专利名称：一种应用自动推荐的方法及装置的制作方法
技术领域：
本申请涉及信息处理技术领域，特別是涉及ー种应用自动推荐的方法和一种应用自动推荐的装置。
背景技术：
互联网是人们获取信息的ー个重要途径，传统互联网的主要特点在于用户寻找自己感兴趣的事物吋，需要通过浏览器进行大量的捜索，同时需要人工地过滤掉大量不相关的結果，操作繁琐，且耗费时间和精力。随着互联网技术的飞速发展，人们对各种网络应用(Application)的需求也越来越广泛，但随着需求的増加，人们在终端客户机中安装的终端应用也越来越多，各种应用在客户端的部署越来越臃肿庞大，这不但造成对终端资源的浪费，而且也不便于管理。即使采用客户端-服务器架构进行部署管理，服务器端在完成客户端的部署后也缺乏对后续使用的管理能力。尽管现在出现了所谓“瘦客户端(Thin Client) ”的概念，瘦客户端将其鼠标、键盘等输入传送到服务器处理，服务器再把处理结果回传至客户端显示。但这种处理模式受制于网络传输速度，以及服务器的处理能力等限制，因此，更多的是应用于企业级的商用局域网中，目前还不适合普通用户的娱乐需求。为使用户获得更好的使用体验，现有技术提出了为用户提供感兴趣的应用自动推荐的方案，即通过获知用户的兴趣所在，主动为其推荐、提供其感兴趣的应用。然而，这种应用推荐的方式，主要都是通过编辑人员手工推荐的，这种编辑人员手工推荐的方式，主要存在以下缺陷1、效率过低，对于应用的推荐覆盖率太低，例如，对于平台上数十万的应用，每天采用人工推荐，也只能推荐几百个。如若想推荐全部应用实际上无法实现，而且覆盖率太低，因为所占比例太低。2、这种推荐完全是基于编辑人员的统一推荐原则进行，对于每个用户都一祥，无法满足用户个性化的需求。因为有些推荐的应用对于某些用户而言是合适的，而对于某些用户却是不喜欢的。因此，目前需要本领域技术人员迫切解决的ー个技术问题就是提出一种应用自动推荐的机制，以满足用户的个性化需求，并提高推荐效率和覆盖率。
发明内容
本申请所要解决的技术问题是提供ー种应用自动推荐的方法，用以满足用户的个性化需求，并提高推荐效率和覆盖率。本申请还提供了一种应用自动推荐的装置，用以保证上述方法在实际中的应用及实现。为了解决上述问题，本申请实施例公开了ー种应用自动推荐的方法，包括
接收用户从客户端提交的应用获取请求，所述应用获取请求中包括用户标识；根据所述用户标识从用户特征库中提取相应用户已有的用户行为信息，所述用户行为信息包括用户针对在先推荐应用的操作信息；根据所述用户行为信息确定向用户推荐的应用类别；在所述应用类别的应用数据集中，根据用户针对在先推荐应用的操作信息提取匹配的应用；按所述应用类别生成对应的应用文件夹，将所述匹配的应用放入对应的应用文件夹中进行推荐。优选的是，所述的方法，还可以包括采集提交所述应用获取请求后的用户行为信息，按用户标识写入用户特征库中。优选的是，所述用户行为信息还包括用户的本地操作行为信息，和/或，用户的网上操作行为信息；所述根据用户行为信息确定向用户推荐的应用类别的步骤可以包括从所述用户的本地操作行为信息和/或网上操作行为信息中，提取分类标签和对应的第一操作频次；将所述分类标签按预设的关联规则转换为对应的应用类别；所述预设的关联规则为分类标签及应用类别的转换规则；从所述用户针对在先推荐应用的操作信息中，提取用户在预设时间段内所操作的应用信息及对应的第二操作频次，所述应用信息中包括应用类别；根据所述第一操作频次和第二操作频次计算各应用类别的权重，按所述应用类别的权重从高到低进行排序；提取预设数量的前η个应用类别为向用户推荐的应用类别；其中，所述η为大于1 的正整数。优选的是，通过以下步骤可以生成某个应用类别的应用数据集获取同一应用类别的应用，所述应用具有分类标签；在所述应用中确定主应用及待推荐应用，井根据各应用的分类标签计算待推荐应用与主应用的相似度；获取所述待推荐应用的质量评分參数；分别提取同一主应用所对应的待推荐应用，按各待推荐应用的相似度和质量评分參数从高到低进行排序，并提取预设数量前m个的待推荐应用；其中，所述m为大于1的正整数；将主应用及所提取的对应待推荐应用組成当前应用类别的应用数据集。