本發(fā)明涉及移動通信技術領域，尤其涉及群體活動中的信息推薦方法及移動終端。

背景技術：

隨著經濟和社會的發(fā)展，人們的溝通和交流日益頻繁。人們在參加聚會時，如聚餐、K歌，都需要提前對聚會事宜進行溝通，選擇大家都喜歡或能接受的活動方案。以聚餐為例，主辦者為了滿足大家的口味需求，需要提前了解每個人對菜品、口味、食材的喜好，在此基礎上，才能制定出合理的菜單。這一溝通確認過程十分費時費力，并且有些人出于種種考慮，可能不會說出自己的真實喜好，這使得主辦者更加為難，不能有效的制定出滿足各方面真實需求的菜單。

因此，亟需尋找一種適用于群體活動的智能的信息推薦方法，以便制定出充分滿足各用戶需求的推薦方案。

技術實現(xiàn)要素：

為解決現(xiàn)有技術中存在的上述問題，本發(fā)明實施例一方面提供了一種群體活動中的信息推薦方法，應用于移動終端，該方法包括：

獲取參加群體活動的多個用戶對群體活動的偏好信息；

根據偏好信息，確定推薦信息；

將推薦信息發(fā)送給參加群體活動的用戶。

另一方面，本發(fā)明實施例還提供了一種移動終端，包括：

獲取模塊，用于獲取參加群體活動的多個用戶對群體活動的偏好信息；

確定模塊，用于根據偏好信息，確定推薦信息；

推薦模塊，用于將推薦信息發(fā)送給參加群體活動的用戶。

本發(fā)明實施例，通過獲取參加群體活動的多個用戶對群體活動的偏好信息，確定推薦信息，并將推薦信息發(fā)送給參加群體活動的用戶，使得參加群體活動的各用戶不需要經過臨時協(xié)商就可獲取符合各用戶需求的活動方案，使得活動方案的制定更加快速、智能、更加省時省力和人性化，綜合考慮了不同用戶的真實需求和偏好，節(jié)約了用戶在溝通上的時間和人力成本。

附圖說明

為了更清楚地說明本發(fā)明實施例中的技術方案，下面將對本發(fā)明實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的一些實施例，對于本領域普通技術人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。

圖1為本發(fā)明的群體活動中的信息推薦方法的第一實施例的流程示意圖；

圖2為本發(fā)明的群體活動中的信息推薦方法的第二實施例的流程示意圖；

圖3為本發(fā)明的群體活動中的信息推薦方法的第三實施例的流程示意圖；

圖4為本發(fā)明的移動終端的第一實施例的結構示意圖；

圖5為本發(fā)明的移動終端的第二實施例的結構示意圖。

圖6為本發(fā)明的移動終端的第三實施例的結構示意圖。

圖7為本發(fā)明的移動終端的第四實施例的結構示意圖。

具體實施方式

下面將結合本發(fā)明實施例中的附圖，對本發(fā)明實施例中的技術方案進行清楚、完整地描述，顯然，所描述的實施例僅僅是本發(fā)明一部分實施例，而不是全部的實施例。基于本發(fā)明中的實施例，本領域普通技術人員在沒有作出創(chuàng)造性勞動前提下所獲得的所有其他實施例，都屬于本發(fā)明保護的范圍。

請參照圖1，是本發(fā)明的群體活動中的信息推薦方法的第一實施例的流程示意圖，該方法包括：

步驟101：獲取參加群體活動的多個用戶對群體活動的偏好信息。

本步驟中，該群體活動可包括聚餐活動、唱歌活動(俗稱K歌)、旅游活動或其他群體性的娛樂、休閑活動。

進一步地，獲取參加群體活動的多個用戶對群體活動的偏好信息，具體可采用如下方式：根據參加群體活動的多個用戶的網絡標識，獲取多個用戶在網絡社交平臺上發(fā)布的與群體活動的主題相關的消息，利用圖像識別和/或文字識別技術對消息進行分析，確定出多個用戶具有的與群體活動的主題相關的偏好信息。

網絡社交平臺可包括可在移動終端上運行的各種交流、交友平臺，例如微信、QQ、微博、博客、網絡社區(qū)等。

示例性的，當群體活動為聚餐活動時，上述與群體活動的主題相關的消息包括用戶在上述各平臺上發(fā)布的與飲食相關的消息，例如在微信朋友圈分享的對某個餐館或某道菜的評價、對某種食材的特殊喜好、對某種烹調手段的評價、或對某些食譜的推薦等。

示例性的，當群體活動為唱歌活動時，上述與群體活動的主題相關的消息包括用戶在上述各平臺上發(fā)布的與歌曲相關的消息，例如包括該用戶在QQ中與他人討論歌手或歌曲的消息、在微信朋友圈分享的某首歌曲等。

