摘要：隨著智能手機中app數(shù)量的不斷增加,準確查詢目標app漸趨困難.目前利用歷史用戶數(shù)據(jù)預測手機系統(tǒng)下一個使用的app算法存在兩類問題:一是部分算法因未考慮訓練數(shù)據(jù)日益遞增,導致預測結果的準確度隨時間增加而降低;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)而重新建模的時間,導致總體耗時增加.為減少建模時間,本研究提出Predictor預測系統(tǒng),利用優(yōu)化后的增量IkNN模型為用戶提供app使用的預測功能.通過學習app特征的上下文關系,設計了聚類有效值(cluster effective value,CEV)策略,采用多維度特征方法來提高分類的準確度,從而提高預測準確度.實驗結果表明,帶有CEV策略的IkNN模型比默認的IkNN模型擁有更穩(wěn)定的預測準確度,其應用模型Predictor能減少建模的時間,同時提高預測準確度.