论文部分内容阅读
随着近几年智能终端的迅速发展,智能设备已经成为日常生活中不可或缺的一部分。智能手机,作为移动智能终端中最主要的设备,已经贯穿于人们日常生活的方方面面。作为智能手机获取服务的主要入口,智能手机应用(下简称App)近年来爆炸式增长。用户在频繁使用App时,产生了海量的App使用记录。考虑到手机通常被同一个用户使用,这些App使用记录能够体现用户的个性化特征,比如App使用习惯、行为意图等。本文通过分析App使用行为,理解用户的App使用习惯、行为意图等。通过App使用记录理解用户的行为,可以帮助智能手机开发人员去优化智能手机操作系统,加快手机运行速度;同时,还可以基于App使用行为,推荐更加符合用户使用习惯的App;最后,可以帮助用户理解自己的App使用行为,改变不好的使用习惯,提高生活质量。本文基于App使用记录,提出了 AppUsage2Vec模型,对用户使用App的行为进行了建模与理解,具体如下:1.提出AppUsage2Vec模型,对用户使用App行为进行建模,针对App使用行为中的用户与App的相互关系、App之间的相互关系,提出相应的优化方案。2.使用AppUsage2Vec模型对App使用行为进行了预测。在十万级别用户量的App使用记录上,当App序列长度为5时,候选APP数目分别为1、5、10、15时,预测下一个App的正确率分别达到48.24%、74.86%、84.71%、90.54%。相比于之前的研究方法有10%以上的提升。3.使用AppUsage2Vec模型学习了 App协同使用行为。通过AppUsage2Vec模型学习的隐向量,对App进行聚类,发现了具有协同使用性质的App簇;同时对用户进行聚类,发现了具有同样协同使用行为的用户群体。