# AppPop

**Repository Path**: growinware/app-pop

## Basic Information

- **Project Name**: AppPop
- **Description**: 面向移动应用软件的流行度预测工具。贡献单位：西北工业大学
- **Primary Language**: Python
- **License**: MulanPSL-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 1
- **Created**: 2021-10-18
- **Last Updated**: 2022-04-26

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# AppPop: 软件流行度预测工具

#### 介绍
##### 1.  项目背景

在软件开发生态系统中，了解和掌握软件的流行度对于软件的动态维护和开源具有重要的现实意义。针对复杂软件生态，研究软件的流行度预测技术，利用开源社区的历史交互数据，分析影响软件流行度的因素，实现对于软件流行度的预测，为应用软件维护提供有效地决策指导。

##### 2.  解决方案

应用软件的流行度演化是一个长期的过程，在此过程中可能会有许多复杂的因素影响应用软件的流行度（如：应用商店的推荐、版本更新、评论等）。为了更好地理解应用软件的流行度演化，将影响流行度的复杂因素分为两类：内生激励、外生刺激。内生激励为影响APP流行度的内部因素，如：应用软件历史的流行度、应用软件的年龄等。外生刺激为影响应用软件流行度的外部因素，如：应用商店的评论、评分、版本更新等。通过对上述两种复杂因素建模，能够更好地理解应用软件的流行度演化过程，如图1所示，应用软件的流行度不仅会受到当前时刻的外生刺激的影响，还会受到内生激励的影响。

![输入图片说明](https://images.gitee.com/uploads/images/2021/1018/182302_afbea89c_9881251.png "屏幕截图.png")

图1 应用软件的流行度演化过程

为了对应用软件的流行度建模，提出如下方法。首先进行数据预处理，提取应用软件的流行度演化序列。然后，对复杂因素进行分析，提取内生激励和外生刺激。最后，针对复杂因素，基于Hawkes Process来对应用软件的流行度建模，并预测未来的流行度。

![输入图片说明](https://images.gitee.com/uploads/images/2021/1018/182323_17441222_9881251.png "屏幕截图.png")

图2 应用软件的流行度演化建模与预测框架



#### 安装教程

##### 1.  运行环境
* python 3.6
* numpy 1.16.2
* scipy 1.1.0
* pandas 0.23.4
* scikit-learn 0.20.0

##### 2.  运行方法
* python main.py


#### 参与贡献

1.  Fork 本仓库
2.  新建 Feat_xxx 分支
3.  提交代码
4.  新建 Pull Request


#### 特技

1.  使用 Readme\_XXX.md 来支持不同的语言，例如 Readme\_en.md, Readme\_zh.md
2.  Gitee 官方博客 [blog.gitee.com](https://blog.gitee.com)
3.  你可以 [https://gitee.com/explore](https://gitee.com/explore) 这个地址来了解 Gitee 上的优秀开源项目
4.  [GVP](https://gitee.com/gvp) 全称是 Gitee 最有价值开源项目，是综合评定出的优秀开源项目
5.  Gitee 官方提供的使用手册 [https://gitee.com/help](https://gitee.com/help)
6.  Gitee 封面人物是一档用来展示 Gitee 会员风采的栏目 [https://gitee.com/gitee-stars/](https://gitee.com/gitee-stars/)