应用程序的推荐方法、装置、计算机设备及存储介质制造方法及图纸

本发明专利技术公开了一种应用程序的推荐方法、装置、计算机设备及存储介质，其中方法包括：接收目标用户发起的应用程序的推荐请求；确定目标用户所对应的目标簇，目标簇为通过对所有用户使用应用程序的情况进行聚类处理得到的；基于预先设置的协同过滤算法对目标用户与目标簇内其他用户进行协同过滤，确定出应用程序的推荐结果。本发明专利技术通过确定目标用户经过聚类处理后对应的目标簇，然后基于目标簇内的用户与目标用户进行协同过滤，以确定出推荐结果。由于是对用户经过聚类之后的结果，将相似的用户聚类到簇内，针对该簇内的用户进行协同过滤，这样，无需对全部数据进行计算，在提高计算性能的同时，还能够保证查准率。还能够保证查准率。还能够保证查准率。

【技术实现步骤摘要】
应用程序的推荐方法、装置、计算机设备及存储介质


[0001]本专利技术涉及互联网
，具体涉及一种应用程序的推荐方法、装置、计算机设备及存储介质。

技术介绍

[0002]随着互联网技术的高速发展，如何在大量应用程序(APPlication，简称为APP)中选择出适合自己的，用户需要一套有效的推荐技术方案。这里所述的应用程序可以是指电脑端的应用软件，也可以是指手机等移动终端上的应用软件。
[0003]随着全社会的信息化程度越来越高，人类要学会从大数据中解读他人，更要教会机器从大数据中理解人类，所以市场上出现了很多应用程序个性化推荐方案。目前，一般都直接对特征数据进行ETL(是英文Extract-Transform-Load的缩写，用来描述将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程)后直接处理，使用模型或者相关算法(mahout或spark mllib等开源算法库)来实现协同过滤，达到对APP的个性化推荐。
[0004]然而专利技术人现有的这些推荐方案中，通常是基于全部的数据进行计算，当用户量比较大的时候，进行推荐计算的数据量巨大，用户在输入推荐请求之后，推荐结果的输出延时较大，用户体验比较差。

技术实现思路

[0005]本专利技术要解决现有技术中由于需要基于全部数据进行推荐计算，导致开销大、延时高的问题，从而提供一种应用程序的推荐方法、装置、计算机设备及存储介质。
[0006]本专利技术的一方面，提供了一种应用程序的推荐方法，包括：接收目标用户发起的应用程序的推荐请求；确定所述目标用户所对应的目标簇，所述目标簇为通过对所有用户使用应用程序的情况进行聚类处理得到的；基于预先设置的协同过滤算法对所述目标用户与所述目标簇内其他用户进行协同过滤，确定出应用程序的推荐结果。
[0007]可选地，基于预先设置的协同过滤算法对所述目标用户与所述目标簇内其他用户进行协同过滤，确定出应用程序的推荐结果，包括：计算所述目标用户与所述目标簇内其他用户的相似度，所述相似度表示用户之间使用应用程序的相似性；基于所述相似度对所述推荐请求对应的应用程序进行排序，得到所述应用程序的推荐结果。
[0008]可选地，计算所述目标用户与所述目标簇内其他用户的相似度，包括：
[0009]确定所述目标簇内所有用户所安装的应用程序，构建用户与应用程序的矩阵，所述矩阵用于表示用户与安装的应用程序的对应关系；
[0010]计算所述目标用户的矩阵与所述目标簇内其他用户的矩阵的相似度，作为所述目标用户与所述目标簇内其他用户的相似度。
[0011]可选地，在接收目标用户发起的应用程序的推荐请求之后，还包括：
[0012]确定所述推荐请求对应的应用程序；
[0013]利用预先设置的强规则对确定出的应用程序中部分应用程序增加权重或者降低权重，其中，所述权重作用于所述应用程序的推荐排序。
[0014]可选地，所述强规则包括：基于用户更新或者安装应用程序的时间去干预应用程序的推荐结果，和/或，对超级应用程序进行降低权重处理，其中，所述超级应用程序是指安装量达到预设阈值的应用程序。
[0015]可选地，确定所述目标用户所对应的目标簇，包括：
[0016]将所述目标用户与预先聚类得到的用户簇进行匹配，得到与所述目标用户所在的目标簇。
[0017]可选地，确定所述目标用户所对应的目标簇，包括：
[0018]获取所有用户使用应用程序的用户数据；
[0019]利用预先设置的聚类算法基于所述用户数据对所有用户进行聚类，得到多个簇；
[0020]确定所述目标用户所在的簇，作为所述目标簇。
[0021]本专利技术的另一方面，提供了一种应用程序的推荐装置，包括：接收模块，用于接收目标用户发起的应用程序的推荐请求；确定模块，用于确定所述目标用户所对应的目标簇，所述目标簇为通过对所有用户使用应用程序的情况进行聚类处理得到的；推荐模块，用于基于预先设置的协同过滤算法对所述目标用户与所述目标簇内其他用户进行协同过滤，确定出应用程序的推荐结果。
[0022]可选地，推荐模块包括：计算单元，用于计算所述目标用户与所述目标簇内其他用户的相似度，所述相似度表示用户之间使用应用程序的相似性；排序单元，用于基于所述相似度对所述推荐请求对应的应用程序进行排序，得到所述应用程序的推荐结果。
[0023]可选地，所述计算单元包括：确定子单元，用于确定所述目标簇内所有用户所安装的应用程序，构建用户与应用程序的矩阵，所述矩阵用于表示用户与安装的应用程序的对应关系；计算子单元，用于计算所述目标用户的矩阵与所述目标簇内其他用户的矩阵的相似度，作为所述目标用户与所述目标簇内其他用户的相似度。
[0024]可选地，推荐装置还包括：程序确定模块，用于在接收目标用户发起的应用程序的推荐请求之后，确定所述推荐请求对应的应用程序；干预模块，用于利用预先设置的强规则对确定出的应用程序中部分应用程序增加权重或者降低权重，其中，所述权重作用于所述应用程序的推荐排序。
[0025]可选地，所述强规则包括：基于用户更新或者安装应用程序的时间去干预应用程序的推荐结果，和/或，对超级应用程序进行降低权重处理，其中，所述超级应用程序是指安装量达到预设阈值的应用程序。
[0026]可选地，确定模块具体用于将所述目标用户与预先聚类得到的用户簇进行匹配，得到与所述目标用户所在的目标簇。
[0027]可选地，确定模块包括：
[0028]获取单元，用于获取所有用户使用应用程序的用户数据；
[0029]聚类单元，用于利用预先设置的聚类算法基于所述用户数据对所有用户进行聚类，得到多个簇；
[0030]簇确定单元，用于确定所述目标用户所在的簇，作为所述目标簇。
[0031]本专利技术的另一方面，提供了一种计算机设备，包括存储器、处理器以及存储在存储
器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述方法的步骤。
[0032]本专利技术的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现上述方法的步骤。
[0033]根据本专利技术实施例，在接收到目标用户的推荐请求之后，通过确定目标用户经过聚类处理后对应的目标簇，然后基于目标簇内的用户与目标用户进行协同过滤，以确定出推荐结果。由于是对用户经过聚类之后的结果，将相似的用户聚类到簇内，针对该簇内的用户进行协同过滤，这样，无需对全部数据进行计算，在提高计算性能的同时，还能够保证查准率。
附图说明
[0034]为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用程序的推荐方法，其特征在于，包括：接收目标用户发起的应用程序的推荐请求；确定所述目标用户所对应的目标簇，所述目标簇为通过对所有用户使用应用程序的情况进行聚类处理得到的；基于预先设置的协同过滤算法对所述目标用户与所述目标簇内其他用户进行协同过滤，确定出应用程序的推荐结果。2.根据权利要求1所述的应用程序的推荐方法，其特征在于，基于预先设置的协同过滤算法对所述目标用户与所述目标簇内其他用户进行协同过滤，确定出应用程序的推荐结果，包括：计算所述目标用户与所述目标簇内其他用户的相似度，所述相似度表示用户之间使用应用程序的相似性；基于所述相似度对所述推荐请求对应的应用程序进行排序，得到所述应用程序的推荐结果。3.根据权利要求2所述的应用程序的推荐方法，其特征在于，计算所述目标用户与所述目标簇内其他用户的相似度，包括：确定所述目标簇内所有用户所安装的应用程序，构建用户与应用程序的矩阵，所述矩阵用于表示用户与安装的应用程序的对应关系；计算所述目标用户的矩阵与所述目标簇内其他用户的矩阵的相似度，作为所述目标用户与所述目标簇内其他用户的相似度。4.根据权利要求1所述的应用程序的推荐方法，其特征在于，在接收目标用户发起的应用程序的推荐请求之后，还包括：确定所述推荐请求对应的应用程序；利用预先设置的强规则对确定出的应用程序中部分应用程序增加权重或者降低权重，其中，所述权重作用于所述应用程序的推荐排序。5.根据权利要求4所述的应用程序的推荐方法...

【专利技术属性】
技术研发人员：韩哲，姚佳楠，杨学安，
申请(专利权)人：北京多点在线科技有限公司，
类型：发明
国别省市：