一种通过相互关系学习用户及移动应用的联系的异构网络制造技术

本发明专利技术涉及一种通过相互关系学习用户及移动应用的联系的异构网络。该方法包括：采集用户描述信息及移动应用描述信息；所述用户描述信息与用户相对应，所述用户包括一个或者多个所有者以及一个或者多个将信息存储在移动设备上的人；获取相关关系和场景的本体知识；所述本体知识包括：若干预设的概念、概念的特征以及概念之间的相关关系；基于用户描述信息、移动应用描述信息以及本体知识，生成网络模型；所述网络模型为连接用户以及移动应用的异构信息网络模型；基于所述网络模型，输出输出信息；其中，所述输出信息包括至少一个用户角色、两个移动应用或者移动应用功能之间的相互关系以及推荐的移动应用列表。

【技术实现步骤摘要】
一种通过相互关系学习用户及移动应用的联系的异构网络
本专利技术涉及信息处理
，尤其涉及一种学习及利用用户与移动应用的关系的方法及系统。
技术介绍
如今，越来越多的智能手机用户在娱乐、教育、导航、创作、社交或者交流等方面选择使用移动设备而非传统设备。在苹果应用商店内，有超过350000种移动应用(APP)并且有超过10亿次的下载量。在设备制造商、广告主以及移动应用开发人员等的多种展望里，了解用户在何时或者何地使用这些移动应用是其中重要的部分。虽然个人电脑中的活动分析已经被很好的掌握，但在移动设备中实现相同的任务则受以下的几个因素所阻碍。在个人电脑中，主要的用户分析可以通过浏览cookies完成，但移动应用中不使用浏览cookies并且也没有位于最高层级的标识的分享途径，用以构建用户介绍。进一步的，虽然已经提出一些在移动设备操作系统中分析用户的方法。但是，这些方法存在着只分析一个用户，忽视了各个用户之间的内在网络联系的限制。另外，随着触摸屏幕在多种数码电子设备和电器中广泛应用，未来的移动应用可以自动关联以响应用户的需求并且令用户生活融入到现有的数字生态系统中。本专利技术所公开方法和系统用于解决上述一个或多个问题以及其他问题。
技术实现思路
本专利技术一方面公开了一种学习和应用移动设备的用户及移动应用间相关关系的方法。该方法包括：采集移动设备的用户描述信息及移动应用描述信息；其中，所述用户描述信息与用户相对应，所述用户包括一个或者多个移动设备的所有者以及一个或者多个将信息存储在移动设备上的人。获取相关关系和场景的本体知识；其中，所述本体知识包括：若干预设的概念、概念的特征以及概念之间的相关关系。基于用户描述信息、移动应用描述信息以及本体知识，生成网络模型；其中，所述网络模型为连接用户以及移动应用的异构信息网络模型。基于所述网络模型，输出输出信息；其中，所述输出信息包括至少一个用户角色、两个移动应用或者移动应用功能之间的相互关系以及推荐的移动应用列表。本专利技术另一个方面公开了一种学习和应用移动设备的用户及移动应用间相关关系的系统。：其包括：信息采集模块，用于采集移动设备的用户描述信息及移动应用描述信息；其中，所述用户描述信息与用户相对应，所述用户包括一个或者多个移动设备的所有者以及一个或者多个将信息存储在移动设备上的人；获取相关关系和场景的本体知识；其中，所述本体知识包括：若干预设的概念、概念的特征以及概念之间的相关关系；关系学习模块，用于基于用户描述信息、移动应用描述信息以及本体知识，生成网络模型；其中，所述网络模型为连接用户以及移动应用的异构信息网络模型；搜索及推荐模块，用于基于所述网络模型，输出输出信息；其中，所述输出信息包括至少一个用户角色、两个移动应用或者移动应用功能之间的相互关系以及推荐的移动应用列表。附图说明为便于对实施例理解，结合附图对实施例进行描述，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。1：图1为本专利技术实施例的操作环境的示意图。2：图2为本专利技术实施例计算系统的框图。3：图3为本专利技术实施例学习和应用用户及移动应用间相关关系系统的系统架构图。4：图4为本专利技术实施例关系学习模块的结构框图。5：图5为本专利技术实施例学习和应用用户及移动应用间相关关系的流程图。6：图6为本专利技术实施例R-知识网络模型的系统架构图。7：图7为本专利技术实施例用户关系主题模型的结构框图。8：图8为本专利技术实施例应用用户及移动应用间相关关系的流程图。9：图9为本专利技术实施例R-知识网络模型的使用场景示意图。具体实施方式为了便于理解本专利技术，下面将参照相关附图对本专利技术进行更全面的描述。为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例的附图，对本专利技术实施例的技术方案进行清楚、完整地描述。除非另外指出，在各图中相同的标号用于表示相同的部件。显然地，以下描述的实施例是本专利技术的一部分实施例，而不是全部的实施例。基于所描述的本专利技术的实施例，本领域普通技术人员在无需创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例的操作环境100。如图1所示，操作环境100包括移动终端102、服务器106，用户108以及网络110。一些设备可以减省，其他的设备也可以添加。用户108操作移动终端102以执行服务器106上提供的特定服务。虽然操作环境100中只显示一台服务器104和一个移动终端102，但是操作环境100可以包括任意数量的102终端或服务器104，并且还可以包括其他设备。移动终端102可以是任何合适的具备特定计算功能的用户终端，例如，便携式计算设备(平板电脑)，智能电话或手机，或任何其他用户端计算设备。移动终端102可以在任何合适的移动运算平台上运行。用户108可以使用移动终端102连接到网络110并且对服务器106发出请求。移动终端102可以从任何合适的数据源，例如本地存储设备、服务供应商的无线或者有线网络设备或者网络中获取信息。移动终端102还可以用于接入多种在不同运行环境下使用的移动应用的功能。例如，移动终端102可以用于执行安装在移动终端102上的移动应用。进一步的，服务器106可以是用于提供特定网络服务功能(如搜索服务)，例如信息搜索以及计算服务的一个或多个服务器。服务器106可以包括并行执行计算机程序的一个或者多个服务器。服务器106可以存储数据(如移动应用介绍信息)供移动终端或者其他计算应用程序(如移动应用搜索及推荐引擎)调用。虽然服务器106在图中显示为1个计算机结构，但是服务器106可以包括更多的计算机或者服务器集群。服务器106可以在云端计算环境中提供基于云端的服务，如将对计算机资源(硬件或者软件)的使用作为一个服务，在基础网络结构(如因特网)上传递。所述云端计算环境可以包括个人云端功能和公众云端功能。不同的服务器106(如网络服务器)在云端可以用于数据存储或者执行运算功能(如建立一个用以描述用户与移动应用之间关系的异构网络)。移动终端102和服务器106可以通过网络110相互连接，例如因特网或者其他类型的计算机网络或者电信网络，可以是无线或者有线网络，例如有线网络，电话网络或者卫星网络等。移动终端102或服务器106可以在任何合适的运算平台上执行。图2为本专利技术实施例中执行终端102和/或服务器106的计算系统200的框图。如图2所示，计算系统200包括处理器202，存储介质204，显示器206，通信模块208，数据库210及外围设备212。其中某些设备可被省略，也可以包括其他设备。处理器202可以包括任何数量的合适的处理器。此外，处理器202可以包括用于多线程或并行处理的多个核心。处理器202执行计算机程序指令序列以实现各种流程。存储介质204包括内存模块，比如ROM、RAM、闪存模块和可擦可重写内存以及大容量存储器，比如CD–ROM，U盘以及硬盘等。存储介质204可以存储由处理器202执行时，实现各种步骤的计算机程序。此外，通信模块208包括用于通过网络106建立连接的网络设备。数据库210包括一个或多个数据库，用于存储特定数据(如用户数据和移动应用数据)，并在存储的数据上执行特定的操作，比如数据库搜索以及数据检索。显示器206包括任何合适类型的计算机显示设备或电子设备本文档来自技高网...

