一种基于移动终端应用市场的应用推荐方法、装置及系统

摘要

本发明公开了一种基于移动终端应用市场的应用推荐方法、装置及系统，该方法包括：从用户的实时行为数据中获取用户实时输入应用的描述信息，所述用户的实时行为数据为用户操作移动终端所产生的实时行为数据；获取离线计算得到的离线推荐应用集合中应用之间的相似度；根据所述用户实时输入应用的描述信息和所述离线推荐应用集合中应用之间的相似度，在线计算得到与用户实时输入应用的描述信息相关的在线推荐备选应用集合，所述在线推荐备选应用集合中包括一个或多个向用户推荐的应用，将所述在线推荐备选应用集合中的一个或多个应用的描述信息和应用的下载地址作为推荐结果发送并显示在用户的终端设备上。

说明书

技术领域

本发明属于计算机技术领域，尤其涉及一种基于移动终端应用市场的应用 推荐自动化与个性化的应用推荐方法、装置及系统。

背景技术

在手机助手中绝大部分的应用展现位置都是通过运营人员定期或者临时 进行更新和替换，一般服务端人员会针对运营人员的需求实现一些板块的后台， 根据板块的不同，后台的功能略有不同，但大多会出现重复性工作，同时运营 人员需要每天分析线上的应用下载情况来决定第二天应该给相应位置配备什 么应用，工作量也较大。

在现有手机助手的板块页面中（如首页精品推荐，子分类板块），每个应 用位置都是运营手动配置，同时每个板块的应用都只能推荐一部分相同特性的 应用。此种运营配置方式消耗了大量的人力，每日需要手动更新，并且需要人 工分析数据并选择某个位置应该配置什么应用。同时配置后对于所有手机助手 的用户都是一样的，一般一整天内该版面不会有不同，所以不能体现用户的个 性化。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地 解决上述问题的基于移动终端应用市场的应用推荐方法、装置及系统。

依据本发明的一个方面，提供了一种基于移动终端应用市场的应用推荐方 法，包括：从用户的实时行为数据中获取用户实时输入应用的描述信息，所述 用户的实时行为数据为用户操作移动终端所产生的实时行为数据；从移动终端 应用市场中获取离线计算得到的离线推荐应用集合中应用之间的相似度；根据 所述用户实时输入应用的描述信息和所述离线推荐应用集合中应用之间的相 似度，在线计算得到与用户实时输入应用的描述信息相关的在线推荐备选应用 集合，所述在线推荐备选应用集合中包括一个或多个向用户推荐的应用；将所 述在线推荐备选应用集合中的一个或多个应用的描述信息和应用的下载地址 作为推荐结果发送并显示在用户的终端设备上。

和/或应用依据本发明的另一个方面，还提供了一种应用推荐装置，包括：

第一获取模块，用于从用户的实时行为数据中获取用户实时输入应用的描 述信息，所述用户的实时行为数据为用户操作移动终端所产生的实时行为数据；

第二获取模块，用于从移动终端应用市场中获取离线计算得到的离线推荐 应用集合中应用之间的相似度；

在线计算模块，用于根据所述用户实时输入应用的描述信息和所述离线推 荐应用集合中应用之间的相似度，在线计算得到与用户实时输入应用的描述信 息相关的在线推荐备选应用集合，所述在线推荐备选应用集合中包括一个或多 个向用户推荐的应用；

推荐模块，用于将所述在线推荐备选应用集合中的一个或多个应用的描述 信息和应用的下载地址作为推荐结果发送并显示在用户的终端设备上。

和/或应用依据本发明的又一方面，还提供了一种基于移动终端应用市场 的应用推荐系统，包括：如上所述的基于移动终端应用市场的应用推荐装置。

由上述技术方案可知，本发明的实施例具有如下有益效果：在本发明的实 施例中，在线计算可以利用离线推荐应用集合，并结合当前用户实时输入应用 的描述信息计算得到在线推荐备选应用集合。由于在线计算得到的推荐结果结 合了用户的实时行为数据，以及离线推荐应用集合，从而能够实现自动化推荐 和个性化推荐，相对于人工推荐，节省了大量的配置工作，节省了人力，同时 提升了下载量。

