[發明專利]在社交網絡中確定用戶選擇好友的偏好的方法和設備

在審

• 申請號: 201110379652.7
• 申請日: 2011-11-10
• 公開（公告）號: CN103106225A
• 公開（公告）日: 2013-05-15
• 發明（設計）人: 張葉銀
• 申請（專利權）人: 北京千橡網景科技發展有限公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 吳立明

技術領域

本發明的實施方式總體上涉及網絡信息技術領域，更具體地，涉及在社交網絡中確定用戶選擇好友的偏好的方法和設備。

背景技術

社交網絡服務(SNS)網站已經發展為一種重要的網絡服務平臺。通過SNS網站，用戶可以與其他人進行多種形式的交流和互動，完成各種各樣的操作。具體而言，SNS網站向對特定對象感興趣或只是一起“閑逛”的人們提供虛擬社區的web站點。在注冊和登錄之后，社交網絡的成員可以通過語音、聊天、即時消息、視頻會議和博客等進行通信。社交網絡通常向成員提供了聯系其他成員的方法。社交網絡還可以用作親自會面的媒介。

當一個人向SNS網站進行了注冊并且可能還通過了相關認認證之后，他/她稱為該SNS網站的“用戶”或“成員”。此外，SNS網站的成員可以與一個或多個其他用戶通過SNS網站而形成彼此之間的連接、關聯或者關系。這些用戶被稱為彼此的“好友”。注意，SNS網站中的連接通常是雙向的(但這不是必須的)，因此術語“好友”可能依賴于參照系。用戶之間的連接可以是直接連接；然而，SNS網站的某些實施方式允許經由一級或者多級連接的間接連接。另外，術語“好友”并非必須要求用戶在現實生活中實際上是朋友，它僅僅表示SNS網站中的關系。

在SNS網站中，用戶往往會基于其他用戶的屬性來選擇和添加好友。這里所說的“屬性”是指存在于SNS網站中的、可用來表示用戶或成員在各個方面的特性的任何信息。例如，與一個用戶相關聯的屬性通常可以包含在SNS網站為該用戶創建的“簡檔(profile)”中。作為示例，與SNS網站的用戶相關聯的屬性例如可以包括：年齡、性別、籍貫、畢業學校、興趣愛好，等等。

在實踐中，在SNS網站的用戶選擇和添加好友時，往往會將其他用戶相關聯的屬性納入考慮。例如，某些用戶傾向于選擇畢業于特定學校的其他用戶作為好友。又如，某些用戶可能希望選擇居住地與自己比較靠近的社區作為好友。此時，認為該用戶對相應的屬性“具有偏好”，即，用戶總是傾向于添加那些在該屬性上具有特定值的其他用戶作為好友。例如，考慮“畢業學校”這一屬性，如果一個用戶的多數好友具有屬性值是“大學A”，則說明該用戶在選擇好友時對“畢業學校”具有一定偏好。反之，如果用戶的好友的“畢業學校”屬性值比較分散，沒有集中性的規律，則可以認為該用戶對“畢業學校”不具偏好。

確定用戶在選擇好友時對哪個或哪些屬性具有偏好是有益的，例如可以用于好友推薦等操作。對于給定屬性，可用于確定用戶對該屬性是否具有偏好的一種直接方法是：根據用戶的好友在該屬性上的屬性值的數目或比例來確定用戶偏好。然而，這種簡單的方法在準確性方面存在著缺陷。考慮這樣的示例性情況：用戶在SNS網站中一共具有10個好友。對于屬性“畢業學校”，具有屬性值“學校A”和“學校B”的好友數目各自為5個。同時，對于屬性“興趣愛好”，具有屬性值“登山”的好友有4個，其他6個用戶的“興趣愛好”屬性的值各不相同。這時，僅憑屬性值的數目或比例斷言用戶對于“畢業學校”這一屬性具有偏好而對于“興趣愛好”不具有偏好可能是不準確的。

因此，本領域中需要一種更為準確和有效地確定用戶對特定好友類別是否具有偏好的解決方案。

發明內容

鑒于以上問題，本發明提出一種新穎的用于在SNS網站中確定用戶在選擇好友時的偏好的解決方案。

在一方面，本發明提供一種在社交網絡服務SNS網站中確定用戶選擇好友的偏好的方法，所述用戶在所述SNS網站中具有多個好友。所述方法包括：獲取所述多個好友的屬性的分布；以及根據所述分布來確定所述用戶在選擇好友時對所述屬性是否具有偏好。

在一方面，本發明提供一種在社交網絡服務SNS網站中確定用戶選擇好友的偏好的設備，所述用戶在所述SNS網站中具有多個好友。所述設備包括：獲取裝置，配置用于獲取所述多個好友的屬性的分布；以及確定裝置，配置用于根據所述分布來確定所述用戶在選擇好友時對所述屬性是否具有偏好。

根據本發明的實施方式，用戶對某個屬性是否具有偏好是根據用戶已經添加的好友在該屬性上的“分布”來確定的。更具體地，如下文所述，如果好友在一個屬性上的分布不具備顯著的傾向性規律(或者說比較“散亂”)，則可以認為用戶對該屬性的偏好程度較低。反之，如果好友在某個屬性上的分布較有比較明顯的傾向性規律，則可以認為用戶對該屬性的偏好程度較高。在某些實施方式中，好友的屬性分布可以通過信息熵來獲得。以此方式，可以更為有效和準確地確定用戶在選擇好友時對于一個或多個屬性是否具有偏好，從而為諸如好友推薦等后續操作提供基礎。

附圖說明