技術(shù)特征：

1.一種安卓應(yīng)用的推薦方法，包括如下步驟：

S1.采用安卓應(yīng)用自動執(zhí)行工具執(zhí)行所有需要推薦的安卓應(yīng)用，并使用記錄工具捕獲需要推薦的安卓應(yīng)用在執(zhí)行過程中產(chǎn)生的網(wǎng)絡(luò)流量數(shù)據(jù)；

S2.根據(jù)步驟S1獲取的網(wǎng)絡(luò)流量數(shù)據(jù)，從安卓應(yīng)用總體情況、安卓應(yīng)用網(wǎng)絡(luò)流量開銷成分和相同功能的其他安卓應(yīng)用網(wǎng)絡(luò)流量開銷三個方面，對需要推薦的安卓應(yīng)用進(jìn)行統(tǒng)計(jì)；

S3.根據(jù)步驟S2得到的統(tǒng)計(jì)數(shù)據(jù)結(jié)果，構(gòu)建安卓應(yīng)用及其網(wǎng)絡(luò)流量開銷的二分圖；

S4.使用規(guī)則化隨機(jī)游走算法對安卓應(yīng)用的網(wǎng)絡(luò)流量開銷進(jìn)行評分；

S5.根據(jù)步驟S4得到的評分結(jié)果，采用基于變異系數(shù)的等級劃分算法對每個安卓應(yīng)用的網(wǎng)絡(luò)流量開銷進(jìn)行等級劃分；

S6.根據(jù)步驟S5得到的等級劃分結(jié)果、安卓應(yīng)用的流行度和安卓應(yīng)用的網(wǎng)絡(luò)流量開銷對安卓應(yīng)用進(jìn)行排序；

S7.構(gòu)造安卓應(yīng)用哈希矩陣，并根據(jù)構(gòu)造的安卓應(yīng)用哈希矩陣和步驟S6的安卓應(yīng)用排序結(jié)果，采用現(xiàn)代證券投資組合理論完成安卓系統(tǒng)網(wǎng)絡(luò)應(yīng)用的推薦。

2.根據(jù)權(quán)利要求1所述的安卓應(yīng)用的推薦方法，其特征在于步驟S1所述的網(wǎng)絡(luò)流量數(shù)據(jù)，包括四類：第一、安卓應(yīng)用和自身服務(wù)器交換數(shù)據(jù)產(chǎn)生的流量；第二、安卓應(yīng)用中嵌入的第三方庫產(chǎn)生的網(wǎng)絡(luò)流量；第三、安卓應(yīng)用與CDN或者云服務(wù)器通信產(chǎn)生的網(wǎng)絡(luò)流量；第四、安卓應(yīng)用與其他類型服務(wù)器通信產(chǎn)生的網(wǎng)絡(luò)流量。

3.根據(jù)權(quán)利要求1或2所述的安卓應(yīng)用的推薦方法，其特征在于步驟S2所述的對網(wǎng)絡(luò)流量數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，具體包括：

1)統(tǒng)計(jì)每一類安卓應(yīng)用的總體流量數(shù)據(jù)情況；

2)根據(jù)訪問服務(wù)器的類型不同，統(tǒng)計(jì)安卓應(yīng)用訪問網(wǎng)絡(luò)的數(shù)據(jù)類別和數(shù)據(jù)流量情況；

3)統(tǒng)計(jì)相同功能的其他安卓應(yīng)用的網(wǎng)絡(luò)流量數(shù)據(jù)情況。

4.根據(jù)權(quán)利要求1或2所述的安卓應(yīng)用的推薦方法，其特征在于步驟S3所述的構(gòu)建安卓應(yīng)用及其網(wǎng)絡(luò)流量開銷的二分圖，具體為：

設(shè)G＝{V,E,W}為二分圖，其中V＝{V^a,V^h}表示結(jié)點(diǎn)集合，V^a＝{a₁,a₂,...,a_M}表示安卓應(yīng)用集合，V^h＝{h₁,h₂,...,h_N}表示應(yīng)用所訪問的不同類型的主機(jī)集合；E表示邊集合，當(dāng)且僅當(dāng)應(yīng)用a_i在操作中和主機(jī)h_j建立連接，e_ij∈E才成立；W表示邊的權(quán)重集合，w_ij∈W代表每條邊的權(quán)重，同時(shí)也表示安卓應(yīng)用a_i在運(yùn)行過程中可能訪問主機(jī)h_j的概率；權(quán)重的計(jì)算公式如下：

$w_{ij}=\frac{f_{ij}}{{\mathrm{\Σ}}_{e_{ik}\∈E}{f}_{ik}}\×P$

$P=\frac{{\mathrm{Trafficsize}}_{h_j}^{a_i}}{{\mathrm{\Σ}}_{i=1}^N{\mathrm{Trafficsize}}_{h_j}^{a_i}},(j=1,...,M)$

其中，f_ij表示在應(yīng)用類別c中訪問主機(jī)h_j的安卓應(yīng)用個數(shù)，參數(shù)P表示在應(yīng)用類別c中每個安卓應(yīng)用訪問主機(jī)h_j所產(chǎn)生的網(wǎng)絡(luò)流量大小占該應(yīng)用類別中所有應(yīng)用訪問主機(jī)h_j所產(chǎn)生的網(wǎng)絡(luò)流量大小的比例；

此外，分別對每個安卓應(yīng)用和所訪問的主機(jī)類型進(jìn)行向量化，即和并通過余弦距離公式來計(jì)算兩個應(yīng)用之間潛在的相似度，計(jì)算公式如下：

$s_{ij}^a=cos({\stackrel{\→}{a}}_i,{\stackrel{\→}{a}}_j)=\frac{{\stackrel{\→}{a}}_i\·{\stackrel{\→}{a}}_j}{\left|\right|{\stackrel{\→}{a}}_i\left|\right|\·\left|\right|{\stackrel{\→}{a}}_j\left|\right|}$

類似的，兩個訪問主機(jī)類型之間的潛在相似度可以定義為

5.根據(jù)權(quán)利要求1或2所述的安卓應(yīng)用的推薦方法，其特征在于步驟S4所述的使用規(guī)則化隨機(jī)游走算法對安卓應(yīng)用的網(wǎng)絡(luò)流量開銷進(jìn)行評分，具體為：

定義兩類網(wǎng)絡(luò)流量開銷評分TrafficCost(a_i)和TrafficCost(h_j)；TrafficCost(a_i)表示安卓應(yīng)用的網(wǎng)絡(luò)流量開銷評分，TrafficCost(h_j)表示該主機(jī)類型的全局的網(wǎng)絡(luò)流量開銷；

其次，設(shè)計(jì)規(guī)則化框架對上述的兩類評分的平滑性進(jìn)行規(guī)則化，并定義開銷函數(shù)如下公式所示：

$\begin{array}{c}\mathrm{\ρ}(a,h)=\frac{\mathrm{\λ}}{2}\·\left\{\underset{i}{\mathrm{\Σ}}\right||C_i^a-{\tilde{C}}_i^a|{|}^2+\underset{j}{\mathrm{\Σ}}\left|\right|C_j^a-{\tilde{C}}_j^a\left|{|}^2\right\}+\frac{\mathrm{\μ}}{2}\·\left\{\underset{i,j}{\mathrm{\Σ}}{s}_{ij}^a\right||C_i^a-C_j^a|{|}^2+\underset{i,j}{\mathrm{\Σ}}{s}_{ij}^h\left|\right|C_i^h-C_j^h\left|{|}^2\right\}+\\ \frac{1}{2}\·\underset{i,j}{\mathrm{\Σ}}{w}_{ij}^a\left|\right|C_i^a-C_j^h|{|}^2\end{array}$

其中，λ,μ表示規(guī)則化參數(shù)，分別表示TrafficCost(a_i),TrafficCost(h_j)，表示通過外部知識推導(dǎo)出來的安卓應(yīng)用網(wǎng)絡(luò)流量開銷評分；上述公式由三個部分組成：第一部分是被參數(shù)λ所控制，并定義兩類網(wǎng)絡(luò)流量開銷評分符合先驗(yàn)知識的約束條件；第二部分是被參數(shù)μ所控制，并定義二分圖中的網(wǎng)絡(luò)流量開銷評分的整體一致性；第三部分是安卓應(yīng)用和所訪問的主機(jī)類型之間的平滑約束條件；

網(wǎng)絡(luò)流量開銷的評分問題轉(zhuǎn)化為尋找最優(yōu)的的優(yōu)化問題：使用梯度下降法計(jì)算最小化開銷函數(shù)ρ。

6.根據(jù)權(quán)利要求5所述的安卓應(yīng)用的推薦方法，其特征在于所述的使用梯度下降法計(jì)算最小化開銷函數(shù)ρ，具體為：

指定并通過下述兩個公式來迭代更新這兩個變量的值直到為0：

$\frac{\∂\mathrm{\ρ}}{\∂a_i}=\mathrm{\λ}(C_i^a-{\tilde{C}}_i^a)+\mathrm{\μ}\underset{j}{\Σ}{s}_{ij}^a(C_i^a-C_j^a)+\underset{j}{\Σ}{w}_{ij}(C_i^a-C_j^h),$

$C_i^a=\frac{\mathrm{\λ}{\tilde{C}}_i^a+{\mathrm{\μ\Σ}}_j{s}_{ij}^a{C}_j^a+{\mathrm{\Σ}}_j{w}_{ij}{C}_j^h}{\mathrm{\λ}+{\mathrm{\μ\Σ}}_j{s}_{ij}^a+{\mathrm{\Σ}}_j{w}_{ij}}$

$\frac{\∂\mathrm{\ρ}}{\∂h_j}=\mathrm{\λ}(C_j^h-{\tilde{C}}_j^h)+\mathrm{\μ}\underset{i}{\Σ}{s}_{ij}^h(C_j^h-C_i^h)+\underset{i}{\Σ}{w}_{ij}(C_j^h-C_i^a),$

$C_j^h=\frac{\mathrm{\λ}{\tilde{C}}_j^h+{\mathrm{\μ\Σ}}_i{s}_{ij}^h{C}_i^h+{\mathrm{\Σ}}_i{w}_{ij}{C}_i^a}{\mathrm{\λ}+{\mathrm{\μ\Σ}}_i{s}_{ij}^h+{\mathrm{\Σ}}_i{w}_{ij}}$

在每次迭代之后，的值都要重新標(biāo)準(zhǔn)化；并當(dāng)結(jié)果聚集后，即得到優(yōu)化后的網(wǎng)絡(luò)流量開銷評分。

7.根據(jù)權(quán)利要求6所述的安卓應(yīng)用的推薦方法，其特征在于所述的指定的值為采用基于概率的先驗(yàn)信息貝葉斯方法來指定。

8.根據(jù)權(quán)利要求7所述的安卓應(yīng)用的推薦方法，其特征在于所述的采用基于概率的先驗(yàn)信息貝葉斯方法來指定的值，具體為：

建立一個具有參數(shù)θ的貝葉斯模型，參數(shù)θ是服從Beta先驗(yàn)分布，Beta(θ；α₀,β₀)，其概率可以通過下述公式來確定：

$P\left(h_j\right|\mathrm{\θ})=\frac{{\mathrm{\Σ}}_i^M{x}_{i,j}+{\mathrm{\α}}_0}{M+{\mathrm{\α}}_0+{\mathrm{\β}}_0}$

其中，M表示數(shù)據(jù)集中安卓應(yīng)用的數(shù)目，x_i,j是一個二元的函數(shù)，當(dāng)值為1的時(shí)候表示該安卓應(yīng)用在運(yùn)行時(shí)產(chǎn)生了該類型的網(wǎng)絡(luò)流量開銷，0則表示沒有產(chǎn)生該類型的網(wǎng)絡(luò)流量開銷；安卓應(yīng)用的網(wǎng)絡(luò)流量開銷評分h_j和安卓應(yīng)用a_i可以通過和來確定，h_k∈a_i。

9.根據(jù)權(quán)利要求1或2所述的安卓應(yīng)用的推薦方法，其特征在于步驟S6所述的對安卓應(yīng)用進(jìn)行排序，具體為按照步驟S5劃分的等級，在每個等級內(nèi)進(jìn)行排序：

基于網(wǎng)絡(luò)流量開銷評分的排序方式：首先根據(jù)網(wǎng)絡(luò)流量開銷評分降序來排序安卓應(yīng)用；若某些應(yīng)用具有相同的網(wǎng)絡(luò)流量開銷評分，那么將對這類應(yīng)用按照流行度評分進(jìn)行排序；

基于流行度評分的排序方式：首先根據(jù)流行度評分降序來排序安卓應(yīng)用；若某些應(yīng)用具有相同的流行度評分，那么將對這類應(yīng)用按照網(wǎng)絡(luò)流量開銷評分進(jìn)行排序。

10.根據(jù)權(quán)利要求1或2所述的安卓應(yīng)用的推薦方法，其特征在于步驟S7所述的采用現(xiàn)代證券投資組合理論完成安卓系統(tǒng)網(wǎng)絡(luò)應(yīng)用的推薦，具體為：

在現(xiàn)代證券投資組合理論中，股票被認(rèn)作安卓應(yīng)用，未來的收益和風(fēng)險(xiǎn)分別認(rèn)作安卓應(yīng)用的流行度和網(wǎng)絡(luò)流量開銷；一個安卓應(yīng)用的證券投資組合γ可以用一組安卓應(yīng)用來表示，該組包含了n個安卓應(yīng)用，并且每個安卓應(yīng)用都有相應(yīng)的權(quán)重ω_i，證券投資組合γ可以通過以下公式計(jì)算得到：

$\mathrm{\γ}=\left\{(a_i,{\mathrm{\ω}}_i)\right\},s.t.\underset{i}{\Σ}{\mathrm{\ω}}_i=1$

其中，權(quán)重ω_i用來確定安卓應(yīng)用的排序，即根據(jù)安卓應(yīng)用的權(quán)重以降序的方式進(jìn)行排序；

對安卓應(yīng)用組合的未來收益E[γ]進(jìn)行定義：

$E\[\mathrm{\γ}\]=\underset{i}{\overset{n}{\Σ}}{\mathrm{\ω}}_i\·{\mathrm{\Δ}}_i^{-1}$

其中Δ_i表示安卓應(yīng)用a_i根據(jù)流行度排序的列表Λ^Pop；同樣的，根據(jù)以下公式定義安卓應(yīng)用組合的未來風(fēng)險(xiǎn)R[γ]：

$R\[\mathrm{\γ}\]=\underset{i}{\overset{n}{\Σ}}({\mathrm{\ω}}_i^2{\mathrm{\Γ}}_i^{-2}+2\underset{j=i+1}{\overset{n}{\Σ}}{\mathrm{\ω}}_i{\mathrm{\ω}}_j{\mathrm{\Γ}}_i^{-1}{\mathrm{\Γ}}_j^{-1}{J}_{ij})$

其中Γ_i表示安卓應(yīng)用基于網(wǎng)絡(luò)流量開銷排序的列表Λ^Trafficcost，J_ij表示安卓應(yīng)用a_i和a_j之間的網(wǎng)絡(luò)流量開銷相互關(guān)系；

根據(jù)產(chǎn)生的網(wǎng)絡(luò)流量開銷的相似度來確定J_ij的值：其中相似度通過以下算式計(jì)算Jaccard系數(shù)來得到：

$J_{ij}=\frac{N_{ij}}{N_i+N_j-N_{ij}}$

其中N_i表示安卓應(yīng)用a_i在運(yùn)行過程中所生成的不同的網(wǎng)絡(luò)流量類型的數(shù)目，N_ij表示兩個安卓應(yīng)用a_i和a_j在運(yùn)行過程中所生成共同的網(wǎng)絡(luò)流量類型數(shù)目；

確定一組安卓應(yīng)用的權(quán)重，并以此來確定安卓應(yīng)用組合γ具有最大化的未來收益和最小化的風(fēng)險(xiǎn)，計(jì)算公式如下所示：

$\arg \underset{\mathrm{\ω}}{max}E\[\mathrm{\γ}\]-b\·R\[\mathrm{\γ}\]$

其中b表示特定的網(wǎng)絡(luò)流量開銷偏好參數(shù)，是由給定的網(wǎng)絡(luò)流量開銷等級L^*所定義；通過優(yōu)化權(quán)重ω來得到上述公式的最優(yōu)解：

${\mathrm{\ω}}^{*}=\frac{\left|\begin{array}{cc}1& 1^T{\mathrm{\Σ}}^{-1}E\\ E^{*}& E^T{\mathrm{\Σ}}^{-1}E\end{array}\right|{\mathrm{\Σ}}^{-1}1+\left|\begin{array}{cc}{1}^T{\mathrm{\Σ}}^{-1}1& 1\\ E^T{\mathrm{\Σ}}^{-1}1& E^{*}\end{array}\right|{\mathrm{\Σ}}^{-1}E}{\left|\begin{array}{cc}{1}^T{\mathrm{\Σ}}^{-1}1& 1^T{\mathrm{\Σ}}^{-1}E\\ E^T{\mathrm{\Σ}}^{-1}1& E^T{\mathrm{\Σ}}^{-1}E\end{array}\right|}$

其中，E^*可以通過以下公式計(jì)算得到，

$E^{*}=\frac{{(xz-y^2)}^2-2b{(xE-y1)}^T{\mathrm{\Σ}}^{-1}(z1-yE)}{2b{(xE-y1)}^T{\mathrm{\Σ}}^{-1}(xE-y1)}$

其中，x＝1^TΣ^-11，y＝1^TΣ^-1E，z＝E^TΣ^-1E。