一种app推荐的方法和系统的制作方法
【技术领域】
[0001] 本发明属于信息技术领域，尤其涉及一种APP推荐的方法和系统。
【背景技术】
[0002] 在移动应用程序（application，简称：app)极大的方便人们日常生活的今天，数 量庞大的移动应用程序也带给了用户选择的困惑。用户需要有一种高效的途径来帮助他们 从数以十万计的app中选择感兴趣的少部分。受到推荐系统在传统互联网领域广泛应用的 启发，业界将目光投向了 app的推荐。
[0003] 目前大部分app商店采用了分类目录和热门排行榜的方案帮助用户发现所需的 app，但这并不能很好的满足不同用户的个性化需求，因为呈现在所有用户面前的都是一样 的内容，而忽略了用户的性别、年龄和文化等差异。即使对于同一个用户而言，他的兴趣往 往会随着时间变化。而基于关键字的搜索则建立在用户对自身需求的明确描述之上，因此 在用户不能明确描述自身需求的情况下，呈现的推荐结果往往显得盲目。业界真正投入使 用的个性化app推荐系统很少。
【发明内容】
[0004] 本发明实施例的目的在于提供一种APP推荐的方法和系统，以解决现有技术没有 个性化APP推荐的问题。
[0005] 本发明实施例是这样实现的，一种APP推荐的方法，所述方法包括：
[0006] 获取并记录用户的行为日志，所述行为日志包括：用户下载APP记录、用于浏览 APP记录；
[0007] 根据所述行为日志生成用户行为矩阵；
[0008] 根据预设的推荐算法，使用所述用户行为矩阵计算用户下载APP的预期；
[0009] 向用户推荐所述预期高的APP。
[0010] 本发明实施例的另一目的在于提供一种APP推荐的系统，所述系统包括：
[0011] 行为日志获取单元，用于获取并记录用户的行为日志，所述行为日志包括：用户下 载APP记录、用于浏览APP记录；
[0012] 用户行为矩阵生成单元，用于根据所述行为日志获取单元获取的行为日志生成用 户行为矩阵；
[0013] 预期计算单元，用于根据预设的推荐算法，使用所述用户行为矩阵生成单元生成 的用户行为矩阵计算用户下载APP的预期；
[0014] APP推荐单元，用于向用户推荐所述预期计算单元计算的预期高的APP。
[0015] 本发明实施例，获取并记录用户的行为日志，根据行为日志生成用户行为矩阵，根 据预设的推荐算法，使用用户行为矩阵计算用户下载APP的预期，向用户推荐所述预期高 的APP，使得APP平台可以根据用户的APP下载记录和APP预览记录，调用准确的算法精准 的向用户推荐APP。
【附图说明】
[0016] 为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述 中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些 实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些 附图获得其他的附图。
[0017] 图1是本发明实施例提供的APP推荐方法的流程图；
[0018] 图2是本发明实施例提供的APP推荐系统的结构图。
【具体实施方式】
[0019] 为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对 本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并 不用于限定本发明。
[0020] 为了说明本发明所述的技术方案，下面通过具体实施例来进行说明。
[0021] 实施例一
[0022] 如图1所示为本发明实施例提供的APP推荐方法的流程图，所述方法包括以下步 骤：
[0023] 步骤S101、获取并记录用户的行为日志，所述行为日志包括：用户下载APP记录、 用于浏览APP记录。
[0024] 在本发明实施例中，APP推荐系统获取用户的行为日志，并通过数据集的形式记录 该行为日志，其中，数据包括但不限于：D 〇wnl〇ad数据集、Browse数据集，数据具体为：
