CN102902674B - 服务群组分类方法和系统 - Google Patents

Abstract

本发明实施例提供了一种服务群组分类的方法和系统，所述方法包括：从社会关系信息库中获取待分类群组的关系数据；根据获取的所述关系数据计算所述待分类群组的密度；将所述待分类群组的密度与预定的密度阈值进行比较，得到比较结果；根据所述比较结果，确定所述群组所属的分类。实施本发明，对服务群组的分类客观正确，基于该客观的分类群组，后续对服务群组进行特性分析，有利于对有针对性的在服务群组中分享信息和知识。

Description

服务群组分类方法和系统

技术领域

本发明涉及互联网技术领域，尤其涉及一种服务群组分类方法和系统。

背景技术

即时通讯（IM，Instant Messaging）网络是一种实时通信网络，允许两人或者多人使用网络实时的文字消息、文件、语音和视频进行交流。

社会性网络服务（SNS，Social Networking Services）是Web 2.0体系下的一个技术应用架构。SNS通过直接建立社会朋友关系，实现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网络，达成更加有价值的沟通和协作。

服务群组作为一种特殊的通信手段，在即时通讯和社会性网络服务中也得到了广泛的应用。典型的即时通讯和社会性网络服务中，都提供了群组服务，如即时通讯工具QQ中的QQ群，或者社交网络Facebook中的群组。群组往往是即时通讯或者社会性网络服务中具有共性小群体建立的一个通信或交流平台。群组往往是一些具有共性的小群体建立起来的，群内成员一般都有着密切的联系。

通常来讲，服务群组主要划分为两大类：一类是基于某种共同爱好、兴趣或需求而建立起来的虚拟群体，如“购物群”、“旅游群”、“股票群”等。另一类是基于某种现实群体而建立起来的虚拟群体，如“同学群”、“同事群”、“同乡群”等。这类“群”的成员，交流双方互相熟悉、关系较固定。前面一类群通常称为共同群，后面一类群通常称为实体群。

服务群组的类别是群组的重要属性之一，目前的Web应用中，对服务群组分类的方式主要依赖于用户的主观感受，在用户建立服务群组之初，由创建者选择。例如，在即时通讯工具QQ中创建服务群组时，由用户将创建的服务群组归类到某些已经划定的、层次式的分类中，具体如图1所示。

本发明的发明人发现，现有技术的对服务群组进行分类的方式较为主观，无法客观的表示服务群组的特性，为后续对服务群组进行特性分析，有针对性的在服务群组中分享信息和知识形成了阻碍，影响了用户的体验；如何提供一种客观的服务群组分类方法成为亟待解决的技术问题。

发明内容

本发明实施例要解决的技术问题在于，提供一种可以客观准确的服务群组分类方法和系统。

为了解决上述技术问题，本发明实施例提供一种服务群组分类方法，包括：

从社会关系信息库中获取待分类群组的关系数据；

根据获取的所述关系数据计算所述待分类群组的密度；

将所述待分类群组的密度与预定的密度阈值进行比较，得到比较结果；

根据所述比较结果，确定所述群组所属的分类。

相应地，本发明实施例还提供了一种服务群组分类系统，包括：

群组信息存储模块，用于存储服务群组信息；

关系信息存储模块，用于存储所述服务群组中各个成员的社会关系信息库；

密度阈值存储模块，用于存储密度阈值；

群组判断模块，用于从所述关系信息存储模块中存储社会关系信息库中获取待分类群组的关系数据，并根据获取的所述关系数据计算所述待分类群组的密度，将所述待分类群组的密度与所述密度阈值存储模块中存储的密度阈值进行比较，得到比较结果；

群组分类模块，用于根据所述群组判断模块得到的比较结果，确定所述群组所属的分类。

实施本发明提供的服务群组分类方法和系统，具有以下有益效果：

基于该服务群组的密度与预设的密度阈值之间进行大小比较的结果确定服务群组的分类，由于该比较结果是基于客观数据得到的，并非用户基于主观感受进行的分类，因此对服务群组的分类客观正确，基于该客观的分类群组，后续对服务群组进行特性分析，有利于对有针对性的在服务群组中分享信息和知识。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为现有技术中对服务群组进行分类的示意图；

