一种应用推荐方法及装置的制造方法
【专利摘要】本发明实施例公开了一种应用推荐方法及装置，其中的方法可包括：采集用户对至少一个第一应用软件的评分记录和所述至少一个第一应用软件的属性信息；根据预设评分阈值，从所述至少一个第一应用软件的评分记录中提取高于所述评分阈值的评分所对应的第一应用软件的属性信息；根据所述高于所述评分阈值的评分所对应的第一应用软件的属性信息，将与所述属性信息相似匹配度高的第二应用软件推荐给所述用户。采用本发明可以根据用户的评论反馈智能地为用户进行应用软件的推荐，提高推荐效率和准确度。
【专利说明】
一种应用推荐方法及装置
技术领域
[0001]本发明涉及数据处理领域，尤其涉及一种应用推荐方法及装置。
【背景技术】
[0002]随着宽移动互联网技术的飞速发展，人们迫切希望能够随时随地乃至在移动过程中都能方便地从互联网获取信息和服务，移动互联网应运而生并迅猛发展。而3G互联网的到来，使得国内手机电子市场的飞速发展以及智能手机的普及化，进而推动了 APP应用开发市场的发展。伴随着智能手机在国内各地区的普及，越来越多的网民开始由传统的互联网上网方式转移到了移动终端设备上网。移动终端上网的优势在于方便快捷，不受时间区域的影响，随时随地都可以上网。而APP (applicat1n)应用开发市场的突飞猛进，使得移动APP成为了移动互联网的主流，苹果公司的App store开创了手机软件业发展的新篇章，使得第三方软件的提供者参与其中的积极性空前高涨。用户越发依赖手机软件商店，App开发的市场需求与发展前景也逐渐蓬勃。
[0003]而在软件应用市场中，应用软件的质量参差不齐，用户兴趣不一，如何从庞大的数据中获取和自己相关的有效信息，也成为用户的急切需求。目前的软件推荐方式主要是根据开发者的意愿向用户进行随机推荐，或者是根据用户的下载记录进行相关联或相类似的软件进行推荐，但这两种方式均存在推荐不准确导致用户误下载或者下载后发现软件未达到预期要求的情况，势必会浪费软件下载用户大量的时间和精力，产生对用户的误导且用户的体验较差。
【发明内容】
[0004]本发明实施例所要解决的技术问题在于，提供一种应用推荐方法及装置，通过提取用户的评论并根据用户的好评反馈，智能地为用户推荐应用软件，提高推荐的效率和准确度。
[0005]第一方面，本发明实施例提供了一种应用推荐方法，包括:
[0006]采集用户对至少一个第一应用软件的评分记录和所述至少一个第一应用软件的属性信息；
[0007]根据预设评分阈值，从所述至少一个第一应用软件的评分记录中提取高于所述评分阈值的评分所对应的第一应用软件的属性信息；
[0008]根据所述高于所述评分阈值的评分所对应的第一应用软件的属性信息，将与所述属性信息相似匹配度高的第二应用软件推荐给所述用户。
[0009]结合第一方面，在第一种可能的实现方式中，所述属性信息包括:应用软件的名称及版本、应用软件开发者、应用软件的类型、应用软件的描述关键词、应用软件的平均评分或应用软件平均下载次数中的至少一个。
[0010]结合第一方面，在第二种可能的实现方式中，所述预设评分阈值的范围位于所述用户对至少一个第一应用软件的评分记录中的评分范围中。
[0011]结合第一方面或第一方面的第一种可能的实现方式或第一方面的第二种可能的实现方式，在第三种可能的实现方式中，所述根据所述高于所述评分阈值的评分所对应的第一应用软件的属性信息，将与所述属性信息相似匹配度高的第二应用软件推荐给所述用户，包括:
[0012]设置属性信息相似匹配度的阈值；
[0013]计算应用软件的属性信息与所述高于所述评分阈值的评分所对应的第一应用软件的属性信息之间的相似匹配度值；
[0014]当所述相似匹配度值大于等于所述属性信息相似匹配度的阈值时，则判断出所述应用软件为第二应用软件；
[0015]将所述第二应用软件推荐给所述用户。
[0016]结合第一方面的第三种可能的实现方式中，在第四种可能的实现方式中，所述第二应用软件包括所述用户未下载安装的应用软件。
[0017]第二方面，本发明实施例提供了一种应用推荐装置，包括:
[0018]信息采集模块，用于采集用户对至少一个第一应用软件的评分记录和所述至少一个第一应用软件的属性信息；
[0019]信息提取模块，用于根据预设评分阈值，从所述至少一个第一应用软件的评分记录中提取高于所述评分阈值的评分所对应的第一应用软件的属性信息；
