[發明專利]一種應用的推薦方法和裝置

在審

• 申請號: 201810798909.4
• 申請日: 2018-07-19
• 公開（公告）號: CN109242592A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 潘岸騰
• 申請（專利權）人: 廣州優視網絡科技有限公司
• 主分類號: G06Q30/06
• 分類號: G06Q30/06;G06Q30/02;G06F16/9535
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 趙娟

1.一種應用的推薦方法，其特征在于，包括：

獲取訓練樣本，所述訓練樣本包括訓練應用數據和真實應用偏好數據；

在所述訓練應用數據提取出訓練應用特征數據；

根據所述訓練應用特征數據和真實應用偏好數據對應用推薦模型進行調整；

根據所述調整后的應用推薦模型進行應用推薦。

2.根據權利要求1所述的方法，其特征在于，所述根據所述訓練應用特征數據和真實應用偏好數據對應用推薦模型進行調整的步驟，包括：

將所述訓練應用特征數據輸入應用推薦模型中得到預測應用偏好數據；

采用所述預測應用偏好數據和所述真實應用偏好數據計算損失率；

采用所述損失率計算梯度；

判斷所述梯度是否滿足預設迭代條件；

若是，則結束調整所述應用推薦模型；

若否，則采用所述梯度對所述應用推薦模型的模型參數進行下降，返回執行所述將所述訓練應用特征數據輸入所述應用推薦模型中得到預測應用偏好數據的步驟。

3.根據權利要求1所述的方法，其特征在于，所述應用推薦模型為Wide模型和Deep模型的融合模型。

4.根據權利要求1或3所述的方法，其特征在于，所述在所述訓練應用數據提取出訓練應用特征數據的步驟，包括：

獲取訓練應用數據，所述訓練應用數據包括歷史用戶搜索記錄；

根據所述歷史用戶搜索記錄獲得Wide模型特征數據；

根據所述歷史用戶搜索記錄獲得Deep模型特征數據；

將所述Wide模型特征數據和所述Deep模型特征數據作為訓練應用特征數據。

5.根據權利要求4所述的方法，其特征在于，所述歷史用戶搜索記錄包括搜索詞、展示應用的應用關聯數據；所述根據所述歷史用戶搜索記錄獲得Wide模型特征數據的步驟，包括：

對所述應用關聯數據進行分詞得到第一切詞特征；

對所述搜索詞進行分詞得到第二切詞特征；

合并所述第一切詞特征和所述第二切詞特征得到Wide模型特征數據。

6.根據權利要求5所述的方法，其特征在于，所述根據所述歷史用戶搜索記錄獲得Deep模型特征數據的步驟，包括：

計算所述搜索詞和所述展示應用之間的相關系數；

根據所述應用關聯數據提取熱度特征；

根據所述應用關聯數據提取用戶平均評分特征；

將所述相關系數、所述熱度特征和所述用戶平均評分特征作為Deep模型特征數據。

7.根據權利要求1所述的方法，其特征在于，所述根據所述調整后的應用推薦模型進行應用推薦的步驟，包括：

獲取用戶的目標搜索詞；

計算所述目標搜索詞與預設應用數據庫中各個應用之間的Wide模型特征數據和目標Deep模型特征數據；

將所述Wide模型特征數據和所述目標Deep模型特征數據輸入到調整后的應用推薦模型中，得到各個應用的目標預測偏好數據；

根據所述目標預測偏好數據進行排序，并按照排序結果為用戶推薦應用。

8.一種應用的推薦裝置，其特征在于，包括：

訓練樣本獲取模塊，用于獲取訓練樣本，所述訓練樣本包括訓練應用數據和真實應用偏好數據；

訓練應用特征數據提取模塊，用于在所述訓練應用數據提取出訓練應用特征數據；

應用推薦模型調整模塊，用于根據所述訓練應用特征數據和真實應用偏好數據對應用推薦模型進行調整；

應用推薦模塊，用于根據所述調整后的應用推薦模型進行應用推薦。