图2为本发明提供的服务群组分类方法实施例一的流程示意图；

图3为本发明提供的服务群组分类方法实施例二的流程示意图；

图4为本发明中服务群组集合G和其子集G'之间的关系示意图；

图5为本发明中服务群组内成员之间的社会关系示意图；

图6为本发明中服务群组内除去管理者以外的成员之间的社会关系示意图；

图7为本发明提供的服务群组分类方法中确定密度阈值的方法流程示意图；

图8为本发明提供的服务群组分类系统实施例一的组成示意图；

图9为本发明提供的服务群组分类系统实施例二的组成示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在描述本发明实施例之前，首先对本发明中使用到的技术术语和概念做一些介绍，以便本领域技术人员更好的理解本发明的技术方案。

点对点即时通讯：点对点即时通讯是指在即时通讯中，发生在两个人之间的通讯方式，点对点即时通讯可以发生在好友之间，也可以发生在非好友之间，例如在SNS或者IM的服务群组中的临时点对点通讯。

服务群组：服务群组是一种特殊的即时通讯目标，往往是SNS或者IM中拥有共性的用户建立起来的通讯组。在服务群组中发送的文字消息、文件、语音等，服务群组中的其他用户都可以接收到。

群组分类：是指把一些服务群组映射到给定类别中的某一个类别，在本发明实施例中，特指把服务群组分成“共同群”和“实体群”两种类别。

社会关系：是指服务群组中的成员之间的关系，例如，成员A和成员B是好友关系，成员B和成员C是好友关系，成员A和成员C之间在某一段时间内有过点对点通讯，则成员A和成员C之间是通讯关系。

群组密度：其反映的是该群组内的各个成员之间的好友关系，以及各个成员之间是否在某一段时间内进行过点对点即时通讯。通常来讲，如果一个服务群组中的成员之间大多数互为好友关系，或者经常进行点对点即时通讯，则该服务群组的密度较高，可以判断为实体群，也就是说，该服务群组内的各个成员之间互相熟悉，关系较固定，通常为同事群、同学群、同乡群等等；如果一个服务群组中的成员之间互相并不认识，他们并不互为好友，也未经常进行点对点即时通讯，则该服务群组可能是管理者基于某一共同爱好、兴趣或者需求而建立的，他们的交流通常是群组消息，而不是成员之间的点对点交流，因此群组密度较小。

以下将详细介绍本发明实施例提供的服务群组分类方法和分类系统。

参见图2，为本发明提供的服务群组分类方法实施例一的流程示意图。

本实施例提供的服务群组分类方法，包括：

步骤100，从社会关系信息库中获取待分类群组的关系数据；

具体地，该社会关系信息库中保存有所有服务群组中的成员之间的关系数据；该关系数据由成员之间的社会关系决定。

步骤101，根据获取的所述关系数据计算所述待分类群组的密度；

步骤102，将所述待分类群组的密度与预定的密度阈值进行比较，得到比较结果；

步骤103，根据所述比较结果，确定所述群组所属的分类。

实施本发明，对服务群组进行分类，是基于该服务群组的密度与预设的密度阈值之间进行大小比较的结果确定的，该比较结果是基于客观数据得到的，并非用户基于主观感受进行的分类，因此对服务群组的分类客观正确，基于该客观的分类群组，后续对服务群组进行特性分析，有利于对有针对性的在服务群组中分享信息和知识。

参见图3，为本发明提供的服务群组分类方法实施例二的流程示意图。

本实施例提供的服务群组分类方法，包括：

步骤200，获取待分类的即时通讯或者社会性网络中的服务群组，将所述待分类群组中所有成员记为集合G。

步骤201，将即时通讯或者社会性网络服务群组中的管理者去除，形成集合G'。

如图4所示，G'是G的子集；这里的管理者是服务群组的创建者或者管理员。把管理者去除的原因在于，服务群组的创建者或者管理员通常都是具有特殊属性的人，比如某一服务群组A 的创建者张三经常跟服务群组A中的其他成员进行点对点即时通讯，而该服务群组A中的其他成员之间的点对点即时通讯并不频繁。如果不去除张三，则不能很客观的反映该服务群组A中成员之间点对点即时通讯的平均值，也就是该服务群组A的密度。