附图说明

通过阅读下文优选实施方式的详细描述，各种其他的优点和益处对于本领 域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的，而并 不认为是对本发明的限制。而且在整个附图中，用相同的参考符号表示相同的 部件。在附图中：

图1示出了根据本发明的实施例中基于移动终端应用市场的应用推荐的 方法的流程图之一；

图2示出了根据本发明的实施例中基于移动终端应用市场的应用推荐的 方法的流程图之二；

图3示出了根据本发明的实施例中应用推荐中过滤的示意图；

图4示出了根据本发明的实施例中应用推荐中排序的示意图；

图5示出了根据本发明的实施例中基于移动终端应用市场的应用推荐的 方法的流程图之三；

图6示出了根据本发明的实施例中基于移动终端应用市场的应用推荐的 装置框图之一；

图7示出了根据本发明的实施例中基于移动终端应用市场的应用推荐的 装置框图之二；

图8示出了根据本发明的实施例中基于移动终端应用市场的应用推荐的 装置框图之三；以及

图9示出了根据本发明的实施例中基于移动终端应用市场的应用推荐的 装置的原理图。

具体实施方式

下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了 本公开的示例性实施例，然而应当理解，可以以各种形式实现本公开而不应被 这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本 公开，并且能够将本公开的范围完整的传达给本领域的技术人员。

如图1所示，为本发明的实施例中基于移动终端应用市场的应用推荐方法 的流程图之一，该方法100包括：

步骤S101、从用户的实时行为数据中获取用户实时输入应用的描述信息， 所述用户的实时行为数据为用户操作移动终端所产生的实时行为数据，例如在 搜索栏中输入应用的名称的行为。

上述应用市场亦称应用商店，俗称APP STORE，专门为移动设备例如手 机，平板电脑等提供收费（免费）游戏，应用下载服务的电子应用商店。例如 360手机助手、百度手机助手、安卓市场等，通常应用市场的数据库中会记录 每个应用的描述信息和应用的下载地址。

在本发明的实施例中，搜集用户的行为数据，如用户的下载数据，用户浏 览数据，作为推荐计算部分的输入和统计后台的输入。搜集的用户的行为数据 会包含：用户ID（例如利用机器硬件号进行计算）、应用ID、该应用的推荐来 源（说明是从哪一种推荐数据获取的数据，用来在统计后台分析对比不同的 推荐方法的推荐效果，并可以相应调整各种推荐方法的结果数据数量）。用户 数据分为用户的实时行为数据和用户的历史行为数据，其中，用户的实时行 为数据主要为最近浏览的前N个应用、最近搜索的前N个搜索词、和/或最近 下载的前N个应用，例如N=10，上述行为数据可以代表用户的近期的关注点 和兴趣，主要作为推荐的来源数据。用户的历史行为数据主要是用来离线计算 应用的关联性。

可选地，在本发明的实施例中，所述实时行为数据包括：实时下载应用的 描述信息、实时搜索应用的描述信息和/或实时浏览应用的描述信息，其中所 述描述信息包括：应用ID、应用名称、和/或应用类别，其中应用类别包括： 游戏、书籍、娱乐、教育、旅游、商务、音乐、体育、新闻、健康医疗、摄影、 医学、导航、天气等。

步骤S103、从移动终端应用市场中获取离线计算得到的离线推荐应用集 合中应用之间的相似度。

在本发明的实施例中，推荐引擎具有离线计算功能和在线计算功能。主要 功能是计算出对于不同的用户在不同的位置上的推荐列表，其中离线计算：主 要计算应用之间的关联性，但会根据不同的用户行为数据分别进行计算，如 基于用户安装列表数据，会计算出应用A与应用B之间的关联性，即代表安 装应用A也会安装B的可能性；同样对于用户历史浏览数据，也可以计算出 应用A和应用B之间的关联性；对于不同的数据策略都会计算出一组应用关 联性作为后续推荐的基础数据。可选地，离线计算的算法选用协同过滤算法， 例如每天计算一次作为第二天的推荐基础数据。

