CN103001994A - 好友推荐方法及装置 - Google Patents

好友推荐方法及装置 Download PDF

Info

Publication number
CN103001994A
CN103001994A CN2011102783271A CN201110278327A CN103001994A CN 103001994 A CN103001994 A CN 103001994A CN 2011102783271 A CN2011102783271 A CN 2011102783271A CN 201110278327 A CN201110278327 A CN 201110278327A CN 103001994 A CN103001994 A CN 103001994A
Authority
CN
China
Prior art keywords
user
recommended
recommendation
recommended user
active
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN2011102783271A
Other languages
English (en)
Other versions
CN103001994B (zh
Inventor
熊鹏飞
李朝伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tencent Technology Shenzhen Co Ltd
Original Assignee
Tencent Technology Shenzhen Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tencent Technology Shenzhen Co Ltd filed Critical Tencent Technology Shenzhen Co Ltd
Priority to CN201110278327.1A priority Critical patent/CN103001994B/zh
Priority to PCT/CN2012/076861 priority patent/WO2013040914A1/zh
Publication of CN103001994A publication Critical patent/CN103001994A/zh
Priority to US14/051,382 priority patent/US9584589B2/en
Application granted granted Critical
Publication of CN103001994B publication Critical patent/CN103001994B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Marketing (AREA)
  • Theoretical Computer Science (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • Quality & Reliability (AREA)
  • Data Mining & Analysis (AREA)
  • Operations Research (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本发明公开了一种好友推荐方法，所述方法包括：为各用户建立推荐黑名单；进行好友推荐时，删除被推荐用户列表中包含在当前用户的推荐黑名单中的被推荐用户，将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户。本发明还公开了一种用于好友推荐的推荐服务器，能够基于用户的需求进行好友推荐，向用户推荐其真正感兴趣的用户，提高好友推荐的准确率及效率，达到有效推荐好友的目的，并提升用户体验。

