应用程序推荐方法及终端的制作方法

应用程序推荐方法及终端的制作方法
【技术领域】
[0001 ] 本发明实施例涉及通信技术领域，尤其涉及一种应用程序推荐方法及终端。
【背景技术】
[0002]随着终端的普及，为终端开发的应用程序越来越多，用户也可以随意在终端中下载安装各种应用程序，在面对大量的应用程序时，需要使得用户在这些应用程序中快速选择出感兴趣的应用程序。
[0003]现有技术中，根据用户使用应用程序的历史信息建立应用程序的使用模型，再根据当前上下文信息和建立的应用程序的使用模型来确定将要推荐给用户的应用程序，然后生成列表推荐给用户，然后用户从这些列表中选择出感兴趣的应用程序。
[0004]然而，现有技术中需要有大量的用户使用应用程序的历史信息才能建立使用模型，当用户刚开始使用应用程序时，未能提供大量的历史信息用于建立使用模型。

【发明内容】

[0005]本发明提供一种应用程序推荐方法及终端，在用户刚开始使用应用程序时能准确地向用户推荐应用程序。
[0006]第一方面，本发明实施例提供一种应用程序推荐方法，包括:获取终端的当前上下文信息；获取所述终端运行第一应用程序时的上下文信息的数量，所述第一应用程序是指存储在所述终端中的应用程序；根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序；显示所述第二应用程序。
[0007]在第一方面的第一种可能的实现方式中，所述推荐机制包括使用规则和使用模型中的至少一种；
[0008]所述根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应第二应用程序包括:若所述终端运行所述第一应用程序时的上下文信息的数量少于或等于第一预设值，则根据所述使用规则，确定所述当前上下文信息对应的要推荐的应用程序；若所述终端运行所述第一应用程序时的上下文信息的数量大于或等于第二预设值，则根据所述使用模型，确定所述当前上下文信息对应的要推荐的应用程序；若所述终端运行所述第一应用程序时的上下文信息的数量大于所述第一预设值且小于所述第二预设值，则根据所述使用规则和所述使用模型，确定所述当前上下文信息对应的要推荐的应用程序。
[0009]结合第一方面的第一种可能的实现方式，在第一方面的第二种可能的实现方式中，所述根据所述终端运行第一应用程序时的上下文信息的数量确定要使用的推荐机制之前，还包括:获取所述终端运行所述第一应用程序时的上下文信息；根据所述终端运行所述第一应用程序时的上下文信息生成所述使用规则和所述使用模型。
[0010]结合第一方面的第二种可能的实现方式，在第一方面的第三种可能的实现方式中，所述根据所述终端运行所述第一应用程序时的上下文信息生成所述使用规则和所述使用模型，包括:根据所述终端运行所述第一应用程序时的上下文信息，提取所述第一应用程序的上下文信息特征值；根据所述第一应用程序的上下文信息特征值，生成所述使用规则和所述使用模型。
[0011]结合第一方面的第三种可能的实现方式，在第一方面的第四种可能的实现方式中，所述根据所述第一应用程序的上下文信息特征值，生成所述使用规则和所述使用模型包括:根据所述第一应用程序的上下文信息特征值，确定所述第二应用程序在预设条件下推荐的优先级；将所述第二应用程序在预设条件下推荐的优先级作为所述使用规则；根据所述第一应用程序的上下文信息特征值，使用机器训练方法生成所述使用模型。
[0012]结合第一方面的第一种可能的实现方式或第一方面的第二种可能的实现方式或第一方面的第三种可能的实现方式或第一方面的第四种可能的实现方式，在第一方面的第五种可能的实现方式中，所述显示所述第二应用程序之后，还包括:获取所述第二应用程序的反馈信息；根据所述第二应用程序的反馈信息更新所述使用规则和所述使用模型。
[0013]结合第一方面的第五种可能的实现方式，在第一方面的第六种可能的实现方式中，所述反馈信息包括使用时间和使用时长。
[0014]第二方面，本发明实施例提供一种终端，包括:获取单元，用于获取所述终端的当前上下文信息，以及获取所述终端运行第一应用程序时的上下文信息的数量，所述第一应用程序是指存储在所述终端中的应用程序；确定单元，用于根据所述获取单元获取的所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述获取单元获取的所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序；显示单元，用于显示所述确定单元确定的所述第二应用程序。
[0015]结合第二方面，在第二方面的第一种可能的实现方式中，所述确定单元确定的所述推荐机制包括使用规则和使用模型中的至少一种；
[0016]所确定单元具体用于，若所述获取单元获取的所述终端运行所述第一应用程序时的上下文信息的数量少于或等于第一预设值，则根据所述使用规则，确定所述获取单元获取的所述当前上下文信息对应的要推荐的应用程序；若所述获取单元获取的所述终端运行所述第一应用程序时的上下文信息的数量大于或等于第二预设值，则根据所述使用模型，确定所述获取单元获取的所述当前上下文信息对应的要推荐的应用程序；若所述获取单元获取的所述终端运行所述第一应用程序时的上下文信息的数量大于所述第一预设值且小于所述第二预设值，则根据所述使用规则和所述使用模型，确定所述获取单元获取的所述当前上下文信息对应的要推荐的应用程序。
[0017]结合第二方面的第一种可能的实现方式，在第二方面的第二种可能的实现方式中，还包括:生成单元；所述获取单元还用于获取所述终端运行所述第一应用程序时的上下文信息；所述生成单元，用于根据所述获取单元获取的所述终端运行所述第一应用程序时的上下文信息生成所述使用规则和所述使用模型。
[0018]结合第二方面的第二种可能的实现方式，在第二方面的第三种可能的实现方式中，所述生成单元，具体用于根据所述终端运行所述第一应用程序时的上下文信息，提取所述第一应用程序的上下文信息特征值；以及根据所述第一应用程序的上下文信息特征值，生成所述使用规则和所述使用模型。
