CN101079714A - 一种sns社区中推荐朋友的方法及系统 - Google Patents

Abstract

本发明公开了一种SNS社区中推荐朋友的方法，所述SNS社区至少包括第一用户和第二用户，包括以下步骤：(a)分别统计第一用户和第二用户在SNS社区中的行为；(b)根据所述行为统计数据，对第一用户和第二用户进行行为习惯匹配；(c)若第一用户和第二用户的行为习惯相匹配，则将第二用户作为朋友推荐给第一用户。本发明还提供一种对应的系统。本发明根据用户在SNS社区的行为推荐朋友，从而避免了SNS社区中朋友的错误推荐。

Description

一种SNS社区中推荐朋友的方法及系统

技术领域

本发明涉及计算机网络技术领域，更具体地说，涉及一种SNS社区中推荐朋友的方法及系统。

背景技术

社会性网络(Socaial Networks Service，SNS)是Web 2.0体系下的一个技术应用架构。SNS通过直接的社会朋友关系的建立，朋友之间进行人力资源分享，在建立社会关系的过程中完成或解决具体的应用问题。通过使用SNS可以实现个人数据处理、个人社会关系管理、可信的商业信息共享，可以安全地对信任的人群分享自己的信息和知识，利用信任关系拓展自己的社会性网络，达成更加有价值的沟通和协作。

SNS基于六度分隔理论运作，即“在人脉网络中，要结识任何一位陌生的朋友，中间最多只要通过六个朋友就可以达到目的”。按照六度分隔理论，每个个体的社交圈都不断放大，最后成为一个大型网络。

SNS社区即基于SNS理论而搭建的网络社区系统。用户在SNS社区中，通常要结识很多陌生的用户作为朋友；而作为用户交流的平台，SNS社区通过多种方式向用户推荐朋友。上述的朋友推荐，也就是将合适的其他用户信息呈现给用户。

现有SNS社区的好友推荐基于用户填写的个人资料，根据个人资料中的相关描述进行匹配，并将匹配的用户进行推荐。然而现有的推荐方法，不仅用户需要填写大量的资料，而且资料匹配过于简单，因为用户填写的资料往往不能反应真实的状况，很容易造成推荐错误。

此外还有系统随机推荐，这种方式更容易造成推荐错误，从而对用户造成骚扰。

发明内容

本发明要解决的技术问题在于，针对上述的现有SNS社区以资料匹配方式推荐朋友而造成操作繁琐且容易出现错误推荐的问题，提供一种基于用户行为的SNS社区中推荐朋友的方法及系统。

本发明解决上述技术问题的技术方案是，提供一种SNS社区中推荐朋友的方法，所述SNS社区至少包括第一用户和第二用户，其特征在于，包括以下步骤：

(a)分别统计第一用户和第二用户在SNS社区中的行为；

(b)根据所述行为统计数据，对第一用户和第二用户进行行为习惯匹配；

(c)若第一用户和第二用户的行为习惯相匹配，则将第二用户作为朋友推荐给第一用户。

在本发明所述的一种SNS社区中推荐朋友的方法中，所述步骤(b)进一步包括：

(b1)将每一所述行为数据转换为数据值；

(b2)将所述第一用户和第二用户的行为数据值做加权运算，获得第一用户和第二用户进行行为习惯匹配度综合数据值，若所述匹配度综合数据值大于或等于预定值，则所述第一用户和第二用户的行为习惯相匹配；若所述匹配度综合数据值小于预定值，则所述第一用户和第二用户的行为习惯不匹配。

在本发明所述的一种SNS社区中推荐朋友的方法中，所述步骤(a)中的行为包括第一用户和第二用户在SNS社区的登录时间、登录频率、注销时间、页面停留时间、页面地址。

在本发明所述的一种SNS社区中推荐朋友的方法中，所述行为加权运算公式为：匹配度综合数据值＝第一用户和第二用户在同一页面停留时间的最小值+共同在线时间+登录频率参考值。

在本发明所述的一种SNS社区中推荐朋友的方法中，所述步骤(a)在第一用户请求获得朋友推荐时执行，或在第一用户登录SNS社区时执行。

本发明还提供一种SNS社区中推荐朋友的系统，至少包括第一用户和第二用户，还包括：

行为统计模块，用于分别统计第一用户和第二用户在SNS社区中的行为；

匹配模块，用于根据所述行为统计数据，对第一用户和第二用户进行行为习惯匹配；

推荐模块，用于在第一用户和第二用户的行为习惯相匹配时将第二用户作为朋友推荐给第一用户。

在本发明所述的一种SNS社区中推荐朋友的系统中，所述行为统计模块统计的行为包括第一用户和第二用户在SNS社区的登录时间、登录频率、注销时间、页面停留时间、页面地址。

在本发明所述的一种SNS社区中推荐朋友的系统中，所述匹配模块进一步包括：

转换子模块，用于将每一所述行为数据转换为数据值；

分析子模块，用于将所述数据值做加权运算，获得第一用户和第二用户进行行为习惯匹配度综合数据值，若所述匹配度综合数据值大于或等于预定值，则所述第一用户和第二用户的行为习惯相匹配；若所述匹配度综合数据值小于预定值，则所述第一用户和第二用户的行为习惯不匹配。

在本发明所述的一种SNS社区中推荐朋友的系统中，所述分析子模块使用以下公式进行加权运算：所述行为加权运算公式为：匹配度综合数据值＝第一用户和第二用户在同一页面停留时间的最小值+共同在线时间+登录频率参考值。

本发明一种SNS社区中推荐朋友的方法及系统，根据用户在SNS社区的行为推荐朋友，从而避免了SNS社区中朋友的错误推荐。

附图说明

下面将结合附图及实施例对本发明作进一步说明，附图中：

图1是本发明一种SNS社区中推荐朋友的系统实施例的结构示意图；

图2是图1中匹配模块的结构示意图；

图3是本发明一种SNS社区中推荐朋友的方法实施例的流程图。

具体实施方式

如图1所示，在本发明一种SNS社区中推荐朋友的系统的一个实施例中，至少包括第一用户11和第二用户12。此外，该系统还包括行为统计模块13、匹配模块14以及推荐模块15。

行为统计模块13用于分别统计第一用户和第二用户在SNS社区中的行为。上述行为包括第一用户11和第二用户12在SNS社区的登录时间、登录频率、注销时间、页面停留时间、页面地址等。例如，表1是第一用户11在SNS社区十天内的行为统计结果：

                   表1第一用户行为统计表

在表1中，登录时间仅列出了第一用户11在预定时间段内登陆次数，而省略了第一用户11登录的具体时间；行为统计模块13统计的注销时间为第一用户11在预定时间段内注销的次数。页面停留时间为第一用户11在该十天内每天在某一页面停留分钟数。

匹配模块14用于根据所述行为统计数据，对第一用户11和第二用户12进行行为习惯匹配。

推荐模块15用于在第一用户11和第二用户12的行为习惯相匹配时将第二用户12作为朋友推荐给第一用户11。推荐模块15的推荐方式与现有方式相同，例如发送第二用户12的在SNS社区中的用户标识发送给第一用户11。当然，该推荐模块15也可以执行双向推荐，即在将第二用户12推荐给第一用户11的同时，将第一用户11推荐给第二用户12。

在本实施例中，匹配模块14将行为习惯匹配量化，即转化为匹配度综合数据值。当第一用户11和第二用户12的匹配度综合数据值大于或等于预设值(例如35)时，第一用户11和第二用户12相匹配；当第一用户11和第二用户12的匹配度综合数据值小于预设值时，第一用户11和第二用户12不匹配。如图2所示，匹配模块14进一步包括转换子模块141和分析子模块142。

转换子模块141用于将行为统计模块13统计的每一行为数据转换为数据值。在本实施例中，转换子模块141将登录时间、登录频率、注销时间、页面停留时间、页面地址转换为登录时间、登录频率、注销时间、页面停留时间这几项。其中表2中的登录时间为用户登录次数最多时间段内，登录时间的平均值；注销时间为用户注销次数最多时间段内，注销时间的平均值；若用户在页面停留时间小于每天2分钟，则转换子模块141忽略页面停留时间。例如，表1所示第一用户11的行为统计结果可转化为表2的数据值：

统计项	统计值
		1.htm	0
2.htm	0
		3.htm	30
4.htm	0
		5.htm	20
登陆时间	21时
		登陆频率	1.7
注销时间	22时

表2第一用户行为数据表

分析子模块142用于将所述数据值做加权运算，获得第一用户和第二用户进行行为习惯匹配度综合数据值，若所述匹配度综合数据值大于或等于预定值，则所述第一用户和第二用户的行为习惯相匹配；若所述匹配度综合数据值小于预定值，则所述第一用户和第二用户的行为习惯不匹配。在本实施例中，分析子模块142使用以下公式进行加权运算：所述行为加权运算公式为：匹配度综合数据值＝第一用户11和第二用户12在同一页面停留时间的最小值+共同在线时间+登录频率参考值。其中登录频率参考值为设置的变量，在本实施例中，当第一用户11和第二用户11中任一用户登录频率小于1时，该登录频率参考值为0；否则该登录频率参考值为20。

例如在第一用户11的行为数据值为表2、第二用户12的行为数据值为表3时，第一用户11和第二用户12在同一页面停留时间的最小值为在3.htm的停留时间，取最小值20；共同在线时间为0；登录频率参考值为20。则分析子模块142计算第一用户11和第二用户12的行为习惯匹配度综合数据值20+0+20＝40。由于该值大于预设值35，此时第一用户11和第二用户12相匹配。

