[發明專利]基于機器學習和用戶畫像技術的社交用戶推薦方法及裝置

有效

• 申請號: 201810758562.0
• 申請日: 2018-07-11
• 公開（公告）號: CN108920682B
• 公開（公告）日: 2021-08-31
• 發明（設計）人: 陳建成
• 申請（專利權）人: 廈門盈趣科技股份有限公司
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q50/00
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 魏彥

本發明實施例提供一種基于機器學習和用戶畫像技術的社交用戶推薦方法及裝置，涉及互聯網及物聯網模式識別技術領域。其中，所述方法包括：獲取社交用戶的運動數據及個人屬性；對所述運動數據進行處理，并將處理后的數據輸入神經網絡模型進行運算，得到所述社交用戶的運動情境類型；將所述社交用戶的運動情境類型及個人屬性輸入用戶畫像模型，得到所述社交用戶的用戶畫像；基于所述社交用戶的用戶畫像以及配置于所述用戶畫像模型的初始社交推薦方案將所述社交用戶推薦給滿足設定條件的其他用戶。通過該方法可避免社交用戶在與被推薦用戶溝通后無法及時得到回應的問題，提高了社交用戶推薦的合理性。

技術領域

本發明涉及互聯網及物聯網模式識別技術領域，具體而言，涉及一種基于機器學習和用戶畫像技術的社交用戶推薦方法及裝置。

背景技術

互聯網時代的到來，催生了一系列社交應用的崛起，目前，已經有不少社交應用開發出了基于用戶畫像技術的好友推薦功能。

但是，現有技術中，在向用戶推薦陌生好友時并沒有考慮到該被推薦的用戶當前是否處于空閑狀態，當用戶向該被推薦的用戶發送信息后無法及時得到回應時，不僅會影響用戶之間的交友效果，還可能影響用戶的使用體驗。

發明內容

為了克服現有技術中的上述不足，本發明的目的在于提供一種基于機器學習和用戶畫像技術的社交用戶推薦方法及裝置，以避免社交用戶在與被推薦用戶溝通后無法及時得到回應的問題，提高了社交用戶推薦的合理性。

為了實現上述目的，本發明較佳實施例采用的技術方案如下：

第一方面，本發明實施例提供一種基于機器學習和用戶畫像技術的社交用戶推薦方法，應用于服務器，所述服務器配置有用戶畫像模型及神經網絡模型，所述方法包括：

獲取社交用戶的運動數據及個人屬性，其中，所述個人屬性包括社交用戶設定的人口特征信息和偏好信息；

對所述運動數據進行處理，并將處理后的數據輸入所述神經網絡模型進行運算，得到所述社交用戶的運動情境類型；

將所述社交用戶的運動情境類型及個人屬性輸入所述用戶畫像模型，得到所述社交用戶的用戶畫像；

基于所述社交用戶的用戶畫像以及配置于所述用戶畫像模型的初始社交推薦方案將所述社交用戶推薦給滿足設定條件的其他用戶。

可選地，在本發明實施例中，所述方法還包括：

獲取其他用戶對所述社交用戶的評價信息；

根據其他用戶對所述社交用戶的評價信息對所述用戶畫像模型進行優化。

可選地，在本發明實施例中，所述用戶畫像模型配置有初始社交推薦方案，所述方法還包括：

根據其他用戶對所述社交用戶的評價信息對所述初始社交推薦方案進行優化。

進一步地，在本發明實施例中，所述運動數據中包括腳底的壓力數據，并且所述運動數據以矩陣形式保存，所述對所述運動數據進行處理，并將處理后的數據輸入所述神經網絡模型進行運算，得到所述社交用戶的運動情境類型的步驟，包括：

對所述壓力數據進行小波變換操作；

根據矩陣的非監督算法對經過小波變換操作后的壓力數據進行去噪，并將信噪比高于預設信噪比的壓力數據作為所述社交用戶的步態數據；

根據所述社交用戶的步態數據確定所述社交用戶的運動情境類型。

進一步地，在本發明實施例中，所述根據所述社交用戶的步態數據確定所述社交用戶的運動情境類型的步驟，包括：

獲取所述步態數據的時域特征和頻域特征；

采用模糊C均值法從所述步態數據的時域特征中得到基于所述步態數據的步態頻域特征子集；