專利名稱：一種應(yīng)用自動推薦的方法及裝置的制作方法
技術(shù)領(lǐng)域：
本申請涉及信息處理技術(shù)領(lǐng)域，特別是涉及ー種應(yīng)用自動推薦的方法和一種應(yīng)用自動推薦的裝置。
背景技術(shù)：
互聯(lián)網(wǎng)是人們獲取信息的ー個(gè)重要途徑，傳統(tǒng)互聯(lián)網(wǎng)的主要特點(diǎn)在于用戶尋找自己感興趣的事物吋，需要通過瀏覽器進(jìn)行大量的捜索，同時(shí)需要人工地過濾掉大量不相關(guān)的結(jié)果，操作繁瑣，且耗費(fèi)時(shí)間和精力。隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，人們對各種網(wǎng)絡(luò)應(yīng)用(Application)的需求也越來越廣泛，但隨著需求的増加，人們在終端客戶機(jī)中安裝的終端應(yīng)用也越來越多，各種應(yīng)用在客戶端的部署越來越臃腫龐大，這不但造成對終端資源的浪費(fèi)，而且也不便于管理。即使采用客戶端-服務(wù)器架構(gòu)進(jìn)行部署管理，服務(wù)器端在完成客戶端的部署后也缺乏對后續(xù)使用的管理能力。盡管現(xiàn)在出現(xiàn)了所謂“瘦客戶端(Thin Client) ”的概念，瘦客戶端將其鼠標(biāo)、鍵盤等輸入傳送到服務(wù)器處理，服務(wù)器再把處理結(jié)果回傳至客戶端顯示。但這種處理模式受制于網(wǎng)絡(luò)傳輸速度，以及服務(wù)器的處理能力等限制，因此，更多的是應(yīng)用于企業(yè)級的商用局域網(wǎng)中，目前還不適合普通用戶的娛樂需求。為使用戶獲得更好的使用體驗(yàn)，現(xiàn)有技術(shù)提出了為用戶提供感興趣的應(yīng)用自動推薦的方案，即通過獲知用戶的興趣所在，主動為其推薦、提供其感興趣的應(yīng)用。然而，這種應(yīng)用推薦的方式，主要都是通過編輯人員手工推薦的，這種編輯人員手工推薦的方式，主要存在以下缺陷1、效率過低，對于應(yīng)用的推薦覆蓋率太低，例如，對于平臺上數(shù)十萬的應(yīng)用，每天采用人工推薦，也只能推薦幾百個(gè)。如若想推薦全部應(yīng)用實(shí)際上無法實(shí)現(xiàn)，而且覆蓋率太低，因?yàn)樗急壤汀?、這種推薦完全是基于編輯人員的統(tǒng)一推薦原則進(jìn)行，對于每個(gè)用戶都一祥，無法滿足用戶個(gè)性化的需求。因?yàn)橛行┩扑]的應(yīng)用對于某些用戶而言是合適的，而對于某些用戶卻是不喜歡的。因此，目前需要本領(lǐng)域技術(shù)人員迫切解決的ー個(gè)技術(shù)問題就是提出一種應(yīng)用自動推薦的機(jī)制，以滿足用戶的個(gè)性化需求，并提高推薦效率和覆蓋率。

發(fā)明內(nèi)容
本申請所要解決的技術(shù)問題是提供ー種應(yīng)用自動推薦的方法，用以滿足用戶的個(gè)性化需求，并提高推薦效率和覆蓋率。本申請還提供了一種應(yīng)用自動推薦的裝置，用以保證上述方法在實(shí)際中的應(yīng)用及實(shí)現(xiàn)。為了解決上述問題，本申請實(shí)施例公開了ー種應(yīng)用自動推薦的方法，包括
接收用戶從客戶端提交的應(yīng)用獲取請求，所述應(yīng)用獲取請求中包括用戶標(biāo)識；根據(jù)所述用戶標(biāo)識從用戶特征庫中提取相應(yīng)用戶已有的用戶行為信息，所述用戶行為信息包括用戶針對在先推薦應(yīng)用的操作信息；根據(jù)所述用戶行為信息確定向用戶推薦的應(yīng)用類別；在所述應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)用戶針對在先推薦應(yīng)用的操作信息提取匹配的應(yīng)用；按所述應(yīng)用類別生成對應(yīng)的應(yīng)用文件夾，將所述匹配的應(yīng)用放入對應(yīng)的應(yīng)用文件夾中進(jìn)行推薦。