Description

好友推荐方法及装置
技术领域
本发明涉及社交网络技术，尤其涉及一种好友推荐方法及装置。
背景技术
随着即时通信的网络平台、微博、校友录等社交网络的普及，越来越多的人通过网络寻找好友。为了使用户能够在自身的网络平台上建立关系链，各社交网络均会进行好友推荐。
现有的好友推荐中，通常是通过估算相熟度，将相熟度高的用户作为推荐对象推荐给当前用户。但是，对于多次推荐而用户却不加为好友的推荐对象，会不断进行重复推荐，如此，不仅未能达到有效推荐好友的目的，而且还会严重影响用户体验，引起用户反感，造成网络用户的流失。
发明内容
有鉴于此，本发明的主要目的在于提供一种好友推荐方法及装置，能够对好友推荐对象进行调整，从而提高好友推荐的有效性和准确性，并提升用户体验。
为达到上述目的，本发明的技术方案是这样实现的：
本发明提供了一种好友推荐方法，为各用户建立推荐黑名单；所述方法还包括：
进行好友推荐时，删除被推荐用户列表中包含在当前用户的推荐黑名单中的被推荐用户，将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户。
在上述方案中，所述删除被推荐用户列表中包含在当前用户的推荐黑名单中的被推荐用户，包括：
分别将所述被推荐用户列表中各被推荐用户的ID，与当前用户的推荐黑名单中保存的各用户ID进行比较；
在被推荐用户的ID与当前用户的推荐黑名单中的任意一个用户ID一致时，将所述被推荐用户的ID从所述被推荐用户列表中删除。
在上述方案中，所述将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户，包括：
基于保留在所述被推荐用户列表中的各被推荐用户的个人信息、以及推荐次数，得到各被推荐用户与所述当前用户之间的相熟度；
基于所述相熟度对所述各被推荐用户进行排序；
将在所述被推荐用户列表中的全部被推荐用户或部分被推荐用户，按照所述排序得到的顺序推荐给当前用户。
在上述方案中，所述方法还包括：对于各用户，记录推荐给所述用户的各被推荐用户的推荐次数；将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户之前，获取各被推荐用户推荐给当前用户的推荐次数。
在上述方案中，所述对于各用户，记录推荐给所述用户的各被推荐用户的推荐次数，包括：为各用户建立计数数组，所述计数数组包含有一个或多个计数器，一个计数器保存有一个被推荐用户的ID和推荐次数，被推荐用户推荐给用户一次，所述用户的计数数组中包含该被推荐用户ID的计数器将所保存的推荐次数加1。
在上述方案中，所述方法还包括：在当前用户将被推荐用户加为好友后，将当前用户的计数数组中对应所述被推荐用户的计数器删除。
在上述方案中，所述方法还包括：在当前用户将被推荐用户拉入自身的推荐黑名单时，将所述被推荐用户的ID插入到当前用户的推荐黑名单中并保存。
在上述方案中，所述方法还包括：设置用于将被推荐用户拉入推荐黑名单的拉黑功能键；
当前用户将被推荐用户拉入自身的推荐黑名单，包括：当前用户选中要拉入自身推荐黑名单的被推荐用户，并点击所述拉黑功能键。
在上述方案中，将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户之前，所述方法还包括：
删除被推荐用户列表中包含在当前用户的关系链中的被推荐用户。
本发明还提供了一种用于好友推荐的推荐服务器，所述推荐服务器包括：推荐黑名单模块、删除模块和推荐模块；其中，
推荐黑名单模块，用于为各用户建立推荐黑名单；
删除模块，用于进行好友推荐时，删除被推荐用户列表中包含在当前用户的推荐黑名单中的被推荐用户；
推荐模块，用于将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户。
在上述方案中，所述删除模块，具体用于分别将所述被推荐用户列表中各被推荐用户的ID，与当前用户的推荐黑名单中保存的各用户ID进行比较；在被推荐用户的ID与当前用户的推荐黑名单中的任意一个用户ID一致时，将所述被推荐用户的ID从所述被推荐用户列表中删除。
在上述方案中，所述推荐模块，用于：基于保留在所述被推荐用户列表中的各被推荐用户的个人信息、以及推荐次数，得到各被推荐用户与所述当前用户之间的相熟度；基于所述相熟度对所述各被推荐用户进行排序；将所述被推荐用户列表中的全部被推荐用户或部分被推荐用户，按照所述排序得到的顺序推荐给当前用户。
