[發明專利]一種融合多源可靠信息的移動應用推薦方法及裝置

在審

• 申請號: 202210574977.9
• 申請日: 2022-05-25
• 公開（公告）號: CN114860918A
• 公開（公告）日: 2022-08-05
• 發明（設計）人: 胡陽雨;祝清意;張亮;余桀;毛美玲
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/35;G06F16/951;G06F16/9535
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 盧勝斌

本發明涉及推薦領域，具體涉及一種融合多源可靠信息的移動應用推薦方法及裝置，方法包括獲取移動應用樣本及其對應的擴展數據；提取應用樣本各界面的函數信息、權限信息和上下文文本信息，輸入子功能分類器得到子功能分類，結合用戶使用該類應用的時間信息和位置信息得到用戶對該應用的偏好值；獲取應用的流行度信息，通過可靠性分類器獲取各個流行度數據的可靠性，計算應用的流行度；綜合用戶對應用的偏好值和應用的流行度向用戶推薦應用；本發明通過提取應用包含的各類子功能，解決情境信息不全面且粗粒度的問題，提升應用推薦的準度和精度；通過提取跨市場級別的特征，更全面發現應用的虛假流行度數據，降低虛假數據對于推薦模型的影響。

技術領域

本發明涉及推薦領域，具體涉及一種融合多源可靠信息的移動應用推薦方法及裝置。

背景技術

目前，國內外相關學者在移動應用推薦領域做了大量的研究，提出了一些有效的推薦模型。模型從推薦方法角度上主要分為：基于協同過濾的推薦模型、基于交互信息的推薦模型和基于擴展信息的推薦模型。

協同過濾是推薦系統中較為傳統的一種方法，在商品推薦、視頻推薦等領域均有廣泛的應用。因此，部分學者直接將該思想移植到移動應用推薦系統中。協同過濾主要基于具有相似物品經驗的用戶通常具有相似的偏好這一假設，通過計算用戶與物品之間的相似度，來進行物品推薦。在移動應用推薦中，已有的研究對偏好相同的用戶的識別主要包括：計算用戶使用的移動應用間的語義關系相似度、挖掘用戶使用應用日志的相似度、分析用戶評論內容的相似度、分析用戶功能需求或安全需求的相似度等。

基于交互信息的推薦模型通常利用的是移動用戶與應用在交互過程中產生的豐富的信息，包括用戶使用應用的時間信息、位置信息等，相關交互信息也可以理解為用戶的情境日志，通過矩陣分解模型、語義模型或深度學習模型建立用戶偏好與情境之間的關聯，得到用戶的行為習慣，從而實現移動應用的推薦。

擴展信息主要包括用戶評論信息、應用版本信息、應用權限信息、應用描述信息、圖片信息等，通常會加入到模型訓練過程中，幫助豐富、過濾和填充用戶與應用的交互模型，得到用戶在特定的情境下對移動應用的偏好概率，從而更好的解釋基于交互信息的推薦方法。

基于協同過濾的推薦方法在構建相似度模型的過程中，移動用戶或應用的向量往往是非常稀疏的，因此模型構建非常困難，且推薦的準度和精度較低。另外兩種方法雖然考慮了用戶和應用的交互信息，以及其他擴展信息，但是忽略了相關信息的可靠性、完整性對模型的影響。例如，相關模型通常會引入應用描述、應用版本等擴展信息來幫助豐富用戶的情境日志，然而，一個移動應用通常包括多個子功能，開發者提供的應用描述中的應用功能往往是不全面的，導致情境信息的不準確。另外，相關模型通常會結合應用流行度信息對推薦結果進行排序，而移動應用中常見的排名欺詐行為產生的虛假評論信息、評分信息等，會對推薦結果的準度產生較大影響。

發明內容

為了提升輸入數據的可靠性和完整性，以幫助更加精準和可靠地進行移動應用推薦，本發明提出一種融合多源可靠信息的移動應用推薦方法及裝置，所述方法包括以下步驟：

獲取移動應用樣本及其對應的擴展數據；

提取應用各界面函數信息、權限信息和上下文文本信息，將信息輸入子功能分類器，子功能分類器的輸出為各個類型子功能名稱及對應的界面數量；

將子功能分類器的輸出與用戶使用該類應用的時間信息和位置信息作為輸入，得到用戶對于該應用的偏好值；

將流行度數據輸入可靠性分類器進行可靠性計算，并根據可靠性為數據分配可靠性權重；

根據應用的流行度數據以及其對應的可靠性權重，計算應用的流行度；

根據用戶對該應用的偏好值和應用的流行度綜合進行排序，將排序的前N個應用推薦給用戶。

進一步的，子功能分類器的獲取過程包括：