一种信息推荐方法、装置和电子设备

技术领域

本发明涉及数据处理技术领域，特别是涉及一种信息推荐方法、装置和电子设备。

背景技术

目前，各大平台为了获取更多的客户，通常会根据用户兴趣为用户进行信息的推荐。然而随着市场竞争力的不断增强，获取客户的成本也越来越高，如何有效的利用导数据分析用户的兴趣，已成为各平台亟待解决的问题之一。

现有技术中，各平台主要是依赖用户在平台中的历史行为，如点击行为、浏览行为等等，来分析用户的兴趣。而对于平台的新用户，由于其在平台上没有任何历史行为，平台很难分析出用户的兴趣，无法准确为其进行信息推荐。

发明内容

本发明实施例提供一种信息推荐方法，以提高信息推荐的准确性。

相应的，本发明实施例还提供了一种信息推荐装置和一种电子设备，用以保证上述方法的实现及应用。

为了解决上述问题，本发明实施例公开了一种信息推荐方法，具体包括：确定目标用户和所述目标用户已安装的应用程序，以及确定所述目标用户对所述已安装的应用程序的兴趣度，其中，所述已安装应用程序为除去预安装的应用程序之外的应用程序；依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；依据所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐。

可选地，所述确定所述目标用户对所述已安装的应用程序的兴趣度，包括：获取所述已安装的应用程序的使用信息；依据所述使用信息，确定所述目标用户对所述已安装的应用程序的兴趣度。

可选地，所述依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度，包括以下至少一种：采用协同过滤算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；采用矩阵分解算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；采用神经协同过滤算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度。

可选地，所述依据所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐，包括：依据预设的映射关系，确定各应用程序所属的兴趣类别，所述应用程序包括已安装的应用程序和未安装的应用程序；针对每一个兴趣类别，采用所述目标用户对属于所述兴趣类别的应用程序的兴趣度，计算所述目标用户对所述兴趣类别的兴趣度；依据各兴趣类别的兴趣度，为所述目标用户进行信息推荐。

可选地，所述依据各兴趣类别的兴趣度，为所述目标用户进行信息推荐，包括：确定兴趣度最高的前N个兴趣类别；为所述目标用户推荐所述前N个兴趣类别对应的信息。

本发明实施例还公开了一种信息推荐装置，具体包括：第一信息确定模块，用于确定目标用户和所述目标用户已安装的应用程序，以及确定所述目标用户对所述已安装的应用程序的兴趣度，其中，所述已安装应用程序为除去预安装的应用程序之外的应用程序；第二信息确定模块，用于依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；推荐模块，用于依据所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐。

可选地，所述第一信息确定模块，用于获取所述已安装的应用程序的使用信息；依据所述使用信息，确定所述目标用户对所述已安装的应用程序的兴趣度。

可选地，所述第二信息确定模块，包括：第一兴趣度确定子模块，用于采用协同过滤算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；第二兴趣度确定子模块，用于采用矩阵分解算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；第三兴趣度确定子模块，用于采用神经协同过滤算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度。

可选地，所述推荐模块，包括：类别确定子模块，用于依据预设的映射关系，确定各应用程序所属的兴趣类别，所述应用程序包括已安装的应用程序和未安装的应用程序；类别兴趣度确定子模块，用于针对每一个兴趣类别，采用所述目标用户对属于所述兴趣类别的应用程序的兴趣度，计算所述目标用户对所述兴趣类别的兴趣度；信息推荐子模块，用于依据各兴趣类别的兴趣度，为所述目标用户进行信息推荐。

可选地，所述信息推荐子模块，用于确定兴趣度最高的前N个兴趣类别；为所述目标用户推荐所述前N个兴趣类别对应的信息。

本发明实施例还公开了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如本发明实施例任一所述的信息推荐方法。

本发明实施例还公开了一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：确定目标用户和所述目标用户已安装的应用程序，以及确定所述目标用户对所述已安装的应用程序的兴趣度，其中，所述已安装应用程序为除去预安装的应用程序之外的应用程序；依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；依据所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐。