用戶在網絡社交平臺上發(fā)布的消息通常包括文字消息和/或圖片消息，可利用圖像識別技術分析用戶發(fā)布的圖片中的內容，或利用文字識別技術在用戶發(fā)布的文字消息中檢索預設的關鍵詞，從而檢測出參加群體活動的各用戶在網絡社交平臺上發(fā)布的與群體活動的主題相關的偏好消息。

示例性的，當群體活動為聚餐活動時，偏好信息可為用戶的飲食偏好信息，如口味的輕重、喜歡哪個菜系、喜歡哪種食材等；當群體活動為唱歌活動時，偏好信息可為用戶的唱歌偏好信息，如喜歡哪種曲風、哪首歌曲或哪個歌手。

進一步地，獲取參加群體活動的多個用戶對群體活動的偏好信息，還可采用如下方式：根據參加群體活動的多個用戶的網絡標識，從網絡數據庫中獲取預存的多個用戶具有的與群體活動的主題相關的偏好信息。一般來說，用戶的偏好信息相對固定，短期內不會發(fā)生較大變化，因此，在檢測出用戶的偏好信息后，可以存儲在網絡數據庫中。在下次參加群體活動時，就不需要再次實時檢測其偏好信息，而只需到網絡數據庫中根據該用戶的網絡標識查找與本次群體活動的主題相關的偏好信息即可。

步驟102：根據偏好信息，確定推薦信息。

本步驟中，在獲取各用戶的偏好信息后，可對信息進行分析、整合，提取出各用戶普遍關注或感興趣的要素，并確定出用于向該群體活動推薦的相關信息。

示例性的，當群體活動為聚餐活動時，該推薦信息可包括聚餐的推薦菜單或推薦餐館；該推薦菜單可根據各用戶喜歡的食材、口味、做法，以從眾原則搭配出菜單的各道菜，從而最大程度的滿足各用戶的飲食偏好。推薦餐館也可根據所提取的用戶經常去或經常關注的餐館的信息，挑選出本次群體活動的推薦餐館。當群體活動為唱歌活動時，該推薦信息可包括唱歌的推薦歌單或推薦KTV地點。該推薦歌單可包括所有用戶感興趣的歌曲，該推薦KTV地點可選擇適合多數用戶消費水平的KTV，并考慮到地理位置的遠近。

進一步地，根據偏好信息，確定推薦信息，具體可采用如下方式：從多個用戶的偏好信息中，選取出現(xiàn)次數大于第一預設值的偏好元素，整合為群體活動的推薦信息。示例性的，當參加聚餐活動的8個用戶在食材方面的飲食偏好信息分別為西紅柿、土豆、黃瓜、土豆、西紅柿、冬瓜、土豆、西蘭花時，若第一預設值為1時，則選擇出現(xiàn)次數大于1次的食材，即西紅柿(2次)和土豆(3次)，作為本次聚餐活動的推薦食材；若第一預設值為2時，則選擇出現(xiàn)次數大于2次的食材，即土豆(3次)，作為本次聚餐活動的推薦食材。對于就餐的口味、菜系等信息，也可以采用上述方法確定出推薦的口味和菜系。之后，根據所確定的推薦食材、推薦口味和推薦菜系，就可整合出本次聚餐活動的推薦菜單。

進一步地，根據偏好信息，確定推薦信息，還可采用如下方式：從多個用戶的偏好信息中，選取出現(xiàn)次數最多的數目為第二預設值的偏好元素，整合為群體活動的推薦信息。示例性的，當參加聚餐活動的10個用戶在食材方面的飲食偏好信息分別為西紅柿、土豆、黃瓜、土豆、西紅柿、冬瓜、土豆、西蘭花、白菜、西蘭花時，若第二預設值為3，則選擇出現(xiàn)次數最多的3種食材，即土豆(3次)、西紅柿(2次)、西蘭花(2次)，作為本次聚餐活動的推薦食材。對于就餐的口味、菜系等信息，同樣可以采用上述方法確定出推薦的口味和菜系。之后，根據所確定的推薦食材、推薦口味和推薦菜系，就可整合出本次聚餐活動的推薦菜單。

步驟103：將推薦信息發(fā)送給參加群體活動的用戶。

本步驟中，推薦信息(例如推薦菜單、推薦歌單等)確定后，可通過網絡發(fā)送給參加本次群體活動的用戶，并由用戶根據自身實際情況進行確認，以決定是否采納該推薦信息。

