專利名稱：一種應(yīng)用推薦方法和系統(tǒng)的制作方法
技術(shù)領(lǐng)域：
本申請涉及網(wǎng)絡(luò)技術(shù)領(lǐng)域，特別是涉及一種應(yīng)用推薦方法，以及，一種應(yīng)用推薦裝置。
背景技術(shù)：
隨著人們對網(wǎng)絡(luò)應(yīng)用需求的不斷增加，個性化推薦服務(wù)已經(jīng)慢慢進(jìn)入人們的生活中，個性化推薦服務(wù)是指針對不同的來訪者進(jìn)行具有針對性的推薦。目前，許多新興網(wǎng)站紛紛采用個性化推薦服務(wù)去吸引消費(fèi)者的瀏覽，具體而言，通過對每個來訪者的訪問行為進(jìn)行分析，根據(jù)分析結(jié)果分別給予來訪者個性化的推薦。目前，比較常用的推薦方法主要包括以下兩種:1、基于內(nèi)容過濾方法(CB, Content-Based Filtering)該方法是根據(jù)目標(biāo)用戶(即視頻推薦的對象)的訪問數(shù)據(jù)來篩選與之相關(guān)的信息進(jìn)行推薦，例如，提取目標(biāo)用戶在過去瀏覽過的一些視頻的相關(guān)信息，根據(jù)相關(guān)信息篩選出一些視頻進(jìn)行推薦。2、協(xié)同過濾方法(COL, Collaborative Filtering)該方法是基于與目標(biāo)用戶具有相似興趣的其他用戶的偏好信息生成對目標(biāo)用戶的推薦，具體而言，查找與目標(biāo)用戶看過相似視頻的其他用戶，找出這些用戶看過的，而目標(biāo)用戶沒看過的候選視頻，依據(jù)與目標(biāo)用戶觀看視頻相似度較高的用戶對候選視頻的打分，或是依據(jù)與候選視頻相似度較高的視頻的打分，對各個候選視頻進(jìn)行打分，并對打分較高的候選視頻進(jìn)行推薦。以上背景技術(shù)中存在的問題是:采用內(nèi)容過濾方法時，由于部分視頻的相關(guān)信息比較有限，很難找到可以推薦的視頻；協(xié)同過濾方法不需要依據(jù)視頻的相關(guān)信息進(jìn)行判斷，可以解決內(nèi)容過濾方法的這些問題，但采用背景技術(shù)中的協(xié)同過濾方法，需要篩選出相似度較高的其他用戶或視頻，以預(yù)測候選視頻的打分，這些操作占用了大量的系統(tǒng)資源，并且，某些視頻可能沒有相關(guān)用戶的打分，無法進(jìn)一步預(yù)測該視頻的打分，使得這些視頻無法被推薦出去。

發(fā)明內(nèi)容
本申請實(shí)施例提供了一種應(yīng)用推薦方法，以減少應(yīng)用推薦時對系統(tǒng)資源的占用。本申請實(shí)施例還提供了一種應(yīng)用推薦裝置，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)施例公開了一種應(yīng)用推薦方法，包括:獲取多個參考用戶對預(yù)置的多個應(yīng)用的訪問行為數(shù)據(jù)，并按照所述訪問行為數(shù)據(jù)對所述多個參考用戶進(jìn)行分組，各個應(yīng)用具備相應(yīng)的應(yīng)用類別；按照目標(biāo)用戶對多個應(yīng)用的訪問行為數(shù)據(jù)，確定目標(biāo)用戶所屬分組，并統(tǒng)計(jì)目標(biāo)用戶對不同的應(yīng)用類別的訪問權(quán)重值，將訪問權(quán)重值滿足預(yù)設(shè)范圍的應(yīng)用類別作為興趣應(yīng)用類別；在目標(biāo)用戶所屬分組的各參考用戶所訪問的多個應(yīng)用中，提取屬于所述興趣應(yīng)用類別的應(yīng)用推薦給目標(biāo)用戶。優(yōu)選地，在目標(biāo)用戶所屬分組的各參考用戶所訪問的多個應(yīng)用中，提取所述興趣應(yīng)用類別的應(yīng)用推薦給目標(biāo)用戶之前，所述方法還包括:按照各參考用戶對多個應(yīng)用的訪問行為數(shù)據(jù)，統(tǒng)計(jì)各參考用戶對不同的應(yīng)用類別的訪問權(quán)重值，將訪問權(quán)重值滿足預(yù)設(shè)范圍的應(yīng)用類別作為興趣應(yīng)用類別；計(jì)算目標(biāo)用戶的興趣應(yīng)用類別，與所屬分組的各參考用戶的興趣應(yīng)用類別的相似度，并確定相似度大于預(yù)設(shè)值的參考用戶。