>[0084]S304:利用所述设备配置信息及所述目标用户的性别、年龄、兴趣、行业、购买力、在线活跃时间及移动性，确定所述目标用户的用户特征。
[0085]本实施例的方案适用于不具有相应突出特征的普通用户。
[0086]具体地，针对采集的各方面用户操作行为信息，如各款软件的操作信息、各种不同内容的网页浏览信息等，在总采集信息量中的占比较为均衡，不能突出反映用户某方面特征的情况，本实施例采用综合考虑多方面用户特征点的方式，例如综合考虑用户的性别、年龄、兴趣、行业、购买力等，来分析用户的配置需求，进而实现在此基础上的设备配置推荐。
[0087]基于此，本实施例中所述用户特征具体为用户多方面特征点的综合，从而可采用特征向量F = (f i，f 2，…f n)来表征用户特征，其中，1-η分别对应用户的η个特征点，如性别、年龄、兴趣、行业、购买力、在线活跃时间、移动性等，fi为特征分量，fi = (S1，S2，…St)，表征用户在其第i个特征点的各个取值维度的概率，以“性别”为用户的第I个特征点，且性别的取值维度为“女性”、“男性”为例，则fi表示用户的性别特征分量，fi = (40%，60%)表示用户为女性的概率为40%，为男性的概率为60%。
[0088]用户特征向量中各特征分量在其相应维度的取值，具体可基于采集的用用户操作行为信息分析得出，其中，可依据用户的软件操作信息及网页浏览信息，分析用户在性别、年龄、兴趣、行业和购买力等各特征点相应取值维度的概率，依据用户使用其设备的时间和频率，分析用户的在线活跃时间在各个取值维度的概率，依据用户移动所述用户设备时的位置变化信息，分析用户的移动性在各个取值维度(如将移动性分为强、中、弱三个级别等)的概率。
[0089]其中，此部分具体可采用预先训练分类模型，并采用分类模型对分类目标进行分类的方式，来提升用户特征分析的准确度，例如预先基于大量用户浏览网页的关键词词汇训练一用户兴趣的分类模型，从而后续可通过向该模型输入采集的用户网页浏览信息，如输入一系列关键词汇等，得到该模型输出的用户在兴趣这一特征点的各个预设取值维度(如购物、理财、游戏、音乐等)上的概率。
[0090]在基于采集的用户操作行为信息分析出用户特征向量的基础上，可继续依据用户当前设备的配置信息，对用户特征向量进行适当调整，如基于当前设备的配置情况，适当调整用户的购买力取值等等，最终得到能够较为准确地反映用户特征的用户特征向量。
[0091]在此基础上，参考图3，所述步骤S103具体可通过以下步骤实现:
[0092]S305:获取预先建立的用户特征向量与设备配置间的关联模型;其中，所述设备配置包括至少一个配置项，每个所述配置项对应相应维度的多个可选取值；
[0093]S306:利用所述关联模型，计算所述目标用户特征向量与所述设备配置间的相关系数;所述相关系数包括所述目标用户与每个所述配置项的每个取值间的相关度数值；
[0094]S307:获取相关度数值最大的各个配置项取值，得到参考配置信息；
[0095]S308:利用所述参考配置信息对所述设备配置信息进行调整，得到待推荐的目标设备配置信息。
[0096]所述设备配置共包括q个配置项，可表示为Cl=U1, k2，‘"kq)，其中，ki表示CPU主频、CPU型号、内存大小、显寸容量、显卡型号、显示器尺寸、显示器分辨率、硬盘容量等配置项中的任意一项，每个配置项具有相应预设个数的可选取值，比如内存有IG，2G，4G，8G，16G共5个可选取值等。
[0097]本实施例预先建立用户特征向量与所述设备配置间的关联模型，该关联模型包括用户特征向量的不同取值与所述设备配置间的相关系数。从而当基于采集的用户操作行为信息获取目标用户特征向量之后，可利用所述关联模型，计算目标用户特征向量与所述设备配置间的相关系数，所述相关系数包括目标用户与每个所述配置项的每个取值间的相关度数值;之后，可提取出相关度数值最大的各个配置项取值，得到参考配置信息;在此基础上利用所述参考配置信息对用户当前设备的设备配置信息进行调整，可得到最终待推荐的设备配置信息，与实施例二相比，本实施例可通过综合普通用户的各方面特征，实现对无突出特征的普通用户进行设备配置推荐。
[0098]从用户角度来说，由于用户可能更希望推荐一款与其所需求的配置较吻合的设备，因此实际应用场景中，可在基于本申请方法向用户推荐目标设备配置信息的基础上，从多个待选设备中挑选出配置情况与所述目标设备配置信息最为相似的一款或多款设备推荐给用户，以便于用户参考选择。
[0099]实施例四
[0100]参考图4，图4为本申请提供的一种设备配置推荐装置实施例四的结构示意图，所述装置可以包括:
[0101]获取模块100，用于获取用户设备的设备配置信息，及预设时段内目标用户对所述用户设备的操作行为信息。
[0102]其中，所述设备配置信息具体可以包括CPU(Central Processing Unit，中央处理器)主频、CPU型号、内存大小、显存容量、显卡型号、显示器尺寸、显示器分辨率、硬盘容量、操作系统版本等信息，所述操作行为信息具体可以包括目标用户在用户设备上的软件操作信息及网页浏览信息、目标用户使用用户设备的时间和频率、目标用户移动用户设备时的位置变化信息等一系列的用户行为信息。
[0103]以上的用户设备配置信息及用户操作行为信息，可利用预先在用户设备上安装(例如在设备出厂前安装或出厂后由用户自愿安装等)的采集软件采集得到。
[0104]所述采集软件针对不同的信息类型可对应采用不同的信息获取方式，比如对于CPU主频、⑶U型号、内存大小、显存容量、显卡型号等硬件配置信息，以及用户打开某类软件、关闭某类软件的软件操作信息，可通过操作系统或设备驱动提供的相应访问接口获取得到，如具体通过操作系统API (Applicat1n Programming Interface，应用程序编程接口 )、操作系统注册表、操作系统日志、设备驱动API分别获取相应的设备配置信息或软件操作信息等;对于用户设备的位置变化信息则可通过GPS(Global Posit1ning System，全球定位系统)传感器获取，而对于周期性计数信息，如用户触摸屏幕或使用鼠标的频率等信息，可通过记录每次的触摸事件或鼠标使用事件及其对应的时间，并计算一定时间周期内的屏幕触摸次数或鼠标使用次数得到。
[0105]为便于规范化管理，本实施例统一设定所采集信息的格式为〈信息或行为类型，(操作)对象，值，时间〉，其中，“信息或行为类型”及“(操作)对象”为必要的信息项，而“值”和“时间”则可根据具体的信息内容进行相应取值或取空值，比如:
[0106]〈硬件配置，CPU主频，2.6HZ>表示CPU的主频是2.6HZ ；
[0107]〈硬件配置，内存大小，4G>表示内存的大小是4G;
[0108]〈硬件配置，显存，1G>表示CPU的显示内存的容量是IG；
[0109]〈用户操作，触摸屏点击，150,2015-11-2010:00:00-2015-11-20 20:00:00〉表示2015-11-20 10:00:00到2015-11-20 21:00:00之间用户使用了 150次触摸屏；
[0110]〈打开软件，InternetExplorer,2015-11-20 15:12:30>表示在2015-11-20 15:12:30打开了 IE浏览器；
[0111]〈浏览网页，JAVA程序开发，2015-11-21 13:32: 30> 表示在 2015-11-21 13:32:30浏览了标题为“JAVA程序开发”的网页。
[0112]确定模块200，用于依据所述设备配置信息及所述操作行为信息，确定所述目标用户的用户特征。
[0113]在采集用户设备配置信息及用户操作行为信息后，可综合所采集的各类信息，并对其进行相应的分析与处理，例如分析用户最常使用的软件、统计用户浏览网页时的相应关键词词频等，以此获知目标用户的用户特征，比如获知用户是否具有某一方面的应用偏好特性，如偏好在用户设备上进行游戏、办公、视频还是聊天等，获知用户所处行业