[发明专利]一种针对地理位置敏感app的个性化推荐方法

说明书

本发明涉及一种针对地理位置敏感app的个性化推荐方法，具体实施主要包括以下步骤:步骤1、原始数据的获取和处理；步骤2、城市对应app敏感度计算；步骤3、评分矩阵预测并给出app推荐。通过对地理位置敏感app的敏感度计算，带地理位置权重的矩阵分解方法，通过这两个方面的技术改进，使得推荐评分的预测更加准确。

技术领域

本发明涉及一种针对地理位置敏感app的个性化推荐方法。

背景技术

随着智能手机的普及，手机应用app数量也越来越多，种类越来越繁杂。为了更好的了解目前手机app应用的发展状况，研究当下三个主流的手机app在线提供商店googleplay，iOS app store和Amazon app store。这几个app在线提供商店是手机app最大的提供商店，就他们的优缺点而言，只能说各有千秋。但是，它们却都有一个共同的特点，就是：提供的手机app数量巨大，用户数量巨大，涵盖全世界各地，包括各个阶层。并且，它们的手机app数量仍处在不断上升的趋势中(如图1)。目前App store收录的app超过了120万，吸引了28万多名开发人员(同一名开发人员能开发多个应用)。Google play作为安卓平台的提供商，用户和市场上更具有优势，目前收录的app已经超过143万，平台吸引了39万开发人员。Amazon则是29万和4.8万。

面对海量的app，同一款功能应用的手机app，仍能找出几十上百款。而且，不同的手机app有不同的特色，质量和用户体验上更是良莠不齐。这就给用户带来了一个很严重的问题:用户到底要怎么样从海量的app应用中，找到一款正在的适合自己并且高质量的app呢？这就需要为用户提供一种推荐机制，根据用户的性格特点，生活环境，年龄性别特点甚至于天气时间等为用户自动的找出适合他的高质量的app应用，这也就是个性化的app应用推荐。有鉴于此，提供一个算法，使得这个推荐变得精准可靠，从而增强用户的体验，使得用户能节省大量的时间与精力从海量的app提供商店中，找寻到最适合自己的app。

现有技术：手机应用app的推荐技术，大多数是继承于电脑pc端商品、电影等推荐技术，但是也具有自己独有的特性。手机应用app的推荐技术目前起步不久，不如pc端推荐技术成熟，但是由于是在pc推荐技术基础上发展的，手机端app应用的推荐技术的发展相当迅速。目前，主要的推荐方法包括：基于内容推荐、协同过滤推荐、基于关联规则推荐、基于效用推荐、基于知识推荐和组合推荐。这些算法都比较成熟，但是都各有其优劣(如表1)。尤其是，当一款app应用具有明显的地方性(即：这款app是专门针对某个地方开发的应用时)，这些传统的对应的算法往往会把这些软件给湮没了，但事实上这些app对于当地的人来说，可能才是最适合他们的app应用。

表1

发明内容

本发明的目的在于克服现有技术的缺点与不足，提出了一种针对地理位置敏感app的个性化推荐方法，通过对地理位置敏感app的敏感度计算，带地理位置权重的矩阵分解方法，通过这两个方面的技术改进，使得推荐评分的预测更加准确。

为实现上述目的，本发明所采用的技术方案是：

一种针对地理位置敏感app的个性化推荐方法，其特征在于包括以下步骤:

步骤1、原始数据的获取和处理；

步骤2、城市对应app敏感度计算；

步骤3、评分矩阵预测并给出app推荐。

进一步的，所述步骤1是通过统计用户使用该app的下载、卸载、更新情况来得出用户对于某一款app的评分。

进一步的，步骤2具体包括以下步骤：

App对应地理位置敏感度计算；

带敏感度权重的矩阵分解。