一種推薦好友的方法和設(shè)備的制作方法
【專(zhuān)利摘要】本發(fā)明的實(shí)施方式提供了一種推薦好友的方法。該方法之一包括：獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足該交友條件的各個(gè)第二用戶(hù)；依據(jù)第一用戶(hù)的基本信息與各個(gè)第二用戶(hù)的基本信息，利用匹配模型，計(jì)算各個(gè)第二用戶(hù)與第一用戶(hù)之間的匹配度，該匹配模型為預(yù)先依據(jù)社交網(wǎng)絡(luò)中相應(yīng)兩個(gè)歷史匹配用戶(hù)的基本信息及兩者歷史交互信息量而建立的；根據(jù)各個(gè)第二用戶(hù)與第一用戶(hù)之間的匹配度，從各個(gè)第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。通過(guò)本發(fā)明實(shí)施方式的方法，不僅可以使得推薦好友更符合該用戶(hù)的偏好，而且在社交網(wǎng)絡(luò)中可以減少無(wú)法推薦好友的情況發(fā)生。此外，本發(fā)明的實(shí)施方式提供了一種推薦好友的設(shè)備。
【專(zhuān)利說(shuō)明】 一種推薦好友的方法和設(shè)備
【技術(shù)領(lǐng)域】
[0001]本發(fā)明的實(shí)施方式涉及網(wǎng)絡(luò)信息處理領(lǐng)域，更具體地，本發(fā)明的實(shí)施方式涉及一種推薦好友的方法和設(shè)備。
【背景技術(shù)】
[0002]本部分旨在為權(quán)利要求書(shū)中陳述的本發(fā)明的實(shí)施方式提供背景或上下文。此處的描述不因?yàn)榘ㄔ诒静糠种芯统姓J(rèn)是現(xiàn)有技術(shù)。
[0003]隨著互聯(lián)網(wǎng)的普及和發(fā)展，越來(lái)越多的人們通過(guò)社交網(wǎng)絡(luò)進(jìn)行溝通、結(jié)識(shí)朋友，甚至是結(jié)識(shí)婚戀對(duì)象。在社交網(wǎng)絡(luò)中，為了便于用戶(hù)結(jié)識(shí)新的好友，系統(tǒng)可以將某用戶(hù)可能感興趣的其他用戶(hù)作為推薦好友向該用戶(hù)推薦，以便該用戶(hù)可以與推薦好友進(jìn)行信息交互。例如，在婚戀等場(chǎng)景下的社交網(wǎng)絡(luò)中，各個(gè)用戶(hù)可以具有表示個(gè)人情況的基本信息，當(dāng)系統(tǒng)需要為某一用戶(hù)推薦好友時(shí)，可以依據(jù)表示該用戶(hù)交友興趣的交友條件(如擇偶條件)，將基本信息滿(mǎn)足該用戶(hù)交友條件的其他用戶(hù)推薦給該用戶(hù)。
[0004]對(duì)于某一用戶(hù)來(lái)說(shuō)，通常在一個(gè)社交網(wǎng)絡(luò)中基本信息能夠滿(mǎn)足該用戶(hù)交友條件的其他用戶(hù)數(shù)量非常多，而其中往往僅有很少的一部分是該用戶(hù)真正感興趣的。為了向用戶(hù)推薦更符合用戶(hù)偏好的其他用戶(hù)，現(xiàn)有技術(shù)中采用的是，根據(jù)用戶(hù)的基本信息獲得與該用戶(hù)基本信息相同或相似的至少一個(gè)其他用戶(hù)作為類(lèi)似用戶(hù)，然后從類(lèi)似用戶(hù)偏好的好友用戶(hù)中篩選出基本信息滿(mǎn)足該用戶(hù)交友條件的至少一個(gè)好友用戶(hù)推薦給該用戶(hù)。這樣，由于基本信息相似的用戶(hù)偏好類(lèi)似，現(xiàn)有技術(shù)為某一用戶(hù)推薦好友時(shí)，通過(guò)將好友用戶(hù)的篩選范圍縮小到與該用戶(hù)基本信息相同或相似的其他用戶(hù)所偏好的好友用戶(hù)，使得為該用戶(hù)推薦的好友更符合用戶(hù)的偏好。

【發(fā)明內(nèi)容】

[0005]但是，由于現(xiàn)有技術(shù)中為該用戶(hù)推薦的好友均是與該用戶(hù)基本信息相同或相似的類(lèi)似用戶(hù)所偏好的好友用戶(hù)，在社交網(wǎng)絡(luò)中有時(shí)難以找到與該用戶(hù)基本信息相同或相似的類(lèi)似用戶(hù)，有時(shí)雖然能夠找到類(lèi)似用戶(hù)，但類(lèi)似用戶(hù)偏好的好友用戶(hù)數(shù)量也往往過(guò)少，以至于難以找到基本信息滿(mǎn)足該用戶(hù)交友條件的好友用戶(hù)，這些情況都會(huì)導(dǎo)致無(wú)法為該用戶(hù)推薦出好友。
[0006]因此在現(xiàn)有技術(shù)中，為了向用戶(hù)推薦更符合用戶(hù)偏好的好友而使得為該用戶(hù)推薦的好友均是與該用戶(hù)基本信息相同或相似的類(lèi)似用戶(hù)所偏好的好友用戶(hù)，使得在社交網(wǎng)絡(luò)中不具有該用戶(hù)的類(lèi)似用戶(hù)或類(lèi)似用戶(hù)偏好的好友用戶(hù)過(guò)少時(shí)容易導(dǎo)致無(wú)法為用戶(hù)推薦好友，這是非常令人煩惱的過(guò)程。
[0007]為此，非常需要一種改進(jìn)的推薦好友的方法和設(shè)備，以使在向用戶(hù)推薦更符合用戶(hù)偏好的好友時(shí)無(wú)需從該用戶(hù)的類(lèi)似用戶(hù)所偏好的好友用戶(hù)中篩選推薦好友，從而避免在社交網(wǎng)絡(luò)中不具有該用戶(hù)的類(lèi)似用戶(hù)或類(lèi)似用戶(hù)偏好的好友用戶(hù)過(guò)少時(shí)無(wú)法為用戶(hù)推薦好友的問(wèn)題。[0008]在本上下文中，本發(fā)明的實(shí)施方式期望提供一種推薦好友的方法和設(shè)備。
[0009]在本發(fā)明實(shí)施方式的第一方面中，提供了一種推薦好友的方法，包括:獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第二用戶(hù)；依據(jù)所述第一用戶(hù)的基本信息與各個(gè)所述第二用戶(hù)的基本信息，利用匹配模型，計(jì)算各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，所述匹配模型為預(yù)先依據(jù)社交網(wǎng)絡(luò)中具有歷史信息交互的相應(yīng)兩個(gè)歷史匹配用戶(hù)的基本信息以及相應(yīng)兩個(gè)歷史匹配用戶(hù)之間歷史交互信息量而建立的；根據(jù)各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
[0010]在本發(fā)明實(shí)施方式的第二方面中，提供了一種推薦好友的方法，包括:獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第二用戶(hù)；依據(jù)各個(gè)所述第二用戶(hù)的基本信息，利用所述第一用戶(hù)的交友偏好模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，所述交友偏好模型為預(yù)先依據(jù)所述第一用戶(hù)的歷史交友行為以及作為所述歷史交友行為對(duì)象的用戶(hù)的基本信息而建立的；根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
[0011]在本發(fā)明實(shí)施方式的第三方面中，提供了一種推薦好友的設(shè)備，包括:交友條件匹配模塊，用于獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第二用戶(hù)；匹配度計(jì)算模塊，用于依據(jù)所述第一用戶(hù)的基本信息與各個(gè)所述第二用戶(hù)的基本信息，利用匹配模型，計(jì)算各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，所述匹配模型為預(yù)先依據(jù)社交網(wǎng)絡(luò)中具有歷史信息交互的相應(yīng)兩個(gè)歷史匹配用戶(hù)的基本信息以及相應(yīng)兩個(gè)歷史匹配用戶(hù)之間歷史交互信息量而建立的；第一推薦模塊，用于根據(jù)各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
[0012]在本發(fā)明實(shí)施方式的第四方面中，提供了 一種推薦好友的設(shè)備，包括:交友條件匹配模塊，用于獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第二用戶(hù)；偏好度計(jì)算模塊，用于依據(jù)各個(gè)所述第二用戶(hù)的基本信息，利用所述第一用戶(hù)的交友偏好模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，所述交友偏好模型為預(yù)先依據(jù)所述第一用戶(hù)的歷史交友行為以及作為所述歷史交友行為對(duì)象的用戶(hù)的基本信息而建立的；第二推薦模塊，用于根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
[0013]根據(jù)本發(fā)明實(shí)施方式的推薦好友的方法和設(shè)備，當(dāng)為第一用戶(hù)推薦好友時(shí)，可以在滿(mǎn)足第一用戶(hù)交友條件的各個(gè)第二用戶(hù)中，通過(guò)相應(yīng)兩個(gè)歷史匹配用戶(hù)的基本信息與兩者歷史交互信息量之間的對(duì)應(yīng)關(guān)系，基于第一用戶(hù)的基本信息和各個(gè)第二用戶(hù)的基本信息來(lái)預(yù)測(cè)表示第一用戶(hù)對(duì)各個(gè)第二用戶(hù)偏好程度的匹配度，和/或，通過(guò)作為第一用戶(hù)歷史交友行為對(duì)象的用戶(hù)的基本信息與該歷史交友行為之間的對(duì)應(yīng)關(guān)系，基于各個(gè)第二用戶(hù)的基本信息來(lái)預(yù)測(cè)表示第一用戶(hù)對(duì)各個(gè)第二用戶(hù)偏好程度的偏好度，從而可以根據(jù)預(yù)測(cè)出的匹配度和/或偏好度來(lái)篩選用于向第一用戶(hù)推薦的第三用戶(hù)。因此，在向用戶(hù)推薦好友時(shí)，可以依據(jù)歷史交友行為或具有歷史信息交互的用戶(hù)匹配歷史情況預(yù)測(cè)當(dāng)前推薦的好友被用戶(hù)接受的可能性，這不僅使得向該用戶(hù)推薦的好友更符合該用戶(hù)的偏好，而且無(wú)需從該用戶(hù)的類(lèi)似用戶(hù)所偏好的好友用戶(hù)中篩選推薦好友，從而在社交網(wǎng)絡(luò)中不具有該用戶(hù)的類(lèi)似用戶(hù)或類(lèi)似用戶(hù)偏好的好友用戶(hù)過(guò)少時(shí)也可以實(shí)現(xiàn)向該用戶(hù)推薦好友，顯著地減少了無(wú)法推薦好友的情況發(fā)生，為用戶(hù)帶來(lái)了更好的體驗(yàn)。
【專(zhuān)利附圖】

【附圖說(shuō)明】
[0014]通過(guò)參考附圖閱讀下文的詳細(xì)描述，本發(fā)明示例性實(shí)施方式的上述以及其他目的、特征和優(yōu)點(diǎn)將變得易于理解。在附圖中，以示例性而非限制性的方式示出了本發(fā)明的若干實(shí)施方式，其中:
[0015]圖1示意性地示出了本發(fā)明的實(shí)施方式的一個(gè)示例性應(yīng)用場(chǎng)景的框架示意圖；