優(yōu)選的是，所述的方法，還可以包括采集提交所述應(yīng)用獲取請求后的用戶行為信息，按用戶標(biāo)識寫入用戶特征庫中。優(yōu)選的是，所述用戶行為信息還包括用戶的本地操作行為信息，和/或，用戶的網(wǎng)上操作行為信息；所述根據(jù)用戶行為信息確定向用戶推薦的應(yīng)用類別的步驟可以包括從所述用戶的本地操作行為信息和/或網(wǎng)上操作行為信息中，提取分類標(biāo)簽和對應(yīng)的第一操作頻次；將所述分類標(biāo)簽按預(yù)設(shè)的關(guān)聯(lián)規(guī)則轉(zhuǎn)換為對應(yīng)的應(yīng)用類別；所述預(yù)設(shè)的關(guān)聯(lián)規(guī)則為分類標(biāo)簽及應(yīng)用類別的轉(zhuǎn)換規(guī)則；從所述用戶針對在先推薦應(yīng)用的操作信息中，提取用戶在預(yù)設(shè)時(shí)間段內(nèi)所操作的應(yīng)用信息及對應(yīng)的第二操作頻次，所述應(yīng)用信息中包括應(yīng)用類別；根據(jù)所述第一操作頻次和第二操作頻次計(jì)算各應(yīng)用類別的權(quán)重，按所述應(yīng)用類別的權(quán)重從高到低進(jìn)行排序；提取預(yù)設(shè)數(shù)量的前η個(gè)應(yīng)用類別為向用戶推薦的應(yīng)用類別；其中，所述η為大于1 的正整數(shù)。優(yōu)選的是，通過以下步驟可以生成某個(gè)應(yīng)用類別的應(yīng)用數(shù)據(jù)集獲取同一應(yīng)用類別的應(yīng)用，所述應(yīng)用具有分類標(biāo)簽；在所述應(yīng)用中確定主應(yīng)用及待推薦應(yīng)用，井根據(jù)各應(yīng)用的分類標(biāo)簽計(jì)算待推薦應(yīng)用與主應(yīng)用的相似度；獲取所述待推薦應(yīng)用的質(zhì)量評分參數(shù)；分別提取同一主應(yīng)用所對應(yīng)的待推薦應(yīng)用，按各待推薦應(yīng)用的相似度和質(zhì)量評分參數(shù)從高到低進(jìn)行排序，并提取預(yù)設(shè)數(shù)量前m個(gè)的待推薦應(yīng)用；其中，所述m為大于1的正整數(shù)；將主應(yīng)用及所提取的對應(yīng)待推薦應(yīng)用組成當(dāng)前應(yīng)用類別的應(yīng)用數(shù)據(jù)集。優(yōu)選的是，所述在應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)用戶針對在先推薦應(yīng)用的操作信息提取匹配的應(yīng)用的步驟可以包括根據(jù)用戶針對在先推薦應(yīng)用的操作信息，統(tǒng)計(jì)主應(yīng)用及對應(yīng)的第三操作頻次，所述主應(yīng)用為用戶所操作的應(yīng)用；在對應(yīng)應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)所述主應(yīng)用提取匹配的待推薦應(yīng)用，并在所述匹配的待推薦應(yīng)用中，將所述第三操作頻次作為應(yīng)用提取的權(quán)重分別提取一定數(shù)量的待推薦應(yīng)用，總共提取滿足第一預(yù)設(shè)數(shù)量的待推薦應(yīng)用。
優(yōu)選的是，所述在應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)用戶針對在先推薦應(yīng)用的操作信息提取匹配的應(yīng)用的步驟還可以包括獲取主應(yīng)用對應(yīng)的應(yīng)用類別，在同一應(yīng)用類別內(nèi)，按所述第三操作頻次對所述主應(yīng)用進(jìn)行排序，提取預(yù)設(shè)數(shù)量的前k個(gè)主應(yīng)用；其中，所述k為大于1的正整數(shù)；將所提取的主應(yīng)用兩兩配對，計(jì)算所述兩兩配對的主應(yīng)用同時(shí)出現(xiàn)的總次數(shù)，生成頻繁2項(xiàng)集；計(jì)算每個(gè)主應(yīng)用単獨(dú)出現(xiàn)的次數(shù)，生成頻繁1項(xiàng)集；根據(jù)所述頻繁2項(xiàng)集和頻繁1項(xiàng)集計(jì)算各主應(yīng)用的置信度，并按置信度對主應(yīng)用進(jìn)行排序；將所提取的滿足第一預(yù)設(shè)數(shù)量的待推薦應(yīng)用，以及，所述按置信度排序的主應(yīng)用進(jìn)行匹配，生成最終推薦的匹配應(yīng)用。