一种应用推荐方法、介质和电子设备与流程

本技术涉及智能终端，特别涉及一种应用推荐方法、介质和电子设备。

背景技术：

1、随着手机中安装的应用程序(application，app)越来越多，大部分手机都会向用户提供app建议，以向用户推荐app。而当前app建议大多采用最近热门app、最近高频app进行融合打分来为用户推荐app。具体地，手机通过显示app建议卡片例如yoyo建议tm卡片来为用户推荐app。其中，最近热门app通常基于多个用户的数据统计得到，而最近高频app可以为用户最近一段历史时间段内不考虑场景的所有使用频次较高的app。具体地，手机通过显示app建议卡片例如yoyo建议tm卡片来为用户推荐app。参照图1所示，为手机显示的yoyo建议tm卡片的一种示例，该yoyo建议tm卡片中包含抖音tm、淘宝tm和支付宝tm的图标，其中抖音tm为最近热门app且淘宝tm和支付宝tm为最近高频app。此时，用户可以点击yoyo建议tm卡片中的某个app的图标来打开该app。

2、然而，目前的app建议方案所推荐的app缺乏个性化，导致手机推荐的app可能不是用户实际需求使用的app。

技术实现思路

1、本技术实施例提供了一种应用推荐方法、介质和电子设备，能够在地铁场景、家场景等推荐因素下为用户精确推荐该推荐因素下用户偏好app，提升应用推荐的准确性和个性化。

2、第一方面，本技术实施例提供了一种应用推荐方法，应用于电子设备，电子设备上安装有第一应用和第二应用；并且方法包括：确定电子设备进入与第一推荐因素对应的第一围栏；显示为用户推荐的与第一围栏对应的第一应用，其中，第一应用的提升度大于未对用户推荐的第二应用的提升度，并且提升度越高，应用在第一历史时间段内在第一推荐因素下被使用过的概率越高，并且提升度是基于在第一历史时间段内第一推荐因素下应用的使用概率和在第一历史时间段内的多个推荐因素下应用的使用概率确定的。即如果用户携带电子设备处于某种推荐因素下，则为用户推荐包含该推荐因素下的偏好app的app建议卡片。如此，本技术中app建议不受限于app的整体使用频次，可以在不同推荐因素下为用户精准推荐其偏好的app，方便用户快速使用需求的app，极大提升了用户体验。

3、在一种可能的实现方式中，第一应用的加权概率大于第二应用的加权概率，并且，加权概率越高，应用在第一历史时间段内在第一推荐因素下被使用过的使用次数越高且使用天数越高，加权概率是基于在第一历史时间段内第一推荐因素下应用的使用概率、在第一历史时间段内应用在第一推荐因素下的使用天数以及在第一历史时间段内应用在多个推荐因素下的使用天数确定的。进而，本技术将第一推荐因素下提升度较大且加权概率较大的app作为该第一推荐因素下用户偏好的app推荐给用户，这些app就是历史时间段(如最近一个月内)内用户在该推荐因素下偏好点击使用且点击频次和点击天次较大的app。从而，有利于提升通过app建议卡片在特定推荐因素下推荐给用户偏好app的准确性。

4、在一种可能的实现方式中，第一应用的置信度大于第二应用的置信度，并且，置信度越高，应用在第一历史时间段内在第一推荐因素下被使用过的使用次数越高且使用天数越高，置信度是基于应用的加权概率和在电子设备中的应用的总数确定的，并且加权概率是基于在第一历史时间段内第一推荐因素下应用的使用概率、在第一历史时间段内应用在第一推荐因素下的使用天数、在第一历史时间段内第一推荐因素的出现天数确定的。那么，各个推荐因素下各个app的置信度相当于基于电子设备中的app总数对各个推荐因素下各个app的加权概率进行归一化处理，也即对这些加权概率进行数值修正，从而方便比较各个加权概率之间的大小。并且，考虑app总数可以方便设定置信度阈值的大小，该置信度阈值用于衡量数值修正后的加权概率，以方便设定输出几个置信度大于置信度阈值的app作为一个推荐因素下用户的偏好app。可以理解，每个app的置信度考虑电子设备中的app总数，以基于app总数为用户推荐适当数量的app，例如app总数越大确定出的一种围栏触发时刻的偏好app的数量越多。

5、在一种可能的实现方式中，在第一历史时间段内第一推荐因素下应用的使用概率为：在第一历史时间段内第一推荐因素下应用的使用次数与第一历史时间段内第一推荐因素下电子设备中多个应用的使用次数的比值。其中，上述第一历史时间段内第一推荐因素下电子设备中多个应用可以为第一推荐因素下使用的所有应用。例如，计算各个app在各个推荐因素下的使用次数count(app|s)，可以得到在第一历史时间段内第一推荐因素下应用的使用概率，如通过下文中的公式(1-1)计算得到。

