CN109241120A - 一种用户推荐方法及装置 - Google Patents
一种用户推荐方法及装置 Download PDFInfo
- Publication number
- CN109241120A CN109241120A CN201810990042.2A CN201810990042A CN109241120A CN 109241120 A CN109241120 A CN 109241120A CN 201810990042 A CN201810990042 A CN 201810990042A CN 109241120 A CN109241120 A CN 109241120A
- Authority
- CN
- China
- Prior art keywords
- data
- user
- content
- candidate user
- candidate
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Information Transfer Between Computers (AREA)
Abstract
本申请提供了一种用户推荐方法及装置，其中，该方法包括：获取第一用户的第一内容数据，其中，第一内容数据携带有限定信息；确定候选用户集，对候选用户集进行排序；根据排序结果，从候选用户集中挑选合适数量的第二用户；以及将挑选的合适数量的第二用户推荐给第一用户；其中，基于以下至少之一对候选用户集进行排序：候选用户集中，各候选用户的内容数据与第一内容数据之间的相关性；候选用户集中，各候选用户的内容数据所携带的限定信息与第一内容数据所携带的限定信息之间的关系。这样，推荐给第一用户的是与该第一用户关联程度比较高的候选用户，提高了推荐的精准度，用户使用体验度较佳。
Description
技术领域
本申请涉及计算机技术领域，具体而言，涉及一种用户推荐方法及装置。
背景技术
随着网络技术的发展，极大的改变了人们的工作生活。其中，社交网络的形成使得人与人之间的沟通变得快捷和多样。在社交网络中，推荐服务是一项很重要的功能，其能够稳定用户关系链，防止社交网络中的用户流失。
相关技术中提供了一种用户推荐方法，该方法可以根据用户的属性信息(如年龄、性别、地理位置等)，从数据库中确定与该用户的属性信息相一致的好友，如将同一年龄段、同一地理位置区域内的同性好友作为确定的好友推荐给该用户。
然而，上述用户推荐方法推荐的好友数量很大，且推荐的好友很大可能是该用户并不感兴趣的好友，这样，势必导致该用户很难从上述推荐的好友中结识到真正有共同话题的好友。
发明内容
有鉴于此，本申请实施例的目的在于提供一种用户推荐方法及装置，以提高用户推荐的精准度，用户使用体验度较佳。
本申请实施例提供了一种用户推荐方法，所述方法包括：
获取第一用户的第一内容数据，其中，所述第一内容数据携带有限定信息；
确定候选用户集，对所述候选用户集进行排序；
根据排序结果，从所述候选用户集中挑选合适数量的第二用户；以及将所述挑选的合适数量的第二用户推荐给所述第一用户；
其中，基于以下至少之一对所述候选用户集进行排序：
所述候选用户集中，各候选用户的内容数据与所述第一内容数据之间的相关性；
所述候选用户集中，各候选用户的内容数据所携带的限定信息与所述第一内容数据所携带的限定信息之间的关系。
可选的，所述内容数据包括：文本数据、图像数据、音频数据或视频数据。
可选的，基于以下至少之一确定所述候选用户集：
所述第一内容数据携带的限定信息；
所述第一用户的好友列表；
所述第一用户的联系人列表；
所述候选用户的活跃度。
可选的，所述限定信息包括用户输入内容数据时的地理位置和/或时间信息；以及，基于第一内容数据携带的地理位置和/或时间信息确定所述候选用户集，使得所述候选用户集满足以下至少之一：
所述候选用户集中，各候选用户的至少一个内容数据所携带的地理位置与所述第一内容数据所携带的地理位置之间的距离满足第一条件；
所述候选用户集中，各候选用户的至少一个内容数据所携带的时间信息与所述第一内容数据所携带的时间信息之间的间隔满足第二条件。
可选的，所述第一条件和第二条件可由所述第一用户设定。
可选的，所述对所述候选用户集进行排序，具体包括：
针对所述候选用户集中各候选用户的至少一个内容数据：基于该内容数据携带的地理位置与所述第一内容数据携带的地理位置之间的距离，以及该内容数据与所述第一内容数据之间的主题相关性，计算得到该内容数据的评分；或者，基于该内容数据携带的时间信息与所述第一内容数据携带的时间信息之间的间隔，以及该内容数据与所述第一内容数据之间的主题相关性，计算得到该内容数据的评分；或者，基于该内容数据携带的地理位置与所述第一内容数据携带的地理位置之间的距离，该内容数据携带的时间信息与所述第一内容数据携带的时间信息之间的间隔，以及该内容数据与所述第一内容数据之间的主题相关性，计算得到该内容数据的评分；
针对所述候选用户集中的每个候选用户，将该候选用户的所述至少一个内容数据的最优评分或评分均值作为该候选用户的评分；根据候选用户的评分结果，按顺序对所述候选用户集中的候选用户进行排名。