步骤202，从所述社会关系信息库中各个群组的成员之间的关系数据S=(V,E)中获取所述待分类群组中除管理者以外的其他成员的关系数据S' =(V',E')。

具体地，如图5所示，根据集合G，在存储有点对点即时通讯形成的社会网络或者社会网络服务中各个个体间关系的社会关系信息库中，查找集合G对应的关系数据S=(V,E)，然后在该关系数据S=(V,E)中，根据G'，获取所述待分类群组中除管理者以外的其他成员的关系数据S' =(V',E')；其中，S的顶点集合V是目前点对点即时通讯的所有参与方或者社会网络服务中的所有个体。假设v1，v2是V中的2个元素，边集合E是参与方之间的一个社会关系，边e可以由好友关系定义，即如果边e连接v1、v2，则v1、v2是好友；也可以由某一时间段他们之间有过点对点即时通讯定义，这时，v1、v2在该时间段内有过点对点即时通讯。

然后，根据集合G'，在关系数据S中，获取子集S' =(V',E')。如图6所示，其中，V'=G'；E'是E的子集而且边e属于E'，e关联的两个顶点v1、v2都属于集合G'。

步骤203，根据所述待分类群组G'的关系数据S'=(V',E')，根据公式，计算该待分类群组的密度d。

步骤204，将所述待分类群组的密度d与预定的密度阈值D1和D2进行比较，得到比较结果。

步骤205，根据待分类群组的密度d与密度阈值D1和D2的比较结果，确定所述群组所属的分类。

具体地，当待分类群组的密度d大于预定的密度阈值D2时，将该群组分类为实体群，当所述待分类群组的密度d小于预定的密度阈值D1时，将定该群组分类为共同群；这里D1<D2；若密度D1<d<D2，则该服务群组的性质无法判断。

实施本发明，针对待分类的服务群组，将其中的管理者从该服务群组集合中去除以后，根据该服务群组中各个成员之间的好友关系或者成员之间进行点对点即时通讯的情况，进行密度计算，该计算结果更加客观准确，然后再基于该服务群组的密度与预设的密度阈值之间进行大小比较的结果，确定该服务群组的分类，由于该服务群组的密度与预设的密度阈值的比较结果是基于客观数据得到的，并非用户基于主观感受进行的分类，因此对服务群组的分类客观正确，基于该客观的分类群组，后续对服务群组进行特性分析，有利于对有针对性的在服务群组中分享信息和知识。

上述实施例详细说明了对服务群组的密度进行计算，继而与密度阈值进行比较，根据该比较结果，对服务群组进行分类的过程。以下将详细描述本发明实施例中的密度阈值的确定过程。

参见图7，为本发明提供的服务群组分类方法中确定密度阈值的方法流程示意图。

本实施例中的密度阈值的确定过程包括：

步骤300，从所有服务群组中采样得到样本群组G'1，G'2，… …，G'n；n为自然数；

具体实现中，为了计算密度阈值，可以在所有的服务群组中选择一些比较典型的服务群组，典型的服务群组是指有一定规模，最近活动比较活跃的群组。另外采样之后，还可以将采样得到的样本群组中的病态群组去除，所谓的病态群组是指只包括一个成员的群组，这种群组对于分析服务群组的密度分布没有参考价值，故去除。

步骤301，从社会关系信息库中获取所述样本群组的关系数据S'1，S'2，… …，S'n，计算所述样本群组的样本密度d1，d2，… …，dn；

步骤302，对计算得到的样本密度d1，d2，… …，dn进行排序，得到d'1<=d'2<=……<=d'n；

步骤303，在d'1，d'2，… …，d'n中选取di，dj作为密度阈值D1，D2；所述di，dj满足di<=dj；D1，D2满足D1 <= D2。

需要说明的是，di和dj的值是可以根据需要进行调整的，只要满足di<=dj的条件即可。

实施本发明提供的密度阈值计算的方式，通过对所有服务群组的采样，并对采样得到的样本群组的密度进行估算后进行排序，可以得到各类群组的密度的分布情况，根据前述的共同群与实体群在密度方面的特性，从获得的样本密度中取两个值作为密度阈值，与待分类的服务群组的密度进行比较，可以较为客观对服务群组进行分类。

参见图8，为本发明提供的服务群组分类系统实施例一的组成示意图。

本实施例提供的服务群组分类系统，包括：

群组信息存储模块10，用于存储服务群组信息；

关系信息存储模块11，用于存储所述服务群组中各个成员的社会关系信息库；

密度阈值存储模块12，用于存储密度阈值；

群组判断模块13，用于从所述关系信息存储模块11所存储的社会关系信息库中获取待分类群组的关系数据，并根据获取的所述关系数据计算所述待分类群组的密度，将所述待分类群组的密度与所述密度阈值存储模块中存储的密度阈值进行比较，得到比较结果；

