本發(fā)明涉及計算機(jī)技術(shù)領(lǐng)域，特別是涉及一種應(yīng)用推薦方法和一種應(yīng)用推薦系統(tǒng)。

背景技術(shù)：

以手機(jī)、平板電腦為代表的移動終端近年來發(fā)展迅猛，CPU和存儲設(shè)備在性能上都有大幅提高，與之相應(yīng)的，移動終端上的應(yīng)用也越來越豐富，用戶界面也越來越友善。

移動終端的很多功能，都需要安裝在移動終端上面的應(yīng)用(APP)來完成。那么如何尋找合適的軟件、找到感興趣的游戲，是移動終端用戶在使用移動終端的時候面臨的問題。如此，各種應(yīng)用管理平臺應(yīng)運(yùn)而生，如：搜狗手機(jī)助手、360手機(jī)助手、91手機(jī)助手、豌豆莢手機(jī)助手、小米應(yīng)用市場、蘋果APP STORE等等。上述應(yīng)用管理平臺旨在幫助移動終端用戶更方便的發(fā)現(xiàn)、尋找、下載、安裝、更新APP。這些應(yīng)用管理平臺既可以安裝在PC或者M(jìn)AC上，也可以直接安裝在移動終端上。應(yīng)用管理平臺在啟動之后會給用戶展示組織好的APP，而在應(yīng)用管理平臺中，存在一種二級APP推薦頁面，以給用戶展示或推薦新上架的或優(yōu)質(zhì)的APP，該APP推薦頁面的展示內(nèi)容、APP之間的展示順序，直接影響了用戶能否在該頁面快速發(fā)現(xiàn)所需的優(yōu)質(zhì)APP，進(jìn)一步影響了用戶使用應(yīng)用管理平臺的直接體驗、以及APP在應(yīng)用管理平臺上的下載量、流水量和商業(yè)價值。

但是，在先技術(shù)中，APP推薦頁面中展示的APP及其順序，主要靠人工編輯、審核、排序。比如在APP推薦頁中展示50個優(yōu)質(zhì)APP，這些APP需要從APP庫中的30萬個APP里面逐個篩選出來；并且50個優(yōu)質(zhì)APP要按照質(zhì)量由高到低的順序進(jìn)行排序。完全由人工來做的話，每天需要消耗大量的人力資源，效率非常低。并且人工編輯、審核、排序的方式，主觀性強(qiáng)，無法客觀的保證推薦的APP是用戶傾向使用的優(yōu)質(zhì)APP。

技術(shù)實(shí)現(xiàn)要素：

鑒于上述問題，提出了本發(fā)明實(shí)施例以便提供一種克服上述問題或者至少部分地解決上述問題的一種應(yīng)用推薦方法和相應(yīng)的一種應(yīng)用推薦系統(tǒng)。

為了解決上述問題，本發(fā)明公開了一種應(yīng)用推薦方法，包括：

獲取與應(yīng)用相關(guān)的用戶行為記錄并對各應(yīng)用進(jìn)行分析，獲得第一應(yīng)用備選集合；

根據(jù)所述第一應(yīng)用備選集合，獲得推薦應(yīng)用集合；

將所述推薦應(yīng)用集合中的各應(yīng)用進(jìn)行展示。

優(yōu)選地，所述獲取與應(yīng)用相關(guān)的用戶行為記錄并對各應(yīng)用進(jìn)行分析，獲得第一應(yīng)用備選集合的步驟，包括：

針對每個應(yīng)用，從與所述應(yīng)用相關(guān)的用戶行為記錄中，提取至少一個維度的特征值；所述至少一個維度的特征值包括：第一價值維度的特征值、用戶訪問行為維度的特征值；

根據(jù)所述提取至少一個維度的特征值和相應(yīng)維度的權(quán)重，計算所述應(yīng)用的總特征值；

將總特征值排序靠前的N₁個應(yīng)用加入第一應(yīng)用備選集合。

優(yōu)選地，針對每個應(yīng)用，從與所述應(yīng)用相關(guān)的用戶行為記錄中，提取至少一個維度的特征值的步驟包括：

針對每個應(yīng)用，計算所述應(yīng)用的第一價值數(shù)據(jù)與所述應(yīng)用的分發(fā)量之間的比例，將所述比例作為第一價值維度的特征值。

優(yōu)選地，所述用戶訪問行為維度的特征值包括：瀏覽維度的特征值、下載維度的特征值。

優(yōu)選地，當(dāng)所述用戶訪問行為維度的特征值為瀏覽維度的特征值時，所述針對每個應(yīng)用，從與所述應(yīng)用相關(guān)的用戶行為記錄中，提取至少一個維度的特征值的步驟包括：

針對每個應(yīng)用，統(tǒng)計所述應(yīng)用在應(yīng)用概要展示頁面中被瀏覽的第一瀏覽次數(shù)，在搜索結(jié)果頁面中被瀏覽的第二瀏覽次數(shù)，和在應(yīng)用詳情展示頁面中被瀏覽的第三瀏覽次數(shù)；

將所述第一瀏覽次數(shù)、第二瀏覽次數(shù)和第三瀏覽次數(shù)分別結(jié)合所在頁面的權(quán)重，計算瀏覽維度的特征值。

優(yōu)選地，當(dāng)所述用戶訪問行為維度的特征值為下載維度的特征值時，所述針對每個應(yīng)用，從與所述應(yīng)用相關(guān)的用戶行為記錄中，提取至少一個維度的特征值的步驟包括：

針對每個應(yīng)用，統(tǒng)計所述應(yīng)用在應(yīng)用概要展示頁面的第一下載次數(shù)，在搜索結(jié)果頁面中被下載的第二下載次數(shù)，和在應(yīng)用詳情展示頁面中被下載中被下載的第三下載次數(shù)；

將所述第一下載次數(shù)、第二下載次數(shù)和第三下載次數(shù)分別結(jié)合所在頁面的權(quán)重，計算下載維度的特征值。

優(yōu)選地，在根據(jù)所述第一應(yīng)用備選集合，獲得推薦應(yīng)用集合的步驟之前，還包括：

獲取至少一個應(yīng)用管理平臺的應(yīng)用推薦頁面中的應(yīng)用并對各應(yīng)用進(jìn)行分析，獲得第二應(yīng)用備選集合；

根據(jù)所述第一應(yīng)用備選集合，獲得推薦應(yīng)用集合的步驟為：

將所述第一應(yīng)用備選集合和第二應(yīng)用備選集合進(jìn)行融合，獲得推薦應(yīng)用集合。

優(yōu)選地，所述獲取至少一個應(yīng)用管理平臺的應(yīng)用推薦頁面中的應(yīng)用并對各應(yīng)用進(jìn)行分析，獲得第二應(yīng)用備選集合的步驟包括：

對于至少一個應(yīng)用管理平臺的應(yīng)用推薦頁面，獲取對應(yīng)的應(yīng)用排序列表；

當(dāng)應(yīng)用排序列表為兩個或兩個以上時，將各個應(yīng)用排序列表進(jìn)行融合計算，獲得包括N₂個應(yīng)用的第二應(yīng)用備選集合，其中N₂為小于或者等于所有應(yīng)用列表中應(yīng)用數(shù)量的總和。

優(yōu)選地，所述當(dāng)應(yīng)用排序列表為兩個或兩個以上時，將各個應(yīng)用排序列表進(jìn)行融合計算，獲得包括N₂個應(yīng)用的第二應(yīng)用備選集合的步驟包括：

從每個應(yīng)用排序列表中，選擇排序靠前的P個應(yīng)用；

針對每個應(yīng)用，從與所述應(yīng)用相關(guān)的用戶行為記錄中，提取至少一個維 度的特征值；所述至少一個維度的特征值包括：第一價值維度的特征值、用戶訪問行為維度的特征值；