可选地，所述确定所述目标用户对所述已安装的应用程序的兴趣度，包括：获取所述已安装的应用程序的使用信息；依据所述使用信息，确定所述目标用户对所述已安装的应用程序的兴趣度。

可选地，所述依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度，包括以下至少一种：采用协同过滤算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；采用矩阵分解算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；采用神经协同过滤算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度。

可选地，所述依据所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐，包括：依据预设的映射关系，确定各应用程序所属的兴趣类别，所述应用程序包括已安装的应用程序和未安装的应用程序；针对每一个兴趣类别，采用所述目标用户对属于所述兴趣类别的应用程序的兴趣度，计算所述目标用户对所述兴趣类别的兴趣度；依据各兴趣类别的兴趣度，为所述目标用户进行信息推荐。

可选地，所述依据各兴趣类别的兴趣度，为所述目标用户进行信息推荐，包括：确定兴趣度最高的前N个兴趣类别；为所述目标用户推荐所述前N个兴趣类别对应的信息。

本发明实施例包括以下优点：

本发明实施例中，可以先确定目标用户、所述目标用户已安装的应用程序和所述目标用户对所述已安装的应用程序的兴趣度；然后依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；再结合所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐；进而解决现有技术由于没有历史数据而很难确定用户兴趣信息导致信息推荐准确性差的问题，提高了为用户进行信息推荐的准确性。

附图说明

图1是本发明的一种信息推荐方法实施例的步骤流程图；

图2是本发明的一种信息推荐方法可选实施例的步骤流程图；

图3是本发明的一种信息推荐装置实施例的结构框图；

图4是本发明的一种信息推荐装置可选实施例的结构框图；

图5根据一示例性实施例示出的一种用于信息推荐的电子设备的结构框图；

图6是本发明根据另一示例性实施例示出的一种用于信息推荐的电子设备的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

本发明实施例的核心构思之一是，基于用户已安装的应用程序的兴趣，确定用户对未安装的应用程序的兴趣；然后结合用户对已安装的应用程序和未安装的应用程序的兴趣，为用户进行信息推荐；进而本发明实施例解决了现有技术由于没有历史行为数据而很难确定用户兴趣导致信息推荐准确性差的问题，提高了为用户进行信息推荐的准确性。

参照图1，示出了本发明的一种信息推荐方法实施例的步骤流程图，具体可以包括如下步骤：

步骤102、确定目标用户和所述目标用户已安装的应用程序，以及确定所述目标用户对所述已安装的应用程序的兴趣度，其中，所述已安装应用程序为除去预安装的应用程序之外的应用程序。

步骤104、依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度。

步骤106、依据所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐。

本发明实施例中，可以将需要进行信息推荐的用户，确定为目标用户。由于目标用户对应终端设备上安装的应用程序，可以反映目标用户的兴趣，因此本发明实施例可以获取所述目标用户对应终端设备上的应用程序安装列表，确定所述目标用户对应终端设备上已安装的应用程序。其中，终端设备中已安装的应用程序包括预安装的应用程序和用户主动安装的应用程序；所述预安装的应用程序可以是指终端设备在出厂时安装的应用程序。由于预安装应用程序不是用户主动安装的，且很多用户的预安装应用程序相同，无法体现用户的兴趣。为了提高确定目标用户对应兴趣信息的准确性，本发明实施例确定的已安装的应用程序可以是指除去预安装的应用程序之外的应用程序。

本发明实施例中，可以依据所述目标用户对已安装的应用程序的使用信息，分析所述目标用户对所述已安装的应用程序的兴趣度；然后再依据目标用户对已安装的应用程序的兴趣度，为用户信息信息推荐。

本发明的一个实施例中，可以先依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；然后再结合所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为用户进行信息推荐。进而在没有目标用户历史行为数据的情况下，准确的为用户进行信息推荐。其中，所述为目标用户推荐的信息可以包括多种类型，如可以是图片、文本、视频、动画等等，本发明实施例对此不作限制。