优选的是，所述在应用类别的应用数据集中，根据用户针对在先推荐应用的操作信息提取匹配的应用的步骤可以包括根据用户针对在先推荐应用的操作信息，统计主应用及对应的第三操作频次，所述主应用为用户所操作的应用；在对应应用类别的应用数据集中，根据所述主应用提取匹配的待推荐应用，并在所述匹配的待推荐应用中，将所述第三操作频次作为应用提取的权重分别提取一定数量的待推荐应用，总共提取满足第一预设数量的待推荐应用。
优选的是，所述在应用类别的应用数据集中，根据用户针对在先推荐应用的操作信息提取匹配的应用的步骤还可以包括获取主应用对应的应用类别，在同一应用类别内，按所述第三操作频次对所述主应用进行排序，提取预设数量的前k个主应用；其中，所述k为大于1的正整数；将所提取的主应用两两配对，计算所述两两配对的主应用同时出现的总次数，生成频繁2项集；计算每个主应用単独出现的次数，生成频繁1项集；根据所述频繁2项集和频繁1项集计算各主应用的置信度，并按置信度对主应用进行排序；将所提取的满足第一预设数量的待推荐应用，以及，所述按置信度排序的主应用进行匹配，生成最终推荐的匹配应用。本申请实施例同时公开了一种应用自动推荐的装置，包括请求接收模块，用于接收用户从客户端提交的应用获取请求，所述应用获取请求中包括用户标识；在先行为信息提取模块，用于根据所述用户标识从用户特征库中提取相应用户已有的用户行为信息，所述用户行为信息包括用户针对在先推荐应用的操作信息；应用类别确定模块，用于根据所述用户行为信息确定向用户推荐的应用类别；匹配应用获取模块，用于在所述应用类别的应用数据集中，根据用户针对在先推荐应用的操作信息提取匹配的应用；应用推荐模块，用于按所述应用类别生成对应的应用文件夹，将所述匹配的应用放入对应的应用文件夹中进行推荐。优选的是，所述的装置，还包括行为统计模块，用于采集提交所述应用获取请求后的用户行为信息，按用户标识写入用户特征库中。优选的是，所述用户行为信息还包括用户的本地操作行为信息，和/或，用户的网上操作行为信息；所述应用类别确定模块可以包括第一特征提取子模块，用于从所述用户的本地操作行为信息和/或网上操作行为信息中，提取分类标签和对应的第一操作频次；转换子模块，用于将所述分类标签按预设的关联规则转换为对应的应用类别；所述预设的关联规则为分类标签及应用类别的转换规则；第二特征提取子模块，用于从所述用户针对在先推荐应用的操作信息中，提取用户在预设时间段内所操作的应用信息及对应的第二操作频次，所述应用信息中包括应用类別；排序子模块，用于根据所述第一操作频次和第二操作频次计算各应用类别的权重，按所述应用类别的权重从高到低进行排序；类别选定子模块，用于提取预设数量的前η个应用类别为向用户推荐的应用类别；其中，所述η为大于1的正整数。优选的是，所述的装置，还可以包括
应用数据集生成模块，用于生成各个应用类别的应用数据集具体包括同类应用获取子模块，用于获取同一应用类别的应用，所述应用具有分类标签；相似度计算子模块，用于在所述应用中确定主应用及待推荐应用，并根据各应用的分类标签计算待推荐应用与主应用的相似度；质量评分参数获取子模块，用于获取所述待推荐应用的质量评分参数；待推荐应用提取子模块，用于分别提取同一主应用所对应的待推荐应用，按各待推荐应用的相似度和质量评分参数从高到低进行排序，并提取预设数量前m个的待推荐应用；其中，所述m为大于1的正整数；应用数据集形成子模块，用于将主应用及所提取的对应待推荐应用组成当前应用类别的应用数据集。优选的是，所述匹配应用获取模块可以包括主应用统计子模块，用于根据用户针对在先推荐应用的操作信息，统计主应用及对应的第三操作频次，所述主应用为用户所操作的应用；待推荐应用确定子模块，用于在对应应用类别的应用数据集中，根据所述主应用提取匹配的待推荐应用，并在所述匹配的待推荐应用中，将所述第三操作频次作为应用提取的权重分别提取一定数量的待推荐应用，总共提取满足第一预设数量的待推荐应用。