应用推荐方法、装置、存储介质及计算机设备与流程

本发明涉及计算机技术领域，具体而言，本发明涉及一种应用推荐方法、装置、存储介质及计算机设备。

背景技术

随着互联网技术的发展以及人们对应各类应用程序的需求与日俱增，应用程序运营平台给用户提供的应用程序越来越多。然而，受限于用户终端的存储量，用户不可能无限安装应用程序，而是根据喜好挑选一些感兴趣的应用程序进行安装。

因此，应用商店在运营过程中，需要给用户推荐优质的应用以满足用户的喜好。然而，如何给用户推荐感兴趣的应用程序，以提供产品的市场竞争力成为应用程序运营的一个大难题。

技术实现要素：

本发明提出一种应用推荐方法、装置、存储介质及计算机设备，以给用户推荐感兴趣的应用程序，提高产品的市场竞争力。

本发明提供以下方案：

一种应用推荐方法，包括步骤：获取用户已安装的应用，生成应用集合；获取待推荐应用对应的应用主题的应用偏好矩阵；其中，所述应用主题为由多个相关应用组成的集合，所述应用偏好矩阵中的元素表征主题对应用的偏好度值；根据所述待推荐应用、所述应用集合以及所述应用偏好矩阵，得到所述用户对所述待推荐应用的偏好程度值；根据所述偏好程度值向所述用户推荐应用。

在其中一个实施例中，所述根据所述偏好程度值向所述用户推荐应用，包括：获取用户对应用资源库中所有待推荐应用的偏好程度值；根据用户对所述应用资源库中每个待推荐应用的偏好程度值的大小，将所述所有待推荐应用从大到小排序；向所述用户推送排序靠前的预设数量的待推荐应用。

在其中一个实施例中，根据所述待推荐应用、所述应用集合以及所述应用偏好矩阵，得到所述用户对所述待推荐应用的偏好程度值，包括：从所述应用偏好矩阵中获取所述待推荐应用对不同主题的偏好值，生成待推荐应用的主题向量；从所述应用偏好矩阵中获取所述应用集合中每个应用对不同主题的偏好值，生成每个应用对应的主题向量；根据所述待推荐应用的主题向量和所述应用集合中每个应用对应的主题向量，以及所述应用集合，得到所述用户对所述待推荐应用的偏好程度值。

在其中一个实施例中，所述根据所述待推荐应用的主题向量和所述应用集合中每个应用对应的主题向量，以及所述应用集合，得到所述用户对所述待推荐应用的偏好程度值，包括：根据以下公式获取所述用户对所述待推荐应用的偏好程度值：

其中，所述用户u的所述应用集合为su，|su|表示应用集合中已安装的应用的数量，待推荐应用为应用a，应用a的主题向量为ba，j表示su中的一个应用，应用j的主题向量为bj，like(u,a)表示用户u对应用a的偏好程度值，cos(bj,ba)表示求bj与ba的余弦值。

在其中一个实施例中，所述待推荐应用对应应用主题的应用偏好矩阵，通过以下方式获得：获取预设数量的样本用户的安装应用信息，生成应用安装矩阵；所述样本用户的安装应用信息包括样本用户安装所述待推荐应用的安装信息；将所述应用安装矩阵输入主题偏好模型，得到待推荐应用对应的应用主题的应用偏好矩阵；其中，所述主题偏好模型用于表征应用安装矩阵与所述应用偏好矩阵的关联关系。

在其中一个实施例中，所述主题偏好模型包括用户对主题偏好的主题偏好矩阵模型和主题对应用偏好的应用偏好矩阵模型；将所述应用安装矩阵输入主题偏好模型，得到待推荐应用对应的应用主题的应用偏好矩阵，包括：将所述应用安装矩阵输入根据所述主题偏好模型预先构建的损失函数中；通过预设算法求解所述损失函数的最小值，得到所述主题偏好矩阵模型对应的主题偏好矩阵和所述应用偏好矩阵模型对应的应用偏好矩阵，将所述应用偏好矩阵作为待推荐应用对应的应用主题的应用偏好矩阵。