可选的，所述第二用户的挑选数量根据所述候选用户的评分结果确定或者由所述第一用户设定。
可选的，基于所述第一内容数据的第一主题向量，以及所述候选用户集中各候选用户的每个内容数据的主题向量，计算所述主题相关性。
本申请实施例还提供了一种用户推荐装置，包括：
获取模块，用于获取第一用户的第一内容数据，其中，所述第一内容数据携带有限定信息；
排序模块，用于确定候选用户集，对所述候选用户集进行排序；
推荐模块，用于根据排序结果，从所述候选用户集中挑选合适数量的第二用户；以及将所述挑选的合适数量的第二用户推荐给所述第一用户；
其中，基于以下至少之一对所述候选用户集进行排序：
所述候选用户集中，各候选用户的内容数据与所述第一内容数据之间的相关性；
所述候选用户集中，各候选用户的内容数据所携带的限定信息与所述第一内容数据所携带的限定信息之间的关系。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行所述用户推荐方法的步骤。
本申请实施例提供的用户推荐方法及装置，解决了现有根据属性信息进行用户推荐的方法所带来的推荐数量较多，推荐的精准度较差的问题。本申请实施例提供的用户推荐方法及装置，首先获取第一用户的第一内容数据，其中，第一内容数据携带有限定信息；然后确定候选用户集，对候选用户集进行排序；最后根据排序结果，从候选用户集中挑选合适数量的第二用户；以及将挑选的合适数量的第二用户推荐给第一用户，其通过候选用户集包括的每个候选用户与第一用户之间的关联程度对该各个候选用户进行排序，并将排名靠前的候选用户推荐给上述第一用户，推荐的精准度较高，用户使用体验度较佳。
为使本申请的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种用户推荐方法的流程图；
图2示出了本申请实施例所提供的另一种用户推荐方法的流程图；
图3示出了本申请实施例所提供的另一种用户推荐方法的流程图；
图4示出了本申请实施例所提供的一种用户推荐方法的场景示意图；
图5示出了本申请实施例所提供的一种用户推荐装置的结构示意图；
图6示出了本申请实施例所提供的一种计算机设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。
考虑到相关根据属性信息的一致性进行用户推荐的方法所带来的推荐的好友数量很大，且推荐的好友很大可能是该用户并不感兴趣的好友。基于此，本申请一种实施例提供了一种用户推荐方法，以提高用户推荐的精准度，用户使用体验度较佳，详见下述实施例。
如图1所示，为本申请实施例提供的用户推荐方法的流程图，该用户推荐方法的执行主体可以是计算机设备，上述方法具体包括如下步骤：
S101、获取第一用户的第一内容数据，其中，第一内容数据携带有限定信息。
这里，第一用户可以是计算机设备旨在进行用户推荐业务的任意目标用户，该第一用户的第一内容数据则可以是第一用户通过在应用程序(如微信、推特、微博、QQ)所输入或发表的内容数据。如：输入或发表的朋友圈信息、推文、博文、QQ签名等。
在该第一内容数据中可以携带有用户输入内容数据时的地理位置和/或时间信息，也即，本申请实施例中的内容数据是带有地理标记和/或时间标记的数据。
值得说明的是，上述内容数据包括但不限于文本数据，如：帖子、评论、博文等，包括但不限于音频数据，如语音、音乐，可以是图像数据，如：照片、图片等，包括但不限于视频数据，如：视频、电影等，还可以是上述任意数据的组合，本申请实施例对此不做具体的限制。
S102、确定候选用户集，对候选用户集进行排序。
这里，可以通过预设搜索条件部分或全部确定候选用户集，例如：根据用户的活跃度来选择候选用户，使得选择的候选用户满足活跃度要求，例如：当前在线、近期在线、近期发表过动态等。
还可以部分或全部基于与第一用户具有直接或间接关系的用户确定候选用户集。其中，与第一用户具有直接或间接关系的候选用户可以根据第一用户的第一内容数据携带的限定信息来确定，如以第一用户所处位置作为搜索原点，以1千米作为搜索半径搜索到的用户可以作为上述候选用户；还可以根据第一用户的好友列表来确定，该好友列表可以从所在应用程序或其他应用程序(如QQ、微信等)获取，也即，本申请实施例可以将第一用户的好友视作候选用户；还可以根据第一用户的联系人列表来确定，该联系人列表可以从通讯录获取，也即，本申请实施例可以将第一用户的联系人视作候选用户。
在这里，用户还可以通过条件设置来确定符合自身限定信息的候选用户集。例如：设置地理条件和/或时间条件,使得候选用户集中各候选用户的所携带的限定信息满足设定条件。
具体来讲，可以通过设置地理条件，使得候选用户集中的各候选用户的至少一个内容数据所携带的地理位置与第一内容数据所携带的地理位置之间的距离满足该地理条件，如：设置地理条件为距离不超过5公里，即将5公里之内的内容数据所对应的用户确定为候选用户，此处5公里仅为举例，还可以是1公里、3公里、10公里、200米、500米，等等。也可以通过设置时间条件，使得候选用户集中的各候选用户的至少一个内容数据所携带的时间信息与第一内容数据所携带的时间信息之间的间隔满足该时间条件，如：设置时间条件为6个小时，即将6小时之内的内容数据所对应的用户确定为候选用户，此处6小时仅为举例，还可以是1小时、3小时、1天、2天，等等。还可以同时结合以上两个条件，使得候选用户的内容数据所携带的限定信息同时满足地理条件要求和时间信息要求，具体的实现方法参见上述内容，在此不再赘述。