步骤S105、根据用户实时输入应用的描述信息和离线推荐应用集合中应 用之间的相似度，在线计算得到与用户实时输入应用的描述信息相关的在线推 荐备选应用集合，在线推荐备选应用集合中包括一个或多个向用户推荐的应用。

在本发明的实施例中，在线计算相当于实时计算，即在获取用户实时输入 应用的描述信息之后，实时计算出与用户实时输入应用的描述信息相关的在线 推荐备选应用集合。而上述离线计算相当于非实时计算，可以在用户指定的时 间段内计算。步骤S105中的在线计算可以利用离线推荐应用集合，并结合当 前用户实时输入应用的描述信息计算得到在线推荐备选应用集合。由于在线计 算得到的推荐结果结合了用户的实时行为数据，以及离线推荐应用集合，从而 能够实现自动化推荐和个性化推荐，相对于人工推荐，节省了大量的配置工作， 节省了人力，同时提升了下载量。

步骤S106、将所述在线推荐备选应用集合中的一个或多个应用的描述信 息和应用的下载地址作为推荐结果发送并显示在用户的终端设备上。

如图2所示，为本发明的实施例中应用推荐方法的流程图之二，与图1 中所示的方法100的区别是，在步骤S101之前，所述方法还包括：

步骤S107、从用户的历史行为数据中获取用户历史输入应用的描述信息。

在本发明的实施例中，用户历史行为数据包括：用户浏览应用的数据、用 户安装应用的数据、用户下载应用的数据或用户搜索应用的数据。

步骤S109、根据推荐原始应用集合中应用的描述信息，离线计算得到与 用户历史输入应用的描述信息相关的离线推荐应用集合。

在步骤S109中，离线计算主要计算应用之间的关联性，但会根据不同的 用户行为数据分别进行计算，如基于用户安装列表数据，会计算出应用A与 应用B之间的关联性，即代表安装应用A也会安装B的可能性；同样对于用 户历史浏览数据，也可以计算出应用A和应用B之间的关联性；对于不同的 数据策略都会计算出一组应用关联性作为后续推荐的基础数据。可选地，离线 计算的算法选用协同过滤算法，例如每天计算一次作为第二天的推荐基础数据。

步骤S111、离线计算出离线推荐应用集合中应用之间的相似度。

可选地，在本发明的实施例中，可以采用如下公式计算应用之间的相似度 Simlarity，公式如下：

$\mathrm{Simlarity}=\frac{x\cap y}{\sqrt{\left|x\right|\times \left|y\right|}}$

其中，x，y分别是对应用a，b产生过行为的用户集合，通过该公式可以 计算得到应用a和应用b之间的相似度。

可选地，所述方法100还包括：

根据应用标签数据和/或用户历史行为数据，对所述离线推荐应用集合中 的应用进行板块划分，得到应用标签板块和/或用户历史行为板块，其中，

所述用户历史行为数据包括：用户浏览应用的数据、用户安装应用的数据、 用户下载应用的数据或用户搜索应用的数据；

所述用户历史行为板块包括：用户浏览应用板块、用户安装应用板块、用 户下载应用板块或者用户搜索应用板块。

在本发明的实施例中，推荐原始应用集合可以有多个板块，当有两个板块 的时候，那么每个策略组的数据会有两份，依次类推。如图3所示，应用标签 数据表示应用的属性和关键词，如游戏、塔防、军事等，用户浏览数据包括： 用户ID、应用ID和浏览时间，用户安装数据、用户下载数据和用户搜索数据 与用户浏览数据类似。策略组1～策略组5分别给予几组数据单独算出相关性 数据，每组都算出一组，作为一种策略结果，由于某个板块的推荐数据并不会 包含所有应用，为了提升计算的速率和线上接口寻找的速率，会现在离线计算 部分过滤出所需的应用，而过滤掉不需要的应用，过滤后的修正策略组1～修 正策略5表示过滤后的推荐原始应用集合。

