本發(fā)明屬于應(yīng)用程序推薦技術(shù)領(lǐng)域，具體涉及一種基于用戶使用偏好進行應(yīng)用推薦的方法和系統(tǒng)。

背景技術(shù)：

智能終端的不斷發(fā)展以及人們對應(yīng)用程序需求的不斷增加，終端上使用的各種應(yīng)用慢慢地進入人們的視野中，方便了人們的生活。在各種應(yīng)用下載的平臺上均有各類型大量的應(yīng)用程序可供選擇，這些應(yīng)用程序一方面數(shù)量大，另一方面各種應(yīng)用程序的推出也很快。通常情況下，終端用戶無從了解這些應(yīng)用，很可能不會去下載進而使用它。各應(yīng)用提供商通過應(yīng)用推薦服務(wù)器向終端設(shè)備推薦其新應(yīng)用或者使用頻率較高的應(yīng)用，并介紹應(yīng)用的功能，以供終端設(shè)備根據(jù)自身需求選擇是否使用。

但現(xiàn)有犯法存在一些問題，現(xiàn)有的應(yīng)用推薦方法多是單純依據(jù)應(yīng)用提供商通過應(yīng)用推薦服務(wù)器根據(jù)應(yīng)用已經(jīng)下載安裝的次數(shù)頻率等的高低進行推薦，或者是應(yīng)用提供商想要推銷的新應(yīng)用推薦給用戶，而以此種方式推薦的應(yīng)用并不一定是終端用戶所需要的，因此應(yīng)用推薦效率較低。用戶為了獲取與自身需要相匹配的目標(biāo)應(yīng)用，往往需要進行人工多次的搜索、查找、查看簡介、試用等操作，這些操作不但占用了用戶的大量時間，導(dǎo)致用戶尋找與自身情況匹配的目標(biāo)應(yīng)用的操作效率低下，而且這些操作會大量消耗用戶智能終端的資源，包括cpu資源、存儲資源、帶寬資源等，造成資源的浪費。

技術(shù)實現(xiàn)要素：
：

為了克服上述背景技術(shù)的缺陷，本發(fā)明提供一種基于用戶使用偏好進行應(yīng)用推薦的方法和系統(tǒng)，能夠更高效更準確的向用戶推薦合適的應(yīng)用程序。

為了解決上述技術(shù)問題本發(fā)明的所采用的技術(shù)方案為：

一種基于用戶使用偏好進行應(yīng)用推薦的方法，獲取各個用戶對n個種子應(yīng)用程序的使用偏好，以及各個使用偏好所對應(yīng)的評分值，依據(jù)評分值在n維度空間生成表示各個用戶對n個種子應(yīng)用程序偏好的偏好向量，通過偏好向量生成各個用戶的偏好值；在任一用戶對系統(tǒng)中應(yīng)用程序進行了預(yù)設(shè)操作時，將偏好值大于和/或小于該用戶偏好值預(yù)設(shè)差異閥值的用戶作為目標(biāo)用戶，向各個目標(biāo)用戶發(fā)送推薦該應(yīng)用程序的消息。

較佳地，獲取各個用戶對n個種子應(yīng)用程序的使用偏好，以及各個使用偏好所對應(yīng)的評分值的獲取方法包括：記錄各個用戶對種子應(yīng)用的操作狀態(tài)，操作狀態(tài)包括未下載、下載、安裝、當(dāng)天卸載和隔天卸載，將未下載、下載、安裝、當(dāng)天卸載或隔天卸載對應(yīng)的預(yù)設(shè)數(shù)值作為各個操作狀態(tài)的評分值。