[0020]软件推荐模块，用于根据所述高于所述评分阈值的评分所对应的第一应用软件的属性信息，将与所述属性信息相似匹配度高的第二应用软件推荐给所述用户。
[0021]结合第二方面，在第一种可能的实现方式中，所述属性信息包括:应用软件的名称及版本、应用软件开发者、应用软件的类型、应用软件的描述关键词、应用软件的平均评分或应用软件平均下载次数中的至少一个。
[0022]结合第二方面，在第二种可能的实现方式中，所述预设评分阈值的范围位于所述用户对至少一个第一应用软件的评分记录中的评分范围中。
[0023]结合第二方面或第二方面的第一种可能的实现方式或第二方面的第二种可能的实现方式，在第三种可能的实现方式中，所述软件推荐模块，包括:
[0024]阈值设置单元，用于设置属性信息相似匹配度的阈值；
[0025]匹配计算单元，用于计算应用软件的属性信息与所述高于所述评分阈值的评分所对应的第一应用软件的属性信息之间的相似匹配度值；
[0026]匹配判断单元，用于当所述相似匹配度值大于等于所述属性信息相似匹配度的阈值时，则判断出所述应用软件为第二应用软件；
[0027]软件推荐单元，用于将所述第二应用软件推荐给所述用户。
[0028]结合第二方面，在第四种可能的实现方式中，所述第二应用软件包括所述用户未下载安装的应用软件。
[0029]实施本发明实施例，具有如下有益效果:
[0030]本发明实施例，通过在应用推荐方法中，通过提取用户的评论并设置好评阈值，根据用户超过阈值的评论相对应的应用软件的属性信息，智能地为用户推荐品质类似的应用软件，提高推荐效率和准确度。
【附图说明】
[0031]为了更清楚地说明本发明实施例或现有技术中的技术方案，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的前提下，还可以根据这些附图获得其他的附图。
[0032]图1是本发明实施例中的一种应用推荐方法的流程示意图；
[0033]图2是本发明实施例中的另一种应用推荐方法的流程示意图；
[0034]图3是本发明实施例中的一种应用推荐装置的结构示意图；
[0035]图4是本发明实施例中的另一种应用推荐装置的结构示意图。
【具体实施方式】
[0036]下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动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。
[0037]需要说明的是，在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
[0038]本发明实施例的应用软件的推荐方法可以应用于移动终端的应用软件市场或商店等任何涉及到应用软件推荐的场景。
[0039]图1是本发明实施例中的应用推荐方法的流程示意图，下面将结合附图1对本发明实施例中的一种应用推荐方法进行详细介绍，如图1所示，本实施例中的一种应用推荐方法可以包括以下步骤SlOl-步骤S103。
[0040]步骤SlOl:采集用户对至少一个第一应用软件的评分记录和所述至少一个第一应用软件的属性信息。
[0041]具体地，采集并记录用户评论过的历史应用软件及其属性信息，即采集用户对至少一个第一应用软件的评分记录和对应的第一应用软件的属性信息，所述属性信息包括:应用软件的名称及版本、应用软件开发者、应用软件的类型、应用软件的描述关键词、应用软件的平均评分或应用软件平均下载次数中的至少一个。评分包括星级打分制、5分制、10分制或优良差制等评定优劣标准的评分制度。需要说明的是，应用软件可以是移动终端上的APP也可以是电脑上的应用程序等，即应用软件可以安装于包括安卓、10S、塞班、Windows、Unix类操作系统、Linux类操作系统、Mac操作系统等的终端上，而终端则可包括:移动电话、移动电脑、平板电脑、个人数字助理(Personal Digital Assistant, PDA)、媒体播放器、智能电视、智能手表、智能眼镜、智能手环等用户设备，本发明不作具体限定。
[0042]步骤S102:根据预设评分阈值，从所述至少一个第一应用软件的评分记录中提取高于所述评分阈值的评分所对应的第一应用软件的属性信息。
[0043]具体地，根据步骤SlOl中采集的用户的应用软件的评分记录和相应的应用软件的属性信息并根据预先设置的评分阈值，从采集的应用软件中，提取用户的评分高于预设阈值的应用软件，并提取该软件的属性信息。可以理解的是，预设评分阈值的范围应位于用户对至少一个第一应用软件的评分记录中的评分范围中，例如用户评论过的应用软件的评分的范围在3到4分之间，则可将评分阈值设置在3到4分之间。例如评分阈值设置为
3.8分，则将用户评论过的应用软件中的3.8分以上的应用软件作为第一用应用软件提取出来，并提取该应用软件的属性信息。
[0044]步骤S103:根据所述高于所述评分阈值的评分所对应的第一应用软件的属性信息，将与所述属性信息相似匹配度高的第二应用软件推荐给所述用户。
[0045]具体地，根据步骤S102中获取的应用软件的属性信息，将用户还未进行下载的应用软件中与所述属性信息相似匹配度高的应用软件作为第二应用软件推荐给用户，其范围主要包括用户未下载安装的应用软件。其中属性信息的相似匹配度可以根据属性信息中的各个属性的权重值进行计算。例如，同为某一家软件开发公司设计出品的产品，其品质可以视为类似；而应用软件的类型的相同则可以代表应用软件是同一类型的；描述关键词可以表明软件的侧重点和内容相似；应用软件的平均分表示众多用户对该软件的好评度，则可以代表该应用软件的品质。根据各个属性信息的权重值，可以初步计算得到应用软件之间是否相类似，从而判断用户对该应用软件是否可能有兴趣，进而向用户推荐与超过评分阈值的应用软件属性相类似的应用软件。需要说明的是，在根据应用软件的属性信息计算相似匹配度时，可以根据实际应用场景对各个属性信息的权重值进行调整。例如，当认定软件的类型更能代表软件属性相似的特性时，则将软件的类型的特征的权重值设置的更高；当认定用户对该软件的平均评分不能体现软件的类似性，则可根据实际应用情况，将该属性特征的权重值降低，可以理解的是，可以根据不同的应用场景使用不同的相似匹配度的算法，本发明不作具体限定。
[0046]本发明实施例，通过在应用推荐方法中，通过提取用户的评论并设置好评阈值，根据用户超过阈值的评论相对应的应用软件的属性信息，智能地为用户推荐品质类似的应用软件，提高推荐效率和准确度。
[0047]图2是本发明实施例中的另一种应用推荐方法的流程示意图，下面将结合附图2对本发明实施例中的另一种应用推荐方法进行详细介绍，如图2所示，本发明实施例中的一种应用推荐方法可以包括以下步骤S201-步骤S206。
[0048]步骤S201:采集用户对至少一个第一应用软件的评分记录和所述至少一个第一应用软件的属性信息。
[0049]具体地，采集并记录用户评论过的历史应用软件及其属性信息，即采集用户对至少一个第一应用软件的评分记录和对应的第一应用软件的属性信息，所述属性信息包括:应用软件的名称及版本、应用软件开发者、应用软件的类型、应用软件的描述关键词、应用软件的平均评分或应用软件平均下载次数中的至少一个。评分包括星级打分制、5分制、10分制或优良差制等评定优劣标准的评分制度。需要说明的是，应用软件可以是移动终端上的APP也可以是电脑上的应用程序等，即应用软件可以安装于包括安卓、10S、塞班、Windows、Unix类操作系统、Linux类操作系统、Mac操作系统等的终端上，而终端则可包括:移动电话、移动电脑、平板电脑、个人数字助理(Personal Digital Assistant, PDA)、媒体播放器、智能电视、智能手表、智能眼镜、智能手环等用户设备，本发明不作具体限定。
[0050]步骤S202:根据预设评分阈值，从所述至少一个第一应用软件的评分记录中提取高于所述评分阈值的评分所对应的第一应用软件的属性信息。
[0051]具体地，根据步骤S201中采集的用户的应用软件的评分记录和相应的应用软件的属性信息并根据预先设置的评分阈值，从采集的应用软件中，提取用户的评分高于预设阈值的应用软件，并提取该软件的属性信息。可以理解的是，预设评分阈值的范围应位于用户对至少一个第一应用软件的评分记录中的评分范围中，例如用户评论过的应用软件的评分的范围在3到4分之间，则可将评分阈值设置在3到4分之间。例如，评分阈值设置为
3.8分，则将用户评论过的应用软件中的3.8分以上的应用软件作为第一用应用软件提取出来，并提取该应用软件的属性信息。
[0052]步骤S203:设置属性信息相似匹配度的阈值。
[0053]具体地，根据实际的应用场景设置属性信息的相似匹配度的阈值，当判断出相似匹配度大于该阈值时，则可判断不同应用软件对于所述用户属于相似应用软件，否则判定为不相似应用软件。例如，当属性信息相似匹配度的阈值为8分时(其中相似匹配度最大值为10)，则通过计算后的属性信息相似匹配度大于等于8时，则判断出该应用软件之间对于所述用户为相似，否则判断为不相似。
[0054]步骤S204:计算应用软件的属性信息与所述高于所述评分阈值的评分所对应的第一应用软件的属性信息之间的相似匹配度值。
[0055]具体地，根据步骤S203中设置的属性信息相似匹配度的阈值，并结合属性信息计算应用软件的属性信息与所述高于所述评分阈值的评分所对应的第一应用软件的属性信息之间的相似匹配度值。其中属性信息的相似匹配度可以根据属性信息中的各个属性的权重值进行计算。例如，同为某一家软件开发公司设计出品的产品，其品质可以视为类似；而应用软件的类型的相同则可以代表应用软件是同一类型的；描述关键词可以表明软件的侧重点和内容相似；应用软件的平均分表示众多用户对该软件的好评度，则可以代表该应用软件的品质。根据各个属性信息的权重值，可以初步计算得到应用软件之间是否相类似，从而判断用户对该应用软件是否可能有兴趣，进而向用户推荐与超过评分阈值的应用软件属性相类似的应用软件。需要说明的是，在根据应用软件的属性信息计算相似匹配度时，可以根据实际应用场景对各个属性信息的权重值进行调整。例如，当认定软件的类型更能代表软件属性相似的特性时，则将软件的类型的特征的权重值设置的更高；当认定用户对该软件的平均评分不能体现软件的类似性，则可根据实际应用情况，将该属性特征的权重值降低，可以理解的是，可以根据不同的应用场景使用不同的相似匹配度的算法，本发明不作具体限定。
[0056]步骤S205:当所述相似匹配度值大于等于所述属性信息相似匹配度的阈值时，则判断出所述应用软件为第二应用软件。
[0057]具体地，根据步骤S204中计算得到的应用软件属性信息之间的相似匹配度的值，判断应用软件之间的相似匹配度值，将用户还未进行下载的应用软件中与所述属性信息相似匹配度高于步骤S203中设置的相似匹配度的阈值的应用软件作为所述用户的第二应用软件。
[0058]步骤S206:将所述第二应用软件推荐给所述用户。
[0059]具体地，将判断出的第二应用软件推荐给所述用户，即根据用户的好评记录推荐给用户品质相似的应用软件，供用户参考下载，其中推荐方式可以是，醒目标注显示、弹框显示或者手动点击显示等形式，本发明不作具体限定。
[0060]本发明实施例，通过在应用推荐方法中，通过提取用户的评论并设置好评阈值，根据用户超过阈值的评论相对应的应用软件的属性信息，智能地为用户推荐品质类似的应用软件，提高推荐效率和准确度。
[0061]图3是本发明实施例中的一种应用推荐装置的结构示意图，用以执行上述图1所示实施例中的一种应用推荐方法的流程。
[0062]下面将结合附图3，对本发明实施例中的一种应用推荐装置的结构进行详细介绍。该装置10可包括:信息采集模块101、信息提取模块102和软件推荐模块103。
[0063]信息采集模块101，用于采集用户对至少一个第一应用软件的评分记录和所述至少一个第一应用软件的属性信息；
[0064]具体地，采集并记录用户评论过的历史应用软件及其属性信息，即采集用户对至少一个第一应用软件的评分记录和对应的第一应用软件的属性信息，所述属性信息包括:应用软件的名称及版本、应用软件开发者、应用软件的类型、应用软件的描述关键词、应用软件的平均评分或应用软件平均下载次数中的至少一个。评分包括星级打分制、5分制、10分制或优良差制等评定优劣标准的评分制度。需要说明的是，应用软件可以是移动终端上的APP也可以是电脑上的应用程序等，即应用软件可以安装于包括安卓、10S、塞班、Windows、Unix类操作系统、Linux类操作系统、Mac操作系统等的终端上，而终端则可包括:移动电话、移动电脑、平板电脑、个人数字助理(Personal Digital Assistant, PDA)、媒体播放器、智能电视、智能手表、智能眼镜、智能手环等用户设备，本发明不作具体限定。
[0065]信息提取模块102，用于根据预设评分阈值，从所述至少一个第一应用软件的评分记录中提取高于所述评分阈值的评分所对应的第一应用软件的属性信息；
[0066]具体地，根据信息采集模块101中采集的用户的应用软件的评分记录和相应的应用软件的属性信息并根据预先设置的评分阈值，从采集的应用软件中，提取用户的评分高于预设阈值的应用软件，并提取该软件的属性信息。可以理解的是，预设评分阈值的范围应位于用户对至少一个第一应用软件的评分记录中的评分范围中，例如用户评论过的应用软件的评分的范围在3到4分之间，则可将评分阈值设置在3到4分之间。例如评分阈值设置为3.8分，则将用户评论过的应用软件中的3.8分以上的应用软件作为第一用应用软件提取出来，并提取该应用软件的属性信息。
[0067]软件推荐模块103，用于根据所述高于所述评分阈值的评分所对应的第一应用软件的属性信息，将与所述属性信息相似匹配度高的第二应用软件推荐给所述用户。
[0068]具体地，根据信息提取模块102中获取的应用软件的属性信息，将用户还未进行下载的应用软件中与所述属性信息相似匹配度高的应用软件作为第二应用软件推荐给用户，其范围主要包括用户未下载安装的应用软件。其中属性信息的相似匹配度可以根据属性信息中的各个属性的权重值进行计算。例如，同为某一家软件开发公司设计出品的产品，其品质可以视为类似；而应用软件的类型的相同则可以代表应用软件是同一类型的；描述关键词可以表明软件的侧重点和内容相似；应用软件的平均分表示众多用户对该软件的好评度，则可以代表该应用软件的品质。根据各个属性信息的权重值，可以初步计算得到应用软件之间是否相类似，从而判断用户对该应用软件是否可能有兴趣，进而向用户推荐与超过评分阈值的应用软件属性相类似的应用软件。需要说明的是，在根据应用软件的属性信息计算相似匹配度时，可以根据实际应用场景对各个属性信息的权重值进行调整。例如，当认定软件的类型更能代表软件属性相似的特性时，则将软件的类型的特征的权重值设置的更高；当认定用户对该软件的平均评分不能体现软件的类似性，则可根据实际应用情况，将该属性特征的权重值降低，可以理解的是，可以根据不同的应用场景使用不同的相似匹配度的算法，本发明不作具体限定。
[0069]本发明实施例，通过在应用推荐方法中，通过提取用户的评论并设置好评阈值，根据用户超过阈值的评论相对应的应用软件的属性信息，智能地为用户推荐品质类似的应用软件，提高推荐效率和准确度。
[0070]图4是本发明实施例中的另一种应用推荐装置的结构示意图，用以执行上述图2所示实施例中的另一种应用推荐方法的流程。
[0071]下面将结合附图4，对本发明实施例中的另一种应用推荐装置的结构进行详细介绍。该装置20可包括:信息采集模块201、信息提取模块202和软件推荐模块203。所述软件推荐模块203可包括:阈值设置单元2031、匹配计算单元2032、匹配判断单元2033和软件推荐单元2034。
[0072]信息采集模块201，用于采集用户对至少一个第一应用软件的评分记录和所述至少一个第一应用软件的属性信息；
[0073]其中装置中的信息采集模块201可以执行并完成方法步骤S201中的所有方法和流程，在此不再赘述。
[0074]信息提取模块202，用于根据预设评分阈值，从所述至少一个第一应用软件的评分记录中提取高于所述评分阈值的评分所对应的第一应用软件的属性信息；
[0075]其中装置中的信息提取模块202可以执行并完成方法步骤S202中的所有方法和流程，在此不再赘述。
[0076]软件推荐模块203可包括:阈值设置单元2031、匹配计算单元2032、匹配判断单元2033和软件推荐单元2034。
[0077]阈值设置单元2031，用于设置属性信息相似匹配度的阈值；
[0078]匹配计算单元2032，用于计算应用软件的属性信息与所述高于所述评分阈值的评分所对应的第一应用软件的属性信息之间的相似匹配度值；
[0079]匹配判断单元2033，用于当所述相似匹配度值大于等于所述属性信息相似匹配度的阈值时，则判断出所述应用软件为第二应用软件；
[0080]软件推荐单元2034，用于将所述第二应用软件推荐给所述用户。
[0081]其中装置中的软件推荐模块203包含的2031到2034单元可以执行并完成方法步骤S203到S206中的所有方法和流程，在此不再赘述。
