摘要：隨著智能手機(jī)中app數(shù)量的不斷增加,準(zhǔn)確查詢目標(biāo)app漸趨困難.目前利用歷史用戶數(shù)據(jù)預(yù)測(cè)手機(jī)系統(tǒng)下一個(gè)使用的app算法存在兩類問題:一是部分算法因未考慮訓(xùn)練數(shù)據(jù)日益遞增,導(dǎo)致預(yù)測(cè)結(jié)果的準(zhǔn)確度隨時(shí)間增加而降低;二是雖然考慮到了增量數(shù)據(jù),但增加了因增量數(shù)據(jù)而重新建模的時(shí)間,導(dǎo)致總體耗時(shí)增加.為減少建模時(shí)間,本研究提出Predictor預(yù)測(cè)系統(tǒng),利用優(yōu)化后的增量IkNN模型為用戶提供app使用的預(yù)測(cè)功能.通過(guò)學(xué)習(xí)app特征的上下文關(guān)系,設(shè)計(jì)了聚類有效值(cluster effective value,CEV)策略,采用多維度特征方法來(lái)提高分類的準(zhǔn)確度,從而提高預(yù)測(cè)準(zhǔn)確度.實(shí)驗(yàn)結(jié)果表明,帶有CEV策略的IkNN模型比默認(rèn)的IkNN模型擁有更穩(wěn)定的預(yù)測(cè)準(zhǔn)確度,其應(yīng)用模型Predictor能減少建模的時(shí)間,同時(shí)提高預(yù)測(cè)準(zhǔn)確度.