针对上述候选用户集，可以基于该候选用户集中各候选用户的内容数据与第一内容数据之间的相关性对候选用户集进行排序；可以基于各候选用户的内容数据所携带的限定信息与第一内容数据所携带的限定信息之间的关系对候选用户集进行排序，考虑到内容数据与限定信息对用户关联程度的双重影响，还可以将上述两种方式结合起来进行排序。
在这里，内容数据之间的相关性可以是主题相关性，即内容数据的主题之间的相关性。
S103、根据排序结果，从候选用户集中挑选合适数量的第二用户；以及将挑选的合适数量的第二用户推荐给第一用户。
这里，可以基于排序结果，从候选用户集中挑选合适数量的第二用户，如将排名比较靠前的候选用户作为第二用户推荐给第一用户。也可以是由第一用户设定推选的数量，根据排序结果，选择第一用户设定数量的第二用户推荐给第一用户。
本申请实施例提供的用户推荐方法可以将内容数据和该内容数据携带的限定信息结合起来对候选用户集进行排序以实现用户推荐。在本申请实施例中，可以将内容数据和限定信息包括的时间信息结合起来进行排序，还可以将内容数据和限定信息包括的地理位置结合起来进行排序，还可以将内容数据、地理位置和时间信息三者结合起来进行排序。接下来分别进行具体说明。
针对内容数据和地理位置结合的情况，如图2所示，本申请实施例提供了一种候选用户集排序方法，该方法包括如下步骤：
S201、针对候选用户集中各候选用户的至少一个内容数据：基于该内容数据携带的地理位置与第一内容数据携带的地理位置之间的距离，以及该内容数据与第一内容数据之间的主题相关性，计算得到该内容数据的评分；
S202、针对候选用户集中的每个候选用户，将该候选用户的至少一个内容数据的最优评分或评分均值作为该候选用户的评分；
S203、根据候选用户的评分结果，按顺序对候选用户集中的候选用户进行排名。
这里，本申请实施例首先对候选用户集中各候选用户的至少一个内容数据，确定该内容数据的评分，然后再针对每个候选用户，根据该候选用户的至少一个内容数据的最优评分或评分均值为该候选用户评分，最后根据候选用户的评分对候选用户集中的各候选用户进行排名。这里，可以是评分越大，代表相关性越高，即最优评分为最大评分，排名的顺序为评分由大到小的顺序。其中，在对内容数据进行评分时，主要是依赖于该内容数据携带的地理位置与第一用户的第一内容数据携带的地理位置之间的距离，以及该内容数据与第一内容数据之间的主题相关性。在本申请实施例中，可以同时基于上述距离以及主题相关性进行评分，还可以在根据距离对内容数据进行筛选后，再依据主题相关性进行评分。
为了便于进一步理解上述排序方法，接下来结合公式(1)至(4)进行说明。
计算距离评分：
α(u,q)＝σ(r-ε(lu,lq)) (1)
其中，α(u,q)表示距离评分函数，ε(lu,lq)表示任一内容数据携带的地理位置与第一内容数据携带的地理位置之间的距离，r表示查询半径，σ表示将距离影响度归一化在[0,1]范围内的sigmoid函数，以弱化差异性较小的距离影响力。
计算内容相关性评分：
c(u,q)表示主题相关性评分函数，用于表征第一内容数据与该任一内容数据之间的主题相关性，表示第一内容数据的主题向量，表示该内容数据的主题向量，其中，c(u,q)的范围也为[0,1]。
对内容数据进行评分：
τ(u,q)＝λ·α(u,q)+(1-λ)·c(u,q) (3)
τ(u,q)表示该任一内容数据的评分，且该评分可以是距离评分函数α(u,q)和主题相关性评分函数c(u,q)在权重影响下的加权和值，λ为[0,1]范围内的权重值。为了增加主题相关性的影响度，弱化距离的影响度，可以预先将λ设定为一个较小的值，如0.3。
由于候选用户通常包含多个内容数据，这里，可以对候选用户的所有或部分(例如：选取5条、10条等)内容数据，执行计算。这样，通过使用至少一个内容数据，以反映该候选用户与第一用户之间的相关性。对于候选用户，所选择进行评分的内容数据，可以是满足前述预设地理位置和/或时间信息条件的内容数据，即受前述预设条件限制，也可以是不受前述预设条件限制的内容数据。
更进一步，对于任一候选用户的至少一个内容数据的评分结果，使用评分均值作为该候选用户的得分。
ψ(u,q)表示任一候选用户的所有内容数据的评分均值，tu表示通过距离评分函数和主题相关性评分函数筛选出的与候选用户对应的内容数据集合，numu表示该候选用户的所有内容数据的数量。可知，基于上述公式(1)至(4)便可以确定候选用户集中的每个候选用户的所有内容数据的评分均值，该评分均值便作为该候选用户的评分。进而通过由大至小的评分排序实现候选用户集中各候选用户的排名。这样，基于排名结果可以确定第二用户的挑选数量，除此之外，该第二用户的挑选数量还可以由第一用户来设定。
