CN116861101B - 用于社交匹配的数据处理方法和装置 - Google Patents
用于社交匹配的数据处理方法和装置 Download PDFInfo
- Publication number
- CN116861101B CN116861101B CN202310802025.2A CN202310802025A CN116861101B CN 116861101 B CN116861101 B CN 116861101B CN 202310802025 A CN202310802025 A CN 202310802025A CN 116861101 B CN116861101 B CN 116861101B
- Authority
- CN
- China
- Prior art keywords
- social
- data
- risk
- recommendation
- feature
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 claims abstract description 110
- 238000012545 processing Methods 0.000 claims abstract description 83
- 238000012502 risk assessment Methods 0.000 claims abstract description 71
- 238000011156 evaluation Methods 0.000 claims abstract description 50
- 238000000605 extraction Methods 0.000 claims abstract description 20
- 238000013210 evaluation model Methods 0.000 claims abstract description 11
- 230000008569 process Effects 0.000 claims description 98
- 238000012937 correction Methods 0.000 claims description 40
- 230000006399 behavior Effects 0.000 claims description 20
- 238000012216 screening Methods 0.000 claims description 5
- 238000004590 computer program Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000011273 social behavior Effects 0.000 description 2
- 206010000117 Abnormal behaviour Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- 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
- G06F16/9536—Search customisation based on social or collaborative filtering
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请公开了一种用于社交匹配的数据处理方法和装置。该方法包括:通过获取待处理数据,其中,待处理数据为用于表示社交用户的用户数据;对所述待处理数据进行基于预设风险评估模型的风险特征提取处理,得到风险特征数据,其中,风险特征数据为用于表示所述社交用户风险特征的数据;对待处理数据进行基于预设社交评估模型的社交特征提取处理,得到社交特征数据,其中,社交特征数据为用于表示所示社交用户社交特征的数据;对所述社交用户进行基于所述风险特征数据和社交特征数据的社交推荐处理,得到目标社交推荐数据,以实现对所述社交用户的社交匹配。对互联网社交平台进行多维度评估,实现了提高社交推荐准确率的技术效果。
Description
技术领域
本申请涉及互联网领域,具体而言,涉及一种用于社交匹配的数据处理方法和装置。
背景技术
现有技术中,随着信息技术的不断发展,互联网社交也广泛应用,现有互联网社交平台中,对用户等级统计评定主要基于单一的数据维度,如在线时长等,难以针对用户的等级进行对应的社交玩法的推荐匹配。
互联网社交平台中现有的单一数据维度评价对用户的评价准确率较低,且难以对互联网社交用户进行对应匹配推荐策略的匹配,用户体验感较差。
因此,现有技术中的互联网社交匹配存在用户识别维度单一导致的社交推荐准确率较差的问题。
发明内容
