一種向客戶端用戶推薦好友的方法及裝置製造方法
2023-05-28 01:32:51
一種向客戶端用戶推薦好友的方法及裝置製造方法
【專利摘要】本發明公開了一種向客戶端用戶推薦好友的方法及裝置，所述方法包括：對所述客戶端用戶所創建的圈子中所有成員的分享內容進行解析，生成所述圈子的特徵信息；對所述客戶端用戶所創建的好友列表中各成員的分享內容進行解析，生成所述好友列表中各成員的特徵信息；計算所述好友列表中各成員的特徵信息和所述圈子的特徵信息的相似度，生成相似度集，根據相似度集生成所述圈子的推薦好友；向所述客戶端用戶提示所述圈子的推薦好友。本發明所提出的技術方案其推薦機制更加全面、可靠，避免了因過多的無效推薦所造成的系統資源的浪費。
【專利說明】-種向客戶端用戶推薦好友的方法及裝置
【技術領域】
[0001] 本發明涉及計算機【技術領域】，具體涉及網際網路【技術領域】，尤其涉及一種向客戶端 用戶推薦好友的方法及裝置。
【背景技術】
[0002] 隨著移動網際網路時代的到來，一些社交分享類應用（例如微博、朋友網、人人網、開 心網)不斷湧現。在社交分享類應用中，每個客戶端註冊用戶不僅能夠通過創建好友列表來 實現與各好友之間的信息交流，而且還可以創建一個或多個好友圈子來實現圈子內各好友 之間的信息交流。目前，圈子內的好友可以由創建該圈子的客戶端用戶主動添加或從後臺 所提示的所述圈子的推薦好友中選擇。
[0003] 後臺在向創建該圈子的客戶端用戶提示所述圈子的推薦好友時，通常採用兩種方 式：第一種是新註冊用戶推薦方式，即當創建該圈子的客戶端用戶的關係鏈(通訊錄關係 鏈、微博關係鏈、即時通訊關係鏈）中有新註冊該社交分享類應用的用戶時，將該新註冊的 用戶作為所述圈子的推薦好友提示給創建該圈子的客戶端用戶；第二種是隨機選取推薦方 式，即按一定的時間間隔從創建該圈子的客戶端用戶的好友列表中隨機選擇一個用戶作為 該圈子的推薦好友提示給創建該圈子的客戶端用戶。
[0004] 在對現有技術的研究和實踐過程中，發明人發現現有技術至少存在以下問題：後 臺所提示的某個圈子的推薦好友與該圈子內各好友成員的相關性很低，創建該圈子的客戶 端用戶將該圈子的推薦好友加入該圈子的可能性較小，使得推薦機制不可靠，並且過多的 無效推薦會造成大量的系統資源浪費。
【發明內容】
[0005] 鑑於以上理由，本發明實施例提出一種向客戶端用戶推薦好友的方法及裝置，來 解決以上【背景技術】部分提到的技術問題。
[0006] -方面，本發明實施例提供了 一種向客戶端用戶推薦好友的方法，所述方法包 括：
[0007] 對所述客戶端用戶所創建的圈子中所有成員的分享內容進行解析，生成所述圈子 的特徵信息；
[0008] 對所述客戶端用戶所創建的好友列表中各成員的分享內容進行解析，生成所述好 友列表中各成員的特徵信息；
[0009] 計算所述好友列表中各成員的特徵信息和所述圈子的特徵信息的相似度，生成相 似度集，根據所述相似度集生成所述圈子的推薦好友；
[0010] 向所述客戶端用戶提示所述圈子的推薦好友。
[0011] 一方面，本發明實施例提供了一種向客戶端用戶推薦好友的裝置，所述裝置包 括：
[0012] 第一特徵信息生成模塊，用於對所述客戶端用戶所創建的圈子中所有成員的分享 內容進行解析，生成所述圈子的特徵信息；
[0013] 第二特徵信息生成模塊，用於對所述客戶端用戶所創建的好友列表中各成員的分 享內容進行解析，生成所述好友列表中各成員的特徵信息；
[0014] 好友生成模塊，用於計算所述好友列表中各成員的特徵信息和所述圈子的特徵信 息的相似度，生成相似度集，根據所述相似度集生成所述圈子的推薦好友；
