所述应用程序的次数和使用所述应用程序产生的流量数值。

可选地，计算每个所述应用程序的应用推荐度R_i的公式为：

R_i＝W_uU′_IUF+W_fF′_IUF-W_iI′_IUF，

其中，U'_IUF为所述多个用户终端使用单个应用程序的次数的标准化值，F'_IUF为所述多个用户终端使用所述单个应用程序的流量数值的标准化值，I'_IUF为所述多个用户终端使用所述单个应用程序的时间间隔的标准化值，W_u为所述多个用户终端使用所述单个应用程序的次数的权重，W_f为所述多个用户终端使用所述单个应用程序的流量数值的权重，W_i为所述多个用户终端使用所述单个应用程序的时间间隔的权重。

可选地，分别通过以下公式计算得到所述U'_IUF、所述F'_IUF和所述I'_IUF：

其中，U_i为每个所述用户终端使用所述单个应用程序的次数，F_i为每个所述用户终端使用所述单个应用程序消耗的流量数值，I_i为每个所述用户终端使用所述单个应用程序的时间间隔，N为使用所述单个应用程序的用户总数；为监测的所有用户终端使用所述单个应用程序的次数平均值，为监测的所有用户终端使用所述单个应用程序的流量数值平均值，为监测的所有用户终端使用所述单个应用程序的时间间隔平均值。

可选地，分别通过以下公式计算得到所述所述和所述

其中，M为所监测的用户终端的数量。

可选地，根据所述用户终端使用每个所述应用程序的应用推荐度确定该用户偏爱的应用类别的步骤包括：按照应用程序所属的应用类别，对用户终端使用的应用程序进行分类，并计算在每个应用类别下的应用程序的应用推荐度的和，得到应用类别推荐度，根据所述应用类别推荐度确定该用户所偏爱的应用类别。

可选地，根据所述多个用户终端的每个用户终端使用每个所述应用程序的应用推荐度计算得到所述应用程序的全网推荐度的步骤包括：对于每个应用程序，计算所有用户终端使用该应用程序的应用推荐度的和，得到该应用程序的全网推荐度。

可选地，根据在所述应用类别下的应用程序的推荐度排序向所述用户终端推荐应用程序的步骤包括：根据确定的用户所偏爱的应用类别，选择单个用户偏爱的应用类别中暂未使用过的应用程序，建立用户推荐应用关联表；其中，所述用户推荐应用关联表包含与所述用户终端对应的暂未使用过的全网推荐度排名靠前的应用程序；以及将所述用户推荐应用关联表中的应用程序推荐给所述用户终端。

根据本公开实施例的另一个方面，提供了一种应用程序的推荐***，包括：采集模块，用于在网络侧获取网络数据包；识别模块，用于对所述网络数据包进行解析，并计算得到多个用户终端的每个用户终端使用多个应用程序中的每个应用程序的时间间隔、次数和流量数值；推荐度运算模块，用于根据所述多个用户终端的每个用户终端使用所述多个应用程序中的每个应用程序的时间间隔、次数和流量数值计算得到每个所述用户终端使用每个所述应用程序的应用推荐度；应用分类模块，用于根据所述用户终端使用每个所述应用程序的应用推荐度确定该用户偏爱的应用类别；应用选择模块，用于根据所述多个用户终端的每个用户终端使用每个所述应用程序的应用推荐度计算得到每个所述应用程序的全网推荐度，并依据每个所述应用程序的全网推荐度，得到在所述应用类别下的应用程序的推荐度排序；以及应用推送模块，用于根据在所述应用类别下的应用程序的推荐度排序向所述用户终端推荐应用程序。

可选地，所述采集模块用于在网络侧获取用户终端的网络数据包；所述识别模块用于通过解析所述网络数据包，获得所述网络数据包的目的统一资源定位符URL、开始时间、结束时间、流量大小、业务类型编码、服务器网络协议IP地址以及应用特征信息；根据所述目的URL、业务类型编码、服务器IP地址以及应用特征信息确定用户终端访问的应用程序或者该应用程序对应的功能；根据所述网络数据包的开始时间和结束时间获得访问所述应用程序的时间间隔和访问次数；以及根据所述流量大小获得使用的流量信息；以及根据访问所述应用程序的时间间隔、访问次数和流量信息计算出所述用户终端使用所述应用程序的所有时间间隔、使用所述应用程序的次数和使用所述应用程序产生的流量数值。

可选地，所述推荐度运算模块计算每个所述应用程序的应用推荐度R_i的公式为：

R_i＝W_uU′_IUF+W_fF′_IUF-W_iI′_IUF，

其中，U'_IUF为所述多个用户终端使用单个应用程序的次数的标准化值，F'_IUF为所述多个用户终端使用所述单个应用程序的流量数值的标准化值，I'_IUF为所述多个用户终端使用所述单个应用程序的时间间隔的标准化值，W_u为所述多个用户终端使用所述单个应用程序的次数的权重，W_f为所述多个用户终端使用所述单个应用程序的流量数值的权重，W_i为所述多个用户终端使用所述单个应用程序的时间间隔的权重。