在上述方案中，所述推荐服务器，还包括：记录模块，用于对于各用户，记录推荐给所述用户的各被推荐用户的推荐次数；
所述推荐模块，还用于在将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户之前，从所述记录模块中获取各被推荐用户推荐给当前用户的推荐次数。
在上述方案中，所述记录模块，用于：为各用户建立计数数组，所述计数数组包含有一个或多个计数器，一个计数器保存有一个被推荐用户的ID和推荐次数，被推荐用户推荐给用户一次，所述用户的计数数组中包含该被推荐用户ID的计数器将所保存的推荐次数加1。
在上述方案中，所述删除模块，还用于在当前用户将被推荐用户加为好友后，将所述记录模块中当前用户的计数数组内对应所述被推荐用户的计数器删除。
在上述方案中，推荐黑名单模块，还用于在当前用户将被推荐用户拉入自身的推荐黑名单时，将所述被推荐用户的ID插入到当前用户的推荐黑名单中并保存。
在上述方案中，所述删除模块，还用于在所述推荐模块将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户之前，删除被推荐用户列表中包含在当前用户的关系链中的被推荐用户。
本发明的好友推荐方法及装置，通过建立用户的推荐黑名单，在进行好友推荐之前，预先将用户不愿加为好友的用户从被推荐用户列表中删除，如此，能够基于用户的需求进行好友推荐，向用户推荐其真正感兴趣的用户，提高好友推荐的准确率及效率，达到有效推荐好友的目的；并且，还能够有效提升用户体验。
此外，本发明还记录被推荐用户的推荐次数，并基于被推荐用户的推荐次数，调整被推荐用户与当前用户的相熟度，将推荐多次而用户却未加为好友的被推荐用户相熟度降低，从而能够更有效的向用户推荐其真正感兴趣的用户，提高好友推荐的准确率及效率，达到有效推荐好友的目的。
附图说明
图1为本发明好友推荐方法的实现流程图；
图2为本发明推荐服务器的组成结构示意图；
图3为本发明实施例一中推荐好友的实现过程流程图。
具体实施方式
本发明的基本思想是：为各用户建立推荐黑名单，在向用户推荐好友时，先将被推荐用户列表中包含在所述推荐黑名单中的被推荐用户过滤掉，再推荐给用户，如此，用户能够根据自身的需求对好友推荐进行设置，从而提供好友推荐的有效性和准确性，提升用户体验。
如图1所示，本发明的好友推荐方法，主要可以包括如下步骤：
步骤101：为各用户建立推荐黑名单；
步骤102：进行好友推荐时，删除被推荐用户列表中包含在当前用户的推荐黑名单中的被推荐用户，将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户。
具体地，分别将所述被推荐用户列表中各被推荐用户的ID，与当前用户的推荐黑名单中保存的各用户ID进行比较；在被推荐用户的ID与当前用户的推荐黑名单中的任意一个用户ID一致时，将所述被推荐用户的ID从所述被推荐用户列表中删除。
这里，还可以删除被推荐用户列表中包含在当前用户的关系链中的被推荐用户。具体删除的方法可以通过相关的现有技术实现，也可以通过类似上述从推荐黑名单中删除用户的方法，删除被推荐用户列表中包含在当前用户的关系链中的被推荐用户。
具体地，所述将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户，可以包括：基于保留在所述被推荐用户列表中的各被推荐用户的个人信息、以及推荐次数，得到各被推荐用户与所述当前用户之间的相熟度；基于所述相熟度对所述各被推荐用户进行排序；将在所述被推荐用户列表中的全部被推荐用户或部分被推荐用户，按照所述排序得到的顺序推荐给当前用户。
这里，可以设置对应个人信息的相熟度因子、以及对应推荐次数的相熟度因子，其中，对应推荐次数的相熟度因子与推荐次数之间为反比关系；具体地，分别根据被推荐用户的个人信息以及推荐次数，得到相应的相熟度因子，再基于各相熟度因子得到相熟度，如此，对于被推荐用户来说，推荐次数越高，相熟度便会越低。
这里，所述方法还包括：对于各用户，记录推荐给所述用户的各被推荐用户的推荐次数；将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户之前，获取各被推荐用户推荐给当前用户的推荐次数。
具体地，为各用户建立计数数组，所述计数数组包含有一个或多个计数器，一个计数器保存有一个被推荐用户的ID和推荐次数，被推荐用户推荐给用户一次，所述用户的计数数组中包含该被推荐用户ID的计数器将所保存的推荐次数加1。
