CN102035891A - 一种网络交友平台中推荐好友的方法和装置 - Google Patents

Abstract

本发明提供了一种网络交友平台中推荐好友的方法和装置，预先按照用户属性将在网络交友平台上注册的用户划分为不同的用户子集；接收请求用户发送的好友推荐请求后，按照预先为各用户子集设置的比例，分别从各用户子集中选择对应数量的与所述请求用户相匹配的用户作为推荐好友提供给所述请求用户。本发明能够保证具有不同用户属性的用户都能够作为推荐好友，从而提高配对成功率。

Description

一种网络交友平台中推荐好友的方法和装置

【技术领域】

本发明涉及互联网技术领域，特别涉及一种网络交友平台中推荐好友的方法和装置。

【背景技术】

随着互联网技术的迅速发展，人们的生活与互联网愈来愈紧密，通过网络交友也逐渐成为一种趋势。网络交友平台可以根据用户的静态信息，例如性别、年龄、居住地、爱好、交友宣言等，向用户推荐与用户匹配的好友供用户选择，并进一步进行相互交流，从而达到配对成功的目的。

然而，现有技术中单纯依靠与用户静态信息相匹配的方式向用户推荐好友，往往会存在一些缺陷，例如：向用户推荐的好友可能是很久没有登录的用户，用户长时间无法与该好友进行进一步交流；向用户推荐的好友可能都是长相不优的用户，用户可能并没有意愿与这些好友进行进一步交流；向用户推荐的好友可能都是注册时间较早的老用户，新用户被选择的机会就很小。这些缺陷都会导致配对成功率较低。

【发明内容】

本发明提供了一种网络交友平台中推荐好友的方法和装置，以便于提高交友的配对成功率。

具体技术方案如下：

一种网络交友平台中推荐好友的方法，预先按照用户属性将在网络交友平台上注册的用户划分为不同的用户子集；该方法包括：

A、接收请求用户发送的好友推荐请求；

B、按照预先为各用户子集设置的比例，分别从各用户子集中选择对应数量的与所述请求用户相匹配的用户作为推荐好友提供给所述请求用户。

其中，所述不同的用户子集包括以下用户子集中的任意组合：

活跃用户子集、优质用户子集、新用户子集、旧用户子集和普通用户子集。

具体地，所述活跃用户子集中包括活跃度超过预设活跃度阈值的用户；

其中所述活跃度由以下用户行为属性中的至少一个加权得到：最近设定时间段内登陆网络交友平台的次数、发表的博客数、上传的照片数、好友数或搭讪其他用户的次数。

更进一步地，在所述步骤A和步骤B之间还包括：

获取所述请求用户所在场景对应的场景配置信息，利用所述场景配置信息继续执行所述步骤B；

其中，所述场景配置信息包括：推荐好友使用的用户子集的组合、组合中各用户子集所占的推荐好友比例、需求的推荐好友的总数量；或者，推荐好友使用的用户子集的组合、组合中用户子集所占的推荐好友数量。

另外，所述场景配置信息还可以包括：推荐好友的排序准则或者推荐好友的显示方式。

步骤B中选择与所述请求用户相匹配的用户所使用的匹配策略由以下因素中的一种或任意组合决定：

性别、年龄、居住地、爱好、交友宣言、学历、星座、家乡、学校、专业等。

更优地，在将推荐好友提供给所述请求用户之前还包括：

将所述推荐好友进行整合处理；其中，所述整合处理包括以下处理方式中的一种或任意组合：

去重处理、过滤处理或排序处理。

其中，所述过滤处理包括：对设定时间段内被搭讪的次数超过预设的被搭讪次数阈值的用户进行过滤；或者，

对管理员设置的作弊用户进行过滤；或者，

对设定时间段内搭讪别人的次数超过预设的搭讪次数阈值的用户进行过滤。

较优地，如果经过所述去重处理和/或所述过滤处理后，推荐好友的数量小于需求的推荐好友的总数量，则从所述各用户子集中的至少一个用户子集中补充选择与所述请求用户相匹配的用户作为推荐好友，使推荐好友的总数量达到所述需求的推荐好友的总数量。

