CN106227510A - 应用推荐方法及装置 - Google Patents

Abstract

本发明实施例涉及一种应用推荐方法及装置，所述方法包括：接收解锁指令，获取所述解锁指令的第一属性信息；根据用户行为习惯模型及所述解锁指令的第一属性信息，确定待推荐的对象；显示所述待推荐的对象。所述装置包括：接收模块，用于接收解锁指令，获取所述解锁指令的第一属性信息；推荐模块，根据用户行为习惯模型及所述解锁指令的第一属性信息，确定待推荐的对象；及呈现模块，用于显示所述待推荐的对象。本发明实施例基于用户的行为习惯是有规可循的特点，根据用户的打开应用的行为习惯建立的用户行为习惯模型以及解锁指令的第一属性信息，确定和显示待推荐的对象，能方便用户更快地找到想要打开的对象，带来很大的便利性和更好的用户体验。

Description

应用推荐方法及装置

技术领域

本发明涉及终端应用管理技术领域，尤其涉及一种应用推荐方法及装置。

背景技术

随着软硬件水平越来越高，终端上可以安装和运行的应用（APP）的数量也越来越庞大。但是，由于受限于终端的主桌面的尺寸大小，能在主桌面中列出的应用数量始终相当有限，为此，现有的终端都允许用户设置多个可滑动切换的桌面来分别排列出终端中所安装的各个应用。

通常地，为了方便使用，用户都会将平时最常用的应用放置在主桌面（将终端解锁后进入的第一个桌面定义为主桌面）以便于能够快速地找到最常用的应用。但是，在一方面，随着终端以及应用的功能拓展，终端已经深度进入用户日常的工作生活当中，这也使得用户经常在终端上使用的应用也越来越多，由此也开始出现了在一个主桌面上仍然难以列出全部常用应用的情况。为此，一些厂商对此提出的解决办法是提供应用搜索功能，用户可以通过搜索功能快速定位应用进而打开，比起用户逐页翻看桌面来寻找应用要高效一些。

在实现本发明的过程中，发明人发现现有技术至少存在以下问题：对用户而言，需要进入搜索页面并输入应用名称，这显然还是很不方便，很多用户宁愿去逐页翻看桌面找应用也不使用这一应用搜索的功能；而且，在另一方面，即使是在主桌面上列出的常用应用或者通过搜索快速定位到想要使用的应用，系统仍然不能主动地运行该应用，而需要等用户解锁进入终端的操作界面后，找到想要打开的应用并执行打开操作，才能进入该应用对应的运行界面，而当前很多应用都有一个等待时间较长的运行初始化界面，这就使得用户需要经过长时间的等待后才能看到应用的主操作界面。

发明内容

本发明实施例所要解决的技术问题在于，提供一种应用推荐方法及装置，能根据用户日常的行为习惯推荐终端解锁后用户想要打开的应用。

为解决上述技术问题，本发明实施例提供如下技术方案：一种应用推荐方法，包括：

接收解锁指令，获取所述解锁指令的第一属性信息；

根据用户行为习惯模型及所述解锁指令的第一属性信息，确定待推荐的对象；

显示所述待推荐的对象。

进一步地，建立所述用户行为习惯模型的步骤还包括：

响应于对对象的触发指令，记录所述对象的第二属性信息，并将所述对象的第二属性信息与所述对象相关联并保存；

根据所述对象的第二属性信息，获取在同一时间单元内触发的对象及所述在同一时间单元内触发的对象的第二属性信息；

根据所述第二属性信息，对所述同一时间单元内触发的对象进行排序。

进一步地，所述第二属性信息包括：触发时间信息、运行时长信息、和/或位置信息；

所述根据所述对象的第二属性信息，获取在同一时间单元内触发的对象，包括：

根据所述对象的触发时间信息，将所述对象与时间单元进行匹配，得到同一所述时间单元对应的对象。

进一步地，所述根据所述第二属性信息，对所述同一时间单元内的对象进行排序，包括：

根据所述同一时间单元的对象的打开次数，对所述同一时间单元内的对象进行排序；

若所述同一时间单元内的至少两个对象的打开次数相同，则根据所述至少两个对象的运行时长信息，对所述同一时间单元的所述打开次数相同的至少两个对象进行排序；

和/或，

将触发时间信息、运行时长信息、和/或位置信息分别赋予不同的权重值，根据所述权重值和所述同一时间单元内的对象的第二属性信息，计算所述同一时间单元内的对象的加权分数；

