一种基于已安装应用来推荐应用信息的方法和装置与流程

本发明涉及信息处理技术领域，具体而言涉及一种基于已安装应用来推荐应用信息的方法和装置。

背景技术：

随着互联网技术和智能移动终端技术的快速发展，很多在计算机终端上实现的功能(例如购物、阅读)也都可以在智能移动终端上实现，例如使用智能手机或平板电脑等。另外，这些功能的实现需要在智能移动终端上安装相应的应用程序。例如，网上购物，需要安装例如淘宝客户端，听音乐需要安装音乐播放器客户端等。由此，很多软件公司提供了应用商店或应用市场，例如豌豆荚或者PP助手等。用户可以打开应用商店或者应用市场，从而能够快速搜索和下载所需要的各种应用程序，包括影音播放类、系统工具类、通讯社交类、网上购物类、阅读类等，当然还可以下载游戏等休闲娱乐类应用程序(APP)。

为了不断提升用户使用应用商店或者应用市场的良好体验感，目前开发商开发出很多便捷用户使用的功能，其中之一是推荐功能，即向用户推荐一些应用，以帮助用户发现更多感兴趣的应用。对于如何给用户展示应用，传统的做法是把应用直接展示给用户，如图1A所示。这种做法直接了当，但存在一个严重缺陷：缺乏对所推荐应用的介绍。当用户看到一款未知的应用时，由于没有详细的介绍，绝大多数用户都会因为对它缺乏了解而不产生点击和下载行为。为了解决这个问题，目前出现了一种新的应用发行方式：在应用商店增加信息流，通过有趣的文章、视频对应用进行介绍和推销，如图1B和图1C所示。

但是，对于这种应用商店通过信息流发行应用的方式，在给用户推荐信息过程中，由于不同的用户具有不同的兴趣，所以需要考虑对不同用户推荐不同的应用信息，这就对有针对性的精准推荐提出了很高要求，否则向用户展示的不是他感兴趣的应用，将会大大降低用户的使用体验感。

技术实现要素：

本发明的目的在于提供一种基于已安装应用来推荐应用信息的方法和装置，以改善上述问题。

本发明实施例提供了一种基于已安装应用来推荐应用信息的方法，包括：

确定用户已安装应用与信息流库里的不同信息的相似度；

利用所获得的相似度来得到用户对不同信息的匹配度；

按照匹配度从大到小的顺序选取一定数量的信息作为候选信息并且按匹配度从大到小顺序向用户推荐。

优选的，根据预定的信息质量规则从候选信息里选取相应信息向用户推荐。

本发明实施例还提供了一种基于已安装应用来推荐应用信息的装置，包括：

相似度确定单元，用于确定用户已安装应用与信息流库里的不同信息的相似度；

匹配度确定单元，用于利用所获得的相似度来得到用户对不同信息的匹配度；

选取单元，用于按照匹配度从大到小的顺序选取一定数量的信息作为候选信息；

推荐单元，用于按匹配度从大到小顺序向用户推荐候选信息。

优选的，所述推荐单元还可以用于根据预定的信息质量规则从候选信息里选取相应信息向用户推荐。

其中，使用下列公式计算所述相似度：

其中：

s_i,j表示已安装应用i与信息j的相似度，i＝1,2,…,n j＝1,2…,m，

b_i,j表示在已安装应用i的用户中点击过信息j的用户数量，i＝1,2,…,n j＝1,2…,m，

a_i表示已安装应用i的用户数量，i＝1,2,…,n，

K_i表示已安装应用i包含的标签的集合，i＝1,2,…,n，

L_j表示信息j包含的标签的集合，j＝1,2,…,m；

n表示某个用户在到今天为止的N天内保持安装的应用的数量；

m表示信息流库里的信息数量；

N为大于0的整数。

其中，使用下列公式计算所述匹配度：

其中：

u_j表示某个用户对信息j的匹配度，j＝1,2…,m，

o_i表示某个用户对应用i的兴趣度，i＝1,2,…,n，

s_i,j表示已安装应用i与信息j的相似度，i＝1,2,…,nj＝1,2…,m，

n表示某个用户在到今天为止的N天内保持安装的应用的数量；

m表示信息流库里的信息数量；

所述的某个用户对应用i的兴趣度o_i的计算方法如下：

t_i表示某个用户最近一次安装应用i并保持到今天的天数，i＝1,2,…,n；

n表示某个用户在到今天为止的N天内保持安装的应用的数量；

N为大于0的整数。

其中，所述根据预定的信息质量规则从候选信息里选取相应信息向用户推荐的过程如下所述：根据候选信息的点击率、点赞率和转化率之一、或者根据任意两两参数组合、或者根据该三个参数计算出的综合质量指标值，按综合质量指标值从大到小的顺序选取相应信息向用户推荐，其中所述综合质量指标值的计算方法为：

