[发明专利]基于下载行为数据及向量表征学习的移动应用推荐方法

摘要

本发明涉及基于下载行为数据及向量表征学习的移动应用推荐方法，首先提取用户下载序列，然后训练得出App表征向量A以及计算出用户下载行为表征向量R，最后通过A、R推荐或R推荐两种方式得出推荐结果。本发明利用用户下载App的序列数据，无需App本身的信息以及用户的反馈信息，使数据来源的获取相对容易很多；同时模型的复杂性不高，不会出现过拟合的现象且准确性较高，训练速度较快。

主权项

基于下载行为数据及向量表征学习的移动应用推荐方法，其特征在于：包括以下步骤：S1、从用户下载App记录数据中提取每个用户的下载App序列{x1,x2,…,xk}；S2、将下载序列输入到word2vec模型当中，得到每个App的表征向量，{a1,a2,…aN}，假设a为T维向量，再对其进行归一化，得到A＝Norm(a)；S3、将每个用户的下载序列{x1,x2,…,xk}中的App对应出相应的向量，得到T*K矩阵，B＝{X1,X2,…,XK}；通过该矩阵得到每个用户的用户行为表征向量r后，对r进行归一化，得到R＝Norm(r)；S4、对每个用户计算R和A的相似度，得到相似度向量{S1,S2,…,SN}，对其进行排序，按从大到小的顺序推荐给用户；S5、计算用户行为表征向量R与其他用户行为表征向量RN的相似度，得到相似度向量{S'1,S'2,…,S'N}，对其进行排序，选取S'较高的用户对应下载过的App，在该些App中选取S值较高者推荐给用户。