用于车载app的用户推荐系统的方法和设备的制造方法
【技术领域】
[0001] 本发明大体设及用于向车载资讯系统的用户推荐应用的方法和设备，其中从现有 用户/应用等级数据推断所述推荐，该数据收集自资讯系统用户、被过滤且分析W便在不 存在等级时产生用于用户/应用关系的用户驱动的共识等级和应用驱动的共识等级二者。
【背景技术】
[0002] 信息/娱乐系统或者"资讯系统"已经在车辆中越来越流行，因为电子系统的功能 性和性能已经突飞猛进，车辆中的因特网接入已经变得广泛可用，并且用户能力和期望有 了相应增长。
[0003] 现代车辆中的资讯系统不仅允许驾驶员或乘客与智能手机或移动装置交互作用， 而且系统还提供其自身的内置资讯功能，包括例如存储和播放媒体文件、运行本地应用 ("app")、连接到因特网W获取文件和实时数据等等的特征。
[0004] 随着车辆制造商大量地提供了更多的内置资讯系统，开发商通过使得更多的app 可用于车辆资讯系统而做出响应。对于一些品牌的车辆制造商资讯系统，现在存在上千个 a卵可用于下载和执行。随着a卵空间越来越大，车辆内的驾驶员或者乘客更加难W找到他 们最感兴趣的app。该是特别属实的，因为驾驶员正关注于驾驶而不是关注于浏览app。
[0005] 在智能手机等上的现有a卵使用跟踪器被局限成简单地跟踪a卵使用W为了节省 电池寿命或最小化蜂窝数据传输的目的。类似地，现有app推荐引擎通常仅评估简单参数， 例如app分类。能够做出更多工作来理解app使用趋势并且辅助车辆驾驶员和乘客寻找和 执行他们本人可能喜欢的且/或在车辆驾驶环境的当前情景下对他们可能有用的app。
【发明内容】
[0006] 根据本发明教导，公开了用于向车载资讯系统的用户推荐应用的方法和系统。在 中央服务器上收集来自许多道路车辆资讯系统用户的应用等级数据，包括明确等级和隐含 等级二者。可W基于应用使用数据计算隐含等级。使用/应用等级数据针对相关性被过滤， 并且之后被分析W便在不存在等级时确定用户/应用关系的推断等级。通过使用用户驱动 的共识等级计算和应用驱动的共识等级计算二者来计算推断等级。推断等级W及可选的基 于网络空间的外部输入被用于为用户合成应用推荐。通过从服务器下载到用户车辆内的资 讯系统，针对应用考虑的合成推荐被提供给适当用户。
[0007] 本发明还可包括下列方案。
[0008] 1.-种用于向用户做出资讯系统应用的推荐的方法，所述方法包括： 在包括处理器和存储器模块的中央服务器计算机上从许多资讯系统用户收集车载资 讯系统应用的用户等级数据，包括明确等级和隐含等级二者； 基于相关性来过滤所述应用的所述用户等级数据W便产生被过滤的用户/应用等级 数据； 在没有等级可用时在所述中央服务器计算机上通过在用户驱动的共识计算中使用所 述被过滤的用户/应用等级数据来计算用户/应用关系的推断等级； 在没有等级可用时在所述中央服务器计算机上通过在应用驱动的共识计算中使用所 述被过滤的用户/应用等级数据来计算用户/应用关系的推断等级； 基于来自所述用户驱动的共识计算和所述应用驱动的共识计算的所述推断等级来合 成用户应用推荐；W及 在没有等级可用且所述推断等级很高时针对所述用户/应用关系将所述用户应用推 荐提供至所述资讯系统用户。
[000引 2.根据方案1所述的方法，其中基于用户浏览应用的最近访问时间、所述用户使 用所述应用的最近访问时间、所述用户使用所述应用的频率、所述用户使用所述应用的持 续时间W及所述应用的货币价值来计算所述隐含等级。
[0010] 3.根据方案1所述的方法，进一步包括：通过在过滤所述用户等级数据之前使用 加权平均值来组合所述明确等级和所述隐含等级。
[0011] 4.根据方案1所述的方法，其中过滤所述用户等级数据：包括基于用户属性过滤 所述用户W及基于应用属性过滤所述应用。
[0012] 5.根据方案1所述的方法，其中所述用户驱动的共识计算包括：基于目标用户和 其他用户已经分级的应用来计算所述目标用户和所述其他用户之间的相似性。
[0013] 6.根据方案5所述的方法，其中所述用户驱动的共识计算还包括；识别最邻近用 户，所述最邻近用户是在应用等级相似性方面最邻近所述目标用户的其他用户。
[0014] 7.根据方案6所述的方法，其中所述用户驱动的共识计算还包括基于如下计算 出自所述目标用户的具体应用的推断等级：所述目标用户和所述最邻近用户之间的所述相 似性、出自所述最邻近用户的所述具体应用的等级W及出自所述目标用户的所有应用的平 均等级。