本發(fā)明實施例，通過獲取參加群體活動的多個用戶對群體活動的偏好信息，確定推薦信息，并將推薦信息發(fā)送給參加群體活動的用戶，使得參加群體活動的各用戶不需要經過臨時協(xié)商就可獲取符合各用戶需求的活動方案，使得活動方案的制定更加快速、智能、更加省時省力和人性化，綜合考慮了不同用戶的真實需求和偏好，節(jié)約了用戶在溝通上的時間和人力成本。

請參照圖2，是本發(fā)明的群體活動中的信息推薦方法的第二實施例的流程示意圖，該方法應用于移動終端，包括：

步驟201：獲取參加群體活動的多個用戶對聚餐活動的飲食偏好信息，其包括以下內容中的一種或多種：菜系、食材、口味、烹飪方法、烹飪成熟度、餐館和人均消費額。

本步驟中，獲取飲食偏好信息，具體可采用如下方式：根據參加群體活動的多個用戶的網絡標識，獲取多個用戶在網絡社交平臺上發(fā)布的與飲食相關的消息，利用圖像識別和/或文字識別技術對該消息進行分析，確定出多個用戶具有的與飲食相關的偏好信息。示例性的，用戶在網絡社交平臺上發(fā)布的飲食相關的消息可包括：在微信朋友圈分享的對某個餐館或某道菜的評價、對某種食材的特殊喜好、對某種烹調手段的評價、或對某些食譜的推薦。例如，當某用戶在朋友圈分享自己在一家川菜館吃的辣子雞的照片時，移動終端系統(tǒng)通過圖像識別技術檢測出了照片中是一道菜“辣子雞”，則系統(tǒng)認定用戶分享的該照片為飲食相關的消息，將該消息提取出來，并可據此確定出該用戶的飲食偏好是：口味重、可食辣、喜歡的食材為雞肉、喜歡的餐館為川菜館。

獲取飲食偏好信息，還可采用如下方式：根據參加群體活動的多個用戶的網絡標識，從網絡數據庫中獲取預存的多個用戶具有的與飲食相關的偏好信息。這樣，每次參加聚餐活動時，都不需要再次實時檢測其飲食偏好信息，而是根據用戶的網絡標識直接去網絡數據中調用該用戶的飲食偏好信息即可。

步驟202：根據飲食偏好信息，確定聚餐活動的推薦菜單。

本步驟中，當各個用戶的飲食偏好信息被確定出來后，可通過網絡進行匯總，并進行統(tǒng)計分析，例如可分析出最受歡迎的5種食材、最受歡迎的口味、光顧次數最多的菜館……。從中選擇重合度較高的飲食偏好要素，即可很容易地確定出本次聚餐活動的推薦菜單。由于每次聚餐活動的參與用戶不同，統(tǒng)計出的飲食偏好信息也不同，最終所確定的推薦菜單也會有所區(qū)別，因此可使餐單的制定更加貼近每個人的需求。

步驟203：將推薦信息發(fā)送給參加群體活動的用戶。

本步驟與群體活動中的信息推薦方法的第一實施例的對應步驟相同，在此不再贅述。

本發(fā)明實施例，通過獲取參加群體活動的多個用戶對聚餐活動的飲食偏好信息，來確定聚餐活動的推薦菜單，使得聚餐活動的組織者不需要與各用戶進行就餐習慣的溝通，就能夠輕松制定出滿足各用戶需求的菜單，可有效提高聚餐的效率和滿意度。

請參照圖3，是本發(fā)明的群體活動中的信息推薦方法的第三實施例的流程示意圖，該方法應用于移動終端，包括：

步驟301：獲取參加群體活動的多個用戶對唱歌活動的唱歌偏好信息，其包括以下內容中的一種或多種：歌手、歌曲名、歌曲風格、歌曲主題、歌曲語種和歌曲年代。

本步驟中，獲取唱歌偏好信息，具體可采用如下方式：根據參加群體活動的多個用戶的網絡標識，獲取多個用戶在網絡社交平臺上發(fā)布的與唱歌相關的消息，利用圖像識別和/或文字識別技術對該消息進行分析，確定出多個用戶具有的與唱歌相關的偏好信息。示例性的，用戶在網絡社交平臺上發(fā)布的唱歌相關的消息可包括：該用戶在QQ中與他人討論歌手或歌曲的消息、在微信朋友圈分享的某首歌曲等。例如，當某用戶對朋友圈里別人分享的歌曲《十年》作出評論“很喜歡這首歌”時，移動終端系統(tǒng)通過文字識別技術識別出了該歌曲及用戶對其作出的正面評論，則系統(tǒng)可認定用戶作出的這一評論為歌曲相關的消息，將該消息提取出來，并可據此確定出該用戶的歌曲偏好信息為：流行歌曲、陳奕迅、《十年》。

