[發(fā)明專利]一種好友推薦方法、裝置及服務(wù)器

有效

• 申請?zhí)枺?/td>: 201310689161.1
• 申請日: 2013-12-13
• 公開（公告）號: CN104717124B
• 公開（公告）日: 2019-07-16
• 發(fā)明（設(shè)計(jì)）人: 張文龍;焦峰;王彬;曾雷;陳曉暉
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: H04L12/58
• 分類號: H04L12/58;G06F16/9535
• 代理公司: 廣州三環(huán)專利商標(biāo)代理有限公司 44202
• 代理人: 郝傳鑫;熊永強(qiáng)

1.一種好友推薦方法，其特征在于，包括：

獲取目標(biāo)用戶的用戶關(guān)聯(lián)集中各個關(guān)聯(lián)用戶的原始數(shù)據(jù)，所述原始數(shù)據(jù)包括每一個關(guān)聯(lián)用戶與目標(biāo)用戶之間的位置關(guān)系數(shù)據(jù)、關(guān)聯(lián)好友數(shù)據(jù)、時間關(guān)系數(shù)據(jù)中的任一種或多種；

從每一個關(guān)聯(lián)用戶的原始數(shù)據(jù)中篩選出特征數(shù)據(jù)，構(gòu)成針對每一個關(guān)聯(lián)用戶的特征組合；

根據(jù)預(yù)置的多決策樹預(yù)測模型對所述特征組合進(jìn)行預(yù)測計(jì)算，得到針對每一個關(guān)聯(lián)用戶的關(guān)聯(lián)預(yù)測值；

根據(jù)得到的每一個關(guān)聯(lián)用戶的關(guān)聯(lián)預(yù)測值從所述用戶關(guān)聯(lián)集中確定出所述目標(biāo)用戶的好友用戶，并將確定的好友用戶推薦給所述目標(biāo)用戶；

其中，預(yù)置多決策樹預(yù)測模型包括：確定出多個預(yù)測用戶的特征組合；采用設(shè)置了初始權(quán)重值的多決策樹預(yù)測模型對每一個預(yù)測用戶的特征組合分別進(jìn)行預(yù)測計(jì)算，確定每一個預(yù)測用戶的特征組合對應(yīng)的關(guān)聯(lián)預(yù)測值；根據(jù)關(guān)聯(lián)預(yù)測值的大小對每一個預(yù)測用戶進(jìn)行排序，得到排序列表；在所述排序列表與預(yù)設(shè)排序表中預(yù)測用戶的排序的相同率未達(dá)到閾值時，對所述設(shè)置了初始權(quán)重值的多決策樹預(yù)測模型中的初始權(quán)重值進(jìn)行調(diào)整，以便于得到預(yù)置的多決策樹預(yù)測模型。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述多決策樹預(yù)測模型包括基于梯度提升決策樹GBDT的預(yù)測模型。

3.如權(quán)利要求1或2所述的方法，其特征在于，預(yù)置多決策樹預(yù)測模型，還包括：

若得到的排序列表與預(yù)設(shè)排序表中預(yù)測用戶的排序的相同率達(dá)到閾值，輸出所述設(shè)置了初始權(quán)重值的多決策樹預(yù)測模型作為預(yù)置的多決策樹預(yù)測模型；

否則，調(diào)整權(quán)重值，再次采用調(diào)整權(quán)重值后的多決策樹預(yù)測模型對每一個預(yù)測用戶的特征組合分別進(jìn)行預(yù)測計(jì)算，確定每一個預(yù)測用戶的特征組合對應(yīng)的關(guān)聯(lián)預(yù)測值，重復(fù)本步驟直至對應(yīng)得到的排序列表與預(yù)設(shè)排序表中的預(yù)測用戶的排列順序的相同率達(dá)到閾值，并輸出設(shè)置了最終調(diào)整后權(quán)重值的多決策樹預(yù)測模型作為預(yù)置的多決策樹預(yù)測模型。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述根據(jù)得到的每一個關(guān)聯(lián)用戶的關(guān)聯(lián)預(yù)測值從所述用戶關(guān)聯(lián)集中確定出所述目標(biāo)用戶的好友用戶，并將確定的好友用戶推薦給所述目標(biāo)用戶，包括：

將關(guān)聯(lián)預(yù)測值大于預(yù)設(shè)的預(yù)測閾值的關(guān)聯(lián)用戶確定為所述目標(biāo)用戶的好友用戶；

根據(jù)每一個被確定為好友用戶的預(yù)測值的大小，對確定的好友用戶進(jìn)行排序，并按照排序的結(jié)果向目標(biāo)用戶顯示確定的好友用戶。

5.如權(quán)利要求4所述的方法，其特征在于，所述獲取目標(biāo)用戶的用戶關(guān)聯(lián)集中各個關(guān)聯(lián)用戶的原始數(shù)據(jù)之前，還包括：

提取所述目標(biāo)用戶的標(biāo)記信息，根據(jù)所述標(biāo)記信息來確定關(guān)聯(lián)用戶，所述標(biāo)記信息包括所述目標(biāo)用戶的賬號信息和/或位置信息。

6.一種好友推薦裝置，其特征在于，包括：

獲取模塊，用于獲取目標(biāo)用戶的用戶關(guān)聯(lián)集中各個關(guān)聯(lián)用戶的原始數(shù)據(jù)，所述原始數(shù)據(jù)包括每一個關(guān)聯(lián)用戶與目標(biāo)用戶之間的位置關(guān)系數(shù)據(jù)、關(guān)聯(lián)好友數(shù)據(jù)、時間關(guān)系數(shù)據(jù)中的任一種或多種；

組合模塊，用于從每一個關(guān)聯(lián)用戶的原始數(shù)據(jù)中篩選出特征數(shù)據(jù)，構(gòu)成針對每一個關(guān)聯(lián)用戶的特征組合；

處理模塊，用于根據(jù)預(yù)置的多決策樹預(yù)測模型對所述特征組合進(jìn)行預(yù)測計(jì)算，得到針對每一個關(guān)聯(lián)用戶的關(guān)聯(lián)預(yù)測值；

推薦模塊，用于根據(jù)得到的每一個關(guān)聯(lián)用戶的關(guān)聯(lián)預(yù)測值從所述用戶關(guān)聯(lián)集中確定出所述目標(biāo)用戶的好友用戶，并將確定的好友用戶推薦給所述目標(biāo)用戶；

其中，預(yù)置多決策樹預(yù)測模型包括：確定出多個預(yù)測用戶的特征組合；采用設(shè)置了初始權(quán)重值的多決策樹預(yù)測模型對每一個預(yù)測用戶的特征組合分別進(jìn)行預(yù)測計(jì)算，確定每一個預(yù)測用戶的特征組合對應(yīng)的關(guān)聯(lián)預(yù)測值；根據(jù)關(guān)聯(lián)預(yù)測值的大小對每一個預(yù)測用戶進(jìn)行排序，得到排序列表；在所述排序列表與預(yù)設(shè)排序表中預(yù)測用戶的排序的相同率未達(dá)到閾值時，對所述設(shè)置了初始權(quán)重值的多決策樹預(yù)測模型中的初始權(quán)重值進(jìn)行調(diào)整，以便于得到預(yù)置的多決策樹預(yù)測模型。

7.如權(quán)利要求6所述的裝置，其特征在于，還包括：

預(yù)置模塊，用于預(yù)置多決策樹預(yù)測模型，所述所述多決策樹預(yù)測模型包括基于梯度提升決策樹GBDT的預(yù)測模型。