针对应用的用户评价方法及装置制造方法及图纸

本发明专利技术公开了一种针对应用的用户评价方法及装置，该方法包括：统计样本用户的用户属性标签和所述样本用户所安装的应用程序，计算所述应用程序的属性倾向数据；获取目标用户所安装的每个应用程序的使用情况，根据所述应用程序的使用情况与所述应用程序的属性倾向数据，得到所述目标用户所安装的每个应用程序的属性评估值；根据所述目标用户所安装的每个应用程序的属性评估值，得到所述目标用户所安装的应用程序的总评估值，判断所述总评估值是否大于预设评估阈值，根据判断结果，对所述目标用户进行评价。所述针对应用的用户评价方法及装置能够针对应用实现用户的评价，进而筛选出数据均衡的优质用户，大大降低了用户数据的不均衡性。

【技术实现步骤摘要】

本专利技术涉及移动互联网
，特别是指一种针对应用的用户评价方法及装置。
技术介绍
随着web2.0的到来和移动互联网的飞速发展，用户的基础属性在网络应用中扮演的角色越来越重要，例如：Google提供的个性化搜索服务是根据用户的地理位置信息和用户的搜索历史记录为用户返回个性化的搜索列表，给用户提供个性化的搜索服务。这是因为用户属性很大程度上决定了用户的意图和习惯，知晓用户属性对于满足用户的潜在需求具有重大意义。这里的用户基础属性通常是指用户的年龄、性别、收入状况、地理位置、文化程度、宗教信仰等基础属性。而针对于移动终端中用户属性的预测，需要获取得到大量的已知用户属性的用户数据进行后续的预测分析，通常得方法是获取用户移动终端中应用程序(也即APP应用等相关应用程序)的相关数据进行分析。在实现本专利技术的过程中，专利技术人发现现有技术至少存在以下问题：基于不同应用程序对应的不同用户的属性类别具有巨大的差异，导致这些用户数据之间的差异也较大，若是无差别的选取所有用户，可能会导致这些用户数据出现不均衡性，进而导致预测、分析的结果不准确。因此，现有技术中缺乏评价用户对应的用户数据性质的手段，使得获取得到的用户数据会出现较大的不均衡性。
技术实现思路
有鉴于此，本专利技术实施例的目的在于提出一种针对应用的用户评价方法及装置，能够针对应用实现用户的评价，进而筛选出数据均衡的优质用户。基于上述目的本专利技术实施例提供的一种针对应用的用户评价方法，包括：统计样本用户的用户属性标签和所述样本用户所安装的应用程序，计算所述应用程序的属性倾向数据；获取目标用户所安装的每个应用程序的使用情况，根据所述应用程序的使用情况与所述应用程序的属性倾向数据，得到所述目标用户所安装的每个应用程序的属性评估值；根据所述目标用户所安装的每个应用程序的属性评估值，得到所述目标用户所安装的应用程序的总评估值，判断所述总评估值是否大于预设评估阈值，根据判断结果，对所述目标用户进行评价。可选的，所述判断所述总评估值是否大于预设评估阈值的步骤之前还包括：根据所述目标用户已知的属性类别，查找预设的属性类别与评估阈值的对应关系列表，得到所述目标用户已知属性类别对应的预设评估阈值。可选的，所述判断所述总评估值是否大于预设评估阈值的步骤之后还包括：若所述总评估值大于所述评估阈值，则目标用户为优质用户；若所述总评估值小于或等于所述评估阈值，则目标用户为非优质用户；筛选出优质用户，并将所述优质用户对应的用户属性标签以及所述优质用户所安装的应用程序作为训练数据，输入预先构建的用户属性预测的算法模型中，训练得到预测用户属性的预测模型。可选的，所述获取目标用户所安装的每个应用程序的使用情况的步骤还包括：获取目标用户对应的移动终端上报的日志信息，统计得到每个应用程序每次所使用的时间长度；判断所述应用程序每次所使用的时间长度是否大于预设时间阈值，若是，则记为一次有效使用，否则，记为一次无效使用；统计得到每个所述应用程序的有效使用次数，并将每个应用程序的有效使用次数作为每个应用程序的使用次数。