獲取唱歌偏好信息，還可采用如下方式：根據參加群體活動的多個用戶的網絡標識，從網絡數據庫中獲取預存的多個用戶具有的與唱歌相關的偏好信息。這樣，每次參加唱歌活動時，都不需要再次實時檢測其唱歌偏好信息，而是根據用戶的網絡標識直接去網絡數據中調用該用戶的唱歌偏好信息即可。

步驟202：根據唱歌偏好信息，確定唱歌活動的推薦歌單。

本步驟中，當各個用戶的歌曲偏好信息被確定出來后，可通過網絡進行匯總，并進行統(tǒng)計分析，例如分析出最受歡迎的十大歌曲、最受歡迎的十大歌手，最受歡迎的曲風……。從中選擇重合度較高的歌曲偏好信息，即可很容易地確定出本次唱歌活動的推薦歌單。

步驟203：將推薦信息發(fā)送給參加群體活動的用戶。

本步驟與群體活動中的信息推薦方法的第一實施例的對應步驟相同，在此不再贅述。

本發(fā)明實施例，通過獲取參加群體活動的多個用戶對聚餐活動的唱歌偏好信息，來確定各用戶的歌曲偏好信息，并據此確定唱歌活動的推薦歌單，使得唱歌活動的組織者不需要與各用戶事先溝通所喜歡的曲目，就能夠輕松制定出滿足各用戶需求的歌單，可有效提高唱歌活動的效率和滿意度。

請參照圖4，是本發(fā)明的移動終端的第一實施例的結構示意圖。該移動終端100包括：

獲取模塊110，用于獲取參加群體活動的多個用戶對群體活動的偏好信息。

確定模塊120，與獲取模塊110相連，用于根據偏好信息，確定推薦信息。

推薦模塊130，與確定模塊120相連，用于將推薦信息發(fā)送給參加群體活動的用戶。

該群體活動可包括聚餐活動、唱歌活動(俗稱K歌)、旅游活動或其他群體性的娛樂、休閑活動。

進一步地，獲取參加群體活動的多個用戶對群體活動的偏好信息，具體可采用如下方式：根據參加群體活動的多個用戶的網絡標識，獲取多個用戶在網絡社交平臺上發(fā)布的與群體活動的主題相關的消息，利用圖像識別和/或文字識別技術對消息進行分析，確定出多個用戶具有的與群體活動的主題相關的偏好信息。

網絡社交平臺可包括可在移動終端上運行的各種交流、交友平臺，例如微信、QQ、微博、博客、網絡社區(qū)等。

示例性的，當群體活動為聚餐活動時，上述與群體活動的主題相關的消息包括用戶在上述各平臺上發(fā)布的與飲食相關的消息，例如在微信朋友圈分享的對某個餐館或某道菜的評價、對某種食材的特殊喜好、對某種烹調手段的評價、或對某些食譜的推薦等。

示例性的，當群體活動為唱歌活動時，上述與群體活動的主題相關的消息包括用戶在上述各平臺上發(fā)布的與歌曲相關的消息，例如包括該用戶在QQ中與他人討論歌手或歌曲的消息、在微信朋友圈分享的某首歌曲等。

用戶在網絡社交平臺上發(fā)布的消息通常包括文字消息和/或圖片消息，可利用圖像識別技術分析用戶發(fā)布的圖片中的內容，或利用文字識別技術在用戶發(fā)布的文字消息中檢索預設的關鍵詞，從而檢測出參加群體活動的各用戶在網絡社交平臺上發(fā)布的與群體活動的主題相關的偏好消息。

示例性的，當群體活動為聚餐活動時，偏好信息可為用戶的飲食偏好信息，如口味的輕重、喜歡哪個菜系、喜歡哪種食材等；當群體活動為唱歌活動時，偏好信息可為用戶的唱歌偏好信息，如喜歡哪種曲風、哪首歌曲或哪個歌手。

進一步地，獲取參加群體活動的多個用戶對群體活動的偏好信息，還可采用如下方式：根據參加群體活動的多個用戶的網絡標識，從網絡數據庫中獲取預存的多個用戶具有的與群體活動的主題相關的偏好信息。一般來說，用戶的偏好信息相對固定，短期內不會發(fā)生較大變化，因此，在檢測出用戶的偏好信息后，可以存儲在網絡數據庫中。在下次參加群體活動時，就不需要再次實時檢測其偏好信息，而只需到網絡數據庫中根據該用戶的網絡標識查找與本次群體活動的主題相關的偏好信息即可。

在獲取各用戶的偏好信息后，可對信息進行分析、整合，提取出各用戶普遍關注或感興趣的要素，并確定出用于向該群體活動推薦的相關信息。

示例性的，當群體活動為聚餐活動時，該推薦信息可包括聚餐的推薦菜單或推薦餐館；該推薦菜單可根據各用戶喜歡的食材、口味、做法，以從眾原則搭配出菜單的各道菜，從而最大程度的滿足各用戶的飲食偏好。推薦餐館也可根據所提取的用戶經常去或經常關注的餐館的信息，挑選出本次群體活動的推薦餐館。當群體活動為唱歌活動時，該推薦信息可包括唱歌的推薦歌單或推薦KTV地點。該推薦歌單可包括所有用戶感興趣的歌曲，該推薦KTV地點可選擇適合多數用戶消費水平的KTV，并考慮到地理位置的遠近。

進一步地，根據偏好信息，確定推薦信息，具體可采用如下方式：從多個用戶的偏好信息中，選取出現(xiàn)次數大于第一預設值的偏好元素，整合為群體活動的推薦信息。示例性的，當參加聚餐活動的8個用戶在食材方面的飲食偏好信息分別為西紅柿、土豆、黃瓜、土豆、西紅柿、冬瓜、土豆、西蘭花時，若第一預設值為1時，則選擇出現(xiàn)次數大于1次的食材，即西紅柿(2次)和土豆(3次)，作為本次聚餐活動的推薦食材；若第一預設值為2時，則選擇出現(xiàn)次數大于2次的食材，即土豆(3次)，作為本次聚餐活動的推薦食材。對于就餐的口味、菜系等信息，也可以采用上述方法確定出推薦的口味和菜系。之后，根據所確定的推薦食材、推薦口味和推薦菜系，就可整合出本次聚餐活動的推薦菜單。

進一步地，根據偏好信息，確定推薦信息，還可采用如下方式：從多個用戶的偏好信息中，選取出現(xiàn)次數最多的數目為第二預設值的偏好元素，整合為群體活動的推薦信息。示例性的，當參加聚餐活動的10個用戶在食材方面的飲食偏好信息分別為西紅柿、土豆、黃瓜、土豆、西紅柿、冬瓜、土豆、西蘭花、白菜、西蘭花時，若第二預設值為3，則選擇出現(xiàn)次數最多的3種食材，即土豆(3次)、西紅柿(2次)、西蘭花(2次)，作為本次聚餐活動的推薦食材。對于就餐的口味、菜系等信息，同樣可以采用上述方法確定出推薦的口味和菜系。之后，根據所確定的推薦食材、推薦口味和推薦菜系，就可整合出本次聚餐活動的推薦菜單。

推薦信息(例如推薦菜單、推薦歌單等)確定后，可通過網絡發(fā)送給參加本次群體活動的用戶，并由用戶根據自身實際情況進行確認，以決定是否采納該推薦信息。

本發(fā)明實施例，通過獲取參加群體活動的多個用戶對群體活動的偏好信息，確定推薦信息，并將推薦信息發(fā)送給參加群體活動的用戶，使得參加群體活動的各用戶不需要經過臨時協(xié)商就可獲取符合各用戶需求的活動方案，使得活動方案的制定更加快速、智能、更加省時省力和人性化，綜合考慮了不同用戶的真實需求和偏好，節(jié)約了用戶在溝通上的時間和人力成本。

請參照圖5，是本發(fā)明的移動終端的第二實施例的結構示意圖。該移動終端200包括：

獲取模塊210，用于獲取參加群體活動的多個用戶對群體活動的偏好信息。

確定模塊220，與獲取模塊210相連，用于根據偏好信息，確定推薦信息。

推薦模塊230，與確定模塊220相連，用于將推薦信息發(fā)送給參加群體活動的用戶。

進一步的，群體活動為聚餐活動，偏好信息為飲食偏好信息，包括以下內容中的一種或多種：菜系、食材、口味、烹飪方法、烹飪成熟度、餐館和人均消費額。確定模塊220包括菜單確定單元221，用于根據飲食偏好信息，確定聚餐活動的推薦菜單。

獲取飲食偏好信息，具體可采用如下方式：根據參加群體活動的多個用戶的網絡標識，獲取多個用戶在網絡社交平臺上發(fā)布的與飲食相關的消息，利用圖像識別和/或文字識別技術對該消息進行分析，確定出多個用戶具有的與飲食相關的偏好信息。示例性的，用戶在網絡社交平臺上發(fā)布的飲食相關的消息可包括：在微信朋友圈分享的對某個餐館或某道菜的評價、對某種食材的特殊喜好、對某種烹調手段的評價、或對某些食譜的推薦。例如，當某用戶在朋友圈分享自己在一家川菜館吃的辣子雞的照片時，移動終端系統(tǒng)通過圖像識別技術檢測出了照片中是一道菜“辣子雞”，則系統(tǒng)認定用戶分享的該照片為飲食相關的消息，將該消息提取出來，并可據此確定出該用戶的飲食偏好是：口味重、可食辣、喜歡的食材為雞肉、喜歡的餐館為川菜館。