根据所述同一时间单元的对象的加权分数，对所述同一时间单元内的对象进行排序。

进一步地，所述解锁指令的第一属性信息包括：解锁时间信息；

所述根据用户行为习惯模型及所述解锁指令的第一属性信息，确定待推荐的对象，包括：根据所述解锁时间信息确定解锁时所处的时间单元，将所述用户行为习惯模型中所述时间单元内排序靠前的预定数量的对象确定为待推荐的对象。

进一步地，所述方法还包括：

获取用户接受的待推荐对象，确定所述用户接受的待推荐对象在用户行为习惯模型对应的时间单元；

提高所述时间单元中，所述用户接受的待推荐对象的排序。

进一步地，所述方法还包括：

根据确定的待推荐的对象，预先在后台运行所述待推荐的对象。

另一方面，本发明还提供一种应用推荐装置，包括：

接收模块，用于接收解锁指令，获取所述解锁指令的第一属性信息；

推荐模块，根据用户行为习惯模型及所述解锁指令的第一属性信息，确定待推荐的对象；

显示模块，用于显示所述待推荐的对象。

进一步地，所述装置还包括：

关联模块，响应于对对象的触发指令，记录所述对象的第二属性信息，并将所述对象的第二属性信息与所述对象相关联并保存；

获取模块，根据所述对象的第二属性信息，获取在同一时间单元内触发的对象及所述在同一时间单元内触发对象的第二属性信息；

排序模块，根据所述第二属性信息，对所述同一时间单元内的对象进行排序。

进一步地，所述第二属性信息包括：触发时间信息、运行时长信息、和/或位置信息；

所述获取模块包括：匹配单元，根据所述对象的触发时间信息，将所述对象与时间单元进行匹配，得到同一所述时间单元对应的对象。

进一步地，所述排序模块包括：

第一排序单元，根据所述同一时间单元的对象的打开次数，对所述同一时间单元内的对象进行排序；

第二排序单元，若所述同一时间单元内的至少两个对象的打开次数相同，则根据所述至少两个对象的运行时长信息，对所述同一时间单元的所述打开次数相同的至少两个对象应用进行排序；

和/或，

加权评分单元，将触发时间信息、运行时长信息、和/或位置信息分别赋予不同的权重值，根据所述权重值和所述同一时间单元内的对象的第二属性信息，计算所述同一时间单元内的对象的加权分数；

第三排序单元，根据所述同一时间单元的对象的分数，对所述同一时间单元内的对象进行排序。

进一步地，所述解锁指令的第一属性信息包括：解锁时间信息；

所述推荐模块根据所述解锁时间信息确定解锁时所处的时间单元，将所述用户行为习惯模型中所述时间单元内排序靠前的预定数量的对象确定为待推荐的对象。

进一步地，还包括：

用户接受信息获取模块，获取用户接受的待推荐对象，确定所述用户接受的待推荐对象在用户行为习惯模型对应的时间单元；

提序模块，提高所述时间单元中，所述用户接受的待推荐对象的排序。

进一步地，所述装置还包括：

预运行模块，根据确定的待推荐的对象，预先在后台运行所述待推荐的对象。

采用上述技术方案后，本发明至少具有如下有益效果：本发明实施例基于用户的行为习惯是有规可循的特点，根据用户的打开应用的行为建立的用户行为习惯模型和解锁指令的第一属性信息，确定并显示待推荐的对象，能方便用户更快地找到想要打开的对象，带来很大的便利性和更好的用户体验。特别地，可以在一个具体环境中解锁屏幕后高准确度地推荐出用户可能最想使用的应用，以供用户从中挑选要打开的应用，给用户带来极大的方便和很好的体验。通过本发明实施例的方法和装置，能让终端更加智能，更加深入地了解用户。

附图说明

图1是本发明实施例应用推荐方法的步骤流程示意图。

图2是本发明实施例应用推荐方法的建立用户行为习惯模型的步骤流程示意图。

图3是本发明应用推荐方法的建立用户行为习惯模型时的一个具体实施例的步骤流程示意图。

图4是本发明应用推荐方法的另一实施例的步骤流程示意图。

图5是本发明应用推荐方法的又一实施例的步骤流程示意图。

图6是本发明实施例应用推荐装置的原理方框图。

图7是本发明应用推荐装置的一个实施例的原理方框图。

图8是本发明实施例应用推荐装置的获取模块的原理方框图。

图9是本发明实施例应用推荐装置的排序模块的原理方框图。

图10是本发明应用推荐装置的另一个实施例的原理方框图。

图11是本发明应用推荐装置的又一个实施例的原理方框图。

具体实施方式

下面结合附图和具体实施例对本申请作进一步详细说明。应当理解，以下的示意性实施例及说明仅用来解释本发明，并不作为对本发明的限定，而且，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互结合。

