CN113572679B - 账户亲密度的生成方法、装置、电子设备和存储介质 - Google Patents
账户亲密度的生成方法、装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN113572679B CN113572679B CN202110738468.0A CN202110738468A CN113572679B CN 113572679 B CN113572679 B CN 113572679B CN 202110738468 A CN202110738468 A CN 202110738468A CN 113572679 B CN113572679 B CN 113572679B
- Authority
- CN
- China
- Prior art keywords
- accounts
- account
- intimacy
- graph
- generating
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000004891 communication Methods 0.000 claims abstract description 155
- 239000013598 vector Substances 0.000 claims abstract description 59
- 238000010586 diagram Methods 0.000 claims abstract description 54
- 230000014509 gene expression Effects 0.000 claims abstract description 52
- 238000012549 training Methods 0.000 claims abstract description 19
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000013528 artificial neural network Methods 0.000 abstract description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 6
- 238000004590 computer program Methods 0.000 description 12
- 238000005516 engineering process Methods 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 8
- 238000010801 machine learning Methods 0.000 description 5
- 230000003993 interaction Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000003012 network analysis Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000003909 pattern recognition Methods 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
- H04L51/046—Interoperability with other network applications or services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/04—Real-time or near real-time messaging, e.g. instant messaging [IM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2457—Query processing with adaptation to user needs
- G06F16/24578—Query processing with adaptation to user needs using ranking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/953—Querying, e.g. by the use of web search engines
- G06F16/9535—Search customisation based on user profiles and personalisation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/957—Browsing optimisation, e.g. caching or content distillation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/07—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail characterised by the inclusion of specific contents
- H04L51/18—Commands or executable codes
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/21—Monitoring or handling of messages
- H04L51/216—Handling conversation history, e.g. grouping of messages in sessions or threads