除了求取评分均值之外，对于任一候选用户，还可以统一选取其参与评分的内容数据中的最大值，作为该候选用户的评分。如前所述，对于候选用户，所选择进行评分的内容数据，可以是满足前述预设地理位置和/或时间信息条件的内容数据，即受前述预设条件限制，也可以是不受前述预设条件限制的内容数据。
本申请实施例提供的用户推荐方法中候选用户集中各候选用户的每个内容数据与第一内容数据之间的主题相关性可以由第一内容数据的第一主题向量，以及该内容数据的主题向量之间的向量相似度来确定，如公式(2)所示。其中，上述主题向量可以是将内容数据输入至预先训练好的主题模型中得到，该主题模型可以是文档主题生成(LatentDirichlet Allocation，LDA)模型，还可以是其他能够将文本内容数据生成主题向量的模型，本申请实施例对此不做具体的限制。
针对内容数据、时间信息和地理位置结合的情况，如图3所示，本申请实施例提供了另一种候选用户集排序方法，该方法包括如下步骤：
S301、针对候选用户集中各候选用户的至少一个内容数据：基于该内容数据携带的地理位置与第一内容数据携带的地理位置之间的距离，该内容数据携带的时间信息与第一内容数据携带的时间信息之间的间隔，以及该内容数据与第一内容数据之间的主题相关性，计算得到该内容数据的评分；
S302、针对候选用户集中的每个候选用户，将该候选用户的至少一个内容数据的最优评分或评分均值作为该候选用户的评分；
S303、根据候选用户的评分结果，按顺序对候选用户集中的候选用户进行排名。
这里，与前一种情况类似，先对候选用户集中各候选用户的至少一个内容数据进行评分，然后再针对每个候选用户，根据该候选用户的参与评分的内容数据的最优评分或评分均值为该候选用户评分，最后根据候选用户的评分对候选用户集中的各候选用户进行排名。在这里，可以是评分越大，代表相关性越高，即最优评分为最大评分，排名的顺序为评分由大到小的顺序。
同样，对于候选用户，所选择进行评分的内容数据，可以是满足前述预设地理位置和/或时间信息条件的内容数据，即受前述预设条件限制，也可以是不受前述预设条件限制的内容数据。
与前一种情况不同的是，在对内容数据进行评分时，不仅参考了该内容数据携带的地理位置与第一用户的第一内容数据携带的地理位置之间的距离，以及该内容数据与第一内容数据之间的主题相关性，还参考了该内容数据携带的时间信息与第一内容数据携带的时间信息之间的间隔。具体计算方法及公式与前一种情况类似或适当变换，在此不再赘述。
对于内容数据相关性和时间信息结合的情况，与前两种情况类似，计算方法或公式也是适当变化，在此不再赘述。
为了进一步对本申请实施例提供的用户推荐方法进行说明，接下来结合一个具体的场景进行说明。
如图4所示，带地理位置的查询用户(即第一用户)为音乐爱好者，该用户的查询要求是：为其推荐附近位置r＝8千米内，对音乐最感兴趣的4个用户(m＝4)，并要与之交友。
首先通过距离评分函数从候选用户集中筛除与查询用户距离较远的候选用户，然后根据主题相关性评分函数筛选出相关文本(相关文本所属用户为u1～u10，如表1所示)，由图可知与查询用户距离最近的用户有u3、u6、u7，但并不能保证这几个用户的文本主题与查询用户的要求最接近、相似文本数量最多，因此本申请实施例综合考虑了距离和主题的影响。通过综合考虑距离和主题相关性来计算每个相关文本的评分，此时可以弱化距离的差异，更关注主题的关联性。最后根据用户的所有相关文本的评分均值来排序用户，评分表如下表2所示。
表1
表2
由用户排名的综合评分可知，满足查询要求用户数m＝4所推荐用户将是u2、u1、u5、u8。
基于同一发明构思，本申请实施例中还提供了与用户推荐方法对应的用户推荐装置，由于本申请实施例中的装置解决问题的原理与本申请实施例上述用户推荐方法相似，因此装置的实施可以参见方法的实施，重复之处不再赘述。如图5所示，为本申请实施例所提供的用户推荐装置的结构示意图，该用户推荐装置包括：
获取模块501，用于获取第一用户的第一内容数据，其中，第一内容数据携带有限定信息；
排序模块502，用于确定候选用户集，对候选用户集进行排序；
推荐模块503，用于根据排序结果，从候选用户集中挑选合适数量的第二用户；以及将挑选的合适数量的第二用户推荐给第一用户；
其中，基于以下至少之一对候选用户集进行排序：
候选用户集中，各候选用户的内容数据与第一内容数据之间的相关性；
候选用户集中，各候选用户的内容数据所携带的限定信息与第一内容数据所携带的限定信息之间的关系。
在具体实施中，内容数据包括：文本数据、图像数据、音频数据或视频数据。
在具体实施中，基于以下至少之一确定候选用户集：第一内容数据携带的限定信息；第一用户的好友列表；第一用户的联系人列表；候选用户的活跃度。
在一种实施方式中，限定信息包括用户输入内容数据时的地理位置和/或时间信息；以及，基于第一内容数据携带的地理位置和/或时间信息确定候选用户集，使得候选用户集满足以下至少之一：
候选用户集中，各候选用户的至少一个内容数据所携带的地理位置与第一内容数据所携带的地理位置之间的距离满足第一条件；
候选用户集中，各候选用户的至少一个内容数据所携带的时间信息与第一内容数据所携带的时间信息之间的间隔满足第二条件。
其中，第一条件和第二条件可由第一用户设定。
在另一种实施方式中，上述排序模块502具体用于：