如图1所示，本发明实施例提供一种对象推荐方法，包括：

S11，接收解锁指令，获取所述解锁指令的第一属性信息；

S12，根据用户行为习惯模型及所述解锁指令的第一属性信息，确定待推荐的对象；

S13，显示所述待推荐的对象。

在上述各步骤中，步骤S11中获取到的所述第一属性信息将作为后续步骤处理的重要依据之一。而在步骤S12中，所述对象是指终端上安装的各种应用，可以是单机运行的应用，也可以是需要联网运行的应用。在步骤S13中，通常是将最终确定待推荐的对象显示在终端解锁后进入的首个界面中，从而让用户能快速地进行选择。

基于用户在终端使用应用的行为习惯基本上是有规可循的，本实施例即是根据用户平常打开应用的行为习惯建立用户行为习惯模型，并且结合所述用户行为习惯模型和解锁指令相关参数信息进行综合分析，进而确定待推荐的应用，并最终将待推荐的应用呈现给用户选择，从而可以让用户快速地打开想要使用的应用，明显给用户带来很大的方便性和很好的用户体验。通常地，确定的待推荐应用可以设定为3个，当然，要设置为其他数量也是可行的。本发明实施例方法可以广泛应用于智能终端，例如：智能手机、平板电脑、智能电视等，以方便用户在解锁进入时快速找到可能想要运行的应用。

实施例2

在本发明以上的实施例1的基础上，为建立用户行为习惯模型，如图2所示，本发明所述方法还包括：

S21，响应于对对象的触发指令，记录所述对象的第二属性信息，并将所述对象的第二属性信息与所述对象相关联并保存；

S22，根据所述对象的第二属性信息，获取在同一时间单元内触发的对象及所述在同一时间单元内触发的对象的第二属性信息；

S23，根据所述第二属性信息，对所述同一时间单元触发内的对象进行排序。

在步骤S21中，所述关联可以通过建立数据表的形式来实现，在数据表中每个对象的栏位下列出所述对象对应的第二属性信息，并将所述数据表保存在终端的存储模块中备用。

在本实施例中，所述时间单元是根据预定的时间长度，对一个评分周期进行划分而获得的、用于分析处理的基本时间单元，在具体实施时，用于划分时间单元的预定的时间长度可以是相同的，即对评分周期均分，在本实施例的一些可选实施方式中，以一天（24小时）作为一个评分周期，并以30分钟作为预定时间长度，将所述评分周期划分为48个时间单元，每个时间单元为30分钟。当然，还可以将时间单元的预定时间长度设定为其他的时间长度，例如；10分钟、20分钟、40分钟、60分钟等，从而获得对应数量的时间单元。当然，所述预定的时间长度也还可以是不相同的，即评分周期不是均分的，可以根据用户平时的应用使用的情况进行合理划分，例如：在白天时段（以早上6点至晚上6点为例）内，可以以30分钟作为预定时间长度进行划分，而每天凌晨0点至早上6点则可以以120分钟作为预定时间长度进行划分，而在下午6点至晚上12点则以60分钟为预定时间长度进行划分。预定时间长度的区别对待，可更好地体现用户使用习惯。

在一个实施例中，所述第二属性信息包括：触发时间信息、运行时长信息、和/或位置信息，对应地，在步骤S22中，根据所述对象的第二属性信息，获取在同一时间单元内触发的对象具体又包括：

根据所述对象的触发时间信息，将所述对象与时间单元进行匹配，得到同一所述时间单元对应的对象。

在本实施例中，所述触发时间信息又还可具体包括月、日、时，例如：4月11日15：00。所述第二属性信息通常是由终端在用户日常实际使用各应用时进行记录而获得并逐渐汇总和完善，也还可以由用户通过设置来自行输入而获得。

而在一个实施例中，如图3所示，上述的步骤S23具体又可进一步包括：

S231，根据所述同一时间单元的对象的打开次数，对所述同一时间单元内的对象进行排序；

S232，若所述同一时间单元内的至少两个对象的打开次数相同，则根据所述至少两个对象的运行时长信息，对所述同一时间单元的所述打开次数相同的至少两个对象进行排序；

和/或，

S233，将触发时间信息、运行时长信息、和/或位置信息分别赋予不同的权重值，根据所述权重值和所述同一时间单元内的对象的第二属性信息，计算所述同一时间单元内的对象的加权分数；

S234，根据所述同一时间单元的对象的加权分数，对所述同一时间单元内的对象进行排序。

在一个实施例中，首先是根据在同一时间单元内对象打开次数来进行排序，可以有效地将打开次数多的应用排序在前，而方便推荐。而若还存在至少两个打开次数相同的对象时，则还可进一步根据所述至少两个打开次数相同的对象的运行时长信息进行排序，通常是将运行时长长的对象排序在前。

