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。

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。