[0015] 好友推薦模塊，用於向所述客戶端用戶提示所述圈子的推薦好友。
[0016] 相較於現有技術，本發明實施例通過計算好友列表中各成員的特徵信息和某個 圈子的特徵信息的相似度，根據所述相似度來生成所述圈子的推薦好友，使得創建所述圈 子的所述客戶端用戶將所述圈子的推薦好友加入所述圈子的可能性較大，推薦機制更加全 面、可靠，避免了因過多的無效推薦所造成的系統資源的浪費。
【專利附圖】
【附圖說明】
[0017] 通過閱讀參照以下附圖所作的對非限制性實施例所作的詳細描述，本發明的其它 特徵、目的和優點將會變得更明顯：
[0018] 圖1為本發明第一實施例提供的一種向客戶端用戶推薦好友的方法的流程示意 圖；
[0019] 圖2為本發明第二實施例提供的一種向客戶端用戶推薦好友的方法的流程示意 圖；
[0020] 圖3為本發明第三實施例提供的一種向客戶端用戶推薦好友的裝置的結構示意 圖；
[0021] 圖4為本發明第四實施例提供的一種向客戶端用戶推薦好友的裝置的結構示意 圖。
【具體實施方式】
[0022] 下面結合附圖和實施例對本發明作進一步的詳細說明。可以理解的是，此處所描 述的具體實施例僅用於解釋本發明，而非對本發明的限定。另外還需要說明的是，為了便於 描述，附圖中僅示出了與本發明相關的部分而非全部內容。
[0023] 圖1示出了本發明的第一實施例。
[0024] 圖1為本發明第一實施例提供的一種向客戶端用戶推薦好友的方法的流程示意 圖。該方法可應用於安裝有社交分享類應用客戶端的終端上，所述終端可以智慧型手機、平板 電腦、筆記本電腦、個人數字助理是等中的任意一種，也可應用於管理的社交分享類應用的 伺服器上。參見圖1，所述方法包括：
[0025] 步驟S101、對客戶端用戶所創建的圈子中所有成員的分享內容進行解析，生成所 述圈子的特徵信息；
[0026] 步驟S102、對所述客戶端用戶所創建的好友列表中各成員的分享內容進行解析， 生成所述好友列表中各成員的特徵信息；
[0027] 步驟S103、計算所述好友列表中各成員的特徵信息和所述圈子的特徵信息的相似 度，生成相似度集，根據所述相似度集生成所述圈子的推薦好友；
[0028] 步驟S104、向所述客戶端用戶提示所述圈子的推薦好友。
[0029] 對於本實施例中的步驟S101，可通過對所述客戶端用戶所創建的圈子中所有成員 的分享內容進行文本分析，採用關鍵詞提取算法(例如基於模糊處理的關鍵詞提取算法、基 於高維聚類技術的關鍵詞提取算法）來提取其中的關鍵詞，根據所提取的關鍵詞生成所述 圈子的特徵信息，例如所述圈子的特徵信息可以為所提取的互不相同的關鍵詞及每個互不 相同的關鍵詞在所提取的所有的關鍵詞中出現的概率。
[0030] 當然本領域的普通技術人員應該理解，還可通過對所述客戶端用戶所創建的圈子 中所有成員的分享內容進行文本分析，來提取所有成員的分享內容的主題詞，根據所述主 題詞生成所述圈子的特徵信息，例如所述圈子的特徵信息可以為所提取的互不相同的主題 詞及每個互不相同的主題詞在所提取的所有的主題詞中出現的概率。
[0031] 同樣的，對於本實施例的步驟S102,可通過對所述客戶端用戶所創建的好友列表 中各成員的分享內容進行文本分析，採用關鍵詞提取算法(例如基於模糊處理的關鍵詞提 取算法、基於高維聚類技術的關鍵詞提取算法）來提取所述好友列表各成員的分享內容的 關鍵詞，根據所提取的關鍵詞生成所述好友列表中各成員的特徵信息，例如所述好友列表 中各成員的特徵信息可以為該成員的分享內容中所包含的互不相同的關鍵詞及每個互不 相同的關鍵詞在該成員的分享內容中所包含的所有的關鍵詞中出現的概率或次數。