综上，本发明实施例中，可以先确定目标用户、所述目标用户已安装的应用程序和所述目标用户对所述已安装的应用程序的兴趣度；然后依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；再结合所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐；进而解决现有技术由于没有历史数据而很难确定用户兴趣导致信息推荐准确性差的问题，提高了为用户进行信息推荐的准确性。

参照图2，示出了本发明的一种信息推荐方法可选实施例的步骤流程图，具体可以包括如下步骤：

步骤202、确定目标用户和所述目标用户已安装的应用程序。

本发明的一个示例中，获取的目标用户对应终端设备的应用程序安装列表可以如下：

表1

其中，应用程序安装列表中每一项为应用程序的包名。根据表1，可以确定目标用户已安装的应用程序为7个。

步骤204、确定所述目标用户对所述已安装的应用程序的兴趣度。

本发明的一个示例中，一种确定所述目标用户对所述已安装的应用程序的兴趣度的方式可以是，将第一预设值作为所述目标用户对已安装的应用程序的兴趣度；所述第一预设值可以按照需求设置，如1；本发明实施例对此不作限制。

作为本发明的一个示例，第一预设值为1，表1中各已安装的应用程序的兴趣度可以如表2所示：

表2

当然，本发明的另一个示例中，为了提高确定目标用户兴趣信息的准确性，一种确定所述目标用户对所述已安装的应用程序的兴趣度的方式可以包括如下子步骤：

子步骤22、获取所述已安装的应用程序的使用信息；

子步骤24、依据所述使用信息，确定所述目标用户对所述已安装的应用程序的兴趣度。

本发明实施例中，所述使用信息可以是指目标用户使用已安装的应用程序的信息，如使用频次、使用时长、使用日期等等，本发明实施例对此不作限制。然后针对每个已安装的应用程序，可以依据该已安装的应用程序的使用信息，确定所述目标用户对该已安装的应用程序的兴趣度。其中，当该已安装的应用程序的使用信息中包含多项信息时，可以预先为每项信息设置对应的权重，然后通过将使用信息中各项信息进行加权计算，确定目标用户对该已安装的应用程序的兴趣度。其中，兴趣度越大，表征目标用户对已安装的应用程序的兴趣越大。

作为本发明的一个示例，可以参照如下公式确定目标用户对已安装的应用程序的兴趣度：

其中，G(k)表示目标用户对已安装的应用程序k的兴趣度。Δd表示最近一次使用应用程序k与当前时间的间隔天数。numall表示目标用户已安装的应用程序的总数。count表示目标用户使用应用程序k的使用频次。countall表示目标用户对所有已安装的应用程序的总使用频次。usertime表示目标用户使用应用程序k的使用时长。usertimeall表示目标用户对已安装的所有应用程序的总使用时长。

例如，numall＝15，countall＝700，usertimeall＝5000。若获取到目标用户对已安装的应用程序(com.abc.momo)对应的使用信息为：使用频次count＝100、使用时长usertime＝500小时、使用日期(2019.11.10(最近一次使用日期))。目标用户对已安装的应用程序(com.asssd.bangbang)对应的使用信息为：使用频次count＝200、使用时长usertime＝700小时、使用日期(2019.11.01(最近一次使用日期))。若当前日期为2019.12.23，则按照上述公式，得到目标用户对已安装的应用程序(com.abc.momo)的兴趣度为：0.007369；得到目标用户对已安装的应用程序(com.asssd.bangbang)的兴趣度为：0.007135。

作为本发明的一个示例，采用子步骤22-24针对表1中各已安装的应用程序计算的兴趣度，可以如表3所示：

表3

步骤206、依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度。

类似地，本发明实施例可以确定所述目标用户对未安装的应用程序的兴趣度，采用目标用户对未安装的应用程序的兴趣度表征目标用户对未安装应用程序的兴趣。

本发明实施例中，一种依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度的方式可以是，采用协同过滤算法依据目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度。其中，可以采用基于用户的协同过滤算法依据目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；也可以是采用基于物品(本发明实施例中可以是指应用程序)的协同过滤算法，依据目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度，本发明实施例对此不作限制。