根據(jù)各維度的特征值和相應(yīng)維度的權(quán)重，計算所述應(yīng)用的總特征值；

將總特征值排序靠前的N₂個應(yīng)用加入第二應(yīng)用備選集合。

優(yōu)選地，所述將所述第一應(yīng)用備選集合和第二應(yīng)用備選集合進(jìn)行融合，獲得推薦應(yīng)用集合的步驟包括：

將推薦應(yīng)用集合的前M₁個位置，從第二應(yīng)用備選集合中選擇排序靠前的M₁個應(yīng)用進(jìn)行填充；

將推薦應(yīng)用集合的剩余M₂個位置，從第一應(yīng)用備選集合中選擇序靠前的相應(yīng)M₂個的應(yīng)用進(jìn)行填充；其中M₁與M₂之和為推薦應(yīng)用集合中應(yīng)用的數(shù)量。

優(yōu)選地，在獲得推薦應(yīng)用集合之后，還包括：

對于推薦應(yīng)用集合中的每個應(yīng)用，根據(jù)分類標(biāo)簽?zāi)Ｐ蛯λ鰬?yīng)用打上分類標(biāo)簽；和/或

根據(jù)各用戶對應(yīng)用的各功能的使用行為進(jìn)行分析，構(gòu)建應(yīng)用分類標(biāo)簽?zāi)Ｐ汀?/p>

本發(fā)明還提供了一種應(yīng)用推薦系統(tǒng)，包括：

第一應(yīng)用備選集合生成模塊，用于獲取與應(yīng)用相關(guān)的用戶行為記錄并對各應(yīng)用進(jìn)行分析，獲得第一應(yīng)用備選集合；

推薦應(yīng)用集合獲取模塊，用于根據(jù)所述第一應(yīng)用備選集合，獲得推薦應(yīng)用集合；

展示模塊，用于將所述推薦應(yīng)用集合中的各應(yīng)用進(jìn)行展示。

本發(fā)明實(shí)施例包括以下優(yōu)點(diǎn)：

本發(fā)明實(shí)施例通過大規(guī)模的針對APP展示頁面的用戶行為記錄的分析，綜合評價APP的質(zhì)量，從而構(gòu)建第一應(yīng)用備選集合。然后從第一應(yīng)用備選集合中按照推薦應(yīng)用集合的需求篩選應(yīng)用，將符合要求的應(yīng)用加入推薦應(yīng)用集合，然后即可將推薦應(yīng)用集合中的應(yīng)用在本發(fā)明的應(yīng)用管理平臺的應(yīng)用推薦頁面中進(jìn)行展示。本發(fā)明實(shí)施例綜合了用戶的訪問行 為，相對客觀的統(tǒng)計得到更優(yōu)質(zhì)的APP的推薦列表，并且降低了人力成本，提高了推薦效率。

附圖說明

圖1是本發(fā)明的一種應(yīng)用推薦方法實(shí)施例的步驟流程圖；

圖1A、1B、1C是本發(fā)明一種APP展示示例；

圖2是本發(fā)明的另一種應(yīng)用推薦方法實(shí)施例的步驟流程圖；

圖3是本發(fā)明的另一種應(yīng)用推薦方法實(shí)施例的步驟流程圖；

圖4是本發(fā)明的一種應(yīng)用推薦系統(tǒng)實(shí)施例的結(jié)構(gòu)框圖；

圖5是本發(fā)明的另一種應(yīng)用推薦系統(tǒng)實(shí)施例的結(jié)構(gòu)框圖

圖6是本發(fā)明的另一種應(yīng)用推薦系統(tǒng)實(shí)施例的結(jié)構(gòu)框。

具體實(shí)施方式

為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合附圖和具體實(shí)施方式對本發(fā)明作進(jìn)一步詳細(xì)的說明。

本發(fā)明實(shí)施例的核心構(gòu)思之一在于，通過大規(guī)模的針對APP展示頁面的用戶行為記錄的分析，綜合評價APP的質(zhì)量，從而構(gòu)建第一應(yīng)用備選集合。然后可以從第一應(yīng)用備選集合中按照推薦應(yīng)用集合的需求篩選應(yīng)用，將符合要求的應(yīng)用加入推薦應(yīng)用集合，然后即可將推薦應(yīng)用集合中的應(yīng)用在本發(fā)明的應(yīng)用管理平臺的應(yīng)用推薦頁面中進(jìn)行展示。本發(fā)明實(shí)施例可以綜合了用戶的訪問行為，比如在不同類型頁面中瀏覽、下載應(yīng)用的行為，相對客觀的統(tǒng)計得到更優(yōu)質(zhì)的APP的推薦列表，并且降低了人力成本，提高了推薦效率。

實(shí)施例一

參照圖1，示出了本發(fā)明的一種應(yīng)用推薦方法實(shí)施例的步驟流程圖，具體可以包括如下步驟：

步驟110，獲取與應(yīng)用相關(guān)的用戶行為記錄并對各應(yīng)用進(jìn)行分析，獲得第一應(yīng)用備選集合。

在本發(fā)明實(shí)施例中，可通過大規(guī)模的與應(yīng)用相關(guān)的用戶行為記錄，比如用戶對某個應(yīng)用所在頁面的瀏覽次數(shù)，對某個應(yīng)用的下載次數(shù)等。

可以理解，本發(fā)明實(shí)施例可以從各個網(wǎng)站的服務(wù)器中獲取所述用戶行為記錄。一般而言，用戶行為記錄是保存在服務(wù)器的訪問日志中，本發(fā)明實(shí)施例可以通過所述訪問日志獲取到與應(yīng)用相關(guān)的用戶行為記錄。

對所述用戶行為記錄進(jìn)行分析，得到優(yōu)質(zhì)APP，然后將這些優(yōu)質(zhì)APP加入第一應(yīng)用備選集合。在本發(fā)明實(shí)施例中，所述優(yōu)質(zhì)APP可以從多個側(cè)面衡量，比如瀏覽次數(shù)，下載次數(shù)、給應(yīng)用管理平臺帶來的收益等方面。上述幾個方面數(shù)量越高表示該APP越優(yōu)質(zhì)。

在本發(fā)明實(shí)施例應(yīng)用在一個應(yīng)用管理平臺中，而應(yīng)用管理平臺本身中會存有大量的APP，那么產(chǎn)生推薦應(yīng)用集合時，需要對本應(yīng)用管理平臺中的APP進(jìn)行推薦，因而，獲取與應(yīng)用相關(guān)的用戶行為記錄并對各應(yīng)用進(jìn)行分析時，是針對指定的應(yīng)用集合中的應(yīng)用進(jìn)行分析。所述指定應(yīng)用集合可以包括本應(yīng)用管理平臺中所有應(yīng)用，也可以是包括本應(yīng)用管理平臺中的部分應(yīng)用，比如最近一段時間內(nèi)新加入本應(yīng)用管理平臺的應(yīng)用。

可選的，步驟110包括：

子步驟A10，針對每個應(yīng)用，從與所述應(yīng)用相關(guān)的用戶行為記錄中，提取至少一個維度的特征值；所述至少一個維度的特征值包括：第一價值維度的特征值、用戶訪問行為維度的特征值。

其中，所述用戶訪問行為維度特征值包括：瀏覽維度的特征值、下載維度的特征值。所述瀏覽維度的特征值可以理解為用戶對各網(wǎng)頁中展示的某個APP的瀏覽量的度量。所述下載維度的特征值可以理解為用戶對某個APP的下載量的度量。

在本發(fā)明實(shí)施例中可以從與用戶行為記錄中提取多個維度的特征值，比如第一價值維度的特征值，瀏覽維度的特征值，下載維度的特征值。所述第一價值維度的特征值可以為某個APP單位分發(fā)量所帶來的收益。所述瀏覽維度的特征值可以理解為用戶對各網(wǎng)頁中展示的一APP的瀏覽量的度量。所述下載維度的特征值可以理解為用戶對一APP的下載量的度量。所述用戶訪問行為維度特征值可以理解為用戶訪問行為產(chǎn)生的流量，比如瀏覽量、下載量等。

