[發明專利]應用程序預測模型的建立方法、裝置、存儲介質及終端

有效

• 申請號: 202010017418.9
• 申請日: 2020-01-08
• 公開（公告）號: CN111258593B
• 公開（公告）日: 2023-10-27
• 發明（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

本發明實施例公開了一種應用程序預測模型的建立方法、裝置、存儲介質及終端。所述方法包括：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興趣向量；根據所述用戶長期興趣向量和所述用戶動態興趣向量，對預設機器學習模型進行訓練，生成應用程序預測模型。通過采用上述技術方案，優化了現有的應用程序預加載機制，通過能夠真實反映用戶行為的應用程序使用序列構建用戶長期興趣向量和用戶動態興趣向量，實現了應用程序使用序列與應用程序預測模型間的計算的解耦，提高了基于應用程序預測模型對預加載應用程序預測時的泛化力，同時有效的提高了對待啟動應用程序預測的準確性。

技術領域

本發明實施例涉及數據處理技術領域，尤其涉及應用程序預測模型的建立方法、裝置、存儲介質及終端。

背景技術

隨著智能終端的大規模普及，市場上APP(Application，應用程序)的數量呈現爆炸式增長，用戶對APP的需求和依賴也大大增加。

為了使APP運行的更加流暢，通常終端會提前將某些APP的加載資源準備好，即對某些APP提前進行預加載。但是，不能對APP進行隨意預加載，因為不同的用戶使用APP的習慣不同，將要打開的APP也不盡相同，因此，準確地確定出用戶將要打開的目標APP并對此進行預加載變得至關重要。

發明內容

本發明實施例提供一種應用程序預測模型的建立方法、裝置、存儲介質及終端，以實現應用程序使用序列與應用程序預測模型間的計算的解耦，提高基于應用程序預測模型對預加載應用程序預測時的泛化力。

第一方面，本發明實施例提供了一種應用程序預測模型的建立方法，該方法包括：

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興趣向量；

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

第二方面，本發明實施例還提供了一種應用程序預測模型的建立裝置，該裝置包括：

應用程序使用序列獲取模塊，用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；

興趣向量生成模塊，用于根據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興趣向量；

應用程序預測模型生成模塊，用于根據所述用戶長期興趣向量和所述用戶動態興趣向量，對預設機器學習模型進行訓練，生成應用程序預測模型。

第三方面，本發明實施例提供了一種計算機可讀存儲介質，其上存儲有計算機程序，該程序被處理器執行時實現如本發明實施例提供的應用程序預測模型的建立方法。

第四方面，本發明實施例提供了一種終端，包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如本發明實施例提供的應用程序預測模型的建立方法。

本發明實施例中提供的應用程序預測模型的建立方案，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，并根據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興趣向量，然后根據所述用戶長期興趣向量和所述用戶動態興趣向量，對預設機器學習模型進行訓練，生成應用程序預測模型。通過采用上述技術手段，優化了現有的應用程序預加載機制，通過能夠真實反映用戶行為的應用程序使用序列構建用戶長期興趣向量和用戶動態興趣向量，實現了應用程序使用序列與應用程序預測模型間的計算的解耦，提高了基于應用程序預測模型對預加載應用程序預測時的泛化力，同時有效的提高了對待啟動應用程序預測的準確性。

附圖說明

圖1為本發明實施例提供的一種應用程序預測模型的建立方法的流程示意圖；