本发明的一个示例中，基于用户的协同过滤算法可以参照如下表达式：

其中，p(u,i)表示目标用户(采用u标识)对未安装应用程序i的兴趣度；S(u,K)包含和目标用户u兴趣最相似的K个其他用户，所述其他用户为全网用户中除目标用户之外的用户，N(i)是K个其他用户中对应已安装应用程序i的用户集合，W

其中，确定其他用户对其已安装的应用程序的兴趣度的方式，与上述步骤204，确定所述目标用户对所述已安装的应用程序的兴趣度的方式类似，在此不再赘述。现对确定与目标用户兴趣相似的关联用户集合S(u,K)进行说明。其中，可以为全网用户中的每一个用户，建立一个维度为X维的空向量。其中，X为全网用户已安装的应用程序的种类总和，所述空向量的每个维度对应全网用户已安装的应用程序的一个种类。再将每一个用户已安装的应用程序的兴趣度，添加到该空向量的对应维度；以及将该空向量中未添加兴趣度的维度对应的值设置为第二预设值；得到每个用户对应已安装应用程序的兴趣度向量。其中，所述第二预设值可以按照需求设置如0，本发明实施例对此不作限制。然后可以分别计算全网用户中各其他用户对应的兴趣度向量，与所述目标用户对应的兴趣度向量的兴趣相似度；采用兴趣相似度最高的前K个用户生成关联用户集合S(u,K)。

本发明的一个示例中，基于物品的协同过滤算法的表达式可以如下：

其中，q(u,m)表示目标用户(采用u标识)对未安装的应用程序m的兴趣度；N(u)表示目标用户u已安装的应用程序集合(n表示其中的一个已安装应用程序)，S(n,K)是应用程序集合，包含和已安装的应用程序n最相似的K个其他应用程序(m是这个集合中的某一个目标用户u未安装的应用程序)；W

现对确定与集合S(n,K)，确定未安装的应用程序m和已安装的应用程序n的相似度进行说明。可以基于全网用户已安装的应用程序，统计安装应用程序x的第一用户数，和安装应用程序y的第二用户数，以及统计同时安装应用程序x和应用程序y的第三用户数。然后依据第一用户数、第二用户数和第三用户数，计算应用程序x和应用程序y之间的相似度。可以参照如下表达式：

其中，N(x)为第一用户数，N(y)为第二用户数，|N(x)&N(y)|为第三用户数。进而可以依据上述公式，确定未安装的应用程序m和已安装的应用程序n的相似度；以及可以用相似度最高的前K个应用程序组成集合S(n,K)。

本发明实施例中，一种依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度的方式可以是，采用矩阵分解算法依据目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度。其中，可以采用全网用户中每个用户对应用程序的兴趣度(包括对已安装的应用程序的兴趣度和对未安装的应用程序的兴趣度；所述对对未安装的应用程序的兴趣度可以是为未知数f)，生成A*B的矩阵Z，其中，A为全网用户的数量，B为全网用户对应已安装的应用程序的种类之和。矩阵中任意元素Z

本发明实施例中，一种依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度的方式可以是，采用神经协同过滤算法依据目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度。其中，可以对目标用户和目标用户对应已安装的应用程序进行编码如(one-hot(独热)编码)，得到目标用户对应的特征向量和目标用户对应已安装的应用程序的特征向量。然后将目标用户对应的特征向量和目标用户对应已安装应用程序的特征向量输入至训练后的神经网络模型中，由神经网络模型预测所述目标用户对未安装应用程序的兴趣度。

当然，还可以包括其他确定所述目标用户对未安装应用程序的兴趣度的方式，本发明实施例对此不作限制。

作为本发明的一个示例，根据目标用户对表3中各已安装的应用程序的兴趣度，确定的目标用户针对未安装的应用程序的兴趣度如表4所示：

表4

步骤208、依据预设的映射关系，确定所述目标用户对应已安装应用程序和未安装应用程序所属的兴趣类别。

步骤210、采用所属兴趣类别相同的已安装应用程序和/或未安装应用程序的兴趣度，计算对应兴趣类别的兴趣度。

本发明实施例中，可以预先对全网用户已安装的应用程序进行划分，得到多个兴趣类别；并建立各应用程序与对应兴趣类别之间的映射关系。其中，划分应用程序类别的方式可以包括多种，如按照应用程序的的功能划分、按照应用程序的用户群体划分等等，本发明实施例对此不作限制。