可選的，子步驟A10包括：

子步驟A101，針對每個應(yīng)用，計算所述應(yīng)用的第一價值數(shù)據(jù)與所述應(yīng)用的分發(fā)量之間的比例，將所述比例作為第一價值維度的特征值。

在本發(fā)明實(shí)施例中，所述第一價值數(shù)據(jù)可以為APP的商業(yè)流水,也即該第一價值數(shù)據(jù)可以為本應(yīng)用管理平臺通過分發(fā)該APP得到的總收益數(shù)據(jù)。即本應(yīng)用管理平臺分發(fā)了大量該APP，APP開發(fā)者則這些分發(fā)量向本應(yīng)用管理平臺以一定價格進(jìn)行支付，這個支付的價格就是該APP在該分發(fā)量下的商業(yè)流水或者說總收益。那么，可以獲取每個APP的第一價值數(shù)據(jù)，還可以獲取每個APP在本應(yīng)用管理平臺中的分發(fā)量，比如對于APP_I，該APP_I的第一價值數(shù)據(jù)可以記為“APP_I總收益”，其在應(yīng)用平臺中的分發(fā)量可以記為“APP_I分發(fā)量”，則可以通過公式(1)計算特征值：

SCORE_P(APP_I)＝APP_I總收益/APP_I分發(fā)量 (1)

其中SCORE_P(APP_I)為某個APP_I的特征值。

公式(1)即計算了APP_I的單位分發(fā)量所帶來的收益，即本應(yīng)用管理平臺每分發(fā)一個APP_I得到的收益。APP_I的單位分發(fā)量所帶來的收益越大越好。

當(dāng)然，本發(fā)明實(shí)施例中，可以獲取同一個時間段內(nèi)，每個APP的總收益，以及每個APP的分發(fā)量。比如獲取最近兩個周內(nèi)，每個APP的總收益，以及每個APP的分發(fā)量。從而可以更為精準(zhǔn)的提取各個APP的第一價值維度的特征值，以更準(zhǔn)確的推薦APP。

可選的，當(dāng)所述用戶訪問行為維度的特征值為瀏覽維度的特征值時，子步驟A10包括：

子步驟A102，針對每個應(yīng)用，統(tǒng)計所述應(yīng)用在應(yīng)用概要展示頁面中被瀏覽的第一瀏覽次數(shù)，在搜索結(jié)果頁面中被瀏覽的第二瀏覽次數(shù)，和在應(yīng)用詳情展示頁面中被瀏覽的第三瀏覽次數(shù)。

在本發(fā)明實(shí)施例中，可針對每個應(yīng)用，根據(jù)所述應(yīng)用在各類網(wǎng)頁中被瀏覽次數(shù)，計算瀏覽維度的瀏覽特征值。上述各類網(wǎng)頁包括展示APP概要信息的APP概要展示網(wǎng)頁，該頁面中可能同時展示了多個APP的概要信息，如圖1A所示，其為APP概要展示頁面中展示的部分APP展示示例。上述 各類網(wǎng)頁包括針對APP搜索結(jié)果頁面，即用戶在搜索頁面中搜索某個APP獲得的頁面，如圖1B，其為用戶在搜索頁面中搜索“PDF閱讀器”得到的APP搜索結(jié)果頁的部分示例，用戶可以從該頁面中瀏覽APP，當(dāng)然，還可包括其他形式的搜索結(jié)果頁。上述各類網(wǎng)頁還可包括應(yīng)用詳情展示頁面，即用戶點(diǎn)擊到介紹應(yīng)用具體情況的頁面，說明用戶對該應(yīng)用比較關(guān)心，如圖1C，其示出了某個應(yīng)用詳情展示頁面的示例。

其中，對于手機(jī)等移動終端來說，當(dāng)在手機(jī)上打開搜狗手機(jī)助手這個應(yīng)用管理平臺應(yīng)用時，應(yīng)用管理平臺會有“精品”、“應(yīng)用”、“游戲”、“視頻”、“管理”，“推薦”、“分類”、“排行”、“專題”、“資訊”等各個頻道，或者說各個頁面，點(diǎn)擊其中任意一個，都會跳轉(zhuǎn)到相應(yīng)的頻道或者說頁面中，每個頻道(頁面)都是一個APP展示頁面。在本發(fā)明實(shí)施例中前述“TAB頁”可以理解為應(yīng)用管理平臺的上述各個頻道。

當(dāng)然，本發(fā)明實(shí)施例在通過服務(wù)器的用戶訪問日志中，提取用戶行為記錄時，對用戶訪問的每個網(wǎng)址，均會判斷其類型。在本發(fā)明實(shí)施例中，可以預(yù)先針對各網(wǎng)站的網(wǎng)址設(shè)置判定網(wǎng)址類型的正則表達(dá)式，以判斷該網(wǎng)站中各個網(wǎng)頁屬于哪種類型，從而進(jìn)行統(tǒng)計。其中，對于正則表達(dá)式：在本發(fā)明實(shí)施例中，比如各種搜索引擎的搜索頁面，可針對搜索引擎頁面的網(wǎng)址設(shè)置正則表達(dá)式，然后為每個正則表達(dá)式對應(yīng)一個網(wǎng)頁類型，正則表達(dá)式匹配上則確認(rèn)網(wǎng)址屬于該網(wǎng)頁類型，沒匹配上則不屬于該網(wǎng)頁類型。如搜狗的搜索頁面的網(wǎng)址的正則表達(dá)式為\bSOSO.COM\b，兩個“\b”之間匹配soso.com字符串，匹配上，則說明該網(wǎng)址為搜狗搜索的搜索頁面，則判斷相應(yīng)網(wǎng)站的各網(wǎng)頁屬于搜索結(jié)果頁面類型。

子步驟A103，將所述第一瀏覽次數(shù)、第二瀏覽次數(shù)和第三瀏覽次數(shù)分別結(jié)合所在頁面的權(quán)重，計算瀏覽維度的特征值。

在本發(fā)明實(shí)施例中，可分別為各類型的頁面賦予不同的權(quán)重，比如應(yīng)用概要展示頁面的權(quán)重為Λ1，搜索結(jié)果頁面為Λ2，應(yīng)用詳情展示頁面為Λ3。

那么本發(fā)明可統(tǒng)計所述應(yīng)用在應(yīng)用概要展示頁面中被瀏覽的第一瀏覽次數(shù)C₁(APP_I),在搜索結(jié)果頁面中被瀏覽的第二瀏覽次數(shù)C₂(APP_I),和在應(yīng) 用詳情展示頁面中被瀏覽的第三瀏覽次數(shù)C₃(APP_I)。

那么可通過公式(2)計算瀏覽維度的特征值：

SCORE_BROWSING(APP_I)＝Λ1*C₁(APP_I)+Λ2*C₂(APP_I)+Λ3*C₃(APP_I) 公式(2)

其中SCORE_BROWSING(APP_I)為APP_I的瀏覽維度的特征值。

可選的，當(dāng)所述用戶訪問行為維度特征值為下載維度的特征值時，子步驟A10包括：

子步驟A104，針對每個應(yīng)用，統(tǒng)計所述應(yīng)用在應(yīng)用概要展示頁面的第一下載次數(shù)，在搜索結(jié)果頁面中被下載的第二下載次數(shù)，和在應(yīng)用詳情展示頁面中被下載中被下載的第三下載次數(shù)。

在本發(fā)明實(shí)施例中，可針對每個應(yīng)用，根據(jù)所述應(yīng)用的所述下載渠道，計算下載維度的瀏覽特征值。所述下載渠道可以包括：通過展示APP概要信息的APP概要展示網(wǎng)頁的渠道，通過搜索結(jié)果展示頁下載的渠道，和通過應(yīng)用詳情展示頁下載的渠道。

