好友推薦方法及裝置的制造方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及通信領(lǐng)域的社交網(wǎng)絡(luò)技術(shù),尤其涉及一種好友推薦方法及裝置。
【背景技術(shù)】
[0002] 隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展,互聯(lián)網(wǎng)公司提供各種各樣社交網(wǎng)絡(luò)產(chǎn)品;用戶通過 所述社交網(wǎng)絡(luò)產(chǎn)品可以形成社交圈。具體如,用戶通過網(wǎng)絡(luò)結(jié)交新朋友及聯(lián)系老朋友。如 果用戶的好友數(shù)量很少,用戶就不容易體驗(yàn)到社交網(wǎng)絡(luò)產(chǎn)品帶來的網(wǎng)絡(luò)社交的便利性,因 此好友推薦模塊是社交網(wǎng)絡(luò)服務(wù)的重要組成部分。為了增強(qiáng)社交網(wǎng)絡(luò)產(chǎn)品的黏性,微博、校 友錄、微信及其他即時(shí)通訊等社交網(wǎng)絡(luò)均會(huì)進(jìn)行好友推薦,讓用戶在社交網(wǎng)絡(luò)產(chǎn)品上建立 更多的關(guān)系鏈。
[0003] 現(xiàn)有的好友推方法通常為:依據(jù)用戶填寫的屬性信息的相似度向用戶推薦好友, 顯然這是一種靜態(tài)的推薦方法;顯然有時(shí)候推薦的用戶并非用戶想要的好友。故具體如何 向用戶推薦用戶滿意的好友,提升用戶的使用滿意度,是現(xiàn)有技術(shù)需要進(jìn)一步研究和探討 的問題。
【發(fā)明內(nèi)容】
[0004] 有鑒于此,本發(fā)明實(shí)施例期望提供一種好友推薦方法及裝置,能夠向用戶推薦其 滿意的用戶,提升用戶的使用滿意度。
[0005] 為達(dá)到上述目的,本發(fā)明的技術(shù)方案是這樣實(shí)現(xiàn)的:
[0006] 本發(fā)明實(shí)施例第一方面提供一種好友推薦方法,所述方法包括:
[0007] 獲取第一用戶的當(dāng)前用戶屬性及在第一指定時(shí)間內(nèi)形成的所述當(dāng)前用戶屬性對(duì) 應(yīng)的歷史用戶屬性;
[0008] 依據(jù)所述當(dāng)前用戶屬性及所述歷史用戶屬性,確定被推薦用戶與所述第一用戶的 屬性相似度;
[0009] 分別獲取所述被推薦用戶與所述第一用戶在第二指定時(shí)間內(nèi)形成的社交關(guān)系數(shù) 據(jù),依據(jù)所述社交關(guān)系數(shù)據(jù)確定所述被推薦用戶與所述第一用戶社交關(guān)系的結(jié)構(gòu)相似度; [0010] 依據(jù)所述屬性相似度及所述結(jié)構(gòu)相似度,選擇被推薦用戶向所述第一用戶推薦;
[0011] 其中,所述第一指定時(shí)間和所述第二指定時(shí)間的截止時(shí)間相同。
[0012] 優(yōu)選地,
[0013] 所述屬性相似度包括基本屬性相似度;
[0014] 所述依據(jù)所述當(dāng)前用戶屬性及所述歷史用戶屬性,確定被推薦用戶與所述第一用 戶的屬性相似度包括:
[0015] 以第一權(quán)值及所述當(dāng)前用戶屬性計(jì)算第一屬性相似度值;
[0016] 以第二權(quán)值及所述歷史用戶屬性計(jì)算第二屬性相似度值;
[0017] 依據(jù)所述第一屬性相似度值和所述第二屬性相似度值,確定所述被推薦用戶與所 述第一用戶的基本屬性相似度;
[0018] 其中,所述第一權(quán)值大于所述第二權(quán)值;所述第二權(quán)值為自然數(shù)。
[0019] 優(yōu)選地,
[0020] 所述屬性相似度還包括突變屬性相似度;
