[发明专利]一种相似应用推荐方法、计算设备及存储介质

说明书

本发明公开了一种相似应用推荐方法、计算设备及存储介质，该方法包括：根据当前用户的用户标识和存储单元中各应用向量，确定用户标识关联的第一数量个相似应用；将第一数量个相似应用的应用特征、行业类型特征、运行采样特征和已曝光次数特征输入到推荐模型中的排序层进行处理，以输出第二数量个应用标识；通过第二数量个应用标识，获取第二数量个应用标识关联的相似应用的应用信息；将第二数量个应用标识关联的相似应用的应用信息组成应用列表，并推荐给当前用户。

技术领域

本发明涉及互联网及人工智能技术领域，特别涉及一种相似应用推荐方法、计算设备及存储介质。

背景技术

用户在刚接触应用，特别是不大了解且使用上要求较高的应用时，如何来让应用高效运行会感觉有一定的难度。在应用使用的过程中，经常会出现资源利用率不足、硬件资源选择不恰当的问题。

例如，高性能计算（High Performance Computing，HPC）应用，又称为超算应用，用户在使用超算应用这一类应用时，往往认为只要申请的资源足够多，应用的运行速率就会很快，但实际上并非如此。CPU（Central Processing Unit，中央处理器）、GPU（GraphicsProcessing Unit，图形处理器）或内存等只是性能提高的物理基础，决定应用的性能还要依赖很多因素，包括合适的软件工具、调参、如何调度硬件资源、文件读取的方式等。

当遇到问题寻找解决方案时，通常会搜寻相关类似的解决办法，借助他人的成功经验来获取开启问题大门的钥匙。同样类型的应用，不同的用户在使用时会存在差异，有的用户使用技巧更高，如果能将这些用户的经验分享出来，对于新手用户而言，问题可迎刃而解，有助于提升应用水平，降低出错率。

因此，需要一种相似应用推荐方法，以解决上述问题。

发明内容

为此，本发明提供一种相似应用推荐方案，以力图解决或者至少缓解上面存在的问题。

根据本发明的一个方面，提供一种相似应用推荐方法，该方法包括如下步骤：首先，根据当前用户的用户标识和存储单元中各应用向量，确定用户标识关联的第一数量个相似应用；将第一数量个相似应用的应用特征、行业类型特征、运行采样特征和已曝光次数特征输入到推荐模型中的排序层进行处理，以输出第二数量个应用标识；通过第二数量个应用标识，获取第二数量个应用标识关联的相似应用的应用信息；将第二数量个应用标识关联的相似应用的应用信息组成应用列表，并推荐给当前用户。

可选地，在根据本发明的相似应用推荐方法中，根据当前用户的用户标识和存储单元中各应用向量，确定用户标识关联的第一数量个相似应用的步骤，包括：基于当前用户的用户标识，获取用户标识对应的用户向量；计算用户向量和存储单元中各应用向量的相似度，确定相似度最高的前第一数量个应用向量；将相似度最高的前第一数量个应用向量对应的应用，作为用户标识关联的第一数量个相似应用。

可选地，在根据本发明的相似应用推荐方法中，推荐模型还包括召回层，召回层通过对应用历史数据和用户历史数据进行预先处理，以生成多个应用向量和用户向量，并存储于存储单元中。

可选地，在根据本发明的相似应用推荐方法中，推荐模型中的召回层包括依次相连的第一池化模块、第一向量组合层、第一神经网络和分类器，第一池化模块包括多个并列的平均池化层，第一神经网络包括多个依次相连的激活层。

可选地，在根据本发明的相似应用推荐方法中，召回层通过对应用历史数据和用户历史数据进行预先处理，以生成多个应用向量和用户向量的步骤，包括：基于应用历史数据和用户历史数据，生成第一特征向量；将第一特征向量输入到第一神经网络中，以获取第一神经网络的输出；将第一神经网络的输出输入到分类器，并根据分类器输出的概率结果，从第一神经网络的输出中确定应用向量和用户向量。