针对候选用户集中各候选用户的至少一个内容数据：基于该内容数据携带的地理位置与第一内容数据携带的地理位置之间的距离，以及该内容数据与第一内容数据之间的主题相关性，计算得到该内容数据的评分；或者，基于该内容数据携带的时间信息与第一内容数据携带的时间信息之间的间隔，以及该内容数据与第一内容数据之间的主题相关性，计算得到该内容数据的评分；或者，基于该内容数据携带的地理位置与第一内容数据携带的地理位置之间的距离，该内容数据携带的时间信息与第一内容数据携带的时间信息之间的间隔，以及该内容数据与第一内容数据之间的主题相关性，计算得到该内容数据的评分；
针对候选用户集中的每个候选用户，将该候选用户的至少一个内容数据的最优评分或评分均值作为该候选用户的评分；
根据候选用户的评分结果，按顺序对候选用户集中的候选用户进行排名。
在具体实施中，第二用户的挑选数量根据候选用户的评分结果确定或者由第一用户设定。
在具体实施中，基于第一内容数据的第一主题向量，以及候选用户集中各候选用户的每个内容数据的主题向量，计算主题相关性。
如图6所示，为本申请实施例提供的一种计算机设备的结构示意图，包括：处理器601、存储器602和总线603，存储器602存储有处理器601可执行的机器可读指令，当计算机设备运行时，处理器601与存储器602之间通过总线603通信，机器可读指令被处理器601执行时执行如下处理：
获取第一用户的第一内容数据，其中，第一内容数据携带有限定信息；
确定候选用户集，对候选用户集进行排序；
根据排序结果，从候选用户集中挑选合适数量的第二用户；以及将挑选的合适数量的第二用户推荐给第一用户；
其中，基于以下至少之一对候选用户集进行排序：
候选用户集中，各候选用户的内容数据与第一内容数据之间的相关性；
候选用户集中，各候选用户的内容数据所携带的限定信息与第一内容数据所携带的限定信息之间的关系。
其中，内容数据包括：文本数据、图像数据、音频数据或视频数据。
另外，基于以下至少之一确定候选用户集：第一内容数据携带的限定信息；第一用户的好友列表；第一用户的联系人列表；候选用户的活跃度。
在一种实施方式中，限定信息包括用户输入内容数据时的地理位置和/或时间信息；上述处理器601执行的处理中，基于第一内容数据携带的地理位置和/或时间信息确定候选用户集，使得候选用户集满足以下至少之一：
候选用户集中，各候选用户的至少一个内容数据所携带的地理位置与第一内容数据所携带的地理位置之间的距离满足第一条件；
候选用户集中，各候选用户的至少一个内容数据所携带的时间信息与第一内容数据所携带的时间信息之间的间隔满足第二条件。
其中，第一条件和第二条件可由第一用户设定。
在另一种实施方式中，上述处理器601执行的处理中，对候选用户集进行排序，具体包括：
针对候选用户集中各候选用户的至少一个内容数据：基于该内容数据携带的地理位置与第一内容数据携带的地理位置之间的距离，以及该内容数据与第一内容数据之间的主题相关性，计算得到该内容数据的评分；或者，基于该内容数据携带的时间信息与第一内容数据携带的时间信息之间的间隔，以及该内容数据与第一内容数据之间的主题相关性，计算得到该内容数据的评分；或者，基于该内容数据携带的地理位置与第一内容数据携带的地理位置之间的距离，该内容数据携带的时间信息与第一内容数据携带的时间信息之间的间隔，以及该内容数据与第一内容数据之间的主题相关性，计算得到该内容数据的评分；
针对候选用户集中的每个候选用户，将该候选用户的至少一个内容数据的最优评分或评分均值作为该候选用户的评分；
根据候选用户的评分结果，按顺序对候选用户集中的候选用户进行排名。
在具体实施中，上述处理器601执行的处理中，第二用户的挑选数量根据候选用户的评分结果确定或者由第一用户设定。
在具体实施中，上述处理器601执行的处理中，基于第一内容数据的第一主题向量，以及候选用户集中各候选用户的每个内容数据的主题向量，计算主题相关性。
本申请实施例还提供了一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器601运行时执行上述实施例用户推荐方法的步骤。
具体地，该存储介质能够为通用的存储介质，如移动磁盘、硬盘等，该存储介质上的计算机程序被运行时，能够执行上述用户推荐方法，从而解决目前用户推荐精准度较差的问题，进而达到提高用户推荐的精准度，用户使用体验度较佳的效果。
本申请实施例所提供的用户推荐方法的计算机程序产品，包括存储了程序代码的计算机可读存储介质，程序代码包括的指令可用于执行前面方法实施例中的方法，具体实现可参见方法实施例，在此不再赘述。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***和装置的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种用户推荐方法，其特征在于，包括：
获取第一用户的第一内容数据，其中，所述第一内容数据携带有限定信息；
确定候选用户集，对所述候选用户集进行排序；
根据排序结果，从所述候选用户集中挑选合适数量的第二用户；以及将所述挑选的合适数量的第二用户推荐给所述第一用户；