[0015] 8.根据方案1所述的方法，其中所述应用驱动的共识计算包括：基于对目标应用 和其他应用二者均分级的用户计算所述目标应用和所述其他应用之间的相似性。
[0016] 9.根据方案8所述的方法，其中所述应用驱动的共识计算还包括；识别最邻近应 用，所述最邻近应用是在用户等级相似性方面最邻近所述目标应用的其他应用。
[0017] 10.根据方案9所述的方法，其中所述应用驱动的共识计算还包括；基于如下计 算出自具体用户的所述目标应用的推断等级：所述目标应用和所述最邻近应用之间的所述 相似性、出自所述具体用户的所述最邻近应用的等级W及出自所有用户的所述目标应用的 平均等级。
[0018] 11.根据方案1所述的方法，其中合成用户应用推荐包括；在加权平均计算中使 用来自所述用户驱动的共识计算和所述应用驱动的共识计算的所述推断等级W及外部基 于网络空间的输入，并且如果所述加权平均计算产生超过预定阔值的数值时特定应用将被 推荐给特定用户。
[0019] 12.-种用于向用户做出资讯系统应用的推荐的方法，所述方法包括： 在包括处理器和存储器模块的中央服务器计算机上从许多资讯系统用户收集车载资 讯系统应用的等级数据，包括明确等级和隐含等级二者，其中基于用户浏览应用的最近访 问时间、所述用户使用所述应用的最近访问时间、所述用户使用所述应用的频率、所述用户 使用所述应用的持续时间W及所述应用的货币价值来计算所述隐含等级； 基于相关性来过滤所述应用的所述用户等级数据w便产生被过滤的用户/应用等级 数据，包括基于用户属性过滤所述用户W及基于应用属性过滤所述应用； 在没有等级可用时在所述中央服务器计算机上通过在用户驱动的共识计算中使用所 述被过滤的用户/应用等级数据来计算用于用户/应用关系的推断等级； 在没有等级可用时在所述中央服务器计算机上通过在应用驱动的共识计算中使用所 述被过滤的用户/应用等级数据来计算用于用户/应用关系的推断等级； 在加权平均计算中基于来自所述用户驱动的共识计算和所述应用驱动的共识计算的 所述推断等级W及外部的基于网络空间的输入来合成用户应用推荐，包括使用来自所述用 户驱动的共识计算和所述应用驱动的共识计算的所述推断等级；W及 在没有等级可用且所述推断等级很高时针对所述用户/应用关系将所述用户应用推 荐提供至所述资讯系统用户。
[0020] 13.根据方案12所述的方法，其中： 所述用户驱动的共识计算包括基于如下计算出自目标用户的具体应用的推断等级；所 述目标用户和一组最邻近用户之间的相似性、出自所述最邻近用户的所述具体应用的等级 W及出自所述目标用户的所有应用的平均等级，其中所述最邻近用户是在应用等级相似性 方面最邻近所述目标用户的其他用户；W及 所述应用驱动的共识计算包括基于如下计算出自具体用户的目标应用的推断等级；所 述目标应用和一组最邻近应用之间的相似性、出自所述具体用户的所述最邻近应用的等级 W及出自所有用户的所述目标应用的平均等级，其中所述最邻近应用是在用户等级相似性 方面最邻近所述目标应用的其他应用。
[0021] 14. 一种用于向用户做出资讯系统应用的推荐的系统，所述系统包括： 包括处理器、存储器模块和网络连接的计算机，其中所述计算机被配置成具有用于推 荐资讯系统应用的算法，其包括： 等级模块，其被配置成收集和处理来自许多资讯系统用户的车载资讯系统应用的用户 等级数据，包括明确等级和隐含等级二者，其中所述用户等级数据从多个道路车辆无线上 传； 过滤模块，其被配置成基于相关性过滤所述应用的所述用户等级数据W便产生被过滤 的用户/应用等级数据； 用户驱动的共识模块，其被配置成在没有等级可用时通过在用户驱动的共识计算中使 用所述被过滤的用户/应用等级数据来计算用户/应用关系的推断等级； 应用驱动的共识模块，其被配置成在没有等级可用时通过在应用驱动的共识计算中使 用所述被过滤的用户/应用等级数据来计算用户/应用关系的推断等级；W及 推荐合成器模块，其被配置成基于来自所述用户驱动的共识模块和所述应用驱动的共 识模块的所述推断等级来合成用户应用推荐并且在没有等级可用且所述推断等级很高时 针对所述/应用关系向所述资讯系统用户提供所述推荐。
[0022] 15.根据方案14所述的系统，其中基于用户浏览应用的最近访问时间、所述用户 使用所述应用的最近访问时间、所述用户使用所述应用的频率、所述用