本發(fā)明涉及互聯(lián)網(wǎng)技術(shù)領域，具體涉及一種基于社交軟件的聯(lián)系人匹配方法及裝置。

背景技術(shù)：

隨著移動網(wǎng)絡技術(shù)和移動終端設備的迅速發(fā)展,越來越多的人們開始使用各種移動社交網(wǎng)絡服務，用戶規(guī)模的不斷擴大,信息更新的不斷加快，使得社交網(wǎng)絡中的用戶找到自己感興趣的社交對象變得越發(fā)困難。如何幫助社交網(wǎng)絡用戶過濾掉不感興趣的社交用戶，提供符合用戶興趣需求的個性化推薦服務成為互聯(lián)網(wǎng)業(yè)界急需解決的問題。

現(xiàn)有技術(shù)的社交軟件的用戶匹配一般采取熟人社交和陌生人社交兩種模式，即通過用戶聯(lián)系人列表導入或通過用戶名和地理位置信息進行檢索，缺乏對于社交模式下用戶之間根據(jù)個人信息進行契合度計算和推送的功能，不能滿足現(xiàn)代用戶對于社交軟件的需要。

技術(shù)實現(xiàn)要素：

為解決上述技術(shù)問題，本發(fā)明的目的是提供了一種基于社交軟件的聯(lián)系人匹配方法及裝置，在社交模式下根據(jù)用戶個人信息進行聯(lián)系人契合度計算和推送，提高用戶與陌生人聯(lián)系的成功率。

為了達到上述目的，本發(fā)明的具體解決方案提供一種基于社交軟件的聯(lián)系人匹配方法，包括以下步驟：

形成第一推薦列表，所述第一推薦列表根據(jù)用戶地理位置進行匹配或根據(jù)訪問用戶賬號的瀏覽記錄進行建立；

計算第一推薦列表中的推薦用戶與本機用戶的契合度；

根據(jù)契合度建立第二推薦列表，所述第二推薦列表的推薦用戶根據(jù)契合度進行篩選；

向用戶推送第一推薦列表和第二推薦列表。

進一步的，所述契合度的計算過程包括以下步驟：

建立多個二維矩陣列表，所述二維矩陣列表與用戶信息的各單項屬性建立邏輯映射關系，并根據(jù)單項屬性各賦值的單獨對比進行評分；

設定各單項屬性的評分的契合度計算中的權(quán)重，并根據(jù)權(quán)重計算契合度，其計算公式如下：

契合度＝單項屬性評分a*權(quán)重+單項屬性評分b*權(quán)重+單項屬性評分c*權(quán)重…..+單項屬性評分z*權(quán)重。

更進一步的的，所述第一推薦列表的推薦用戶根據(jù)契合度進行優(yōu)化顯示：

當推薦用戶的契合度還未計算，第一推薦列表將該推薦用戶放到列表末端進行顯示；

當推薦用戶的契合度已經(jīng)計算，第一推薦列表顯示該推薦用戶的契合度；

當推薦用戶的已經(jīng)是用戶的好友，將該用戶移除出第一推薦列表。

更進一步的，向用戶推送第二推薦列表時，還包括利用契合度和列表推薦人數(shù)進行篩選的步驟，其中：

當?shù)诙扑]列表的人數(shù)大于20人小于100人時，只顯示契合度在90％以上的用戶；

當?shù)诙扑]列表的人數(shù)大于100人時，只顯示契合度在95％以上的用戶；

當?shù)诙扑]列表的人數(shù)小于20人時，隱藏第二推薦列表。

更進一步的，所述第二推薦列表顯示推薦用戶的昵稱、性別、契合度和距離，所述第二推薦列表根據(jù)契合度對推薦用戶進行降序排列，當推薦用戶的契合度相同時，根據(jù)距離進行排序。

