應(yīng)用推薦方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領(lǐng)域，特別涉及一種應(yīng)用推薦方法及裝置。
【背景技術(shù)】
[0002]互聯(lián)網(wǎng)環(huán)境下，用戶在登錄微博等網(wǎng)絡(luò)社交平臺后，若網(wǎng)絡(luò)社交平臺的服務(wù)器可向用戶推送其感興趣的應(yīng)用，則不但可增強用戶的體驗度，還可提高應(yīng)用的訪問點擊率。
[0003]現(xiàn)有技術(shù)通常采取兩種應(yīng)用推薦方式。第一種方式為基于用戶的興趣類目和應(yīng)用的類目屬性進行應(yīng)用推薦，即針對某一用戶來說，根據(jù)用戶的行為數(shù)據(jù)(比如，歷史訪問記錄)確定用戶的興趣類目，之后計算用戶的興趣類目與各個推薦應(yīng)用的類別屬性之間的相似度，根據(jù)相似度確定待推薦的應(yīng)用；第二種方式為基于具有相似興趣的用戶進行應(yīng)用推薦，即針對某一用戶來說，先分析用戶興趣，之后根據(jù)k鄰近算法或SVM (Support VectorMachine，支持向量機)算法在全網(wǎng)注冊用戶中查找與該用戶具有相似興趣的用戶，綜合這些相似興趣用戶訪問或下載的應(yīng)用，確定待推薦應(yīng)用。
[0004]在實現(xiàn)本發(fā)明的過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)至少存在以下問題:
[0005]無論針對上述哪一種應(yīng)用推薦方式來說，由于僅根據(jù)用戶的興趣進行了粗略的推薦，所以均存在推薦精準(zhǔn)度不高的缺陷。

【發(fā)明內(nèi)容】

[0006]為了解決現(xiàn)有技術(shù)的問題，本發(fā)明實施例提供了一種應(yīng)用推薦方法及裝置。所述技術(shù)方案如下:
[0007]—方面，提供了一種應(yīng)用推薦方法，所述方法包括:
[0008]根據(jù)第一用戶的行為數(shù)據(jù)，獲取第一行為特征值；
[0009]從所述第一用戶的用戶關(guān)系鏈中，根據(jù)所述第一行為特征值，確定至少一個第二用戶，所述第二用戶在所述第一用戶的用戶關(guān)系鏈上，且第二行為特征值與所述第一行為特征值之間的相似度大于預(yù)設(shè)閾值，所述第二行為特征值為第二用戶的行為特征值；
[0010]基于所述至少一個第二用戶的行為數(shù)據(jù)，確定所述第一用戶的待推薦應(yīng)用。
[0011]另一方面，提供了一種應(yīng)用推薦裝置，所述裝置包括:
[0012]行為特征值獲取模塊，用于根據(jù)第一用戶的行為數(shù)據(jù)，獲取第一行為特征值；
[0013]第二用戶確定模塊，用于從所述第一用戶的用戶關(guān)系鏈中，根據(jù)所述第一行為特征值，確定至少一個第二用戶，所述第二用戶在所述第一用戶的用戶關(guān)系鏈上，且第二行為特征值與所述第一行為特征值之間的相似度大于預(yù)設(shè)閾值，所述第二行為特征值為第二用戶的行為特征值；
[0014]應(yīng)用確定模塊，用于基于所述至少一個第二用戶的行為數(shù)據(jù)，確定所述第一用戶的待推薦應(yīng)用。
[0015]本發(fā)明實施例提供的技術(shù)方案帶來的有益效果是:
[0016]在根據(jù)第一用戶的行為數(shù)據(jù)獲取第一行為特征值之后，從用戶關(guān)系鏈中確定行為特征值與第一行為特征值之間相似度大于預(yù)設(shè)閾值的第二用戶，進而基于至少一個第二用戶的行為數(shù)據(jù)，確定第一用戶的待推薦應(yīng)用，由于行為特征值可對用戶的行為數(shù)據(jù)進行歸納總結(jié)，且以數(shù)值化的形式進行精確表示，所以行為特征值可精確表達用戶的興趣愛好，進而基于行為特征值確定的至少一個第二用戶與第一用戶之間的興趣愛好也能夠更加相似，所以基于至少一個第二用戶的行為數(shù)據(jù)，可精確地確定第一用戶的待推薦應(yīng)用，推薦精準(zhǔn)率較高。
【附圖說明】
[0017]為了更清楚地說明本發(fā)明實施例中的技術(shù)方案，下面將對實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0018]圖1是本發(fā)明實施例提供的一種應(yīng)用推薦服務(wù)器的組成示意圖；
[0019]圖2是本發(fā)明實施例提供的一種應(yīng)用推薦的方法流程圖；
[0020]圖3是本發(fā)明實施例提供的一種應(yīng)用推薦的方法流程圖；
[0021]圖4是本發(fā)明實施例提供的一種應(yīng)用推薦裝置的結(jié)構(gòu)示意圖。
【具體實施方式】
[0022]為使本發(fā)明的目的、技術(shù)方案和優(yōu)點更加清楚，下面將結(jié)合附圖對本發(fā)明實施方式作進一步地詳細描述。
[0023]在對本發(fā)明實施例作詳細描述之前，先對本發(fā)明實施例的應(yīng)用場景進行闡述。本發(fā)明實施例的典型應(yīng)用場景為:在網(wǎng)絡(luò)社交平臺進行注冊的用戶，當(dāng)其登錄網(wǎng)絡(luò)社交平臺后，網(wǎng)絡(luò)社交平臺的服務(wù)器可向該用戶推薦應(yīng)用，以增添用戶的趣味性和體驗度。在進行應(yīng)用推薦時，為提高推薦精準(zhǔn)率，服務(wù)器不會隨意向該用戶推薦應(yīng)用，而是基于該用戶的行為數(shù)據(jù)和用戶關(guān)系鏈進行推薦。具體過程為:服務(wù)器根據(jù)第一用戶的行為數(shù)據(jù)，獲取第一行為特征值，之后從第一用戶的用戶關(guān)系鏈中，根據(jù)第一行為特征值確定至少一個第二用戶，第二行為特征值與第一行為特征值之間的相似度大于預(yù)設(shè)閾值，第二行為特征值為第二用戶的行為特征值；最后，基于至少一個第二用戶的行為數(shù)據(jù)，確定第一用戶的待推薦應(yīng)用。
[0024]針對微博等網(wǎng)絡(luò)社交平臺來說，每個用戶的用戶關(guān)系鏈均很長且為弱關(guān)系鏈。其中，弱關(guān)系鏈指代用戶與其用戶關(guān)系鏈中各個用戶的親密程度較低的關(guān)系鏈。也即，弱關(guān)系鏈中通常很少存在與用戶關(guān)系密切的，諸如親人、朋友、同學(xué)、同事的用戶，而常常存在大量的陌生人，用戶與其關(guān)系鏈中的陌生人可能很少互相關(guān)注或互相評論等。在進行應(yīng)用推薦時，由于基于弱關(guān)系鏈進行推薦，且用戶的行為數(shù)據(jù)通常包括實時行為數(shù)據(jù)和歷史行為數(shù)據(jù)等海量數(shù)據(jù)，所以運算量很大，實時性不佳。所以針對用戶關(guān)系鏈為弱關(guān)系鏈的情況，本發(fā)明實施例采取了如圖1所示的分布式計算方式，以加快應(yīng)用推薦的速度。參見圖1，服務(wù)器主要包括:一個任務(wù)(task)節(jié)點、多個計算(map)節(jié)點及一個合并計算(reduce)節(jié)點。其中，任務(wù)節(jié)點負責(zé)派發(fā)應(yīng)用推薦任務(wù)，任務(wù)節(jié)點按照各個計算節(jié)點的負載情況為應(yīng)用推薦任務(wù)分配計算節(jié)點。針對一個應(yīng)用推薦任務(wù)來講，若用戶的行為數(shù)據(jù)過多或用戶的用戶關(guān)系鏈過長，則為了加快應(yīng)用推薦速度，任務(wù)節(jié)點在分配應(yīng)用推薦任務(wù)時，還可將一個應(yīng)用推薦任務(wù)劃分為多個子任務(wù)。將多個子任務(wù)分配給多個計算節(jié)點進行計算，得到各個計算結(jié)果，并將各個計算結(jié)果發(fā)送至合并計算節(jié)點。合并計算節(jié)點將各個計算節(jié)點發(fā)送的計算結(jié)果進行合并處理，得到最終的計算結(jié)果。比如，在根據(jù)用戶的海量行為數(shù)據(jù)計算行為特征值時，可將行為數(shù)據(jù)分配給多個計算節(jié)點，多個計算節(jié)點根據(jù)分配的行為數(shù)據(jù)進行行為特征值的計算，之后合并計算節(jié)點將多個計算計算節(jié)點的計算結(jié)果進行合并處理，得到用戶的行為特征值。
