CN105550223A - 用户推荐方法及装置 - Google Patents

Abstract

本公开揭示了一种用户推荐方法及装置，属于社交类应用领域。所述用户推荐方法包括：接收各个用户所使用的终端和终端对应的关联设备采集的用户数据；对该用户数据进行分析得到各个用户的用户信息；根据用户信息在社交类应用中进行用户间相互推荐。本公开解决了由于用户上传的用户信息不够完整，导致用户推荐成功率较低的问题；达到了对用户使用不同关联设备时所产生的用户数据进行分析，得到用户的相关用户信息，并在用户上传用户信息有限的情况下自动进行补充，从而提高用户推荐的成功率。

Description

用户推荐方法及装置

技术领域

本公开涉及社交类应用领域，特别涉及一种用户推荐方法及装置。

背景技术

随着互联网技术的不断发展，越来越多的用户开始通过社交类应用来结识新的朋友。

匹配条件推荐作为一种基于用户信息的推荐方式，被广泛应用在社交类应用中。用户在使用匹配条件推荐时，只需要输入相应的匹配条件，服务器即可根据该匹配条件和用户信息查找到符合匹配条件的目标用户，并将查找到的目标用户推荐给该用户。由于查找符合匹配条件的目标用户时，需要基于各个用户预先上传的用户信息，若用户上传的用户信息不够完整，将直接影响到推荐的成功率。

发明内容

本公开提供一种用户推荐方法及装置。所述技术方案如下：

根据本公开实施例的第一方面，提供一种用户推荐方法，该方法包括：

接收各个用户所使用的终端和终端对应的关联设备采集的用户数据；

对该用户数据进行分析得到各个用户的用户信息；

根据该用户信息在社交类应用中进行用户间相互推荐。

在一个可选的实施例中，用户数据中包括终端通过摄像头采集到的用户图像数据，用户信息中包括用户性别、用户年龄和用户面部特征中的至少一种；

对用户数据进行分析得到各个用户的用户信息，包括：

根据用户图像数据，确定用户对应的人脸相册，人脸相册是根据用户存储在服务器中的照片聚合生成的，人脸相册中的照片均包含用户对应的人脸；

对人脸相册中的照片进行人脸分析，得到用户的用户性别、用户年龄和用户面部特征。

在一个可选的实施例中，用户数据中包括终端通过麦克风采集到的用户声音数据，用户信息中包括用户声音特征；

对用户数据进行分析得到各个用户的用户信息，包括：

对用户声音数据进行语音分析，得到用户的用户声音特征。

在一个可选的实施例中，关联设备是与终端绑定的智能体重秤，用户数据中包括智能体重秤采集到的体重数据，用户信息中包含用户的用户体重和用户体重变化状态中的至少一种，用户体重变化状态包括减肥状态和增重状态；

对用户数据进行分析得到各个用户的用户信息，包括：

将智能体重秤最近一次采集的体重数据确定为用户的用户体重；

和/或，

根据智能体重秤最近n次采集的n个体重数据，确定用户的用户体重变化状态，n≥2。

在一个可选的实施例中，关联设备是与终端绑定的智能烹饪设备，用户数据中包括智能烹饪设备采集到的烹饪参数，用户信息中包括用户的烹饪喜好信息；

对用户数据进行分析得到各个用户的用户信息，包括：

根据烹饪参数确定用户的烹饪喜好信息，烹饪喜好信息包括烹饪频率或烹饪方式中的至少一种。

在一个可选的实施例中，关联设备是与终端绑定的智能音响，用户数据中包括智能音响采集的历史播放数据，用户信息中包括用户的音乐喜好类型；

对用户数据进行分析得到各个用户的用户信息，包括：

对历史播放数据进行分析，确定用户的音乐喜好类型，音乐喜好类型包括音乐流派或歌手中的至少一种。

在一个可选的实施例中，关联设备是与终端绑定的智能手环，用户数据包括智能手环采集到的睡眠数据和运动数据，用户信息中包括用户的睡眠信息和运动喜好信息；

所述对用户数据进行分析得到各个用户的用户信息，包括：

根据睡眠数据确定用户的睡眠信息；

和/或，

根据运动数据确定用户的运动喜好信息，运动喜好信息包括运动频率、运动时长和运动类型中的至少一种。

在一个可选的实施例中，根据用户信息在社交类应用中进行用户间相互推荐，包括：

计算至少两个用户之间的用户信息的匹配度；若匹配度大于阈值，则确定至少两个用户互为匹配用户；在匹配用户之间进行相互推荐；

或，

接收第一用户发送的用户推荐请求，用户推荐请求中包括第一用户设置的匹配条件；根据用户信息查找符合匹配条件的第二用户；向第一用户推荐第二用户。

在一个可选的实施例中，该关联设备包括智能体重秤、智能血压计、智能血糖仪、智能音响、智能电视、智能烹饪设备、智能手环或智能手表中的至少一种。

根据本公开实施例的第二方面，提供一种用户推荐装置，该装置包括：

接收模块，被配置为接收各个用户所使用的终端和终端对应的关联设备采集的用户数据；

分析模块，被配置为对用户数据进行分析得到各个用户的用户信息；

推荐模块，被配置为根据用户信息在社交类应用中进行用户间相互推荐。

在一个可选的实施例中，用户数据中包括终端通过摄像头采集到的用户图像数据，用户信息中包括用户性别、用户年龄和用户面部特征中的至少一种；

分析模块，包括：

第一确定子模块，被配置为根据用户图像数据，确定用户对应的人脸相册，人脸相册是根据用户存储在服务器中的照片聚合生成的，人脸相册中的照片均包含用户对应的人脸；

第一分析子模块，被配置为对人脸相册中的照片进行人脸分析，得到用户的用户性别、用户年龄和用户面部特征。

在一个可选的实施例中，用户数据中包括终端通过麦克风采集到的用户声音数据，用户信息中包括用户声音特征；

分析模块，包括：

第二分析子模块，被配置为对用户声音数据进行语音分析，得到用户的用户声音特征。

在一个可选的实施例中，关联设备是与终端绑定的智能体重秤，用户数据中包括智能体重秤采集到的体重数据，用户信息中包含用户的用户体重和用户体重变化状态中的至少一种，用户体重变化状态包括减肥状态和增重状态；

