本公开涉及移动互联网
技术领域：
，特别涉及一种应用推荐方法及装置。
背景技术：
：现如今，移动互联网技术飞速发展，诸如智能手机、平板电脑等终端具有的功能越来越多，用户可以通过终端提供的应用，来实现终端的不同功能。随着各种类型的应用层出不穷，为了使新发布的应用能够及时被用户获知，个性化应用推荐服务应运而生。个性化应用推荐服务是指终端为不同的用户推荐不同应用的服务。例如，对于终端中的应用市场，应用市场在提供个性化应用推荐服务时，往往会根据每一个用户累积的不同使用数据，为每一个用户推荐其可能感兴趣的应用。相关技术中，继续以上述应用市场为例，当应用市场为用户提供个性化应用推荐服务时，往往根据用户在使用该应用市场时累积的浏览数据、搜索数据等使用数据，为用户提供个性化应用推荐服务。在实现本公开的过程中，发明人发现相关技术至少存在以下问题：对于应用市场来说，其在为用户提供个性化应用推荐服务时，只能基于用户在使用该应用市场时累积的使用数据进行个性化应用推荐，使得应用市场提供的个性化应用推荐服务的准确性较低。技术实现要素：为克服相关技术中存在的问题，本公开提供一种应用推荐方法及装置。根据本公开实施例的第一方面，提供一种应用推荐方法，所述方法包括：获取终端安装的至少一个应用的第一使用数据，所述第一使用数据包括使用频率数据和使用时长数据；获取用户的第二使用数据，所述第二使用数据为所述用户在使用指定应用的过程中累积的数据；基于所述第一使用数据和所述第二使用数据，在所述指定应用已收录的第一应用中确定第二应用，基于所述第二应用进行推荐。本公开实施例提供的方法，通过获取终端安装的至少一个应用的包括使用频率数据和使用时长数据的第一使用数据，获取用户在使用指定应用过程中累积的第二使用数据，根据第一使用数据和第二使用数据在指定应用已收录的第一应用中确定第二应用，并基于第二应用进行推荐，使得终端可以根据多种不同的数据确定第二应用，为用户提供个性化应用推荐服务的准确性较高。在另一个实施例中，所述获取用户的第二使用数据包括：在所述指定应用中获取所述用户的个人信息数据；根据所述用户在所述指定应用的操作过程中的浏览数据和搜索数据，生成兴趣数据。本公开实施例提供的方法，通过在指定应用中获取用户的个人信息数据，并获取用户在指定应用的操作过程中的浏览数据和搜索数据；随后，根据浏览数据和搜索数据，生成兴趣数据，使得在为用户提供个性化应用推荐服务时，可以根据用户的个人信息数据和兴趣数据进行推荐，推荐的更加准确。在另一个实施例中，所述基于所述第一使用数据和所述第二使用数据，在所述指定应用已收录的第一应用中确定第二应用包括：根据所述第一使用数据和所述第二使用数据，确定所述用户对所述终端安装的至少一个应用的兴趣程度；基于所述终端安装的至少一个应用中每个应用的兴趣程度和每个应用的相似应用列表，在所述指定应用中已收录的第一应用中确定所述第二应用。本公开实施例提供的方法，通过第一使用数据和第二使用数据确定用户对终端安装的至少一个应用的兴趣程度，并基于兴趣程度和每个应用的相似应用列表，在指定应用已收录的第一应用中确定第二应用，使得为用户推荐的第二应用更加全面。在另一个实施例中，所述基于所述终端安装的至少一个应用中每个应用的兴趣程度和每个应用的相似应用列表，在所述指定应用中已收录的第一应用中确定所述第二应用包括：基于所述兴趣程度，确定所述每个应用的相似应用列表中每个候选应用的兴趣分数；基于所述兴趣分数，对所述候选应用进行排序，得到排序列表；从所述排序列表中过滤掉所述终端安装的至少一个应用，得到所述第二应用。本公开实施例提供的方法，基于用户对终端安装的至少一个应用的兴趣程度，确定每个应用的相似列表中每个候选应用的兴趣分数，并根据兴趣分数对候选应用进行排序，在排序列表中确定第二应用进行推荐，使得为用户推荐的应用更加准确。在另一个实施例中，所述基于所述终端安装的至少一个应用中每个应用的兴趣程度和每个应用的相似应用列表，在所述指定应用中已收录的第一应用中确定所述第二应用之前，所述方法还包括：获取至少一个用户对所述至少一个第一应用的兴趣程度；对于所述至少一个第一应用中每两个第一应用，基于所述至少一个用户的兴趣程度，确定所述每两个第一应用之间的至少一个第一相似度；将所述至少一个第一相似度进行加权计算，得到所述每两个第一应用之间的第二相似度；基于所述每两个第一应用之间的第二相似度，生成所述第一应用的相似应用列表。本公开实施例提供的方法，通过获取至少一个用户对每两个第一应用的兴趣程度，确定每两个第一应用之间的相似度，并基于根据至少一个用户确定的第一相似度确定每两个第一应用之间的第二相似度，使得到的每两个应用之间的相似度更加准确，为用户推荐的应用更加全面。根据本公开实施例的第二方面，提供一种应用推荐装置，所述装置包括：第一获取模块，被配置为获取终端安装的至少一个应用的第一使用数据，所述第一使用数据包括使用频率数据和使用时长数据；第二获取模块，被配置为获取用户的第二使用数据，所述第二使用数据为所述用户在使用指定应用的过程中累积的数据；第一确定模块，被配置为基于所述第一使用数据和所述第二使用数据，在所述指定应用已收录的第一应用中确定第二应用；推荐模块，被配置为基于所述第二应用进行推荐。本公开的实施例提供的技术方案可以包括以下有益效果：通过获取终端安装的至少一个应用的包括使用频率数据和使用时长数据的第一使用数据，获取用户在使用指定应用过程中累积的第二使用数据，根据第一使用数据和第二使用数据在指定应用已收录的第一应用中确定第二应用，并基于第二应用进行推荐，使得终端可以根据多种不同的数据确定第二应用，为用户提供个性化应用推荐服务的准确性较高。