群组分类模块14，用于根据所述群组判断模块13得到的比较结果，确定所述群组所属的分类。

实施本发明，对服务群组进行分类，是基于该服务群组的密度与预设的密度阈值之间进行大小比较的结果确定的，该比较结果是基于客观数据得到的，并非用户基于主观感受进行的分类，因此对服务群组的分类客观正确，基于该客观的分类群组，后续对服务群组进行特性分析，有利于对有针对性的在服务群组中分享信息和知识。

参见图9，为本发明提供的服务群组分类系统实施例二的组成示意图。

本实施例将详细描述服务群组分类系统中的群组判断模块与群组分类模块配合工作，实现对待分类群组的分类过程。

本实施例中的分类系统包括如上一实施例所述的群组信息存储模块10、关系信息存储模块11、密度阈值存储模块12、群组判断模块13、群组分类模块14，其功能和作用与上一实施例相同。

其中，本实施例中，群组判断模块13包括：

群组信息去除单元130，用于将所述待分类群组中所有成员记为集合G，将所述待分类群组中的管理者去除，得到集合G'；

参见图4，G'是G的子集；这里的管理者是服务群组的创建者或者管理员。把管理者去除的原因在于，服务群组的创建者或者管理员通常都是具有特殊属性的人，比如某一服务群组A 的创建者张三经常跟服务群组A中的其他成员进行点对点即时通讯，而该服务群组A中的其他成员之间的点对点即时通讯并不频繁。如果不去除张三，则不能很客观的反映该服务群组A中成员之间点对点即时通讯的平均值，也就是该服务群组A的密度。

关系数据获取单元131，用于从所述关系信息存储模块中存储的社会关系信息库中各个群组的成员之间的关系数据S=(V,E)中获取所述待分类群组中除管理者以外的其他成员的关系数据S' =(V',E')；所述V是所有群组中正在进行通讯的成员，边集合E是群组中成员之间的社会关系；V'是待分类群组中除管理者之外的所有成员，边集合E是群组中除管理者之外的成员之间的社会关系；

具体图5所示，根据集合G，关系数据获取单元131在存储有点对点即时通讯形成的社会网络或者社会网络服务中各个个体间关系的社会关系信息库中，查找集合G对应的关系数据S=(V,E)，然后在该关系数据S=(V,E)中，根据G'，获取所述待分类群组中除管理者以外的其他成员的关系数据S' =(V',E')；其中，S的顶点集合V是目前点对点即时通讯的所有参与方或者社会网络服务中的所有个体。假设v1，v2是V中的2个元素，边集合E是参与方之间的一个社会关系，边e可以由好友关系定义，即如果边e连接v1、v2，则v1、v2是好友；也可以由某一时间段他们之间有过点对点即时通讯定义，这时，v1、v2在该时间段内有过点对点即时通讯。

然后，根据集合G'，在关系数据S中，获取子集S' =(V',E')。如图6所示，其中，V'=G'；E'是E的子集而且边e属于E'，e关联的两个顶点v1、v2都属于集合G'。

密度计算单元132，用于根据所述待分类群组G'的关系数据S' =(V',E')，根据公式，计算该待分类群组的密度d。

阈值比较单元133，用于将所述待分类群组的密度d与密度阈值存储模块12中存储的密度阈值D1和D2进行比较，得到比较结果，输出至所述群组分类模块14。

群组分类模块14，用于接收所述群组判断模块13中阈值比较单元133得到的比较结果，在所述待分类群组的密度d大于预定的密度阈值D2时，将该群组分类为实体群，当所述待分类群组的密度d小于预定的密度阈值D1时，将该群组分类为共同群。这里D1<D2；若密度D1<d<D2，则该服务群组的性质无法判断。

上述实施例说明服务群组分类系统了对服务群组的密度进行计算，继而与密度阈值进行比较，根据该比较结果，对服务群组进行分类的过程。为了获取密度阈值，本发明提供的服务群组分类系统还包括阈值获取模块15，其具体包括：

