[发明专利]应用推荐方法及装置

说明书

本发明涉及一种应用推荐方法及装置，应用推荐方法包括：获取用户已安装应用信息，筛选得到N款个性化应用；获取包括待推荐的多款应用的推荐应用池；在推荐应用池中筛选出与每款个性化应用的关联程度值大于阈值的多款关联应用；分别获取每款个性化应用与多款关联应用的关联程度值，根据关联程度值为多款关联应用计算分数，得到N个关联程度值列表；以个性化应用的个性化程度为每个关联程度值列表分配权重，加权合并N个关联程度值列表中的分数，将应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。本发明通过关联程度值代替标签匹配，扩大了用户的个性化数据权重，使得输出结果更代表用户的个性化需求。

技术领域

本发明涉及数据业务技术领域，特别是涉及一种应用推荐方法及装置。

背景技术

现有的应用推荐方法主要基于采取的用户现有应用数据，如已安装的应用及应用使用情况，或根据用户在平台内的搜索结果，通过应用的标签(如购物、育儿、宠物等)匹配来计算用户可能会感兴趣的应用，并进行推荐。

目前这种应用推荐方法主要存在以下几个问题：(1)没有考虑用户已安装使用应用的集中性，大量热门应用使得收集的用户数据有较大相关性，在利用数据进行个性化推荐时应当把这部分数据滤除，留下更为代表用户个性的数据进行处理；(2)在数据处理过程中，尤其对单一用户多款目标应用(目标应用：根据用户已安装或使用的应用来计算感兴趣的应用，用户已安装或使用的应用为目标应用)的情况下推荐时，没有对不同应用的个性化程度进行加权，仅加权了应用的使用频度等信息；(3)有些应用用户未必高频率使用，但是这些相对冷门的应用可能更代表用户的个性化需求，应在运算中给予更高的权重；(4)通过标签匹配的方式确定相似应用，大大依赖于标签设计的合理性，且设计不同的标签可能导致推荐的结果不同，对个性化推荐的流程造成了干扰，导致输出结果无法代表用户的个性化需求。

发明内容

本发明的目的是提供一种应用推荐方法及装置，其能够按照应用本身的热度进行数据处理，使输出结果更能代表用户的个性化需求。

第一方面，本发明实施例提供了一种应用推荐方法，其包括如下步骤：获取用户已安装应用信息，筛选得到N款个性化应用；获取包括待推荐的多款应用的推荐应用池；在推荐应用池中筛选出与每款个性化应用的关联程度值大于阈值的多款关联应用；分别获取每款个性化应用与多款关联应用之间的关联程度值，根据关联程度值为多款关联应用计算分数，得到N个关联程度值列表；以个性化应用的个性化程度为每个关联程度值列表分配权重，加权合并N个关联程度值列表中的分数，得到第一推荐应用列表；将第一推荐应用列表内的多款应用按照分数从大到小的顺序排列，并将排序在前的预定数量的应用推荐给该用户。

根据本发明实施例的一个方面，获取用户已安装应用列表、筛选得到N款个性化应用包括：在已安装应用中滤除热门应用和预定时间段内未使用的沉默应用，以得到N款个性化应用。

根据本发明实施例的一个方面，热门应用为在预定时间段内下载次数大于新增用户数的预定百分比的应用。

根据本发明实施例的一个方面，根据关联程度值为多款关联应用计算分数包括：分别根据关联应用的关联程度值排名及关联程度值计算分数，选择二者之中较高的分数列入关联程度值列表。

根据本发明实施例的一个方面，以个性化应用的个性化程度为每个关联程度值列表分配权重包括：获取个性化应用在预定时间段内的下载数，以下载数的倒数度量个性化应用的个性化程度。

根据本发明实施例的一个方面，关联程度值列表的权重满足式(1)：

a_i＝(1/k_i)/∑(1/k₁+1/k₂+...+1/k_N) (1)