如果所述整合处理包括排序处理，则进一步将补充选择出的推荐好友以及对所述去重处理和/或所述过滤处理后的推荐好友一并进行所述排序处理。

一种网络交友平台中推荐好友的装置，该装置包括：子集划分单元、用户交互单元和好友推荐单元；

所述子集划分单元，用于按照用户属性将在网络交友平台上注册的用户划分为不同的用户子集；

所述用户交互单元，用于接收请求用户发送的好友推荐请求；将所述好友推荐单元发送来的推荐好友提供给所述请求用户；

所述好友推荐单元，用于在所述用户交互单元接收到所述好友推荐请求后，按照预先为各用户子集设置的比例，分别从各用户子集中选择对应数量的与所述请求用户相匹配的用户作为推荐好友发送给所述用户交互单元。

其中，所述不同的用户子集包括以下用户子集中的任意组合：

活跃用户子集、优质用户子集、新用户子集、旧用户子集和普通用户子集。

具体地，所述子集划分单元将活跃度超过预设活跃度阈值的用户加入所述活跃度子集；其中所述活跃度由以下用户行为属性中的至少一个加权得到：最近设定时间段内登陆网络交友平台的次数、发表的博客数、上传的照片数、好友数以及搭讪其他用户的次数；

该装置还包括：行为收集单元，用于收集在所述网络交友平台上注册的用户的所述用户行为属性。

更进一步地，该装置还包括：场景适配单元，用于获取所述请求用户所在场景对应的场景配置信息，将所述场景配置信息提供给所述好友推荐单元；

所述好友推荐单元根据所述场景配置信息执行选择推荐好友的操作；

其中，所述场景配置信息包括：推荐好友使用的用户子集的组合、组合中各用户子集所占的推荐好友比例、需求的推荐好友的总数量；或者，推荐好友使用的用户子集的组合、组合中用户子集所占的推荐好友数量。

另外，所述场景配置信息还包括：推荐好友的排序准则或者推荐好友的显示方式。

所述好友推荐单元在选择与所述请求用户相匹配的用户时，使用的匹配策略由以下因素中的一种或任意组合决定：

性别、年龄、居住地、爱好、交友宣言、学历、星座、家乡、学校和专业。

更优地，该装置还可以包括：整合处理单元，用于接收所述好友推荐单元发送给所述用户交互单元的推荐好友，对所述推荐好友进行整合处理后再发送给所述用户交互单元；

其中，所述整合处理包括以下处理方式中的一种或任意组合：

去重处理、过滤处理或排序处理。

其中，所述过滤处理包括：对设定时间段内被搭讪的次数超过预设的被搭讪次数阈值的用户进行过滤；或者，

对管理员设置的作弊用户进行过滤；或者，

对设定时间段内搭讪别人的次数超过预设的搭讪次数阈值的用户进行过滤。

较优地，该装置还可以进一步包括：补充选择单元，用于如果经过所述去重处理和/或所述过滤处理后，推荐好友的数量小于需求的推荐好友的总数量，则从所述各用户子集中的至少一个用户子集中补充选择与所述请求用户相匹配的用户作为推荐好友，使推荐好友的总数量达到所述需求的推荐好友的总数量。

如果所述整合处理包括排序处理，则所述补充选择单元还用于将补充选择出的推荐好友提供给所述整合处理单元，供所述整合处理单元对所述补充选择单元提供的推荐好友以及所述去重处理和/或所述过滤处理后的推荐好友一并进行所述排序处理。

由以上技术方案可以看出，本发明中预先按照用户属性将网络交友平台上的各用户划分为不同的用户子集，在向请求用户推荐好友时，按照预先为各用户子集设置的比例，分别从各用户子集中选择对应数量的匹配用户作为推荐好友提供给所述请求用户。也就是说，能够保证具有不同用户属性的用户都能作为推荐好友，例如可以通过本发明保证推荐好友中存在活跃用户、优质用户、新用户等，从而提高配对成功率。

【附图说明】

图1为本发明实施例提供的方法流程图；以及

图2为本发明实施例提供的装置结构图。

【具体实施方式】

为了使本发明的目的、技术方案和优点更加清楚，下面结合附图和具体实施例对本发明进行详细描述。

本发明提供的方法主要包括：预先按照用户属性将在网络交友平台上注册的用户划分不同用户子集；接收到请求用户发送的推荐用户请求后，按照预先为各用户子集设置的比例，分别从各用户子集中选择对应数量的与请求用户相匹配的用户作为推荐好友提供给请求用户。