其中，基于以下至少之一对所述候选用户集进行排序：
所述候选用户集中，各候选用户的内容数据与所述第一内容数据之间的相关性；
所述候选用户集中，各候选用户的内容数据所携带的限定信息与所述第一内容数据所携带的限定信息之间的关系。
2.根据权利要求1所述的方法，其特征在于，所述内容数据包括：文本数据、图像数据、音频数据或视频数据。
3.根据权利要求1所述的方法，其特征在于，基于以下至少之一确定所述候选用户集：
所述第一内容数据携带的限定信息；
所述第一用户的好友列表；
所述第一用户的联系人列表；
所述候选用户的活跃度。
4.根据权利要求1所述的方法，其特征在于，所述限定信息包括用户输入内容数据时的地理位置和/或时间信息；以及，基于第一内容数据携带的地理位置和/或时间信息确定所述候选用户集，使得所述候选用户集满足以下至少之一：
所述候选用户集中，各候选用户的至少一个内容数据所携带的地理位置与所述第一内容数据所携带的地理位置之间的距离满足第一条件；
所述候选用户集中，各候选用户的至少一个内容数据所携带的时间信息与所述第一内容数据所携带的时间信息之间的间隔满足第二条件。
5.根据权利要求4所述的方法，其特征在于，所述第一条件和第二条件可由所述第一用户设定。
6.根据权利要求4所述的方法，其特征在于，所述对所述候选用户集进行排序，具体包括：
针对所述候选用户集中各候选用户的至少一个内容数据：基于该内容数据携带的地理位置与所述第一内容数据携带的地理位置之间的距离，以及该内容数据与所述第一内容数据之间的主题相关性，计算得到该内容数据的评分；或者，基于该内容数据携带的时间信息与所述第一内容数据携带的时间信息之间的间隔，以及该内容数据与所述第一内容数据之间的主题相关性，计算得到该内容数据的评分；或者，基于该内容数据携带的地理位置与所述第一内容数据携带的地理位置之间的距离，该内容数据携带的时间信息与所述第一内容数据携带的时间信息之间的间隔，以及该内容数据与所述第一内容数据之间的主题相关性，计算得到该内容数据的评分；
针对所述候选用户集中的每个候选用户，将该候选用户的所述至少一个内容数据的最优评分或评分均值作为该候选用户的评分；根据候选用户的评分结果，按顺序对所述候选用户集中的候选用户进行排名。
7.根据权利要求6所述的方法，其特征在于，所述第二用户的挑选数量根据所述候选用户的评分结果确定或者由所述第一用户设定。
8.根据权利要求6所述的方法，其特征在于，基于所述第一内容数据的第一主题向量，以及所述候选用户集中各候选用户的每个内容数据的主题向量，计算所述主题相关性。
9.一种用户推荐装置，其特征在于，包括：
获取模块，用于获取第一用户的第一内容数据，其中，所述第一内容数据携带有限定信息；
排序模块，用于确定候选用户集，对所述候选用户集进行排序；
推荐模块，用于根据排序结果，从所述候选用户集中挑选合适数量的第二用户；以及将所述挑选的合适数量的第二用户推荐给所述第一用户；
其中，基于以下至少之一对所述候选用户集进行排序：
所述候选用户集中，各候选用户的内容数据与所述第一内容数据之间的相关性；
所述候选用户集中，各候选用户的内容数据所携带的限定信息与所述第一内容数据所携带的限定信息之间的关系。
10.一种计算机可读存储介质，其特征在于，该计算机可读存储介质上存储有计算机程序，该计算机程序被处理器运行时执行如权利要求1至8任一所述的用户推荐方法的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810990042.2A CN109241120A (zh) | 2018-08-28 | 2018-08-28 | 一种用户推荐方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810990042.2A CN109241120A (zh) | 2018-08-28 | 2018-08-28 | 一种用户推荐方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN109241120A true CN109241120A (zh) | 2019-01-18 |
Family
ID=65068851
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810990042.2A Pending CN109241120A (zh) | 2018-08-28 | 2018-08-28 | 一种用户推荐方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109241120A (zh) |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110362748A (zh) * | 2019-07-11 | 2019-10-22 | 广州市百果园信息技术有限公司 | 用户推荐方法、装置、设备、存储介质和*** |
| CN110929172A (zh) * | 2019-11-27 | 2020-03-27 | 中科曙光国际信息产业有限公司 | 信息选择方法、装置、电子设备及可读存储介质 |
| CN113256441A (zh) * | 2021-06-03 | 2021-08-13 | 探探文化发展(北京)有限公司 | 一种社交场景下用户推荐方法、装置、设备及存储介质 |
| CN115186664A (zh) * | 2022-09-13 | 2022-10-14 | 深圳市爱聊科技有限公司 | 基于多维度的主体间相合度测算方法及*** |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103051650A (zh) * | 2011-10-11 | 2013-04-17 | 北京千橡网景科技发展有限公司 | 基于通讯录的推荐方法和推荐设备 |
| CN103984775A (zh) * | 2014-06-05 | 2014-08-13 | 网易（杭州）网络有限公司 | 一种推荐好友的方法和设备 |
| CN104717124A (zh) * | 2013-12-13 | 2015-06-17 | 腾讯科技（深圳）有限公司 | 一种好友推荐方法、装置及服务器 |
| CN107493225A (zh) * | 2017-05-02 | 2017-12-19 | 朱小军 | 一种基于共同兴趣的网络社交方法及*** |
| CN108345702A (zh) * | 2018-04-10 | 2018-07-31 | 北京百度网讯科技有限公司 | 实体推荐方法和装置 |
-
2018
- 2018-08-28 CN CN201810990042.2A patent/CN109241120A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103051650A (zh) * | 2011-10-11 | 2013-04-17 | 北京千橡网景科技发展有限公司 | 基于通讯录的推荐方法和推荐设备 |
| CN104717124A (zh) * | 2013-12-13 | 2015-06-17 | 腾讯科技（深圳）有限公司 | 一种好友推荐方法、装置及服务器 |
| CN103984775A (zh) * | 2014-06-05 | 2014-08-13 | 网易（杭州）网络有限公司 | 一种推荐好友的方法和设备 |
| CN107493225A (zh) * | 2017-05-02 | 2017-12-19 | 朱小军 | 一种基于共同兴趣的网络社交方法及*** |
| CN108345702A (zh) * | 2018-04-10 | 2018-07-31 | 北京百度网讯科技有限公司 | 实体推荐方法和装置 |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110362748A (zh) * | 2019-07-11 | 2019-10-22 | 广州市百果园信息技术有限公司 | 用户推荐方法、装置、设备、存储介质和*** |
| CN110929172A (zh) * | 2019-11-27 | 2020-03-27 | 中科曙光国际信息产业有限公司 | 信息选择方法、装置、电子设备及可读存储介质 |
| CN110929172B (zh) * | 2019-11-27 | 2022-11-18 | 中科曙光国际信息产业有限公司 | 信息选择方法、装置、电子设备及可读存储介质 |
| CN113256441A (zh) * | 2021-06-03 | 2021-08-13 | 探探文化发展(北京)有限公司 | 一种社交场景下用户推荐方法、装置、设备及存储介质 |
| CN115186664A (zh) * | 2022-09-13 | 2022-10-14 | 深圳市爱聊科技有限公司 | 基于多维度的主体间相合度测算方法及*** |
| CN115186664B (zh) * | 2022-09-13 | 2023-01-13 | 深圳市爱聊科技有限公司 | 基于多维度的主体间相合度测算方法及*** |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Li et al. | A time-aware personalized point-of-interest recommendation via high-order tensor factorization | |
| US9965522B2 (en) | Mobile application search ranking | |
| US8725858B1 (en) | Method and system for selecting content based on a user's viral score | |
| Katona et al. | Network effects and personal influences: The diffusion of an online social network | |
