一种应用推荐方法及装置的制造方法
【技术领域】
[0001] 本发明涉及互联网技术领域，尤其涉及一种应用推荐方法及装置。
【背景技术】
[0002] 随着互联网技术的发展，网络游戏成为越来越多互联网用户关注的一项网络服 务。现有的游戏平台一般都是按照游戏类型（如棋牌类游戏、竞技类游戏等）等显示方式列 举游戏服务商提供的游戏，这种统一推荐的方式存在如下缺点：推荐的内容千篇一律，不能 真实触摸和预测用户的游戏喜好，所采用的推荐算法不具有机器学习能力，推荐精度不高。
【发明内容】
[0003] 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，根据用 户对各种应用的兴趣度计算任意两款应用的兴趣相似度，从而向用户推荐兴趣相似度最大 的几款应用。
[0004] 第一方面，本发明实施例提供了一种应用推荐方法，包括：
[0005] 记录用户所使用的各个应用的用户行为数据；
[0006] 根据所述用户行为数据计算用户对所述各个应用的兴趣度；
[0007] 根据用户对所述各个应用的兴趣度分别计算所述各个应用与目标应用的兴趣相 似度；
[0008] 根据所述各个应用与所述目标应用各自的兴趣相似度输出所述目标应用的应用 推荐信息。
[0009] 结合第一方面，在第一方面的第一种可能的实现方式中，所述根据所述用户行为 数据计算用户对所述各个应用的兴趣度，包括：
[0010] 根据所述用户行为数据计算所述各个应用的应用特征值，所述应用特征值包括平 均应用评分、平均应用在线时间和平均应用消费金额中的一种或几种组合；
[0011] 根据所述用户行为数据以及所述各个应用的应用特征值计算用户对所述各个应 用的归一化应用特征值；
[0012] 根据用户对所述各个应用的归一化应用特征值计算用户对所述各个应用的兴趣 度。
[0013] 结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式 中，所述归一化应用特征值的计算公式为：
[0015] 其中，所述各个应用包括第一应用，g' a为用户a对所述第一应用的归一化应用 特征值，ga为用户a对应所述第一应用的第一应用特征值，g_为与所述第一应用属于同类 型的所有应用中所述第一应用特征值最大的那款应用的应用特征值，gminS与所述第一应 用属于同类型的所有应用中所述第一应用特征值最小的那款应用的应用特征值；
[0016] 所述兴趣度的计算公式为：
[0017] %= (a *g' ai+0 *g' a2+". + y *g' m);
[0018] 其中，ea为用户a对所述第一应用的兴趣度，g'al为用户a的第一个归一化应用 特征值，g'a2为用户a的第二个归一化应用特征值，g'an为用户a的第N个归一化应用 特征值，a为第一权重因子，0为第二权重因子，y为第三权重因子，a、0和y为非负 数，且a、0和y的和为1，N为预设的正整数。
[0019] 结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式 中，所述各个应用包括第一应用，所述根据用户对所述各个应用的兴趣度分别计算所述各 个应用与目标应用的兴趣相似度，包括：
[0020] 从所述用户行为数据中选取所述第一应用与所述目标应用共同对应的M个用户 的用户行为数据，根据用户对所述各个应用的兴趣度及预设兴趣相似度算法对所述第一应 用与所述目标应用的兴趣相似度进行计算，M为预设的正整数；
[0021] 所述预设兴趣相似度算法的计算公式为：
[0022]
，其中，f为列向量
r为列向量
[0023] 其中，en为第一个用户对所述第一应用的兴趣度，ei2为第二个用户对所述第一应 用的兴趣度，eim为第M个用户对所述第一应用的兴趣度，ep为第一个用户对所述目标应用 的兴趣度，为第二个用户对所述目标应用的兴趣度，e>为第M个用户对所述目标应用的 兴趣度。
[0024] 结合第一方面，在第一方面的第四种可能的实现方式中，所述根据所述各个应用 与所述目标应用各自的兴趣相似度输出所述目标应用的应用推荐信息，包括：
[0025] 当用户下载所述目标应用或者用户安装所述目标应用或者用户参与所述目标应 用时，从所述各个应用中选取与所述目标应用的兴趣相似度最大的预设个数的应用进行推 荐。
[0026] 第二方面，本发明实施例提供了一种应用推荐装置，包括：
[0027] 记录模块，用于记录用户所使用的各个应用的用户行为数据；
[0028] 第一计算模块，用于根据所述用户行为数据计算用户对所述各个应用的兴趣度；
[0029] 第二计算模块，用于根据用户对所述各个应用的兴趣度分别计算所述各个应用与 目标应用的兴趣相似度；
[0030] 输出模块，用于根据所述各个应用与所述目标应用各自的兴趣相似度输出所述目 标应用的应用推荐信息。
[0031] 结合第二方面，在第二方面的第一种可能的实现方式中，所述第一计算模块包 括：
[0032] 第一计算单元，用于根据所述用户行为数据计算所述各个应用的应用特征值，所 述应用特征值包括平均应用评分、平均应用在线时间和平均应用消费金额中的一种或几种 组合；
[0033] 第二计算单元，用于根据所述用户行为数据以及所述各个应用的应用特征值计算 用户对所述各个应用的归一化应用特征值；
[0034] 第三计算单元，用于根据用户对所述各个应用的归一化应用特征值计算用户对所 述各个应用的兴趣度。
[0035] 结合第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式 中，所述归一化应用特征值的计算公式为：
[0037] 其中，所述各个应用包括第一应用，g'a为用户a对所述第一应用的归一化应用 特征值，ga为用户a对应所述第一应用的第一应用特征值，g_为与所述第一应用属于同类 型的所有应用中所述第一应用特征值最大的那款应用的应用特征值，gminS与所述第一应 用属于同类型的所有应用中所述第一应用特征值最小的那款应用的应用特征值；
[0038] 所述兴趣度的计算公式为：
[0039] ea=(a*g,al+e*gra2+-** + r*g， J;
[0040] 其中，ea为用户a对所述第一应用的兴趣度，g'al为用户a的第一个归一化应用 特征值，g'a2为用户a的第二个归一化应用特征值，g'an为用户a的第N个归一化应用 特征值，a为第一权重因子，0为第二权重因子，y为第三权重因子，a、0和y为非负 数，且a、0和y的和为1，N为预设的正整数。
[0041] 结合第二方面的第二种可能的实现方式，在第二方面的第三种可能的实现方式 中，所述各个应用包括第一应用，所述第二计算模块包括：
[0042] 第四计算单元，用于从所述用户行为数据中选取所述第一应用与所述目标应用共 同对应的M个用户的用户行为数据，根据用户对所述各个应用的兴趣度及预设兴趣相似度 算法对所述第一应用与所述目标应用的兴趣相似度进行计算，M为预设的正整数；
[0043] 所述预设兴趣相似度算法的计算公式为：
[0044]
，其中，t为列向量'
r为列向量
[0045] 其中，en为第一个用户对所述第一应用的兴趣度，ei2为第二个用户对所述第一应 用的兴趣度，eim为第M个用户对所述第一应用的兴趣度，ep为第一个用户对所述目标应用 的兴趣度，为第二个用户对所述目标应用的兴趣度，e>为第M个用户对所述目标应用的 兴趣度。
[0046] 结合第二方面，在第二方面的第四种可能的实现方式中，所述输出模块具体用 于：
[0047] 当用户下载所述目标应用或者用户安装所述目标应用或者用户参与所述目标应 用时，从所述各个应用中选取与所述目标应用的兴趣相似度最大的预设个数的应用进行