本申請實(shí)施例同時(shí)公開了一種應(yīng)用自動推薦的裝置，包括請求接收模塊，用于接收用戶從客戶端提交的應(yīng)用獲取請求，所述應(yīng)用獲取請求中包括用戶標(biāo)識；在先行為信息提取模塊，用于根據(jù)所述用戶標(biāo)識從用戶特征庫中提取相應(yīng)用戶已有的用戶行為信息，所述用戶行為信息包括用戶針對在先推薦應(yīng)用的操作信息；應(yīng)用類別確定模塊，用于根據(jù)所述用戶行為信息確定向用戶推薦的應(yīng)用類別；匹配應(yīng)用獲取模塊，用于在所述應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)用戶針對在先推薦應(yīng)用的操作信息提取匹配的應(yīng)用；應(yīng)用推薦模塊，用于按所述應(yīng)用類別生成對應(yīng)的應(yīng)用文件夾，將所述匹配的應(yīng)用放入對應(yīng)的應(yīng)用文件夾中進(jìn)行推薦。優(yōu)選的是，所述的裝置，還包括行為統(tǒng)計(jì)模塊，用于采集提交所述應(yīng)用獲取請求后的用戶行為信息，按用戶標(biāo)識寫入用戶特征庫中。優(yōu)選的是，所述用戶行為信息還包括用戶的本地操作行為信息，和/或，用戶的網(wǎng)上操作行為信息；所述應(yīng)用類別確定模塊可以包括第一特征提取子模塊，用于從所述用戶的本地操作行為信息和/或網(wǎng)上操作行為信息中，提取分類標(biāo)簽和對應(yīng)的第一操作頻次；轉(zhuǎn)換子模塊，用于將所述分類標(biāo)簽按預(yù)設(shè)的關(guān)聯(lián)規(guī)則轉(zhuǎn)換為對應(yīng)的應(yīng)用類別；所述預(yù)設(shè)的關(guān)聯(lián)規(guī)則為分類標(biāo)簽及應(yīng)用類別的轉(zhuǎn)換規(guī)則；第二特征提取子模塊，用于從所述用戶針對在先推薦應(yīng)用的操作信息中，提取用戶在預(yù)設(shè)時(shí)間段內(nèi)所操作的應(yīng)用信息及對應(yīng)的第二操作頻次，所述應(yīng)用信息中包括應(yīng)用類別；排序子模塊，用于根據(jù)所述第一操作頻次和第二操作頻次計(jì)算各應(yīng)用類別的權(quán)重，按所述應(yīng)用類別的權(quán)重從高到低進(jìn)行排序；類別選定子模塊，用于提取預(yù)設(shè)數(shù)量的前η個(gè)應(yīng)用類別為向用戶推薦的應(yīng)用類別；其中，所述η為大于1的正整數(shù)。優(yōu)選的是，所述的裝置，還可以包括
應(yīng)用數(shù)據(jù)集生成模塊，用于生成各個(gè)應(yīng)用類別的應(yīng)用數(shù)據(jù)集具體包括同類應(yīng)用獲取子模塊，用于獲取同一應(yīng)用類別的應(yīng)用，所述應(yīng)用具有分類標(biāo)簽；相似度計(jì)算子模塊，用于在所述應(yīng)用中確定主應(yīng)用及待推薦應(yīng)用，并根據(jù)各應(yīng)用的分類標(biāo)簽計(jì)算待推薦應(yīng)用與主應(yīng)用的相似度；質(zhì)量評分參數(shù)獲取子模塊，用于獲取所述待推薦應(yīng)用的質(zhì)量評分參數(shù)；待推薦應(yīng)用提取子模塊，用于分別提取同一主應(yīng)用所對應(yīng)的待推薦應(yīng)用，按各待推薦應(yīng)用的相似度和質(zhì)量評分參數(shù)從高到低進(jìn)行排序，并提取預(yù)設(shè)數(shù)量前m個(gè)的待推薦應(yīng)用；其中，所述m為大于1的正整數(shù)；應(yīng)用數(shù)據(jù)集形成子模塊，用于將主應(yīng)用及所提取的對應(yīng)待推薦應(yīng)用組成當(dāng)前應(yīng)用類別的應(yīng)用數(shù)據(jù)集。