[0019]结合第二方面的第三种可能的实现方式，在第二方面的第四种可能的实现方式中，所述生成单元，具体用于根据所述第一应用程序的上下文信息特征值，确定所述第二应用程序在预设条件下推荐的优先级；将所述第二应用程序在预设条件下推荐的优先级作为所述使用规则；以及根据所述第一应用程序的上下文信息特征值，使用机器训练方法生成所述使用模型。
[0020]结合第二方面的第一种可能的实现方式或第二方面的第二种可能的实现方式或第二方面的第三种可能的实现方式或第二方面的第四种可能的实现方式，在第二方面的第五种可能的实现方式中，还包括:更新单元；所述获取单元，还用于获取所述显示单元显示的所述第二应用程序的反馈信息；所述更新单元，用于根据所述获取单元获取的所述第二应用程序的反馈信息更新所述使用规则和所述使用模型。
[0021]结合第二方面的第五种可能的实现方式，在第二方面的第六种可能的实现方式中，所述反馈信息包括使用时间和使用时长。
[0022]本发明实施例提供的应用程序推荐方法及终端，通过获取终端的当前上下文信息，获取所述终端运行第一应用程序时的上下文信息的数量，所述第一应用程序是指存储在所述终端中的应用程序，然后根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应第二应用程序，所述第二应用程序是指用于推荐的应用程序，以及显示所述第二应用程序。提高了预测用户使用应用程序的准确率，同时在用户使用应用程序的历史信息不足时，也可以准确地确定推荐的应用程序，提升了用户体验。
【附图说明】
[0023]为了更清楚地说明本发明实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0024]图1为本发明应用程序推荐方法实施例一的流程图；
[0025]图2为本发明应用程序推荐方法实施例二的流程图；
[0026]图3为本发明应用程序推荐方法实施例三的流程图；
[0027]图4为本发明应用程序推荐方法实施例四的流程图；
[0028]图5为本发明应用程序推荐方法实施例五的流程图；
[0029]图6为本发明应用程序推荐方法实施例六的流程图；
[0030]图7为本发明应用程序推荐方法实施例七的流程图；
[0031]图8为本发明终端实施例一的结构示意图；
[0032]图9为本发明终端实施例二的结构示意图；
[0033]图10为本发明终端实施例三的结构示意图。
【具体实施方式】
[0034]为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0035]图1为本发明应用程序推荐方法实施例一的流程图，如图1所示，本实施例的执行主体可以为终端，也可以为与终端通信的服务器，对此不做限制。本实施例的方法可以包括:
[0036]SlOU获取终端的当前上下文信息。
[0037]S102、获取所述终端运行第一应用程序时的上下文信息的数量，所述第一应用程序是指存储在所述终端中的应用程序。
[0038]S103、根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序。
[0039]S104、显示所述第二应用程序。
[0040]本实施例中，获取终端的当前上下文信息，例如:当前上下文信息可以包括传感器获取的信息(简称为传感器信息)和应用程序的使用信息。该传感器信息包括但不限于以下信息:全球定位系统(Global Posit1ning System,简称:GPS)传感器信息、加速度传感器信息、方向传感器信息和时间传感器信息等，因此当前上下文信息可以表示当前终端处于的地理位置信息、时间信息以及终端处于移动状态还是静止状态，当前上下文信息还 可以表示终端处于快速移动状态(例如:坐车)还是慢速移动状态(例如步行)。若当前用户正在使用终端中的应用程序时，当前上下文信息可以包括:应用程序的使用信息，例如:正在使用的应用程序的标识、使用应用程序的开始时间以及当前使用应用程序的时长等。当前上下文信息还可以包括但不限于以下信息:通话信息、短信信息、网络连接信息等。
[0041]其中，可以在终端开机时获取终端的当前上下文信息，可以在用户对终端进行解锁时获取终端的当前上下信息，也可以在各预设时间节点获取终端的当前上下文信息，也可以根据用户操作的预设手势获取终端的当前上下文信息，本发明实施例在此不做限制。
[0042]还可以获取该终端运行第一应用程序时的上下文信息的数量，上下文信息可以为终端在运行第一应用程序时的第一应用程序的使用信息和传感器信息。若终端在运行“新浪微博”时可以获取“新浪微博”的运行时间、运行时长、终端所处的地理位置、终端加速度信息、终端是否通话、终端是否发短信等。若终端在I月I日上午第一次运行了应用程序，例如为“新浪微博”，则可以获取终端在这时运行“新浪微博”的上下文信息，此时终端运行应用程序时的上下文信息的数量为1，若终端在I月I日下午运行了一次“墨迹天气”，则可以获取终端在这时运行“墨迹天气”的上下文信息，此时终端运行应用程序时的上下文信息的数量为2，若终端在I月2日上午运行了 “新浪微博”，则可以获取终端在这时运行“新浪微博”的上下文信息，此时终端运行应用程序时的上下文信息的数量为3，若终端在I月2日下午运行了一次“墨迹天气”，则可以获取终端在这时运行“墨迹天气”的上下文信息，此时终端运行应用程序时的上下文信息的数量为4，以此类推，因此，可以获取终端运行第一应用程序时的上下文信息的数量。
[0043]在获取到终端运行第一应用程序时的上下文信息的数量后，根据该数量确定要使用的应用程序的推荐机制，然后根据要使用的推荐机制，确定当前上下文信息所对应的第二应用程序。例如当终端运行第一应用程序时的上下文信息的数量比较少时，可以确定要使用的应用程序的推荐机制可以为用户自己预先设置的应用程序的使用规则，若当前上下文信息表示当前时间为7点半，而且预先设置的应用程序的使用规则可以表示7点至8点之间推荐用户使用的应用程序是“今日头条”、“新浪微博”和“墨迹天气”，从而可以确定出第二应用程序包括:“今日头条”、“新浪微博”和“墨迹天气”。