較佳地，通過偏好向量生成各個用戶的偏好值依據(jù)余弦定理進行的。

較佳地，預(yù)設(shè)操作包括：用戶對應(yīng)用程序進行了下載，且超過預(yù)設(shè)天數(shù)未卸載該應(yīng)用程序。

較佳地，預(yù)設(shè)差異閥值和預(yù)設(shè)天數(shù)均可由用戶設(shè)定。

本發(fā)明還提供一種基于用戶使用偏好進行應(yīng)用推薦的系統(tǒng)，包括：

存儲模塊，用于存儲已在系統(tǒng)中注冊的各個用戶，以及n各種子應(yīng)用程序；

獲取模塊，獲取各個用戶對n個種子應(yīng)用程序的使用偏好，以及各個使用偏好所對應(yīng)的評分值；

計算模塊，依據(jù)評分值在n維度空間生成表示各個用戶對n個種子應(yīng)用程序偏好的偏好向量，通過偏好向量生成各個用戶的偏好值；

推薦模塊，在任一用戶對系統(tǒng)中應(yīng)用程序進行了預(yù)設(shè)操作時，將偏好值大于和/或小于該用戶偏好值預(yù)設(shè)差異閥值的用戶作為目標(biāo)用戶，向各個目標(biāo)用戶發(fā)送推薦該應(yīng)用程序的消息。

較佳地，獲取模塊包括：

記錄單元，用于記錄各個用戶對種子應(yīng)用的操作狀態(tài)；

匹配單元，用于依據(jù)未下載、下載、安裝、當(dāng)天卸載和隔天卸載對操作狀態(tài)進行匹配；

評分單元，用于將未下載、下載、安裝、當(dāng)天卸載或隔天卸載對應(yīng)的預(yù)設(shè)數(shù)值作為各個操作狀態(tài)的評分值。

較佳地，計算模塊包括：

向量生成單元，將各個用戶對n個種子應(yīng)用程序的評分值作為多維空間的一個點的坐標(biāo)系列，生成一個n維度空間的坐標(biāo)點，連接坐標(biāo)原點和坐標(biāo)點，得到一個n維度空間的向量即為偏好向量；

偏好值生成單元，依據(jù)余弦定理通過偏好向量生成各個用戶的偏好值。

較佳地，推薦模塊包括：

觸發(fā)單元，用于在用戶對應(yīng)用程序進行了下載，且超過預(yù)設(shè)天數(shù)未卸載該應(yīng)用程序判斷時發(fā)出啟動信號；

目標(biāo)確定單元，用于將偏好值大于和/或小于該用戶偏好值預(yù)設(shè)差異閥值的用戶作為目標(biāo)用戶；

指令發(fā)送單元，用于向各個目標(biāo)用戶發(fā)送推薦該應(yīng)用程序的消息。

較佳地，還包括設(shè)定模塊，用于獲取由用戶設(shè)定的預(yù)設(shè)差異閥值和預(yù)設(shè)天數(shù)。

本發(fā)明的有益效果在于：本發(fā)明在應(yīng)用商店的所有程序中設(shè)定了種子程序，通過各個用戶對種子應(yīng)用程序的操作得到各個用戶的評分制，操作狀態(tài)進行了列舉，將各個操作狀態(tài)與用戶的操作動作進行匹配之后，得到該用戶對某個應(yīng)用的評分值。通過各個用戶對所有種子應(yīng)用程序的評分制，生成一個與種子應(yīng)用程序個數(shù)相同的n維度空間偏好向量；再依據(jù)余弦定理生成與該偏好向量相應(yīng)的偏好值，用這個偏好值更直觀的作為各個用戶對所有應(yīng)用程序的偏好的表現(xiàn)形式；本發(fā)明在獲取了對某應(yīng)用程序進行預(yù)設(shè)操作的用戶的偏好值之后，將偏好值在其偏好值附近處于預(yù)設(shè)差異閾值范圍之內(nèi)的各個用戶設(shè)定為目標(biāo)用戶；并將該應(yīng)用程序推送給各個目標(biāo)用戶。而通過用戶對這兩個變量的設(shè)定，可以使得系統(tǒng)在整個推薦過程中具有更高的靈活性和更強的適應(yīng)性。通過本發(fā)明可以更高效、準確的向系統(tǒng)的用戶推薦他們需要的應(yīng)用程序，一方面省去用戶大量試用各個程序的繁瑣過程，另一方面也使得優(yōu)質(zhì)的應(yīng)用程序更容易接觸到其客戶群體，增加獲得更多應(yīng)用的可能性。

附圖說明

圖1為本發(fā)明實施例一的方法流程圖；

圖2為本發(fā)明實施例一加入獲取評分制優(yōu)選方式之后的方法流程圖；

圖3為本發(fā)明實施例一加入獲取偏好值的具體方式之后的方法流程圖；

圖4為本發(fā)明實施例一加入優(yōu)選的預(yù)設(shè)操作的具體方式之后的方法流程圖；

圖5為本發(fā)明實施例二的系統(tǒng)結(jié)構(gòu)示意圖；

圖6為本發(fā)明實施例二獲取模塊的結(jié)構(gòu)示意圖；

圖7為本發(fā)明實施例二計算模塊的結(jié)構(gòu)示意圖；

圖8為本發(fā)明實施例二推薦模塊的結(jié)構(gòu)示意圖

圖9為發(fā)明實施例二加入設(shè)定模塊之后的系統(tǒng)結(jié)構(gòu)示意圖。

具體實施方式

下面結(jié)合附圖和實施例對本發(fā)明做進一步的說明。

實施例一

一種基于用戶使用偏好進行應(yīng)用推薦的方法：獲取各個用戶對n個種子應(yīng)用程序的使用偏好，以及各個使用偏好所對應(yīng)的評分值，依據(jù)評分值在n維度空間生成表示各個用戶對n個種子應(yīng)用程序偏好的偏好向量，通過偏好向量生成各個用戶的偏好值；在任一用戶對系統(tǒng)中應(yīng)用程序進行了預(yù)設(shè)操作時，將偏好值大于和/或小于該用戶偏好值預(yù)設(shè)差異閥值的用戶作為目標(biāo)用戶，向各個目標(biāo)用戶發(fā)送推薦該應(yīng)用程序的消息。

如圖1所示，具體來說包括如下幾個步驟：

步驟1，獲取各個用戶對n個種子應(yīng)用程序的使用偏好，以及各個使用偏好所對應(yīng)的評分值；

步驟2，依據(jù)評分值在n維度空間生成表示各個用戶對n個種子應(yīng)用程序偏好的偏好向量，依據(jù)偏好向量生成偏好值；

步驟3，獲取是否有用戶對系統(tǒng)中應(yīng)用程序進行預(yù)設(shè)操作，若是，則進入步驟4，若否，則繼續(xù)等待；

步驟4，將偏好值大于和/或小于該用戶偏好值預(yù)設(shè)差異閥值的用戶作為目標(biāo)用戶；

步驟5，向各個目標(biāo)用戶發(fā)送推薦該應(yīng)用程序的消息。

作為本實施例的一種優(yōu)選方式，獲取各個用戶對n個種子應(yīng)用程序的使用偏好，以及各個使用偏好所對應(yīng)的評分值的獲取方法包括：記錄各個用戶對種子應(yīng)用的操作狀態(tài)，操作狀態(tài)包括未下載、下載、安裝、當(dāng)天卸載和隔天卸載，將未下載、下載、安裝、當(dāng)天卸載或隔天卸載對應(yīng)的預(yù)設(shè)數(shù)值作為各個操作狀態(tài)的評分值。如圖2所示，具體包括如下步驟：

步驟1，獲取各個用戶對n個種子應(yīng)用程序的使用偏好，以及各個使用偏好所對應(yīng)的評分值，如圖2所示，具體包括：

步驟11，記錄各個用戶對種子應(yīng)用的操作狀態(tài)；

步驟12，將用戶對種子應(yīng)用的操作狀態(tài)與未下載、下載、安裝、當(dāng)天卸載和隔天卸載進行匹配；

步驟13，將匹配后的結(jié)果未下載、下載、安裝、當(dāng)天卸載或隔天卸載對應(yīng)的預(yù)設(shè)數(shù)值作為各個操作狀態(tài)的評分值，本實施例中，未下載＝0；下載＝1；安裝＝2；當(dāng)天卸載＝-2；隔天卸載＝-1；

步驟2，依據(jù)評分值在n維度空間生成表示各個用戶對n個種子應(yīng)用程序偏好的偏好向量；

步驟3，獲取是否有用戶對系統(tǒng)中應(yīng)用程序進行預(yù)設(shè)操作，若是，則進入步驟4，若否，則繼續(xù)等待；

步驟4，將偏好值大于和/或小于該用戶偏好值預(yù)設(shè)差異閥值的用戶作為目標(biāo)用戶；

步驟5，向各個目標(biāo)用戶發(fā)送推薦該應(yīng)用程序的消息。

作為本實施例的一種優(yōu)選方式，通過偏好向量生成各個用戶的偏好值是依據(jù)余弦定理進行的。如圖3所示，具體包括如下步驟：

步驟1，獲取各個用戶對n個種子應(yīng)用程序的使用偏好，以及各個使用偏好所對應(yīng)的評分值，具體包括：

步驟11，記錄各個用戶對種子應(yīng)用的操作狀態(tài)；

步驟12，將用戶對種子應(yīng)用的操作狀態(tài)與未下載、下載、安裝、當(dāng)天卸載和隔天卸載進行匹配；

步驟13，將匹配后的結(jié)果未下載、下載、安裝、當(dāng)天卸載或隔天卸載對應(yīng)的預(yù)設(shè)數(shù)值作為各個操作狀態(tài)的評分值，本實施例中，未下載＝0；下載＝1；安裝＝2；當(dāng)天卸載＝-2；隔天卸載＝-1；

步驟2，依據(jù)評分值在n維度空間生成表示各個用戶對n個種子應(yīng)用程序偏好的偏好向量，依據(jù)偏好向量通過余弦定理生成偏好值，具體來說包括：

步驟21，系統(tǒng)將各個用戶對n個種子應(yīng)用程序的評分值作為多維空間的一個點的坐標(biāo)系列，生成一個n維度空間的坐標(biāo)點，連接坐標(biāo)原點和坐標(biāo)點，得到一個n維度空間的向量即為偏好向量；

步驟22，由余弦定理得出對應(yīng)的偏好值；

步驟3，獲取是否有用戶對系統(tǒng)中應(yīng)用程序進行預(yù)設(shè)操作，若是，則進入步驟4，若否，則繼續(xù)等待；

步驟4，將偏好值大于和/或小于該用戶偏好值預(yù)設(shè)差異閥值的用戶作為目標(biāo)用戶；

步驟5，向各個目標(biāo)用戶發(fā)送推薦該應(yīng)用程序的消息。

作為本實施例的一種優(yōu)選方式，預(yù)設(shè)操作包括：用戶對應(yīng)用程序進行了下載，且超過預(yù)設(shè)天數(shù)未卸載該應(yīng)用程序。如圖4所示，具體包括如下步驟：

步驟1，獲取各個用戶對n個種子應(yīng)用程序的使用偏好，以及各個使用偏好所對應(yīng)的評分值，具體包括：

步驟11，記錄各個用戶對種子應(yīng)用的操作狀態(tài)；

步驟12，將用戶對種子應(yīng)用的操作狀態(tài)與未下載、下載、安裝、當(dāng)天卸載和隔天卸載進行匹配；

步驟13，將匹配后的結(jié)果未下載、下載、安裝、當(dāng)天卸載或隔天卸載對應(yīng)的預(yù)設(shè)數(shù)值作為各個操作狀態(tài)的評分值，本實施例中，未下載＝0；下載＝1；安裝＝2；當(dāng)天卸載＝-2；隔天卸載＝-1；

步驟2，依據(jù)評分值在n維度空間生成表示各個用戶對n個種子應(yīng)用程序偏好的偏好向量，通過余弦理論生成偏好值，具體來說包括：

步驟21，系統(tǒng)將各個用戶對n個種子應(yīng)用程序的評分值作為多維空間的一個點的坐標(biāo)系列，生成一個n維度空間的坐標(biāo)點，連接坐標(biāo)原點和坐標(biāo)點，得到一個n維度空間的向量即為偏好向量；

步驟22，由余弦定理得出對應(yīng)的偏好值；

步驟3，獲取是否有用戶對系統(tǒng)中應(yīng)用程序進行預(yù)設(shè)操作，若是，則進入步驟4，若否，則繼續(xù)等待，具體是指：

步驟31，判斷是否有用戶進行了應(yīng)用程序的下載操作，若是，則進入步驟32，若否，則繼續(xù)等待；

步驟32，獲取用戶已安裝該應(yīng)用程序的實際天數(shù)；

步驟33，判斷實際天數(shù)是否大于或等于預(yù)設(shè)天數(shù)，若是，則進入步驟4，若否，則回到步驟31；

步驟4，將偏好值大于和/或小于該用戶偏好值預(yù)設(shè)差異閥值的用戶作為目標(biāo)用戶；

步驟5，向各個目標(biāo)用戶發(fā)送推薦該應(yīng)用程序的消息。

作為本實施例的一種改進方式，預(yù)設(shè)差異閥值和預(yù)設(shè)天數(shù)均可由用戶設(shè)定。

以手機應(yīng)用程序為例，實踐中，用戶對于任何一個手機應(yīng)用app的操作動作主要包括：未下載、下載、安裝、當(dāng)天卸載、隔天卸載；用戶下載了某個應(yīng)用，即表明該用戶有使用該應(yīng)用的傾向；而用戶下載并且安裝了某個應(yīng)用，則表明該用戶大概率還要繼續(xù)使用該應(yīng)用，也表明該用戶對該應(yīng)用的喜好程度非常高。如果用戶安裝當(dāng)天就卸載了該應(yīng)用，則表明用戶厭惡該應(yīng)用；如果用戶安裝后并沒有當(dāng)天就卸載該應(yīng)用，只是在第二天以后的某一天卸載了該應(yīng)用，則表明該用戶對該應(yīng)用擁有一定的喜好程度；本實施例對于這五種狀態(tài)分別賦值如下：

未下載＝0；下載＝1；安裝＝2；當(dāng)天卸載＝-2；隔天卸載＝-1；

通過技術(shù)手段應(yīng)用商店的系統(tǒng)可以檢測到用戶對于任何一個應(yīng)用的使用行為；本實施還了將n賦值為100，也即選取應(yīng)用商店中下載量最大或者付費量最多的100種應(yīng)用作為種子應(yīng)用，實際設(shè)計上可以根據(jù)需要設(shè)定種子的數(shù)量，理論上講種子數(shù)量越多，越精確，但考慮到計算量的復(fù)雜度，種子數(shù)量又不能過大；有了種子應(yīng)用，我們可以對應(yīng)用商店的所有用戶針對這100個種子應(yīng)用的使用行為進行賦值評分，并生成一個100維度的多位坐標(biāo)系列；根據(jù)向量學(xué)，在多維空間中，只要定義一個多維空間的坐標(biāo)點，就可以連接原點到該點，從而生成一個多維空間向量；在本方案中，100個種子應(yīng)用相當(dāng)于多維空間的100個坐標(biāo)軸，一個用戶對100個種子應(yīng)用的行為評分，會生成100個數(shù)值，以這100個數(shù)值作為多維空間的1個點的坐標(biāo)系列，從而生成一個100維度空間的坐標(biāo)點，鏈接坐標(biāo)原點和該點，生成一個100維度空間的向量。

通過此項處理，我們可以將應(yīng)用商店的每一個用戶對于100個種子應(yīng)用程序的使用喜好都建模成一個100維度空間上的一個向量；然而向量的概念非常抽象，并不具體，不能用來直觀的描述兩個用戶對應(yīng)用使用喜好的相關(guān)性?？臻g上兩個向量的夾角的余弦值能夠比較精確的描述兩個向量的差異，因此本實施例通過余弦定理可以將空間向量量化，形成一個具體的偏好值。

本實施例在引入余弦定理后，可以將應(yīng)用商店系統(tǒng)中的所有用戶相對于100個種子應(yīng)用程序的使用偏好用一個偏好值描述出來，任意兩個用戶的這一對偏好值大小越接近，則表明這兩個用戶的應(yīng)用使用偏好越相近。

當(dāng)用戶設(shè)置了預(yù)設(shè)天數(shù)為2天，預(yù)設(shè)差異閥值為0.0002時，本實施例可以如下策略來實現(xiàn)移動應(yīng)用的推薦方案：

當(dāng)應(yīng)用商店的系統(tǒng)發(fā)布了一款新的應(yīng)用命名為a應(yīng)用程序；該a應(yīng)用程序不屬于100個種子應(yīng)用程序中的一個；當(dāng)應(yīng)用商店系統(tǒng)中中的用戶甲下載了a應(yīng)用程序，并且安裝了該應(yīng)用，同時兩天內(nèi)沒有卸載該應(yīng)用，我們可以認為用戶甲喜好該應(yīng)用。通過前文描述，甲用戶的應(yīng)用偏好值是一個已知的數(shù)值，假設(shè)為0.9876；規(guī)定一個應(yīng)用偏好預(yù)設(shè)差異閥值為0.0002；應(yīng)用商店即可以向所有應(yīng)用偏好數(shù)值在(0.9876-0.0002，0.9876+0.0002)的用戶發(fā)送a應(yīng)用程序的推薦信息；通過這樣處理后，本方案能夠?qū)崿F(xiàn)一種向相似應(yīng)用使用偏好的用戶進行針對性精確推薦的技術(shù)方案，具有重要的使用價值。

實施例二

一種基于用戶使用偏好進行應(yīng)用推薦的系統(tǒng)，如圖5所示，包括：

存儲模塊，用于存儲已在系統(tǒng)中注冊的各個用戶，以及n各種子應(yīng)用程序；

獲取模塊，獲取各個用戶對n個種子應(yīng)用程序的使用偏好，以及各個使用偏好所對應(yīng)的評分值；

計算模塊，依據(jù)評分值在n維度空間生成表示各個用戶對n個種子應(yīng)用程序偏好的偏好向量，通過偏好向量生成各個用戶的偏好值；

推薦模塊，在任一用戶對系統(tǒng)中應(yīng)用程序進行了預(yù)設(shè)操作時，將偏好值大于和/或小于該用戶偏好值預(yù)設(shè)差異閥值的用戶作為目標(biāo)用戶，向各個目標(biāo)用戶發(fā)送推薦該應(yīng)用程序的消息。

本實施例的工作過程主要包括：

獲取模塊獲取存儲模塊中存儲的各個用戶對存儲模塊中n個種子應(yīng)用程序的使用偏好，以及各個使用偏好所對應(yīng)的評分值；

計算模塊依據(jù)評分值在n維度空間生成表示各個用戶對n個種子應(yīng)用程序偏好的偏好向量；

推薦模塊，獲取是否有用戶對系統(tǒng)中應(yīng)用程序進行預(yù)設(shè)操作，若否，則繼續(xù)等待，若是，則將偏好值大于和/或小于該用戶偏好值預(yù)設(shè)差異閥值的用戶作為目標(biāo)用戶，最后，向各個目標(biāo)用戶發(fā)送推薦該應(yīng)用程序的消息。

作為本實施例的一種優(yōu)選方式，如圖6所示，獲取模塊包括：

記錄單元，用于記錄各個用戶對種子應(yīng)用的操作狀態(tài)；

匹配單元，用于依據(jù)未下載、下載、安裝、當(dāng)天卸載和隔天卸載對操作狀態(tài)進行匹配；

評分單元，用于將未下載、下載、安裝、當(dāng)天卸載或隔天卸載對應(yīng)的預(yù)設(shè)數(shù)值作為各個操作狀態(tài)的評分值，本實施例中，未下載＝0；下載＝1；安裝＝2；當(dāng)天卸載＝-2；隔天卸載＝-1；

作為本實施例的一種優(yōu)選方式，如圖7所示，計算模塊包括：

向量生成單元，將各個用戶對n個種子應(yīng)用程序的評分值作為多維空間的一個點的坐標(biāo)系列，生成一個n維度空間的坐標(biāo)點，連接坐標(biāo)原點和坐標(biāo)點，得到一個n維度空間的向量即為偏好向量；