優(yōu)選的是，所述匹配應(yīng)用獲取模塊可以包括主應(yīng)用統(tǒng)計(jì)子模塊，用于根據(jù)用戶針對在先推薦應(yīng)用的操作信息，統(tǒng)計(jì)主應(yīng)用及對應(yīng)的第三操作頻次，所述主應(yīng)用為用戶所操作的應(yīng)用；待推薦應(yīng)用確定子模塊，用于在對應(yīng)應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)所述主應(yīng)用提取匹配的待推薦應(yīng)用，并在所述匹配的待推薦應(yīng)用中，將所述第三操作頻次作為應(yīng)用提取的權(quán)重分別提取一定數(shù)量的待推薦應(yīng)用，總共提取滿足第一預(yù)設(shè)數(shù)量的待推薦應(yīng)用。優(yōu)選的是，所述匹配應(yīng)用獲取模塊還可以包括主應(yīng)用選取子模塊，用于獲取主應(yīng)用對應(yīng)的應(yīng)用類別，在同一應(yīng)用類別內(nèi)，按所述第三操作頻次對所述主應(yīng)用進(jìn)行排序，提取預(yù)設(shè)數(shù)量的前k個(gè)主應(yīng)用；其中，所述k為大于1的正整數(shù)；頻繁2項(xiàng)集計(jì)算子模塊，用于將所提取的主應(yīng)用兩兩配對，計(jì)算所述兩兩配對的主應(yīng)用同時(shí)出現(xiàn)的總次數(shù)，生成頻繁2項(xiàng)集；頻繁1項(xiàng)集計(jì)算子模塊，用于計(jì)算每個(gè)主應(yīng)用單獨(dú)出現(xiàn)的次數(shù)，生成頻繁1項(xiàng)集；置信度計(jì)算子模塊，用于根據(jù)所述頻繁2項(xiàng)集和頻繁1項(xiàng)集計(jì)算各主應(yīng)用的置信度，并按置信度對主應(yīng)用進(jìn)行排序；匹配應(yīng)用確定子模塊，用于將所提取的滿足第一預(yù)設(shè)數(shù)量的待推薦應(yīng)用，以及，所述按置信度排序的主應(yīng)用進(jìn)行匹配，生成最終推薦的匹配應(yīng)用。與現(xiàn)有技術(shù)相比，本申請具有以下優(yōu)點(diǎn)本申請基于已向用戶推薦過的應(yīng)用，分析用戶針對所述在先推薦應(yīng)用的操作信息，結(jié)合用戶的網(wǎng)上操作行為信息和/或本地操作行為信息，確定用戶行為信息所偏好的應(yīng)用類別，然后在對應(yīng)應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)上述用戶針對所述在先推薦應(yīng)用的操作信息，結(jié)合用戶的網(wǎng)上操作行為信息和/或本地操作行為信息，提取最符合用戶興趣的應(yīng)用，將這些應(yīng)用放入對應(yīng)應(yīng)用類別的文件夾中進(jìn)行推薦，從而在應(yīng)用和用戶之間建立聯(lián)系，充分滿足了用戶的個(gè)性化需求，并有效提高了應(yīng)用的推薦效率和覆蓋率。再者，本申請以用戶界面作為入口，直接在界面上或通過界面上的鏈接通過應(yīng)用文件夾圖標(biāo)向用戶推薦應(yīng)用，以便用戶更快更容易的獲取所需的應(yīng)用，方便了用戶操作；并且，通過圖標(biāo)作為應(yīng)用入口的方式可以提示用戶對該應(yīng)用的使用，但在用戶真正選擇使用之前，并不實(shí)際安裝該應(yīng)用對應(yīng)的配置文件，這樣，可以在使用前并不過多占用客戶端資源。此外，用戶界面中的圖標(biāo)可以由網(wǎng)絡(luò)側(cè)中心服務(wù)器集中部署或推送，這就防止了惡意程序在界面中隨意添加惡意圖標(biāo)，進(jìn)一步提高了安全性。


