CN103200279B - 推荐方法和云端服务器 - Google Patents

Abstract

本发明提出一种推荐方法和云端服务器，其中该方法包括以下步骤：云端服务器获取社交网站中的多个用户；云端服务器获取每个用户的特征词集合；云端服务器根据特征词集合获取每两个用户之间的相似度；以及当两个用户之间的相似度超过预设阈值时，云端服务器在两个用户之间进行推荐。根据本发明实施例方法，增强社交网站的社交功能，带动社交网站的活跃度、粘性和趣味性，提升用户体验。

Description

推荐方法和云端服务器

技术领域

本发明涉及通信技术领域，尤其涉及一种推荐方法和云端服务器。

背景技术

随着通信技术的日益发展，社交网站逐渐成为人们不可或缺的交流工具，社交网站可以向用户推荐好友，从而扩大用户的交友圈。目前，社交网站从已经发生或成形的好友社交关系中（例如：有共同的关注对象、或共同的好友、或属于同一区域、或有邮件往来关系等）通过递归扩散（例如：好友的好友等）等来为用户推荐相应的非好友用户。

目前存在的问题是，严重依赖已经发生的或成形的好友社交关系，被推荐的用户事实上可能和用户关联相似性并不强或者只存在“某一点”（例如：工作、地域等）的关联性，用户体验差。

发明内容

本发明旨在至少解决上述技术问题之一。

为此，本发明的第一个目的在于提出一种推荐方法。该方法可以增强社交网站的社交功能，带动社交网站的活跃度、粘性和趣味性，提升用户体验。

本发明的第二个目的在于提出一种云端服务器。

为了实现上述目的，本发明第一方面实施例的推荐方法包括：云端服务器获取社交网站中的多个用户；所述云端服务器获取每个所述用户的特征词集合；所述云端服务器根据所述特征词集合获取每两个所述用户之间的相似度；以及当两个用户之间的所述相似度超过预设阈值时，所述云端服务器在所述两个用户之间进行推荐。

根据本发明实施例的推荐方法，云端服务器获取社交网站中的多个用户，并获取每个用户的特征词集合，以及根据特征词集合进一步获取每两个用户之间的相似度，当两个用户之间的相似度超过预设阀值时，对该两个用户进行相互推荐。由此，为社交网站的用户提供认识志趣相投的“同类”用户，从而增强社交网站的社交功能，带动社交网站的活跃度、粘性和趣味性，并增强用户体验性。

为了实现上述目的，本发明第二方面实施例的云端服务器包括：第一获取模块，用于获取社交网站中的多个用户；第二获取模块，用于获取每个所述用户的特征词集合；第三获取模块，用于根据所述特征词集合获取每两个所述用户之间的相似度；以及推荐模块，用于当两个用户之间的所述相似度超过预设阈值时，在所述两个用户之间进行推荐。

根据本发明实施例的云端服务器，云端服务器分别通过第一获取模块、第二获取模块和第三获取模块获取每两个用户之间的相似度，并通过推荐模块根据相似度向用户推荐非好友用户，如当两个用户之间的相似度超过预设阀值时，云端服务器将对这两个用户进行相互推荐。由此，为社交网站的用户提供认识志趣相投的“同类”用户，从而增强社交网站的社交功能，带动社交网站的活跃度、粘性和趣味性，并增强用户体验性。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中，

图1是根据本发明一个实施例的推荐方法的流程图；

图2是根据本发明实施例的特征词集合的示例图；

图3是根据本发明实施例的相似度的示例图；

图4（a）、（b）和（c）是根据本发明实施例的推荐方法的示例图；

图5是根据本发明实施例的界面效果图；

图6是根据本发明一个具体实施例的推荐方法的流程图；

图7是根据本发明另一个具体实施例的推荐方法的流程图；

图8是根据本发明实施例的推荐方法的交互示意图；

图9是根据本发明一个实施例的云端服务器的结构框图；

图10是根据本发明另一个实施例的云端服务器的结构框图；

图11是根据本发明实施例的第二获取模块200的结构框图；以及

图12是根据本发明实施例的第三获取模块300的结构框图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。

在本发明的描述中，需要理解的是，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。此外，在本发明的描述中，除非另有说明，“多个”的含义是两个或两个以上。

