[发明专利]一种基于内容的计算移动应用相似性的方法

权利要求书

1.一种基于内容的计算移动应用相似性的方法，其特征在于，包括如下步骤：

S10.爬取大量app数据并进行数据的特征整理，将整理好的特征保存到数据库中，建立一个特征库以供查询，具体包括：

S101.将大量app数据爬取下来，结构化整理后存入到数据库中；

S102.将所述数据库中每个app的描述信息单独整合成文件，然后分别分词；

S103.分词完成后得到的数据，一份拷贝作为完整语料库合并，然后使用word2vec进行语料库的训练；另一份拷贝则按照原有的文件结构，进行各文档间TF-IDF的计算，得出每个文档中所有关键词的权重；

S104.将计算得出的关键词及其权重写入HBase中，其中行对应每个app包名，列对应所有关键词，值为关键词权重，建立特征库以供查询；

S105.计算出app的名称、类型、描述和应用大小四个方面特征的相似性并以各自的权重进行整合，作为算法最后的相似性值；

S20.根据待查询app的特征信息，在所述特征库中进行查询及计算，找出待查询app的相似app；所述待查询app的特征信息由用户提供或从所述特征库中查询得到。

2.根据权利要求1所述的基于内容的计算移动应用相似性的方法，其特征在于，步骤S20包括以下步骤：

S201.获取要查询的app的包名作为其唯一名称；

S202.在HBase中的特征库库中，按照app的包名进行横向查询，找出此app所有的关键词；

S203.对于每个关键词，分别使用word2vec找出这个关键词前K个近义词进行扩展；

S204.将扩展后的关键词进行权重的整合，并挑选出其前N个关键词作为此app的绝对关键词；

S205.根据绝对关键词，按列查询HBase中的特征库，将所述绝对关键词对应的所有的app查询出来，并将app的权重进行整合；

S206.分别计算这些app与待查询app之间的名称、类别及大小的相似值，然后将这些app与待查询app之间的描述信息、名称、类别及大小的相似值按照各自的权重进行整合，作为这些app与待查询app之间的相似性值；

S207.将整合后的app按照权重降序排列，建立app的相似性排序，权重越大的即为越相似的app。