可选地，所述推荐度运算模块分别通过以下公式计算得到所述U'_IUF、所述F'_IUF和所述I'_IUF：

其中，U_i为每个所述用户终端使用所述单个应用程序的次数，F_i为每个所述用户终端使用所述单个应用程序消耗的流量数值，I_i为每个所述用户终端使用所述单个应用程序的时间间隔，N为使用所述单个应用程序的用户总数；为监测的所有用户终端使用所述单个应用程序的次数平均值，为监测的所有用户终端使用所述单个应用程序的流量数值平均值，为监测的所有用户终端使用所述单个应用程序的时间间隔平均值。

可选地，所述推荐度运算模块分别通过以下公式计算得到所述所述和所述

其中，M为所监测的用户终端的数量。

可选地，所述应用分类模块用于按照应用程序所属的应用类别，对用户终端使用的应用程序进行分类，并计算在每个应用类别下的应用程序的应用推荐度的和，得到应用类别推荐度，根据所述应用类别推荐度确定该用户所偏爱的应用类别。

可选地，所述应用选择模块用于对于每个应用程序，计算所有用户终端使用该应用程序的应用推荐度的和，得到该应用程序的全网推荐度。

可选地，所述应用推送模块用于根据确定的用户所偏爱的应用类别，选择单个用户偏爱的应用类别中暂未使用过的应用程序，建立用户推荐应用关联表；其中，所述用户推荐应用关联表包含与所述用户终端对应的暂未使用过的全网推荐度排名靠前的应用程序；以及将所述用户推荐应用关联表中的应用程序推荐给所述用户终端。

根据本公开实施例的另一个方面，提供了一种应用程序的推荐***，包括：存储器；以及耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如前所述的方法。

根据本公开实施例的另一个方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现如前所述的方法的步骤。

在该本公开的上述实施例中，在网络侧通过对网络数据包解析获取各用户终端应用程序的使用情况，包括用户使用应用程序的所有时间间隔I、次数U和流量数值F；根据终端应用程序的使用情况，利用IUF模型计算各用户各应用的应用推荐度；根据各用户各应用的应用推荐度确定用户偏爱的应用类别；根据全部用户各应用推荐度计算得到某一个应用的全网推荐度，获得在应用类别下的各应用的全网推荐度排序；根据在应用类别下的应用程序的推荐度排序向用户终端推荐应用程序，从而能够比较精准地向用户推荐应用程序。

本公开实施例的应用程序的推荐方法和***可以在运营商网络侧来实施，无需改进终端，方案易推广，数据获取不受终端局限；在推荐过程中尽量不受应用差异影响，准确判断用户偏爱的应用类别；更准确合理地确定待推荐的应用程序。

通过以下参照附图对本公开的示例性实施例的详细描述，本公开的其它特征及其优点将会变得清楚。

附图说明

构成说明书的一部分的附图描述了本公开的实施例，并且连同说明书一起用于解释本公开的原理。

参照附图，根据下面的详细描述，可以更加清楚地理解本公开，其中：

图1是示出根据本公开一些实施例的应用程序的推荐方法的流程图。

图2是示意性地示出根据本公开一些实施例的IUF模型示意图。

图3是示意性地示出根据本公开一些实施例的应用程序的推荐***的结构图。

图4是示意性地示出根据本公开另一些实施例的应用程序的推荐***的结构图。

图5是示意性地示出根据本公开另一些实施例的应用程序的推荐***的结构图。

具体实施方式

现在将参照附图来详细描述本公开的各种示例性实施例。应注意到：除非另外具体说明，否则在这些实施例中阐述的部件和步骤的相对布置、数字表达式和数值不限制本公开的范围。

同时，应当明白，为了便于描述，附图中所示出的各个部分的尺寸并不是按照实际的比例关系绘制的。

以下对至少一个示例性实施例的描述实际上仅仅是说明性的，决不作为对本公开及其应用或使用的任何限制。

对于相关领域普通技术人员已知的技术、方法和设备可能不作详细讨论，但在适当情况下，所述技术、方法和设备应当被视为说明书的一部分。

在这里示出和讨论的所有示例中，任何具体值应被解释为仅仅是示例性的，而不是作为限制。因此，示例性实施例的其它示例可以具有不同的值。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步讨论。