[0082]本发明实施例，通过在应用推荐方法中，通过提取用户的评论并设置好评阈值，根据用户超过阈值的评论相对应的应用软件的属性信息，智能地为用户推荐品质类似的应用软件，提高推荐效率和准确度。
[0083]应当理解的是，本文中虽然使用术语第一、第二等描述应用软件、方法或单元，但是这些方法或单元应该不受这些术语的限制，这些术语仅被用于彼此区分。还应当理解的是，在本文中使用的，除非上下文清楚地支持例外情况，单数形式“一个”(“a”、“an”、和“the”)旨在也包括复数形式。还应该理解的是，在本文中使用的“和/或”是指包括一个或者一个以上相关联地列出的项目的任意和所有可能组合。
[0084]本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的程序可存储于一计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory, ROM)或随机存储记忆体(Random AccessMemory, RAM)等。
[0085]以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。
【主权项】
1.一种应用推荐方法，其特征在于，包括: 采集用户对至少一个第一应用软件的评分记录和所述至少一个第一应用软件的属性信息； 根据预设评分阈值，从所述至少一个第一应用软件的评分记录中提取高于所述评分阈值的评分所对应的第一应用软件的属性信息； 根据所述高于所述评分阈值的评分所对应的第一应用软件的属性信息，将与所述属性信息相似匹配度高的第二应用软件推荐给所述用户。2.如权利要求1所述的方法，其特征在于，所述属性信息包括:应用软件的名称及版本、应用软件开发者、应用软件的类型、应用软件的描述关键词、应用软件的平均评分或应用软件平均下载次数中的至少一个。3.如权利要求1所述的方法，其特征在于，所述预设评分阈值的范围位于所述用户对至少一个第一应用软件的评分记录中的评分范围中。4.如权利要求1-3任意一项所述的方法，其特征在于，所述根据所述高于所述评分阈值的评分所对应的第一应用软件的属性信息，将与所述属性信息相似匹配度高的第二应用软件推荐给所述用户，包括: 设置属性信息相似匹配度的阈值； 计算应用软件的属性信息与所述高于所述评分阈值的评分所对应的第一应用软件的属性信息之间的相似匹配度值； 当所述相似匹配度值大于等于所述属性信息相似匹配度的阈值时，则判断出所述应用软件为第二应用软件； 将所述第二应用软件推荐给所述用户。5.如权利要求4所述的方法，其特征在于，所述第二应用软件包括所述用户未下载安装的应用软件。6.一种应用推荐装置，其特征在于，包括: 信息采集模块，用于采集用户对至少一个第一应用软件的评分记录和所述至少一个第一应用软件的属性信息； 信息提取模块，用于根据预设评分阈值，从所述至少一个第一应用软件的评分记录中提取高于所述评分阈值的评分所对应的第一应用软件的属性信息； 软件推荐模块，用于根据所述高于所述评分阈值的评分所对应的第一应用软件的属性信息，将与所述属性信息相似匹配度高的第二应用软件推荐给所述用户。7.如权利要求6所述的装置，其特征在于，所述属性信息包括:应用软件的名称及版本、应用软件开发者、应用软件的类型、应用软件的描述关键词、应用软件的平均评分或应用软件平均下载次数中的至少一个。8.如权利要求6所述的装置，其特征在于，所述预设评分阈值的范围位于所述用户对至少一个第一应用软件的评分记录中的评分范围中。9.如权利要求6-8任意一项所述的装置，其特征在于，所述软件推荐模块，包括: 阈值设置单元，用于设置属性信息相似匹配度的阈值； 匹配计算单元，用于计算应用软件的属性信息与所述高于所述评分阈值的评分所对应的第一应用软件的属性信息之间的相似匹配度值； 匹配判断单元，用于当所述相似匹配度值大于等于所述属性信息相似匹配度的阈值时，则判断出所述应用软件为第二应用软件； 软件推荐单元，用于将所述第二应用软件推荐给所述用户。10.如权利要求9所述的装置，其特征在于，所述第二应用软件包括所述用户未下载安装的应用软件。
【文档编号】G06F17/30GK105989107SQ201510080383
【公开日】2016年10月5日
【申请日】2015年2月12日
【发明人】刘京强, 周德海
【申请人】广东欧珀移动通信有限公司