【技术保护点】
一种学习和应用移动设备的用户及移动应用间相关关系的方法，其特征在于，包括：采集移动设备的用户描述信息及移动应用描述信息；其中，所述用户描述信息与用户相对应，所述用户包括一个或者多个移动设备的所有者以及一个或者多个将信息存储在移动设备上的人；获取相关关系和场景的本体知识；其中，所述本体知识包括：若干预设的概念、概念的特征以及概念之间的相关关系；基于用户描述信息、移动应用描述信息以及本体知识，生成网络模型；其中，所述网络模型为连接用户以及移动应用的异构信息网络模型；基于所述网络模型，输出输出信息；其中，所述输出信息包括至少一个用户角色、两个移动应用或者移动应用功能之间的相互关系以及推荐的移动应用列表。

【技术特征摘要】
2015.12.10 US 14/965,2801.一种学习和应用移动设备的用户及移动应用间相关关系的方法，其特征在于，包括：采集移动设备的用户描述信息及移动应用描述信息；其中，所述用户描述信息与用户相对应，所述用户包括一个或者多个移动设备的所有者以及一个或者多个将信息存储在移动设备上的人；获取相关关系和场景的本体知识；其中，所述本体知识包括：若干预设的概念、概念的特征以及概念之间的相关关系；基于用户描述信息、移动应用描述信息以及本体知识，生成网络模型；其中，所述网络模型为连接用户以及移动应用的异构信息网络模型；基于所述网络模型，输出输出信息；其中，所述输出信息包括至少一个用户角色、两个移动应用或者移动应用功能之间的相互关系以及推荐的移动应用列表。2.根据权利要求1所述的方法，其特征在于，所述网络模型由具有对象类型映射函数和连接类型映射函数的图模型定义；其中，所述对象类型包括一个用户或者移动应用；用户与一个或者多个其他用户连接，还与一个或者多个移动应用连接；移动应用与一个或者多个其他移动应用连接，还与一个或者多个用户连接。3.根据权利要求1所述的方法，其特征在于，所述用户描述信息包括与用户相关的独立的数字表示数据以及对应用户的移动应用动作流数据；所述网络模型生成的所述移动应用动作流数据由文本片段表示；所述移动应用描述信息包括移动应用的描述文本；所述网络模型生成的所述移动应用描述信息由文本片段表示。4.根据权利要求1所述的方法，其特征在于，所述本体知识包括具有层次分类结构的可控词汇表，其中，所述可控词汇表包括若干由类别表示的概念；所述类别至少具有一个父类别以及一个或者多个子类别；所述类别与特性对应；所述特性描述一个或者多个类别特征；所述类别上设置有一个或者多个限制条件。5.根据权利要求3所述的方法，其特征在于，所述生成网络模型，具体包括：从至少一个文本消息、邮件或者移动设备的移动应用采集的文本中获取用户文本片段；应用主题模型来表示在所述用户文本片段中的主题的概率分布；其中每个主题都有服从单词的概率分布；基于所述概率分布，选择一个或者多个主题；基于选中的主题以及所述本体知识，获取用户与对应的用户文本片段之间的相互关系。6.根据权利要求1所述的方法，所述生成网络模型，具体包括：根据依次使用的移动应用的相关性学习移动应用间的相互关系；其中，每个移动应用由一个单词表示；预定时间段内，在移动设备上的移动应用启动顺序由句子表示；获得的单词表示和句子表示，使用神经网络以获取隐藏的语言规律和模式，以及寻找移动应用间的相互关系。7.根据权利要求6所述的方法，其特征在于，令T表示在预定时间段内，在移动设备上启动的移动应用数量，(a1…aT)表示所述移动应用的启动顺序，(a1…aT)为训练数据；使用Skip-gram模型学习移动应用间的相互关系；通过Skip-gram模型最大化如下算式的平均日志概率：8.根据权利要求1所述的方法，其特征在于，周期性采集所述用户描述信息以及移动应用描述信息；基于移动设备的电池电量改变所述采集用户描述信息以及移动应用描述信息的时间间隔；基于所述用户描述信息以及移动应用描述信息，更新在网络模型中的用户相关关系以及移动应用连接。9.一种学习和应用移动设备的用户及移动应用间相关关系的系统，其特征在于，包括：信息采集模块，用于采...

【专利技术属性】
技术研发人员：郭立帆，汪灏泓，
申请(专利权)人：TCL集团股份有限公司，
类型：发明
国别省市：广东,44