[发明专利]一种基于聚类的移动应用下载量预测方法

说明书

本发明提供一种基于聚类的移动应用下载量预测方法，包括：1)从后台数据中收集所有已知的app的历史数据，2)源数据处理，3)模式聚类，下载量预测。本发明创新性地进行app下载量预测，在app领域需求明显，并且具有良好拓展性，在其他电商领域具有十分广泛的应用前景，并且，本发明在考虑app下载曲线特性的基础上修改K‑means算法，并优化求解效率。整个聚类过程可以在线下完成，而下载量的预测值计算在线上完成，优化了用户体验。

技术领域

本发明属于移动互联网应用领域。主要利用了余弦相似度与K中心聚类方法，实现了一种针对移动应用(app)下载量的预测机制。

背景技术

随着移动互联网大潮的到来，近年来移动应用(app)蓬勃发展，以谷歌市场为例(Google Play)目前其app数目已超过100万，而累计下载量则超过500亿。不论android还是ios的app应用市场，其网页或者应用端的展示页面都十分有限制，而大部分的app得不到有效的展示。工业界将传统电商中的推荐机制逐渐引入到app领域，以此作为用户发现感兴趣优质app的一种途径，同时也是一部分欠热门优质app曝光的有效途径。但目前没有一种对潜在的优质app的发掘方法。

发明内容

本发明所要解决的技术问题是提供一种基于聚类的移动应用下载量预测方法，能够根据app的已知下载量对其后一段时间的总下载量进行预测。

本发明解决技术问题所采用的技术方案是：一种基于聚类的移动应用下载量预测方法，包括以下步骤：

1)从后台数据中收集所有已知的app的历史数据。

2)源数据处理，对步骤1)中的数据进行处理，生成长度为L的离散时间序列x以表示每一个app的下载曲线，至此所有app的下载曲线组成一个离散时间序列训练数据集；

3)模式聚类，将步骤2)中生成的离散时间序列数据集进行聚类，得到k个下载模式；

4)下载量预测，给定一个app在m天内的下载曲线，与k个下载模式进行匹配，计算之后(L-m)天的总下载量，得到预测结果。

在采用上述技术方案的同时，本发明还可以采用或者组合采用以下进一步的技术方案：

所述步骤2)具体包括以下步骤：

(1)给定下载阈值thr；thr为人为指定的参数，默认thr＝0.1。在thr确定的基础上可以计算得到整个训练数据集的L₁和L₂，一般调节thr使得L₁+L₂不小于原序列长度的2/3。

(2)为离散时间序列数据集中的每一条离散时间序列x，计算相应的L₁(x)和L₂(x)，其中L₁(x)表示从L_p开始往左数日下载量第一次下降到thr*v_p所用的天数，相应的，L₂(x)用表示从L_p开始往右数日下载量第一次下降到thr*v_p所用的天数，L_p为序列中指定的一天，ν_p为下载量的峰值。

(3)计算所有训练数据集中L₁(x)和L₂(x)的平均值L₁和L₂。加：截取每条离散序列峰值所在日前L₁天和后L₂天的下载数据，左边截取天数不足L₁时，用右侧数据填充。相应的，用左侧数据填补右侧数据的不足。以确保所有序列的长度均为L(L＝L₁+L₂)。至此，源数据被处理为长度均为L的离散时间序列。

所述步骤3)具体包括以下步骤：