应用程序菜单推荐方法及装置制造方法及图纸

本发明专利技术涉及信息技术领域，具体而言，涉及应用程序菜单推荐方法及装置。该应用程序菜单推荐方法，包括：提供应用程序历史列表、欲预测项数及预测模型；将所述应用程序历史列表及所述欲预测项数输入所述预测模型，得到应用程序推荐列表；根据所述应用程序推荐列表进行应用程序菜单推荐。应用程序菜单推荐装置，包括：模型提供模块、预测模块及推荐模块。本发明专利技术提供的应用程序菜单推荐方法及装置能够提高应用程序推荐的准确度。

【技术实现步骤摘要】
应用程序菜单推荐方法及装置
本专利技术涉及信息
，具体而言，涉及应用程序菜单推荐方法及装置。
技术介绍
当前，终端设备对应用程序菜单的管理通常为静态管理，即对每个应用程序分别设置图标(该图标可以由系统自动定义，也可以由用户进行个性化定义)，通过图表进行应用程序管理。在应用程序管理中，为便于用户及时查找到其所需的应用程序，形成了应用程序菜单推荐方法。相关技术中，应用程序菜单推荐方法基于应用程序历史列表进行，即根据用户打开应用程序的时间顺序，利用与应用程序对应的链接标签生成应用程序历史列表，当用户需要应用程序推荐时，根据应用程序在应用程序历史列表中的排列位置向用户进行菜单推荐。当前的应用程序菜单推荐方法主要基于应用程序打开的时间顺序进行推荐，但应用程序打开的时间顺序并不能准确反映用户对应用程序的使用意向，即用户打开一应用程序或几个应用程序后根据应用程序历史列表无法准确判断用户之后可能打开的应用程序的意向，由此导致推荐的准确度不高。
技术实现思路
本专利技术的目的在于提供应用程序菜单推荐方法及装置，以解决上述的问题。在本专利技术的实施例中提供了应用程序菜单推荐方法，包括：提供应用程序历史列表、欲预测项数及预测模型；将所述应用程序历史列表及所述欲预测项数输入所述预测模型，得到应用程序推荐列表；根据所述应用程序推荐列表进行应用程序菜单推荐。应用程序菜单推荐装置，包括：模型提供模块，用于提供应用程序历史列表、欲预测项数及预测模型；预测模块，用于将所述应用程序历史列表及所述欲预测项数输入所述预测模型，得到应用程序推荐列表；推荐模块，用于根据所述应用程序推荐列表进行应用程序菜单推荐。本专利技术实施例提供的应用程序菜单推荐方法及装置，提供预测模型，将应用程序历史列表及欲预测项数输入到预测模型中后，会按照预测模型中设定的预测规则进行用户近期可能会打开应用程序的预测，并生成应用程序推荐列表进行应用程序菜单推荐。该推荐方法中，提供的预测模型是按照预定的预测算法形成的计算模型，预定的预测算法在一定程度上可以反映用户对应用程序的使用意向及使用习惯，由此能够提高应用程序推荐的准确度。附图说明图1示出了本专利技术实施例应用程序菜单推荐方法的流程图；图2示出了本专利技术实施例应用程序菜单推荐方法的信息流程图；图3示出了本专利技术实施例应用程序菜单推荐装置的结构图；图4示出了终端中采用本专利技术实施例应用程序菜单推荐方法进行应用程序推荐的效果示意图。具体实施方式下面通过具体的实施例子并结合附图对本专利技术做进一步的详细描述。本专利技术实施例提供一种应用程序菜单推荐方法，如图1所示，主要处理流程包括：步骤S11：提供应用程序历史列表、欲预测项数及预测模型；步骤S12：将应用程序历史列表及欲预测项数输入预测模型，得到应用程序推荐列表；步骤S13：根据应用程序推荐列表进行应用程序菜单推荐。本专利技术实施例提供的应用程序菜单推荐方法，提供预测模型，将应用程序历史列表及欲预测项数输入到预测模型中后，会按照预测模型中设定的预测规则进行用户近期可能会打开应用程序的预测，并生成应用程序推荐列表进行应用程序菜单推荐。该推荐方法中，提供的预测模型是按照预定的预测算法形成的计算模型，预定的预测算法在一定程度上可以反映用户对应用程序的使用意向及使用习惯，由此能够提高应用程序推荐的准确度。进一步地，将应用程序历史列表及预测项数输入预测模型，包括：从提供的多个预测模型中确定最优预测模型，其中多个预测模型分别基于不同预测算法形成；将应用程序历史列表及预测项数输入最优预测模型。由于用户的不同其对应用程序的使用习惯及使用意向不同，为向不同用户能提供更能满足用户需求的应用程序菜单推荐，优选地，提供基于不同预测算法形成的预测模型，并从提供的多个预测模型中确定出最优预测模型，利用最优预测模型进行预测。提供应用程序历史列表，包括：提供预设时间间隔内被打开的应用程序菜单选项形成的应用程序历史列表；或，提供按照前台显示时间顺序排列且数量小于或等于预设的数量阈值的应用程序菜单选项形成的应用程序列表。例如，提供预设时间间隔内被打开的应用程序菜单选项可以为提供由当前200小时内被打开的应用程序菜单选项，且提供的应用程序菜单选项按照打开的时间顺序排列。又例如，预设的数量阈值为200，则提供最近被打开的200个应用程序菜单选项按照被前台显示时间顺序形成应用程序历史列表。当被打开的应用程序的总量小于设定的数量阈值时，被打开的所有应用程序按照前台显示时间顺序形成应用程序历史列表。如图2所示，应用程序菜单选项在应用程序历史列表中按照前台显示时间顺序排列可以为设定应用程序历史列表的排列顺序依次为：h0、h1、h2、h3……hn-1，其中与当前前台显示的应用程序对应的应用程序菜单选项排在h0位，与当前前台显示时间最近的应用程序所对应的应用程序菜单选项排在h1位，其它应用程序的应用程序菜单选项的排列规则以此类推。应用程序历史列表中排列的应用程序菜单选项均对应有菜单信息，其中所述菜单信息包括：应用程序切至前台显示的时间戳、切出前台显示的时间戳及应用程序地址信息。其中若两个应用程序分别记为第一应用程序及第二应用程序，第一应用程序切出前台显示时，第二应用程序切至前台显示，则第一应用程序的切出前台显示的时间戳与第二应用程序切至前台显示的时间戳相同。如图2，提供的多个预测模型分别记为m0、m1……mj……ms-2、ms-1形成预测模型列表M。如图2中，从提供的多个预测模型中筛选出最优预测模型mop；将应用程序历史列表及欲预测项数c输入到最优预测模型mop中，得到应用程序推荐列表L，利用应用程序推荐列表L中的应用程序菜单选项对预先生成的缓存列表CL中的应用程序菜单选项进行替换，利用替换完成的缓存列表CL向用户进行应用程序菜单推荐。进一步地，提供预测模型包括：提供最近最常使用(MostRecentlyUse，MRU)预测模型、最常使用(MostFrequentlyUse，MFU)预测模型、结合新旧程度及频率(CombinedRecencyandFrequency，CRF)预测模型、分割新旧程度及频率(SplitRecencyandFrequency，SR&F)预测模型、基于马尔科夫链的预测模型及基于马尔科夫链-CRF算法-周历史的预测模型。本专利技术实施例中的预测模型基于Top-N机制对应用程序菜单选项进行预测，其中本实施例中仅给出预测模型的几个示例，根据实际使用的需要还可以将基于其它预测算法的预测模型加入到预测模型列表中。本专利技术实施例中，从提供的多个预测模型中确定最优预测模型，包括：从应用程序历史列表所包括的按照前台显示时间顺序排列的应用程序菜单选项中选取前台显示时间位于预设时间段内的应用程序菜单选项组成测试子列表，从剩余的应用程序菜单选项中选取具有时间关联的应用程序菜单选项形成训练列表；利用训练列表分别对多个预测模型进行预测训练；利用测试子列表对经过预测训练后的多个预测模型进行预测准确率计算；将计算得到的预测准确率最高的预测模型确定为最优预测模型。利用测试子列表对经过预测训练后的多个预测模型进行预测准确率计算，包括：将经过预测训练后的多个预测模型分别确定为设定最优模型；将测试子列表所包括的应用程序菜单选项按照先打开先输入的顺序依次输入当本文档来自技高网...