本发明实施例中，可以依据预设的映射关系，确定所述目标用户已安装的应用程序所属的兴趣类别，以及确定所述目标用户未安装的应用程序所属的兴趣类别。其中，每个兴趣类别可能只包括所述目标用户已安装的应用程序；也可能只包括所述目标用户未安装的应用程序；还可以同时包含所述目标用户已安装的应用程序，和未安装的应用程序。针对每一个兴趣类别，计算所述目标用户对属于所述兴趣类别的应用程序的兴趣度平均值，得到目标用户对该兴趣类别的兴趣度。作为一个示例，可以参照如下表达式确定目标用户对每个兴趣类别的兴趣度：

其中，G

作为本发明的一个示例，目标用户已安装的应用程序如表3所示，未安装应用程序表4所示。其中，基于映射关确定表3中已安装应用程序和表4中未安装应用程序所属的兴趣类别如下：com.abc.momo—社交聊天类，com.asssd.bangban、com.suhsuhiuhui.haofenshu、org.xinkb.blackboard.android、com.baanana.homework—中小学教育类，com.ddfgg.newsclient、com.tggbnh.news、com.agg.next—新闻阅读类，com.hffrj.mybus—交通出行类，com.jiaj—购物类。然后根据表3和表4中的兴趣度，可以计算各兴趣类别对应的兴趣度分别为：社交聊天类对应的兴趣度：0.007369，中小学教育类对应的兴趣度：0.006875，新闻阅读类对应的兴趣度：0.006672，交通出行类对应的兴趣度：0.009136，购物类对应的兴趣度：0.008335。进而得到目标用户的兴趣信息如：{社交聊天类对应的兴趣度：0.007369，中小学教育类对应的兴趣度0.006875，新闻阅读类对应的兴趣度：0.006672，交通出行类对应的兴趣度：0.009136，购物类对应的兴趣度：0.008335}。

步骤212、依据各兴趣类别的兴趣度，为所述目标用户进行信息推荐。

本发明的实施例中，一种基依据各兴趣类别的兴趣度，为所述目标用户进行信息推荐的方式，可以如下子步骤42-子步骤44：

子步骤42、确定兴趣度最高的前N个兴趣类别。

子步骤44、为所述目标用户推荐所述前N个兴趣类别对应的信息。

本发明的一个可选实施例中，可以从目标用户的兴趣信息中，选取出兴趣度最高的前N个兴趣类别；其中，N可以按照需求设置，本发明实施例对此不作限制。例如N为3，则可以从上述确定的兴趣信息中选取出社交聊天类、交通出行类和购物类。然后为目标用户推荐与前N个兴趣类别关联的信息，如视频、图片等等。

当然，还可以包括其他依据各兴趣类别的兴趣度，为所述目标用户进行信息推荐的方式，如确定所述兴趣信息中兴趣度高于兴趣度阈值的兴趣类别，为所述目标用户推荐兴趣度高于兴趣度阈值的兴趣类别对应的信息；所述兴趣度阈值可以按照需求设置；本发明实施例对此不作限制。

综上，本发明实施例中，通过获取所述已安装的应用程序的使用信息，然后依据所述使用信息，确定所述目标用户对所述已安装的应用程序的兴趣度；能够提高确定目标用户对已安装的应用程序的兴趣度的准确性。

进一步，本发明实施例中，依据预设的映射关系，确定各应用程序所属的兴趣类别，然后针对每一个兴趣类别，采用所述目标用户对属于所述兴趣类别的应用程序的兴趣度，计算所述目标用户对所述兴趣类别的兴趣度，再依据各兴趣类别的兴趣度，为用户进行信息推荐；进而能够确定用户对不同兴趣类别的兴趣度，增加了确定用户兴趣的粒度，从而能够为用户进行更细粒度的信息推荐，提高了信息推荐的精准度。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图3，示出了本发明的一种信息推荐装置实施例的结构框图，具体可以包括如下模块：

