[发明专利]基于机器学习和用户画像技术的社交用户推荐方法及装置

说明书

本发明实施例提供一种基于机器学习和用户画像技术的社交用户推荐方法及装置，涉及互联网及物联网模式识别技术领域。其中，所述方法包括：获取社交用户的运动数据及个人属性；对所述运动数据进行处理，并将处理后的数据输入神经网络模型进行运算，得到所述社交用户的运动情境类型；将所述社交用户的运动情境类型及个人属性输入用户画像模型，得到所述社交用户的用户画像；基于所述社交用户的用户画像以及配置于所述用户画像模型的初始社交推荐方案将所述社交用户推荐给满足设定条件的其他用户。通过该方法可避免社交用户在与被推荐用户沟通后无法及时得到回应的问题，提高了社交用户推荐的合理性。

技术领域

本发明涉及互联网及物联网模式识别技术领域，具体而言，涉及一种基于机器学习和用户画像技术的社交用户推荐方法及装置。

背景技术

互联网时代的到来，催生了一系列社交应用的崛起，目前，已经有不少社交应用开发出了基于用户画像技术的好友推荐功能。

但是，现有技术中，在向用户推荐陌生好友时并没有考虑到该被推荐的用户当前是否处于空闲状态，当用户向该被推荐的用户发送信息后无法及时得到回应时，不仅会影响用户之间的交友效果，还可能影响用户的使用体验。

发明内容

为了克服现有技术中的上述不足，本发明的目的在于提供一种基于机器学习和用户画像技术的社交用户推荐方法及装置，以避免社交用户在与被推荐用户沟通后无法及时得到回应的问题，提高了社交用户推荐的合理性。

为了实现上述目的，本发明较佳实施例采用的技术方案如下：

第一方面，本发明实施例提供一种基于机器学习和用户画像技术的社交用户推荐方法，应用于服务器，所述服务器配置有用户画像模型及神经网络模型，所述方法包括：

获取社交用户的运动数据及个人属性，其中，所述个人属性包括社交用户设定的人口特征信息和偏好信息；

对所述运动数据进行处理，并将处理后的数据输入所述神经网络模型进行运算，得到所述社交用户的运动情境类型；

将所述社交用户的运动情境类型及个人属性输入所述用户画像模型，得到所述社交用户的用户画像；

基于所述社交用户的用户画像以及配置于所述用户画像模型的初始社交推荐方案将所述社交用户推荐给满足设定条件的其他用户。

可选地，在本发明实施例中，所述方法还包括：

获取其他用户对所述社交用户的评价信息；

根据其他用户对所述社交用户的评价信息对所述用户画像模型进行优化。

可选地，在本发明实施例中，所述用户画像模型配置有初始社交推荐方案，所述方法还包括：

根据其他用户对所述社交用户的评价信息对所述初始社交推荐方案进行优化。

进一步地，在本发明实施例中，所述运动数据中包括脚底的压力数据，并且所述运动数据以矩阵形式保存，所述对所述运动数据进行处理，并将处理后的数据输入所述神经网络模型进行运算，得到所述社交用户的运动情境类型的步骤，包括：

对所述压力数据进行小波变换操作；

根据矩阵的非监督算法对经过小波变换操作后的压力数据进行去噪，并将信噪比高于预设信噪比的压力数据作为所述社交用户的步态数据；

根据所述社交用户的步态数据确定所述社交用户的运动情境类型。

进一步地，在本发明实施例中，所述根据所述社交用户的步态数据确定所述社交用户的运动情境类型的步骤，包括：

获取所述步态数据的时域特征和频域特征；

采用模糊C均值法从所述步态数据的时域特征中得到基于所述步态数据的步态频域特征子集；