[发明专利]一种基于社交关系的用户推荐方法、装置及电子设备

说明书

本发明公开了一种基于社交关系的用户推荐方法、装置及电子设备，所述方法包括：获取用户社交数据；基于社交网能量传递属性将所述社交数据进行特征工程加工得到特征数据；将所述特征数据输入组合模型中得到潜在用户概率；根据所述潜在用户概率向用户联系人发送推荐信息。本发明充分考虑每个老用户的社交传播能力，通过特征工程对老用户的社交数据进行特征分类，得到能够表征老用户社交传播能力的特征数据，将这些特征数据通过组合模型分析得到该用户联系人的潜在用户概率；再根据潜在用户概率向不同的联系人发送不同的推荐信息，提高了平台纳新用户的成功率，促进产品销售。本发明具有预测精准、推荐针对性强的优点。

技术领域

本发明涉及推荐技术领域，具体而言，涉及一种基于社交关系的用户推荐方法、装置、电子设备及计算机可读介质。

背景技术

随着互联网及网络营销技术的发展，出现很多网上购物平台、金融平台和相应的APP(Application，应用程序)，如淘宝网、各大银行的手机银行等。这些平台通过注册会员的方式向用户推荐产品，达到销售产品的目的。其中，通过社交关系吸收新用户的方式被广泛应用，具体通过向平台的老用户发送邀约优惠信息，如邀请一位新用户奖励5元优惠卷的方式鼓励老用户通过社交关系引入新用户。

在这种方式中，对所有老用户发放相同的邀约优惠信息，老用户通过向自己社交关系网中的联系人发送平台的推荐信息，而得到相应的优惠。这种方式一方面不足以调动所有的老用户去邀约新用户，另一方面，老用户并不知道哪个联系人会注册该平台，只是随机的发送推荐信息，可能会对不感兴趣的联系人发送了平台的推荐信息，而对感兴趣的联系人未发送平台的推荐信息，造成推荐成功注册率低下的问题，影响产品营销。

发明内容

本发明旨在解决现有技术中平台吸纳新用户的成功率低的技术问题。

为了解决上述技术问题，本发明第一方面提出一种基于社交关系的用户推荐方法，所述方法包括：

获取用户社交数据；

基于社交网能量传递属性将所述社交数据进行特征工程加工得到特征数据；

将所述特征数据输入组合模型中得到潜在用户概率；

根据所述潜在用户概率向用户联系人发送推荐信息。

根据本发明一种优选的实施方式，所述基于社交网能量传递属性将所述社交数据进行特征工程加工得到特征数据包括：

将所述社交数据基于复杂网络进行基础特征加工，得到欧式结构数据；

将所述欧式结构数据基于复杂网络进行算法特征加工，得到特征数据。

根据本发明一种优选的实施方式，所述将所述欧式结构数据基于复杂网络进行算法特征加工包括：

根据社交网之间的关系通过社群发现算法确定属于同一社交网的社群用户；

基于同一社交网中所有社群用户的欧式结构数据确定所述社交网的传播值。

根据本发明一种优选的实施方式，所述将所述欧式结构数据基于复杂网络进行算法特征加工包括：

根据用户的欧式结构数据确定用户与其他社交网用户沟通的最短距离。

根据本发明一种优选的实施方式，所述将所述特征数据输入组合模型中得到潜在用户概率包括：

将所述特征数据输入XGB模型得到第一数据；

将所述特征数据输入标签传播算法模型得到第二数据；

将所述第一数据和所述第二数据合并后输入DNN模型得到潜在用户概率。

根据本发明一种优选的实施方式，所述根据所述潜在用户概率向用户联系人发送推荐信息包括：