[发明专利]应用程序的推荐方法、装置、计算机设备及存储介质

说明书

本发明公开了一种应用程序的推荐方法、装置、计算机设备及存储介质，其中方法包括：接收目标用户发起的应用程序的推荐请求；确定目标用户所对应的目标簇，目标簇为通过对所有用户使用应用程序的情况进行聚类处理得到的；基于预先设置的协同过滤算法对目标用户与目标簇内其他用户进行协同过滤，确定出应用程序的推荐结果。本发明通过确定目标用户经过聚类处理后对应的目标簇，然后基于目标簇内的用户与目标用户进行协同过滤，以确定出推荐结果。由于是对用户经过聚类之后的结果，将相似的用户聚类到簇内，针对该簇内的用户进行协同过滤，这样，无需对全部数据进行计算，在提高计算性能的同时，还能够保证查准率。

技术领域

本发明涉及互联网技术领域，具体涉及一种应用程序的推荐方法、装置、计算机设备及存储介质。

背景技术

随着互联网技术的高速发展，如何在大量应用程序(APPlication，简称为APP)中选择出适合自己的，用户需要一套有效的推荐技术方案。这里所述的应用程序可以是指电脑端的应用软件，也可以是指手机等移动终端上的应用软件。

随着全社会的信息化程度越来越高，人类要学会从大数据中解读他人，更要教会机器从大数据中理解人类，所以市场上出现了很多应用程序个性化推荐方案。目前，一般都直接对特征数据进行ETL(是英文Extract-Transform-Load的缩写，用来描述将数据从来源端经过抽取(extract)、转换(transform)、加载(load)至目的端的过程)后直接处理，使用模型或者相关算法(mahout或spark mllib等开源算法库)来实现协同过滤，达到对APP的个性化推荐。

然而发明人现有的这些推荐方案中，通常是基于全部的数据进行计算，当用户量比较大的时候，进行推荐计算的数据量巨大，用户在输入推荐请求之后，推荐结果的输出延时较大，用户体验比较差。

发明内容

本发明要解决现有技术中由于需要基于全部数据进行推荐计算，导致开销大、延时高的问题，从而提供一种应用程序的推荐方法、装置、计算机设备及存储介质。

本发明的一方面，提供了一种应用程序的推荐方法，包括：接收目标用户发起的应用程序的推荐请求；确定所述目标用户所对应的目标簇，所述目标簇为通过对所有用户使用应用程序的情况进行聚类处理得到的；基于预先设置的协同过滤算法对所述目标用户与所述目标簇内其他用户进行协同过滤，确定出应用程序的推荐结果。

可选地，基于预先设置的协同过滤算法对所述目标用户与所述目标簇内其他用户进行协同过滤，确定出应用程序的推荐结果，包括：计算所述目标用户与所述目标簇内其他用户的相似度，所述相似度表示用户之间使用应用程序的相似性；基于所述相似度对所述推荐请求对应的应用程序进行排序，得到所述应用程序的推荐结果。

可选地，计算所述目标用户与所述目标簇内其他用户的相似度，包括：

确定所述目标簇内所有用户所安装的应用程序，构建用户与应用程序的矩阵，所述矩阵用于表示用户与安装的应用程序的对应关系；

计算所述目标用户的矩阵与所述目标簇内其他用户的矩阵的相似度，作为所述目标用户与所述目标簇内其他用户的相似度。

可选地，在接收目标用户发起的应用程序的推荐请求之后，还包括：

确定所述推荐请求对应的应用程序；

利用预先设置的强规则对确定出的应用程序中部分应用程序增加权重或者降低权重，其中，所述权重作用于所述应用程序的推荐排序。

可选地，所述强规则包括：基于用户更新或者安装应用程序的时间去干预应用程序的推荐结果，和/或，对超级应用程序进行降低权重处理，其中，所述超级应用程序是指安装量达到预设阈值的应用程序。

可选地，确定所述目标用户所对应的目标簇，包括：