優(yōu)選地，所述在目標(biāo)用戶所屬分組的各參考用戶所訪問的多個應(yīng)用中，提取屬于所述興趣應(yīng)用類別的應(yīng)用推薦給目標(biāo)用戶的步驟為:查找目標(biāo)用戶所屬分組的各參考用戶中，相似度大于預(yù)設(shè)值的參考用戶所訪問的多個應(yīng)用；在查找的多個應(yīng)用中，提取屬于所述興趣應(yīng)用類別的應(yīng)用推薦給目標(biāo)用戶。優(yōu)選地，所述參考用戶的劃分的多個分組按照所包含的參考用戶的訪問行為數(shù)據(jù)，分為高價值分組和低價值分組；針對所述低價值分組，還提取至少一個預(yù)設(shè)應(yīng)用類別的應(yīng)用與屬于所述興趣應(yīng)用類別的應(yīng)用，一同推薦給目標(biāo)用戶。優(yōu)選地，所述訪問行為數(shù)據(jù)中包括訪問時間和訪問應(yīng)用所屬的應(yīng)用類別，所述按照訪問行為數(shù)據(jù)對多個參考用戶進(jìn)行分組的步驟包括:針對各個參考用戶，按照訪問行為數(shù)據(jù)中所包含的訪問時間和訪問應(yīng)用所屬的應(yīng)用類別，計(jì)算距離當(dāng)前最近的訪問時間、訪問頻率和訪問應(yīng)用的個數(shù)；統(tǒng)計(jì)所有參考用戶的最近的訪問時間的平均值、訪問頻率的平均值，以及訪問應(yīng)用的個數(shù)的平均值；針對各個參考用戶，將最近的訪問時間、訪問頻率和訪問應(yīng)用的個數(shù)分別與對應(yīng)的平均值進(jìn)行比較，將按照三個數(shù)值的比較結(jié)果相同的參考用戶劃分到一個分組中。優(yōu)選地，所述按照目標(biāo)用戶對多個應(yīng)用的訪問行為數(shù)據(jù)，確定目標(biāo)用戶所屬分組的步驟包括:針對目標(biāo)用戶，按照訪問行為數(shù)據(jù)中所包含的應(yīng)用訪問時間和訪問應(yīng)用所屬的應(yīng)用類別，計(jì)算距離當(dāng)前最近的訪問時間、訪問頻率和訪問應(yīng)用的個數(shù)；將目標(biāo)用戶的最近的訪問時間、訪問頻率和訪問應(yīng)用的個數(shù)，分別與所有參考用戶的最近的訪問時間的平均值、訪問頻率的平均值和訪問應(yīng)用的個數(shù)的平均值進(jìn)行比較，將比較結(jié)果相同的分組作為目標(biāo)用戶所屬分組。 優(yōu)選地，所述統(tǒng)計(jì)目標(biāo)用戶對不同的應(yīng)用類別的訪問權(quán)重值，將訪問權(quán)重值滿足范圍的應(yīng)用類別作為興趣應(yīng)用類別的步驟包括:針對目標(biāo)用戶所訪問的每個應(yīng)用類別，按照預(yù)設(shè)算法和應(yīng)用類別的類別權(quán)重值，統(tǒng)計(jì)各應(yīng)用類別的訪問權(quán)重值；去除訪問權(quán)重值小于預(yù)設(shè)權(quán)重值的應(yīng)用類別，將任意兩個應(yīng)用類別組成二項(xiàng)類別；