[0021] 所述依據(jù)所述當(dāng)前用戶屬性及所述歷史用戶屬性,確定被推薦用戶與所述第一用 戶的屬性相似度還包括:
[0022] 依據(jù)所述當(dāng)前用戶屬性及所述歷史用戶屬性,確定所述第一用戶在所述第一指定 時(shí)間內(nèi)的用戶屬性突變特征;
[0023] 采用以下公式確定所述被推薦用戶與所述第一用戶的突變屬性相似度Si ;
[0024]
[0025] 其中,所述&ηι為第m個(gè)用戶屬性突變特征的權(quán)重因子;當(dāng)所述被推薦用戶具有所 述第m個(gè)用戶屬性突變特征時(shí),所述h為1 ;當(dāng)所述被推薦用戶不具有所述第m個(gè)用戶屬性 突變特征時(shí),所述b"為0 ;
[0026] 其中,所述Μ為不小于1的整數(shù),為所述用戶屬性突變特征的總個(gè)數(shù);所述m為不 大于所述Μ的正整數(shù)。
[0027] 優(yōu)選地,
[0028] 所述社交關(guān)系數(shù)據(jù)包括好友信息及添加好友的時(shí)序;
[0029] 所述分別獲取所述被推薦用戶與所述第一用戶在第二指定時(shí)間內(nèi)形成的社交關(guān) 系數(shù)據(jù),依據(jù)所述社交關(guān)系數(shù)據(jù)確定所述被推薦用戶與所述第一用戶社交關(guān)系的結(jié)構(gòu)相似 度包括:
[0030] 獲取所述第一用戶的第一好友信息及第一時(shí)序;
[0031] 獲取所述被推薦用戶的第二好友信息及第二時(shí)序;
[0032] 依據(jù)所述第一好友信息、所述第二好友信息、所述第一時(shí)序及所述第二時(shí)序確定 所述被推薦用戶與所述第一用戶的結(jié)構(gòu)相似度。
[0033] 優(yōu)選地,
[0034] 所述依據(jù)所述第一好友信息、所述第二好友信息、所述第一時(shí)序及所述第二時(shí)序 確定所述被推薦用戶與所述第一用戶的結(jié)構(gòu)相似度包括:
[0035] 按照預(yù)設(shè)解析方法解析所述第一好友信息及所述第一時(shí)序,確定所述第一用戶形 成的第一社交關(guān)系結(jié)構(gòu)特征及形成所述第一社交關(guān)系結(jié)構(gòu)特征的第一時(shí)序特征;
[0036] 按照預(yù)設(shè)解析方法解析所述第二好友信息及所述第二時(shí)序,確定所述被推薦用戶 的第二社交關(guān)系結(jié)構(gòu)特征及形成所述第二社交關(guān)系結(jié)構(gòu)特征的第二時(shí)序特征;
[0037] 確定所述第一社交關(guān)系結(jié)構(gòu)特征及所述第二社交關(guān)系結(jié)構(gòu)特征的結(jié)構(gòu)相似性;
[0038] 依據(jù)所述第一時(shí)序特及所述第二時(shí)序特征確定所述第一結(jié)構(gòu)特征及所述第二結(jié) 構(gòu)特征的時(shí)序關(guān)聯(lián)性;
[0039] 依據(jù)結(jié)構(gòu)形似度及所述時(shí)序關(guān)聯(lián)性,確定所述結(jié)構(gòu)相似度。
[0040] 優(yōu)選地,
[0041]所述第一好友信息為所述被推薦用戶的好友集合;所述第二好友信息為所述第一 用戶的好友集合;
[0042] 其中,所述依據(jù)所述第一好友信息、所述第二好友信息、所述第一時(shí)序及所述第二 時(shí)序確定所述被推薦用戶與所述第一用戶的結(jié)構(gòu)相似度包括:
[0043] 利用如下公式計(jì)算所述被推薦用戶與所述第一用戶的結(jié)構(gòu)相似度S2 ;
[0044]