在另一个实施例中，所述第二获取模块，被配置为在所述指定应用中获取所述用户的个人信息数据；根据所述用户在所述指定应用的操作过程中的浏览数据和搜索数据，生成兴趣数据。在另一个实施例中，所述确定模块，被配置为根据所述第一使用数据和所述第二使用数据，确定所述用户对所述终端安装的至少一个应用的兴趣程度；基于所述终端安装的至少一个应用中每个应用的兴趣程度和每个应用的相似应用列表，在所述指定应用中已收录的第一应用中确定所述第二应用。在另一个实施例中，所述确定模块，包括：确定子模块，被配置为基于所述兴趣程度，确定所述每个应用的相似应用列表中每个候选应用的兴趣分数；排序子模块，被配置为基于所述兴趣分数，对所述候选应用进行排序，得到排序列表；过滤子模块，被配置为从所述排序列表中过滤掉所述终端安装的至少一个应用，得到所述第二应用。在另一个实施例中，所述装置还包括：第三获取模块，被配置为获取至少一个用户对所述至少一个第一应用的兴趣程度；第二确定模块，被配置为对于所述至少一个第一应用中每两个第一应用，基于所述至少一个用户的兴趣程度，确定所述每两个第一应用之间的至少一个第一相似度；计算模块，被配置为将所述至少一个第一相似度进行加权计算，得到所述每两个第一应用之间的第二相似度；生成模块，被配置为基于所述每两个第一应用之间的第二相似度，生成所述第一应用的相似应用列表。在另一个实施例中，所述生成模块，包括：排序子模块，被配置为对于所述至少一个第一应用中的每个第一应用，根据所述第一应用与其他第一应用之间的至少一个第二相似度，对所述其他第一应用进行由大到小进行排序，得到排序结果；生成子模块，被配置为基于所述排序结果，生成所述第一应用的相似应用列表。根据本公开实施例的第三方面，提供一种应用推荐装置，所述装置包括：处理器；被配置为存储处理器可执行指令的存储器；其中，所述处理器被配置为：获取终端安装的至少一个应用的第一使用数据，所述第一使用数据包括使用频率数据和使用时长数据；获取用户的第二使用数据，所述第二使用数据为所述用户在使用指定应用的过程中累积的数据；基于所述第一使用数据和所述第二使用数据，在所述指定应用已收录的第一应用中确定第二应用，基于所述第二应用进行推荐。本公开的实施例提供的技术方案可以包括以下有益效果：通过获取终端安装的至少一个应用的包括使用频率数据和使用时长数据的第一使用数据，获取用户在使用指定应用过程中累积的第二使用数据，根据第一使用数据和第二使用数据在指定应用已收录的第一应用中确定第二应用，并基于第二应用进行推荐，使得终端可以根据多种不同的数据确定第二应用，为用户提供个性化应用推荐服务的准确性较高。应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。附图说明此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。图1是根据一示例性实施例示出的一种应用推荐方法的流程图。图2A是根据一示例性实施例示出的一种应用推荐方法的流程图。图2B是根据一示例性实施例示出的一种应用推荐方法的示意图。图2C是根据一示例性实施例示出的一种应用推荐方法的示意图。图3A是根据一示例性实施例示出的一种应用推荐装置的框图。图3B是根据一示例性实施例示出的一种应用推荐装置的框图。图3C是根据一示例性实施例示出的一种应用推荐装置的框图。图3D是根据一示例性实施例示出的一种应用推荐装置的框图。图4是根据一示例性实施例示出的一种应用推荐装置400的框图。具体实施方式这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本发明相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本发明的一些方面相一致的装置和方法的例子。图1是根据一示例性实施例示出的一种应用推荐方法的流程图，如图1所示，该方法包括以下步骤。在步骤101中，获取终端安装的至少一个应用的第一使用数据，第一使用数据包括使用频率数据和使用时长数据。在步骤102中，获取用户的第二使用数据，第二使用数据为用户在使用指定应用的过程中累积的数据。在步骤103中，基于第一使用数据和第二使用数据，在指定应用已收录的第一应用中确定第二应用，基于第二应用进行推荐。本公开实施例提供的方法，通过获取终端安装的至少一个应用的包括使用频率数据和使用时长数据的第一使用数据，获取用户在使用指定应用过程中累积的第二使用数据，根据第一使用数据和第二使用数据在指定应用已收录的第一应用中确定第二应用，并基于第二应用进行推荐，使得终端可以根据用户对多种应用的使用情况和在指定应用中的使用情况来确定第二应用，为用户提供个性化应用推荐服务的准确性较高。在另一个实施例中，获取用户的第二使用数据包括：在指定应用中获取用户的个人信息数据；根据用户在指定应用的操作过程中的浏览数据和搜索数据，生成兴趣数据。在另一个实施例中，基于第一使用数据和第二使用数据，在指定应用已收录的第一应用中确定第二应用包括：根据第一使用数据和第二使用数据，确定用户对终端安装的至少一个应用的兴趣程度；基于终端安装的至少一个应用中每个应用的兴趣程度和每个应用的相似应用列表，在指定应用中已收录的第一应用中确定第二应用。