按照所述預(yù)設(shè)算法和二項(xiàng)類別的類別權(quán)重值，統(tǒng)計(jì)所訪問的每個二項(xiàng)類別的訪問權(quán)重值；提取訪問權(quán)重值大于預(yù)設(shè)權(quán)重值的二項(xiàng)類別作為興趣應(yīng)用類別。優(yōu)選地，所述針對目標(biāo)用戶所訪問的每個應(yīng)用類別，按照預(yù)設(shè)算法和應(yīng)用類別的類別權(quán)重值，統(tǒng)計(jì)各應(yīng)用類別的訪問權(quán)重值的步驟包括:步驟11，針對目標(biāo)用戶的各應(yīng)用類別，提取距離當(dāng)前最近的jXN個訪問行為數(shù)據(jù)，j和N均為正整數(shù)，j的初始值為I ;步驟12，按照所述訪問行為數(shù)據(jù)確定對各應(yīng)用類別的訪問次數(shù)，按照預(yù)設(shè)算法和應(yīng)用類別的類別權(quán)重值Wj，更新各應(yīng)用類別的訪問權(quán)重值WSj，WSj的初始值為O ;步驟13，若所述類別權(quán)重值小于等于預(yù)設(shè)權(quán)重值或所述訪問行為數(shù)據(jù)已取完，則停止操作；若所述類別權(quán)重值大于預(yù)設(shè)權(quán)重值且所述訪問行為數(shù)據(jù)未取完，則令j = j+1,并返回步驟11。優(yōu)選地，所述按照預(yù)設(shè)算法和二項(xiàng)類別的類別權(quán)重值，統(tǒng)計(jì)所訪問的每個二項(xiàng)類別的訪問權(quán)重值的步驟包括:步驟21，針對目標(biāo)用戶的各二項(xiàng)類別，提取距離當(dāng)前最近的jXN個訪問行為數(shù)據(jù)，j和N均為正整數(shù)，j的初始值為I ;步驟22，按照所述訪問行為數(shù)據(jù)確定對各二項(xiàng)類別的訪問次數(shù)，按照預(yù)設(shè)算法和二項(xiàng)類別的類別權(quán)重值Wj,，更新各二項(xiàng)類別的訪問權(quán)重值WSj ,，WSj ,的初始值為O ;步驟23，若所述類別權(quán)重值小于等于預(yù)設(shè)權(quán)重值或所述訪問行為數(shù)據(jù)已取完，則停止操作；若所述類別權(quán)重值大于預(yù)設(shè)權(quán)重值且所述訪問行為數(shù)據(jù)未取完，則令j = j+1,并返回步驟21。優(yōu)選地，所述計(jì)算目標(biāo)用戶的興趣應(yīng)用類別，與所屬分組的各參考用戶的興趣應(yīng)用類別的相似度的步驟包括:針對所屬分組中的各參考用戶，按照目標(biāo)用戶的興趣應(yīng)用類別與參考用戶的興趣應(yīng)用類別分別建立對應(yīng)的規(guī)則向量；計(jì)算參考用戶的規(guī)則向量與參考用戶的規(guī)則向量的相似度，作為參考用戶與目標(biāo)用戶的興趣應(yīng)用類別的相似度。優(yōu)選地，在獲取多個參考用戶對預(yù)置的多個應(yīng)用的訪問行為數(shù)據(jù)的步驟之前，所述方法還包括:在參考用戶對預(yù)置的多個應(yīng)用進(jìn)行訪問時，記錄參考用戶的訪問行為數(shù)據(jù)。本發(fā)明實(shí)施例還提供了一種應(yīng)用推薦裝置，包括:數(shù)據(jù)獲取模塊，用于獲取多個參考用戶對預(yù)置的多個應(yīng)用的訪問行為數(shù)據(jù)；分組確定模塊，用于按照所述訪問行為數(shù)據(jù)對所述多個參考用戶進(jìn)行分組，并按照目標(biāo)用戶對多個應(yīng)用的訪問行為數(shù)據(jù)，確定目標(biāo)用戶所屬分組，各個應(yīng)用具備相應(yīng)的應(yīng)用類別；興趣應(yīng)用類別確定模塊，用于統(tǒng)計(jì)目標(biāo)用戶對不同的應(yīng)用類別的訪問權(quán)重值，將訪問權(quán)重值滿足預(yù)設(shè)范圍的應(yīng)用類別作為興趣應(yīng)用類別；應(yīng)用推薦模塊，用于在目標(biāo)用戶所屬分組的各參考用戶所訪問的多個應(yīng)用中，提取屬于所述興趣應(yīng)用類別的應(yīng)用推薦給目標(biāo)用戶。
與背景技術(shù)相比，本申請包括以下優(yōu)點(diǎn):相比于背景技術(shù)在對目標(biāo)用戶進(jìn)行推薦的時候，需要先篩選相似度高的參考用戶或應(yīng)用，本申請預(yù)先通過對多個參考用戶的訪問行為數(shù)據(jù)進(jìn)行分析，將參考用戶進(jìn)行分組，在針對目標(biāo)用戶進(jìn)行推薦時，只確定所屬的分組以及訪問權(quán)重較高的興趣應(yīng)用類別，然后在目標(biāo)用戶所屬分組的參考用戶所訪問的多個應(yīng)用中，提取符合興趣應(yīng)用類別的應(yīng)用推薦給用戶，大大簡化了推薦的步驟，減輕了對系統(tǒng)資源的占用。本申請?jiān)诖_定目標(biāo)用戶所屬分組后，還可以進(jìn)一步從所屬分組中，用相似向量矩陣計(jì)算用戶之間的相似度進(jìn)行相似聚集，進(jìn)一步篩選出與目標(biāo)用戶相似度較高的參考用戶，將這些用戶所訪問的應(yīng)用推薦給用戶，從而增加了應(yīng)用推薦的準(zhǔn)確性。本申請?jiān)诖_定用戶的興趣應(yīng)用類別時，權(quán)重增量挖掘方法加入到Apriori算法中，以增量增加觀看數(shù)據(jù)量的方式來挖掘最近興趣規(guī)則，而不需要將全部歷史數(shù)據(jù)做分析，這樣就可以節(jié)省計(jì)算成本、時間。本申請中，可以按照訪問行為數(shù)據(jù)將參考用戶分為高價值組和低價值組，對于低價值分組可以提取預(yù)設(shè)類別的應(yīng)用進(jìn)行推薦，同時，由于本申請?jiān)谶M(jìn)行應(yīng)用推薦時，無需用戶對應(yīng)用的打分，從而使得各個應(yīng)用都可能被推薦給用戶。當(dāng)然，實(shí)施本申請的任一產(chǎn)品不一定需要同時達(dá)到以上所述的所有優(yōu)點(diǎn)。


圖1是本申請實(shí)施例所述一種應(yīng)用推薦方法的流程圖；圖2是本申請實(shí)施例所述一種應(yīng)用推薦裝置的結(jié)構(gòu)框圖；圖3是本申請實(shí)施例中應(yīng)用推薦的過程示意圖。
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。網(wǎng)站在提供個性化推薦服務(wù)時，需要對當(dāng)前用戶的訪問行為進(jìn)行分析挖掘，通過數(shù)據(jù)挖掘的結(jié)果給用戶推薦一些感興趣的應(yīng)用，以此來提高用戶在網(wǎng)站上的觀看率。常用的推薦方法包括基于內(nèi)容過濾方法和協(xié)同過濾方法?；趦?nèi)容過濾方法是基于文件的關(guān)聯(lián)性進(jìn)行推薦，是對訪問數(shù)據(jù)的所包含的內(nèi)容信息的延伸，具體而言，根據(jù)當(dāng)前用戶的歷史信息(如評價、分享、收藏過的文檔)構(gòu)造用戶偏好文檔，計(jì)算推薦應(yīng)用與用戶偏好文檔的相似度，將最相似的應(yīng)用推薦給當(dāng)前用戶。例如，在電影推薦中，首先分析當(dāng)前用戶已經(jīng)看過的打分比較高的電影的共性(演員、導(dǎo)演、風(fēng)格等)，再推薦與這些用戶感興趣的電影內(nèi)容相似度高的其他電影。協(xié)同過濾方法是基于用戶間的關(guān)聯(lián)性進(jìn)行的推薦，是一種基于一組興趣相同的用戶或應(yīng)用進(jìn)行的推薦，它根據(jù)鄰居用戶(與目標(biāo)用戶興趣相似的用戶)的偏好信息產(chǎn)生對目標(biāo)用戶的推薦列表。主要分為基于用戶的協(xié)同過濾方法和基于應(yīng)用的協(xié)同過濾方法?；谟脩舻?User based)協(xié)同過濾方法基于這樣一個假設(shè):如果一些用戶對某一類應(yīng)用的打分比較接近，則他們對其它類應(yīng)用的打分也比較接近。首先搜索與用戶觀看過相似視頻的相似用戶，依據(jù)相似用戶和當(dāng)前用戶對共同觀看過的視頻的打分，篩選出一些打分相似度比較高的相似用戶；然后將這些用戶看過的視頻而訪問者沒有看過的視頻作為指定視頻，依據(jù)這些相似用戶對指定視頻的評分，預(yù)測當(dāng)前用戶對該指定視頻的打分，將指定視頻和打分情況反饋給當(dāng)前用戶?