[發明專利]應用信息推薦方法、裝置及存儲介質和服務器

有效

• 申請號: 201711394448.6
• 申請日: 2017-12-21
• 公開（公告）號: CN108076154B
• 公開（公告）日: 2019-12-31
• 發明（設計）人: 陳巖;劉耀勇
• 申請（專利權）人: OPPO廣東移動通信有限公司
• 主分類號: H04L29/08
• 分類號: H04L29/08
• 代理公司: 11332 北京品源專利代理有限公司
• 代理人: 孟金喆

1.一種應用信息推薦方法，其特征在于，包括：

獲取待推薦應用程序的目標推薦用戶的目標用戶屬性類別；

根據所述目標用戶屬性類別基于預設分類模型，從關聯應用程序所有用戶中獲取所述目標推薦用戶，所述預設分類模型基于機器學習方法生成，用于對關聯應用程序用戶基于用戶屬性進行分類標記，所述關聯應用程序與所述待推薦應用程序相關聯；

將所述待推薦應用程序的推薦信息，推送給所述目標推薦用戶所在終端；

所述方法，還包括：

將第一用戶的操作數據作為樣本基于機器學習方法進行訓練，生成預設分類模型，所述第一用戶為關聯應用程序的已知用戶屬性類別的用戶；

所述操作數據包括運行應用程序而生成的社交通信數據、拍照數據、電臺收聽頻段數據或者音樂播放數據。

2.根據權利要求1所述的應用信息推薦方法，其特征在于，所述根據所述目標用戶屬性類別基于預設分類模型，從關聯應用程序所有用戶中獲取所述目標推薦用戶包括：

將第二用戶的操作數據輸入至所述預設分類模型，所述第二用戶為關聯應用程序的未知用戶屬性類別的用戶；

獲取所述預設分類模型輸出的所述第二用戶的用戶屬性類別，并標記所述第二用戶的用戶屬性類別；

從所有用戶中獲取用戶屬性類別為目標用戶屬性類別的用戶，作為目標推薦用戶，所述所有用戶包括第一用戶和第二用戶。

3.根據權利要求2所述的應用信息推薦方法，其特征在于，所述用戶屬性類別包括多個用戶子屬性類別；

所述將第一用戶的操作數據作為樣本基于機器學習方法進行訓練，生成預設分類模型包括：將第一用戶的操作數據作為樣本基于機器學習方法，按照各個用戶子屬性分別進行訓練，生成各個用戶子屬性對應的預設分類子模型；

所述獲取待推薦應用程序的目標推薦用戶的目標用戶屬性類別包括：獲取待推薦應用程序的目標推薦用戶的各個目標用戶子屬性類別；

所述將第二用戶的操作數據輸入至所述預設分類模型包括：將第二用戶的操作數據分別輸入至各個預設分類子模型；

獲取所述預設分類模型輸出的所述第二用戶的用戶屬性類別，并標記所述第二用戶的用戶屬性類別包括：獲取所述各個預設分類子模型分別輸出的所述第二用戶的各個用戶子屬性類別，并標記所述第二用戶的各個用戶子屬性類別；

從所有用戶中獲取用戶屬性類別為目標用戶屬性類別的用戶，作為目標推薦用戶包括：從所有用戶中分別獲取用戶子屬性類別為目標用戶子屬性類別的各個候選推薦用戶；將所述各個候選推薦用戶中的用戶交集，作為目標推薦用戶。

4.根據權利要求1所述的應用信息推薦方法，其特征在于，所述用戶屬性類別包括多個用戶子屬性類別，所述將第一用戶的操作數據作為樣本基于機器學習方法進行訓練，生成預設分類模型包括：將第一用戶的操作數據作為樣本基于機器學習方法，按照各個用戶子屬性分別進行訓練，生成多個預設分類子模型；將所述多個預設分類子模型，利用決策樹算法進行決策融合形成預設分類模型。

5.根據權利要求1所述的應用信息推薦方法，其特征在于，所述機器學習方法包括神經網絡方法，所述神經網絡方法包括輸入層、隱藏層和輸出層，所述將第一用戶的操作數據作為樣本基于機器學習方法進行訓練，生成預設分類模型包括：

將所述第一用戶的操作數據輸入至所述輸入層，并經過與所述隱藏層各層節點對應的激活函數的計算，輸出中間用戶屬性類別；

利用所述中間用戶屬性類別與所述第一用戶的操作數據對應的實際用戶屬性類別之間的差值，以及優化算法對所述激活函數中的權重進行反復修正，直至所述中間用戶屬性類別與所述實際用戶屬性類別之間的差值在預設范圍之內，得到訓練完成的各個節點的激活函數，生成預設分類模型。

6.根據權利要求1-5任一項所述的應用信息推薦方法，其特征在于，所述用戶屬性包括年齡、性別、健康狀況、職業和愛好中的至少一項。

7.根據權利要求1-5任一項所述的應用信息推薦方法，其特征在于，所述機器學習方法包括：神經網絡方法、支持向量機方法、決策樹方法、邏輯回歸方法、貝葉斯方法和隨機森林方法。