獲取飲食偏好信息，還可采用如下方式：根據參加群體活動的多個用戶的網絡標識，從網絡數據庫中獲取預存的多個用戶具有的與飲食相關的偏好信息。這樣，每次參加聚餐活動時，都不需要再次實時檢測其飲食偏好信息，而是根據用戶的網絡標識直接去網絡數據中調用該用戶的飲食偏好信息即可。

當各個用戶的飲食偏好信息被確定出來后，可通過網絡進行匯總，并進行統(tǒng)計分析，例如可分析出最受歡迎的5種食材、最受歡迎的口味、光顧次數最多的菜館……。從中選擇重合度較高的飲食偏好要素，即可很容易地確定出本次聚餐活動的推薦菜單。由于每次聚餐活動的參與用戶不同，統(tǒng)計出的飲食偏好信息也不同，最終所確定的推薦菜單也會有所區(qū)別，因此可使餐單的制定更加貼近每個人的需求。

本發(fā)明實施例，通過獲取參加群體活動的多個用戶對聚餐活動的飲食偏好信息，來確定聚餐活動的推薦菜單，使得聚餐活動的組織者不需要與各用戶進行就餐習慣的溝通，就能夠輕松制定出滿足各用戶需求的菜單，可有效提高聚餐的效率和滿意度。

請參照圖6，是本發(fā)明的移動終端的第三實施例的結構示意圖。該移動終端300包括：

獲取模塊310，用于獲取參加群體活動的多個用戶對群體活動的偏好信息。

確定模塊320，與獲取模塊310相連，用于根據偏好信息，確定推薦信息。

推薦模塊330，與確定模塊320相連，用于將推薦信息發(fā)送給參加群體活動的用戶。

進一步的，確定模塊包括320歌單確定單元321，用于根據唱歌偏好信息，確定唱歌活動的推薦歌單。

獲取唱歌偏好信息，具體可采用如下方式：根據參加群體活動的多個用戶的網絡標識，獲取多個用戶在網絡社交平臺上發(fā)布的與唱歌相關的消息，利用圖像識別和/或文字識別技術對該消息進行分析，確定出多個用戶具有的與唱歌相關的偏好信息。示例性的，用戶在網絡社交平臺上發(fā)布的唱歌相關的消息可包括：該用戶在QQ中與他人討論歌手或歌曲的消息、在微信朋友圈分享的某首歌曲等。例如，當某用戶對朋友圈里別人分享的歌曲《十年》作出評論“很喜歡這首歌”時，移動終端系統(tǒng)通過文字識別技術識別出了該歌曲及用戶對其作出的正面評論，則系統(tǒng)可認定用戶作出的這一評論為歌曲相關的消息，將該消息提取出來，并可據此確定出該用戶的歌曲偏好信息為：流行歌曲、陳奕迅、《十年》。

獲取唱歌偏好信息，還可采用如下方式：根據參加群體活動的多個用戶的網絡標識，從網絡數據庫中獲取預存的多個用戶具有的與唱歌相關的偏好信息。這樣，每次參加唱歌活動時，都不需要再次實時檢測其唱歌偏好信息，而是根據用戶的網絡標識直接去網絡數據中調用該用戶的唱歌偏好信息即可。

當各個用戶的歌曲偏好信息被確定出來后，可通過網絡進行匯總，并進行統(tǒng)計分析，例如分析出最受歡迎的十大歌曲、最受歡迎的十大歌手，最受歡迎的曲風……。從中選擇重合度較高的歌曲偏好信息，即可很容易地確定出本次唱歌活動的推薦歌單。

本發(fā)明實施例，通過獲取參加群體活動的多個用戶對聚餐活動的唱歌偏好信息，來確定各用戶的歌曲偏好信息，并據此確定唱歌活動的推薦歌單，使得唱歌活動的組織者不需要與各用戶事先溝通所喜歡的曲目，就能夠輕松制定出滿足各用戶需求的歌單，可有效提高唱歌活動的效率和滿意度。

請參照圖7，是本發(fā)明的移動終端的第四實施例的移動終端的結構示意圖，該移動終端700包括：至少一個處理器701、存儲器702、至少一個網絡接口704和用戶接口703。移動終端700中的各個組件通過總線系統(tǒng)705耦合在一起?？衫斫?，總線系統(tǒng)705用于實現(xiàn)這些組件之間的連接通信?？偩€系統(tǒng)705除包括數據總線之外，還包括電源總線、控制總線和狀態(tài)信號總線。但是為了清楚說明起見，在圖7中將各種總線都標為總線系統(tǒng)705。

