[发明专利]用于智能设备的混合推荐系统及其方法

权利要求书

1.一种为智能设备推荐应用程序的混合推荐系统，所述混合推荐系统基于云平台的分布式架构，包括：

日志导入和解析器，从数据库导入应用程序访问日志，并且基于MapReduce编程模型对导入的应用程序访问日志进行解析，提取关于应用程序使用状况的信息；

用户建模器，用于创建包括多个应用程序项的应用程序表，每个应用程序项包括应用程序标识以及多个属性，所述属性包括应用程序类型、付费类型以及至少一个关键词，并且用于使用日志导入和解析器提取的信息，基于MapReduce编程模型分布式地为各用户进行用户建模，为每个用户构建包括用户对应用程序的至少一个属性的偏好数据的用户模型；

混合推荐器，用于使用日志导入和解析器提取的信息以及用户建模器创建的应用程序表和每个用户的用户模型，分别为每个用户生成基于项目的协同过滤算法的第一候选推荐数据、包括在用户所属国家使用频率高的应用程序的第二候选推荐数据以及基于内容的协同过滤算法的第三候选推荐数据，然后按照预定的推荐条目总数以及第一、第二和第三比例，分别从每个用户生成的第一候选推荐数据、第二候选推荐数据和第三候选推荐数据选取符合相应比例的数量的推荐数据条目，并且将分别选取的推荐数据条目合并作为所述用户的混合推荐数据。

2.权利要求1所述的混合推荐系统，其中，混合推荐器包括：

第一推荐器，用于基于MapReduce从日志导入和解析器提取的信息取得各用户对各应用程序的使用频率作为项目输入，根据预定的基于项目的协同过滤算法为每个用户生成第一候选推荐数据；

第二推荐器，用于使用日志导入和解析器提取的信息，生成包括在各个国家各应用程序使用次数的国家应用程序列表，取得每个用户所属国家的信息，统计每个用户使用应用程序的历史数据，并且基于上述信息为每个用户生成第二候选推荐数据；

第三推荐器，用于根据混合推荐器创建的应用程序表，为未使用过的应用程序生成特征向量，基于生成的特征向量和各用户的用户模型计算各应用程序的相似度，并且为每个用户生成第三候选推荐数据。

3.如权利要求2所述的混合推荐系统，其中，所述基于项目的协同过滤算法是Apache Mahout机器学习库中实现的基于项目的协同过滤算法。

4.如权利要求1所述的混合推荐系统，其中，所述第一、第二和第三比例分别是60％、20％和20％。

5.如权利要求1所述的混合推荐系统，还包括：

用户应用程序接口，用于根据智能设备的鉴权请求执行用户鉴权，建立与智能设备的安全会话，在安全会话期间将为智能设备的用户生成的混合推荐数据发送给所述智能设备。

6.一种为智能设备推荐应用程序的混合推荐方法，所述混合推荐方法包括，在基于云平台的分布式系统架构中：

从数据库导入应用程序访问日志，并且对导入的应用程序访问日志进行解析，提取关于应用程序使用状况的信息；

创建包括多个应用程序项的应用程序表，每个应用程序项包括应用程序标识以及多个属性，所述属性包括应用程序类型、付费类型以及至少一个关键词；

使用从应用程序访问日志提取的信息，基于MapReduce编程模型分布式地为各用户进行用户建模，为每个用户构建包括用户对应用程序的至少一个属性的偏好数据的用户模型；

用于使用从应用程序访问日志提取的信息、创建的应用程序表以及为每个用户构建的用户模型，分别为每个用户生成基于项目的协同过滤算法的第一候选推荐数据、包括在用户所属国家使用频率高的应用程序的第二候选推荐数据以及基于内容的协同过滤算法的第三候选推荐数据；

按照预定的推荐条目总数以及第一、第二和第三比例，分别从为每个用户生成的第一候选推荐数据、第二候选推荐数据和第三候选推荐数据选取符合相应比例的数量的推荐数据条目，并且将分别选取的推荐数据条目合并作为所述每个用户的混合推荐数据。