偏好值生成單元，依據(jù)余弦定理通過偏好向量生成各個用戶的偏好值。

本實施例設(shè)置100個種子應(yīng)用程序時，對應(yīng)用商店的所有用戶針對這100個種子應(yīng)用的使用行為進行賦值評分，系統(tǒng)的向量生成單元，生成一個100維度的多位坐標(biāo)系列，根據(jù)向量學(xué)，在多維空間中，只要定義一個多維空間的坐標(biāo)點，就可以連接原點到該點，從而生成一個多維空間向量；在本方案中，100個種子應(yīng)用相當(dāng)于多維空間的100個坐標(biāo)軸，一個用戶對100個種子應(yīng)用的行為評分，會生成100個數(shù)值，以這100個數(shù)值作為多維空間的1個點的坐標(biāo)系列，從而生成一個100維度空間的坐標(biāo)點，鏈接坐標(biāo)原點和該點，生成一個100維度空間的向量。系統(tǒng)將應(yīng)用商店的每一個用戶對于100個種子應(yīng)用程序的使用喜好都建模成一個100維度空間上的一個向量；然而向量不能用來直觀的描述兩個用戶對應(yīng)用使用喜好的相關(guān)性，空間上兩個向量的夾角的余弦值能夠比較精確的描述兩個向量的差異，因此系統(tǒng)偏好值生成單元通過余弦定理可以將空間向量量化，形成一個具體的偏好值。

作為本實施例的一種優(yōu)選方式，如圖8所示，推薦模塊包括：

觸發(fā)單元，用于在用戶對應(yīng)用程序進行了下載，且超過預(yù)設(shè)天數(shù)未卸載該應(yīng)用程序判斷時發(fā)出啟動信號；

目標(biāo)確定單元，用于將偏好值大于和/或小于該用戶偏好值預(yù)設(shè)差異閥值的用戶作為目標(biāo)用戶；

指令發(fā)送單元，用于向各個目標(biāo)用戶發(fā)送推薦該應(yīng)用程序的消息。

作為本實施例的一種改進方式，還包括設(shè)定模塊，用于獲取由用戶設(shè)定的預(yù)設(shè)差異閥值和預(yù)設(shè)天數(shù)。當(dāng)用戶設(shè)置了預(yù)設(shè)天數(shù)為2天，預(yù)設(shè)差異閥值為0.0002時，本實施例可以如下策略來實現(xiàn)移動應(yīng)用的推薦方案：

系統(tǒng)發(fā)布了一款新的應(yīng)用命名為a應(yīng)用程序；該a應(yīng)用程序不屬于100個種子應(yīng)用程序中的一個；當(dāng)應(yīng)用商店系統(tǒng)中中的用戶甲下載了a應(yīng)用程序，并且安裝了該應(yīng)用，同時兩天內(nèi)沒有卸載該應(yīng)用，我們可以認為用戶甲喜好該應(yīng)用，則觸發(fā)單元發(fā)出啟動信號；通過前文描述，甲用戶的應(yīng)用偏好值是一個已知的數(shù)值，假設(shè)為0.9876，規(guī)定一個應(yīng)用偏好預(yù)設(shè)差異閥值為0.0002，系統(tǒng)的目標(biāo)確定單元即可以向所有應(yīng)用偏好數(shù)值在(0.9876-0.0002，0.9876+0.0002)的用戶作為目標(biāo)用戶，最后由指令發(fā)送單元想各個目標(biāo)用戶發(fā)送a應(yīng)用程序的推薦信息。

通過這樣處理后，本方案能夠?qū)崿F(xiàn)一種向相似應(yīng)用使用偏好的用戶進行針對性精確推薦的技術(shù)方案，具有重要的使用價值。

應(yīng)當(dāng)理解的是，對本領(lǐng)域普通技術(shù)人員來說，可以根據(jù)上述說明加以改進或變換，而所有這些改進和變換都應(yīng)屬于本發(fā)明所附權(quán)利要求的保護范圍。