[發(fā)明專利]應用程序預測模型的建立方法、裝置、存儲介質及終端

有效

• 申請?zhí)枺?/td>: 202010017418.9
• 申請日: 2020-01-08
• 公開（公告）號: CN111258593B
• 公開（公告）日: 2023-10-27
• 發(fā)明（設計）人: 于鼎;崔淵博;金紅;劉長永;楊滿智;陳曉光
• 申請（專利權）人: 恒安嘉新（北京）科技股份公司
• 主分類號: G06F9/445
• 分類號: G06F9/445;G06F16/9535;G06N3/0442;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種應用程序預測模型的建立方法，其特征在于，包括：

獲取第一預設時間段內至少兩個用戶的應用程序使用序列；

根據(jù)所述應用程序使用序列生成用戶長期興趣向量和用戶動態(tài)興趣向量；

根據(jù)所述用戶長期興趣向量和所述用戶動態(tài)興趣向量，對預設機器學習模型進行訓練，生成應用程序預測模型。

2.根據(jù)權利要求1所述的方法，其特征在于，獲取第一預設時間段內至少兩個用戶的應用程序使用序列，包括：

采集第一預設時間段內的用戶應用程序使用日志；其中，所述用戶應用程序使用日志包括用戶的ID信息和應用程序的開始使用時間；

根據(jù)所述用戶的ID信息對所述用戶應用程序使用日志進行分組，生成至少兩組應用程序使用日志；

根據(jù)所述應用程序的開始使用時間對各組應用程序使用日志中的應用程序進行排序，生成應用程序使用序列。

3.根據(jù)權利要求1所述的方法，其特征在于，根據(jù)所述應用程序使用序列生成用戶長期興趣向量，包括：

根據(jù)所述應用程序使用序列和預先設定的第一詞向量構建算法計算第一應用程序特征矩陣，其中，所述第一應用程序特征矩陣中的各個行向量分別為所述應用程序使用序列中涉及的各個應用程序的第一特征向量；

獲取所述第一預設時間段內每個用戶對各個應用程序的使用時長；

根據(jù)所述第一應用程序特征矩陣和所述各個應用程序的使用時長構建用戶長期興趣向量。

4.根據(jù)權利要求3所述的方法，其特征在于，根據(jù)應用程序使用序列和預先設定的第一詞向量構建算法計算第一應用程序特征矩陣，包括：

針對每個應用程序使用序列，將應用程序使用序列中時間間隔大于第一預設時間閾值的相鄰兩個應用程序切分開，生成與所述應用程序使用序列對應的應用程序使用子序列；

根據(jù)所述應用程序使用子序列和預先設定的第一詞向量構建算法計算第一應用程序特征矩陣。

5.根據(jù)權利要求3所述的方法，其特征在于，根據(jù)所述第一應用程序特征矩陣和所述各個應用程序的使用時長構建用戶長期興趣向量，包括：

根據(jù)所述第一預設時間段內每個用戶對各個應用程序的使用時長構建用戶興趣矩陣；其中，所述用戶興趣矩陣的各個行向量的元素分別為每個用戶對各個應用程序的使用時長；

對所述用戶興趣矩陣進行歸一化處理生成用戶歸一化興趣矩陣；

將所述用戶歸一化興趣矩陣與所述第一應用程序特征矩陣相乘，生成用戶長期興趣矩陣；其中，所述用戶長期興趣矩陣中的各個行向量分別為各個用戶對應的用戶長期興趣向量。

6.根據(jù)權利要求1所述的方法，其特征在于，根據(jù)所述應用程序使用序列生成用戶動態(tài)興趣向量，包括：

將所述應用程序使用序列按照預設規(guī)則構造應用程序訓練序列；

根據(jù)所述應用程序訓練序列和預先設定的第二詞向量構建算法計算第二應用程序特征矩陣，其中，所述第二應用程序特征矩陣中的各個行向量分別為所述應用程序訓練序列中涉及的各個應用程序的第二特征向量；

獲取用戶使用每個應用程序的流量特征和用戶使用每個應用程序的持續(xù)時長；其中，所述流量特征包括應用程序請求服務器時產生的流量大小和應用程序與服務器的交互次數(shù)；

根據(jù)所述流量特征、持續(xù)時長和所述應用程序的第二特征向量生成用戶動態(tài)興趣向量。