另一方面，本發(fā)明還提供一種基于社交軟件的聯(lián)系人匹配裝置，包括第一推薦列表生成單元、契合度計算單元、第二推薦列表計算單元和推送單元；

第一推薦列表生成單元，所述第一推薦列表生成單元根據(jù)用戶地理位置進行匹配或根據(jù)訪問用戶賬號的瀏覽記錄進行建立，

契合度計算單元，計算第一推薦列表中的推薦用戶與本機用戶的契合度，

第二推薦列表計算單元，所述第二推薦列表計算單元根據(jù)契合度建立第二推薦列表，所述第二推薦列表的推薦用戶根據(jù)契合度進行篩選；

推送單元，向用戶推送第一推薦列表和第二推薦列表。

進一步的，所述契合度計算單元的計算過程包括：

建立多個二維矩陣列表，所述二維矩陣列表與用戶信息的各單項屬性建立邏輯映射關系，并根據(jù)單項屬性各賦值的單獨對比進行評分；

設定各單項屬性的評分的契合度計算中的權(quán)重，并根據(jù)權(quán)重計算契合度，其計算公式如下：

契合度＝單項屬性評分a*權(quán)重+單項屬性評分b*權(quán)重+單項屬性評分c*權(quán)重…..+單項屬性評分z*權(quán)重。

更進一步的，所述第一推薦列表生成單元的推薦用戶根據(jù)契合度進行優(yōu)化顯示：

當推薦用戶的契合度還未計算，第一推薦列表將該推薦用戶放到列表末端進行顯示；

當推薦用戶的契合度已經(jīng)計算，第一推薦列表顯示該推薦用戶的契合度；

當推薦用戶的已經(jīng)是用戶的好友，將該用戶移除出第一推薦列表。

更進一步的，所述第二推薦列表生成單元利用契合度和列表推薦人數(shù)進行篩選的步驟，其中：

當?shù)诙扑]列表的人數(shù)大于20人小于100人時，只顯示契合度在90％以上的用戶；

當?shù)诙扑]列表的人數(shù)大于100人時，只顯示契合度在95％以上的用戶；

當?shù)诙扑]列表的人數(shù)小于20人時，隱藏第二推薦列表。

更進一步的，所述第二推薦列表生成單元顯示推薦用戶的昵稱、性別、契合度和距離，所述第二推薦列表生成單元根據(jù)契合度對推薦用戶進行降序排列，當推薦用戶的契合度相同時，根據(jù)距離進行排序。

本發(fā)明同現(xiàn)有技術(shù)相比，具有以下優(yōu)點和有益效果：

本發(fā)明提供了一種基于社交軟件的聯(lián)系人匹配方法及裝置，在社交模式下根據(jù)用戶個人信息進行聯(lián)系人契合度計算和推送，提高用戶與陌生人聯(lián)系的成功率，，包括以下步驟：形成第一推薦列表，所述第一推薦列表根據(jù)用戶地理位置進行匹配或根據(jù)訪問用戶賬號的瀏覽記錄進行建立；計算第一推薦列表中的推薦用戶與本機用戶的契合度；根據(jù)契合度建立第二推薦列表，所述第二推薦列表的推薦用戶根據(jù)契合度進行篩選；向用戶推送第一推薦列表和第二推薦列表。

附圖說明

為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動性的前提下，還可以根據(jù)這些附圖獲得其他的附圖。

圖1是本發(fā)明優(yōu)選實施例的方法流程圖；

圖2是本發(fā)明優(yōu)選實施例用戶屬性映射的二維矩陣列表表格圖；

圖3是本發(fā)明優(yōu)選實施例第一推薦列表、第二推薦列表的頁面布局圖；

圖4是本發(fā)明計算機的系統(tǒng)框架圖。

具體實施方式

下面將結(jié)合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術(shù)方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領域普通技術(shù)人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

本發(fā)明提供的一種基于社交軟件的聯(lián)系人匹配方法及及裝置，其目的在于通過契合度的計算，達到陌生人的篩選和排序，并提供優(yōu)化后的推送結(jié)果，達到陌生人社交更高的準確率。

下面結(jié)合圖1來描述下本發(fā)明方法的實現(xiàn)步驟：

s1形成第一推薦列表，第一推薦列表根據(jù)用戶地理位置進行匹配或根據(jù)訪問用戶賬號的瀏覽記錄進行建立。

具體的，用戶地理位置可以是根據(jù)用戶移動設備的gps功能進行定位，并根據(jù)該定位在用戶周邊一定范圍之內(nèi)選擇其他用戶進入第一推薦列表。用戶地理位置也可以根據(jù)用戶注冊時選擇的地址信息進行檢索，在該地址信息的周邊的一定范圍內(nèi)選擇其他用戶進入第一推薦列表。

用戶賬號的瀏覽記錄從后臺數(shù)據(jù)庫調(diào)取，其調(diào)取范圍可由用戶在社交軟件內(nèi)設置，用戶可以選擇調(diào)取一年內(nèi)、三個月內(nèi)、一個月內(nèi)、一周內(nèi)、三天內(nèi)、24小時內(nèi)陌生人瀏覽記錄進入第一推薦列表。

s2計算第一推薦列表中的推薦用戶與本機用戶的契合度。

具體的，契合度的計算過程包括以下步驟：

s201建立多個二維矩陣列表，所述二維矩陣列表與用戶信息的各單項屬性建立邏輯映射關系，并根據(jù)單項屬性各賦值的單獨對比進行評分。

s202設定各單項屬性的評分的契合度計算中的權(quán)重，并根據(jù)權(quán)重計算契合度，其計算公式如下：

契合度＝單項屬性評分a*權(quán)重+單項屬性評分b*權(quán)重+單項屬性評分c*權(quán)重…..+單項屬性評分z*權(quán)重。

下面結(jié)合附圖2詳細描述下二維矩陣列表的評分體系。

具體的，本發(fā)明根據(jù)用戶填寫的用戶信息，形成一張二維的矩陣列表進行評分。用戶信息包括用戶填寫的性別、血型、屬相、星座、愛好、行業(yè)等。如用戶信息填寫的不完整，則缺失的用戶信息以0分計入評分權(quán)重。

二維矩陣列表建立完成之后，列表內(nèi)填寫有用戶信息對比的評分分值，即如圖2所示的用戶屬相、血型和星座之間的契合度。參與對比的用戶可根據(jù)該二維矩陣列表計算出用戶之間單項屬性的契合度。