流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。

下面参考附图描述根据本发明实施例的推荐方法和云端服务器。

社交网站从已经发生或成形的好友社交关系（例如：有共同的关注对象、或共同的好友、或属于同一区域、或有邮件往来关系等）中通过递归扩散（例如：好友的好友等）等来为用户推荐相应的非好友用户，但是，社交网站的用户往往存在这样的需求，想通过社交网站寻找志趣相投的用户分享共同感兴趣的话题，如同喜爱旅游的驴友分享旅游攻略等，目前推荐非好友用户的方法缺乏“主动”发现志趣相投潜在好友的可能性，无法提供给用户非常贴心的社交体验。本发明考虑到这种情况，通过每两个用户之间的相似度推荐非好友用户，可以保证被推荐的非好友用户与用户的志趣相投，提高用户社交体验。

为此，提出一种推荐方法，包括以下步骤：云端服务器获取社交网站中的多个用户；云端服务器获取每个用户的特征词集合；云端服务器根据特征词集合获取每两个用户之间的相似度；以及当两个用户之间的相似度超过预设阈值时，云端服务器在两个用户之间进行推荐。

图1是根据本发明一个实施例的推荐方法的流程图，图2是根据本发明实施例的特征词集合的示例图，图3是根据本发明实施例的相似度的示例图。

如图1所示，推荐方法包括以下步骤。

S101，云端服务器获取社交网站中的多个用户。

具体地，云端服务器可以构建后台分布式集群服务，定期统计多个社交网站中的大量已注册或者登陆的用户，云端服务器可以分布式存储多个用户。

S102，云端服务器获取每个用户的特征词集合。

在本发明的一个实施例中，每个用户的特征词集合可以包括多个特征词和特征词的重复频率等。其中，特征词的个数可以由云端服务器的后台分布式集群服务的规模进行调整，或者云端服务器可以规定特征词的个数。

特征词集合的一个具体示例如图2所示，区域1表示用户ID为UserID1的用户及对应的多个特征词d11和重复频率d12，Key(i+1)、Key(i+2)…Key(i+N)表示第i个周期内的N个特征词d11；区域2表示用户ID为UserID2的用户及对应的多个特征词d21和重复频率d22，Key(j+1)、Key(j+2)…Key(j+N)表示第j个周期内的N个特征词d21。其中，i和j可以从0开始计数。依此类推，可以以上述的形式存储多个用户的特征词集合，例如，UserID3、UserID4等。

在本发明的一个实施例中，云端服务器按照预定时间间隔对已存储的特征词集合进行更新，例如一周之内。

S103，云端服务器根据特征词集合获取每两个用户之间的相似度。

相似度的一个具体示例如图3所示，区域3表示用户ID为UserID1的用户、相似度排序前M的相似用户的用户ID以及对应的相似度；区域4表示用户ID为UserID2的用户、相似度排序前M的相似用户的用户ID以及对应的相似度。其中，i和j的含义与图2中所示的相同。依此类推，可以以上述的形式存储多个用户与其他相似用户之间的相似度，例如，UserID3、UserID4等。

S104，当两个用户之间的相似度超过预设阈值时，云端服务器在两个用户之间进行推荐。

在本发明的一个实施例中，还可以包括以下步骤：云端服务器分别获取两个用户的文章信息和/或订阅信息，以及在两个用户之间推荐文章信息和/或订阅信息。由此，当云端服务器在两个用户之间进行推荐时，同时推荐两个用户的阅读或分享的文章、订阅的兴趣话题等，进一步提升用户体验。

根据本发明实施例的推荐方法，云端服务器获取社交网站中的多个用户，并获取每个用户的特征词集合，以及根据特征词集合进一步获取每两个用户之间的相似度，当两个用户之间的相似度超过预设阀值时，对该两个用户进行相互推荐。由此，为社交网站的用户提供认识志趣相投的“同类”用户，从而增强社交网站的社交功能，带动社交网站的活跃度、粘性和趣味性，并增强用户体验性。