[0045] 所述i為所述第一用戶;所述j為所述被推薦用戶;所述N(i)是第一用戶的好友 集合;所述N(j)為所述被推薦用戶的好友集合;
[0046] 所述|N(i) U N(j) |為所述第一用戶和所述被推薦用戶的好友集合的并集;
[0047] 所述N(i) Π N(j)為所述第一用戶和所述被推薦用戶的共同好友集合;
[0048] 所述α為時(shí)間衰減因子;
[0049] 所述tlk為所述第一用戶添加所述N(i) Π N(j)中第k個(gè)共同好友的時(shí)序;
[0050] 所述t]k為所述被推薦用戶添加所述N(i) n N(j)中第k個(gè)共同好友的時(shí)序;
[0051] 所述Ib-tJ為第一用戶和所述被推薦用戶分別添加所述第k個(gè)共同好友的時(shí)序 差;
[0052] 所述K為所述N(i) Π N(j)包含的用戶個(gè)數(shù),為0或正整數(shù)。
[0053] 優(yōu)選地,
[0054] 所述依據(jù)所述屬性相似度及所述結(jié)構(gòu)相似度,選擇被推薦用戶向所述第一用戶推 薦包括:
[0055] 依據(jù)所述屬性相似度及所述結(jié)構(gòu)相似度,計(jì)算所述被推薦用戶與所述第一用戶的 相似度;
[0056] 將各所述被推薦用戶與第一用戶的相似度進(jìn)行排序,形成排序結(jié)果;
[0057] 依據(jù)所述排序結(jié)果,選擇滿足預(yù)設(shè)條件所述被推薦用戶向所述第一用戶推薦。
[0058] 優(yōu)選地,
[0059] 所述方法還包括:
[0060] 統(tǒng)計(jì)第三指定時(shí)間內(nèi)向所述第一用戶推薦好友的準(zhǔn)確度;所述準(zhǔn)確度為所述第一 用戶將被推薦用戶添加為好友的數(shù)量占被推薦用戶總數(shù)的比例;
[0061] 依據(jù)所述準(zhǔn)確度確定向所述第一用戶推薦好友的頻率;
[0062] 所述依據(jù)所述屬性相似度及所述結(jié)構(gòu)相似度,選擇被推薦用戶向所述第一用戶推 薦包括:
[0063] 依據(jù)所述頻率、所述屬性相似度及所述結(jié)構(gòu)相似度,選擇所述被推薦用戶向所述 第一用戶推薦;
[0064] 其中,所述第三指定時(shí)間的截止時(shí)間與所述第一指定時(shí)間的截止時(shí)間相同。
[0065] 優(yōu)選地,
[0066] 所述方法還包括:
[0067] 統(tǒng)計(jì)第三指定時(shí)間內(nèi)向所述第一用戶推薦好友的準(zhǔn)確度;所述準(zhǔn)確度為所述第一 用戶將被推薦用戶添加為好友的數(shù)量占被推薦用戶總數(shù)的比例;依據(jù)所述準(zhǔn)確度確定單次 向所述第一用戶推薦好友的數(shù)量;
[0068] 所述依據(jù)所述屬性相似度及所述結(jié)構(gòu)相似度,選擇被推薦用戶向所述第一用戶推 薦包括:
[0069] 依據(jù)所述數(shù)量、所述屬性相似度及所述結(jié)構(gòu)相似度,選擇所述被推薦用戶向所述 第一用戶推薦;
[0070] 其中,所述第三指定時(shí)間的截止時(shí)間與所述第一指定時(shí)間的截止時(shí)間相同。
[0071] 優(yōu)選地,
[0072] 所述方法還包括:
[0073] 依據(jù)所述第一用戶的用戶屬性,生成至少包括一個(gè)被推薦用戶的被推薦列表;
[0074] 所述依據(jù)所述當(dāng)前用戶屬性及所述歷史用戶屬性,確定被推薦用戶與所述第一用 戶的屬性相似度包括:
[0075] 依據(jù)所述當(dāng)前用戶屬性及所述歷史用戶屬性,確定所述被推薦列表中被推薦用戶 與所述第一用戶的屬性相似度;
[0076] 所述分別獲取所述被推薦用戶與所述第一用戶在第二指定時(shí)間內(nèi)形成的社交關(guān) 系數(shù)據(jù),依據(jù)所述社交關(guān)系數(shù)據(jù)確定所述被推薦用戶與所述第一用戶社交關(guān)系的結(jié)構(gòu)相似 度包括:
[0077] 分別獲取所述被推薦用戶與所述第一用戶在第二指定時(shí)間內(nèi)形成的社交關(guān)系數(shù) 據(jù),依據(jù)所述社交關(guān)系數(shù)據(jù)確定所述被推薦列表中所述被推薦用戶與所述第一用戶社交關(guān) 系的結(jié)構(gòu)相似度;
[0078] 所述依據(jù)所述屬性相似度及所述結(jié)構(gòu)相似度,選擇被推薦用戶向所述第一用戶推 薦包括:
[0079] 依據(jù)所述屬性相似度及所述結(jié)構(gòu)相似度,選擇所述被推薦列表中的全部或部分被 推薦用戶向所述第一用戶推薦。
[0080] 優(yōu)選地,
[0081] 所述方法還包括:建立所述第一用戶的黑名單;所述黑名單中的用戶包括以下的 至少其中之一:被所述第一用戶拒絕添加為好友的被推薦用戶、被所述第一用戶從好友列 表中刪除過的被推薦用戶及被所述第一用戶添加到黑名單的被推薦用戶;
[0082] 在確定被推薦用戶與所述第一用戶的屬性相似度及所述結(jié)構(gòu)相似度之前,從所述 被推薦列表中刪除位于所述黑名單中的用戶。
[0083] 優(yōu)選地,
[0084] 所述方法還包括:
[0085] 建立所述第一用戶的白名單;所述白名單為所述第一用戶在所述第二指定時(shí)間內(nèi) 添加為好友的用戶;
[0086] 依據(jù)所述白名單確定對(duì)應(yīng)于用于確定所述屬性相似度的用戶屬性的權(quán)值。
[0087] 本發(fā)明實(shí)施例第二方面提供一種好友推薦裝置,所述裝置包括:
[0088] 獲取單元,用于獲取第一用戶的當(dāng)前用戶屬性及在第一指定時(shí)間內(nèi)形成的所述當(dāng) 前用戶屬性對(duì)應(yīng)的歷史用戶屬性;
[0089] 第一確定單元,用于依據(jù)所述當(dāng)前用戶屬性及所述歷史用戶屬性,確定被推薦用 戶與所述第一用戶的屬性相似度;
[0090] 第二確定單元,用于分別獲取所述被推薦用戶與所述第一用戶在第二指定時(shí)間內(nèi) 形成的社交關(guān)系數(shù)據(jù),依據(jù)所述社交關(guān)系數(shù)據(jù)確定所述被推薦用戶與所述第一用戶社交關(guān) 系的結(jié)構(gòu)相似度;
[0091] 選擇推薦單元,用于依據(jù)所述屬性相似度及所述結(jié)構(gòu)相似度,選擇被推薦用戶向 所述第一用戶推薦;
[0092] 其中,所述第一指定時(shí)間和所述第二指定時(shí)間的截止時(shí)間相同。
[0093] 優(yōu)選地,
[0094] 所述屬性相似度包括基本屬性相似度;
[0095] 所述第一確定單元包括:
[0096] 第一計(jì)算模塊,用于以第一權(quán)值及所述當(dāng)前用戶屬性計(jì)算第一屬性相似度值;
[0097] 第二計(jì)算模塊,用于以第二權(quán)值及所述歷史用戶屬性計(jì)算第二屬性相似度值;
[0098] 第一確定模塊,用于依據(jù)所述第一屬性相似度值和所述第二屬性相似度值,確定 所述被推薦用戶與所述第一用戶的基本屬性相似度;
[0099] 其中,所述第一權(quán)值大于所述第二權(quán)值;所述第二權(quán)值為自然數(shù)。
[0100] 優(yōu)選地,
[0101] 所述屬性相似度還包括突變屬性相似度;
[0102] 所述第一確定單元還包括:
[0103] 第二確定模塊,用于依據(jù)所述當(dāng)前用戶屬性及所述歷史用戶屬性,確定所述第一 用戶在所述第一指定時(shí)間內(nèi)的用戶屬性突變特征;
