CN103973724A - 社交网络的组网方法和装置 - Google Patents
社交网络的组网方法和装置 Download PDFInfo
- Publication number
- CN103973724A CN103973724A CN201310030795.6A CN201310030795A CN103973724A CN 103973724 A CN103973724 A CN 103973724A CN 201310030795 A CN201310030795 A CN 201310030795A CN 103973724 A CN103973724 A CN 103973724A
- Authority
- CN
- China
- Prior art keywords
- user
- similarity
- information
- network
- social networks
- 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.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种社交网络的组网方法和装置,其中,该方法包括:采集用户的操作记录信息和/或特征信息;根据用户的操作记录信息和/或特征信息确定用户之间的相似度;对于彼此间相似度满足预定相似度要求的用户,进行社交网络组网。本发明通过对用户的信息进行采集,并根据采集的信息比对用户之间的相似度,进而以自动的方式实现组网,不仅能够让用户加入自己期望的社交网络圈,而且能够减少网络开销,避免用户进行大量的人工操作。
Description
技术领域
本涉及网络通信领域,并且特别地,涉及一种社交网络的组网方法和装置。
背景技术
目前,随着网络技术的不断发展,网络已经不仅仅是发布信息的媒体,更是已经成为了人们相互沟通交流的便利工具。为了便于用户之间进行沟通和交流,已经提出了更加便于人与人之间交流的社交网络。基于社交网络,能够组建社交圈,社交圈内的用户能够很方便地与其他用户实现聊天、共享信息、查看圈内其他用户的动态等。
通常情况下,每个用户都希望能够加入与自己存在较多共性的社交圈,从而与圈内的用户沟通。为了让用户能够加入所期望的社交圈,用户需要手动填写大量信息加入社交网时,需要手动填写大量的信息,而且需要手动搜索符合要求的圈子并申请加入。
因此,相关技术中在组建社交网络时需要用户进行大量操作,上报大量的信息,不仅会增加网络信息开销,而且会占用用户较长的时间,导致用户体验降低。
针对相关技术中社交网络组网过程中存在的用户操作量大、网络信息开销较高的问题,目前尚未提出有效的解决方案。
发明内容
针对相关技术中社交网络组网过程中存在的用户操作量大、网络信息开销较高的问题,本发明提供了一种社交网络的组网方法和装置,能够减少用户的操作量和网络信息开销。
本发明的技术方案是这样实现的:
根据本发明的一个方面,提供了一种社交网络的组网方法。该方法包括: 采集用户的操作记录信息和/或特征信息;根据用户的操作记录信息和/或特征信息确定用户之间的相似度;对于彼此间相似度满足预定相似度要求的用户,进行社交网络组网。
根据本发明的另一方面,提供了一种社交网络的组网装置。该装置包括:采集模块,用于采集用户的操作记录信息和/或特征信息;确定模块,用于根据用户的操作记录信息和/或特征信息确定用户之间的相似度;组网模块,用于对彼此间相似度满足预定相似度要求的用户,进行社交网络组网。
本发明通过对用户的信息进行采集,并根据采集的信息比对用户之间的相似度,进而以自动的方式实现组网,不仅能够让用户加入自己期望的社交网络圈,而且能够减少网络开销,避免用户进行大量的人工操作。
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的前提下,还可以根据这些附图获得其他的附图。
图1是根据本发明实施例的社交网络的组网方法的流程图;
图2是根据本发明实施例的社交网络的组网方法利用域名访问记录进行组网的流程图;
图3是根据本发明实施例的社交网络的组网方法利用软件使用记录进行组网的流程图;
图4是根据本发明实施例的社交网络的组网方法利用用户特征信息进行组网的流程图;
图5是根据本发明实施例的社交网络的组网方法对用户进行信息采集的原理图;
图6是根据本发明实施例的社交网络的组网方案根据虚拟信息关系和现实位置关系进行组网的示意图;
图7a是根据本发明实施例的社交网络的组网方案采用的社交网络示意图;
图7b是根据本发明实施例的社交网络的组网方案根据用户之间的回复时间确定用户间距离的示意图;
图7c是根据本发明实施例的社交网络的组网方案根据用户之间的回复时间调整用户间距离的示意图;
图8是根据本发明实施例的社交网络的组网方案中用户回复时间与用户距离调整量之间关系的曲线图;
图9是根据本发明实施例的社交网络的组网方案中根据用户回复时间触发告警的曲线图;
图10是根据本发明实施例的社交网络的组网方案进行用户信息采集的具体过程的流程图;
图11是根据本发明实施例的社交网络的组网装置的框图;
图12是根据本发明实施例的社交网络的组网系统的框图;
图13是实现本发明技术方案的计算机的示例性结构框图。
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所获得的所有其他实施例,都属于本发明保护的范围。
根据本发明的实施例,提供了一种社交网络的组网方法。
如图1所示,根据本发明实施例的社交网络的组网方法包括:
步骤S101,采集用户的操作记录信息和/或特征信息;
步骤S103,根据用户的操作记录信息和/或特征信息确定用户之间的相似度;