为了使得本发明实施例的优点更加明显，下面举一个具体的例子。

图4（a）、（b）和（c）是根据本发明实施例的推荐方法的示例图。如图4（a）和（b）所示，分别表示用户A和用户B的特征词集合（其中包括多个特征词和特征词的重复频率），如图4（c）所示，根据用户A和用户B的特征词集合计算获取到两者之间的相似度为89（假设0-100为相似度的数值范围区间，数值越大，相似度程度越高），用户A的相似用户中包括了用户B，如果预设阈值为80，则用户A和用户B的相似度超过预设阈值80，则云端服务器可以向用户A推荐用户B，并向用户B推荐用户A，还可以提示对方的相似度。更确切地说，云端服务器可以实时检测相似度，每当用户与其他某个用户的相似度超过预设阀值时，云端服务器就向用户推荐其他某个用户为可能感兴趣的人。

又如，云端服务器定期获取每个用户相似度超过预设阈值的多个相似用户并根据多个相似用户进行推荐。图5是根据本发明实施例的界面效果图，如图5所示，当云端服务器定期统计用户A分别与用户C、用户D和用户E之间的相似度超过预设阀值时，向用户A推荐用户C、用户D和用户E，并在页面展示给用户A关于推荐用户C、用户D和用户E的信息；区域5显示用户A分别与用户C、用户D和用户E之间的相似度以供用户A选择添加用户C、用户D和用户E为潜在的好友，其中还可以表示更加丰富的用户信息（例如，点击用户名可以显示该用户的详细信息，并有添加好友按钮等类似功能），其中，推荐的非好友用户的个数可根据用户行为习惯自己定义，或者云端服务器默认设置。

图6是根据本发明一个具体实施例的推荐方法的流程图。

云端服务器可以通过对用户在社交网站上的发布信息进行定期统计分析以获得用户的特征词集合，具体地，如图6所示，推荐方法包括以下步骤。

S201，云端服务器获取社交网站中的多个用户。

具体地，云端服务器可以构建后台分布式集群服务，定期统计多个社交网站中的大量已注册或者登陆的用户，云端服务器可以分布式存储多个用户。

S202，云端服务器获取每个用户在社交网站上的发布信息。

例如，发布信息可以是微博、帖子、评论、阅读或分享的文章、订阅的兴趣话题等。

S203，云端服务器对发布信息进行分析以获取多个关键字。

具体地，云端服务器对发布信息进行分词以获取多个关键字。

S204，云端服务器对多个关键字进行过滤以获取多个特征词。

具体地，云端服务器根据过滤筛选表对关键字进行过滤筛选以获取多个特征词。其中，过滤筛选表中包括常用的语助词，例如：啊、呀、的、吗、哈等。

S205，云端服务器获取多个特征词的重复频率以建立每个用户的特征词集合。

在本发明的一个实施例中，每个用户的特征词集合可以包括多个特征词和特征词的重复频率等。其中，特征词的个数可以由云端服务器的后台分布式集群服务的规模进行调整，或者云端服务器可以规定特征词的个数。

在本发明的一个实施例中，云端服务器按照预定时间间隔对已存储的特征词集合进行更新，例如一周之内。

S206，云端服务器根据特征词集合获取每两个用户之间的相似度。

S207，当两个用户之间的相似度超过预设阈值时，云端服务器在两个用户之间进行推荐。

在本发明的一个实施例中，还可以包括以下步骤：云端服务器分别获取两个用户的文章信息和/或订阅信息，以及在两个用户之间推荐文章信息和/或订阅信息。由此，当云端服务器在两个用户之间进行推荐时，同时推荐两个用户的阅读或分享的文章、订阅的兴趣话题等，进一步提升用户体验。

根据本发明实施例的推荐方法，云端服务器通过用户在社交网站上的发布信息，获取多个关键字并对关键字进行过滤以获取多个特征词，大大增强了社交网站推荐功能，给用户推荐更可能感兴趣或者志趣相投的非好友用户，提供了非常贴心的社交体验。

