CN109284932B - 一种基于大数据的陌生人社交用户评价方法与*** - Google Patents

Abstract

本申请实施例提供一种基于大数据的陌生人社交用户评价方法，包括：基于大数据技术统计目标用户的兴趣习惯属性和网络行为属性，并根据所述兴趣习惯属性和所述网络行为属性生成对应的属性向量，所述属性向量包括多个维度，每个所述维度包含多个特征；确定所述属性向量的各维度的特征的分布状态，根据所述特征的分布状态值选取对应的维度作为特征维度，生成特征向量；根据所述特征向量选取对应的标签体系，并从所述标签体系中选取与所述特征向量中的特征维度所包括的特征对应的标签作为所述目标用户的评价标签。本申请实施例的基于大数据的陌生人社交用户评价方法与***，使得用户的标签能够真实准确客观地反映出用户的特点属性。

Description

一种基于大数据的陌生人社交用户评价方法与***

技术领域

本申请涉及互联网技术领域，尤其涉及一种基于大数据的陌生人社交用户评价方法与***。

背景技术

社交是指社会上人与人的交际往来，是人们运用一定的方式（工具）传递信息、交流思想的意识，以达到某种目的的社会各项活动。当今时代，经济和社会环境的变化使得人与人之间的交往显得更加重要。因为我们只有不断地与各类人员进行交往和信息沟通，才能不断地丰富自己、发展自己、扩充自己。

随着科学技术的发展和互联网资源在生活中的应用，人与人之间的交往开始借助互联网来实现，陌生人之间也可以通过互联网进行社交，实现进一步发展自己和扩充自己的目的。例如，现有技术中已经出现了一些主打陌生人社交服务的互联网平台和服务，例如搜索附近的人进行线上对话、传送网络漂流瓶等。

现有技术中最新出现的一种陌生人社交平台是由活动组织者在该平台上发布一个在预定时间和地点举办的社交活动（例如聚餐、郊游、做游戏等），并设定参与该社交活动需要符合的条件（例如性别、年龄等）；其他用户可以在该平台上搜索自己感兴趣且自身符合条件的社交活动并进行线上报名，进而作为活动参与者按时赴预定地点参与该社交活动。

由于社交活动本质上是建立人与人之间的联系，因此在上述陌生人社交平台上，用户在报名社交活动的过程中，最期望了解的往往是组织或参与同一个活动的其他用户的特征，例如性格和爱好是否与自己相符合，等等。为了满足这一需求，陌生人社交平台需要给用户一些直观、快捷地了解其他用户代表性特征的途径。

在互联网服务当中，标签是一种非常有效的标示某一用户自身特点与属性的手段。标签可以用一些高度概括、容易理解的特征来描述用户，比如喜欢美食的用户可以打标签“美食家”，喜欢电影、音乐的用户可打标签为“文艺青年”，长相好看的用户可以打标签“颜值高”等。

在上述陌生人社交平台中，可以为每个注册用户生成一个标签板，上面显示出该用户所拥有的标签；标签板可以显示在用户个人主页上或者是用户头像的下方。 其他用户通过浏览标签板，可以用很短的时间就增进对被标记的用户的了解，例如用户可以通过浏览社交活动组织者和报名参与者的标签，快速掌握某个社交活动的组织者和参与者的个人特点，从而为自己是否适合报名参与该活动提供参考依据。

但是，目前针对用户的标签，要么是用户自己填写的，要么是其他人为该用户填写并挂载到标签板上的，未必真实、准确、客观地反映出用户的特点属性。 而且标签通常是按照生成顺序排列的，所以标签板上排序靠前的标签是最新的标签，但是未必是对该用户的特点属性来说最具代表性的标签，其他用户不能根据用户的标签准确地获取到该用户最具代表性的特点属性，从而不利于陌生人社交活动的发展。

发明内容

有鉴于此，本申请的目的在于提出一种基于大数据的陌生人社交用户评价方法与***。本发明基于大数据技术统计目标用户的兴趣习惯属性和网络行为属性，根据统计结果生成代表目标用户的特征向量；根据所述特征向量选取对应的标签体系，并从所述标签体系中选取与所述特征向量中的特征维度所包括的特征对应的标签作为所述目标用户的评价标签。本发明用来解决现有技术中陌生人社交过程中，用户的标签不能真实准确客观地反映出用户的特点属性，其他用户不能根据用户的标签准确地获取到该用户的特点属性，从而不利于陌生人社交活动的发展的技术问题。