[0044]可选地，所述推荐机制包括使用规则和使用模型中的至少一种。
[0045]所述根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应第二应用程序包括:
[0046]若所述终端运行所述第一应用程序时的上下文信息的数量少于或等于第一预设值，则根据所述使用规则，确定所述当前上下文信息对应的要推荐的应用程序。
[0047]若所述终端运行所述第一应用程序时的上下文信息的数量大于或等于第二预设值，则根据所述使用模型，确定所述当前上下文信息对应的要推荐的应用程序。
[0048]若所述终端运行所述第一应用程序时的上下文信息的数量大于所述第一预设值且小于所述第二预设值，则根据所述使用规则和所述使用模型，确定所述当前上下文信息对应的要推荐的应用程序。具体地，根据所述使用规则，确定所述当前上下文信息对应的应用程序；根据所述使用模型，确定所述当前上下文信息对应的应用程序；将所述根据所述使用规则确定的应用程序和所述根据所述使用模型确定的应用程序均作为所述当前上下文信息对应的要推荐的应用程序；或者，将所述根据所述使用规则确定的应用程序和所述根据所述使用模型确定的应用程序中相同的应用程序作为所述当前上下文信息对应的要推荐的应用程序。
[0049]需要说明的是，第一预设值与第二预设值可以根据实际的应用场景而定，此处不做限制。
[0050]例如:若所述终端运行所述第一应用程序时的上下文信息的数量少于或等于第一预设值，如用户刚开始使用终端中的应用程序，则可以根据使用规则，确定当前上下文信息对应的要推荐的应用程序，若使用规则表示在当前上下文信息的情况下用户优先使用“今日头条”、“新浪微博”和“墨迹天气”，从而可以确定当前要推荐“今日头条”、“新浪微博”和“墨迹天气”。因此，在用户使用应用程序的历史信息不足以建立使用模型时，也可以确定用于推荐的应用程序。
[0051]例如:若所述终端运行所述第一应用程序时的上下文信息的数量大于所述第一预设值且小于所述第二预设值，如用户已经使用终端中的应用程序一段时间后，则可以根据使用规则和使用模型，确定当前上下文信息对应的要推荐的应用程序，若使用规则表示在当前上下文信息的情况下用户优先使用“今日头条”、“新浪微博”和“墨迹天气”，若使用模型表示在当前上下文信息的情况下用户优先使用“新浪微博”、“墨迹天气”和“今日头条”，从而可以确定当前要推荐“新浪微博”和“墨迹天气”；或者，从而可以确定当前要推荐“新浪微博”、“墨迹天气”、“今日头条”和“Gmail (谷歌公司推出的免费网络邮件服务)”。因此，根据使用规则和使用模型确定用于推荐的应用程序，可以提高预测应用程序的准确率。
[0052]例如:若所述终端运行所述第一应用程序时的上下文信息的数量大于或等于第二预设值，如用户已经使用终端中的应用程序很长一段时间后，则可以根据使用模型，确定当前上下文信息对应的要推荐的应用程序，若使用模型表示在当前上下文信息的情况下用户优先使用“新浪微博”、“墨迹天气”和“今日头条”，从而可以确定当前要推荐“新浪微博”、“墨迹天气”和“今日头条”。
[0053]在确定上述推荐的第二应用程序之后，可以显示上述推荐的第二应用程序，例如:在终端的显示屏上显示用于推荐的应用程序的标识(如图标)；可以通过列表式展示上述用于推荐的应用程序，也可以是icon (图标的一种格式)平铺式展示上述用于推荐的应用程序。因此，用户可以从显示的上述用于推荐的应用程序中选择感兴趣的应用程序进行操作。
[0054]本发明实施例一提供的应用程序推荐方法，通过获取终端的当前上下文信息，获取所述终端运行第一应用程序时的上下文信息的数量，所述第一应用程序是指存储在所述终端中的应用程序，然后根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应第二应用程序，所述第二应用程序是指用于推荐的应用程序，以及显示所述第二应用程序。提高了预测用户使用应用程序的准确率，同时在用户使用应用程序的历史信息不足时，也可以准确地确定用于推荐的应用程序，提升用户的体验。
[0055]图2为本发明应用程序推荐方法实施例二的流程图，如图2所示，本实施例的执行主体可以为终端，也可以为与终端通信的服务器，对此不做限制。本实施例的方法可以包括:
[0056]S201、获取终端运行第一应用程序时的上下文信息，所述第一应用程序是指存储在所述终端中的应用程序。
[0057]本实施例中，可以获取终端运行所述第一应用程序时的上下文信息，例如:可以获取终端在运行应用程序时的应用程序的使用信息和传感器信息。若终端在运行“新浪微博”时可以获取终端运行“新浪微博”时的时间、时长、地理位置、加速度信息、是否通话、是否发短等。
[0058]以加速度信息为例进行说明:获取某一时刻的加速度信息，每条加速度信息可以表示为〈时间，X轴加速度，y轴加速度，z轴加速度 > 四元组，值得注意的是，加速度信息的表示形可以有多种，以上示例只列出了基于元组的表示方式，包括但不限于以上示例。
[0059]获取终端运行第一应用程序时的上下文信息之后，可以根据所述终端运行所述第一应用程序时的上下文信息生成使用规则和使用模型，具体地，可以包括:S202和S203。
[0060]S202、根据所述终端运行所述第一应用程序时的上下文信息，提取所述第一应用程序的上下文信息特征值。
[0061]本实施例，可以根据终端运行所述第一应用程序时的上下文信息，提取在终端运行第一应用程序时的该第一应用程序的上下文信息特征值。第一应用程序的上下文信息特征值可以包括:第一应用程序的标识(如名称)和特征值。第一应用程序的上下文信息特征值例如:
[0062]应用I特征1:值I特征2 -M 2……特征η:值η
[0063]应用2特征1:值I特征2 -M 2……特征η:值η
[0064]......