其中，上述按照用户属性划分的不同用户子集可以包括但不限于以下中的任意组合：活跃用户子集、优质用户子集、新用户子集、旧用户子集、普通用户子集。

下面通过具体的实施例对上述方法进行详细描述。图1为本发明实施例提供的方法流程图，如图1所示，该方法可以包括以下步骤：

步骤101：预先按照用户属性将网络交友平台上注册的所有用户划分为：活跃用户子集、优质用户子集、新用户子集和普通用户子集。

收集所有用户的属性存储在数据库中，并实时对数据库中用户的属性进行更新。其中，用户的属性包括用户的静态属性和动态的用户行为属性。

活跃用户子集中包括活跃度超过设定活跃度阈值的用户。其中，用户的活跃度可以由以下几个用户行为属性中的至少一个加权得到：最近设定时间段内登陆网络交友平台的次数、发表的博客数、上传的照片数、好友数、搭讪其他用户的次数(本发明中涉及的搭讪是指向其他用户发起交友请求)等。

活跃用户的选取可以根据记录了用户行为属性的数据库来实现，即网络交友平台对各用户的动态行为信息进行收集并以用户行为属性的形式记录在数据库中，根据记录的各用户的用户行为属性计算用户的活跃度，将活跃度超过预设活跃度阈值的用户加入活跃用户子集中。也就是说，用户的行为会影响到自身被推荐的机率。

另外，对于用户的活跃度计算可以周期性进行，利用周期性的计算结果更新活跃用户子集。

优质用户子集中可以包括但不限于以下类型用户中的一种或任意组合：头像漂亮程度达到预设漂亮程度阈值的用户、头像另类程度达到预设另类程度阈值的用户、用户综合条件达到优质用户标准的用户等。

优质用户的选取可以由设定的程序自动选取，例如结合图像识别技术进行选取；也可以由网络交友平台的管理员人为选取。

新用户子集中可以包括：在网络交友平台的注册时间在最近的设定时间范围内的用户。例如，可以将在一周内注册的用户加入新用户子集。另外，对新用户子集可以进行周期性地更新，删除新用户子集中已不满足新用户条件(即注册时间在最近的设定范围内的用户)的用户并加入新的满足新用户条件的用户。

普通用户子集中可以包括除了上述活跃用户子集、优质用户子集和新用户子集中用户之外的其他用户。

步骤102：接收到用户A发送的好友推荐请求时，获取用户A所在场景对应的场景配置信息。

当用户A在网络交友平台上发起好友推荐请求时，网络交友平台可以首先确定用户A所在的场景。其中，场景可以包括：新用户首次登陆、初始进入搭讪页面、已搭讪过其他用户、接受其他用户的搭讪等。

在确定用户A所在的场景后，获取对应的场景配置信息，其中场景配置信息可以包括：推荐好友使用的用户子集的组合、组合中各用户子集所占的推荐好友比例、需求的推荐好友的总数量；或者包括：推荐好友使用的用户子集的组合、组合中用户子集所占的推荐好友数量。还可以进一步包括：推荐好友的排序准则、显示方式等。该场景配置信息的内容可以由网络交友平台固定配置，也可以由用户A在网络交友平台上进行配置。

需要说明的是，本发明中也可以不对用户场景进行具体区分，均采用统一的配置信息。

步骤103：根据场景配置信息确定推荐好友所使用的用户子集以及各用户子集对应的推荐好友数量。

如果场景配置信息包含推荐好友使用的用户子集的组合、组合中用户子集所占的推荐好友数量，则从场景配置信息中直接可以获知各用户子集对应的推荐好友数量。

如果场景配置信息包含推荐好友使用的用户子集的组合、组合中各用户子集所占的推荐好友比例、需求的推荐好友的总数量，则可以将需求的推荐好友的总数量乘以各用户子集所占的推荐好友比例，得到各用户子集对应的推荐好友数量。

除此之外，还可以进一步根据场景配置信息确定推荐好友的排序准则、显示方式等。

步骤104：从步骤103确定的用户子集中选择对应数量的与用户A匹配的用户作为推荐好友。

各用户子集使用的匹配策略可以由以下因素中的一种或任意组合决定：性别、年龄、居住地、爱好、交友宣言、学历、星座、家乡、学校、专业等。例如，选择与用户A性别相反、年龄差距在5岁之内、相同居住地、学历等级差距在1级以内、至少具有一项共同爱好的用户。