在本發(fā)明實(shí)施例中，前述APP概要展示網(wǎng)頁和應(yīng)用詳情展示頁、搜索結(jié)果展示頁，可以為應(yīng)用管理平臺中的頁面。那么其他頁面中的下載渠道，比如其他軟件下載的渠道，比如當(dāng)前應(yīng)用管理平臺為搜狗手機(jī)助手，用戶通過搜狗輸入法的APP下載頁面下載了APP則為其他頁面中下載的渠道。

上述各類網(wǎng)頁包括展示APP概要信息的APP概要展示網(wǎng)頁，該頁面中可能同時展示了多個APP的概要信息，如圖1A所示，其為APP概要展示頁面中展示的部分APP展示示例。上述各類網(wǎng)頁包括針對APP搜索結(jié)果頁面，即用戶在搜索頁面中搜索某個APP獲得的頁面，如圖1B，其為用戶在搜索頁面中搜索“PDF閱讀器”得到的APP搜索結(jié)果頁的部分示例，用戶可以從該頁面中瀏覽APP，當(dāng)然，還可包括其他形式的搜索結(jié)果頁。上述各類網(wǎng)頁還可包括應(yīng)用詳情展示頁面，即用戶點(diǎn)擊到介紹應(yīng)用具體情況的頁面，說明用戶對該應(yīng)用比較關(guān)心，如圖1C，其示出了某個應(yīng)用詳情展示頁面的示例。

子步驟A105，將所述第一下載次數(shù)、第二下載次數(shù)和第三下載次數(shù)分 別結(jié)合所在頁面的權(quán)重，計算下載維度的特征值。

在本發(fā)明實(shí)施例中，可分別為各類型的頁面賦予不同的權(quán)重，比如應(yīng)用概要展示頁面的權(quán)重為λ1，搜索結(jié)果頁面的權(quán)重為λ2，應(yīng)用詳情展示頁面的權(quán)重為λ3。

那么本發(fā)明可統(tǒng)計應(yīng)用在應(yīng)用概要展示頁面和應(yīng)用詳情展示頁面中被下載的第一下載次數(shù)D₁(APP_I),在搜索結(jié)果頁面中被下載的第二下載次數(shù)D₂(APP_I),和在應(yīng)用詳情展示頁面中被下載中被下載的第三下載次數(shù)D₃(APP_I)。

那么可通過公式(3)計算下載維度的特征值：

SCORE_DOWNLOADING(APP_I)＝λ1*D₁(APP_I)+λ2*D₂(APP_I)+λ3*D₃(APP_I)

……公式(3)

其中SCORE_DOWNLOADING(APP_I)為APP_I的下載維度的特征值。

當(dāng)然，本發(fā)明實(shí)施例還可以獲取其他的下載渠道的下載次數(shù)，比如其他管理分發(fā)平臺對該APP的下載次數(shù)，然后為該管理分發(fā)平臺設(shè)置權(quán)重，將該權(quán)重和次數(shù)相乘，然后加入上述公式(3)。

子步驟A11，根據(jù)各維度的特征值和相應(yīng)維度的權(quán)重，計算所述應(yīng)用的總特征值。

那么本發(fā)明即可根據(jù)第一價值維度的特征值、瀏覽維度的特征值、下載維度的特征值，計算每個APP的總特征值。

比如前述APP_I，本發(fā)明實(shí)施例中可以為每個特征維度設(shè)置一個權(quán)重，比如：第一價值維度的特征值的權(quán)重為λ_P、瀏覽維度的特征值的權(quán)重λ_L、下載維度的特征值的權(quán)重λ_D，那么APP_I的總特征值可通過公式(4)計算：

SCORE_TOTAL(APP_I)＝λ_P*SCORE_P(APP_I)+λ_L*SCORE_BROWSING(APP_I)+λ_D*SCORE_DOWNLOADING(APP_I) ……公式(4)

當(dāng)然，本發(fā)明實(shí)施例也可以先將SCORE_BROWSING和SCORE_DOWNLOADING合起來計算用戶整體訪問行為的第一特征值SCORE_USERS(APP_I)，該第一特征值可以判斷該APP是否被大多數(shù)用戶所需要。然后以SCORE_P(APP_I)判斷該APP是否具有較大的商業(yè)價值。兩者分別再賦予權(quán)重，再結(jié)合計算總特征值 SCORE_TOTAL(APP_I)。

即通過公式(5)計算SCORE_USERS(APP_I)：

SCORE_USERS(APP_I)＝λ_L1*SCORE_BROWSING(APP_I)+λ_D1*SCORE_DOWNLOADING(APP_I)

……公式(5)

其中λ_L1為SCORE_BROWSING(APP_I)的權(quán)重，其中λ_D1為SCORE_DOWNLOADING(APP_I)的權(quán)重。

然后通過公式(6)計算SCORE_TOTAL(APP_I)：

SCORE_TOTAL(APP_I)＝λ_P1*SCORE_P(APP_I)+λ_U*SCORE_USERS(APP_I)

……公式(6)

其中λ_P1為SCORE_P(APP_I)的權(quán)重，其中λ_U為SCORE_USERS(APP_I)的權(quán)重。

子步驟A12，將總特征值排序靠前的N₁個應(yīng)用加入第一應(yīng)用備選集合。

那么，再計算得到每個APP的SCORE_TOTAL(APP_I)之后，即可將排序靠前的N₁個加入第一應(yīng)用備選集合。

當(dāng)然，本發(fā)明實(shí)施例中，可以在計算了網(wǎng)頁中所有APP的SCORE_TOTAL(APP_I)后，將應(yīng)用管理平臺的APP庫中的APP，根據(jù)所述SCORE_TOTAL(APP_I)進(jìn)行排序，然后選擇排序靠前的N₁個APP加入第一應(yīng)用備選集合。該序靠前的N₁個APP即為優(yōu)質(zhì)APP。其中N₁為大于等于0的整數(shù)，其大小取值可根據(jù)實(shí)際需求確定。

步驟120，根據(jù)所述第一應(yīng)用備選集合，獲得推薦應(yīng)用集合。

然后，根據(jù)推薦應(yīng)用集合需求L個APP，從前N₁個APP繼續(xù)篩選L個APP。其中，N₁>L。

該篩選比如直接將N₁個APP中排序靠前的L個加入推薦應(yīng)用集合。

步驟130，將所述推薦應(yīng)用集合中的各應(yīng)用進(jìn)行展示。

然后，推薦應(yīng)用集合中的各應(yīng)用，即可按照排序，將應(yīng)用的相關(guān)信息放入應(yīng)用推薦頁面的相應(yīng)位置進(jìn)行展示，提供給用戶瀏覽/下載。

本發(fā)明實(shí)施例通過大規(guī)模的針對APP展示頁面的用戶行為記錄的分析，綜合評價APP的質(zhì)量，從而構(gòu)建第一應(yīng)用備選集合。然后可以從第一應(yīng)用 備選集合中按照推薦應(yīng)用集合的需求篩選應(yīng)用，將符合要求的應(yīng)用加入推薦應(yīng)用集合，然后即可將推薦應(yīng)用集合中的應(yīng)用在本發(fā)明的應(yīng)用管理平臺的應(yīng)用推薦頁面中進(jìn)行展示。本發(fā)明實(shí)施例綜合了用戶的訪問行為，比如在不同類型頁面中瀏覽、下載應(yīng)用的行為，相對客觀的統(tǒng)計得到更優(yōu)質(zhì)的APP的推薦列表，并且降低了人力成本，提高了推薦效率。

實(shí)施例二

參照圖2，示出了本發(fā)明的一種應(yīng)用推薦方法實(shí)施例的步驟流程圖，具體可以包括如下步驟：

步驟210，獲取與應(yīng)用相關(guān)的用戶行為記錄并對各應(yīng)用進(jìn)行分析，獲得第一應(yīng)用備選集合。

步驟220，獲取至少一個應(yīng)用管理平臺的應(yīng)用推薦頁面中的應(yīng)用并對各應(yīng)用進(jìn)行分析，獲得第二應(yīng)用備選集合。

在實(shí)際應(yīng)用中，網(wǎng)絡(luò)中已有的應(yīng)用管理平臺的可能也有應(yīng)用推薦頁面，或者說應(yīng)用推薦頁面，其一般是通過技術(shù)人員人工編輯而來，具備一定的參考價值。那么本發(fā)明可指定抓取其他應(yīng)用管理平臺的指定應(yīng)用推薦頁面，即抓取指定的應(yīng)用推薦頁面，并解析其中的應(yīng)用，然后對各個應(yīng)用進(jìn)行分析，可獲得第二應(yīng)用備選集合。

當(dāng)然，本發(fā)明實(shí)施例可以獲取一個或者多個應(yīng)用管理平臺的應(yīng)用推薦頁面中的應(yīng)用。

可選的，步驟220包括：

子步驟B10，對于至少一個應(yīng)用管理平臺的應(yīng)用推薦頁面，獲取對應(yīng)的應(yīng)用排序列表。

在本發(fā)明中可以利用網(wǎng)頁抓取器抓取指定應(yīng)用推薦頁面并進(jìn)行解析，獲得對應(yīng)該頁面的應(yīng)用排序列表。

子步驟B11，當(dāng)應(yīng)用排序列表為兩個或兩個以上時，將各個應(yīng)用排序列表進(jìn)行融合計算，獲得包括N₂個應(yīng)用的第二應(yīng)用備選集合，其中N₂為小于 或者等于所有應(yīng)用列表中應(yīng)用數(shù)量的總和。

由于可能由于有多個指定的應(yīng)用推薦頁面，則相應(yīng)存在多個應(yīng)用排序列表，那么本發(fā)明可將多個應(yīng)用排序列表進(jìn)行融合，去除排序靠后的APP，得到包括N₂個優(yōu)質(zhì)APP的第二應(yīng)用備選集合。

可選的，子步驟B11包括：

子步驟B1101，從每個應(yīng)用排序列表中，選擇排序靠前的P個應(yīng)用。

其中，多個應(yīng)用排序列表的前P個累加的數(shù)量大于第二應(yīng)用備選集合需求的數(shù)量N₂個。比如應(yīng)用排序列表有5個，那么APP的個數(shù)為5*P個。

子步驟B1102，針對每個應(yīng)用，從與所述應(yīng)用相關(guān)的用戶行為記錄中，提取至少一個維度的特征值；所述至少一個維度的特征值包括：第一價值維度的特征值、用戶訪問行為維度特征值；

子步驟B1103，根據(jù)各維度的特征值和相應(yīng)維度的權(quán)重，計算所述應(yīng)用的總特征值。

在本發(fā)明實(shí)施例中，子步驟B1102和子步驟B1103的執(zhí)行過程，與實(shí)施例一中提及的子步驟A10和子步驟A11的執(zhí)行過程類似，在此不再贅敘。

通過子步驟B1102和B1103，可以對各個APP計算得到其總特征值。

子步驟B1104，將總特征值排序靠前的N₂個應(yīng)用加入第二應(yīng)用備選集合。

然后從各個APP中選擇總特征值排序靠前的N₂個應(yīng)用加入第二應(yīng)用備選集合。

可選的，在本發(fā)明實(shí)施例中所述融合的方法可采用BORDA COUNT(波達(dá)計數(shù)法)的方法進(jìn)行融合，子步驟B11可包括：

子步驟B1111，在每個應(yīng)用排序列表中，根據(jù)所述應(yīng)用所處的位置，對各應(yīng)用打分。

假設(shè)抓取的結(jié)果列表的長度是N，對于排在第一位的APP，其在該列表中的得分記為N；對于排在第二位的APP，其在該列表中的得分為N-1；……排在最后一位的APP的得分為1。對于所有列表中的APP，重復(fù)上述打分的過程。

子步驟B1112，針對同一個應(yīng)用，將所述應(yīng)用在各個應(yīng)用排序列表中的打分進(jìn)行累加，得到所述應(yīng)用的總得分；

把各APP在各個列表中的打分進(jìn)行累積。

子步驟B1113，將總得分排序靠前的N₂個應(yīng)用加入第二應(yīng)用備選集合。

將APP按照累積打分由高到低進(jìn)行排序，然后即可將總得分排序靠前的N₂個應(yīng)用加入第二應(yīng)用備選集合。其中N₂為大于等于0的整數(shù)，其大小可以根據(jù)實(shí)際需求設(shè)置。

當(dāng)然，本發(fā)明實(shí)施例中，還可采用其他融合算法，本發(fā)明實(shí)施例不對其加以限制。

步驟230，將所述第一應(yīng)用備選集合和第二應(yīng)用備選集合進(jìn)行融合，獲得推薦應(yīng)用集合。

那么得到兩個應(yīng)用備選集合之后，本發(fā)明需要從兩個應(yīng)用備選集合中選擇合適的APP放到推薦應(yīng)用集合中，該推薦應(yīng)用集合會放到應(yīng)用推薦頁面進(jìn)行展示。那么本發(fā)明可所述第一應(yīng)用備選集合和第二應(yīng)用備選集合進(jìn)行融合，將最優(yōu)的多個APP加入到推薦應(yīng)用集合。

可選的，子步驟230包括：

子步驟C11，將推薦應(yīng)用集合的前M₁個位置，從第二應(yīng)用備選集合中選擇排序靠前的M₁個應(yīng)用進(jìn)行填充。

子步驟C12，將推薦應(yīng)用集合的剩余M₂位置，從第一應(yīng)用備選集合中選擇序靠前的相應(yīng)M₂個的應(yīng)用進(jìn)行填充；其中M₁與M₂之和為推薦應(yīng)用集合中應(yīng)用的數(shù)量。

對于推薦應(yīng)用集合前M₁個位置，由第二應(yīng)用備選集合中的前M₁個APP填充；推薦應(yīng)用集合M₁位置之后的M₂個位置，由第一應(yīng)用備選集合中的APP按照總特征值排序，由高到低進(jìn)行填充。此過程直至填滿推薦應(yīng)用集合的位置為止。其中M₁、M₂的取值可根據(jù)實(shí)際需要設(shè)定，通常是3或者4，一般不超過10。

步驟240，將所述推薦應(yīng)用集合中的各應(yīng)用進(jìn)行展示。

本發(fā)明實(shí)施例通過大規(guī)模的針對APP展示頁面的用戶行為記錄的分析， 綜合評價APP的質(zhì)量，從而構(gòu)建第一應(yīng)用備選集合。然后從指定的應(yīng)用推薦頁面中，比如網(wǎng)絡(luò)中已有的應(yīng)用管理平臺的應(yīng)用推薦頁面，獲取上述各個應(yīng)用推薦頁面中的應(yīng)用并對各應(yīng)用進(jìn)行分析，構(gòu)建第二應(yīng)用備選集合，然后再將第一應(yīng)用備選集合和第二應(yīng)用備選集合融合，得到最終的推薦應(yīng)用集合，然后即可將推薦應(yīng)用集合中的應(yīng)用在應(yīng)用推薦頁面中展示。本發(fā)明實(shí)施例綜合了用戶的訪問行為，比如在不同類型頁面中瀏覽、下載應(yīng)用的行為，以及已有的指定應(yīng)用推薦頁面中的應(yīng)用推薦數(shù)據(jù)，相對客觀的統(tǒng)計得到更優(yōu)質(zhì)的APP的推薦列表，并且降低了人力成本，提高了推薦效率。

實(shí)施例三

參照圖3，示出了本發(fā)明的一種應(yīng)用推薦方法實(shí)施例的步驟流程圖，具體可以包括如下步驟：

步驟310，獲取與應(yīng)用相關(guān)的用戶行為記錄并對各應(yīng)用進(jìn)行分析，獲得第一應(yīng)用備選集合。

步驟320，獲取至少一個應(yīng)用管理平臺的應(yīng)用推薦頁面中的應(yīng)用并對各應(yīng)用進(jìn)行分析，獲得第二應(yīng)用備選集合。

步驟330，將所述第一應(yīng)用備選集合和第二應(yīng)用備選集合進(jìn)行融合，獲得推薦應(yīng)用集合。

步驟340，對于推薦應(yīng)用集合中的每個應(yīng)用，根據(jù)分類標(biāo)簽?zāi)Ｐ蛯λ鰬?yīng)用打上分類標(biāo)簽。

可選的，步驟330后還可以包括：

步驟300，根據(jù)各用戶對應(yīng)用的各功能的使用行為進(jìn)行分析，構(gòu)建應(yīng)用分類標(biāo)簽?zāi)Ｐ汀?/p>

可選的，還可以同時包括：

步驟340和步驟300。

本發(fā)明實(shí)施例中，會預(yù)先構(gòu)APP分類標(biāo)簽?zāi)Ｐ?，該APP分類標(biāo)簽?zāi)Ｐ屯ㄟ^各用戶對應(yīng)用的各功能的使用行為進(jìn)行分析，構(gòu)建應(yīng)用分類標(biāo)簽?zāi)Ｐ汀?/p>

在實(shí)際應(yīng)用中，每個APP通常有多個細(xì)分功能模塊，通常采用選項等形式分別進(jìn)行顯示，如游戲類的APP，除游戲登陸入口外，也有對應(yīng)的社區(qū) 論壇、攻略交流等功能模塊。

那么，對于每個APP，本發(fā)明實(shí)施例會檢測各個已下載該APP的終端中，用戶對該APP的各個功能的使用行為，然后根據(jù)該使用行為構(gòu)建APP分類標(biāo)簽?zāi)Ｐ汀?/p>

比如，如果檢測到大量用戶使用APP的某個功能，則可以認(rèn)為用戶偏向與使用APP的該功能，則可以針對該APP打上與該功能對應(yīng)的分類標(biāo)簽。比如前述檢測到APP“快牙”大量用戶下載了該APP，并且超過70％的用戶使用了其中的互動游戲模塊，那么可根據(jù)上述用戶行為擬合出分類標(biāo)簽“游戲很受歡迎呦”，并將該分類標(biāo)簽與“快牙”對應(yīng)。

在本發(fā)明實(shí)施例中，對于“白領(lǐng)一族”、“軍事迷”、“理財達(dá)人”、“背包客”、“無分類”等分類標(biāo)簽，可以將分類標(biāo)簽看做一個類別，然后通過機(jī)器學(xué)習(xí)中的最大熵分類器構(gòu)建APP分類標(biāo)簽?zāi)Ｐ?，即最大熵分類?biāo)簽?zāi)Ｐ?。最大熵分類器的基本原理是在限定條件下，尋求滿足現(xiàn)有樣本集合熵最大的一種概率分布，其模型的構(gòu)建過程大致如下：

1、預(yù)先設(shè)定一系列分類。如“白領(lǐng)一族”、“軍事迷”、“理財達(dá)人”、“背包客”、“無分類”等分類，每個分類就是一個分類標(biāo)簽。

2、選擇一系列的APP，采集各終端對每個APP的各功能模塊的使用行為。

3、分析各個功能模塊的使用行為，確定每個上述各APP對應(yīng)的分類標(biāo)簽，將上述打上分類標(biāo)簽的APP作為訓(xùn)練集合。

4、抽取訓(xùn)練集合中的各個APP的特征，比如APP名字、APP所屬的技術(shù)分類、APP描述信息中的關(guān)鍵詞、APP的作者、APP的截圖等等。其中APP所屬的技術(shù)分類比如工具類、系統(tǒng)工具類、輸入法類等。

5、將APP的上述特征作為輸入值，輸入進(jìn)最大熵分類標(biāo)簽?zāi)Ｐ椭?，最大熵分類?biāo)簽?zāi)Ｐ陀嬎愫蟮玫降谝环诸惤Y(jié)果。

6、以訓(xùn)練集合中的各APP的分類標(biāo)簽作為樣本值，將第一分類結(jié)果與所述樣本值進(jìn)行比較，如果誤差大于閾值，則結(jié)合訓(xùn)練算法調(diào)整最大熵分類標(biāo)簽?zāi)Ｐ偷哪Ｐ蛥?shù)。循環(huán)進(jìn)行訓(xùn)練，直到第一分類結(jié)果與所述樣本值之間 的誤差小于閾值，則最大熵分類標(biāo)簽?zāi)Ｐ蜆?gòu)建完畢。

那么，在步驟340中，對于推薦應(yīng)用集合中的每個應(yīng)用，根據(jù)分類標(biāo)簽?zāi)Ｐ蛯λ鰬?yīng)用打上分類標(biāo)簽包括：

針對應(yīng)用推薦集合中的每個APP，提取其特征。如前述的APP名字、APP所屬的技術(shù)分類、APP描述信息中的關(guān)鍵詞、APP的作者、APP的截圖等等。

然后將每個APP的特征輸入前述最大熵分類標(biāo)簽?zāi)Ｐ?，得到分類結(jié)果，根據(jù)分類結(jié)果對該APP打分類標(biāo)簽。

如果分類結(jié)果對應(yīng)某個具體的分類標(biāo)簽，則為該APP打上該分類標(biāo)簽。如果分類結(jié)果對應(yīng)“無分類”的分類結(jié)果，則不為該APP打分類標(biāo)簽。

當(dāng)然，本發(fā)明實(shí)施例中APP分類標(biāo)簽?zāi)Ｐ瓦€可以通過樸素貝葉斯分類器、支持向量機(jī)分類器、深度神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林等方式構(gòu)造，本發(fā)明不對其加以限制。

當(dāng)然，本發(fā)明實(shí)施例中，也可以直接采集各個APP的在用戶終端中用戶對APP各功能的使用行為進(jìn)行分析，確定各APP的分類標(biāo)簽。比如，對于APP“快牙”在最近一段時間內(nèi)被用戶大量下載，雖然其是一款文件傳輸類的軟件，但檢測到70％的用戶使用了其中的互動游戲模塊，則根據(jù)的上述用戶行為擬合出“游戲很受歡迎呦”分類標(biāo)簽，并將“快牙”附上該分類標(biāo)簽。

在本發(fā)明實(shí)施例中，在獲得推薦應(yīng)用集合后，為了讓用戶更加快速的了解APP、同時也是為了給用戶一個推薦的理由，在實(shí)際展示的時候還可為某些APP打上了一些分類標(biāo)簽，如：“白領(lǐng)一族”、“軍事迷”、“理財達(dá)人”、“背包客”、等等。上述分類標(biāo)簽基本上是表征該APP適合的用戶人群，如果恰好當(dāng)前用戶是其中的某一類人，則能大大提升用戶對該APP的點(diǎn)擊率。在本發(fā)明實(shí)施例中，對于推薦應(yīng)用集合中的每個應(yīng)用，對于推薦應(yīng)用集合中的每個應(yīng)用，對所述應(yīng)用打上分類標(biāo)簽。

步驟350，將所述推薦應(yīng)用集合中的各應(yīng)用進(jìn)行展示。

通過前述步驟，在展示時，即可在展示APP的概要、下載鏈接等基本 信息之外，展示其分類標(biāo)簽，方便用戶快速了解APP，并且豐富了向用戶推薦的內(nèi)容。

