[发明专利]一种基于加权混合的移动APP推荐方法

摘要

本发明公开了一种基于加权混合的移动APP推荐方法，抓取移动APP标签数据和移动APP简介数据，并与用户移动APP下载数据分别进行数据预处理；针对预处理后的移动APP标签数据和用户移动APP下载数据，建立个性化标签模型，利用该模型计算预测分数以此得到第一推荐列表；针对处理后的移动APP简介数据和用户移动APP下载数据，建立LDA用户模型，通过该模型得到主题下用户的概率分布，然后利用KL散度计算用户之间的相似度以此形成第二推荐列表；对两个推荐列表进行加权混合，形成最终推荐列表。本发明通过两种相互独立的方法各自形成相应的推荐结果，最终对两个推荐结果进行加权混合，通过并列式加权混合的方式将两种方法的优势结合起来，提高推荐结果的准确性和多样性。

主权项

1.一种基于加权混合的移动APP推荐方法，其特征在于，包括以下步骤:S1：抓取移动APP标签数据和移动APP简介数据，然后对移动APP标签数据、移动APP简介数据及用户移动APP下载数据进行数据预处理；S2：针对预处理后的移动APP标签数据和用户移动APP下载数据，通过对用户行为进行分析建立个性化标签模型，然后对用户所下载APP的标签数据集进行加权量化，利用个性化标签模型遍历所有候选移动APP，计算用户对候选移动APP的预测分数以此得到第一推荐列表；S3：针对处理后的移动APP简介数据和用户移动APP下载数据，建立LDA用户模型，通过该模型得到主题下用户的概率分布，然后利用KL散度计算用户之间的相似度以此形成第二推荐列表；S4：对第一推荐列表与第二推荐列表进行加权混合，通过并列式的混合方式形成最终推荐列表；步骤S2中得到第一推荐列表的方法包括：针对处理后的移动APP标签数据和用户移动APP下载数据，对用户行为进行分析，根据用户下载来源对用户所下载的移动APP进行划分，将其划分为High、Normal和Low三个等级，得到用户移动APP的划分后，对标签数据集进行划分，将其划分为High Tags Set、Normal Tags Set和Low Tags Set三个数据集，去除重复标签，根据每个标签的频率对标签进行加权量化，得到标签的权重后，建立个性化标签模型，具体的计算公式如下：T Model(u)＝α×score(u,HT)+β×score(u,NT)+χ×score(u,LT)其中，HT、NT和LT分别表示用户的High Tags Set、Normal Tags Set、Low Tags Set；α，β，χ是独立的参数来控制HT、NT和LT中不同标签的权重，且满足条件0＜β≤α≤1，‑1≤χ＜0；计算标签权重的公式分别为其中，fr(t_i|HT)是标签t_i在用户u在High tags set中的频率，fr(t_i|NT)和fr(t_i|LT)则是在Normal tags set和Low tags set中的频率；利用个性化标签模型遍历所有候选移动APP，计算用户对候选移动APP的预测分数，设定候选APP i的标签集为i T，则候选APP i的预测分数为：其中，是计算标签同时在标签集i T和HT中的标签权重，是用来计算标签同时在标签集i T和NT中的标签权重，是用来计算标签同时在标签集i T和LT中的标签权重，并且α，β，χ作为权重参数用来对权重进行调整，最终将r_ui作为用户u对候选APP i的喜欢程度；通过对预测分数排序，得到第一推荐列表。