本申请的主要目的在于提供一种用于社交匹配的数据处理方法和装置,以解决现有技术互联网社交匹配存在用户识别维度单一导致的社交推荐准确率较差的问题,对互联网社交平台进行多维度评估,从而实现提高社交推荐准确率的技术效果。
为了实现上述目的,本申请的第一方面,提出了一种用于社交匹配的数据处理方法,包括:
获取待处理数据,其中,所述待处理数据为用于表示社交用户的用户数据;
对所述待处理数据进行基于预设风险评估模型的风险特征提取处理,得到风险特征数据,其中,所述风险特征数据为用于表示所述社交用户风险特征的数据;
对所述待处理数据进行基于预设社交评估模型的社交特征提取处理,得到社交特征数据,其中,所述社交特征数据为用于表示所示社交用户社交特征的数据;
对所述社交用户进行基于所述风险特征数据和社交特征数据的社交推荐处理,得到目标社交推荐数据,以实现对所述社交用户的社交匹配。
进一步地,对所述待处理数据进行基于预设风险评估模型的风险特征提取处理,得到风险特征数据包括:
对所述待处理数据进行基于历史行为特征的识别处理,得到第一过程风险评估特征数据,其中,所述第一过程风险评估特征数据为用于表示所述社交用户历史行为的特征数据;
对所述待处理数据进行基于历史交易特征的识别处理,得到第二过程风险评估特征数据,其中,所述第二过程风险评估特征数据为用于表示所述社交用户历史交易的特征数据;
对所述待处理数据进行基于历史社交特征的识别处理,得到第三过程风险评估特征数据,其中,所述第三过程风险评估特征数据为用于表示所述社交用户历史社交的特征数据;
根据所述第一过程风险评估特征数据、所述第二过程风险评估特征数据和所述第三过程风险评估特征数据确定所述风险特征数据。
进一步地,对所述待处理数据进行基于预设社交评估模型的社交特征提取处理,得到社交特征数据包括:
对所述待处理数据进行基于社交特征的识别处理,得到第一社交评估特征数据,其中,所述第一社交评估特征数据为用于表示评估所述社交用户的特征数据;
对所述待处理数据进行基于用户社交需求的识别处理,得到第二社交评估特征数据,其中,所述第二社交评估特征数据为用户表示所述社交用户的社交需求的特征数据;
根据所述第一社交评估特征数据和所述第二社交评估特征数据确定所述社交特征数据。
进一步地,对所述社交用户进行基于所述风险特征数据和社交特征数据的社交推荐处理,得到目标社交推荐数据,以实现对所述社交用户的社交匹配包括:
在预设***社交数据库中匹配与所述社交特征数据对应的社交用户数据,得到过程社交推荐数据,其中,所述过程社交推荐数据为用于表示与所述社交用户社交匹配的社交用户的数据;
在预设***社交数据库中匹配与所述风险特征数据对应的用户社交推荐修正模型,得到社交推荐修正模型,其中,所述社交推荐修正模型为用于表示与所述社交用户对应的社交修正推荐模型;
根据所述社交修正推荐模型对所述过程社交推荐数据进行社交修正处理,得到所述目标社交推荐数据。
进一步地,在预设***社交数据库中匹配与所述社交特征数据对应的社交用户数据,得到过程社交推荐数据包括:
对所述社交特征数据进行识别,得到所述第一社交评估特征数据和所述第二社交评估特征数据;
在预设***社交数据库中匹配与第一社交评估特征数据对应的社交用户,得到第一过程社交推荐数据;
基于所述第二社交评估特征数据对所述第一过程社交推荐数据进行社交数据筛选处理,得到第二过程社交推荐数据,其中,所述第二过程社交推荐数据为满足所述社交用户社交需求的用户数据。
进一步地,根据所述社交修正推荐模型对所述过程社交推荐数据进行社交修正处理,得到所述目标社交推荐数据包括:
对所述风险特征数据进行社交风险等级识别处理,得到社交风险等级数据;
如果所述社交修正推荐模型与第一社交风险等级对应,所述社交推荐修正推荐模型对所述过程社交推荐数据进行增加处理,得到所述目标社交推荐数据,其中,第一社交风险等级为用于表示所述社交风险对应低社交风险;
如果所述社交修正推荐模型与第二社交风险等级对应,所述社交推荐修正推荐模型对所述过程社交推荐数据进行减少处理,得到所述目标社交推荐数据,其中,第一社交风险等级为用于表示所述社交风险对应高社交风险。
根据本申请的第二方面,提供了一种用于社交匹配的数据处理装置,包括:
数据获取模块,用于获取待处理数据,其中,所述待处理数据为用于表示社交用户的用户数据;
风险特征模块,用于对所述待处理数据进行基于预设风险评估模型的风险特征提取处理,得到风险特征数据,其中,所述风险特征数据为用于表示所述社交用户风险特征的数据;
社交特征模块,用于对所述待处理数据进行基于预设社交评估模型的社交特征提取处理,得到社交特征数据,其中,所述社交特征数据为用于表示所示社交用户社交特征的数据;
社交推荐模块,用于对所述社交用户进行基于所述风险特征数据和社交特征数据的社交推荐处理,得到目标社交推荐数据,以实现对所述社交用户的社交匹配。
进一步地,风险特征模块包括:
第一风险特征模块,用于对所述待处理数据进行基于历史行为特征的识别处理,得到第一过程风险评估特征数据,其中,所述第一过程风险评估特征数据为用于表示所述社交用户历史行为的特征数据;
第二风险特征模块,用于对所述待处理数据进行基于历史交易特征的识别处理,得到第二过程风险评估特征数据,其中,所述第二过程风险评估特征数据为用于表示所述社交用户历史交易的特征数据;
第三风险特征模块,用于对所述待处理数据进行基于历史社交特征的识别处理,得到第三过程风险评估特征数据,其中,所述第三过程风险评估特征数据为用于表示所述社交用户历史社交的特征数据;
风险特征确定模块,用于根据所述第一过程风险评估特征数据、所述第二过程风险评估特征数据和所述第三过程风险评估特征数据确定所述风险特征数据。
根据本申请的第三方面,提出了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行上述的用于社交匹配的数据处理方法。
根据本申请的第四方面,提出了一种电子设备,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计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器执行上述的用于社交匹配的数据处理方法。
本申请的实施例提供的技术方案可以包括以下有益效果:
在本申请中,通过获取待处理数据,其中,所述待处理数据为用于表示社交用户的用户数据;对所述待处理数据进行基于预设风险评估模型的风险特征提取处理,得到风险特征数据,其中,所述风险特征数据为用于表示所述社交用户风险特征的数据;对所述待处理数据进行基于预设社交评估模型的社交特征提取处理,得到社交特征数据,其中,所述社交特征数据为用于表示所示社交用户社交特征的数据;对所述社交用户进行基于所述风险特征数据和社交特征数据的社交推荐处理,得到目标社交推荐数据,以实现对所述社交用户的社交匹配。解决了现有技术互联网社交匹配存在用户识别维度单一导致的社交推荐准确率较差的问题,对互联网社交平台进行多维度评估,实现了提高社交推荐准确率的技术效果。
附图说明
构成本申请的一部分的附图用来提供对本申请的进一步理解,使得本申请的其它特征、目的和优点变得更明显。本申请的示意性实施例附图及其说明用于解释本申请,并不构成对本申请的不当限定。在附图中:
图1为本申请提供的一种用于社交匹配的数据处理方法的流程图;
图2为本申请提供的一种用于社交匹配的数据处理方法的流程图;
图3为本申请提供的一种用于社交匹配的数据处理方法的流程图;
图4为本申请提供的一种用于社交匹配的数据处理装置的示意图;
图5为本申请提供的另一种用于社交匹配的数据处理装置的示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,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的实施例,而不是全部的实施例。基于本申请中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本申请保护的范围。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本申请的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本申请中,术语“上”、“下”、“左”、“右”、“前”、“后”、“顶”、“底”、“内”、“外”、“中”、“竖直”、“水平”、“横向”、“纵向”等指示的方位或位置关系为基于附图所示的方位或位置关系。这些术语主要是为了更好地描述本申请及其实施例,并非用于限定所指示的装置、元件或组成部分必须具有特定方位,或以特定方位进行构造和操作。
并且,上述部分术语除了可以用于表示方位或位置关系以外,还可能用于表示其他含义,例如术语“上”在某些情况下也可能用于表示某种依附关系或连接关系。对于本领域普通技术人员而言,可以根据具体情况理解这些术语在本申请中的具体含义。
此外,术语“安装”、“设置”、“设有”、“连接”、“相连”、“套接”应做广义理解。例如,“连接”可以是固定连接,可拆卸连接,或整体式构造;可以是机械连接,或电连接;可以是直接相连,或者是通过中间媒介间接相连,又或者是两个装置、元件或组成部分之间内部的连通。对于本领域普通技术人员而言,可以根据具体情况理解上述术语在本申请中的具体含义。
现有技术中,随着信息技术的不断发展,互联网社交也广泛应用,现有互联网社交平台中,对用户等级统计评定主要基于单一的数据维度,如在线时长等,难以针对用户的等级进行对应的社交玩法的推荐匹配,互联网社交平台中现有的单一数据维度评价对用户的评价准确率较低,且难以对互联网社交用户进行对应匹配推荐策略的匹配,用户体验感较差。因此,现有技术中的互联网社交匹配存在用户识别维度单一导致的社交推荐准确率较差的问题。
