1.一種應(yīng)用推薦方法，其特征在于，應(yīng)用于服務(wù)器，所述方法包括：
根據(jù)用戶的歷史應(yīng)用列表計(jì)算得到所述用戶的特征向量；
根據(jù)多個所述用戶的特征向量訓(xùn)練得到應(yīng)用對應(yīng)的各個標(biāo)簽的預(yù)測模型；及
基于用戶的特征向量以及所述各個標(biāo)簽的預(yù)測模型生成所述用戶的推薦應(yīng)用序列。
2.如權(quán)利要求1所述的應(yīng)用推薦方法，其特征在于，所述基于用戶的特征向量以及所述各個標(biāo)簽的預(yù)測模型生成所述用戶的推薦應(yīng)用序列的步驟包括：
將所述用戶的特征向量分別輸入到各個標(biāo)簽的預(yù)測模型中，得到所述用戶的預(yù)測標(biāo)簽序列；及
根據(jù)所述預(yù)測標(biāo)簽序列與所述預(yù)測標(biāo)簽下的應(yīng)用生成所述用戶的推薦應(yīng)用序列。
3.如權(quán)利要求2所述的應(yīng)用推薦方法，其特征在于，所述根據(jù)所述預(yù)測標(biāo)簽序列與所述預(yù)測標(biāo)簽下的應(yīng)用生成所述用戶的推薦應(yīng)用序列的步驟包括：
對所述預(yù)測標(biāo)簽序列中的各個標(biāo)簽進(jìn)行排序；
對各個標(biāo)簽下所有應(yīng)用進(jìn)行排序；及
根據(jù)每個用戶的預(yù)測標(biāo)簽序列中各個標(biāo)簽的排序及各個標(biāo)簽下的應(yīng)用的排序，計(jì)算得到每個用戶的推薦應(yīng)用序列。
4.如權(quán)利要求3所述的應(yīng)用推薦方法，其特征在于，對所述預(yù)測標(biāo)簽序列中的各個標(biāo)簽按照所述用戶對標(biāo)簽的基尼值大小進(jìn)行排序。
5.如權(quán)利要求3所述的應(yīng)用推薦方法，其特征在于，所述根據(jù)每個用戶的預(yù)測標(biāo)簽序列中各個標(biāo)簽的排序及各個標(biāo)簽下的應(yīng)用的排序，計(jì)算得到每個用戶的推薦應(yīng)用序列的步驟包括：
根據(jù)每個用戶的預(yù)測標(biāo)簽序列中各標(biāo)簽的序列號及各標(biāo)簽下應(yīng)用的推薦序列號，得到每個用戶的推薦應(yīng)用序列。
6.如權(quán)利要求2所述的應(yīng)用推薦方法，其特征在于，還包括：
在用戶訪問應(yīng)用商店時，將所述用戶的推薦應(yīng)用序列中的應(yīng)用推薦給所述用戶。
7.如權(quán)利要求1所述的應(yīng)用推薦方法，其特征在于，所述根據(jù)用戶的歷史應(yīng)用列表計(jì)算得到所述用戶的特征向量的步驟包括：
計(jì)算得到歷史應(yīng)用列表中每個應(yīng)用的分值；
為歷史應(yīng)用列表中每個應(yīng)用賦予標(biāo)簽；
計(jì)算單個用戶的標(biāo)簽的概率分布值；
計(jì)算所有用戶的標(biāo)簽的概率分布值；及
根據(jù)所述單個用戶的標(biāo)簽的概率分布值及所有用戶的標(biāo)簽的概率分布值得到用戶的特征向量。
8.如權(quán)利要求7所述的應(yīng)用推薦方法，其特征在于，所述歷史應(yīng)用列表包括已安裝應(yīng)用列表、預(yù)設(shè)時間內(nèi)的下載應(yīng)用列表、預(yù)設(shè)時間內(nèi)的瀏覽應(yīng)用列表及預(yù)設(shè)時間內(nèi)的更新應(yīng)用列表。
9.如權(quán)利要求1所述的應(yīng)用推薦方法，其特征在于，所述根據(jù)多個所述用戶的特征向量訓(xùn)練得到應(yīng)用對應(yīng)的各個標(biāo)簽的預(yù)測模型的步驟包括：
生成每個標(biāo)簽下應(yīng)用的訓(xùn)練樣本集；
對所述訓(xùn)練樣本集采用決策樹模型進(jìn)行訓(xùn)練得到每個標(biāo)簽的預(yù)測模型，并根據(jù)每個標(biāo)簽的預(yù)測模型生成包括所有標(biāo)簽的預(yù)測模型的預(yù)測模型集。
10.一種應(yīng)用推薦裝置，其特征在于，應(yīng)用于服務(wù)器，所述裝置包括：
特征向量生成模塊，用于根據(jù)用戶的歷史應(yīng)用列表計(jì)算得到所述用戶的特征向量；