[0065]应用m特征1:值I特征2:值2……特征η:值η
[0066]其中，特征:值，例如可以为:时间-J点至8点，或者，星期数:周三，或者，加速度:值，或者，通电话:是或否，或者，发信息:是或否，等等。
[0067]下面以获取的终端运行第一应用程序时的上下文信息中加速度信息为例说明如何提取特征值。可以分析加速度信息，抽取用户在使用应用程序的一段时间内加速度均值、方差、傅里叶变换等特征值，如下:
[0068]〈X轴加速度均值，X轴加速度方差，X轴加速度最大值，X轴加速度最小值，X轴加速度傅里叶变换和，I轴加速度均值，I轴加速度方差，I轴加速度最大值，I轴加速度最小值，y轴加速度傅里叶变换和，Z轴加速度均值，Z轴加速度方差，Z轴加速度最大值，Z轴加速度最小值，Z轴加速度傅里叶变换和>。
[0069]S203、根据所述第一应用程序的上下文信息特征值，生成使用规则和使用模型。
[0070]本实施例中，可以根据第一应用程序的上下文信息特征值，使用机器训练学习方法生成所述使用模型，进一步地还可以存储生成的使用模型，例如可以建立使用模型库，并将每次生成的使用模型存储在使用模型库中。其中，机器训练方法可以包括:贝叶斯模型或者线性回归模型或者决策树模型或者人工神经网络模型等等，本发明实施例不以此为限。本实施例以机器训练方法为贝叶斯模型为例进行说明:
[0071](I)计算各个应用的先验概率，形如:
[0072]应用I概率值I
[0073]应用I概率值I
[0074]......
[0075]应用m概率值m。
[0076](2)计算每个特征值对应的条件概率，形如:
[0077]特征值I概率值I
[0078]特征值2概率值2
[0079]特征值3概率值3
[0080]......
[0081]特征值η概率值η。
[0082]本实施例中，可以根据应用程序的上下文信息特征值，选择规律生成方法，生成使用规则，进一步地还可以将生成的使用规则进行存储，例如可以建立使用规则库，并将每次生成的使用规则存储在使用规则库中。一种可行的实现方式中 ，根据所述第一应用程序的上下文信息特征值，确定所述第二应用程序在预设条件下推荐的优先级；以及将所述第二应用程序在预设条件下推荐的优先级作为所述使用规则；下面以预设条件是时间统计规则为例说明使用规则的生成过程:
[0083]假设用户使用“新浪微博”在时间为7点至8点之间的使用概率为68%，使用“墨迹天气”在时间为7点至8点之间的使用概率为15%，使用“Gmail”在时间为7点至8点之间的使用概率为5% ;那么应用程序在时间为7点至8点之间推荐的优先级为:“新浪微博”大于“墨迹天气”大于“Gmail”。从而生成的使用规则为在时间为7点至8点之间，推荐使用的前三个应用程序依次为“新浪微博”、“墨迹天气”和“GmaiI ”。
[0084]S204、获取终端的当前上下文信息。
[0085]本实施例中，S204的具体实现过程与本发明方法实施例一中SlOl的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。在获取终端的当前上下文信息之后，终端可以确定所述当前上下文信息所对应的第二应用程序。
[0086]具体地，终端如何确定所述当前上下文信息所对应的第二应用程序可以通过S205和S206来实现。
[0087]S205、获取所述终端运行第一应用程序时的上下文信息的数量。
[0088]本实施例中，可以获取S201中所获取的终端运行第一应用程序时的上下文信息的数量。具体实现过程与本发明方法实施例一中S102的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。
[0089]S206、根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序。
[0090]本实施例中，可以获取S201中所获取的终端运行第一应用程序时的上下文信息的数量。具体实现过程与本发明方法实施例一中S103的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。
[0091]在一种可选的实现方式中，S206的具体实现过程可以如下所述:获取终端的当前上下文信息之后，根据当前上下文信息，提取当前上下文信息特征值，根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息特征值所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序。
[0092]根据当前上下文信息提取当前上下文信息特征值，当前上下文信息特征值例如可以为:时间:7至8点，星期数:星期三，通电话:是，发信息:否，等等。
[0093]本实施例中，若S205中获取到的终端使用第一应用程序时的上下文信息的数量少于或等于第一预设值，则确定推荐机制为使用规则，然后根据所述使用规则，确定所述当前上下文信息特征值对应的要推荐的第二应用程序；例如:获取了 10次用户使用应用程序时的上下文信息，不适合采用使用模型，确定当前上下文信息特征值所对应的用于推荐的第二应用程序。
[0094]若S205中获取到的终端运行第一应用程序时的上下文信息的数量大于或等于第二预设值，则确定推荐机制为使用规则，然后根据所述使用模型，确定所述当前上下文信息特征值对应的要推荐的第二应用程序；例如:获取了 100次用户使用应用程序时的上下文信息，则可以采用使用模型，确定当前上下文信息特征值对应推荐的至少一个应用程序。
[0095]若S205中获取到的终端运行第一应用程序时的上下文信息的数量大于所述第一预设值且小于所述第二预设值，则根据所述使用规则和所述使用模型，确定所述当前上下文信息特征值对应的要推荐的应用程序。例如:获取了 50次用户使用应用程序时的上下文信息，则可以采用使用模型和使用规则，确定当前上下文信息特征值对应推荐的第二应用程序。具体地，根据所述使用规则，确定所述当前上下文信息特征值对应的应用程序；根据所述使用模型，确定所述当前上下文信息特征值对应的应用程序；将所述根据所述使用规则确定的应用程序和所述根据所述使用模型确定的应用程序均作为所述当前上下文信息特征值对应的要推荐的应用程序；或者，将所述根据所述使用规则确定的应用程序和所述根据所述使用模型确定的应用程序中相同的应用程序作为所述当前上下文信息特征值对应的要推荐的应用程序。例如:根据使用规则确定当前上下文信息特征值对应的应用程序为“新浪微博”、“墨迹天气”和“Gmail”，以及根据使用模型确定当前上下文信息特征值对应的应用程序为“今日头条”、“新浪微博”和“墨迹天气”，那么最终确定的用于推荐的应用程序为:“新浪微博”和“墨迹天气”；或者，最终确定的用于推荐的应用程序为:“新浪微博”、“墨迹天气”、“GmaiI ”和“今日头条”。