优选的是，所述匹配应用获取模块还可以包括主应用选取子模块，用于获取主应用对应的应用类别，在同一应用类别内，按所述第三操作频次对所述主应用进行排序，提取预设数量的前k个主应用；其中，所述k为大于1的正整数；频繁2项集计算子模块，用于将所提取的主应用两两配对，计算所述两两配对的主应用同时出现的总次数，生成频繁2项集；频繁1项集计算子模块，用于计算每个主应用单独出现的次数，生成频繁1项集；置信度计算子模块，用于根据所述频繁2项集和频繁1项集计算各主应用的置信度，并按置信度对主应用进行排序；匹配应用确定子模块，用于将所提取的满足第一预设数量的待推荐应用，以及，所述按置信度排序的主应用进行匹配，生成最终推荐的匹配应用。与现有技术相比，本申请具有以下优点本申请基于已向用户推荐过的应用，分析用户针对所述在先推荐应用的操作信息，结合用户的网上操作行为信息和/或本地操作行为信息，确定用户行为信息所偏好的应用类别，然后在对应应用类别的应用数据集中，根据上述用户针对所述在先推荐应用的操作信息，结合用户的网上操作行为信息和/或本地操作行为信息，提取最符合用户兴趣的应用，将这些应用放入对应应用类别的文件夹中进行推荐，从而在应用和用户之间建立联系，充分满足了用户的个性化需求，并有效提高了应用的推荐效率和覆盖率。再者，本申请以用户界面作为入口，直接在界面上或通过界面上的链接通过应用文件夹图标向用户推荐应用，以便用户更快更容易的获取所需的应用，方便了用户操作；并且，通过图标作为应用入口的方式可以提示用户对该应用的使用，但在用户真正选择使用之前，并不实际安装该应用对应的配置文件，这样，可以在使用前并不过多占用客户端资源。此外，用户界面中的图标可以由网络侧中心服务器集中部署或推送，这就防止了恶意程序在界面中随意添加恶意图标，进一步提高了安全性。
图1是本申请的一种应用自动推荐的方法实施例的步骤流程图；图2是本申请的一种应用自动推荐的装置实施例的结构框图。
具体实施例方式为使本申请的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式
对本申请作进一步详细的说明。本申请实施例的核心构思在于，基于已向用户推荐过的应用，分析用户针对所述在先推荐应用的操作信息，结合用户的网上操作行为信息和/或本地操作行为信息，确定用户行为信息所偏好的应用类别，然后在对应应用类别的应用数据集中，根据上述用户针对所述在先推荐应用的操作信息，结合用户的网上操作行为信息和/或本地操作行为信息，提取最符合用户兴趣的应用，将这些应用放入对应应用类别的文件夹中进行推荐，从而在应用和用户之间建立联系。参照图1，其示出了本申请的一种应用自动推荐的方法实施例的步骤流程图，具体可以包括如下步骤步骤101、接收用户从客户端提交的应用获取请求，所述应用获取请求中包括用户标识；在具体实现中，用户启动客户端可触发应用获取请求，用户也可以手动触发应用获取请求，本申请对此不作限制。步骤102、根据所述用户标识从用户特征库中提取相应用户已有的用户行为信息，所述用户行为信息包括用户针对在先推荐应用的操作信息；所述用户特征库中可以记录如下信息用户标识Mid，用户行为信息的分类标签tag,以及，对应的操作频次weight。在本申请的一种优选实施例中，所述用户的行为信息可以包括用户的本地操作行为信息，和/或，用户的网上操作行为信息，以及，用户针对在先推荐应用的操作信息。所述用户的本地操作行为信息和网上操作行为信息通常会带有分类标签(tag)信息，例如，对于用户在本地操作所打开的视频，带有火影忍者、动漫、连续剧、幻想、冒险、岸本齐史等分类标签信息；或如，对于用户在网上所访问的网址，带有视频、电影、喜剧电影、喜剧之王等分类标签信息。所述应用也具有应用类别和分类标签的信息。所述用户的本地操作行为信息和网上操作行为信息可以由安装在用户设备上的客户端软件进行采集，其中，所述用户设备可以包括计算机、笔记本电脑、手机、PDA、平板电脑等各类智能终端。以下提供几种采集用户的本地操作行为信息，和/或，用户的网上操作行为信息的示例例1，通过浏览器采集用户一段时间内的网上操作行为信息，包括访问的网址及相应的访问次数等；如通过浏览器采集用户15天内的网上操作行为信息为
