上述算法只是生成候选的推荐应用，atv，而我们的目的是给候选应用的相关度打分再做排序，使得排序结果既符合你的偏好，也与你所安装的应用相关。

为了实现这个目标，我们把推荐应用的特征提取出来，利用另一个算法根据即时情境（你的地域、语言、搜索内容等等）来预测你对推荐应用的接受程度。

为推荐应用重新排序，与筛选推荐应用的价值一样巨大，是你在商店中发掘应用的重要途径之一。相比未排序的推荐，「你也许还喜欢」中的应用安装率上升了 20%，而这个过程无人察觉。

在本系列文章的第三篇中，我们将讨论如何利用机器学习算法，解决搜索与私人推荐功能被恶意利用的难题。

以上研究是 Google Play 团队与 Halit Erdogan、Mark Taylor、Michael Watson、Huazhong Ning、Stan Bileschi、John Kraemer、和 Chuan Yu Foo 的合作成果。译者李煜阳。

延伸阅读：

Google 开发者（公众号谷歌开发者）：Google 发布 AIY 项目，让你来 DIY 人工智能

本文由让手机更好用的 AppSo 授权翻译出品，关注公众号 AppSo，回复「智能时代」告诉你，人工智能时代，怎么设计才能做出好产品。