这里，所述方法还可以包括：在当前用户将被推荐用户加为好友后，将当前用户的计数数组中对应所述被推荐用户的计数器删除。
这里，所述方法还可以包括：在当前用户将被推荐用户拉入自身的推荐黑名单时，将所述被推荐用户的ID插入到当前用户的推荐黑名单中并保存。其中，可以设置用于将被推荐用户拉入推荐黑名单的拉黑功能键；当前用户可以通过选中要拉入自身推荐黑名单的被推荐用户，并点击所述拉黑功能键，将被推荐用户拉入自身的推荐黑名单。
相应的，本发明还提供了一种用于好友推荐的推荐服务器，如图2所示，所述推荐服务器包括：推荐黑名单模块、删除模块和推荐模块；其中，推荐黑名单模块，用于为各用户建立推荐黑名单；删除模块，用于进行好友推荐时，删除被推荐用户列表中包含在当前用户的推荐黑名单中的被推荐用户；推荐模块，用于将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户。
其中，所述删除模块，具体用于分别将所述被推荐用户列表中各被推荐用户的ID，与当前用户的推荐黑名单中保存的各用户ID进行比较；在被推荐用户的ID与当前用户的推荐黑名单中的任意一个用户ID一致时，将所述被推荐用户的ID从所述被推荐用户列表中删除。
其中，，所述推荐模块，用于：基于保留在所述被推荐用户列表中的各被推荐用户的个人信息、以及推荐次数，得到各被推荐用户与所述当前用户之间的相熟度；基于所述相熟度对所述各被推荐用户进行排序；将所述被推荐用户列表中的全部被推荐用户或部分被推荐用户，按照所述排序得到的顺序推荐给当前用户。
这里，所述推荐服务器，还包括：记录模块，用于对于各用户，记录推荐给所述用户的各被推荐用户的推荐次数；
所述推荐模块，还用于在将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户之前，从所述记录模块中获取各被推荐用户推荐给当前用户的推荐次数。
具体地，所述记录模块用于：为各用户建立计数数组，所述计数数组包含有一个或多个计数器，一个计数器保存有一个被推荐用户的ID和推荐次数，被推荐用户推荐给用户一次，所述用户的计数数组中包含该被推荐用户ID的计数器将所保存的推荐次数加1。
其中，所述删除模块还可以用于在当前用户将被推荐用户加为好友后，将所述记录模块中当前用户的计数数组内对应所述被推荐用户的计数器删除。
其中，推荐黑名单模块还可以用于在当前用户将被推荐用户拉入自身的推荐黑名单时，将所述被推荐用户的ID插入到当前用户的推荐黑名单中并保存。
其中，所述删除模块，还用于在所述推荐模块将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户之前，删除被推荐用户列表中包含在当前用户的关系链中的被推荐用户。
实施例一
如图3所示，本实施例中，进行好友推荐的过程，主要可以包括如下步骤：
步骤301：对当前用户的个人信息进行解析，并提取关键字；
具体地，个人信息可以包含有用户注册在当前推荐服务器中的信息，例如，可以包含用户的ID、年龄、学校、班级、工作地点、家乡、校友、好友等信息。
实际应用中，在用户注册到推荐服务器之后，会将自身的个人信息同时进行注册，推荐服务器会将用户注册的个人信息进行保存，需要进行好友推荐时，可以根据当前用户的ID，查询到该用户的个人信息，并进行解析。
上述的关键字可以根据实际推荐的需要进行设定，可以是一个或多个，一般设置为多个。例如，对于针对校友的网络社区，可以设定所述关键字是用户的学校、班级等。此时，如果当前用户的学校为XXX、班级为YYY时，可以从当前用户的个人信息中提取“XXX”、以及“YYY”作为关键字。
步骤302：查询包含有所述关键字的个人信息，生成被推荐用户列表；
具体地，推荐服务器对自身所保存的所有用户的个人信息进行解析，查询包含有所述关键字的个人信息，并将所查找到的个人信息所属的用户作为被推荐用户，生成包含有各被推荐用户ID的被推荐用户列表。
这里，查询包含有所述关键字的个人信息包括：在所述关键字为多个时，查询包含有任意一个或多个所述关键字的所有个人信息。
步骤303：将所述被推荐用户列表中包含在当前用户关系链中的用户、以及包含在当前用户的推荐黑名单中的用户删除；
这里，推荐服务器中为每个用户建立有推荐黑名单，所述推荐黑名单中保存有用户ID。