qul_j＝θ*ctr_j+γ*gtr_j+β*dtr_j j＝1,2,…,m

其中：

qul_j表示信息j的综合质量指标，j＝1,2…,m，

ctr_j表示信息j的点击率，j＝1,2…,m，

gtr_j表示信息j的点赞率，j＝1,2…,m，

dtr_j表示信息j的转化率，j＝1,2…,m，

m表示信息流库里的信息数量；

θ、γ和β是用来调节每个因素的权重，其中β+γ+θ＝1，且β、γ和θ∈[0,1]，通过取β、γ和θ不同值来确定通过那些参数指标来计算所述综合质量指标值；

所述信息j的点击率

c_j表示点击过信息j的用户数；

f_j表示向用户展示过信息j的所有用户数；

m表示信息流库里的信息数量；

所述信息j的点赞率

g_j表示点赞过信息j的用户数；

f_j表示向用户展示过信息j的所有用户数；

m表示信息流库里的信息数量；

所述信息j的转化率

d_j表示通过信息j产生下载应用行为的用户数；

f_j表示向用户展示过信息j的所有用户数；

m表示信息流库里的信息数量。

根据本发明的基于已安装应用来推荐应用信息的方法和装置充分考虑了用户的兴趣和爱好，通过确定已安装应用与信息流库里的不同信息的相似度，继而确定用户对不同信息的匹配度，从而选取出一定数量的候选信息，可以按匹配度从大到小顺序向用户推荐相应的候选信息，也可以根据信息质量指标从这些候选信息中选取合适的信息向用户推荐，这能够根据不同用户的兴趣爱好不同而推荐的不同应用信息，从而实现个性化推荐，这大大提升了用户的体验感。

附图说明

图1A是现有的应用商店推荐应用的一个实例截图；

图1B是现有的应用商店采用信息流方式推荐应用的一个实例截图；

图1C是信息流的一个信息的详情页的一个实例截图；

图2是本发明实施例提供的基于已安装应用来推荐应用信息的方法的流程图；

图3是点击信息流的一个信息而打开对应应用的一个实例截图；

图4是本发明实施例提供的基于已安装应用来推荐应用信息的装置的示意性框图。

具体实施方式

下面将结合本发明实施例和附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。

图2是本发明实施例提供的基于已安装应用来推荐应用信息的方法的流程图。假设某个用户A在其使用的终端上点击进入应用商店的信息流版块，此时需要向用户A推荐一批应用信息，可以使用如图2所示的本发明的基于已安装应用来推荐应用信息的方法，该方法包括以下步骤：

S1：确定用户已安装应用与信息流库里的不同信息的相似度。

这里所述的已安装应用是指在向用户推荐应用信息时在用户使用的终端上已安装着的应用。

通常可以认为，用户使用的例如智能手机或平板电脑或计算机等终端上安装的各种应用，如游戏类、休闲类、办公类等，是该用户感兴趣的应用，而基于用户已安装应用来推荐关联度高的应用信息，继而针对不同用户推荐其感兴趣的应用信息，实现个性化推荐的目的。

那么如何基于用户已安装应用来推荐关联度高的应用信息呢？首先就要确定用户已安装应用与信息流库里的不同信息的相似度。具体实现方法如下：

在应用商店或应用市场中每一个应用都会包含1-3个或更多的标签，这些标签用于标识应用所属的类型，由此可以通过应用具有的标签来判断用户的兴趣，即通过标签识别用户已安装应用的类别来判断用户的兴趣。对于信息流库中的信息，也可以通过该信息所推销的应用具有的标签作为该信息所属的类型，如图3所示，例如打开信息所推销的应用“喜马拉雅”，可以看到应用“喜马拉雅”的详细信息，底部位置是该应用具有的2个标签“新闻阅读”和“听书”。本发明就是基于是否具有相同的标签的方法，根据用户已安装应用来寻找关联度高的应用信息，然后计算用户已安装应用与信息流库里的不同信息的相似度。

