本发明专利技术提供了一种确定待推荐应用APP的方法和装置，包括：获取终端用户在预定时长内安装的多个APP名称，并基于安装时序生成包括多个APP名称的词语集合；将词语集合通过神经网络语言模型进行训练，确定词语集合对应的第一词向量；将第一词向量通过预测模型进行预测计算处理；根据预测计算结果来确定待推荐应用APP。本发明专利技术中，由于采取了基于终端用户的历史安装数据构建词向量来确定待推荐应用APP的方法，即在推荐过程中考虑到终端用户的实际使用习惯和实际使用需求，使得确定的待推荐APP与终端用户具有较高匹配度，进一步地，将与终端用户匹配度较高的APP推荐至终端用户后，用户可快速获取与其使用需求和使用习惯相匹配的APP，提高了用户的使用体验。
【技术实现步骤摘要】
本专利技术涉及计算机
，具体而言，本专利技术涉及确定待推荐应用APP的方法 及装置。
技术介绍
随着时代的发展，各种终端设备已成为人们生活中必不可少的工具，各种功能强 大的终端应用程序APP不断涌现，为用户带来了更加便捷的体验。目前的应用搜索及应用 管理服务均会提供应用推荐功能，现有的应用推荐功能大多采用根据下载量和/或用户评 价机制来进行相关APP推荐的方式，因此，人气较高的APP会依赖滚雪球效应不断被推荐下 载，由于该种推荐方式并未考虑个体用户的实际使用需求，因此，推荐至用户的APP与个体 用户的匹配度较低。因此，有必要寻找一种更加合理的APP推荐方法，使得被推荐的APP更 加符合用户的使用习惯及使用需求。
技术实现思路
为克服上述技术问题或者至少部分地解决上述技术问题，特提出以下技术方案： 本专利技术的实施例提出了一种确定待推荐应用APP的方法，包括： 获取终端用户在预定时长内安装的多个APP名称，并基于安装时序生成包括多个 APP名称的词语集合； 将所述词语集合通过神经网络语言模型进行训练，确定所述词语集合对应的第一 词向量； 将所述第一词向量通过预测模型进行预测计算处理； 根据预测计算结果来确定待推荐应用APP。 其中，神经网络语言模型，具体包括以下至少任一项： CBOW 模型；Skip-gram 模型。 优选地，将所述第一词向量通过预测模型进行预测计算处理的方法，具体包括： 将所述第一词向量与APP词向量存储库中的多个APP词向量进行相似度计算，获 取所述第一词向量与各个APP词向量之间的向量相似度。 其中，根据预测计算结果来确定待推荐应用APP，包括以下至少一种情形： 将与所述第一词向量的向量相似度大于预定相似度阈值的至少一个APP词向量 对应的至少一个APP确定为待推荐应用APP ; 对向量相似度进行排序，并将与前预定位数的向量相似度相应的APP词向量对应 的APP确定为待推荐应用APP。 可选地，将所述第一词向量通过预测模型进行预测计算处理，具体包括： 将所述第一词向量与APP词向量存储库中的多个APP词向量进行聚类处理； 其中，根据预测计算结果来确定待推荐应用APP，具体包括： 将与所述第一词向量为同一类的至少一个APP词向量对应的至少一个APP确定为 待推荐应用APP。 优选地，采用k-means聚类方法将所述第一词向量与APP词向量存储库中的多个 APP词向量进行聚类处理。 本专利技术的另一实施例提出了一种确定待推荐应用APP的装置，包括： 集合生成模块，用于获取终端用户在预定时长内安装的多个APP名称，并基于安 装时序生成包括多个APP名称的词语集合； 词向量确定模块，用于将所述词语集合通过神经网络语言模型进行训练，确定所 述词语集合对应的第一词向量； 计算模块，用于将所述第一词向量通过预测模型进行预测计算处理； APP确定模块，用于根据预测计算结果来确定待推荐应用APP。 其中，所述神经网络语言模型包括以下至少任一项： CBOW 模型；Skip-gram 模型。 优选地，所述计算模块具体用于将所述第一词向量与APP词向量存储库中的多个 APP词向量进行相似度计算，获取所述第一词向量与各个APP词向量之间的向量相似度。 