可选地，在本发明的实施例中，所述在线推荐备选应用集合包括：应用标 签板块和/或用户历史行为板块，所述方法还包括：

设置所述应用标签板块和/或用户历史行为板块的板块权重值，所述板块 权重值越大，则板块的显示位置越重要；

根据每个板块的显示权重值，在所述应用推荐页面上对所述应用标签板块 和/或用户历史行为板块进行板块排列。

对于同一个推荐页面，有可能会有多个推荐板块，即限定被推荐的应用集 合，如精品推荐中会有联运游戏和非联运游戏两个板块，板块之间的应用是不 相同的，所以推荐的数据也会不同，但需要在同一个推荐页面中展现，推荐页 面中选择哪些应用排在重要的位置也需要推荐算法来设定，用以最大化展现 效率，提升下载量。如图4所示，反馈数据可以是前一天应用在当前板块中被 展现次数，下载次数，或者根据展现次数和下载次数，计算得到的应用的转化 率。重要的板块的显示位置是指用户视觉先触及的地方，也是下载可能性高的 地方，例如推荐页面的左上角到右下角，显示位置的重要性依次递减。

如图5所示，为本发明的实施例中应用推荐方法的流程图之三，与图2 中所示的方法100的区别是，在步骤S106中包括：

步骤S1061、计算出在线推荐备选应用集合中每个应用的推荐值；

具体地，根据用户实时输入应用与在线推荐备选应用集合中的应用之间的 相似度、用户实时输入应用的初始权值以及由用户实时输入应用推荐出来的在 线推荐备选应用集合中的应用在预定时间内的转化率，计算出所述在线推荐备 选应用集合中每个应用的推荐值，其中所述用户输入应用的初始权值由用户输 入应用的当前访问时间计算得到。

例如，按照如下公式计算出所述在线推荐备选应用集合中每个应用的推荐 值score_i，其中公式为：

score_i=∑_{i∈APPs,j∈ins}S_ji×W_j×W_ji，其中

i表示在线推荐备选应用集合中的应用；

j表示用户输入应用；

APPs表示在线推荐备选应用集合；

S_ij表示用户输入应用j和在线推荐备选应用集合中的应用i之间的相似度；

W_j表示用户输入应用j的初始权值，W_j位于0～1之间；

W_ji表示用户输入应用j推荐出来的在线推荐备选应用集合中的应用i在预 定时间内的转化率。

其中，所述用户输入应用j的初始权值W_j由以下公式计算得到：

W_j=（t1－min（t））/（max（t）－min（t）），其中

t1表示用户输入应用j的当前访问时间；

t表示所有应用的访问时间集合。

步骤S1063、根据应用的推荐值的大小，从在线推荐备选应用集合中选取 一个或多个应用；例如，按照应用的推荐值的大小，从在线推荐备选应用集合 中选取前20个应用，当然选取应用的数量并不限于此。

步骤S1065、根据选取的一个或多个应用的描述信息和应用的下载地址作 为推荐结果生成应用推荐页面，并将应用推荐页面发送并显示在用户的移动终 端上。

可选地，在步骤S115之前，所述方法100还包括：根据所述应用的推荐 值的大小对所述在线推荐备选应用集合中的应用进行排序。

如图6所示，为本发明的实施例中基于移动终端应用市场的应用推荐的装 置框图之一，该应用推荐装置600包括：

第一获取模块601，用于从用户的实时行为数据中获取用户实时输入应用 的描述信息，所述用户的实时行为数据为用户操作移动终端所产生的实时行为 数据；所述实时行为数据包括：实时下载应用的描述信息、实时搜索应用的描 述信息和/或实时浏览应用的描述信息，其中所述描述信息包括：应用ID、应 用名称和/或应用类别。