在得到用戶屬相、血型和星座之間的契合度之后，根據(jù)系統(tǒng)設定的權(quán)重，所述權(quán)重為血型占比10％，屬相和星座分值大的占比60％，分值小的占比30％。

最后根據(jù)權(quán)重計算出用戶之間的契合度，其計算公式為：

契合度＝血型分值*10％+星座or屬相分值*60％+星座or屬相分值*30％。

s3在完成契合度計算之后，根據(jù)契合度建立第二推薦列表，所述第二推薦列表的推薦用戶根據(jù)契合度進行篩選。

下面結(jié)合附圖3具體描述下第一推薦列表和第二推薦列表的排序和篩選。

如圖3所示的第一推薦列表從用戶瀏覽記錄中選取。其采用列表式排列，每一條記錄顯示用戶的昵稱、頭像、性別、屬性、星座、血型和契合度。其排序方式根據(jù)契合度的大小降序顯示。

其中，當推薦用戶的契合度還未計算，第一推薦列表將該推薦用戶放到列表末端進行顯示；

當推薦用戶的契合度已經(jīng)計算，第一推薦列表顯示該推薦用戶的契合度；

當推薦用戶的已經(jīng)是用戶的好友，將該用戶移除出第一推薦列表。

當用戶新增瀏覽記錄時，第一推薦列表的上方顯示新增的瀏覽人數(shù)，并在記錄中提供新瀏覽用戶的提示。

第二推薦列表設置于第一推薦列表下方，以高亮方式顯示用戶頭像的大圖標，契合度和距離。第二推薦列表在屏幕中一次顯示三位推薦用戶，用戶可選擇左右方向圖標進行其他推薦用戶的瀏覽。

第二推薦列表根據(jù)契合度對推薦用戶進行降序排列顯示，當推薦用戶的契合度相同時，根據(jù)距離進行排序。

第二推薦列表設置有隱藏按鈕，用戶可以通過選擇隱藏第二推薦列表，但時第二推薦列表并非永久隱藏，下次進入該頁面時仍然顯示。

第二推薦列表的推薦用戶邏輯如下：

當?shù)诙扑]列表的人數(shù)大于20人小于100人時，只顯示契合度在90％以上的用戶；

當?shù)诙扑]列表的人數(shù)大于100人時，只顯示契合度在95％以上的用戶；

當?shù)诙扑]列表的人數(shù)小于20人時，隱藏第二推薦列表。

s4，在第一推薦列表和第二推薦列表形成之后，向用戶推送第一推薦列表和第二推薦列表。

如圖4所示，本發(fā)明還提供一種基于社交軟件的聯(lián)系人匹配裝置，包括第一推薦列表生成單元1、契合度計算單元2、第二推薦列表計算單元3和推送單元4；

第一推薦列表生成單元1，所述第一推薦列表生成單元根據(jù)用戶地理位置進行匹配或根據(jù)訪問用戶賬號的瀏覽記錄進行建立，

契合度計算單元2，計算第一推薦列表中的推薦用戶與本機用戶的契合度，

第二推薦列表計算單元3，所述第二推薦列表計算單元根據(jù)契合度建立第二推薦列表，所述第二推薦列表的推薦用戶根據(jù)契合度進行篩選；

推送單元4，向用戶推送第一推薦列表和第二推薦列表。

進一步的，所述契合度計算單元2的計算過程包括：

建立多個二維矩陣列表，所述二維矩陣列表與用戶信息的各單項屬性建立邏輯映射關系，并根據(jù)單項屬性各賦值的單獨對比進行評分；

設定各單項屬性的評分的契合度計算中的權(quán)重，并根據(jù)權(quán)重計算契合度，其計算公式如下：

契合度＝單項屬性評分a*權(quán)重+單項屬性評分b*權(quán)重+單項屬性評分c*權(quán)重…..+單項屬性評分z*權(quán)重。

更進一步的，所述第一推薦列表生成單元1的推薦用戶根據(jù)契合度進行優(yōu)化顯示：

當推薦用戶的契合度還未計算，第一推薦列表將該推薦用戶放到列表末端進行顯示；

當推薦用戶的契合度已經(jīng)計算，第一推薦列表顯示該推薦用戶的契合度；

當推薦用戶的已經(jīng)是用戶的好友，將該用戶移除出第一推薦列表。

更進一步的，所述第二推薦列表生成單元3利用契合度和列表推薦人數(shù)進行篩選的步驟，其中：

當?shù)诙扑]列表的人數(shù)大于20人小于100人時，只顯示契合度在90％以上的用戶；

當?shù)诙扑]列表的人數(shù)大于100人時，只顯示契合度在95％以上的用戶；

當?shù)诙扑]列表的人數(shù)小于20人時，隱藏第二推薦列表。

更進一步的，所述第二推薦列表生成單元3顯示推薦用戶的昵稱、性別、契合度和距離，所述第二推薦列表生成單元根據(jù)契合度對推薦用戶進行降序排列，當推薦用戶的契合度相同時，根據(jù)距離進行排序。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應包含在本發(fā)明的保護范圍之內(nèi)。