可选地，所述APP确定模块用于将与所述第一词向量的向量相似度大于预定相似 度阈值的至少一个APP词向量对应的至少一个APP确定为待推荐应用APP ;或所述APP确 定模块用于对向量相似度进行排序，并将与前预定位数的向量相似度相应的APP词向量对 应的APP确定为待推荐应用APP。 优选地，所述计算模块具体用于将所述第一词向量与APP词向量存储库中的多个 APP词向量进行聚类处理；所述APP确定模块具体用于将与所述第一词向量为同一类的至 少一个APP词向量对应的APP确定为待推荐应用APP。 其中，采用k-means聚类方法将所述第一词向量与APP词向量存储库中的多个APP 词向量进行聚类处理。 本专利技术还提供了一种确定待推荐应用APP的系统，包括服务器端的推荐引擎、推 荐数据接口以及终端设备端的页面展示模块： 所述推荐引擎，用于获取终端用户在预定时长内安装的多个APP名称，并基于安 装时序生成包括多个APP名称的词语集合；将所述词语集合通过神经网络语言模型进行训 练，确定所述词语集合对应的第一词向量；将所述第一词向量通过预测模型进行预测计算 处理；根据预测计算结果来确定待推荐应用APP ; 所述数据接口，用于将所述待推荐应用APP进行封装并传输至终端设备； 所述页面展示模块，用于接收所述待推荐应用APP，并将所述待推荐应用APP通过 应用展示页面进行展示。 本专利技术的实施例中，提出了确定待推荐应用APP的方案，将包括按照安装时序排 列的多个APP名称组成的词语集合通过神经网络语言模型进行训练，确定词语集合对应的 第一词向量，并将第一词向量通过预测模型进行预测计算处理，根据预测计算结果来确定 待推荐应用APP。本专利技术中，由于采取了基于终端用户的历史安装数据构建词向量来确定待 推荐应用APP的方法，即在推荐过程中考虑到终端用户的实际使用习惯和实际使用需求， 使得确定的待推荐APP与终端用户具有较高匹配度，进一步地，将与终端用户匹配度较高 的APP推荐至终端用户后，用户可快速获取与其使用需求和使用习惯相匹配的APP，提高了 用户的使用体验；同时，也会大大提高用户点击下载推荐APP的几率，提高了服务提供方的 推荐效果。 本专利技术附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变 得明显，或通过本专利技术的实践了解到。【附图说明】 本专利技术上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变 得明显和容易理解，其中： 图1为本专利技术中一个实施例的确定待推荐应用APP的方法的流程图； 图2为本专利技术中另一实施例的确定待推荐应用APP的装置的结构示意图； 图3为本专利技术中又一实施例的确定待推荐应用APP的系统的框架示意图； 图4为本方案一个优选实施例的确定待推荐应用APP的系统的框架示意图； 图5为本方案另一优选实施例的确定待推荐应用APP的系统的框架示意图。【具体实施方式】 下面详细描述本专利技术的实施例，所述实施例的示例在附图中示出，其中自始至终 相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附 图描述的实施例是示例性的，仅用于解释本专利技术，而不能解释为对本专利技术的限制。 本
技术人员可以理解，除非特意声明，这里使用的单数形式"一"、"一 个"、"所述"和"该"也可包括当前第1页1 2 3 4 本文档来自技高网...
【技术保护点】
一种确定待推荐应用APP的方法，其特征在于，包括：获取终端用户在预定时长内安装的多个APP名称，并基于安装时序生成包括多个APP名称的词语集合；将所述词语集合通过神经网络语言模型进行训练，确定所述词语集合对应的第一词向量；将所述第一词向量通过预测模型进行预测计算处理；根据预测计算结果来确定待推荐应用APP。
【技术特征摘要】
【专利技术属性】
技术研发人员：岳华东，
申请(专利权)人：北京奇虎科技有限公司，奇智软件北京有限公司，
类型：发明
国别省市：北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。