6、在一种可能的实现方式中，在第一历史时间段内第一推荐因素下应用的使用概率为：根据第一使用次数调整第一概率得到的，并且第一使用次数越小第一概率降低的程度越大，其中，第一使用次数为第一历史时间段内第一应用推荐因素下电子设备中的多个应用的使用次数，第一概率为第一历史时间段内第一推荐因素下应用的使用次数与第一使用次数的比值。

7、在一种可能的实现方式中，第一概率是根据第一使用次数采用公式调整的，其中，n为第一使用次数，z为常数，p为在第一历史时间段内第一推荐因素下应用的使用次数与第一历史时间段内第一推荐因素下电子设备中的多个应用(如第一历史时间段内第一推荐因素下使用过的所有应用)的使用次数的比值。

8、在一种可能的实现方式中，在第一历史时间段内的多个推荐因素下应用的使用概率为：在第一历史时间段内的多个推荐因素下应用的使用次数(即下文中的count(app))，与在第一历史时间段内包多个推荐因素下的多个应用(如第一历史时间内所有推荐因素下使用的所有应用)的使用次数(即下文中的count(all))的比值。如，在第一历史时间段内的多个推荐因素下应用的使用概率可以通过下文中的公式(2-1)，即p(app|all)＝count(app)/count(all)计算得到。

9、在一种可能的实现方式中，在第一历史时间段内的多个推荐因素下应用的使用概率为：在第一历史时间段内的多个推荐因素下应用的使用次数与第一数值相加后的数值，与在第一历史时间段内的多个推荐因素下的多个应用的使用次数的比值。第一历史时间段内的多个推荐因素下应用的使用概率可以通过下文中的公式(2-2)计算得到，第一数值为如取值为5。如此，可以避免count(app)的数值太小导致p(app|all)的计算结果过小，即避免第一历史时间段内的多个推荐因素下应用的使用次数太小，导致第一历史时间段内的多个推荐因素下应用的使用概率太小。

10、在一种可能的实现方式中，提升度为：在第一历史时间段内第一推荐因素下应用的使用概率(如下文中的p(app|s))，与在第一历史时间段内的多个推荐因素下应用的使用概率(如p(app|all))的比值。例如，提升度可以为下文中公式(4-1)，即计算得到的。

11、在一种可能的实现方式中，提升度为：对第二概率进行归一化处理后得到的数值，其中，第二概率为：在第一历史时间段内第一推荐因素下应用的使用概率，与在第一历史时间段内的多个推荐因素下应用的使用概率的比值。

12、在一种可能的实现方式中，对第二概率的归一化采用公式

13、实现，其中，表示所述提升度，p(app|s)/p(app|all)表示第二概率，p(app|s)表示第一历史时间段内第一推荐因素下应用的使用概率，p(app|all)表示在第一历史时间段内的多个推荐因素下应用的使用概率，并且提升度的取值为0至1内的数值。

14、在一种可能的实现方式中，加权概率为：第一历史时间段内第一推荐因素下应用的使用概率，与第三概率的乘积得到的数值，并且，第三概率为在第一历史时间段内应用在第一推荐因素下的使用天数，与在第一历史时间段内第一推荐因素的出现天数的比值。例如，下文中各个app在各个推荐因素下的加权概率weight_p(app|s)可以通过公式(6-1)实现。

15、在一种可能的实现方式中，置信度为：应用的第一排位，与在第一历史时间段内第一推荐因素下用户使用过的多个应用的数量的比值，其中，应用的第一排位为应用的加权概率在第一历史时间段内第一推荐因素下用户使用过的多个应用中各个应用的加权概率中，从小到大排序后的排位。如此，方便比较各个置信度的大小，并方便设定输出几个置信度大于置信度阈值的app作为一个推荐因素下用户的偏好app。

16、在一种可能的实现方式中，第一应用的提升度大于第一阈值，或者，第一应用的提升度大于第一阈值且第一应用的加权概率大于第二阈值，或者，第一应用的提升度大于第一阈值且第一应用的置信度大于第三阈值。

17、在一种可能的实现方式中，确定在第一历史时间段内第一推荐因素的出现天数大于第一天数。而第一历史时间段内出现天数小于或等于第一天数推荐因素下通常为用户偶尔使用的应用，不能反映用户在各个推荐因素下的应用使用偏好。

18、在一种可能的实现方式中，第一推荐因素包括以下至少一项：时间因素、空间因素、设备使用因素，其中，设备使用因素用于指示电子设备是否连接外部设备；第一围栏包括以下至少一项：时间围栏、地理围栏、设备围栏。

19、在一种可能的实现方式中，为用户推荐的与第一围栏对应的第一应用显示在电子设备的应用建议卡片中，如yoyo建议tm卡片中。

20、第二方面，本技术实施例提供了一种可读介质，可读介质上存储有指令，指令在电子设备上执行时使电子设备执行第一方面及其任一种可能的实现方式中的应用推荐方法。

21、第三方面，本技术实施例提供了一种电子设备，包括：存储器，用于存储由电子设备的一个或多个处理器执行的指令，以及处理器，是电子设备的处理器之一，用于执行第一方面及其任一种可能的实现方式中的应用推荐方法。