主題應(yīng)用推薦方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001]本公開(kāi)涉及信息篩選技術(shù)，尤其涉及一種主題應(yīng)用推薦方法及裝置。
【背景技術(shù)】
[0002]隨著網(wǎng)絡(luò)及信息技術(shù)的快速發(fā)展，移動(dòng)終端的普及率越來(lái)越高。
[0003]目前的移動(dòng)終端中預(yù)置有默認(rèn)的主題模式，若用戶希望開(kāi)機(jī)后更改主題模式，可以在移動(dòng)終端所提供的主題模式中進(jìn)行選擇，或者登錄提供主題模式應(yīng)用的網(wǎng)站，自行挑選下載。采用預(yù)置的默認(rèn)主題模式，千篇一律，對(duì)用戶的吸引性不高，用戶體驗(yàn)差;通過(guò)用戶自行挑選喜愛(ài)的主題模式，則需要用戶在海量的主題模式中挑選，且真正能選到自身喜愛(ài)的主題模式的概率不高。
[0004]公開(kāi)內(nèi)容
[0005]為克服相關(guān)技術(shù)中存在的問(wèn)題，本公開(kāi)提供一種主題應(yīng)用推薦方法及裝置，所述技術(shù)方案如下:
[0006]根據(jù)本公開(kāi)實(shí)施例的第一方面，提供一種主題應(yīng)用推薦方法，包括:
[0007]根據(jù)用戶標(biāo)識(shí)獲取與所述用戶標(biāo)識(shí)對(duì)應(yīng)的用戶數(shù)據(jù)；
[0008]對(duì)所述用戶數(shù)據(jù)進(jìn)行分析，提取所述用戶數(shù)據(jù)中的關(guān)鍵詞；
[0009]根據(jù)主題類別，對(duì)提取出的關(guān)鍵詞進(jìn)行歸類，得到歸類后的類別集合；
[0010]對(duì)所述歸類后的類別集合進(jìn)行分析，以確定所述主題類別的優(yōu)先級(jí)；
[0011 ]所述主題類別中包含有符合所述主題類別的各個(gè)主題應(yīng)用；
[0012]獲取優(yōu)先級(jí)最高的主題類別中的目標(biāo)主題應(yīng)用，所述目標(biāo)主題應(yīng)用為所述優(yōu)先級(jí)最高的主題類別中所包含的具有最高權(quán)重值的主題應(yīng)用；
[0013]推送所述目標(biāo)主題應(yīng)用到所述用戶標(biāo)識(shí)對(duì)應(yīng)的終端設(shè)備。
[0014]可選的，所述用戶數(shù)據(jù)包括以下各項(xiàng)中的至少一項(xiàng)數(shù)據(jù):地理信息數(shù)據(jù)、交易信息數(shù)據(jù)、社交平臺(tái)數(shù)據(jù)、注冊(cè)信息數(shù)據(jù)。
[0015]可選的，所述用戶標(biāo)識(shí)包括以下各項(xiàng)中的至少一項(xiàng):社交平臺(tái)賬號(hào)、通信號(hào)碼、與用戶個(gè)人身份進(jìn)行綁定的銀行卡號(hào)、移動(dòng)終端標(biāo)識(shí);相應(yīng)的，所述根據(jù)用戶標(biāo)識(shí)獲取與所述用戶標(biāo)識(shí)對(duì)應(yīng)的用戶數(shù)據(jù)之前，還包括:
[0016]建立用戶標(biāo)識(shí)綁定關(guān)系表，以使與用戶個(gè)人身份唯一對(duì)應(yīng)的各個(gè)所述用戶標(biāo)識(shí)彼此對(duì)應(yīng)。
[0017]可選的，所述對(duì)所述用戶數(shù)據(jù)進(jìn)行分析，提取所述用戶數(shù)據(jù)中的關(guān)鍵詞包括:
[0018]根據(jù)所述主題類別中所包含的標(biāo)簽內(nèi)容，提取所述用戶數(shù)據(jù)中與所述標(biāo)簽內(nèi)容對(duì)應(yīng)的信息作為所述關(guān)鍵詞；
[0019 ]或者，基于自然語(yǔ)言處理NLP技術(shù)從所述用戶數(shù)據(jù)中提取關(guān)鍵詞。
[0020]可選的，所述根據(jù)主題類別，對(duì)提取出的關(guān)鍵詞進(jìn)行歸類，得到歸類后的類別集合包括:
[0021]根據(jù)主題類別，對(duì)提取出的關(guān)鍵詞進(jìn)行聚類分析，將各個(gè)關(guān)鍵詞劃分入聚類分析后的各個(gè)類別集合中。
[0022]可選的，所述聚類分析包括以下至少一種:K-均值算法、兩步法TwoStep聚類。
[0023]可選的，所述對(duì)所述歸類后的類別集合進(jìn)行分析，以確定所述主題類別的優(yōu)先級(jí)，包括:
[0024]對(duì)所述歸類后的類別集合中所包含關(guān)鍵詞的數(shù)量進(jìn)行統(tǒng)計(jì)，根據(jù)類別集合中所包含關(guān)鍵詞的數(shù)量由多到少的順序，確定與所述類別集合對(duì)應(yīng)的主題類別的優(yōu)先級(jí)高低。
[0025]可選的，所述獲取優(yōu)先級(jí)最高的主題類別中的目標(biāo)主題應(yīng)用之前，還包括:
[0026]根據(jù)主題應(yīng)用的點(diǎn)擊率、好評(píng)率確定所述主題應(yīng)用的權(quán)重值。
[0027]根據(jù)本公開(kāi)實(shí)施例的第二方面，提供一種主題應(yīng)用推薦裝置，包括:
[0028]第一獲取模塊，用于根據(jù)用戶標(biāo)識(shí)獲取與所述用戶標(biāo)識(shí)對(duì)應(yīng)的用戶數(shù)據(jù)；
[0029]分析模塊，用于對(duì)所述用戶數(shù)據(jù)進(jìn)行分析，提取所述用戶數(shù)據(jù)中的關(guān)鍵詞；
[0030]歸類模塊，用于根據(jù)主題類別，對(duì)提取出的關(guān)鍵詞進(jìn)行歸類，得到歸類后的類別集合；
[0031]確定模塊，用于對(duì)所述歸類后的類別集合進(jìn)行分析，以確定所述主題類別的優(yōu)先級(jí)；
[0032]所述主題類別中包含有符合所述主題類別的各個(gè)主題應(yīng)用；
[0033]第二獲取模塊，用于獲取優(yōu)先級(jí)最高的主題類別中的目標(biāo)主題應(yīng)用，所述目標(biāo)主題應(yīng)用為所述優(yōu)先級(jí)最高的主題類別中所包含的具有最高權(quán)重值的主題應(yīng)用；
[0034]推送模塊，用于推送所述目標(biāo)主題應(yīng)用到所述用戶標(biāo)識(shí)對(duì)應(yīng)的終端設(shè)備。
[0035]可選的，所述用戶數(shù)據(jù)包括以下各項(xiàng)中的至少一項(xiàng)數(shù)據(jù):地理信息數(shù)據(jù)、交易信息數(shù)據(jù)、社交平臺(tái)數(shù)據(jù)、注冊(cè)信息數(shù)據(jù)。
[0036]可選的，所述用戶標(biāo)識(shí)包括以下各項(xiàng)中的至少一項(xiàng):社交平臺(tái)賬號(hào)、通信號(hào)碼、與用戶個(gè)人身份進(jìn)行綁定的銀行卡號(hào)、移動(dòng)終端標(biāo)識(shí);相應(yīng)的，所述裝置還包括:
[0037]建立模塊，用于建立用戶標(biāo)識(shí)綁定關(guān)系表，以使與用戶個(gè)人身份唯一對(duì)應(yīng)的各個(gè)所述用戶標(biāo)識(shí)彼此對(duì)應(yīng)。
[0038]可選的，所述分析模塊包括:
[0039]第一提取子模塊，用于根據(jù)所述主題類別中所包含的標(biāo)簽內(nèi)容，提取所述用戶數(shù)據(jù)中與所述標(biāo)簽內(nèi)容對(duì)應(yīng)的信息作為所述關(guān)鍵詞；
[0040]第二提取子模塊，用于基于自然語(yǔ)言處理NLP技術(shù)從所述用戶數(shù)據(jù)中提取關(guān)鍵詞。[0041 ]可選的，所述歸類模塊包括:
[0042]聚類子模塊，用于根據(jù)主題類別，對(duì)提取出的關(guān)鍵詞進(jìn)行聚類分析；
[0043]劃分子模塊，用于將各個(gè)關(guān)鍵詞劃分入所述聚類子模塊聚類分析后的各個(gè)類別集合中。
[0044]可選的，所述聚類分析包括以下至少一種:K-均值算法、兩步法TwoStep聚類。
[0045]可選的，所述確定模塊包括:
[0046]統(tǒng)計(jì)子模塊，用于對(duì)所述歸類后的類別集合中所包含關(guān)鍵詞的數(shù)量進(jìn)行統(tǒng)計(jì)；
[0047]確定子模塊，用于根據(jù)類別集合中所包含關(guān)鍵詞的數(shù)量由多到少的順序，確定與所述類別集合對(duì)應(yīng)的主題類別的優(yōu)先級(jí)高低。
[0048]可選的，所述裝置還包括:
[0049]權(quán)重值確定模塊，用于根據(jù)主題應(yīng)用的點(diǎn)擊率、好評(píng)率確定所述主題應(yīng)用的權(quán)重值。
[0050]根據(jù)本公開(kāi)實(shí)施例的第三方面，提供一種主題應(yīng)用推薦裝置，包括:
[0051]處理器；
[0052]用于存儲(chǔ)所述處理器的可執(zhí)行指令的存儲(chǔ)器；
[0053]其中，所述處理器用于根據(jù)用戶標(biāo)識(shí)獲取與所述用戶標(biāo)識(shí)對(duì)應(yīng)的用戶數(shù)據(jù);對(duì)所述用戶數(shù)據(jù)進(jìn)行分析，提取所述用戶數(shù)據(jù)中的關(guān)鍵詞;根據(jù)主題類別，對(duì)提取出的關(guān)鍵詞進(jìn)行歸類，得到歸類后的類別集合;對(duì)所述歸類后的類別集合進(jìn)行分析，以確定所述主題類別的優(yōu)先級(jí);所述主題類別中包含有符合所述主題類別的各個(gè)主題應(yīng)用；獲取優(yōu)先級(jí)最高的主題類別中的目標(biāo)主題應(yīng)用，所述目標(biāo)主題應(yīng)用為所述優(yōu)先級(jí)最高的主題類別中所包含的具有最高權(quán)重值的主題應(yīng)用;推送所述目標(biāo)主題應(yīng)用到所述用戶標(biāo)識(shí)對(duì)應(yīng)的終端設(shè)備。
[0054]本公開(kāi)的實(shí)施例提供的方法及裝置可以包括以下有益效果:
[0055]在一個(gè)實(shí)施例中，通過(guò)根據(jù)用戶標(biāo)識(shí)獲取與用戶標(biāo)識(shí)對(duì)應(yīng)的用戶數(shù)據(jù);對(duì)該用戶數(shù)據(jù)進(jìn)行分析，提取用戶數(shù)據(jù)中的關(guān)鍵詞;根據(jù)主題類別，對(duì)提取出的關(guān)鍵詞進(jìn)行歸類，得到歸類后的類別集合;對(duì)歸類后的類別集合進(jìn)行分析，以確定主題類別的優(yōu)先級(jí)；其中，主題類別中包含有符合該主題類別的各個(gè)主題應(yīng)用;獲取優(yōu)先級(jí)最高的主題類別中的目標(biāo)主題應(yīng)用，該目標(biāo)主題應(yīng)用為優(yōu)先級(jí)最高的主題類別中所包含的具有最高權(quán)重值的主題應(yīng)用;推送該目標(biāo)主題應(yīng)用到用戶標(biāo)識(shí)對(duì)應(yīng)的終端設(shè)備。實(shí)現(xiàn)了根據(jù)用戶個(gè)性化數(shù)據(jù)分析得出符合用戶需求、喜好的主題應(yīng)用，提高用戶獲取主題應(yīng)用的質(zhì)量和效率。
