1.一种基于移动终端应用数据的预测推荐方法,其特征在于,包括以下步骤:S1.采集用户移动终端应用的原始数据,对原始数据进行清洗,得到移动终端应用数据;
S2.爬取移动终端应用商城数据,计算每个应用的单词偏向;
S3.根据步骤S2得到的单词偏向数据,计算用户的隐性偏好矩阵;
S4.根据步骤S3得到的用户的隐性偏好矩阵,计算用户隐性矩阵,构建用户属性计算模型;
S5.采取部分与整体的协同过滤算法预测用户属性;
S6.根据步骤S5得到的预测用户属性对原有的用户信息进行更新或补充,使用推荐系统为用户推荐个性化应用。
2.根据权利要求1所述的基于移动终端应用数据的预测推荐方法,其特征在于,所述步骤S1的具体步骤如下:S11.将用户特征信息根据用户ID进行统计,经过统计的信息中每个特征分配唯一的数字ID;
S12.将用户信息中的异常值删除;
S13.从处理后的数据中选取常出现的、计算特征与用户属性的相关系数,提取与用户属性相关系数大的特征,去除与用户属性相关系数小的特征;
S14.统计用户点击移动终端应用的次数,通过归一化公式计算得到用户偏好矩阵Cn×m。
3.根据权利要求1所述的基于移动终端应用数据的预测推荐方法,其特征在于,所述步骤S2的具体步骤如下:S21.使用爬虫抓取手机应用商城的应用数据,通过自然语言处理方法,处理移动终端应用单词并分配唯一的数字ID;
S22.将移动终端应用描述信息的单词转化为应用单词向量w=(w1,w2...wn),其中,wn表示出现的第n个单词;
S23.将所有的移动终端应用向量组合起来得到应用-词矩阵Cm×l,矩阵Cm×l中包含应用的所有描述单词,矩阵Cm×l中的值为0或1;
S24.使用TF-IDF算法计算每个应用的单词偏向,并将TF-IDF值代替应用-词矩阵的值,得到更新后的应用-词矩阵Cm×l。
4.根据权利要求1所述的基于移动终端应用数据的预测推荐方法,其特征在于,所述步骤S3的具体步骤如下:S31.根据矩阵Cn×m和Cm×l相乘得到用户-词矩阵Cn×l。
5.根据权利要求1所述的基于移动终端应用数据的预测推荐方法,其特征在于,所述步骤S4的具体步骤如下:S41.根据LDA主题模型处理用户-词矩阵Cn×l,得到用户隐性主题矩阵Cn×t和主题-词偏好矩阵Ct×l;
S42.根据矩阵Cn×t得到用户属性Ck与主题topic之间的关系;
S43.根据朴素贝叶斯算法得出已知用户属性Ck,通过公式P(topic|ck)得到偏爱主题topic;
S44.根据朴素贝叶斯算法计算得出P(ck|topic),选择概率最大的P(ck|topic)值作为用户属性计算值。
6.根据权利要求1所述的基于移动终端应用数据的预测推荐方法,其特征在于,所述步骤S5的具体步骤如下:S51.利用改进的皮尔逊相似度ρu'v的邻居相似度计算方法,根据主题-词矩阵Ct×l计算主题的N个邻居以及用户-主题矩阵Cn×t计算用户的M个邻居;
S52.计算基于主题的协同过滤算法得到值uu,i和基于用户的协同过滤算法得到值wu,i;
S53.根据混合协同过滤预测算法,得到以下公式并计算用户属性预测结果:qu,i=αuu,i+(1-α)wu,i
其中,qu,i为预测值,α是平衡系数。
7.根据权利要求1所述的基于移动终端应用数据的预测推荐方法,其特征在于,所述步骤S6的具体步骤如下:S61.根据步骤S53得到的用户属性预测结果更新或补充用户信息;
S62.将用户属性预测结果和用户属性结合,推荐系统为用户推荐个性化的移动终端应用。