圖1是本申請的一種應(yīng)用自動推薦的方法實(shí)施例的步驟流程圖；圖2是本申請的一種應(yīng)用自動推薦的裝置實(shí)施例的結(jié)構(gòu)框圖。
具體實(shí)施例方式為使本申請的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖和具體實(shí)施方式
對本申請作進(jìn)一步詳細(xì)的說明。本申請實(shí)施例的核心構(gòu)思在于，基于已向用戶推薦過的應(yīng)用，分析用戶針對所述在先推薦應(yīng)用的操作信息，結(jié)合用戶的網(wǎng)上操作行為信息和/或本地操作行為信息，確定用戶行為信息所偏好的應(yīng)用類別，然后在對應(yīng)應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)上述用戶針對所述在先推薦應(yīng)用的操作信息，結(jié)合用戶的網(wǎng)上操作行為信息和/或本地操作行為信息，提取最符合用戶興趣的應(yīng)用，將這些應(yīng)用放入對應(yīng)應(yīng)用類別的文件夾中進(jìn)行推薦，從而在應(yīng)用和用戶之間建立聯(lián)系。參照圖1，其示出了本申請的一種應(yīng)用自動推薦的方法實(shí)施例的步驟流程圖，具體可以包括如下步驟步驟101、接收用戶從客戶端提交的應(yīng)用獲取請求，所述應(yīng)用獲取請求中包括用戶標(biāo)識；在具體實(shí)現(xiàn)中，用戶啟動客戶端可觸發(fā)應(yīng)用獲取請求，用戶也可以手動觸發(fā)應(yīng)用獲取請求，本申請對此不作限制。步驟102、根據(jù)所述用戶標(biāo)識從用戶特征庫中提取相應(yīng)用戶已有的用戶行為信息，所述用戶行為信息包括用戶針對在先推薦應(yīng)用的操作信息；所述用戶特征庫中可以記錄如下信息用戶標(biāo)識Mid，用戶行為信息的分類標(biāo)簽tag,以及，對應(yīng)的操作頻次weight。在本申請的一種優(yōu)選實(shí)施例中，所述用戶的行為信息可以包括用戶的本地操作行為信息，和/或，用戶的網(wǎng)上操作行為信息，以及，用戶針對在先推薦應(yīng)用的操作信息。所述用戶的本地操作行為信息和網(wǎng)上操作行為信息通常會帶有分類標(biāo)簽(tag)信息，例如，對于用戶在本地操作所打開的視頻，帶有火影忍者、動漫、連續(xù)劇、幻想、冒險(xiǎn)、岸本齊史等分類標(biāo)簽信息；或如，對于用戶在網(wǎng)上所訪問的網(wǎng)址，帶有視頻、電影、喜劇電影、喜劇之王等分類標(biāo)簽信息。所述應(yīng)用也具有應(yīng)用類別和分類標(biāo)簽的信息。所述用戶的本地操作行為信息和網(wǎng)上操作行為信息可以由安裝在用戶設(shè)備上的客戶端軟件進(jìn)行采集，其中，所述用戶設(shè)備可以包括計(jì)算機(jī)、筆記本電腦、手機(jī)、PDA、平板電腦等各類智能終端。以下提供幾種采集用戶的本地操作行為信息，和/或，用戶的網(wǎng)上操作行為信息的示例例1，通過瀏覽器采集用戶一段時(shí)間內(nèi)的網(wǎng)上操作行為信息，包括訪問的網(wǎng)址及相應(yīng)的訪問次數(shù)等；如通過瀏覽器采集用戶15天內(nèi)的網(wǎng)上操作行為信息為
權(quán)利要求
1.ー種應(yīng)用自動推薦的方法，其特征在干，包括接收用戶從客戶端提交的應(yīng)用獲取請求，所述應(yīng)用獲取請求中包括用戶標(biāo)識； 根據(jù)所述用戶標(biāo)識從用戶特征庫中提取相應(yīng)用戶已有的用戶行為信息，所述用戶行為信息包括用戶針對在先推薦應(yīng)用的操作信息；根據(jù)所述用戶行為信息確定向用戶推薦的應(yīng)用類別；在所述應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)用戶針對在先推薦應(yīng)用的操作信息提取匹配的應(yīng)用；按所述應(yīng)用類別生成對應(yīng)的應(yīng)用文件夾，將所述匹配的應(yīng)用放入對應(yīng)的應(yīng)用文件夾中進(jìn)行推薦。
