一种应用推荐方法、装置、设备、介质及产品制造方法及图纸

本申请公开了一种应用推荐方法、装置、设备、介质及产品。该方法通过获取M个用户针对目标应用的使用数据，其中，目标应用为目标应用软件中的小程序；根据使用数据，从预设的N个推荐评分模型中确定与目标应用相适应的K个目标推荐评分模型；基于K个目标推荐评分模型确定M个用户分别对应的推荐分数值；根据推荐分数值，从M个用户中确定与目标应用对应的L个推荐用户；基于L个推荐用户分别对应的用户标签，确定目标应用对应的应用标签；根据应用标签确定与目标应用相匹配的目标用户群体，并向目标用户群体推荐目标应用。根据本申请实施例，可以降低计算的复杂度，提升应用推荐结果的准确度。度。度。

【技术实现步骤摘要】
一种应用推荐方法、装置、设备、介质及产品


[0001]本申请属于计算机
，尤其涉及一种应用推荐方法、装置、设备、介质及产品。

技术介绍

[0002]在各种应用逐步发展的时代下，越来越多的用户群体对不同的应用产生的关注度是不同的，需要针对不同的用户群体推荐与之相适配的应用。
[0003]在现有技术中，应用推荐主要使用的是固定推荐，或者基于城市进行推荐，不同用户在同一城市每次得到的推荐结果都是相同的，再或者由平台应用服务方采用用户协同过滤的方式，利用各种相似度算法计算相似性从而推荐应用。
[0004]但是，现有技术利用相似度算法计算用户或应用之间的相似性时会使得计算量大，且根据经验选取的模型组合存在无法剔除不适用的模型问题，使得模型与应用匹配不准确，从而导致应用推荐结果不准确。

技术实现思路

[0005]本申请实施例提供一种应用推荐方法、装置、设备、介质及产品，能够降低计算的复杂度，提升应用推荐结果的准确度。
[0006]第一方面，本申请实施例提供一种应用推荐方法，该方法包括：
[0007]获取M个用户针对目标应用的使用数据，其中，所述目标应用为目标应用软件中的小程序；
[0008]根据使用数据，从预设的N个推荐评分模型中确定与目标应用相适应的K个目标推荐评分模型；
[0009]基于K个目标推荐评分模型确定M个用户分别对应的推荐分数值；
[0010]根据推荐分数值，从M个用户中确定与目标应用对应的L个推荐用户；
[0011]基于L个推荐用户分别对应的用户标签，确定目标应用对应的应用标签；
[0012]根据应用标签确定与目标应用相匹配的目标用户群体，并向目标用户群体推荐目标应用；
[0013]其中，M、N、K、L为正整数，且M＞L＞1，N＞K＞1。
[0014]第二方面，本申请实施例提供了一种应用推荐装置，该装置包括：
[0015]获取模块，用于获取M个用户针对目标应用的使用数据，其中，所述目标应用为目标应用软件中的小程序；
[0016]第一确定模块，用于根据使用数据，从预设的N个推荐评分模型中确定与目标应用相适应的K个目标推荐评分模型；
[0017]第二确定模块，用于基于K个目标推荐评分模型确定M个用户分别对应的推荐分数值；
[0018]第三确定模块，用于根据推荐分数值，从M个用户中确定与目标应用对应的L个推
荐用户；
[0019]第四确定模块，用于基于L个推荐用户分别对应的用户标签，确定目标应用对应的应用标签；
[0020]推荐模块，用于根据应用标签确定与目标应用相匹配的目标用户群体，并向目标用户群体推荐目标应用；
[0021]其中，M、N、K、L为正整数，且M＞L＞1，N＞K＞1。
[0022]第三方面，本申请实施例提供了一种电子设备，该电子设备包括：
[0023]处理器以及存储有计算机程序指令的存储器；
[0024]处理器执行计算机程序指令时实现如第一方面的任一项实施例中的应用推荐方法的步骤。
[0025]第四方面，本申请实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面的任一项实施例中的应用推荐方法的步骤。
[0026]第五方面，本申请实施例提供了一种计算机程序产品，计算机程序产品中的指令由电子设备的处理器执行时，使得所述电子设备执行如第一方面的任一项实施例中的应用推荐方法的步骤。
[0027]本申请实施例提供的一种应用推荐方法、装置、设备、介质及产品，通过获取M个用户针对目标应用软件中目标应用的使用数据，每隔一段时间将获取到的反馈到后台，然后从预设的N个推荐评分模型中确定与目标应用相适应的K个目标推荐评分模型，再根据K个目标推荐评分模型确定M个用户分别对应的推荐分数值，进而确定与目标应用对应的L个推荐用户，基于L个推荐用户分别对应的用户标签，确定目标应用对应的应用标签，根据应用标签确定与目标应用相匹配的目标用户群体，来达到向目标用户群体推荐目标应用的目的。这样，由于本申请实施例是利用用户标签动态地为应用贴标签，因此在进行应用推荐时相较于通过相似度计算进行匹配的方式，标签匹配方式计算更简便，从而能够降低计算的复杂性。另外，由于本申请实施例还针对不同的应用适配不同的组合模型，因此，可以提升应用推荐结果的准确度。
附图说明
[0028]为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0029]图1是本申请实施例提供的一种应用推荐方法的流程示意图；
[0030]图2是本申请实施例提供的另一种应用推荐方法的流程示意图；
[0031]图3是本申请实施例提供的不同模型下预测推荐分数值分布的示意图；
[0032]图4是本申请实施例提供的一种数据变换结果示意图；
[0033]图5是本申请实施例提供的一种应用推荐方法的框架示意图；
[0034]图6是本申请实施例提供的一种应用推荐装置的结构示意图；
[0035]图7是本申请一个实施例提供的电子设备的结构示意图。
具体实施方式
[0036]下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本申请，而不是限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。
[0037]需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0038]如
技术介绍
所述，专利技术人发现，在现有的应用推荐方法中，应用推荐主要使用的是固定推荐，或者基于城市进行推荐，不同用户在同一城市每次得到的推荐结果都是相同的，无法达到推荐的效果，再或者由平台应用服务方采用用户协同过滤的方式，利用各种相似度算法计算相似性从而推荐应用。专利技术人还发现部分厂商根据用户群体的一些基础特征和统计特征采用混合模型的方式推荐应用，主要用于解决用户群体没有行为或者用户行为较少时的推荐。其中该方法的计算量大，并且根本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种应用推荐方法，其特征在于，包括：获取M个用户针对目标应用的使用数据，其中，所述目标应用为目标应用软件中的小程序；根据所述使用数据，从预设的N个推荐评分模型中确定与所述目标应用相适应的K个目标推荐评分模型；基于所述K个目标推荐评分模型确定所述M个用户分别对应的推荐分数值；根据所述推荐分数值，从所述M个用户中确定与所述目标应用对应的L个推荐用户；基于所述L个推荐用户分别对应的用户标签，确定所述目标应用对应的应用标签；根据所述应用标签确定与所述目标应用相匹配的目标用户群体，并向所述目标用户群体推荐所述目标应用；其中，M、N、K、L为正整数，且M＞L＞1，N＞K＞1。2.根据权利要求1所述的方法，其特征在于，所述根据所述使用数据，从预设的N个推荐评分模型中确定与所述目标应用相适应的K个目标推荐评分模型，包括：根据所述M个用户中每个用户的使用数据，分别提取每个用户对应的用户特征信息；将所述用户特征信息分别输入至预设的N个推荐评分模型中，由所述N个推荐评分模型分别根据所述用户特征信息确定所述目标应用对于所述用户的预测推荐分数值，输出得到N个预测推荐分数值组，其中，一个所述推荐评分模型对应于一个所述预测推荐分数值组，一个所述预测推荐分数值组中包括与M个用户对应的M个所述预测推荐分数值；基于所述N个预测推荐分数值组，从所述N个推荐评分模型对应的多种模型组合方式中，确定目标模型组合方式对应的K个目标推荐评分模型，其中，所述目标模型组合方式为所述多种模型组合方式中同一用户的预测推荐分数值之间离散程度最小的模型组合方式。3.根据权利要求2所述的方法，其特征在于，所述基于所述N个预测推荐分数值组，从所述N个推荐评分模型对应的多种模型组合方式中，确定目标模型组合方式对应的K个目标推荐评分模型，包括：确定与所述N个推荐评分模型对应的多种模型组合方式，其中，每种模型组合方式中包括K个推荐评分模型；针对所述多种模型组合方式中的每种模型组合方式，计算其中包括的K个推荐评分模型分别输出的预测推荐分数值组之间的离散值；基于所述离散值的大小，确定离散值最小的目标模型组合方式对应的K个目标推荐评分模型。4.根据权利要求2所述的方法，其特征在于，在根据所述M个用户中每个用户的使用数据，分别提取每个用户对应的用户特征信息之前，所述方法还包括：获取所述M个用户分别对应的用户标签；所述根据所述M个用户中每个用户的使用数据，分别提取每个用户对应的用户特征信息，包括：根据所述M个用户中每个用户的使用数据和用户标签，提取每个用户对应的用户特征信息。5.根据权利要求2所述的方法，其特征在于，在基于所述N个预测推荐分数值组，从所述N个推荐评分模型对应的多种模型组合方式中，确定目标模型组合方式对应的K个目标...

【专利技术属性】
技术研发人员：鹿俊辉，曹晓雯，陈旭，董子玥，
申请(专利权)人：中国银联股份有限公司，
类型：发明
国别省市：