[发明专利]用户推荐方法、装置、存储介质及服务器

说明书

本发明提供一种用户推荐方法、装置、存储介质及服务器，所述用户推荐方法包括：获取各个用户的用户行为信息；提取所述用户行为信息的特征信息；根据所述特征信息计算所述用户的相似度，根据所述相似度划分用户群组；在所述用户群组内进行用户的相互推荐。本发明实现了根据用户行为信息这一动态数据，筛选出具有相同兴趣爱好的用户，形成用户群组，自动在用户群组内进行相互推荐，由于动态数据更能反映用户的兴趣爱好，因此推荐的好友的精准度更高。

技术领域

本发明涉及推荐技术领域，具体而言，本发明涉及一种用户推荐方法、装置、存储介质及服务器。

背景技术

随着互联网的飞速发展，智能终端和社交网络的普及，人与人的联系更加紧密。为用户推荐具有相同兴趣的朋友成为满足人们社交需求中重要的组成部分，通过推荐技术，可以增加用户对产品的粘性，增加产品的口碑。

目前，对于社交平台上海量的用户群体，有交友需求的用户无法通过合适的渠道交到合适的朋友。即便一些平台可根据用户基本信息来推荐好友，但这些用户基本信息是静态片面数据，使得推荐的好友的准确性不高。

发明内容

本发明的目的旨在提供一种用户推荐方法、装置、存储介质及服务器，以解决在为当前用户推荐好友时，只能通过用户的静态片面数据来筛选待推荐好友，使得推荐的好友的准确性不高的问题。

本发明提供的一种用户推荐方法，包括：

获取各个用户的用户行为信息；

提取所述用户行为信息的特征信息；

根据所述特征信息计算所述用户的相似度，根据所述相似度划分用户群组；

在所述用户群组内进行用户的相互推荐。

可选地，所述根据所述特征信息计算所述用户的相似度之前，还包括：

获取各个用户的用户基本信息；

所述根据所述特征信息计算所述用户的相似度的步骤，包括：

根据所述特征信息和用户基本信息计算所述用户的相似度。

可选地，所述根据所述特征信息和用户基本信息计算所述用户的相似度的步骤，包括：

利用所述特征信息和用户基本信息生成用户特征向量；

根据所述用户特征向量计算所述用户的相似度。

可选地，所述利用所述特征信息和用户基本信息生成用户特征向量的步骤，包括：

利用所述特征信息生成第一特征向量；

利用所述用户基本信息生成第二特征向量；

将所述第一特征向量与所述第二特征向量进行合并；

将合并后的特征向量进行归一化处理，得到用户特征向量。

可选地，所述行为信息包括历史浏览内容，所述提取所述用户行为信息的特征信息的步骤，包括：

对历史浏览内容进行分词；

将所述分词累加至对应的标签，得到标签值；

所述利用所述特征信息生成第一特征向量的步骤，包括：

利用所述标签值生成第一特征向量。

可选地，所述对历史浏览内容进行分词之前，还包括:

获取用户的浏览内容；

当浏览内容的浏览时长超过预设值时，得到历史浏览内容。

可选地，所述根据所述用户特征向量计算所述用户的相似度的步骤，包括：