2.如權(quán)利要求1所述的方法，其特征在于，還包括采集提交所述應(yīng)用獲取請求后的用戶行為信息，按用戶標(biāo)識寫入用戶特征庫中。
3.如權(quán)利要求1所述的方法，其特征在干，所述用戶行為信息還包括用戶的本地操作行為信息，和/或，用戶的網(wǎng)上操作行為信息；所述根據(jù)用戶行為信息確定向用戶推薦的應(yīng)用類別的步驟包括 從所述用戶的本地操作行為信息和/或網(wǎng)上操作行為信息中，提取分類標(biāo)簽和對應(yīng)的第一操作頻次；將所述分類標(biāo)簽按預(yù)設(shè)的關(guān)聯(lián)規(guī)則轉(zhuǎn)換為對應(yīng)的應(yīng)用類別；所述預(yù)設(shè)的關(guān)聯(lián)規(guī)則為分類標(biāo)簽及應(yīng)用類別的轉(zhuǎn)換規(guī)則；從所述用戶針對在先推薦應(yīng)用的操作信息中，提取用戶在預(yù)設(shè)時(shí)間段內(nèi)所操作的應(yīng)用信息及對應(yīng)的第二操作頻次，所述應(yīng)用信息中包括應(yīng)用類別；根據(jù)所述第一操作頻次和第二操作頻次計(jì)算各應(yīng)用類別的權(quán)重，按所述應(yīng)用類別的權(quán)重從高到低進(jìn)行排序；提取預(yù)設(shè)數(shù)量的前η個(gè)應(yīng)用類別為向用戶推薦的應(yīng)用類別；其中，所述η為大于1的正整數(shù)。
4.如權(quán)利要求3所述的方法，其特征在干，通過以下步驟生成某個(gè)應(yīng)用類別的應(yīng)用數(shù)據(jù)集獲取同一應(yīng)用類別的應(yīng)用，所述應(yīng)用具有分類標(biāo)簽；在所述應(yīng)用中確定主應(yīng)用及待推薦應(yīng)用，井根據(jù)各應(yīng)用的分類標(biāo)簽計(jì)算待推薦應(yīng)用與主應(yīng)用的相似度；獲取所述待推薦應(yīng)用的質(zhì)量評分參數(shù)；分別提取同一主應(yīng)用所對應(yīng)的待推薦應(yīng)用，按各待推薦應(yīng)用的相似度和質(zhì)量評分參數(shù)從高到低進(jìn)行排序，并提取預(yù)設(shè)數(shù)量前m個(gè)的待推薦應(yīng)用；其中，所述m為大于1的正整數(shù)； 將主應(yīng)用及所提取的對應(yīng)待推薦應(yīng)用組成當(dāng)前應(yīng)用類別的應(yīng)用數(shù)據(jù)集。
5.如權(quán)利要求4所述的方法，其特征在干，所述在應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)用戶針對在先推薦應(yīng)用的操作信息提取匹配的應(yīng)用的步驟包括根據(jù)用戶針對在先推薦應(yīng)用的操作信息，統(tǒng)計(jì)主應(yīng)用及對應(yīng)的第三操作頻次，所述主應(yīng)用為用戶所操作的應(yīng)用；在對應(yīng)應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)所述主應(yīng)用提取匹配的待推薦應(yīng)用，并在所述匹配的待推薦應(yīng)用中，將所述第三操作頻次作為應(yīng)用提取的權(quán)重分別提取一定數(shù)量的待推薦應(yīng)用，總共提取滿足第一預(yù)設(shè)數(shù)量的待推薦應(yīng)用。