另外，对于不同的用户子集可以采用相同的匹配策略，也可以采用不同的匹配策略。具体的匹配策略可以由管理员在网络交友平台统一配置，也可以由用户A在网络交友平台上进行配置。

步骤105：将从各用户子集选择的推荐好友进行整合处理后，通过列表的形式推荐给用户A。

在本步骤中，所述整合处理可以包括以下处理方式中的一种或任意组合：去重处理、过滤处理或排序处理。

其中，去重处理是为了避免同一用户可能出现在多个用户子集中所带来的重复推荐问题，例如，用户B可能同时满足新用户条件和优质用户条件，即同时存在于新用户子集和优质用户子集中，可能该用户B与用户A的匹配程度较高，从新用户子集和优质用户子集中选择出的推荐好友都包含用户B，此时就可以对推荐好友进行去重处理，将重复的推荐好友仅保留一个。

过滤处理可以包括但不限于：对设定时间段内被搭讪的次数超过设定被搭讪次数阈值的用户进行过滤，或者，对管理员设置的作弊用户进行过滤，或者，对设定时间段内搭讪别人的次数超过设定的搭讪次数阈值的用户进行过滤，等等。通过过滤处理能够用于防打扰，保证交友公平等。

如果经过去重处理和/或过滤处理后，推荐好友的数量小于需求的推荐好友的总数量，则从上述用户子集中的至少一个用户子集中继续选择与用户A相匹配的用户作为推荐好友，使推荐好友的总数量达到所述需求的推荐好友的总数量。其中，较优的方式是：继续从去重处理和/或过滤处理删除的用户所在的用户子集中选择与用户A相匹配的用户。

在对推荐好友进行排序处理时，采用的排序准则可以包括但不限于：按照与用户的匹配程度从高到低进行排序；或者，按照用户在设定属性上的优质程度进行排序，例如按照学历高低进行排序，按照头像的优质程度进行排序等；按照设定的属性顺序进行排序，例如优质头像用户最前、活跃用户次之、新用户再次之、普通用户最后；或者，随机进行排序等。

在推荐好友的列表中，各推荐好友可以按照系统设定的显示方式或者按照场景配置信息包含的显示方式进行显示，包括但不限于以下显示方式中的一种或任意组合：显示头像、显示用户名、显示用户其他属性。

在步骤105之后，用户A就能够向其中一个或多个推荐好友搭讪(即发送交友请求)，如果推荐好友接受搭讪(即接受交友请求)，则两者配对成功可以进行进一步交流。

下面举一个具体的实例，假设发送交友请求的用户A首次进入搭讪页面，网络交友平台确定该场景对应的场景配置信息为：推荐好友使用的用户子集的组合为活跃用户子集、优质用户子集和新用户子集；各用户子集所占的推荐好友比例对应为：60％、10％和30％；需求的推荐好友的总数量为10；排序准则为优质用户最前、新用户次之、活跃用户最后；显示方式为显示用户名和头像。

根据确定的场景配置信息，网络交友平台确定需要从活跃用户子集中选择6个用户，从优质用户子集中选择1个用户，从新用户子集中选择3个用户。

如果用户A设置的匹配策略为：选择与用户A性别相反、年龄差距在5岁之内、相同居住地、学历等级差距在1级以内、至少具有一项共同爱好的用户，则

从活跃用户子集中选择6个满足匹配策略的用户：用户B、用户C、用户D、用户E、用户F和用户G。

从优质用户子集中选择1个满足匹配策略的用户：用户C。

从新用户子集中选择3个满足匹配策略的用户：用户G、用户H、用户I。

在对选择出的用户进行去重和过滤处理，假设用户H被管理员设置为作弊用户，则进行去重和过滤处理后得到的推荐好友为：用户B、用户C、用户D、用户E、用户F、用户G、用户I。

更进一步地，由于进行去重和过滤处理后得到的推荐好友数量少于需求的推荐好友的总数量，因此可以从活跃用户子集、优质用户子集或者新用户子集中再选取其他与用户A匹配的推荐好友，共同构成10个推荐用户。较优地，从去重和过滤处理后删除的用户C、用户G和用户H所在的活跃用户子集和新用户子集中，分别选取2个和1个与用户A相匹配的用户：用户J、用户K和用户L。