；谟脩舻膮f(xié)同過濾方法的主要工作內(nèi)容是用戶或應(yīng)用的相似性度量和預(yù)測評分?；趹?yīng)用的(Item based)協(xié)同過濾方法基于這樣一個假設(shè):如果大部分用戶對某些項(xiàng)目的打分比較相近，則當(dāng)前用戶對這些項(xiàng)的打分也會比較接近。首先依據(jù)各個用戶分別對各個視頻的打分，計(jì)算視頻與視頻之間的相似性，搜索目標(biāo)應(yīng)用的最近的應(yīng)用，然后根據(jù)用戶對目標(biāo)應(yīng)用的最近鄰居的評分信息預(yù)測目標(biāo)應(yīng)用的評分，最后產(chǎn)生前N個推薦信
息O 參見下表1，給出了基于內(nèi)容過濾方法和協(xié)同過濾方法比較:
權(quán)利要求
1.一種應(yīng)用推薦方法，其特征在于，包括: 獲取多個參考用戶對預(yù)置的多個應(yīng)用的訪問行為數(shù)據(jù)，并按照所述訪問行為數(shù)據(jù)對所述多個參考用戶進(jìn)行分組，各個應(yīng)用具備相應(yīng)的應(yīng)用類別； 按照目標(biāo)用戶對多個應(yīng)用的訪問行為數(shù)據(jù)，確定目標(biāo)用戶所屬分組，并統(tǒng)計(jì)目標(biāo)用戶對不同的應(yīng)用類別的訪問權(quán)重值，將訪問權(quán)重值滿足預(yù)設(shè)范圍的應(yīng)用類別作為興趣應(yīng)用類別； 在目標(biāo)用戶 所屬分組的各參考用戶所訪問的多個應(yīng)用中，提取屬于所述興趣應(yīng)用類別的應(yīng)用推薦給目標(biāo)用戶。
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，在目標(biāo)用戶所屬分組的各參考用戶所訪問的多個應(yīng)用中，提取所述興趣應(yīng)用類別的應(yīng)用推薦給目標(biāo)用戶之前，所述方法還包括: 按照各參考用戶對多個應(yīng)用的訪問行為數(shù)據(jù)，統(tǒng)計(jì)各參考用戶對不同的應(yīng)用類別的訪問權(quán)重值，將訪問權(quán)重值滿足預(yù)設(shè)范圍的應(yīng)用類別作為興趣應(yīng)用類別； 計(jì)算目標(biāo)用戶的興趣應(yīng)用類別，與所屬分組的各參考用戶的興趣應(yīng)用類別的相似度，并確定相似度大于預(yù)設(shè)值的參考用戶。
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述在目標(biāo)用戶所屬分組的各參考用戶所訪問的多個應(yīng)用中，提取屬于所述興趣應(yīng)用類別的應(yīng)用推薦給目標(biāo)用戶的步驟為: 查找目標(biāo)用戶所屬分組的各參考用戶中，相似度大于預(yù)設(shè)值的參考用戶所訪問的多個應(yīng)用； 在查找的多個應(yīng)用中，提取屬于所述興趣應(yīng)用類別的應(yīng)用推薦給目標(biāo)用戶。
4.根據(jù)權(quán)利要求1或3所述的方法，其特征在于，所述參考用戶的劃分的多個分組按照所包含的參考用戶的訪問行為數(shù)據(jù)，分為高價值分組和低價值分組； 針對所述低價值分組，還提取至少一個預(yù)設(shè)應(yīng)用類別的應(yīng)用與屬于所述興趣應(yīng)用類別的應(yīng)用，一同推薦給目標(biāo)用戶。
5.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述訪問行為數(shù)據(jù)中包括訪問時間和訪問應(yīng)用所屬的應(yīng)用類別，所述按照訪問行為數(shù)據(jù)對多個參考用戶進(jìn)行分組的步驟包括: 針對各個參考用戶，按照訪問行為數(shù)據(jù)中所包含的訪問時間和訪問應(yīng)用所屬的應(yīng)用類別，計(jì)算距離當(dāng)前最近的訪問時間、訪問頻率和訪問應(yīng)用的個數(shù)； 統(tǒng)計(jì)所有參考用戶的最近的訪問時間的平均值、訪問頻率的平均值，以及訪問應(yīng)用的個數(shù)的平均值； 針對各個參考用戶，將最近的訪問時間、訪問頻率和訪問應(yīng)用的個數(shù)分別與對應(yīng)的平均值進(jìn)行比較，將按照三個數(shù)值的比較結(jié)果相同的參考用戶劃分到一個分組中。
