个性化的移动应用APP推荐方法

摘要

本发明涉及个性化的移动应用APP推荐方法。本发明从应用市场获取用户及APP的信息，并对此进行预处理来，利用情感-方面-地区模型，输入预处理后的文档，分别得到用户对于APP的情感-方面-地区的潜在偏好，预测用户选择某个APP的概率值，处理后转换为APP索引文件和用户索引文件，利用协相关主题模型，得到User-App的推荐分数矩阵，将上述SAR模型得到的概率值与CTM模型得到的推荐分数线性结合，分配权值，达到最终的推荐值。本发明克服了只考虑单个元素的传统推荐方法存在的缺陷。本发明综合考虑评论里的方面、情感、种类及地区来发现用户的潜在偏好，更符合用户的实际需求，探索用户对APP各属性的偏好程度，更好地了解用户需求与APP特征，克服了冷启动问题。

主权项

个性化的移动应用APP推荐方法，其特征在于步骤如下：步骤1).数据收集：从应用市场获取用户及移动应用即APP的信息，包括功能描述及评论信息；步骤2).对获取的原始APP数据进行预处理来避免出现冷启动问题；步骤3).利用情感‑方面‑地区即SAR模型，将APP的评论信息作为输入文档，分别得到用户对于APP的情感、APP的方面以及APP的使用地区，由此得到用户对APP不同属性的潜在偏好并预测用户选择APP的概率值；步骤4).对步骤2)得到的数据作进一步处理，分别转换为APP索引文件和用户索引文件；步骤5).利用协相关主题即CTM模型，输入前述步骤4)的两份文件，得到User‑App的推荐分数矩阵；步骤6).将SAR模型与CTM模型分别得到的概率值与推荐分数线性结合，然后用Top‑N在线推荐算法进行排序，将预测评分较高的APP推荐给相应的用户。