預(yù)測模型生成模塊，用于根據(jù)多個所述用戶的特征向量訓(xùn)練得到應(yīng)用對應(yīng)的各個標(biāo)簽的預(yù)測模型；及
推薦應(yīng)用序列生成模塊，用于基于用戶的特征向量以及所述各個標(biāo)簽的預(yù)測模型生成所述用戶的推薦應(yīng)用序列。
11.如權(quán)利要求10所述的應(yīng)用推薦裝置，其特征在于，所述推薦應(yīng)用序列生成模塊包括：
標(biāo)簽序列生成子模塊，用于將所述用戶的特征向量分別輸入到各個標(biāo)簽的預(yù)測模型中，得到所述用戶的預(yù)測標(biāo)簽序列；及
推薦應(yīng)用序列生成子模塊，用于根據(jù)所述預(yù)測標(biāo)簽序列與所述預(yù)測標(biāo)簽下的應(yīng)用生成所述用戶的推薦應(yīng)用序列。
12.如權(quán)利要求11所述的應(yīng)用推薦裝置，其特征在于，所述推薦應(yīng)用序列生成子模塊采用以下方法得到每個用戶的推薦應(yīng)用序列：
對所述預(yù)測標(biāo)簽序列中的各個標(biāo)簽進(jìn)行排序；
對各個標(biāo)簽下所有應(yīng)用進(jìn)行排序；及
根據(jù)每個用戶的預(yù)測標(biāo)簽序列中各個標(biāo)簽的排序及各個標(biāo)簽下的應(yīng)用的排序，計(jì)算得到每個用戶的推薦應(yīng)用序列。
13.如權(quán)利要求12所述的應(yīng)用推薦裝置，其特征在于：
所述推薦應(yīng)用序列生成子模塊對所述預(yù)測標(biāo)簽序列中的各個標(biāo)簽按照所述用戶對標(biāo)簽的基尼值大小進(jìn)行排序。
14.如權(quán)利要求12所述的應(yīng)用推薦裝置，其特征在于：
所述推薦應(yīng)用序列生成子模塊根據(jù)每個用戶的預(yù)測標(biāo)簽序列中各標(biāo)簽的序列號及各標(biāo)簽下應(yīng)用的推薦序列號，得到每個用戶的推薦應(yīng)用序列。
15.如權(quán)利要求11所述的應(yīng)用推薦裝置，其特征在于，所述裝置還包括：
應(yīng)用序列推薦模塊，用于在用戶訪問應(yīng)用商店時，將所述用戶的推薦應(yīng)用序列中的應(yīng)用推薦給所述用戶。
16.如權(quán)利要求10所述的應(yīng)用推薦裝置，其特征在于，所述特征向量生成模塊通過以下方法得到所述用戶的特征向量：
計(jì)算得到歷史應(yīng)用列表中每個應(yīng)用的分值；
為歷史應(yīng)用列表中每個應(yīng)用賦予標(biāo)簽；
計(jì)算單個用戶的標(biāo)簽的概率分布值；
計(jì)算所有用戶的標(biāo)簽的概率分布值；及
根據(jù)所述單個用戶的標(biāo)簽的概率分布值及所有用戶的標(biāo)簽的概率分布值得到用戶的特征向量。
17.如權(quán)利要求16所述的應(yīng)用推薦裝置，其特征在于，所述歷史應(yīng)用列表包括已安裝應(yīng)用列表、預(yù)設(shè)時間內(nèi)的下載應(yīng)用列表、預(yù)設(shè)時間內(nèi)的瀏覽應(yīng)用列表及預(yù)設(shè)時間內(nèi)的更新應(yīng)用列表。
18.如權(quán)利要求10所述的應(yīng)用推薦裝置，其特征在于：所述預(yù)測模型生成模塊通過以下方法得到預(yù)測模型：
生成每個標(biāo)簽下應(yīng)用的訓(xùn)練樣本集；
對所述訓(xùn)練樣本集采用決策樹模型進(jìn)行訓(xùn)練得到每個標(biāo)簽的預(yù)測模型，并根據(jù)每個標(biāo)簽的預(yù)測模型生成包括所有標(biāo)簽的預(yù)測模型的預(yù)測模型集。
19.一種服務(wù)器，其特征在于，包括：
存儲器；
處理器；及
應(yīng)用推薦裝置，所述裝置安裝于所述存儲器中并包括一個或多個由所述處理器執(zhí)行的軟件功能模塊，所述裝置包括：
特征向量生成模塊，根據(jù)用戶的歷史應(yīng)用列表計(jì)算得到所述用戶的特征向量；
預(yù)測模型生成模塊，用于根據(jù)多個所述用戶的特征向量訓(xùn)練得到應(yīng)用對應(yīng)的各個標(biāo)簽的預(yù)測模型；及
推薦應(yīng)用序列生成模塊，用于基于用戶的特征向量以及所述各個標(biāo)簽的預(yù)測模型生成所述用戶的推薦應(yīng)用序列。