按照排序准则进行排序后，形成的推荐好友列表为：用户C、用户G、用户I、用户L、用户B、用户D、用户E、用户F、用户J和用户K。该推荐好友列表中各用户显示用户名和用户头像。

以上是对本发明所提供方法进行的详细描述，下面对本发明所提供的装置进行详细描述，该装置应用于网络交友平台，如图2所示，该装置可以包括：子集划分单元201、用户交互单元202和好友推荐单元203。

子集划分单元201，用于按照用户属性将在网络交友平台上注册的用户划分为不同的用户子集。

用户交互单元202，用于接收请求用户发送的好友推荐请求；将好友推荐单元203发送来的推荐好友提供给请求用户。

好友推荐单元203，用于在用户交互单元202接收到好友推荐请求后，按照预先为各用户子集设置的比例，分别从各用户子集中选择对应数量的与请求用户相匹配的用户作为推荐好友发送给用户交互单元202。

上述不同的用户子集包括但不限于以下用户子集中的任意组合：

活跃用户子集、优质用户子集、新用户子集、旧用户子集和普通用户子集。

其中，子集划分单元201可以将活跃度超过预设活跃度阈值的用户加入活跃度子集；其中活跃度由以下用户行为属性中的至少一个加权得到：最近设定时间段内登陆网络交友平台的次数、发表的博客数、上传的照片数、好友数或搭讪其他用户的次数。

此时，该装置还可以包括：行为收集单元204，用于收集在网络交友平台上注册的用户的行为属性。

另外，子集划分单元201可以将头像漂亮程度达到预设漂亮程度阈值的用户、头像另类程度达到预设另类程度阈值的用户或用户综合条件达到优质用户标准的用户中的一种或任意组合，加入优质用户集合。

该优质用户的选取可以由设定的程度自动选取，也可以由管理员通过管理界面人为选取。

子集划分单元201可以将在网络交友平台的注册时间在最近的设定时间范围内的用户加入新用户子集中。

行为收集单元204将收集到的用户行为属性以及用户的其他相关属性存储在数据库中，并实时对数据库中用户的行为属性和其他相关属性进行更新。随之，子集划分单元201可以周期性地对各用户子集进行更新。

该装置可以进一步根据请求用户所在的场景进行进一步区分，此时该装置还可以包括：场景适配单元205，用于获取请求用户所在场景对应的场景配置信息，将场景配置信息提供给好友推荐单元203。

各场景对应的场景配置信息可以由请求用户通过用户交互单元202在网络交友平台上配置，也可以由管理员通过管理平台进行配置。场景适配单元205根据请求用户所在场景，确定预先配置的与该场景相对应的场景配置信息。其中，场景可以包括：新用户首次登陆、初始进入搭讪页面、已搭讪过其他用户、接受其他用户的搭讪等。

好友推荐单元203根据场景配置信息执行选择推荐好友的操作。

其中，场景配置信息包括：推荐好友使用的用户子集的组合、组合中各用户子集所占的推荐好友比例、需求的推荐好友的总数量；或者，推荐好友使用的用户子集的组合、组合中用户子集所占的推荐好友数量。还可以进一步包括：推荐好友的排序准则或者推荐好友的显示方式。

具体地，好友推荐单元203在选择与请求用户相匹配的用户时，使用的匹配策略由以下因素中的一种或任意组合决定：性别、年龄、居住地、爱好、交友宣言、学历、星座、家乡、学校、专业等。

匹配策略可以由用户在网络交友平台上进行配置，也可以由管理员通过管理界面在网络交友平台上进行统一配置。

为了对用户实现防打扰功能或保证交友公平等，该装置还可以包括：整合处理单元206，用于接收好友推荐单元203发送给用户交互单元202的推荐好友，对推荐好友进行整合处理后再发送给用户交互单元203。

上述整合处理包括以下处理方式中的一种或任意组合：去重处理、过滤处理或排序处理。

其中，过滤处理可以包括：对设定时间段内被搭讪的次数超过预设的被搭讪次数阈值的用户进行过滤；或者，对管理员设置的作弊用户进行过滤；或者，对设定时间段内搭讪别人的次数超过预设的搭讪次数阈值的用户进行过滤。