步骤S105,对于彼此间相似度满足预定相似度要求的用户,进行社交网络组网。
其中,在根据用户的操作记录信息和/或特征信息确定用户之间的相似度时,可以根据用户对每个对象的嗜好度,确定用户之间的相似度。其中,这里的对象可以包括网页、应用、调查问卷等多种可操作的对象。在确定用户对每 个对象的嗜好度时,主要可以根据采集的用户操作的对象、和/或对每个对象的操作时间长度、和/或对每个对象的操作频率等操作记录信息,确定用户对每个对象的嗜好度。在其他实施例中,也可以根据用户的操作记录信息和特征信息确定用户对每个对象的嗜好度、或者根据特征信息确定用户对每个对象的嗜好度,从而确定用户之间的相似度。
其中,操作记录信息可以包括上网历史记录和/或对软件的操作历史记录,当然也可以包括其他的历史记录信息,本文中将主要以网历史记录和对软件的操作历史记录作为实例进行描述,对于其他类型的操作记录信息同样可以参照类似的方式。当用户使用各种上网工具时,服务器都可以保存其上网的历史记录,这样就能够对历史记录进行汇总以确定用户的嗜好。
具体地,对于用户上网的历史记录,就可以将用户访问的域名作为对象,根据用户对每个域名的访问时间长短以及频率来确定用户对相应域名的嗜好度。
如图2所示,针对上网历史记录的相似度确定过程如下:
(1)从用户收到域名访问记录(访问对象、访问时间和/或频度);
(2)计算每个域名的嗜好度,如果根据访问时间和/或频度确定用户对某个域名的访问量超过一预定值,则认为该域名为用户喜好访问的域名;
(3)比较用户A和用户B的嗜好;
(4)用户A和B共同喜好访问的域名数量是否达到预定的阈值;
(5)如果判断结果为是,则用户A和用户B自动连接(即,实现组网)。
此外,用户对软件(App)的操作历史记录可以包括用户对软件的购买记录、浏览记录、使用记录,下面将以根据用户使用软件的记录判断用户对软件的嗜好度为例进行描述。
如图3所示,根据用户对软件的使用记录确定用户间的相似度过程如下:
(1)从用户收到使用的软件的历史记录(所使用的软件的ID、使用时间和/或频度);
(2)计算每个软件的嗜好度,如果根据使用时间和/或频度确定用户对某个软件的使用情况超过一预定值,则认为该软件为用户喜好使用的软件;
(3)比较用户A和用户B的嗜好;
(4)用户A和B共同喜好使用的软件数量是否达到预定的阈值;
(5)如果判断结果为是,则用户A和用户B自动连接(即,实现组网)。
此外,除了根据软件使用记录确定相似度之外,还可以根据用户浏览、下载、购买软件的历史记录进行相似度确定。
应当注意,如果用户将某个域名或者某个软件选择为偏好,此时在确定用户对该域名或软件的嗜好度时,应当根据预定的加权值进行计算,例如,在考虑用户访问这些域名的时间长度或使用这种软件的时间长度时,应当将该时间长度乘以大于1的数字(例如,可以乘以1.5),这是因为,被用户选择为偏好的对象往往是用户所喜好的对象,因此,这些用户对于这些对象应当拥有更高的嗜好度。
此外,除了以上描述的根据用户的历史操作记录对用户的相似度进行判断之外,还能够根据用户的特征信息进行相似度判断。可选地,这些特征信息可以包括用户相关的文字信息、用户相关的图像信息、用户相关的语音信息、用户选择的偏好信息、用户接入网络所使用的终端的类型,并且也可称为用户的附加信息。
可选地,上述用户相关的文字信息可以包括用户进行网络购物的购物类型、频率、邮寄地址、平均挑选时间、价格等信息或其组合,根据这些信息,可以对用户进行分组和分类,进而对相似的用户进行组网。
对于图像信息,可以对用户通过终端设备拍摄的照片进行自动检测,确定照片(例如,可以使大头自拍照等照片)中长相相似的异性推送至用户,按相配程度排列。例如,可以将与相同用户拍照过的其他用户确定为在一个社交圈内,进而将这些用户连接。
对于用户的语音信息,则可以自动抽出与Siri对话语言,分析用户的常用语、语气、语调、语音,并结合性格、年纪、性别等分组建立Social Media。
如图4所示,在根据用户的特征信息(附加信息)确定用户间的相似度时,过程如下:
(1)从用户收到附加信息;
(2)计算每个用户的特征;
(3)比较用户A和用户B的特征;
(4)用户A和用户B具有的相同特征数量是否达到阈值;
(5)如果判断结果为是,则用户A和用户B自动连接(即,进行组网)。
应当注意,在实际应用中,对于上网历史记录、软件操作记录、各种特征信息,可以单独使用确定用户间的相似度,也可以组合使用,在组合使用时,可以将用户之间上网历史记录、软件操作记录、各种特征信息中的部分或全部相似作为满足相似度要求的判断依据。
如图5所示,根据本发明实施例的社交网络的组网方法的主要实现过程如下:
步骤S1:从采集用户信息,包括上网历史信息、软件使用信息、上网的时间、使用的时间等;
步骤S2:根据收到的信息来计算,确定每个用户的嗜好;
步骤S3:按照用户的嗜好来做互联网(即,实现组网);
步骤S4:根据组网后的互联网的关系来提供服务。
表1示出了针对每个用户所采集的信息的内容。
表1
除了上述根据用户的操作记录信息和特征信息的相似度进行组网之外,本发明还可以进一步根据用户之间的物理位置相似度和/或行程之间的相似度确定需要进行组网互连的用户。
例如,对于彼此间相似度满足预定相似度要求的用户,可以进一步确定每 个用户的物理位置参数确定用户之间的物理距离参数;根据用户间的物理距离参数和相似度进行加权计算,得到该用户间的社交网络距离;这样,在组网时,可以对社交网络距离满足预定距离要求的用户进行社交网络组网。
可选地,用户之间的物理距离参数包括以下至少之一:用户当前实际所在位置之间的距离、用户工作地点之间的距离、用户居住地点之间的距离、用户所使用终端的归属地信息。
此外,对于彼此间相似度满足预定相似度要求的用户,可以根据用户的行程信息确定用户的行程之间的相似度;并且可以根据用户间操作记录信息和/或特征信息的相似度、以及行程的相似度进行加权计算,得到综合相似度;之后在进行组网时,可以对综合相似度满足预定相似度要求的用户进行社交网络组网。
例如,在实现本发明的过程中,可以检测用户的住处与工作地的路线,将以上信息相近的人群建成一个组。具体地,可以两两检测用户住处之间的距离,并生成参数1(参数1的取值如表2所示);两两检测用户工作地之间的距离,并生成参数2(参数2的取值如表3所示);将参数1与参数2相乘,得到参数3;当参数3大于一阈值(例如,0.8),则将两两被检测的用户编到一个组中。
表2
距离 | 对应参数 |
100m以下 | 0.9 |
100m-200m | 0.8 |
200m-500m | 0.7 |
500m以上 | 0.5 |
表3
距离 | 对应参数 |
100m以下 | 0.9 |
100m-200m | 0.8 |
200m-500m | 0.7 |
[0079]
500m以上 | 0.5 |
在另一实施例中,检测某场所(如会议中心等)的人群,将该场所及其周围一定范围内的人群建成一个组。
通常大型的会议都是在一些特定的地方召开,参加会议的一般可以认为是同行,或者是相关行业的人,因此考虑将这些人建成一个组。
在这种情况下,可以检测用户的绝对位置,且与某场所的位置作对比,形成参数4(参数4的取值如表4所示),若参数4超过一定阈值(例如,0.9)即将该用户编入一个组(进行组网)。
表4
距离 | 对应参数 |
50m以下 | 0.9 |
50m-100m | 0.8 |
100m-300m | 0.6 |
300m以上 | 0.3 |
在另一实施例中,可以检测用户的手机归属地,将当前所在地和手机归属地相同或相近的人群建成一个组。
手机归属地相同或相近,现所在地相同或相近,一般可以认为是来自同一地方,到同一地方出差,因此,可以为这些人建立一个组。
两两检测用户的手机归属地之间的距离,并形成参数5(参数5的取值如表5所示);两两检测用户的现所在地之间的距离,并形成参数6(参数6的取值如表6所示);将参数5与参数6相乘,得到参数7;当参数7大于一阈值(例如,0.8),则将两两被检测的用户编到一个组中。
表5
距离 | 对应参数 |
10km以下 | 0.9 |
10km-50km | 0.8 |
50km-200km | 0.6 |
[0090]
200km以上 | 0.4 |
表6
距离 | 对应参数 |
10km以下 | 0.9 |
10km-50km | 0.8 |
50km-200km | 0.6 |
200km以上 | 0.4 |
在另一实施例中,检测用户的预定车次或航班以及搭乘日期,将以上信息相同的人群建成一个组。利用相同车次或航班的人们,一般可以认为他们的出发地相同,目的地在一条路线上,即他们有相遇的机会,故考虑将他们编入一个组。人们利用移动设备进行车次或航班的预定时,社交网络将预定车次或航班相同,且搭乘日期相同的人建成一个组。
在结合物理距离参数和行程信息进行用户组网时,可以对相应的权值进行调整,例如,为了将同一航班、列车、当前位于同一会议地点、居住地到工作地路线类似或相同、同处外地但是终端归属地相同的用户进行连接(组网),可以减小操作记录信息和/或特征信息的相似度所对应的权值,和/或增加用户间的物理距离参数对应的权值、和/或增加用户的行程之间的相似度所对应的权值。
应当注意,以上关于行程和物理距离参数中的至少之一可以与操作记录信息和特征信息中的至少之一(例如,图2至4所示计算结果中的至少之一)进行加权计算,最终更加合理地确定组网方式,此时,可以对每个参与计算的参数设置对应的权值,该权值可以是默认设置的,也可以在后续进行修改,修改的方式可以是人工修改,也可以设置相应的规则进行自适应调节。
在实现根据本发明实施例的社交网络的组网方法时,可以根据虚拟信息及现实位置关系建立社交网络图。
例如,如图6所示,该社交网络图能够体现用户的虚拟信息关系(包括操作记录信息和/或特征信息)和/或现实物理位置(包括物理距离参数和/或行程),进而有助于决定社交网络中的用户关系。
其中,上述虚拟信息关系可包括网页浏览/APP使用历史(包括域名、软件名、类别、次数、频率、每次使用时间)。虚拟信息反应相似程度,虚拟信息值越大,则表示相似程度越低。如图6所示,用户A与用户B的虚拟信息关系值为6,用户A与用户C的虚拟信息关系值为2,即用户A与用户B的相似程度低于用户A与用户C的相似程度。
另一方面,现实位置关系为通过IP地址,移动运营商的通讯网络(如GSM网、CDMA网)或外部定位方式(如GPS)获取现实物理位置信息(地理坐标,或大地坐标)。现实位置关系反应物理距离,现实位置关系值越大则表示物理距离越远。如图6中,用户A与用户B的现实位置关系值为2,用户A与用户C的现实位置关系值为4,即用户A与用户B的物理距离大于用户A与用户C的物理距离。
上述社交网络中的用户关系为虚拟信息关系与现实位置关系的加权和,其中,虚拟信息关系的权重为1,现实位置关系的权重为3(在实际应用中,虚拟信息关系和现实位置关系的权重可以灵活调整)。社交网络中的用户关系值反应关系的远近,如果社交网络中的用户关系值越大,则表示社交网络中的用户关系值反应关系越远。如图6中所示,社交网络中的用户A和用户B关系值=6×1+2×3=12,而社交网络中的用户A和用户3关系值=2×1+4×3=14,即反应用户A与用户B的关系比用户A与用户C的距离近。
此外,在社交网络图中,用户间的距离关系可以通过有向图的方式表示。
如图7a所示,社交网络图为有向图,每个用户对应于有向图中的每个顶点;顶点v到顶点j的权值对应于用户A到用户B的距离;
如图7b所示,根据回复时间的快慢,调整用户间的距离,如图7b的右侧上行两部分所示,假如用户A对用户B的回复时间T=30min,则视为回复时间快,将设置用户A对用户B的距离d=1,即视为距离近;如图7b的右侧下行两幅图所示,假如用户B对用户A的回复时间T=60min,则视为回复时间慢,将设置用户B对用户A的距离d=1.4,即视为距离远。
在进行社交网络图中用户间的距离调整时,如图7c所示,将用户A对用户B的平均回复时间TAB与用户A对社交图中与其有联系的所有用户的平均回复时间的均值TAverage进行比较,若大于该均值,则用户A对用户B的回复 过慢,将用户A到B的社交图距离增大,反之亦然。类似地,对于用户B对用户A的回复时间TBA,同样可以与用户B对社交图中与其有联系的所有用户的平均回复时间的均值TAverage进行比较,进而确定用户B到用户A的距离。
如图8所示,社交图距离的调整量ΔdAB(即图中的Δd)是TAB与TAverage比之差ΔTAB(即图中的ΔT)的单调增函数。图8所示的函数仅仅是示例性的,实际上,所有单调增函数的曲线都适用于本发明的方案。
进一步地,如果用户A对用户B的平均回复时间越来越长直至超出预设的门限值(图9中的虚线值),对用户A发出警告(alert)。此外,可选地,还可以分别将用户A对各个用户的平均回复时间与预设阈值(或TAverage)比较,大于阈值的用户标记为用户A不常联系的人,小于阈值的标记为经常联系的人。
此外,在本发明方案的实现当中,还考虑到对用户隐私的保护问题。在采集用户的操作记录信息和/或特征信息之前,可以向用户发出提醒,在该用户回复确认的情况下,才确定本次能够采集该用户的操作记录信息和/或特征信息。
可选地,向用户发出的上述提醒可以包括以下信息中的至少之一:之后每次采集该用户的操作记录信息和/或特征信息时,是否需要提醒该用户;用户是否允许公开将要采集的操作记录信息和/或特征信息。
在每次进行采集时,可以根据该用户预先已经设置好的预定规则进行采集,其中,预定规则包括允许采集的、和/或不允许采集的操作记录信息和/或特征信息。
具体地,如图10所示,根据本发明实施例的用户信息采集过程如下:
步骤S1001,查找用户预定规则,预定规则包括允许以及/或不允许采集/公开的信息列表,执行步骤S1003;
步骤S1003,本次采集对象是否在预定规则中,如果判断结果为是,则执行步骤S1005;如果判断结果为否,则执行步骤S1007;
步骤S1005,根据预定规则确定是否采集/公开用户信息;
步骤S1007,询问用户是否允许本次信息采集,如果判断结果为是,则执行步骤S1009,如果判断结果为否,则执行步骤S1025;
步骤S1009,采集本次用户信息,并且可以执行步骤S1011和步骤S1017;
步骤S1011,询问用户是否允许公开本次信息,如果判断结果为是,则执行步骤S1013,如果判断结果为否,则执行步骤S1015;
步骤S1013,公开本次采集的信息;
步骤S1015,不公开本次采集的信息;
步骤S1017,是否一直允许采集,如果用户的回复为是,则执行步骤S1019,如果用户的回复为否,则执行步骤S1023;
步骤S1019,下次可直接采集信息而无需询问;
步骤S1021,将本次采集对象加入用户的预定规则中;
步骤S1023,下次采集前询问;
步骤S1025,停止采集;
步骤S1027,是否以后都不允许采集,如果判断结果为是,则执行步骤S1029,如果判断结果为否,则执行步骤S1023;
步骤S1029,下次直接不采集该用户的信息;
步骤S1031,将本次采集对象加入用户的预定规则中。
表7和表8示出了根据本发明实施例的社交网络图的组网方法实现过程中采集用户信息的预定规则的内容。表7和表8中列举用户ID、允许采集的信息、允许公开的信息、不允许采集的信息、不允许公开的信息。其中,表7的预定规则针对用户对软件的操作记录,表8的预定规则针对用户的域名访问。
表7
表8
在组网完成之后,可以检测用户所在餐厅,在用户发出就餐邀请时,社交网络将该邀请发送到离该餐厅的距离为一定范围内的人。
此外,在另一实施例中,还可以检测用户在车内的位置,在社交网络中显示各人的状态(开车中,乘坐中等),并且如用户为开车状态时,自动对来电来信进行回复。另外,在其他实施例中,还可以检测社交网络中任意2人之间的距离,当距离在一定范围内时,向该2人发送提醒信息(出于用户的隐私保护,只有在用户允许网络检测其位置并报告其他人的情况下,才会触发该过程)。
根据本发明的另一方面,提供了一种社交网络的组网装置。
如图11所示,根据本发明实施例的社交网络的组网装置包括:
采集模块1111,用于采集用户的操作记录信息和/或特征信息;
确定模块1112,用于根据用户的操作记录信息和/或特征信息确定用户之间的相似度;
组网模块1113,用于对彼此间相似度满足预定相似度要求的用户,进行社交网络组网。
其中,确定模块1112用于根据用户操作的对象、和/或对每个对象的操作时间长度、和/或对每个对象的操作频率,确定用户对每个对象的嗜好度;并且用于根据用户对每个对象的嗜好度,确定用户之间的相似度。
另外,对于被用户选择为偏好的对象,确定模块1112根据预定的加权值确定用户对该对象的嗜好度。
此外,确定模块1112进一步用于对彼此间相似度满足预定相似度要求的用户,根据每个用户的物理位置参数确定用户之间的物理距离参数;以及用于根据用户间的物理距离参数和相似度进行加权计算,得到该用户间的社交网络距离;并且,组网模块1113用于对社交网络距离满足预定距离要求的用户进行社交网络组网。
其中,用户之间的物理距离参数包括以下至少之一:用户当前实际所在位置之间的距离、用户工作地点之间的距离、用户居住地点之间的距离、用户所使用终端的归属地信息。
此外,确定模块1112还用于对彼此间相似度满足预定相似度要求的用户,根据用户的行程信息确定用户的行程之间的相似度;以及用于根据用户间操作记录信息和/或特征信息的相似度、以及行程的相似度进行加权计算,得到综合相似度;并且,组网模块1113用于对综合相似度满足预定相似度要求的用户进行社交网络组网。
此外,该装置可以进一步包括:
发送模块(未示出),用于在采集用户的操作记录信息和/或特征信息之前,向用户发出提醒,在该用户回复确认的情况下,确定本次能够采集该用户的操作记录信息和/或特征信息。
其中,发出的提醒包括以下信息中的至少之一:之后每次采集该用户的操作记录信息和/或特征信息时,是否需要提醒该用户;用户是否允许公开将要采集的操作记录信息和/或特征信息。
此外,采集模块1111可用于根据该用户设置的预定规则进行采集,其中,预定规则包括允许采集的、和/或不允许采集的操作记录信息和/或特征信息。
根据本发明实施例的上述装置同样能够根据图1-5、10的流程进行处理,并且能够参照图6、图7a-c、图8、图9所示的方案生成并管理社交网络图,具体过程不再重复。
图12是根据本发明实施例的社交网络图的组网装置所应用的系统框图。 如图12所示,根据本发明的社交网络图的组网装置可以设置在社交网络服务器中,并且,该服务器还可以包括社交网络图管理模块(包括社交网络图生成模块和社交网络图更新模块)、通知模块和/或存储模块;客户端设备包括通信模块、输入输出模块和/或应用模块。社交网络服务器与客户端设备通过通信网络连接。
综上所述,借助于本发明的上述技术方案,通过对用户的信息进行采集,并根据采集的信息比对用户之间的相似度,进而以自动的方式实现组网,不仅能够让用户加入自己期望的社交网络圈,实现合理组网,而且能够减少网络开销,避免用户进行大量的人工操作。
以上结合具体实施例描述了本发明的基本原理,但是,需要指出的是,对本领域的普通技术人员而言,能够理解本发明的方法和装置的全部或者任何步骤或者部件,可以在任何计算装置(包括处理器、存储介质等)或者计算装置的网络中,以硬件、固件、软件或者它们的组合加以实现,这是本领域普通技术人员在阅读了本发明的说明的情况下运用它们的基本编程技能就能实现的。
因此,本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此,本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说,这样的程序产品也构成本发明,并且存储有这样的程序产品的存储介质也构成本发明。显然,所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。
在通过软件和/或固件实现本发明的实施例的情况下,从存储介质或网络向具有专用硬件结构的计算机,例如图13所示的通用计算机1300安装构成该软件的程序,该计算机在安装有各种程序时,能够执行各种功能等等。
在图13中,中央处理模块(CPU)1301根据只读存储器(ROM)1302中存储的程序或从存储部分1308加载到随机存取存储器(RAM)1303的程序执行各种处理。在RAM 1303中,也根据需要存储当CPU 1301执行各种处理等等时所需的数据。CPU 1301、ROM 1302和RAM 1303经由总线 1304彼此连接。输入/输出接口1305也连接到总线1304。
下述部件连接到输入/输出接口1305:输入部分1306,包括键盘、鼠标等等;输出部分1307,包括显示器,比如阴极射线管(CRT)、液晶显示器(LCD)等等,和扬声器等等;存储部分1308,包括硬盘等等;和通信部分1309,包括网络接口卡比如LAN卡、调制解调器等等。通信部分1309经由网络比如因特网执行通信处理。
根据需要,驱动器1310也连接到输入/输出接口1305。可拆卸介质1311比如磁盘、光盘、磁光盘、半导体存储器等等根据需要被安装在驱动器1310上,使得从中读出的计算机程序根据需要被安装到存储部分1308中。
在通过软件实现上述系列处理的情况下,从网络比如因特网或存储介质比如可拆卸介质1311安装构成软件的程序。
本领域的技术人员应当理解,这种存储介质不局限于图13所示的其中存储有程序、与装置相分离地分发以向用户提供程序的可拆卸介质1311。可拆卸介质1311的例子包含磁盘(包含软盘(注册商标))、光盘(包含光盘只读存储器(CD-ROM)和数字通用盘(DVD))、磁光盘(包含迷你盘(MD)(注册商标))和半导体存储器。或者,存储介质可以是ROM1302、存储部分1308中包含的硬盘等等,其中存有程序,并且与包含它们的装置一起被分发给用户。
还需要指出的是,在本发明的装置和方法中,显然,各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且,执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行,但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。
虽然已经详细说明了本发明及其优点,但是应当理解在不脱离由所附的权利要求所限定的本发明的精神和范围的情况下可以进行各种改变、替代和变换。而且,本申请的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限 制的情况下,由语句“包括一个......”限定的要素,并不排除在包括所述要素的过程、方法、物品或者装置中还存在另外的相同要素。
Claims (20)
1.一种社交网络的组网方法,其特征在于,包括:
采集用户的操作记录信息和/或特征信息;
根据用户的操作记录信息和/或特征信息确定用户之间的相似度;
对于彼此间相似度满足预定相似度要求的用户,进行社交网络组网。
2.根据权利要求1所述的组网方法,其特征在于,根据用户的操作记录信息和/或特征信息确定用户之间的相似度包括:
根据用户操作的对象、和/或对每个对象的操作时间长度、和/或对每个对象的操作频率,确定用户对每个对象的嗜好度;
根据用户对每个对象的嗜好度,确定用户之间的相似度。
3.根据权利要求2所述的组网方法,其特征在于,对于被用户选择为偏好的对象,根据预定的加权值确定用户对该对象的嗜好度。
4.根据权利要求1所述的组网方法,其特征在于,在进行社交网络组网之前,所述组网方法进一步包括:
对于彼此间相似度满足预定相似度要求的用户,根据每个用户的物理位置参数确定用户之间的物理距离参数;
根据用户间的物理距离参数和所述相似度进行加权计算,得到该用户间的社交网络距离;
并且,进行社交网络组网包括:
对社交网络距离满足预定距离要求的用户进行社交网络组网。
5.根据权利要求4所述的组网方法,其特征在于,用户之间的物理距离参数包括以下至少之一:
用户当前实际所在位置之间的距离、用户工作地点之间的距离、用户居住地点之间的距离、用户所使用终端的归属地信息。
6.根据权利要求1所述的组网方法,其特征在于,在进行社交网络组网之前,所述组网方法进一步包括:
对于彼此间相似度满足预定相似度要求的用户,根据用户的行程信息确定用户的行程之间的相似度;
根据用户间操作记录信息和/或特征信息的相似度、以及行程的相似度进行加权计算,得到综合相似度;
并且,进行社交网络组网包括:
对综合相似度满足预定相似度要求的用户进行社交网络组网。
7.根据权利要求1所述的组网方法,其特征在于,在采集用户的操作记录信息和/或特征信息之前,所述组网方法进一步包括:
向用户发出提醒,在该用户回复确认的情况下,确定本次能够采集该用户的操作记录信息和/或特征信息。
8.根据权利要求7所述的组网方法,其特征在于,发出的所述提醒包括以下信息中的至少之一:之后每次采集该用户的操作记录信息和/或特征信息时,是否需要提醒该用户;用户是否允许公开将要采集的操作记录信息和/或特征信息。
9.根据权利要求1所述的组网方法,其特征在于,采集用户的操作记录信息和/或特征信息包括:
根据该用户设置的预定规则进行采集,其中,所述预定规则包括允许采集的、和/或不允许采集的操作记录信息和/或特征信息。
10.根据权利要求1-9中任一项所述的组网方法,其特征在于,所述操作记录信息包括以下至少之一:
上网历史记录、对软件的操作历史记录。
11.根据权利要求1-9中任一项所述的组网制方法,其特征在于,所述特征信息包括以下至少之一:
用户相关的文字信息、用户相关的图像信息、用户相关的语音信息、用户接入网络所使用的终端的类型。
12.一种社交网络的组网装置,其特征在于,包括:
采集模块,用于采集用户的操作记录信息和/或特征信息;
确定模块,用于根据用户的操作记录信息和/或特征信息确定用户之间的相似度;
组网模块,用于对彼此间相似度满足预定相似度要求的用户,进行社交网络组网。
13.根据权利要求12所述的组网装置,其特征在于,所述确定模块用于根据用户操作的对象、和/或对每个对象的操作时间长度、和/或对每个对象的操作频率,确定用户对每个对象的嗜好度;并且用于根据用户对每个对象的嗜好度,确定用户之间的相似度。
14.根据权利要求13所述的组网装置,其特征在于,对于被用户选择为偏好的对象,所述确定模块根据预定的加权值确定用户对该对象的嗜好度。
15.根据权利要求12所述的组网装置,其特征在于,所述确定模块进一步用于对彼此间相似度满足预定相似度要求的用户,根据每个用户的物理位置参数确定用户之间的物理距离参数;以及用于根据用户间的物理距离参数和相似度进行加权计算,得到该用户间的社交网络距离;
并且,所述组网模块用于对社交网络距离满足预定距离要求的用户进行社交网络组网。
16.根据权利要求15所述的组网装置,其特征在于,用户之间的物理距离参数包括以下至少之一:
用户当前实际所在位置之间的距离、用户工作地点之间的距离、用户居住地点之间的距离、用户所使用终端的归属地信息。
17.根据权利要求12所述的组网装置,其特征在于,所述确定模块还用于对彼此间相似度满足预定相似度要求的用户,根据用户的行程信息确定用户的行程之间的相似度;以及用于根据用户间操作记录信息和/或特征信息的相似度、以及行程的相似度进行加权计算,得到综合相似度;
并且,所述组网模块用于对综合相似度满足预定相似度要求的用户进行社交网络组网。
18.根据权利要求12所述的组网装置,其特征在于,进一步包括:
发送模块,用于在采集用户的操作记录信息和/或特征信息之前,向用户发出提醒,在该用户回复确认的情况下,确定本次能够采集该用户的操作记录信息和/或特征信息。
19.根据权利要求18所述的组网装置,其特征在于,发出的所述提醒包括以下信息中的至少之一:之后每次采集该用户的操作记录信息和/或特征信息时,是否需要提醒该用户;用户是否允许公开将要采集的操作记录信息和/或特征信息。
20.根据权利要求12所述的组网装置,其特征在于,所述采集模块用于根据该用户设置的预定规则进行采集,其中,所述预定规则包括允许采集的、和/或不允许采集的操作记录信息和/或特征信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310030795.6A CN103973724A (zh) | 2013-01-25 | 2013-01-25 | 社交网络的组网方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310030795.6A CN103973724A (zh) | 2013-01-25 | 2013-01-25 | 社交网络的组网方法和装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103973724A true CN103973724A (zh) | 2014-08-06 |
Family
ID=51242769
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310030795.6A Pending CN103973724A (zh) | 2013-01-25 | 2013-01-25 | 社交网络的组网方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103973724A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104661306A (zh) * | 2015-03-03 | 2015-05-27 | 中国联合网络通信集团有限公司 | 移动终端被动定位方法及系统 |
CN105577832A (zh) * | 2016-02-05 | 2016-05-11 | 腾讯科技(深圳)有限公司 | 建立网络通信的方法及装置 |
CN105610916A (zh) * | 2015-12-22 | 2016-05-25 | 联想(北京)有限公司 | 信息处理方法、服务器及通信系统 |
CN105719191A (zh) * | 2016-01-20 | 2016-06-29 | 东北大学 | 多尺度空间下不确定行为语义的社交群体发现系统及方法 |
CN105868620A (zh) * | 2016-03-23 | 2016-08-17 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN106355426A (zh) * | 2015-07-16 | 2017-01-25 | 阿里巴巴集团控股有限公司 | 用于应用中服务平台的展示方法和装置 |
CN106875205A (zh) * | 2016-07-11 | 2017-06-20 | 阿里巴巴集团控股有限公司 | 一种对象选择方法和装置 |
CN107194746A (zh) * | 2017-06-20 | 2017-09-22 | 京东方科技集团股份有限公司 | 一种用餐推荐方法及装置 |
CN110291768A (zh) * | 2017-02-24 | 2019-09-27 | 索尼移动通信株式会社 | 信息处理装置、信息处理方法和信息处理系统 |
-
2013
- 2013-01-25 CN CN201310030795.6A patent/CN103973724A/zh active Pending
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104661306B (zh) * | 2015-03-03 | 2019-01-11 | 中国联合网络通信集团有限公司 | 移动终端被动定位方法及系统 |
CN104661306A (zh) * | 2015-03-03 | 2015-05-27 | 中国联合网络通信集团有限公司 | 移动终端被动定位方法及系统 |
CN106355426B (zh) * | 2015-07-16 | 2020-08-28 | 阿里巴巴集团控股有限公司 | 用于应用中服务平台的展示方法和装置 |
CN106355426A (zh) * | 2015-07-16 | 2017-01-25 | 阿里巴巴集团控股有限公司 | 用于应用中服务平台的展示方法和装置 |
CN105610916A (zh) * | 2015-12-22 | 2016-05-25 | 联想(北京)有限公司 | 信息处理方法、服务器及通信系统 |
CN105719191A (zh) * | 2016-01-20 | 2016-06-29 | 东北大学 | 多尺度空间下不确定行为语义的社交群体发现系统及方法 |
CN105577832A (zh) * | 2016-02-05 | 2016-05-11 | 腾讯科技(深圳)有限公司 | 建立网络通信的方法及装置 |
CN105577832B (zh) * | 2016-02-05 | 2019-05-03 | 腾讯科技(深圳)有限公司 | 建立网络通信的方法及装置 |
CN105868620B (zh) * | 2016-03-23 | 2019-02-05 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN105868620A (zh) * | 2016-03-23 | 2016-08-17 | 联想(北京)有限公司 | 一种信息处理方法及电子设备 |
CN106875205A (zh) * | 2016-07-11 | 2017-06-20 | 阿里巴巴集团控股有限公司 | 一种对象选择方法和装置 |
CN110291768A (zh) * | 2017-02-24 | 2019-09-27 | 索尼移动通信株式会社 | 信息处理装置、信息处理方法和信息处理系统 |
US11217253B2 (en) | 2017-02-24 | 2022-01-04 | Sony Mobile Communications Inc. | Information processing apparatus, information processing method, and information processing system |
CN107194746A (zh) * | 2017-06-20 | 2017-09-22 | 京东方科技集团股份有限公司 | 一种用餐推荐方法及装置 |
CN107194746B (zh) * | 2017-06-20 | 2022-02-01 | 京东方科技集团股份有限公司 | 一种用餐推荐方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103973724A (zh) | 社交网络的组网方法和装置 | |
US11075853B2 (en) | Resource prioritization and communication-channel establishment | |
CN107077692B (zh) | 基于从移动设备电子传送的位置信息对用户意图进行分类 | |
US10748188B2 (en) | System and method for dynamically retrieving and monitoring geofence activity | |
US8862102B2 (en) | Method for facilitating and analyzing social interactions and context for targeted recommendations in a network of a telecom service provider | |
US20120150960A1 (en) | Social Networking | |
CN107483522B (zh) | 业务访问的方法和装置 | |
CN106415627A (zh) | 日历事件外围视图 | |
JP2013522781A (ja) | ネットワーク内の友人の動的情報を管理するための方法、システムおよびサーバ | |
US20140108621A1 (en) | System and method for internet services aggregation | |
US10846350B2 (en) | Systems and methods for providing service directory predictive search recommendations | |
CN105740273B (zh) | 服务提供方法及系统 | |
US8521190B2 (en) | Methods and apparatus for leaving and/or discovering locally relevant pieces of information | |
Li et al. | A location-aware recommender system for Tourism mobile commerce | |
CN105431879A (zh) | 经由通信的模式来推断社交群组 | |
US11057512B2 (en) | Augmenting messages based on sender location | |
AU2019222916A1 (en) | Method and system for optimising the delivery of content to mobile devices using microzones and macrozones | |
US11475086B2 (en) | User contribution engagement | |
US10803728B1 (en) | Dynamically networked integrated swarm sensor tracking | |
US10839031B2 (en) | Systems and methods for providing a service directory for automatic search engine indexing | |
Vigil-Hayes et al. | FiDO: A Community-based Web Browsing Agent and CDN for Challenged Network Environments | |
Strobbe et al. | Integrating location and context information for novel personalised applications | |
US11589194B2 (en) | Location-driven social network boosting | |
US11983739B2 (en) | Matching regional promotions to telecom user preferences using artificial intelligence | |
Ruipeng | New User Similarity Measures Based on Mobility Profiles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C02 | Deemed withdrawal of patent application after publication (patent law 2001) | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140806 |