基于上述目的，在本申请的一个方面，提出了一种基于大数据的陌生人社交用户评价方法，包括：

基于大数据技术统计目标用户的兴趣习惯属性和网络行为属性，并根据所述兴趣习惯属性和所述网络行为属性生成对应的属性向量，所述属性向量包括多个维度，每个所述维度包含多个特征；

确定所述属性向量的各维度的特征的分布状态，根据所述特征的分布状态值选取对应的维度作为特征维度，生成特征向量；

根据所述特征向量选取对应的标签体系，并从所述标签体系中选取与所述特征向量中的特征维度所包括的特征对应的标签作为所述目标用户的评价标签。

在一些实施例中，还包括：

将所述评价标签发送并存储至所述目标用户的用户信息，以令所述评价标签展示在所述目标用户的个人标签栏中。

在一些实施例中，还包括：

接收其他用户通过个人用户端发送的针对所述评价标签的验证信息，生成验证信息集，根据所述验证信息集中对所述评价标签进行支持的验证信息和对所述评价标签进行反对的验证信息的比例确定是否取消对所述评价标签的显示。

在一些实施例中，还包括：

接收其他用户通过个人用户端发送的针对所述评价标签的验证信息，生成验证信息集，判断所述验证信息集中对所述评价标签进行反对的验证信息的数量是否超过预设阈值，并当所述验证信息集中对所述评价标签进行反对的验证信息的数量超过预设阈值时，取消对所述评价标签的显示。

在一些实施例中，还包括：

对经过验证后仍然显示的真实评价标签，根据对所述真实评价标签进行支持的用户的数量对所述真实评价标签进行排序。

在一些实施例中，所述兴趣习惯属性，包括以下至少一项：

所述目标用户参与的历史社交活动的活动类型和活动内容、活动参与者性别比例，以及，活动参与者的平均年龄。

在一些实施例中，所述网络行为属性，包括：

所述目标用户发出的历史红包的金额。

基于上述目的，在本申请的另一个方面，还提出了一种基于大数据的陌生人社交用户评价***，包括：

用户属性统计模块，用于基于大数据技术统计目标用户的兴趣习惯属性和网络行为属性，并根据所述兴趣习惯属性和所述网络行为属性生成对应的属性向量，所述属性向量包括多个维度，每个所述维度包含多个特征；

特征向量生成模块，用于确定所述属性向量的各维度的特征的分布状态，根据所述特征的分布状态值选取对应的维度作为特征维度，生成特征向量；

评价标签确定模块，用于根据所述特征向量选取对应的标签体系，并从所述标签体系中选取与所述特征向量中的特征维度所包括的特征对应的标签作为所述目标用户的评价标签。

在一些实施例中，还包括：

评价标签发送模块，用于将所述评价标签发送并存储至所述目标用户的用户信息，以令评价标签展示在所述目标用户的个人标签栏中。

在一些实施例中，还包括：

验证信息接收模块，用于接收其他用户通过个人用户端发送的针对所述评价标签的验证信息，生成验证信息集，根据所述验证信息集中对所述评价标签进行支持的验证信息和对所述评价标签进行反对的验证信息的比例确定是否取消对所述评价标签的显示，或者，判断所述验证信息集中对所述评价标签进行反对的验证信息的数量是否超过预设阈值，并当所述验证信息集中对所述评价标签进行反对的验证信息的数量超过预设阈值时，取消对所述评价标签的显示。

本申请实施例提供一种基于大数据的陌生人社交用户评价方法与***，基于大数据技术统计目标用户的兴趣习惯属性和网络行为属性，并根据所述兴趣习惯属性和所述网络行为属性生成对应的属性向量，所述属性向量包括多个维度，每个所述维度包含多个特征；确定所述属性向量的各维度的特征的分布状态，根据所述特征的分布状态值选取对应的维度作为特征维度，生成特征向量；根据所述特征向量选取对应的标签体系，并从所述标签体系中选取与所述特征向量中的特征维度所包括的特征对应的标签作为所述目标用户的评价标签。本申请实施例的基于大数据的陌生人社交用户评价方法与***，使得用户的标签能够真实准确客观地反映出用户的特点属性，其他用户能够根据用户的标签准确地获取到该用户的特点属性，从而有利于陌生人社交活动的发展。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

图1是本申请实施例一的基于大数据的陌生人社交用户评价方法的流程图；

图2是本申请实施例二的基于大数据的陌生人社交用户评价方法的流程图；

图3是本申请实施例三的基于大数据的陌生人社交用户评价***的结构示意图；

图4是本申请实施例四的基于大数据的陌生人社交用户评价***的结构示意图。

具体实施方式

下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。

需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。

作为本申请的一个实施例，如图1所示，是本申请实施例一的基于大数据的陌生人社交用户评价方法的流程图。从图1中可以看出，本实施的基于大数据的陌生人社交用户评价方法，可以包括以下步骤：

S101：基于大数据技术统计目标用户的兴趣习惯属性和网络行为属性，并根据所述兴趣习惯属性和所述网络行为属性生成对应的属性向量，所述属性向量包括多个维度，每个所述维度包含多个特征。

本申请实施例的基于大数据的陌生人社交用户评价方法，可以应用于陌生人社交后台服务器。用户可以通过智能终端中安装的陌生人社交APP（应用软件）访问所述陌生人社交后台服务器，进而实现陌生人之间的社交。本实施例中的智能终端可以是智能手机、平板电脑等。具体地，用户可以通过安装在智能终端上的APP发起陌生人社交活动，并将活动信息发布，使其他用户能够获取所述活动信息，通过获取所述活动信息，进而报名参与所述活动，来实现陌生人之间的社交，同时，用户也可以参与其他用户发起的活动，来实现陌生人之间的社交。当某个用户发布活动信息后，其他用户可以在该用户发布的活动的报名页面中获取发起该活动和已经报名参加该活动的用户的用户信息，每个用户的用户信息中包含有该用户的评价标签，例如报名页面可以显示出来发起该活动和报名参加该活动的用户的用户头像，并且在头像下方展示标签板，通过该用户的评价标签其他用户可以确定该用户的特点属性。

用户的评价标签可以由陌生人社交后台服务器生成。具体地，陌生人社交后台服务器可以基于大数据技术统计目标用户的兴趣***均年龄等，例如，可以统计该用户所参与的全部历史社交活动包括哪些活动类型，以及每种活动类型的次数，举例来说，某用户参与的历史社交活动涵盖了体育类、艺术类、美食类、购物类4种活动类型，其中体育类的次数为70次，艺术类、美食类、购物类各10次，则将活动类型作为所述属性向量的一个维度，以上四种活动类型各自对应的次数作为该维度上的4个特征；又例如，统计该用户所参与的全部历史社交活动的参与者平均年龄，将平均年龄预规定包括20岁以下，20-30岁、30-40岁、40岁以上四个区间，该用户参与的历史社交活动中参与者平均年龄在20-30岁的有55次，其余三个年龄区间各15次，则将参与者平均年龄作为所述属性向量的另一个维度，以上四个平均年龄区间各自对应的次数作为该维度上的4个特征。本实施例中的网络行为属性，可以包括所述目标用户每次发红包的金额；同样，统计用户所发的每个历史红包的金额，则将红包金额作为属性向量的一个维度，每个历史金额作为分布该维度上的特征。可见，根据所述目标用户参与的历史社交活动的活动类型和活动内容、活动参与者性别比例，活动参与者的平均年龄，以及目标用户发红包金额各自作为一个维度，生成对应的属性向量，该属性向量包括以上四个维度，每个维度上可以包含多个特征，例如，活动类型和活动内容维度可以包括体育类、艺术类、美食类、购物类等多个特征。

S102：确定所述属性向量的各维度的特征的分布状态，根据所述特征的分布状态值选取对应的维度作为特征维度，生成特征向量。

在生成属性向量后，可以确定所述属性向量的各维度的特征的分布状态，根据所述特征的分布状态值选取对应的维度作为特征维度，生成特征向量。例如，可以计算所述目标用户参与的历史社交活动的活动类型和活动内容这一维度当中，体育类活动、艺术类活动、美食类活动和购物类活动四个特征的次数值相对于总次数值各自所占的比例，从而确定各类活动的分布状态，例如，体育类活动占比为20%，艺术类活动占比为30%、美食类活动占比为30%和购物类活动占比为20%。根据所述属性向量的各维度的特征的分布状态，确定该维度上的特征分布的集中度，判断该维度是否为特征的集中度较高的维度，如果该维度是特征的集中度较高的维度，则将该维度作为特征维度。在上述例子中，假设以占比50%作为判断集中度高低的阈值，则认为活动类型和活动内容这一维度不具有高集中度；反之，假设体育类占70%，而其余三类各占10% ，则认为活动类型和活动内容这一维度具有高集中度。当该维度是发红包金额时，可以通过计算红包金额均值，进而计算历史红包金额相对于该均值的标准差，并将得到的标准差表征为该维度的集中度。遍历所述属性向量的所有维度，确定其中高集中度的特征维度，生成特征向量。

