[发明专利]一种基于内容的计算移动应用相似性的方法

摘要

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。

主权项

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。