图7是根据本发明另一个具体实施例的推荐方法的流程图。

云端服务器分别根据每个用户的特征词集合中的重复频率获取特征词集合中的每个特征词的权值，从而获取每两个用户之间的相似度，具体地，如图7所示，推荐方法包括以下步骤。

S301，云端服务器获取社交网站中的多个用户。

具体地，云端服务器可以构建后台分布式集群服务，定期统计多个社交网站中的大量已注册或者登陆的用户，云端服务器可以分布式存储多个用户。

S302，云端服务器获取每个用户在社交网站上的发布信息。

例如，发布信息可以是微博、帖子、评论、阅读或分享的文章、订阅的兴趣话题等。

S303，云端服务器对发布信息进行分析以获取多个关键字。

具体地，云端服务器对发布信息进行分词以获取多个关键字。

S304，云端服务器对多个关键字进行过滤以获取多个特征词。

具体地，云端服务器根据过滤筛选表对关键字进行过滤筛选以获取多个特征词。其中，过滤筛选表中包括常用的语助词，例如：啊、呀、的、吗、哈等。

S305，云端服务器获取多个特征词的重复频率以建立每个用户的特征词集合。

在本发明的一个实施例中，每个用户的特征词集合可以包括多个特征词和特征词的重复频率等。其中，特征词的个数可以由云端服务器的后台分布式集群服务的规模进行调整，或者云端服务器可以规定特征词的个数。

在本发明的一个实施例中，云端服务器按照预定时间间隔对已存储的特征词集合进行更新，例如一周之内。

S306，云端服务器分别根据每个用户的特征词集合中的重复频率获取特征词集合中每个特征词的权值。

例如，重复频率高的特征词的权值大。

S307，云端服务器获取每两个用户之间的特征词的关联度。

例如，用户A的特征词分布式存取和用户B的特征词分布式存取的关联度比较大，特征词之间的关联关系可以为强关联、弱关联、模糊关联等，不同的等级对应不同的权重以表示关联度。

S308，云端服务器根据每两个用户的特征词及对应的权值、关联度获取相似度。

例如，用户A、用户B和用户C，

用户A的特征词为“分布式存取”，对应的权值为20%，

用户B的特征词为“分布式计算”，对应的权值为10%，

用户C的特征词为“负载均衡”，对应的权值为10%，

“分布式存取”与“分布式计算”的关联度为90%，

“分布式存取”与“负载均衡”的关联度为50%，

则用户B和用户A的相似度为：[90%（用户B的特征词“分布式存取”和用户A的特征词“分布式计算”之间的关联度）*10%（用户B的特征词“分布式计算”的权值）+（多个特征词...）]/[1（用户B的特征词“分布式存取”与自己的关联度取值为1）*20%（用户A的特征词“分布式存取”的权值）+（多个特征词...）]，其中，多个特征词...的计算过程类推。

用户C与用户A的相似度：[50%（用户C的特征词“负载均衡”和用户A的特征词“分布式存取”之间的关联度）*10%（用户C的特征词“负载均衡”的权值）+（多个特征词...）]/[1（用户C的特征词“负载均衡”与自己的关联度取值为1）*20%（用户A的特征词“分布式存取”的权值）+（多个特征词...）]，其中，多个特征词...的计算过程类推。

S309，当两个用户之间的相似度超过预设阈值时，云端服务器在两个用户之间进行推荐。

在本发明的一个实施例中，还可以包括以下步骤：云端服务器分别获取两个用户的文章信息和/或订阅信息，以及在两个用户之间推荐文章信息和/或订阅信息。由此，当云端服务器在两个用户之间进行推荐时，同时推荐两个用户的阅读或分享的文章、订阅的兴趣话题等，进一步提升用户体验。

根据本发明实施例的推荐方法，云端服务器通过每两个用户的特征词及其对应的权值、关联度获取相似度以进行推荐，大大增强了社交网站推荐功能，给用户推荐更可能感兴趣或者志趣相投的非好友用户，进一步提升用户体验。

下面具体说明本发明实施例的推荐方法的具体过程。通过具体示例的描述，本发明的方面和优点将变得更加明显。

图8是根据本发明实施例的推荐方法的交互示意图。如图8所示，用户10（用户10为多个）注册并登陆社交网站20，在社交网站20上发布信息d1（S1），分布式数据库30存取信息用户10的发布信息（S2），其中，云端服务器可以包括分布式数据库30和分布式计算服务40。分布式计算服务40定期统计分析分布式数据库30中存储的用户10的发布信息d1（S3），对发布信息d1进行过滤筛选以获取重复频率最高的多个特征词，进一步获得用户10的特征词集合d2（S4），根据特征词集合d2计算用户10之间的相似度d3（S5），并将用户10的特征词集合d2和相似度d3持久性存入分布式数据库中（S6）。然后云端服务器根据用户之间的相似度d3给出并在社交网站20页面中展示相似度d3最高的前M个潜在好友供用户10选择（S7），此时用户10选择并添加其感兴趣的其他用户为好友（S8）。