由上述可知，这里所述用户已安装应用包括用户通过应用商店或应用市场下载安装的应用和能够在应用商店或应用市场里找得到的应用。信息流库是应用开发商店或应用市场时预置的，库里的信息可以时常更新。

具有相同标签就是指一个应用i包含的标签的集合与另一个信息j包含的标签的集合具有交集即可。

使用下列公式计算用户已安装应用与信息流库里的不同信息的相似度：

其中：

S_i,j表示已安装应用i与信息j的相似度，i＝1,2,…,n j＝1,2…,m，

b_i,j表示在已安装应用i的用户中点击过信息j的用户数量，i＝1,2,…,n j＝1,2…,m，

a_i表示已安装应用i的用户数量，i＝1,2,…,n，

K_i表示已安装应用i包含的标签的集合，i＝1,2,…,n，

L_j表示信息j包含的标签的集合，j＝1,2,…,m；

n表示某个用户在到今天为止的N天内保持安装的应用的数量；

m表示信息流库里的信息数量；

N为大于0的整数。

该公式表示的含义是当已安装应用i与信息j没有相同标签时，其相似度为0；当有相同标签时是相似度是在已安装应用i的用户中点击过信息j的用户数量与已安装应用i的用户数量的比例，该比例越大，相似度越高。

n表示某个用户在到今天为止的N天内保持安装的应用的数量的意思是指：正如上述那样，当准备向某个用户A推荐一批应用信息时，先执行本方法寻找推荐信息，此时统计该用户A正使用的终端上安装着的应用的数量。当表示天数的N足够大时，统计的已安装应用的数量就是终端上安装的全部应用的数量，优选是指第三方应用；当然也可以将N设定为具体的有限天数，例如60天、90天等。

S2：利用所获得的相似度来得到用户对不同信息的匹配度。

在得到用户已安装应用与信息流库里的不同信息的相似度之后，由于用户使用的终端上常常会安装多个应用，就要从该多个应用中确定该用户A对不同信息的匹配度，以便寻找匹配度高的信息。

使用下列公式计算所述匹配度：

其中：

u_j表示某个用户A对信息j的匹配度，j＝1,2…,m，

o_i表示某个用户A对应用i的兴趣度，i＝1,2,…,n，

s_i,j表示已安装应用i与信息j的相似度，i＝1,2,…,nj＝1,2…,m，

n表示某个用户A在到今天为止的N天内保持安装的应用的数量；

m表示信息流库里的信息数量；

N为大于0的整数。

该公式表示的含义是：将用户对已安装应用i的兴趣度乘以该应用i与信息的相似度，然后通过叠加的方式来确定该用户对不同信息的匹配度。

这里的n与步骤S1中的n相同，不再做重复性解释。

而所述的某个用户A对应用i的兴趣度o_i的计算方法如下：

t_i表示某个用户A最近一次安装应用i并保持到今天的天数，i＝1,2,…,n；

n表示某个用户A在到今天为止的N天内保持安装的应用的数量；

N为大于0的整数，其表示天数。

兴趣度o_i的含义是考虑用户的兴趣会随时间变化，用户安装应用的时间距离现在越近，越能代表用户现在的兴趣。

这里的n与步骤S1中的n相同，不再做重复性解释。

t_i表示某个用户A最近一次安装应用i并保持到今天的天数的意思是指：从用户A最近一次安装了应用i的那天开始并且中途没有卸载过而是一直保留在用户正使用的终端里，直到今天的天数。

S3：按照匹配度从大到小的顺序选取一定数量的信息作为候选信息并且按匹配度从大到小顺序向用户推荐。

在得到了用户A对不同信息的匹配度后，根据匹配度值的大小选取排名在前面的一定数量的信息作为用户的感兴趣的候选信息。例如，选取匹配度排名在前50个的相应信息，或者排名在前100个的相应信息等。然后可以按匹配度从大到小顺序向用户推荐相应的候选信息。

在一个优选实施例中，为了更进一步向用户推荐其感兴趣的应用信息，实现更精确的个性化推荐，本发明的基于已安装应用来推荐应用信息的方法还可以包括步骤：

S4：根据预定的信息质量规则从候选信息里选取相应信息向用户推荐。

所述预定的信息质量规则可以是确定信息的综合质量指标值，而综合质量指标可以是候选信息的点击率、点赞率和转化率之一，或者是根据点击率、点赞率和转化率之间的任意两两组合计算出的候选信息的综合质量指标值、或者根据点击率、点赞率和转化率这三个参数计算出的候选信息的综合质量指标值，按综合质量指标值从大到小的顺序选取相应信息向用户推荐。

