本发明涉及软件推荐,具体涉及一种基于大数据分析和人工智能的软件推荐方法和系统。
背景技术:
1、随着计算机技术的发展,用户安装的软件越来越广泛,软件商店中的软件类型也越来越多,一方面软件商店希望把新的软件推送给需要的用户,另一方面用户也希望接触到自己喜欢的软件,所以产生了软件推荐的需求。
2、现有技术中游戏软件的推荐方法大多是按照软件下载量从高到低对软件进行推荐或者按照软件的热门程度来对游戏软件进行推荐,但推荐的游戏软件往往还是不太精准,不符合用户的实际需求。
3、因此如何准确的对应用商店中的游戏软件进行推荐是当前亟待解决的问题。
技术实现思路
1、本发明主要解决的技术问题是如何准确的对应用商店中的游戏软件进行推荐。
2、根据第一方面,本发明提供一种基于大数据分析和人工智能的软件推荐方法,包括:获取已安装游戏的运行视频、已安装游戏的设置信息、手机硬件信息;基于所述已安装游戏的运行视频使用触控频率确定模型确定用户的游戏触控频率;基于所述用户游戏的触控频率确定用户的操作喜好程度;基于所述已安装游戏的设置信息确定用户的画质要求程度;基于所述已安装游戏的运行视频使用交流互动模型确定用户游戏中的交流互动数据;基于所述用户游戏中的交流互动数据确定用户的游戏社交程度;基于所述用户的操作喜好程度、所述用户的画质要求程度、所述用户的游戏社交程度、手机硬件信息使用游戏确定模型确定待推荐的多个游戏软件。
3、更进一步地,所述交流互动数据包括文字互动数据、图片互动数据、语音互动数据。
4、更进一步地,所述触控频率确定模型为长短期神经网络模型,所述触控频率确定模型的输入为所述已安装游戏的运行视频,所述触控频率确定模型的输出为所述用户的游戏触控频率。
5、更进一步地,所述交流互动模型为长短期神经网络模型,所述交流互动模型的输入为所述已安装游戏的运行视频,所述交流互动模型的输出为用户游戏中的交流互动数据。
6、更进一步地,所述方法还包括:若所述用户的游戏社交程度超过社交阈值,则基于所述用户的游戏社交程度所对应的用户游戏中的交流互动数据使用社交软件推荐模型进行处理输出得到推荐的社交软件,所述社交软件推荐模型为深度神经网络模型,所述社交软件推荐模型的输入为所述用户的游戏社交程度所对应的用户游戏中的交流互动数据,所述社交软件推荐模型的输出为推荐的社交软件。
7、根据第二方面,本发明提供一种基于大数据分析和人工智能的软件推荐系统,包括:获取模块,用于获取已安装游戏的运行视频、已安装游戏的设置信息、手机硬件信息;触控频率模块,用于基于所述已安装游戏的运行视频使用触控频率确定模型确定用户的游戏触控频率;喜好程度确定模块,用于基于所述用户游戏的触控频率确定用户的操作喜好程度;画质要求确定模块,用于基于所述已安装游戏的设置信息确定用户的画质要求程度;交流互动模块,用于基于所述已安装游戏的运行视频使用交流互动模型确定用户游戏中的交流互动数据;游戏社交模块,用于基于所述用户游戏中的交流互动数据确定用户的游戏社交程度;推荐模块,用于基于所述用户的操作喜好程度、所述用户的画质要求程度、所述用户的游戏社交程度、手机硬件信息使用游戏确定模型确定待推荐的多个游戏软件。
8、更进一步地,所述交流互动数据包括文字互动数据、图片互动数据、语音互动数据。
9、更进一步地,所述触控频率确定模型为长短期神经网络模型,所述触控频率确定模型的输入为所述已安装游戏的运行视频,所述触控频率确定模型的输出为所述用户的游戏触控频率。
10、更进一步地,所述交流互动模型为长短期神经网络模型,所述交流互动模型的输入为所述已安装游戏的运行视频,所述交流互动模型的输出为用户游戏中的交流互动数据。
11、更进一步地,所述系统还用于:若所述用户的游戏社交程度超过社交阈值,则基于所述用户的游戏社交程度所对应的用户游戏中的交流互动数据使用社交软件推荐模型进行处理输出得到推荐的社交软件,所述社交软件推荐模型为深度神经网络模型,所述社交软件推荐模型的输入为所述用户的游戏社交程度所对应的用户游戏中的交流互动数据,所述社交软件推荐模型的输出为推荐的社交软件。
12、本发明提供的一种基于大数据分析和人工智能的软件推荐方法和系统,该方法包括获取已安装游戏的运行视频、已安装游戏的设置信息、手机硬件信息;基于所述已安装游戏的运行视频使用触控频率确定模型确定用户的游戏触控频率;基于所述用户游戏的触控频率确定用户的操作喜好程度;基于所述已安装游戏的设置信息确定用户的画质要求程度;基于所述已安装游戏的运行视频使用交流互动模型确定用户游戏中的交流互动数据;基于所述用户游戏中的交流互动数据确定用户的游戏社交程度;基于所述用户的操作喜好程度、所述用户的画质要求程度、所述用户的游戏社交程度、手机硬件信息使用游戏确定模型确定待推荐的多个游戏软件,该方法能够准确的对应用商店中的游戏软件进行推荐。
1.一种基于大数据分析和人工智能的软件推荐方法,其特征在于,包括:
2.如权利要求1所述的基于大数据分析和人工智能的软件推荐方法,其特征在于,所述交流互动数据包括文字互动数据、图片互动数据、语音互动数据。
3.如权利要求1所述的基于大数据分析和人工智能的软件推荐方法,其特征在于,所述触控频率确定模型为长短期神经网络模型,所述触控频率确定模型的输入为所述已安装游戏的运行视频,所述触控频率确定模型的输出为所述用户的游戏触控频率。
4.如权利要求1所述的基于大数据分析和人工智能的软件推荐方法,其特征在于,所述交流互动模型为长短期神经网络模型,所述交流互动模型的输入为所述已安装游戏的运行视频,所述交流互动模型的输出为用户游戏中的交流互动数据。
5.如权利要求1所述的基于大数据分析和人工智能的软件推荐方法,其特征在于,所述方法还包括:若所述用户的游戏社交程度超过社交阈值,则基于所述用户的游戏社交程度所对应的用户游戏中的交流互动数据使用社交软件推荐模型进行处理输出得到推荐的社交软件,所述社交软件推荐模型为深度神经网络模型,所述社交软件推荐模型的输入为所述用户的游戏社交程度所对应的用户游戏中的交流互动数据,所述社交软件推荐模型的输出为推荐的社交软件。
6.一种基于大数据分析和人工智能的软件推荐系统,其特征在于,包括:
7.如权利要求6所述的基于大数据分析和人工智能的软件推荐系统,其特征在于,所述交流互动数据包括文字互动数据、图片互动数据、语音互动数据。
8.如权利要求6所述的基于大数据分析和人工智能的软件推荐系统,其特征在于,所述触控频率确定模型为长短期神经网络模型,所述触控频率确定模型的输入为所述已安装游戏的运行视频,所述触控频率确定模型的输出为所述用户的游戏触控频率。
9.如权利要求6所述的基于大数据分析和人工智能的软件推荐系统,其特征在于,所述交流互动模型为长短期神经网络模型,所述交流互动模型的输入为所述已安装游戏的运行视频,所述交流互动模型的输出为用户游戏中的交流互动数据。
10.如权利要求6所述的基于大数据分析和人工智能的软件推荐系统,其特征在于,所述系统还用于:若所述用户的游戏社交程度超过社交阈值,则基于所述用户的游戏社交程度所对应的用户游戏中的交流互动数据使用社交软件推荐模型进行处理输出得到推荐的社交软件,所述社交软件推荐模型为深度神经网络模型,所述社交软件推荐模型的输入为所述用户的游戏社交程度所对应的用户游戏中的交流互动数据,所述社交软件推荐模型的输出为推荐的社交软件。