第一信息确定模块302，用于确定目标用户和所述目标用户已安装的应用程序，以及确定所述目标用户对所述已安装的应用程序的兴趣度，其中，所述已安装应用程序为除去预安装的应用程序之外的应用程序；；

第二信息确定模块304，用于依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；

推荐模块306，用于依据所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐。

参照图4，示出了本发明的一种信息推荐装置可选实施例的结构框图。

本发明一个可选的实施例中，所述第一信息确定模块302，用于获取所述已安装的应用程序的使用信息；依据所述使用信息，确定所述目标用户对所述已安装的应用程序的兴趣度。

本发明一个可选的实施例中，所述第二信息确定模块304，包括：

第一兴趣度确定子模块3042，用于采用协同过滤算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；

第二兴趣度确定子模块3044，用于采用矩阵分解算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；

第三兴趣度确定子模块3046，用于采用神经协同过滤算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度。

本发明一个可选的实施例中，所述推荐模块306，包括：

类别确定子模块3062，用于依据预设的映射关系，确定各应用程序所属的兴趣类别，所述应用程序包括已安装的应用程序和未安装的应用程序；

类别兴趣度确定子模块3064，用于针对每一个兴趣类别，采用所述目标用户对属于所述兴趣类别的应用程序的兴趣度，计算所述目标用户对所述兴趣类别的兴趣度；

信息推荐子模块3066，用于依据各兴趣类别的兴趣度，为所述目标用户进行信息推荐。

本发明一个可选的实施例中，所述信息推荐子模块3066，用于确定兴趣度最高的前N个兴趣类别；为所述目标用户推荐所述前N个兴趣类别对应的信息。

综上，本发明实施例中，可以先确定目标用户、所述目标用户已安装的应用程序和所述目标用户对所述已安装的应用程序的兴趣度；然后依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；再结合所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐；进而解决现有技术由于没有历史数据而很难确定用户兴趣导致信息推荐准确性差的问题，提高了为用户进行信息推荐的准确性。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

图5是根据一示例性实施例示出的一种用于信息推荐的电子设备500的结构框图。例如，电子设备500可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图5，电子设备500可以包括以下一个或多个组件：处理组件502，存储器504，电力组件506，多媒体组件508，音频组件510，输入/输出(I/O)的接口512，传感器组件514，以及通信组件516。

处理组件502通常控制电子设备500的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件502可以包括一个或多个处理器520来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件502可以包括一个或多个模块，便于处理组件502和其他组件之间的交互。例如，处理部件502可以包括多媒体模块，以方便多媒体组件508和处理组件502之间的交互。

存储器504被配置为存储各种类型的数据以支持在设备500的操作。这些数据的示例包括用于在电子设备500上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器504可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电力组件506为电子设备500的各种组件提供电力。电力组件506可以包括电源管理系统，一个或多个电源，及其他与为电子设备500生成、管理和分配电力相关联的组件。

多媒体组件508包括在所述电子设备500和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件508包括一个前置摄像头和/或后置摄像头。当电子设备500处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件510被配置为输出和/或输入音频信号。例如，音频组件510包括一个麦克风(MIC)，当电子设备500处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器504或经由通信组件516发送。在一些实施例中，音频组件510还包括一个扬声器，用于输出音频信号。

I/O接口512为处理组件502和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件514包括一个或多个传感器，用于为电子设备500提供各个方面的状态评估。例如，传感器组件514可以检测到设备500的打开/关闭状态，组件的相对定位，例如所述组件为电子设备500的显示器和小键盘，传感器组件514还可以检测电子设备500或电子设备500一个组件的位置改变，用户与电子设备500接触的存在或不存在，电子设备500方位或加速/减速和电子设备500的温度变化。传感器组件514可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件514还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件514还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。