[0032] 當然本領域的普通技術人員應該理解，還可通過所述客戶端用戶所創建的好友列 表中各成員的分享內容進行文本分析，採用現有技術中的關鍵詞提取算法(例如基於模糊 處理的關鍵詞提取算法、基於高維聚類技術的關鍵詞提取算法）來提取所述好友列表各成 員的分享內容的主題詞，根據所提取的主題詞生成所述好友列表中各成員的特徵信息，例 如所述好友列表中各成員的特徵信息可以為該成員的分享內容中所包含的互不相同的主 題詞及每個互不相同的主題詞在該成員的分享內容中所包含的所有的主題詞中出現的概 率或次數。
[0033] 需要說明的是，所述圈子的特徵信息和所述好友列表中各成員的特徵信息的生成 過程應相互對應，例如，如果在執行步驟S101時所述圈子的特徵信息是根據在圈子中所有 成員的分享內容中所提取的關鍵詞生成，則在執行步驟S102時，所述好友列表中各成員的 特徵信息也應為根據在該成員的分享內容中所提取的關鍵詞而非主題詞生成。
[0034] 在本實施例，所述好友列表中各成員的特徵信息和所述圈子的特徵信息的相似度 可以是所述好友列表中各成員的特徵信息中與所述圈子的特徵信息中所有相同的關鍵詞 在兩種特徵信息中對應概率之積的和，或者是所述好友列表中各成員的特徵信息中與所述 圈子的特徵信息中所有相同的關鍵詞在兩種特徵信息中對應概率之差的平方和等其他形 式的計算值。
[0035] 在本實施例的一個優選的實施方式中，對於步驟S103,可通過將上述相似度集中 達到設定閾值的相似度所對應的所述好友列表中的成員作為所述圈子的推薦好友。
[0036] 在本實施例的另一個優選的實施方式中，對於步驟S103,可通過將上述相似度集 中的各相似度依次按照從大到小的順序進行排列，選取排列在最前面的預設數目（例如10 個）相似度所對應的所述好友列表中的成員作為所述圈子的推薦好友。
[0037] 在本實施中，可通過無線或有線通信技術向所述客戶端用戶提示所述圈子的推薦 好友。
[0038] 本實施例提供的技術方案，通過計算好友列表中各成員的特徵信息和圈子的特徵 信息的相似度，根據所述相似度來生成所述圈子的推薦好友，使得創建該圈子的所述客戶 端用戶將所述圈子的推薦好友加入該圈子的可能性較大，推薦機制更加全面、可靠，避免了 因過多的無效推薦所造成的系統資源的浪費。
[0039] 圖2示出了本發明的第二實施例。
[0040] 圖2為本發明第二實施例提供的一種向客戶端用戶推薦好友的方法的流程示意 圖。該方法可應用於安裝有社交分享類應用客戶端的終端上，所述終端可以智慧型手機、平板 電腦、筆記本電腦、個人數字助理是等中的任意一種，也可應用於管理社交分享類應用的服 務器上。參見圖2,所述方法包括：
[0041] 步驟S201、對客戶端用戶所創建的圈子中所有成員的分享內容進行解析，生成所 述圈子的特徵信息。
[0042] 在本實施例中，步驟S201進一步包括：
[0043] 子步驟A1、獲取客戶端用戶所創建的圈子中所有成員的分享內容，作為圈子分享 內容；
[0044] 子步驟A2、對所述圈子分享內容進行文本分析，提取所述圈子分享內容中所包含 的關鍵詞；
[0045] 子步驟A3、根據所述圈子分享內容中所包含的關鍵詞，生成所述圈子的特徵信息。
[0046] 步驟S202、對所述客戶端用戶所創建的好友列表中各成員的分享內容進行解析， 生成所述好友列表中各成員的特徵信息。
[0047] 在本實施例中，步驟S202進一步包括：