【技术保护点】
应用程序菜单推荐方法，其特征在于，包括：提供应用程序历史列表、欲预测项数及预测模型；将所述应用程序历史列表及所述欲预测项数输入所述预测模型，得到应用程序推荐列表；根据所述应用程序推荐列表进行应用程序菜单推荐。

【技术特征摘要】
1.应用程序菜单推荐方法，其特征在于，包括：提供应用程序历史列表、欲预测项数及预测模型，其中，所述预测模型，用于反映用户对应用程序的使用意向及使用习惯；从所述应用程序历史列表所包括的按照前台显示时间顺序排列的应用程序菜单选项中选取前台显示时间位于预设时间段内的应用程序菜单选项组成测试子列表，从剩余的应用程序菜单选项中选取具有时间关联的应用程序菜单选项形成训练列表；利用所述训练列表分别对多个所述预测模型进行预测训练；将经过所述预测训练后的多个所述预测模型分别确定为设定最优模型；将所述测试子列表所包括的应用程序菜单选项按照先打开先输入的顺序依次输入当前被确定为设定最优模型的所述预测模型中；其中，每将所述测试子列表中的一个所述应用程序菜单选项输入至所述设定最优模型，均输出预测列表；且每次输出所述预测列表，均判断前台显示时间位于当前被输入的所述应用程序菜单选项之后，且排列位置与当前被输入的所述应用程序菜单选项位置相邻的应用程序菜单选项是否位于当前输出的所述预测列表中；若存在，则按照预设的预测准确率计算规则增加当前的所述设定最优模型的预测准确率；将计算得到的预测准确率最高的所述预测模型确定为最优预测模型，其中多个所述预测模型分别基于不同预测算法形成；将所述应用程序历史列表及所述预测项数输入所述最优预测模型，得到应用程序推荐列表；根据所述应用程序推荐列表进行应用程序菜单推荐。2.根据权利要求1所述的方法，其特征在于，提供预测模型包括：提供最近最常使用MRU预测模型、最常使用MFU预测模型、结合新旧程度及频率CRF预测模型、分割新旧程度及频率SR&F预测模型、基于马尔科夫链的预测模型及基于马尔科夫链-CRF算法-周历史的预测模型。3.根据权利要求1所述的方法，其特征在于，所述根据所述应用程序推荐列表进行应用程序菜单推荐，包括：将所述应用程序推荐列表所包括的应用程序菜单选项与预先生成的缓存列表所包括的应用程序菜单...

【专利技术属性】
技术研发人员：谢天添，
申请(专利权)人：谢天添，
类型：发明
国别省市：