[發(fā)明專利]好友推薦方法和裝置

有效

• 申請?zhí)枺?/td>: 201710956823.5
• 申請日: 2017-10-16
• 公開（公告）號: CN110147486B
• 公開（公告）日: 2021-10-29
• 發(fā)明（設(shè)計）人: 趙鈞;黃磊;邱晨旭
• 申請（專利權(quán)）人: 中國電信股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06F16/9536;G06K9/00;G06K9/46;G06K9/62;G06Q50/00
• 代理公司: 中國貿(mào)促會專利商標事務(wù)所有限公司 11038
• 代理人: 王云飛

本發(fā)明公開一種好友推薦方法和裝置。該方法包括：針對識別社交網(wǎng)絡(luò)群體中所有用戶的頭像圖片，構(gòu)建頭像圖片特征模型；獲取目標用戶頭像的頭像特征；將目標用戶頭像的頭像特征在頭像圖片特征模型進行匹配，生成好友推薦名單。本發(fā)明基于用戶頭像特征進行好友推薦，與其它基于位置、關(guān)系、行為等好友推薦方式完全不同，構(gòu)建多層分類的內(nèi)容特征模型，對于任一目標用戶，基于該用戶的頭像特征，在模型中進行層級匹配，從而大大提升了陌生人好友推薦的推薦成功率。

技術(shù)領(lǐng)域

本發(fā)明涉及大數(shù)據(jù)和社交網(wǎng)絡(luò)領(lǐng)域，特別涉及一種好友推薦方法和裝置。

背景技術(shù)

隨著即時通訊、微博、社交網(wǎng)絡(luò)的發(fā)展，如何更好地從億萬社交用戶中發(fā)現(xiàn)“相似”用戶并推薦其成功地互加好友一直是社交服務(wù)提供商努力的方向。

目前社交好友推薦普遍采用通訊錄名單導(dǎo)入、好友間各自關(guān)聯(lián)用戶推薦、有相似的行為或愛好用戶推薦等方式，但對于陌生人好友推薦的成功率一般都不高，如何提升陌生人好友推薦成功率，不單是用戶間關(guān)聯(lián)關(guān)系發(fā)現(xiàn)的問題，還是一個如何拉近陌生人間心理距離的問題。

發(fā)明內(nèi)容

鑒于以上技術(shù)問題，本發(fā)明提供了一種好友推薦方法和裝置，基于用戶頭像特征進行分析挖掘的方法，大大提升了陌生人好友推薦的成功率。

根據(jù)本發(fā)明的一個方面，提供一種好友推薦方法，包括：

針對識別社交網(wǎng)絡(luò)群體中所有用戶的頭像圖片，構(gòu)建頭像圖片特征模型；

獲取目標用戶頭像的頭像特征；

將目標用戶頭像的頭像特征在頭像圖片特征模型進行匹配，生成好友推薦名單。

在本發(fā)明的一個實施例中，所述頭像圖片特征模型包括頭像內(nèi)容特征模型和頭像顏色特征模型中的至少一項；

所述目標用戶頭像的頭像特征相應(yīng)地包括頭像內(nèi)容特征和頭像顏色特征中的至少一項。

在本發(fā)明的一個實施例中，所述構(gòu)建頭像圖片特征模型包括：

獲取頭像內(nèi)容信息；

基于頭像內(nèi)容信息構(gòu)建多層級分類體系和相似度值。

在本發(fā)明的一個實施例中，所述基于頭像內(nèi)容信息構(gòu)建多層級分類體系和相似度值包括：

根據(jù)頭像內(nèi)容信息確定至少一個頭像詞；

針對每個頭像詞，確定一個多層次分類序列；

為多層次分類序列的每個層級確定對應(yīng)的相似度值。

在本發(fā)明的一個實施例中，所述獲取頭像內(nèi)容信息的步驟包括：

通過圖片搜索引擎獲取頭像內(nèi)容信息；

采用深度學(xué)習(xí)技術(shù)識別未搜索到的目標用戶頭像的頭像內(nèi)容信息。

在本發(fā)明的一個實施例中，所述構(gòu)建頭像圖片特征模型包括：

采集頭像顏色；

基于頭像顏色構(gòu)建多層分類的頭像顏色特征模型。

在本發(fā)明的一個實施例中，所述基于頭像顏色構(gòu)建多層分類的頭像顏色特征模型包括：

利用顏色直方圖將頭像顏色離散化映射到一個顏色數(shù)值向量；

將顏色數(shù)值向量向上層匯聚；

確定每層顏色數(shù)值向量對應(yīng)的相似度值。

在本發(fā)明的一個實施例中，所述將目標用戶頭像的頭像特征在頭像圖片特征模型進行匹配，生成好友推薦名單包括：

將目標用戶頭像的頭像特征在頭像圖片特征模型進行匹配，確定模型頭像圖片與目標用戶頭像的頭像相似度；