[发明专利]一种基于分层嵌入的个性化APP推荐方法

权利要求书

1.一种基于分层嵌入的个性化APP推荐方法，其特征在于，包括如下步骤：

步骤一：获得用户数据和APP数据；

步骤二、进行层次划分：根据用户数据和APP数据的属性特征分别确定用户和APP各自的层次关系；逐层细化，划分层级，并确定各自层与层之间的关联关系；

步骤三：进行用户-APP特征层级匹配和择优选取：根据用户和APP的属性特征以及步骤二所得的层次关系，进行用户-APP层级匹配，并从用户数据和APP数据中获取每一个用户-APP层级匹配的初始匹配特征，建立用户-APP评分预测模型，使用机器学习模型对层级匹配的初始特征进行训练，根据模型预测的结果，选择层级匹配的关联性大于设定阈值的层级匹配特征加入到特征列表；

Score_List＝ML_predict(X₁,X₂…X_N)

Score_List代表的是对用户-APP层级匹配的特征的打分列表，ML_predict代表的是在实验中采用的机器学习预测模型，X代表的是层级匹配中的特征，N代表的是层级匹配中特征的个数；

q＝{M₁,M₂…M_n}

q代表的是通过机器学习评分预测模型获得打分高于设定阈值的层级匹配中的特征集合即特征列表；M代表打分高于设定阈值的层级匹配中的特征，n代表特征的个数；

步骤四：嵌入查询的实现：包括如下步骤：

一)、用户的查询关键词与步骤三层级匹配得到特征列表中的匹配特征进行匹配，选出与用户查询关键词匹配度高于阈值的多个用户-APP层级，并与步骤三中层级匹配获得的层级的打分相结合得到筛选值，选出对应层级中的特征和APP编号，从而选出筛选值较高的前a名层级中的APP作为层级匹配关键特征；

二)嵌入查询，具体实现如下：

步骤三获得的特征集合作为词库来进行使用；其中确定层级匹配中对应APP和用户各层之间权重，词库存储层级匹配中对应APP和用户各层之间权重最大的特征存储，对每一层的关键字进行处理，词库中存储的是层级匹配中的关键特征；关键特征的数量和词库的大小随用户-APP评分预测模型的使用时间不断的扩展和增大，处于一个动态的生成过程，具体的，计算词库中存在的关键特征的集合公式(1)：

Φ()函数计算输出词库中已有的层级匹配关键特征的集合，q代表步骤三中的特征列表，w代表查询的关键词；|q|表示的是词库中关键特征的个数；将查询语句嵌入，通过比较查询语句中的关键词和词库中的关键特征匹配程度，给用户推荐与输入查询的关键词匹配度从高到低的前N名的APP应用。

2.如权利要求1所述的基于分层嵌入的个性化APP推荐方法，其特征在于，N10。

3.如权利要求1所述的基于分层嵌入的个性化APP推荐方法，其特征在于，所述步骤二中，用户数据的属性特征包括用户的职业、年龄、地域、性别；APP信息的属性特征包括APP编号、类别、评论、下载量、点击量。

4.如权利要求3所述的基于分层嵌入的个性化APP推荐方法，其特征在于，进行层次划分的方法为：将用户的数据和APP的数据中概括范围最广的词作为第一层级，然后对第一层级的词包含的概括范围次级广的词作为第二层级，依次类推；具体的，用户的数据中职业和年龄为第一层级；职业包含学生、老师，年龄包括成年、未成年；则学生、老师和成年、未成年均为第二层级；学生包括大学生、中学生和高中生；成年包括青年和老年，则大学生、中学生、高中生、青年和老年均为第三层级。

5.如权利要求1所述的基于分层嵌入的个性化APP推荐方法，其特征在于，通过关键词权重计算算法确定层级匹配中对应APP和用户各层之间权重。

6.如权利要求1所述的基于分层嵌入的个性化APP推荐方法，其特征在于，所述步骤四中，选出与用户查询关键词匹配度高于阈值的多个用户-APP层级时，所述阈值设置为所有用户-APP层级匹配打分的平均值。

7.如权利要求1所述的基于分层嵌入的个性化APP推荐方法，其特征在于，所述步骤四中，用户-APP层级与步骤三中层级匹配获得的层级的打分相结合的方式为：用户查询关键词与用户-APP层级匹配的匹配度加上用户-APP层级匹配值获得筛选值；a＜20。