[發明專利]一種好友推薦方法、裝置及服務器

有效

• 申請號: 201310689161.1
• 申請日: 2013-12-13
• 公開（公告）號: CN104717124B
• 公開（公告）日: 2019-07-16
• 發明（設計）人: 張文龍;焦峰;王彬;曾雷;陳曉暉
• 申請（專利權）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: 廣州三環專利商標代理有限公司 44202
• 代理人: 郝傳鑫;熊永強

本發明實施例公開了一種好友推薦方法、裝置及服務器，其中，所述方法包括：獲取目標用戶的用戶關聯集中各個關聯用戶的原始數據，所述原始數據包括每一個關聯用戶與目標用戶之間的位置關系數據、關聯好友數據、時間關系數據中的任一種或多種；從每一個關聯用戶的原始數據中篩選出特征數據，構成針對每一個關聯用戶的特征組合；根據預置的多決策樹預測模型對所述特征組合進行預測計算，得到針對每一個關聯用戶的關聯預測值；根據得到的每一個關聯用戶的關聯預測值從所述用戶關聯集中確定出所述目標用戶的好友用戶，并將確定的好友用戶推薦給所述目標用戶。采用本發明，可較為有效地提高了終端用戶與推薦用戶進行互動的幾率。

技術領域

本發明涉及計算機應用技術領域，尤其涉及一種好友推薦方法、裝置及服務器。

背景技術

隨著互聯網技術的快速發展，社交網絡(SNS，Social Network Service)得到了極速的發展，而SNS中最重要的是關系鏈。

在SNS中，用戶間的關系，用戶產生的互聯網術語(UGC，User GeneratedContent)，用戶轉發、評論、用戶感興趣的內容、用戶之間的互動，等等，都是基于關系鏈作為基礎來傳播散發的，那如何拓展和維系關系鏈，顯得至關重要。

現有的SNS社區，大部分針對擴展關系鏈，推薦好友，主要是通過兩個人的共同關系來找到一些交集，即例如公共城市，共同學校，同一個公司，共同好友等因素來判斷是否擴展關系鏈，是否需要推薦好友，但是如何評估這些因素的權重，現有技術中往往是通過經驗由人工來確定并配置各個維度因素的權重，因此該權重的配置是固定的，不利于向用戶準確地擴展關系鏈，使得關系鏈的推薦不夠準確。

發明內容

本發明實施例所要解決的技術問題在于，提供一種好友推薦方法、裝置及系統，可基于原始數據和多決策樹預測模型來自動進行較為準確的預測進行關系鏈推薦。

為了解決上述技術問題，本發明實施例提供了一種好友推薦方法，其特征在于，包括：

獲取目標用戶的用戶關聯集中各個關聯用戶的原始數據，所述原始數據包括每一個關聯用戶與目標用戶之間的位置關系數據、關聯好友數據、時間關系數據中的任一種或多種；

從每一個關聯用戶的原始數據中篩選出特征數據，構成針對每一個關聯用戶的特征組合；

根據預置的多決策樹預測模型對所述特征組合進行預測計算，得到針對每一個關聯用戶的關聯預測值；

根據得到的每一個關聯用戶的關聯預測值從所述用戶關聯集中確定出所述目標用戶的好友用戶，并將確定的好友用戶推薦給所述目標用戶

相應地，本發明還提供了一種好友推薦裝置，包括：

獲取模塊，用于獲取目標用戶的用戶關聯集中各個關聯用戶的原始數據，所述原始數據包括每一個關聯用戶與目標用戶之間的位置關系數據、關聯好友數據、時間關系數據中的任一種或多種；

組合模塊，從每一個關聯用戶的原始數據中篩選出特征數據，構成針對每一個關聯用戶的特征組合；

處理模塊，用于根據預置的多決策樹預測模型對所述特征組合進行預測計算，得到針對每一個關聯用戶的關聯預測值；

推薦模塊，用于根據得到的每一個關聯用戶的關聯預測值從所述用戶關聯集中確定出所述目標用戶的好友用戶，并將確定的好友用戶推薦給所述目標用戶。

相應地，本發明還提供了一種服務器，包括上述好友推薦裝置。

本發明實施例通過提取用戶表示關系因素的特征數據，并根據多決策樹預測模型，能夠自動地確定目標用戶與推薦用戶之間的關聯程度，提高了終端用戶與推薦用戶進行互動的幾率，更利于用戶擴展關系鏈，也滿足了好友推薦的自動化智能化需求。

附圖說明