[发明专利]好友推荐系统及方法

说明书

本发明公开了一种好友推荐系统及方法，好友推荐系统包括服务端和终端Ａ、Ｂ、Ｃ，其中：终端Ａ用以公开内容；终端Ｂ用以对所述终端Ａ公开的内容进行转发或评价；终端Ｃ用以对所述终端Ａ公开的内容或者终端Ｂ的评价进行转发或评价；服务端用以将终端Ｃ作为好友关系推荐给终端Ａ。本发明提供的好友推荐系统及方法，存在以下有益效果：1、提高推荐有效性和实时性；2、用户一旦选择推荐信息后，系统不再重复提示推荐信息，降低系统计算和运行资源，也提高用户体验；3、一旦用户选择不添加推荐的某个好友后，系统不再重复推荐该好友，降低了系统计算和运行资源，也避免了对使用该系统的用户造成骚扰。

技术领域

本发明涉及网络社交领域，尤其涉及一种好友推荐系统和方法。

背景技术

社交属性是现今互联网产品和移动互联网产品的核心功能属性。具有社交属性的产品可以在短期内迅速在有关联的社会人群关系中扩散和蔓延。所谓的网络社交圈是指通过网络的方式，利用信任关系，分享和传播个人社会关系、知识、商业信息，使得个人积累的的知识和信息得以在网络传播分享。网络社交圈极大地促进了社会各个方面的进步，现有的网络社交圈主要通过二种方式实现，即主动的方式和被动推荐的方式，主动方式即网络终端的用户通过主动查找搜索到好友，然后添加，对方确认关系后，确立好友关系，形成社交圈。被动的推荐的方式通常为在社交软件中的服务器后台基于用户已有的通讯录，向用户推荐潜在的好友。或者在社交网络中，用户Ａ与用户Ｂ有关联，同时用户Ｂ与用户Ｃ有关联，即可以表述为用户Ｃ与用户Ａ存在二度关联关系，大多数用户推荐策略是基于此关系进行的扩展的。

此外，基于标签和兴趣爱好的用户推荐也是一种常见的技术，相比基于二度好友关系的推荐技术，此推荐技术对于用户关系的扩展较弱。

针对二度好友关系的发现和基于标签和兴趣爱好的两种用户推荐技术，一般通过线下数据集中处理和挖掘产生，代表技术为基于Ｈａｄｏｏｐ技术的分布式海量数据分析和挖掘技术，极少数通过线上流式计算即时生成，代表技术为基于Ｓｔｏｒｍ技术的分布式实时流计算完成。

上述的的推荐方式虽然已经部分实现了智能化的好友推荐，但仍然有不足之处，即推荐算法过于复杂，需要庞大的数据样本和数据挖掘分析，降低推荐结果实时性，难以迅速获得推荐好友。此外，推荐好友生成来源仅仅通过好友关系单一维度。

发明内容

为解决上述技术问题，本发明提供一种好友推荐系统，包括服务端和终端Ａ、Ｂ、Ｃ，其中：

终端Ａ用以公开内容；

终端Ｂ用以对所述终端Ａ公开的内容进行转发或评价；

终端Ｃ用以对所述终端Ａ公开的内容或者终端Ｂ的评价进行转发或评价；

服务端用以将终端Ｃ作为好友关系推荐给终端Ａ。

进一步地，所述终端Ａ与终端Ｂ为双向好友关系，所述终端Ｂ与终端Ｃ为双向好友关系。

进一步地，所述终端Ａ公开内容为文本内容、图片、音频、视频或者其中的任意组合。

进一步地，所述终端Ｂ或终端Ｃ的评价为对该内容进行评论或者喜好标示。

进一步地，所述终端Ａ公开内容为在其选择的好友圈范围公开。

进一步地，所述选择的好友圈范围为其好友圈内设定的分组好友圈。

进一步地，所述服务端包括社交圈服务单元以及好友推荐单元，其中，

所述社交圈服务单元用以对各个终端的好友关系进行存储和管理；

好友推荐单元用以对根据终端Ａ、终端Ｂ以及终端Ｃ之间的互动关系，将终端Ｃ作为好友关系的推荐消息向终端Ａ推荐。

进一步地，所述好友推荐单元还包括删除模块，用以当所述终端Ａ和终端Ｃ建立好友关系后，删除推荐消息。