[發明專利]應用程序的推薦方法及裝置

在審

• 申請號: 201611034204.2
• 申請日: 2016-11-08
• 公開（公告）號: CN108062342A
• 公開（公告）日: 2018-05-22
• 發明（設計）人: 林漫鵬
• 申請（專利權）人: 北京國雙科技有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京鼎佳達知識產權代理事務所(普通合伙) 11348
• 代理人: 王偉鋒;劉鐵生

本發明公開了一種應用程序的推薦方法及裝置，涉及數據處理技術領域，解決了現有應用程序推薦準確率和效率較低的問題。本發明的主要技術方案為：獲取多個用戶的應用程序歷史下載序列集合，所述用戶的應用程序歷史下載序列集合中包括多個應用程序分別對應的標識信息及所述應用程序的下載順序；將所述應用程序歷史下載序列集合中的多個與應用程序分別對應的標識信息通過詞向量模型進行訓練，得到與各標識信息分別對應的向量；根據各標識信息分別對應的向量為下載應用程序的用戶推薦應用程序。本發明主要用于計算應用程序的相似度。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種應用程序的推薦方法及裝置。

背景技術

隨著信息技術的快速發展，應用程序(Applications，簡稱APP)占據著舉足重要的地位。在應用市場中，用戶往往會搜索自己需要的應用程序。但在這樣海量的條件下，對作為非專業人員的大眾用戶來說，會出現很多搜索的結果并不是自己需要的情況。因此，急需一種方法，可以在用戶查詢相關應用程序的同時，能夠為用戶提供一些相似的應用程序，用以滿足用戶可能的粗略查詢等。同時在推薦系統中，可以主動為用戶推薦一些與用戶終端上安裝的應用程序類似的移動應用，根據用戶的喜好來推薦移動應用可以提高推薦的準確率。

目前，比較不同應用程序相似度的方法是通過人工計算各個應用程序的屬性。如“網易云音樂”和“酷狗音樂”都是音樂類型的應用程序，相似度較大。而通過人工計算各應用程序的相似度的主觀性較強，且耗時耗力，因此現有應用程序推薦的準確率和效率較低。

發明內容

鑒于上述問題，提出了本發明，以便提供一種克服上述問題或者至少部分地解決上述問題的應用程序的推薦方法及裝置。

為達到上述目的，本發明主要提供如下技術方案：

一方面，本發明實施例提供了一種應用程序的推薦方法，該方法包括：

獲取多個用戶的應用程序歷史下載序列集合，所述用戶的應用程序歷史下載序列集合中包括多個應用程序分別對應的標識信息及所述應用程序的下載順序；

將所述應用程序歷史下載序列集合中的多個與應用程序分別對應的標識信息通過詞向量模型進行訓練，得到與各標識信息分別對應的向量；

根據各標識信息分別對應的向量為下載應用程序的用戶推薦應用程序。

另一方面，本發明實施例還提供一種應用程序的推薦裝置，該裝置包括：

獲取單元，用于獲取多個用戶的應用程序歷史下載序列集合，所述應用程序歷史下載序列集合中包括多個應用程序分別對應的標識信息及所述應用程序的下載順序；

訓練單元，用于將所述應用程序歷史下載序列集合中的多個與應用程序分別對應的標識信息通過詞向量模型進行訓練，得到與各標識信息分別對應的向量；

推薦單元，用于根據各標識信息分別對應的向量為下載應用程序的用戶推薦應用程序。

借由上述技術方案，本發明實施例提供的技術方案至少具有下列優點：

本發明實施例提供的一種應用程序的推薦方法及裝置，首先多個用戶的應用程序歷史下載序列集合，然后將所述應用程序歷史下載序列集合中的多個與應用程序分別對應的標識信息通過詞向量模型進行訓練，得到與各標識信息分別對應的向量，最后根據各標識信息分別對應的向量為下載應用程序的用戶推薦應用程序。與目前通過人工計算應用程序的相似度相比，本發明實施例通過模擬詞向量word2vec對文本系列的訓練，對大量用戶的應用程序下載歷史進行訓練，就可以高效地計算出不同應用程序之間的相似度，從而提高了應用程序推薦的準確率和效率。

附圖說明