第二获取模块603，用于从移动终端应用市场中获取离线计算得到的离线 推荐应用集合中应用之间的相似度；

在线计算模块605，用于根据所述用户实时输入应用的描述信息和所述离 线推荐应用集合中应用之间的相似度，在线计算得到与用户实时输入应用的描 述信息相关的在线推荐备选应用集合，所述在线推荐备选应用集合中包括一个 或多个向用户推荐的应用；

推荐模块606，用于将所述在线推荐备选应用集合中的一个或多个应用的 描述信息和应用的下载地址作为推荐结果发送并显示在用户的终端设备上。

在本发明的实施例中，在线计算可以利用离线推荐应用集合，并结合当前 用户实时输入应用的描述信息计算得到在线推荐备选应用集合。由于在线计算 得到的推荐结果结合了用户的实时行为数据，以及离线推荐应用集合，从而能 够实现自动化推荐和个性化推荐，相对于人工推荐，节省了大量的配置工作， 节省了人力，同时提升了下载量。

如图7所示，为本发明的实施例中应用推荐装置的框图之二，与图6中所 示的装置600的区别是，所述装置600还包括：

历史行为获取模块607，用于从用户的历史行为数据中获取用户历史输入 应用的描述信息；

离线计算模块609，根据推荐原始应用集合中应用的描述信息，离线计算 得到与用户历史输入应用的描述信息相关的离线推荐应用集合；

相似度计算模块611，用于离线计算出所述离线推荐应用集合中应用之间 的相似度。

可选地，在本发明的实施例中，所述装置600还包括：

板块划分模块，用于根据应用标签数据和/或用户历史行为数据，对所述 离线推荐应用集合中的应用进行板块划分，得到应用标签板块和/或用户历史 行为板块，其中，

所述用户历史行为数据包括：用户浏览应用的数据、用户安装应用的数据、 用户下载应用的数据或用户搜索应用的数据；所述用户历史行为板块包括：用 户浏览应用板块、用户安装应用板块、用户下载应用板块或者用户搜索应用板 块。

可选地，在本发明的实施例中，所述装置600还包括：

板块权重模块，用于设置所述应用标签板块和/或用户历史行为板块的板 块权重值，所述板块权重值越大，则板块的显示位置越重要；

板块排列模块，用于根据每个板块的显示权重值，在所述应用推荐页面上 对所述应用标签板块和/或用户历史行为板块进行板块排列。

如图8所示，为本发明的实施例中应用推荐装置的框图之三，与图7中所 示的装置600的区别是，所述推荐模块606包括：

推荐值计算单元6061，用于计算出所述在线推荐备选应用集合中每个应 用的推荐值；

应用选择单元6063，用于根据所述应用的推荐值的大小，从所述在线推 荐备选应用集合中选取一个或多个应用；

推荐页面生成单元6065，用于根据选取的一个或多个应用生成应用推荐 页面。

可选地，在本发明的实施例中，所述装置600还包括：

应用排序模块，与所述推荐值计算单元和所述应用选择单元连接，用于根 据所述应用的推荐值的大小对所述在线推荐备选应用集合中的应用进行排序。

可选地，所述推荐值计算单元6061进一步用于根据用户实时输入应用与 在线推荐备选应用集合中的应用之间的相似度、用户实时输入应用的初始权值 以及由用户实时输入应用推荐出来的在线推荐备选应用集合中的应用在预定 时间内的转化率，计算出所述在线推荐备选应用集合中每个应用的推荐值，其 中所述用户输入应用的初始权值由用户输入应用的当前访问时间计算得到。