[0016]圖2示意性地示出了本發(fā)明中推薦好友的方法一實(shí)施例的流程圖；
[0017]圖3示意性地示出了本發(fā)明實(shí)施例中篩選第三用戶(hù)一實(shí)施方式的流程圖；
[0018]圖4示意性地示出了本發(fā)明中推薦好友的方法另一實(shí)施例的流程圖；
[0019]圖5示意性地示出了本發(fā)明中推薦好友的設(shè)備一實(shí)施例的結(jié)構(gòu)圖；
[0020]圖6示意性地示出了本發(fā)明中推薦好友的設(shè)備另一實(shí)施例的結(jié)構(gòu)圖；
[0021]圖7示意性地示出了本發(fā)明中推薦好友的設(shè)備又一實(shí)施例的結(jié)構(gòu)圖；
[0022]圖8示意性地示出了本發(fā)明實(shí)施例中第一推薦模塊503 —實(shí)施方式的結(jié)構(gòu)圖；
[0023]圖9示意性地示出了本發(fā)明實(shí)施例中用戶(hù)推薦子模塊802 —實(shí)施方式的結(jié)構(gòu)圖；
[0024]圖10示意性地示出了本發(fā)明中推薦好友的設(shè)備再一實(shí)施例的結(jié)構(gòu)圖；
[0025]在附圖中，相同或?qū)?yīng)的標(biāo)號(hào)表不相同或?qū)?yīng)的部分。
【具體實(shí)施方式】
[0026]下面將參考若干示例性實(shí)施方式來(lái)描述本發(fā)明的原理和精神。應(yīng)當(dāng)理解，給出這些實(shí)施方式僅僅是為了使本領(lǐng)域技術(shù)人員能夠更好地理解進(jìn)而實(shí)現(xiàn)本發(fā)明，而并非以任何方式限制本發(fā)明的范圍。相反，提供這些實(shí)施方式是為了使本公開(kāi)更加透徹和完整，并且能夠?qū)⒈竟_(kāi)的范圍完整地傳達(dá)給本領(lǐng)域的技術(shù)人員。
[0027]本領(lǐng)域技術(shù)人員知道，本發(fā)明的實(shí)施方式可以實(shí)現(xiàn)為一種系統(tǒng)、裝置、設(shè)備、方法或計(jì)算機(jī)程序產(chǎn)品。因此，本公開(kāi)可以具體實(shí)現(xiàn)為以下形式，即:完全的硬件、完全的軟件(包括固件、駐留軟件、微代碼等)，或者硬件和軟件結(jié)合的形式。
[0028]根據(jù)本發(fā)明的實(shí)施方式，提出了一種推薦好友的方法和設(shè)備。
[0029]在本文中，需要理解的是，所涉及的術(shù)語(yǔ)“第一用戶(hù)”、“第二用戶(hù)”、“第三用戶(hù)”分別表示的是同一個(gè)推薦好友過(guò)程中接受推薦的用戶(hù)、滿(mǎn)足接受推薦用戶(hù)交友條件的用戶(hù)以及最終推薦出的好友用戶(hù)。可以理解的是，在不同的推薦過(guò)程中，第一用戶(hù)可以是社交網(wǎng)絡(luò)中的任意用戶(hù)，例如，一推薦過(guò)程中的某第二用戶(hù)或第三用戶(hù)也可以是另一推薦過(guò)程的第一用戶(hù)。對(duì)于推薦過(guò)程中接受推薦的“第一用戶(hù)”，本發(fā)明不做限定。此外，附圖中的任何元素?cái)?shù)量均用于示例而非限制，以及任何命名都僅用于區(qū)分，而不具有任何限制含義。
[0030]下面參考本發(fā)明的若干代表性實(shí)施方式，詳細(xì)闡釋本發(fā)明的原理和精神。
[0031]發(fā)明概沭
[0032]本發(fā)明人發(fā)現(xiàn)，通常社交網(wǎng)絡(luò)中符合一個(gè)用戶(hù)交友條件的用戶(hù)數(shù)量都是十分巨大的，但其中往往僅有很少一部分會(huì)被該用戶(hù)真正感興趣而接受為好友，為了向用戶(hù)推薦更符合用戶(hù)偏好的好友，現(xiàn)有技術(shù)采用的方式主要是僅在基本信息與該用戶(hù)相似的類(lèi)似用戶(hù)所偏好的好友用戶(hù)中篩選推薦給該用戶(hù)的好友用戶(hù)。通過(guò)這種方式，現(xiàn)有技術(shù)雖然能使推薦給該用戶(hù)的好友用戶(hù)更符合該用戶(hù)的偏好，但卻會(huì)在該用戶(hù)不具有基本信息相似的類(lèi)似好友或者類(lèi)似好友的好友用戶(hù)數(shù)量太少而導(dǎo)致無(wú)法向該用戶(hù)推薦好友，可見(jiàn)，現(xiàn)有技術(shù)中導(dǎo)致無(wú)法為該用戶(hù)推薦好友的原因主要在于向該用戶(hù)推薦的好友用戶(hù)都是從該用戶(hù)的類(lèi)似用戶(hù)所偏好的好友用戶(hù)中篩選出的。因此，為了避免無(wú)法推薦的問(wèn)題，就需要在使向用戶(hù)推薦更符合用戶(hù)偏好的好友的同時(shí)，避免采用僅從該用戶(hù)的類(lèi)似用戶(hù)所偏好的用戶(hù)中篩選推薦給該用戶(hù)的好友。
[0033]基于上述研究，本發(fā)明的基本思想在于:當(dāng)為第一用戶(hù)推薦好友時(shí)，可以在滿(mǎn)足第一用戶(hù)交友條件的各個(gè)第二用戶(hù)中，通過(guò)相應(yīng)兩個(gè)歷史匹配用戶(hù)的基本信息與兩者歷史交互信息量之間的對(duì)應(yīng)關(guān)系，基于第一用戶(hù)的基本信息和各個(gè)第二用戶(hù)的基本信息來(lái)預(yù)測(cè)表示第一用戶(hù)對(duì)各個(gè)第二用戶(hù)偏好程度的匹配度，和/或，通過(guò)作為第一用戶(hù)歷史交友行為對(duì)象的用戶(hù)的基本信息與該歷史交友行為之間的對(duì)應(yīng)關(guān)系，基于各個(gè)第二用戶(hù)的基本信息來(lái)預(yù)測(cè)表示第一用戶(hù)對(duì)各個(gè)第二用戶(hù)偏好程度的偏好度，從而可以根據(jù)預(yù)測(cè)出的匹配度和/或偏好度來(lái)篩選用于向第一用戶(hù)推薦的第三用戶(hù)。這樣，不僅可以使得向該用戶(hù)推薦的好友更符合該用戶(hù)的偏好，而且也無(wú)需從該用戶(hù)的類(lèi)似用戶(hù)所偏好的好友用戶(hù)中篩選推薦好友，從而在社交網(wǎng)絡(luò)中不具有該用戶(hù)的類(lèi)似用戶(hù)或類(lèi)似用戶(hù)偏好的好友用戶(hù)過(guò)少時(shí)也可以實(shí)現(xiàn)向該用戶(hù)推薦好友，減少了無(wú)法推薦好友的情況發(fā)生。
[0034]在介紹了本發(fā)明的基本原理之后，下面具體介紹本發(fā)明的各種非限制性實(shí)施方式。
[0035]應(yīng)用場(chǎng)景總覽
[0036]首先參考圖1，圖1是本發(fā)明的實(shí)施方式的一個(gè)示例性應(yīng)用場(chǎng)景的框架示意圖。其中，用戶(hù)通過(guò)客戶(hù)端102與提供社交網(wǎng)絡(luò)服務(wù)的服務(wù)器101進(jìn)行交互。本領(lǐng)域技術(shù)人員可以理解，圖1所示的框架示意圖僅是本發(fā)明的實(shí)施方式可以在其中得以實(shí)現(xiàn)的一個(gè)示例。本發(fā)明實(shí)施方式的適用范圍不受到該框架任何方面的限制。
[0037]需要注意的是，此處的客戶(hù)端102可以是現(xiàn)有的、正在研發(fā)的或?qū)?lái)研發(fā)的、能夠通過(guò)任何形式的有線(xiàn)和/或無(wú)線(xiàn)連接(例如，W1-F1、LAN、蜂窩、同軸電纜等)與服務(wù)器101交互的任何客戶(hù)端，包括但不限于:現(xiàn)有的、正在研發(fā)的或?qū)?lái)研發(fā)的智能手機(jī)、非智能手機(jī)、平板電腦、膝上型個(gè)人計(jì)算機(jī)、桌面型個(gè)人計(jì)算機(jī)、小型計(jì)算機(jī)、中型計(jì)算機(jī)、大型計(jì)算機(jī)等。
[0038]還需要注意的是，此處的服務(wù)器101僅是現(xiàn)有的、正在研發(fā)的或?qū)?lái)研發(fā)的、能夠向用戶(hù)提供業(yè)務(wù)資源的設(shè)備的一個(gè)示例。本發(fā)明的實(shí)施方式在此方面不受任何限制。
[0039]基于圖1所示的框架，在第一種示例性應(yīng)用場(chǎng)景下，服務(wù)器101可以獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第二用戶(hù)。然后，服務(wù)器101可以依據(jù)所述第一用戶(hù)的基本信息與各個(gè)所述第二用戶(hù)的基本信息，利用匹配模型，計(jì)算各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，所述匹配模型為預(yù)先依據(jù)社交網(wǎng)絡(luò)中具有歷史信息交互的相應(yīng)兩個(gè)歷史匹配用戶(hù)的基本信息以及相應(yīng)兩個(gè)歷史匹配用戶(hù)之間歷史交互信息量而建立的。再之后，服務(wù)器101可以根據(jù)各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
[0040]基于圖1所示的框架，在第二種示例性應(yīng)用場(chǎng)景下，服務(wù)器101可以獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第二用戶(hù)。然后，服務(wù)器101可以依據(jù)各個(gè)所述第二用戶(hù)的基本信息，利用所述第一用戶(hù)的交友偏好模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，所述交友偏好模型為預(yù)先依據(jù)所述第一用戶(hù)的歷史交友行為以及作為所述歷史交友行為對(duì)象的用戶(hù)的基本信息而建立的。再之后，服務(wù)器101可以根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
[0041]可以理解的是，本發(fā)明的應(yīng)用場(chǎng)景中，雖然此處和下面將本發(fā)明實(shí)施方式的動(dòng)作描述為由服務(wù)器101執(zhí)行，但是這些動(dòng)作也可以由客戶(hù)端102執(zhí)行，當(dāng)然也可以部分由客戶(hù)端102執(zhí)行、部分由服務(wù)器101執(zhí)行。本發(fā)明在執(zhí)行主體方面不受限制，只要執(zhí)行了本發(fā)明實(shí)施方式所公開(kāi)的動(dòng)作即可。
[0042]示例性方法
[0043]下面結(jié)合圖1的應(yīng)用場(chǎng)景，參考圖2?5來(lái)描述根據(jù)本發(fā)明示例性實(shí)施方式的用于推薦好友的方法。需要注意的是，上述應(yīng)用場(chǎng)景僅是為了便于理解本發(fā)明的精神和原理而示出，本發(fā)明的實(shí)施方式在此方面不受任何限制。相反，本發(fā)明的實(shí)施方式可以應(yīng)用于適用的任何場(chǎng)景。
[0044]參見(jiàn)圖2，示出了本發(fā)明中推薦好友的方法一實(shí)施例的流程圖。在本實(shí)施例中，例如具體可以包括如下步驟:
[0045]步驟201、獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第
二用戶(hù)。