通信组件516被配置为便于电子设备500和其他设备之间有线或无线方式的通信。电子设备500可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信部件514经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件514还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，电子设备500可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器504，上述指令可由电子设备500的处理器520执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

一种非临时性计算机可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行一种信息推荐方法，所述方法包括：确定目标用户和所述目标用户已安装的应用程序，以及确定所述目标用户对所述已安装的应用程序的兴趣度，其中，所述已安装应用程序为除去预安装的应用程序之外的应用程序；依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；依据所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐。

可选地，所述确定所述目标用户对所述已安装的应用程序的兴趣度，包括：获取所述已安装的应用程序的使用信息；依据所述使用信息，确定所述目标用户对所述已安装的应用程序的兴趣度。

可选地，所述依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度，包括以下至少一种：采用协同过滤算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；采用矩阵分解算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；采用神经协同过滤算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度。

可选地，所述依据所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐，包括：依据预设的映射关系，确定各应用程序所属的兴趣类别，所述应用程序包括已安装的应用程序和未安装的应用程序；针对每一个兴趣类别，采用所述目标用户对属于所述兴趣类别的应用程序的兴趣度，计算所述目标用户对所述兴趣类别的兴趣度；依据各兴趣类别的兴趣度，为所述目标用户进行信息推荐。

可选地，所述依据各兴趣类别的兴趣度，为所述目标用户进行信息推荐，包括：确定兴趣度最高的前N个兴趣类别；为所述目标用户推荐所述前N个兴趣类别对应的信息。

图6是本发明根据另一示例性实施例示出的一种用于信息推荐的电子设备600的结构示意图。该电子设备600可以是服务器，该服务器可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上中央处理器(central processing units，CPU)622(例如，一个或一个以上处理器)和存储器632，一个或一个以上存储应用程序642或数据644的存储介质630(例如一个或一个以上海量存储设备)。其中，存储器632和存储介质630可以是短暂存储或持久存储。存储在存储介质630的程序可以包括一个或一个以上模块(图示没标出)，每个模块可以包括对服务器中的一系列指令操作。更进一步地，中央处理器622可以设置为与存储介质630通信，在服务器上执行存储介质630中的一系列指令操作。

服务器还可以包括一个或一个以上电源626，一个或一个以上有线或无线网络接口650，一个或一个以上输入输出接口658，一个或一个以上键盘656，和/或，一个或一个以上操作系统641，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM等等。

一种电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行所述一个或者一个以上程序包含用于进行以下操作的指令：确定目标用户和所述目标用户已安装的应用程序，以及确定所述目标用户对所述已安装的应用程序的兴趣度，其中，所述已安装应用程序为除去预安装的应用程序之外的应用程序；依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；依据所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐。

可选地，所述确定所述目标用户对所述已安装的应用程序的兴趣度，包括：获取所述已安装的应用程序的使用信息；依据所述使用信息，确定所述目标用户对所述已安装的应用程序的兴趣度。

可选地，所述依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度，包括以下至少一种：采用协同过滤算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；采用矩阵分解算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度；采用神经协同过滤算法依据所述目标用户对所述已安装的应用程序的兴趣度，确定所述目标用户对未安装的应用程序的兴趣度。

可选地，所述依据所述目标用户对所述已安装的应用程序的兴趣度和所述未安装的应用程序的兴趣度，为所述目标用户进行信息推荐，包括：依据预设的映射关系，确定各应用程序所属的兴趣类别，所述应用程序包括已安装的应用程序和未安装的应用程序；针对每一个兴趣类别，采用所述目标用户对属于所述兴趣类别的应用程序的兴趣度，计算所述目标用户对所述兴趣类别的兴趣度；依据各兴趣类别的兴趣度，为所述目标用户进行信息推荐。

可选地，所述依据各兴趣类别的兴趣度，为所述目标用户进行信息推荐，包括：确定兴趣度最高的前N个兴趣类别；为所述目标用户推荐所述前N个兴趣类别对应的信息。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种信息推荐方法、一种信息推荐装置和一种电子设备，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。