鬼佬大哥大
  • / 16
  • 下載費用:30 金幣  

一種應用推薦方法及裝置.pdf

關 鍵 詞:
一種 應用 推薦 方法 裝置
  專利查詢網所有資源均是用戶自行上傳分享,僅供網友學習交流,未經上傳用戶書面授權,請勿作他用。
摘要
申請專利號:

CN201510267039.4

申請日:

2015.05.22

公開號:

CN104899266A

公開日:

2015.09.09

當前法律狀態:

授權

有效性:

有權

法律詳情: 授權|||實質審查的生效IPC(主分類):G06F 17/30申請日:20150522|||公開
IPC分類號: G06F17/30 主分類號: G06F17/30
申請人: 廣東歐珀移動通信有限公司
發明人: 曾元清
地址: 523860廣東省東莞市長安鎮烏沙海濱路18號
優先權:
專利代理機構: 廣州三環專利代理有限公司44202 代理人: 郝傳鑫; 熊永強
PDF完整版下載: PDF下載
法律狀態
申請(專利)號:

CN201510267039.4

授權公告號:

||||||

法律狀態公告日:

2017.10.24|||2015.10.07|||2015.09.09

法律狀態類型:

授權|||實質審查的生效|||公開

摘要

本發明實施例公開了一種應用推薦方法及裝置,其中的方法可包括:記錄用戶所使用的各個應用的用戶行為數據;根據所述用戶行為數據計算用戶對所述各個應用的興趣度;根據用戶對所述各個應用的興趣度分別計算所述各個應用與目標應用的興趣相似度;根據所述各個應用與所述目標應用各自的興趣相似度輸出所述目標應用的應用推薦信息。采用本發明,可以根據用戶使用應用的用戶行為數據,計算用戶對任意應用的興趣度,從而對任意兩款應用進行興趣相似度的計算,當用戶使用某款應用時,可以向該用戶推薦與所述某款應用興趣相似度較高的其它應用。

權利要求書

權利要求書
1.  一種應用推薦方法,其特征在于,包括:
記錄用戶所使用的各個應用的用戶行為數據;
根據所述用戶行為數據計算用戶對所述各個應用的興趣度;
根據用戶對所述各個應用的興趣度分別計算所述各個應用與目標應用的興趣相似度;
根據所述各個應用與所述目標應用各自的興趣相似度輸出所述目標應用的應用推薦信息。

2.  如權利要求1所述的方法,其特征在于,所述根據所述用戶行為數據計算用戶對所述各個應用的興趣度,包括:
根據所述用戶行為數據計算所述各個應用的應用特征值,所述應用特征值包括平均應用評分、平均應用在線時間和平均應用消費金額中的一種或幾種組合;
根據所述用戶行為數據以及所述各個應用的應用特征值計算用戶對所述各個應用的歸一化應用特征值;
根據用戶對所述各個應用的歸一化應用特征值計算用戶對所述各個應用的興趣度。

3.  如權利要求2所述的方法,其特征在于,所述歸一化應用特征值的計算公式為:
ga=ga-gmingmax-gmin;]]>
其中,所述各個應用包括第一應用,g′a為用戶a對所述第一應用的歸一化應用特征值,ga為用戶a對應所述第一應用的第一應用特征值,gmax為與所述第一應用屬于同類型的所有應用中所述第一應用特征值最大的那款應用的應用特征值,gmin為與所述第一應用屬于同類型的所有應用中所述第一應用特征值最小的那款應用的應用特征值;
所述興趣度的計算公式為:
ea=(α*g′a1+β*g′a2+…+γ*g′an);
其中,ea為用戶a對所述第一應用的興趣度,g′a1為用戶a的第一個歸一化應用特征值,g′a2為用戶a的第二個歸一化應用特征值,g′an為用戶a的第N個歸一化應用特征值,α為第一權重因子,β為第二權重因子,γ為第三權重因子,α、β和γ為非負數,且α、β和γ的和為1,N為預設的正整數。