在另一个实施例中，基于终端安装的至少一个应用中每个应用的兴趣程度和每个应用的相似应用列表，在指定应用中已收录的第一应用中确定第二应用包括：基于兴趣程度，确定每个应用的相似应用列表中每个候选应用的兴趣分数；基于兴趣分数，对候选应用进行排序，得到排序列表；从排序列表中过滤掉终端安装的至少一个应用，得到第二应用。在另一个实施例中，基于终端安装的至少一个应用中每个应用的兴趣程度和每个应用的相似应用列表，在指定应用中已收录的第一应用中确定第二应用之前，方法还包括：获取至少一个用户对至少一个第一应用的兴趣程度；对于至少一个第一应用中每两个第一应用，基于至少一个用户的兴趣程度，确定每两个第一应用之间的至少一个第一相似度；将至少一个第一相似度进行加权计算，得到每两个第一应用之间的第二相似度；基于每两个第一应用之间的第二相似度，生成第一应用的相似应用列表。在另一个实施例中，基于每两个第一应用之间的第二相似度，生成第一应用的相似应用列表包括：对于至少一个第一应用中的每个第一应用，根据第一应用与其他第一应用之间的至少一个第二相似度，对其他第一应用进行由大到小进行排序，得到排序结果；基于排序结果，生成第一应用的相似应用列表。上述所有可选技术方案，可以采用任意结合形成本公开的可选实施例，在此不再一一赘述。图2A是根据一示例性实施例示出的一种应用推荐方法的流程图，如图2A所示，该方法应用于终端中，包括以下步骤。在步骤201中，获取终端安装的至少一个应用的第一使用数据，第一使用数据包括使用频率数据和使用时长数据。在本公开实施例中，用户启动指定应用时，指定应用可以在应用主界面上提供推荐入口。其中，指定应用既可为诸如应用市场、应用商店等提供终端应用下载的平台，也可为诸如音乐应用、视频应用等终端上安装的应用。当检测到用户对推荐入口的点击操作时，指定应用可以显示推荐页面，并在推荐页面上显示推荐的内容。由于每个用户的兴趣不同，因此，对于终端安装的至少一个应用，不同的用户在使用时会具有不同的偏好。对于感兴趣的应用，用户便会经常使用，而且使用的时长相对较长；而对于不感兴趣的应用，用户仅会偶尔使用，而且使用的时长相对较短，这样每个用户在使用终端安装的至少一个第一应用时便会生成第一使用数据。终端可以维护该终端安装的至少一个应用的使用记录，当终端检测到用户启动安装的应用时，可以在使用记录中应用对应的使用频率数据上增加1次，并开始计时，记录用户本次使用应用的时长，作为本次的使用时长数据。终端可以采用“天”为单位，统计用户在一天中使用应用的使用频率数据和使用应用的使用时长数据，作为一天中用户使用该应用产生的第一使用数据，并将第一使用数据与应用的应用标识对应存储至使用记录中。这样，在获取终端安装的至少一个第一应用的第一使用数据时，便可基于应用的应用标识，从已存储的使用记录中，获取与应用对应的第一使用数据。进一步地，在获取终端安装的至少一个应用的第一使用数据时，为了使获取到的第一使用数据更符合用户当前的兴趣，因此，可以基于预设天数进行获取，也即获取最近预设天数内统计的至少一个应用的使用数据，作为第一使用数据。例如，可将预设天数设置为7天，则获取最近7天内用户在使用至少一个应用时产生的数据，作为第一使用数据。需要说明的是，对于终端首次被使用的情况，由于用户可能尚未使用终端安装的至少一个应用，因此，对于至少一个应用，便不会产生与其对应的使用频率数据和使用时长数据，这样便不会获取到终端安装的至少一个应用的第一使用数据，无法继续执行下述步骤中描述的过程。为了实现在未获取到第一使用数据的情况下，仍可为用户推荐应用，终端可以从服务器中下载应用热度列表，并将应用热度列表中的应用作为推荐内容进行推荐。其中，应用热度列表由服务器统计得出。服务器会统计其收录的全部应用中每个应用的下载次数，将下载次数由多到少进行排序，选取排在前面的第一预设数目个应用作为热门应用，将热门应用的应用标识存储在应用热度列表中。例如，可以将第一预设数目设置为150个，这样便选取下载次数排在前面的150个应用作为热门应用，将热门应用的应用标识存储在应用热度列表中。在步骤202中，获取用户的第二使用数据，第二使用数据为用户在使用指定应用的过程中累积的数据。在本公开实施例中，用户在使用指定应用时，指定应用会将用户在使用过程中积累的数据存储在缓存中或存储在该指定应用的使用记录中，作为第二使用数据。第二使用数据包括用户在指定应用内的个人信息数据和兴趣数据。其中，用户在指定应用内的个人信息数据指用户在指定应用内的注册信息。当获取用户在指定应用内的个人信息数据时，获取用户在指定应用中的注册ID(Identity，身份标识)，基于注册ID从指定应用搭载的服务器中下载用户的注册信息。其中，注册信息可为姓名、年龄、性别、职业等信息。兴趣数据可以基于用户在指定应用中的浏览数据和搜索数据生成。其中，浏览数据为用户在使用指定应用的过程中浏览的内容，可为用户在使用指定应用的过程中所浏览网页的网页信息，例如网页类型、网页标签、网页主题等。搜索数据为用户在使用指定应用的过程中搜索的内容，可为用户在指定应用提供的搜索框内输入的关键字词等。进一步地，搜索数据还可指定应用基于用户输入的关键字词等得到的搜索结果。其中，由于用户的搜索数据更能准确的指示用户的兴趣所在，因此，在生成兴趣数据时，可将搜索数据作为侧重点，以便生成的兴趣数据更能代表用户的兴趣。例如，兴趣数据的一种生成方式为：统计浏览数据中各个网页标签的出现次数以及搜索数据中各个关键字词的出现次数，将出现次数大于第一次数阈值的网页标签以及出现次数大于第二次数阈值的关键字词，作为该用户的兴趣数据。其中，在该生成方式中，以网页标签作为生成基础，而事实上，能够标识网页的任一种网页信息均可以作为上述生成兴趣数据的基础，例如上述的网页类型以及网页主题等。当然，该出现次数大于第一次数阈值的网页标签以及出现次数大于第二次数阈值的关键字词均可以为一个或多个，本公开实施例对此不做限定。通过这种方式生成的兴趣数据，能够更好的表征该用户在进行浏览和搜索时的偏好，以为后续的推荐提供数据基础。又例如，兴趣数据的另一种生成方式为：获取浏览数据中各个网页信息以及搜索数据中各个关键字词，如果各个网页信息和各个关键字词之间具有相似度大于第一相似阈值的信息对，则将该相似度大于第一相似阈值的信息对中的任一个信息作为用户的兴趣数据。由于指定应用既可为诸如应用市场、应用商店等提供终端应用下载的平台，也可为诸如音乐应用、视频应用等终端上安装的应用，因此，若指定应用为提供终端应用下载的平台，则在获取用户的第二使用数据时，首先获取用户在应用市场中的注册ID，基于注册ID从应用市场搭载的服务器中下载用户的注册信息，作为个人信息数据。之后，在缓存中获取用户在指定应用中查看过的应用的应用标识，将这些应用的应用标识作为浏览数据；获取在指定应用提供的搜索框中搜索过的关键字词，并确定根据关键字词可在指定应用中搜索到的多个应用，将多个应用的应用标识，作为搜索数据；判断浏览数据的应用标识指示的应用和搜索数据的关键字词搜索到的应用之间是否存在相似度大于第一相似阈值的应用对，若浏览数据中的应用标识指示的应用和搜索数据中的关键字搜索到的应用之间存在相似度大于第一相似阈值的应用对，则可将该相似度大于第一相似阈值的应用对中的任一个应用的应用标识作为用户的兴趣数据。其中，在判断浏览数据的应用标识指示的应用和搜索数据的关键字搜索到的应用之间的相似度时，可以基于应用是否具有相同的功能、是否属于同一开发商等特点进行判断。例如，若浏览数据和搜索数据中大多应用均具有购物功能，则可计算具有购物功能的应用的全部功能中购物功能所占的比重，将比重由大到小进行排序，计算相邻应用对之间的比重差，将1与比重差之间的差值作为应用对之间的相似度，选取相似度大于第一相似阈值的应用对中的任一个应用的应用标识作为兴趣数据。若指定应用为诸如音乐应用、视频应用等终端上安装的应用，则在获取用户的第二使用数据时，首先获取用户在应用市场中的注册ID，基于注册ID从应用市场搭载的服务器中下载用户的注册信息，作为个人信息数据。之后，在缓存中获取用户在启动指定应用时浏览的歌单数据、歌手数据及歌曲数据，作为浏览数据；获取在指定应用提供的搜索框中搜索过的诸如歌手名字、歌曲名字等关键字词，统计关键字词在浏览数据和搜索数据中的出现次数，选取在浏览数据中出现次数大于第一次数阈值的关键字词，以及在搜索数据中出现次数大于第二次数阈值的关键字词，作为该用户的兴趣数据。其中，在统计关键字词浏览数据和搜索数据中的出现次数时，可以将歌手的名字作为关键词，统计歌手的名字在浏览数据和搜索数据中出现的次数。在步骤203中，根据第一使用数据和第二使用数据，确定用户对终端安装的至少一个应用的兴趣程度。在本公开实施例中，对于安装的至少一个应用中的每个应用，终端均会确定用户对应用的兴趣程度。在确定用户对每个应用的兴趣程度时，由于第一使用数据包括使用频率数据和使用时长数据，因此终端可以基于该第一使用数据和第二使用数据，来确定用户对终端安装的至少一个应用的兴趣程度。具体确定过程可以如下：首先将至少一个应用的使用频率数据和使用时长数据相加，得到相加结果，以预设天数为基数，计算每个应用的相加结果在预设天数中所占的时长百分比；之后，获取至少一个应用中每个应用收录的资源库，并确定每个应用的资源库中包括资源的资源类型与第二使用数据的数据类型一致的资源在资源库中所占的资源百分比，将时长百分比和资源百分比相加，得到的百分比结果作为应用的兴趣程度。例如，若指定应用为提供终端应用下载的平台，预设天数为7天，也即10080分钟，终端安装的应用分别为应用A、应用B、应用C和应用D，应用A的第一使用数据中使用频率数据为200次，使用时长数据为1000分钟；应用B的第一使用数据中使用频率数据为150次，使用时长数据为450分钟；应用C的第一使用数据中使用频率数据为500次，使用时长数据为5000分钟；应用D的第一使用数据中使用频率数据为300次，使用时长数据为1200分钟，则分别将应用A、应用B、应用C和应用D的使用频率数据和使用时长数据相加，得到的应用A的相加结果为1200，应用B的相加结果为600，应用C的相加结果为5500，应用D的相加结果为1500；这样，计算应用A的相加结果在预设天数中所占的时长百分比为1200/10080，即11.9％；计算应用B的相加结果在预设天数中所占的时长百分比为600/10080，即0.6％；计算应用C的相加结果在预设天数中所占的时长百分比为5500/10080，即54.6％；计算应用D的相加结果在预设天数中所占的时长百分比为1500/10080，即14.9％；之后，若在应用A的资源库中确定的资源百分比为10.2％，在应用B的资源库中确定的资源百分比为1.9％，在应用C的资源库中确定的资源百分比为38.4％，在应用D的资源库中确定的资源百分比为15.1％，则得到的用户对应用A的兴趣程度为22.1％，用户对应用B的兴趣程度为2.5％，用户对应用C的兴趣程度为93.0％，用户对应用D的兴趣程度为30.0％。由于第二使用数据包括用户在指定应用内的个人信息数据和兴趣数据，因此在确定该用户对终端安装的至少一个应用的兴趣程度时，可以在上述确定兴趣程度的基础上，增加基于该用户个人信息数据和兴趣数据进行的判断。对于至少一个应用中的每个应用，服务器可统计各个年龄段的用户对应用的兴趣数据，并在该用户的个人信息数据中获取用户的年龄，确定该用户的年龄所属的年龄段，计算这个年龄段的用户对应用的兴趣数据和该用户对应用的兴趣数据的平均值，并在上述确定的兴趣程度的基础上增加该平均值，将增加后的兴趣程度作为最终的兴趣程度。需要说明的是，若指定应用为诸如音乐应用、视频应用等终端上安装的应用，则需要确定指定应用中用户对已下载资源的兴趣程度。其中，确定已下载资源的兴趣程度的过程与上述确定已下载应用的兴趣程度的过程一致，此处不再进行赘述。在步骤204中，基于兴趣程度，终端确定每个应用的相似应用列表中每个候选应用的兴趣分数，兴趣分数用于指示该用户对候选应用的兴趣程度。在本公开实施例中，为了保证为用户推荐的应用更符合用户的兴趣，因此，终端会在服务器中下载已安装的至少一个应用的相似应用列表。发明人认识到，为了保证给用户推荐的应用更符合用户的兴趣，因此，为每个应用均设置了相似应用列表。对于每个应用的相似应用列表，其相似应用列表中包括了与其相似的应用，这里的相似可为两个应用具有功能相似、开发商相同、下载次数相差不大等相似的特点。在本公开实施例中，对于安装的至少一个应用，终端会根据应用的ID在服务器中下载与应用对应的相似应用列表，将相似应用列表中的全部应用作为候选应用，并基于用户对终端所安装的各个应用的兴趣程度和每个应用的相似应用列表，生成兴趣分数，以便后续在向用户推荐应用时，可将兴趣分数展示给用户，以便用户进行参考。其中，在计算兴趣分数时，对于每个候选应用，可获取候选应用与应用之间的第二相似度，并获取用户对应用的兴趣程度，分别计算兴趣程度与第二相似度的平均值，将平均值作为候选应用的兴趣分数。上述每个应用的相似应用列表，可以由服务器根据服务器上的用户实际下载情况来确定。服务器为每个应用建立相似应用列表的过程可通过执行下述步骤一至步骤五实现：步骤一、获取至少一个用户对至少一个第一应用的兴趣程度。对于应用市场中收录的至少一个第一应用中每个第一应用，服务器中可以维护一个如表1所示的兴趣程度列表，将至少一个用户对至少一个第一应用的兴趣程度和第一应用的应用标识对应存储至兴趣程度列表中。这样，在获取至少一个用户对至少一个第一应用的兴趣程度时，可基于应用的应用标识在服务器的兴趣程度列表查询。表1甲乙丙丁应用A90％95％5％7％应用B10％5％90％85％应用C85％80％10％12％应用D20％10％87％96％步骤二、对于至少一个第一应用中每两个第一应用，基于至少一个用户的兴趣程度，确定每两个第一应用之间的至少一个第一相似度。在本公开实施例中，选取指定应用中收录的至少一个第一应用中任两个第一应用，分别获取至少一个用户对两个第一应用的兴趣程度。对于至少一个用户中的每个用户，在获取到该用户对两个第一应用的兴趣程度后，基于兴趣程度，确定两个第一应用之间的第一相似度。其中，在基于兴趣程度确定两个第一应用之间的相似度时，可获取一个用户对两个第一应用的兴趣程度，并计算这个用户对两个第一应用的兴趣程度的兴趣平均数，将兴趣平均数作为两个第一应用的第一相似度。需要说明的是，若获取的至少一个用户对两个第一应用的兴趣程度中存在小于50％的兴趣程度，由于用户不感兴趣的方面较多，因此不具有代表性，这样便可将小于50％的兴趣程度忽略。例如，以表1中的数据为例，若任两个第一应用为应用A和应用C，则分别获取甲对应用A的兴趣程度为90％，对应用C的兴趣程度为85％，则根据甲计算得出的应用A和应用C之间的第一相似度为87.5％；获取乙对应用A的兴趣程度为95％，对应用C的兴趣程度为80％，则根据乙计算得出的应用A和应用C之间的第一相似度为87.5％；获取丙对应用A的兴趣程度为5％，对应用C的兴趣程度为10％，由于丙对应用A和应用C的兴趣程度均小于50％，因此将丙对应用A和应用C的兴趣程度忽略；获取丁对应用A的兴趣程度为7％，对应用C的兴趣程度为12％，由于丁对应用A和应用C的兴趣程度均小于50％，因此将丁对应用A和应用C的兴趣程度忽略；这样根据甲和乙两个用户对应用A和应用C的兴趣程度，得到的第一相似度分别为87.5％和87.5％。步骤三、将至少一个第一相似度进行加权计算，得到每两个第一应用之间的第二相似度。对于至少一个用户中的每个用户，均能得到两个第一应用之间的第一相似度，这样便会获取到至少一个第一相似度。之后，对至少一个第一相似度进行加权计算，在进行加权计算时，将获取到的两个第一应用之间的第一相似度与权重相乘，计算与权重相乘后的至少一个第一相似度的平均数，将得到的平均数作为第二相似度，也即为这两个应用之间的相似度。上述权重的设置可以是所有用户的权重相同，当然，还可以考虑用户的用户级别等区别，将不同用户的权重设置为不同值。例如，贵宾用户的权重可以大于普通用户的权重。例如，继续以上述第一应用为应用A、应用B、应用C和应用D，用户为甲、乙、丙、丁为例，若不同用户的权重设置为不同值，贵宾用户的第一权重为60％，普通用户的第二权重为40％，四位用户中甲和丙为贵宾用户，乙和丁为普通用户，对于应用A和应用C，根据甲、乙、丙、丁四位用户计算得出的应用A和应用C之间的第一相似度分别为87.5％、87.5％、89.4％和80.0％，则将第一相似度进行加权计算，计算得到的加权后的第一相似度分别为52.5％、35.0％、53.64％和32.0％，计算加权后的第一相似度的平均数为87.5％，则应用A和应用C之间的第二相似度为43.29％。步骤四、对于至少一个第一应用中的每个第一应用，根据第一应用与其他第一应用之间的至少一个第二相似度，对其他第一应用进行由大到小排序，得到排序结果。对于至少一个第一应用中的每个第一应用，均可以选取至少一个第一应用中的一个其他应用，根据上述步骤二在至少一个用户中确定两个应用之间的至少一个第一相似度，并根据上述步骤三基于至少一个第一相似度，计算两个应用之间的第二相似度，这样每个第一应用与其他第一应用之间均存在第二相似度。由于第二相似度根据至少一个用户对第一应用的兴趣程度生成，因此根据第一应用与其他第一应用之间的至少一个第二相似度对其他第一应用进行由大到小排序后，可以保证向用户推荐的应用更符合用户的兴趣。例如，对于应用A，根据四位用户甲、乙、丙、丁对应用A和其他应用的兴趣程度，获取的应用A与应用B之间的第二相似度为5％，应用A与应用C之间的第二相似度为87.5％，应用A与应用D之间的第二相似度为10％，则将应用A与应用B、应用C、应用D之间的第二相似度进行排序，得到的排序结果为87.5％＞10％＞5％，也即应用C＞应用D＞应用B。步骤五、基于排序结果，生成第一应用的相似应用列表。对于至少一个第一应用中的每个第一应用，由上述过程均会对应一个排序结果，基于排序结果，生成第一应用的相似应用列表。进一步地，为了保证后续基于第二应用进行推荐时，第二应用更符合用户的兴趣，则在生成第一应用的相似列表时，可以设置第二相似阈值，获取排序结果中第二相似度大于第二相似阈值的应用添加至第一应用的相似应用列表。例如，若第二相似阈值为50％，对于应用A，得到的第二相似度的排序结果为“90.0％＞87.5％＞70.1％＞53.7％＞10％＞5％”，对应的应用排序为“应用C＞应用D＞应用B＞应用G＞应用E＞应用F”，则在生成应用A的相似应用列表时，可将应用E和应用F过滤掉，将应用C、应用D、应用B和应用G添加至应用A的相似应用列表即可。其中，维护的相似应用列表可如下述表2所示。表2在本公开实施例中，对于安装的至少一个应用，终端会根据应用的ID从服务器中下载与应用对应的相似应用列表，将相似应用列表中的全部应用作为候选应用，可将第二相似度作为候选应用的兴趣分数，以便后续在向用户推荐应用时，可将兴趣分数展示给用户，以便用户进行参考。需要说明的是，若指定应用为诸如音乐应用、视频应用等终端上安装的应用，则无需执行步骤204中确定相似应用列表的过程。在步骤205中，基于兴趣分数，对候选应用进行排序，得到排序列表。在本公开实施例中，对于全部的候选应用，根据其兴趣分数，也即第二相似度，对全部的候选应用进行排序，得到排序列表。在步骤206中，从排序列表中过滤掉已经安装的至少一个应用，得到第二应用，基于第二应用进行推荐。发明人认识到，对于不同的用户，其在使用终端时，对于终端上安装的至少一个应用，用户的喜爱程度可能不同。为了使用户获知与其喜爱的应用的类型一致的应用，终端会根据用户喜爱的应用类型为用户推荐其他应用。为了避免在向用户推荐应用时，将已经安装的应用推荐给用户，因此在得到排序列表后，终端会根据已经安装的应用对排序列表进行过滤，将已经安装的应用从列表中过滤掉。需要说明的是，在将已经安装的应用从排序列表中过滤掉时，终端还可以在服务器中下载黑名单，将黑名单中包括的应用也在排序列表中过滤掉。黑名单为服务器生成的，用户在使用过程中可能会对第一应用进行打分，服务器会获取用户的打分，计算至少一个用户对应用打分的打分平均数，将打分平均数作为应用的实际打分，将实际打分低于预设分数的应用添加至黑名单中，保证黑名单中的应用不会被推荐给用户。在基于第二应用进行推荐时，指定应用可以提供推荐入口，当检测到用户点击进入推荐入口时，指定应用便会将第二应用展示给用户。在将第二应用展示给用户时，指定应用会选取第二应用中兴趣分数排在前面的第三预设数目个第二应用进行推荐，而且，在推荐第二应用时，需要将同一类型的应用分散，也即同一类型的应用需要不连续的排列，避免由于用户浏览的第二应用的个数过少，导致其他类型的应用无法被用户获知。在实际的操作过程中，终端可以每隔预设时长重复执行上述过程确定一次第二应用，并基于重新确定的第二应用进行推荐。例如，若指定应用为诸如音乐应用、视频应用等终端上安装的应用，则指定应用可以在启动后的主界面上设置“每日推荐”入口，当检测到用户点击进入“每日推荐”入口时，则显示如图2B所示的页面。若预设数目为4个，则显示4首为用户推荐的歌曲。其中，若4首歌曲中，歌曲1和歌曲2为国内歌手的歌曲，歌曲3和歌曲4为国外歌手的歌曲，则在进行推荐时，需要将同一类型的应用分散，可以基于“歌曲1、歌曲3、歌曲2、歌曲4”的顺序进行推荐。若指定应用为诸如应用市场、应用商店等提供终端应用下载的平台，则参见图2C，指定应用可在启动后的主界面上设置推荐栏，在推荐栏中显示第二应用。若预设数目为4个，则推荐栏中仅显示第二应用中的4个应用。其中，若4个应用中，应用A和应用B为购物类应用，应用C和应用D为音乐类应用，则在进行第二应用的推荐时，需要将同一类型的应用分散，可以基于“应用A、应用C、应用B、应用D”的顺序进行推荐。本公开实施例提供的方法，通过获取终端安装的至少一个应用的包括使用频率数据和使用时长数据的第一使用数据，获取用户在使用指定应用过程中累积的第二使用数据，根据第一使用数据和第二使用数据在指定应用已收录的第一应用中确定第二应用，并基于第二应用进行推荐，使得终端可以根据用户对多种应用的使用情况和在指定应用中的使用情况来确定第二应用，为用户提供个性化应用推荐服务的准确性较高。在另一个实施例中，通过在指定应用中获取用户的个人信息数据，并获取用户在指定应用的操作过程中的浏览数据和搜索数据；随后，根据浏览数据和搜索数据，生成兴趣数据，使得在为用户提供个性化应用推荐服务时，可以根据用户的个人信息数据和兴趣数据进行推荐，推荐的更加准确。在另一个实施例中，通过第一使用数据和第二使用数据确定用户对终端安装的至少一个应用的兴趣程度，并基于兴趣程度和每个应用的相似应用列表，在指定应用已收录的第一应用中确定第二应用，使得为用户推荐的第二应用更加全面。在另一个实施例中，基于用户对终端安装的至少一个应用的兴趣程度，确定每个应用的相似列表中每个候选应用的兴趣分数，并根据兴趣分数对候选应用进行排序，在排序列表中确定第二应用进行推荐，使得为用户推荐的应用更加准确。在另一个实施例中，通过获取至少一个用户对每两个第一应用的兴趣程度，确定每两个第一应用之间的相似度，并基于根据至少一个用户确定的第一相似度确定每两个第一应用之间的第二相似度，使得到的每两个应用之间的相似度更加准确，为用户推荐的应用更加全面。图3A是根据一示例性实施例示出的一种应用推荐装置的框图。参照图3A，该装置包括第一获取模块301，第二获取模块302，第一确定模块303和推荐模块304。该第一获取模块301，被配置为获取终端安装的至少一个应用的第一使用数据，第一使用数据包括使用频率数据和使用时长数据；该第二获取模块302，被配置为获取用户的第二使用数据，第二使用数据为用户在使用指定应用的过程中累积的数据；该第一确定模块303，被配置为基于第一使用数据和第二使用数据，在指定应用已收录的第一应用中确定第二应用；该推荐模块304，被配置为基于第二应用进行推荐。本公开实施例提供的装置，通过获取终端安装的至少一个应用的包括使用频率数据和使用时长数据的第一使用数据，获取用户在使用指定应用过程中累积的第二使用数据，根据第一使用数据和第二使用数据在指定应用已收录的第一应用中确定第二应用，并基于第二应用进行推荐，使得终端可以根据用户对多种应用的使用情况和在指定应用中的使用情况来确定第二应用，为用户提供个性化应用推荐服务的准确性较高。在另一个实施例中，该第二获取模块302，被配置为在指定应用中获取用户的个人信息数据；根据用户在指定应用的操作过程中的浏览数据和搜索数据，生成兴趣数据。在另一个实施例中，该第一确定模块303，被配置为根据第一使用数据和第二使用数据，确定用户对终端安装的至少一个应用的兴趣程度；基于终端安装的至少一个应用中每个应用的兴趣程度和每个应用的相似应用列表，在指定应用中已收录的第一应用中确定第二应用。在另一个实施例中，参见图3B，第一确定模块303包括确定子模块3031，排序子模块3032和过滤子模块3033。该确定子模块3031，被配置为基于兴趣程度，确定每个应用的相似应用列表中每个候选应用的兴趣分数；该排序子模块3032，被配置为基于兴趣分数，对候选应用进行排序，得到排序列表；该过滤子模块3033，被配置为从排序列表中过滤掉终端安装的至少一个应用，得到第二应用。在另一个实施例中，参见图3C，该装置还包括第三获取模块305，第二确定模块306，计算模块307和生成模块308。该第三获取模块305，被配置为获取至少一个用户对至少一个第一应用的兴趣程度；该第二确定模块306，被配置为对于至少一个第一应用中每两个第一应用，基于至少一个用户的兴趣程度，确定每两个第一应用之间的至少一个第一相似度；该计算模块307，被配置为将至少一个第一相似度进行加权计算，得到每两个第一应用之间的第二相似度；该生成模块308，被配置为基于每两个第一应用之间的第二相似度，生成第一应用的相似应用列表。在另一个实施例中，参见图3D，生成模块308包括排序子模块3081和生成子模块3082。该排序子模块3081，被配置为对于至少一个第一应用中的每个第一应用，根据第一应用与其他第一应用之间的至少一个第二相似度，对其他第一应用进行由大到小进行排序，得到排序结果；该生成子模块3082，被配置为基于排序结果，生成第一应用的相似应用列表。关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。图4是根据一示例性实施例示出的一种应用推荐装置400的框图。例如，装置400可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。参照图4，装置400可以包括以下一个或多个组件：处理组件402，存储器404，电源组件406，多媒体组件408，音频组件410，I/O(Input/Output，输入/输出)的接口412，传感器组件414，以及通信组件416。处理组件402通常控制装置400的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件402可以包括一个或多个处理器420来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。