[发明专利]一种好友推荐方法、装置、系统及计算机存储介质

权利要求书

1.一种好友推荐方法，其特征在于，包括：

获取全部历史用户数据，根据所述全部历史用户数据构建正向索引和倒排索引；所述倒排索引包括：属性倒排索引和关系倒排索引；所述历史用户数据包括历史用户ID、所述历史用户ID对应的属性数据和关系数据；

获取输入用户ID，根据所述正向索引得到所述输入用户ID对应的属性数据和关系数据；将所述输入用户的属性数据根据所述属性倒排索引得到与该输入用户的属性数据对应的第一历史用户ID；以及将所述输入用户的关系数据根据所述关系倒排索引得到与该输入用户的关系数据对应的第二历史用户ID；

将所述第一历史用户ID和第二历史用户ID合并，并将合并后的历史用户ID通过加权表加权打分得到各个用户的打分值；将全部的所述打分值从高到低排序，并根据排序顺序推荐前第一预设数量个打分值所对应的历史用户，得到待推荐用户；

将输入用户的属性数据和关系数据以及待推荐用户的属性数据和关系数据生成特征序列，并将所述特征序列输入到预训练模型中，得到输入用户与每个待推荐用户成为好友的概率，将全部的所述概率从高到低排序，并根据排序顺序推荐前第二预设数量个概率值所对应的历史用户，得到最终推荐用户。

2.根据权利要求1所述的方法，其特征在于：

所述属性数据包括属性名和其对应的属性值；所述关系数据包括关系名和其对应的全部关系用户ID；

所述属性名至少包括：性别、出生年份、家乡、毕业学校和居住地；

所述关系名至少包括：关注、好友、黑名单和通讯录。

3.根据权利要求2所述的方法，其特征在于，所述将所述第一历史用户ID和第二历史用户ID合并，并将合并后的历史用户ID通过加权表加权打分得到各个用户的打分值包括：

将所述第一历史用户ID和第二历史用户ID进行合并；

在合并后的历史用户ID中，过滤输入用户ID的好友用户ID和黑名单用户ID；

将过滤后的历史用户ID通过加权表加权打分得到各个用户的打分值。

4.根据权利要求2所述的方法，其特征在于：

所述特征序列包括：一阶特征序列和二阶特征序列；

所述一阶特征序列包括：输入用户每个属性名对应的属性值，待推荐用户的每个属性名对应的属性值；输入用户的每个关系名对应的关系值，待推荐用户的每个关系名对应的关系值；

所述二阶特征序列包括：输入用户和待推荐用户的同一个属性名对应的属性值匹配结果；输入用户和待推荐用户的同一个关系名的重合人数。

5.根据权利要求1所述的方法，其特征在于：

所述预训练模型通过逻辑回归模型、K最近邻分类算法、决策树、支持向量机或朴素贝叶斯分类算法生成。

6.一种好友推荐装置，其特征在于，包括：

第一获取单元，用于获取全部历史用户数据，根据所述全部历史用户数据构建正向索引和倒排索引；所述倒排索引包括：属性倒排索引和关系倒排索引；所述历史用户数据包括历史用户ID、所述历史用户ID对应的属性数据和关系数据；

第二获取单元，用于获取输入用户ID，根据所述正向索引得到所述输入用户ID对应的属性数据和关系数据；将所述输入用户的属性数据根据所述属性倒排索引得到与该输入用户的属性数据对应的第一历史用户ID；以及将所述输入用户的关系数据根据所述关系倒排索引得到与该输入用户的关系数据对应的第二历史用户ID；

第一推荐单元，用于将所述第一历史用户ID和第二历史用户ID合并，并将合并后的历史用户ID通过加权表加权打分得到各个用户的打分值；将全部的所述打分值从高到低排序，并根据排序顺序推荐前第一预设数量个打分值所对应的历史用户，得到待推荐用户；

第二推荐单元，用于将输入用户的属性数据和关系数据以及待推荐用户的属性数据和关系数据生成特征序列，并将所述特征序列输入到预训练模型中，得到输入用户与每个待推荐用户成为好友的概率，将全部的所述概率从高到低排序，并根据排序顺序推荐前第二预设数量个概率值所对应的历史用户，得到最终推荐用户。