4.  如權利要求3所述的方法,其特征在于,所述各個應用包括第一應用,所述根據用戶對所述各個應用的興趣度分別計算所述各個應用與目標應用的興趣相似度,包括:
從所述用戶行為數據中選取所述第一應用與所述目標應用共同對應的M個用戶的用戶行為數據,根據用戶對所述各個應用的興趣度及預設興趣相似度算法對所述第一應用與所述目標應用的興趣相似度進行計算,M為預設的正整數;
所述預設興趣相似度算法的計算公式為:
sim(i,j)=cos1(i→,j→)=i→·j→||i→||2*||j→||2,]]>其中,為列向量ei1ei2...eim,]]>為列向量ej1ej2...ejm;]]>
其中,ei1為第一個用戶對所述第一應用的興趣度,ei2為第二個用戶對所述第一應用的興趣度,eim為第M個用戶對所述第一應用的興趣度,ej1為第一個用戶對所述目標應用的興趣度,ej2為第二個用戶對所述目標應用的興趣度,ejm為第M個用戶對所述目標應用的興趣度。

5.  如權利要求1所述的方法,其特征在于,所述根據所述各個應用與所述目標應用各自的興趣相似度輸出所述目標應用的應用推薦信息,包括:
當用戶下載所述目標應用或者用戶安裝所述目標應用或者用戶參與所述目標應用時,從所述各個應用中選取與所述目標應用的興趣相似度最大的預設個數的應用進行推薦。

6.  一種應用推薦裝置,其特征在于,包括:
記錄模塊,用于記錄用戶所使用的各個應用的用戶行為數據;
第一計算模塊,用于根據所述用戶行為數據計算用戶對所述各個應用的興 趣度;
第二計算模塊,用于根據用戶對所述各個應用的興趣度分別計算所述各個應用與目標應用的興趣相似度;
輸出模塊,用于根據所述各個應用與所述目標應用各自的興趣相似度輸出所述目標應用的應用推薦信息。

7.  如權利要求6所述的裝置,其特征在于,所述第一計算模塊包括:
第一計算單元,用于根據所述用戶行為數據計算所述各個應用的應用特征值,所述應用特征值包括平均應用評分、平均應用在線時間和平均應用消費金額中的一種或幾種組合;
第二計算單元,用于根據所述用戶行為數據以及所述各個應用的應用特征值計算用戶對所述各個應用的歸一化應用特征值;
第三計算單元,用于根據用戶對所述各個應用的歸一化應用特征值計算用戶對所述各個應用的興趣度。

8.  如權利要求7所述的裝置,其特征在于,所述歸一化應用特征值的計算公式為:
ga=ga-gmingmax-gmin;]]>
其中,所述各個應用包括第一應用,g′a為用戶a對所述第一應用的歸一化應用特征值,ga為用戶a對應所述第一應用的第一應用特征值,gmax為與所述第一應用屬于同類型的所有應用中所述第一應用特征值最大的那款應用的應用特征值,gmin為與所述第一應用屬于同類型的所有應用中所述第一應用特征值最小的那款應用的應用特征值;
所述興趣度的計算公式為:
ea=(α*g′a1+β*g′a2+…+γ*g′an);
其中,ea為用戶a對所述第一應用的興趣度,g′a1為用戶a的第一個歸一化應用特征值,g′a2為用戶a的第二個歸一化應用特征值,g′an為用戶a的第N個歸一化應用特征值,α為第一權重因子,β為第二權重因子,γ為第三權重因子,α、β和γ為非負數,且α、β和γ的和為1,N為預設的正整數。

9.  如權利要求8所述的裝置,其特征在于,所述各個應用包括第一應用,所述第二計算模塊具體用于從所述用戶行為數據中選取所述第一應用與所述目標應用共同對應的M個用戶的用戶行為數據,根據用戶對所述各個應用的興趣度及預設興趣相似度算法對所述第一應用與所述目標應用的興趣相似度進行計算,M為預設的正整數;
所述預設興趣相似度算法的計算公式為:
sim(i,j)=cos1(i→,j→)=i→·j→||i→||2*||j→||2,]]>其中,為列向量ei1ei2...eim,]]>為列向量ej1ej2...ejm;]]>
其中,ei1為第一個用戶對所述第一應用的興趣度,ei2為第二個用戶對所述第一應用的興趣度,eim為第M個用戶對所述第一應用的興趣度,ej1為第一個用戶對所述目標應用的興趣度,ej2為第二個用戶對所述目標應用的興趣度,ejm為第M個用戶對所述目標應用的興趣度。

10.  如權利要求6所述的裝置,其特征在于,所述輸出模塊具體用于:
當用戶下載所述目標應用或者用戶安裝所述目標應用或者用戶參與所述目標應用時,從所述各個應用中選取與所述目標應用的興趣相似度最大的預設個數的應用進行推薦。