图1是示出根据本公开一些实施例的应用程序的推荐方法的流程图。

在步骤S102，在网络侧获取网络数据包，对该网络数据包进行解析，并计算得到多个用户终端的每个用户终端使用多个应用程序中的每个应用程序的时间间隔、次数和流量数值。

可选地，该步骤S102可以包括：在网络侧获取用户终端的网络数据包，通过解析网络数据包，获得网络数据包的目的URL(Uniform Resource Locator，统一资源定位符)、开始时间、结束时间、流量大小(例如可以包括上行流量和下行流量中的至少一个)、业务类型编码、服务器IP(Internet Protocol，网络协议)地址以及应用特征信息。

可选地，该步骤S102还可以包括：根据目的URL、业务类型编码、服务器IP地址以及应用特征信息确定用户终端访问的应用程序或者该应用程序对应的功能；根据网络数据包的开始时间和结束时间获得访问该应用程序的时间间隔和访问次数；以及根据流量大小获得使用的流量信息。

例如，以微信为例，可以根据目的URL、业务类型编码、服务器IP地址以及应用特征信息确定用户终端访问的应用程序是微信或该微信对应的功能。例如，微信的某些URL对应其支付功能，有些URL对应其社交功能。在一些实施例中，可以建立应用程序或应用程序的功能与上述目的URL、业务类型编码、服务器IP地址以及应用特征等信息的对应关系。在一些实施例中，还可以不断识别增加新的应用或功能与上述信息的对应关系。

可选地，该步骤S102还可以包括：根据访问应用程序的时间间隔、访问次数和流量信息计算出用户终端使用该应用程序的所有时间间隔I(Interval)、使用该应用程序的次数U(Usage)和使用该应用程序产生的流量数值F(Flow)。

在一些实施例中，如图2所示，时间间隔I可以包括使用应用的上行流量的时间间隔I_上行和使用应用的下行流量的时间间隔I_下行；使用次数U可以包括使用应用的上行流量的使用次数U_上行和使用应用的下行流量的使用次数U_下行；流量数值F可以包括使用应用的上行流量的流量数值F_上行和使用应用的下行流量的流量数值F_下行。

在步骤S104，根据多个用户终端的每个用户终端使用多个应用程序中的每个应用程序的时间间隔、次数和流量数值计算得到每个用户终端使用每个应用程序的应用推荐度。

在一些实施例中，计算每个应用程序的应用推荐度R_i的公式为：

R_i＝W_uU′_IUF+W_fF′_IUF-W_iI′_IUF， (1)

其中，U'_IUF为所述多个用户终端使用单个应用程序的次数的标准化值，F'_IUF为所述多个用户终端使用该单个应用程序的流量数值的标准化值，I'_IUF为所述多个用户终端使用该单个应用程序的时间间隔的标准化值，W_u为所述多个用户终端使用该单个应用程序的次数的权重，W_f为所述多个用户终端使用该单个应用程序的流量数值的权重，W_i为所述多个用户终端使用该单个应用程序的时间间隔的权重。W_u、W_f和W_i可以根据实际情况来确定，例如可以通过训练来得到。

在一些实施例中，分别通过以下公式计算得到U'_IUF、F'_IUF和I'_IUF：

其中，U_i为每个用户终端使用该单个应用程序的次数，F_i为每个用户终端使用该单个应用程序消耗的流量数值，I_i为每个用户终端使用该单个应用程序的时间间隔，N为使用该单个应用程序的用户总数；为监测的所有用户终端使用该单个应用程序的次数平均值，为监测的所有用户终端使用该单个应用程序的流量数值平均值，为监测的所有用户终端使用该单个应用程序的时间间隔平均值。

在一些实施例中，分别通过以下公式计算得到和

其中，M为所监测的用户终端的数量。

在一些实施例中，单用户应用程序推荐度可以通过以下过程计算：通过公式(5)、(6)和(7)计算所有监测用户(例如M个用户终端)的单个应用程序指标平均值和然后利用公式(2)、(3)和(4)对单用户应用程序指标进行标准化处理，即分别计算标准化值U'_IUF、F'_IUF和I'_IUF；最后利用公式(1)计算应用程序的应用推荐度R_i。上述计算模型可以称为IUF模型，这里通过IUF模型计算得到了一个应用程序的应用推荐度。以此类推，可以计算出多个用户的各应用程序的应用推荐度。

在步骤S106，根据用户终端使用每个应用程序的应用推荐度确定该用户偏爱的应用类别。

在一些实施例中，该步骤S106可以包括：按照应用程序所属的应用类别，对用户终端使用的应用程序进行分类，并计算在每个应用类别下的应用程序的应用推荐度的和，得到应用类别推荐度，根据应用类别推荐度确定该用户所偏爱的应用类别。该应用类别推荐度可以反映出用户所偏爱的应用类别的偏爱程度。

