[发明专利]一种基于内容的计算移动应用相似性的方法

说明书

本发明涉及一种基于内容的计算移动应用相似性的方法。包括如下步骤：在获取大量移动应用信息后，进行移动应用信息的提取，包括应用名称、应用类型、应用描述和应用大小等；将应用描述信息进行分词；将分词完毕后的内容分为两份，一份整合后作为word2vec的模型的训练语料，另一份存成文档集的形式并进行TF‑IDF的计算，然后将结果存入HBase数据仓库；进行app相似性查询及计算。实施本发明的一种基于内容的计算移动应用相似性的方法，具有以下有益效果：可以快速的响应app的相似性查询，基于内容的app特征及描述信息能够很好地代指app，准确率高，可提高app的搜索及推荐的准确率。

技术领域

本发明涉及数据信息检索及推荐系统领域，特别涉及一种通过信息检索而完成的基于特征内容的计算移动应用相似性的方法。

背景技术

随着移动互联网的日益兴盛以及“互联网+”的提出，移动互联网的便捷性与高效性越来越为人们所熟知。O2O(Online To Offline，线上到线下)概念的提出及各种线上线下的应用，不仅快速促进了商品的买卖，也极大的丰富了人们的生活。

在大众的“互联网+”的生活中，海量的移动应用(Mobile Applications，简称app)占据着举足重要的地位。国内各大移动应用市场为大众的app需求提供了强有力的支撑。在移动应用市场中，用户往往会搜索自己需要的app。但在这样海量的条件下，对作为非专业人员的大众用户来说，会出现很多搜索的结果并不是自己需要的情况。因此，急需一种方法，可以在用户查询相关app的同时，能够为用户提供一些相似的app，用以满足用户可能的粗略查询等。同时在推荐系统中，可以主动为用户推荐一些与用户终端上安装的app类似的移动应用，根据用户的喜好来推荐移动应用可以提高推荐的准确率。

现有的对于应用的相似性计算，有基于底层代码和接口的相似性计算。这些基于代码层的相似性计算，无法直接反映普通用户的语义需求，且开发完成的移动应用app均是完整的.apk文件，无法获取其底层的代码细节，故已经不适应用户的当前需求。

对于应用的相似性计算，同时还有基于app内容的相似性计算方法。大部分的基于内容的相似性计算方法是基于app的描述信息，因为描述信息是能够描述一个app本身比较权威的资料。但是，现有的描述信息的计算方法一般是基于词袋模型来做的。词袋模型没有考虑词与词之间的顺序，这样就忽略了很多词的上下文关系，在计算向量间的相似性时，比如两个近义词，由于不是同一个词，很有可能使得相似性变小而出现很大的误差。

同时，计算相似性应用时，现有大多数方法并未将app的其他诸如名称、类别及大小等信息考虑在内。而有的方法又将诸如app的评论信息也加入其中。据我们观察发现，app的评论信息的质量非常差，一般无法反应出app的真实内容。

因此，针对目前现有的技术中存在的上述缺陷，有必要进行研究，提供一种方案，解决现有技术中存在的缺陷，使得相似性计算方法能够更深层次的依赖于app特征信息。

发明内容

本发明的目的在于提供一种移动应用app的相似性计算方法，用于更好的从海量app库中找到某个app的最相似app，以便提高app的搜索的准确率和推荐的成功率。

为实现上述目的，本发明的技术方案为：

一种基于内容的计算移动应用相似性的方法，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；

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。

进一步的，步骤S10包括以下步骤：

S101.将大量app数据爬取下来，结构化整理后存入到数据库中；