计算机科学与探索 ›› 2017, Vol. 11 ›› Issue (9): 1405-1417.DOI: 10.3778/j.issn.1673-9418.1609029
陈震鹏1,2，陆 璇1,2，李豁然1,2，刘譞哲1,2+
CHEN Zhenpeng1,2, LU Xuan1,2, LI Huoran1,2, LIU Xuanzhe1,2+
摘要： 近年来，随着智能手机的飞速发展，移动应用的数目也快速增长。因此，移动应用开发者会提前预测用户对于自己开发的应用的偏好情况。选取Android应用的被卸载次数与其被下载次数的比值作为用户偏好的隐式反映，用户对应用的评价（喜爱率）作为用户偏好的显式反映。基于国内某知名手机应用市场提供的2014年5月至9月的大规模真实用户使用数据，选取9 795个活跃用户数不少于50的Android手机应用作为研究对象，进行分析。从7个维度定义了可能影响用户对应用偏好的30种特征，并对每个应用进行特征提取。基于定义的特征，使用随机森林算法训练分类器，按照卸载/下载比率或喜爱率的高低对应用进行划分，并找出显著影响卸载/下载比率、喜爱率的特征。