在本申请可选实施例中,提供了一种用于社交匹配的数据处理方法,通过对互联网社交平台进行多维度评估,提高对社交用户的评价准确率,进而提高了社交推荐准确率。图1为本申请提供的一种用于社交匹配的数据处理方法的流程图,如图1所示,该方法包括以下步骤:
S101:获取待处理数据;
待处理数据为用于表示社交用户的用户数据;
S102:对待处理数据进行基于预设风险评估模型的风险特征提取处理,得到风险特征数据;
风险特征数据为用于表示所述社交用户风险特征的数据;
在本申请另一可选实施例中,提供了一种用于社交匹配的数据处理方法,图2为本申请提供的一种用于社交匹配的数据处理方法的流程图,如图2所示,该方法包括以下步骤:
S201:对待处理数据进行基于历史行为特征的识别处理,得到第一过程风险评估特征数据;
第一过程风险评估特征数据为用于表示社交用户历史行为的特征数据,其中,用户历史行为包括:用户设备风险行为,用户社交异常行为,用户历史违规行为;其中,设备风险根据对社交用户的ip地址进行查询,筛选用户ip地址对应的设备,根据用户ip地址筛选结果判断社交用户是否存在用户设备风险行为,如果同一设备对应多个社交用户的ip地址,判断当前社交用户存在设备风险行为;用户异常社交行为,对该社交用户的社交行为进行基于预设风控规则的异常社交行为判断处理,如,当前社交用户登录后直接充值、立刻认证等行为触发风控规则,判断当前社交用户存在异常社交行为;用户历史违规行为,对该社交用户的历史社交数据进行基于违规行为的筛选处理,识别该社交用户的年龄(是否成年)、账号历史举报记录,账号历史检查记录等,根据上述违规行为记录确定用户历史违规行为。通过对社交用户进行基于历史行为的识别,并根据识别到的历史行为数据进行风险评估,得到第一过程风险评估特征数据。
S202:对待处理数据进行基于历史交易特征的识别处理,得到第二过程风险评估特征数据;
第二过程风险评估特征数据为用于表示社交用户历史交易的特征数据,用户在社交平台上进行社交时,产生付费数据时,对社交用户的付费数据进行识别,得到付费对象数量,付费频率等付费特征数据,对上述该付费特征数据进行风险评估,得到第二过程风险评估数据。
S203:对待处理数据进行基于历史社交特征的识别处理,得到第三过程风险评估特征数据;
第三过程风险评估特征数据为用于表示社交用户历史社交的特征数据,对用户的历史社交数据进行识别,得到用于表示社交用户历史社交的特征数据,如社交时间特征,社交对象特征等,对上述社交时间特征以及社交对象特征等进行风险评估,得到第三过程风险评估数据。
S204:根据第一过程风险评估特征数据、第二过程风险评估特征数据和第三过程风险评估特征数据确定风险特征数据。
在本申请可选实施例中,通过对社交用户的历史社交数据进行从包括付费特征、行为特征及社交特征的评估处理,得到当前社交用户的风险特征数据,以便实现对社交用户进行多维度的风险评价,进而提高对社交用户评价的准确度。
S103:对待处理数据进行基于预设社交评估模型的社交特征提取处理,得到社交特征数据;
社交特征数据为用于表示所示社交用户社交特征的数据;
在本申请另一可选实施例中,提供了一种用于社交匹配的数据处理方法,该方法包括:对所述待处理数据进行基于社交特征的识别处理,得到第一社交评估特征数据,其中,所述第一社交评估特征数据为用于表示评估所述社交用户的特征数据;对所述待处理数据进行基于用户社交需求的识别处理,得到第二社交评估特征数据,其中,所述第二社交评估特征数据为用户表示所述社交用户的社交需求的特征数据;根据所述第一社交评估特征数据和所述第二社交评估特征数据确定所述社交特征数据。
S104:对社交用户进行基于风险特征数据和社交特征数据的社交推荐处理,得到目标社交推荐数据,以实现对社交用户的社交匹配。
在本申请另一可选实施例中,提供了一种用于社交匹配的数据处理方法,图3为本申请提供的一种用于社交匹配的数据处理方法的流程图,如图3所示,该方法包括以下步骤:
S301:在预设***社交数据库中匹配与社交特征数据对应的社交用户数据,得到过程社交推荐数据;
过程社交推荐数据为用于表示与所述社交用户社交匹配的社交用户的数据;
在本申请另一可选实施例中,提供了一种用于社交匹配的数据处理方法,该方法包括:对所述社交特征数据进行识别,得到所述第一社交评估特征数据和所述第二社交评估特征数据;在预设***社交数据库中匹配与第一社交评估特征数据对应的社交用户,得到第一过程社交推荐数据;基于所述第二社交评估特征数据对所述第一过程社交推荐数据进行社交数据筛选处理,得到第二过程社交推荐数据,其中,所述第二过程社交推荐数据为满足所述社交用户社交需求的用户数据。
S302:在预设***社交数据库中匹配与风险特征数据对应的用户社交推荐修正模型,得到社交推荐修正模型;
社交推荐修正模型为用于表示与社交用户对应的社交修正推荐模型;
S303:根据社交修正推荐模型对过程社交推荐数据进行社交修正处理,得到目标社交推荐数据。