而在另一个实施例中，通过对触发时间信息、运行时长信息、和/或位置信息分别赋予不同的权重值，从而根据所述权重值和所述同一时间单元内的对象的第二属性信息，计算获得所述同一时间单元内的对象的加权分数；进而再根据所述同一时间单元的对象的加权分数对所述同一时间单元内的对象进行排序。

鉴于用户对各应用使用习惯的复杂性，建立用户行为习惯模型时采集的各个应用的应用运行信息对于各时间单元内的应用最终排序结果的影响力大小均可能发生变化，因而，可以同时采用多种排序算法来同时对时间单元内打开的各应用进行排序，在不同的排序算法中，各类应用运行信息在对应用进行排序时的权重值，或者说影响力将有所不同，具体体现为对应用排序时的权重值上。在采用多个排序算法进行排序处理时，还可以综合各排序算法的排序结果来推荐应用，例如：将各排序算法排序在前几位（例如：前三位）的应用再进行汇总统计，进一步得出各应用被推荐的次数，再取被推荐次数或者总分数排在前几位（例如：前三位）的应用来正式推荐呈现给用户以供选择；或者，还可在排序时，根据每一项应用运行信息的权重对各应用进行评分，得出每一个排序算法评分排序结果，再汇总统计各排序算法推荐的前几位（例如：前三位）的应用的总分数，再取总分数排在前几位（例如：前三位）的应用来正式推荐呈现给用户以供选择。

在实际使用过程中，则通过不断地新增新的排序算法来参与应用的排序或对现有排序算法进行适当的修正，从而，随着用户使用应用的次数的提高，将不同排序算法下的应用排序推荐结果和用户最终选择使用的应用做比对，确定实际相似度，并预先设定一个相似度阈值，当实际相似度大于或等于该相似度阈值时，即保留该排序算法，否则，即淘汰该排序算法。由此，本实施例可以不断优化保留的排序算法，淘汰推荐应用与用户最终选择使用的应用的相似度相对较低的排序算法。由于排序算法本身能随着用户的使用情况不断进化学习，而能有效提升保留下来的排序算法的准确性。达到算法优化的效果。

实施例3

基于上述各实施例，具体到本实施例3中，所述解锁指令的第一属性信息包括：解锁时间信息；

所述步骤S12具体包括：根据所述解锁时间信息确定解锁时所处的时间单元，将所述用户行为习惯模型中所述时间单元内排序靠前的预定数量的对象确定为待推荐的对象。

通过解锁时间可以确定解锁所处的时间单元，进行即可从事先建立好的用户行为习惯模块中获取所述时间单元内排序靠前的预定数量的对象来作为待推荐的对象呈现给用户，特别是，可以在终端解锁后进入的第一个界面中显现所述等推荐的对象，从而能方便用户快捷地选择想要打开的对象。

在实际的实施过程中发现，一些特殊日期对于排序结果也可能产生较大的影响，因此，在排序时，还可以先确认触发时间是否为特殊日期。所述特殊日期通常是指法定节假日，也还可以是与用户或用户设置的特定人员相关的纪念日（例如：生日、结婚纪念日等）。若克确定触发时间为特殊日期，进行所述排序时需要将以往在所述特殊日期打开的对象排序在前，例如：假设终端记录的以往数据显示，应用一平时更多的是在法定节假日打开使用，而应用二平时更多的是在工作日打开使用，则当前日期是节假日时，则将所述应用一排序在前。

此外，用户在不同地点打开的对象也会存在一些差异，例如：在家中常用的应用和在上班地点常用的应用会有所不同，从而可以根据用户在不同位置地点来更为精准地向用户推荐对象。根据解锁时终端当前的位置信息，并将当前的位置信息与用户行为习惯模型中的位置信息进行比较来对对象进行排序，通常是将当前的位置信息与用户行为习惯模型中位置信息相吻合的对象排序在前。通过考虑位置信息对排序的影响，考虑到用户解锁时的位置信息变动的频率相对较低，因此，对于获取终端被解锁时的位置信息的时间间隔可以设定得相对较长，例如1天，即每天获取一次当前位置信息，具体地，可以在每天的固定时间点（例如早上8：30）获取用户当前位置信息，并在24小时内有效。明显地，如要获得更精准的位置信息来对应用进行更为精准的排序，也还可以适当缩短相邻两次获取解锁时的位置信息的时间间隔，例如：缩短至间隔每12小时，间隔每4小时，甚至更短。