具体地，查询当前用户的推荐黑名单，分别将所述被推荐用户列表中各被推荐用户的ID与所述推荐黑名单中保存的用户ID进行比较，如果一致，则将所述被推荐用户删除，否则，保留所述被推荐用户。同理，删除当前用户关系链中的被推荐用户。
步骤304：对于所述被推荐用户列表中保留下来的各被推荐用户，基于各被推荐用户的个人信息、以及被推荐给当前用户的推荐次数，得到各被推荐用户与当前用户之间的相熟度因子，并根据相熟度因子计算得到各被推荐用于与当前用户之间的相熟度；
具体地，设置对应个人信息的一个或多个相熟度因子，该相熟度因子可以基于上述设置的关键字进行相应设置，一个关键字对应一个相熟度因子，该相熟度因子的取值可以设置为大于0的整数，具体数值可以根据需求进行设置。在所述被推荐用户的个人信息中包含有一个关键字时，该关键字所对应的相熟度因子取值为所设置的数值，在所述被推荐用户的个人信息中不包含有所述关键字时，所述关键字对应的相熟度因子取值为0。例如，对于针对校友的网络社区，对于“学校”这一关键字所对应相熟度因子的相熟度分数可以设置为最高，例如为20，在被推荐用户的个人信息中包含的学校与当前用户个人信息中的学校相一致时，对应“学校”的相熟度因子取值为20，不一致时，对应“学校”的相熟度因子取值为0；而对于“家乡”这一关键字所对应相熟度因子的相熟度分数可以设置为较低的数值，例如为5，在被推荐用户的个人信息中包含的家乡与当前用户个人信息中的家乡相一致时，对应“家乡”的相熟度因子取值为5，不一致时，对应“家乡”的相熟度因子取值为0，依此类推，不再赘述。
此外，还设置对应推荐次数的相熟度因子，并设置该相熟度因子与推荐次数为反比关系，如此，推荐次数越高，对应的相熟度因子越低，进而将推荐多次而用户却未加为好友的被推荐用户相熟度降低。相熟度因子与推荐次数之间的具体算法可以根据实际需要进行设置，例如，可以针对推荐次数的不同取值，设置固定的相熟度因子，具体地，推荐次数为1、2、3、4时，对应的相熟度因子分别为-10、-20、-30、-40，依此类推；还可以将相熟度因子的取值与推荐次数之间的关系设置为加权关系，推荐次数增加时，相熟度因子的取值就会随着推荐次数的增加以指数关系下降。
最后，将对应个人信息的各相熟度因子、以及对应推荐次数的相熟度因子整合，得到相熟度。例如，可以将各相熟度因子相加，得到的和即为相熟度。
步骤305：将所述被推荐用户列表中的各被推荐用户按照其与当前用户之间的相熟度从高到低进行排序；
步骤306：将所述被推荐用户列表中的所有被推荐用户或部分被推荐用户，按照所述排序的顺序推荐给当前用户；
这里，可以将所述被推荐用户列表中，排序在前N位的各被推荐用户推荐给当前用户，这里，N为不小于1的整数，可以根据实际需要进行设定。
步骤307：对于推荐给当前用户的各被推荐用户，更新其推荐次数。
具体地，在推荐服务器中为每个用户均设置用于记录该用户的各被推荐用户推荐次数的计数数组，一个计数数组中包含有多个计数器，一个计数器存放一个被推荐用户的ID和该被推荐用户的推荐次数，将被推荐用户推荐给用户一次，则将该用户的计数数组中包含有所述被推荐用户ID的计数器中的推荐次数加1。对于新注册的用户，推荐服务器可以在该用户注册时，建立该用户的计数数组。
上述步骤304中，推荐服务器可以查询当前用户的计数数组，根据各被推荐用户的ID查询其对应的计数器，从相应的计数器中读取各被推荐用户的推荐次数。步骤304中，对于一个或多个被推荐用户，如果所述推荐服务器在当前用户的计数数组中未查询到该被推荐用户的计数器，则默认该被推荐用户的推荐次数为0，并在当前用户的计数数组中建立所述被推荐用户的计数器，该计数器中推荐次数的初始值为0。
步骤308：在当前用户将推荐给自己的各被推荐用户中一个或多个用户拉入推荐黑名单时，推荐服务器将所述被推荐用户的ID插入到所述当前用户的推荐黑名单并保存，更新当前用户的推荐黑名单。
在社区的好友推荐界面上，设置用于将用户拉入黑名单的拉黑功能键“X”。当前用户选中要拉入推荐黑名单的被推荐用户，点击好友推荐界面上的拉黑功能健“X”，推荐服务器便会将所述被推荐用户的ID插入到所述当前用户的推荐黑名单并保存，更新当前用户的推荐黑名单，完成对于被推荐用户的拉黑操作。
步骤309：在当前用户将推荐给自己的各被推荐用户中一个或多个用户加为好友时，推荐服务器将当前用户的计数数组中对应所述被推荐用户的计数器删除，更新当前用户的计数数组。
以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。

