6]3.本发明的计算方法简单，非常方便进行并行化处理。
【附图说明】
[0027]图1本发明的技术方案的总流程图。
[0028]图2针对一个待推送app计算出其潜在用户的具体过程的示意图。
【具体实施方式】
[0029]下面结合附图和实施例对本发明进行说明。
[0030]本发明提出的方法的基本思想是:对于一个待推送的app，首先找到和它最相近的一些app，再找到使用这些相近app的用户，在进行排名后将排名靠前的用户当作待推送app的潜在用户，进行推送。方案整体示意图如图(1)，具体步骤如下:
[0031]1用户历史行为数据准备
[0032]我们用到的数据是某个手机操作系统所收集的所有用户对于其手机上的app的操作行为数据，最重要的数据是某个用户打开某个app的时间，本方法至少需要三个月的历史行为数据。
[0033]2数据清洗及数据过滤
[0034]根据历史数据统计，将一些非常冷门的app相关数据直接丢弃掉；对于某些特别热门的app，如QQ，微信等，也将其相关数据直接丢弃，因为几乎所有人都在用这些app，它的信息并不能反映用户独特的兴趣；对于某些功能性的app，如root工具，手电筒等，由于它们也不反应人的兴趣，所以相关数据也直接丢弃。
[0035]3计算每个app的用户集合和偏好分数
[0036]假设将计算的历史时间段设置为三个月，根据用户在这段历史时期内使用app的行为数据，可以得出每个app的用户集合，并且计算出这些用户对这个app的偏好分数，该分数就是这段时间内用户使用这个app的天数，范围是1到90。对所有app都依照上述方法计算出一个用户集合，并依照偏好分数对用户进行排名。
[0037]4计算app相似度矩阵
[0038]依据计算出的app的用户集合，我们就可以利用类似于协同过滤算法的方法计算出所有app之间的相似度矩阵，具体方法如下:对于某一个app来讲，首先计算这个app和其他app的用户集合的交集，之后再统计这个app和其他app用户集合的并集，最后用交集的数目除以并集的数目，得到相似度分数。假设一共有N个app，则一个app就需要和其他N-1个app计算N-1个相似分数。对于所有app，都需要做这样的计算，最后得到的就是一个app相似度矩阵。
[0039]5潜客挖掘计算
[0040]利用计算出的app相似度矩阵，就可以针对一个待推送app计算出其潜在用户了，具体过程的示意图如图(2)，对于待推送app，首先从app相似度矩阵中根据app相似度分数找到排名最高的k个app，之后对于其中每一个相似app，再从它的用户集合中根据用户偏好分数找到排名最高的m个用户，最后计算对应的app相似度分数和用户偏好分数的乘积，作为潜在用户的评分。在具体圈定待推送用户的时候，就根据潜在用户的评分，取排名靠前的作为最后要推送的用户。
[0041]本发明适用于手机操作系统的app推送业务，如1s，安卓，云0S等，都可以用到。对于用户数据的处理平台，可以选用hadoop或者阿里云的0DPS平台。在计算app相似度矩阵的部分，该矩阵需要每周跟新一次，以保证信息的及时行。对于不同的app，最终确定出来的潜在用户应该有差异，这个数值需要有经验的运营人员来协助确定。
【主权项】
1.一种基于用户行为数据的手机app推送方法，包括下列步骤 1)用户历史行为数据准备 利用某个手机操作系统所收集的所有用户对于其手机上的app的操作行为的数据，其中最重要的数据是某个用户打开某个app的时间。 2)数据清洗及数据过滤 根据历史行为数据统计，将一些非常冷门的app相关数据直接丢弃掉；对于某些特别热门的app，也将其相关数据直接丢弃，因为几乎所有人都在用这些app，它的信息并不能反映用户独特的兴趣；对于某些功能性的app，由于它们也不反应人的兴趣，所以相关数据也直接丢弃。 3)计算每个app的用户集合和偏好分数 根据用户在这段历史时期内使用某个app的行为数据，得出这个app的用户集合，并且计算出这些用户对这个app的偏好分数，该分数就是这段时间内用户使用这个app的天数；对所有app都依照上述方法计算出一个用户集合，并依照偏好分数对用户进行排名。 4)计算app相似度矩阵 依据计算出的各个app的用户集合，利用协同过滤算法计算出所有app之间的相似度矩阵，具体方法如下:对于某个app，首先计算这个app和其他app的用户集合的交集，之后再统计这个app和其他app用户集合的并集，最后用交集的数目除以并集的数目，得到相似度分数，设一共有N个app，则一个app就需要和其他N_1个app计算N_1个相似度分数，对于所有app，都需要做这样的计算，最后得到app相似度矩阵。 5)潜客挖掘计算 利用app相似度矩阵，针对一个待推送app计算出其潜在用户，具体过程为:对于待推送app，首先从app相似度矩阵中根据app相似度分数找到排名最高的k个app，之后对于其中每一个相似app，再从它的用户集合中根据用户偏好分数找到排名最高的m个用户，最后计算对应的app相似度分数和用户偏好分数的乘积，作为潜在用户的评分，在具体圈定待推送用户的时候，就根据潜在用户的评分，取排名靠前的作为最后要推送的用户。
【专利摘要】本发明提供一种基于用户行为数据的手机app推送方法，包括：1)用户历史行为数据准备2)数据清洗及数据过滤；3)计算每个app的用户集合和偏好分数；4)依据计算出的各个app的用户集合，利用协同过滤算法计算出所有app之间的相似度矩阵；5)潜客挖掘计算。本发明可以针对一个目标应用，较为准确地找到其潜在的用户，避免推荐资源的浪费以及对用户造成的骚扰。
【IPC分类】G06F17/30
【公开号】CN105426486
【申请号】CN201510812637
【发明人】王宝亮, 李丽丽, 鹿凯宁, 常鹏, 张文彬
【申请人】天津大学
【公开日】2016年3月23日
【申请日】2015年11月20日