李春生,刘小刚,焦海涛,张可佳

(东北石油大学计算机与信息技术学院，黑龙江 大庆 163318)

0 引 言

随着网络信息时代的到来，应用APP已经涉及人们生活的各个领域，如何快速准确地获得人们所需要的APP资源成为APP搜索系统的研究热点。每天互联网上涌现出大量不同类型的APP信息资源，这些APP信息资源中存在多种同类产品。因此，如何对这些多种同类APP产品进行合理排序，需要定量地对APP间的相似度进行计算。智能PC设备已经成为人们生活中不可或缺的一部分[1]，伴随而来的是各种PC应用软件的应运而生。应用软件作为智能PC的最小功能单元，已经涉及人们生活的各个领域。在面对如此各式各样的APP时，用户如何快速准确地选择适合自己的APP成为一大难题。搜索引擎的出现极大地解决了信息量过载问题，大大提高了信息的搜索效率。

目前搜索引擎[2]在第三方推荐系统中被广泛应用，极大地提高了用户搜索匹配APP的速率。搜索按照搜机索制的不同，分为目录型、关键词型和混合型搜索引擎[3]。近年来，推荐系统在各个领域都被广泛使用，并取得了一定成就[4]。在众多的推荐系统中，主流的推荐系统算法大致分为2类：一类是基于用户行为数据的协同过滤算法，另一类是基于内容数据的过滤算法。前者适用于用户和项目较多，数据比较丰富的情况，具有较高的准确率，它是根据具有类似观点用户的行为对目标用户进行推荐[5]。后者仅仅需要得到2类信息：描述项目的特征和用户曾经的爱好，并且这种推荐方式完全是按照信息的具体内容与用户爱好间的相关性达到向用户推荐的目的，因此较适合文本信息推荐[6]。……