[发明专利]应用信息推荐方法、装置及存储介质和服务器

权利要求书

1.一种应用信息推荐方法，其特征在于，包括：

获取待推荐应用程序的目标推荐用户的目标用户属性类别；

根据所述目标用户属性类别基于预设分类模型，从关联应用程序所有用户中获取所述目标推荐用户，所述预设分类模型基于机器学习方法生成，用于对关联应用程序用户基于用户属性进行分类标记，所述关联应用程序与所述待推荐应用程序相关联；

将所述待推荐应用程序的推荐信息，推送给所述目标推荐用户所在终端；

所述方法，还包括：

将第一用户的操作数据作为样本基于机器学习方法进行训练，生成预设分类模型，所述第一用户为关联应用程序的已知用户属性类别的用户；

所述操作数据包括运行应用程序而生成的社交通信数据、拍照数据、电台收听频段数据或者音乐播放数据。

2.根据权利要求1所述的应用信息推荐方法，其特征在于，所述根据所述目标用户属性类别基于预设分类模型，从关联应用程序所有用户中获取所述目标推荐用户包括：

将第二用户的操作数据输入至所述预设分类模型，所述第二用户为关联应用程序的未知用户属性类别的用户；

获取所述预设分类模型输出的所述第二用户的用户属性类别，并标记所述第二用户的用户属性类别；

从所有用户中获取用户属性类别为目标用户属性类别的用户，作为目标推荐用户，所述所有用户包括第一用户和第二用户。

3.根据权利要求2所述的应用信息推荐方法，其特征在于，所述用户属性类别包括多个用户子属性类别；

所述将第一用户的操作数据作为样本基于机器学习方法进行训练，生成预设分类模型包括：将第一用户的操作数据作为样本基于机器学习方法，按照各个用户子属性分别进行训练，生成各个用户子属性对应的预设分类子模型；

所述获取待推荐应用程序的目标推荐用户的目标用户属性类别包括：获取待推荐应用程序的目标推荐用户的各个目标用户子属性类别；

所述将第二用户的操作数据输入至所述预设分类模型包括：将第二用户的操作数据分别输入至各个预设分类子模型；

获取所述预设分类模型输出的所述第二用户的用户属性类别，并标记所述第二用户的用户属性类别包括：获取所述各个预设分类子模型分别输出的所述第二用户的各个用户子属性类别，并标记所述第二用户的各个用户子属性类别；

从所有用户中获取用户属性类别为目标用户属性类别的用户，作为目标推荐用户包括：从所有用户中分别获取用户子属性类别为目标用户子属性类别的各个候选推荐用户；将所述各个候选推荐用户中的用户交集，作为目标推荐用户。

4.根据权利要求1所述的应用信息推荐方法，其特征在于，所述用户属性类别包括多个用户子属性类别，所述将第一用户的操作数据作为样本基于机器学习方法进行训练，生成预设分类模型包括：将第一用户的操作数据作为样本基于机器学习方法，按照各个用户子属性分别进行训练，生成多个预设分类子模型；将所述多个预设分类子模型，利用决策树算法进行决策融合形成预设分类模型。

5.根据权利要求1所述的应用信息推荐方法，其特征在于，所述机器学习方法包括神经网络方法，所述神经网络方法包括输入层、隐藏层和输出层，所述将第一用户的操作数据作为样本基于机器学习方法进行训练，生成预设分类模型包括：

将所述第一用户的操作数据输入至所述输入层，并经过与所述隐藏层各层节点对应的激活函数的计算，输出中间用户属性类别；

利用所述中间用户属性类别与所述第一用户的操作数据对应的实际用户属性类别之间的差值，以及优化算法对所述激活函数中的权重进行反复修正，直至所述中间用户属性类别与所述实际用户属性类别之间的差值在预设范围之内，得到训练完成的各个节点的激活函数，生成预设分类模型。

6.根据权利要求1-5任一项所述的应用信息推荐方法，其特征在于，所述用户属性包括年龄、性别、健康状况、职业和爱好中的至少一项。

7.根据权利要求1-5任一项所述的应用信息推荐方法，其特征在于，所述机器学习方法包括：神经网络方法、支持向量机方法、决策树方法、逻辑回归方法、贝叶斯方法和随机森林方法。