分析模块，包括：

第二确定子模块，被配置为将智能体重秤最近一次采集的体重数据确定为用户的所述用户体重；

和/或，

第三确定子模块，被配置为根据智能体重秤最近n次采集的n个体重数据，确定用户的用户体重变化状态，n≥2。

在一个可选的实施例中，关联设备是与终端绑定的智能烹饪设备，用户数据中包括智能烹饪设备采集到的烹饪参数，用户信息中包括用户的烹饪喜好信息；

分析模块，包括：

第四确定子模块，被配置为根据烹饪参数确定用户的烹饪喜好信息，烹饪喜好信息包括烹饪频率或烹饪方式中的至少一种。

在一个可选的实施例中，关联设备是与终端绑定的智能音响，用户数据中包括智能音响采集的历史播放数据，用户信息中包括用户的音乐喜好类型；

分析模块，包括：

第五确定子模块，被配置为对历史播放数据进行分析，确定用户的音乐喜好类型，音乐喜好类型包括音乐流派或歌手中的至少一种。

在一个可选的实施例中，关联设备是与终端绑定的智能手环，用户数据包括智能手环采集到的睡眠数据和运动数据，用户信息中包括用户的睡眠信息和运动喜好信息；

分析模块，包括：

第六确定子模块，被配置为根据睡眠数据确定用户的睡眠信息；

和/或，

第七确定子模块，被配置为根据运动数据确定用户的运动喜好信息，运动喜好信息包括运动频率、运动时长和运动类型中的至少一种。

在一个可选的实施例中，推荐模块，包括：

第一推荐子模块，被配置为计算至少两个用户之间的用户信息的匹配度；若匹配度大于阈值，则确定至少两个用户互为匹配用户；在匹配用户之间进行相互推荐；

或，

第二推荐子模块，被配置为接收第一用户发送的用户推荐请求，用户推荐请求中包括第一用户设置的匹配条件；根据用户信息查找符合匹配条件的第二用户；向第一用户推荐第二用户。

在一个可选的实施例中，关联设备包括智能体重秤、智能血压计、智能血糖仪、智能音响、智能电视、智能烹饪设备、智能手环或智能手表中的至少一种。

根据本公开实施例的第三方面，提供一种用户推荐装置，该装置包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

接收各个用户所使用的终端和终端对应的关联设备采集的用户数据；

对用户数据进行分析得到各个用户的用户信息；

根据用户信息在社交类应用中进行用户间相互推荐。

本公开的实施例提供的技术方案可以包括以下有益效果：

通过用户使用的终端以及与终端绑定的关联设备采集用户数据，并分析得到用户的用户信息，当用户使用社交类应用时，基于分析得到的用户信息进行用户间的相互推荐；解决了由于用户上传的用户信息不够完整，导致用户推荐成功率较低的问题；达到了对用户使用不同关联设备时所产生的用户数据进行分析，得到用户的相关用户信息，并在用户上传用户信息有限的情况下自动进行补充，从而提高用户推荐的成功率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并于说明书一起用于解释本公开的原理。

图1是根据一示例性实施例示出的一种用户推荐方法的流程图；

图2A是根据另一示例性实施例示出的一种用户推荐方法的流程图；

图2B是图2A提供的用户推荐方法的实施示意图；

图2C是根据再一示例性实施例示出的一种用户推荐方法的流程图；

图2D是根据又一示例性实施例示出的一种用户推荐方法的流程图；

图2E是根据还一示例性实施例示出的一种用户推荐方法的流程图；

图2F是根据还一示例性实施例示出的一种用户推荐方法的流程图；

图3是根据一示例性实施例示出的一种用户推荐装置的框图；

图4是根据另一示例性实施例示出的一种用户推荐装置的框图；

图5是根据再一示例性实施例示出的一种用户推荐装置的框图；

图6是根据一示例性实施例示出的一种用户推荐装置的框图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

图1是根据一示例性实施例示出的一种用户推荐方法的流程图，如图1所示，该用户推荐方法包括以下几个步骤。

在步骤101中，接收各个用户所使用的终端和终端对应的关联设备采集的用户数据；

其中，该关联设备可以是智能家电、智能健康管理设备和可穿戴式设备等等。比如，智能家电可以为智能音响、智能电视或智能烹饪设备，智能健康管理设备可以为智能体重秤、智能血压计或智能血糖仪，可穿戴式设备可以为智能手环或智能手表等等。

在步骤102中，对该用户数据进行分析得到各个用户的用户信息；

该用户信息可以包括用户性别、用户年龄、用户面部特征、用户声音特征、用户身高、用户体重、烹饪喜好信息、音乐喜好类型、睡眠信息或运动喜好信息等等。

在步骤103中，根据该用户信息在社交类应用中进行用户间相互推荐。

综上所述，本实施例提供的用户推荐方法，通过用户使用的终端以及与终端绑定的关联设备采集用户数据，并分析得到用户的用户信息，当用户使用社交类应用时，基于分析得到的用户信息进行用户间的相互推荐；解决了由于用户上传的用户信息不够完整，导致用户推荐成功率较低的问题；达到了对用户使用不同关联设备时所产生的用户数据进行分析，得到用户的相关用户信息，并在用户上传用户信息有限的情况下自动进行补充，从而提高用户推荐的成功率。

图2A是根据另一示例性实施例示出的一种用户推荐方法的流程图，本实施例以用户数据中包括终端采集的用户图像数据以及与终端绑定的智能体重秤采集的体重数据为例进行说明。如图2A所示，该用户推荐方法包括以下几个步骤。

在步骤201中，接收各个用户所使用的终端和终端对应的关联设备采集的用户数据，该用户数据中包括终端通过摄像头采集到的用户图像数据以及与终端绑定的智能体重秤采集的体重数据。

为了确定使用终端的用户，当检测到用户使用终端时，终端即通过前置摄像头抓拍用户脸部图像，从而获取用户图像数据，并将采集到的用户图像数据发送至服务器。相应的，服务器将接收到的用户图像数据和终端标识进行关联存储，其中，该终端标识可以是终端的手机号码或终端在服务器上预先注册的账号，本实施例并不对此进行限定。

进一步的，当智能体重秤与用户使用的终端绑定时，该智能体重秤还可以将采集到的体重数据确定为该终端对应用户的体重数据，并发送至服务器。相应的，服务器将接收到的体重数据与终端标识进行关联存储。需要说明的是，智能体重秤还可以将采集的用户身高数据和脂肪含量等数据一同发送至服务器，并由服务器进行关联存储，本实施例并不对此进行限定。

需要说明的是，由于终端可能被不同用户使用，为了提高采集的用户图像数据的准确性，终端可以获取多组用户图像数据，并对获取的多组用户图像数据进行比较，将出现频率最高的用户图像数据确定为该用户的用户图像数据。

在步骤202中，根据该用户图像数据，确定用户对应的人脸相册，人脸相册是根据用户存储在服务器中的照片聚合生成的，人脸相册中的照片均包含该用户对应的人脸。

由于通过前置摄像头抓拍的用户脸部图像可能不够清晰，为了提高分析得到的用户信息的准确性，服务器根据该用户图像数据，确定该用户对应的人脸相册。

具体的，当用户开启终端中的人脸相册功能时，用户使用终端拍摄的照片将会被上传至服务器，该服务器即对各个照片中包含的人脸进行识别，并将包含相同人脸的照片进行聚合，从而形成相应的人脸相册。比如，照片A中包含人物甲、乙、丙，照片B中包含人物甲、丁，照片C中包含人物乙、丁，照片D中包含甲、丙，服务器即将照片A、B、D聚合为人物甲对应的人脸相册，将照片A、C聚合为人物乙对应的人脸相册，将照片A、D聚合为人物丙对应的人脸相册，将照片B、C聚合为人物丁对应的人脸相册。

在确定用户图像数据对应的人脸相册时，服务器可以从采集到的用户图像数据中提取特征参数，将该特征参数与各个人脸相册进行逐个比对，并将匹配度最高的人脸相册确定为该用户对应的人脸相册。

在步骤203中，对该人脸相册中的照片进行人脸分析，得到用户的用户性别、用户年龄和用户面部特征。

确定终端对应用户的人脸相册后，服务器进一步对该人脸相册中的照片进行人脸分析，从而得到该用户的用户性别、用户年龄和用户面部特征等用户信息，其中，用户面部特征可以包括双眼皮、单眼皮、丹凤眼、樱桃小嘴等等。

进一步的，服务器还可以通过预设的明星人脸数据库确定该用户与各个明星人脸的相似度，并将相似度最高的明星人脸作为用户面部特征，本公开并不对此进行限定。

本实施例中，用户面部特征的确定过程由服务器自动执行，省去了用户的手动设置，同时，该用户面部特征是通过对大量照片分析得到的，其准确性相较于用户手动设置也有明显的提高。

在步骤204中，将智能体重秤最近一次采集的体重数据确定为用户的用户体重。

由于用户可能会多次称量体重，相应的，服务器中保存有不同时刻智能体重秤采集到的体重数据。作为一种可能的实施方式，服务器按照体重数据的采集时间对体重数据进行排序，并将最近一次采集的体重数据确定为该用户的用户体重。

需要说明的时，服务器还可以根据智能体重秤发送的体重数据对用户体重进行实时更新，本公开并不对此进行限定。

在步骤205中，将用户性别、用户年龄、用户面部特征和用户体重中的至少一种确定为该用户的用户信息。

服务器将分析得到的用户性别、用户年龄、用户面部特征和用户体重中的至少一种确定为用户的用户信息，并与终端标识进行关联存储。示意性的，终端标识与用户信息的对应关系可以如表一所示。

表一

在步骤206中，根据用户信息在社交类应用中进行用户间相互推荐。

当用户在社交类应用中启用相互推荐功能时，服务器即根据用户手动设置的用户信息以及分析得到的用户信息进行用户间的相互推荐。

在一种可能的实施方式中，服务器计算至少两个用户之间的用户信息的匹配度。若该匹配度大于阈值，则确定至少两个用户互为匹配用户，并在匹配用户之间进行相互推荐。

比如，服务器可以将用户面部特征匹配度较高的用户确定为匹配用户；也可以将性别不同、年龄之差属于第一阈值范围、用户身高之差属于第二阈值范围且用户体重之差属于第三阈值范围的两个用户确定为匹配用户，本公开并不对此进行限定。

在另一种可能的实施方式中，服务器接收第一用户发送的用户推荐请求，该用户推荐请求中包括第一用户设置的匹配条件；服务器根据用户信息查找符合该匹配条件的第二用户，并向第一用户推荐该第二用户。

比如，如图2B所示，王五通过终端21向服务器22发送的用户推荐请求中包含的匹配条件为：性别男，年龄23-26，身高175cm-185cm，体重65kg-75kg，双眼皮，服务器22即在存储的用户信息中进行查找，查找到的符合该匹配条件的用户张三，并将张三的用户信息发送至终端21。

综上所述，本实施例提供的用户推荐方法，通过用户使用的终端以及与终端绑定的关联设备采集用户数据，并分析得到用户的用户信息，当用户使用社交类应用时，基于分析得到的用户信息进行用户间的相互推荐；解决了由于用户上传的用户信息不够完整，导致用户推荐成功率较低的问题；达到了对用户使用不同关联设备时所产生的用户数据进行分析，得到用户的相关用户信息，并在用户上传用户信息有限的情况下自动进行补充，从而提高用户推荐的成功率。

本实施例中，服务器根据终端采集的用户图像数据，确定该用户对应的人脸相册，并对人脸相册中的照片进行分析，得到包含用户面部特征用户信息，使得即使在用户未上传相关用户面部特征的情况下，服务器也可以自动分析获取；同时由于该用户面部特征是根据大量照片分析得到，其准确性和真实性也大大提高。

本实施例中，当智能体重秤与终端绑定时，服务器还可以进一步获取智能体重秤采集到的体重数据，从而确定用户的体重，并将其作为用户信息进行用户将相互推荐，进一步提高了用户信息中包含的信息量，提高用户推荐的成功率。