[0048] 子步驟B1、獲取所述客戶端用戶所創建的好友列表中各成員的分享內容；
[0049] 子步驟B2、對所述好友列表中各成員的分享內容進行文本分析，提取所述各成員 的分享內容中所包含的關鍵詞；
[0050] 子步驟B3、根據所述各成員的分享內容中所包含的關鍵詞，生成所述好友列表中 各成員的特徵信息。
[0051] 步驟S203、計算所述好友列表中各成員的特徵信息和所述圈子的特徵信息的相似 度，生成相似度集，根據所述相似度集生成所述圈子的推薦好友。
[0052] 步驟S204、刪除所述圈子的推薦好友中當前所述圈子內已經存在的成員。
[0053] 步驟S205、向所述客戶端用戶提示經過所刪除操作後的所述圈子的推薦好友。
[0054] 在本實施例的子步驟A1和子步驟B1中，當所述方法應用於安裝有社交分享類應 用客戶端的終端上時，終端是從所述客戶端用戶獲取管理社交分享類應用的伺服器發送的 所述客戶端用戶所創建的圈子中所有成員的分享內容及所述客戶端用戶所創建的好友列 表中各成員的分享內容。當所述方法應用於管理社交分享類應用的伺服器上時，所述服務 器直接從本地存儲器中獲取所述客戶端用戶所創建的圈子中所有成員的分享內容及所述 客戶端用戶所創建的好友列表中各成員的分享內容。
[0055] 在本實施的一個優選的實施方式中，所述圈子的特徵信息U為：
[0056] U = {(w i, cntj/cnt) | 1 < = i < = a}
[0057] 其中，％為所述圈子分享內容中所包含的互不相同的第i個關鍵詞；cnti為所述 第i個關鍵詞在所述圈子分享內容中的出現次數；cnt為所述圈子分享內容中所有的互不 相同的關鍵詞在所述圈子分享內容中的出現次數的和；a為所述圈子分享內容中所包含的 互不相同的關鍵詞個數；i為整數。
[0058] 所述好友列表中第k個成員的特徵信息UK為：
[0059] UK = {(w kJ, cntkJ) | 1 < = j < = bj
[0060] 其中，為所述第k個成員的分享內容中所包含的互不相同的第j個關鍵詞； cntw為所述第j個關鍵詞在所述第k個成員的分享內容中的出現次數；b k為第k個成員的 分享內容中所包含的互不相同的關鍵詞個數；j為整數；k為整數。
[0061] 所述好友列表中第k個成員的特徵信息UK和所述圈子的特徵信息U的相似度s k 為：
【權利要求】
1. 一種向客戶端用戶推薦好友的方法，其特徵在於，所述方法包括： 對所述客戶端用戶所創建的圈子中所有成員的分享內容進行解析，生成所述圈子的特 徵信息； 對所述客戶端用戶所創建的好友列表中各成員的分享內容進行解析，生成所述好友列 表中各成員的特徵信息； 計算所述好友列表中各成員的特徵信息和所述圈子的特徵信息的相似度，生成相似度 集，根據所述相似度集生成所述圈子的推薦好友； 向所述客戶端用戶提示所述圈子的推薦好友。
2. 根據權利要求1所述的向客戶端用戶推薦好友的方法，其特徵在於，所述根據所述 相似度集生成所述圈子的推薦好友的步驟包括： 將所述相似度集中達到設定闊值的相似度所對應的所述好友列表中的成員作為所述 圈子的推薦好友。
3. 根據權利要求1所述的向客戶端用戶推薦好友的方法，其特徵在於，所述根據所述 相似度集生成所述圈子的推薦好友的步驟包括： 將所述相似度集中的各相似度依次按照從大到小的順序進行排列，選取排列在最前面 的預設數目相似度所對應的所述好友列表中的成員作為所述圈子的推薦好友。
4. 根據權利要求1所述的向客戶端用戶推薦好友的方法，其特徵在於，所述向所述客 戶端用戶提示所述圈子的推薦好友的步驟包括： 刪除所述圈子的推薦好友中當前所述圈子內已經存在的成員； 向所述客戶端用戶提示經過所刪除操作後的所述圈子的推薦好友。
5. 根據權利要求1所述的向客戶端用戶推薦好友的方法，其特徵在於，所述對所述客 戶端用戶所創建的圈子中所有成員的分享內容進行解析，生成所述圈子的特徵信息的步驟 包括： 獲取所述客戶端用戶所創建的圈子中所有成員的分享內容，作為圈子分享內容； 對所述圈子分享內容進行文本分析，提取所述圈子分享內容中所包含的關鍵詞； 根據所述圈子分享內容中所包含的關鍵詞，生成所述圈子的特徵信息。
6. 根據權利要求5所述的向客戶端用戶推薦好友的方法，其特徵在於，所述對所述客 戶端用戶所創建的好友列表中各成員的分享內容進行解析，生成所述好友列表中各成員的 特徵信息的步驟包括： 獲取所述客戶端用戶所創建的好友列表中各成員的分享內容； 對所述好友列表中各成員的分享內容進行文本分析，提取所述各成員的分享內容中所 包含的關鍵詞； 根據所述各成員的分享內容中所包含的關鍵詞，生成所述好友列表中各成員的特徵信 息。
7. 根據權利要求6所述的向客戶端用戶推薦好友的方法，其特徵在於，所述圈子的特 徵信息U為： U = {(?。cnti/cnt) 11 < = i < = a} 其中，為所述圈子分享內容中所包含的互不相同的第i個關鍵詞；cnti為所述第i 個關鍵詞在所述圈子分享內容中的出現次數；cnt為所述圈子分享內容中所有的互不相同 的關鍵詞在所述圈子分享內容中的出現次數的和；a為所述圈子分享內容中所包含的互不 相同的關鍵詞個數；i為整數。
8. 根據權利要求7所述的向客戶端用戶推薦好友的方法，其特徵在於，所述好友列表 中第k個成員的特徵信息Uk為： Uk = {(?kj，cnty) 11 <= j <= bj 其中，.為所述第k個成員的分享內容中所包含的互不相同的第j個關鍵詞；cntkj 為所述第j個關鍵詞在所述第k個成員的分享內容中的出現次數；bk為第k個成員的分享 內容中所包含的互不相同的關鍵詞個數；j為整數；k為整數。
9. 根據權利要求8所述的向客戶端用戶推薦好友的方法，其特徵在於，所述好友列表 中第k個成員的特徵信息Uk和所述圈子的特徵信息U的相似度Sk為：
其中，cntm為所述圈子的特徵信息U中與所述好友列表中第k個成員的特徵信息Uk所 共有的第m個關鍵詞在所述圈子分享內容中的出現次數；cnt為所述圈子分享內容中所有 的互不相同的關鍵詞在所述圈子分享內容中的出現次數的和；cnti^為所述圈子的特徵信 息U中與所述好友列表中第k個成員的特徵信息Uk所共有的第m個關鍵詞在所述第k個 成員的分享內容中的出現次數；m為所述圈子的特徵信息U中與所述好友列表中第k個成 員的特徵信息Uk所共有的關鍵詞的個數。
10. -種向客戶端用戶推薦好友的裝置，其特徵在於，所述裝置包括： 第一特徵信息生成模塊，用於對所述客戶端用戶所創建的圈子中所有成員的分享內容 進行解析，生成所述圈子的特徵信息； 第二特徵信息生成模塊，用於對所述客戶端用戶所創建的好友列表中各成員的分享內 容進行解析，生成所述好友列表中各成員的特徵信息； 好友生成模塊，用於計算所述好友列表中各成員的特徵信息和所述圈子的特徵信息的 相似度，生成相似度集，根據所述相似度集生成所述圈子的推薦好友； 好友推薦模塊，用於向所述客戶端用戶提示所述圈子的推薦好友。
11. 根據權利要求10所述的向客戶端用戶推薦好友的裝置，其特徵在於，所述好友生 成模塊用於根據所述相似度集生成所述圈子的推薦好友時包括： 將所述相似度集中達到設定闊值的相似度所對應的所述好友列表中的成員作為所述 圈子的推薦好友。