[0104] 第三計(jì)算模塊,用于采用以下公式確定所述被推薦用戶與所述第一用戶的突變屬 性相似度Si ;
[0105]
[0106] 其屮,所述&ηι為弟m個(gè)用戶屬性突變特征的權(quán)重因子;當(dāng)所述被推薦用戶具有所 述第m個(gè)用戶屬性突變特征時(shí),所述h為1 ;當(dāng)所述被推薦用戶不具有所述第m個(gè)用戶屬性 突變特征時(shí),所述b"為0 ;
[0107] 其中,所述Μ為不小于1的整數(shù),為所述用戶屬性突變特征的總個(gè)數(shù);所述m為不 大于所述Μ的正整數(shù)。
[0108] 優(yōu)選地,
[0109] 所述社交關(guān)系數(shù)據(jù)包括好友信息及添加好友的時(shí)序;
[0110] 所述第二確定單元包括:
[0111] 第一獲取模塊,用于獲取所述第一用戶的第一好友信息及第一時(shí)序;
[0112] 第二獲取模塊,用于獲取所述被推薦用戶的第二好友信息及第二時(shí)序;
[0113] 第三確定模塊,用于依據(jù)所述第一好友信息、所述第二好友信息、所述第一時(shí)序及 所述第二時(shí)序確定所述被推薦用戶與所述第一用戶的結(jié)構(gòu)相似度。
[0114] 優(yōu)選地,
[0115] 所述第三確定模塊包括:
[0116] 第一解析子模塊,用于按照預(yù)設(shè)解析方法解析所述第一好友信息及所述第一時(shí) 序,確定所述第一用戶形成的第一社交關(guān)系結(jié)構(gòu)特征及形成所述第一社交關(guān)系結(jié)構(gòu)特征的 第一時(shí)序特征;
[0117] 第二解析子模塊,用于按照預(yù)設(shè)解析方法解析所述第二好友信息及所述第二時(shí) 序,確定所述被推薦用戶的第二社交關(guān)系結(jié)構(gòu)特征及形成所述第二社交關(guān)系結(jié)構(gòu)特征的第 二時(shí)序特征;
[0118] 第一確定子模塊,用于確定所述第一社交關(guān)系結(jié)構(gòu)特征及所述第二社交關(guān)系結(jié)構(gòu) 特征的結(jié)構(gòu)相似性;
[0119] 第二確定子模塊,用于依據(jù)所述第一時(shí)序特及所述第二時(shí)序特征確定所述第一結(jié) 構(gòu)特征及所述第二結(jié)構(gòu)特征的時(shí)序關(guān)聯(lián)性;
[0120] 第三確定子模塊,用于依據(jù)結(jié)構(gòu)形似度及所述時(shí)序關(guān)聯(lián)性,確定所述結(jié)構(gòu)相似度。
[0121] 優(yōu)選地,
[0122] 所述第一好友信息為所述被推薦用戶的好友集合;所述第二好友信息為所述第一 用戶的好友集合;
[0123] 其中,所述第三確定模塊包括:
[0124] 第一計(jì)算子模塊,用于利用如下公式計(jì)算所述被推薦用戶與所述第一用戶的結(jié)構(gòu) 相似度S 2 ;
[0125]
[0126] 所述i為所述第一用戶;所述j為所述被推薦用戶;所述N(i)是第一用戶的好友 集合;所述N(j)為所述被推薦用戶的好友集合;
[0127] 所述|N(i) U N(j) |為所述第一用戶和所述被推薦用戶的好友集合的并集;
[0128] 所述N(i) n N(j)為所述第一用戶和所述被推薦用戶的共同好友集合;
[0129] 所述α為時(shí)間衰減因子;
[0130] 所述tlk為所述第一用戶添加所述N(i) Π N(j)中第k個(gè)共同好友的時(shí)序;
[0131] 所述t]k為所述被推薦用戶添加所述N(i) Π N(j)中第k個(gè)共同好友的時(shí)序;
[0132] 所述Ib-tJ為第一用戶和所述被推薦用戶分別添加所述第k個(gè)共同好友的時(shí)序 差;
