[发明专利]一种通过相互关系学习用户及移动应用的联系的异构网络

权利要求书

1.一种学习和应用移动设备的用户及移动应用间相关关系的方法，其特征在于，包括：采集移动设备的用户描述信息及移动应用描述信息；其中，所述用户描述信息与用户相对应，所述用户包括一个或者多个移动设备的所有者以及一个或者多个将信息存储在移动设备上的人；

获取本体知识；其中，所述本体知识包括：若干预设的概念、概念的特征以及概念之间的相关关系，所述概念为用于描述物理性或者概念性对象的抽象实体的类别；

基于用户描述信息、移动应用描述信息以及本体知识，生成网络模型；其中，所述网络模型为连接用户以及移动应用的异构信息网络模型；

基于所述网络模型，输出输出信息；其中，所述输出信息包括至少一个用户角色、两个移动应用或者移动应用功能之间的相互关系以及推荐的移动应用列表。

2.根据权利要求1所述的方法，其特征在于，所述网络模型由具有对象类型映射函数和连接类型映射函数的图模型定义；其中，所述对象类型包括一个用户或者移动应用；

用户与一个或者多个其他用户连接，还与一个或者多个移动应用连接；

移动应用与一个或者多个其他移动应用连接，还与一个或者多个用户连接。

3.根据权利要求1所述的方法，其特征在于，所述用户描述信息包括与用户相关的独立的数字表示数据以及对应用户的移动应用动作流数据；

所述网络模型生成的所述移动应用动作流数据由文本片段表示；

所述移动应用描述信息包括移动应用的描述文本；所述网络模型生成的所述移动应用描述信息由文本片段表示。

4.根据权利要求1所述的方法，其特征在于，所述本体知识包括具有层次分类结构的可控词汇表，其中，所述可控词汇表包括若干由类别表示的概念；

所述类别至少具有一个父类别以及一个或者多个子类别；

所述类别与特性对应；所述特性描述一个或者多个类别特征；

所述类别上设置有一个或者多个限制条件。

5.根据权利要求3所述的方法，其特征在于，所述生成网络模型，具体包括：从至少一个文本消息、邮件或者移动设备的移动应用采集的文本中获取用户文本片段；

应用主题模型来表示在所述用户文本片段中的主题的概率分布；其中每个主题都有服从单词的概率分布；

基于所述概率分布，选择一个或者多个主题；

基于选中的主题以及所述本体知识，获取用户与对应的用户文本片段之间的相互关系。

6.根据权利要求1所述的方法，所述生成网络模型，具体包括：根据依次使用的移动应用的相关性学习移动应用间的相互关系；其中，每个移动应用由一个单词表示；

预定时间段内，在移动设备上的移动应用启动顺序由句子表示；

获得的单词表示和句子表示，使用神经网络以获取隐藏的语言规律和模式，以及寻找移动应用间的相互关系。

7.根据权利要求6所述的方法，其特征在于，令T表示在预定时间段内，在移动设备上启动的移动应用数量，(a₁...a_T)表示所述移动应用的启动顺序，(a₁...a_T)为训练数据；

使用Skip－gram模型学习移动应用间的相互关系；

通过Skip－gram模型最大化如下算式的平均日志概率：

其中，c是训练数据的大小。

8.根据权利要求1所述的方法，其特征在于，周期性采集所述用户描述信息以及移动应用描述信息；

基于移动设备的电池电量改变所述采集用户描述信息以及移动应用描述信息的时间间隔；

基于所述用户描述信息以及移动应用描述信息，更新在网络模型中的用户相关关系以及移动应用连接。