表1某个用户的某些应用程序的应用推荐度和应用类别推荐度

表1是示例性地计算得到的某些应用程序的应用推荐度和应用类别推荐度。以该表1为例，从表1可以看出，视频业务和支付应用的应用类别推荐度比较大，因此用户更偏爱使用视频和支付类的应用程序。

在步骤S108，根据多个用户终端的每个用户终端使用每个应用程序的应用推荐度计算得到每个应用程序的全网推荐度，并依据每个应用程序的全网推荐度，得到在应用类别下的应用程序的推荐度排序。

在一些实施例中，根据多个用户终端的每个用户终端使用每个应用程序的应用推荐度计算得到应用程序的全网推荐度的步骤可以包括：对于每个应用程序，计算所有用户终端使用该应用程序的应用推荐度的和，得到该应用程序的全网推荐度。

在一些实施例中，根据指定范围内的全部用户各应用推荐度计算得到某一个应用的全网推荐度，可以在应用类别(例如用户所偏爱的应用类别)下依各应用程序的全网推荐度排序，得到该应用类别的推荐排序。此外，还可以按照应用类别进行分类分级。

例如，采集的全网用户假设有20000个，可能生成如下表2，即计算得到的某些应用程序的全网推荐度。这里，某个应用程序(例如微信)的全网推荐度，是将所有用户(例如20000个用户)的该应用程序的应用推荐度相加而得，例如最后得到微信的全网推荐度为12033，其他类似。

表2计算得到的某些应用程序的全网推荐度

从上表2可以看出，对于社交类应用，可得到该类别下热门应用的排序为：微信、新浪微博、YY语音、陌陌和飞信；对于支付类应用，也可得到热门应用排序：支付宝、翼支付、微信支付和京东钱包。

在步骤S110，根据在应用类别下的应用程序的推荐度排序向用户终端推荐应用程序。

在一些实施例中，该步骤S110可以包括：根据确定的用户所偏爱的应用类别，选择单个用户偏爱的应用类别中暂未使用过的应用程序，建立用户推荐应用关联表；其中，该用户推荐应用关联表包含与该用户终端对应的暂未使用过的全网推荐度排名靠前的应用程序；以及将该用户推荐应用关联表中的应用程序推荐给该用户终端。在实施例中，实现了为用户推荐其偏爱的应用类别下暂未安装的全网推荐度排名靠前的应用程序。

在该步骤S110中，根据之前确定的各用户偏爱的应用类型，选择单用户偏爱的应用类型中暂未使用过的应用程序，建立用户推荐应用关联表，例如上一用户支付类应用使用的较多，但其并未安装应用类支付热门第二的翼支付，则为其推荐该应用。

关于推荐的方式可以有多种方式。例如，可以将用户推荐应用关联表中的应用程序以短信方式推送给用户终端，用户自主选择安装。又例如，可以将用户推荐应用关联信息与应用程序推荐度信息发送给应用商店，当用户登录应用商店时，首页显示该用户同类别推荐的应用程序。当然，本领域技术人员可以理解，还可以采用其他推荐的方式，因此本公开的范围并不仅限于此。

至此，提供了根据本公开一些实施例的应用程序的推荐方法。在该方法中，在网络侧通过对网络数据包解析获取各用户终端应用程序的使用情况，包括用户使用应用程序的所有时间间隔I、次数U和流量数值F；根据终端应用程序的使用情况，利用IUF模型计算各用户各应用的应用推荐度；根据各用户各应用的应用推荐度确定用户偏爱的应用类别；根据全部用户各应用推荐度计算得到某一个应用的全网推荐度，获得在应用类别下的各应用的全网推荐度排序；根据在应用类别下的应用程序的推荐度排序向用户终端推荐应用程序，从而能够比较精准地向用户推荐应用程序。

本公开实施例的应用程序的推荐方法可以在运营商网络侧来实施，无需改进终端，方案易推广，数据获取不受终端局限；在推荐过程中尽量不受应用差异影响，准确判断用户偏爱的应用类别；更准确合理地确定待推荐的应用。

图3是示意性地示出根据本公开一些实施例的应用程序的推荐***的结构图。在图3中，除了示出了应用程序的推荐***30之外，还示出了用户终端32、无线接入网33、核心网34、承载网35和应用服务器36。用户终端32可以是移动终端，例如可以包括手机、平板等移动设备。用户通过用户终端32连接到运营商网络(包括无线接入网33、核心网34和承载网35)，从而可以访问应用服务器(例如SP(Service Provider，服务提供商)应用服务器)36。应用服务器36用于提供服务业务，例如为用户提供网页浏览、即时通信、视频等移动应用，例如微信、新浪、爱奇艺等等。

如图3所示，该应用程序的推荐***30可以包括：采集模块302、识别模块304、推荐度运算模块306、应用分类模块308、应用选择模块310和应用推送模块312。