[0096]S207、显示所述第二应用程序。
[0097]本实施例中，S207的具体实现过程与本发明方法实施例一中S104的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。
[0098]本实施例，通过获取终端运行第一用应用程序的上下文信息，，所述第一应用程序是指存储在所述终端中的应用程序，根据所述终端运行所述第一应用程序时的上下文信息，提取所述第一应用程序的上下文信息特征值，然后根据所述第一应用程序的上下文信息特征值，生成所述使用规则和所述使用模型，然后根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序。提高了预测用户使用应用程序的准确率，同时在用户使用应用程序的历史信息不足以建立使用模型时，可以根据使用规则确定推荐的应用程序，提升了用户体验。
[0099]图3为本发明应用程序推荐方法实施例三的流程图，如图3所示，本实施例在图2所示方法实施例的基础上，进一步地，本实施例的方法还可以包括:
[0100]S301、获取所述第二应用程序的反馈信息。
[0101]本实施例中，在显示上述第二应用程序之后，还可以获取所述第二应用程序的反馈信息。在一种可行的实现方式中，第二应用程序的反馈信息可以包括第二应用程序的使用时间和使用时长，例如:推荐的应用程序为“新浪微博”、“墨迹天气”和“Gmail”。若用户根据推荐的应用程序使用了 “新浪微博”而没有使用“墨迹天气”和“Gmail”。则推荐的应用程序的反馈信息为:
[0102]“新浪微博”:7点开始使用，使用了一小时。
[0103]而“墨迹天气”和“GmaiI ”均未使用，可以认为“墨迹天气”和“GmaiI ”没有反馈信息。
[0104]S302、根据所述第二应用程序的反馈信息更新所述使用规则和使用模型。
[0105]本实施例中，在获取所述第二应用程序的反馈信息之后，可以根据所述第二应用程序的反馈信息更新所述使用规则和所述使用模型，具体可以为:可以根据所述终端运行第二应用程序时的上下文信息，更新所述第二应用程序的上下文信息特征值，例如:发现用户经常在一个时间段内使用推荐的应用程序，则可添加该相应时间类特征。也可以根据第二应用程序的上下文信息特征值，更新所述使用规则和所述使用模型，例如:用户选择使用用于推荐的应用程序可以作为正例，用户未选择使用用于推荐的应用程序作为负例，然后再更新使用规则和使用模型；或者，如果用户很少选择用于推荐的应用程序，说明当前的使用规则和使用模型不适用于该用户，则可以调整使用规则和使用模型为其它使用规则和使用模型，例如:可以以新的时间统计规则调整使用规则，也可以更改贝叶斯模型为线性回归模型来更新使用模型。也可以更新获取当前上下文信息，例如:如果用户不选择之前推荐的应用程序次数较多时，则需要调整采集当前上下文信息的种类或者采集频率。
[0106]在一种可行的实现方式中，可以根据第二应用程序的使用时间和使用时长调整使用模型和使用规则，例如:显示的用于推荐的应用程序分别为:“新浪微博”、“墨迹天气”、“Gmail”和“今日头条”，“新浪微博”的反馈信息包括使用时间9点和使用时长I小时，“墨迹天气”的反馈信息包括使用时间9点10分和使用时长5分钟，“Gmail”的反馈信息包括使用时间9点15分和使用时长20分钟，“今日头条”的反馈信息包括使用时间9点05分和使用时长50分钟。从而可以根据第二应用程序的反馈信息，以预设条件为9点至10点，调整第二应用程序在新的预设条件下推荐的优先级，以及将第二应用程序在新的预设条件下推荐的优先级作为使用规则；或者，从而根据第二应用程序的反馈信息，将机器训练方法为贝叶斯模型调整为线性回归模型，重新生成使用模型。
[0107]本实施例，通过终端获取所述第二应用程序的反馈信息，根据所述第二应用程序的反馈信息更新所述使用规则和所述使用模型，进一步提高了预测应用程序的准确率。
[0108]图4为本发明应用程序推荐方法实施例四的流程图，如图4所示，本实施例中是由终端确定终端的当前上下文信息所对应的用于推荐的应用程序；本实施例的方法可以包括:
[0109]S401、终端获取所述终端运行第一应用程序时的上下文信息，所述第一应用程序是指存储在所述终端中的应用程序。
[0110]本实施例中，S401的具体实现过程与本发明方法实施例二中的S201的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。
[0111]S402、终端向服务器发送所述终端运行第一应用程序时的上下文信息。
[0112]本实施例中，终端在获取终端运行第一应用程序时的上下文信息之后，可以将获取到的上下文信息发送给服务器。
[0113]S403、服务器接收终端发送的所述终端运行第一应用程序时的上下文信息。
[0114]本实施例中，服务器接收到终端发送的所述终端运行第一应用程序时的上下文信息之后，可以根据所述终端运行第一应用程序时的上下文信息生成使用规则和使用模型，具体可以为S404和S405。
[0115]S404、服务器根据所述终端运行第一应用程序时的上下文信息，提取所述第一应用程序的上下文信息特征值。
[0116]S405、服务器根据所述第一应用程序的上下文信息特征值，生成使用规则和使用模型。
[0117]本实施例中，服务器执行S404和S405的具体实现过程与本发明方法实施例二中S202和S203的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。
[0118]S406、服务器向终端发送所述使用规则和所述使用模型。
[0119]本实施例中，服务器生成使用规则和使 用模型之后，可以向终端发送生成的使用规则和使用模型。
[0120]S407、终端接收所述服务器发送的所述使用规则和所述使用模型。
[0121]S408、终端获取终端的当前上下文信息。
[0122]S409、终端获取所述终端运行第一应用程序时的上下文信息的数量。
[0123]S410、终端根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序。
[0124]S411、显不所述第二应用程序。
[0125]本实施例中，S408至S411的具体实现过程与本发明方法实施例二中S204至S207的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。
[0126]本实施例，通过终端获取终端运行第一应用程序的上下文信息并发送给服务器，服务器根据终端运行第一应用程序的上下文信息生成使用模型和使用规则并发送给终端，由终端根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序。在提升了用户体验的同时，也提高了预测用户使用应用程序的准确率，同时生成使用模型和使用规则在服务器端完成，由于服务器的计算能力强，可以生成更加准确的使用模型和使用规则，进一步提高预测用户使用应用程序的准确率。
[0127]图5为本发明应用程序推荐方法实施例五的流程图，如图5所示，本实施例在图4所示实施例的基础上，进一步地，本实施例的方法还可以包括:
[0128]S501、终端获取所述第二应用程序的反馈信息。
[0129]本实施例中，S501的具体实现过程与本发明方法实施例三中S301的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。
[0130]S502、终端向所述服务器发送所述第二应用程序的反馈信息。
[0131]S503、服务器接收终端发送的所述第二应用程序的反馈信息。
[0132]本实施例中，由于使用规则和使用模型是由服务器生成的，终端获取所述第二应用程序的反馈信息之后，向所述服务器发送所述第二应用程序的反馈信息；相应地，服务器接收终端发送的所述第二应用程序的反馈信息。
[0133]S504、服务器根据所述第二应用程序的反馈信息更新所述使用规则和所述使用模型。
[0134]本实施例中，服务器执行S504的具体实现过程与本发明方法实施例三中S302的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。
[0135]S505、服务器向终端发送更新后的所述使用规则和所述使用模型。
[0136]S506、终端接收所述服务器发送的更新后的使用规则和使用模型。
[0137]本实施例中，由于第二应用程序是由终端确定的，所以服务器在更新所述使用规则和所述使用模型之后，向终端发送更新后的所述使用规则和所述使用模型；相应地，终端接收所述服务器发送的更新后的所述使用规则和所述使用模型，从而终端可以根据更新后的使用规则和/或使用模型确定要推荐的应用程序。
[0138]本实施例，通过终端获取所述第二应用程序的反馈信息并发送给服务器，服务器根据所述第二应用程序的反馈信息更新所述使用规则和所述使用模型并发送给终端，进一步提高了预测应用程序的准确率。
[0139]图6为本发明应用程序推荐方法实施例六的流程图,如图6所示，本实施例中是由服务器根据确定终端的当前上下文信息所对应的用于推荐的应用程序；本实施例的方法可以包括:
[0140]S601、终端获取终端运行第一应用程序时的上下文信息，所述第一应用程序是指存储在所述终端中的应用程序。
[0141]S602、终端向服务器发送所述终端运行第一应用程序时的上下文信息。
[0142]S603、服务器接收终端发送的所述终端运行第一应用程序时的上下文信息。
[0143]S604、服务器根据所述终端运行第一应用程序时的上下文信息，提取所述第一应用程序的上下文信息特征值。
[0144]S605、服务器根据所述第一应用程序的上下文信息特征值，生成使用规则和使用模型。
[0145]本实施例中，S601至S605的具体实现过程与本发明方法实施例四中的S401至S405的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。
[0146]S606、终端获取终端的当前上下文信息。
[0147]本实施例中，S606的具体实现过程与本发明方法实施例四中的S408的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。
[0148]S607、终端向服务器发送所述当前上下文信息。
[0149]S608、服务器接收终端发送的所述当前上下文信息。
[0150]本实施例中，由于本实施例中使用规则和使用模型是由服务器生成的并保存于服务器，因此，终端获取终端的当前上下文信息之后，向服务器发送所述当前上下文信息，以使所述服务器确定所述当前上下文信息所对应的用于推荐的应用程序；具体可以包括:S609 和 S610。
[0151]S609、服务器获取所述终端运行第一应用程序时的上下文信息的数量。
[0152]S610、服务器根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序。
[0153]本实施例中，服务器执行S609和S610的具体实现过程与本发明方法实施例四中的S409和S410的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。
[0154]S611、服务器向终端发送所述第二应用程序。
[0155]S612、终端接收服务器发送的所述第二应用程序。
[0156]S613、终端显示所述第二应用程序。
[0157]本实施例中，S613的具体实现过程与本发明方法实施例四中的S411的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。
[0158]本实施例中，通过终端获取终端运行第一应用程序时的上下文信息并发送给服务器，服务器根据终端运行第一应用程序时的上下文信息生成使用模型和使用规则，然后终端获取当前上下文信息并发送给服务器，服务器根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序，并将所述第二应用程序发送给终端，提升了用户体验；同时生成使用模型和使用规则在服务器端完成，以及确定推荐的应用程序也在服务器端完成，由于服务器的计算能力强，可以生成更加准确的使用模型和使用规则，以及可以确定出更加准确的用于推荐的应用程序，进一步提高预测用户使用应用程序的准确率。
[0159]图7为本发明应用程序推荐方法实施例七的流程图，如图7所示，本实施例在图6所示实施例的基础上，进一步地，本实施例的方法还可以包括:
[0160]S701、终端获取所述第二应用程序的反馈信息。
[0161]S702、终端向所述服务器发送所述第二应用程序的反馈信息。
[0162]S703、服务器接收终端发送的所述第二应用程序的反馈信息。
[0163]S704、服务器根据所述第二应用程序的反馈信息更新所述使用规则和所述使用模型。