[0025] 1、Download数据集中的每一条记录为用户在某个时间所下载app的记录。形如 (uid, aid, timestamp)，其中uid，aid分别为用户、app加密后的ID，timestamp是下载行为 发生的时间，如2000-01-01;
[0026] 2、Browse数据集中的每一条记录为用户在某个时间所浏览app的记录。形如 (uid, aid, timestamp)，其中uid，aid分别为用户、app加密后的ID，timestamp是浏览行为 发生的时间，如2000-01-01。
[0027] 步骤S102、根据所述行为日志生成用户行为矩阵。
[0028] 在本发明实施例中，APP推荐系统在获取了行为日志之后，根据该行为日志生成供 后续算法使用的用户行为矩阵，该用户行为矩阵可以为〇、1二值矩阵，也可以是其他的数 值。
[0029] 步骤S103、根据预设的推荐算法，使用所述用户行为矩阵计算用户下载APP的预 期。
[0030] 在本发明实施例中，APP推荐系统在获取了用户行为矩阵之后，调用预设的推荐算 法，使用该用户行为矩阵计算用户下载给定的APP的预期。所述推荐算法包括：
[0031] 1、基于记忆的协同过滤（memory-based CF):因数据规模过大，出于计算效率考虑 采用Jaccard公式计算用户或者app之间的相似度。以基于物品的协同过滤为例：
[0032]
【主权项】
1. 一种APP推荐的方法，其特征在于，所述方法包括： 获取并记录用户的行为日志，所述行为日志包括：用户下载APP记录、用于浏览APP记 录； 根据所述行为日志生成用户行为矩阵； 根据预设的推荐算法，使用所述用户行为矩阵计算用户下载APP的预期； 向用户推荐所述预期高的APP。
2. 如权利要求1所述的方法，其特征在于，在所述向用户推荐所述预期高的APP的步骤 之前，所述方法还包括W下步骤： 预设APP推荐数量。
3. 如权利要求1所述的方法，在所述向用户推荐所述预期高的APP的步骤之后，所述方 法还包括W下步骤： 获取用户下载所述预期高的APP的准确度。
4. 如权利要求1?3任一项所述的方法，其特征在于，所述推荐算法包括：基于记忆的 协同过滤算法、基于时间的协同过滤算法、基于伪评分的协同过滤。
5. -种APP推荐的系统，其特征在于，所述系统包括： 行为日志获取单元，用于获取并记录用户的行为日志，所述行为日志包括：用户下载 APP记录、用于浏览APP记录； 用户行为矩阵生成单元，用于根据所述行为日志获取单元获取的行为日志生成用户行 为矩阵； 预期计算单元，用于根据预设的推荐算法，使用所述用户行为矩阵生成单元生成的用 户行为矩阵计算用户下载APP的预期； APP推荐单元，用于向用户推荐所述预期计算单元计算的预期高的APP。
6. 如权利要求5所述的系统，其特征在于，在所述APP推荐单元推荐之前，所述系统还 包括： APP数量预设单元，用于预设APP推荐数量。
7. 如权利要求5所述的系统，其特征在于，在所述APP推荐单元推荐之后，所述系统还 包括： 下载准确度获取单元，用于获取用户下载所述预期高的APP的准确度。
8. 如权利要求5?7任一项所述的系统，其特征在于，所述推荐算法包括：基于记忆的 协同过滤算法、基于时间的协同过滤算法、基于伪评分的协同过滤。
【专利摘要】本发明适用于信息技术领域，提供了一种APP推荐的方法和系统，所述方法包括：获取并记录用户的行为日志，所述行为日志包括：用户下载APP记录、用于浏览APP记录；根据所述行为日志生成用户行为矩阵；根据预设的推荐算法，使用所述用户行为矩阵计算用户下载APP的预期；向用户推荐所述预期高的APP。本发明实施例，获取并记录用户的行为日志，根据行为日志生成用户行为矩阵，根据预设的推荐算法，使用用户行为矩阵计算用户下载APP的预期，向用户推荐所述预期高的APP，使得APP平台可以根据用户的APP下载记录和APP预览记录，调用准确的算法精准的向用户推荐APP。
【IPC分类】G06F17-30
【公开号】CN104572962
【申请号】CN201410850061
【发明人】吴健, 邱奇波, 陈亮, 邓水光, 李莹, 尹建伟, 吴朝晖
【申请人】浙江大学
【公开日】2015年4月29日
【申请日】2014年12月31日