6.如權(quán)利要求5所述的方法，其特征在干，所述在應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)用戶針對在先推薦應(yīng)用的操作信息提取匹配的應(yīng)用的步驟還包括獲取主應(yīng)用對應(yīng)的應(yīng)用類別，在同一應(yīng)用類別內(nèi)，按所述第三操作頻次對所述主應(yīng)用進(jìn)行排序，提取預(yù)設(shè)數(shù)量的前k個(gè)主應(yīng)用；其中，所述k為大于1的正整數(shù)；將所提取的主應(yīng)用兩兩配對，計(jì)算所述兩兩配對的主應(yīng)用同時(shí)出現(xiàn)的總次數(shù)，生成頻繁2項(xiàng)集；計(jì)算每個(gè)主應(yīng)用単獨(dú)出現(xiàn)的次數(shù)，生成頻繁1項(xiàng)集；根據(jù)所述頻繁2項(xiàng)集和頻繁1項(xiàng)集計(jì)算各主應(yīng)用的置信度，并按置信度對主應(yīng)用進(jìn)行排序；將所提取的滿足第一預(yù)設(shè)數(shù)量的待推薦應(yīng)用，以及，所述按置信度排序的主應(yīng)用進(jìn)行匹配，生成最終推薦的匹配應(yīng)用。
7.ー種應(yīng)用自動推薦的裝置，其特征在干，包括請求接收模塊，用于接收用戶從客戶端提交的應(yīng)用獲取請求，所述應(yīng)用獲取請求中包括用戶標(biāo)識；在先行為信息提取模塊，用于根據(jù)所述用戶標(biāo)識從用戶特征庫中提取相應(yīng)用戶已有的用戶行為信息，所述用戶行為信息包括用戶針對在先推薦應(yīng)用的操作信息；應(yīng)用類別確定模塊，用于根據(jù)所述用戶行為信息確定向用戶推薦的應(yīng)用類別； 匹配應(yīng)用獲取模塊，用于在所述應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)用戶針對在先推薦應(yīng)用的操作信息提取匹配的應(yīng)用；應(yīng)用推薦模塊，用于按所述應(yīng)用類別生成對應(yīng)的應(yīng)用文件夾，將所述匹配的應(yīng)用放入對應(yīng)的應(yīng)用文件夾中進(jìn)行推薦。
8.如權(quán)利要求7所述的裝置，其特征在于，還包括行為統(tǒng)計(jì)模塊，用于采集提交所述應(yīng)用獲取請求后的用戶行為信息，按用戶標(biāo)識寫入用戶特征庫中。
9.如權(quán)利要求7所述的裝置，其特征在干，所述用戶行為信息還包括用戶的本地操作行為信息，和/或，用戶的網(wǎng)上操作行為信息；所述應(yīng)用類別確定模塊包括第一特征提取子模塊，用于從所述用戶的本地操作行為信息和/或網(wǎng)上操作行為信息中，提取分類標(biāo)簽和對應(yīng)的第一操作頻次；轉(zhuǎn)換子模塊，用于將所述分類標(biāo)簽按預(yù)設(shè)的關(guān)聯(lián)規(guī)則轉(zhuǎn)換為對應(yīng)的應(yīng)用類別；所述預(yù)設(shè)的關(guān)聯(lián)規(guī)則為分類標(biāo)簽及應(yīng)用類別的轉(zhuǎn)換規(guī)則；第二特征提取子模塊，用于從所述用戶針對在先推薦應(yīng)用的操作信息中，提取用戶在預(yù)設(shè)時(shí)間段內(nèi)所操作的應(yīng)用信息及對應(yīng)的第二操作頻次，所述應(yīng)用信息中包括應(yīng)用類別；排序子模塊，用于根據(jù)所述第一操作頻次和第二操作頻次計(jì)算各應(yīng)用類別的權(quán)重，按所述應(yīng)用類別的權(quán)重從高到低進(jìn)行排序；類別選定子模塊，用于提取預(yù)設(shè)數(shù)量的前η個(gè)應(yīng)用類別為向用戶推薦的應(yīng)用類別；其中，所述η為大于1的正整數(shù)。
10.如權(quán)利要求9所述的裝置，其特征在于，還包括應(yīng)用數(shù)據(jù)集生成模塊，用于生成各個(gè)應(yīng)用類別的應(yīng)用數(shù)據(jù)集具體包括 同類應(yīng)用獲取子模塊，用于獲取同一應(yīng)用類別的應(yīng)用，所述應(yīng)用具有分類標(biāo)簽； 相似度計(jì)算子模塊，用于在所述應(yīng)用中確定主應(yīng)用及待推薦應(yīng)用，井根據(jù)各應(yīng)用的分類標(biāo)簽計(jì)算待推薦應(yīng)用與主應(yīng)用的相似度；質(zhì)量評分參數(shù)獲取子模塊，用于獲取所述待推薦應(yīng)用的質(zhì)量評分參數(shù)； 