应用信息推荐方法、装置及存储介质和服务器制造方法及图纸

本申请实施例公开了一种应用信息推荐方法、装置及存储介质和服务器，所述方法包括：获取待推荐应用程序的目标推荐用户的目标用户属性类别；根据所述目标用户属性类别基于预设分类模型，从关联应用程序所有用户中获取所述目标推荐用户，所述预设分类模型基于机器学习方法生成，用于对关联应用程序用户基于用户属性进行分类标记，所述关联应用程序与所述待推荐应用程序相关联；将所述待推荐应用程序的推荐信息，推送给所述目标推荐用户所在终端。本申请实施例提供的技术方案，可以从关联应用程序中精准获取待推荐应用程序的目标推荐用户，仅向该目标推荐用户推送推荐信息，提升了推荐信息推送的精度，节省了推荐设备的资源消耗和成本。

【技术实现步骤摘要】
应用信息推荐方法、装置及存储介质和服务器
本申请实施例涉及信息推荐
，尤其涉及一种应用信息推荐方法、装置及存储介质和服务器。
技术介绍
随着互联网通信技术的发展，互联网用户的数量也随之逐渐增加，一些生厂商和运营商在设计出新的应用程序时，需要向终端用户进行推送，而在大量用户中精准选择目标推送用户显得尤为重要，如果向并不存在该应用程序使用需求的用户发送了推荐信息，不仅导致用户体验非常不好，也浪费了服务器端的资源，增加了服务器端的信息推送成本。
技术实现思路
本申请实施例提供一种应用信息推荐方法、装置及存储介质和服务器，可以提升推荐信息的精准度。在第一方面，本申请实施例提供了一种应用信息推荐方法，包括：获取待推荐应用程序的目标推荐用户的目标用户属性类别；根据所述目标用户属性类别基于预设分类模型，从关联应用程序所有用户中获取所述目标推荐用户，所述预设分类模型基于机器学习方法生成，用于对关联应用程序用户基于用户属性进行分类标记，所述关联应用程序与所述待推荐应用程序相关联；将所述待推荐应用程序的推荐信息，推送给所述目标推荐用户所在终端。在第二方面，本申请实施例提供了一种应用信息推荐装置，包括：目标用户属性类别获取模块，用于获取待推荐应用程序的目标推荐用户的目标用户属性类别；目标推荐用户获取模块，用于根据所述目标用户属性类别基于预设分类模型，从关联应用程序所有用户中获取所述目标推荐用户，所述预设分类模型基于机器学习方法生成，用于对关联应用程序用户基于用户属性进行分类标记，所述关联应用程序与所述待推荐应用程序相关联；推荐信息推送模块，用于将所述待推荐应用程序的推荐信息，推送给所述目标推荐用户所在终端。在第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所提供的应用信息推荐方法。在第四方面，本申请实施例提供了一种移动终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行时实现如第一方面所提供的应用信息推荐方法。本申请实施例提供的应用信息推荐方案，通过获取待推荐应用程序的目标推荐用户的目标用户属性类别，根据所述目标用户属性类别基于预设分类模型，从关联应用程序所有用户中获取所述目标推荐用户，将所述待推荐应用程序的推荐信息，推送给所述目标推荐用户所在终端，可以从关联应用程序中精准获取待推荐应用程序的目标推荐用户，仅向该目标推荐用户推送推荐信息，提升了推荐信息推送的精度，节省了推荐设备的资源消耗和成本。附图说明图1是本申请实施例提供的一种应用信息推荐方法的流程图；图2是本申请实施例提供的另一种应用信息推荐方法的流程图；图3是本申请实施例提供的另一种应用信息推荐方法的流程图；图4是本申请实施例提供的一种应用信息推荐装置的结构示意图；图5是本申请实施例提供的一种服务器的结构示意图；图6是本申请实施例提供的另一种服务器的结构示意图。具体实施方式为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。图1给出了本申请实施例提供的一种应用信息推荐方法的流程图，本实施例的方法可以由应用信息推荐装置来执行，该装置可通过硬件和/或软件的方式实现，所述装置可作为服务器一部分设置在所述服务器的内部。如图1所示，本实施例提供的应用信息推荐方法包括以下步骤：步骤101、获取待推荐应用程序的目标推荐用户的目标用户属性类别。其中，所述待推荐应用程序可以为生产商或者运营商的服务器向终端用户进行推荐的应用程序，目标推荐用户为待推荐应用程的推荐对象，目标用户属性类别为目标用户的属性类别。可选的，所述用户属性包括年龄、性别、健康状况、职业和爱好中的至少一项。本申请实施例中的用户属性类别是指相应用户属性下所属的类别。比如，年龄可分为18岁以下，20-30岁，30-40岁，40-50岁，50-60岁，60岁以上几个类别，性别可以分为男和女两个类别，健康状况可以分为差、良和优3个类别，职业可以分为教师、学生、白领、程序员、行政、财务、工人和司机等类别，爱好可以分为看书、听音乐、看电影、运动、旅游和摄影等类别。那么示例性的，若用户属性为年龄，则用户属性类别可以为20-30岁；若用户属性为年龄、职业和爱好，则用户属性类别可以为20-30岁、白领和听音乐。步骤102、根据所述目标用户属性类别基于预设分类模型，从关联应用程序所有用户中获取所述目标推荐用户，所述预设分类模型基于机器学习方法生成，用于对关联应用程序用户基于用户属性进行分类标记，所述关联应用程序与所述待推荐应用程序相关联。在该步骤中基于预设分类模型，从关联应用程序中获取具有目标属性类别的目标推荐用户。示例性的，待推荐应用程序为一款适合年轻的男性白领玩的游戏，那么该步骤获取年龄为20-30岁、男性、白领的目标用户。其中，所述关联应用程序与待推荐应用程序预先存在关联关系，即预先存在待推荐应用程序可从关联应用程序用户中获取目标推荐用户的关系，例如，待推荐应用程序与关联应用程序可以为同一家生产商，待推荐应用程序为待上线的应用程序，关联应用程序为已上线应用程序。本实施例通过对关联应用程序的用户的操作数据进行训练学习，建立预设分类模型基于用户属性标记各个用户，在需要向用户推荐待推荐应用程序时，从已经标记属性类别的用户中选取符合当前待推荐应用程序的目标推荐用户，可以精准的获取目标推荐用户信息，提升推荐应用程序的推荐精度。相应的，在该步骤之前还包括建立预设分类模型的步骤。因此，本实施例提供的应用信息推荐方法还可以包括以下步骤：将第一用户的操作数据作为样本基于机器学习方法进行训练，生成预设分类模型，所述第一用户为关联应用程序的已知用户属性类别的用户。在用户使用关联应用程序的过程中，服务器可以采集一部分用户的操作数据以及该部分用户的用户属性类别，例如，用户在安装或者使用该应用程序时输入了自身了用户属性类别，这部分用户为第一用户，服务器可以对第一用户的操作数据和用户属性类别进行训练，生成预设分类模型。可选的，所述将第一用户的操作数据作为样本基于机器学习方法进行训练，生成预设分类模型包括：将第一用户的操作数据作为样本基于不同的机器学习方法进行训练，分别生成各自对应的候选分类模型；将准确度最高的候选分类模型作为所述预设分类模型。可选的，机器学习方法包括：神经网络方法、支持向量机方法、决策树方法、逻辑回归方法、贝叶斯方法和随机森林方法。可选的，用户操作数据包括运行应用程序而生成的社交通信数据、拍照数据、电台收听频段数据或者音乐播放数据。示例性的，社交通讯数据可以包括聊天内容、状态发表内容等，本文档来自技高网...

【技术保护点】
一种应用信息推荐方法，其特征在于，包括：获取待推荐应用程序的目标推荐用户的目标用户属性类别；根据所述目标用户属性类别基于预设分类模型，从关联应用程序所有用户中获取所述目标推荐用户，所述预设分类模型基于机器学习方法生成，用于对关联应用程序用户基于用户属性进行分类标记，所述关联应用程序与所述待推荐应用程序相关联；将所述待推荐应用程序的推荐信息，推送给所述目标推荐用户所在终端。

【技术特征摘要】
1.一种应用信息推荐方法，其特征在于，包括：获取待推荐应用程序的目标推荐用户的目标用户属性类别；根据所述目标用户属性类别基于预设分类模型，从关联应用程序所有用户中获取所述目标推荐用户，所述预设分类模型基于机器学习方法生成，用于对关联应用程序用户基于用户属性进行分类标记，所述关联应用程序与所述待推荐应用程序相关联；将所述待推荐应用程序的推荐信息，推送给所述目标推荐用户所在终端。2.根据权利要求1所述的应用信息推荐方法，其特征在于，还包括：将第一用户的操作数据作为样本基于机器学习方法进行训练，生成预设分类模型，所述第一用户为关联应用程序的已知用户属性类别的用户。3.根据权利要求2所述的应用信息推荐方法，其特征在于，所述根据所述目标用户属性类别基于预设分类模型，从关联应用程序所有用户中获取所述目标推荐用户包括：将第二用户的操作数据输入至所述预设分类模型，所述第二用户为关联应用程序的未知用户属性类别的用户；获取所述预设分类模型输出的所述第二用户的用户属性类别，并标记所述第二用户的用户属性类别；从所有用户中获取用户属性类别为目标用户属性类别的用户，作为目标推荐用户，所述所有用户包括第一用户和第二用户。4.根据权利要求3所述的应用信息推荐方法，其特征在于，所述用户属性类别包括多个用户子属性类别；所述将第一用户的操作数据作为样本基于机器学习方法进行训练，生成预设分类模型包括：将第一用户的操作数据作为样本基于机器学习方法，按照各个用户子属性分别进行训练，生成各个用户子属性对应的预设分类子模型；所述获取待推荐应用程序的目标推荐用户的目标用户属性类别包括：获取待推荐应用程序的目标推荐用户的各个目标用户子属性类别；所述将第二用户的操作数据输入至所述预设分类模型包括：将第二用户的操作数据分别输入至各个预设分类子模型；获取所述预设分类模型输出的所述第二用户的用户属性，并标记所述第二用户的用户属性包括：获取所述各个预设分类子模型分别输出的所述第二用户的各个用户子属性类别，并标记所述第二用户的各个用户子属性类别；从所有用户中获取用户属性为目标用户属性的用户，作为目标推荐用户包括：从所有用户中分别获取用户子属性类别为目标用户子属性类别的各个候选推荐用户；将所述各个候选推荐用户中的用户交集，作为目标推荐用户。5.根据权利要求2所述的应用信息推荐方法，其特征在于，所述用户属性类别包括多个用户子属性类别，所述将第一用户的操作数据...

【专利技术属性】
技术研发人员：陈岩，刘耀勇，
申请(专利权)人：广东欧珀移动通信有限公司，
类型：发明
国别省市：广东,44