[0025]圖2是本發(fā)明實施例提供的一種應(yīng)用推薦方法的流程圖。參見圖2，本實施例提供的方法流程包括:
[0026]201、根據(jù)第一用戶的行為數(shù)據(jù)，獲取第一行為特征值。
[0027]202、從第一用戶的用戶關(guān)系鏈中，根據(jù)第一行為特征值，確定至少一個第二用戶，第二用戶在第一用戶的用戶關(guān)系鏈上，且第二行為特征值與第一行為特征值之間的相似度大于預(yù)設(shè)閾值，第二行為特征值為第二用戶的行為特征值。
[0028]203、基于至少一個第二用戶的行為數(shù)據(jù)，確定第一用戶的待推薦應(yīng)用。
[0029]本實施例提供的方法，在根據(jù)第一用戶的行為數(shù)據(jù)獲取第一行為特征值之后，從用戶關(guān)系鏈中確定行為特征值與第一行為特征值之間相似度大于預(yù)設(shè)閾值的第二用戶，進而基于至少一個第二用戶的行為數(shù)據(jù)，確定第一用戶的待推薦應(yīng)用，由于行為特征值可對用戶的行為數(shù)據(jù)進行歸納總結(jié)，且以數(shù)值化的形式進行精確表示，所以行為特征值可精確表達用戶的興趣愛好，進而基于行為特征值確定的至少一個第二用戶與第一用戶之間的興趣愛好也能夠更加相似，所以基于至少一個第二用戶的行為數(shù)據(jù)，可精確地確定第一用戶的待推薦應(yīng)用，推薦精準(zhǔn)率較高。
[0030]可選地，根據(jù)第一用戶的行為數(shù)據(jù)，獲取第一行為特征值，包括:
[0031]根據(jù)第一用戶的實時行為數(shù)據(jù)，獲取實時行為特征值；
[0032]根據(jù)第一用戶的歷史行為數(shù)據(jù)，獲取歷史行為特征值；
[0033]根據(jù)實時行為特征值和歷史行為特征值，獲取第一用戶的第一行為特征值。
[0034]可選地，該方法還包括:
[0035]基于第一用戶的當(dāng)前用戶關(guān)系鏈和歷史用戶關(guān)系鏈，確定歷史用戶關(guān)系鏈相對于當(dāng)前用戶關(guān)系鏈所刪減的用戶，將行為特征值與第一行為特征值之間相似度大于預(yù)設(shè)閾值的所刪減用戶確定為第二用戶。
[0036]可選地，根據(jù)第一用戶的行為數(shù)據(jù)，獲取第一行為特征值，包括:
[0037]獲取第一用戶的每條行為數(shù)據(jù)的特征值；
[0038]根據(jù)每條行為數(shù)據(jù)的特征值及預(yù)先設(shè)置的每條行為數(shù)據(jù)的權(quán)重值，計算第一行為特征值。
[0039]可選地，根據(jù)第一用戶的行為數(shù)據(jù)，獲取第一行為特征值之前，該方法還包括:
[0040]獲取各個計算節(jié)點的調(diào)度權(quán)重；
[0041]根據(jù)各個計算節(jié)點的調(diào)度權(quán)重，調(diào)度多個計算節(jié)點中的至少一個計算節(jié)點執(zhí)行根據(jù)第一用戶的行為數(shù)據(jù)，獲取第一行為特征值的步驟。
[0042]可選地，獲取各個計算節(jié)點的調(diào)度權(quán)重，包括:
[0043]對于多個計算節(jié)點中的一個計算節(jié)點，獲取計算節(jié)點的計算延時、計算節(jié)點的資源利用率；
[0044]根據(jù)計算延時和資源利用率，計算計算節(jié)點的系統(tǒng)負載；
[0045]根據(jù)計算節(jié)點的系統(tǒng)負載和除計算節(jié)點之外的其他計算節(jié)點的系統(tǒng)負載，獲取計算節(jié)點的調(diào)度權(quán)重。
[0046]可選地，根據(jù)計算延時和資源利用率，應(yīng)用下述公式，計算計算節(jié)點的系統(tǒng)負載，包括:
[0047]Zi=Ri=K0.