具体而言，根据候选信息的点击率、点赞率和转化率之一、或者根据它们之间的任意两两组合、或者根据该三个参数计算出综合质量指标值，按综合质量指标值从大到小的顺序选取相应信息向用户推荐，其中所述综合质量指标值的计算方法为：

qul_j＝θ*ctr_j+γ*gtr_j+β*dtr_j j＝1,2,…,m

其中：

qul_j表示信息j的综合质量指标，j＝1,2…,m，

ctr_j表示信息j的点击率，j＝1,2…,m，

gtr_j表示信息j的点赞率，j＝1,2…,m，

dtr_j表示信息j的转化率，j＝1,2…,m，

m表示信息流库里的信息数量；

θ、γ和β是用来调节每个因素的权重，其中β+γ+θ＝1，且β、γ和θ∈[0,1]，通过取β、γ和θ不同值来确定通过那些参数指标来计算所述综合质量指标值；

所述信息j的点击率

c_j表示点击过信息j的用户数；

f_j表示向用户展示过信息j的所有用户数；

m表示信息流库里的信息数量；

所述信息j的点赞率

g_j表示点赞过信息j的用户数；

f_j表示向用户展示过信息j的所有用户数；

m表示信息流库里的信息数量；

所述信息j的转化率

d_j表示通过信息j产生下载应用行为的用户数；

f_j表示向用户展示过信息j的所有用户数；

m表示信息流库里的信息数量。

上述公式考虑了候选信息的点击率、点赞率和转化率作为衡量信息质量的因素，通过θ、γ和β来调节每个因素的权重，以根据实践需要侧重考虑哪1个或2个因素作为质量的主要衡量因素。下面通过举例来详细说明。

β+γ+θ＝1，且β、γ和θ∈[0,1]，当θ＝1、γ＝0和β＝0时，则候选信息的综合质量指标是该信息的点击率，当θ＝0、γ＝1和β＝0时，则候选信息的综合质量指标是该信息的点赞率，当θ＝0、γ＝0和β＝1时，则候选信息的综合质量指标是该信息的转化率；当θ＝0.5、γ＝0.5和β＝0(θ和γ也可以取非0的其它值，且满足θ+γ＝1即可)时，候选信息的综合质量指标是该信息的点击率和点赞率的组合考量，也可以让θ＝0、γ＝0.5和β＝0.5(γ和β也可以取非0的其它值，且满足γ+β＝1即可，或者θ＝0.5、γ＝0和β＝0.5(θ和β也可以取非0的其它值，且满足θ+β＝1即可)，以此类推，还可以选取其它两两组合，这里不再举例；如果将这3种因素同时考虑，则β+γ+θ＝1，且β、γ和θ∈(0,1)，即β、γ和θ均不为0和1，当认为某个因素作为质量的主要衡量因素时，可以使该因素的权重值更大，例如θ＝0.5、γ＝0.3和β＝0.2，此时认为点击率是作为候选信息的质量指标的主要衡量因素，点赞率其次，转化率排在最后；以此类推，也可以选取不同的β、γ和θ值来列举点击率、点赞率和转化率作为候选信息的质量指标的主要衡量因素的前后顺序，当然也可以使得点击率、点赞率和转化率作为衡量因素同等重要，这里不再举例描述。

根据本发明的基于已安装应用来推荐应用信息的方法充分考虑了用户的兴趣和爱好，通过确定已安装应用与信息流库里的不同信息的相似度，继而确定用户对不同信息的匹配度，从而选取出一定数量的候选信息，可以按匹配度从大到小顺序向用户推荐相应的候选信息，也可以根据信息质量指标从这些候选信息中选取合适的信息向用户推荐，这能够根据不同用户的兴趣爱好不同而推荐的不同应用信息，从而实现个性化推荐，这大大提升了用户的体验感。