在基于图2A所示的实施例中，该用户数据中还可以包括终端通过麦克风采集到的用户声音数据，相应的，服务器对用户声音数据进行语音分析，得到用户的用户声音特征，并将用户声音特征确定为用户信息。其中，该用户声音数据可以是终端检测到用户进行语音通话或进行语音录入时采集到的，该用户声音特征包括甜美、有磁性、粗犷、台湾腔、北京腔等等。

在进行匹配条件推荐时，用户也可以针对用户声音特征设置相应的匹配条件，使得匹配条件的覆盖范围得到扩大，并且该用户声音特征不需要用户自行设置，而是由服务器通过自动分析用户声音数据得到的，从而简化了用户设置用户信息的过程。

在一种可能的实施方式中，由于服务器存储有同一用户不同时刻的多组体重数据，所以服务器还可以根据多组体重数据确定该用户的用户体重变化状态，如图2C所示，上述步骤204和步骤205可以被替换为下述步骤。

在步骤207中，根据智能体重秤最近n次采集的n个体重数据，确定用户的用户体重变化状态，n≥2，该用户体重变化状态包括减肥状态和增重状态。

服务器按照采集时间(由早到晚)对n个体重数据进行排序，若n个体重数据成下降趋势，且下降幅度大于预设阈值时，则确定用户体重变化状态为减肥状态；若n个体重数据成上升趋势，且上升幅度大于预设阈值时，则确定用户体重变化状态为增肥状态。

在步骤208中，将用户性别、用户年龄、用户面部特征和用户体重变化状态中的至少一种确定为该用户的用户信息。

与上述步骤205相似的，服务器可以将用户体重变化状态确定为用户信息，并进行关联存储，供后续用户推荐时使用。

相应的，服务器根据用户信息进行用户推荐时，服务器可以将处于相同用户体重变化状态的至少两个用户进行相互推荐，方便用户在社交类应用中发现同样进行减肥或进行增肥的其他用户，使得用户推荐更具目标性，增加社交类应用的用户粘性。

当关联设备是与终端绑定的智能烹饪设备时，该用户数据中还可以包括智能烹饪设备采集到的烹饪参数，如图2D所示，上述步骤204和步骤205可以被替换为下述步骤。

在步骤209中，根据该烹饪参数确定用户的烹饪喜好信息，该烹饪喜好信息包括烹饪频率或烹饪方式中的至少一种。

用户在使用智能烹饪设备进行烹饪时，智能烹饪设备可以采集相应的烹饪参数，该烹饪参数可以包括烹饪食材类型、采用的烹饪方式和烹饪时长等等。服务器接收到烹饪设备发送的烹饪参数后，根据该烹饪参数确定用户的烹饪喜好信息。

比如，服务器可以根据烹饪食材类型所占比例确定用户喜好的食材类型，可以将用户最常使用的烹饪方式确定为用户喜好的烹饪方式，还可以根据用户在预定时间段内的烹饪次数计算得到用户的烹饪频率等等，本公开并不对此进行限定。

在步骤210中，将用户性别、用户年龄、用户面部特征和烹饪喜好信息中的至少一种确定为该用户的用户信息。

与上述步骤205相似的，服务器可以将烹饪喜好信息确定为用户信息，并进行关联存储，供后续用户推荐时使用。

服务器根据用户信息进行用户推荐时，服务器可以在具有相似烹饪喜好信息的至少两个用户之间进行相互推荐，方便用户在社交类应用中发现具有同样烹饪喜好的其他用户，提高用户推荐的目标性，增加社交类应用的用户粘性。

当关联设备是与终端绑定的智能音响，该用户数据中还可以包括智能音响采集的历史播放数据，如图2E所示，上述步骤204和步骤205可以被替换为下述步骤。

在步骤211中，对历史播放数据进行分析，确定用户的音乐喜好类型，该音乐喜好类型包括音乐流派或歌手中的至少一种。

用户在使用智能音响播放音乐时，智能音响可以采集相应的历史播放数据，该历史播放数据包含智能音响历史播放音乐的名称、歌手和流派等信息。服务器接收到智能音响发送的历史播放数据后，根据该历史播放数据确定用户的音乐喜好类型。

比如，服务器可以对历史播放数据中各个歌手所占的比例进行统计，从而确定该用户喜好的歌手，也可以对历史播放数据中各个音乐流派所占的比例进行统计，从而确定该用户喜好的音乐流派，本公开并不对此进行限定。

在步骤212中，将用户性别、用户年龄、用户面部特征和音乐喜好类型中的至少一种确定为该用户的用户信息。

与上述步骤205相似的，服务器可以将音乐喜好类型定为用户信息，并进行关联存储，供后续用户推荐时使用。

服务器根据用户信息进行用户推荐时，服务器可以在具有相似音乐喜好类型的至少两个用户之间进行相互推荐，方便用户在社交类应用中发现具有同样音乐喜好的其他用户，提高用户推荐的目标性，增加社交类应用的用户粘性。

当关联设备是与终端绑定的智能手环，该用户数据还可以包括智能手环采集到的睡眠数据和运动数据，如图2F所示，上述步骤204和步骤205可以被替换为下述步骤。

在步骤213中，根据睡眠数据确定用户的睡眠信息。

当用户佩戴智能手环睡觉时，智能手环可以采集到用户的睡眠数据，服务器可以获取该睡眠数据，并根据该睡眠数据分析得到用户的睡眠信息，该睡眠信息中可以包括用户的睡眠平均时长、深度睡眠时长、失眠频率等等。

在步骤214中，根据运动数据确定用户的运动喜好信息，运动喜好信息包括运动频率、运动时长和运动类型中的至少一种。

当用户佩戴智能手环进行运动时，智能手环可以采集到用户的运动数据，服务器可以获取该运动数据，并根据该运动数据分析得到用户的运动喜好信息。

比如，服务器可以根据预定时长(比如一周)内用户运动的次数计算得到用户的运动频率，也可以对预定时长内每次运动时长进行累计得到运动时长，还可以根据用户通常采用的运动类型确定用户的运动喜好等等，本公开并不对此进行限定。

在步骤215中，将用户性别、用户年龄、用户面部特征、睡眠信息和运动喜好信息中的至少一种确定为该用户的用户信息。

与上述步骤205相似的，服务器可以将用户的睡眠信息和/或运动信息确定为用户信息，并进行关联存储，供后续用户推荐时使用。

服务器根据用户信息进行用户推荐时，服务器可以在具有相似运动喜好的至少两个用户之间进行相互推荐，方便用户在社交类应用中发现具有喜欢运动的其他用户，提高用户之间线下交流的可能性，增加社交类应用的用户粘性。

需要说明的是，当关联设备是与终端绑定的智能血压计(或智能血糖仪)时，服务器还可以根据智能血压计(或智能血糖仪)采集的血压数据(或血糖数据)确定用户是否患有高血压(或高血糖)，若该用户患有高血压(或高血糖)，则可以将血压(或血糖)控制良好的其他用户推荐该该用户，方便用户之间进行健康信息的交流；当关联设备是智能电视时，服务器还可以根据智能电视采集的播放记录，确定用户的观看喜好，并在具有相同观看喜好的至少两个用户之间进行相互推荐，本公开实施例在此不再赘述。

下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节，请参照本公开方法实施例。

图3是根据一示例性实施例示出的一种用户推荐装置的框图，如图3所示，该用户推荐装置包括但不限于：

接收模块310，被配置为接收各个用户所使用的终端和终端对应的关联设备采集的用户数据；

其中，该关联设备可以是智能家电、智能健康管理设备和可穿戴式设备等等。比如，智能家电可以为智能音响、智能电视或智能烹饪设备，智能健康管理设备可以为智能体重秤、智能血压计或智能血糖仪，可穿戴式设备可以为智能手环或智能手表等等。

分析模块320，被配置为对用户数据进行分析得到各个用户的用户信息；

该用户信息可以包括用户性别、用户年龄、用户面部特征、用户声音特征、用户身高、用户体重、烹饪喜好信息、音乐喜好类型、睡眠信息或运动喜好信息等等。

推荐模块330，被配置为根据用户信息在社交类应用中进行用户间相互推荐。

综上所述，本实施例提供的用户推荐装置，通过用户使用的终端以及与终端绑定的关联设备采集用户数据，并分析得到用户的用户信息，当用户使用社交类应用时，基于分析得到的用户信息进行用户间的相互推荐；解决了由于用户上传的用户信息不够完整，导致用户推荐成功率较低的问题；达到了对用户使用不同关联设备时所产生的用户数据进行分析，得到用户的相关用户信息，并在用户上传用户信息有限的情况下自动进行补充，从而提高用户推荐的成功率。

图4是根据另一示例性实施例示出的一种用户推荐装置的框图，如图3所示，该用户推荐装置包括但不限于：

接收模块410，被配置为接收各个用户所使用的终端和终端对应的关联设备采集的用户数据。

为了确定使用终端的用户，当检测到用户使用终端时，终端即通过前置摄像头抓拍用户脸部图像，从而获取用户图像数据，并将采集到的用户图像数据发送至服务器，相应的，服务器将接收模块410接收到的用户图像数据和终端标识进行关联存储，其中，该终端标识可以是终端的手机号码或终端在服务器上预先注册的账号，本实施例并不对此进行限定。

进一步的，当智能体重秤与用户使用的终端绑定时，该智能体重秤还可以将采集到的体重数据确定为该终端对应用户的体重数据，并发送至服务器，相应的，服务器将接收模块410接收到的体重数据与终端标识进行关联存储。需要说明的是，智能体重秤还可以将采集的用户身高数据和脂肪含量等数据一同发送至服务器，并由服务器进行关联存储，本实施例并不对此进行限定。

需要说明的是，由于终端可能被不同用户使用，终端可以获取多组用户图像数据，并对获取的多组用户图像数据进行比较，将出现频率最高的用户图像数据确定为用户的用户图像数据。

分析模块420，被配置为对用户数据进行分析得到各个用户的用户信息。

推荐模块430，被配置为根据用户信息在社交类应用中进行用户间相互推荐。

在一个可选的实施例中，推荐模块430，包括：第一推荐子模块431和/或第二推荐子模块432。

第一推荐子模块431，被配置为计算至少两个用户之间的用户信息的匹配度；若匹配度大于阈值，则确定至少两个用户互为匹配用户；在匹配用户之间进行相互推荐。

比如，第一推荐子模块431可以将用户面部特征匹配度较高的用户确定为匹配用户；也可以将性别不同、年龄之差属于第一阈值范围、用户身高之差属于第二阈值范围、用户体重之差属于第三阈值范围的两个用户确定为匹配用户，本公开并不对此进行限定。

第二推荐子模块432，被配置为接收第一用户发送的用户推荐请求，用户推荐请求中包括第一用户设置的匹配条件；根据用户信息查找符合匹配条件的第二用户；向第一用户推荐第二用户。

比如，王五通过终端向服务器发送的用户推荐请求中包含的匹配条件为：性别男，年龄23-26，身高175cm-185cm，体重65kg-75kg，双眼皮，服务器中的第二推荐模块432即在存储的用户信息中进行查找，查找到的符合该匹配条件的用户张三，并将张三的用户信息发送至王五使用的终端。

在一个可选的实施例中，用户数据中包括终端通过摄像头采集到的用户图像数据，用户信息中包括用户性别、用户年龄和用户面部特征中的至少一种；

分析模块420，包括：

第一确定子模块421，被配置为根据用户图像数据，确定用户对应的人脸相册，人脸相册是根据用户存储在服务器中的照片聚合生成的，人脸相册中的照片均包含用户对应的人脸。

由于通过前置摄像头抓拍的用户脸部图像可能不够清晰，为了提高分析得到的用户信息的准确性，第一确定子模块421根据该用户图像数据，确定该用户对应的人脸相册。

具体的，当用户开启终端中的人脸相册功能时，用户使用终端拍摄的照片将会被上传至服务器，该服务器即对各个照片中包含的人脸进行识别，并将包含相同人脸的照片进行聚合，从而形成相应的人脸相册。比如，照片A中包含人物甲、乙、丙，照片B中包含人物甲、丁，照片C中包含人物乙、丁，照片D中包含甲、丙，服务器即将照片A、B、D聚合为人物甲对应的人脸相册，将照片A、C聚合为人物乙对应的人脸相册，将照片A、D聚合为人物丙对应的人脸相册，将照片B、C聚合为人物丁对应的人脸相册。