其中，用戶接口703可以包括按鍵、各種加速度傳感器，尤其是重力傳感器和陀螺儀。

可以理解，本發(fā)明實施例中的存儲器702可以是易失性存儲器或非易失性存儲器，或可包括易失性和非易失性存儲器兩者。其中，非易失性存儲器可以是只讀存儲器(Read-OnlyMemory，ROM)、可編程只讀存儲器(ProgrammableROM，PROM)、可擦除可編程只讀存儲器(ErasablePROM，EPROM)、電可擦除可編程只讀存儲器(ElectricallyEPROM，EEPROM)或閃存。易失性存儲器可以是隨機存取存儲器(RandomAccessMemory，RAM)，其用作外部高速緩存。通過示例性但不是限制性說明，許多形式的RAM可用，例如靜態(tài)隨機存取存儲器(StaticRAM，SRAM)、動態(tài)隨機存取存儲器(DynamicRAM，DRAM)、同步動態(tài)隨機存取存儲器(SynchronousDRAM，SDRAM)、雙倍數據速率同步動態(tài)隨機存取存儲器(DoubleDataRate SDRAM，DDRSDRAM)、增強型同步動態(tài)隨機存取存儲器(Enhanced SDRAM，ESDRAM)、同步連接動態(tài)隨機存取存儲器(SynchlinkDRAM，SLDRAM)和直接內存總線隨機存取存儲器(DirectRambusRAM，DRRAM)。本文描述的系統(tǒng)和方法的存儲器702旨在包括但不限于這些和任意其它適合類型的存儲器。

在一些實施方式中，存儲器702存儲了如下的元素，偏好信息、推薦信息、可執(zhí)行模塊或者數據結構，或者他們的子集，或者他們的擴展集：操作系統(tǒng)7021和應用程序7022。

其中，操作系統(tǒng)7021，包含各種系統(tǒng)程序，例如框架層、核心庫層、驅動層等，用于實現(xiàn)各種基礎業(yè)務以及處理基于硬件的任務。應用程序7022，包含各種應用程序，例如媒體播放器(MediaPlayer)、瀏覽器(Browser)等，用于實現(xiàn)各種應用業(yè)務。實現(xiàn)本發(fā)明實施例方法的程序可以包含在應用程序7022中。

在本發(fā)明實施例中，通過調用存儲器702存儲的程序或指令，具體的，可以是應用程序7022中存儲的程序或指令，處理器701獲取參加群體活動的多個用戶對所述群體活動的偏好信息；處理器701根據所述偏好信息，確定推薦信息；處理器701將所述推薦信息發(fā)送給參加所述群體活動的用戶。

上述本發(fā)明實施例揭示的方法可以應用于處理器701中，或者由處理器701實現(xiàn)。處理器701可能是一種集成電路芯片，具有信號的處理能力。在實現(xiàn)過程中，上述方法的各步驟可以通過處理器701中的硬件的集成邏輯電路或者軟件形式的指令完成。

上述的處理器701可以是通用處理器、數字信號處理器(DigitalSignalProcessor，DSP)、專用集成電路(ApplicationSpecific IntegratedCircuit ASIC)、現(xiàn)成可編程門陣列(FieldProgrammableGateArray，F(xiàn)PGA)或者其他可編程邏輯器件、分立門或者晶體管邏輯器件、分立硬件組件?？梢詫崿F(xiàn)或者執(zhí)行本發(fā)明實施例中的公開的各方法、步驟及邏輯框圖。通用處理器可以是微處理器或者該處理器也可以是任何常規(guī)的處理器等。結合本發(fā)明實施例所公開的方法的步驟可以直接體現(xiàn)為硬件譯碼處理器執(zhí)行完成，或者用譯碼處理器中的硬件及軟件模塊組合執(zhí)行完成。軟件模塊可以位于隨機存儲器，閃存、只讀存儲器，可編程只讀存儲器或者電可擦寫可編程存儲器、寄存器等本領域成熟的存儲介質中。該存儲介質位于存儲器702，處理器701讀取存儲器702中的信息，結合其硬件完成上述方法的步驟。

可以理解的是，本文描述的這些實施例可以用硬件、軟件、固件、中間件、微碼或其組合來實現(xiàn)。對于硬件實現(xiàn)，處理單元可以實現(xiàn)在一個或多個專用集成電路(ApplicationSpecificIntegratedCircuits，ASIC)、數字信號處理器(DigitalSignalProcessing，DSP)、數字信號處理設備(DSPDevice，DSPD)、可編程邏輯設備(ProgrammableLogicDevice，PLD)、現(xiàn)場可編程門陣列(Field-ProgrammableGateArray，F(xiàn)PGA)、通用處理器、控制器、微控制器、微處理器、用于執(zhí)行本申請所述功能的其它電子單元或其組合中。

