[發明專利]基于用戶畫像行為分析的應用推薦方法及系統，儲存介質及計算機設備

有效

• 申請號: 201710666989.3
• 申請日: 2017-08-07
• 公開（公告）號: CN107423442B
• 公開（公告）日: 2020-09-25
• 發明（設計）人: 劉冶;李宏浩;桂進軍;傅自豪;彭楠;印鑒
• 申請（專利權）人: 火烈鳥網絡（廣州）股份有限公司;中山大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535
• 代理公司: 廣州駿思知識產權代理有限公司 44425
• 代理人: 吳靜芝

本發明提供一種基于用戶畫像行為分析的游戲推薦方法及系統。通過構建特征采集器，對用戶畫像數據、應用列表數據、客戶端上報的數據進行處理，獲得規范化且符合數學建模要求的特征向量。利用多個基礎推薦模型進行預測，生成初步的用戶應用推薦列表及相應下載概率；結合下載概率及實際標簽訓練融合模型，生成最終的應用推薦列表。通過對用戶歷史行為日志的多維度分析，進行特征提取構建用戶畫像數據倉庫。對于基礎推薦模型，創新性地引入長短期記憶網絡學習用戶行為的時序關系，更好地刻畫用戶對物品的喜好程度，所推薦游戲應用與用戶的需求匹配度高。加入集成學習進行模型融合，整合各個模型的學習結果，提高推薦算法的穩定性和泛化能力。

技術領域

本發明屬于網絡信息技術領域，尤其涉及一種基于用戶畫像行為分析的應用推薦方法，一種基于用戶畫像行為分析的應用推薦系統，一種計算機可讀儲存介質，以及一種計算機設備。

背景技術

近年來，隨著移動互聯網行業的高速發展，互聯網承載的信息量也隨之呈現出爆發式增長。各類移動互聯網信息載體，為用戶提供多樣化的獲取信息內容的方式，但也隨之帶來信息過載的困擾，用戶從主動搜索互聯網內容變為被動地接收大量互聯網訂閱和推送等信息，同時也使得用戶獲取信息的成本相應增加。在具體的業務場景下，結合用戶的行為習慣進行分析，提供符合用戶喜好的內容和服務成為了核心的需求，為解決用戶需求，互聯網領域的推薦方法和系統應運而生。

當前，iOS和Android兩大移動系統平臺的應用數量已經超過百萬級別的規模。龐大的應用規模帶來了應用市場的經濟繁榮，其中游戲應用收入占據了應用市場大部分的收入。應用市場給用戶提供種類豐富應用選擇的同時，也帶來了應用選擇的困擾。因此，為用戶提供符合其個性化需求的應用推薦服務，既可以提升用戶體驗，又可以增加平臺收益。

目前比較廣泛應用的應用推薦方法主要有協同過濾推薦、基于內容的推薦以及隱語義模型推薦等。協同過濾推薦方法主要被應用于電商行業，它一般采用最近鄰技術，利用用戶的歷史喜好信息計算用戶之間的距離，然后利用目標用戶的最近鄰用戶對物品評價的加權評價值來預測目標用戶對特定物品的喜好程度，系統從而根據這一喜好程度來對目標用戶進行推薦。但是，這種推薦方法針對的是具有歷史記錄數據的用戶。特別地，當用戶為新用戶時，由于并不存在歷史操作數據，此時為用戶進行產品推薦存在一定困難。基于內容的推薦方法，則通過相關的特征屬性刻畫用戶和物品，該方法基于用戶和物品特征，學習用戶興趣，從而根據用戶跟物品的興趣匹配程度進行推薦。但基于內容的推薦方法需要人工抽取有意義的特征，要求盡可能刻畫用戶對物品的喜好程度。隱語義模型推薦，其核心思想就是通過隱含特征聯系用戶興趣和物品。該模型的實現過程一般包含三個部分，首先將物品映射到隱含分類，其次確定用戶對隱含分類的興趣，最后選擇用戶感興趣的分類中的物品推薦給用戶。這類方法基于用戶行為數據的統計，再進行自動聚類，找出潛在的主題或分類。

然而，上述模型的數據源都比較單一，在不同的上下文環境中，會有穩定性不佳，泛化能力差的缺點，使應用推薦結果的準確度下降。

發明內容

基于此，本發明的目的在于，提供一種基于用戶畫像行為分析的應用推薦方法、一種基于用戶畫像行為分析的應用推薦系統、一種計算機可讀儲存介質以及一種計算機設備，能夠提高應用推薦的穩定性及泛化能力，為用戶提供個性化的應用推薦。

本發明通過以下方案實現：