更优地，为了保证推荐给请求用户的推荐好友数量达到需求的推荐好友总数量，该装置还可以包括：补充选择单元207，用于如果经过去重处理和/或过滤处理后，推荐好友的数量小于需求的推荐好友的总数量，则从各用户子集中的至少一个用户子集中补充选择与请求用户相匹配的用户作为推荐好友，使推荐好友的总数量达到需求的推荐好友的总数量。

其中，较优的方式是：继续从去重处理和/或过滤处理删除的用户所在的用户子集中继续选择与请求用户相匹配的用户。

更优地，如果整合处理包括排序处理，则补充选择单元207还可以用于将补充选择出的推荐好友提供给整合处理单元206，供整合处理单元206对补充选择单元207提供的推荐好友以及去重处理和/或过滤处理后的推荐好友和一并进行排序处理。

整合处理单元206在对推荐好友进行排序处理时，采用的排序准则可以包括但不限于：按照与用户的匹配程度从高到低进行排序；或者，按照用户在设定属性上的优质程度进行排序，例如按照学历高低进行排序，按照头像的优质程度进行排序等；按照设定的属性顺序进行排序，例如优质头像用户最前、活跃用户次之、新用户再次之、普通用户最后；或者，随机进行排序等。

在用户交互单元202将推荐好友发送给请求用户后，请求用户可以选择其中的一个或多个推荐好友发送交友请求进行搭讪，如果有推荐好友接受该请求用户的搭讪，则配对成功，两者可以进一步进行交流。完成该部分搭讪功能的单元是现有技术中的已有单元，在此不再具体描述。

在图2中双线箭头表示管理员通过管理界面对网络交友平台进行的配置。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。

Claims (20)

1.一种网络交友平台中推荐好友的方法，其特征在于，预先按照用户属性将在网络交友平台上注册的用户划分为不同的用户子集；该方法包括：

A、接收请求用户发送的好友推荐请求；

B、按照预先为各用户子集设置的比例，分别从各用户子集中选择对应数量的与所述请求用户相匹配的用户作为推荐好友提供给所述请求用户。

2.根据权利要求1所述的方法，其特征在于，所述不同的用户子集包括以下用户子集中的任意组合：

活跃用户子集、优质用户子集、新用户子集、旧用户子集和普通用户子集。

3.根据权利要求2所述的方法，其特征在于，所述活跃用户子集中包括活跃度超过预设活跃度阈值的用户；

其中所述活跃度由以下用户行为属性中的至少一个加权得到：最近设定时间段内登陆网络交友平台的次数、发表的博客数、上传的照片数、好友数以及搭讪其他用户的次数。

4.根据权利要求1、2或3所述的方法，其特征在于，在所述步骤A和步骤B之间还包括：

获取所述请求用户所在场景对应的场景配置信息，利用所述场景配置信息继续执行所述步骤B；

其中，所述场景配置信息包括：推荐好友使用的用户子集的组合、组合中各用户子集所占的推荐好友比例、需求的推荐好友的总数量；或者，推荐好友使用的用户子集的组合、组合中用户子集所占的推荐好友数量。

5.根据权利要求4所述的方法，其特征在于，所述场景配置信息还包括：推荐好友的排序准则或者推荐好友的显示方式。

6.根据权利要求1所述的方法，其特征在于，步骤B中选择与所述请求用户相匹配的用户所使用的匹配策略由以下因素中的一种或任意组合决定：

性别、年龄、居住地、爱好、交友宣言、学历、星座、家乡、学校和专业。

7.根据权利要求1所述的方法，其特征在于，在将推荐好友提供给所述请求用户之前还包括：

将所述推荐好友进行整合处理；其中，所述整合处理包括以下处理方式中的一种或任意组合：

去重处理、过滤处理和排序处理。

8.根据权利要求7所述的方法，其特征在于，所述过滤处理包括：对设定时间段内被搭讪的次数超过预设的被搭讪次数阈值的用户进行过滤；或者，

对管理员设置的作弊用户进行过滤；或者，

对设定时间段内搭讪别人的次数超过预设的搭讪次数阈值的用户进行过滤。

9.根据权利要求7所述的方法，其特征在于，如果经过所述去重处理和/或所述过滤处理后，推荐好友的数量小于需求的推荐好友的总数量，则从所述各用户子集中的至少一个用户子集中补充选择与所述请求用户相匹配的用户作为推荐好友，使推荐好友的总数量达到所述需求的推荐好友的总数量。