說明書

說明書一種應用推薦方法及裝置
技術領域
本發明涉及互聯網技術領域,尤其涉及一種應用推薦方法及裝置。
背景技術
隨著互聯網技術的發展,網絡游戲成為越來越多互聯網用戶關注的一項網絡服務。現有的游戲平臺一般都是按照游戲類型(如棋牌類游戲、競技類游戲等)等顯示方式列舉游戲服務商提供的游戲,這種統一推薦的方式存在如下缺點:推薦的內容千篇一律,不能真實觸摸和預測用戶的游戲喜好,所采用的推薦算法不具有機器學習能力,推薦精度不高。
發明內容
本發明實施例所要解決的技術問題在于,提供一種應用推薦方法及裝置,根據用戶對各種應用的興趣度計算任意兩款應用的興趣相似度,從而向用戶推薦興趣相似度最大的幾款應用。
第一方面,本發明實施例提供了一種應用推薦方法,包括:
記錄用戶所使用的各個應用的用戶行為數據;
根據所述用戶行為數據計算用戶對所述各個應用的興趣度;
根據用戶對所述各個應用的興趣度分別計算所述各個應用與目標應用的興趣相似度;
根據所述各個應用與所述目標應用各自的興趣相似度輸出所述目標應用的應用推薦信息。
結合第一方面,在第一方面的第一種可能的實現方式中,所述根據所述用戶行為數據計算用戶對所述各個應用的興趣度,包括:
根據所述用戶行為數據計算所述各個應用的應用特征值,所述應用特征值包括平均應用評分、平均應用在線時間和平均應用消費金額中的一種或幾種組合;
根據所述用戶行為數據以及所述各個應用的應用特征值計算用戶對所述各個應用的歸一化應用特征值;
根據用戶對所述各個應用的歸一化應用特征值計算用戶對所述各個應用的興趣度。
結合第一方面的第一種可能的實現方式,在第一方面的第二種可能的實現方式中,所述歸一化應用特征值的計算公式為:
gaga-gmingmax-gmin,]]>
其中,所述各個應用包括第一應用,g′a為用戶a對所述第一應用的歸一化應用特征值,ga為用戶a對應所述第一應用的第一應用特征值,gmax為與所述第一應用屬于同類型的所有應用中所述第一應用特征值最大的那款應用的應用特征值,gmin為與所述第一應用屬于同類型的所有應用中所述第一應用特征值最小的那款應用的應用特征值;
所述興趣度的計算公式為:
ea=(α*g′a1+β*g′a2+…+γ*g′an);
其中,ea為用戶a對所述第一應用的興趣度,g′a1為用戶a的第一個歸一化應用特征值,g′a2為用戶a的第二個歸一化應用特征值,g′an為用戶a的第N個歸一化應用特征值,α為第一權重因子,β為第二權重因子,γ為第三權重因子,α、β和γ為非負數,且α、β和γ的和為1,N為預設的正整數。
結合第一方面的第二種可能的實現方式,在第一方面的第三種可能的實現方式中,所述各個應用包括第一應用,所述根據用戶對所述各個應用的興趣度分別計算所述各個應用與目標應用的興趣相似度,包括:
從所述用戶行為數據中選取所述第一應用與所述目標應用共同對應的M個用戶的用戶行為數據,根據用戶對所述各個應用的興趣度及預設興趣相似度算法對所述第一應用與所述目標應用的興趣相似度進行計算,M為預設的正整數;
所述預設興趣相似度算法的計算公式為:
sim(i,j)=cos(i→,j→)=i→·j→||i→||2*||j→||2,]]>其中,為列向量ei1ee2...eim,j→]]>為列向量ej1ej2...ejm;]]>
其中,ei1為第一個用戶對所述第一應用的興趣度,ei2為第二個用戶對所述 第一應用的興趣度,eim為第M個用戶對所述第一應用的興趣度,ej1為第一個用戶對所述目標應用的興趣度,ej2為第二個用戶對所述目標應用的興趣度,ejm為第M個用戶對所述目標應用的興趣度。
結合第一方面,在第一方面的第四種可能的實現方式中,所述根據所述各個應用與所述目標應用各自的興趣相似度輸出所述目標應用的應用推薦信息,包括:
當用戶下載所述目標應用或者用戶安裝所述目標應用或者用戶參與所述目標應用時,從所述各個應用中選取與所述目標應用的興趣相似度最大的預設個數的應用進行推薦。
