[发明专利]一种好友推荐方法和装置

说明书

技术领域

本发明属于互联网领域，尤其涉及一种好友推荐方法和装置。

背景技术

随着社交网络的迅速发展，社交网络中的用户群也越来越大。出于用户沟通与交流的需要，社交网络系统常常会推荐可能感兴趣的好友。

现有的好友推荐方法，一般步骤包括：确定用户可能感兴趣的候选人群，对所述候选人群的进行排序，优先推荐排序靠前的候选人群给用户。其中，对候选人群进行排序的方法包括：基于共同好友数排序和基于用户属性排序。

现有的好友推荐方法，能够智能的为用户推荐可能感兴趣的好友，但是，由于在进行好友推荐时考虑的影响因素较为单一，使得推荐的好友的准确性不高。

发明内容

本发明实施例的目的在于提供一种好友推荐的方法，以解决现有技术在进行好友推荐时考虑的影响因素较为单一，使得推荐的好友的准确性不高的问题。

本发明实施例是这样实现的，一种好友推荐方法，所述方法包括：

获取用户的数据信息，所述用户的数据信息包括用户的个人属性信息和社交网络拓扑结构信息；

根据所述用户的数据信息，确定所述用户候选的推荐好友以及所述候选的推荐好友的特征向量，所述特征向量包括用户的个人属性的量化信息和社交网络拓扑结构的量化信息；

根据预先训练得到的模型，计算所述特征向量对应的分值，得到用户好友的分值排序；

根据计算得到的用户好友的分值排序，向用户推荐好友。

本发明实施例的另一目的在于提供一种好友推荐装置，所述装置包括：

获取单元，用于获取用户的数据信息，所述用户的数据信息包括用户的个人属性信息和社交网络拓扑结构信息；

特征向量确定单元，用于根据所述用户的数据信息，确定所述用户候选的推荐好友以及所述候选的推荐好友的特征向量，所述特征向量包括用户的个人属性的量化信息和社交网络拓扑结构的量化信息；

分值计算单元，用于根据预先训练得到的模型，计算所述特征向量对应的分值，得到用户好友的分值排序；

好友推荐单元，用于根据计算得到的用户好友的分值排序，向用户推荐好友。

在本发明实施例中，通过对用户的个人属性信息和社交网络拓扑结构信息综合考虑，由用户的数据信息确定候选的推荐好友和候选的推荐好友的特征向量，由预先训练得到的神经网络模型加载所述特征向量，计算得到用户的候选推荐好友的分数，根据得分即可进行好友推荐。由于本发明实施例中通过综合用户的个人属性信息以及拓扑网络结构信息，推荐的参考数据更加全面。此外，通过用户的个人数据信息确定候选的推荐好友，使推荐好友的覆盖率更全面，可以显著的提高用户好友推荐的准确率。

附图说明

图1是本发明第一实施例提供的好友推荐方法的实现流程图；

图2是本发明第二实施例提供的好友推荐方法的实现流程图；

图3是本发明第三实施例提供的好友推荐装置的结构框图；

图3a为本发明实施提供的通过好友推荐装置应用于QQ好友查找的示意图；

图4为本发明第四实施例提供的好友推荐设备的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例所述好友推荐方法和装置，可以用于即时通讯工具或者社交网络等带有好友数据的应用程序。

本发明实施例所述方法，主要在于可以通过结合用户的个人属性信息以及用户的社交网络拓扑结构信息，确定用户的好友的范围，和现有的通过二度好友(用户的好友联系人中的好友，称为用户的一度好友，用户所有的一度好友中，所有一度好友的好友，称为二度好友)确实候选的推荐好友的方式相比，提高了用户候选的推荐好友的覆盖范围，而且用户的拓扑结构信息结合用户个人信息，能够更为有效的提高用户好友数据的准确度。

实施例一：

图1示出了本发明第一实施例提供的一种好友推荐方法的实现流程，详述如下：

在步骤S101中，获取用户的数据信息，所述用户的数据信息包括用户的个人属性信息和社交网络拓扑结构信息。