本发明的应用推荐方法可以直接在终端上实现，也还可以借助于服务器来实现。如借助于服务器来实现，则由终端负责采集相关的应用运行信息上传到服务器建立用户行为习惯模型，并结合获得的终端的解锁指令的相关参数信息来实现应用排序和确定待推荐的应用，最终将待推荐的应用的信息呈现在终端上供用户选择。

在本发明另一个可选实施例中，如图4所示，所述方法还包括：

S14，获取用户接受的待推荐对象，确定所述用户接受的待推荐对象在用户行为习惯模型对应的时间单元；

S15，提高所述时间单元中，所述用户接受的待推荐对象的排序。

通过在用户行为习惯模型中对所述时间单元内增加接受推荐信息，在对所述时间单元时的应用进行排序时，还结合所述接受推荐信息对应用进行排序。根据每个时间单元内用户选择打开的应用，更新所述时间单元时的各应用的接受推荐信息。所述接受推荐信息作为用户行为习惯模型的一部分，在确定待推荐的应用时，也将对所确定的待推荐的应用的结果产生影响。由此，在下一个周期内的同一时间单元中确定待推荐的对象时，所述用户接受的对象将会获得更为靠前的排位，从而使得待推荐对象与实际上用户接受的待推荐对象更为吻合。

通过从上述多方面考虑排序的影响因素，从而可以建立更加准确的用户行为习惯模型，而最终也可使得每个时间单元内确定的待推荐的对象的推荐准确度更高。

在本发明的又一个可选实施例中，如图5所示，本发明方法还可进一步包括：

S16，根据确定的待推荐的对象，预先在后台运行所述待推荐的对象。

通过本步骤的处理，可以将用户可能选择的应用事先在后台提前运行，从而，当用户选择了所述应用时，可以更快捷地进行应用的运行界面，提高应用使用效率。

另一方面，为更好地实施上述方法，本发明实施例还提供一种应用推荐装置，如图6所示，所述装置包括：

接收模块10，用于接收解锁指令，获取所述解锁指令的第一参数信息；

推荐模块20，根据用户行为习惯模型及所述解锁指令的第一参数信息，确定待推荐的对象；

显示模块30，用于显示所述待推荐的对象。

本发明是基于用户在终端使用应用的行为习惯基本上有规可循的特点，而能根据用户平常打开应用的行为习惯建立用户行为习惯模型，进而可以结合所述用户行为习惯模型和解锁指令相关参数信息进行综合分析，确定待推荐的应用，并最终将待推荐的应用显示给用户选择。由此，可以让用户快速地打开想要使用的应用，明显给用户带来很大的方便性和很好的用户体验。本发明方法可以广泛应用于智能终端，例如：智能手机、平板电脑、智能电视等，以方便用户在解锁进入时快速找到可能想要运行的应用。

在本发明的另一可选实施例中，为建立用户行为习惯模型，如图7所示，本发明实施例所述装置还包括：

关联模块40，响应于对对象的触发指令，记录所述对象的第二属性信息，并将所述对象的第二属性信息与所述对象相关联并保存；

获取模块50，根据所述对象的第二属性信息，获取在同一时间单元内触发的对象及所述在同一时间单元内触发对象的第二属性信息；

排序模块60，根据所述第二属性信息，对所述同一时间单元内的对象进行排序。

通过关联模块40来记录和保存每个对象及其对应关联的第二属性信息，而有助于在获取模块50来根据对象的第二属性信息来获取同一时间单元内触发的对象，进而可以由排序模块60根据在同一时间单元内触发对象的第二属性信息对对象进行排序，由此可以有效建立用户行为习惯模型，以方便后续的确定待推荐的对象。

在一个具体实施例中，所述第二属性信息包括：触发时间信息、运行时长信息、和/或位置信息。而如图8所示，所述获取模块50包括：匹配单元500，根据所述对象的触发时间信息，将所述对象与时间单元进行匹配，得到同一所述时间单元对应的对象。

在本实施例中，所述触发时间信息又还可具体包括月、日、时，例如：4月11日15：00。所述第二属性信息通常是由终端在用户日常实际使用各应用时进行记录而获得并逐渐汇总和完善，也还可以由用户通过设置来自行输入而获得。

而在本发明的另一个可选实施例中，如图9所示，所述排序模块60还可进一步包括：

第一排序单元601，根据所述同一时间单元的对象的打开次数，对所述同一时间单元内的对象进行排序；

第二排序单元602，若所述同一时间单元内的至少两个对象的打开次数相同，则根据所述至少两个对象的运行时长信息，对所述同一时间单元的所述打开次数相同的至少两个对象应用进行排序；

和/或，

加权评分单元603，将触发时间信息、运行时长信息、和/或位置信息分别赋予不同的权重值，根据所述权重值和所述同一时间单元内的对象的第二属性信息，计算所述同一时间单元内的对象的加权分数；

第三排序单元604，根据所述同一时间单元的对象的分数，对所述同一时间单元内的对象进行排序。

在一个实施例中，由第一排序单元601根据在同一时间单元内对象打开次数来进行排序，可以有效地将打开次数多的应用排序在前，而方便推荐。而若还存在至少两个打开次数相同的对象时，则还由第二排序单元602进一步根据所述至少两个打开次数相同的对象的运行时长信息进行排序，通常是将运行时长长的对象排序在前。这种处理方式可以使排序操作简单而又相对高效。

而在另一个实施例中，通过加权评分单元603对触发时间信息、运行时长信息、和/或位置信息分别赋予不同的权重值，从而根据所述权重值和所述同一时间单元内的对象的第二属性信息，计算获得所述同一时间单元内的对象的加权分数；进而再由第三排序单元604根据所述同一时间单元的对象的加权分数对所述同一时间单元内的对象进行排序。这种根据权重分数进行排序，更能反映各种影响因素的影响力大小。

鉴于用户对各应用使用习惯的复杂性，建立用户行为习惯模型时采集的各个应用的应用运行信息对于各时间单元内的应用最终排序结果的影响力大小均可能发生变化，因而，可同时采用多种排序算法来同时对时间单元内打开的各应用进行排序，在不同的排序算法中，各类应用运行信息在对应用进行排序时的权重值，或者说影响力将有所不同，具体体现为对应用排序时的权重值上。在采用多个排序算法进行排序处理时，还可以综合各排序算法的排序结果来推荐应用，例如：将各排序算法排序在前几位（例如：前三位）的应用再进行汇总统计，进一步得出各应用被推荐的次数，再取被推荐次数或者总分数排在前几位（例如：前三位）的应用来正式推荐呈现给用户以供选择；或者，还可在排序时，根据每一项应用运行信息的权重对各应用进行评分，得出每一个排序算法评分排序结果，再汇总统计各排序算法推荐的前几位（例如：前三位）的应用的总分数，再取总分数排在前几位（例如：前三位）的应用来正式推荐呈现给用户以供选择。

而且，在实际使用过程中，还能通过不断地新增新的排序算法来参与应用的排序或对现有排序算法进行适当的修正，从而，随着用户使用应用的次数的提高，将不同排序算法下的应用排序推荐结果和用户最终选择使用的应用做比对，确定实际相似度，并预先设定一个相似度阈值，当实际相似度大于或等于该相似度阈值时，即保留该排序算法，否则，即淘汰该排序算法。由此，本实施例可以不断优化保留的排序算法，淘汰推荐应用与用户最终选择使用的应用的相似度相对较低的排序算法。由于排序算法本身能随着用户的使用情况不断进化学习，而能有效提升保留下来的排序算法的准确性。达到算法优化的效果。

在本发明的另一个实施例中，接收模块10所获取的所述解锁指令的第一属性信息包括：解锁时间信息。而所述推荐模块20根据所述解锁时间信息确定解锁时所处的时间单元，将所述用户行为习惯模型中所述时间单元内排序靠前的预定数量的对象确定为待推荐的对象。

通过解锁时间信息确定解锁所处的时间单元，进行即可从事先建立好的用户行为习惯模块中获取所述时间单元内排序靠前的预定数量的对象来作为待推荐的对象呈现给用户，特别是，可以在终端解锁后进入的第一个界面中显现所述等推荐的对象，从而能方便用户快捷地选择想要打开的对象。

由于特殊日期对于排序结果产生较大影响，因此，在排序时，还可先确认触发时间是否为特殊日期。所述特殊日期通常是指法定节假日，也还可是与用户或用户设置的特定人员相关的纪念日（例如：生日、结婚纪念日等），若确定触发时间为特殊日期，进行所述排序时需要将以往在所述特殊日期打开的对象排序在前，例如：假设终端记录的以往数据显示，应用一平时更多的是在法定节假日打开使用，而应用二平时更多的是在工作日打开使用，则当前日期是节假日时，则将所述应用一排序在前。

此外，用户在不同地点打开的对象也会存在一些差异，例如：在家中常用的应用和在上班地点常用的应用会有所不同，从而可以根据用户在不同位置地点来更为精准地向用户推荐对象。根据解锁时终端当前的位置信息，并将当前的位置信息与用户行为习惯模型中的位置信息进行比较来对对象进行排序，通常是将当前的位置信息与用户行为习惯模型中位置信息相吻合的对象排序在前。通过考虑位置信息对排序的影响，考虑到用户解锁时的位置信息变动的频率相对较低，因此，对于获取终端被解锁时的位置信息的时间间隔可以设定得相对较长，例如1天，即每天获取一次当前位置信息，具体地，可以在每天的固定时间点（例如早上8：30）获取用户当前位置信息，并在24小时内有效。明显地，如要获得更精准的位置信息来对应用进行更为精准的排序，也还可以适当缩短相邻两次获取解锁时的位置信息的时间间隔，例如：缩短至间隔每12小时，间隔每4小时，甚至更短。

如图10所示，在本发明另一个可选实施例中，本发明的装置还包括：

用户接受信息获取模块70，获取用户接受的待推荐对象，确定所述用户接受的待推荐对象在用户行为习惯模型对应的时间单元；

提序模块80，提高所述时间单元中，所述用户接受的待推荐对象的排序。

通过在用户行为习惯模型中对所述时间单元内增加接受推荐信息，在对所述时间单元时的应用进行排序时，还结合所述接受推荐信息对应用进行排序。根据每个时间单元内用户选择打开的应用，更新所述时间单元时的各应用的接受推荐信息。所述接受推荐信息作为用户行为习惯模型的一部分，在确定待推荐的应用时，也将对所确定的待推荐的应用的结果产生影响。由此，在下一个周期内的同一时间单元中确定待推荐的对象时，所述用户接受的对象将会获得更为靠前的排位，从而使得待推荐对象与实际上用户接受的待推荐对象更为吻合。

通过从上述多方面考虑排序的影响因素，从而可以建立更加准确的用户行为习惯模型，而最终也可使得每个时间单元内确定的待推荐的对象的推荐准确度更高。

在本发明的一个可选实施例中，如图11所示，本发明的装置还可进一步包括：

预运行模块90，根据确定的待推荐的对象，预先在后台运行所述待推荐的对象。

以下通过一个实例来说明本发明的具体实施过程。

首先，以一天（24小时）为一个评分周期，并以每30分钟作为一个时间单元将一天分为48个时间单元，在用户使用终端的过程中，记录每个时间单元内打开的各个应用的应用运行信息，包括：各应用的时间信息，即具体打开所述应用的月、日、时（例如：4月11日15：30），运行时长（例如：运行10分钟），打开应用时用户的当前位置信息（例如：XX市XX区XX路XX大厦/小区）。

在建立用户行为习惯模型时，对每一个时间单元内的对象进行排序，在本举例中，是按照权重值进行排序，因此，各排序算法会根据触发时间信息、运行时长信息、和/或位置信息的权重值，对当前所属时间单元内各应用的评分排序，具体按照各应用的得分从高到低的顺序来排序，在一个示例中的各应用的得分情况如下表所示：

	应用1	应用2	应用3	应用4	…
						00:00-00:30	80	10	30	35	…
…	…	…	…	…	…
						09:01-09:30	35	90	86	85	…
…	…	…	…	…	…

由此，根据所采集的应用运行信息，建立起用户行为习惯模型从后序的各环节使用。

其次，当用户在某个时间点对终端进行解锁屏操作时，获取解锁指令的第一参数信息，主要包括：解锁时间信息（例如：4月11日15：26），和用户当前的位置信息。

根据解锁时间信息确定所属的时间单元，进而从用户行为习惯模型中获取所述时间单元内的各应用的排序，将排序靠前（如；前三名）的应用确定为待推荐的应用，并最终在终端上呈现给用户以供选择。

本发明中涉及的终端是指具有相应的操作系统平台的计算设备，例如：智能手机、平板电脑、电脑（台式电脑、笔记本电脑）、阅读器等；应用是指需要借助于相应的平台提供给用户使用的软件，比如，安卓应用、苹果应用、windows应用等；服务器可以是单个网络服务器、多个网络服务器组成的服务器组或者基于云计算的由大量计算机或网络服务器构成的云。

本发明实施例所述的功能如果以软件功能模块或单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算设备可读取存储介质中。基于这样的理解，本发明实施例对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一台计算设备（可以是个人计算机，服务器，移动计算设备或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同范围限定。

Claims (14)

1.一种对象推荐方法，其特征在于，包括：

接收解锁指令，获取所述解锁指令的第一属性信息；

根据用户行为习惯模型及所述解锁指令的第一属性信息，确定待推荐的对象；

显示所述待推荐的对象。

2.如权利要求1所述的方法，其特征在于，建立所述用户行为习惯模型的步骤包括：

响应于对对象的触发指令，记录所述对象的第二属性信息，并将所述对象的第二属性信息与所述对象相关联并保存；

根据所述对象的第二属性信息，获取在同一时间单元内触发的对象及所述在同一时间单元内触发的对象的第二属性信息；

根据所述第二属性信息，对所述同一时间单元内触发的对象进行排序。

3.如权利要求2所述的方法，其特征在于，所述第二属性信息包括：触发时间信息、运行时长信息、和/或位置信息；

所述根据所述对象的第二属性信息，获取在同一时间单元内触发的对象，包括：

根据所述对象的触发时间信息，将所述对象与时间单元进行匹配，得到同一所述时间单元对应的对象。

4.如权利要求3所述的方法，其特征在于，所述根据所述第二属性信息，对所述同一时间单元内的对象进行排序，包括：

根据所述同一时间单元的对象的打开次数，对所述同一时间单元内的对象进行排序；

若所述同一时间单元内的至少两个对象的打开次数相同，则根据所述至少两个对象的运行时长信息，对所述同一时间单元的所述打开次数相同的至少两个对象进行排序；

和/或，

将触发时间信息、运行时长信息、和/或位置信息分别赋予不同的权重值，根据所述权重值和所述同一时间单元内的对象的第二属性信息，计算所述同一时间单元内的对象的加权分数；

根据所述同一时间单元的对象的加权分数，对所述同一时间单元内的对象进行排序。

5.如权利要求2-4任一项所述的方法，其特征在于，所述解锁指令的第一属性信息包括：解锁时间信息；

所述根据用户行为习惯模型及所述解锁指令的第一属性信息，确定待推荐的对象，包括：根据所述解锁时间信息确定解锁时所处的时间单元，将所述用户行为习惯模型中所述时间单元内排序靠前的预定数量的对象确定为待推荐的对象。

6.如权利要求2所述的方法，其特征在于，所述方法还包括：

获取用户接受的待推荐对象，确定所述用户接受的待推荐对象在用户行为习惯模型对应的时间单元；

提高所述时间单元中，所述用户接受的待推荐对象的排序。

7.如权利要求1所述的方法，其特征在于，所述方法还包括：

根据确定的待推荐的对象，预先在后台运行所述待推荐的对象。

8.一种应用推荐装置，其特征在于，包括：

接收模块，用于接收解锁指令，获取所述解锁指令的第一属性信息；

推荐模块，根据用户行为习惯模型及所述解锁指令的第一属性信息，确定待推荐的对象；

显示模块，用于显示所述待推荐的对象。

9.如权利要求8所述的应用推荐装置，其特征在于，所述装置还包括：

关联模块，响应于对对象的触发指令，记录所述对象的第二属性信息，并将所述对象的第二属性信息与所述对象相关联并保存；

获取模块，根据所述对象的第二属性信息，获取在同一时间单元内触发的对象及所述在同一时间单元内触发对象的第二属性信息；

排序模块，根据所述第二属性信息，对所述同一时间单元内的对象进行排序。

10.如权利要求9所述的应用推荐装置，其特征在于，所述第二属性信息包括：触发时间信息、运行时长信息、和/或位置信息；

所述获取模块包括：匹配单元，根据所述对象的触发时间信息，将所述对象与时间单元进行匹配，得到同一所述时间单元对应的对象。

11.如权利要求10所述的应用推荐装置，其特征在于，所述排序模块包括：

第一排序单元，根据所述同一时间单元的对象的打开次数，对所述同一时间单元内的对象进行排序；

第二排序单元，若所述同一时间单元内的至少两个对象的打开次数相同，则根据所述至少两个对象的运行时长信息，对所述同一时间单元的所述打开次数相同的至少两个对象应用进行排序；

和/或，

加权评分单元，将触发时间信息、运行时长信息、和/或位置信息分别赋予不同的权重值，根据所述权重值和所述同一时间单元内的对象的第二属性信息，计算所述同一时间单元内的对象的加权分数；

第三排序单元，根据所述同一时间单元的对象的分数，对所述同一时间单元内的对象进行排序。

12.如权利要求9-11任一项所述的应用推荐装置，其特征在于，所述解锁指令的第一属性信息包括：解锁时间信息；

所述推荐模块根据所述解锁时间信息确定解锁时所处的时间单元，将所述用户行为习惯模型中所述时间单元内排序靠前的预定数量的对象确定为待推荐的对象。

13.如权利要求9所述的应用推荐装置，其特征在于，还包括：

用户接受信息获取模块，获取用户接受的待推荐对象，确定所述用户接受的待推荐对象在用户行为习惯模型对应的时间单元；

提序模块，提高所述时间单元中，所述用户接受的待推荐对象的排序。

14.如权利要求8所述的应用推荐装置，其特征在于，所述装置还包括：

预运行模块，根据确定的待推荐的对象，预先在后台运行所述待推荐的对象。