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述按照目標(biāo)用戶對多個應(yīng)用的訪問行為數(shù)據(jù)，確定目標(biāo)用戶所屬分組的步驟包括: 針對目標(biāo)用戶，按照訪問行為數(shù)據(jù)中所包含的應(yīng)用訪問時間和訪問應(yīng)用所屬的應(yīng)用類別，計(jì)算距離當(dāng)前最近的訪問時間、訪問頻率和訪問應(yīng)用的個數(shù)； 將目標(biāo)用戶的最近的訪問時間、訪問頻率和訪問應(yīng)用的個數(shù)，分別與所有參考用戶的最近的訪問時間的平均值、訪問頻率的平均值和訪問應(yīng)用的個數(shù)的平均值進(jìn)行比較，將比較結(jié)果相同的分組作為目標(biāo)用戶所屬分組。
7.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述統(tǒng)計(jì)目標(biāo)用戶對不同的應(yīng)用類別的訪問權(quán)重值，將訪問權(quán)重值滿足范圍的應(yīng)用類別作為興趣應(yīng)用類別的步驟包括: 針對目標(biāo)用戶所訪問的每個應(yīng)用類別，按照預(yù)設(shè)算法和應(yīng)用類別的類別權(quán)重值，統(tǒng)計(jì)各應(yīng)用類別的訪問權(quán)重值； 去除訪問權(quán)重值小于預(yù)設(shè)權(quán)重值的應(yīng)用類別，將任意兩個應(yīng)用類別組成二項(xiàng)類別； 按照所述預(yù)設(shè)算法和二項(xiàng)類別的類別權(quán)重值，統(tǒng)計(jì)所訪問的每個二項(xiàng)類別的訪問權(quán)重值； 提取訪問權(quán)重值大于預(yù)設(shè)權(quán)重值的二項(xiàng)類別作為興趣應(yīng)用類別。
8.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述針對目標(biāo)用戶所訪問的每個應(yīng)用類另IJ，按照預(yù)設(shè)算法和應(yīng)用類別的類別權(quán)重值，統(tǒng)計(jì)各應(yīng)用類別的訪問權(quán)重值的步驟包括: 步驟11，針對目標(biāo)用戶的各應(yīng)用類別，提取距離當(dāng)前最近的j X N個訪問行為數(shù)據(jù)，j和N均為正整數(shù)，j的初始值為I ; 步驟12，按照所述 訪問行為數(shù)據(jù)確定對各應(yīng)用類別的訪問次數(shù)，按照預(yù)設(shè)算法和應(yīng)用類別的類別權(quán)重值Wj，更新各應(yīng)用類別的訪問權(quán)重值WSj，WSj的初始值為O ; 步驟13，若所述類別權(quán)重值小于等于預(yù)設(shè)權(quán)重值或所述訪問行為數(shù)據(jù)已取完，則停止操作；若所述類別權(quán)重值大于預(yù)設(shè)權(quán)重值且所述訪問行為數(shù)據(jù)未取完，則令j = j+1，并返回步驟11。
9.根據(jù)權(quán)利要求7所述的方法，其特征在于，所述按照預(yù)設(shè)算法和二項(xiàng)類別的類別權(quán)重值，統(tǒng)計(jì)所訪問的每個二項(xiàng)類別的訪問權(quán)重值的步驟包括: 步驟21，針對目標(biāo)用戶的各二項(xiàng)類別，提取距離當(dāng)前最近的j X N個訪問行為數(shù)據(jù)，j和N均為正整數(shù)，j的初始值為I ; 步驟22，按照所述訪問行為數(shù)據(jù)確定對各二項(xiàng)類別的訪問次數(shù)，按照預(yù)設(shè)算法和二項(xiàng)類別的類別權(quán)重值Wj /，更新各二項(xiàng)類別的訪問權(quán)重值WSj /，WSj /的初始值為O ; 步驟23，若所述類別權(quán)重值小于等于預(yù)設(shè)權(quán)重值或所述訪問行為數(shù)據(jù)已取完，則停止操作；若所述類別權(quán)重值大于預(yù)設(shè)權(quán)重值且所述訪問行為數(shù)據(jù)未取完，則令j = j+1，并返回步驟21。
10.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述計(jì)算目標(biāo)用戶的興趣應(yīng)用類別，與所屬分組的各參考用戶的興趣應(yīng)用類別的相似度的步驟包括: 針對所屬分組中的各參考用戶，按照目標(biāo)用戶的興趣應(yīng)用類別與參考用戶的興趣應(yīng)用類別分別建立對應(yīng)的規(guī)則向量； 計(jì)算參考用戶的規(guī)則向量與參考用戶的規(guī)則向量的相似度，作為參考用戶與目標(biāo)用戶的興趣應(yīng)用類別的相似度。
11.根據(jù)權(quán)利要求1所述的方法，其特征在于，在獲取多個參考用戶對預(yù)置的多個應(yīng)用的訪問行為數(shù)據(jù)的步驟之前，所述方法還包括: 在參考用戶對預(yù)置的多個應(yīng)用進(jìn)行訪問時，記錄參考用戶的訪問行為數(shù)據(jù)。
12.—種應(yīng)用推薦裝置，其特征在于，包括: 數(shù)據(jù)獲取模塊，用于獲取多個參考用戶對預(yù)置的多個應(yīng)用的訪問行為數(shù)據(jù)； 分組確定模塊，用于按照所述訪問行為數(shù)據(jù)對所述多個參考用戶進(jìn)行分組，并按照目標(biāo)用戶對多個應(yīng)用的訪問行為數(shù)據(jù)，確定目標(biāo)用戶所屬分組，各個應(yīng)用具備相應(yīng)的應(yīng)用類別；興趣應(yīng)用類別確定模塊，用于統(tǒng)計(jì)目標(biāo)用戶對不同的應(yīng)用類別的訪問權(quán)重值，將訪問權(quán)重值滿足預(yù)設(shè)范圍的應(yīng)用類別作為興趣應(yīng)用類別； 應(yīng)用推薦模塊，用于在目標(biāo)用戶所屬分組的各參考用戶所訪問的多個應(yīng)用中，提取屬于所述興趣應(yīng)用類別的應(yīng) 用推薦給目標(biāo)用戶。
全文摘要
本申請?zhí)峁┝艘环N應(yīng)用推薦方法和系統(tǒng)。所述方法包括獲取多個參考用戶對預(yù)置的多個應(yīng)用的訪問行為數(shù)據(jù)，并按照所述訪問行為數(shù)據(jù)對所述多個參考用戶進(jìn)行分組，各個應(yīng)用具備相應(yīng)的應(yīng)用類別；按照目標(biāo)用戶對多個應(yīng)用的訪問行為數(shù)據(jù)，確定目標(biāo)用戶所屬分組，并統(tǒng)計(jì)目標(biāo)用戶對不同的應(yīng)用類別的訪問權(quán)重值，將訪問權(quán)重值滿足預(yù)設(shè)范圍的應(yīng)用類別作為興趣應(yīng)用類別；在目標(biāo)用戶所屬分組的各參考用戶所訪問的多個應(yīng)用中，提取屬于所述興趣應(yīng)用類別的應(yīng)用推薦給目標(biāo)用戶。本申請可以減少應(yīng)用推薦時對系統(tǒng)資源的占用。
文檔編號G06Q30/02GK103198418SQ201310084568
公開日2013年7月10日 申請日期2013年3月15日 優(yōu)先權(quán)日2013年3月15日
發(fā)明者鄭巍, 羅峰, 黃蘇支, 李娜 申請人:北京億贊普網(wǎng)絡(luò)技術(shù)有限公司