Claims (17)

1.一种好友推荐方法，其特征在于，为各用户建立推荐黑名单；所述方法还包括：
进行好友推荐时，删除被推荐用户列表中包含在当前用户的推荐黑名单中的被推荐用户，将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户。
2.根据权利要求1所述的好友推荐方法，其特征在于，所述删除被推荐用户列表中包含在当前用户的推荐黑名单中的被推荐用户，包括：
分别将所述被推荐用户列表中各被推荐用户的ID，与当前用户的推荐黑名单中保存的各用户ID进行比较；
在被推荐用户的ID与当前用户的推荐黑名单中的任意一个用户ID一致时，将所述被推荐用户的ID从所述被推荐用户列表中删除。
3.根据权利要求1所述的好友推荐方法，其特征在于，所述将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户，包括：
基于保留在所述被推荐用户列表中的各被推荐用户的个人信息、以及推荐次数，得到各被推荐用户与所述当前用户之间的相熟度；
基于所述相熟度对所述各被推荐用户进行排序；
将在所述被推荐用户列表中的全部被推荐用户或部分被推荐用户，按照所述排序得到的顺序推荐给当前用户。
4.根据权利要求3所述的好友推荐方法，其特征在于，所述方法还包括：
对于各用户，记录推荐给所述用户的各被推荐用户的推荐次数；
将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户之前，获取各被推荐用户推荐给当前用户的推荐次数。
5.根据权利要求4所述的好友推荐方法，其特征在于，所述对于各用户，记录推荐给所述用户的各被推荐用户的推荐次数，包括：
为各用户建立计数数组，所述计数数组包含有一个或多个计数器，一个计数器保存有一个被推荐用户的ID和推荐次数，被推荐用户推荐给用户一次，所述用户的计数数组中包含该被推荐用户ID的计数器将所保存的推荐次数加1。
6.根据权利要求5所述的好友推荐方法，其特征在于，所述方法还包括：
在当前用户将被推荐用户加为好友后，将当前用户的计数数组中对应所述被推荐用户的计数器删除。
7.根据权利要求1至6任一项所述的好友推荐方法，其特征在于，所述方法还包括：在当前用户将被推荐用户拉入自身的推荐黑名单时，将所述被推荐用户的ID插入到当前用户的推荐黑名单中并保存。
8.根据权利要求7所述的好友推荐方法，其特征在于，
所述方法还包括：设置用于将被推荐用户拉入推荐黑名单的拉黑功能键；
当前用户将被推荐用户拉入自身的推荐黑名单，包括：当前用户选中要拉入自身推荐黑名单的被推荐用户，并点击所述拉黑功能键。
9.根据权利要求1至6任一项所述的好友推荐方法，其特征在于，将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户之前，所述方法还包括：
删除被推荐用户列表中包含在当前用户的关系链中的被推荐用户。
10.一种用于好友推荐的推荐服务器，其特征在于，所述推荐服务器包括：推荐黑名单模块、删除模块和推荐模块；其中，
推荐黑名单模块，用于为各用户建立推荐黑名单；
删除模块，用于进行好友推荐时，删除被推荐用户列表中包含在当前用户的推荐黑名单中的被推荐用户；
推荐模块，用于将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户。
11.根据权利要求10所述用于好友推荐的推荐服务器，其特征在于，所述删除模块，具体用于分别将所述被推荐用户列表中各被推荐用户的ID，与当前用户的推荐黑名单中保存的各用户ID进行比较；在被推荐用户的ID与当前用户的推荐黑名单中的任意一个用户ID一致时，将所述被推荐用户的ID从所述被推荐用户列表中删除。
12.根据权利要求10所述用于好友推荐的推荐服务器，其特征在于，所述推荐模块，用于：
基于保留在所述被推荐用户列表中的各被推荐用户的个人信息、以及推荐次数，得到各被推荐用户与所述当前用户之间的相熟度；
基于所述相熟度对所述各被推荐用户进行排序；
将所述被推荐用户列表中的全部被推荐用户或部分被推荐用户，按照所述排序得到的顺序推荐给当前用户。
13.根据权利要求12所述用于好友推荐的推荐服务器，其特征在于，
所述推荐服务器，还包括：记录模块，用于对于各用户，记录推荐给所述用户的各被推荐用户的推荐次数；
所述推荐模块，还用于在将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户之前，从所述记录模块中获取各被推荐用户推荐给当前用户的推荐次数。
14.根据权利要求13所述用于好友推荐的推荐服务器，其特征在于，所述记录模块，用于：为各用户建立计数数组，所述计数数组包含有一个或多个计数器，一个计数器保存有一个被推荐用户的ID和推荐次数，被推荐用户推荐给用户一次，所述用户的计数数组中包含该被推荐用户ID的计数器将所保存的推荐次数加1。
15.根据权利要求14所述用于好友推荐的推荐服务器，其特征在于，所述删除模块，还用于在当前用户将被推荐用户加为好友后，将所述记录模块中当前用户的计数数组内对应所述被推荐用户的计数器删除。
16.根据权利要求10至15任一项所述用于好友推荐的推荐服务器，其特征在于，推荐黑名单模块，还用于在当前用户将被推荐用户拉入自身的推荐黑名单时，将所述被推荐用户的ID插入到当前用户的推荐黑名单中并保存。
17.根据权利要求10至15任一项所述用于好友推荐的推荐服务器，其特征在于，所述删除模块，还用于在所述推荐模块将保留在所述被推荐用户列表中的被推荐用户推荐给当前用户之前，删除被推荐用户列表中包含在当前用户的关系链中的被推荐用户。
CN201110278327.1A 2011-09-19 2011-09-19 好友推荐方法及装置 Active CN103001994B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201110278327.1A CN103001994B (zh) 2011-09-19 2011-09-19 好友推荐方法及装置
PCT/CN2012/076861 WO2013040914A1 (zh) 2011-09-19 2012-06-13 好友推荐方法、装置及存储介质
US14/051,382 US9584589B2 (en) 2011-09-19 2013-10-10 Friend recommendation method, apparatus and storage medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201110278327.1A CN103001994B (zh) 2011-09-19 2011-09-19 好友推荐方法及装置