| Efron | Information search and retrieval in microblogs | |
| US9483580B2 (en) | Estimation of closeness of topics based on graph analytics | |
| US8972275B2 (en) | Optimization of social media engagement | |
| EP2304619B1 (en) | Correlated information recommendation | |
| Li et al. | Next and next new POI recommendation via latent behavior pattern inference | |
| US20140108308A1 (en) | System and method for combining data for identifying compatibility | |
| CN109241120A (zh) | 一种用户推荐方法及装置 | |
| US9213733B2 (en) | Computerized internet search system and method | |
| CN105659233A (zh) | 讨论概要 | |
| Furini et al. | TSentiment: On gamifying Twitter sentiment analysis | |
| JP6228151B2 (ja) | 学習装置、学習方法、及び学習プログラム | |
| US11245649B2 (en) | Personalized low latency communication | |
| Srba et al. | Utilizing non-qa data to improve questions routing for users with low qa activity in cqa | |
| CN103891245A (zh) | 位置知晓的内容检测 | |
| WO2020033117A1 (en) | Dynamic and continous onboarding of service providers in an online expert marketplace | |
| Luo et al. | Who have got answers? Growing the pool of answerers in a smart enterprise social QA system | |
| KR20150002602A (ko) | 컴퓨터화된 인터넷 검색 시스템 및 방법 | |
| EP2613275B1 (en) | Search device, search method, search program, and computer-readable memory medium for recording search program | |
| Veiga et al. | Privacy leakage through innocent content sharing in online social networks | |
| Tsai | A fuzzy-based personalized recommender system for local businesses | |
| Kudori | Event recommendation system using hybrid method based on mobile device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB02 | Change of applicant information |
Address after: 101-8, 1st floor, building 31, area 1, 188 South Fourth Ring Road West, Fengtai District, Beijing Applicant after: Guoxin Youyi Data Co., Ltd Address before: 100070, No. 188, building 31, headquarters square, South Fourth Ring Road West, Fengtai District, Beijing Applicant before: SIC YOUE DATA Co.,Ltd. |
|
| CB02 | Change of applicant information | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190118 |
|
| RJ01 | Rejection of invention patent application after publication |