权利要求
1.ー种应用自动推荐的方法，其特征在干，包括接收用户从客户端提交的应用获取请求，所述应用获取请求中包括用户标识； 根据所述用户标识从用户特征库中提取相应用户已有的用户行为信息，所述用户行为信息包括用户针对在先推荐应用的操作信息；根据所述用户行为信息确定向用户推荐的应用类别；在所述应用类别的应用数据集中，根据用户针对在先推荐应用的操作信息提取匹配的应用；按所述应用类别生成对应的应用文件夹，将所述匹配的应用放入对应的应用文件夹中进行推荐。
2.如权利要求1所述的方法，其特征在于，还包括采集提交所述应用获取请求后的用户行为信息，按用户标识写入用户特征库中。
3.如权利要求1所述的方法，其特征在干，所述用户行为信息还包括用户的本地操作行为信息，和/或，用户的网上操作行为信息；所述根据用户行为信息确定向用户推荐的应用类别的步骤包括 从所述用户的本地操作行为信息和/或网上操作行为信息中，提取分类标签和对应的第一操作频次；将所述分类标签按预设的关联规则转换为对应的应用类别；所述预设的关联规则为分类标签及应用类别的转换规则；从所述用户针对在先推荐应用的操作信息中，提取用户在预设时间段内所操作的应用信息及对应的第二操作频次，所述应用信息中包括应用类别；根据所述第一操作频次和第二操作频次计算各应用类别的权重，按所述应用类别的权重从高到低进行排序；提取预设数量的前η个应用类别为向用户推荐的应用类别；其中，所述η为大于1的正整数。
4.如权利要求3所述的方法，其特征在干，通过以下步骤生成某个应用类别的应用数据集获取同一应用类别的应用，所述应用具有分类标签；在所述应用中确定主应用及待推荐应用，井根据各应用的分类标签计算待推荐应用与主应用的相似度；获取所述待推荐应用的质量评分參数；分别提取同一主应用所对应的待推荐应用，按各待推荐应用的相似度和质量评分參数从高到低进行排序，并提取预设数量前m个的待推荐应用；其中，所述m为大于1的正整数； 将主应用及所提取的对应待推荐应用組成当前应用类别的应用数据集。
5.如权利要求4所述的方法，其特征在干，所述在应用类别的应用数据集中，根据用户针对在先推荐应用的操作信息提取匹配的应用的步骤包括根据用户针对在先推荐应用的操作信息，统计主应用及对应的第三操作频次，所述主应用为用户所操作的应用；在对应应用类别的应用数据集中，根据所述主应用提取匹配的待推荐应用，并在所述匹配的待推荐应用中，将所述第三操作频次作为应用提取的权重分别提取一定数量的待推荐应用，总共提取满足第一预设数量的待推荐应用。
6.如权利要求5所述的方法，其特征在干，所述在应用类别的应用数据集中，根据用户针对在先推荐应用的操作信息提取匹配的应用的步骤还包括获取主应用对应的应用类别，在同一应用类别内，按所述第三操作频次对所述主应用进行排序，提取预设数量的前k个主应用；其中，所述k为大于1的正整数；将所提取的主应用两两配对，计算所述两两配对的主应用同时出现的总次数，生成频繁2项集；计算每个主应用単独出现的次数，生成频繁1项集；根据所述频繁2项集和频繁1项集计算各主应用的置信度，并按置信度对主应用进行排序；将所提取的满足第一预设数量的待推荐应用，以及，所述按置信度排序的主应用进行匹配，生成最终推荐的匹配应用。
7.ー种应用自动推荐的装置，其特征在干，包括请求接收模块，用于接收用户从客户端提交的应用获取请求，所述应用获取请求中包括用户标识；在先行为信息提取模块，用于根据所述用户标识从用户特征库中提取相应用户已有的用户行为信息，所述用户行为信息包括用户针对在先推荐应用的操作信息；应用类别确定模块，用于根据所述用户行为信息确定向用户推荐的应用类别； 匹配应用获取模块，用于在所述应用类别的应用数据集中，根据用户针对在先推荐应用的操作信息提取匹配的应用；应用推荐模块，用于按所述应用类别生成对应的应用文件夹，将所述匹配的应用放入对应的应用文件夹中进行推荐。