第二方面,本發明實施例提供了一種應用推薦裝置,包括:
記錄模塊,用于記錄用戶所使用的各個應用的用戶行為數據;
第一計算模塊,用于根據所述用戶行為數據計算用戶對所述各個應用的興趣度;
第二計算模塊,用于根據用戶對所述各個應用的興趣度分別計算所述各個應用與目標應用的興趣相似度;
輸出模塊,用于根據所述各個應用與所述目標應用各自的興趣相似度輸出所述目標應用的應用推薦信息。
結合第二方面,在第二方面的第一種可能的實現方式中,所述第一計算模塊包括:
第一計算單元,用于根據所述用戶行為數據計算所述各個應用的應用特征值,所述應用特征值包括平均應用評分、平均應用在線時間和平均應用消費金額中的一種或幾種組合;
第二計算單元,用于根據所述用戶行為數據以及所述各個應用的應用特征值計算用戶對所述各個應用的歸一化應用特征值;
第三計算單元,用于根據用戶對所述各個應用的歸一化應用特征值計算用戶對所述各個應用的興趣度。
結合第二方面的第一種可能的實現方式,在第二方面的第二種可能的實現方式中,所述歸一化應用特征值的計算公式為:
ga=ga-gmingmax-gmin;]]>
其中,所述各個應用包括第一應用,g′a為用戶a對所述第一應用的歸一化應用特征值,ga為用戶a對應所述第一應用的第一應用特征值,gmax為與所述第一應用屬于同類型的所有應用中所述第一應用特征值最大的那款應用的應用特征值,gmin為與所述第一應用屬于同類型的所有應用中所述第一應用特征值最小的那款應用的應用特征值;
所述興趣度的計算公式為:
ea=(α*g′a1+β*g′a2+…+γ*g′an);
其中,ea為用戶a對所述第一應用的興趣度,g′a1為用戶a的第一個歸一化應用特征值,g′a2為用戶a的第二個歸一化應用特征值,g′an為用戶a的第N個歸一化應用特征值,α為第一權重因子,β為第二權重因子,γ為第三權重因子,α、β和γ為非負數,且α、β和γ的和為1,N為預設的正整數。
結合第二方面的第二種可能的實現方式,在第二方面的第三種可能的實現方式中,所述各個應用包括第一應用,所述第二計算模塊包括:
第四計算單元,用于從所述用戶行為數據中選取所述第一應用與所述目標應用共同對應的M個用戶的用戶行為數據,根據用戶對所述各個應用的興趣度及預設興趣相似度算法對所述第一應用與所述目標應用的興趣相似度進行計算,M為預設的正整數;
所述預設興趣相似度算法的計算公式為:
sim(i,j)=cos(i→,j→)=i→·j→||i→||2*||j→||2,]]>其中,為列向量ei1ee2...eim,j→]]>為列向量ej1ej2...ejm;]]>
其中,ei1為第一個用戶對所述第一應用的興趣度,ei2為第二個用戶對所述第一應用的興趣度,eim為第M個用戶對所述第一應用的興趣度,ej1為第一個用戶對所述目標應用的興趣度,ej2為第二個用戶對所述目標應用的興趣度,ejm為第M個用戶對所述目標應用的興趣度。
結合第二方面,在第二方面的第四種可能的實現方式中,所述輸出模塊具體用于:
當用戶下載所述目標應用或者用戶安裝所述目標應用或者用戶參與所述目標應用時,從所述各個應用中選取與所述目標應用的興趣相似度最大的預設個數的應用進行推薦。
通過實施本發明實施例,終端記錄用戶的用戶行為數據,并根據這些用戶行為數據計算用戶對各個應用的興趣度,并計算任意兩款應用的興趣相似度,從而在用戶使用某款應用時,向用戶推薦與所使用的某款應用的興趣相似度最大的幾款游戲,從而向用戶拓展應用范圍,提高推薦精度。
附圖說明
為了更清楚地說明本發明實施例或現有技術中的技術方案,下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本發明的一些實施例,對于本領域普通技術人員來講,在不付出創造性勞動的前提下,還可以根據這些附圖獲得其他的附圖。
圖1是本發明實施例提供的一種應用推薦方法的流程示意圖;
圖2是本發明實施例提供的另一種應用推薦方法的流程示意圖;