在确定用户图像数据对应的人脸相册时，第一分析子模块422可以从采集到的用户图像数据中提取特征参数，将该特征参数与各个人脸相册进行逐个比对，并将匹配度最高的人脸相册确定为该用户对应的人脸相册。

第一分析子模块422，被配置为对人脸相册中的照片进行人脸分析，得到用户的用户性别、用户年龄和用户面部特征。

确定终端对应用户的人脸相册后，第一分析子模块422进一步对该人脸相册中的照片进行人脸分析，从而得到该用户的用户性别、用户年龄和用户面部特征等用户信息，其中，用户面部特征可以包括双眼皮、单眼皮、丹凤眼、樱桃小嘴等等。

进一步的，第一分析子模块422还可以通过预设的明星人脸数据库确定该用户与各个明星人脸的相似度，并将相似度最高的明星人脸作为用户面部特征，本公开并不对此进行限定。

在一个可选的实施例中，关联设备是与终端绑定的智能体重秤，用户数据中包括智能体重秤采集到的体重数据，用户信息中包含用户的用户体重和用户体重变化状态中的至少一种，用户体重变化状态包括减肥状态和增重状态；

分析模块420，包括：第二确定子模块423和/或第三确定子模块424。

第二确定子模块423，被配置为将智能体重秤最近一次采集的体重数据确定为用户的用户体重。

由于用户可能会多次称量体重，相应的，第二确定子模块423中保存有不同时刻智能体重秤采集到的体重数据。第二确定子模块423按照体重数据的采集时间对体重数据进行排序，并将最近一次采集的体重数据确定为该用户的用户体重。

需要说明的时，第二确定子模块423还可以根据智能体重秤发送的体重数据对用户体重进行实时更新，本公开并不对此进行限定。

第三确定子模块424，被配置为根据智能体重秤最近n次采集的n个体重数据，确定用户的用户体重变化状态，n≥2。

第三确定子模块424按照采集时间(由早到晚)对n个体重数据进行排序，若n个体重数据成下降趋势，且下降幅度大于预设阈值时，则确定用户体重变化状态为减肥状态；若n个体重数据成上升趋势，且上升幅度大于预设阈值时，则确定用户体重变化状态为增肥状态。

综上所述，本实施例提供的用户推荐装置，通过用户使用的终端以及与终端绑定的关联设备采集用户数据，并分析得到用户的用户信息，当用户使用社交类应用时，基于分析得到的用户信息进行用户间的相互推荐；解决了由于用户上传的用户信息不够完整，导致用户推荐成功率较低的问题；达到了对用户使用不同关联设备时所产生的用户数据进行分析，得到用户的相关用户信息，并在用户上传用户信息有限的情况下自动进行补充，从而提高用户推荐的成功率。

本实施例中，服务器根据终端采集的用户图像数据，确定该用户对应的人脸相册，并对人脸相册中的照片进行分析，得到包含用户面部特征用户信息，使得即使在用户未上传相关用户面部特征的情况下，服务器也可以自动分析获取；同时由于该用户面部特征是根据大量照片分析得到，其准确性和真实性也大大提高。

本实施例中，当智能体重秤与终端绑定时，服务器还可以进一步获取智能体重秤采集到的体重数据，从而确定用户的体重，并将其作为用户信息进行用户将相互推荐，进一步提高了用户信息中包含的信息量，提高用户推荐的成功率。

在基于图4所示的可选实施例中，如图5所示，用户数据中包括终端通过麦克风采集到的用户声音数据，用户信息中包括用户声音特征；

分析模块420，还包括：

第二分析子模块425，被配置为对用户声音数据进行语音分析，得到用户的用户声音特征。

其中，该用户声音数据可以是终端检测到用户进行语音通话或进行语音录入时采集到的，该用户声音特征包括甜美、有磁性、粗犷、台湾腔、北京腔等等。

在进行匹配条件推荐时，用户也可以针对用户声音特征设置相应的匹配条件，使得匹配条件的覆盖范围得到扩大，并且该用户声音特征不需要用户自行设置，而是由第二分析子模块425通过自动分析用户声音数据得到的，从而简化了用户设置用户信息的过程。

在一个可选的实施例中，关联设备是与终端绑定的智能烹饪设备，用户数据中包括智能烹饪设备采集到的烹饪参数，用户信息中包括用户的烹饪喜好信息；

分析模块420，包括：

第四确定子模块426，被配置为根据烹饪参数确定用户的烹饪喜好信息，烹饪喜好信息包括烹饪频率或烹饪方式中的至少一种。

用户在使用智能烹饪设备进行烹饪时，智能烹饪设备可以采集相应的烹饪参数，该烹饪参数可以包括烹饪食材类型、采用的烹饪方式和烹饪时长等等。第四确定子模块423接收到烹饪设备发送的烹饪参数后，根据该烹饪参数确定用户的烹饪喜好信息。

比如，第四确定子模块426可以将烹饪食材类型所占比例最高的食材类型确定为用户喜好的食材类型，可以将用户最常使用的烹饪方式确定为用户喜好的烹饪方式，还可以根据用户在预定时间段内的烹饪次数计算得到用户的烹饪频率等等，本公开并不对此进行限定。

本实施例中，服务器根据用户信息进行用户推荐时，服务器可以在具有相似烹饪喜好信息的至少两个用户之间进行相互推荐，方便用户在社交类应用中发现具有同样烹饪喜好的其他用户，提高用户推荐的目标性，增加社交类应用的用户粘性。

