一种基于Android的多特征APP流预测及推荐方法技术

本发明专利技术公开了一种基于Android的多特征APP流预测及推荐方法，存储有多条指令，适于在手持设备上实现的多个互为连接的应用程序APP的加载并协同执行，包括：步骤一、构建APP抽象模型；步骤二、APP相关性挖掘，挖掘当前应用Appi与APP流之间的协作关系、以及与前一应用Appi‑1之间存在的竞争关系，分为协作关系计算和竞争关系计算；步骤三、实现预测特征选择，将短时间内所使用的APP及其使用顺序进行抽象，实现基于应用流当前状态的预测，包括APP相关性特征选择、上下文特征选择和应用流当前状态特征选择；步骤四、协同Nowcasting和Forecasting实现APP流预测及推荐。与现有技术相比，本发明专利技术能够有效提升对于APP流推荐的准确性，更符合用户的实际使用需要，也对改善预测中的APP冷启动问题有积极作用。

A multi feature APP flow prediction and recommendation method based on Android

The invention discloses a multi feature APP Android based on flow prediction and recommendation method, storing a plurality of instructions, suitable for a plurality of mutually connected applications APP loading based on handheld devices and collaborative execution, including: step one, to construct APP abstract model; mining step two, APP correlation mining the collaborative relationship between Appi use and APP flow and before the application of Appi 1 between competition and cooperation is divided into competition between calculation and calculation; step three, realize the prediction of feature selection, the short period of time by the use of APP and its use in order to achieve abstraction, prediction of the current state of flow based on APP, including the selection of feature correlation context feature selection and application of current state of feature selection; step four, Nowcasting and Forecasting APP to realize collaborative flow prediction and recommendation . Compared with the existing technology, the invention can effectively enhance the accuracy of APP flow recommendation, meet users' actual needs and improve the APP cold start problem in prediction.

【技术实现步骤摘要】
一种基于Android的多特征APP流预测及推荐方法
本专利技术涉及Android算法应用和移动计算
，特别是涉及一种多特征APP流预测及推荐方法。
技术介绍
Android系统的开放性使得不同的应用开发商均可方便地开发移动应用APP。然而APP的快速发展使其呈现出明显的碎片化特征，应用市场中大量的APP都只专注于特定功能需求，而用户需求往往复杂多样，超出了一个APP所能提供的服务边界，需要以组合、协作、竞争等方式协同多个APP来满足用户需求，APP流推荐使得自动化的多APP协同提供服务成为可能。目前，已有很多研究者在用户行为或APP预测及推荐领域进行了深入研究，通过大量研究分析用户日志等历史数据，对用户的应用使用习惯进行挖掘和建模，并提出了基于上下文环境的APP预测及推荐。包括协同过滤算法或构建用户与APP各自矩阵进行推荐，或将历史使用记录表示成<时间、地点、行为、APP>四元组形式，并基于四元组计算与当前时刻最接近的历史记录，推荐该历史记录所使用的APP，采用贝叶斯网络对用户行为进行判断，并对时间、地点和行为进行了离散化处理，用以计算相似度(JournalofSystemsArchitecture,2014,60(8):702-710)；或将历史使用记录表示成“事件-条件-动作(ECA)”规则，其中ECA分别表示一系列的用户操作、上下文环境信息和具体的APP使用，选取与当前时间条件有最高相似度的ECA记录进行APP推荐(InformationSciences,2014,277:21-35.)；或将传感器数据作为显式特征，将APP使用顺序作为隐式特征，为避免因特征过多而导致的预测计算规模庞大和耗时，设计了个性化的特征选择算法，用尽可能少的特征实现尽可能高的预测精度(IEEE,2013:1127-1132.)等。另外，在APP预测方面，除了Forecasting方式外，由于APP具有动态性，出现了协同Nowcasting模型，针对移动数据稀疏的特点，将Nowcasting概念引入到移动互联网的意图监控领域(InternationalWorldWideWebConferencesSteeringCommittee,2016:1407-1418.)。但是由于不同的推荐方法选取的特征不同，对推荐结果的影响各有优缺点，因此综合多种特征来协作进行APP流预测及推荐，能够更全面、更真实地提升用户体验。现有的APP预测及推荐方法无法满足准确预测用户使用需求的要求，其存在的根本问题是：使用上下文环境信息和历史数据作为相关特征，仅注重提高预测及推荐结果的精度，而没有探究推荐后进一步实现APP流内部APP间用户输入层面的交互，也未考虑APP使用的动态性。因此需要对现有的APP流预测及推荐方法进行改进，以更接近用户的真实使用需要。
技术实现思路
为了克服现有技术存在的上述缺陷，本专利技术提出一种基于Android的多特征APP流预测及推荐方法，综合上下文、APP间在用户输入数据层面的相关性及APP流当前状态，预测用户在流式执行过程中，当前时刻最需要的APP并进行推荐。本专利技术的一种基于Android的APP流预测及推荐方法，适于在手持设备上实现的多个互为连接的应用程序APP的加载并协同执行，该方法包括以下步骤：步骤一、构建APP抽象模型，在抽象模型中，将一个APP表示为用户输入集合ItemSet，各个不同的用户输入集合分别进行APP各项功能的驱动；所述用户输入集合ItemSet所包含的每一个用户输入项Item为由Item-Storage、Item-Semantic、Item-Syntax三部分构成<存储、语义、语法>三元组；其中，Item-Storage表示用户输入项在本地存储的物理位置；Item-Semantic表示描述该用户输入项的含义，用于不同APP间的自适应参数匹配；Item-Syntax表示由APP内部自定义的不同类型内容的数据格式；每一个Item支持两种操作即提取操作和注入操作；Item实例表示直接从APP内部本地存储获取到的数据实例；；步骤二、APP相关性挖掘，挖掘当前应用Appi与APP流之间的协作关系、以及与前一应用Appi-1之间存在的竞争关系，分为协作关系计算和竞争关系计算：协作关系计算：通过计算任意移动应用Appt与当前应用流中的所有APP在参数语义上的相似度Scoopt，得出APP协作关系，如下式所示：其中，Abst代表Appt的抽象；Reused(currentflow,item)表示指定用户输入项item语义标注时所用的概念与当前应用流currentflow中的所有APP的所有items(即参数)的语义之间的可重用关系；其中的可重用操作Reused的计算公式如下：其中，S表示在量化Item实例的可重用度时，与item进行比较的APPs中的所有items的集合；Si表示所有items中的某一个item；Reused_single(Si,item)表示Si与item两个参数在语义标注时所用概念之间的语义相似度，计算公式如下：其中，Reused_single(p1,p2)可用5种关系表示，因此对应地可取5个值。当取1时表示参数p1与参数p2的语义描述完全相同(sameas)；取0.8时表示参数p1与p2的描述在语义上等价(equivalentto)；取0.6时表示参数p1的描述在语义上属于参数p2的语义描述，例如目的地属于地点；取0.5时表示参数p2的语义描述属于参数p1的语义描述；其他情况取值为0；将安装于设备中所有App的Scoop依序组成一维向量作为一项预测特征；竞争关系计算：通过计算比较Appi-1与Appt的参数语义相似度Scompt得出APP竞争关系，语义相似的目的是提供与Appi-1相似的服务；如下式所示。其中，Absi-1表示Appi-1的抽象；Abst表示Appt的抽象；Reused(Appi-1，item)表示基于Appi-1量化的Item可重用度；Appi-1表示刚刚执行结束的应用流中的最后一个APP，Appt表示任意移动应用，此处i-1与t不能取相同的值；其中的Absi-1∪Abst表示Abst与Absi-1∩Abst差集结果再与Absi-1的并集，如下式所示。Absi-1∪Abst＝Abst/(Absi-1∩Abst)∪Absi-1其中，Absi-1∩Abst表示Abst的子集，包含在其中的Item能够重用来源于Appi-1的用户输入值；Absi-1∩Abst＝{item∈Abst|Resued(Appi-1，item)＞0}将所有APP的Scomp依序组成一维向量作为一项预测特征；步骤三、实现预测特征选择，将短时间内所使用的APP及其使用顺序进行抽象，实现基于应用流当前状态的预测，包括APP相关性特征选择、上下文特征选择和应用流当前状态特征选择；其中的APP相关性特征选择，将步骤二中所有APP的Scoop和Scomp依序分别组成的一维向量作为两种APP相关性特征。Scoop相关性特征ScoopVecto、Scomp相关性特征ScompVecto的计算公式分别表示如下：其中，Appi表示手机设备中任意一个APP，本文档来自技高网...

【技术保护点】
一种基于Android的多特征APP流预测及推荐方法，存储有多条指令，适于在手持设备上实现的多个互为连接的应用程序APP的加载并协同执行，其特征在于，该方法包括以下步骤：步骤一、构建APP抽象模型，在抽象模型中，将一个APP表示为用户输入集合ItemSet，各个不同的用户输入集合分别进行APP各项功能的驱动；所述用户输入集合ItemSet所包含的每一个用户输入项Item为由Item‑Storage、Item‑Semantic、Item‑Syntax三部分构成<存储、语义、语法>三元组；其中，Item‑Storage表示用户输入项在本地存储的物理位置；Item‑Semantic表示描述该用户输入项的含义，用于不同APP间的自适应参数匹配；Item‑Syntax表示由APP内部自定义的不同类型内容的数据格式；每一个Item支持两种操作即提取操作和注入操作；Item实例表示直接从APP内部本地存储获取到的数据实例；；步骤二、APP相关性挖掘，挖掘当前应用Appi与APP流之间的协作关系、以及与前一应用Appi‑1之间存在的竞争关系，分为协作关系计算和竞争关系计算：协作关系计算：通过计算任意移动应用Appt与当前应用流中的所有APP在参数语义上的相似度Scoopt，得出APP协作关系，如下式所示：...

【技术特征摘要】
1.一种基于Android的多特征APP流预测及推荐方法，存储有多条指令，适于在手持设备上实现的多个互为连接的应用程序APP的加载并协同执行，其特征在于，该方法包括以下步骤：步骤一、构建APP抽象模型，在抽象模型中，将一个APP表示为用户输入集合ItemSet，各个不同的用户输入集合分别进行APP各项功能的驱动；所述用户输入集合ItemSet所包含的每一个用户输入项Item为由Item-Storage、Item-Semantic、Item-Syntax三部分构成&lt;存储、语义、语法&gt;三元组；其中，Item-Storage表示用户输入项在本地存储的物理位置；Item-Semantic表示描述该用户输入项的含义，用于不同APP间的自适应参数匹配；Item-Syntax表示由APP内部自定义的不同类型内容的数据格式；每一个Item支持两种操作即提取操作和注入操作；Item实例表示直接从APP内部本地存储获取到的数据实例；；步骤二、APP相关性挖掘，挖掘当前应用Appi与APP流之间的协作关系、以及与前一应用Appi-1之间存在的竞争关系，分为协作关系计算和竞争关系计算：协作关系计算：通过计算任意移动应用Appt与当前应用流中的所有APP在参数语义上的相似度Scoopt，得出APP协作关系，如下式所示：其中，Abst代表Appt的抽象；Reused(currentflow,item)表示指定用户输入项item语义标注时所用的概念与当前应用流currentflow中的所有APP的所有items(即参数)的语义之间的可重用关系；其中的可重用操作Reused的计算公式如下：其中，S表示在量化Item实例的可重用度时，与item进行比较的APPs中的所有items的集合；Si表示所有items中的某一个item；Reused_single(Si,item)表示Si与item两个参数在语义标注时所用概念之间的语义相似度，计算公式如下：其中，Reused_single(p1,p2)可用5种关系表示，因此对应地可取5个值。当取1时表示参数p1与参数p2的语义描述完全相同(sameas)；取0.8时表示参数p1与p2的描述在语义上等价(equivalentto)；取0.6时表示参数p1的描述在语义上属于参数p2的语义描述，例如目的地属于地点；取0.5时表示参数p2的语义描述属于参数p1的语义描述；其他情况取值为0；将安装于设备中所有App的Scoop依序组成一维向量作为一项预测特征；竞争关系计算：通过计算比较Appi-1与Appt的参数语义相似度Scompt得出APP竞争关系，语义相似的目的是提供与Appi-1相似的服务；如下式所示。其中，Absi-1表示Appi-1的抽象；Abst表示Appt的抽象；Reused(Appi-1,item)表示基于Appi-1量化的Item可重用度；Appi-1表示刚刚执行结束的应用流中的最后一个APP，Appt表示任意移动应用，此处i-1与t不能取相同的值；其中的Absi-1∪Abst表示Abst与Absi-1∩Abst差集结果再与Absi-1的并集，如下式所示。Absi-1∪Abst＝Abst/(Absi-1∩Abst)∪Absi-1其中，Absi-1∩Abst表示Abst的子集，包含在其中的Item能够重用来源于Appi-1的用户输入值；将所有APP的Scomp依序组成一维向量作为一项预测特征；步骤三、实现预测特征选择，将短时间内所使用的APP及其使用顺序进行抽象，实现基于应用流当前状态的预测，包括APP相关性特征选择、上下文特征选择和应用流当前状态特征选择；其中的APP相关性特征选择，将步骤二中所有应用APP的Scoop和Scomp依序分别组成的一维向量作为两种APP相关性特征。Scoop相关性特征ScoopVecto、Scomp相关性特征ScompVecto的计算公式分别表示如下：

【专利技术属性】
技术研发人员：陈世展，王茹，冯志勇，林美辰，黄科满，何东晓，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津,12