圖3是本發明實施例提供的一種應用推薦裝置的結構示意圖;
圖4是本發明實施例提供的第一計算模塊的結構示意圖。
具體實施方式
下面將結合本發明實施例中的附圖,對本發明實施例中的技術方案進行清楚、完整地描述,顯然,所描述的實施例僅僅是本發明一部分實施例,而不是全部的實施例。基于本發明中的實施例,本領域普通技術人員在沒有作出創造性勞動前提下所獲得的所有其他實施例,都屬于本發明保護的范圍。
需要說明的是,在本發明實施例中使用的術語是僅僅出于描述特定實施例的目的,而非旨在限制本發明。在本發明實施例和所附權利要求書中所使用的單數形式的“一種”、“所述”和“該”也旨在包括多數形式,除非上下文清楚地表示其他含義。還應當理解,本文中使用的術語“和/或”是指并包含一個或多個相關聯的列出項目的任何或所有可能組合。
本發明實施例提供了一種應用推薦方法及裝置,可以根據用戶使用應用的用戶行為數據,計算用戶對任意應用的興趣度,從而對任意兩款應用進行興趣相似度的計算,當用戶使用某款應用時,可以向該用戶推薦與所述某款應用興趣相似度較高的其它應用。為了便于理解本發明實施例,下面先對本發明實施例的應用推薦方法進行描述。
請參見圖1,是本發明實施例提供的一種應用推薦方法的流程示意圖,該方法包括但不限于以下步驟。
S101、記錄用戶所使用的各個應用的用戶行為數據。
本發明實施例中,終端記錄用戶所使用的各個應用的用戶行為數據,所述終端可包括但不限于智能手機、平板電腦、筆記本電腦、臺式電腦等用戶終端。所述終端的操作系統可包括但不限于Android操作系統、IOS操作系統、Symbian(塞班)操作系統、Black Berry(黑莓)操作系統、Windows Phone8操作系統等等,本發明實施例不做限定。所述應用可以包括但不限于:游戲應用、網站應用或其他應用程序(Application,APP)。所述用戶行為數據可以包括但不限于:應用評分、應用在線時間和應用消費金額。終端可以將所述用戶行為數據存儲到終端服務器或其他存儲器,本發明實施例不作具體限定。
S103、根據所述用戶行為數據計算用戶對所述各個應用的興趣度。
本發明實施例中,所述終端根據記錄到的所有用戶的用戶行為數據計算各個用戶對所述各個應用的興趣度,從而確定所述各個用戶對各個應用的興趣度。
例如,若所述應用為游戲應用,且包括游戲1和游戲2,所述用戶包括用戶1和用戶2,則所述用戶行為數據包括用戶1對游戲1的游戲評分、用戶1對游戲1的游戲在線時間、用戶1對游戲1的游戲消費金額、用戶1對游戲2的游戲評分、用戶1對游戲2的游戲在線時間、用戶1對游戲2的游戲消費金額、用戶2對游戲1的游戲評分、用戶2對游戲1的游戲在線時間、用戶2對游戲1的游戲消費金額、用戶2對游戲2的游戲評分、用戶2對游戲2的游戲在線時間和用戶2對游戲2的游戲消費金額,則所述終端需要根據以上用戶行為數據分別計算用戶1和用戶2對游戲1和游戲2的興趣度。
S105、根據用戶對所述各個應用的興趣度分別計算所述各個應用與目標應用的興趣相似度。
本發明實施例中,所述終端根據各個用戶對各個應用的興趣度計算所述各個應用中任意兩款應用的興趣相似度,并確定所述各個應用與目標應用的興趣相似度,所述目標應用可以由所述用戶設定。
S107、根據所述各個應用與所述目標應用各自的興趣相似度輸出所述目標應用的應用推薦信息。
本發明實施例中,所述終端根據計算得到的所述各個應用與所述目標應用 各自的興趣相似度,輸出所述目標應用的應用推薦信息。例如,所述用戶的目標應用為游戲1,則所述終端根據各個游戲與游戲1各自的興趣相似度,向用戶推薦與游戲1興趣相似度最大的幾款游戲。
請參見圖2,是本發明實施例提供的另一種應用推薦方法的流程示意圖,該方法包括但不限于以下步驟。
S201、記錄用戶所使用的各個應用的用戶行為數據。