在一个可选的实施例中，关联设备是与终端绑定的智能音响，用户数据中包括智能音响采集的历史播放数据，用户信息中包括用户的音乐喜好类型；

分析模块420，包括：

第五确定子模块427，被配置为对历史播放数据进行分析，确定用户的音乐喜好类型，音乐喜好类型包括音乐流派或歌手中的至少一种。

用户在使用智能音响播放音乐时，智能音响可以采集相应的历史播放数据，该历史播放数据包含智能音响历史播放音乐的名称、歌手和流派等信息。第五确定子模块427接收到智能音响发送的历史播放数据后，根据该历史播放数据确定用户的音乐喜好类型。

比如，第五确定子模块427可以对历史播放数据中各个歌手所占的比例进行统计，从而确定该用户喜好的歌手，也可以对历史播放数据中各个音乐流派所占的比例进行统计，从而确定该用户喜好的音乐流派，本公开并不对此进行限定。

本实施例中，服务器根据用户信息进行用户推荐时，服务器可以在具有相似音乐喜好类型的至少两个用户之间进行相互推荐，方便用户在社交类应用中发现具有同样音乐喜好的其他用户，提高用户推荐的目标性，增加社交类应用的用户粘性。

在一个可选的实施例中，关联设备是与终端绑定的智能手环，用户数据包括智能手环采集到的睡眠数据和运动数据，用户信息中包括用户的睡眠信息和运动喜好信息；

分析模块420，包括：第六确定子模块428和/或第七确定子模块429

第六确定子模块428，被配置为根据睡眠数据确定用户的睡眠信息。

当用户佩戴智能手环睡觉时，智能手环可以采集到用户的睡眠数据，第六确定子模块428可以获取该睡眠数据，并根据该睡眠数据分析得到用户的睡眠信息，该睡眠信息中可以包括用户的睡眠平均时长、深度睡眠时长、失眠频率等等。

第七确定子模块429，被配置为根据运动数据确定用户的运动喜好信息，运动喜好信息包括运动频率、运动时长和运动类型中的至少一种。

当用户佩戴智能手环进行运动时，智能手环可以采集到用户的运动数据，第七确定子模块429,可以获取该运动数据，并根据该运动数据分析得到用户的运动喜好信息。

比如，第七确定子模块429可以根据预定时长(比如一周)内用户运动的次数计算得到用户的运动频率，也可以对预定时长内每次运动时长进行累计得到运动时长，还可以根据用户通常采用的运动类型确定运动喜好等等，本公开并不对此进行限定。

本实施例中，服务器根据用户信息进行用户推荐时，服务器可以在具有相似运动喜好的至少两个用户之间进行相互推荐，方便用户在社交类应用中发现具有喜欢运动的其他用户，提高用户之间线下交流的可能性，增加社交类应用的用户粘性。

关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。

本公开一示例性实施例提供了一种用户推荐装置，能够实现本公开提供的用户推荐方法，该用户推荐装置包括：处理器、用于存储处理器可执行指令的存储器；

其中，处理器被配置为：

接收各个用户所使用的终端和终端对应的关联设备采集的用户数据；

对该用户数据进行分析得到各个用户的用户信息；

根据该用户信息在社交类应用中进行用户间相互推荐。

图6是根据一示例性实施例示出的一种用户推荐装置600的框图。例如，装置600可以被提供为一服务器。参照图6，装置600包括处理组件622，其进一步包括一个或多个处理器，以及由存储器632所代表的存储器资源，用于存储可由处理部件622执行的指令，例如应用程序。存储器632中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件622被配置为执行指令，以执行上述用户推荐方法。

装置600还可以包括一个电源组件626被配置为执行装置600的电源管理，一个有线或无线网络接口650被配置为将装置600连接到网络，和一个输入输出(I/O)接口658。装置600可以操作基于存储在存储器632的操作系统，例如WindowsServerTM，MacOSXTM，UnixTM,LinuxTM，FreeBSDTM或类似。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (19)

1.一种用户推荐方法，其特征在于，所述方法包括：

接收各个用户所使用的终端和所述终端对应的关联设备采集的用户数据；

对所述用户数据进行分析得到各个用户的用户信息；

根据所述用户信息在社交类应用中进行用户间相互推荐。

2.根据权利要求1所述的方法，其特征在于，所述用户数据中包括所述终端通过摄像头采集到的用户图像数据，所述用户信息中包括用户性别、用户年龄和用户面部特征中的至少一种；

所述对所述用户数据进行分析得到各个用户的用户信息，包括：

根据所述用户图像数据，确定所述用户对应的人脸相册，所述人脸相册是根据所述用户存储在服务器中的照片聚合生成的，所述人脸相册中的照片均包含所述用户对应的人脸；

对所述人脸相册中的照片进行人脸分析，得到所述用户的所述用户性别、所述用户年龄和所述用户面部特征。

3.根据权利要求1所述的方法，其特征在于，所述用户数据中包括所述终端通过麦克风采集到的用户声音数据，所述用户信息中包括用户声音特征；

所述对所述用户数据进行分析得到各个用户的用户信息，包括：

对所述用户声音数据进行语音分析，得到所述用户的所述用户声音特征。

4.根据权利要求1所述的方法，其特征在于，所述关联设备是与所述终端绑定的智能体重秤，所述用户数据中包括所述智能体重秤采集到的体重数据，所述用户信息中包含所述用户的用户体重和用户体重变化状态中的至少一种，所述用户体重变化状态包括减肥状态和增重状态；

所述对所述用户数据进行分析得到各个用户的用户信息，包括：

将所述智能体重秤最近一次采集的所述体重数据确定为所述用户的所述用户体重；

和/或，

根据所述智能体重秤最近n次采集的n个所述体重数据，确定所述用户的所述用户体重变化状态，n≥2。

5.根据权利要求1所述的方法，其特征在于，所述关联设备是与所述终端绑定的智能烹饪设备，所述用户数据中包括所述智能烹饪设备采集到的烹饪参数，所述用户信息中包括所述用户的烹饪喜好信息；

所述对所述用户数据进行分析得到各个用户的用户信息，包括：

根据所述烹饪参数确定所述用户的所述烹饪喜好信息，所述烹饪喜好信息包括烹饪频率或烹饪方式中的至少一种。

6.根据权利要求1所述的方法，其特征在于，所述关联设备是与所述终端绑定的智能音响，所述用户数据中包括所述智能音响采集的历史播放数据，所述用户信息中包括所述用户的音乐喜好类型；

所述对所述用户数据进行分析得到各个用户的用户信息，包括：

对所述历史播放数据进行分析，确定所述用户的音乐喜好类型，所述音乐喜好类型包括音乐流派或歌手中的至少一种。

7.根据权利要求1所述的方法，其特征在于，所述关联设备是与所述终端绑定的智能手环，所述用户数据包括所述智能手环采集到的睡眠数据和运动数据，所述用户信息中包括所述用户的睡眠信息和运动喜好信息；

所述对所述用户数据进行分析得到各个用户的用户信息，包括：

根据所述睡眠数据确定所述用户的所述睡眠信息；

和/或，

根据所述运动数据确定所述用户的所述运动喜好信息，所述运动喜好信息包括运动频率、运动时长和运动类型中的至少一种。

8.根据权利要求1至7任一所述的方法，其特征在于，所述根据所述用户信息在社交类应用中进行用户间相互推荐，包括：

计算至少两个用户之间的所述用户信息的匹配度；若所述匹配度大于阈值，则确定所述至少两个用户互为匹配用户；在所述匹配用户之间进行相互推荐；

或，

接收第一用户发送的用户推荐请求，所述用户推荐请求中包括所述第一用户设置的匹配条件；根据所述用户信息查找符合所述匹配条件的第二用户；向所述第一用户推荐所述第二用户。

9.根据权利要求1所述的方法，其特征在于，所述关联设备包括智能体重秤、智能血压计、智能血糖仪、智能音响、智能电视、智能烹饪设备、智能手环或智能手表中的至少一种。

10.一种用户推荐装置，其特征在于，所述装置包括：

接收模块，被配置为接收各个用户所使用的终端和所述终端对应的关联设备采集的用户数据；

分析模块，被配置为对所述用户数据进行分析得到各个用户的用户信息；

推荐模块，被配置为根据所述用户信息在社交类应用中进行用户间相互推荐。

11.根据权利要求10所述的装置，其特征在于，所述用户数据中包括所述终端通过摄像头采集到的用户图像数据，所述用户信息中包括用户性别、用户年龄和用户面部特征中的至少一种；

所述分析模块，包括：

第一确定子模块，被配置为根据所述用户图像数据，确定所述用户对应的人脸相册，所述人脸相册是根据所述用户存储在服务器中的照片聚合生成的，所述人脸相册中的照片均包含所述用户对应的人脸；

第一分析子模块，被配置为对所述人脸相册中的照片进行人脸分析，得到所述用户的所述用户性别、所述用户年龄和所述用户面部特征。

12.根据权利要求10所述的装置，其特征在于，所述用户数据中包括所述终端通过麦克风采集到的用户声音数据，所述用户信息中包括用户声音特征；

所述分析模块，包括：

第二分析子模块，被配置为对所述用户声音数据进行语音分析，得到所述用户的所述用户声音特征。

13.根据权利要求10所述的装置，其特征在于，所述关联设备是与所述终端绑定的智能体重秤，所述用户数据中包括所述智能体重秤采集到的体重数据，所述用户信息中包含所述用户的用户体重和用户体重变化状态中的至少一种，所述用户体重变化状态包括减肥状态和增重状态；

所述分析模块，包括：

第二确定子模块，被配置为将所述智能体重秤最近一次采集的所述体重数据确定为所述用户的所述用户体重；

和/或，

第三确定子模块，被配置为根据所述智能体重秤最近n次采集的n个所述体重数据，确定所述用户的所述用户体重变化状态，n≥2。

14.根据权利要求10所述的装置，其特征在于，所述关联设备是与所述终端绑定的智能烹饪设备，所述用户数据中包括所述智能烹饪设备采集到的烹饪参数，所述用户信息中包括所述用户的烹饪喜好信息；

所述分析模块，包括：

第四确定子模块，被配置为根据所述烹饪参数确定所述用户的所述烹饪喜好信息，所述烹饪喜好信息包括烹饪频率或烹饪方式中的至少一种。

15.根据权利要求10所述的装置，其特征在于，所述关联设备是与所述终端绑定的智能音响，所述用户数据中包括所述智能音响采集的历史播放数据，所述用户信息中包括所述用户的音乐喜好类型；

所述分析模块，包括：

第五确定子模块，被配置为对所述历史播放数据进行分析，确定所述用户的音乐喜好类型，所述音乐喜好类型包括音乐流派或歌手中的至少一种。

16.根据权利要求10所述的装置，其特征在于，所述关联设备是与所述终端绑定的智能手环，所述用户数据包括所述智能手环采集到的睡眠数据和运动数据，所述用户信息中包括所述用户的睡眠信息和运动喜好信息；

所述分析模块，包括：

第六确定子模块，被配置为根据所述睡眠数据确定所述用户的所述睡眠信息；

和/或，

第七确定子模块，被配置为根据所述运动数据确定所述用户的所述运动喜好信息，所述运动喜好信息包括运动频率、运动时长和运动类型中的至少一种。

17.根据权利要求10至16任一所述的装置，其特征在于，所述推荐模块，包括：

第一推荐子模块，被配置为计算至少两个用户之间的所述用户信息的匹配度；若所述匹配度大于阈值，则确定所述至少两个用户互为匹配用户；在所述匹配用户之间进行相互推荐；

或，

第二推荐子模块，被配置为接收第一用户发送的用户推荐请求，所述用户推荐请求中包括所述第一用户设置的匹配条件；根据所述用户信息查找符合所述匹配条件的第二用户；向所述第一用户推荐所述第二用户。

18.根据权利要求10所述的装置，其特征在于，所述关联设备包括智能体重秤、智能血压计、智能血糖仪、智能音响、智能电视、智能烹饪设备、智能手环或智能手表中的至少一种。

19.一种用户推荐装置，其特征在于，所述装置包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为：

接收各个用户所使用的终端和所述终端对应的关联设备采集的用户数据；

对所述用户数据进行分析得到各个用户的用户信息；

根据所述用户信息在社交类应用中进行用户间相互推荐。