在其中一个实施例中，所述预设算法为梯度下降法。

一种应用推荐装置，包括：生成模块，用于获取用户已安装的应用，生成应用集合；第一获取模块，用于获取待推荐应用对应的应用主题的应用偏好矩阵；其中，所述应用主题为由多个相关应用组成的集合，所述应用偏好矩阵中的元素表征主题对应用的偏好度值；第二获取模块，用于根据所述待推荐应用、所述应用集合以及所述应用偏好矩阵，得到所述用户对所述待推荐应用的偏好程度值；推荐模块，用于根据所述偏好程度值向所述用户推荐应用。

一种存储介质，其上存储有计算机程序；所述计算机程序被处理器执行时，实现上述任一实施例所述的应用推荐方法。

一种计算机设备，其包括：一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于执行根据上述任一实施例所述的应用推荐方法。

上述实施例提供的应用推荐方法，分别获取用户已安装的应用集合，以及待推荐应用对应的应用主题的应用偏好矩阵，进一步根据待推荐应用、用户已安装的应用集合以及应用主题的应用偏好矩阵，得到用户对待推荐应用的偏好程度值。根据应用的偏好程度值可判断出用户对于应用的偏好程度，因此根据应用的偏好程度值向用户推荐应用时，可推荐用户感兴趣的应用，从而提高应用产品的市场竞争力。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明提供的一种应用推荐方法的一实施例中服务器与客户端之间的交互示意图；

图2为本发明提供的一种应用推荐方法的一实施例中流程图；

图3为本发明提供的步骤s200的一实施例中流程图；

图4为本发明提供的步骤s230的一实施例中流程图；

图5为本发明提供的步骤s300的一实施例中流程图；

图6为本发明提供的一种应用推荐方法的另一实施例中的流程图；

图7为本发明一种应用推荐装置的一实施例中的结构示意图；

图8为本发明提供的计算机设备结构一实施例中的示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式，这里使用的“第一”、“第二”仅用于区别同一技术特征，并不对该技术特征的顺序和数量等加以限定。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)，具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语，应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样被特定定义，否则不会用理想化或过于正式的含义来解释。

本发明提供的一种应用推荐方法，本方法基于主题模型的应用推荐算法，假设每个用户对不同主题有不同偏好，每个主题对每个应用有不同偏好，用户对不同应用的偏好可以通过用户的主题偏好矩阵与主题的应用偏好矩阵相乘得到。该应用推荐方法应用于如图1所示的应用环境中。

如图1所示，服务器100与用户终端300位于同一个网络200环境中，服务器100与用户终端300通过网络200进行数据信息的交互。服务器100与用户终端300的数量不作限定，图1所示只作为示例说明。用户终端300中安装有客户端，客户端为第三方应用软件，如应用商店app(application，应用)等。用户可以通过用户终端300中的客户端app与对应的服务器100进行信息交互。客户端与服务器(server)端相对应，共同遵循同一套数据协议，使得服务器端跟客户端能够互相解析出对方的数据，为用户提供应用推荐服务。

服务器100可以是，但不限于，网络服务器、管理服务器、应用服务器、数据库服务器、云端服务器等等。用户终端300可以是，但不限于智能手机、个人电脑(personalcomputer，pc)、平板电脑、个人数字助理(personaldigitalassistant，pda)、移动上网设备(mobileinternetdevice，mid)等。用户终端300的操作系统可以是，但不限于，安卓(android)系统、ios(iphoneoperatingsystem)系统、windowsphone系统、windows系统等。

在一实施例中，如图2所示，本发明所述的应用推荐方法包括以下步骤：

s100，获取用户已安装的应用，生成应用集合。

在本实施例中，服务器获取用户已安装的应用，生成包括用户已安装的应用的应用集合。具体地，服务器可以通过获取用户对应用资源库中的应用下载安装记录，确定用户已安装的应用，并生成对应的应用集合。服务器可根据用户的应用下载安装记录，获取预设时间段内的用户已安装的应用。

在一实施方式中，服务器可获取最近一天内访问过资源库中应用的用户的数量，假设此处的用户的数量为n。资源库中所有的应用的数量为m。

矩阵y表示所有用户安装应用信息的矩阵，大小为n*m。每一行表示一个用户的安装应用情况，每列表示每个应用的用户安装情况，0表示没有安装了，1表示安装了，例如：

s200，获取待推荐应用对应的应用主题的应用偏好矩阵；其中，所述应用主题为由多个相关应用组成的集合，所述应用偏好矩阵中的元素表征主题对应用的偏好度值。

服务器获取与待推荐应用对应的应用主题的应用偏好矩阵。其中，应用主题由多个相关应用组成的集合。相关应用为同一主题下的各个应用。应用偏好矩阵表示在该矩阵中，每个元素表征了该应用主题对于应用的偏好度值。应用主题的应用偏好矩阵表示：获取应用主题对该主题下每个应用的偏好程度值，生成包含多个偏好程度值的应用偏好矩阵。

在本实施例中，待推荐应用对应一个应用主题，在该应用主题的应用偏好矩阵中包括该应用主题对该待推荐应用的偏好程度值。

在一实施例中，如图3所示，所述待推荐应用对应应用主题的应用偏好矩阵，通过以下步骤获得：

s210，获取预设数量的样本用户的安装应用信息，生成应用安装矩阵；所述样本用户的安装应用信息包括样本用户安装所述待推荐应用的安装信息。

在该实施例中，安装应用信息包括用户终端安装的应用的信息。预设数量样本用户的安装应用信息包括每个样本用户是否安装有资源库中的应用，安装了资源库中的哪些应用。服务器获取并记录每个样本用户的安装应用信息，具体获取用户安装的应用的名称，并确定资源库中哪些应用用户并没有安装。进一步地，服务器根据样本用户的安装应用信息生成对应的应用安装矩阵。需要说明的是，本实施例所述的样本用户的安装应用信息包括样本用户中安装了本发明所述的待推荐应用的安装信息。

s230，将所述应用安装矩阵输入主题偏好模型，得到待推荐应用对应的应用主题的应用偏好矩阵；其中，所述主题偏好模型用于表征应用安装矩阵与所述应用偏好矩阵的关联关系。

在本实施例中，所述主题偏好模型用于表征应用安装矩阵与应用偏好矩阵的关联关系。也即是，将应用安装矩阵输入到该主题偏好模型中，可得到对应的应用主题的应用偏好矩阵。

在一实施例中，所述主题偏好模型包括用户对主题偏好的主题偏好矩阵模型和主题对应用偏好的应用偏好矩阵模型。如图4所示，步骤s230包括：

s231，将所述应用安装矩阵输入根据所述主题偏好模型预先构建的损失函数中。

s233，通过预设算法求解所述损失函数的最小值，得到所述主题偏好矩阵模型对应的主题偏好矩阵和所述应用偏好矩阵模型对应的应用偏好矩阵，将所述应用偏好矩阵作为待推荐应用对应的应用主题的应用偏好矩阵。

其中，此处的预设算法为梯度下降法。用户对主题偏好的主题偏好矩阵模型表征了每个用户对不同主题的不同偏好程度。主题对应用偏好的应用偏好矩阵模型表征了每个主题对每个应用的不同偏好程度。主题偏好模型可以通过用户对主题偏好的主题偏好矩阵模型与主题对应用偏好的应用偏好矩阵模型相乘得到。通过构建主题偏好模型对应的损失函数，并求解损失函数最小值时，即可求出所上述主题偏好矩阵和应用偏好矩阵。所述应用偏好矩阵即为待推荐应用对应的应用主题的应用偏好矩阵。

在该实施例中，将根据样本用户的安装应用信息生成的应用安装矩阵输入预先构建好的主题偏好模型，可得到待推荐应用对应的应用主题的应用偏好矩阵。

s300，根据所述待推荐应用、所述应用集合以及所述应用偏好矩阵，得到所述用户对所述待推荐应用的偏好程度值。

在本实施例中，通过步骤s100和步骤s200，服务器获取到待推荐应用、用户已安装应用形成的应用集合、以及待推荐应用对应的应用主题的应用偏好矩阵。进一步地，服务器根据上述三个参数，可获得用户对待推荐应用的偏好程度值。

在一实施例中，如图5所示，步骤s300包括以下步骤：

s310，从所述应用偏好矩阵中获取所述待推荐应用对不同主题的偏好值，生成待推荐应用的主题向量。

在本实施例中，所述应用偏好矩阵为待推荐应用对应的应用主题的应用偏好矩阵。服务器从该应用偏好矩阵中获取待推荐应用对应不同主题的偏好值。根据每个偏好值生成待推荐应用的主题向量。

s330，从所述应用偏好矩阵中获取所述应用集合中每个应用对不同主题的偏好值，生成每个应用对应的主题向量。

在本实施例中，所述应用集合中包括用户已安装的应用。一般地，用户已安装的应用为多个。服务器从应用主题的应用偏好矩阵中分别获取所述应用集合中每个应用对应不同主题的偏好值，生成该应用对应的主题向量。例如，用户已安装的应用包括应用a、应用b和应用c。服务器从应用主题的应用偏好矩阵中获取应用a对应不同主题的偏好值，生成应用a对应的主题向量a。从应用主题的应用偏好矩阵中获取应用b对应不同主题的偏好值，生成应用b对应的主题向量b。从应用主题的应用偏好矩阵中获取应用c对应不同主题的偏好值，生成应用c对应的主题向量c。

s350，根据所述待推荐应用的主题向量和所述应用集合中每个应用对应的主题向量，以及所述应用集合，得到所述用户对所述待推荐应用的偏好程度值。

在本实施例中，服务器待推荐应用的主题向量，用户已安装的应用对应的主题向量，以及用户已安装应用对应的应用集合，得到用户对待推荐应用的偏好程度值。具体地，服务器根据用户已安装应用对应的应用集合中所有应用的数量值，以及待推荐应用的主题向量，用户已安装的应用对应的主题向量，获取待推荐应用的偏好程度值。

在一具体实施方式中，服务器根据以下公式获取所述用户对所述待推荐应用的偏好程度值：

其中，所述用户u的所述应用集合为su，|su|表示应用集合中已安装的应用的数量，待推荐应用为应用a，应用a的主题向量为ba，j表示su中的一个应用，应用j的主题向量为bj，like(u,a)表示用户u对应用a的偏好程度值，cos(bj,ba)表示求bj与ba的余弦值。

s400，根据所述偏好程度值向所述用户推荐应用。

在本实施例中，服务器根据步骤s100至步骤s300可获得资源库中多个应用的偏好程度值，根据每个应用的偏好程度值向用户推荐应用。

在一实施例中，如图6所示，步骤s400包括以下步骤：

s410，获取用户对应用资源库中所有待推荐应用的偏好程度值。

s430，根据用户对所述应用资源库中每个待推荐应用的偏好程度值的大小，将所述所有待推荐应用从大到小排序。

s450，向所述用户推送排序靠前的预设数量的待推荐应用。

在本实施例中，服务器根据步骤s100至步骤s300可获取到应用资源库中每个应用对于用户而言的偏好度值，进一步根据用户对于每个应用的偏好度值的大小对所有应用进行从大到小排序，向用户推荐排序靠前的预设数量的应用。预设数量可以是100个，也可以是其他数值。或者，服务器获取偏好程度值最高前预置数量的应用按照偏好程度值由大到小的顺序展示到用户的终端屏幕上。

上述实施例提供的应用推荐方法，分别获取用户已安装的应用集合，以及待推荐应用对应的应用主题的应用偏好矩阵，进一步根据待推荐应用、用户已安装的应用集合以及应用主题的应用偏好矩阵，得到用户对待推荐应用的偏好程度值。根据应用的偏好程度值可判断出用户对于应用的偏好程度，因此根据应用的偏好程度值向用户推荐应用时，可推荐用户感兴趣的应用，从而提高产品的市场竞争力。

以下提供一个具体实施方式，以详细说明服务器采用本发明所述的应用推荐方法在如图1所示的应用环境中给用户推荐应用。

步骤1，服务器获取用户安装应用的数据信息，并把用户安装的应用数据信息转化为实数矩阵。具体过程如下：

变量定义：

n最近1天访问过应用的用户数量

m资源库中所有应用的数量

矩阵y表示所有用户安装应用信息的矩阵，大小为n*m，每一行表示一个用户的安装应用情况，每列表示每个应用的用户安装情况，0表示没有安装，1表示安装。例如：

步骤2，定义主题偏好模型。

主题偏好模型定义：主题偏好模型的思想是假设每个用户对不同应用主题有不同偏好，每个应用主题对每个应用有不同偏好，用户对不同应用的偏好可以通过用户对不同应用主题的主题偏好矩阵与主题对每个应用的应用偏好矩阵相乘得到。假设，应用主题数量k为人工预设，一般取100。主题偏好模型如下：

y＝uv

其中，(1)矩阵y表示用户对不同应用的偏好程度值形成的矩阵。

(2)矩阵u表示用户对应用主题的主题偏好矩阵，矩阵大小为n*k，每一行表示一个用户对不同应用主题的偏好程度，每一列表示一个应用主题在不同用户之间的偏好程度，该矩阵需要通过模型求解。

(3)矩阵v表示每个应用主题对也每个应用的应用偏好矩阵，矩阵大小为k*m，每一行表示一个应用主题对不同应用的偏好程度，每一列表示一个应用在不同应用主题之间的偏好，该矩阵需要通过模型求解。

步骤3，通过构建模型函数求解上述主题偏好矩阵以及应用偏好矩阵。在该实施方式中，通过构建损失函数求解上述主题偏好矩阵以及应用偏好矩阵。具体如下：

在步骤1中可以得到用户实际的安装情况y，在步骤2中可以通过主题偏好模型计算用户预测的安装应用情况y，损失函数定义如下：

其中

最小化损失函数求出u＝{ui,},v＝{vl,j}即为所求模型。

模型参数求解如下：

对los函数，通过梯度下降法求解u＝{ui,},v＝{vl,j}

梯度下降法如下：

第1步：把模型所有参数统一记到一个集合，不妨记为θ＝{θi}，随机给定一组在0-1之间，设为θ⁽⁰⁾，初始化迭代步数k＝0

第2步：迭代计算

其中ρ用于控制收敛速度，取0.01

第3步：判断是否收敛

如果那么就返回θ^(k+1)，否则回到第2步继续计算，其中α是一个很小的值，可以取α＝0.01·ρ

步骤4：生成应用主题向量

通过上述方法可以得到矩阵v＝{vl,j}，应用主题向量为：

bj＝{v1,,v2,,…,vk,}

步骤5：计算用户对应用的偏好度

设用户u安装的应用集合为su，对于任意一个应用a，通过上述方法可以计算应用a的主题向量为ba，计算用户u对应用a的偏好程度，公式为：

其中，like(u,a)表示用户u对应用a的偏好程度值。cos(bj,ba)为求向量bj与向量ba的余弦值。|su|表示应用集合为su中应用的数量。

步骤6：给用户推荐应用。

对于给的用户u，通过上述公式把全库应用都计算like(u,a)，取偏好程度值最高前100个应用按照偏好程度由大到小的顺序在用户的屏幕上展示。

本提案提出一种基于应用主题模型的应用推荐算法，一方面解决人工推荐耗费大量人力成本的问题。另一方面，与传统的基于内容的推荐方法相比，该方法可以无需标签即可完成应用推荐，在实际运用中取的不错效果。

本发明还提供一种应用推荐装置。如图7所示，该应用推荐装置包括生成模块100、第一获取模块200、第二获取模块300以及推荐模块400。

生成模块100用于获取用户已安装的应用，生成应用集合。在本实施例中，服务器获取用户已安装的应用，生成包括用户已安装的应用的应用集合。具体地，服务器可以通过获取用户对应用资源库中的应用下载安装记录，确定用户已安装的应用，并生成对应的应用集合。服务器可根据用户的应用下载安装记录，获取预设时间段内的用户已安装的应用。

在一实施方式中，服务器可获取最近一天内访问过资源库中应用的用户的数量，假设此处的用户的数量为n。资源库中所有的应用的数量为m。

矩阵y表示所有用户安装应用信息的矩阵，大小为n*m。每一行表示一个用户的安装应用情况，每列表示每个应用的用户安装情况，0表示没有安装了，1表示安装了，例如：

第一获取模块200用于获取待推荐应用对应的应用主题的应用偏好矩阵；其中，所述应用主题为由多个相关应用组成的集合，所述应用偏好矩阵中的元素表征主题对应用的偏好度值。服务器获取与待推荐应用对应的应用主题的应用偏好矩阵。其中，应用主题由多个相关应用组成的集合。相关应用为同一主题下的各个应用。应用偏好矩阵表示在该矩阵中，每个元素表征了该应用主题对于应用的偏好度值。应用主题的应用偏好矩阵表示：获取应用主题对该主题下每个应用的偏好程度值，生成包含多个偏好程度值的应用偏好矩阵。

在本实施例中，待推荐应用对应一个应用主题，在该应用主题的应用偏好矩阵中包括该应用主题对该待推荐应用的偏好程度值。

第二获取模块300用于根据所述待推荐应用、所述应用集合以及所述应用偏好矩阵，得到所述用户对所述待推荐应用的偏好程度值。在本实施例中，通过生成模块100和第一获取模块200，服务器获取到待推荐应用、用户已安装应用形成的应用集合、以及待推荐应用对应的应用主题的应用偏好矩阵。进一步地，服务器根据上述三个参数，可获得用户对待推荐应用的偏好程度值。

推荐模块400用于根据所述偏好程度值向所述用户推荐应用。在本实施例中，服务器根据第二获取模块300可获得资源库中多个应用的偏好程度值，根据每个应用的偏好程度值向用户推荐应用。

在其他实施例中，本发明提供的应用推荐装置中的各个模块还用于执行本发明所述的应用推荐方法中，对应各个步骤执行的操作，在此不再做详细的说明。

本发明还提供一种存储介质。该存储介质上存储有计算机程序；所述计算机程序被处理器执行时，实现上述任一实施例所述的应用推荐方法。该存储介质可以是存储器。例如，内存储器或外存储器，或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦写可编程rom(eeprom)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、zip盘、u盘、磁带等。本发明所公开的存储介质包括但不限于这些类型的存储器。本发明所公开的存储器只作为例子而非作为限定。

本发明还提供一种计算机设备。一种计算机设备包括：一个或多个处理器；存储器；一个或多个应用程序。其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个应用程序配置用于执行上述任一实施例所述的应用推荐方法。

图8为本发明一实施例中的计算机设备的结构示意图。本实施例所述计算机设备可以是服务器、个人计算机以及网络设备。如图8所示，设备包括处理器803、存储器805、输入单元807以及显示单元809等器件。本领域技术人员可以理解，图8示出的设备结构器件并不构成对所有设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件。存储器805可用于存储应用程序801以及各功能模块，处理器803运行存储在存储器805的应用程序801，从而执行设备的各种功能应用以及数据处理。存储器可以是内存储器或外存储器，或者包括内存储器和外存储器两者。内存储器可以包括只读存储器(rom)、可编程rom(prom)、电可编程rom(eprom)、电可擦写可编程rom(eeprom)、快闪存储器、或者随机存储器。外存储器可以包括硬盘、软盘、zip盘、u盘、磁带等。本发明所公开的存储器包括但不限于这些类型的存储器。本发明所公开的存储器只作为例子而非作为限定。

输入单元807用于接收信号的输入，以及接收用户输入的关键字。输入单元807可包括触控面板以及其它输入设备。触控面板可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板上或在触控面板附近的操作)，并根据预先设定的程序驱动相应的连接装置；其它输入设备可以包括但不限于物理键盘、功能键(比如播放控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。显示单元809可用于显示用户输入的信息或提供给用户的信息以及计算机设备的各种菜单。显示单元809可采用液晶显示器、有机发光二极管等形式。处理器803是计算机设备的控制中心，利用各种接口和线路连接整个电脑的各个部分，通过运行或执行存储在存储器803内的软件程序和/或模块，以及调用存储在存储器内的数据，执行各种功能和处理数据。

在一实施方式中，设备包括一个或多个处理器803，以及一个或多个存储器805，一个或多个应用程序801。其中所述一个或多个应用程序801被存储在存储器805中并被配置为由所述一个或多个处理器803执行，所述一个或多个应用程序801配置用于执行以上实施例所述的应用推荐方法。

此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。

本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，该程序可以存储于一计算机可读存储介质中，存储介质可以包括存储器、磁盘或光盘等。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

应该理解的是，在本发明各实施例中的各功能单元可集成在一个处理模块中，也可以各个单元单独物理存在，也可以两个或两个以上单元集成于一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

以上所述仅是本发明的部分实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。