8.如权利要求7所述的装置，其特征在于，还包括行为统计模块，用于采集提交所述应用获取请求后的用户行为信息，按用户标识写入用户特征库中。
9.如权利要求7所述的装置，其特征在干，所述用户行为信息还包括用户的本地操作行为信息，和/或，用户的网上操作行为信息；所述应用类别确定模块包括第一特征提取子模块，用于从所述用户的本地操作行为信息和/或网上操作行为信息中，提取分类标签和对应的第一操作频次；转换子模块，用于将所述分类标签按预设的关联规则转换为对应的应用类别；所述预设的关联规则为分类标签及应用类别的转换规则；第二特征提取子模块，用于从所述用户针对在先推荐应用的操作信息中，提取用户在预设时间段内所操作的应用信息及对应的第二操作频次，所述应用信息中包括应用类别；排序子模块，用于根据所述第一操作频次和第二操作频次计算各应用类别的权重，按所述应用类别的权重从高到低进行排序；类别选定子模块，用于提取预设数量的前η个应用类别为向用户推荐的应用类别；其中，所述η为大于1的正整数。
10.如权利要求9所述的装置，其特征在于，还包括应用数据集生成模块，用于生成各个应用类别的应用数据集具体包括 同类应用获取子模块，用于获取同一应用类别的应用，所述应用具有分类标签； 相似度计算子模块，用于在所述应用中确定主应用及待推荐应用，井根据各应用的分类标签计算待推荐应用与主应用的相似度；质量评分參数获取子模块，用于获取所述待推荐应用的质量评分參数； 待推荐应用提取子模块，用于分别提取同一主应用所对应的待推荐应用，按各待推荐应用的相似度和质量评分參数从高到低进行排序，并提取预设数量前m个的待推荐应用； 其中，所述m为大于1的正整数；应用数据集形成子模块，用于将主应用及所提取的对应待推荐应用組成当前应用类别的应用数据集。
11.如权利要求10所述的装置，其特征在干，所述匹配应用获取模块包括主应用统计子模块，用于根据用户针对在先推荐应用的操作信息，统计主应用及对应的第三操作频次，所述主应用为用户所操作的应用；待推荐应用确定子模块，用于在对应应用类别的应用数据集中，根据所述主应用提取匹配的待推荐应用，并在所述匹配的待推荐应用中，将所述第三操作频次作为应用提取的权重分别提取一定数量的待推荐应用，总共提取满足第一预设数量的待推荐应用。
12.如权利要求11所述的装置，其特征在干，所述匹配应用获取模块还包括主应用选取子模块，用于获取主应用对应的应用类别，在同一应用类别内，按所述第三操作频次对所述主应用进行排序，提取预设数量的前k个主应用；其中，所述k为大于1的正整数；频繁2项集计算子模块，用于将所提取的主应用两两配对，计算所述两两配对的主应用同时出现的总次数，生成频繁2项集；频繁1项集计算子模块，用于计算每个主应用单独出现的次数，生成频繁1项集； 置信度计算子模块，用于根据所述频繁2项集和频繁1项集计算各主应用的置信度，并按置信度对主应用进行排序；匹配应用确定子模块，用于将所提取的满足第一预设数量的待推荐应用，以及，所述按置信度排序的主应用进行匹配，生成最终推荐的匹配应用。
全文摘要
本申请提供了一种应用自动推荐的方法和装置，其中，所述方法包括接收用户从客户端提交的应用获取请求，所述应用获取请求中包括用户标识；根据所述用户标识从用户特征库中提取相应用户已有的用户行为信息，所述用户行为信息包括用户针对在先推荐应用的操作信息；根据所述用户行为信息确定向用户推荐的应用类别；在所述应用类别的应用数据集中，根据用户针对在先推荐应用的操作信息提取匹配的应用；按所述应用类别生成对应的应用文件夹，将所述匹配的应用放入对应的应用文件夹中进行推荐。本申请能够满足用户的个性化需求，并提高推荐效率和覆盖率。
文档编号G06F17/30GK102567511SQ201110444798
公开日2012年7月11日 申请日期2011年12月27日 优先权日2011年12月27日
发明者叶松, 常富洋, 秦吉胜 申请人:奇智软件(北京)有限公司