可选的，所述统计得到每个应用程序的有效使用次数的步骤还包括：统计得到预设的统计周期内应用程序的有效使用次数，判断所述应用程序的有效使用次数是否大于预设的次数阈值，若是，则将所述预设的次数阈值作为该周期内所述应用程序的使用次数，否则，所述应用程序的有效使用次数为所述应用程序的使用次数；计算每个应用程序在预设数量的统计周期内的使用次数，并作为每个应用程序的使用次数。本专利技术实施例还提供了一种针对应用的用户评价装置，包括：获取模块，用于获取样本用户的用户属性标签以及所述样本用户所安装的应用程序；并将所述样本用户的用户属性标签以及所述样本用户所安装的应用程序发送到计算模块；计算模块，用于接收所述获取模块发送的所述样本用户的用户属性标签以及所述样本用户所安装的应用程序，统计每个所述样本用户的用户属性标签和所述样本用户所安装的应用程序，计算所述应用程序的属性倾向数据；将所述应用程序的属性倾向数据发送到属性评估模块；属性评估模块，用于接收所述计算模块发送的应用程序的属性倾向数据，获取目标用户所安装的每个应用程序的使用情况，根据所述应用程序的使用情况与所述应用程序的属性倾向数据，得到所述目标用户所安装的每个应用程序的属性评估值；将所述每个应用程序的属性评估值发送到评价模块；评价模块，用于接收所述属性评估模块发送的每个应用程序的属性评估值，根据所述目标用户所安装的每个应用程序的属性评估值，得到所述用户所安装的应用程序的总评估值，判断所述总评估值是否大于预设评估阈值，根据判断结果，对所述目标用户进行评价。可选的，所述评价模块包括：用户评估模块、阈值查找模块和结果判断模块；所述属性评估模块还用于，将所述每个应用程序的属性评估值发送到用户评估模块；所述用户评估模块，用于接收所述属性评估模块发送的每个应用程序的属性评估值，计算得到所述目标用户所安装的应用程序基于已知属性类别的总评估值；将所述目标用户的总评估值发送给结果判断模块；所述阈值查找模块，用于根据所述目标用户已知的属性类别，查找预设的属性类别与评估阈值的对应关系列表，得到所述目标用户已知属性类别对应的预设评估阈值；将所述预设评估阈值发送给结果判断模块；所述结果判断模块，用于接收所述用户评估模块发送的目标用户的总评估值，以及所述阈值查找模块发送的预设评估阈值；判断所述目标用户基于已知属性类别的总评估值是否大于预设评估阈值，若是，则目标用户为优质用户；否则，目标用户为非优质用户。可选的，所述用户评价装置还包括模型训练模块；所述模型训练模块用于，筛选出优质用户，并将所述优质用户对应的用户属性标签以及所述优质用户所安装的应用程序作为训练数据，输入预先构建的用户属性预测的算法模型中，训练得到预测用户属性的预测模型。可选的，所述属性评估模块还包括：信息统计模块、时间判断模块、次数统计模块和评估计算模块；所述信息统计模块，用于获取目标用户对应的移动终端上报的日志信息，统计得到每个应用程序每次所使用的时间长度；将统计得到的每个应用程序每次所使用的时间长度发送给时间判断模块；所述时间判断模块，用于接收所述信息统计模块发送的每个应用程序每次所使用的时间长度，判断应用程序每次所使用的时间长度是否大于预设时间阈值，若是，则记为一次有效使用，否则，记为一次无效使用；所述次数统计模块，用于统计得到每个应用程序的有效使用次数，并将每个应用程序的有效使用次数作为每个应用程序的使用次数；将每个应用程序的使用次数发送给计算模块；所述评估计算模块，用于接收所述次数统计模块发送的每个应用程序的使用次数，以及接收所述计算模块发送的每个应用程序的属性倾向数据，将每个应用程序的使用次数与所述应用程序的属性倾向数据相乘，计算得到所述目标用户所安装的每个应用程序对应不同属性类别的评估值；将所述每个应用程序对应不同属性类别的评估值发送到评价模块。可选的，所述次数统计模块还用于，统计得到预设的统计周期内应用程序的有效使用次数，判断所述应用程序的有效使用次数是否大于预设的次数阈值，若是，则将所述预设的次数阈值作为该周期内所述应用程序的使用次数，否则，所述应用程序的有效使用次数为所述应用程序的使用次数；计算得到每个应用本文档来自技高网...

