应用预测方法、芯片、电子设备及存储介质技术

本申请提供一种应用预测方法、芯片、电子设备及存储介质，该方法包括：获取用户使用应用的历史信息；基于所述用户使用应用的历史信息提取第一特征及第二特征，所述第一特征用于表征用户的长期兴趣，所述第二特征用于表征用户的短期兴趣；基于所述第一特征和所述第二特征对用户使用应用的倾向进行预测。本申请提供的方法，有助于提高对应用预测的准确性。有助于提高对应用预测的准确性。有助于提高对应用预测的准确性。

【技术实现步骤摘要】
应用预测方法、芯片、电子设备及存储介质


[0001]本申请涉及人工智能领域，尤其涉及一种应用预测方法、芯片、电子设备及存储介质。

技术介绍

[0002]随着电子技术的不断发展，智能终端(例如，手机、平板、车载设备等)中通常都会安装应用。在一些应用场景中，会对用户近期可能会使用的应用进行预测。目前，上述进行应用预测的方法大致包括如下两类：
[0003]其中一类是基于规则的方法，通常是设置用户最近使用应用队列，按照频次和使用时间等指标计算应用的权重，将权重最高的几款应用作为预测结果。这种方式比较快捷，但是由于规则有限，无法学习应用使用间的内在关联，存在准确率不高的问题，尤其是在应用种类繁多的场景中，仅仅通过规则计算很容易忽略许多并不常用但潜在利用率很高的应用。
[0004]另一类是基于人工智能等特征学习的方法，例如，采用图神经网络、构建知识图谱、预训练模型等方法对隐藏特征进行复杂的推理与学习，这类方法相比基于规则的方法，准确率更高，然而，由于模型过于复杂，常常需要极长的时间进行训练，而且参数量巨大，存在训练代价大，耗时长等缺点。

技术实现思路

[0005]本申请提供了一种应用预测方法、芯片、电子设备及存储介质，有助于提高对应用预测的准确性。
[0006]第一方面，本申请提供了一种应用预测方法，包括：
[0007]获取用户使用应用的历史信息；
[0008]基于所述用户使用应用的历史信息提取第一特征及第二特征，所述第一特征用于表征用户的长期兴趣，所述第二特征用于表征用户的短期兴趣；
[0009]基于所述第一特征和所述第二特征对用户使用应用的倾向进行预测。
[0010]本申请中，通过分别对用户的长期兴趣和短期特征的提取以及融合，由此可以提高对用户的使用应用的预测的准确性。
[0011]其中一种可能的实现方式中，所述方法还包括：
[0012]对所述用户使用应用的历史信息进行清洗，得到清洗数据，所述清洗数据不包含不在合理范围内的值和不在合理集合中的值。
[0013]其中一种可能的实现方式中，所述用户使用应用的历史信息包括用户使用应用的时刻、用户使用应用的频率及用户使用应用的时长。
[0014]其中一种可能的实现方式中，所述第一特征通过对时间序列进行特征提取后获得，所述时间序列由所述用户使用应用的时刻确定。
[0015]其中一种可能的实现方式中，所述时间序列包括多个按照时间先后顺序排列的时
刻，所述第二特征通过对所述时间序列中最后一个时刻、所述用户使用应用的频率及所述用户使用应用的时长进行特征提取后获得。
[0016]其中一种可能的实现方式中，所述第一特征通过对时间序列进行特征提取后获得包括：
[0017]所述第一特征通过双向门控循环单元GRU框架及注意力机制对时间序列进行特征提取后获得；
[0018]所述第二特征通过对所述时间序列中最后一个时刻、所述用户使用应用的频率及所述用户使用应用的时长进行特征提取后获得包括：
[0019]所述第二特征通过多层感知机MLP对所述时间序列中最后一个时刻、所述用户使用应用的频率及所述用户使用应用的时长进行特征提取后获得。
[0020]其中一种可能的实现方式中，所述基于所述第一特征和所述第二特征对用户使用应用的倾向进行预测包括：
[0021]基于所述第一特征和所述第二特征获得第一预测结果；
[0022]使用基于规则的方式获得第二预测结果；
[0023]将所述第一预测结果与所述第二预测结果进行融合后，对用户使用应用的倾向进行预测。
[0024]第二方面，本申请提供了一种芯片，包括：
[0025]获取模块，用于获取用户使用应用的历史信息；
[0026]提取模块，用于基于所述用户使用应用的历史信息提取第一特征及第二特征，所述第一特征用于保证用户的长期兴趣，所述第二特征用于表征用户的短期兴趣；
[0027]预测模块，用于基于所述第一特征和所述第二特征对用户使用应用的倾向进行预测。
[0028]第三方面，本申请提供了一种电子设备，包括：处理器和存储器，所述存储器用于存储计算机程序；所述处理器用于运行所述计算机程序，实现如第一方面所述的应用预测方法。
[0029]第四方面，本申请提供了一种计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，当其在计算机上运行时，使得计算机实现如第一方面所述的应用预测方法。
[0030]第五方面，本申请提供了一种计算机程序，当上述计算机程序在电子设备的处理器上运行时，使得所述电子设备执行第一方面所述的应用预测方法。
[0031]在一种可能的设计中，第五方面中的程序可以全部或者部分存储在与处理器封装在一起的存储介质上，也可以部分或者全部存储在不与处理器封装在一起的存储器上。
附图说明
[0032]图1为本申请实施例提供的系统框图；
[0033]图2为本申请实施例提供的应用预测方法的流程示意图；
[0034]图3为本申请实施例提供的芯片的结构示意图；
[0035]图4为本申请实施例提供的电子设备的结构示意图。
具体实施方式
[0036]本申请实施例中，除非另有说明，字符“/”表示前后关联对象是一种或的关系。例如，A/B可以表示A或B。“和/或”描述关联对象的关联关系，表示可以存在三种关系。例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。
[0037]需要指出的是，本申请实施例中涉及的“第一”、“第二”等词汇，仅用于区分描述目的，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，也不能理解为指示或暗示顺序。
[0038]本申请实施例中，“至少一个”是指一个或者多个，“多个”是指两个或两个以上。此外，“以下至少一项(个)”或者其类似表达，是指的这些项中的任意组合，可以包括单项(个)或复数项(个)的任意组合。例如，A、B或C中的至少一项(个)，可以表示：A，B，C，A和B，A和C，B和C，或A、B和C。其中，A、B、C中的每个本身可以是元素，也可以是包含一个或多个元素的集合。
[0039]本申请实施例中，“示例的”、“在一些实施例中”、“在另一实施例中”等用于表示作例子、例证或说明。本申请中被描述为“示例”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用示例的一词旨在以具体方式呈现概念。
[0040]本申请实施例中的“的(of)”、“相应的(corresponding，relevant)”和“对应的(corresponding)”有时可以混用，应当指出的是，在不强调其区别时，所要表达的含义是一致的。本申请实施例中，通信、传输有时可以混用，应当指出的是，在不强调其区别时，其所表达的含义是一致的。例如，传输可以包括发送和/或接收，可以为名词，也可以是动词。
[0041]本申请实施例中涉及的等于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用预测方法，其特征在于，所述方法包括：获取用户使用应用的历史信息；基于所述用户使用应用的历史信息提取第一特征及第二特征，所述第一特征用于表征用户的长期兴趣，所述第二特征用于表征用户的短期兴趣；基于所述第一特征和所述第二特征对用户使用应用的倾向进行预测。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述用户使用应用的历史信息进行清洗，得到清洗数据，所述清洗数据不包含不在合理范围内的值和不在合理集合中的值。3.根据权利要求1所述的方法，其特征在于，所述用户使用应用的历史信息包括用户使用应用的时刻、用户使用应用的频率及用户使用应用的时长。4.根据权利要求3所述的方法，其特征在于，所述第一特征通过对时间序列进行特征提取后获得，所述时间序列由所述用户使用应用的时刻确定。5.根据权利要求4所述的方法，其特征在于，所述时间序列包括多个按照时间先后顺序排列的时刻，所述第二特征通过对所述时间序列中最后一个时刻、所述用户使用应用的频率及所述用户使用应用的时长进行特征提取后获得。6.根据权利要求5所述的方法，其特征在于，所述第一特征通过对时间序列进行特征提取后获得包括：所述第一特征通过双向门控循环单元GRU框架及注意力机制对时间序列进行特征提取后获得；所述第二特征通过对所述时间序列中最后一个时刻、所述用户使用应用的频率及所述用户使...

【专利技术属性】
技术研发人员：宋长皓，
申请(专利权)人：展讯通信天津有限公司，
类型：发明
国别省市：