该采集模块302可以用于在网络侧获取网络数据包。例如，采集模块302可以采集用户终端的流量数据，可以包括数据流向和数据流量的大小、终端操作***类型等。

该识别模块304可以用于对网络数据包进行解析，并计算得到多个用户终端的每个用户终端使用多个应用程序中的每个应用程序的时间间隔、次数和流量数值。例如，识别模块304可以解析用户终端的流量数据，提取用户数据流向的应用类型、应用请求连接的时间点、各类应用的流量大小等。

该推荐度运算模块306可以用于根据所述多个用户终端的每个用户终端使用所述多个应用程序中的每个应用程序的时间间隔、次数和流量数值计算得到每个用户终端使用每个应用程序的应用推荐度。例如，推荐度运算模块306可以基于识别模块304的输出，按月计算用户每日访问应用服务器的次数、每日应用程序使用流量大小、使用应用程序的所有时间间隔，并用IUF模型算出用户的应用程序推荐度。

该应用分类模块308可以用于根据用户终端使用每个应用程序的应用推荐度确定该用户偏爱的应用类别。例如，应用分类模块308可以基于推荐度运算模块306的输出，将用户使用的应用程序进行分类，并标记用户终端的应用推荐度和应用类别推荐度。

该应用选择模块310可以用于根据所述多个用户终端的每个用户终端使用每个应用程序的应用推荐度计算得到每个应用程序的全网推荐度，并依据每个应用程序的全网推荐度，得到在应用类别下的应用程序的推荐度排序。例如，应用选择模块310可以基于推荐度运算模块306和应用分类模块308的输出，分析多个用户终端的输出结果，选出同类别推荐度比较高的应用程序。

该应用推送模块312可以用于根据在应用类别下的应用程序的推荐度排序向用户终端推荐应用程序。例如，应用推送模块312可以将用户终端的应用程序的应用推荐度、平均同类推荐度发送给应用商店，当用户登录应用商店时，首页显示推荐度比较高的应用程序。

在上述实施例的应用程序的推荐***中，采集模块在网络侧获取网络数据包；识别模块对网络数据包进行解析，并计算得到每个用户终端使用每个应用程序的时间间隔、次数和流量数值；推荐度运算模块根据每个用户终端使用每个应用程序的时间间隔、次数和流量数值计算得到每个用户终端使用每个应用程序的应用推荐度；应用分类模块根据用户终端使用每个应用程序的应用推荐度确定该用户偏爱的应用类别；应用选择模块根据每个用户终端使用每个应用程序的应用推荐度计算得到每个应用程序的全网推荐度，并依据每个应用程序的全网推荐度，得到在应用类别下的应用程序的推荐度排序；以及应用推送模块根据在应用类别下的应用程序的推荐度排序向用户终端推荐应用程序，从而能够比较精准地向用户推荐应用程序。

本公开实施例的应用程序的推荐***可以在运营商网络侧来实施，无需改进终端，方案易推广，数据获取不受终端局限；在推荐过程中尽量不受应用差异影响，准确判断用户偏爱的应用类别；更准确合理地确定待推荐的应用。

在一些实施例中，采集模块302和识别模块304可以组成采集端，可以将该采集端设置在无线接入网33与核心网34之间，从而在网络侧获取网络数据包，并对网络数据包进行解析和计算，获得每个用户终端使用每个应用程序的时间间隔、次数和流量数值。

在一些实施例中，可以将推荐度运算模块306、应用分类模块308、应用选择模块310和应用推送模块312设置在云端，这样有利于实施计算推荐度和推荐应用程序。

在一些实施例中，采集模块302可以用于在网络侧获取用户终端的网络数据包。识别模块304可以用于通过解析该网络数据包，获得该网络数据包的目的URL、开始时间、结束时间、流量大小、业务类型编码、服务器IP地址以及应用特征信息；根据该目的URL、业务类型编码、服务器IP地址以及应用特征信息确定用户终端访问的应用程序或者该应用程序对应的功能；根据该网络数据包的开始时间和结束时间获得访问该应用程序的时间间隔和访问次数；以及根据流量大小获得使用的流量信息；以及根据访问该应用程序的时间间隔、访问次数和流量信息计算出用户终端使用该应用程序的所有时间间隔、使用该应用程序的次数和使用该应用程序产生的流量数值。

在一些实施例中，推荐度运算模块306计算每个应用程序的应用推荐度R_i的公式为：

R_i＝W_uU′_IUF+W_fF′_IUF-W_iI′_IUF，

其中，U'_IUF为所述多个用户终端使用单个应用程序的次数的标准化值，F'_IUF为所述多个用户终端使用该单个应用程序的流量数值的标准化值，I'_IUF为所述多个用户终端使用该单个应用程序的时间间隔的标准化值，W_u为所述多个用户终端使用该单个应用程序的次数的权重，W_f为所述多个用户终端使用该单个应用程序的流量数值的权重，W_i为所述多个用户终端使用该单个应用程序的时间间隔的权重。