[0056]在另一個(gè)實(shí)施例中，用戶數(shù)據(jù)包括以下各項(xiàng)中的至少一項(xiàng)數(shù)據(jù):地理信息數(shù)據(jù)、交易信息數(shù)據(jù)、社交平臺(tái)數(shù)據(jù)、注冊(cè)信息數(shù)據(jù)。從而使用戶數(shù)據(jù)的涉及范圍廣、類型多，有助于從大數(shù)據(jù)中提取出盡可能準(zhǔn)確、全面的用戶個(gè)性化信息，提高主題應(yīng)用的推薦質(zhì)量。
[0057]在另一個(gè)實(shí)施例中，用戶標(biāo)識(shí)包括以下各項(xiàng)中的至少一項(xiàng):社交平臺(tái)賬號(hào)、通信號(hào)碼、與用戶個(gè)人身份進(jìn)行綁定的銀行卡號(hào)、移動(dòng)終端標(biāo)識(shí);通過(guò)建立用戶標(biāo)識(shí)綁定關(guān)系表，以使與用戶個(gè)人身份唯一對(duì)應(yīng)的各個(gè)用戶標(biāo)識(shí)彼此對(duì)應(yīng)。從而根據(jù)綁定的各個(gè)用戶標(biāo)識(shí)獲取到盡可能多的用戶數(shù)據(jù)，使用戶數(shù)據(jù)的涉及范圍擴(kuò)大、類型增多，有助于從大數(shù)據(jù)中提取出盡可能準(zhǔn)確、全面的用戶個(gè)性化信息，提高主題應(yīng)用的推薦質(zhì)量。
[0058]在另一個(gè)實(shí)施例中，通過(guò)根據(jù)主題類別中包含的標(biāo)簽內(nèi)容，提取用戶數(shù)據(jù)中與標(biāo)簽內(nèi)容對(duì)應(yīng)的信息作為關(guān)鍵詞；或者，基于自然語(yǔ)言處理NLP技術(shù)從用戶數(shù)據(jù)中提取關(guān)鍵詞。從而提高對(duì)用戶數(shù)據(jù)中有用信息的提取效率，進(jìn)而提高推薦給用戶個(gè)性化主題應(yīng)用的效率。
[0059]在另一個(gè)實(shí)施例中，通過(guò)根據(jù)主題類別，對(duì)提取出的關(guān)鍵詞進(jìn)行聚類分析，將各個(gè)關(guān)鍵詞劃分入聚類分析后的各個(gè)類別集合中，從而有效提高類別集合的分類準(zhǔn)確性，進(jìn)而提高定位用戶感興趣的主題類別的準(zhǔn)確性。
[0000]在另一個(gè)實(shí)施例中，聚類分析包括以下至少一種:K-均值算法、兩步法TwoStep聚類。從而提供多樣化的聚類分析方法，以適應(yīng)不同聚類需求。
[0061]在另一個(gè)實(shí)施例中，對(duì)歸類后的類別集合中所包含關(guān)鍵詞的數(shù)量進(jìn)行統(tǒng)計(jì)，根據(jù)類別集合中所包含關(guān)鍵詞的數(shù)量由多到少的順序，確定與類別集合對(duì)應(yīng)的主題類別的優(yōu)先級(jí)高低。從而為用戶提供匹配性更好、質(zhì)量更高，且更加貼近用戶需求的主題應(yīng)用。
[0062]在另一個(gè)實(shí)施例中，通過(guò)根據(jù)主題應(yīng)用的點(diǎn)擊率、好評(píng)率確定主題應(yīng)用的權(quán)重值，從而為用戶提供質(zhì)量更高的主題應(yīng)用。
[0063]應(yīng)當(dāng)理解的是，以上的一般描述和后文的細(xì)節(jié)描述僅是示例性和解釋性的，并不能限制本公開(kāi)。
【附圖說(shuō)明】