统计项	统计值
		1.htm	0
2.htm	0
		3.htm	20
4.htm	0
		5.htm	0
登陆时间	22时
		登陆频率	1.7
注销时间	23时

表3第二用户行为数据表

上述表1、表2、表3所示仅为本发明实施例的一个例子，用于说明本发明的系统。在实际应用中，统计的数据值可能更多，且参与匹配的用户也往往更多。

如图3所示，是本发明一种SNS社区中推荐朋友的方法实施例的流程图。其中SNS社区至少包括第一用户11和第二用户12，该流程包括以下步骤：

步骤S31：分别统计第一用户11和第二用户12在SNS社区中的行为。该统计的行为包括第一用户11和第二用户112在SNS社区的登录时间、登录频率、注销时间、页面停留时间、页面地址等。

步骤S32：根据所述行为统计数据，对第一用户11和第二用户12进行行为习惯匹配。

在该步骤中，进一步包括：

(b1)将每一行为数据转换为数据值；

(b2)将第一用户11和第二用户12的行为数据值做加权运算，获得第一用户和第二用户进行行为习惯匹配度综合数据值。若匹配度综合数据值大于或等于预定值，则所述第一用户和第二用户的行为习惯相匹配；若匹配度综合数据值小于预定值，则第一用户和第二用户的行为习惯不匹配。

在本实施例中，进行加权运算的公式为：匹配度综合数据值＝第一用户和第二用户在同一页面停留时间的最小值+共同在线时间+登录频率参考值。

步骤S33：若第一用户11和第二用户12的行为习惯相匹配，则将第二用户11作为朋友推荐给第一用户12。

本发明实施例中的上述流程可在第一用户11请求获得朋友推荐时执行，也可在第一用户11登录SNS社区时执行。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。

Claims (9)

1、一种SNS社区中推荐朋友的方法，所述SNS社区至少包括第一用户和第二用户，其特征在于，包括以下步骤：

(a)分别统计第一用户和第二用户在SNS社区中的行为；

(b)根据所述行为统计数据，对第一用户和第二用户进行行为习惯匹配；

(c)若第一用户和第二用户的行为习惯相匹配，则将第二用户作为朋友推荐给第一用户。

2、根据权利要求1所述的一种SNS社区中推荐朋友的方法，其特征在于，所述步骤(b)进一步包括：

(b1)将每一所述行为数据转换为数据值；

(b2)将所述第一用户和第二用户的行为数据值做加权运算，获得第一用户和第二用户进行行为习惯匹配度综合数据值，若所述匹配度综合数据值大于或等于预定值，则所述第一用户和第二用户的行为习惯相匹配；若所述匹配度综合数据值小于预定值，则所述第一用户和第二用户的行为习惯不匹配。

3、根据权利要求2所述的一种SNS社区中推荐朋友的方法，其特征在于，所述步骤(a)中的行为包括第一用户和第二用户在SNS社区的登录时间、登录频率、注销时间、页面停留时间、页面地址。

4、根据权利要求3所述的一种SNS社区中推荐朋友的方法，其特征在于，所述行为加权运算公式为：匹配度综合数据值＝第一用户和第二用户在同一页面停留时间的最小值+共同在线时间+登录频率参考值。

5、根据权利要求1所述的一种SNS社区中推荐朋友的方法，其特征在于，所述步骤(a)在第一用户请求获得朋友推荐时执行，或在第一用户登录SNS社区时执行。

6、一种SNS社区中推荐朋友的系统，至少包括第一用户和第二用户，其特征在于，还包括：

行为统计模块，用于分别统计第一用户和第二用户在SNS社区中的行为；

匹配模块，用于根据所述行为统计数据，对第一用户和第二用户进行行为习惯匹配；

推荐模块，用于在第一用户和第二用户的行为习惯相匹配时将第二用户作为朋友推荐给第一用户。

7、根据权利要求6所述的一种SNS社区中推荐朋友的系统，其特征在于，所述行为统计模块统计的行为包括第一用户和第二用户在SNS社区的登录时间、登录频率、注销时间、页面停留时间、页面地址。

8、根据权利要求6所述的一种SNS社区中推荐朋友的系统，其特征在于，所述匹配模块进一步包括：

转换子模块，用于将每一所述行为数据转换为数据值；

分析子模块，用于将所述数据值做加权运算，获得第一用户和第二用户进行行为习惯匹配度综合数据值，若所述匹配度综合数据值大于或等于预定值，则所述第一用户和第二用户的行为习惯相匹配；若所述匹配度综合数据值小于预定值，则所述第一用户和第二用户的行为习惯不匹配。

9、根据权利要求6所述的一种SNS社区中推荐朋友的系统，其特征在于，所述分析子模块使用以下公式进行加权运算：所述行为加权运算公式为：匹配度综合数据值＝第一用户和第二用户在同一页面停留时间的最小值+共同在线时间+登录频率参考值。

Images