S103：根据所述特征向量选取对应的标签体系，并从所述标签体系中选取与所述特征向量中的特征维度所包括的特征对应的标签作为所述目标用户的评价标签。

具体地，陌生人社交后台服务器可以预先生成标签体系，例如活动标签体系、金钱标签体系，活动标签体系中可以包括“运动健将”、“美食专家”、“文艺青年”、“购物达人”等多个标签，金钱标签体系可以包括“土豪”、“经济适用型”、“节俭”等标签。当生成特征向量后，可以根据所述特征向量的维度类型选取对应的标签体系，例如所述特征向量包括活动类型和活动内容，则对应的标签体系的标签体系为活动标签体系，进而根据该维度选取对应的标签，例如活动类型和活动内容维度中的特征为体育类，则选取的标签为“运动健将”。再例如，所述特征向量包括用户发红包金额，则选取的标签体系为金钱标签体系，则根据发红包的平均金额数值，选取对应的标签，例如平均金额为200元以上，则选取的标签为“土豪”。此外，还可以包括与属性向量对应的对个标签体系，这里不再一一列举。

本申请实施例的基于大数据的陌生人社交用户评价方法与***，使得用户的标签能够真实准确客观地反映出用户的特点属性，其他用户能够根据用户的标签准确地获取到该用户的特点属性，从而有利于陌生人社交活动的发展。

如图2所示，是本申请实施例二的基于大数据的陌生人社交用户评价方法的流程图，本实施例的基于大数据的陌生人社交用户评价方法，可以包括以下步骤：

S201：基于大数据技术统计目标用户的兴趣习惯属性和网络行为属性，并根据所述兴趣习惯属性和所述网络行为属性生成对应的属性向量，所述属性向量包括多个维度，每个所述维度包含多个特征。

S202：确定所述属性向量的各维度的特征的分布状态，根据所述特征的分布状态值选取对应的维度作为特征维度，生成特征向量。

S203：根据所述特征向量选取对应的标签体系，并从所述标签体系中选取与所述特征向量中的特征维度所包括的特征对应的标签作为所述目标用户的评价标签。

本实施例中的步骤S201、步骤S202和步骤S203中的技术方案与上述实施例一中的步骤S101、步骤S102和步骤S103中的技术方案类似，这里不再赘述，此外，本实施例还可以包括以下步骤：

S204：将所述评价标签发送并存储至所述目标用户的用户信息，以令所述评价标签展示在所述目标用户的个人标签栏中。

在本实施例中，在陌生人社交后台服务器生成目标用户的评价标签后，可以将该评价标签发送至用户资料管理服务器，用户资料管理服务器在接收到陌生人社交后台服务器发送的评价标签后，可以将评价标签保存为用户信息，并且显示在陌生人社交APP中的个人标签栏中，其他用户可以在目标用户的个人标签栏中查看该目标用户的个人标签。在目标用户的用户端将目标用户的个人标签显示在陌生人社交APP中的个人标签栏中后，其他用户可以从目标用户的个人标签栏中查看目标用户的个人标签，并可以对目标用户的个人标签进行验证，具体地，包括步骤S205和步骤S206中的两种方式中的任意一种。例如，可以在所述目标用户的个人标签栏的每个标签下方设立“标签准确”和“标签不准确”两个验证选项，由其他用户点击进行验证。当然，可以对有资格对目标用户个人标签进行验证的其他用户进行一定的限定，例如限定只有目标用户的好友用户有资格进行上述验证，或者限定只有与目标用户的参与过相同社交活动的用户有资格进行上述验证。

S205：接收其他用户通过个人用户端发送的针对所述评价标签的验证信息，生成验证信息集，根据所述验证信息集中对所述评价标签进行支持的验证信息和对所述评价标签进行反对的验证信息的比例确定是否取消对所述评价标签的显示。

当其他用户对目标用的个人标签进行验证时，可以向陌生人社交后台服务器发送针对该标签的验证信息。陌生人社交后台服务器接收其他用户通过个人用户端发送的针对所述评价标签的验证信息后，对所述验证信息进行存储，并生成验证信息集，根据所述验证信息集中对所述评价标签进行支持的验证信息和对所述评价标签进行反对的验证信息的比例确定是否取消对所述评价标签的显示。例如，当所述验证信息集中对所述评价标签进行支持的验证信息和对所述评价标签进行反对的验证信息的比例低于2:1时，取消对所述评价标签的显示。

S206：接收其他用户通过个人用户端发送的针对所述评价标签的验证信息，生成验证信息集，判断所述验证信息集中对所述评价标签进行反对的验证信息的数量是否超过预设阈值，并当所述验证信息集中对所述评价标签进行反对的验证信息的数量超过预设阈值时，取消对所述评价标签的显示。

当其他用户对目标用的个人标签进行验证时，可以向陌生人社交后台服务器发送针对该标签的验证信息。陌生人社交后台服务器接收其他用户通过个人用户端发送的针对所述评价标签的验证信息后，对所述验证信息进行存储，并生成验证信息集，判断所述验证信息集中对所述评价标签进行反对的验证信息的数量是否超过预设阈值，并当所述验证信息集中对所述评价标签进行反对的验证信息的数量超过预设阈值时，取消对所述评价标签的显示。例如，当所述验证信息集中对所述评价标签进行反对的验证信息的数量超过20条时，取消对所述评价标签的显示。本实施例中的预设阈值也可以由经验值得出。

S207：对经过验证后仍然显示的真实评价标签，根据对所述真实评价标签进行验证的用户的数量对所述真实评价标签进行排序。

在经过步骤S205或步骤S206中的其他用户对目标用的个人标签进行验证后，将没有取消显示（即仍然显示）的评价标签作为真实评价标签，根据对所述真实评价标签进行验证的用户的数量对所述真实评价标签进行排序。例如，按照对所述真实评价标签进行验证的用户的数量由大到小对对应的真实评价标签进行排序。

本申请实施例的基于大数据的陌生人社交用户评价方法与***，在生成目标用户的评价标签后，其他用户可以对生成的评价标签进行验证，以确定该评价标签是否对用户的特点属性进行了真实的描述，从而使得用户的标签能够真实准确客观地反映出用户的特点属性，其他用户能够根据用户的标签准确地获取到该用户的特点属性，从而有利于陌生人社交活动的发展。

如图3所示，是本申请实施例三的基于大数据的陌生人社交用户评价***的结构示意图。本实施例的基于大数据的陌生人社交用户评价***，可以包括：

用户属性统计模块301，用于基于大数据技术统计目标用户的兴趣习惯属性和网络行为属性，并根据所述兴趣习惯属性和所述网络行为属性生成对应的属性向量，所述属性向量包括多个维度，每个所述维度包含多个特征；

特征向量生成模块302，用于确定所述属性向量的各维度的特征的分布状态，根据所述特征的分布状态值选取对应的维度作为特征维度，生成特征向量；

评价标签确定模块303，用于根据所述特征向量选取对应的标签体系，并从所述标签体系中选取与所述特征向量中的特征维度所包括的特征对应的标签作为所述目标用户的评价标签。

本实施例的基于大数据的陌生人社交用户评价***能够取得与上述方法实施例相类似的技术效果，这里不再赘述。

如图4所示，是本申请实施例四的基于大数据的陌生人社交用户评价***的结构示意图。本实施例的基于大数据的陌生人社交用户评价***，可以包括：

用户属性统计模块401，用于基于大数据技术统计目标用户的兴趣习惯属性和网络行为属性，并根据所述兴趣习惯属性和所述网络行为属性生成对应的属性向量，所述属性向量包括多个维度，每个所述维度包含多个特征；

特征向量生成模块402，用于确定所述属性向量的各维度的特征的分布状态，根据所述特征的分布状态值选取对应的维度作为特征维度，生成特征向量；

评价标签确定模块403，用于根据所述特征向量选取对应的标签体系，并从所述标签体系中选取与所述特征向量中的特征维度所包括的特征对应的标签作为所述目标用户的评价标签。

此外，还可以包括：

评价标签发送模块404，用于将所述评价标签发送至所述目标用户的用户端，以令所述目标用户的用户端将所述评价标签展示在所述目标用户的个人标签栏中。

验证信息接收模块405，用于接收其他用户通过个人用户端发送的针对所述评价标签的验证信息，生成验证信息集，根据所述验证信息集中对所述评价标签进行支持的验证信息和对所述评价标签进行反对的验证信息的比例确定是否取消对所述评价标签的显示，或者，判断所述验证信息集中对所述评价标签进行反对的验证信息的数量是否超过预设阈值，并当所述验证信息集中对所述评价标签进行反对的验证信息的数量超过预设阈值时，取消对所述评价标签的显示。

以上描述仅为本申请的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本申请中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本申请中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (10)

1.一种基于大数据的陌生人社交用户评价方法，其特征在于，包括：

基于大数据技术统计目标用户的兴趣习惯属性和网络行为属性，并根据所述兴趣习惯属性和所述网络行为属性生成对应的属性向量，所述属性向量包括多个维度，每个所述维度包含多个特征；

确定所述属性向量的各维度的特征的分布状态，根据所述特征的分布状态值选取对应的维度作为特征维度，生成特征向量；

根据所述特征向量选取对应的标签体系，并从所述标签体系中选取与所述特征向量中的特征维度所包括的特征对应的标签作为所述目标用户的评价标签。

2.根据权利要求1所述的方法，其特征在于，还包括：

将所述评价标签发送至用户资料管理服务器并保存为所述目标用户的用户信息，以令所述评价标签展示在所述目标用户的个人标签栏中。

3.根据权利要求2所述的方法，其特征在于，还包括：

接收其他用户通过个人用户端发送的针对所述评价标签的验证信息，生成验证信息集，根据所述验证信息集中对所述评价标签进行支持的验证信息和对所述评价标签进行反对的验证信息的比例确定是否取消对所述评价标签的显示。

4.根据权利要求2所述的方法，其特征在于，还包括：

接收其他用户通过个人用户端发送的针对所述评价标签的验证信息，生成验证信息集，判断所述验证信息集中对所述评价标签进行反对的验证信息的数量是否超过预设阈值，并当所述验证信息集中对所述评价标签进行反对的验证信息的数量超过预设阈值时，取消对所述评价标签的显示。

5.根据权利要求4所述的方法，其特征在于，还包括：

对经过验证后仍然显示的真实评价标签，根据对所述真实评价标签进行验证支持的用户的数量对所述真实评价标签进行排序。

6.根据权利要求1至5任一项所述的方法，其特征在于，所述兴趣习惯属性，包括以下至少一项：

所述目标用户参与的历史社交活动的活动类型和活动内容、活动参与者性别比例，以及，活动参与者的平均年龄。

7.根据权利要求6所述的方法，其特征在于，所述网络行为属性，包括：所述目标用户发出的历史红包的金额。

8.一种基于大数据的陌生人社交用户评价***，其特征在于，包括：

用户属性统计模块，用于基于大数据技术统计目标用户的兴趣习惯属性和网络行为属性，并根据所述兴趣习惯属性和所述网络行为属性生成对应的属性向量，所述属性向量包括多个维度，每个所述维度包含多个特征；

特征向量生成模块，用于确定所述属性向量的各维度的特征的分布状态，根据所述特征的分布状态值选取对应的维度作为特征维度，生成特征向量；

评价标签确定模块，用于根据所述特征向量选取对应的标签体系，并从所述标签体系中选取与所述特征向量中的特征维度所包括的特征对应的标签作为所述目标用户的评价标签。

9.根据权利要求8所述的***，其特征在于，还包括：

评价标签发送模块，用于将所述评价标签发送至用户资料管理服务器并保存为所述目标用户的用户信息，以令所述评价标签展示在所述目标用户的个人标签栏中。

10.根据权利要求9所述的***，其特征在于，还包括：

验证信息接收模块，用于接收其他用户通过个人用户端发送的针对所述评价标签的验证信息，生成验证信息集，根据所述验证信息集中对所述评价标签进行支持的验证信息和对所述评价标签进行反对的验证信息的比例确定是否取消对所述评价标签的显示，或者，判断所述验证信息集中对所述评价标签进行反对的验证信息的数量是否超过预设阈值，并当所述验证信息集中对所述评价标签进行反对的验证信息的数量超过预设阈值时，取消对所述评价标签的显示。

Images