本發(fā)明實(shí)施例可以通過大規(guī)模的針對APP展示頁面的用戶行為記錄的分析，綜合評價APP的質(zhì)量，從而構(gòu)建第一應(yīng)用備選集合。然后可以從指定的應(yīng)用展示頁面應(yīng)用推薦頁面中，比如網(wǎng)絡(luò)中已有的應(yīng)用管理平臺的應(yīng)用展示頁面應(yīng)用推薦頁面，獲取上述各個應(yīng)用展示頁面應(yīng)用推薦頁面中的應(yīng)用并對各應(yīng)用進(jìn)行分析，構(gòu)建第二應(yīng)用備選集合，然后再將第一應(yīng)用備選集合和第二應(yīng)用備選集合融合，得到最終的推薦應(yīng)用集合，并且為推薦應(yīng)用集合中的應(yīng)用打上標(biāo)簽分類標(biāo)簽，然后將推薦應(yīng)用集合中的應(yīng)用在應(yīng)用展示頁面應(yīng)用推薦頁面中展示。本發(fā)明實(shí)施例綜合了用戶的訪問行為，比如在不同類型頁面中瀏覽、下載應(yīng)用的行為，以及已有的指定應(yīng)用展示頁面應(yīng)用推薦頁面中的應(yīng)用推薦數(shù)據(jù)，相對客觀的統(tǒng)計得到更優(yōu)質(zhì)的APP的推薦列表，并且降低了人力成本，提高了推薦效率，并且標(biāo)簽分類標(biāo)簽便于用戶快速了解各應(yīng)用被側(cè)重的功能，豐富了展示的內(nèi)容。

需要說明的是，對于方法實(shí)施例，為了簡單描述，故將其都表述為一系列的動作組合，但是本領(lǐng)域技術(shù)人員應(yīng)該知悉，本發(fā)明實(shí)施例并不受所描述的動作順序的限制，因為依據(jù)本發(fā)明實(shí)施例，某些步驟可以采用其他順序或者同時進(jìn)行。其次，本領(lǐng)域技術(shù)人員也應(yīng)該知悉，說明書中所描述的實(shí)施例均屬于優(yōu)選實(shí)施例，所涉及的動作并不一定是本發(fā)明實(shí)施例所必須的。

實(shí)施例四

參照圖4，示出了本發(fā)明的一種應(yīng)用推薦系統(tǒng)實(shí)施例的結(jié)構(gòu)框圖，具體可以包括如下模塊：

第一應(yīng)用備選集合生成模塊410，用于獲取與應(yīng)用相關(guān)的用戶行為記錄并對各應(yīng)用進(jìn)行分析，獲得第一應(yīng)用備選集合。

推薦應(yīng)用集合獲取模塊420，用于根據(jù)所述第一應(yīng)用備選集合，獲得推薦應(yīng)用集合。

展示模塊430，用于將所述推薦應(yīng)用集合中的各應(yīng)用進(jìn)行展示。

可選的，第一應(yīng)用備選集合生成模塊410包括：

第一初始特征詞計算模塊，用于針對每個應(yīng)用，從與所述應(yīng)用相關(guān)的用戶行為記錄中，提取至少一個維度的特征值；所述至少一個維度的特征值包括：第一價值維度的特征值、用戶訪問行為維度的特征值。

第一總特征值計算模塊，用于根據(jù)各維度的特征值和相應(yīng)維度的權(quán)重，計算所述應(yīng)用的總特征值。

第一備選集合構(gòu)造模塊，用于將總特征值排序靠前的N₁個應(yīng)用加入第一應(yīng)用備選集合。

可選的，第一初始特征詞計算模塊包括：

第一價值維度特征值計算模塊，用于針對每個應(yīng)用，計算所述應(yīng)用的第一價值數(shù)據(jù)與所述應(yīng)用的分發(fā)量之間的比例，將所述比例作為第一價值維度的特征值。

可選的，所述用戶訪問行為維度特征值包括：瀏覽維度的特征值、下載維度的特征值。

可選的，當(dāng)所述用戶訪問行為維度特征值為瀏覽維度的特征值時，第一初始特征詞計算模塊包括：

針對每個應(yīng)用，統(tǒng)計所述應(yīng)用在應(yīng)用概要展示頁面中被瀏覽的第一瀏覽次數(shù)，在搜索結(jié)果頁面中被瀏覽的第二瀏覽次數(shù)，和在應(yīng)用詳情展示頁面中被瀏覽的第三瀏覽次數(shù)。

瀏覽特征值計算模塊，用于將所述第一下載次數(shù)、第二下載次數(shù)和第三下載次數(shù)分別結(jié)合所在頁面的權(quán)重，計算下載維度的特征值。

可選的，當(dāng)所述用戶訪問行為維度特征值為下載維度的特征值時，第一初始特征詞計算模塊包括：

頁面下載次數(shù)統(tǒng)計模塊，用于針對每個應(yīng)用，統(tǒng)計所述應(yīng)用在應(yīng)用概要展示頁面的第一下載次數(shù)，在搜索結(jié)果頁面中被下載的第二下載次數(shù)，和在應(yīng)用詳情展示頁面中被下載中被下載的第三下載次數(shù)。

下載特征值計算模塊，用于將所述第一下載次數(shù)、第二下載次數(shù)和第三下載次數(shù)分別結(jié)合所在頁面的權(quán)重，計算下載維度的特征值。

實(shí)施例五

參照圖5，示出了本發(fā)明的一種應(yīng)用推薦系統(tǒng)實(shí)施例的結(jié)構(gòu)框圖，具體可以包括如下模塊：

第一應(yīng)用備選集合生成模塊510，用于獲取與應(yīng)用相關(guān)的用戶行為記錄并對各應(yīng)用進(jìn)行分析，獲得第一應(yīng)用備選集合。

第二應(yīng)用備選集合生成模塊520，用于獲取至少一個應(yīng)用管理平臺的應(yīng)用推薦頁面中的應(yīng)用并對各應(yīng)用進(jìn)行分析，獲得第二應(yīng)用備選集合；

推薦應(yīng)用集合獲取模塊530，具體包括：

融合模塊531，用于將所述第一應(yīng)用備選集合和第二應(yīng)用備選集合進(jìn)行融合，獲得推薦應(yīng)用集合。

展示模塊540，用于將所述推薦應(yīng)用集合中的各應(yīng)用進(jìn)行展示。

可選的，所述第二應(yīng)用備選集合生成模塊520包括：

排序列表獲取模塊，用于對于至少一個應(yīng)用管理平臺的應(yīng)用推薦頁面，獲取對應(yīng)的應(yīng)用排序列表。

列表融合模塊，用于當(dāng)應(yīng)用排序列表為兩個或兩個以上時，將各個應(yīng)用排序列表進(jìn)行融合計算，獲得包括N₂個應(yīng)用的第二應(yīng)用備選集合，其中N₂為小于或者等于所有應(yīng)用列表中應(yīng)用數(shù)量的總和。

可選的，所述列表融合模塊包括：

應(yīng)用提取模塊，用于從每個應(yīng)用排序列表中，選擇排序靠前的P個應(yīng)用；

第二初始特征詞計算模塊，用于針對每個應(yīng)用，從與所述應(yīng)用相關(guān)的用戶行為記錄中，提取至少一個維度的特征值；所述至少一個維度的特征值包括：第一價值維度的特征值、用戶訪問行為維度特征值。