在本申请的另一可选实施例中,提供了一种用于社交推荐的数据处理方法,包括:
对所述风险特征数据进行社交风险等级识别处理,得到社交风险等级数据;如果所述社交修正推荐模型与第一社交风险等级对应,所述社交推荐修正推荐模型对所述过程社交推荐数据进行增加处理,得到所述目标社交推荐数据,其中,第一社交风险等级为用于表示所述社交风险对应低社交风险;如果所述社交修正推荐模型与第二社交风险等级对应,所述社交推荐修正推荐模型对所述过程社交推荐数据进行减少处理,得到所述目标社交推荐数据,其中,第一社交风险等级为用于表示所述社交风险对应高社交风险。
在本申请的另一可选实施例中,提供了一种用于社交匹配的数据处理装置,图4为本申请提供的一种用户社交匹配的数据处理装置的示意图,如图4所示,包括:
数据获取模块41,用于获取待处理数据,其中,所述待处理数据为用于表示社交用户的用户数据;
风险特征模块42,用于对所述待处理数据进行基于预设风险评估模型的风险特征提取处理,得到风险特征数据,其中,所述风险特征数据为用于表示所述社交用户风险特征的数据;
社交特征模块43,用于对所述待处理数据进行基于预设社交评估模型的社交特征提取处理,得到社交特征数据,其中,所述社交特征数据为用于表示所示社交用户社交特征的数据;
社交推荐模块44,用于对所述社交用户进行基于所述风险特征数据和社交特征数据的社交推荐处理,得到目标社交推荐数据,以实现对所述社交用户的社交匹配。
在本申请的另一可选实施例中,提供了一种用于社交匹配的数据处理装置,图5为本申请提供的另一种用户社交匹配的数据处理装置的示意图,如图5所示,包括:
第一风险特征模块51,用于对所述待处理数据进行基于历史行为特征的识别处理,得到第一过程风险评估特征数据,其中,所述第一过程风险评估特征数据为用于表示所述社交用户历史行为的特征数据;
第二风险特征模块52,用于对所述待处理数据进行基于历史交易特征的识别处理,得到第二过程风险评估特征数据,其中,所述第二过程风险评估特征数据为用于表示所述社交用户历史交易的特征数据;
第三风险特征模块53,用于对所述待处理数据进行基于历史社交特征的识别处理,得到第三过程风险评估特征数据,其中,所述第三过程风险评估特征数据为用于表示所述社交用户历史社交的特征数据;
风险特征确定模块54,用于根据所述第一过程风险评估特征数据、所述第二过程风险评估特征数据和所述第三过程风险评估特征数据确定所述风险特征数据。
关于上述实施例中各单元的执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
综上所述,在本申请中,通过获取待处理数据,其中,所述待处理数据为用于表示社交用户的用户数据;对所述待处理数据进行基于预设风险评估模型的风险特征提取处理,得到风险特征数据,其中,所述风险特征数据为用于表示所述社交用户风险特征的数据;对所述待处理数据进行基于预设社交评估模型的社交特征提取处理,得到社交特征数据,其中,所述社交特征数据为用于表示所示社交用户社交特征的数据;对所述社交用户进行基于所述风险特征数据和社交特征数据的社交推荐处理,得到目标社交推荐数据,以实现对所述社交用户的社交匹配。解决了现有技术互联网社交匹配存在用户识别维度单一导致的社交推荐准确率较差的问题,对互联网社交平台进行多维度评估,实现了提高社交推荐准确率的技术效果。
需要说明的是,在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机***中执行,并且,虽然在流程图中示出了逻辑顺序,但是在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤。
显然,本领域的技术人员应该明白,上述的本申请的各单元或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本申请不限制于任何特定的硬件和软件结合。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种用于社交匹配的数据处理方法,其特征在于,包括:
获取待处理数据,其中,所述待处理数据为用于表示社交用户的用户数据;
对所述待处理数据进行基于预设风险评估模型的风险特征提取处理,得到风险特征数据,其中,所述风险特征数据为用于表示所述社交用户风险特征的数据;
对所述待处理数据进行基于预设社交评估模型的社交特征提取处理,得到社交特征数据,其中,所述社交特征数据为用于表示所示社交用户社交特征的数据;
对所述社交用户进行基于所述风险特征数据和社交特征数据的社交推荐处理,得到目标社交推荐数据,以实现对所述社交用户的社交匹配,包括:
在预设***社交数据库中匹配与所述社交特征数据对应的社交用户数据,得到过程社交推荐数据,其中,所述过程社交推荐数据为用于表示与所述社交用户社交匹配的社交用户的数据,包括:对所述社交特征数据进行识别,得到第一社交评估特征数据和第二社交评估特征数据;在预设***社交数据库中匹配与第一社交评估特征数据对应的社交用户,得到第一过程社交推荐数据;基于所述第二社交评估特征数据对所述第一过程社交推荐数据进行社交数据筛选处理,得到第二过程社交推荐数据,其中,所述第二过程社交推荐数据为满足所述社交用户社交需求的用户数据;
在预设***社交数据库中匹配与所述风险特征数据对应的用户社交推荐修正模型,得到社交推荐修正模型,其中,所述社交推荐修正模型为用于表示与所述社交用户对应的社交修正推荐模型;
根据所述社交修正推荐模型对所述过程社交推荐数据进行社交修正处理,得到所述目标社交推荐数据。
2.根据权利要求1所述的数据处理方法,其特征在于,对所述待处理数据进行基于预设风险评估模型的风险特征提取处理,得到风险特征数据包括:
对所述待处理数据进行基于历史行为特征的识别处理,得到第一过程风险评估特征数据,其中,所述第一过程风险评估特征数据为用于表示所述社交用户历史行为的特征数据;
对所述待处理数据进行基于历史交易特征的识别处理,得到第二过程风险评估特征数据,其中,所述第二过程风险评估特征数据为用于表示所述社交用户历史交易的特征数据;
对所述待处理数据进行基于历史社交特征的识别处理,得到第三过程风险评估特征数据,其中,所述第三过程风险评估特征数据为用于表示所述社交用户历史社交的特征数据;
根据所述第一过程风险评估特征数据、所述第二过程风险评估特征数据和所述第三过程风险评估特征数据确定所述风险特征数据。
3.根据权利要求1所述的数据处理方法,其特征在于,对所述待处理数据进行基于预设社交评估模型的社交特征提取处理,得到社交特征数据包括:
对所述待处理数据进行基于社交特征的识别处理,得到第一社交评估特征数据,其中,所述第一社交评估特征数据为用于表示评估所述社交用户的特征数据;
对所述待处理数据进行基于用户社交需求的识别处理,得到第二社交评估特征数据,其中,所述第二社交评估特征数据为用户表示所述社交用户的社交需求的特征数据;
根据所述第一社交评估特征数据和所述第二社交评估特征数据确定所述社交特征数据。
4.根据权利要求1所述的数据处理方法,其特征在于,根据所述社交修正推荐模型对所述过程社交推荐数据进行社交修正处理,得到所述目标社交推荐数据包括:
对所述风险特征数据进行社交风险等级识别处理,得到社交风险等级数据;
如果所述社交修正推荐模型与第一社交风险等级对应,所述社交推荐修正推荐模型对所述过程社交推荐数据进行增加处理,得到所述目标社交推荐数据,其中,第一社交风险等级为用于表示所述社交风险对应低社交风险;
如果所述社交修正推荐模型与第二社交风险等级对应,所述社交推荐修正推荐模型对所述过程社交推荐数据进行减少处理,得到所述目标社交推荐数据,其中,第二社交风险等级为用于表示所述社交风险对应高社交风险。
5.一种用于社交匹配的数据处理装置,其特征在于,包括:
数据获取模块,用于获取待处理数据,其中,所述待处理数据为用于表示社交用户的用户数据;
风险特征模块,用于对所述待处理数据进行基于预设风险评估模型的风险特征提取处理,得到风险特征数据,其中,所述风险特征数据为用于表示所述社交用户风险特征的数据;
社交特征模块,用于对所述待处理数据进行基于预设社交评估模型的社交特征提取处理,得到社交特征数据,其中,所述社交特征数据为用于表示所示社交用户社交特征的数据;
社交推荐模块,用于对所述社交用户进行基于所述风险特征数据和社交特征数据的社交推荐处理,得到目标社交推荐数据,以实现对所述社交用户的社交匹配,包括:
在预设***社交数据库中匹配与所述社交特征数据对应的社交用户数据,得到过程社交推荐数据,其中,所述过程社交推荐数据为用于表示与所述社交用户社交匹配的社交用户的数据,包括:对所述社交特征数据进行识别,得到第一社交评估特征数据和第二社交评估特征数据;在预设***社交数据库中匹配与第一社交评估特征数据对应的社交用户,得到第一过程社交推荐数据;基于所述第二社交评估特征数据对所述第一过程社交推荐数据进行社交数据筛选处理,得到第二过程社交推荐数据,其中,所述第二过程社交推荐数据为满足所述社交用户社交需求的用户数据;
在预设***社交数据库中匹配与所述风险特征数据对应的用户社交推荐修正模型,得到社交推荐修正模型,其中,所述社交推荐修正模型为用于表示与所述社交用户对应的社交修正推荐模型;
根据所述社交修正推荐模型对所述过程社交推荐数据进行社交修正处理,得到所述目标社交推荐数据。
6.根据权利要求5所述的数据处理装置,其特征在于,风险特征模块包括:
第一风险特征模块,用于对所述待处理数据进行基于历史行为特征的识别处理,得到第一过程风险评估特征数据,其中,所述第一过程风险评估特征数据为用于表示所述社交用户历史行为的特征数据;
第二风险特征模块,用于对所述待处理数据进行基于历史交易特征的识别处理,得到第二过程风险评估特征数据,其中,所述第二过程风险评估特征数据为用于表示所述社交用户历史交易的特征数据;
第三风险特征模块,用于对所述待处理数据进行基于历史社交特征的识别处理,得到第三过程风险评估特征数据,其中,所述第三过程风险评估特征数据为用于表示所述社交用户历史社交的特征数据;
风险特征确定模块,用于根据所述第一过程风险评估特征数据、所述第二过程风险评估特征数据和所述第三过程风险评估特征数据确定所述风险特征数据。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机指令,所述计算机指令用于使所述计算机执行权利要求1-4任意一项所述的用于社交匹配的数据处理方法。
8.一种电子设备,其特征在于,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计算机程序,所述计算机程序被所述至少一个处理器执行,以使所述至少一个处理器执行权利要求1-4任意一项所述的用于社交匹配的数据处理方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310802025.2A CN116861101B (zh) | 2023-06-30 | 2023-06-30 | 用于社交匹配的数据处理方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310802025.2A CN116861101B (zh) | 2023-06-30 | 2023-06-30 | 用于社交匹配的数据处理方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116861101A CN116861101A (zh) | 2023-10-10 |
CN116861101B true CN116861101B (zh) | 2024-03-29 |
Family
ID=88221013
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310802025.2A Active CN116861101B (zh) | 2023-06-30 | 2023-06-30 | 用于社交匹配的数据处理方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116861101B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427715A (zh) * | 2018-01-30 | 2018-08-21 | 重庆邮电大学 | 一种融合信任度的社交网络好友推荐方法 |
CN110110220A (zh) * | 2018-06-21 | 2019-08-09 | 北京交通大学 | 融合社交网络和用户评价的推荐模型 |
CN110413901A (zh) * | 2019-08-02 | 2019-11-05 | 深圳索信达数据技术有限公司 | 一种基于社交网络分析的信用风险评估方法 |
CN112685656A (zh) * | 2020-12-22 | 2021-04-20 | 航天信息股份有限公司 | 标签推荐方法及电子设备 |
CN113901317A (zh) * | 2021-10-11 | 2022-01-07 | 杨孟帆 | 基于大数据和网络社区的产品推荐方法 |
CN115080868A (zh) * | 2022-06-28 | 2022-09-20 | 中国工商银行股份有限公司 | 产品推送方法、装置、计算机设备、存储介质和程序产品 |
CN115345294A (zh) * | 2022-07-29 | 2022-11-15 | 杭州海康威视数字技术股份有限公司 | 图神经网络的训练方法、推荐方法及电子设备 |
CN115795177A (zh) * | 2022-11-25 | 2023-03-14 | 人民网股份有限公司 | 社交媒体内容推荐方法及装置 |
CN115827995A (zh) * | 2022-12-13 | 2023-03-21 | 深圳市爱聊科技有限公司 | 基于大数据分析的社交匹配方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9817903B2 (en) * | 2014-11-25 | 2017-11-14 | Ebay Inc. | Methods and systems for social network based content recommendations |
SG11202104254UA (en) * | 2018-10-24 | 2021-05-28 | Marketspringpad Ip Usa Llc | Methods and systems for interactive data management |
-
2023
