一种应用程序推荐方法、设备及存储介质技术

本发明专利技术公开了一种应用程序推荐方法、设备及存储介质。其中，方法包括：根据第一用户对第一应用程序的使用频率和使用时长，计算第一用户对第一应用程序的兴趣评分；获取第一应用程序标签集；根据上述兴趣评分计算第一应用程序标签集中第一应用程序子标签的权重值；根据第一用户、第一应用程序标签集、第一应用程序子标签的权重值获取第一用户标签集；将第一用户标签集与第二应用程序标签集进行匹配，获得匹配相关度；按照匹配相关度为第一用户推荐第二应用程序；上述第一应用程序和第二应用程序分别为终端设备已安装和未安装的应用程序。本发明专利技术能够在用户已安装应用程序的基础上按照用户的兴趣进行新的应用程序推荐，实现用户个性化的需求。

【技术实现步骤摘要】
一种应用程序推荐方法、设备及存储介质
本专利技术涉及通信
，尤其是涉及一种应用程序推荐方法、设备及存储介质。
技术介绍
目前，现在各大应用商城中，向终端用户推荐应用程序，一般都是依靠统计终端上应用程序在商城中的总下载量和安装量，得出热门的终端应用程序，然后排除掉用户已安装的应用程序后，把未安装应用程序按热度从高到低推荐给手机用户。但是热门指数只是一个面向大众用户的统计，并非一个应用程序很热门就是用户所感兴趣的；造成各手机用户最后安装的应用程序同质化严重，大部分都是热门榜单的软件；造成热门的应用更加热门，冷门的应用更加冷门，并不能形成一个良性的升降机制；推荐应该要针对用户的兴趣，追求个性化。
技术实现思路
本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出一种应用程序推荐方法，能够在用户已安装应用程序的基础上按照用户的兴趣进行新的应用程序推荐，实现用户个性化的应用程序需求。本专利技术还提出了一种应用程序推荐方法控制设备。本专利技术还提出了一种计算机可读存储介质。第一方面，本专利技术的一个实施例提供了应用程序推荐方法：包括：根据第一用户对第一应用程序的使用频率和使用时长，计算所述第一用户对所述第一应用程序的兴趣评分；获取所述第一应用程序标签集；根据所述第一用户对所述第一应用程序的兴趣评分计算所述第一应用程序标签集中第一应用程序子标签的权重值；根据所述第一用户、所述第一应用程序标签集、所述第一应用程序子标签的权重值获取第一用户标签集；将所述第一用户标签集与第二应用程序标签集进行匹配，获得匹配相关度；按照所述匹配相关度为所述第一用户推荐第二应用程序；所述第一应用程序为终端设备已安装的应用程序，所述第二应用程序为所述终端设备未安装的应用程序。本专利技术实施例的应用程序推荐方法至少具有如下有益效果：能够根据用户兴趣方向为用于提供符合用户自身个性化的应用程序。根据本专利技术的另一些实施例的应用程序推荐方法，所述第一应用程序子标签的权重值与所述兴趣评分的相关公式中系数为0.01。根据本专利技术的另一些实施例的应用程序推荐方法，所述将所述第一用户标签集与第二应用程序标签集进行匹配，获得匹配相关度包括：根据所述第一用户标签集、第一用户子标签权重值和第二应用程序标签集的相关性，获取第一用户和第二应用程序的相关系数；确定所述第一用户标签集和所述第二应用程序标签集中各个标签之间的相似度；根据所述相似度，把大于相似度设定值的标签标记到所述第一用户和所述第二应用程序中，并把该标签的权重也相应标记到所述第一用户和所述第二应用程序中；再次计算所述第一用户和所述第二应用程序的相关系数，获得所述匹配相关度。第二方面，本专利技术的一个实施例提供了一种应用程序推荐方法控制设备，用于执行任一项上述方法的步骤。本专利技术实施例的终端至少具有如下有益效果：能够作为应用推荐方法的运行载体，执行上述应用推荐方法。第三方面，本专利技术的一个实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机可执行指令，所述计算机可执行指令用于使计算机执行上述所述的一种应用程序推荐方法。附图说明图1是本专利技术实施例中应用程序推荐方法的一具体实施例流程示意图；图2是图1中步骤将所述用户标签集与第二应用程序标签集进行匹配的一具体实施例流程示意图。具体实施方式以下将结合实施例对本专利技术的构思及产生的技术效果进行清楚、完整地描述，以充分地理解本专利技术的目的、特征和效果。显然，所描述的实施例只是本专利技术的一部分实施例，而不是全部实施例，基于本专利技术的实施例，本领域的技术人员在不付出创造性劳动的前提下所获得的其他实施例，均属于本专利技术保护的范围。在本专利技术实施例的描述中，如果涉及到“若干”，其含义是一个以上，如果涉及到“多个”，其含义是两个以上，如果涉及到“大于”、“小于”、“超过”，均应理解为不包括本数，如果涉及到“以上”、“以下”、“以内”，均应理解为包括本数。如果涉及到“第一”、“第二”，应当理解为用于区分技术特征，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量或者隐含指明所指示的技术特征的先后关系。在本专利技术的一实施例中，参照图1，示出了本专利技术实施例中应用程序推荐方法的一具体实施例流程示意图。S1000：根据第一用户对第一应用程序的使用频率和使用时长，计算所述第一用户对所述第一应用程序的兴趣评分；具体的，对于某一特定用户，已知用户对第一应用程序的使用频率、时长。通过用户打开此应用程序次数和使用时长来计算用户对应用的兴趣评分，假设F表示用户一定时间段内使用应用程序的次数，D表示用户同一时间段内使用应用程序的时长。则用户对该应用程序的评分公式如下所示：Rateu,i＝αRF+βRD其中，Rateu,i表示用户对某个应用程序的评分，RF表示由用户打开应用的次数计算得到的评分，RD表示由用户使用应用程序的总时长计算得到的评分。α，β分别表示两个应用程序的分数权重。具体的，其中α和β之间的相关关系为：α+β＝1，其中满足条件为：0≤α≤1，0≤β≤1。本实施例中设定的应用程序分数权重α＝0.5。具体的，按照频率来计算，例如，从业务系统收集和统计过去4个特定周期的用户使用次数为(F1，F2，F3，F4)，F1是距离当前时间点最近的数据，F4是距离当前时间点最远的数据，距离当前时间点越近的数据越代表用户当前兴趣，则针对四个特定周期数据分别计算评分，四个周期评分的权重为(α1，α2，α3，α4)，本实施例中权重初始值设定为(0.5，0.3，0.1，0.1)。针对每个Fi，分别可以按照使用次数线性打分或者设定数值递减进行打分，最终取两个得分的较高者。其中，按照次数线性打分中使用次数越多分值越高，直至不得分，例如使用应用程序次数为100次，排名第一得100分，剩余排名按照第二名使用次数与第一名使用次数的比例关系进行得分，比第二名使用次数为80次，第二名得分为100*80/100，即第二名得分为80分。其中，按照设定数值递减进行打分，比如，以设定25分的分值进行递减，第一名使用应用程序次数为100次，得分为100分，则第二名使用90次，得分为100-25＝75分，依次类推，直至不得分。最终以两次打分较高得分为最终得分RF，i。则用户对于某个应用程序的兴趣评分RF计算如下：RF＝(α1，α2，α3，α4)·(RF，1，RF，2，RF，3，RF，4)T其中上标T表示矩阵计算的行列转置，来实现αi和RF，i对应相乘。具体的，按照时长来计算，例如，从业务系统收集和统计过去特定周期的用户使用时长为(D1，D2，D3，D4)，D1是距离当前时间点最近的时长数据，D4是距离当前时间点最远的时长数据，距离当前时间点越近的数据越代表用户当前兴趣，则针对四个心跳周期数据分别计算评分，四个周期评分的本文档来自技高网...

【技术保护点】
1.一种应用程序推荐方法，其特征在于，包括：/n根据第一用户对第一应用程序的使用频率和使用时长，计算所述第一用户对所述第一应用程序的兴趣评分；/n获取所述第一应用程序标签集；/n根据所述第一用户对所述第一应用程序的兴趣评分计算所述第一应用程序标签集中第一应用程序子标签的权重值；/n根据所述第一用户、所述第一应用程序标签集、所述第一应用程序子标签的权重值获取第一用户标签集；/n将所述第一用户标签集与第二应用程序标签集进行匹配，获得匹配相关度；/n按照所述匹配相关度为所述第一用户推荐第二应用程序；/n所述第一应用程序为终端设备已安装的应用程序，所述第二应用程序为所述终端设备未安装的应用程序。/n

【技术特征摘要】
1.一种应用程序推荐方法，其特征在于，包括：
根据第一用户对第一应用程序的使用频率和使用时长，计算所述第一用户对所述第一应用程序的兴趣评分；
获取所述第一应用程序标签集；
根据所述第一用户对所述第一应用程序的兴趣评分计算所述第一应用程序标签集中第一应用程序子标签的权重值；
根据所述第一用户、所述第一应用程序标签集、所述第一应用程序子标签的权重值获取第一用户标签集；
将所述第一用户标签集与第二应用程序标签集进行匹配，获得匹配相关度；
按照所述匹配相关度为所述第一用户推荐第二应用程序；
所述第一应用程序为终端设备已安装的应用程序，所述第二应用程序为所述终端设备未安装的应用程序。


2.根据权利要求1所述的一种应用程序推荐方法，其特征在于，所述第一应用程序子标签的权重值与所述兴趣评分的相关系数为0.01。


3.根据权利要求1所述的一种应用程序推荐方法，其特征在于，所述将所述第一用户标签集与第二应用程序标签集进行匹配，获得匹配相关度包括：
根据...

【专利技术属性】
技术研发人员：周秀爵，
申请(专利权)人：卓望数码技术深圳有限公司，
类型：发明
国别省市：广东;44