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Software Systems (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开提供了账户亲密度的生成方法、装置、电子设备和存储介质,涉及人工智能技术领域,具体为深度学习、云计算和大数据技术领域。具体实现方案为:获取即时通讯群组内的账户的集合,获取预设时间段内账户之间的沟通频率,根据账户之间的沟通频率构建沟通网络图,根据沟通网络图对图模型进行训练,得到图模型输出的账户的向量表达,以及根据账户的向量表达生成账户之间的亲密度。利用根据账户之间的沟通频率构建的沟通网络图对图模型进行训练,无需与下游业务绑定,便可独立构建账户亲密度模型,同时基于图神经网络建模账户亲密度,能够有效地利用图模型挖掘账户间的关联,捕捉沟通网络图中的局部与全局特征,提高了账户亲密度的生成准确度。
Description
技术领域
本公开涉及人工智能技术领域,具体为深度学习、云计算和大数据技术领域,尤其涉及一种账户亲密度的生成方法、装置、电子设备和存储介质。
背景技术
目前,在即时通讯(IM)场景中账户存在多种关系,且账户间的关系随时间会产生较大变化,比如在办公IM场景中账户随着工作内容的变更会建立新的关系。账户亲密度能够有效的反映账户间的关系,为好友推荐等业务的实现提供便利。
相关技术中,账户亲密度的生成不够准确。
发明内容
提供了一种账户亲密度的生成方法、装置、电子设备和存储介质。
根据第一方面,提供了一种账户亲密度的生成方法,包括:获取即时通讯群组内的账户的集合;获取预设时间段内所述账户之间的沟通频率;根据所述账户之间的沟通频率构建沟通网络图;根据所述沟通网络图对图模型进行训练,得到所述图模型输出的账户的向量表达;以及根据所述账户的向量表达生成账户之间的亲密度。
根据第二方面,提供了一种账户亲密度的生成装置,包括:第一获取模块,用于获取即时通讯群组内的账户的集合;第二获取模块,用于获取预设时间段内所述账户之间的沟通频率;构建模块,用于根据所述账户之间的沟通频率构建沟通网络图;训练模块,用于根据所述沟通网络图对图模型进行训练,得到所述图模型输出的账户的向量表达;以及生成模块,用于根据所述账户的向量表达生成账户之间的亲密度。
根据第三方面,提供了一种电子设备,包括:至少一个处理器;以及与所述至少一个处理器通信连接的存储器;其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开第一方面所述的账户亲密度的生成方法。
根据第四方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据本公开第一方面所述的账户亲密度的生成方法。
根据第五方面,提供了一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据本公开第一方面所述的账户亲密度的生成方法。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开第一实施例的账户亲密度的生成方法的流程示意图;
图2是根据本公开第二实施例的账户亲密度的生成方法的流程示意图;
图3是根据本公开第三实施例的账户亲密度的生成方法的流程示意图;
图4为本公开实施例中示例性的沟通网络图;
图5为本公开实施例的账户亲密度的生成方法的场景示意图;
图6是根据本公开第一实施例的账户亲密度的生成装置的框图;
图7是根据本公开第二实施例的账户亲密度的生成装置的框图;
图8是用来实现本公开实施例的账户亲密度的生成方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
人工智能(Artificial Intelligence,简称AI)是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用***的一门技术科学。目前,AI技术具有自动化程度高、精确度高、成本低的优点,得到了广泛的应用。
深度学习(Deep Learning,简称DL),是机器学习(Machine Learning,简称ML)领域中一个新的研究方向,学习样本数据的内在规律和表示层次,这些学习过程中获得的信息对诸如文字,图像和声音等数据的解释有很大的帮助。它的最终目标是让机器能够像人一样具有分析学习能力,能够识别文字、图像和声音等数据。就具体研究内容而言,主要包括基于卷积运算的神经网络***,即卷积神经网络;基于多层神经元的自编码神经网络;以多层自编码神经网络的方式进行预训练,进而结合鉴别信息进一步优化神经网络权值的深度置信网络。深度学习在搜索技术,数据挖掘,机器学习,机器翻译,自然语言处理,多媒体学习,语音,推荐和个性化技术,以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动,解决了很多复杂的模式识别难题,使得人工智能相关技术取得了很大进步。
云计算(Cloud Computing)是一种按使用量付费的模式,这种模式提供可用的、便捷的、按需的网络访问,进入可配置的计算资源共享池(资源包括网络,服务器,存储,应用软件,服务),这些资源能够被快速提供,只需投入很少的管理工作,或与服务供应商进行很少的交互。是分布式计算、并行计算、效用计算、网络存储、虚拟化、负载均衡、热备份冗余等传统计算机和网络技术发展融合的产物。云计算将计算从客户终端集中到“云端”,作为应用通过互联网提供给用户,计算通过分布式计算等技术由多台计算机共同完成。用户只需关心应用的功能,而无需关心应用的实现方式,应用的实现和维护由其提供商完成,用户根据自己的需要选择相应的应用。
大数据(Big Data)是现有数据库管理工具和传统数据处理应用方法很难处理的大型、复杂的数据集,大数据技术的范畴包括大数据的采集,存储、搜索、共享、传输、分析和可视化等,是以容量大、类型多、存取速度快、应用价值高为主要特征的数据集合,逐渐发展为对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析,从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态。大数据必须采用分布式架构,对海量数据进行分布式数据挖掘,因此必须依托云计算的分布式处理、分布式数据库和云存储、虚拟化技术,从大体量、高度复杂的数据中分析、挖掘信息,从而发现价值和预测趋势。
下面结合附图描述本公开实施例的账户亲密度的生成方法、装置、电子设备和存储介质。
