一种基于目标应用推荐相关联应用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目标应用推荐相关联应用的方法和装置。

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。一种常见的推荐展示方式是根据用户当前点击的应用推荐相关联应用，例如图1A所示的“大家还下载”、图1B所示的“下载了***的人还会下载”。这类场景的推荐逻辑是根据当前应用给用户推荐一批相关联的应用。传统的推荐方法是采用标签协同过滤方法，即：首先限定推荐的应用在与目标应用有相同标签，然后通过用户的下载、浏览、已安装等行为数据建立各应用的用户行为空间向量，最后根据余弦系数(或杰卡德系数、皮尔森系数等)计算推荐应用与目标应用的相似度值，取相似度排名最前面的一批应用作为推荐候选应用。

但上述的推荐方法在应用关联应用推荐场景中存在不足在于：其主要思想是下载了目标应用的人还会下载哪些应用，考虑的重点是从用户的行为出发去发现哪些应用相关性更高，但缺乏对应用质量本身的考虑，这样推荐的应用可能是“金玉其外，败絮其中”，其原因是：有些质量不好的应用在包装上做得很好，很多用户因此被它吸引而产生点击行为，这会造成现有推荐方法认为这个应用很受用户欢迎而把它推荐出来，而实质上这些应用的体验感很差。简而言之，上述的现有推荐方法的缺点在于容易把体验感很差的应用推荐给用户，造成用户对其安装的应用商店或应用市场的体验感变差。

技术实现要素：

本发明的目的在于一种基于目标应用推荐相关联应用的方法和装置，以改善上述问题。

本发明实施例提供了一种基于目标应用推荐相关联应用的方法，其包括：

根据标签来搜索与目标应用相关联的应用；

选择适当的1个或多个参数来确定所搜索的相关联应用对于所述目标应用的匹配度；

基于所述匹配度大小对所搜索的相关联应用降序排列并且顺序向用户推荐。

优选的，在根据标签来搜索与目标应用相关联的应用的步骤中，搜索出具有与目标应用的标签相同标签的应用。

本发明实施例还提供了一种基于目标应用推荐相关联应用的装置，其包括：

搜索单元，用于根据标签来搜索与目标应用相关联的应用；

匹配度确定单元，用于选择适当的1个或多个参数来确定所搜索的相关联应用对于所述目标应用的匹配度；

推荐单元，用于基于所述匹配度大小对所搜索的相关联应用降序排列并且顺序向用户推荐。

优选的，所述搜索单元用于搜索出具有与目标应用的标签相同标签的应用。

其中，所述1个或多个参数包括：所述相关联应用相对于目标应用的热度、评分质量、点击率和转化率之一、或任意2个参数组合、或任意3个参数组合、或该4个参数组合、或者其他参数。

其中，1)所述相关联应用相对于目标应用的热度计算如下：

其中hot(j)表示相关联应用j相对于目标应用的热度；

m表示检索出来的相关联应用的数量；

n表示已安装目标应用的用户的数量；

install(i,j)表示已安装目标应用的用户i是否安装了关联应用j，取值0或1，0表示未安装关联应用j，1表示安装了关联应用j；

2)所述相关联应用相对于目标应用的评分质量计算如下：

其中evl(j)表示相关联应用j相对于目标应用的评分质量；

m表示检索出来的相关联应用的数量；

n表示已安装目标应用的用户的数量；

evaluate(i,j)表示已安装目标应用的用户i对关联应用j的评价分数，其取值为-1或[0,5]之间的整数，当取值为-1时表示用户没有给出评价分数。

函数if()在变量evaluate(i,j)＝-1时为0，否则if()为1；

函数if′()在变量evaluate(i,j)＝-1时为0，否则if′()为evaluate(i,j)；

3)所述相关联应用相对于目标应用的点击率计算如下：

其中ctr(j)表示相关联应用j相对于目标应用的点击率；

m表示检索出来的相关联应用的数量；

n表示已安装目标应用的用户的数量；

click(i,j)表示已安装目标应用的用户i是否对向其展示的关联应用j产生点击行为，click(i,j)取值为-1、0、1，其中-1表示没有向用户i展示过关联应用j，0表示向用户i展示了关联应用j但用户i没有点击该关联应用j，1表示向用户i展示关联应用j且用户i点击了该关联应用j；

函数if()在变量click(i,j)＝-1时为0，否则if()为1；

函数if′()在变量click(i,j)＝-1时为0，否则if′()为click(i,j)；

4)所述相关联应用相对于目标应用的转化率计算如下：

其中dtr(j)表示相关联应用j相对于目标应用的转化率；

m表示检索出来的相关联应用的数量；

n表示已安装目标应用的用户的数量；

down(i,j)表示已安装目标应用的用户i是否对向其展示的关联应用j产生下载行为，down(i,j)取值为-1、0、1，其中-1表示没有向用户i展示过关联应用j，0表示向用户i展示了关联应用j但用户i没有下载该关联应用j，1表示向用户i展示关联应用j且用户i下载了该关联应用j；

函数if()在变量down(i,j)＝-1时为0，否则if()为1；

函数if′()在变量down(i,j)＝-1时为0，否则if′()为down(i,j)。

其中，确定所搜索的相关联应用对于所述目标应用的匹配度的方法如下：

其中：fit(j)表示相关联应用j相对于目标应用的匹配度；

avg(hot(j))表示检索出来的所有相关联应用的热度的平均值；

avg(evl(j))表示检索出来的所有相关联应用的评分质量的平均值；

avg(ctr(j))表示检索出来的所有相关联应用的点击率的平均值；

avg(dtr(j))表示检索出来的所有相关联应用的转化率的平均值；

α、β、γ和θ是用来调节每个因素的权重，其中α+β+γ+θ＝1，且α、β、γ和θ∈[0,1]，通过取α、β、γ和θ不同值来确定通过那些参数指标来计算所搜索的相关联应用对于所述目标应用的匹配度。

根据本发明的基于目标应用推荐相关联应用的方法和装置，首先通过标签检索出与目标应用相关联的应用，其关联方式是检索出来的应用与目标应用具有相同的标签，然后综合考虑检索出来的关联应用相对于目标应用的热度、点击率、转化率、评分质量或其他参数等因素，用以衡量关联应用与目标应用的匹配度，最后根据匹配度的大小优先推荐匹配度大的关联应用。以这种方案推荐出来的应用，既考虑了相似度因素，又考虑了推荐应用的质量，改善了现有技术容易把体验感很差的应用推荐给用户的不足，提高了用户体验。

附图说明

图1A和1B是根据现有技术的推荐方法展示推荐相关联应用的示意性截图；

图2是本发明的基于目标应用推荐相关联应用的方法的示意性流程图；

图3是示例性的示出应用市场上显示的具有2个标签的应用的截图。

图4是本发明的基于目标应用推荐相关联应用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。

下面通过实施例详细描述本发明所提供的基于目标应用推荐相关联应用的方法和装置。

图2是一种基于目标应用推荐相关联应用的方法的示意性流程图。如图2所示，本发明的基于目标应用推荐相关联应用的方法包括以下步骤：

S1：根据标签来搜索与目标应用相关联的应用。

通常，应用商店或者应用市场里提供的各种应用程序(简称应用)都具有标签，标签的作用是标识各种应用程序的分类或内容，便于用户查找。目前，在应用市场或应用商店中每一个应用都会包含至少1个应用标签，如图3所示，图3示出了娱乐应用“天天欢乐斗地主”包含2个标签，1个标签显示其标识该应用的内容是“斗地主”，另1个标签显示其标识该应用的分类是“纸牌”。

因此在本步骤中，在根据标签来搜索与目标应用相关联的应用的实现方法里可以搜索出具有与目标应用的标签相同标签的应用作为相关联应用，所谓目标应用就是指用户当前点击的应用。以图3所示为例，既可以搜索出标签内容为“斗地主”的所有应用，也可以是搜索出标签内容为“纸牌”的所有应用，而依据本发明检索出来的相关联应用包括包含任意相同标签的应用，即检索出来的相关联应用包括具有标签内容为“斗地主”的所有应用，和标签内容为“纸牌”的所有应用这两部分。

首先检索出与目标应用有相同标签的应用，从而先将推荐应用限定为同类别的相关联应用，可以使推荐应用与目标应用具有一定的相似度，还可以减少后面的运算量。

S2：选择适当的1个或多个参数来确定所搜索的相关联应用对于所述目标应用的匹配度。

正如在上面阐述的，仅仅以相似度的方式推荐应用，容易把体验感很差的应用推荐出来。这就需要考虑上一步检索出来的相关联应用的质量。可以通过一些参数指标来计算所搜索的相关联应用对于所述目标应用的匹配度，根据匹配度的值来衡量相关联应用的质量。

这里所述适当的1个或多个参数包括：所述相关联应用相对于目标应用的热度、评分质量、点击率和转化率之一、或其中的任意2个参数组合、或任意3个参数组合、或该4个参数组合、或者其他参数。

具体而言，当选择1个参数时，该参数可以是所述相关联应用相对于目标应用的热度、评分质量、点击率或者转化率，或者其他参数。

其中，所述热度就是安装了目标应用的用户安装某一个相关联应用的概率；

所述评分质量就是安装了目标应用的用户对某一个相关联应用的平均评价分数；

所述点击率就是安装了目标应用的用户点击某一个相关联应用的次数与其被显示次数之比；

所述转化率就是安装了目标应用的用户下载某一个相关应用的次数与其被显示次数之比。

1)所述相关联应用相对于目标应用的热度计算如下：

其中hot(j)表示相关联应用j相对于目标应用的热度；

m表示检索出来的相关联应用的数量；

n表示已安装目标应用的用户的数量；

install(i,j)表示已安装目标应用的用户i是否安装了关联应用j，取值0或1，0表示未安装关联应用j，1表示安装了关联应用j。

由该公式可以得出的热度就是安装了目标应用的用户安装某一个相关联应用j的概率。

在下面计算评分质量、点击率和转化率时会使用函数if()和if′()，其中

该函数if()的运算如下：

该函数if′()的运算如下：

2)所述相关联应用相对于目标应用的评分质量计算如下：

其中evl(j)表示相关联应用j相对于目标应用的评分质量；

m表示检索出来的相关联应用的数量；

n表示已安装目标应用的用户的数量；

evaluate(i,j)表示已安装目标应用的用户i对关联应用j的评价分数，其取值为-1或[0,5]之间的整数，当取值为-1时表示用户没有给出评价分数。

函数if(evaluate(i,j))在evaluate(i,j)＝-1时为0，否则if(evaluate(i,j))为1；

函数if′(evaluate(i,j))在evaluate(i,j)＝-1时为0，否则if′(evaluate(i,j))为evaluate(i,j)。

由该公式可以得出的评分质量就是安装了目标应用的用户对某一个相关联应用j的平均评价分数，即在安装了目标应用的所有用户中，不考虑没有对某一相关联应用j进行评价分数的用户数据，所得出的其余用户对某一个相关联应用j的平均评价分数。

3)所述相关联应用相对于目标应用的点击率计算如下：

其中ctr(j)表示相关联应用j相对于目标应用的点击率；

m表示检索出来的相关联应用的数量；

n表示已安装目标应用的用户的数量；

click(i,j)表示已安装目标应用的用户i是否对向其展示的关联应用j产生点击行为，click(i,j)取值为-1、0、1，其中-1表示没有向用户i展示过关联应用j，0表示向用户i展示了关联应用j但用户i没有点击该关联应用j，1表示向用户i展示关联应用j且用户i点击了该关联应用j；

函数if(click(i,j))在click(i,j)＝-1时为0，否则if(click(i,j))为1；

函数of′(click(i,j))在click(i,j)＝-1时为0，否则if′(click(i,j))为click(i,j)。

由该公式可以得出的点击率就是安装了目标应用的用户点击某一个相关联应用的次数与其被显示次数之比，即在安装了目标应用的所有用户中，不考虑没有向用户i展示过关联应用j的用户数据，所得出的对某一个相关联应用j的点击率。

4)所述相关联应用相对于目标应用的转化率计算如下：

其中dtr(j)表示相关联应用j相对于目标应用的转化率；

m表示检索出来的相关联应用的数量；

n表示已安装目标应用的用户的数量；

down(i,j)表示已安装目标应用的用户i是否对向其展示的关联应用j产生下载行为，down(i,j)取值为-1、0、1，其中-1表示没有向用户i展示过关联应用j，0表示向用户i展示了关联应用j但用户i没有下载该关联应用j，1表示向用户i展示关联应用j且用户i下载了该关联应用j；

函数if(down(i,j))在down(i,j)＝-1时为0，否则if(down(i,j))为1；

函数if′(down(i,j))在down(i,j)＝-1时为0，否则if′(down(i,j))为down(i,j)。

由该公式可以得出的转化率就是安装了目标应用的用户下载某一个相关应用的次数与其被显示次数之比，即在安装了目标应用的所有用户中，不考虑没有向用户i展示过关联应用j的用户数据，所得出的对某一个相关联应用j的转化率。

这样，选择适当的1个或多个参数来确定所搜索的相关联应用对于所述目标应用的匹配度的方法如下：

其中：fit(j)表示相关联应用j相对于目标应用的匹配度；

avg(hot(j))表示检索出来的所有相关联应用的热度的平均值；

avg(evl(j))表示检索出来的所有相关联应用的评分质量的平均值；

avg(ctr(j))表示检索出来的所有相关联应用的点击率的平均值；

avg(dtr(j))表示检索出来的所有相关联应用的转化率的平均值；

将每个因素(热度、评分质量、点击率和转化率)的值除以该因素的平均值的目的是对该因素值做标准化处理。

α、β、γ和θ是用来调节每个因素的权重，其中α+β+γ+θ＝1，且α、β、γ和θ∈[0,1]，可以通过取α、β、γ和θ不同值来确定通过那些参数指标来计算所搜索的相关联应用对于所述目标应用的匹配度。例如，当α＝1、β＝0、γ＝0和θ＝0时，则通过热度指标来计算匹配度，当α＝0、β＝1、γ＝0和θ＝0时，则通过评分质量指标来计算匹配度，以此类推，当α＝0、β＝0、γ＝0.5和θ＝0.5(γ和θ也可以取非0的其它值，且满足γ+θ＝1即可)时，则通过点击率和转化率指标来计算匹配度，也可以让α＝0.5、β＝0.5、γ＝0和θ＝0(α和β也可以取非0的其它值，且满足α+β＝1即可)或者α＝0、β＝0.5、γ＝0.5和θ＝0(β和γ也可以取非0的其它值，且满足β+γ＝1即可)，还可以选取其他组合；再如，可以让α＝0.5、β＝0.3、γ＝0.2和θ＝0(α、β和γ也可以取非0的其它值，且满足α+β+γ＝1即可)，此时通过热度、评分质量和点击率指标来计算匹配度，也可以宣州区其他组合；如果将这4种因素同时考虑，则α+β+γ+θ＝1，α、β、γ和θ∈(0,1]，即α、β、γ和θ均不为0；如果这4种因素是同等重要，可以取α＝β＝γ＝θ＝0.25。由这些例子也可以得出，可以选择所述相关联应用相对于目标应用的热度、评分质量、点击率和转化率之一、或其中的任意2个参数组合、或任意3个参数组合、或该4个参数组合，来确定所搜索的相关联应用对于所述目标应用的匹配度。

S3：基于所述匹配度大小对所搜索的相关联应用降序排列并且顺序向用户推荐。

对所搜索的与目标应用相关联的应用根据匹配度值从大到小做降序排列，然后把结果作为目标应用的关联推荐应用列表，在页面中按列表顺序依次展示。

根据本发明的基于目标应用推荐相关联应用的方法，首先通过标签检索出与目标应用相关联的应用，其关联方式是检索出来的应用与目标应用具有相同的标签，然后综合考虑检索出来的关联应用相对于目标应用的热度、点击率、转化率、评分质量或其他参数等因素，其中使用热度因素是从用户的角度考虑相似性，使用点击率因素是考虑应用对用户的吸引力，使用转化率和评分质量是考虑应用的质量，从而衡量关联应用与目标应用的匹配度，最后根据匹配度的大小优先推荐匹配度大的关联应用。以这种方案推荐出来的应用，既考虑了相似度因素，又考虑了推荐应用的质量，改善了现有技术容易把体验感很差的应用推荐给用户的不足，提高了用户体验。

图4是本发明的基于目标应用推荐相关联应用的装置的示意性框图。如图4所示，本发明的基于目标应用推荐相关联应用的装置包括：

搜索单元，用于根据标签来搜索与目标应用相关联的应用；

匹配度确定单元，用于选择适当的1个或多个参数来确定所搜索的相关联应用对于所述目标应用的匹配度；

推荐单元，用于基于所述匹配度大小对所搜索的相关联应用降序排列并且顺序向用户推荐。

其中，搜索单元根据标签来搜索与目标应用相关联的应用的具体实现过程可以参见上述对应的方法步骤，即所述搜索单元优选搜索出具有与目标应用的标签相同标签的应用。

匹配度确定单元选择适当的1个或多个参数来确定所搜索的相关联应用对于所述目标应用的匹配度的具体实现过程也可以参见上述对应的方法步骤。这里再简述一下。

这里所述适当的1个或多个参数包括：所述相关联应用相对于目标应用的热度、评分质量、点击率和转化率之一、或其中的任意2个参数组合、或任意3个参数组合、或该4个参数组合、或者其他参数。

其中，所述热度就是安装了目标应用的用户安装某一个相关联应用的概率；

所述评分质量就是安装了目标应用的用户对某一个相关联应用的平均评价分数；

所述点击率就是安装了目标应用的用户点击某一个相关联应用的次数与其被显示次数之比；

所述转化率就是安装了目标应用的用户下载某一个相关应用的次数与其被显示次数之比。

所述的热度、评分质量、点击率和转化率的计算方法参见上面介绍的详细过程。这里不再赘述。

匹配度的计算方法也与上面介绍的相同，即

其中：fit(j)表示相关联应用j相对于目标应用的匹配度；

avg(hot(j))表示检索出来的所有相关联应用的热度的平均值；

avg(evl(j))表示检索出来的所有相关联应用的评分质量的平均值；

avg(ctr(j))表示检索出来的所有相关联应用的点击率的平均值；

avg(dtr(j))表示检索出来的所有相关联应用的转化率的平均值；

α、β、γ和θ是用来调节每个因素的权重，其中α+β+γ+θ＝1，且α、β、γ和θ∈[0,1]，可以通过取α、β、γ和θ不同值来确定通过那些参数指标来计算所搜索的相关联应用对于所述目标应用的匹配度。

将每个因素(热度、评分质量、点击率和转化率)的值除以该因素的平均值的目的是对该因素值做标准化处理。

推荐单元基于所述匹配度大小对所搜索的相关联应用降序排列并且顺序向用户推荐。

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，在此不再重复描述。

根据本发明的基于目标应用推荐相关联应用的装置，首先通过标签检索出与目标应用相关联的应用，其关联方式是检索出来的应用与目标应用具有相同的标签，然后综合考虑检索出来的关联应用相对于目标应用的热度、点击率、转化率、评分质量或其他参数等因素，其中使用热度因素是从用户的角度考虑相似性，使用点击率因素是考虑应用对用户的吸引力，使用转化率和评分质量是考虑应用的质量，从而衡量关联应用与目标应用的匹配度，最后根据匹配度的大小优先推荐匹配度大的关联应用。以这种方案推荐出来的应用，既考虑了相似度因素，又考虑了推荐应用的质量，改善了现有技术容易把体验感很差的应用推荐给用户的不足，提高了用户体验。

本发明实施例所提供的基于目标应用推荐相关联应用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。