南楠 杨昌尧

（湛江幼儿师范专科学校 广东省湛江市 524048）

大数据背景下，各种数据成几何式快速增长。据统计，2019年全球移动用户在App Store 和Google Play 的下载量突破了1200亿次，同比去年增长了5%。面对如此海量的APP，如何帮助用户高效地挑选出感兴趣的应用，已经成为各大手机应用市场关注的焦点。

目前很多APP 推荐系统使用的都是基于项目的协同推荐算法[1]。但是该算法对于APP 的评分数据具有很高的依赖性，甚至，有的用户对于APP 并不进行任何打分，这样，就造成原始数据很难获得，或者数据很稀少。本文试图通过用户属性和用户行为序列模式的挖掘，解决上述问题。

1 用户属性和用户行为模式

手机上的APP 与用户有着非常紧密的联系，能够反映用户的基本属性、行为习惯，兴趣爱好等信息。本文从两个方面来定义APP 用户：用户属性[2]和用户行为。

1.1 用户属性

用户属性包括很多方面，例如：年龄、性别、地区、职业等，还包括一些爱好、习惯、兴趣、性格等。更好的理解用户属性，能够帮助我们根据用户的属性和偏好来改进应用、服务和内容等。

1.2 用户行为

智能手机能够全面并详细的记录下用户行为的信息，从而能更加客观全面的分析客户，挖掘他们自己都不知道的属性。用户的行为包括用户在APP 内的行为和在APP 外的行为。APP 内的行为[3]包括收藏、点赞、转发、评论等，利用爬虫技术可以实现对这些数据进行收集，从而，通过这些关键内容对用户的属性进行分析，对用户的性别、性格特点、兴趣爱好等进行提取；……