本發明實施例中,終端記錄用戶所使用的各個應用的用戶行為數據,所述終端可包括但不限于智能手機、平板電腦、筆記本電腦、臺式電腦等用戶終端。所述終端的操作系統可包括但不限于Android操作系統、IOS操作系統、Symbian(塞班)操作系統、Black Berry(黑莓)操作系統、Windows Phone8操作系統等等,本發明實施例不做限定。所述應用可以包括但不限于:游戲應用、網站應用或其他應用程序(Application,APP)。所述用戶行為數據可以包括但不限于:應用評分、應用在線時間和應用消費金額。終端可以將所述用戶行為數據存儲到終端服務器或其他存儲器,本發明實施例不作具體限定。
S203、根據所述用戶行為數據計算所述各個應用的應用特征值,所述應用特征值包括平均應用評分、平均應用在線時間和平均應用消費金額中的一種或幾種組合。
本發明實施例中,所述終端根據記錄到的所有用戶的用戶行為數據計算所述各個應用的應用特征值,所述應用特征值可以包括但不限于:平均應用評分、平均應用在線時間和平均應用消費金額。例如,若所述應用為游戲應用,且包括游戲1、游戲2和游戲3,所述應用特征值為游戲評分,所述用戶包括用戶1、用戶2和用戶3,則所述終端根據用戶1對游戲1的游戲評分、用戶2對游戲1的游戲評分以及用戶3對游戲1的游戲評分,計算得到游戲1的平均游戲評分,所述終端根據用戶1對游戲2的游戲評分、用戶2對游戲2的游戲評分以及用戶3對游戲2的游戲評分,計算得到游戲2的平均游戲評分,所述終端根據用戶1對游戲3的游戲評分、用戶2對游戲3的游戲評分以及用戶3對游戲3的游戲評分,計算得到游戲3的平均游戲評分,即將用戶1對游戲1的游戲評分、用戶2對游戲1的游戲評分以及用戶3對游戲1的游戲評分相加再除以3得到游戲1的平均游戲評分,其中若用戶1玩過若干次游戲1,需要將每次的游戲評分進行加和再求平均值得到用戶1對游戲1的游戲評分。
S205、根據所述用戶行為數據以及所述各個應用的應用特征值計算用戶對所述各個應用的歸一化應用特征值。
本發明實施例中,所述終端根據所述用戶行為數據以及計算得到的所述各個應用的特征值計算各個用戶對各個應用的歸一化應用特征值。
進一步地,所述歸一化應用特征值的計算公式為:
ga=ga-gmingmax-gmin;]]>
其中,所述各個應用包括第一應用,g′a為用戶a對所述第一應用的歸一化應用特征值,ga為用戶a對應所述第一應用的第一應用特征值,gmax為與所述第一應用屬于同類型的所有應用中所述第一應用特征值最大的那款應用的應用特征值,gmin為與所述第一應用屬于同類型的所有應用中所述第一應用特征值最小的那款應用的應用特征值,例如,所述第一應用為游戲1,所述游戲1為棋牌類游戲,所述用戶a為用戶1,所述第一應用特征值為平均游戲評分,與所述游戲1同屬于棋牌類游戲的還有游戲2和游戲3,若用戶1對游戲1的平均游戲評分為45,根據各個用戶玩游戲1、游戲2和游戲3的用戶行為數據計算得到游戲1、游戲2和游戲3的平均游戲評分依次為40、50和60,則ga為45,gmax為60,gmin為40,通過所述歸一化應用特征值的計算公式可得g′a=(45-40)/(60-40)=0.4,即所述用戶1對游戲1的歸一化游戲評分為0.4。
S207、根據用戶對所述各個應用的歸一化應用特征值計算用戶對所述各個應用的興趣度。
本發明實施例中,所述終端根據各個用戶對各個應用的歸一化應用特征值可以計算得到所述各個用戶對各個應用的興趣度。
進一步地,所述興趣度的計算公式為:ea=(α*g′a1+β*g′a2+…+γ*g′an),其中,ea為用戶a對所述第一應用的興趣度,g′a1為用戶a的第一個歸一化應用特征值,g′a2為用戶a的第二個歸一化應用特征值,g′an為用戶a的第N個歸一化應用特征值,α為第一權重因子,β為第二權重因子,γ為第三權重因子,α、β和γ為非負數,且α、β和γ的和為1,N為預設的正整數。例如,所述第一應用為游戲1,用戶a為用戶1,用戶1的第一個歸一化應用特征值為歸一化游戲評分,用戶1的第二個歸一化應用特征值為歸一化游戲在線時間,用戶1的第三個歸一化應用特征值為歸一化游戲消費金額,若根據歸一化應用特征值計算得到用 戶1對游戲1的歸一化游戲評分為0.4,用戶1對游戲1的歸一化游戲在線時間為0.5,用戶1對游戲1的歸一化游戲消費金額為0.6,若將α、β和γ分別設置為0.4、0.4和0.2,則根據興趣度的計算公式計算用戶1對游戲1的興趣度ea=(0.4*0.4+0.4*0.5+0.2*0.6)=0.48。