12. 根據權利要求10所述的向客戶端用戶推薦好友的裝置，其特徵在於，所述好友生 成模塊用於根據所述相似度集生成所述圈子的推薦好友時包括： 將所述相似度集中的各相似度依次按照從大到小的順序進行排列，選取排列在最前面 的預設數目相似度所對應的所述好友列表中的成員作為所述圈子的推薦好友。
13. 根據權利要求10所述的向客戶端用戶推薦好友的裝置，其特徵在於，所述好友推 薦模塊包括： 刪除子模塊，用於刪除所述圈子的推薦好友中當前所述圈子內已經存在的成員； 提示子模塊，用於向所述客戶端用戶提示經過所刪除操作後的所述圈子的推薦好友。
14. 根據權利要求10所述的向客戶端用戶推薦好友的裝置，其特徵在於，所述第一特
徵信息生成模塊包括： 第一獲取子模塊，用於獲取所述客戶端用戶所創建的圈子中所有成員的分享內容，作 為圈子分享內容； 第一關鍵詞提取子模塊，用於對所述圈子分享內容進行文本分析，提取所述圈子分享 內容中所包含的關鍵詞； 第一特徵信息生成子模塊，用於根據所述圈子分享內容中所包含的關鍵詞，生成所述 圈子的特徵信息。
15. 根據權利要求14所述的向客戶端用戶推薦好友的裝置，其特徵在於，所述第二特 徵信息生成模塊包括： 第二獲取子模塊，用於獲取所述客戶端用戶所創建的好友列表中各成員的分享內容； 第二關鍵詞提取子模塊，用於對所述好友列表中各成員的分享內容進行文本分析，提 取所述各成員的分享內容中所包含的關鍵詞； 第二特徵信息生成子模塊，用於根據所述各成員的分享內容中所包含的關鍵詞，生成 所述好友列表中各成員的特徵信息。
16. 根據權利要求15所述的向客戶端用戶推薦好友的裝置，其特徵在於，所述圈子的 特徵信息U為： U = {(C0J, cntj/cnt) 11 < = i < = a} 其中，為所述圈子分享內容中所包含的互不相同的第i個關鍵詞；cnti為所述第i 個關鍵詞在所述圈子分享內容中的出現次數；cnt為所述圈子分享內容中所有的互不相同 的關鍵詞在所述圈子分享內容中的出現次數的和；a為所述圈子分享內容中所包含的互不 相同的關鍵詞個數；i為整數。
17. 根據權利要求16所述的向客戶端用戶推薦好友的裝置，其特徵在於，所述好友列 表中第k個成員的特徵信息Uk為： Uk = {(?kj，cnty) 11 <= j <= bj 其中，為所述第k個成員的分享內容中所包含的互不相同的第j個關鍵詞；cntkj 為所述第j個關鍵詞在所述第k個成員的分享內容中的出現次數；bk為第k個成員的分享 內容中所包含的互不相同的關鍵詞個數；j為整數；k為整數。
18. 根據權利要求17所述的向客戶端用戶推薦好友的裝置，其特徵在於，所述好友列 表中第k個成員的特徵信息Uk和所述圈子的特徵信息U的相似度Sk為：
其中，cntm為所述圈子的特徵信息U中與所述好友列表中第k個成員的特徵信息Uk所 共有的第m個關鍵詞在所述圈子分享內容中的出現次數；cnt為所述圈子分享內容中所有 的互不相同的關鍵詞在所述圈子分享內容中的出現次數的和；cnti^為所述圈子的特徵信 息U中與所述好友列表中第k個成員的特徵信息Uk所共有的第m個關鍵詞在所述第k個 成員的分享內容中的出現次數；m為所述圈子的特徵信息U中與所述好友列表中第k個成 員的特徵信息Uk所共有的關鍵詞的個數。
【文檔編號】G06F17/30GK104424187SQ201310362415
【公開日】2015年3月18日 申請日期:2013年8月19日 優先權日:2013年8月19日
【發明者】劉建中 申請人:騰訊科技（深圳）有限公司