[发明专利]一种推荐列表调整方法和装置

说明书

技术领域

本发明实施方式涉及信息处理技术领域，更具体地，涉及一种推荐列表调整方法和装置。

背景技术

近年来，随着智能手机，平板电脑等移动终端的普及，移动互联网已经成为用户贴身的媒体。手机已经不再只是一个基本通讯和信息传递的终端，而是成为了一个人们随身携带的娱乐应用终端。这一变化，催生了巨大的移动应用市场产业，比如，著名的愤怒的小鸟就是在手机游戏里最受欢迎的游戏之一，与Google地图一样，也几乎成了很多智能手机用户的标准配置。

与此同时，用户的消费方式，消费习惯和消费行为都在随之改变：PC用户和智能手机用户在采购他们服务的时候是有时间区别的，移动终端上的消费者普遍没有耐心，总是希望立刻就可以找到他们想要的东西。有一个很典型的例子，82%利用移动终端订房间的用户，是在24小时以内决定并完成的，几乎就是到了目的地就用手机来订酒店，比在电脑上订酒店的用户，花的时间要短的多。移动终端用户的这种“冲动性购买”、“即时性购买”行为，其实是对传统互联网相对慢条斯理的商务模式的一种颠覆。针对这种新的变化，企业需要在极短的时间内帮助用户找到他们可能感兴趣的应用，以占领移动营销的先机。

目前，在推荐系统领域中比较成熟的应用包括Amazon和Netflix的推荐系统。Amazon推荐系统涉及电子商务领域，使用了混合推荐算法，一种是改进的基于项目的协同过滤技术，另一种是按照用户社交网络中好友关系，给用户推荐好友在Amazon上喜欢的物品；Netflix推荐系统涉及在线影片租赁，采用的同样是一种结合了用户行为模式后改良的基于项目的协同过滤技术。相对于前两个领域，移动应用市场由于受到的关注较少，用户行为特征的研究成果也不多，而且数据稀疏问题更加严重。

发明内容

本发明实施方式提出一种推荐列表调整方法，使推荐列表能针对不同用户的兴趣偏好差异做出个性化推荐。

本发明实施方式提出一种推荐列表调整装置，使推荐列表能针对不同用户的兴趣偏好差异做出个性化推荐。

本发明实施方式的技术方案如下：

一种推荐列表调整方法，包括：

获取用户的应用下载历史记录，基于所述应用下载历史记录计算在预定时间内，游戏类应用和非游戏类应用在该用户总下载应用中所占比例，以获取游戏类应用和非游戏类应用的偏好指数，并针对该用户生成产生冗余推荐列表；

基于计算出的游戏类应用和非游戏类应用的偏好指数调整所述冗余推荐列表以形成最终推荐列表，其中该最终推荐列表中的游戏类应用和非游戏类应用的分布与该用户的游戏类应用和非游戏类应用的偏好指数保持对应；

向该用户呈现所述最终推荐列表。

所述基于计算出的游戏类应用和非游戏类应用的偏好指数调整冗余推荐列表以形成最终推荐列表包括：

从冗余推荐列表中确定正选推荐列表，所述正选推荐列表包括冗余推荐列表中依据预测评分从大到小排序的预定数目项；

计算游戏类应用需要调整进入所述正选推荐列表的数量n，从候选推荐列表中选择评分最高的游戏类应用替代正选列表中评分最低的非游戏类应用，如果双方的评分的差值小于预先设置的阈值则交换成功，反之，交换失败，然后再从候选推荐列表中选择次高的游戏类应用替代正选推荐列表中评分次低的非游戏类应用，如果双方的评分的差值小于所述阈值则交换成功，反之，交换失败，以此类推；其中迭代在满足下列两个条件中的任何一个时结束：

出现评分的差值大于所述阈值；

调整进入正选推荐列表的数目达到n；

将调整后的正选推荐列表确定为最终推荐列表。

所述基于计算出的游戏类应用和非游戏类应用的偏好指数调整冗余推荐列表以形成最终推荐列表包括：

计算游戏类应用需要调整退出正选推荐列表的数量n，从候选推荐列表中选择评分最高的非游戏类应用替代正选列表中评分最低的游戏类应用，如果双方的评分的差值小于预先设置的阈值则交换成功，反之，交换失败，然后再从候选推荐列表中选择次高的非游戏类应用替代正选推荐列表中评分次低的游戏类应用，如果双方的评分的差值小于所述阈值则交换成功，反之，交换失败，以此类推；其中迭代在满足下列两个条件中的任何一个时结束：

出现评分的差值大于所述阈值；

调整进入正选推荐列表的数目达到n；

将调整后的正选推荐列表确定为最终推荐列表。

所述针对该用户生成产生冗余推荐列表包括：

采用基于用户的协同过滤算法针对该用户生成产生冗余推荐列表。