[发明专利]应用推荐方法、装置、存储介质及计算机设备

说明书

本发明提供一种应用推荐方法、装置、存储介质及计算机设备，所述的方法包括：获取待推荐用户已安装的应用，生成应用集合；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；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。上述应用推荐方法，解决现有技术中存在的给用户推荐相关应用时效率过低的问题，实现给用户自动化推荐感兴趣的应用。

技术领域

本发明涉及计算机技术领域，具体而言，本发明涉及一种应用推荐方法、装置、存储介质及计算机设备。

背景技术

随着互联网技术以及终端技术的发展，人们对各种类型的应用的需求越来越多，在其终端设备中安装的应用也越来越多。然而，终端设备的容量有限，过多的应用将造成终端设备的资源浪费。如何很好地给用户推荐感兴趣的应用，避免用户终端安装过多不必要的应用，提高用户体验，是应用商店运营过程中一直急需解决的问题。

现有技术提出了为用户提供感兴趣的应用推荐的方案，即通过获知用户的兴趣所在，主动为其推荐感兴趣的应用。然而，判断用户感兴趣的应用，一般是通过人工筛选，不仅耗费大量的人工，而且效率过低。

发明内容

本发明针对现有方式的缺点，提出一种应用推荐方法、装置、存储介质及计算机设备，用以解决现有技术中存在的给用户推荐相关应用时效率过低的问题，实现给用户自动化推荐感兴趣的应用。

本发明提供以下方案：

一种应用推荐方法，包括步骤：获取待推荐用户已安装的应用，生成应用集合；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；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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，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。

在其中一个实施例中，所述预设算法为梯度下降法。

在其中一个实施例中，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。