[0046]在社交網(wǎng)絡(luò)中的任一用戶(hù)，一方面該用戶(hù)可以設(shè)置表示其個(gè)人情況的基本信息，另一方面該用戶(hù)可以依據(jù)個(gè)人需求設(shè)置其好友的個(gè)人情況需要滿(mǎn)足的交友條件，而其他用戶(hù)可以查看該用戶(hù)的基本信息及交友條件，以便確定是否與該用戶(hù)進(jìn)行交友行為。例如，在婚戀交友的社交網(wǎng)絡(luò)中，交友條件可以是用戶(hù)的擇偶條件。又如，在校友溝通的社交網(wǎng)絡(luò)中，交友條件可以是用戶(hù)的學(xué)校、學(xué)院等。其中，交友條件例如可以包括性別、地區(qū)、年齡、身高、收入、學(xué)歷等限制條件。
[0047]在本實(shí)施例中，為了向第一用戶(hù)推薦好友，可以獲取第一用戶(hù)預(yù)先設(shè)置的交友條件，然后以社交網(wǎng)絡(luò)中其他用戶(hù)的基本信息去匹配第一用戶(hù)的交友條件，從而查找出基本信息滿(mǎn)足第一用戶(hù)交友條件的第二用戶(hù)。其中，第一用戶(hù)的交友條件用于表示第一用戶(hù)對(duì)其好友用戶(hù)個(gè)人情況的要求，例如可以包括所在地、學(xué)歷情況、工作情況、性格等條件；第二用戶(hù)的基本信息用于表示第二用戶(hù)的個(gè)人情況，例如可以包括第二用戶(hù)的姓名、所在地、學(xué)歷情況、工作情況、性格等信息。
[0048]需要說(shuō)明的是，由于第一用戶(hù)的交友條件往往僅能粗略地體現(xiàn)個(gè)人需求，而第二用戶(hù)的基本信息也往往僅能粗略地體現(xiàn)個(gè)人情況，因此，往往基本信息滿(mǎn)足第一用戶(hù)交友條件的第二用戶(hù)數(shù)量非常多，但許多第二用戶(hù)卻并非是第一用戶(hù)真正感興趣的好友用戶(hù)。為此，在查找到第二用戶(hù)之后，還需要進(jìn)入后續(xù)步驟，以便從第二用戶(hù)中繼續(xù)篩選，從而得到更符合第一用戶(hù)偏好的好友用戶(hù)。
[0049]步驟202、依據(jù)所述第一用戶(hù)的基本信息與各個(gè)所述第二用戶(hù)的基本信息，利用匹配模型，計(jì)算各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，所述匹配模型為預(yù)先依據(jù)社交網(wǎng)絡(luò)中具有歷史信息交互的相應(yīng)兩個(gè)歷史匹配用戶(hù)的基本信息以及相應(yīng)兩個(gè)歷史匹配用戶(hù)之間歷史交互信息量而建立的。
[0050]在本實(shí)施例中，所涉及的“模型”可以表示，依據(jù)輸入變量與輸出變量之間已知具有對(duì)應(yīng)關(guān)系的歷史變量值而建立的、表示輸入變量與輸出變量之間對(duì)應(yīng)關(guān)系的計(jì)算工具，可以用于為任意輸入變量的變量值計(jì)算出對(duì)應(yīng)輸出變量的變量值，從而可以實(shí)現(xiàn)依據(jù)歷史交友或匹配情況預(yù)測(cè)當(dāng)前推薦的好友被用戶(hù)接受的可能性。
[0051]例如，此處的匹配模型可以表示兩個(gè)用戶(hù)的基本信息與該兩個(gè)用戶(hù)之間的匹配度之間的對(duì)應(yīng)關(guān)系，也即，該匹配模型中，輸入變量是兩個(gè)用戶(hù)的基本信息，輸出變量則是兩個(gè)用戶(hù)的匹配度，其中，匹配度可以用于表示這兩個(gè)用戶(hù)之間的信息交互深入程度、由這兩個(gè)用戶(hù)之間的信息交互量而計(jì)算得到的，例如，匹配度可以是一個(gè)[0，1]內(nèi)的數(shù)值，其越接近于I表明兩個(gè)用戶(hù)間的信息交流越多、越深入。另外，作為匹配模型的輸入變量，進(jìn)行匹配的兩個(gè)用戶(hù)的基本信息可以分別單獨(dú)組成一個(gè)有序特征向量，每一用戶(hù)的有序特征向量中的維度例如可以包括性別、頭像信息、居住省份、居住城市、出生年份、出生月份、出生日、薪資范圍、教育水平、工作職位、婚姻狀態(tài)、行業(yè)、住房狀況、購(gòu)車(chē)狀況、出生省份、出生城市、戀愛(ài)狀態(tài)、是否首次登入、用戶(hù)頭像質(zhì)量、身高、體重、星座、血型、微博狀態(tài)和/或個(gè)人獨(dú)白狀態(tài)等基本彳目息。
[0052]如前所述，匹配模型可以是依據(jù)社交網(wǎng)絡(luò)中此前曾經(jīng)交互過(guò)的相應(yīng)兩個(gè)歷史用戶(hù)之間的歷史信息交互(例如評(píng)論、點(diǎn)贊、收藏、回復(fù)、即時(shí)通信功能(如私聊功能)、不喜歡、拉黑)情況而建立的。具體地，兩個(gè)曾經(jīng)進(jìn)行過(guò)一定量的正面的信息交互的用戶(hù)可以被認(rèn)為是相應(yīng)兩個(gè)歷史匹配用戶(hù)，這相應(yīng)兩個(gè)歷史匹配用戶(hù)的歷史匹配度可以是由兩者間歷史信息交互量計(jì)算出的，在此基礎(chǔ)上，這相應(yīng)兩個(gè)歷史匹配用戶(hù)的基本信息與其歷史匹配度可以被認(rèn)為是具有已知的對(duì)應(yīng)關(guān)系。因此，由于社交網(wǎng)絡(luò)中存在大量曾經(jīng)進(jìn)行過(guò)信息交互的相應(yīng)兩個(gè)歷史匹配用戶(hù)，可以以這些相應(yīng)兩個(gè)歷史匹配用戶(hù)的基本信息作為匹配模型輸入變量的歷史變量值，以這些相應(yīng)兩個(gè)歷史匹配用戶(hù)的歷史匹配度作為匹配模型輸出變量的歷史變量值，訓(xùn)練出表示相應(yīng)兩個(gè)用戶(hù)的基本信息與相應(yīng)兩個(gè)用戶(hù)的匹配度之間對(duì)應(yīng)關(guān)系的匹配模型。其中，為了使得匹配模型能夠不斷適應(yīng)社交網(wǎng)絡(luò)中用戶(hù)基本信息與信息交互深入程度之間對(duì)應(yīng)關(guān)系的變化，可以定期采用新發(fā)生的信息交互對(duì)社交網(wǎng)絡(luò)的匹配模型進(jìn)行更新，例如可以每周更新一次匹配模型。
[0053]在為第一用戶(hù)推薦好友時(shí)，針對(duì)各個(gè)基本滿(mǎn)足第一用戶(hù)交友條件的第二用戶(hù)，可以以各個(gè)第二用戶(hù)的基本信息分別與第一用戶(hù)的基本信息一起作為輸入變量的變量值，通過(guò)已訓(xùn)練的匹配模型計(jì)算輸出變量的變量值，作為各個(gè)第二用戶(hù)與第一用戶(hù)的匹配度，用于預(yù)測(cè)各個(gè)第二用戶(hù)與第一用戶(hù)可能會(huì)出現(xiàn)的信息交互深入程度。
[0054]可以理解的是，本實(shí)施例中“模型”例如可以是決策樹(shù)、隨機(jī)森林、支持向量機(jī)、樸素貝葉斯分類(lèi)、人工神經(jīng)網(wǎng)絡(luò)等等。例如，本實(shí)施例可以采用決策樹(shù)算法實(shí)現(xiàn)，決策樹(shù)采用代價(jià)復(fù)雜性剪枝，這樣可以避免訓(xùn)練數(shù)據(jù)過(guò)擬合，而且轉(zhuǎn)化的葉子節(jié)點(diǎn)相比其他剪枝算法有更高的準(zhǔn)確率和支持率。此外，決策樹(shù)算法還支持位置屬性值集的樣本的預(yù)測(cè)，并且訓(xùn)練結(jié)果支持序列化以及持久化，可以通過(guò)快速更新訓(xùn)練樣本和模型以滿(mǎn)足在線(xiàn)的高效實(shí)時(shí)請(qǐng)求。但需要說(shuō)明的是，決策樹(shù)算法僅是本實(shí)施例中的各個(gè)“模型”可以采用的一種計(jì)算工具示例，對(duì)于本實(shí)施例中各個(gè)“模型”分別采用何種計(jì)算工具來(lái)實(shí)現(xiàn)，本實(shí)施例對(duì)此不做限定。
[0055]另外，本實(shí)施例中所涉及的術(shù)語(yǔ)“歷史”表示的是當(dāng)前推薦過(guò)程之前發(fā)生過(guò)的事件或事件相關(guān)因素。例如，“歷史匹配用戶(hù)”可以表示在當(dāng)前推薦過(guò)程之前彼此間發(fā)生過(guò)信息交互的相應(yīng)兩個(gè)用戶(hù)，相應(yīng)地，“歷史信息交互”可以表示相應(yīng)兩個(gè)歷史匹配用戶(hù)在當(dāng)前推薦過(guò)程之前進(jìn)行過(guò)的信息交互。
[0056]步驟203、根據(jù)各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
[0057]在從第二用戶(hù)中篩選第三用戶(hù)時(shí)，各個(gè)第二用戶(hù)與第一用戶(hù)間的匹配度可以作為篩選的一個(gè)依據(jù)。這樣，通過(guò)匹配模型，對(duì)于基本信息滿(mǎn)足第一用戶(hù)交友條件的各個(gè)第二用戶(hù)，可以預(yù)估各個(gè)第二用戶(hù)與第一用戶(hù)間的信息交互深入程度，并以此從第二用戶(hù)中篩選出更可能與第一用戶(hù)進(jìn)行深入信息交互的第三用戶(hù)，以使得推薦給第一用戶(hù)的第三用戶(hù)更符合第一用戶(hù)的偏好。因此，一方面，由于無(wú)需在基本信息與第一用戶(hù)相似的類(lèi)似用戶(hù)所偏好的用戶(hù)中篩選推薦給第一用戶(hù)的好友用戶(hù)，不僅可以使得推薦給第一用戶(hù)的第三用戶(hù)更符合第一用戶(hù)的偏好，而且在社交網(wǎng)絡(luò)中不具有第一用戶(hù)的類(lèi)似用戶(hù)或類(lèi)似用戶(hù)偏好的好友用戶(hù)過(guò)少時(shí)也可以是實(shí)現(xiàn)向第一用戶(hù)推薦好友；另一方面，由于預(yù)估各個(gè)第二用戶(hù)與第一用戶(hù)間匹配度僅需要第一用戶(hù)的基本信息而無(wú)需第一用戶(hù)的歷史交友行為，即使對(duì)于新注冊(cè)用戶(hù)等歷史交友行為或信息交互過(guò)少的第一用戶(hù)來(lái)說(shuō)，也可以實(shí)現(xiàn)為其推薦好友，從而解決為新注冊(cè)用戶(hù)等歷史交友行為或信息交互過(guò)少的用戶(hù)實(shí)現(xiàn)推薦好友的冷啟動(dòng)問(wèn)題。
[0058]此外，通常各個(gè)第二用戶(hù)也具有各自的交友條件，為了使推薦之后雙方用戶(hù)都有興趣跟對(duì)方進(jìn)行交友行為，還可以在篩選第三用戶(hù)時(shí)保證所述第一用戶(hù)的基本信息均滿(mǎn)足各個(gè)所述第三用戶(hù)的交友條件，這樣可以使得第一用戶(hù)與第三用戶(hù)的基本信息均滿(mǎn)足對(duì)方的交友條件。
[0059]可以理解的是，本實(shí)施例中，在從第二用戶(hù)中篩選第三用戶(hù)時(shí)，可以?xún)H根據(jù)各個(gè)第二用戶(hù)與第一用戶(hù)之間的匹配度這一個(gè)依據(jù)，或者也可以綜合考慮包括匹配度在內(nèi)的多個(gè)依據(jù)。
[0060]在采用多個(gè)依據(jù)篩選第三用戶(hù)的第一種可能的實(shí)施方式中，由于各個(gè)第二用戶(hù)與第一用戶(hù)間的匹配度是以社交網(wǎng)絡(luò)中所有用戶(hù)間的歷史信息交互情況為依據(jù)來(lái)預(yù)測(cè)的，其反映的是整個(gè)社交網(wǎng)絡(luò)內(nèi)用戶(hù)的交友情況，但卻不能反映第一用戶(hù)的個(gè)性化偏好，因此，為了使得篩選出的第三用戶(hù)更偏向第一用戶(hù)個(gè)性化的偏好，還可以在匹配度的基礎(chǔ)上，再增加一個(gè)偏好度的依據(jù)，以便綜合考慮匹配度和偏好度來(lái)篩選第三用戶(hù)，其中，偏好度可以是以第一用戶(hù)的歷史交友行為為依據(jù)而預(yù)測(cè)出的，這樣就可以使得第三用戶(hù)的篩選更符合第一用戶(hù)的個(gè)性化偏好。
[0061]具體地，在同時(shí)依據(jù)匹配度和偏好度來(lái)篩選第三用戶(hù)的實(shí)施方式中，在圖2所示的方法步驟基礎(chǔ)上，例如還可以依據(jù)各個(gè)所述第二用戶(hù)的基本信息，利用所述第一用戶(hù)的交友偏好模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，以及，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦時(shí)，可以還根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度。其中，所述交友偏好模型可以為預(yù)先依據(jù)所述第一用戶(hù)的歷史交友行為以及作為所述歷史交友行為對(duì)象的用戶(hù)的基本信息而建立的。
[0062]需要說(shuō)明的是，此處的交友偏好模型是針對(duì)第一用戶(hù)而為第一用戶(hù)單獨(dú)建立的，其可以表示作為第一用戶(hù)交友行為對(duì)象的用戶(hù)的基本信息與第一用戶(hù)對(duì)該對(duì)象用戶(hù)的偏好度之間的對(duì)應(yīng)關(guān)系，也即，該交友偏好模型中，輸入變量是作為第一用戶(hù)交友行為對(duì)象的用戶(hù)的基本信息，輸出變量則是第一用戶(hù)對(duì)該對(duì)象用戶(hù)的偏好度，其中，偏好度可以用于表示第一用戶(hù)對(duì)該對(duì)象用戶(hù)的交友行為所體現(xiàn)出的偏好程度、由第一用戶(hù)對(duì)該對(duì)象用戶(hù)的交友行為情況而計(jì)算得到的。例如，偏好度可以是一個(gè)[O，I]內(nèi)的數(shù)值，其越接近于I表明第一用戶(hù)對(duì)該對(duì)象用戶(hù)越偏好，其越接近于O則表明第一用戶(hù)對(duì)該對(duì)象用戶(hù)越不偏好。其中，用于計(jì)算偏好度的交友行為可以分為正反饋行為(即使偏好度增大的行為)、負(fù)反饋行為(即使偏好度減小的行為)以及未有顯著反饋行為(即對(duì)偏好度無(wú)影響的行為)。其中，正反饋例如可以包括評(píng)論、回復(fù)、即時(shí)通信(如私聊)、點(diǎn)贊、收藏等行為，負(fù)反饋例如可以包括拉黑、不感興趣等行為，未有顯著反饋行為例如可以包括點(diǎn)擊查看等行為。另外，作為交友偏好模型的輸入變量，作為第一用戶(hù)交友行為對(duì)象的用戶(hù)的基本信息例如可以包括長(zhǎng)相評(píng)分、職業(yè)、年齡、收入、學(xué)歷、地區(qū)、身高、住房情況、購(gòu)車(chē)情況、被贊數(shù)量、被收藏?cái)?shù)量等維度。
[0063]可以理解的是，交友偏好模型可以是依據(jù)社交網(wǎng)絡(luò)中第一用戶(hù)此前曾經(jīng)執(zhí)行過(guò)的歷史交友行為情況來(lái)建立的。具體地，對(duì)于第一用戶(hù)曾經(jīng)執(zhí)行過(guò)歷史交友行為的歷史對(duì)象用戶(hù)，第一用戶(hù)對(duì)該歷史對(duì)象的歷史偏好度可以是由第一用戶(hù)對(duì)該歷史對(duì)象的所有歷史交友行為而計(jì)算出的，在此基礎(chǔ)上，該歷史對(duì)象用戶(hù)的基本信息與第一用戶(hù)對(duì)其的歷史偏好度可以被認(rèn)為是具有已知的對(duì)應(yīng)關(guān)系。因此，由于在社交網(wǎng)絡(luò)中存在許多第一用戶(hù)曾經(jīng)進(jìn)行過(guò)歷史交友行為的歷史對(duì)象用戶(hù)，可以以這些歷史對(duì)象用戶(hù)的基本信息作為交友偏好模型輸入變量的歷史變量值，以第一用戶(hù)對(duì)這些歷史對(duì)象用戶(hù)的歷史偏好度作為交友偏好模型輸出變量的歷史變量值，訓(xùn)練出表示第一用戶(hù)交友行為的對(duì)象用戶(hù)的基本信息與第一用戶(hù)對(duì)該對(duì)象用戶(hù)的偏好度之間對(duì)應(yīng)關(guān)系的交友偏好模型。其中，為了使得交友偏好模型能夠不斷適應(yīng)社交網(wǎng)絡(luò)中第一用戶(hù)個(gè)性化偏好的變化，可以定期采用第一用戶(hù)新發(fā)生的交友行為對(duì)第一用戶(hù)的交友偏好模型進(jìn)行更新。
[0064]在為第一用戶(hù)推薦好友時(shí)，針對(duì)各個(gè)基本信息滿(mǎn)足第一用戶(hù)交友條件的第二用戶(hù)，可以以各個(gè)第二用戶(hù)的基本信息分別作為輸入變量的變量值，通過(guò)已訓(xùn)練的交友偏好模型計(jì)算輸出變量的變量值，作為第一用戶(hù)對(duì)各個(gè)第二用戶(hù)的偏好度，用于預(yù)測(cè)第一用戶(hù)對(duì)各個(gè)第二用戶(hù)可能會(huì)出現(xiàn)的交友行為所能體現(xiàn)的偏好程度。
[0065]在采用多個(gè)依據(jù)篩選第三用戶(hù)的第二種可能的實(shí)施方式中，由于各個(gè)第二用戶(hù)中往往存在一些不常使用或不能深度使用社交網(wǎng)絡(luò)的用戶(hù)，這些用戶(hù)推薦給第一用戶(hù)之后往往不能與第一用戶(hù)進(jìn)行較好的交友互動(dòng)而導(dǎo)致推薦不夠成功，因此，為了避免將對(duì)社交網(wǎng)絡(luò)使用情況不好的第二用戶(hù)推薦給第一用戶(hù)，還可以在匹配度的基礎(chǔ)上，再增加一個(gè)使用表征度的依據(jù)，以便綜合考慮匹配度和使用表征度來(lái)篩選第三用戶(hù)，其中，使用表征度可以表示各個(gè)第二用戶(hù)對(duì)社交網(wǎng)絡(luò)的使用情況，這樣就可以使得避免那些對(duì)社交網(wǎng)絡(luò)使用情況不好的第二用戶(hù)被篩選成第三用戶(hù)。
[0066]具體地，在同時(shí)依據(jù)匹配度和使用表征度來(lái)篩選第三用戶(hù)的實(shí)施方式中，在圖2所示的方法步驟基礎(chǔ)上，例如還可以依據(jù)各個(gè)所述第二用戶(hù)的基本信息和/或歷史行為，為各個(gè)所述第二用戶(hù)計(jì)算表示各個(gè)所述第二用戶(hù)對(duì)社交網(wǎng)絡(luò)使用情況的使用表征度，以及，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦時(shí)，可以還根據(jù)各個(gè)所述第二用戶(hù)的使用表征度。
[0067]需要說(shuō)明的是，篩選第三用戶(hù)時(shí)作為依據(jù)的各個(gè)第二用戶(hù)的使用表征度例如可以是各個(gè)第二用戶(hù)的活躍度、誠(chéng)意度、熱門(mén)度和交流開(kāi)放度中的任意一個(gè)或多個(gè)。
[0068]所述活躍度可以表示各個(gè)所述第二用戶(hù)在所述社交網(wǎng)絡(luò)中觸發(fā)歷史行為的頻繁程度，可以是由各個(gè)第二用戶(hù)的多種歷史行為作為維度而計(jì)算出的。其中，用于計(jì)算活躍度的歷史行為例如可以包括登錄、發(fā)動(dòng)態(tài)、點(diǎn)贊、評(píng)論等維度，各個(gè)維度例如可以采用一定參數(shù)的效用遞減函數(shù)轉(zhuǎn)換得到指示值，然后將各個(gè)維度的指示值線(xiàn)性加權(quán)，得到活躍度。通過(guò)各個(gè)第二用戶(hù)的活躍度，可以體現(xiàn)出各個(gè)第二用戶(hù)在社交網(wǎng)絡(luò)中的活躍程度，因此，依據(jù)各個(gè)第二用戶(hù)的活躍度來(lái)篩選第三用戶(hù)，可以實(shí)現(xiàn)為第一用戶(hù)推薦較為活躍的第二用戶(hù)，而避免推薦那些不活躍的第二用戶(hù)。
[0069]所述誠(chéng)意度可以表示由各個(gè)所述第二用戶(hù)在所述社交網(wǎng)絡(luò)中的等級(jí)程度、基本信息完整程度、基本信息真實(shí)程度以及歷史行為所產(chǎn)生對(duì)象的數(shù)量所體現(xiàn)出的各個(gè)所述第二用戶(hù)使用所述社交網(wǎng)絡(luò)的誠(chéng)意程度。其中，用于計(jì)算誠(chéng)意度的維度例如可以包括資料真實(shí)性、用戶(hù)等級(jí)、拉黑數(shù)、發(fā)出信息數(shù)、資料完成度、最近登錄時(shí)間、動(dòng)態(tài)發(fā)布數(shù)、認(rèn)證等級(jí)得分和形象照等級(jí)得分等，各個(gè)維度例如可以采用一定參數(shù)的效用遞減函數(shù)轉(zhuǎn)換得到指示值，然后將各個(gè)維度的指示值線(xiàn)性加權(quán)，得到誠(chéng)意度。通過(guò)各個(gè)第二用戶(hù)的誠(chéng)意度，可以體現(xiàn)出各個(gè)第二用戶(hù)使用社交網(wǎng)絡(luò)的誠(chéng)意情況，其誠(chéng)意度越高表明其越積極地使用社交網(wǎng)絡(luò)，其誠(chéng)意度越低表明其越可能是惡意用戶(hù)或不活躍參與使用社交網(wǎng)絡(luò)的用戶(hù)，因此，依據(jù)各個(gè)第二用戶(hù)的誠(chéng)意度來(lái)篩選第三用戶(hù)，可以實(shí)現(xiàn)為第一用戶(hù)推薦較為積極使用社交網(wǎng)絡(luò)的第二用戶(hù)，而避免推薦那些屬于惡意用戶(hù)的或不活躍參與使用社交網(wǎng)絡(luò)的第二用戶(hù)。
[0070]所述熱門(mén)度可以表示各個(gè)所述第二用戶(hù)在所述社交網(wǎng)絡(luò)中被其他用戶(hù)執(zhí)行歷史行為的頻繁程度，可以是由以各個(gè)第二用戶(hù)作為行為對(duì)象的多種歷史行為作為維度而計(jì)算出的，其中，用于計(jì)算熱門(mén)度的歷史行為例如可以包括每日的被訪問(wèn)數(shù)、被評(píng)論、被贊等維度，各個(gè)維度例如可以采用一定參數(shù)的效用遞減函數(shù)轉(zhuǎn)換得到指示值，然后將各個(gè)維度的指示值線(xiàn)性加權(quán)，得到當(dāng)日的熱門(mén)度。更進(jìn)一步地，還可以將第二用戶(hù)最近的短期(如最近一周)內(nèi)的各日熱門(mén)度按照時(shí)間衰減加權(quán)累積而計(jì)算出近期熱門(mén)度，甚至還可以進(jìn)一步將第二用戶(hù)最近的長(zhǎng)期(如最近30天)內(nèi)的各日熱門(mén)度累計(jì)得到總熱門(mén)度。通過(guò)各個(gè)第二用戶(hù)的熱門(mén)度，可以體現(xiàn)出各個(gè)第二用戶(hù)的受歡迎程度，因此，依據(jù)各個(gè)第二用戶(hù)的熱門(mén)度來(lái)篩選第三用戶(hù)，可以實(shí)現(xiàn)為第一用戶(hù)推薦較為受歡迎的第二用戶(hù)。
[0071]所述交流開(kāi)放度可以表示各個(gè)所述第二用戶(hù)對(duì)所述社交網(wǎng)絡(luò)中其他用戶(hù)主動(dòng)觸發(fā)的歷史交友行為的反饋程度，可以是由各個(gè)第二用戶(hù)接收到其他用戶(hù)主動(dòng)觸發(fā)的歷史交友行為數(shù)量以及第二用戶(hù)發(fā)出的反饋信息數(shù)量而計(jì)算出的。例如，第二用戶(hù)的交流開(kāi)放度可以是反饋數(shù)量與主動(dòng)交流數(shù)量的比值，其中，主動(dòng)交流數(shù)量是主動(dòng)與第二用戶(hù)交流的用戶(hù)數(shù)量，反饋數(shù)量則是第二用戶(hù)對(duì)主動(dòng)交流進(jìn)行了反饋的用戶(hù)數(shù)量。通過(guò)各個(gè)第二用戶(hù)的交流開(kāi)放度，可以體現(xiàn)出各個(gè)第二用戶(hù)對(duì)第一用戶(hù)的主動(dòng)交流做出回應(yīng)的可能性，因此，依據(jù)各個(gè)第二用戶(hù)的交流開(kāi)放度來(lái)篩選第三用戶(hù)，不僅可以實(shí)現(xiàn)為第一用戶(hù)推薦對(duì)主動(dòng)交流回應(yīng)較頻繁的第二用戶(hù)，另一方面還可以使社交網(wǎng)絡(luò)中接收到主動(dòng)交流信息較少的用戶(hù)優(yōu)先被推薦而減少孤立用戶(hù)，再一方面還可以避免推薦社交網(wǎng)絡(luò)中接收到主動(dòng)交流信息較多的熱門(mén)用戶(hù)而避免熱門(mén)用戶(hù)被過(guò)多信息騷擾的情況。
[0072]可以理解的是，對(duì)于同時(shí)依據(jù)匹配度和使用表征度來(lái)篩選第三用戶(hù)的實(shí)施方式，可以依據(jù)實(shí)際需求選擇活躍度、誠(chéng)意度、熱門(mén)度和交流開(kāi)放度中的任意一個(gè)或多個(gè)使用表征度作為篩選第三用戶(hù)的依據(jù)。此外，還需要說(shuō)明的是，在篩選第三用戶(hù)時(shí)，除了上述的實(shí)施方式之外，還可以同時(shí)根據(jù)匹配度、偏好度和使用表征度來(lái)實(shí)現(xiàn)。
[0073]在本實(shí)施例的一些實(shí)施方式中，當(dāng)采用多個(gè)依據(jù)篩選第三用戶(hù)時(shí)，為了便于篩選，可以先為每一個(gè)第二用戶(hù)利用其各個(gè)依據(jù)計(jì)算出一個(gè)推薦接受度，然后再根據(jù)各個(gè)第二用戶(hù)的推薦接受度來(lái)篩選第三用戶(hù)。進(jìn)一步而言，為了使向第一用戶(hù)推薦的好友更進(jìn)一步符合第一用戶(hù)的偏好，可以利用社交網(wǎng)絡(luò)中曾經(jīng)發(fā)生過(guò)的歷史推薦過(guò)程之后歷史受推薦用戶(hù)對(duì)歷史被推薦用戶(hù)的接受程度來(lái)預(yù)測(cè)各個(gè)第二用戶(hù)在被推薦之后第一用戶(hù)接受的可能性，作為各個(gè)第二用戶(hù)的推薦接受度。
[0074]例如，對(duì)于同時(shí)根據(jù)匹配度、偏好度和使用表征度作為篩選依據(jù)的一些實(shí)施方式中，參照?qǐng)D3，步驟203具體可以包括:
[0075]步驟301、依據(jù)各個(gè)所述第二用戶(hù)與所述第一用戶(hù)的匹配度、所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度及各個(gè)所述第二用戶(hù)的使用表征度，利用推薦預(yù)測(cè)模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的推薦接受度，所述推薦預(yù)測(cè)模型為預(yù)先依據(jù)所述社交網(wǎng)絡(luò)中歷史受推薦用戶(hù)與歷史被推薦用戶(hù)的匹配度、歷史受推薦用戶(hù)對(duì)歷史被推薦用戶(hù)的偏好度、歷史被推薦用戶(hù)的使用表征度、以及、歷史受推薦用戶(hù)對(duì)歷史被推薦用戶(hù)的歷史交友行為所表示的推薦接受度而建立的。
[0076]在一個(gè)推薦過(guò)程中，以接受好友推薦的用戶(hù)作為受推薦用戶(hù)，以被推薦給該受推薦用戶(hù)的用戶(hù)作為被推薦用戶(hù)，則對(duì)于受推薦用戶(hù)與被推薦用戶(hù)間的匹配度、受推薦用戶(hù)對(duì)被推薦用戶(hù)的偏好度、被推薦用戶(hù)的使用表征度以及受推薦用戶(hù)對(duì)被推薦用戶(hù)的推薦接受度，此處的推薦預(yù)測(cè)模型可以表示該匹配度、偏好度、使用表征度與該推薦接受度之間的對(duì)應(yīng)關(guān)系，也即，該推薦預(yù)測(cè)模型中，輸入變量可以至少包括受推薦用戶(hù)與被推薦用戶(hù)間的匹配度、受推薦用戶(hù)對(duì)被推薦用戶(hù)的偏好度、被推薦用戶(hù)的使用表征度，輸出變量則可以是受推薦用戶(hù)對(duì)被推薦用戶(hù)的推薦接受度，推薦接受度可以用于表示受推薦用戶(hù)對(duì)被推薦用戶(hù)的交友行為所體現(xiàn)出的接受程度、由受推薦用戶(hù)對(duì)被推薦用戶(hù)的交友行為情況而計(jì)算得到的。其中，用于計(jì)算推薦接受度的交友行為可以分為正反饋行為(即使推薦接受度增大的行為)和負(fù)反饋行為(即使推薦接受度減小的行為)，正反饋例如可以包括點(diǎn)贊、收藏等行為，負(fù)反饋例如可以包括拉黑、不喜歡等行為。另外，除了前述匹配度、偏好度和使用表征度，推薦預(yù)測(cè)模型的輸入變量例如還可以包括被推薦用戶(hù)是否為新注冊(cè)用戶(hù)、被推薦用戶(hù)是否在近期內(nèi)(如最近一周內(nèi))登錄過(guò)社交網(wǎng)絡(luò)等維度。此外，除了本實(shí)施例前述為“模型”列舉的示例之外，推薦預(yù)測(cè)模型例如還可以是logistic回歸方式。
[0077]需要說(shuō)明的是，推薦預(yù)測(cè)模型可以是依據(jù)社交網(wǎng)絡(luò)中此前曾經(jīng)進(jìn)行過(guò)的歷史推薦過(guò)程中歷史受推薦用戶(hù)對(duì)歷史被推薦用戶(hù)的歷史交友行為情況而建立的。具體地，對(duì)于一個(gè)歷史推薦過(guò)程來(lái)說(shuō)，其歷史受推薦用戶(hù)對(duì)歷史被推薦用戶(hù)的歷史推薦接受度可以是由推薦之后歷史受推薦用戶(hù)對(duì)歷史被用戶(hù)的歷史交友行為而計(jì)算出的，而歷史受推薦用戶(hù)與歷史被推薦用戶(hù)間的歷史匹配度、歷史受推薦用戶(hù)對(duì)歷史被推薦用戶(hù)的歷史偏好度以及歷史被推薦用戶(hù)的使用表征度可以通過(guò)本實(shí)施例前述的相應(yīng)實(shí)施方式而計(jì)算得到，在此基礎(chǔ)上，該歷史推薦過(guò)程對(duì)應(yīng)的歷史匹配度、歷史偏好度和歷史使用表征度與該歷史推薦過(guò)程對(duì)應(yīng)的歷史推薦接受度可以被認(rèn)為是具有已知的對(duì)應(yīng)關(guān)系。因此，由于社交網(wǎng)絡(luò)中存在大量曾經(jīng)發(fā)生過(guò)的歷史推薦過(guò)程，可以以這些歷史推薦過(guò)程對(duì)應(yīng)的歷史匹配度、歷史偏好度和歷史使用表征度作為推薦預(yù)測(cè)模型輸入變量的歷史變量值，以這些歷史推薦過(guò)程對(duì)應(yīng)的歷史推薦接受度作為推薦預(yù)測(cè)模型輸出變量的歷史變量值，訓(xùn)練出表示推薦過(guò)程對(duì)應(yīng)的匹配度、偏好度和使用表征度與推薦過(guò)程對(duì)應(yīng)的推薦接受度之間對(duì)應(yīng)關(guān)系的推薦預(yù)測(cè)模型。
[0078]在為第一用戶(hù)推薦好友時(shí)，針對(duì)各個(gè)基本信息滿(mǎn)足第一用戶(hù)交友條件的第二用戶(hù)，可以以前述為各個(gè)第二用戶(hù)計(jì)算出的匹配度、偏好度和使用表征度一起作為輸入變量的變量值，通過(guò)已訓(xùn)練的推薦預(yù)測(cè)模型計(jì)算輸出變量的變量值，作為第一用戶(hù)對(duì)各個(gè)第二用戶(hù)的推薦接受度，用于預(yù)測(cè)在推薦各個(gè)第二用戶(hù)之后第一用戶(hù)可能會(huì)出現(xiàn)的交友行為所能體現(xiàn)的接受程度。
[0079]其中，對(duì)于某些場(chǎng)景的社交網(wǎng)絡(luò)，推薦預(yù)測(cè)模型可以是針對(duì)不同類(lèi)型的受推薦用戶(hù)分別建立的，而為不同類(lèi)型的第一用戶(hù)推薦好友時(shí)采用與第一用戶(hù)類(lèi)型相同的推薦預(yù)測(cè)模型來(lái)計(jì)算第二用戶(hù)的推薦接受度。例如，在婚戀交友的社交網(wǎng)絡(luò)中，可以為男用戶(hù)和女用戶(hù)分別建立一個(gè)推薦預(yù)測(cè)模型，而為男用戶(hù)推薦好友時(shí)可以采用男用戶(hù)的推薦預(yù)測(cè)模型，為女用戶(hù)推薦好友時(shí)可以采用女用戶(hù)的推薦預(yù)測(cè)模型。
[0080]步驟302、根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的推薦接受度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
[0081]在根據(jù)推薦接受度篩選第三用戶(hù)時(shí)，一些實(shí)施方式中，例如可以按照第一用戶(hù)對(duì)各個(gè)第二用戶(hù)的推薦接受度由高到低的順序?qū)⒏鱾€(gè)第二用戶(hù)形成一個(gè)初期推薦列表，然后按照初期推薦列表的順序選擇一定數(shù)量的第二用戶(hù)作為第三用戶(hù)向第一用戶(hù)推薦。
[0082]可以理解的是，僅按照推薦接受度由高到低的順序選取第三用戶(hù)，會(huì)使得向用戶(hù)推薦的好友都是較為活躍的熱門(mén)用戶(hù)，新注冊(cè)用戶(hù)及較不熱門(mén)的用戶(hù)被推薦的可能性較低。為了避免這種“馬太效應(yīng)”，使得各類(lèi)用戶(hù)具有較為均衡的被推薦幾率，在另一些實(shí)施方式中，可以依據(jù)不同登錄情況對(duì)第二用戶(hù)進(jìn)行分類(lèi)，并從不同類(lèi)別中分別抽取一些第二用戶(hù)作為第三用戶(hù)推薦給第一用戶(hù)。具體到根據(jù)推薦接受度篩選第三用戶(hù)的實(shí)施方式中，步驟302例如可以包括:將各個(gè)所述第二用戶(hù)按照在社交網(wǎng)絡(luò)中的登錄情況劃分成多個(gè)候選用戶(hù)類(lèi)別；分別對(duì)于每一候選用戶(hù)類(lèi)別，按照所述第一用戶(hù)對(duì)所述候選用戶(hù)類(lèi)別中各個(gè)所述第二用戶(hù)的推薦接受度由高到底的順序，從所述候選用戶(hù)類(lèi)別的各個(gè)所述第二用戶(hù)中抽取與所述候選用戶(hù)類(lèi)別的選取比例相對(duì)應(yīng)的第三用戶(hù)；匯總各個(gè)所述候選用戶(hù)類(lèi)別中抽出的第三用戶(hù)向所述第一用戶(hù)推薦。具體地，在從各個(gè)候選用戶(hù)類(lèi)別的第二用戶(hù)分別篩選第三用戶(hù)時(shí)，可以是在前述初期推薦列表的基礎(chǔ)上，按照初期推薦列表從前到后的排列順序，分別為各個(gè)候選用戶(hù)類(lèi)別抽取其類(lèi)別所對(duì)應(yīng)比例數(shù)量的第二用戶(hù)作為第三用戶(hù)，從而以抽取出的所有第三用戶(hù)形成一個(gè)混排推薦列表。其中，用戶(hù)候選類(lèi)別例如可以包括新注冊(cè)用戶(hù)、在線(xiàn)用戶(hù)、近期(如最近一周內(nèi))登錄用戶(hù)、近期未登錄用戶(hù)等。在所有第三用戶(hù)中，各個(gè)用戶(hù)候選類(lèi)別中的第二用戶(hù)占據(jù)的比例可以是依據(jù)當(dāng)日社交網(wǎng)絡(luò)中各類(lèi)用戶(hù)的比例來(lái)確定?？梢岳斫獾氖牵鄬?duì)于前述活躍度、誠(chéng)意度和推薦接受度的計(jì)算依據(jù)中用戶(hù)登錄情況僅是作為多個(gè)維度的其中之一不同，候選用戶(hù)類(lèi)別的劃分依據(jù)中用戶(hù)登錄情況是唯一的維度，這樣才可以使得熱門(mén)程度不同的各類(lèi)用戶(hù)具有較為均衡的被推薦幾率。
[0083]需要說(shuō)明的是，在根據(jù)推薦接受度按照登錄情況分類(lèi)篩選第三用戶(hù)的實(shí)施方式中，還可以要求第一用戶(hù)的基本信息滿(mǎn)足篩選出的第三用戶(hù)交友條件，以使得推薦之后雙方用戶(hù)都有興趣跟對(duì)方進(jìn)行交友行為。具體地，一些實(shí)施方式中，例如可以在前述混排推薦列表的基礎(chǔ)上，對(duì)混排列表中的第三用戶(hù)順序進(jìn)行重排，將雙方基本信息滿(mǎn)足對(duì)方交友條件的第三用戶(hù)重新排列到推薦列表前部，而將剩余第三用戶(hù)排列到推薦列表后部，從而形成重排推薦列表，以便按照重排推薦列表的順序向第一用戶(hù)推薦。
[0084]接著返回圖2。
[0085]在步驟203執(zhí)行完成之后，如果篩選出的第三用戶(hù)數(shù)量過(guò)少，還可以依據(jù)第一用戶(hù)對(duì)其交友條件的設(shè)置歷史而刪除其中某些第一用戶(hù)不敏感的條件，以便對(duì)篩選出的第三用戶(hù)數(shù)量進(jìn)行補(bǔ)充。
[0086]通過(guò)本實(shí)施例的技術(shù)方案，一方面，由于無(wú)需在基本信息與第一用戶(hù)相似的類(lèi)似用戶(hù)所偏好的用戶(hù)中篩選推薦給第一用戶(hù)的好友用戶(hù)，不僅可以使得推薦給第一用戶(hù)的第三用戶(hù)更符合第一用戶(hù)的偏好，而且在社交網(wǎng)絡(luò)中不具有第一用戶(hù)的類(lèi)似用戶(hù)或類(lèi)似用戶(hù)偏好的好友用戶(hù)過(guò)少時(shí)也可以是實(shí)現(xiàn)向第一用戶(hù)推薦好友；另一方面，由于預(yù)估各個(gè)第二用戶(hù)與第一用戶(hù)間匹配度僅需要第一用戶(hù)的基本信息而無(wú)需第一用戶(hù)的歷史交友行為，即使對(duì)于新注冊(cè)用戶(hù)等歷史交友行為或信息交互過(guò)少的第一用戶(hù)來(lái)說(shuō)，也可以實(shí)現(xiàn)為其推薦好友，從而解決為新注冊(cè)用戶(hù)等歷史交友行為或信息交互過(guò)少的用戶(hù)實(shí)現(xiàn)推薦好友的冷啟動(dòng)問(wèn)題。
[0087]參見(jiàn)圖4，示出了本發(fā)明中推薦好友的方法另一實(shí)施例的流程圖。在本實(shí)施例中，例如具體可以包括如下步驟:
[0088]步驟401、獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第
二用戶(hù)。
[0089]步驟402、依據(jù)各個(gè)所述第二用戶(hù)的基本信息，利用所述第一用戶(hù)的交友偏好模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，所述交友偏好模型為預(yù)先依據(jù)所述第一用戶(hù)的歷史交友行為以及作為所述歷史交友行為對(duì)象的用戶(hù)的基本信息而建立的。
[0090]其中，交友偏好模型可以是針對(duì)第一用戶(hù)而為第一用戶(hù)單獨(dú)建立的，其可以表示作為第一用戶(hù)交友行為對(duì)象的用戶(hù)的基本信息與第一用戶(hù)對(duì)該對(duì)象用戶(hù)的偏好度之間的對(duì)應(yīng)關(guān)系，也即，該交友偏好模型中，輸入變量是作為第一用戶(hù)交友行為對(duì)象的用戶(hù)的基本信息，輸出變量則是第一用戶(hù)對(duì)該對(duì)象用戶(hù)的偏好度，其中，偏好度可以用于表示第一用戶(hù)對(duì)該對(duì)象用戶(hù)的交友行為所體現(xiàn)出的偏好程度、由第一用戶(hù)對(duì)該對(duì)象用戶(hù)的交友行為情況而計(jì)算得到的。例如，偏好度可以是一個(gè)[0，1]內(nèi)的數(shù)值，其越接近于I表明第一用戶(hù)對(duì)該對(duì)象用戶(hù)越偏好，其越接近于O則表明第一用戶(hù)對(duì)該對(duì)象用戶(hù)越不偏好。其中，用于計(jì)算偏好度的交友行為可以分為正反饋行為(即使偏好度增大的行為)、負(fù)反饋行為(即使偏好度減小的行為)以及未有顯著反饋行為(即對(duì)偏好度無(wú)影響的行為)。其中，正反饋例如可以包括評(píng)論、回復(fù)、即時(shí)通信(如私聊)、點(diǎn)贊、收藏等行為，負(fù)反饋例如可以包括拉黑、不感興趣等行為，未有顯著反饋行為例如可以包括點(diǎn)擊查看等行為。另外，作為交友偏好模型的輸入變量，作為第一用戶(hù)交友行為對(duì)象的用戶(hù)的基本信息例如可以包括長(zhǎng)相評(píng)分、職業(yè)、年齡、收入、學(xué)歷、所在地區(qū)、身高、住房情況、購(gòu)車(chē)情況、被贊數(shù)量、被收藏?cái)?shù)量等維度。
[0091]可以理解的是，交友偏好模型可以是依據(jù)社交網(wǎng)絡(luò)中第一用戶(hù)此前曾經(jīng)執(zhí)行過(guò)的歷史交友行為情況來(lái)建立的。具體地，對(duì)于第一用戶(hù)曾經(jīng)執(zhí)行過(guò)歷史交友行為的歷史對(duì)象用戶(hù)，第一用戶(hù)對(duì)該歷史對(duì)象的歷史偏好度可以是由第一用戶(hù)對(duì)該歷史對(duì)象的所有歷史交友行為而計(jì)算出的，在此基礎(chǔ)上，該歷史對(duì)象用戶(hù)的基本信息與第一用戶(hù)對(duì)其歷史偏好度可以被認(rèn)為是具有已知的對(duì)應(yīng)關(guān)系。因此，由于在社交網(wǎng)絡(luò)中存在許多第一用戶(hù)曾經(jīng)對(duì)其進(jìn)行過(guò)歷史交友行為的歷史對(duì)象用戶(hù)，可以以這些歷史對(duì)象用戶(hù)的基本信息作為交友偏好模型輸入變量的歷史變量值，以第一用戶(hù)對(duì)這些歷史對(duì)象用戶(hù)的歷史偏好度作為交友偏好模型輸出變量的歷史變量值，訓(xùn)練出表示第一用戶(hù)交友行為的對(duì)象用戶(hù)的基本信息與第一用戶(hù)對(duì)該對(duì)象用戶(hù)的偏好度之間對(duì)應(yīng)關(guān)系的交友偏好模型。其中，為了使得交友偏好模型能夠不斷適應(yīng)社交網(wǎng)絡(luò)中第一用戶(hù)個(gè)性化偏好的變化，可以定期采用第一用戶(hù)新發(fā)生的交友行為對(duì)第一用戶(hù)的交友偏好模型進(jìn)行更新。
[0092]在為第一用戶(hù)推薦好友時(shí)，針對(duì)各個(gè)基本滿(mǎn)足第一用戶(hù)交友條件的第二用戶(hù)，可以以各個(gè)第二用戶(hù)的基本信息分別作為輸入變量的變量值，通過(guò)已訓(xùn)練的交友偏好模型計(jì)算輸出變量的變量值，作為第一用戶(hù)對(duì)各個(gè)第二用戶(hù)與第一用戶(hù)的偏好度，用于預(yù)測(cè)第一用戶(hù)對(duì)各個(gè)第二用戶(hù)可能會(huì)出現(xiàn)的交友行為所能體現(xiàn)的偏好程度。
[0093]步驟403、根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
[0094]通過(guò)交友偏好模型，對(duì)于基本信息滿(mǎn)足第一用戶(hù)交友條件的各個(gè)第二用戶(hù)，可以實(shí)現(xiàn)依據(jù)第一用戶(hù)的歷史交友行為預(yù)估第一用戶(hù)對(duì)各個(gè)第二用戶(hù)的偏好程度，并以此從第二用戶(hù)中篩選出更可能與第一用戶(hù)進(jìn)行深入信息交互的第三用戶(hù)，以使得推薦給第一用戶(hù)的第三用戶(hù)更符合第一用戶(hù)的偏好。
[0095]因此，本實(shí)施例的技術(shù)方案，一方面，由于無(wú)需在基本信息與第一用戶(hù)相似的類(lèi)似用戶(hù)所偏好的用戶(hù)中篩選推薦給第一用戶(hù)的好友用戶(hù)，不僅可以使得推薦給第一用戶(hù)的第三用戶(hù)更符合第一用戶(hù)的偏好，而且在社交網(wǎng)絡(luò)中不具有第一用戶(hù)的類(lèi)似用戶(hù)或類(lèi)似用戶(hù)偏好的好友用戶(hù)過(guò)少時(shí)也可以是實(shí)現(xiàn)向第一用戶(hù)推薦好友；另一方面，由于第一用戶(hù)對(duì)各個(gè)第二用戶(hù)的偏好度是基于第一用戶(hù)的歷史交友行為來(lái)預(yù)估的，可以避免向第一用戶(hù)推薦的基本信息相似的第三用戶(hù)趨于相同，這不僅有利于用戶(hù)在更廣泛的范圍結(jié)識(shí)好友，而且還可以使得篩選出的第三用戶(hù)更偏向第一用戶(hù)的個(gè)性化偏好。
[0096]示例件設(shè)各
[0097]在介紹了本發(fā)明示例性實(shí)施方式的方法之后，接下來(lái)，參考圖5?10描述本發(fā)明示例性實(shí)施方式的、用于推薦好友的設(shè)備。
[0098]參見(jiàn)圖5，示出了本發(fā)明中推薦好友的設(shè)備一實(shí)施例的結(jié)構(gòu)圖。在本實(shí)施例中，所述設(shè)備例如具體可以包括:
[0099]交友條件匹配模塊501，用于獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第二用戶(hù)；
[0100]匹配度計(jì)算模塊502，用于依據(jù)所述第一用戶(hù)的基本信息與各個(gè)所述第二用戶(hù)的基本信息，利用匹配模型，計(jì)算各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，所述匹配模型為預(yù)先依據(jù)社交網(wǎng)絡(luò)中具有歷史信息交互的相應(yīng)兩個(gè)歷史匹配用戶(hù)的基本信息以及相應(yīng)兩個(gè)歷史匹配用戶(hù)之間歷史交互信息量而建立的；
[0101]第一推薦模塊503，用于根據(jù)各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
[0102]參見(jiàn)圖6，示出了本發(fā)明中推薦好友的設(shè)備另一實(shí)施例的結(jié)構(gòu)圖。在本實(shí)施例中，除了前述圖5示出的所有結(jié)構(gòu)以外，所述設(shè)備例如還可以包括:[0103]偏好度計(jì)算模塊601，用于依據(jù)各個(gè)所述第二用戶(hù)的基本信息，利用所述第一用戶(hù)的交友偏好模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，所述交友偏好模型為預(yù)先依據(jù)所述第一用戶(hù)的歷史交友行為以及作為所述歷史交友行為對(duì)象的用戶(hù)的基本信息而建立的，以及
[0104]其中，所述第一推薦模塊503從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦時(shí)，還根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度。
[0105]參見(jiàn)圖7，示出了本發(fā)明中推薦好友的設(shè)備又一實(shí)施例的結(jié)構(gòu)圖。在本實(shí)施例中，除了前述圖6示出的所有結(jié)構(gòu)以外，所述設(shè)備例如還可以包括:
[0106]使用表征度計(jì)算模塊701，用于依據(jù)各個(gè)所述第二用戶(hù)的基本信息和/或歷史行為，為各個(gè)所述第二用戶(hù)計(jì)算表示各個(gè)所述第二用戶(hù)對(duì)社交網(wǎng)絡(luò)使用情況的使用表征度，以及
[0107]其中，所述第一推薦模塊503從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦時(shí)，還根據(jù)各個(gè)所述第二用戶(hù)的使用表征度。
[0108]進(jìn)一步而言，可選的，所述使用表征度例如具體可以包括活躍度、誠(chéng)意度、熱門(mén)度和交流開(kāi)放度中的任意一個(gè)或多個(gè)；
[0109]所述活躍度可以表示各個(gè)所述第二用戶(hù)在所述社交網(wǎng)絡(luò)中觸發(fā)歷史行為的頻繁程度；
[0110]所述誠(chéng)意度可以表示由各個(gè)所述第二用戶(hù)在所述社交網(wǎng)絡(luò)中的等級(jí)程度、基本信息完整程度、基本信息真實(shí)程度以及歷史行為所產(chǎn)生對(duì)象的數(shù)量所體現(xiàn)出的各個(gè)所述第二用戶(hù)使用所述社交網(wǎng)絡(luò)的誠(chéng)意程度；
[0111]所述熱門(mén)度可以表示各個(gè)所述第二用戶(hù)在所述社交網(wǎng)絡(luò)中被其他用戶(hù)執(zhí)行歷史行為的頻繁程度；
[0112]所述交流開(kāi)放度可以表示各個(gè)所述第二用戶(hù)在對(duì)所述社交網(wǎng)絡(luò)中其他用戶(hù)主動(dòng)觸發(fā)的歷史交友行為的反饋程度。
[0113]參見(jiàn)圖8,不出了本發(fā)明實(shí)施例中第一推薦模塊503 —實(shí)施方式的結(jié)構(gòu)圖。在本實(shí)施方式中，所述第一推薦模塊503例如具體可以包括:
[0114]推薦接受度計(jì)算子模塊801，用于依據(jù)各個(gè)所述第二用戶(hù)與所述第一用戶(hù)的匹配度、所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度及各個(gè)所述第二用戶(hù)的使用表征度，利用推薦預(yù)測(cè)模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的推薦接受度，所述推薦預(yù)測(cè)模型為預(yù)先依據(jù)所述社交網(wǎng)絡(luò)中歷史受推薦用戶(hù)與歷史被推薦用戶(hù)的匹配度、歷史受推薦用戶(hù)對(duì)歷史被推薦用戶(hù)的偏好度、歷史被推薦用戶(hù)的使用表征度、以及、歷史受推薦用戶(hù)對(duì)歷史被推薦用戶(hù)的歷史交友行為所表示的推薦接受度而建立的；
[0115]用戶(hù)推薦子模塊802，用于根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的推薦接受度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
[0116]參見(jiàn)圖9，示出了本發(fā)明實(shí)施例中用戶(hù)推薦子模塊802—實(shí)施方式的結(jié)構(gòu)圖。在本實(shí)施方式中，所述用戶(hù)推薦子模塊802例如具體可以包括:
[0117]候選用戶(hù)分類(lèi)子模塊901，用于將各個(gè)所述第二用戶(hù)按照在社交網(wǎng)絡(luò)中的登錄情況劃分成多個(gè)候選用戶(hù)類(lèi)別；
[0118]推薦用戶(hù)抽取子模塊902，用于分別對(duì)于每一候選用戶(hù)類(lèi)別，按照所述第一用戶(hù)對(duì)所述候選用戶(hù)類(lèi)別中各個(gè)所述第二用戶(hù)的推薦接受度由高到底的順序，從所述候選用戶(hù)類(lèi)別的各個(gè)所述第二用戶(hù)中抽取與所述候選用戶(hù)類(lèi)別的選取比例相對(duì)應(yīng)的第三用戶(hù)；
[0119]匯總用戶(hù)推薦子模塊903，用于匯總各個(gè)所述候選用戶(hù)類(lèi)別中抽出的第三用戶(hù)向所述第一用戶(hù)推薦。
[0120]其中，可選地，本發(fā)明實(shí)施例的一些實(shí)施方式中，所述第一用戶(hù)的基本信息可以均滿(mǎn)足各個(gè)所述第三用戶(hù)的交友條件。
[0121 ] 參見(jiàn)圖10，示出了本發(fā)明中推薦好友的設(shè)備再一實(shí)施例的結(jié)構(gòu)圖。在本實(shí)施例中，所述設(shè)備例如具體可以包括:
[0122]交友條件匹配模塊501，用于獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第二用戶(hù)；
[0123]偏好度計(jì)算模塊601，用于依據(jù)各個(gè)所述第二用戶(hù)的基本信息，利用所述第一用戶(hù)的交友偏好模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，所述交友偏好模型為預(yù)先依據(jù)所述第一用戶(hù)的歷史交友行為以及作為所述歷史交友行為對(duì)象的用戶(hù)的基本信息而建立的；
[0124]第二推薦模塊1001，用于根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
[0125]通過(guò)本發(fā)明提供的設(shè)備實(shí)施例，不僅可以使得向該用戶(hù)推薦的好友更符合該用戶(hù)的偏好，而且也無(wú)需從該用戶(hù)的類(lèi)似用戶(hù)所偏好的好友用戶(hù)中篩選推薦好友，從而在社交網(wǎng)絡(luò)中不具有該用戶(hù)的類(lèi)似用戶(hù)或類(lèi)似用戶(hù)偏好的好友用戶(hù)過(guò)少時(shí)也可以實(shí)現(xiàn)向該用戶(hù)推薦好友，減少了無(wú)法推薦好友的情況發(fā)生。
[0126]應(yīng)當(dāng)注意，盡管在上文詳細(xì)描述中提及了推薦好友的設(shè)備的若干裝置或子裝置，但是這種劃分僅僅是示例性的并非強(qiáng)制性的。實(shí)際上，根據(jù)本發(fā)明的實(shí)施方式，上文描述的兩個(gè)或更多裝置的特征和功能可以在一個(gè)裝置中具體化。反之，上文描述的一個(gè)裝置的特征和功能可以進(jìn)一步劃分為由多個(gè)裝置來(lái)具體化。
[0127]此外，盡管在附圖中以特定順序描述了本發(fā)明方法的操作，但是，這并非要求或者暗示必須按照該特定順序來(lái)執(zhí)行這些操作，或是必須執(zhí)行全部所示的操作才能實(shí)現(xiàn)期望的結(jié)果。附加地或備選地，可以省略某些步驟，將多個(gè)步驟合并為一個(gè)步驟執(zhí)行，和/或?qū)⒁粋€(gè)步驟分解為多個(gè)步驟執(zhí)行。
[0128]雖然已經(jīng)參考若干【具體實(shí)施方式】描述了本發(fā)明的精神和原理，但是應(yīng)該理解，本發(fā)明并不限于所公開(kāi)的【具體實(shí)施方式】，對(duì)各方面的劃分也不意味著這些方面中的特征不能組合以進(jìn)行受益，這種劃分僅是為了表述的方便。本發(fā)明旨在涵蓋所附權(quán)利要求的精神和范圍內(nèi)所包括的各種修改和等同布置。
[0129]例如，在以偏好度來(lái)推薦好友的本實(shí)施例中，也可以結(jié)合前述以匹配度來(lái)推薦好友的實(shí)施例中的各種可能的實(shí)施方式來(lái)實(shí)現(xiàn)。例如，本實(shí)施例的一些實(shí)施方式中，還可以同時(shí)依據(jù)匹配度和偏好度來(lái)篩選第三用戶(hù)。又如，本實(shí)施例的另一些實(shí)施方式中，還可以同時(shí)依據(jù)匹配度、偏好度和至少一個(gè)使用表征度來(lái)篩選第三用戶(hù)。再如，本實(shí)施例的又一些實(shí)施方式中，可以依據(jù)由匹配度、偏好度、使用表征度計(jì)算出的推薦接受度來(lái)篩選第三用戶(hù)。又再如，本實(shí)施例的再一些實(shí)施方式中，可以先將第二用戶(hù)劃分到不同的候選用戶(hù)類(lèi)別中，再?gòu)母鱾€(gè)候選用戶(hù)類(lèi)別中分別篩選第三用戶(hù)。又再如，在本實(shí)施例的又再一些實(shí)施方式中，可以要求篩選出的第三用戶(hù)的基本信息滿(mǎn)足第一用戶(hù)的交友條件。
【權(quán)利要求】
1.一種方法，包括: 獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第二用戶(hù)； 依據(jù)所述第一用戶(hù)的基本信息與各個(gè)所述第二用戶(hù)的基本信息，利用匹配模型，計(jì)算各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，所述匹配模型為預(yù)先依據(jù)社交網(wǎng)絡(luò)中具有歷史信息交互的相應(yīng)兩個(gè)歷史匹配用戶(hù)的基本信息以及相應(yīng)兩個(gè)歷史匹配用戶(hù)之間歷史交互信息量而建立的； 根據(jù)各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
2.根據(jù)權(quán)利要求1所述的方法，還包括: 依據(jù)各個(gè)所述第二用戶(hù)的基本信息，利用所述第一用戶(hù)的交友偏好模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，所述交友偏好模型為預(yù)先依據(jù)所述第一用戶(hù)的歷史交友行為以及作為所述歷史交友行為對(duì)象的用戶(hù)的基本信息而建立的，以及 其中，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦時(shí)，還根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度。
3.根據(jù)權(quán)利要求2所述的方法，還包括: 依據(jù)各個(gè)所述第二用戶(hù)的基本信息和/或歷史行為，為各個(gè)所述第二用戶(hù)計(jì)算表示各個(gè)所述第二用戶(hù)對(duì)社交網(wǎng)絡(luò)使用情況的使用表征度，以及 其中，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦時(shí)，還根據(jù)各個(gè)所述第二用戶(hù)的使用表征度。
4.根據(jù)權(quán)利要求3所述的方法，其中，所述使用表征度包括活躍度、誠(chéng)意度、熱門(mén)度和交流開(kāi)放度中的任意一個(gè)或多個(gè)； 所述活躍度表示各個(gè)所述第二用戶(hù)在所述社交網(wǎng)絡(luò)中觸發(fā)歷史行為的頻繁程度； 所述誠(chéng)意度表示由各個(gè)所述第二用戶(hù)在所述社交網(wǎng)絡(luò)中的等級(jí)程度、基本信息完整程度、基本信息真實(shí)程度以及歷史行為所產(chǎn)生對(duì)象的數(shù)量所體現(xiàn)出的各個(gè)所述第二用戶(hù)使用所述社交網(wǎng)絡(luò)的誠(chéng)意程度； 所述熱門(mén)度表示各個(gè)所述第二用戶(hù)在所述社交網(wǎng)絡(luò)中被其他用戶(hù)執(zhí)行歷史行為的頻繁程度； 所述交流開(kāi)放度表示各個(gè)所述第二用戶(hù)在對(duì)所述社交網(wǎng)絡(luò)中其他用戶(hù)主動(dòng)觸發(fā)的歷史交友行為的反饋程度。
5.根據(jù)權(quán)利要求3所述的方法，其中，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦，包括: 依據(jù)各個(gè)所述第二用戶(hù)與所述第一用戶(hù)的匹配度、所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度及各個(gè)所述第二用戶(hù)的使用表征度，利用推薦預(yù)測(cè)模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的推薦接受度，所述推薦預(yù)測(cè)模型為預(yù)先依據(jù)所述社交網(wǎng)絡(luò)中歷史受推薦用戶(hù)與歷史被推薦用戶(hù)的匹配度、歷史受推薦用戶(hù)對(duì)歷史被推薦用戶(hù)的偏好度、歷史被推薦用戶(hù)的使用表征度、以及、歷史受推薦用戶(hù)對(duì)歷史被推薦用戶(hù)的歷史交友行為所表示的推薦接受度而建立的； 根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的推薦接受度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
6.根據(jù)權(quán)利要求5所述的方法，所述根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的推薦接受度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦，包括: 將各個(gè)所述第二用戶(hù)按照在社交網(wǎng)絡(luò)中的登錄情況劃分成多個(gè)候選用戶(hù)類(lèi)別； 分別對(duì)于每一候選用戶(hù)類(lèi)別，按照所述第一用戶(hù)對(duì)所述候選用戶(hù)類(lèi)別中各個(gè)所述第二用戶(hù)的推薦接受度由高到底的順序，從所述候選用戶(hù)類(lèi)別的各個(gè)所述第二用戶(hù)中抽取與所述候選用戶(hù)類(lèi)別的選取比例相對(duì)應(yīng)的第三用戶(hù)； 匯總各個(gè)所述候選用戶(hù)類(lèi)別中抽出的第三用戶(hù)向所述第一用戶(hù)推薦。
7.根據(jù)權(quán)利要求1或6所述的方法，其中，所述第一用戶(hù)的基本信息均滿(mǎn)足各個(gè)所述第三用戶(hù)的交友條件。
8.一種方法，包括: 獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第二用戶(hù)； 依據(jù)各個(gè)所述第二用戶(hù)的基本信息，利用所述第一用戶(hù)的交友偏好模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，所述交友偏好模型為預(yù)先依據(jù)所述第一用戶(hù)的歷史交友行為以及作為 所述歷史交友行為對(duì)象的用戶(hù)的基本信息而建立的； 根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
9.一種設(shè)備,包括: 交友條件匹配模塊，用于獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第二用戶(hù)； 匹配度計(jì)算模塊，用于依據(jù)所述第一用戶(hù)的基本信息與各個(gè)所述第二用戶(hù)的基本信息，利用匹配模型，計(jì)算各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，所述匹配模型為預(yù)先依據(jù)社交網(wǎng)絡(luò)中具有歷史信息交互的相應(yīng)兩個(gè)歷史匹配用戶(hù)的基本信息以及相應(yīng)兩個(gè)歷史匹配用戶(hù)之間歷史交互信息量而建立的； 第一推薦模塊，用于根據(jù)各個(gè)所述第二用戶(hù)與所述第一用戶(hù)之間的匹配度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
10.根據(jù)權(quán)利要求9所述的設(shè)備，還包括: 偏好度計(jì)算模塊，用于依據(jù)各個(gè)所述第二用戶(hù)的基本信息，利用所述第一用戶(hù)的交友偏好模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，所述交友偏好模型為預(yù)先依據(jù)所述第一用戶(hù)的歷史交友行為以及作為所述歷史交友行為對(duì)象的用戶(hù)的基本信息而建立的，以及 其中，所述第一推薦模塊從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦時(shí)，還根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度。
11.根據(jù)權(quán)利要求10所述的設(shè)備，還包括: 使用表征度計(jì)算模塊，用于依據(jù)各個(gè)所述第二用戶(hù)的基本信息和/或歷史行為，為各個(gè)所述第二用戶(hù)計(jì)算表示各個(gè)所述第二用戶(hù)對(duì)社交網(wǎng)絡(luò)使用情況的使用表征度，以及 其中，所述第一推薦模塊從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦時(shí)，還根據(jù)各個(gè)所述第二用戶(hù)的使用表征度。
12.根據(jù)權(quán)利要求11所述的設(shè)備，其中，所述使用表征度包括活躍度、誠(chéng)意度、熱門(mén)度和交流開(kāi)放度中的任意一個(gè)或多個(gè)；所述活躍度表示各個(gè)所述第二用戶(hù)在所述社交網(wǎng)絡(luò)中觸發(fā)歷史行為的頻繁程度； 所述誠(chéng)意度表示由各個(gè)所述第二用戶(hù)在所述社交網(wǎng)絡(luò)中的等級(jí)程度、基本信息完整程度、基本信息真實(shí)程度以及歷史行為所產(chǎn)生對(duì)象的數(shù)量所體現(xiàn)出的各個(gè)所述第二用戶(hù)使用所述社交網(wǎng)絡(luò)的誠(chéng)意程度； 所述熱門(mén)度表示各個(gè)所述第二用戶(hù)在所述社交網(wǎng)絡(luò)中被其他用戶(hù)執(zhí)行歷史行為的頻繁程度； 所述交流開(kāi)放度表示各個(gè)所述第二用戶(hù)在對(duì)所述社交網(wǎng)絡(luò)中其他用戶(hù)主動(dòng)觸發(fā)的歷史交友行為的反饋程度。
13.根據(jù)權(quán)利要求11所述的設(shè)備，其中，所述第一推薦模塊包括: 推薦接受度計(jì)算子模塊，用于依據(jù)各個(gè)所述第二用戶(hù)與所述第一用戶(hù)的匹配度、所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度及各個(gè)所述第二用戶(hù)的使用表征度，利用推薦預(yù)測(cè)模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的推薦接受度，所述推薦預(yù)測(cè)模型為預(yù)先依據(jù)所述社交網(wǎng)絡(luò)中歷史受推薦用戶(hù)與歷史被推薦用戶(hù)的匹配度、歷史受推薦用戶(hù)對(duì)歷史被推薦用戶(hù)的偏好度、歷史被推薦用戶(hù)的使用表征度、以及、歷史受推薦用戶(hù)對(duì)歷史被推薦用戶(hù)的歷史交友行為所表示的推薦接受度而建立的； 用戶(hù)推薦子模塊，用于根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的推薦接受度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
14.根據(jù)權(quán)利要求13所述的設(shè)備，所述用戶(hù)推薦子模塊包括: 候選用戶(hù)分類(lèi)子模塊，用于將各個(gè)所述第二用戶(hù)按照在社交網(wǎng)絡(luò)中的登錄情況劃分成多個(gè)候選用戶(hù)類(lèi)別； 推薦用戶(hù)抽取子模塊，用于分別對(duì)于每一候選用戶(hù)類(lèi)別，按照所述第一用戶(hù)對(duì)所述候選用戶(hù)類(lèi)別中各個(gè)所述第二用戶(hù)的推薦接受度由高到底的順序，從所述候選用戶(hù)類(lèi)別的各個(gè)所述第二用戶(hù)中抽取與所述候選用戶(hù)類(lèi)別的選取比例相對(duì)應(yīng)的第三用戶(hù)； 匯總用戶(hù)推薦子模塊，用于匯總各個(gè)所述候選用戶(hù)類(lèi)別中抽出的第三用戶(hù)向所述第一用戶(hù)推薦。
15.根據(jù)權(quán)利要求9或14所述的設(shè)備，其中，所述第一用戶(hù)的基本信息均滿(mǎn)足各個(gè)所述第三用戶(hù)的交友條件。
16.—種設(shè)備,包括: 交友條件匹配模塊，用于獲取第一用戶(hù)的交友條件，并查找基本信息滿(mǎn)足所述交友條件的各個(gè)第二用戶(hù)； 偏好度計(jì)算模塊，用于依據(jù)各個(gè)所述第二用戶(hù)的基本信息，利用所述第一用戶(hù)的交友偏好模型，計(jì)算所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，所述交友偏好模型為預(yù)先依據(jù)所述第一用戶(hù)的歷史交友行為以及作為所述歷史交友行為對(duì)象的用戶(hù)的基本信息而建立的； 第二推薦模塊，用于根據(jù)所述第一用戶(hù)對(duì)各個(gè)所述第二用戶(hù)的偏好度，從各個(gè)所述第二用戶(hù)中篩選出至少一個(gè)第三用戶(hù)向所述第一用戶(hù)推薦。
【文檔編號(hào)】G06F17/30GK103984775SQ201410246939
【公開(kāi)日】2014年8月13日 申請(qǐng)日期:2014年6月5日 優(yōu)先權(quán)日:2014年6月5日
【發(fā)明者】潘照明, 王洲天, 戴朝約, 蔣惟 申請(qǐng)人:網(wǎng)易（杭州）網(wǎng)絡(luò)有限公司