Publications (2)

Publication Number Publication Date
CN103001994A true CN103001994A (zh) 2013-03-27
CN103001994B CN103001994B (zh) 2016-02-17

Family

ID=47913834

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201110278327.1A Active CN103001994B (zh) 2011-09-19 2011-09-19 好友推荐方法及装置

Country Status (3)

Country Link
US (1) US9584589B2 (zh)
CN (1) CN103001994B (zh)
WO (1) WO2013040914A1 (zh)

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104639508A (zh) * 2013-11-14 2015-05-20 李�权 一种信息多维传播的方法
CN104765738A (zh) * 2014-01-03 2015-07-08 腾讯科技（北京）有限公司 对用户生成内容的计数器进行控制的方法和系统
CN105931123A (zh) * 2016-05-09 2016-09-07 深圳市永兴元科技有限公司 基于网络账号的好友推荐方法及装置
CN109299384A (zh) * 2018-11-02 2019-02-01 北京小米智能科技有限公司 场景推荐方法、装置及系统、存储介质
CN109587034A (zh) * 2017-09-28 2019-04-05 北京博瑞彤芸文化传播股份有限公司 一种垃圾用户过滤模块及方法

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105468598B (zh) * 2014-08-18 2020-05-08 大连民族学院 好友推荐方法及装置
US20160283548A1 (en) * 2015-03-27 2016-09-29 International Business Machines Corporation Recommending connections in a social network system
US9858625B2 (en) 2015-04-28 2018-01-02 International Business Machines Corporation Leveraging skipped relationships in a social network
US10565272B2 (en) 2015-10-26 2020-02-18 International Business Machines Corporation Adjusting system actions, user profiles and content in a social network based upon detected skipped relationships

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100057858A1 (en) * 2008-08-28 2010-03-04 Microsoft Corporation Leveraging communications to identify social network friends
CN102035891A (zh) * 2010-12-17 2011-04-27 百度在线网络技术（北京）有限公司 一种网络交友平台中推荐好友的方法和装置
CN102164315A (zh) * 2011-02-14 2011-08-24 深圳市同洲电子股份有限公司 数字电视中网络个人录像数据的推荐方法和系统