10.根据权利要求9所述的方法，其特征在于，如果所述整合处理包括排序处理，则进一步将补充选择出的推荐好友以及对所述去重处理和/或所述过滤处理后的推荐好友一并进行所述排序处理。

11.一种网络交友平台中推荐好友的装置，其特征在于，该装置包括：子集划分单元、用户交互单元和好友推荐单元；

所述子集划分单元，用于按照用户属性将在网络交友平台上注册的用户划分为不同的用户子集；

所述用户交互单元，用于接收请求用户发送的好友推荐请求，将所述好友推荐单元发送来的推荐好友提供给所述请求用户；

所述好友推荐单元，用于在所述用户交互单元接收到所述好友推荐请求后，按照预先为各用户子集设置的比例，分别从各用户子集中选择对应数量的与所述请求用户相匹配的用户作为推荐好友发送给所述用户交互单元。

12.根据权利要求11所述的装置，其特征在于，所述不同的用户子集包括以下用户子集中的任意组合：

活跃用户子集、优质用户子集、新用户子集、旧用户子集和普通用户子集。

13.根据权利要求12所述的装置，其特征在于，所述子集划分单元将活跃度超过预设活跃度阈值的用户加入所述活跃度子集；其中所述活跃度由以下用户行为属性中的至少一个加权得到：最近设定时间段内登陆网络交友平台的次数、发表的博客数、上传的照片数、好友数以及搭讪其他用户的次数；

该装置还包括：行为收集单元，用于收集在所述网络交友平台上注册的用户的所述用户行为属性。

14.根据权利要求11、12或13所述的装置，其特征在于，该装置还包括：场景适配单元，用于获取所述请求用户所在场景对应的场景配置信息，将所述场景配置信息提供给所述好友推荐单元；

所述好友推荐单元根据所述场景配置信息执行选择推荐好友的操作；

其中，所述场景配置信息包括：推荐好友使用的用户子集的组合、组合中各用户子集所占的推荐好友比例、需求的推荐好友的总数量；或者，推荐好友使用的用户子集的组合、组合中用户子集所占的推荐好友数量。

15.根据权利要求14所述的装置，其特征在于，所述场景配置信息还包括：推荐好友的排序准则或者推荐好友的显示方式。

16.根据权利要求11所述的装置，其特征在于，所述好友推荐单元在选择与所述请求用户相匹配的用户时，使用的匹配策略由以下因素中的一种或任意组合决定：

性别、年龄、居住地、爱好、交友宣言、学历、星座、家乡、学校和专业。

17.根据权利要求11所述的装置，其特征在于，该装置还包括：整合处理单元，用于接收所述好友推荐单元发送给所述用户交互单元的推荐好友，对所述推荐好友进行整合处理后再发送给所述用户交互单元；

其中，所述整合处理包括以下处理方式中的一种或任意组合：

去重处理、过滤处理以及排序处理。

18.根据权利要求17所述的装置，其特征在于，所述过滤处理包括：对设定时间段内被搭讪的次数超过预设的被搭讪次数阈值的用户进行过滤；或者，

对管理员设置的作弊用户进行过滤；或者，

对设定时间段内搭讪别人的次数超过预设的搭讪次数阈值的用户进行过滤。

19.根据权利要求17所述的装置，其特征在于，该装置还包括：补充选择单元，用于如果经过所述去重处理和/或所述过滤处理后，推荐好友的数量小于需求的推荐好友的总数量，则从所述各用户子集中的至少一个用户子集中补充选择与所述请求用户相匹配的用户作为推荐好友，使推荐好友的总数量达到所述需求的推荐好友的总数量。

20.根据权利要求19所述的装置，其特征在于，如果所述整合处理包括排序处理，则所述补充选择单元还用于将补充选择出的推荐好友提供给所述整合处理单元，供所述整合处理单元对所述补充选择单元提供的推荐好友以及所述去重处理和/或所述过滤处理后的推荐好友一并进行所述排序处理。

Images