为了实现上述实施例，本发明又提出一种云端服务器。

一种云端服务器，包括：第一获取模块，用于获取社交网站中的多个用户；第二获取模块，用于获取每个用户的特征词集合；第三获取模块，用于根据特征词集合获取每两个用户之间的相似度；以及推荐模块，用于当两个用户之间的相似度超过预设阈值时，在两个用户之间进行推荐。

图9是根据本发明一个实施例的云端服务器的结构框图。

如图9所示，云端服务器包括：第一获取模块100、第二获取模块200、第三获取模块300和推荐模块400。

具体地，第一获取模块100用于获取社交网站中的多个用户。更具体地，云端服务器可以构建后台分布式集群服务，第一获取模块100定期统计并获取多个社交网站中的大量已注册或者登陆的用户，云端服务器可以分布式存储多个用户。

第二获取模块200用于获取每个用户的特征词集合。在本发明的一个实施例中，每个用户的特征词集合包括多个特征词和特征词的重复频率等。其中，特征词的个数可以由云端服务器的后台分布式集群服务的规模进行调整，或者云端服务器可以规定特征词的个数。

在本发明的一个实施例中，云端服务器按照预定时间间隔对已存储的特征词集合进行更新，例如一周之内。

第三获取模块300用于根据特征词集合获取每两个用户之间的相似度。

推荐模块400用于当两个用户之间的相似度超过预设阈值时，在两个用户之间进行推荐，更具体地，当两个用户之间的相似度超过预设阀值时，推荐模块400在两个用户之间进行相互推荐，并在页面中给用户展示出与其相似度最高的多个非好友用户（按相似度大小排序）和相似度，供用户选择添加为潜在的好友。

根据本发明实施例的云端服务器，云端服务器分别通过第一获取模块、第二获取模块和第三获取模块获取每两个用户之间的相似度，并通过推荐模块根据相似度向用户推荐非好友用户，如当两个用户之间的相似度超过预设阀值时，云端服务器将对这两个用户进行相互推荐。由此，为社交网站的用户提供认识志趣相投的“同类”用户，从而增强社交网站的社交功能，带动社交网站的活跃度、粘性和趣味性，并增强用户体验性。

图10是根据本发明另一个实施例的云端服务器的结构框图。

如图10所示，在图9所示实施例的基础上云端服务器还包括第四获取模块500。

具体地，第四获取模块500用于分别获取两个用户的文章信息和/或订阅信息，其中，推荐模块400还用于在两个用户之间推荐其文章信息和/或订阅信息。

更具体地，当推荐模块400在两个用户之间进行推荐时，同时在两个用户之间推荐第四获取模块500获取到的这两个用户的文章信息和/或订阅信息。由此，为社交网站的用户提供认识志趣相投的“同类”用户，增强社交网站的社交功能，带动社交网站的活跃度、粘性和趣味性，并增强用户体验性。

图11是根据本发明实施例的第二获取模块200的结构框图。

如图11所示，第二获取模块200包括：第一获取单元201、分析单元202、过滤单元203和第二获取单元204。

具体地，第一获取单元201用于获取每个用户在社交网站上的发布信息，例如，发布信息可以是微博、帖子、评论、其阅读或分享的文章、订阅的兴趣话题等。

分析单元202用于对发布信息进行分析以获取多个关键字。更具体地，云端服务器对发布信息进行分词以获取多个关键字。

过滤单元203用于对多个关键字进行过滤以获取多个特征词，更具体地，过滤单元203根据过滤筛选表对关键字进行过滤筛选以获取多个特征词。其中，过滤筛选表中包括常用的语助词，例如：啊、呀、的、吗、哈等。

第二获取单元204用于获取多个特征词的重复频率以建立每个用户的特征词集合。在本发明的一个实施例中，每个用户的特征词集合可以包括多个特征词和特征词的重复频率等。其中，特征词的个数可以由云端服务器的后台分布式集群服务的规模进行调整，或者云端服务器可以规定特征词的个数。

在本发明的一个实施例中，云端服务器按照预定时间间隔对已存储的特征词集合进行更新，例如一周之内。

由此，云端服务器分别通过第一获取单元201、分析单元202和过滤单元203获取每个用户的多个特征词，并通过第二获取单元204以获取每个用户的特征词集合，增强社交网站的社交功能，带动社交网站的活跃度、粘性和趣味性，用户体验性强。

图12是根据本发明实施例的第三获取模块300的结构框图。

如图12所示，第三获取模块300包括：第一获取单元301、第二获取单元302和第三获取单元303。

具体地，第一获取单元301用于根据每个用户的特征词集合中的重复频率获取特征词集合中每个特征词的权值，例如，重复频率高的特征词的权值大。

第二获取单元302用于获取每两个用户之间的特征词的关联度。例如，用户A的特征词分布式存取和用户B的特征词分布式存取的关联度比较大，特征词之间的关联关系可以为强关联、弱关联、模糊关联等，不同的等级对应不同的权重以表示关联度。

第三获取单元303用于根据每两个用户的特征词及对应的权值、关联度获取相似度。其中，具体的计算过程可参考方法实施例对应理解。

由此，云端服务器分别通过第一获取单元301、第二获取单元302和第三获取单元303以获取每两个用户之间的相似度，查找和对比用户之间的相似度，向用户推荐志趣相投的“同类”用户，增强社交网站的社交功能，带动社交网站的活跃度、粘性和趣味性。

应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列（PGA），现场可编程门阵列（FPGA）等。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解：在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (8)

1.一种推荐方法，其特征在于，包括以下步骤：

云端服务器获取社交网站中的多个用户；

所述云端服务器获取每个所述用户的特征词集合，其中，所述特征词集合包括多个特征词和所述特征词的重复频率；

所述云端服务器分别根据每个所述用户的所述特征词集合中的所述重复频率获取所述特征词集合中每个所述特征词的权值；

所述云端服务器获取每两个所述用户之间的所述特征词的关联度；以及

所述云端服务器根据每两个所述用户的所述特征词及对应的所述权值、所述关联度获取每两个所述用户之间的相似度；以及

当两个用户之间的所述相似度超过预设阈值时，所述云端服务器在所述两个用户之间进行推荐。

2.根据权利要求1所述的方法，其特征在于，所述云端服务器获取每个所述用户的特征词集合，进一步包括：

所述云端服务器获取每个所述用户在所述社交网站上的发布信息；

所述云端服务器对所述发布信息进行分析以获取多个关键字；

所述云端服务器对所述多个关键字进行过滤以获取多个特征词；以及

所述云端服务器获取所述多个特征词的重复频率以建立每个所述用户的所述特征词集合。

3.根据权利要求2所述的方法，其特征在于，所述云端服务器按照预定时间间隔对所述特征词集合进行更新。

4.根据权利要求1所述的方法，其特征在于，还包括：

所述云端服务器分别获取所述两个用户的文章信息和/或订阅信息；以及

所述云端服务器在所述两个用户之间推荐所述文章信息和/或订阅信息。

5.一种云端服务器，其特征在于，包括：

第一获取模块，用于获取社交网站中的多个用户；

第二获取模块，用于获取每个所述用户的特征词集合，其中，所述特征词集合包括多个特征词和所述特征词的重复频率；

第三获取模块，所述第三获取模块包括：第一获取单元，用于分别根据每个所述用户的所述特征词集合中的所述重复频率获取所述特征词集合中每个所述特征词的权值；第二获取单元，用于获取每两个所述用户之间的所述特征词的关联度；以及第三获取单元，用于根据每两个所述用户的所述特征词及对应的所述权值、所述关联度获取每两个所述用户之间的相似度；以及

推荐模块，用于当两个用户之间的所述相似度超过预设阈值时，在所述两个用户之间进行推荐。

6.根据权利要求5所述的云端服务器，其特征在于，所述第二获取模块包括：

第一获取单元，用于获取每个所述用户在所述社交网站上的发布信息；

分析单元，用于对所述发布信息进行分析以获取多个关键字；

过滤单元，用于对所述多个关键字进行过滤以获取多个特征词；以及

第二获取单元，用于获取所述多个特征词的重复频率以建立每个所述用户的所述特征词集合。

7.根据权利要求6所述的云端服务器，其特征在于，所述云端服务器按照预定时间间隔对所述特征词集合进行更新。

8.根据权利要求5所述的云端服务器，其特征在于，还包括：

第四获取模块，用于分别获取所述两个用户的文章信息和/或订阅信息，其中所述推荐模块还用于在所述两个用户之间推荐所述文章信息和/或订阅信息。