S209、從所述用戶行為數據中選取所述第一應用與所述目標應用共同對應的M個用戶的用戶行為數據,根據用戶對所述各個應用的興趣度及預設興趣相似度算法對所述第一應用與所述目標應用的興趣相似度進行計算,M為預設的正整數。
本發明實施例中,所述終端從各個用戶的用戶行為數據中選擇兩款應用共同對應的M個用戶的用戶行為數據,所述兩款應用包括所述第一應用以及所述目標應用,所述目標應用可以為用戶當前使用的應用,所述第一應用為所述終端從各個應用中選取的任意一款區別于所述目標應用的應用,根據選取到的M個用戶的用戶行為數據、所述M個用戶對各個應用的興趣度以及預設興趣相似度算法,可以計算所述第一應用與所述目標應用的興趣相似度。M可由用戶自主設定,也可由終端系統默認設定,本發明實施例不作具體限定。
進一步地,所述預設興趣相似度算法的計算公式為:
sim(i,j)=cos(i→,j→)=i→·j→||i→||2*||j→||2,]]>其中,為列向量ei1ee2...eim,j→]]>為列向量ej1ej2...ejm;]]>
其中,ei1為第一個用戶對所述第一應用的興趣度,ei2為第二個用戶對所述第一應用的興趣度,eim為第M個用戶對所述第一應用的興趣度,ej1為第一個用戶對所述目標應用的興趣度,ej2為第二個用戶對所述目標應用的興趣度,ejm為第M個用戶對所述目標應用的興趣度。例如,若所述目標應用為游戲1,所述第一應用為游戲2,所述M個用戶包括用戶1、用戶2和用戶3,根據興趣度算法,計算得到用戶1對游戲1的興趣度為0.48,用戶2對游戲1的興趣度為0.5,用戶3對游戲1的興趣度為0.6,用戶1對游戲2的興趣度為0.55,用戶2對游戲2的興趣度為0.6,用戶3對游戲2的興趣度為0.7,
則為列向量0.480.50.6,j→]]>為列向量0.550.60.7]]>
則通過所述預設興趣相似度算法,得到游戲1與游戲2的興趣相似度sim(i,j)=cos(i→,j→)=i→·j→||i→||2*||j→||2=1.016.]]>
S211、當用戶下載所述目標應用或者用戶安裝所述目標應用或者用戶參與所述目標應用時,從所述各個應用中選取與所述目標應用的興趣相似度最大的預設個數的應用進行推薦。
本發明實施例中,當用戶下載所述目標應用或者用戶安裝所述目標應用或者用戶參與所述目標應用時,所述終端根據計算得到的所述各個應用與所述目標應用各自的興趣相似度,輸出所述目標應用的應用推薦信息。例如,所述用戶的目標應用為游戲1,則所述終端根據各個游戲與游戲1各自的興趣相似度,向用戶推薦與游戲1興趣相似度最大的幾款游戲,例如,所述終端向用戶輸出與所述目標應用的興趣相似度最大的預設個數的幾款應用,所述預設個數可以由用戶自主設定,也可由終端系統默認設定,或者所述用戶可以設置興趣相似度閾值,將與所述目標應用的興趣相似度達到所述興趣相似度閾值的幾款應用推薦給所述用戶。若所述各個應用包括游戲1、游戲2、游戲3和游戲4,所述目標應用為游戲1,根據預設興趣相似度算法計算得到游戲2、游戲3和游戲4分別與游戲1的興趣相似度為1.016、1.1、1.3,若所述預設個數為2,則當用戶玩游戲1時,將與游戲1的興趣相似度最大的兩款游戲,即游戲3和游戲4推薦給所述用戶。
上述詳細闡述了本發明實施例的方法,下面為了便于更好地實施本發明實施例的上述方案,相應地,下面還提供用于配合實施上述方案的裝置。
請參見圖3,是本發明實施例提供的一種應用推薦裝置的結構示意圖。該應用推薦裝置30包括:記錄模塊301、第一計算模塊303、第二計算模塊305和輸出模塊307,其中,
記錄模塊301,用于記錄用戶所使用的各個應用的用戶行為數據。
第一計算模塊303,用于根據所述用戶行為數據計算用戶對所述各個應用的興趣度。
第二計算模塊305,用于根據用戶對所述各個應用的興趣度分別計算所述各個應用與目標應用的興趣相似度。
進一步地,所述第二計算模塊305具體用于從所述用戶行為數據中選取所述第一應用與所述目標應用共同對應的M個用戶的用戶行為數據,根據用戶對 所述各個應用的興趣度及預設興趣相似度算法對所述第一應用與所述目標應用的興趣相似度進行計算,M為預設的正整數。
輸出模塊307,用于根據所述各個應用與所述目標應用各自的興趣相似度輸出所述目標應用的應用推薦信息。
進一步地,所述輸出模塊307具體用于當用戶下載所述目標應用或者用戶安裝所述目標應用或者用戶參與所述目標應用時,從所述各個應用中選取與所述目標應用的興趣相似度最大的預設個數的應用進行推薦。
可理解的是,本實施例的應用推薦裝置30的各功能模塊的功能可根據上述圖1或圖2方法實施例的方法具體實現,此處不再贅述。
請參見圖4,是本發明實施例提供的第一計算模塊303的一個實施例的結構示意圖。該第一計算模塊303可包括:第一計算單元3031、第二計算單元3033和第三計算單元3035,其中,
第一計算單元3031,用于根據所述用戶行為數據計算所述各個應用的應用特征值,所述應用特征值包括平均應用評分、平均應用在線時間和平均應用消費金額中的一種或幾種組合。
第二計算單元3033,用于根據所述用戶行為數據以及所述各個應用的應用特征值計算用戶對所述各個應用的歸一化應用特征值。
第三計算單元3035,用于根據用戶對所述各個應用的歸一化應用特征值計算用戶對所述各個應用的興趣度。
可理解的是,本實施例的第一計算模塊303的各功能模塊的功能可根據上述圖2方法實施例的方法具體實現,此處不再贅述。
綜上所述,通過實施本發明實施例,終端記錄用戶的用戶行為數據,并根據這些用戶行為數據計算用戶對各個應用的興趣度,并計算任意兩款應用的興趣相似度,從而在用戶使用某款應用時,向用戶推薦與所使用的某款應用的興趣相似度最大的幾款游戲,從而向用戶拓展應用范圍,提高推薦精度。
本發明所有實施例中的模塊或子模塊,可以通過通用集成電路,例如CPU(Central Processing Unit,中央處理器),或通過ASIC(Application Specific Integrated Circuit,專用集成電路)來實現。
本發明實施例的方法的步驟順序可以根據實際需要進行調整、合并或刪減。本發明實施例的終端的模塊可以根據實際需要進行整合、進一步劃分或刪減。
本領域普通技術人員可以理解實現上述實施例方法中的全部或部分流程,是可以通過計算機程序來指令相關的硬件來完成,所述的程序可存儲于一計算機可讀取存儲介質中,該程序在執行時,可包括如上述各方法的實施例的流程。其中,所述的存儲介質可為磁碟、光盤、只讀存儲記憶體(Read-Only Memory,ROM)或隨機存儲記憶體(Random Access Memory,RAM)等。
以上所揭露的僅為本發明一種較佳實施例而已,當然不能以此來限定本發明之權利范圍,本領域普通技術人員可以理解實現上述實施例的全部或部分流程,并依本發明權利要求所作的等同變化,仍屬于發明所涵蓋的范圍。

關于本文
本文標題:一種應用推薦方法及裝置.pdf
鏈接地址:http://www.wwszu.club/p-6369555.html
關于我們 - 網站聲明 - 網站地圖 - 資源地圖 - 友情鏈接 - 網站客服 - 聯系我們

[email protected] 2017-2018 zhuanlichaxun.net網站版權所有
經營許可證編號:粵ICP備17046363號-1 
 


收起
展開
鬼佬大哥大