[0164]本实施例中，S701至S704的具体实现过程与本发明方法实施例六中S601至S604的具体实现过程类似，详细可以参见本发明上述方法实施例中的相关记载，此处不再赘述。
[0165]本实施例，通过终端获取所述推荐的应用程序的反馈信息并发送给服务器，服务器根据所述推荐的应用程序的反馈信息更新所述使用规则和所述使用模型，从而可以根据更新后的使用规则和使用模型确定用于推荐的应用程序，进一步提高了预测应用程序的准确率。
[0166]图8为本发明终端实施例一的结构示意图，如图8所示，本实施例的装置可以包括:获取单元U、确定单元12和显示单元13，其中，获取单元11用于获取所述终端的当前上下文信息，以及获取所述终端运行第一应用程序时的上下文信息的数量，所述第一应用程序是指存储在所述终端中的应用程序；确定单元12用于根据获取单元11获取的所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定获取单元11获取的所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序；显示单元13用于显示确定单元12确定的所述第二应用程序。
[0167]本实施例的装置，可以用于执行图1所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
[0168]图9为本发明终端实施例二的结构示意图，如图9所示，本实施例的装置在图8所示装置结构的基础上，进一步地，确定单元12确定的所述推荐机制包括使用规则和使用模型中的至少一种；确定单元12具体用于，若获取单元11获取的所述终端运行所述第一应用程序时的上下文信息的数量少于或等于第一预设值，则根据所述使用规则，确定获取单元11获取的所述当前上下文信息对应的要推荐的应用程序；若获取单元11获取的所述终端运行所述第一应用程序时的上下文信息的数量大于或等于第二预设值，则根据所述使用模型，确定获取单元11获取的所述当前上下文信息对应的要推荐的应用程序；若获取单元11获取的所述终端运行所述第一应用程序时的上下文信息的数量大于所述第一预设值且小于所述第二预设值，则根据所述使用规则和所述使用模型，确定获取单元11获取的所述当前上下文信息对应的要推荐的应用程序。
[0169]进一步地，本实施例的终端还可以包括:生成单元14，其中，获取单元11还用于获取所述终端运行所述第一应用程序时的上下文信息；生成单元14，用于根据获取单元11获取的所述终端运行所述第一应用程序时的上下文信息生成所述使用规则和所述使用模型。
[0170]可选地，生成单元14，具体用于根据所述终端运行所述第一应用程序时的上下文信息，提取所述第一应用程序的上下文信息特征值；以及根据所述第一应用程序的上下文信息特征值，生成所述使用规则和所述使用模型。
[0171]可选地，生成单元14，具体用于根据所述第一应用程序的上下文信息特征值，确定 所述第二应用程序在预设条件下推荐的优先级；将所述第二应用程序在预设条件下推荐的优先级作为所述使用规则；以及根据所述第一应用程序的上下文信息特征值，使用机器训练方法生成所述使用模型。
[0172]可选地，本实施例的终端还包括:更新单元15 ;获取单元11还用于获取显示单元13显示的所述第二应用程序的反馈信息；更新单元15，用于根据获取单元11获取的所述第二应用程序的反馈信息更新所述使用规则和所述使用模型。
[0173]可选地，所述反馈信息包括使用时间和使用时长。
[0174]本实施例的装置，可以用于执行图2或图3所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
[0175]图10为本发明终端实施例三的结构示意图，如图10所示，本实施例的装置可以包括:输入设备21、处理器22和输出设备23，其中，输入设备21用于获取所述终端的当前上下文信息；处理器22用于获取所述终端运行第一应用程序时的上下文信息的数量，所述第一应用程序是指存储在所述终端中的应用程序，以及根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定输入设备21获取的所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序；输出设备23用于显示处理器22确定的所述第二应用程序。
[0176]可选地，处理器22确定的所述推荐机制包括使用规则和使用模型中的至少一种；处理器22具体用于，若所述终端运行所述第一应用程序时的上下文信息的数量少于或等于第一预设值，则根据所述使用规则，确定输入设备21获取的所述当前上下文信息对应的要推荐的应用程序；若所述终端运行所述第一应用程序时的上下文信息的数量大于或等于第二预设值，则根据所述使用模型，确定输入设备21获取的所述当前上下文信息对应的要推荐的应用程序；若所述终端运行所述第一应用程序时的上下文信息的数量大于所述第一预设值且小于所述第二预设值，则根据所述使用规则和所述使用模型，确定输入设备21获取的所述当前上下文信息对应的要推荐的应用程序。
[0177]可选地，输入设备21还用于获取所述终端运行所述第一应用程序时的上下文信息；处理器22还用于根据所述输入设备21获取的所述终端运行所述第一应用程序时的上下文信息生成所述使用规则和所述使用模型。
[0178]可选地，处理器22具体用于根据所述终端运行所述第一应用程序时的上下文信息，提取所述第一应用程序的上下文信息特征值；并根据所述第一应用程序的上下文信息特征值，生成所述使用规则和所述使用模型。
[0179]可选地，处理器22具体用于根据所述第一应用程序的上下文信息特征值，确定所述第一应用程序在预设条件下推荐的优先级；将所述第二应用程序在预设条件下推荐的优先级作为所述使用规则；以及根据所述第一应用程序的上下文信息特征值，使用机器训练方法生成所述使用模型。
[0180]可选地，输入设备21还用于获取输出设备23显示的所述第二应用程序的反馈信息；处理器22还用于根据输入设备21获取的所述第二应用程序的反馈信息更新所述使用规则和所述使用模型。
[0181]可选地，所述反馈信息包括使用时间和使用时长。
[0182]本实施例的装置，可以用于执行图1至图3任一所示方法实施例的技术方案，其实现原理和技术效果类似，此处不再赘述。
[0183]本领域普通技术人员可以理解:实现上述各方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成。前述的程序可以存储于一计算机可读取存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括:只读内存(Read-Only Memory,简称:ROM)、随机存取存储器(random access memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
[0184]最后应说明的是:以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
【主权项】
1.一种应用程序推荐方法，其特征在于，包括: 获取终端的当前上下文信息； 获取所述终端运行第一应用程序时的上下文信息的数量，所述第一应用程序是指存储在所述终端中的应用程序； 根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序； 显示所述第二应用程序。2.根据权利要求1所述的方法，其特征在于，所述推荐机制包括使用规则和使用模型中的至少一种； 所述根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应第二应用程序包括: 若所述终端运行所述第一应用程序时的上下文信息的数量少于或等于第一预设值，则根据所述使用规则，确定所述当前上下文信息对应的要推荐的应用程序； 若所述终端运行所述第一应用程序时的上下文信息的数量大于或等于第二预设值，则根据所述使用模型，确定所述当前上下文信息对应的要推荐的应用程序； 若所述终端运行所述第一应用程序时的上下文信息的数量大于所述第一预设值且小于所述第二预设值，则根据所述使用规则和所述使用模型，确定所述当前上下文信息对应的要推荐的应用程序。3.根据权利要求2所述的方法，其特征在于，所述根据所述终端运行第一应用程序时的上下文信息的数量确定要使用的推荐机制之前，还包括: 获取所述终端运行所述第一应用程序时的上下文信息； 根据所述终端运行所述第一应用程序时的上下文信息生成所述使用规则和所述使用模型。4.根据权利要求3所述的方法，其特征在于，所述根据所述终端运行所述第一应用程序时的上下文信息生成所述使用规则和所述使用模型，包括: 根据所述终端运行所述第一应用程序时的上下文信息，提取所述第一应用程序的上下文信息特征值； 根据所述第一应用程序的上下文信息特征值，生成所述使用规则和所述使用模型。5.根据权利要求4所述的方法，其特征在于，所述根据所述第一应用程序的上下文信息特征值，生成所述使用规则和所述使用模型包括: 根据所述第一应用程序的上下文信息特征值，确定所述第二应用程序在预设条件下推荐的优先级； 将所述第二应用程序在预设条件下推荐的优先级作为所述使用规则； 根据所述第一应用程序的上下文信息特征值，使用机器训练方法生成所述使用模型。6.根据权利要求2至5任意一项所述的方法，其特征在于，所述显示所述第二应用程序之后，还包括:获取所述第二应用程序的反馈信息； 根据所述第二应用程序的反馈信息更新所述使用规则和所述使用模型。7.根据权利要求6所述的方法，其特征在于，所述反馈信息包括使用时间和使用时长。8.—种终端，其特征在于，包括: 获取单元，用于获取所述终端的当前上下文信息，以及获取所述终端运行第一应用程序时的上下文信息的数量，所述第一应用程序是指存储在所述终端中的应用程序； 确定单元，用于根据所述获取单元获取的所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述获取单元获取的所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序； 显示单元，用于显示所述确定单元确定的所述第二应用程序。9.根据权利要求8所述的终端，其特征在于，所述确定单元确定的所述推荐机制包括使用规则和使用模型中的至少一种； 所确定单元具体用于，若所述获取单元获取的所述终端运行所述第一应用程序时的上下文信息的数量少于或等于第一预设值，则根据所述使用规则，确定所述获取单元获取的所述当前上下文信息对应的要推荐的应用程序；若所述获取单元获取的所述终端运行所述第一应用程序时的上下文信息的数量大于或等于第二预设值，则根据所述使用模型，确定所述获取单元获取的所述当前上下文信息对应的要推荐的应用程序；若所述获取单元获取的所述终端运行所述第一应用程序时的上下文信息的数量大于所述第一预设值且小于所述第二预设值，则根据所述使用规则和所述使用模型，确定所述获取单元获取的所述当前上下文信息对应的要推荐的应用程序。10.根据权利要求9所述的终端，其特征在于，还包括:生成单元； 所述获取单元还用于获取所述终端运行所述第一应用程序时的上下文信息； 所述生成单元，用于根据所述获取单元获取的所述终端运行所述第一应用程序时的上下文信息生成所述使用规则和所述使用模型。11.根据权利要求10所述的终端，其特征在于， 所述生成单元，具体用于根据所述终端运行所述第一应用程序时的上下文信息，提取所述第一应用程序的上下文信息特征值；以及根据所述第一应用程序的上下文信息特征值，生成所述使用规则和所述使用模型。12.根据权利要求11所述的终端，其特征在于，所述生成单元，具体用于根据所述第一应用程序的上下文信息特征值，确定所述第二应用程序在预设条件下推荐的优先级；将所述第二应用程序在预设条件下推荐的优先级作为所述使用规则；以及根据所述第一应用程序的上下文信息特征值，使用机器训练方法生成所述使用模型。13.根据权利要求9至12任意一项所述的终端，其特征在于，还包括:更新单元； 所述获取单元，还用于获取所述显示单元显示的所述第二应用程序的反馈信息； 所述更新单元，用于根据所述获取单元获取的所述第二应用程序的反馈信息更新所述使用规则和所述使用模型。14.根据权利要求13所述的终端，其特征在于，所述反馈信息包括使用时间和使用时长。
【专利摘要】本发明实施例提供一种应用程序推荐方法及终端，其中，该方法包括：获取终端的当前上下文信息；获取所述终端运行第一应用程序时的上下文信息的数量，所述第一应用程序是指存储在所述终端中的应用程序；根据所述终端运行所述第一应用程序时的上下文信息的数量确定要使用的推荐机制，并根据所述要使用的推荐机制，确定所述当前上下文信息所对应的第二应用程序，所述第二应用程序是指用于推荐的应用程序；显示所述第二应用程序。提高了预测用户使用应用程序的准确率，同时在用户使用应用程序的历史信息不足时，也可以准确地确定推荐的应用程序，提升了用户体验。
【IPC分类】H04L29/08
【公开号】CN104883376
【申请号】CN201410073562
【发明人】董振华, 何秀强, 张弓, 曹国祥
【申请人】华为技术有限公司
【公开日】2015年9月2日
【申请日】2014年2月28日
【公告号】WO2015127755A1