第二總特征值計算模塊，用于根據(jù)各維度的特征值和相應(yīng)維度的權(quán)重，計算所述應(yīng)用的總特征值。

第二備選集合構(gòu)造模塊，用于將總特征值排序靠前的N₂個應(yīng)用加入第二應(yīng)用備選集合。

可選的，所述列表融合模塊包括：

第一打分模塊，用于在每個應(yīng)用排序列表中，根據(jù)所述應(yīng)用所處的位置， 對各應(yīng)用打分。

打分累積模塊，用于針對同一個應(yīng)用，將所述應(yīng)用在各個應(yīng)用排序列表中的打分進(jìn)行累加，得到所述應(yīng)用的總得分。

排序構(gòu)造模塊，用于將總得分排序靠前的N₂個應(yīng)用加入第二應(yīng)用備選集合。

可選的，所述融合模塊531包括：

第一填充模塊，用于將推薦應(yīng)用集合的前M₁個位置，從第二應(yīng)用備選集合中選擇排序靠前的M₁個應(yīng)用進(jìn)行填充。

第二填充模塊，用于將推薦應(yīng)用集合的剩余M₂位置，從第一應(yīng)用備選集合中選擇序靠前的相應(yīng)M₂個的應(yīng)用進(jìn)行填充，其中M₁與M₂之和為推薦應(yīng)用集合中應(yīng)用的數(shù)量。

實(shí)施例六

參照圖6，示出了本發(fā)明的一種應(yīng)用推薦系統(tǒng)實(shí)施例的結(jié)構(gòu)框圖，具體可以包括如下模塊：

第一應(yīng)用備選集合生成模塊610，用于獲取與應(yīng)用相關(guān)的用戶行為記錄并對各應(yīng)用進(jìn)行分析，獲得第一應(yīng)用備選集合。

第二應(yīng)用備選集合生成模塊620，用于獲取至少一個應(yīng)用管理平臺的應(yīng)用推薦頁面中的應(yīng)用并對各應(yīng)用進(jìn)行分析，獲得第二應(yīng)用備選集合。

推薦應(yīng)用集合獲取模塊630，具體包括：

融合模塊631，用于將所述第一應(yīng)用備選集合和第二應(yīng)用備選集合進(jìn)行融合，獲得推薦應(yīng)用集合。

分類模塊640，用于對于推薦應(yīng)用集合中的每個應(yīng)用，根據(jù)分類標(biāo)簽?zāi)Ｐ蛯λ鰬?yīng)用打上分類標(biāo)簽。

展示模塊650，用于將所述推薦應(yīng)用集合中的各應(yīng)用進(jìn)行展示。

可選的，還包括：

分類標(biāo)簽?zāi)Ｐ蜆?gòu)建模塊，用于根據(jù)各用戶對應(yīng)用的各功能的使用行為進(jìn)行分析，構(gòu)建應(yīng)用分類標(biāo)簽?zāi)Ｐ汀?/p>

對于系統(tǒng)實(shí)施例而言，由于其與方法實(shí)施例基本相似，所以描述的比較 簡單，相關(guān)之處參見方法實(shí)施例的部分說明即可。

本說明書中的各個實(shí)施例均采用遞進(jìn)的方式描述，每個實(shí)施例重點(diǎn)說明的都是與其他實(shí)施例的不同之處，各個實(shí)施例之間相同相似的部分互相參見即可。

本領(lǐng)域內(nèi)的技術(shù)人員應(yīng)明白，本發(fā)明實(shí)施例的實(shí)施例可提供為方法、系統(tǒng)、或計算機(jī)程序產(chǎn)品。因此，本發(fā)明實(shí)施例可采用完全硬件實(shí)施例、完全軟件實(shí)施例、或結(jié)合軟件和硬件方面的實(shí)施例的形式。而且，本發(fā)明實(shí)施例可采用在一個或多個其中包含有計算機(jī)可用程序代碼的計算機(jī)可用存儲介質(zhì)(包括但不限于磁盤存儲器、CD-ROM、光學(xué)存儲器等)上實(shí)施的計算機(jī)程序產(chǎn)品的形式。

在一個典型的配置中，所述計算機(jī)設(shè)備包括一個或多個處理器(CPU)、輸入/輸出接口、網(wǎng)絡(luò)接口和內(nèi)存。內(nèi)存可能包括計算機(jī)可讀介質(zhì)中的非永久性存儲器，隨機(jī)存取存儲器(RAM)和/或非易失性內(nèi)存等形式，如只讀存儲器(ROM)或閃存(FLASH RAM)。內(nèi)存是計算機(jī)可讀介質(zhì)的示例。計算機(jī)可讀介質(zhì)包括永久性和非永久性、可移動和非可移動媒體可以由任何方法或技術(shù)來實(shí)現(xiàn)信息存儲。信息可以是計算機(jī)可讀指令、數(shù)據(jù)結(jié)構(gòu)、程序的模塊或其他數(shù)據(jù)。計算機(jī)的存儲介質(zhì)的例子包括，但不限于相變內(nèi)存(PRAM)、靜態(tài)隨機(jī)存取存儲器(SRAM)、動態(tài)隨機(jī)存取存儲器(DRAM)、其他類型的隨機(jī)存取存儲器(RAM)、只讀存儲器(ROM)、電可擦除可編程只讀存儲器(EEPROM)、快閃記憶體或其他內(nèi)存技術(shù)、只讀光盤只讀存儲器(CD-ROM)、數(shù)字多功能光盤(DVD)或其他光學(xué)存儲、磁盒式磁帶，磁帶磁磁盤存儲或其他磁性存儲設(shè)備或任何其他非傳輸介質(zhì)，可用于存儲可以被計算設(shè)備訪問的信息。按照本文中的界定，計算機(jī)可讀介質(zhì)不包括非持續(xù)性的電腦可讀媒體(TRANSITORY MEDIA)，如調(diào)制的數(shù)據(jù)信號和載波。

本發(fā)明實(shí)施例是參照根據(jù)本發(fā)明實(shí)施例的方法、終端設(shè)備(系統(tǒng))、和計算機(jī)程序產(chǎn)品的流程圖和/或方框圖來描述的。應(yīng)理解可由計算機(jī)程序指令實(shí)現(xiàn)流程圖和/或方框圖中的每一流程和/或方框、以及流程圖和/或方框 圖中的流程和/或方框的結(jié)合?？商峁┻@些計算機(jī)程序指令到通用計算機(jī)、專用計算機(jī)、嵌入式處理機(jī)或其他可編程數(shù)據(jù)處理終端設(shè)備的處理器以產(chǎn)生一個機(jī)器，使得通過計算機(jī)或其他可編程數(shù)據(jù)處理終端設(shè)備的處理器執(zhí)行的指令產(chǎn)生用于實(shí)現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的系統(tǒng)。

這些計算機(jī)程序指令也可存儲在能引導(dǎo)計算機(jī)或其他可編程數(shù)據(jù)處理終端設(shè)備以特定方式工作的計算機(jī)可讀存儲器中，使得存儲在該計算機(jī)可讀存儲器中的指令產(chǎn)生包括指令系統(tǒng)的制造品，該指令系統(tǒng)實(shí)現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能。

這些計算機(jī)程序指令也可裝載到計算機(jī)或其他可編程數(shù)據(jù)處理終端設(shè)備上，使得在計算機(jī)或其他可編程終端設(shè)備上執(zhí)行一系列操作步驟以產(chǎn)生計算機(jī)實(shí)現(xiàn)的處理，從而在計算機(jī)或其他可編程終端設(shè)備上執(zhí)行的指令提供用于實(shí)現(xiàn)在流程圖一個流程或多個流程和/或方框圖一個方框或多個方框中指定的功能的步驟。

盡管已描述了本發(fā)明實(shí)施例的優(yōu)選實(shí)施例，但本領(lǐng)域內(nèi)的技術(shù)人員一旦得知了基本創(chuàng)造性概念，則可對這些實(shí)施例做出另外的變更和修改。所以，所附權(quán)利要求意欲解釋為包括優(yōu)選實(shí)施例以及落入本發(fā)明實(shí)施例范圍的所有變更和修改。

最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個實(shí)體或者操作與另一個實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者終端設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者終端設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者終端設(shè)備中還存在另外的相同要素。

以上對本發(fā)明所提供的一種應(yīng)用推薦方法和一種應(yīng)用推薦系統(tǒng)，進(jìn)行了 詳細(xì)介紹，本文中應(yīng)用了具體個例對本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時，對于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對本發(fā)明的限制。