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
IL134943A0 (en) * 2000-03-08 2001-05-20 Better T V Technologies Ltd Method for personalizing information and services from various media sources
US20090299998A1 (en) * 2008-02-15 2009-12-03 Wordstream, Inc. Keyword discovery tools for populating a private keyword database
CN101968818A (zh) * 2010-11-08 2011-02-09 北京开心人信息技术有限公司 一种社交网站中向用户推荐好友的方法及系统
US20120159337A1 (en) * 2010-12-17 2012-06-21 Kerry Travilla System and method for recommending media content

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20100057858A1 (en) * 2008-08-28 2010-03-04 Microsoft Corporation Leveraging communications to identify social network friends
CN102035891A (zh) * 2010-12-17 2011-04-27 百度在线网络技术（北京）有限公司 一种网络交友平台中推荐好友的方法和装置
CN102164315A (zh) * 2011-02-14 2011-08-24 深圳市同洲电子股份有限公司 数字电视中网络个人录像数据的推荐方法和系统

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104639508A (zh) * 2013-11-14 2015-05-20 李�权 一种信息多维传播的方法
CN104765738A (zh) * 2014-01-03 2015-07-08 腾讯科技（北京）有限公司 对用户生成内容的计数器进行控制的方法和系统
CN104765738B (zh) * 2014-01-03 2019-03-26 腾讯科技（北京）有限公司 对用户生成内容的计数器进行控制的方法和系统
CN105931123A (zh) * 2016-05-09 2016-09-07 深圳市永兴元科技有限公司 基于网络账号的好友推荐方法及装置
CN109587034A (zh) * 2017-09-28 2019-04-05 北京博瑞彤芸文化传播股份有限公司 一种垃圾用户过滤模块及方法
CN109587034B (zh) * 2017-09-28 2021-04-27 北京博瑞彤芸科技股份有限公司 一种垃圾用户过滤模块及方法
CN109299384A (zh) * 2018-11-02 2019-02-01 北京小米智能科技有限公司 场景推荐方法、装置及系统、存储介质
CN109299384B (zh) * 2018-11-02 2021-05-04 北京小米智能科技有限公司 场景推荐方法、装置及系统、存储介质

Also Published As

Publication number Publication date
US9584589B2 (en) 2017-02-28
WO2013040914A1 (zh) 2013-03-28
US20140053087A1 (en) 2014-02-20
CN103001994B (zh) 2016-02-17

Similar Documents

Publication Publication Date Title
CN103001994B (zh) 好友推荐方法及装置
CN103368917B (zh) 一种网络虚拟用户的风险控制方法及系统
CN103647800B (zh) 推荐应用资源的方法及系统
Ahmed et al. Time-based sampling of social network activity graphs
US20120005216A1 (en) Providing Content by Using a Social Network
CN104615627B (zh) 一种基于微博平台的事件舆情信息提取方法及系统
CN104657498B (zh) 微博用户影响力的评估方法
CN103365851A (zh) 一种基于虚拟组织分享用户上网行为的方法及系统
CN110020178A (zh) 兴趣点识别方法、装置、设备及存储介质
US20090240669A1 (en) Method of managing locations of information and information location management device
JP5499333B2 (ja) 情報推薦装置、情報推薦方法及び情報推薦プログラム
CN104298782B (zh) 互联网用户主动访问行为轨迹的分析方法
CN102811207A (zh) 网络信息推送方法及系统
CN109710854A (zh) 社交应用中推荐用户的方法和装置
CN109905873A (zh) 一种基于特征标识信息的网络账号关联方法
CN104408105A (zh) 一种适用于智能tv用户的好友推荐方法
CN104111981B (zh) 一种用于提供发布信息的方法与设备
CN103745383A (zh) 基于运营商数据实现重定向服务的方法和系统
CN102184201A (zh) 一种用于选取查询序列的推荐序列的设备和方法
CN101808081A (zh) 一种基于邮件发送邀请注册的方法及系统
CN107948047A (zh) 一种用户推荐方法及终端
CN102810103A (zh) 搜索结果分享方法及系统
CN106474666A (zh) 一种智能跑步方法以及一种智能跑步机
CN107220262B (zh) 信息处理方法和装置
CN106027303B (zh) 一种征信特征获取方法及其设备

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant