多维应用特征融合的用户偏好预测

TP311; 近年来,随着智能手机的飞速发展,移动应用的数目也快速增长.因此,移动应用开发者会提前预测用户对于自己开发的应用的偏好情况.选取Android应用的被卸载次数与其被下载次数的比值作为用户偏好的隐式反映,用户对应用的评价(喜爱率)作为用户偏好的显式反映.基于国内某知名手机应用市场提供的2014年5月至9月的大规模真实用户使用数据,选取9795个活跃用户数不少于50的Android手机应用作为研究对象,进行分析.从7个维度定义了可能影响用户对应用偏好的30种特征,并对每个应用进行特征提取.基于定义的特征,使用随机森林算法训练分类器,按照卸载/下载比率或喜爱率的高低对应用进行划分,并找出...

Full description

Saved in:
Bibliographic Details
Published in计算机科学与探索 Vol. 11; no. 9; pp. 1405 - 1417
Main Authors 陈震鹏, 陆璇, 李豁然, 刘譞哲
Format Journal Article
LanguageChinese
Published 北京大学 高可信软件技术教育部重点实验室,北京 100871 2017
北京大学(天津滨海)新一代信息技术研究院,天津 300450
Subjects
应用特征
用户偏好
App features
Android手机应用
Android Apps
user preferences
Online AccessGet full text
ISSN1673-9418
DOI10.3778/j.issn.1673-9418.1609029

Cover

More Information
Summary:TP311; 近年来,随着智能手机的飞速发展,移动应用的数目也快速增长.因此,移动应用开发者会提前预测用户对于自己开发的应用的偏好情况.选取Android应用的被卸载次数与其被下载次数的比值作为用户偏好的隐式反映,用户对应用的评价(喜爱率)作为用户偏好的显式反映.基于国内某知名手机应用市场提供的2014年5月至9月的大规模真实用户使用数据,选取9795个活跃用户数不少于50的Android手机应用作为研究对象,进行分析.从7个维度定义了可能影响用户对应用偏好的30种特征,并对每个应用进行特征提取.基于定义的特征,使用随机森林算法训练分类器,按照卸载/下载比率或喜爱率的高低对应用进行划分,并找出显著影响卸载/下载比率、喜爱率的特征.
ISSN:1673-9418
DOI:10.3778/j.issn.1673-9418.1609029