群组采样单元150，用于从所述群组信息存储模块10中存储的服务群组中采样得到样本群组G'1，G'2，… …，G'n；n为自然数；

关系数据获取单元151，用于从所述关系信息存储模块11中存储的社会关系信息库中获取所述样本群组G'1，G'2，… …，G'n的关系数据S'1，S'2，… …，S'n，

样本密度计算单元152，用于根据样本群组G'1，G'2，… …，G'n的关系数据S'1，S'2，… …，S'n，计算所述样本群组的样本密度d1，d2，… …，dn；

样本密度排序单元153，用于对所述计算得到的样本密度d1，d2，… …，dn进行排序，得到d'1<=d'2<=… …<=d'n；

密度阈值获取单元154，用于在所述样本密度排序单元153得到的d'1，d'2，… …，d'n中选取di，dj作为密度阈值D1，D2；所述di，dj满足di<=dj；D1，D2满足D1 <= D2。

具体实现中，为了计算密度阈值，阈值获取模块15中的群组采样单元150可以在所有的服务群组中选择一些比较典型的服务群组，典型的服务群组是指有一定规模，最近活动比较活跃的群组。另外采样之后，还可以将采样得到的样本群组中的病态群组去除，所谓的病态群组是指只包括一个成员的群组，这种群组对于分析服务群组的密度分布没有参考价值，故去除。

另外需要说明的是，di和dj的值是可以根据需要进行调整的，只要满足di<=dj的条件即可。

实施本发明提供的阈值获取模块15，通过对所有服务群组的采样，并对采样得到的样本群组的密度进行估算后进行排序，可以得到各类群组的密度的分布情况，根据前述的共同群与实体群在密度方面的特性，从获得的样本密度中取两个值作为密度阈值，与待分类的服务群组的密度进行比较，可以较为客观对服务群组进行分类。

实施本发明，针对待分类的服务群组，服务群组分类系统将其中的管理者从该服务群组集合中去除以后，根据该服务群组中各个成员之间的好友关系或者成员之间进行点对点即时通讯的情况，进行密度计算，该计算结果更加客观准确，然后再基于该服务群组的密度与预设的密度阈值之间进行大小比较的结果，确定该服务群组的分类，由于该服务群组的密度与预设的密度阈值的比较结果是基于客观数据得到的，并非用户基于主观感受进行的分类，因此对服务群组的分类客观正确，基于该客观的分类群组，后续对服务群组进行特性分析，有利于对有针对性的在服务群组中分享信息和知识。

通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的硬件平台的方式来实现，当然也可以全部通过硬件来实施。基于这样的理解，本发明的技术方案对背景技术做出贡献的全部或者部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例或者实施例的某些部分所述的方法。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，因此依本发明权利要求所作的等同变化，仍属本发明所涵盖的范围。

Claims (10)

1.一种服务群组分类方法，其特征在于，包括：

从社会关系信息库中获取待分类群组的关系数据，所述社会关系信息库中保存有所有服务群组中的成员之间的关系数据，所述关系数据由成员之间的社会关系决定，所述社会关系用于指示各个所述服务群组中的成员之间的关系；

根据获取的所述关系数据计算所述待分类群组的密度，所述待分类群组的密度用于反映所述待分类群组内的各个成员之间的好友关系，或者各个成员之间是否在某一段时间内进行过点对点即时通讯；

将所述待分类群组的密度与预定的密度阈值进行比较，得到比较结果；

根据所述比较结果，确定所述群组所属的分类。

2.如权利要求1所述的服务群组分类方法，其特征在于，在社会关系信息库中获取待分类群组的关系数据，包括：

将所述待分类群组中所有成员记为集合G，将所述待分类群组中的管理者去除，得到集合G'；从所述社会关系信息库中各个群组的成员之间的关系数据S＝(V,E)中获取所述待分类群组中除管理者以外的其他成员的关系数据S'＝(V',E')；所述V是所有群组中正在进行通讯的成员，边集合E是群组中成员之间的社会关系；V'是待分类群组中除管理者之外的所有成员，边集合E'是群组中除管理者之外的成员之间的社会关系。

