发明名称 | 一种基于聚类的移动应用下载量预测方法 | ||
摘要 | 本发明提供一种基于聚类的移动应用下载量预测方法,包括:1)从后台数据中收集所有已知的app的历史数据,2)源数据处理,3)模式聚类,下载量预测。本发明创新性地进行app下载量预测,在app领域需求明显,并且具有良好拓展性,在其他电商领域具有十分广泛的应用前景,并且,本发明在考虑app下载曲线特性的基础上修改K-means算法,并优化求解效率。整个聚类过程可以在线下完成,而下载量的预测值计算在线上完成,优化了用户体验。 | ||
申请公布号 | CN104850998A | 申请公布日期 | 2015.08.19 |
申请号 | CN201510178285.2 | 申请日期 | 2015.04.15 |
申请人 | 浙江大学 | 发明人 | 吴健;邱奇波;陈亮;邓水光;李莹;尹建伟;吴朝晖 |
分类号 | G06Q30/00(2012.01)I | 主分类号 | G06Q30/00(2012.01)I |
代理机构 | 浙江杭州金通专利事务所有限公司 33100 | 代理人 | 徐关寿 |
主权项 | 一种基于聚类的移动应用下载量预测方法,其特征在于:所述方法包括以下步骤:1)从后台数据中收集所有已知的app的历史数据。2)源数据处理,对步骤1)中的数据进行处理,生成长度为L的离散时间序列x以表示每一个app的下载曲线,至此所有app的下载曲线组成一个离散时间序列训练数据集;3)模式聚类,将步骤2)中生成的离散时间序列数据集进行聚类,得到k个下载模式;4)下载量预测,给定一个app在m天内的下载曲线,与k个下载模式进行匹配,计算之后(L‑m)天的总下载量,得到预测结果。 | ||
地址 | 310027 浙江省杭州市西湖区浙大路38号 |