[0133] 所述K為所述N(i) Π N(j)包含的用戶個(gè)數(shù),為0或正整數(shù)。
[0134] 優(yōu)選地,
[0135] 所述選擇推薦單元包括:
[0136] 第三計(jì)算模塊,用于依據(jù)所述屬性相似度及所述結(jié)構(gòu)相似度,計(jì)算所述被推薦用 戶與所述第一用戶的相似度;
[0137] 排序模塊,用于將各所述被推薦用戶與第一用戶的相似度進(jìn)行排序,形成排序結(jié) 果;
[0138] 選擇推薦模塊,用于依據(jù)所述排序結(jié)果,選擇滿足預(yù)設(shè)條件所述被推薦用戶向所 述第一用戶推薦。
[0139] 優(yōu)選地,
[0140] 所述裝置還包括:
[0141] 統(tǒng)計(jì)單元,用于統(tǒng)計(jì)第三指定時(shí)間內(nèi)向所述第一用戶推薦好友的準(zhǔn)確度;所述準(zhǔn) 確度為所述第一用戶將被推薦用戶添加為好友的數(shù)量占被推薦用戶總數(shù)的比例;
[0142] 第三確定單元,用于依據(jù)所述準(zhǔn)確度確定向所述第一用戶推薦好友的頻率;
[0143] 所述選擇推薦單元,具體用于依據(jù)所述頻率、所述屬性相似度及所述結(jié)構(gòu)相似度, 選擇所述被推薦用戶向所述第一用戶推薦;
[0144] 其中,所述第三指定時(shí)間的截止時(shí)間與所述第一指定時(shí)間的截止時(shí)間相同。
[0145] 優(yōu)選地,
[0146] 所述裝置還包括:
[0147] 統(tǒng)計(jì)單元,用于統(tǒng)計(jì)第三指定時(shí)間內(nèi)向所述第一用戶推薦好友的準(zhǔn)確度;所述準(zhǔn) 確度為所述第一用戶將被推薦用戶添加為好友的數(shù)量占被推薦用戶總數(shù)的比例;
[0148] 第四確定單元,用于依據(jù)所述準(zhǔn)確度確定單次向所述第一用戶推薦好友的數(shù)量;
[0149] 所述選擇推薦單元,具體用于依據(jù)所述數(shù)量、所述屬性相似度及所述結(jié)構(gòu)相似度, 選擇所述被推薦用戶向所述第一用戶推薦;
[0150] 其中,所述第三指定時(shí)間的截止時(shí)間與所述第一指定時(shí)間的截止時(shí)間相同。
[0151] 優(yōu)選地,
[0152] 所述裝置還包括:
[0153] 列表形成單元,用于依據(jù)所述第一用戶的用戶屬性,生成至少包括一個(gè)被推薦用 戶的被推薦列表;
[0154] 所述第一確定單元,具體用于依據(jù)所述當(dāng)前用戶屬性及所述歷史用戶屬性,確定 所述被推薦列表中被推薦用戶與所述第一用戶的屬性相似度;
[0155] 所述第二確定單元,具體用于分別獲取所述被推薦用戶與所述第一用戶在第二指 定時(shí)間內(nèi)形成的社交關(guān)系數(shù)據(jù),依據(jù)所述社交關(guān)系數(shù)據(jù)確定所述被推薦列表中所述被推薦 用戶與所述第一用戶社交關(guān)系的結(jié)構(gòu)相似度;
[0156] 所述選擇推薦單元,具體用于依據(jù)所述屬性相似度及所述結(jié)構(gòu)相似度,選擇所述 被推薦列表中的全部或部分被推薦用戶向所述第一用戶推薦。
[0157] 優(yōu)選地,
[0158] 所述裝置還包括:
[0159] 第一建立單元,用于建立所述第一用戶的黑名單;所述黑名單中的用戶包括以下 的至少其中之一:被所述第一用戶拒絕添加為好友的被推薦用戶、被所述第一用戶從好友 列表中刪除過的被推薦用戶及被所述第一用戶添加到黑名單的被推薦用戶;
[0160] 刪除單元,用于在確定被推薦用戶與所述第一用戶的屬性相似度及所述結(jié)構(gòu)相似 度之前,從所述被推薦列表中刪除位于所述黑名單中的用戶。
[0161] 優(yōu)選地,
[0162] 所述裝置還包