存储器404被配置为存储各种类型的数据以支持在装置400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器404可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如SRAM(StaticRandomAccessMemory,静态随机存取存储器)，EEPROM(Electrically-ErasableProgrammableRead-OnlyMemory,电可擦除可编程只读存储器)，EPROM(ErasableProgrammableReadOnlyMemory,可擦除可编程只读存储器)，PROM(ProgrammableRead-OnlyMemory,可编程只读存储器)，ROM(Read-OnlyMemory,只读存储器)，磁存储器，快闪存储器，磁盘或光盘。电源组件406为装置400的各种组件提供电力。电源组件406可以包括电源管理系统，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。多媒体组件408包括在所述装置400和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括LCD(LiquidCrystalDisplay，液晶显示器)和TP(TouchPanel，触摸面板)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件408包括一个前置摄像头和/或后置摄像头。当装置400处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。音频组件410被配置为输出和/或输入音频信号。例如，音频组件410包括一个MIC(Microphone,麦克风)，当装置400处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。I/O接口412为处理组件402和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。传感器组件414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到设备400的打开/关闭状态，组件的相对定位，例如组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件414还可以包括光传感器，如CMOS(ComplementaryMetalOxideSemiconductor，互补金属氧化物)或CCD(Charge-coupledDevice，电荷耦合元件)图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件414还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。通信组件416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件416经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件416还包括NFC(NearFieldCommunication,近场通信)模块，以促进短程通信。例如，在NFC模块可基于RFID(RadioFrequencyIdentification,射频识别)技术，IrDA(Infra-redDataAssociation,红外数据协会)技术，UWB(UltraWideband,超宽带)技术，BT(Bluetooth,蓝牙)技术和其他技术来实现。在示例性实施例中，装置400可以被一个或多个ASIC(ApplicationSpecificIntegratedCircuit,应用专用集成电路)、DSP(DigitalsignalProcessor,数字信号处理器)、DSPD(DigitalsignalProcessorDevice，数字信号处理设备)、PLD(ProgrammableLogicDevice,可编程逻辑器件)、FPGA)(FieldProgrammableGateArray,现场可编程门阵列)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述应用推荐方法。在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由装置400的处理器420执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、RAM(RandomAccessMemory,随机存取存储器)、CD-ROM(CompactDiscRead-OnlyMemory,光盘只读存储器)、磁带、软盘和光数据存储设备等。一种非临时性计算机可读存储介质，当所述存储介质中的指令由应用推荐装置的处理器执行时，使得应用推荐装置能够执行上述应用推荐方法。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本发明的其它实施方案。本申请旨在涵盖本发明的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本发明的一般性原理并包括本公开未公开的本
技术领域：
中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本发明的真正范围和精神由下面的权利要求指出。应当理解的是，本发明并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本发明的范围仅由所附的权利要求来限制。当前第1页1 2 3