[发明专利]一种基于社交网络的APP推荐方法及装置

说明书

本发明实施例提供一种基于社交网络的APP推荐方法及装置，所述方法包括：根据当前用户在社交网络上的行为，得到当前用户所属的多个群组；针对当前用户所属的每个群组，将社交网络上每个APP分别在每个群组中进行排序；根据当前用户的APP下载相关信息、以及每个APP在当前用户所属各群组中的排序，得到各APP的最终得分；根据各APP的最终得分向当前用户进行推荐。通过合理的划分用户所属的社交群组和兴趣群组，根据用户所属的不同群组对APP的兴趣向用户进行推荐，不仅减少了计算量，而且精准的把握了用户的个性化需求。

技术领域

本发明涉及一种计算机技术领域，尤其涉及一种利用社交网络关系向用户推荐APP的方法及装置。

背景技术

随着移动互联网时代的到来，移动智能设备用户通过APP(计算机应用程序)获取网络信息和服务，一个好的APP可以极大满足用户社交、购物、娱乐等需求。用户在面对社交网络上数目繁多且大同小异的APP时，会无从选择，或者需要花费大量的时间精力甚至金钱才能找到需要的APP，因此在应用商店或者下载平台上，相关系统会做一些下载推荐，帮助用户快速找到合适的APP。

在现有技术中，主要是在应用商店或者下载平台上向用户推荐APP，现有技术中推荐APP的方法有以下几种：第一，基于矩阵分解的方法向用户推荐APP，根据用户对APP的评分或者下载记录，形成“用户*APP”的矩阵，得到用户和APP的潜在语义向量，对于任意APP，计算其和用户的语义向量相似度，将最相似的APP推荐组用户。第二，基于协同过滤的方法向用户推荐APP，根据用户的下载记录，构造APP之间的共现关系，利用互信息的方法计算APP之间的相似度，当用户下载或点击了某APP的时候，就将与所述的APP相似的APP推荐给用户。第三，基于热门向用户推荐APP，将短期内下载量突涨的APP推荐给用户。第四，基于人口学属性向用户推荐APP，按年龄段，性别，地域等人口学属性划分人群，统计各个人群对不同APP的下载率，将用户所属人群内下载率最高的APP推荐给用户。

在实现本发明过程中，发明人发现现有技术中至少存在如下问题：基于矩阵分解向用户推荐APP，由于用户的评分或下载矩阵非常稀疏，矩阵分解的向量可靠度无法保证，由于用户基数在亿级，APP也十万级，在这么大矩阵上进行矩阵分解，计算成本较高，耗费的时间较长；基于协同过滤的方法向用户推荐APP，基于共现得到的APP很可能是常用的APP，在类别领域上并不相似，另外对于下载较少的长尾APP，得不到共现关系；基于热门和基于人口学属性向用户推荐APP，都忽略了用户的个性化需求。

发明内容

本发明实施例提供了一种基于社交网络的APP推荐方法及装置，充分分析用户的社交人群和用户的兴趣所在，综合考虑了用户的人口学属性和下载记录，在降低了计算成本的同时，精准的把握了用户的个性化需求。

一方面，本发明实施例提供了一种基于社交网络的APP推荐方法，所述方法包括：

根据当前用户在社交网络上的行为，得到当前用户所属的多个群组；

针对当前用户所属的每个群组，将社交网络上每个APP分别在每个群组中进行排序；

根据当前用户的APP下载相关信息、以及每个APP在当前用户所属的各群组中的排序，得到各APP的最终得分；

根据各APP的最终得分向当前用户进行推荐。

另一方面，本发明实施例提供了一种基于社交网络的APP推荐装置，所述装置包括：

分组单元，用于根据当前用户在社交网络上的行为，得到当前用户所属的多个群组；

排序单元，用于针对当前用户所属的每个群组，将社交网络上每个APP分别在每个群组中进行排序；

评分单元，用于根据当前用户的APP下载相关信息，以及每个APP在当前用户所属的各群组中的排序，得到各APP的最终得分；