应用推荐方法及装置与流程

本申请涉及数据处理技术领域，具体而言，涉及一种应用推荐方法、装置、终端设备及计算机可读存储介质。

背景技术：

目前，适用于终端设备(例如智能手机、平板电脑或个人计算机等)的应用越来越多，为使得用户感兴趣的应用能够准确地触达用户，同时扩大应用的用户面，有必要将应用推荐给更多的用户。

在现有实现中，为了降低应用推荐对用户造成的干扰，一般是通过用户向其好友发起待推荐应用的体验邀请，从而根据用户与其好友之间的互相传播实现对待推荐应用的推广，但是用户的好友数量往往很多，能否将待推荐应用准确地推荐给接受其体验邀请的可能性较大的好友，决定了待推荐应用的推荐效率的高低。

技术实现要素：

为了将待推荐应用准确地推荐给对其接受程度较高的用户，本申请的实施例提供了一种应用推荐方法、装置、终端设备以及计算机可读存储介质，用以提升待推荐应用的推荐效率。

其中，本申请所采用的技术方案为：

一种应用推荐方法，包括：获取目标用户与其关联用户之间的亲密度；根据所述关联用户的特征数据，确定所述关联用户对于所述待推荐应用的兴趣度；根据所述目标用户与所述关联用户之间的亲密度，以及所述关联用户对于所述待推荐应用的兴趣度，确定所述待推荐应用针对所述关联用户的推荐指数；基于所述待推荐应用针对所述关联用户的推荐指数，向所述关联用户推荐所述待推荐应用。

一种应用推荐装置，包括：亲密度获取模块，用于获取目标用户与其关联用户之间的亲密度；兴趣度获取模块，用于根据所述关联用户的特征数据，确定所述关联用户对于所述待推荐应用的兴趣度；推荐指数获取模块，用于根据所述目标用户与所述关联用户之间的亲密度，以及所述关联用户对于所述待推荐应用的兴趣度，确定所述待推荐应用针对所述关联用户的推荐指数；应用推荐模块，用于基于所述待推荐应用针对所述关联用户的推荐指数，向所述关联用户推荐所述待推荐应用。

一种终端设备，包括处理器及存储器，所述存储器上存储有计算机可读指令，所述计算机可读指令被所述处理器执行时实现如上所述的应用推荐方法。

一种计算机可读存储介质，其上存储有计算机可读指令，当所述计算机可读指令被计算机的处理器执行时，使计算机执行如上所述的应用推荐方法。

在上述技术方案中，通过获取目标用户与其关联用户之间的亲密度，并根据关联用户的特征数据确定关联用户对于待推荐应用的兴趣度，由此根据目标用户与关联用户之间的亲密度以及关联用户对于待推荐应用的兴趣度，确定待推荐应用针对关联用户的推荐指数。由于待推荐应用针对关联用户的推荐指数结合了关联用户与目标用户之间的亲密度以及关联用户对于待推荐应用的兴趣度，关联用户对于待推荐应用的推荐指数能够准确地反映关联用户对于待推荐应用的接受程度，即关联用户接受目标用户所发起体验邀请的可能性，由此基于待推荐应用针对关联用户的推荐指数向关联用户推荐待推荐应用，能够实现待推荐应用的高效率推荐。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本申请。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本申请的实施例，并与说明书一起用于解释本申请的原理。显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术者来讲，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。在附图中：

图1是本申请实施例涉及的实施环境的示意图；

图2是图1所示实施环境中的智能终端100在一个实施例的硬件框图；

图3是根据一示例性实施例示出的一种应用推荐方法的流程图；

图4是根据一示例性实施例示出的一种应用推荐界面的示意图；

图5是根据另一示例性实施例示出的一种应用推荐界面的示意图；

图6是图3所示步骤210在一个实施例的流程图；

图7是根据另一示例性实施例示出的一种应用推荐方法的流程图；

图8是根据另一示例性实施例示出的一种应用推荐方法的流程图；

图9是根据一示例性示例示出的一种应用场景的示意图；

图10是根据一示例性实施例示出的一种应用推荐装置的框图。

具体实施方式

这里将详细地对示例性实施例执行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。

请参阅图1，图1是本申请所涉及的实施环境的示意图。如图1所示，该实施环境为一社交网络，该社交网络中含有若干智能终端100(图1中仅示出4个)。

智能终端100用于运行各种应用，示例性的，智能终端100可以运行微信、qq等社交应用，也可以运行王者荣耀、欢乐麻将等游戏应用，或者运行其它类型的应用，本处并不对此进行限定。

智能终端100之间通过自身配置的通信模块预先建立有线或者无线的网络连接，进而通过此网络连接实现智能终端100之间的通信，并使得智能终端100对应的用户通过智能终端100之间预先建立的网络连接相关联。

智能终端100可以是智能手机、平板电脑、笔记本电脑、计算机或者其他任何可供上述应用运行的电子设备，本处也不对此进行限定。

为扩大待推荐应用能够触达的用户面，通常需要借助于不同用户之间的关联，使得待推荐应用在相关联的用户之间进行传播，从而实现待推荐应用的推广。如图1所示，用户2-4均为用户1的关联用户，例如用户2-4均为用户1在某个社交应用上的好友，用户1通过向用户2-4发送待推荐应用的体验邀请，即可将待推荐应用推荐给用户2-4，也即，将待推荐应用推荐给用户1的关联用户。

在实际的应用场景中，与某个用户相关联的其它用户的数量往往是很大的，例如普通用户的微信好友数量能够达到几百个，用户在向关联用户发送待推荐应用的体验邀请时，为了兼顾用户的推荐意愿、应用推荐的效率以及应用推荐所需耗费的设备资源，仅是向部分关联用户发送待推荐应用的体验邀请，而并非是向全部的关联用户推荐待推荐应用。

如果用户发送待推荐应用的体验邀请的关联用户对于待推荐应用的接受程度较高，关联用户使用待推荐应用的可能性就较大，从而达到较好的推荐效果。因此，若将待推荐应用推荐给对其接受程度较高的关联用户，将会极大地提升待推荐应用的推荐效率。

请参阅图2，图2是根据一示例性实施例示出的一种智能终端的框图。

需要说明的是，该智能终端100只是一个适配于本申请的示例，不能认为是提供了对本申请的使用范围的任何限制。该智能终端也不能解释为需要依赖于或者必须具有图2中示出的示例性的移动终端100中的一个或者多个组件。

如图2所示，移动终端100包括存储器101、存储控制器103、一个或多个处理器105、外设接口107、射频模块109、定位模块111、摄像模块113、音频模块115、触控屏幕117以及按键模块119。这些组件通过一条或多条通讯总线/信号线121相互通讯。

其中，存储器101可用于存储计算机程序以及模块，如本申请示例性实施例中多方通话的控制方法及装置对应的计算机可读指令及模块，处理器105通过执行存储在存储器101内的计算机可读指令，从而执行各种功能以及数据处理，即完成应用推荐方法。

存储器101作为资源存储的载体，可以是随机存储器、例如高速随机存储器、非易失性存储器，如一个或多个磁性存储装置、闪存、或者其它固态存储器。存储方式可以是短暂存储或者永久存储。

外设接口107可以包括至少一有线或无线网络接口、至少一串并联转换接口、至少一输入输出接口以及至少一usb接口等，用于将外部各种输入/输出装置耦合至存储器101以及处理器105，以实现与外部各种输入/输出装置的通信。

射频模块109用于收发电磁波，实现电磁波与电信号的相互转换，从而通过通讯网络与其他设备进行通讯。通信网络包括蜂窝式电话网、无线局域网或者城域网，上述通信网络可以使用各种通信标准、协议及技术。

定位模块111用于获取智能终端100的当前所在的地理位置。定位模块111的实例包括但不限于全球卫星定位系统(gps)、基于无线局域网或者移动通信网的定位技术。

摄像模块113隶属于摄像头，用于拍摄图片或者视频。拍摄的图片或者视频可以存储至存储器101内，还可以通过射频模块109发送至上位机。

音频模块115向用户提供音频接口，其可包括一个或多个麦克风接口、一个或多个扬声器接口以及一个或多个耳机接口。通过音频接口与其它设备进行音频数据的交互。音频数据可以存储至存储器101内，还可以通过射频模块109发送。

触控屏幕117在智能终端100与用户之间提供一个输入输出界面。具体地，用户可通过触控屏幕117进行输入操作，例如点击、触摸、滑动等手势操作，以使智能终端100对该输入操作进行响应。智能终端100则将文字、图片或者视频任意一种形式或者组合所形成的输出内容通过触控屏幕117向用户显示输出。

按键模块119包括至少一个按键，用以提供用户向智能终端100进行输入的接口，用户可以通过按下不同的按键智能终端100执行不同的功能。例如，声音调节按键可供用户实现对智能终端100播放的声音音量的调节。

可以理解，图2所示的结构仅为示意，智能终端100还可包括比图2中所示更多或更少的组件，或者具有与图2所示不同的组件。图2中所示的各组件可以采用硬件、软件或者其组合来实现。

请参阅图3，图3是根据一示例性实施例示出的一种应用推荐方法的流程图。该方法适用于图1所示实施环境中的智能终端100，该智能终端100的结构可以如图2所示。

如图3所示，该应用推荐方法可以包括以下步骤：

步骤210，获取目标用户与其关联用户之间的亲密度。

如前所述，为使得用户感兴趣的应用能够准确地触达用户，同时扩大应用的用户面，有必要将应用推荐给更多的用户。

针对待进行推荐的待推荐应用，通常需要借助于不同用户之间的关联，使得待推荐应用在相关联的用户之间进行传播，由此实现待推荐应用在相关联的用户之间的推广。

目标用户作为待推荐应用的推荐发起者，需要将待推荐应用推荐给其关联用户，例如向关联用户发送待推荐应用的体验邀请，以邀请关联用户体验待推荐应用。

目标用户的关联用户可以是在智能终端所运行的一个或者多个其它应用中与目标用户相关联的用户，应当理解，本实施例描述的其它应用是除待推荐应用之外的应用。

为便于理解，举例来说，在图1所示的实施环境中，若将用户1作为待推荐应用中的目标用户，用户2-4不仅可以是用户1在某一款其它应用中的好友用户，还可以是用户1分别在不同应用上的好友用户。

由于与目标用户相关联的关联用户数量较大，目标用户通常是向部分或者少数几个关联用户发送待推荐应用的体验邀请，为了提升待推荐应用的推荐效果，有必要将待推荐应用准确地推荐给针对待推荐应用的接受程度较高的关联用户。由此，如何获取目标用户的关联用户对于待推荐应用的接受程度，是对待推荐应用进行准确地、高效率地推荐的关键。

在本实施例中，目标用户与其关联用户之间的亲密度越高，二者用户使用同款应用的可能性越高，关联用户在接收到目标用户发送的待推荐应用的体验邀请后体验待推荐应用的可能性越大，并且目标用户向关联用户推荐待推荐应用的意愿也越大。

由此，考虑到目标用户与关联用户之间的亲密度对于待推荐应用的推荐效率具有较大影响，本实施例需针对待进行应用推荐的目标用户，获取得到目标用户与其关联用户之间的亲密度。

步骤230，根据关联用户的特征数据，确定关联用户对于待推荐应用的兴趣度。

其中，关联用户对于待推荐应用的兴趣度是指关联用户对于待推荐应用感兴趣的程度。

考虑到在关联用户对于待推荐应用的兴趣度较大的情况下，关联用户在接收到目标用户发送的待推荐应用的体验邀请后使用待推荐应用的可能性也越大，由此在本实施例中，有必要获取关联用户对于待推荐应用的兴趣度，以结合目标用户与关联用户之间的亲密度，综合考虑每一关联用户对于待推荐应用的接受程度。

关联用户的特征数据可以包括关联用户的属性信息和关联用户对于其它应用的使用数据。示例性的，关联用户的属性信息可以包括关联用户的性别、年龄、地域等用户基本属性，本处不进行限制。

关联用户对于其它应用的使用数据可以包括关联用户在其它应用中的好友数量、在其它应用中收发即时消息的数量等用户社交数据，也可以包括关联用户在其它应用中的收付款金额和次数、收发红包的金额和次数等用户资金流动数据，还可以包括关联用户在其他应用中的用户名称、使用时以及其它应用的应用类型等数据，本处也不进行限定。

由此，可以从智能终端所运行的应用中收集关联用户的特征数据，基于所收集关联用户的特征数据，则可以确定关联用户对于待推荐应用的兴趣度。示例性的，如果待推荐应用为游戏应用，且关联用户的特征数据指示关联用户使用过其它的游戏应用，那么关联用户对于待推荐应用的兴趣度也应当较高，关联用户接收到目标用户发起的待推荐用户的体验邀请后使用待推荐应用的可能性也较大。

在一个示例性的实施例中，通过将关联用户的特征数据输入至预先训练的兴趣度预测模型中，即可获得兴趣度预测模型预测得到的关联用户对于待推荐应用的兴趣度。

在本实施例中，可以将关联用户对于待推荐应用的兴趣度预测抽象为一个二分类机器学习问题，因此，兴趣度预测模型可以选用逻辑回归模型(lr，logisticregression)、支持向量机模型(svm，supportvectormachine)、决策树模型(dt，decisiontree)等常见的机器学习模型，本处不进行限定。

步骤250，根据目标用户与关联用户之间的亲密度，以及关联用户对于待推荐应用的兴趣度，确定待推荐应用针对关联用户的推荐指数。

其中，待推荐应用针对关联用户的推荐指数，对应于关联用户在接收到目标用户发起的关于待推荐应用的体验邀请后，接受该体验邀请而使用待推荐应用的可能性，也即关联用户对于待推荐应用的接受程度。

如前所述的，目标用户与关联用户之间的亲密度以及关联用户对于待推荐应用的兴趣度都将影响关联用户对于待推荐应用的接受程度，因此在分别获取目标用户与关联用户之间的亲密度，以及关联用户对于待推荐用户的兴趣度之后，结合所获取的亲密度和兴趣度，可以确定待推荐应用针对关联用户的推荐指数。

在一个示例性的实施例中，待推荐应用针对关联用户的推荐指数是基于预先训练的推荐指数预测模型所得到的。其中，通过将步骤210中获取的目标用户与关联用户之间的亲密度，以及步骤230中获取的关联用户对于待推荐应用的兴趣度作为特征数据输入至预先训练的推荐指数预测模型中，即可获取推荐指数预测模型针对关联用户预测得到的推荐指数。

在本实施例中，推荐指数预测模型也是预先训练的机器学习模型，用于根据输入的特征数据预测待推荐应用针对关联用户的推荐指数。考虑到将目标用户与关联用户之间的亲密度以及关联用户对于待推荐应用的兴趣度进行线性叠加并没有明显意义，更适合对目标用户与关联用户之间的亲密度以及关联用户对于待推荐应用的兴趣度之间进行条件组合，来得到待推荐应用针对关联用户的推荐指数。因此在本实施例中，推荐指数预测模型可以选用决策树模型。

推荐指数预测模型针对关联用户预测得到的推荐指数，对应为是推荐指数预测模型针对关联用户关于待推荐应用的接受程度打分，例如，打分结果通常是在0～1之间，打分结果越高表示关联用户对于待推荐应用的接受程度越高，反之则表示关联用户对于待推荐应用的接受程度越低。

由此，针对目标用户的每一关联用户，都通过预先训练的推荐指数预测模型确定待推荐应用针对关联用户的推荐指数，由此得到每一关联用户对待推荐应用的接受程度。

步骤270，基于待推荐应用针对关联用户的推荐指数，向关联用户推荐待推荐应用。

如前所述，根据待推荐应用针对关联用户的推荐指数，可以明确获知目标用户的各个关联用户对于待推荐应用的接受程度。

因此，基于待推荐应用针对关联用户的推荐指数，可以将待推荐用户推荐给接受程度较高的关联用户，由此实现待推荐应用的准确推荐，并达到较好的推荐效果。

举例来说，目标用户在进行关联用户的选择时，智能终端可以根据关联用户的推荐指数排名，选取指定排名的关联用户作为候选用户向目标用户进行展示，例如将推荐指数排名前十的关联用户作为候选用户进行展示，目标用户可以通过选中所展示的全部或者部分关联用户，以确定所要进行应用推荐的候选用户，使得智能终端则向目标用户触发选中的候选用户推荐待推荐应用，例如向这些候选用户发送待推荐应用的体验邀请。在另外的实施例中，关联用户的选取也可以是由智能终端自动完成的，智能终端可以根据关联用户的推荐指数排名，直接选取指定排名的关联用户并向这些关联用户发送待推荐应用的体验邀请。也即是说，智能终端所选取的关联用户无需向目标用户展示，由此省去了目标用户对于关联用户的触发选中操作，使得待推荐应用的推荐过程更加智能化。

需要说明的是，目标用户向关联用户发送待推荐应用的体验邀请，可以是基于目标用户与关联用户建立关联关系的其它应用所进行的。例如在图1所示实施环境中，仍将用户1作为待推荐应用中的目标用户，若用户2-4是用户1的微信好友，用户1则向用户2-4发送微信消息，以邀请用户2-4体验待推荐应用；若用户4为用户1的qq好友，用户1则向用户4发送相应的qq消息。

由此，在本实施例提供的方法中，由于进行应用推荐的关联用户对于待推荐应用的接受程度都较高，这些关联用户响应目标用户发起的待推荐应用的推荐的可能性也都较大，从而能够达到良好的推荐效果。

目标用户对于待推荐应用的推荐，通常是经由目标用户对于待推荐应用的触发推荐而发起的，因此在一个示例性的实施例中，上述应用推荐方法在步骤210之前，还应当包括监听目标用户是否触发对待推荐应用的推荐的步骤，如果监听到用户触发了对待推荐应用的推荐，则表示目标用户需要发起待推荐应用的推荐，由此通过执行步骤210-270描述的内容，将待推荐应用推荐给对其接受程度较高的关联用户。

其中，智能终端对于目标用户是否触发对待推荐应用的推荐监听，可以是基于智能终端运行的待推荐应用自身实现。示例性的，目标用户在使用待推荐应用的过程中，若监听到待推荐应用跳转进入设定的应用推荐界面，或者监听到应用推荐界面中设置的应用推荐按钮被触发，则表示监听到目标用户触发了对待推荐应用的推荐。

在一个实施例中，智能终端监听到待推荐应用经由目标用户操作跳转进入应用推荐界面，则获取目标用户与其关联用户之间的亲密度，并根据关联用户的特征数据确定关联用户对于待推荐应用的兴趣度，然后根据目标用户与关联用户之间的亲密度，以及关联用户对于待推荐应用的兴趣度，确定待推荐针对每一关联用户的推荐指数，并选取指定排名的关联用户作为候选用户向目标用户进行展示。

如图4所示，应用推荐界面的显示区域中显示有若干候选用户供目标用户选择，这些候选用户的排列顺序对应于其推荐指数的排名，目标用户可以通过点击“上一页”或者“下一页”按钮查看更多的候选用户，并通过点击某个候选用户的展示区域选中该候选用户，或者再次点击选中的某个候选用户以取消该候选用户的选中。此外，选中的候选用户还相应显示有选中标识，如图5所示。在确定选中的候选用户后，目标用户点击“确定”按钮，即可触发向选中的候选用户发送待推荐应用的体验邀请。

请参阅图6，图6是步骤210在一个实施例中的流程图。

如图6所示，在一个示例性的实施例中，关联用户为目标用户在指定社交应用上的好友用户，例如关联用户均为目标用户的微信好友，步骤210可以包括以下步骤：

步骤211，获取目标用户与关联用户在指定社交应用的各个社交维度的评估值。

在本实施例中，关联用户为目标用户在指定社交应用上的好友用户，表示关联用户与目标用户均为指定社交应用上的用户，由此，目标用户向关联用户发起待推荐应用的体验邀请也应当是基于指定社交应用进行的。而在执行待推荐应用的推荐中，也应当关注于目标用户与关联用户之间在指定社交应用上的亲密度。

目标用户与关联用户在指定社交应用的各个社交维度对应于目标用户与关联用户在指定社交应用中的不同社交方式。示例性的，指定社交应用的社交维度可以包括即时通信消息的收发维度、在指定社交应用提供的内容分享平台上的互动维度、文章阅读维度和应用程序使用维度中的至少一种。

需要说明的是，即时通信消息的收发维度对应于目标用户与关联用户在指定社交应用上的即时通信消息收发，例如，若指定社交应用为微信，即时通信消息的收发维度对应于目标用户与关联用户之间收发的微信消息。

在指定社交应用提供的内容分享平台上的互动维度对应于关联用户参与目标用户在内容分享平台所发起内容分享，仍以指定社交应用为微信进行示例，所提供的内容分享平台为朋友圈，关联用户参与目标用户所发起的内容分享包括目标用户点赞或者评论目标用户在朋友圈中发表的动态消息。

文章阅读维度对应于目标用户与关联用户在指定社交应用上的文章阅读，例如可以是在微信订阅号中阅读的文章。

应用程序使用维度则对应于目标用户与关联用户对于其它应用程序的使用，这些应用程序应当是与指定社交应用相联系的。仍以指定社交平台为微信进行示例，目标用户与关联用户所使用的应用程序可以是微信小程序，或者是使用微信账号登录的其它应用程序，本处不进行限定。

目标用户与关联用户在指定社交应用的各个社交维度的评估值，对应于目标用户与关联用户在各个社交维度的亲密度。

在一个示例性的实施例中，在社交维度包括即时通信消息的收发维度的情况下，可以根据目标用户向关联用户发送的消息数据，以及关联用户向目标用户发送消息的数量，计算即时通信消息的收发维度的评估值。示例性的，即时通信消息的收发维度的评估值的计算公式如下：

其中，a表示待推荐应用中的目标用户，b表示目标用户的关联用户。将a对b发送即时通信消息的数量加1是为了避免目标用户a向关联用户b发送的即时通信消息的数量为零的情况。如果chat(atob)大于1，则可以获取即时通信消息的收发维度的评估值为1。如果关联用户b向目标用户a发送即时通信消息的数量大于目标用户a向关联用户b所发送即时通信消息的数量的两倍，将二者的商乘以0.5则可以使得chat(atob)取值为1。

如果关联用户b对于目标用户a所发送即时通信消息的回复越多，关联用户b与目标用户a在即时通信消息的收发维度的评估值越大，目标用户a与关联用户b之前的亲密度也越大。

在另一个示例性的实施例中，在社交维度包括在指定社交应用提供的内容分享平台上的互动维度的情况下，可以根据目标用户发起内容分享的数量，以及关联用户参与目标用户所发起内容分享的数量，计算此互动维度的评估值。示例性的，在指定社交应用提供的内容分享平台上的互动维度的评估值的计算公式如下：

如前所述，将目标用户a发起的内容分享的数量加1是为了避免目标用户a发起内容分享的数量为零的情况。如果关联用户b对于目标用户a所发起内容分享的参与度较高，关联用户b与目标用户a在指定社交应用提供的内容分享平台上的互动维度的评估值越高，目标用户a与关联用户b之间的亲密度也越大。

在另一个示例性的实施例中，在社交维度包括文章阅读维度的情况下，可以根据目标用户阅读文章的数量以及关联用户与目标用户共同阅读文章的数量，计算文章阅读维度的评估值。示例性的，文章阅读维度的评估值的计算公式如下：

如前所述的，将目标用户a阅读过的文章数量加1也是为了避免目标用户a阅读过的文章数量为零的情况。如果关联用户b阅读目标用户a阅读过的文章所占比重越大，则表示目标用户a与关联用户b之间的亲密度也越大。

而在另一个示例性的实施例中，在社交维度包括应用程序使用维度的情况下，可以根据目标用户使用应用程序的数量以及关联用户与目标用户共同使用应用程序的数量，计算应用程序使用维度的评估值。示例性的，应用程序使用维度的评估值的计算公式如下：

其中，将目标用户a使用过的应用程序的数量加1仍是为了避免目标用户a使用过的应用程序的数量为零的情况。如果关联用户b使用目标用户a使用过的应用程序所占比重越大，则说明目标用户a与关联用户b之间的亲密度越大。

由此，通过获取目标用户与关联用户在指定社交应用的各个社交维度的评估值，以得到目标用户与关联用户分别在各个社交维度的亲密度。基于目标用户与关联用户分别在各个社交维度的亲密度，可以得到目标用户与关联用户在指定社交应用整体上的亲密度。

步骤213，基于各个社交维度的权重，以及目标用户与关联用户在各个社交维度的评估值，计算目标用户与关联用户之间的亲密度。

其中，各个社交维度的权重是预先所配置的，用于表示各个社交维度对于目标用户与关联用户之间的亲密度的重要性大小。由此，基于各个社交维度的权重，通过对目标用户与关联用户在各个社交维度的评估值进行加权和运算，即可获得目标用户与关联用户之间关于指定社交应用的亲密度。

示例性的，计算目标用户与关联用户之间关于指定社交应用的亲密度的计算公式如下：

close(atob)＝α*chat(atob)+β*sns(atob)+γ*read(atob)

+δ*app(atob)

其中，α表示即时通信消息的收发维度对应的权重，β表示在所述指定社交应用提供的内容分享平台上的互动维度对应的权重，γ表示文章阅读维度对应的权重，δ表示应用程序使用维度对应的权重。

由此，本实施例在指定社交应用的各个社交维度上来考虑目标用户与关联用户之间的亲密度，并通过对目标用户与关联用户分别在各个社交维度的评估值进行加权和运算，能够准确地得到目标用户与关联用户之间关于指定社交应用的亲密度。

在另外的示例性实施例中，如图7所示，应用推荐方法还可以包括以下步骤：

步骤310，根据对待推荐应用感兴趣的用户数据生成正样本数据，并根据对待推荐应用不感兴趣的用户数据生成负样本数据；

步骤330，根据正样本数据和负样本数据对兴趣度预测模型进行训练。

其中，为了得到准确的兴趣度预测模型，需要找到适合的训练数据对兴趣度预测模型进行训练。

在本实施例中，将待推荐应用的用户作为是为待推荐应用感兴趣的正样本，而将非待推荐应用的用户作为是对待推荐应用不感兴趣的负样本，由此获取对待推荐应用感兴趣的用户数据为正样本数据，并获取对待推荐应用不感兴趣的用户数据为负样本数据。

需要说明的是，对待推荐应用感兴趣或者不感兴趣的用户数据是指用户所对应的特征数据，如前所述的，这些特征数据可以包括用户的属性信息和用户对其它应用的使用数据，本处也不进行赘述。

由此，本实施例通过分别选取对待推荐应用感兴趣的正样本数据，以及对于待推荐应用不感兴趣的负样本数据对兴趣度预测模型进行训练，使得训练得到的兴趣度预测模型能够根据输入的关联用户的特征数据对关联用户对于待推荐应用的兴趣度进行准确预测。

在另外的示例性实施例中，如图8所示，应用推荐方法还可以包括以下步骤：

步骤410，根据对待推荐应用推荐成功的用户数据生成正样本数据，并根据对待推荐应用推荐失败的用户数据生成负样本数据，其中用户数据包括用户对于待推荐应用的兴趣度和用户与其关联用户之间的亲密度；

步骤430，根据正样本数据和负样本数据对推荐指数预测模型进行训练。

与前述兴趣度预测模型的训练类似，为了得到准确的推荐指数预测模型，也需要选用适合的训练数据对推荐指数预测模型进行训练。

在本实施例中，将收集用户对待推荐应用进行推荐的历史数据，并将接受待推荐应用的推荐的用户数据获取为对待推荐应用推荐成功的正样本数据，将未接受待推荐应用的推荐的用户数据获取为对待推荐应用推荐失败的负样本数据。

需要说明的是，对待推荐应用进行推荐的用户数据应当包括用户对于待推荐应用的兴趣度以及用户与其关联用户之间的亲密度。

由此，本实施例通过分别选取对待推荐应用推荐成功的正样本数据，以及对待推荐应用推荐失败的负样本数据对推荐指数预测模型进行训练，使得训练得到的推荐指数预测模型能够根据输入的目标用户与关联用户之间的亲密度，以及关联用户对于待推荐应用的兴趣度对待推荐应用针对关联用户的推荐指数。

在另外的实施例中，基于待推荐应用针对关联用户的推荐指数，向关联用户推荐待推荐应用后，还可以收集关联用户针对目标用户所发起应用推荐的反馈数据，以根据这些反馈数据更新训练兴趣度预测模型以及推荐指数预测模型，由此提高后续对于待推荐应用或者其它应用的推荐效果。

示例性的，关联用户是否接受目标用户的推荐而使用待推荐应用的用户数据可以作为兴趣度预测模型的样本数据，用于更新训练兴趣度预测模型。目标用户与关联用户之间的亲密度结合关联用户对于待推荐应用的兴趣度可以作为推荐指数预测模型的样本数据，以更新训练推荐指数预测模型。

下面将以一个具体的应用场景来对本申请提供的方法进行详细描述。

如图9所示，在一个示例性的实施例中，待推荐应用为一款游戏应用，目标用户在使用游戏应用的过程中，若触发游戏应用跳转进入游戏推荐页面，或者触发游戏推荐页面中的推荐按钮，则视为触发对游戏应用的推荐，此时则获取目标用户与其微信好友之间的亲密度，并将微信用户的特征数据输入至训练好的兴趣度预测模型中，以预测微信好友对于游戏应用的兴趣度，并且将目标用户与其微信好友之间的亲密度以及微信好友对于游戏应用的兴趣度输入至训练好的推荐指数预测模型中，以预测游戏应用针对微信好友的推荐指数。在获得目标用户的微信好友的推荐指数后，按照推荐指数的排名将排名前五的微信好友作为候选的推荐用户展示给目标用户，以供目标用户对展示的微信好友进行选择。目标用户在选择想要推荐的微信好友之后，通过向目标用户选择的微信好友发送微信消息，以邀请这些微信好友体验此游戏应用。

在向目标用户选择的微信好友发起游戏应用的体验邀请后，还通过收集这些微信好友针对游戏应用推荐的反馈数据，更新训练兴趣度预测模型以及推荐指数预测模型，以将更新训练的兴趣度预测模型和推荐指数预测模型用于后续的应用推荐，由此提高后续应用推荐的推荐效果。

请参阅图10，图10是根据一示例性实施例示出的一种应用推荐装置500的框图。如图10所示，在一示例性实施例中，应用推荐装置500可以包括亲密度获取模块510、兴趣度获取模块530、推荐指数获取模块550和应用推荐模块570。

亲密度获取模块510用于针对待推荐应用的目标用户，获取目标用户与其关联用户之间的亲密度。

兴趣度获取模块530用于根据关联用户的特征数据，确定关联用户对于待推荐应用的兴趣度。

推荐指数获取模块550用于根据目标用户与关联用户之间的亲密度，以及关联用户对于待推荐应用的兴趣度，确定待推荐应用针对关联用户的推荐指数。

应用推荐模块570用于基于待推荐应用针对关联用户的推荐指数，向关联用户推荐待推荐应用。

在另一示例性的实施例中，亲密度获取模块510包括评估值获取单元和亲密度综合获取单元。

评估值获取单元用于获取目标用户与关联用户在指定社交应用的各个社交维度的评估值，其中，指定社交应用的各个社交维度包括即时通信消息的收发维度、在所述指定社交应用提供的内容分享平台上的互动维度、文章阅读维度和应用程序使用维度中的至少一种。

亲密度综合获取单元用于基于各个社交维度的权重，以及目标用户与关联用户在各个社交维度的评估值，计算目标用户与关联用户之间的亲密度。

在另一示例性实施例中，兴趣度获取模块530包括特征数据收集单元和兴趣度预测模型预测单元。

特征数据收集单元用于收集关联用户的特征数据，所述特征数据包括关联用户的属性信息和关联用户对其它应用的使用数据

兴趣度预测模型预测单元用于将特征数据输入至预先训练的兴趣度预测模型中，获得兴趣度预测模型预测得到的关联用户对于待推荐应用的兴趣度。

在另一示例性的实施例中，推荐指数获取模块550用于将目标用户与关联用户之间的亲密度，以及关联用户对于待推荐应用的兴趣度作为特征数据输入至预先训练的推荐指数预测模型中，获取推荐指数预测模型针对关联用户预测得到的推荐指数。

在另一示例性的实施例中，应用推荐装置500还包括兴趣度样本数据获取模块和兴趣度预测模型训练模块。

兴趣度样本数据获取模块用于根据对待推荐应用感兴趣的用户数据生成正样本数据，并根据对待推荐应用不感兴趣的用户数据生成负样本数据。

兴趣度预测模型训练模块用于根据正样本数据和负样本数据对兴趣度预测模型进行训练。

在另一示例性的实施例中，应用推荐装置500还包括应用推荐样本数据获取模块和推荐指数预测模型训练模块。

应用推荐样本数据获取模块用于根据对待推荐应用推荐成功的用户数据生成正样本数据，并根据对待推荐应用推荐失败的用户数据生成负样本数据，所述用户数据包括用户对于待推荐应用的兴趣度和用户与其关联用户之间的亲密度。

推荐指数预测模型训练模块用于根据正样本数据和负样本数据对推荐指数预测模型进行训练。

在另一示例性的实施例中，应用推荐模块570用于按照关联用户的推荐指数排名对关联用户进行展示，向目标用户选中的关联用户推荐待推荐应用，或者按照关联用户的推荐指数排名向指定排名的关联用户推荐待推荐应用。

需要说明的是，上述实施例所提供的装置与上述实施例所提供的方法属于同一构思，其中各个模块和单元执行操作的具体方式已经在方法实施例中进行了详细描述，此处不再赘述。

在另一示例性的实施例中，本申请还提供了一种终端设备，包括处理器和存储器，其中，存储器上存储有计算机可读指令，该计算机可读指令被处理器执行时实现如前所述的应用推荐方法。

在另一示例性的实施例中，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如前所述的应用推荐方法。该计算机可读存储介质可以是上述实施例中描述的终端设备中所包含的，也可以是单独存在，而未装配入该终端设备中。

上述内容，仅为本申请的较佳示例性实施例，并非用于限制本申请的实施方案，本领域普通技术人员根据本申请的主要构思和精神，可以十分方便地进行相应的变通或修改，故本申请的保护范围应以权利要求书所要求的保护范围为准。