图4是本发明实施例提供的基于已安装应用来推荐应用信息的装置的示意性框图。如图4所示，本发明的基于已安装应用来推荐应用信息的装置包括：

相似度确定单元，用于确定用户已安装应用与信息流库里的不同信息的相似度；

匹配度确定单元，用于利用所获得的相似度来得到用户对不同信息的匹配度；

选取单元，用于按照匹配度从大到小的顺序选取一定数量的信息作为候选信息；

推荐单元，用于按匹配度从大到小顺序向用户推荐候选信息。

在一个优选方案中，所述相似度确定单元使用下列公式计算所述相似度：

其中：

s_i,j表示已安装应用i与信息j的相似度，i＝1,2,…,n j＝1,2…,m，

b_i,j表示在已安装应用i的用户中点击过信息j的用户数量，i＝1,2,…,n j＝1,2…,m，

a_i表示已安装应用i的用户数量，i＝1,2,…,n，

K_i表示已安装应用i包含的标签的集合，i＝1,2,…,n，

L_j表示信息j包含的标签的集合，j＝1,2,…,m；

n表示某个用户在到今天为止的N天内保持安装的应用的数量；

m表示信息流库里的信息数量；

N为大于0的整数。

在一个优选方案中，所述匹配度确定单元使用下列公式计算所述匹配度：

其中：

u_j表示某个用户对信息j的匹配度，j＝1,2…,m，

o_i表示某个用户对应用i的兴趣度，i＝1,2,…,n，

s_i,j表示已安装应用i与信息j的相似度，i＝1,2,…,n j＝1,2…,m，

n表示某个用户在到今天为止的N天内保持安装的应用的数量；

m表示信息流库里的信息数量；

所述的某个用户对应用i的兴趣度o_i的计算方法如下：

t_i表示某个用户最近一次安装应用i并保持到今天的天数，i＝1,2,…,n；

n表示某个用户在到今天为止的N天内保持安装的应用的数量；

N为大于0的整数。

在一个优选实施例中，为了更进一步向用户推荐其感兴趣的应用信息，实现更精确的个性化推荐，本发明的基于已安装应用来推荐应用信息的装置中的所述推荐单元还可以用于根据预定的信息质量规则从候选信息里选取相应信息向用户推荐。

在一个优选方案中，在所述推荐单元中，根据候选信息的点击率、点赞率和转化率之一、或者根据任意两两参数组合、或者根据该三个参数计算出的综合质量指标值，按综合质量指标值从大到小的顺序选取相应信息向用户推荐，其中所述综合质量指标值的计算方法为：

qul_j＝θ*ctr_j+γ*gtr_j+β*dtr_j j＝1,2,…,m

其中：

qul_j表示信息j的综合质量指标，j＝1,2…,m，

ctr_j表示信息j的点击率，j＝1,2…,m，

gtr_j表示信息j的点赞率，j＝1,2…,m，

dtr_j表示信息j的转化率，j＝1,2…,m，

m表示信息流库里的信息数量；

θ、γ和β是用来调节每个因素的权重，其中β+γ+θ＝1，且β、γ和θ∈[0,1]，通过取β、γ和θ不同值来确定通过那些参数指标来计算所述综合质量指标值；

所述信息j的点击率

c_j表示点击过信息j的用户数；

f_j表示向用户展示过信息j的所有用户数；

m表示信息流库里的信息数量；

所述信息j的点赞率

g_j表示点赞过信息j的用户数；

f_j表示向用户展示过信息j的所有用户数；

m表示信息流库里的信息数量；

所述信息j的转化率

d_j表示通过信息j产生下载应用行为的用户数；

f_j表示向用户展示过信息j的所有用户数；

m表示信息流库里的信息数量。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置的具体工作过程，可以参考前述方法实施例中的对应过程，前述方法实施例中列举的例子和相关描述，同样适用于解释装置的工作过程，在此不再重复描述。

根据本发明的基于已安装应用来推荐应用信息的装置充分考虑了用户的兴趣和爱好，通过确定已安装应用与信息流库里的不同信息的相似度，继而确定用户对不同信息的匹配度，从而选取出一定数量的候选信息，可以按匹配度从大到小顺序向用户推荐相应的候选信息，也可以根据信息质量指标从这些候选信息中选取合适的信息向用户推荐，这能够根据不同用户的兴趣爱好不同而推荐的不同应用信息，从而实现个性化推荐，这大大提升了用户的体验感。

本发明实施例所提供的基于已安装应用来推荐应用信息的方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，所述程序代码包括的指令可用于执行前面方法实施例中所述的方法，具体实现可参见方法实施例，在此不再赘述。

所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，平板电脑，智能手机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM)、随机存取存储器(RAM)、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。