[发明专利]基于AppUsage2Vec模型的智能手机App使用预测方法有效
| 申请号： | 201810339210.1 | 申请日： | 2018-04-16 |
| 公开（公告）号： | CN108536572B | 公开（公告）日： | 2020-05-12 |
| 发明（设计）人： | 赵莎;潘纲;蒋孜文;徐逸志;李石坚 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06F11/34 | 分类号： | G06F11/34;G06N3/04 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 王琛 |
| 地址： | 310013 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于AppUsage2Vec模型的智能手机App使用预测方法，包括：(1)对于智能手机App使用行为，收集用户、近期使用的App、时间，构建相应的特征，用于预测用户接下来会使用的App；(2)提出AppUsage2Vec预测模型解决App使用预测问题；(3)通过大量用户的真实App使用行为记录，反向传播训练网络参数，得到适用于大量用户的网络模型；(4)对于真实预测问题，通过用户、近期使用App、时间，构建特征输入模型，输出预测App的概率分布。本发明方法利用大数据量、App序列特征、用户意图特征、TopK优化方法，提高对App使用情况的预测能力。 | ||
| 搜索关键词： | 基于 appusage2vec 模型 智能手机 app 使用 预测 方法 | ||
【主权项】：
1.一种基于AppUsage2Vec模型的智能手机App使用预测方法，包括如下步骤：(1)收集大量用户的App使用行为记录，所述App使用行为记录包括了用户ID、用户近期的APP使用列表以及列表中各APP的具体使用时间；(2)随机初始化关于用户的隐向量矩阵H以及关于APP的隐向量矩阵L，隐向量矩阵H的大小为n×p，隐向量矩阵L的大小为m×p，n为用户数量，m为APP数量，p为自定义的隐向量维度；(3)根据App使用行为记录从隐向量矩阵H和L中进行特征提取，构建出大量关于App使用行为的特征样本；(4)构建AppUsage2Vec模型，其包括了输入层、App序列特征层、用户意图特征层以及输出层；(5)利用特征样本对AppUsage2Vec模型进行训练，得到用于App使用预测的预测模型，进而利用该预测模型对用户下一次可能会使用的App进行Top‑1或Top‑K预测。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于浙江大学，未经浙江大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201810339210.1/，转载请声明来源钻瓜专利网。