待推薦應(yīng)用提取子模塊，用于分別提取同一主應(yīng)用所對應(yīng)的待推薦應(yīng)用，按各待推薦應(yīng)用的相似度和質(zhì)量評分參數(shù)從高到低進(jìn)行排序，并提取預(yù)設(shè)數(shù)量前m個(gè)的待推薦應(yīng)用； 其中，所述m為大于1的正整數(shù)；應(yīng)用數(shù)據(jù)集形成子模塊，用于將主應(yīng)用及所提取的對應(yīng)待推薦應(yīng)用組成當(dāng)前應(yīng)用類別的應(yīng)用數(shù)據(jù)集。
11.如權(quán)利要求10所述的裝置，其特征在干，所述匹配應(yīng)用獲取模塊包括主應(yīng)用統(tǒng)計(jì)子模塊，用于根據(jù)用戶針對在先推薦應(yīng)用的操作信息，統(tǒng)計(jì)主應(yīng)用及對應(yīng)的第三操作頻次，所述主應(yīng)用為用戶所操作的應(yīng)用；待推薦應(yīng)用確定子模塊，用于在對應(yīng)應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)所述主應(yīng)用提取匹配的待推薦應(yīng)用，并在所述匹配的待推薦應(yīng)用中，將所述第三操作頻次作為應(yīng)用提取的權(quán)重分別提取一定數(shù)量的待推薦應(yīng)用，總共提取滿足第一預(yù)設(shè)數(shù)量的待推薦應(yīng)用。
12.如權(quán)利要求11所述的裝置，其特征在干，所述匹配應(yīng)用獲取模塊還包括主應(yīng)用選取子模塊，用于獲取主應(yīng)用對應(yīng)的應(yīng)用類別，在同一應(yīng)用類別內(nèi)，按所述第三操作頻次對所述主應(yīng)用進(jìn)行排序，提取預(yù)設(shè)數(shù)量的前k個(gè)主應(yīng)用；其中，所述k為大于1的正整數(shù)；頻繁2項(xiàng)集計(jì)算子模塊，用于將所提取的主應(yīng)用兩兩配對，計(jì)算所述兩兩配對的主應(yīng)用同時(shí)出現(xiàn)的總次數(shù)，生成頻繁2項(xiàng)集；頻繁1項(xiàng)集計(jì)算子模塊，用于計(jì)算每個(gè)主應(yīng)用單獨(dú)出現(xiàn)的次數(shù)，生成頻繁1項(xiàng)集； 置信度計(jì)算子模塊，用于根據(jù)所述頻繁2項(xiàng)集和頻繁1項(xiàng)集計(jì)算各主應(yīng)用的置信度，并按置信度對主應(yīng)用進(jìn)行排序；匹配應(yīng)用確定子模塊，用于將所提取的滿足第一預(yù)設(shè)數(shù)量的待推薦應(yīng)用，以及，所述按置信度排序的主應(yīng)用進(jìn)行匹配，生成最終推薦的匹配應(yīng)用。
全文摘要
本申請?zhí)峁┝艘环N應(yīng)用自動推薦的方法和裝置，其中，所述方法包括接收用戶從客戶端提交的應(yīng)用獲取請求，所述應(yīng)用獲取請求中包括用戶標(biāo)識；根據(jù)所述用戶標(biāo)識從用戶特征庫中提取相應(yīng)用戶已有的用戶行為信息，所述用戶行為信息包括用戶針對在先推薦應(yīng)用的操作信息；根據(jù)所述用戶行為信息確定向用戶推薦的應(yīng)用類別；在所述應(yīng)用類別的應(yīng)用數(shù)據(jù)集中，根據(jù)用戶針對在先推薦應(yīng)用的操作信息提取匹配的應(yīng)用；按所述應(yīng)用類別生成對應(yīng)的應(yīng)用文件夾，將所述匹配的應(yīng)用放入對應(yīng)的應(yīng)用文件夾中進(jìn)行推薦。本申請能夠滿足用戶的個(gè)性化需求，并提高推薦效率和覆蓋率。
文檔編號G06F17/30GK102567511SQ201110444798
公開日2012年7月11日 申請日期2011年12月27日 優(yōu)先權(quán)日2011年12月27日
發(fā)明者葉松, 常富洋, 秦吉勝 申請人:奇智軟件(北京)有限公司