【技术保护点】
一种针对应用的用户评价方法，其特征在于，包括：统计样本用户的用户属性标签和所述样本用户所安装的应用程序，计算所述应用程序的属性倾向数据；获取目标用户所安装的每个应用程序的使用情况，根据所述应用程序的使用情况与所述应用程序的属性倾向数据，得到所述目标用户所安装的每个应用程序的属性评估值；根据所述目标用户所安装的每个应用程序的属性评估值，得到所述目标用户所安装的应用程序的总评估值，判断所述总评估值是否大于预设评估阈值，根据判断结果，对所述目标用户进行评价。

【技术特征摘要】
1.一种针对应用的用户评价方法，其特征在于，包括：统计样本用户的用户属性标签和所述样本用户所安装的应用程序，计算所述应用程序的属性倾向数据；获取目标用户所安装的每个应用程序的使用情况，根据所述应用程序的使用情况与所述应用程序的属性倾向数据，得到所述目标用户所安装的每个应用程序的属性评估值；根据所述目标用户所安装的每个应用程序的属性评估值，得到所述目标用户所安装的应用程序的总评估值，判断所述总评估值是否大于预设评估阈值，根据判断结果，对所述目标用户进行评价。2.根据权利要求1所述的方法，其特征在于，所述判断所述总评估值是否大于预设评估阈值的步骤之前还包括：根据所述目标用户已知的属性类别，查找预设的属性类别与评估阈值的对应关系列表，得到所述目标用户已知属性类别对应的预设评估阈值。3.根据权利要求1所述的方法，其特征在于，所述判断所述总评估值是否大于预设评估阈值的步骤之后还包括：若所述总评估值大于所述评估阈值，则目标用户为优质用户；若所述总评估值小于或等于所述评估阈值，则目标用户为非优质用户；筛选出优质用户，并将所述优质用户对应的用户属性标签以及所述优质用户所安装的应用程序作为训练数据，输入预先构建的用户属性预测的算法模型中，训练得到预测用户属性的预测模型。4.根据权利要求1所述的方法，其特征在于，所述获取目标用户所安装的每个应用程序的使用情况的步骤还包括：获取目标用户对应的移动终端上报的日志信息，统计得到每个应用程序每次所使用的时间长度；判断所述应用程序每次所使用的时间长度是否大于预设时间阈值，若是，则记为一次有效使用，否则，记为一次无效使用；统计得到每个所述应用程序的有效使用次数，并将每个应用程序的有效使用次数作为每个应用程序的使用次数。5.根据权利要求4所述的方法，其特征在于，所述统计得到每个应用程序的有效使用次数的步骤还包括：统计得到预设的统计周期内应用程序的有效使用次数，判断所述应用程序的有效使用次数是否大于预设的次数阈值，若是，则将所述预设的次数阈值作为该周期内所述应用程序的使用次数，否则，所述应用程序的有效使用次数为所述应用程序的使用次数；计算每个应用程序在预设数量的统计周期内的使用次数，并作为每个应用程序的使用次数。6.一种针对应用的用户评价装置，其特征在于，包括：获取模块，用于获取样本用户的用户属性标签以及所述样本用户所安装的应用程序；并将所述样本用户的用户属性标签以及所述样本用户所安装的应用程序发送到计算模块；计算模块，用于接收所述获取模块发送的所述样本用户的用户属性标签以及所述样本用户所安装的应用程序，统计每个所述样本用户的用户属性标签和所述样本用户所安装的应用程序，计算所述应用程序的属性倾向数据；将所述应用程序的属性倾向数据发送到属性评估模块；属性评估模块，用于接收所述计算模块发送的应用程序的属性倾向数据，获取目标用户所安装的每个应用程序的使用情况，根据所述应用程序的使用情况与所述应用程序的属性倾向数据，得到所述目标用户所安装的每个应用程序的属性评估值；将所述每个应用程序的属性评估值发送到评价模块；评价模块，用于...

【专利技术属性】
技术研发人员：周二亮，
申请(专利权)人：乐视控股北京有限公司，乐视网信息技术北京股份有限公司，
类型：发明
国别省市：北京;11