對于軟件實現(xiàn)，可通過執(zhí)行本文所述功能的模塊(例如過程、函數等)來實現(xiàn)本文所述的技術。軟件代碼可存儲在存儲器中并通過處理器執(zhí)行。存儲器可以在處理器中或在處理器外部實現(xiàn)。

可選地，作為另一個實施例，處理器701根據參加所述群體活動的多個用戶的網絡標識，獲取所述多個用戶在網絡社交平臺上發(fā)布的與所述群體活動的主題相關的消息，利用圖像識別和/或文字識別技術對所述消息進行分析，確定出所述多個用戶具有的與所述群體活動的主題相關的偏好信息，或者，根據參加所述群體活動的多個用戶的網絡標識，從網絡數據庫中獲取預存的所述多個用戶具有的與所述群體活動的主題相關的偏好信息。

可選地，作為另一個實施例，處理器701從所述多個用戶的偏好信息中，選取出現(xiàn)次數大于第一預設值的偏好元素，或出現(xiàn)次數最多的數目為第二預設值的偏好元素，整合為所述群體活動的推薦信息。

可選地，作為另一個實施例，所述群體活動為聚餐活動，所述偏好信息為飲食偏好信息，包括以下內容中的一種或多種：菜系、食材、口味、烹飪方法、烹飪成熟度、餐館和人均消費額；處理器701根據所述飲食偏好信息，確定所述聚餐活動的推薦菜單。

可選地，作為另一個實施例，所述群體活動為唱歌活動，所述偏好信息為唱歌偏好信息，包括以下內容中的一種或多種：歌手、歌曲名、歌曲風格、歌曲主題、歌曲語種和歌曲年代；處理器701根據所述唱歌偏好信息，確定所述唱歌活動的推薦歌單。

移動終端700能夠實現(xiàn)前述實施例中移動終端實現(xiàn)的各個過程，為避免重復，這里不再贅述。本發(fā)明實施例，通過獲取參加群體活動的多個用戶對所述群體活動的偏好信息，確定推薦信息，并將所述推薦信息發(fā)送給參加所述群體活動的用戶，使得參加群體活動的各用戶不需要經過臨時協(xié)商就可獲取符合各用戶需求的活動方案，使得活動方案的制定更加快速、智能、更加省時省力和人性化，綜合考慮了不同用戶的真實需求和偏好，節(jié)約了用戶在溝通上的時間和人力成本。

所屬領域的技術人員可以清楚地了解到，為描述的方便和簡潔，僅以上述各功能模塊的劃分進行舉例說明，實際應用中，可以根據需要而將上述功能分配由不同的功能模塊完成，即將裝置的內部結構劃分成不同的功能模塊，以完成以上描述的全部或者部分功能。上述描述的系統(tǒng)，裝置和單元的具體工作過程，可以參考前述方法實施例中的對應過程，在此不再贅述。

在本申請所提供的幾個實施例中，應該理解到，所揭露移動終端和控制方法，可以通過其它的方式實現(xiàn)。例如，以上所描述的移動終端的實施例僅僅是示意性的，所述模塊或單元的劃分，僅僅為一種邏輯功能劃分，實際實現(xiàn)時可以有另外的劃分方式，例如多個單元或組件可以結合或者可以集成到另一個系統(tǒng)，或一些特征可以忽略，或不執(zhí)行。

另外，在本發(fā)明各個實施例中的各功能單元可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以采用硬件的形式實現(xiàn)，也可以采用軟件功能單元的形式實現(xiàn)。

所述集成的單元如果以軟件功能單元的形式實現(xiàn)并作為獨立的產品銷售或使用時，可以存儲在一個計算機可讀取存儲介質中?；谶@樣的理解，本發(fā)明的技術方案本質上或者說對現(xiàn)有技術做出貢獻的部分或者該技術方案的全部或部分可以以軟件產品的形式體現(xiàn)出來，該計算機軟件產品存儲在一個存儲介質中，包括若干指令用以使得一臺計算機設備(可以是個人計算機，服務器，或者網絡設備等)或處理器(processor)執(zhí)行本發(fā)明各個實施例所述方法的全部或部分步驟。而前述的存儲介質包括：U盤、移動硬盤、只讀存儲器(ROM，Read-Only Memory)、隨機存取存儲器(RAM，Random Access Memory)、磁碟或者光盤等各種可以存儲程序代碼的介質。

以上所述僅為本發(fā)明的較佳實施例而已，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內所作的任何修改、等同替換和改進等，均應包含在本發(fā)明的保護范圍之內。