在一些实施例中，推荐度运算模块306分别通过以下公式计算得到U'_IUF、F'_IUF和I'_IUF：

其中，U_i为每个用户终端使用单个应用程序的次数，F_i为每个用户终端使用该单个应用程序消耗的流量数值，I_i为每个用户终端使用该单个应用程序的时间间隔，N为使用该单个应用程序的用户总数；为监测的所有用户终端使用该单个应用程序的次数平均值，为监测的所有用户终端使用该单个应用程序的流量数值平均值，为监测的所有用户终端使用该单个应用程序的时间间隔平均值。

在一些实施例中，推荐度运算模块306分别通过以下公式计算得到和

其中，M为所监测的用户终端的数量。

在一些实施例中，应用分类模块308可以用于按照应用程序所属的应用类别，对用户终端使用的应用程序进行分类，并计算在每个应用类别下的应用程序的应用推荐度的和，得到应用类别推荐度，根据所述应用类别推荐度确定该用户所偏爱的应用类别。

在一些实施例中，应用选择模块310可以用于对于每个应用程序，计算所有用户终端使用该应用程序的应用推荐度的和，得到该应用程序的全网推荐度。

在一些实施例中，应用推送模块312可以用于根据确定的用户所偏爱的应用类别，选择单个用户偏爱的应用类别中暂未使用过的应用程序，建立用户推荐应用关联表；其中，该用户推荐应用关联表包含与该用户终端对应的暂未使用过的全网推荐度排名靠前的应用程序；以及将该用户推荐应用关联表中的应用程序推荐给该用户终端。

本公开实施例的应用程序的推荐方法和***可以至少包括以下优点：

(1)本公开实施例的应用程序的推荐方法和***依靠运营商的技术优势，由网络侧获取终端应用的使用信息，无需终端额外安装应用信息获取/监测APP，方案推广难度比较小；运营商可获得全网数据，数据的获得基本不受终端局限。

(2)以一些维度的指标表征应用的使用情况，并将用户某一应用的使用情况与全网用户使用该应用的使用情况横向比较，更能准确地确定用户对该应用的偏爱程度，避免了现有技术中由各应用差异导致的仅根据某一用户的应用使用情况不能准确确认用户偏爱的应用类别的情况。

(3)本公开实施例的应用程序的推荐方法与现有技术的根据各类别下载或安装量来确定热门应用的方案不同，本公开实施例的技术方案以各用户推荐度相加的方式，确定某一应用的全网推荐度，即考虑了用户安装的多少，又考虑了各用户对其使用偏爱程度；已安装的应用程序可以不再推荐，应用推荐更精准，避免打扰用户。

图4是示意性地示出根据本公开另一些实施例的应用程序的推荐***的结构图。该推荐***包括存储器410和处理器420。其中：

存储器410可以是磁盘、闪存或其它任何非易失性存储介质。存储器用于存储图1所对应实施例中的指令。

处理器420耦接至存储器410，可以作为一个或多个集成电路来实施，例如微处理器或微控制器。该处理器420用于执行存储器中存储的指令，从而能够比较精准地向用户推荐应用程序。

在一个实施例中，还可以如图5所示，该推荐***500包括存储器510和处理器520。处理器520通过BUS总线530耦合至存储器510。该推荐***500还可以通过存储接口540连接至外部存储装置550以便调用外部数据，还可以通过网络接口560连接至网络或者另外一台计算机***(未标出)，此处不再进行详细介绍。

在该实施例中，通过存储器存储数据指令，再通过处理器处理上述指令，从而能够比较精准地向用户推荐应用程序。

在另一个实施例中，本公开还提供了一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现图1所对应实施例中的方法的步骤。本领域内的技术人员应明白，本公开的实施例可提供为方法、装置、或计算机程序产品。因此，本公开可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本公开可采用在一个或多个其中包含有计算机可用程序代码的计算机可用非瞬时性存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本公开是参照根据本公开实施例的方法、设备(***)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

至此，已经详细描述了本公开。为了避免遮蔽本公开的构思，没有描述本领域所公知的一些细节。本领域技术人员根据上面的描述，完全可以明白如何实施这里公开的技术方案。

可能以许多方式来实现本公开的方法和***。例如，可通过软件、硬件、固件或者软件、硬件、固件的任何组合来实现本公开的方法和***。用于所述方法的步骤的上述顺序仅是为了进行说明，本公开的方法的步骤不限于以上具体描述的顺序，除非以其它方式特别说明。

虽然已经通过示例对本公开的一些特定实施例进行了详细说明，但是本领域的技术人员应该理解，以上示例仅是为了进行说明，而不是为了限制本公开的范围。本领域的技术人员应该理解，可在不脱离本公开的范围和精神的情况下，对以上实施例进行修改。本公开的范围由所附权利要求来限定。

Claims (18)

1.一种应用程序的推荐方法，包括：

在网络侧获取网络数据包，对所述网络数据包进行解析，并计算得到多个用户终端的每个用户终端使用多个应用程序中的每个应用程序的时间间隔、次数和流量数值；

根据所述多个用户终端的每个用户终端使用所述多个应用程序中的每个应用程序的时间间隔、次数和流量数值计算得到每个所述用户终端使用每个所述应用程序的应用推荐度；

根据所述用户终端使用每个所述应用程序的应用推荐度确定该用户偏爱的应用类别；

根据所述多个用户终端的每个用户终端使用每个所述应用程序的应用推荐度计算得到每个所述应用程序的全网推荐度，并依据每个所述应用程序的全网推荐度，得到在所述应用类别下的应用程序的推荐度排序；以及

根据在所述应用类别下的应用程序的推荐度排序向所述用户终端推荐应用程序。

2.根据权利要求1所述的方法，其中，在网络侧获取网络数据包，对所述网络数据包进行解析，并计算得到多个用户终端的每个用户终端使用多个应用程序中的每个应用程序的所有时间间隔、次数和流量数值的步骤包括：

在网络侧获取用户终端的网络数据包，通过解析所述网络数据包，获得所述网络数据包的目的统一资源定位符URL、开始时间、结束时间、流量大小、业务类型编码、服务器网络协议IP地址以及应用特征信息；

根据所述目的URL、业务类型编码、服务器IP地址以及应用特征信息确定用户终端访问的应用程序或者该应用程序对应的功能；根据所述网络数据包的开始时间和结束时间获得访问所述应用程序的时间间隔和访问次数；以及根据所述流量大小获得使用的流量信息；以及

根据访问所述应用程序的时间间隔、访问次数和流量信息计算出所述用户终端使用所述应用程序的所有时间间隔、使用所述应用程序的次数和使用所述应用程序产生的流量数值。

3.根据权利要求1所述的方法，其中，

计算每个所述应用程序的应用推荐度R_i的公式为：

R_i＝W_uU′_IUF+W_fF′_IUF-W_iI′_IUF，

其中，U′_IUF为所述多个用户终端使用单个应用程序的次数的标准化值，F′_IUF为所述多个用户终端使用所述单个应用程序的流量数值的标准化值，I′_IUF为所述多个用户终端使用所述单个应用程序的时间间隔的标准化值，W_u为所述多个用户终端使用所述单个应用程序的次数的权重，W_f为所述多个用户终端使用所述单个应用程序的流量数值的权重，W_i为所述多个用户终端使用所述单个应用程序的时间间隔的权重。

4.根据权利要求3所述的方法，其中，

分别通过以下公式计算得到所述U′_IUF、所述F′_IUF和所述I′_IUF：

其中，U_i为每个所述用户终端使用所述单个应用程序的次数，F_i为每个所述用户终端使用所述单个应用程序消耗的流量数值，I_i为每个所述用户终端使用所述单个应用程序的时间间隔，N为使用所述单个应用程序的用户总数；为监测的所有用户终端使用所述单个应用程序的次数平均值，为监测的所有用户终端使用所述单个应用程序的流量数值平均值，为监测的所有用户终端使用所述单个应用程序的时间间隔平均值。

5.根据权利要求4所述的方法，其中，

分别通过以下公式计算得到所述所述和所述

其中，M为所监测的用户终端的数量。

6.根据权利要求1所述的方法，其中，根据所述用户终端使用每个所述应用程序的应用推荐度确定该用户偏爱的应用类别的步骤包括：

按照应用程序所属的应用类别，对用户终端使用的应用程序进行分类，并计算在每个应用类别下的应用程序的应用推荐度的和，得到应用类别推荐度，根据所述应用类别推荐度确定该用户所偏爱的应用类别。

7.根据权利要求1所述的方法，其中，根据所述多个用户终端的每个用户终端使用每个所述应用程序的应用推荐度计算得到所述应用程序的全网推荐度的步骤包括：

对于每个应用程序，计算所有用户终端使用该应用程序的应用推荐度的和，得到该应用程序的全网推荐度。

8.根据权利要求1所述的方法，其中，根据在所述应用类别下的应用程序的推荐度排序向所述用户终端推荐应用程序的步骤包括：

根据确定的用户所偏爱的应用类别，选择单个用户偏爱的应用类别中暂未使用过的应用程序，建立用户推荐应用关联表；其中，所述用户推荐应用关联表包含与所述用户终端对应的暂未使用过的全网推荐度排名靠前的应用程序；以及

将所述用户推荐应用关联表中的应用程序推荐给所述用户终端。

9.一种应用程序的推荐***，包括：

采集模块，用于在网络侧获取网络数据包；

识别模块，用于对所述网络数据包进行解析，并计算得到多个用户终端的每个用户终端使用多个应用程序中的每个应用程序的时间间隔、次数和流量数值；

推荐度运算模块，用于根据所述多个用户终端的每个用户终端使用所述多个应用程序中的每个应用程序的时间间隔、次数和流量数值计算得到每个所述用户终端使用每个所述应用程序的应用推荐度；

应用分类模块，用于根据所述用户终端使用每个所述应用程序的应用推荐度确定该用户偏爱的应用类别；

应用选择模块，用于根据所述多个用户终端的每个用户终端使用每个所述应用程序的应用推荐度计算得到每个所述应用程序的全网推荐度，并依据每个所述应用程序的全网推荐度，得到在所述应用类别下的应用程序的推荐度排序；以及

应用推送模块，用于根据在所述应用类别下的应用程序的推荐度排序向所述用户终端推荐应用程序。

10.根据权利要求9所述的***，其中，

所述采集模块用于在网络侧获取用户终端的网络数据包；

所述识别模块用于通过解析所述网络数据包，获得所述网络数据包的目的统一资源定位符URL、开始时间、结束时间、流量大小、业务类型编码、服务器网络协议IP地址以及应用特征信息；根据所述目的URL、业务类型编码、服务器IP地址以及应用特征信息确定用户终端访问的应用程序或者该应用程序对应的功能；根据所述网络数据包的开始时间和结束时间获得访问所述应用程序的时间间隔和访问次数；以及根据所述流量大小获得使用的流量信息；以及根据访问所述应用程序的时间间隔、访问次数和流量信息计算出所述用户终端使用所述应用程序的所有时间间隔、使用所述应用程序的次数和使用所述应用程序产生的流量数值。

11.根据权利要求9所述的***，其中，

所述推荐度运算模块计算每个所述应用程序的应用推荐度R_i的公式为：

R_i＝W_uU′_IUF+W_fF′_IUF-W_iI′_IUF，

其中，U′_IUF为所述多个用户终端使用单个应用程序的次数的标准化值，F′_IUF为所述多个用户终端使用所述单个应用程序的流量数值的标准化值，I′_IUF为所述多个用户终端使用所述单个应用程序的时间间隔的标准化值，W_u为所述多个用户终端使用所述单个应用程序的次数的权重，W_f为所述多个用户终端使用所述单个应用程序的流量数值的权重，W_i为所述多个用户终端使用所述单个应用程序的时间间隔的权重。

12.根据权利要求11所述的***，其中，

所述推荐度运算模块分别通过以下公式计算得到所述U′_IUF、所述F′_IUF和所述I′_IUF：

其中，U_i为每个所述用户终端使用所述单个应用程序的次数，F_i为每个所述用户终端使用所述单个应用程序消耗的流量数值，I_i为每个所述用户终端使用所述单个应用程序的时间间隔，N为使用所述单个应用程序的用户总数；为监测的所有用户终端使用所述单个应用程序的次数平均值，为监测的所有用户终端使用所述单个应用程序的流量数值平均值，为监测的所有用户终端使用所述单个应用程序的时间间隔平均值。

13.根据权利要求12所述的***，其中，

所述推荐度运算模块分别通过以下公式计算得到所述所述和所述

其中，M为所监测的用户终端的数量。

14.根据权利要求9所述的***，其中，

所述应用分类模块用于按照应用程序所属的应用类别，对用户终端使用的应用程序进行分类，并计算在每个应用类别下的应用程序的应用推荐度的和，得到应用类别推荐度，根据所述应用类别推荐度确定该用户所偏爱的应用类别。

15.根据权利要求9所述的***，其中，

所述应用选择模块用于对于每个应用程序，计算所有用户终端使用该应用程序的应用推荐度的和，得到该应用程序的全网推荐度。

16.根据权利要求9所述的***，其中，

所述应用推送模块用于根据确定的用户所偏爱的应用类别，选择单个用户偏爱的应用类别中暂未使用过的应用程序，建立用户推荐应用关联表；其中，所述用户推荐应用关联表包含与所述用户终端对应的暂未使用过的全网推荐度排名靠前的应用程序；以及将所述用户推荐应用关联表中的应用程序推荐给所述用户终端。

17.一种应用程序的推荐***，包括：

存储器；以及

耦接至所述存储器的处理器，所述处理器被配置为基于存储在所述存储器的指令执行如权利要求1至8任意一项所述的方法。

18.一种计算机可读存储介质，其上存储有计算机程序指令，该指令被处理器执行时实现如权利要求1至8任意一项所述的方法的步骤。