[发明专利]应用推荐方法、装置、存储介质及计算机设备

权利要求书

1.一种应用推荐方法，其特征在于，包括步骤：

获取待推荐用户已安装的应用，生成应用集合；

采用拼接技术分别获取待推荐应用与所述应用集合中的每个应用的交叉特征，得到应用特征向量，其中，所述应用特征向量中每个元素均为两两应用的交叉特征，属于字符型的元素；

根据所述应用特征向量生成对应的实数向量，将所述实数向量输入预生成的应用推荐模型中，得到所述待推荐应用的预测安装值；其中，所述应用推荐模型用于表征所述实数向量和所述预测安装值之间的关联关系；

根据所述预测安装值，向所述待推荐用户推荐应用。

2.根据权利要求1所述的应用推荐方法，其特征在于，所述根据所述预测安装值，向所述待推荐用户推荐应用，包括：

获取应用推荐池中每个待推荐应用的预测安装值；

按照预测安装值从大到小对所述应用推荐池中的待推荐应用进行排序；

向所述待推荐用户推荐所述应用推荐池中排名靠前的预置数量的待推荐应用。

3.根据权利要求1所述的应用推荐方法，其特征在于，所述根据所述应用特征向量生成对应的实数向量，包括：

获取所述应用特征向量中每个元素的字符串的哈希值；

根据所述每个元素的哈希值生成所述实数向量。

4.根据权利要求1所述的应用推荐方法，其特征在于，所述预生成的应用推荐模型通过以下方式获得：

获取向样本用户曝光的应用，以及所述曝光的应用的安装信息；

根据所述曝光的应用的安装信息生成曝光应用安装向量；

获取所述样本用户已安装的应用，生成样本应用集合；

分别获取曝光的应用与所述样本应用集合中每个应用的交叉特征，得到样本应用特征向量；

根据所述样本应用特征向量生成对应的样本实数向量；

将所述样本实数向量和所述曝光应用安装向量，输入深度神经网络中进行训练，生成所述应用推荐模型。

5.根据权利要求4所述的应用推荐方法，其特征在于，所述将所述样本实数向量和所述曝光应用安装向量，输入深度神经网络中进行训练，生成所述应用推荐模型，包括：

将所述样本实数向量和所述曝光应用安装向量输入预先构建的损失函数中；

通过预设算法求解所述损失函数最小时对应的所述深度神经网络的模型参数，根据所述模型参数生成所述应用推荐模型。

6.根据权利要求5所述的应用推荐方法，其特征在于，所述预设算法为梯度下降法。

7.根据权利要求1所述的应用推荐方法，其特征在于，所述获取待推荐用户已安装的应用，生成应用集合，包括：

获取距离当前时间预设时长内待推荐用户已安装的应用，将所述已安装的应用按照安装时间与当前时间的距离从近到远的顺序进行排序；

根据排序后的已安装的应用，生成所述应用集合。

8.根据权利要求7所述的应用推荐方法，其特征在于，所述根据排序后的已安装的应用，生成所述应用集合，包括：

在所述排序后的已安装的应用中，获取排名靠前的预设数量的应用生成所述应用集合。

9.一种应用推荐装置，其特征在于，包括：

生成模块，用于获取待推荐用户已安装的应用，生成应用集合；

第一获取模块，用于采用拼接技术分别获取待推荐应用与所述应用集合中的每个应用的交叉特征，得到应用特征向量，其中，所述应用特征向量中每个元素均为两两应用的交叉特征，属于字符型的元素；

第二获取模块，用于根据所述应用特征向量生成对应的实数向量，将所述实数向量输入预生成的应用推荐模型中，得到所述待推荐应用的预测安装值；其中，所述应用推荐模型用于表征所述实数向量和所述预测安装值之间的关联关系；

推荐模块，用于根据所述预测安装值，向所述待推荐用户推荐应用。