具体地，推荐值计算单元6061按照如下公式计算出所述在线推荐备选应 用集合中每个应用的推荐值score_i，其中公式为：

score_i=∑_{i∈APPs,j∈ins}S_ji×W_j×W_ji，其中

i表示在线推荐备选应用集合中的应用；

j表示用户输入应用；

APPs表示在线推荐备选应用集合；

S_ij表示用户输入应用j和在线推荐备选应用集合中的应用i之间的相似度；

W_j表示用户输入应用j的初始权值，W_j位于0～1之间；

W_ji表示用户输入应用j推荐出来的在线推荐备选应用集合中的应用i在预 定时间内的转化率。

可选地，其中所述用户输入应用j的初始权值W_j由以下公式计算得到：

W_j=（t1－min（t））/（max（t）－min（t）），其中

t1表示用户输入应用j的当前访问时间；

t表示所有应用的访问时间集合。

如图9所示，为本发明的实施例中应用推荐的装置的原理图，该装置主要 分为三部分，第一部分为手机助手的板块展现的业务逻辑部分，负责用户行为 数据采集，推荐结果呈现，主要以页面的形式在客户端中展现；第二部分是推 荐引擎，负责基于推荐池的应用关联性数据离线运算和存储，以及推荐在线计 算接口中的个性化计算；第三部分是后台部分，主要包括运营后台和统计后台 分别承担板块的结果数据展现和推荐应用集合维护的功能。

在本发明的第三方面还提供了一种基于移动终端应用市场的应用推荐系 统，包括：如上所述的应用推荐装置。

在此提供的算法和显示不与任何特定计算机、虚拟系统或者其它设备固有 相关。各种通用系统也可以与基于在此的示教一起使用。根据上面的描述，构 造这类系统所要求的结构是显而易见的。此外，本发明也不针对任何特定编程 语言。应当明白，可以利用各种编程语言实现在此描述的本发明的内容，并且 上面对特定语言所做的描述是为了披露本发明的最佳实施方式。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发 明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细 示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

类似地，应当理解，为了精简本公开并帮助理解各个发明方面中的一个或 多个，在上面对本发明的示例性实施例的描述中，本发明的各个特征有时被一 起分组到单个实施例、图、或者对其的描述中。然而，并不应将该公开的方法 解释成反映如下意图：即所要求保护的本发明要求比在每个权利要求中所明确 记载的特征更多的特征。更确切地说，如下面的权利要求书所反映的那样，发 明方面在于少于前面公开的单个实施例的所有特征。因此，遵循具体实施方式 的权利要求书由此明确地并入该具体实施方式，其中每个权利要求本身都作为 本发明的单独实施例。

本领域那些技术人员可以理解，可以对实施例中的设备中的模块进行自适 应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实 施例中的模块或单元或组件组合成一个模块或单元或组件，以及此外可以把它 们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中 的至少一些是相互排斥之外，可以采用任何组合对本说明书（包括伴随的权利 要求、摘要和附图）中公开的所有特征以及如此公开的任何方法或者设备的所 有过程或单元进行组合。除非另外明确陈述，本说明书（包括伴随的权利要求、 摘要和附图）中公开的每个特征可以由提供相同、等同或相似目的替代特征来 代替。

此外，本领域的技术人员能够理解，尽管在此所述的一些实施例包括其它 实施例中所包括的某些特征而不是其它特征，但是不同实施例的特征的组合意 味着处于本发明的范围之内并且形成不同的实施例。例如，在下面的权利要求 书中，所要求保护的实施例的任意之一都可以以任意的组合方式来使用。

本发明的各个部件实施例可以以硬件实现，或者以在一个或者多个处理器 上运行的软件模块实现，或者以它们的组合实现。本领域的技术人员应当理解， 可以在实践中使用微处理器或者数字信号处理器（DSP）来实现根据本发明实 施例的装置中的一些或者全部部件的一些或者全部功能。本发明还可以实现为 用于执行这里所描述的方法的一部分或者全部的设备或者装置程序（例如，计 算机程序和计算机程序产品）。这样的实现本发明的程序可以存储在计算机可 读介质上，或者可以具有一个或者多个信号的形式。这样的信号可以从因特网 网站上下载得到，或者在载体信号上提供，或者以任何其他形式提供。

应该注意的是上述实施例对本发明进行说明而不是对本发明进行限制，并 且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施 例。在权利要求中，不应将位于括号之间的任何参考符号构造成对权利要求的 限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之 前的单词“一”或“一个”不排除存在多个这样的元件。本发明可以借助于包 括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干 设备的单元权利要求中，这些设备中的若干个可以是通过同一个硬件项来具体 体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解 释为名称。

本发明公开了A1、一种基于移动终端应用市场的应用推荐方法，包括：

从用户的实时行为数据中获取用户实时输入应用的描述信息，所述用户的 实时行为数据为用户操作移动终端所产生的实时行为数据；

从移动终端应用市场中获取离线计算得到的离线推荐应用集合中应用之 间的相似度；

根据所述用户实时输入应用的描述信息和所述离线推荐应用集合中应用 之间的相似度，在线计算得到与用户实时输入应用的描述信息相关的在线推荐 备选应用集合，所述在线推荐备选应用集合中包括一个或多个向用户推荐的应 用；

将所述在线推荐备选应用集合中的一个或多个应用的描述信息和应用的 下载地址作为推荐结果发送并显示在用户的终端设备上。

A2、根据A1所述的方法，所述将所述在线推荐备选应用集合中的一个或 多个应用的描述信息和应用的下载地址作为推荐结果发送并显示在用户的终 端设备上的步骤包括：

计算出所述在线推荐备选应用集合中每个应用的推荐值；

根据所述应用的推荐值的大小，从所述在线推荐备选应用集合中选取一个 或多个应用；

根据选取的一个或多个应用的描述信息和应用的下载地址作为推荐结果 生成应用推荐页面，并将所述应用推荐页面发送并显示在用户的移动终端上。

A3、根据A2所述的方法，其中所述根据所述应用的推荐值的大小，从 所述在线推荐备选应用集合中选取一个或多个应用的步骤之前，所述方法还包 括：

根据所述应用的推荐值的大小对所述在线推荐备选应用集合中的应用进 行排序。

A4、根据A2所述的方法，所述计算出所述在线推荐备选应用集合中每个 应用的推荐值的步骤为：

根据用户实时输入应用与在线推荐备选应用集合中的应用之间的相似度、 用户实时输入应用的初始权值以及由用户实时输入应用推荐出来的在线推荐 备选应用集合中的应用在预定时间内的转化率，计算出所述在线推荐备选应用 集合中每个应用的推荐值，其中所述用户输入应用的初始权值由用户输入应用 的当前访问时间计算得到。

A5、根据A2所述的方法，所述从用户的实时行为数据中获取用户实时输 入应用的描述信息之前，所述方法还包括：

从用户的历史行为数据中获取用户历史输入应用的描述信息；

根据推荐原始应用集合中应用的描述信息，离线计算得到与用户历史输入 应用的描述信息相关的离线推荐应用集合；

离线计算出所述离线推荐应用集合中应用之间的相似度。

A6、根据A5所述的方法，所述方法还包括：

根据应用标签数据和/或用户历史行为数据，对所述离线推荐应用集合中 的应用进行板块划分，得到应用标签板块和/或用户历史行为板块，其中，

所述用户历史行为数据包括：用户浏览应用的数据、用户安装应用的数据、 用户下载应用的数据或用户搜索应用的数据；

所述用户历史行为板块包括：用户浏览应用板块、用户安装应用板块、用 户下载应用板块或者用户搜索应用板块。

A7、根据A6所述的方法，所述在线推荐备选应用集合包括：应用标签板 块和/或用户历史行为板块，所述方法还包括：

设置所述应用标签板块和/或用户历史行为板块的板块权重值，所述板块 权重值越大，则板块的显示位置越重要；

根据每个板块的显示权重值，在所述应用推荐页面上对所述应用标签板块 和/或用户历史行为板块进行板块排列。

A8、根据A1～A7任一项所述的方法，其中，所述实时行为数据包括：实 时下载应用的描述信息、实时搜索应用的描述信息和/或实时浏览应用的描述 信息，其中所述属性信息包括：应用ID、应用名称和/或应用类别。

B9、一种基于移动终端应用市场的应用推荐装置，包括：

第一获取模块，用于从用户的实时行为数据中获取用户实时输入应用的描 述信息，所述用户的实时行为数据为用户操作移动终端所产生的实时行为数据；

第二获取模块，用于从移动终端应用市场中获取离线计算得到的离线推荐 应用集合中应用之间的相似度；

在线计算模块，用于根据所述用户实时输入应用的描述信息和所述离线推 荐应用集合中应用之间的相似度，在线计算得到与用户实时输入应用的描述信 息相关的在线推荐备选应用集合，所述在线推荐备选应用集合中包括一个或多 个向用户推荐的应用；

推荐模块，用于将所述在线推荐备选应用集合中的一个或多个应用的描述 信息和应用的下载地址作为推荐结果发送并显示在用户的终端设备上。

B10、根据B9所述的装置，所述推荐模块包括：

推荐值计算单元，用于计算出所述在线推荐备选应用集合中每个应用的推 荐值；

应用选择单元，用于根据所述应用的推荐值的大小，从所述在线推荐备选 应用集合中选取一个或多个应用；

推荐页面生成单元，用于根据选取的一个或多个应用的描述信息和应用的 下载地址作为推荐结果生成应用推荐页面，并将所述应用推荐页面发送并显示 在用户的移动终端上。

B11、根据B10所述的装置，所述装置还包括：

应用排序模块，与所述推荐值计算单元和所述应用选择单元连接，用于根 据所述应用的推荐值的大小对所述在线推荐备选应用集合中的应用进行排序。

B12、根据B10所述的装置，所述推荐值计算单元进一步用于根据用户实 时输入应用与在线推荐备选应用集合中的应用之间的相似度、用户实时输入应 用的初始权值以及由用户实时输入应用推荐出来的在线推荐备选应用集合中 的应用在预定时间内的转化率，计算出所述在线推荐备选应用集合中每个应用 的推荐值，其中所述用户输入应用的初始权值由用户输入应用的当前访问时间 计算得到。

B13、根据B10所述的装置，所述装置还包括：

历史行为获取模块，用于从用户的历史行为数据中获取用户历史输入应用 的描述信息；

离线计算模块，根据推荐原始应用集合中应用的描述信息，离线计算得到 与用户历史输入应用的描述信息相关的离线推荐应用集合；

相似度计算模块，用于离线计算出所述离线推荐应用集合中应用之间的相 似度。

B14、根据B13所述的装置，所述装置还包括：

板块划分模块，用于根据应用标签数据和/或用户历史行为数据，对所述 离线推荐应用集合中的应用进行板块划分，得到应用标签板块和/或用户历史 行为板块，其中，

所述用户历史行为数据包括：用户浏览应用的数据、用户安装应用的数据、 用户下载应用的数据或用户搜索应用的数据；所述用户历史行为板块包括：用 户浏览应用板块、用户安装应用板块、用户下载应用板块或者用户搜索应用板 块。

B15、根据B14所述的装置，所述装置还包括：

板块权重模块，用于设置所述应用标签板块和/或用户历史行为板块的板 块权重值，所述板块权重值越大，则板块的显示位置越重要；

板块排列模块，用于根据每个板块的显示权重值，在所述应用推荐页面上 对所述应用标签板块和/或用户历史行为板块进行板块排列。

B16、根据B9～B15任一项所述的装置，其中，所述实时行为数据包括： 实时下载应用的描述信息、实时搜索应用的描述信息和/或实时浏览应用的描 述信息，其中所述属性信息包括：应用ID、应用名称和/或应用类别。

C17、一种基于移动终端应用市场的应用推荐系统，包括：如C9～C16任 一项所述的基于移动终端应用市场的应用推荐装置。