3.如权利要求1或2所述的服务群组分类方法，其特征在于，所述密度阈值的确定过程包括：

从所有服务群组中采样得到样本群组G'1，G'2，……，G'n；n为自然数；

从所述社会关系信息库中获取所述样本群组的关系数据S'1，S'2，……，S'n，计算所述样本群组的样本密度d1，d2，……，dn；

对所述计算得到的样本密度d1，d2，……，dn进行排序，得到d'1<＝d'2<＝……<＝d'n；

在d'1，d'2，……，d'n中选取di，dj作为密度阈值D1，D2；所述di，dj满足di<＝dj；D1，D2满足D1<＝D2。

4.如权利要求3所述的服务群组分类方法，其特征在于，在所述从所有服务群组中进行采样得到样本群组之前还包括：

将采样得到的样本群组中的病态群组去除。

5.如权利要求4所述的服务群组分类方法，其特征在于，根据获取的所述关系数据计算所述待分类群组的密度，包括：

根据所述待分类群组G'的关系数据S'＝(V',E')，根据公式计算该待分类群组的密度d。

6.如权利要求5所述的服务群组分类方法，其特征在于，当所述待分类群组的密度d大于预定的密度阈值D2时，将该群组分类为实体群，当所述待分类群组的密度d小于预定的密度阈值D1时，将定该群组分类为共同群。

7.一种服务群组分类系统，其特征在于，包括：

群组信息存储模块，用于存储服务群组信息，社会关系信息库中保存有所有服务群组中的成员之间的关系数据，所述关系数据由成员之间的社会关系决定，所述社会关系用于指示各个所述服务群组中的成员之间的关系；

关系信息存储模块，用于存储所述服务群组中各个成员的社会关系信息库；

密度阈值存储模块，用于存储密度阈值；

群组判断模块，用于从所述关系信息存储模块所存储的社会关系信息库中获取待分类群组的关系数据，并根据获取的所述关系数据计算所述待分类群组的密度，将所述待分类群组的密度与所述密度阈值存储模块中存储的密度阈值进行比较，得到比较结果，所述待分类群组的密度用于反映所述待分类群组内的各个成员之间的好友关系，或者各个成员之间是否在某一段时间内进行过点对点即时通讯；

群组分类模块，用于根据所述群组判断模块得到的比较结果，确定所述群组所属的分类。

8.如权利要求7所述的服务群组分类系统，其特征在于，所述系统还包括用于获取所述密度阈值的阈值获取模块，其包括：

群组采样单元，用于从所述群组信息存储模块中存储的服务群组中采样得到样本群组G'1，G'2，……，G'n；n为自然数；

关系数据获取单元，用于从所述关系信息存储模块中存储的社会关系信息库中获取所述样本群组G'1，G'2，……，G'n的关系数据S'1，S'2，……，S'n，

样本密度计算单元，用于根据样本群组G'1，G'2，……，G'n的关系数据S'1，S'2，……，S'n，计算所述样本群组的样本密度d1，d2，……，dn；

样本密度排序单元，用于对所述计算得到的样本密度d1，d2，……，dn进行排序，得到d'1<＝d'2<＝……<＝d'n；

密度阈值获取单元，用于在所述样本密度排序单元得到的d'1，d'2，……，d'n中选取di，dj作为密度阈值D1，D2；所述di，dj满足di<＝dj；D1，D2满足D1<＝D2。

9.如权利要求8所述的服务群组分类系统，其特征在于，所述群组判断模块包括：

群组信息去除单元，用于将所述待分类群组中所有成员记为集合G，将所述待分类群组中的管理者去除，得到集合G'；

关系数据获取单元，用于从所述关系信息存储模块中存储的社会关系信息库中各个群组的成员之间的关系数据S＝(V,E)中获取所述待分类群组中除管理者以外的其他成员的关系数据S'＝(V',E')；所述V是所有群组中正在进行通讯的成员，边集合E是群组中成员之间的社会关系；V'是待分类群组中除管理者之外的所有成员，边集合E'是群组中除管理者之外的成员之间的社会关系；

密度计算单元，用于根据所述待分类群组G'的关系数据S'＝(V',E')，根据公式计算该待分类群组的密度d；

阈值比较单元，用于将所述待分类群组的密度d与密度阈值存储模块中存储的密度阈值D1和D2进行比较，得到比较结果，输出至所述群组分类模块。

10.如权利要求9所述的服务群组分类系统，其特征在于，所述群组分类模块，用于接收所述群组判断模块中阈值比较单元得到的比较结果，在所述待分类群组的密度d大于预定的密度阈值D2时，将该群组分类为实体群，当所述待分类群组的密度d小于预定的密度阈值D1时，将该群组分类为共同群。