图1是根据本公开第一实施例的账户亲密度的生成方法的流程示意图。
如图1所示,本公开实施例的账户亲密度的生成方法具体可包括以下步骤:
S101,获取即时通讯群组内的账户的集合。
具体的,本公开实施例的账户亲密度的生成方法的执行主体可为本公开实施例提供的账户亲密度的生成装置,该账户亲密度的生成装置可为具有数据信息处理能力的硬件设备和/或驱动该硬件设备工作所需必要的软件。可选的,执行主体可包括工作站、服务器,计算机、账户终端及其他设备。其中,账户终端包括但不限于手机、电脑、智能语音交互设备、智能家电、车载终端等。
即时通讯(Instant Messaging,简称IM)是一个实时通信***,允许两人或多人使用网络实时的传递文字消息、文件、语音与视频交流,即时通讯按使用用途分为企业即时通讯和网站即时通讯,根据装载的对象又可分为手机即时通讯和PC即时通讯,手机即时通讯代表是短信,网站、视频即时通讯。
本公开实施例,以IM场景下账户间的实时通信为例,阐述账户亲密度的生成方法。可以理解的是,即时通讯群组中可以包含多个账户,获取即时通讯群组内的账户的集合,具体可以为账户昵称或账户标识(Identity document,简称ID)等,用以获取集合内账户间的沟通数据。
S102,获取预设时间段内账户之间的沟通频率。
具体的,可以根据步骤S101获取的集合中的账户间的历史沟通数据(仅使用沟通关系数据,不涉及具体沟通内容),通过Spark(分布式集群计算框架)定时任务统计预设时间段内账户之间的沟通频率,例如沟通天数、沟通次数等。其中,预设时间可以为90天或120天,具体数值根据业务需求设定,本公开不做限定。可选的,可以将获取的预设时间段内账户之间的沟通频率进行存储,例如可存储于数据库(例如redis)中,便于生成账户亲密度或调用方获取账户亲密度时能够及时调用数据。
S103,根据账户之间的沟通频率构建沟通网络图。
具体的,根据步骤S102获取的账户之间的沟通频率构建沟通网络图,例如,可以以账户作为节点,账户之间的沟通频率作为边上权重,利用networkx(图论)构建沟通网络图,并计算沟通网络图的属性,例如节点间的最可达路径、介数中心数和最短可达距离等。其中,networkx是用python语言编写的软件工具包,便于账户对复杂网络进行创建、操作和学习。利用networkx可以以标准化和非标准化的数据格式存储网络、生成多种随机网络和经典网络、分析网络结构、建立网络模型、设计新的网络算法、进行网络绘制等。
S104,根据沟通网络图对图模型进行训练,得到图模型输出的账户的向量表达。
具体的,向量表达(Embedding)是一种将离散变量转为连续向量表示的方式,是从离散对象(例如字词)到实数向量的映射,可以看作一个高维向量。向量中的各个维度通常没有固定含义,机器学习所利用的是向量的位置和相互之间的距离。在神经网络中,Embedding不光可以减少离散变量的空间维数,同时还可以有意义的表示该变量。
根据步骤S103构建的沟通网络图,对图模型进行训练,得到图模型输出的账户的向量表达,从而获得沟通网络图中每个账户的向量表达。在本公开实施例中,图模型具体可包括但不限于Node2Vec图模型和图注意力(Graph Attention)模型中的至少一个等。
可选的,可将Node2Vec图模型输出的账户的向量表达和图注意力模型输出的账户的向量表达进行线性组合得到图模型输出的账户的向量表达。
其中,对于Node2Vec图模型,将沟通网络图输入Node2Vec图模型,通过随机游走的方式,在沟通网络图结构上产生一系列路径(path),然后以无监督方式进行随机梯度下降,使得Node2Vec图模型输出每个节点(即账户)的向量表达。
对于图注意力模型,以沟通网络图中账户间的沟通关系作为训练集合训练图注意力模型。具体实施中,从沟通网络图中抽取已经存在的部分边关系,例如账户A与账户B存在沟通关系,作为验证集合,使得训练好的图注意力模型能够综合节点本身及其邻居信息判断两个节点之间是否存在连边。训练好的图注意力模型根据沟通网络图中的账户间的沟通关系输出账户的向量表达。
S105,根据账户的向量表达生成账户之间的亲密度。
具体的,根据步骤S104得到的账户的向量表达生成账户之间的亲密度。
综上,本公开实施例的账户亲密度的生成方法,获取即时通讯群组内的账户的集合,获取预设时间段内账户之间的沟通频率,根据账户之间的沟通频率构建沟通网络图,根据沟通网络图对图模型进行训练,得到图模型输出的账户的向量表达,以及根据账户的向量表达生成账户之间的亲密度得分。利用根据账户之间的沟通频率构建的沟通网络图对图模型进行训练,无需与下游业务绑定,便可以独立构建账户亲密度模型,同时本公开实施例基于图神经网络建模账户亲密度关系,能够有效地利用图模型挖掘账户间的关联,捕捉沟通网络图中的局部与全局特征,提高了账户亲密度的生成准确度。
图2是根据本公开第二实施例的账户亲密度的生成方法的流程示意图。
如图2所示,在图1所示实施例的基础上,本公开实施例的账户亲密度的生成方法具体可包括以下步骤:
S201,获取即时通讯群组内的账户的集合。
S202,获取预设时间段内账户之间的沟通频率。
具体的,本实施例中的步骤S201-S202与上述实施例中的步骤S101-S102相同,此处不再赘述。
S203,根据账户之间的沟通频率计算账户的总沟通频率。
具体的,根据步骤S202获取的账户之间的沟通频率计算账户的总沟通频率。例如当以沟通天数表示沟通频率时,账户A与账户B、账户C、账户D之间的有沟通天数分别为1、3、4天,则账户A的总沟通天数即总沟通频率为1+3+4=8天。
S204,将总沟通频率小于或者等于预设的沟通频率阈值的账户从账户的集合中去除。
具体的,将步骤S203得到的总沟通频率小于或者等于预设的沟通频率阈值的账户从账户的集合中去除,保留满足条件的账户。可选的,将满足条件的账户之间的沟通频率进行存储作为训练样本数据,其中,预设的沟通频率阈值根据需要设定,本公开不做限定。例如,去除90天内总沟通频率小于或等于1天的账户,保留总沟通频率大于1天的账户,避免将账户偶发的沟通产生的数据纳入训练样本数据,降低数据的噪声,增强账户间亲密度的生成准确度。
S205,根据账户之间的沟通频率构建沟通网络图。
S206,根据沟通网络图对图模型进行训练,得到图模型输出的账户的向量表达。
S207,根据账户的向量表达生成账户之间的亲密度。
具体的,本实施例中的步骤S205-S207与上述实施例中的步骤S103-S105相同,此处不再赘述。
进一步的,本公开实施例的账户亲密度的生成方法,还可以包括以下步骤S208-S209:
S208,根据沟通网络图采用社区划分算法确定账户的所属社区。
具体的,根据步骤S205构建的沟通网络图采用社区划分算法(例如,Louvain算法)进行无监督的社区划分,确定账户的所属社区。具体实施中,不同的社区可以用社区标签进行标识,社区标签可以为已有的数据信息,例如账户所属团队以及爱好等,也可以为根据步骤S205构建的沟通网络图采用社区划分算法确定的。本公开实施例中根据沟通网络图,采用Louvain算法进行社区划分,获得社区划分结果即账户的所属社区,以此确定每个账户的所属社区。可选的,可以将确定的每个账户的所属社区进行存储,例如可存储于数据库(例如redis)中,便于调用方获取账户亲密度时能够及时调用数据。
S209,根据账户之间的亲密度确定账户之间的亲密度等级。
具体的,根据步骤S207生成的账户之间的亲密度确定账户之间的亲密度等级。可选的,在具体实施中,账户之间的亲密度等级可以根据账户之间的亲密度对应的亲密度得分的分值确定,每个亲密度等级对应一个亲密度得分的分值区间,具体等级和分值区间本公开不做限定。例如,对于归一化的亲密度得分,亲密度等级可以按以下表1的方式划分:
表1亲密度得分和亲密度等级划分
可选的,可以将确定的账户之间的亲密度等级进行存储,例如可存储于数据库(例如redis)中,便于调用方获取账户亲密度时能够及时调用数据。
进一步的,如图3所示,在图2所示实施例的基础上,图模型包括Node2Vec图模型和图注意力模型中的至少一个,上述步骤S207“根据账户的向量表达生成账户之间的亲密度”具体可包括以下步骤:
S301,根据Node2Vec图模型输出的账户的向量表达计算账户之间的第一余弦相似度。
具体的,针对两个及以上的账户组合,根据Node2Vec图模型输出的账户的向量表达计算账户之间的第一余弦相似度即两个账户的Embedding的余弦值。此处需要说明的是,账户之间的第一余弦相似度可以反映出账户之间的亲密度,第一余弦相似度的值越大说明一对账户的Embedding越相近,即账户之间的亲密度越高。
S302,根据图注意力模型输出的账户的向量表达计算账户之间的第二余弦相似度。
具体的,针对两个及以上的账户组合,根据图注意力模型输出的账户的向量表达计算账户之间的第二余弦相似度。其中,第二余弦相似度的计算方法和作用与第一余弦相似度相同,此处不再赘述。
S303,根据第一余弦相似度和第二余弦相似度生成账户之间的亲密度。
具体的,根据步骤S301计算得到的第一余弦相似度和S302计算得到的第二余弦相似度生成账户之间的亲密度。在本公开实施例中,可以对第一余弦相似度和第二余弦相似度进行线性计算得到账户之间的亲密度。例如,第一余弦相似度为a,第二余弦相似度为b,以非线性变换函数Sigmoid作为调权模块即sigmoid(c*a+d*b),生成账户之间的亲密度,其中,参数c和d可以根据先验经验设定,例如本公开实施例中c=d=0.5,具体取值本公开不做限定。
进一步的,在上述实施例的基础上,上述步骤S207“根据账户的向量表达生成账户之间的亲密度”具体可包括:根据账户的向量表达和账户的统计学特征生成账户之间的亲密度。
具体的,综合账户的向量表达和账户的统计学特征,经过调权模块,生成账户之间的亲密度。
其中,统计学特征具体可包括但不限于以下特征中的任意一种或多种:沟通频率、最短可达距离、最短可达路径、介数中心数和最近一次沟通时间与当前时间的时间差等。
此处需要说明的是,最短可达距离N为沟通网络图中两个节点间经过最少N个中间节点可达。最短可达路径为沟通网络图中节点的最短路径,不难理解的,上述最短可达路径对应一个节点序列。介数中心数为对于一个节点,该节点在全图中处在多少对节点的最短路径之中。具体实施中,最短可达路径、最短可达距离以及介数中心数等统计学特征可以通过networkx工具包从沟通网络图中得到,如图4所示的沟通网络图,节点“1”和节点“4”的最短可达距离为2,最短可达路径可以为1-5-4。最近一次沟通时间与当前时间的时间差可根据账户的历史沟通数据确定。可选的,可以将确定的每个账户的统计学特征进行存储,例如可存储于数据库(例如redis)中,便于调用方获取账户亲密度时能够及时调用数据。
本领域技术人员可以理解,当调用方需要获取账户的亲密度时,可以从数据库中获取存储的账户的亲密度、亲密度等级、统计学特征和所属社区,并返回给调用方。
综上,本公开实施例的账户亲密度的生成方法,获取即时通讯群组内的账户的集合,获取预设时间段内账户之间的沟通频率,根据账户之间的沟通频率构建沟通网络图,根据沟通网络图对图模型进行训练,得到图模型输出的账户的向量表达,以及根据账户的向量表达生成账户之间的亲密度。利用根据账户之间的沟通频率构建的沟通网络图对图模型进行训练,无需与下游业务绑定,便可以独立构建账户亲密度模型,同时本公开实施例基于图神经网络建模账户亲密度关系,能够有效地利用图模型挖掘账户间的关联,捕捉沟通网络图中的局部与全局特征,提高了账户亲密度的生成准确度。根据沟通网络图采用社区划分算法确定账户的所属社区,可以确定账户的社交网络分析结果,进一步提高了账户亲密度的生成准确度。
为清楚地说明本公开实施例的账户亲密度的生成方法,下面结合图5进行详细描述。
图5为本公开实施例的账户亲密度的生成方法的场景示意图。如图5所示,本公开实施例的账户亲密度的生成方法分为在线服务和离线模型更新两个阶段。在线服务阶段,当账户发起获取亲密度请求时,服务器直接从数据库中调取离线模型更新阶段生成的与该账户相关的账户之间的亲密度、账户之间的亲密度等级、账户的所属社区和账户的统计学特征等账户亲密度的相关数据,并返回调用方。离线模型更新阶段,利用账户之间的沟通频率构建沟通网络图,并计算沟通网络图对应的统计学特征,根据沟通网络图训练Node2Vec图模型和图注意力模型分别得到两个模型输出的向量表达,将两个模型输出的向量表达和统计学特征输入调权模块,生成账户之间的亲密度,根据账户之间的亲密度确定账户之间的亲密度等级,根据沟通网络图采用社区划分算法确定账户的所属社区等,并将账户之间的亲密度、账户之间的亲密度等级、账户的所属社区和账户的统计学特征等账户亲密度的相关数据存储在数据库中。
图6是根据本公开第一实施例的账户亲密度的生成装置的框图。
如图6所示,本公开实施例的账户亲密度的生成装置600,包括:第一获取模块601、第二获取模块602、构建模块603、训练模块604和生成模块605。
第一获取模块601,用于获取即时通讯群组内的账户的集合。
第二获取模块602,用于获取预设时间段内账户之间的沟通频率。
构建模块603,用于根据账户之间的沟通频率构建沟通网络图。
训练模块604,用于根据沟通网络图对图模型进行训练,得到图模型输出的账户的向量表达。
生成模块605,用于根据账户的向量表达生成账户之间的亲密度。
需要说明的是,上述对账户亲密度的生成方法实施例的解释说明,也适用于本公开实施例的账户亲密度的生成装置,具体过程此处不再赘述。
综上,本公开实施例的账户亲密度的生成装置,获取即时通讯群组内的账户的集合,获取预设时间段内账户之间的沟通频率,根据账户之间的沟通频率构建沟通网络图,根据沟通网络图对图模型进行训练,得到图模型输出的账户的向量表达,以及根据账户的向量表达生成账户之间的亲密度。利用根据账户之间的沟通频率构建的沟通网络图对图模型进行训练,无需与下游业务绑定,便可以独立构建账户亲密度模型,同时本公开实施例基于图神经网络建模账户亲密度关系,能够有效地利用图模型挖掘账户间的关联,捕捉沟通网络图中的局部与全局特征,提高了账户亲密度的生成准确度。
图7是根据本公开第二实施例的账户亲密度的生成装置的框图。
如图7所示,本公开实施例的账户亲密度的生成装置700,包括:第二获取模块701、第二获取模块702、构建模块703、训练模块704和生成模块705。
其中,第一获取模块701与上述实施例中的第一获取模块601具有相同的结构和功能,第二获取模块702与上一实施例中的第二获取模块602具有相同的结构和功能,构建模块703与上一实施例中的构建模块603具有相同的结构和功能,训练模块704与上一实施例中的训练模块604具有相同的结构和功能,生成模块705与上一实施例中的生成模块605具有相同的结构和功能。
进一步的,本公开实施例的账户亲密度的生成装置700,还包括:计算模块,用于根据账户之间的沟通频率计算账户的总沟通频率;以及去除模块,用于将总沟通频率小于或者等于预设的沟通频率阈值的账户从账户的集合中去除。
进一步的,图模型包括Node2Vec图模型和图注意力模型中的至少一个,生成模块705具体可包括:第一计算单元,用于根据Node2Vec图模型输出的账户的向量表达计算账户之间的第一余弦相似度;第二计算单元,用于根据图注意力模型输出的账户的向量表达计算账户之间的第二余弦相似度;以及第一生成单元,用于根据第一余弦相似度和第二余弦相似度生成账户之间的亲密度。
进一步的,生成模块705具体可包括:第二生成单元,用于根据账户的向量表达和账户的统计学特征生成账户之间的亲密度。
进一步的,统计学特征包括以下特征中的任意一种或多种:沟通频率、最短可达距离、最短可达路径、介数中心数和最近一次沟通时间与当前时间的时间差。
进一步的,本公开实施例的账户亲密度的生成装置700,还可包括:第一确定模块706,用于根据沟通网络图采用社区划分算法确定账户的所属社区。
进一步的,本公开实施例的账户亲密度的生成装置700,还可包括:第二确定模块,用于根据账户之间的亲密度确定账户之间的亲密度等级。
综上,本公开实施例的账户亲密度的生成装置,获取即时通讯群组内的账户的集合,获取预设时间段内账户之间的沟通频率,根据账户之间的沟通频率构建沟通网络图,根据沟通网络图对图模型进行训练,得到图模型输出的账户的向量表达,以及根据账户的向量表达生成账户之间的亲密度。利用根据账户之间的沟通频率构建的沟通网络图对图模型进行训练,无需与下游业务绑定,便可以独立构建账户亲密度模型,同时本公开实施例基于图神经网络建模账户亲密度关系,能够有效地利用图模型挖掘账户间的关联,捕捉沟通网络图中的局部与全局特征,提高了账户亲密度的生成准确度。根据沟通网络图采用社区划分算法确定账户的所属社区,可以确定账户的社交网络分析结果,进一步提高了账户亲密度的生成准确度。
本公开的技术方案中,所涉及的账户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图8所示,设备800包括计算单元801,其可以根据存储在只读存储器(ROM)802中的计算机程序或者从存储单元808加载到随机访问存储器(RAM)803中的计算机程序,来执行各种适当的动作和处理。在RAM 803中,还可存储设备800操作所需的各种程序和数据。计算单元801、ROM 802以及RAM 803通过总线804彼此相连。输入/输出(I/O)接口805也连接至总线804。
设备800中的多个部件连接至I/O接口805,包括:输入单元806,例如键盘、鼠标等;输出单元807,例如各种类型的显示器、扬声器等;存储单元808,例如磁盘、光盘等;以及通信单元809,例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理,例如图1至图5所示的账户亲密度的生成方法。例如,在一些实施例中,账户亲密度的生成方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元808。在一些实施例中,计算机程序的部分或者全部可以经由ROM 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到RAM 803并由计算单元801执行时,可以执行上文描述的账户亲密度的生成方法的一个或多个步骤。备选地,在其他实施例中,计算单元801可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行账户亲密度的生成方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)、互联网以及区块链网络。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
根据本公开的实施例,本公开还提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时实现根据本公开上述实施例所示的账户亲密度的生成方法。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (14)
1.一种账户亲密度的生成方法,包括:
获取即时通讯群组内的账户的集合;
获取预设时间段内所述账户之间的沟通频率;
根据所述账户之间的沟通频率构建沟通网络图;
根据所述沟通网络图对图模型进行训练,得到所述图模型输出的账户的向量表达;以及
根据所述账户的向量表达生成账户之间的亲密度;
其中,所述图模型包括Node2Vec图模型和图注意力模型,所述根据所述账户的向量表达生成账户之间的亲密度,包括:
根据所述Node2Vec图模型输出的所述账户的向量表达计算账户之间的第一余弦相似度;
根据所述图注意力模型输出的所述账户的向量表达计算账户之间的第二余弦相似度;以及
根据所述第一余弦相似度和所述第二余弦相似度生成所述账户之间的亲密度。
2.根据权利要求1所述的生成方法,其中,所述根据所述账户之间的沟通频率构建沟通网络图之前,还包括:
根据所述账户之间的沟通频率计算账户的总沟通频率;以及
将所述总沟通频率小于或者等于预设的沟通频率阈值的账户从所述账户的集合中去除。
3.根据权利要求1所述的生成方法,其中,所述根据所述账户的向量表达生成账户之间的亲密度,包括:
根据所述账户的向量表达和账户的统计学特征生成所述账户之间的亲密度。
4.根据权利要求3所述的生成方法,其中,所述统计学特征包括以下特征中的任意一种或多种:
所述沟通频率、最短可达距离、最短可达路径、介数中心数和最近一次沟通时间与当前时间的时间差。
5.根据权利要求1所述的生成方法,还包括:
根据所述沟通网络图采用社区划分算法确定账户的所属社区。
6.根据权利要求1所述的生成方法,还包括:
根据所述账户之间的亲密度确定账户之间的亲密度等级。
7.一种账户亲密度的生成装置,包括:
第一获取模块,用于获取即时通讯群组内的账户的集合;
第二获取模块,用于获取预设时间段内所述账户之间的沟通频率;
构建模块,用于根据所述账户之间的沟通频率构建沟通网络图;
训练模块,用于根据所述沟通网络图对图模型进行训练,得到所述图模型输出的账户的向量表达;以及
生成模块,用于根据所述账户的向量表达生成账户之间的亲密度;
其中,所述图模型包括Node2Vec图模型和图注意力模型,所述生成模块,包括:
第一计算单元,用于根据所述Node2Vec图模型输出的所述账户的向量表达计算账户之间的第一余弦相似度;
第二计算单元,用于根据所述图注意力模型输出的所述账户的向量表达计算账户之间的第二余弦相似度;以及
第一生成单元,用于根据所述第一余弦相似度和所述第二余弦相似度生成所述账户之间的亲密度。
8.根据权利要求7所述的生成装置,还包括:
计算模块,用于根据所述账户之间的沟通频率计算账户的总沟通频率;以及
去除模块,用于将所述总沟通频率小于或者等于预设的沟通频率阈值的账户从所述账户的集合中去除。
9.根据权利要求7所述的生成装置,其中,所述生成模块,包括:
第二生成单元,用于根据所述账户的向量表达和账户的统计学特征生成所述账户之间的亲密度。
10.根据权利要求9所述的生成装置,其中,所述统计学特征包括以下特征中的任意一种或多种:
所述沟通频率、最短可达距离、最短可达路径、介数中心数和最近一次沟通时间与当前时间的时间差。
11.根据权利要求7所述的生成装置,还包括:
第一确定模块,用于根据所述沟通网络图采用社区划分算法确定账户的所属社区。
12.根据权利要求7所述的生成装置,还包括:
第二确定模块,用于根据所述账户之间的亲密度确定账户之间的亲密度等级。
13.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-6中任一项所述的账户亲密度的生成方法。
14.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行根据权利要求1-6中任一项所述的账户亲密度的生成方法。
Priority Applications (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110738468.0A CN113572679B (zh) | 2021-06-30 | 2021-06-30 | 账户亲密度的生成方法、装置、电子设备和存储介质 |
KR1020220057832A KR20220070177A (ko) | 2021-06-30 | 2022-05-11 | 계정 친밀도의 생성 방법, 장치, 전자기기 및 저장매체 |
JP2022078878A JP7413438B2 (ja) | 2021-06-30 | 2022-05-12 | アカウントの親密度の生成方法、装置、電子機器及び記憶媒体 |
US17/824,570 US20220286416A1 (en) | 2021-06-30 | 2022-05-25 | Method and apparatus for generating account intimacy |
EP22175399.9A EP4033734A3 (en) | 2021-06-30 | 2022-05-25 | Method and apparatus for measuring the communication frequency between user accounts |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110738468.0A CN113572679B (zh) | 2021-06-30 | 2021-06-30 | 账户亲密度的生成方法、装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113572679A CN113572679A (zh) | 2021-10-29 |
CN113572679B true CN113572679B (zh) | 2023-04-07 |
Family
ID=78163208
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110738468.0A Active CN113572679B (zh) | 2021-06-30 | 2021-06-30 | 账户亲密度的生成方法、装置、电子设备和存储介质 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20220286416A1 (zh) |
EP (1) | EP4033734A3 (zh) |
JP (1) | JP7413438B2 (zh) |
KR (1) | KR20220070177A (zh) |
CN (1) | CN113572679B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097125A (zh) * | 2019-05-07 | 2019-08-06 | 郑州轻工业学院 | 一种基于嵌入表示的跨网络账户关联方法 |
CN110515986A (zh) * | 2019-08-27 | 2019-11-29 | 腾讯科技(深圳)有限公司 | 一种社交网络图的处理方法、装置及存储介质 |
CN111192153A (zh) * | 2019-12-19 | 2020-05-22 | 浙江大搜车软件技术有限公司 | 人群关系网络构建方法、装置、计算机设备和存储介质 |
CN112087371A (zh) * | 2020-09-10 | 2020-12-15 | 北京百度网讯科技有限公司 | 一种即时通讯群组的搜索方法、装置、设备和存储介质 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100835375B1 (ko) | 2007-02-08 | 2008-06-04 | 삼성전자주식회사 | 휴대 단말기의 인간관계 중심 사용자 인터페이스 구성 방법 |
JP2013003635A (ja) | 2011-06-13 | 2013-01-07 | Sony Corp | 情報処理装置、情報処理方法及びプログラム |
JP6145614B2 (ja) | 2012-09-27 | 2017-06-14 | 株式会社コナミデジタルエンタテインメント | 端末装置、メッセージ表示システム、端末装置の制御方法およびプログラム |
CN103559407B (zh) * | 2013-11-14 | 2016-08-31 | 北京航空航天大学深圳研究院 | 一种用于度量有向加权图中节点亲密度的推荐***及方法 |
US10127300B2 (en) * | 2013-12-23 | 2018-11-13 | International Business Machines Corporation | Mapping relationships using electronic communications data |
CN105335438A (zh) * | 2014-08-11 | 2016-02-17 | 天津科技大学 | 一种基于局部最短回路的社会网络群体划分方法 |
US10002292B2 (en) * | 2015-09-30 | 2018-06-19 | Microsoft Technology Licensing, Llc | Organizational logo enrichment |
CN109660582B (zh) * | 2017-10-09 | 2021-05-11 | 腾讯科技(深圳)有限公司 | 帐号信号的推送方法、装置、存储介质和电子设备 |
CN109218169B (zh) * | 2018-10-12 | 2020-12-22 | 广州酷狗计算机科技有限公司 | 即时通讯方法、装置及存储介质 |
CN109933666B (zh) * | 2019-03-18 | 2022-12-30 | 西安电子科技大学 | 一种好友自动分类方法、装置、计算机设备和存储介质 |
CN111222049B (zh) * | 2020-01-08 | 2021-10-01 | 东北大学 | 语义增强的异构信息网络上Top-k相似度搜索方法 |
US11521516B2 (en) * | 2020-05-15 | 2022-12-06 | Capital One Services, Llc | Nuance-based augmentation of sign language communication |
CN111651671B (zh) * | 2020-05-27 | 2023-11-21 | 腾讯科技(深圳)有限公司 | 用户对象推荐方法、装置、计算机设备和存储介质 |
CN111930957A (zh) * | 2020-06-28 | 2020-11-13 | 国家计算机网络与信息安全管理中心 | 实体间亲密度的分析方法、装置、电子设备以及存储介质 |
CN111882446B (zh) * | 2020-07-28 | 2023-05-16 | 哈尔滨工业大学(威海) | 一种基于图卷积网络的异常账户检测方法 |
CN112132606B (zh) * | 2020-09-10 | 2023-01-13 | 上海风秩科技有限公司 | 一种基于图注意力算法的动态调价方法及*** |
CN112468523B (zh) * | 2021-02-02 | 2021-07-06 | 北京明略昭辉科技有限公司 | 异常流量检测方法、装置、设备及存储介质 |
US20220284340A1 (en) * | 2021-03-02 | 2022-09-08 | Adobe Inc. | Determining digital personas utilizing data-driven analytics |
US20220351142A1 (en) * | 2021-04-30 | 2022-11-03 | Slack Technologies, Inc. | Group-based communication platform interaction graphing |
US11647240B2 (en) * | 2021-07-19 | 2023-05-09 | Raters Group Ltd. | Apparatus for outputting content |
-
2021
- 2021-06-30 CN CN202110738468.0A patent/CN113572679B/zh active Active
-
2022
- 2022-05-11 KR KR1020220057832A patent/KR20220070177A/ko not_active Application Discontinuation
- 2022-05-12 JP JP2022078878A patent/JP7413438B2/ja active Active
- 2022-05-25 EP EP22175399.9A patent/EP4033734A3/en not_active Withdrawn
- 2022-05-25 US US17/824,570 patent/US20220286416A1/en not_active Abandoned
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110097125A (zh) * | 2019-05-07 | 2019-08-06 | 郑州轻工业学院 | 一种基于嵌入表示的跨网络账户关联方法 |
CN110515986A (zh) * | 2019-08-27 | 2019-11-29 | 腾讯科技(深圳)有限公司 | 一种社交网络图的处理方法、装置及存储介质 |
CN111192153A (zh) * | 2019-12-19 | 2020-05-22 | 浙江大搜车软件技术有限公司 | 人群关系网络构建方法、装置、计算机设备和存储介质 |
CN112087371A (zh) * | 2020-09-10 | 2020-12-15 | 北京百度网讯科技有限公司 | 一种即时通讯群组的搜索方法、装置、设备和存储介质 |
Non-Patent Citations (3)
Title |
---|
Zheng, Yu.Recommending friends and locations based on individual location history.《ACM transactions on the web》.2011,第第5卷卷(第第5卷期),全文. * |
刘予飞.社交媒体中用户影响力挖掘.《CNKI中国知网》.2020,全文. * |
吴多坚.基于word2vec的中文文本相似度研究与实现.《百度学术》.2017,全文. * |
Also Published As
Publication number | Publication date |
---|---|
JP2022106992A (ja) | 2022-07-20 |
CN113572679A (zh) | 2021-10-29 |
EP4033734A2 (en) | 2022-07-27 |
JP7413438B2 (ja) | 2024-01-15 |
US20220286416A1 (en) | 2022-09-08 |
KR20220070177A (ko) | 2022-05-30 |
EP4033734A3 (en) | 2022-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112487173B (zh) | 人机对话方法、设备和存储介质 | |
CN112560496A (zh) | 语义分析模型的训练方法、装置、电子设备及存储介质 | |
CN114357105B (zh) | 地理预训练模型的预训练方法及模型微调方法 | |
JP7498248B2 (ja) | コンテンツ推薦とソートモデルトレーニング方法、装置、機器、記憶媒体及びコンピュータプログラム | |
CN113407851B (zh) | 基于双塔模型的确定推荐信息的方法、装置、设备和介质 | |
CN113407850B (zh) | 一种虚拟形象的确定和获取方法、装置以及电子设备 | |
CN114548110A (zh) | 语义理解方法、装置、电子设备及存储介质 | |
CN113590776A (zh) | 基于知识图谱的文本处理方法、装置、电子设备及介质 | |
CN115309877A (zh) | 对话生成方法、对话模型训练方法及装置 | |
CN113641829A (zh) | 图神经网络的训练与知识图谱的补全方法、装置 | |
CN113641805A (zh) | 结构化问答模型的获取方法、问答方法及对应装置 | |
CN113468857B (zh) | 风格转换模型的训练方法、装置、电子设备以及存储介质 | |
CN113360683A (zh) | 训练跨模态检索模型的方法以及跨模态检索方法和装置 | |
CN117436505A (zh) | 训练数据处理方法、训练方法、装置、设备和介质 | |
CN113572679B (zh) | 账户亲密度的生成方法、装置、电子设备和存储介质 | |
CN113222414B (zh) | 模型稳定性的评估方法、装置、电子设备和存储介质 | |
CN113704256B (zh) | 数据识别方法、装置、电子设备及存储介质 | |
CN115292467A (zh) | 信息处理与模型训练方法、装置、设备、介质及程序产品 | |
CN114969444A (zh) | 数据的处理方法、装置、电子设备和存储介质 | |
CN114118937A (zh) | 基于任务的信息推荐方法、装置、电子设备及存储介质 | |
CN114490969A (zh) | 基于表格的问答方法、装置以及电子设备 | |
CN113656689A (zh) | 模型生成方法和网络信息的推送方法 | |
CN114722841B (zh) | 翻译方法、装置及计算机程序产品 | |
CN118098217A (zh) | 人机交互方法、装置、电子设备及存储介质 | |
CN113987345A (zh) | 数据处理的方法、装置、设备、存储介质及程序产品 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |