CN104965878B

CN104965878B - 一种基于分组信息进行用户工作单位挖掘的方法及装置

Info

Publication number: CN104965878B
Application number: CN201510324229.5A
Authority: CN
Inventors: 张炜
Original assignee: Weimeng Chuangke Network Technology China Co Ltd
Current assignee: Weimeng Chuangke Network Technology China Co Ltd
Priority date: 2015-06-12
Filing date: 2015-06-12
Publication date: 2018-11-27
Anticipated expiration: 2035-06-12
Also published as: CN104965878A

Abstract

本发明实施例提供一种基于分组信息进行用户工作单位挖掘的方法及装置，所述方法包括：根据用户的好友分组日志，筛选在预设时间段内被用户加入同事分组的所有好友信息及对应的同事分组信息；根据筛选出的所有好友信息及对应的同事分组信息，确定每一个同事分组分别对应的工作单位标识信息；利用每一个同事分组分别对应的工作单位标识信息，挖掘出每一个好友信息对应的工作单位标识信息。本方案对即使那些未在注册信息中填写单位信息的，或者填写错误的单位地址的，都可以通过本方案发现，因而具有较强的准确性和实用性。另外本方案基于最近一段时间的同事关系来计算用户所在单位，解决了用户最新的工作单位挖掘问题，具有较强的时效性。

Description

一种基于分组信息进行用户工作单位挖掘的方法及装置

技术领域

本发明涉及互联网技术领域，尤其涉及一种基于分组信息进行用户工作单位挖掘的方法及装置。

背景技术

在互联网信息技术中，所谓用户工作单位挖掘：在不知道用户的工作单位的情况下，根据用户的关系或行为数据对其工作单位进行预测的方法。

现有技术一的技术方案目前的方法主要是通过提取用户自填信息获得，用户使用社交网络时，需要填写注册信息，用户会填写自己的工作单位信息。通过对该部分信息进行去噪声后，获得用户的工作单位信息。具体流程如下：搜集用户填写的工作单位信息——去噪声——用户单位信息，其中，去噪声包括去除一些无意义或明显不是工作单位的信息，如家里蹲、联系QQ号等。目前的方法至少存在以下几方面缺点：1、用户自填工作单位信息随意度比较高，且缺乏有效方法检验其填写正确性，导致用户工作单位信息准确率度低。2、用户工作单位信息在注册时通常不是必填信息，大量用户并不会填写当前的工作单位信息，导致用户工作单位信息覆盖率低，可用性不强。3、用户经常变更工作单位，且用户在变更其工作单位时，往往不会更新其注册资料，导致注册信息不是其最新工作单位信息，导致信息的时效性和可用性降低。

现有技术二的技术方案，在目前的社交网络中，有一些用户被其他用户打上单位标签，方法二对统计用户被打上的所有单位标签，选择数量最多的单位标签作为用户的工作单位。具体步骤如下：1、选择一个用户，并获取该用户所有被其他用户打上的单位标签；2、遍历该用户的单位标签，对相应的标签计数器增1；3、选择最大的标签计数器所在的标签作为用户的工作单位；4、如果还有其他用户，转到1。其缺点为：1、仅有一些名人或高管会被打上单位标签，90％以上的人无相关标签，因而覆盖率不够。2、标签未标注时间，因而无法体现出用户最新的工作单位，导致信息的时效性和可用性降低。

发明内容

本发明实施例提供一种基于分组信息进行用户工作单位挖掘的方法及装置，以提高用户工作单位挖掘的准确性。

一方面，本发明实施例提供了一种基于分组信息进行用户工作单位挖掘的方法，所述方法包括：

根据用户的好友分组日志，筛选在预设时间段内被用户加入同事分组的所有好友信息及对应的同事分组信息；

根据筛选出的所有好友信息及对应的同事分组信息，确定每一个同事分组分别对应的工作单位标识信息；

利用每一个同事分组分别对应的工作单位标识信息，挖掘出每一个好友信息对应的工作单位标识信息。

另一方面，本发明实施例提供了一种基于分组信息进行用户工作单位挖掘的装置，所述装置包括：

分组信息获取单元，用于根据用户的好友分组日志，筛选在预设时间段内被用户加入同事分组的所有好友信息及对应的同事分组信息；

单位标识确定单元，用于根据筛选出的所有好友信息及对应的同事分组信息，确定每一个同事分组分别对应的工作单位标识信息；

分析挖掘单元，用于利用每一个同事分组分别对应的工作单位标识信息，挖掘出每一个好友信息对应的工作单位标识信息。

上述技术方案具有如下有益效果：本方案对即使那些未在注册信息中填写单位信息的，或者填写错误的单位地址的，都可以通过本方案发现，因而具有较强的准确性和实用性。另外本方案基于最近一段时间的同事关系来计算用户所在单位，解决了用户最新的工作单位挖掘问题，具有较强的时效性。

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的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例一种基于分组信息进行用户工作单位挖掘的方法流程图；

图2为本发明实施例一种基于分组信息进行用户工作单位挖掘的装置结构示意图；

图3为本发明应用实例计算框架示意图。

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。

在社交网络中，对用户进行准确的画像是实施个性化推荐的关键，而用户所在工作单位的挖掘是用户画像(UP，User Profile，通过一系列的属性对用户进行描述，属性包括但不限于性别、年龄、职业、行业、兴趣等。有了用户的属性描述后，就相当于对用户基本情况有了一定的了解)的重要部分，挖掘出了用户的所在工作单位，就可以在社交网络中，推荐该单位的其他同事供该用户所关注，能够明显提高推荐的认可率，进而提升其在社交网络中的参与度和活跃度。

如图1所示，为本发明实施例一种基于分组信息进行用户工作单位挖掘的方法流程图，所述方法包括：

101、根据用户的好友分组日志，筛选在预设时间段内被用户加入同事分组的所有好友信息及对应的同事分组信息；

102、根据筛选出的所有好友信息及对应的同事分组信息，确定每一个同事分组分别对应的工作单位标识信息；

103、利用每一个同事分组分别对应的工作单位标识信息，挖掘出每一个好友信息对应的工作单位标识信息。

优选的，筛选出的用户的所有好友信息与该用户之间具有互相关注关系。

优选的，所述根据筛选出的所有好友信息及对应的同事分组信息，确定每一个同事分组分别对应的工作单位标识信息，包括：针对每一个同事分组，分别执行如下处理：选择一个同事分组，同事分组信息记为group，统计该同事分组内出现的人数，记为all_count；根据该同事分组内每个用户注册时填写的工作单位标识信息，统计出该同事分组中各个工作单位对应的人数；确定该同事分组中人数最多的工作单位，工作单位标识信息记为corp，该工作单位对应的人数记为max_count；定义单位人数比rate＝max_count/all_count，如果max_count大于特定阈值c，且rate大于特定阈值r，则确定该同事分组group与工作单位corp相对应，从而确定出当前的同事分组对应的工作单位标识信息。

优选的，所述特定阈值c取值为2，所述特定阈值r取值为0.2。

优选的，所述利用每一个同事分组分别对应的工作单位标识信息，挖掘出每一个好友信息对应的工作单位标识信息，包括：根据筛选出的每一个好友信息对应的同事分组信息，以及每一个同事分组分别对应的工作单位标识信息，确定每一个好友信息在所述预设时间段内被加入各工作单位对应的不同同事分组的次数，选择出现次数最多的工作单位挖掘出每一个好友信息对应的工作单位标识信息。

对应于上述方法实施例，如图2所示，为本发明实施例一种基于分组信息进行用户工作单位挖掘的装置结构示意图，所述装置包括：

分组信息获取单元21，用于根据用户的好友分组日志，筛选在预设时间段内被用户加入同事分组的所有好友信息及对应的同事分组信息；

单位标识确定单元22，用于根据筛选出的所有好友信息及对应的同事分组信息，确定每一个同事分组分别对应的工作单位标识信息；

分析挖掘单元23，用于利用每一个同事分组分别对应的工作单位标识信息，挖掘出每一个好友信息对应的工作单位标识信息。

优选的，所述分组信息获取单元21筛选出的用户的所有好友信息与该用户之间具有互相关注关系。

优选的，所述单位标识确定单元22，具体用于针对每一个同事分组，分别执行如下处理：选择一个同事分组，同事分组信息记为group，统计该同事分组内出现的人数，记为all_count；根据该同事分组内每个用户注册时填写的工作单位标识信息，统计出该同事分组中各个工作单位对应的人数；确定该同事分组中人数最多的工作单位，工作单位标识信息记为corp，该工作单位对应的人数记为max_count；定义单位人数比rate＝max_count/all_count，如果max_count大于特定阈值c，且rate大于特定阈值r，则确定该同事分组group与工作单位corp相对应，从而确定出当前的同事分组对应的工作单位标识信息。

优选的，所述特定阈值c取值为2，所述特定阈值r取值为0.2。

优选的，所述分析挖掘单元23，具体用于根据筛选出的每一个好友信息对应的同事分组信息，以及每一个同事分组分别对应的工作单位标识信息，确定每一个好友信息在所述预设时间段内被加入各工作单位对应的不同同事分组的次数，选择出现次数最多的工作单位挖掘出每一个好友信息对应的工作单位标识信息。

本发明实施例上述技术方案具有如下有益效果：本方案对即使那些未在注册信息中填写单位信息的，或者填写错误的单位地址的，都可以通过本方案发现，因而具有较强的准确性和实用性。另外本方案基于最近一段时间的同事关系来计算用户所在单位，解决了用户最新的工作单位挖掘问题，具有较强的时效性。

以下结合应用实例对本发明实施例上述技术方案进行详细说明：

用户在使用互联网社交网络软件时，会对自己的好友进行分组，会经常将部分同事加入到同事分组，利用该分组信息，本发明应用实例可以进行用户的工作单位挖掘。本发明应用实例在用户在过去一段时间内，使用用户好友分组信息挖掘出用户所在的工作单位，即先找出用户在最近一段时间内被加入同事分组且有互粉行为的所有好友，再分析出该同事分组最可能的工作单位，最后通过统计出用户出现次数最多的单位，作为用户的当前工作单位。

如图3所示，为本发明应用实例计算框架示意图，具体步骤如下：

步骤1：筛选在预设时间段内被用户加入同事分组的所有好友信息及对应的同事分组信息。

用户在使用社交网络时，经常会关注一些好友，并将好友放入同事分组，该步骤就是找到所有这样的分组(通过用户的好友分组日志)。在实施过程中，可以选择最近一段时间被放入某用户同事分组的所有用户，为避免用户被误加入另外某用户的同事分组，可要求这两个用户同时为互粉(互相关注)关系，即筛选出的用户的所有好友信息与该用户之间具有互相关注关系。

步骤2：确定每一个同事分组分别对应的工作单位标识信息。

该步骤主要用于推断用户同事分组中成员的所在工作单位。针对每一个同事分组，分别执行如下处理，具体步骤如下：

2.1、选择一个同事分组，同事分组信息记为group，统计该同事分组内出现的人数，记为all_count；根据该同事分组内每个用户注册时填写的工作单位标识信息，统计出该同事分组中各个工作单位对应的人数；

2.2、确定该同事分组中人数最多的工作单位，工作单位标识信息记为corp，该工作单位对应的人数记为max_count；

2.3、定义单位人数比rate＝max_count/all_count，如果max_count大于特定阈值c，且rate大于特定阈值r，则确定该同事分组group与工作单位corp相对应，从而确定出当前的同事分组对应的工作单位标识信息。

在实施过程中，根据精确度要求选择不同的c和r，可以选择c＝2，r＝0.2。经过该步骤后，我们可以获得到所有当前的同事分组对应的工作单位标识信息。

步骤3：用户单位计算。

该步骤可以分为以下几个子步骤。

3.1、根据筛选出的每一个好友信息对应的同事分组信息，以及每一个同事分组分别对应的工作单位标识信息，确定每一个好友信息在所述预设时间段内被加入各工作单位对应的不同同事分组的次数。

3.2、选择出现次数最多的工作单位挖掘出每一个好友信息对应的工作单位标识信息。

例如：

步骤1：获取用户的被分组信息。如下表1所示(为便于说明，仅选取部分数据)：

用户ID	分组编号	被加入分组的时间	用户自填单位
				1906271640	122	2015-03-0510:03:00	新浪网
1906271640	300	2015-03-0910:05:00	新浪网
				1906271640	333	2015-03-1110:03:00	新浪网
1806281641	300	2015-03-0610:02:00	百度
				1806281641	122	2015-03-0910:02:00	百度
1706281643	300	2015-03-0510:03:00	新浪网
				1706281643	122	2015-03-0910:03:00	新浪网
1706281643	333	2015-03-1110:03:00	新浪网
				1105281642	300	2015-03-0610:03:00	未填写
1105281642	122	2015-03-1010:03:00	未填写
				1000281652	333	2015-03-1010:03:00	百度
1010291658	333	2015-03-1010:03:00	百度
				1111291657	333	2015-03-1110:03:00	搜狐网

表1

步骤2：用户单位所在分组计算。

需要对步骤1中的结果进行统计，计算出每一个分组所对应的单位。

根据上述步骤统计出该分组中人数最多的单位，单位名为corp,人数为count。

定义单位人数比rate＝max_count/all_count。如下表2所示：

表2

根据过滤规则，上述三个分组均满足all_count>1，rate>0.2。所以可以判定出122、300分组为新浪网员工，333分组为百度员工。

步骤3：用户单位计算，如下表3所示：

用户ID	用户的可能单位	用户被加入单位分组的次数
			1906271640	新浪网	2
1906271640	百度	1
			1806281641	新浪网	2
1706281643	新浪网	2
			1706281643	百度	1
1105281642	新浪网	2
			1000281652	百度	1
1010291658	百度	1
			1111291657	百度	1

表3

根据投票，选择出现次数最多的单位作为用户的当前工作单位，如下表4所示：

用户ID	用户单位	用户被加入单位分组的次数
			1906271640	新浪网	2
1806281641	新浪网	2
			1706281643	新浪网	2
1105281642	新浪网	2

1000281652	百度	1
			1010291658	百度	1
1111291657	百度	1

表4

本发明应用实例技术方案通过选出用户过去一段时间的同事好友分组、同事分组的单位标识、推算用户所在单位等三个步骤完成用户工作单位的挖掘，带来的有益效果是，如果一个人将好友加入了同事分组，而该分组中的好友中有相当数量为同一工作单位，则该分组中所有的好友均为该单位员工，因而即使那些未在注册信息中填写单位信息的，但在单位同事分组中的用户(如用户1105281642)，填写错误的单位地址(如用户1806281641、1111291657)都可以通过本方案发现，因而具有较强的实用性。另外本方案基于最近一段时间的同事关系来计算用户所在单位，解决了用户最新的工作单位挖掘问题，具有较强的时效性。

本领域技术人员还可以了解到本发明实施例列出的各种说明性逻辑块(illustrative logical block)，单元，和步骤可以通过电子硬件、电脑软件，或两者的结合进行实现。为清楚展示硬件和软件的可替换性(interchangeability)，上述的各种说明性部件(illustrative components)，单元和步骤已经通用地描述了它们的功能。这样的功能是通过硬件还是软件来实现取决于特定的应用和整个系统的设计要求。本领域技术人员可以对于每种特定的应用，可以使用各种方法实现所述的功能，但这种实现不应被理解为超出本发明实施例保护的范围。

本发明实施例中所描述的各种说明性的逻辑块，或单元都可以通过通用处理器，数字信号处理器，专用集成电路(ASIC)，现场可编程门阵列或其它可编程逻辑装置，离散门或晶体管逻辑，离散硬件部件，或上述任何组合的设计来实现或操作所描述的功能。通用处理器可以为微处理器，可选地，该通用处理器也可以为任何传统的处理器、控制器、微控制器或状态机。处理器也可以通过计算装置的组合来实现，例如数字信号处理器和微处理器，多个微处理器，一个或多个微处理器联合一个数字信号处理器核，或任何其它类似的配置来实现。

本发明实施例中所描述的方法或算法的步骤可以直接嵌入硬件、处理器执行的软件模块、或者这两者的结合。软件模块可以存储于RAM存储器、闪存、ROM存储器、EPROM存储器、EEPROM存储器、寄存器、硬盘、可移动磁盘、CD-ROM或本领域中其它任意形式的存储媒介中。示例性地，存储媒介可以与处理器连接，以使得处理器可以从存储媒介中读取信息，并可以向存储媒介存写信息。可选地，存储媒介还可以集成到处理器中。处理器和存储媒介可以设置于ASIC中，ASIC可以设置于用户终端中。可选地，处理器和存储媒介也可以设置于用户终端中的不同的部件中。

在一个或多个示例性的设计中，本发明实施例所描述的上述功能可以在硬件、软件、固件或这三者的任意组合来实现。如果在软件中实现，这些功能可以存储与电脑可读的媒介上，或以一个或多个指令或代码形式传输于电脑可读的媒介上。电脑可读媒介包括电脑存储媒介和便于使得让电脑程序从一个地方转移到其它地方的通信媒介。存储媒介可以是任何通用或特殊电脑可以接入访问的可用媒体。例如，这样的电脑可读媒体可以包括但不限于RAM、ROM、EEPROM、CD-ROM或其它光盘存储、磁盘存储或其它磁性存储装置，或其它任何可以用于承载或存储以指令或数据结构和其它可被通用或特殊电脑、或通用或特殊处理器读取形式的程序代码的媒介。此外，任何连接都可以被适当地定义为电脑可读媒介，例如，如果软件是从一个网站站点、服务器或其它远程资源通过一个同轴电缆、光纤电缆、双绞线、数字用户线(DSL)或以例如红外、无线和微波等无线方式传输的也被包含在所定义的电脑可读媒介中。所述的碟片(disk)和磁盘(disc)包括压缩磁盘、镭射盘、光盘、DVD、软盘和蓝光光盘，磁盘通常以磁性复制数据，而碟片通常以激光进行光学复制数据。上述的组合也可以包含在电脑可读媒介中。

以上所述的具体实施方式，对本发明的目的、技术方案和有益效果进行了进一步详细说明，所应理解的是，以上所述仅为本发明的具体实施方式而已，并不用于限定本发明的保护范围，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，均应包含在本发明的保护范围之内。

Claims

1.一种基于分组信息进行用户工作单位挖掘的方法，其特征在于，所述方法包括：

根据筛选出的所有好友信息及对应的同事分组信息，确定每一个同事分组分别对应的工作单位标识信息，具体包括：

针对每一个同事分组，分别执行如下处理：

选择一个同事分组，同事分组信息记为group，统计该同事分组内出现的人数，记为all_count；根据该同事分组内每个用户注册时填写的工作单位标识信息，统计出该同事分组中各个工作单位对应的人数；

确定该同事分组中人数最多的工作单位，工作单位标识信息记为corp，该工作单位对应的人数记为max_count；

定义单位人数比rate＝max_count/all_count，如果max_count大于特定阈值c，且rate大于特定阈值r，则确定该同事分组group与工作单位corp相对应，从而确定出当前的同事分组对应的工作单位标识信息；

2.如权利要求1所述方法，其特征在于，筛选出的用户的所有好友信息与该用户之间具有互相关注关系。

3.如权利要求1所述方法，其特征在于，

所述特定阈值c取值为2，所述特定阈值r取值为0.2。

4.如权利要求3所述方法，其特征在于，所述利用每一个同事分组分别对应的工作单位标识信息，挖掘出每一个好友信息对应的工作单位标识信息，包括：

根据筛选出的每一个好友信息对应的同事分组信息，以及每一个同事分组分别对应的工作单位标识信息，确定每一个好友信息在所述预设时间段内被加入各工作单位对应的不同同事分组的次数，选择出现次数最多的工作单位挖掘出每一个好友信息对应的工作单位标识信息。

5.一种基于分组信息进行用户工作单位挖掘的装置，其特征在于，所述装置包括：

所述单位标识确定单元，具体用于针对每一个同事分组，分别执行如下处理：选择一个同事分组，同事分组信息记为group，统计该同事分组内出现的人数，记为all_count；根据该同事分组内每个用户注册时填写的工作单位标识信息，统计出该同事分组中各个工作单位对应的人数；确定该同事分组中人数最多的工作单位，工作单位标识信息记为corp，该工作单位对应的人数记为max_count；定义单位人数比rate＝max_count/all_count，如果max_count大于特定阈值c，且rate大于特定阈值r，则确定该同事分组group与工作单位corp相对应，从而确定出当前的同事分组对应的工作单位标识信息；

6.如权利要求5所述装置，其特征在于，

所述分组信息获取单元筛选出的用户的所有好友信息与该用户之间具有互相关注关系。

7.如权利要求5所述装置，其特征在于，

所述特定阈值c取值为2，所述特定阈值r取值为0.2。

8.如权利要求7所述装置，其特征在于，

所述分析挖掘单元，具体用于根据筛选出的每一个好友信息对应的同事分组信息，以及每一个同事分组分别对应的工作单位标识信息，确定每一个好友信息在所述预设时间段内被加入各工作单位对应的不同同事分组的次数，选择出现次数最多的工作单位挖掘出每一个好友信息对应的工作单位标识信息。