- 2023-06-30 CN CN202310802025.2A patent/CN116861101B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108427715A (zh) * | 2018-01-30 | 2018-08-21 | 重庆邮电大学 | 一种融合信任度的社交网络好友推荐方法 |
CN110110220A (zh) * | 2018-06-21 | 2019-08-09 | 北京交通大学 | 融合社交网络和用户评价的推荐模型 |
CN110413901A (zh) * | 2019-08-02 | 2019-11-05 | 深圳索信达数据技术有限公司 | 一种基于社交网络分析的信用风险评估方法 |
CN112685656A (zh) * | 2020-12-22 | 2021-04-20 | 航天信息股份有限公司 | 标签推荐方法及电子设备 |
CN113901317A (zh) * | 2021-10-11 | 2022-01-07 | 杨孟帆 | 基于大数据和网络社区的产品推荐方法 |
CN115080868A (zh) * | 2022-06-28 | 2022-09-20 | 中国工商银行股份有限公司 | 产品推送方法、装置、计算机设备、存储介质和程序产品 |
CN115345294A (zh) * | 2022-07-29 | 2022-11-15 | 杭州海康威视数字技术股份有限公司 | 图神经网络的训练方法、推荐方法及电子设备 |
CN115795177A (zh) * | 2022-11-25 | 2023-03-14 | 人民网股份有限公司 | 社交媒体内容推荐方法及装置 |
CN115827995A (zh) * | 2022-12-13 | 2023-03-21 | 深圳市爱聊科技有限公司 | 基于大数据分析的社交匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116861101A (zh) | 2023-10-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110442712B (zh) | 风险的确定方法、装置、服务器和文本审理*** | |
CN109345417B (zh) | 基于身份认证的业务人员的在线考核方法及终端设备 | |
CN110795584B (zh) | 一种用户标识生成方法、装置及终端设备 | |
CN110532461B (zh) | 信息平台推送方法、装置、计算机设备及存储介质 | |
CN108512883B (zh) | 一种信息推送方法、装置及可读介质 | |
CN111144941A (zh) | 商户评分的生成方法、装置、设备及可读存储介质 | |
CN110830445A (zh) | 一种异常访问对象的识别方法及设备 | |
CN105405051B (zh) | 金融事件预测方法和装置 | |
CN111275338A (zh) | 一种企业欺诈行为的判定方法、装置、设备及存储介质 | |
CN112749973A (zh) | 一种权限管理方法、装置和计算机可读存储介质 | |
CN107451249B (zh) | 事件发展趋势的预测方法及装置 | |
CN112819476A (zh) | 风险识别方法、装置、非易失性存储介质和处理器 | |
CN112529432B (zh) | 一种电压暂降严重程度评估方法、装置及电子设备 | |
CN110276013A (zh) | 一种维修技师的推荐方法、装置及存储介质 | |
CN113010785A (zh) | 用户推荐方法及设备 | |
CN113849362B (zh) | 一种业务服务平台管理方法、装置和计算机可读存储介质 | |
CN116861101B (zh) | 用于社交匹配的数据处理方法和装置 | |
CN111311276B (zh) | 一种异常用户团体的识别方法、识别装置及可读存储介质 | |
CN114817518B (zh) | 基于大数据档案识别的证照办理方法、***及介质 | |
CN113610627B (zh) | 用于风险预警的数据处理方法和装置 | |
CN110675136A (zh) | 信息处理方法、装置及设备 | |
CN115393100A (zh) | 资源推荐方法及装置 | |
CN114169451A (zh) | 行为数据分类处理方法、装置、设备及存储介质 | |
CN109670976B (zh) | 特征因子确定方法及设备 | |
CN116796079B (zh) | 用于社交评价的数据处理方法和装置 |
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 |