CN105847127B - 一种用户属性信息确定方法以及服务器 - Google Patents
一种用户属性信息确定方法以及服务器 Download PDFInfo
- Publication number
- CN105847127B CN105847127B CN201610292736.XA CN201610292736A CN105847127B CN 105847127 B CN105847127 B CN 105847127B CN 201610292736 A CN201610292736 A CN 201610292736A CN 105847127 B CN105847127 B CN 105847127B
- Authority
- CN
- China
- Prior art keywords
- information
- user
- attribute
- target user
- contact person
- 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.)
- Active
Links
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/21—Monitoring or handling of messages
- H04L51/23—Reliability checks, e.g. acknowledgments or fault reporting
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L51/00—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail
- H04L51/52—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail for supporting social networking services
-
- 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
- H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Computing Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明实施例公开了一种用户属性信息确定方法以及服务器,用于提高确定得到的用户属性信息的精确度。本发明实施例方法包括:读取目标用户的通讯录中的联系人信息,所述目标用户为待确定实际属性信息的用户,所述联系人信息中包含至少一个目标联系人;获取所述目标联系人对所述目标用户的属性指认信息,所述属性指认信息用于表示所述目标联系人对所述目标用户的属性信息的指认;根据所述属性指认信息确定所述目标用户的实际属性信息。本发明实施例还提供一种服务器。本发明实施例能够有效提高确定得到的用户属性信息的精确度。
Description
技术领域
本发明涉及互联网通信领域,特别涉及一种用户属性信息确定方法以及服务器。
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使用即时通信(英文缩写:IM,英文全称:Instant Message)软件、论坛等交互平台进行互联网沟通。
各种交互平台的服务器一般都会确定用户的属性信息,诸如职业、兴趣爱好等,使得用户能够了解其他用户的基本信息,从而提高用户之间沟通的便利性。
现有技术中,服务器确定用户属性信息的方式一般是由用户自行填写属性信息,交互平台将用户填写的属性信息作为用户的实际属性信息。
但是,服务器需要依赖用户自行填写的属性信息,而用户在填写时有较大的随意性,不一定会按照实际情况进行填写,另外,部分用户出于隐私安全的考虑,可能会刻意填写错误的属性信息,从而导致服务器确定的属性信息并不准确。
发明内容
本发明实施例提供了一种用户属性信息确定方法以及服务器,用于提高确定得到的用户属性信息的精确度。
本发明实施例一方面提供了一种用户属性信息确定方法,具体包括:
读取目标用户的通讯录中的联系人信息,所述目标用户为待确定实际属性信息的用户,所述联系人信息中包含至少一个目标联系人;
获取所述目标联系人对所述目标用户的属性指认信息,所述属性指认信息用于表示所述目标联系人对所述目标用户的属性信息的指认;
根据所述属性指认信息确定所述目标用户的实际属性信息。
本发明实施例另一方面提供了一种服务器,具体包括:
读取模块,用于读取目标用户的通讯录中的联系人信息,所述目标用户为待确定实际属性信息的用户,所述联系人信息中包含至少一个目标联系人;
第一获取模块,用于获取所述目标联系人对所述目标用户的属性指认信息,所述属性指认信息用于表示所述目标联系人对所述目标用户的属性信息的指认;
第一确定模块,用于根据所述属性指认信息确定所述目标用户的实际属性信息。
从以上技术方案可以看出,本发明实施例具有以下优点:
本发明实施例中,当服务器需要确定目标用户的实际属性信息时,可以通过该目标用户的通讯录确定目标联系人,获取该目标联系人对目标用户的属性指认信息,并根据该属性指认信息确定目标用户的实际属性信息,也就是说,该目标用户的实际属性信息来源于其他联系人对该目标用户的指认,可以避免目标用户自行填写导致的属性信息不准确的问题,因此能够有效提高服务器确定得到的用户属性信息的精确度。
附图说明
图1为本发明实施例中用户属性信息确定方法一个实施例示意图;
图2为本发明实施例中网络结构示意图;
图3为本发明实施例中用户属性信息确定方法另一实施例示意图;
图4为本发明实施例中用户设备界面示意图;
图5为本发明实施例中用户属性信息确定方法另一实施例示意图;
图6为本发明实施例中用户属性信息确定方法另一实施例示意图;
图7为本发明实施例中属性指认关系示意图;
图8为本发明实施例中服务器一个实施例示意图;
图9为本发明实施例中服务器另一实施例示意图;
图10为本发明实施例中服务器另一实施例示意图;
图11为本发明实施例中服务器另一实施例示意图;
图12为本发明实施例中服务器另一实施例示意图。
具体实施方式
本发明实施例提供了一种用户属性信息确定方法以及服务器,用于提高确定得到的用户属性信息的精确度。
请参阅图1,本发明实施例中用户属性信息确定方法一个实施例包括:
101、读取目标用户的通讯录中的联系人信息。
本实施例中,当服务器需要确定目标用户的实际属性信息时,可以读取目标用户的通讯录中的联系人信息,该联系人信息中包含至少一个目标联系人。
需要说明的是,服务器读取目标用户的通讯录中的联系人信息可以采用多种方式,例如可以通过目标用户在云端服务器保存的通讯录读取,或者是从目标用户对应的用户设备中的通讯录读取,或者可以通过其他的方式读取,具体此处不做限定。
本实施例以及后续实施例中所描述的“用户”、“联系人”在实际应用中可以为交互平台的账户信息、或安装于用户设备上的交互式客户端、或是其他能够表示独立交互个体的对象,具体此处不做限定。
102、获取目标联系人对目标用户的属性指认信息。
服务器在读取到联系人信息后,可以获取目标联系人对目标用户的属性指认信息,该属性指认信息用于表示目标联系人对目标用户的属性信息的指认,即目标联系人认定的目标用户的属性信息。
服务器可以从目标联系人对应的用户设备中获取目标联系人对目标用户的属性指认信息,也可以通过交互的方式向目标联系人对应的用户设备请求该属性指认信息,具体此处不做限定。
为便于理解本实施例中服务器与用户设备之间的交互,请参阅图2,图2 为网络架构示意图,多个用户可通过用户设备(例如个人计算机、笔记本电脑、平板电脑、手机等)连接到交互平台上进行信息交互。
服务器为交互平台提供数据服务支持,并且服务器能够截取到各用户通过交互平台所交互的数据信息。
103、根据属性指认信息确定目标用户的实际属性信息。
本实施例中,当服务器获取到目标联系人对目标用户的属性指认信息之后,可以依据这些属性指认信息确定该目标用户的实际属性信息。
本实施例中,当服务器需要确定目标用户的实际属性信息时,可以通过该目标用户的通讯录确定目标联系人,获取该目标联系人对目标用户的属性指认信息,并根据该属性指认信息确定目标用户的实际属性信息,也就是说,该目标用户的实际属性信息来源于其他联系人对该目标用户的指认,可以避免目标用户自行填写导致的属性信息不准确的问题,因此能够有效提高服务器确定得到的用户属性信息的精确度。
需要说明的是,属性信息可以有多种表现形式,例如可以是职业信息、行业信息、兴趣爱好信息等,还可以是其他类型能够表现用户的属性的信息,相应的,目标联系人对目标用户的属性指认信息可以是对目标用户的职业信息的指认、行业信息的指认、兴趣爱好信息的指认。
为便于理解,在后面的实施例中,均以职业信息作为属性信息的例子进行说明。
在实际应用中,服务器根据可以通过多种方式确定目标用户的实际职业信息,下面分别进行描述:
一、服务器通过被指认次数确定目标用户的实际职业信息:
请参阅图3,本发明实施例中用户属性信息确定方法另一实施例包括:
301、读取目标用户的通讯录中的联系人信息。
本实施例中,当服务器需要确定目标用户的实际职业信息时,可以读取目标用户的通讯录中的联系人信息,该联系人信息中包含至少一个目标联系人。
需要说明的是,服务器读取目标用户的通讯录中的联系人信息可以采用多种方式,例如可以通过目标用户在云端服务器保存的通讯录读取,或者是从目标用户对应的用户设备中的通讯录读取,或者可以通过其他的方式读取,具体此处不做限定。
本实施例中,服务器可以在读取目标用户的通讯录中的联系人信息之后,根据该联系人信息确定各候选联系人,并且获取各候选联系人与目标用户之间的沟通频繁度参数,再确定沟通频繁度参数高于预置数值的候选联系人作为目标联系人,需要说明的是,本过程并非必要过程,在实际应用中可以选择性实施。
302、获取目标联系人对目标用户的职业指认信息。
服务器在读取到联系人信息后,可以获取目标联系人对目标用户的职业指认信息,该职业指认信息用于表示目标联系人对目标用户的职业信息的指认,即目标联系人认定的目标用户的职业信息。
在实际应用中,服务器可以通过多种方式获取目标联系人对目标用户的职业指认信息,下面以几个例子进行说明:
A、服务器通过备注信息获取目标联系人对目标用户的职业指认信息:
(1)服务器可以从目标联系人对应的用户设备中读取该目标联系人对目标用户的备注信息。
该备注信息可以是目标联系人对目标用户进行的备注。
(2)服务器对备注信息进行语义分析得到职业特征信息。
具体的语义分析过程可以是关键词匹配过程,当备注信息中存在特定的关键词时即可提取出职业特征信息,例如“牙医”、“打官司”等。
(3)服务器根据提取到的职业特征信息生成目标联系人对目标用户的职业指认信息。
具体的,服务器获取到职业特征信息之后,可以根据这些职业特征信息生成目标联系人对目标用户的职业指认信息,例如职业特征信息为“牙医”,则生成的职业指认信息为“医生”。
B、服务器通过主动问询获取目标联系人对目标用户的职业指认信息:
(1)服务器向目标联系人对应的用户设备发送指认请求。
该指认请求中携带有目标用户的标识,还可以进一步携带可选职业信息,或者是以填写框的方式请求目标联系人输入职业信息,具体可以如图4所示的界面。
(2)服务器接收目标联系人对应的用户设备反馈的指认响应。
本实施例中,当服务器接收到目标联系人通过用户设备提交的指认响应后,可以从该指认响应中提取出目标联系人对目标用户的职业指认信息,例如目标联系人在图4所示的界面下选择的是“医生”,则该职业指认信息为“医生”。
上面以两个例子说明了服务器获取目标联系人对目标用户的职业指认信息的方式,可以理解的是,在实际应用中,服务器还可以有更多的方式获取该职业指认信息,具体此处不做限定。
303、根据各目标联系人对目标用户的职业指认信息确定目标用户对应的候选职业信息。
服务器在获取到目标联系人对目标用户的职业指认信息之后,可以进行统计和分析,由于目标联系人可能会有多人,而不同的目标联系人对同一个目标用户的职业指认信息可能不同,所以服务器可以统计出目标用户被所有目标联系人指认的所有候选职业信息。
304、将被指认次数最多的候选职业信息作为目标用户的实际职业信息。
服务器统计出目标用户被所有目标联系人指认的所有候选职业信息之后,可以根据不同目标联系人的指认确定每一个候选职业信息被指认的次数,从中选取出被指认次数最多的候选职业信息作为目标用户的实际职业信息。
若被指认次数最多的候选职业信息存在多个,则服务器可以依据预设的规则进行处理,例如由目标用户进行选择确认,或是随机选择确认,或是重新由目标联系人进行选择确认,或是其他的处理方式,具体此处不做限定。
本实施例中,当服务器需要确定目标用户的实际职业信息时,可以通过该目标用户的通讯录确定目标联系人,获取该目标联系人对目标用户的职业指认信息,确定被指认次数最多的候选职业信息作为目标用户的实际职业信息,也就是说,该目标用户的实际职业信息来源于其他联系人对该目标用户的指认,可以避免目标用户自行填写导致的职业信息不准确的问题,因此能够有效提高服务器确定得到的用户职业信息的精确度;
其次,服务器可以采用多种方式从目标联系人对应的用户设备获取目标联系人对目标用户的职业指认信息,因此能够提高方案的灵活性;
再次,服务器在读取目标用户的通讯录中的联系人信息之后,可以根据该联系人信息确定各候选联系人,并且获取各候选联系人与目标用户之间的沟通频繁度参数,再确定沟通频繁度参数高于预置数值的候选联系人作为目标联系人,由于服务器可以从候选联系人中选择出与目标用户沟通较为活跃的目标联系人,所以这些目标联系人提供的职业指认信息会更加准确,从而进一步提高了确定职业信息时的精确度。
为便于理解,下面结合具体的应用场景对本实施例进行描述:
用户001在即时通信工具QQ中注册有账号,该用户使用QQ与其他用户进行沟通。
当服务器需要确定用户001的职业信息时,服务器可以从用户001在云端服务器上保存的通讯录中读取用户001的联系人信息,读取结果如下表1 所示:
表1
用户 | QQ号 | 注册地 |
002 | 124145 | 深圳 |
003 | 13535346 | 上海 |
004 | 1362452452 | 北京 |
005 | 465352345 | 成都 |
006 | 134345 | 上海 |
007 | 4567457 | 深圳 |
008 | 8798354 | 北京 |
009 | 134235 | 成都 |
010 | 890870 | 杭州 |
011 | 2345235 | 广州 |
服务器读取到该联系人信息后,将用户002至用户011均作为候选联系人,然后通过QQ数据服务器获取各候选联系人与用户001之间的沟通频繁度参数,具体如下表2所示:
表2
服务器可以从表2中选取最近一周内与用户001的沟通次数超过10次的候选联系人作为目标联系人,则目标联系人包括用户002、用户004、用户006 至用户011,一共8名目标联系人。
服务器确定了目标联系人后,可以从各目标联系人对应的用户设备中读取各目标联系人对用户001进行备注后的备注信息,具体可以如下表3所示:
表3
用户 | 对用户001的备注信息 |
002 | 牙医 |
004 | 修复牙齿 |
006 | 口腔科 |
007 | 五官科 |
008 | 医生 |
009 | 摄影师 |
010 | 论文指导 |
011 | 手术指导 |
根据上表3,服务器可以对备注信息进行语义分析,即关键词匹配过程,经过关键词匹配可知,用户002、用户004、用户006、用户007、用户008 以及用户011的备注信息中提取出的职业特征信息为“牙医”,用户009的备注信息中提取出的职业特征信息为“摄影师”,用户010的备注信息中提取出的职业特征信息为“论文指导”。
根据提取出的职业特征信息,服务器可以生成各目标联系人对用户001 的职业指认信息,具体可以如下表4所示:
表4
根据上表4,服务器可以确认用户001的各候选职业信息,包括“医生”、“摄影师”、“教师”,之后可以进一步确定每一种候选职业信息被指认的次数,即“医生”被指认6次,“摄影师”被指认1次,“教师”被指认1次。
依据各候选职业信息被指认的次数,服务器可以确定被指认次数最多的候选职业信息“医生”即为用户001的实际职业信息。
二、服务器通过各候选职业信息被指认的概率,并结合同行指认的方式确定目标用户的实际职业信息:
请参阅图5,本发明实施例中用户属性信息确定方法另一实施例包括:
501、读取目标用户的通讯录中的联系人信息。
502、获取目标联系人对目标用户的职业指认信息。
503、根据各目标联系人对目标用户的职业指认信息确定目标用户对应的候选职业信息。
本实施例中的步骤501至503与前述图3所示实施例中的步骤301至303 类似,具体此处不再赘述。
504、计算目标用户的各候选职业信息的第一概率。
本实施例中,当服务器确定了目标用户对应的候选职业信息之后,可以计算各候选职业信息的第一概率,也就是计算该目标用户属于每一个候选职业信息的概率值。
具体的计算方式可以为:
该Wj表示目标用户的候选职业信息j的第一概率;
该x为目标联系人的数量;
该count(j)用于表示目标联系人中指认目标用户的候选职业信息为j的联系人数量。
505、获取各目标联系人的实际职业信息。
本实施例中,服务器可以获取各目标联系人的实际职业信息,具体的获取方式可以是服务器从各目标联系人发布并经过认证的信息中分析出目标联系人的实际职业信息,也可以是由目标联系人主动提交职业信息,经过服务器确认后,作为目标联系人的实际职业信息,具体方式此处不做限定。
需要说明的是,本实施例中的步骤505并不限于在步骤504之后执行,而也可以在步骤504之前执行,具体此处不做限定。
506、根据第一概率以及各目标联系人的实际职业信息计算各候选职业信息的第二概率。
本实施例中,服务器在获取到目标用户的各候选职业信息的第一概率以及各目标联系人的实际职业信息之后,可以进一步计算各候选职业信息的第二概率。
具体计算的原则可以为:若某目标联系人的实际职业信息与其指认目标用户所属的职业信息相同,则认定为同行指认,则该次指认具有第一权重,若某目标联系人的实际职业信息与其指认目标用户所属的职业信息不相同,则该次指认具有第二权重,其中第一权重大于第二权重。
需要说明的是,在实际应用中,除了判断某目标联系人的实际职业信息与其指认目标用户所属的职业信息是否相同之外,还可以判断是否相匹配,例如“学生”与“教师”相匹配,“律师”与“法官”相匹配等,相匹配时,该次指认同样具有较高的权重。
服务器确认各次指认的权重之后,可以依据这些权重以及步骤504中计算得到的第一概率重新计算目标用户的各候选职业信息的第二概率。
具体的计算方式可以为:
W'j=Wj+δ;
W'j为目标用户的候选职业信息j的第二概率;
δ为权重系数,δ的数值与目标联系人中实际职业信息为j的联系人的数量正相关;
Wk,j为标识参数,当目标联系人k的实际职业信息为j时,Wk,j为1,当目标联系人k的实际职业信息不为j时,Wk,j为0;
用于表示目标联系人中实际职业信息为j的联系人的数量。
507、将第二概率最高的候选职业信息作为目标用户的实际职业信息。
服务器统计出目标用户的各候选职业信息的第二概率之后,可以从中选取出第二概率最高的候选职业信息作为目标用户的实际职业信息。
若第二概率最高的候选职业信息存在多个,则服务器可以依据预设的规则进行处理,例如由目标用户进行选择确认,或是随机选择确认,或是重新由目标联系人进行选择确认,或是其他的处理方式,具体此处不做限定。
本实施例中,当服务器需要确定目标用户的实际职业信息时,可以通过该目标用户的通讯录确定目标联系人,获取该目标联系人对目标用户的职业指认信息,将第二概率最高的候选职业信息作为目标用户的实际职业信息,也就是说,该目标用户的实际职业信息来源于其他联系人对该目标用户的指认,可以避免目标用户自行填写导致的职业信息不准确的问题,因此能够有效提高服务器确定得到的用户职业信息的精确度;
其次,服务器在计算各候选职业信息的第二概率时,考虑到了目标联系人自身的实际职业信息,对于目标联系人的实际职业信息与其指认目标用户所属的职业信息相同的情况,赋予更高的权重,从而进一步提高了确定职业信息时的精确度。
为便于理解,下面结合具体的应用场景对本实施例进行描述:
用户001在即时通信工具QQ中注册有账号,该用户使用QQ与其他用户进行沟通。
当服务器需要确定用户001的职业信息时,服务器可以从用户001在云端服务器上保存的通讯录中读取用户001的联系人信息,读取结果如下表5 所示:
表5
需要说明的是,该联系人信息中的“实际职业信息”可以是各联系人自行通过网站的实名认证后,由服务器获取到的信息。
本实施例中,服务器读取到该联系人信息后,将用户002至用户011均作为候选联系人,然后通过QQ数据服务器获取各候选联系人与用户001之间的沟通频繁度参数,再根据该沟通频繁度参数确定目标联系人,具体包括:用户002、用户004、用户006至用户011,一共8名目标联系人。
服务器根据该沟通频繁度参数确定目标联系人的过程与前述实施例中描述的内容类似,此处不再赘述。
服务器确定了目标联系人后,可以从各目标联系人对应的用户设备中读取各目标联系人对用户001进行备注后的备注信息,并对各目标联系人对用户001的备注信息进行语义分析提取出职业特征信息。
服务器读取备注信息以及进行语义分析提取出职业特征信息与前述实施例中描述的内容类似,此处不再赘述。
根据提取出的职业特征信息,服务器可以生成各目标联系人对用户001 的职业指认信息,具体如下表6所示:
服务器确定了各目标联系人对用户001的职业指认信息之后,可以确定用户001的各候选职业信息,包括“医生”、“摄影师”、“教师”。
然后计算用户001的各候选职业信息的第一概率,目标联系人的数量为8 个,其中指认用户001为“医生”的联系人为6个,指认用户001为“摄影师”的联系人为1个,指认用户001为“教师”的联系人为1个。
则“医生”的第一概率为:6/8=0.75;
“摄影师”的第一概率为:1/8=0.125;
“教师”的第一概率为:1/8=0.125。
服务器可以进一步根据各目标联系人的实际职业信息对各候选职业信息的第一概率进行更新得到第二概率。
指认用户001为“医生”的联系人中,用户002、用户004、用户006以及用户011这4名联系人自身的实际职业信息均为“医生”,属于同行指认,则可以计算出“医生”的第二概率为:0.75+(1-0.75)*4/8=0.875。
同理,可计算得出“摄影师”的第二概率为:0.125+(1-0.125)*0/8=0.125。
“教师”的第二概率为:0.125+(1-0.125)*1/8=0.234。
服务器计算得到用户001的各候选职业信息的第二概率之后,可以确定第二概率最高的候选职业信息“医生”即为用户001的实际职业信息。
三、服务器通过迭代计算各用户的职业信息的方式确定目标用户的实际职业信息:
请参阅图6,本发明实施例中用户属性信息确定方法另一实施例包括:
601、读取目标用户的通讯录中的联系人信息。
602、获取目标联系人对目标用户的职业指认信息。
本实施例中的步骤601至602与前述图3所示实施例中的步骤301至302 类似,具体此处不再赘述。
603、根据职业指认信息初始化各用户的各候选职业信息的第一概率。
本实施例中,服务器在获取到各用户之间互相指认的职业指认信息之后,可以根据这些职业指认信息初始化各用户的各候选职业信息的第一概率,也就是计算该各用户属于各候选职业信息的概率值。
具体的方式可以为:
Wi,j为用户i的候选职业信息j的第一概率;
count(j)为用户i的联系人中指认用户i的候选职业信息为j的联系人的数量;
为用户i的联系人中指认用户i的候选职业信息为任何值的联系人的数量。
604、按照各用户的各候选职业信息的第一概率以及各用户之间的职业指认关系迭代计算各用户的各候选职业信息的第二概率。
本实施例中,服务器计算得到各用户的各候选职业信息的第一概率之后,可以结合各用户之间的职业指认关系迭代计算各用户的各候选职业信息的第二概率。
为便于理解,各用户之间的职业指认关系可以在各用户互相指认过程中建立,具体可以如图7所示,图7中标注的是各用户以及各用户之间的职业指认关系,该关系随着指认过程的变化会不断更新。
在实际应用中,图7所示的指认关系图也可以通过表格、链表、堆栈等方式进行保存,具体此处不做限定。
本实施例中,服务器迭代计算第二概率的具体方式可以为:
重复执行如下公式,进行迭代计算:
Wi,j=Vi,j;
Vi,j为用户i的候选职业信息j的第二概率;
α为迭代速率控制参数,α为常数,α用于调整迭代计算的速度,具体取值可以在0.3至1.0之间,可选的数值为0.8;
βk为权重系数,当用户k指认用户i的职业信息为j,且用户k的职业信息也为j时,βk取第一数值,当用户k指认用户i的职业信息为j,且用户k 的职业信息不为j时,βk取第二数值,第一数值大于第二数值,在实际应用中,该第一数值可以为2,第二数值可以为1,或者还可以为其他数值,只要使得第一数值大于第二数值即可,具体此处不做限定;
m为所有类型职业信息的总数量;
n为用户i的联系人中与用户i有职业指认关系的联系人的数量。
需要说明的是,由于各用户的候选职业信息的第二概率受到该用户的联系人指认的影响,同时,又存在互为用户以及联系人的情况,故计算各用户的候选职业信息的第二概率的过程是迭代的过程,当公式(1)执行完毕后,将Vi,j再次设置为Wi,j进行迭代计算。
605、判断是否满足迭代终止条件,若是,则执行步骤606,若否,则重复执行步骤604。
在迭代计算的过程中,服务器会判断当前是否已经满足迭代终止条件,若是,则停止迭代,并执行步骤606,若否,则重复执行步骤604。
本实施例中,服务器可以判断迭代次数是否达到预置数值,若是,则确定满足预置的迭代终止条件。
或者,
服务器可以判断各用户的各候选职业信息的第二概率是否收敛,即多次迭代后各用户的各候选职业信息的第二概率不再发生大的变化,若是,则确定满足预置的迭代终止条件。
在实际应用中,服务器还可以以其他的条件作为迭代终止条件,具体此处不做限定。
606、输出迭代终止时各用户的各候选职业信息的第三概率。
当迭代终止时,服务器将当前计算得到的各用户的各候选职业信息的概率作为第三概率输出。
607、对于目标用户,将第三概率最高的候选职业信息作为目标用户的实际职业信息。
服务器输出各用户的各候选职业信息的第三概率之后,对于目标用户,可以从中选取出第三概率最高的候选职业信息作为目标用户的实际职业信息。
若第三概率最高的候选职业信息存在多个,则服务器可以依据预设的规则进行处理,例如由目标用户进行选择确认,或是随机选择确认,或是重新由目标联系人进行选择确认,或是其他的处理方式,具体此处不做限定。
本实施例中,当服务器需要确定目标用户的实际职业信息时,可以通过该目标用户的通讯录确定目标联系人,获取该目标联系人对目标用户的职业指认信息,将第三概率最高的候选职业信息作为目标用户的实际职业信息,也就是说,该目标用户的实际职业信息来源于其他联系人对该目标用户的指认,可以避免目标用户自行填写导致的职业信息不准确的问题,因此能够有效提高服务器确定得到的用户职业信息的精确度;
其次,服务器采用了迭代计算的方式计算各用户的各候选职业信息的第二概率,使得该第二概率能够根据各用户之间的职业指认关系进行更新和调整,进一步提高了服务器确定得到的用户职业信息的精确度。
为便于理解,下面结合具体的应用场景对本实施例进行描述:
用户001在即时通信工具QQ中注册有账号,该用户使用QQ与其他用户进行沟通。
当服务器需要确定用户001的职业信息时,服务器可以从用户001在云端服务器上保存的通讯录中读取用户001的联系人信息,读取结果如下表7 所示:
表7
用户 | QQ号 |
002 | 124145 |
003 | 13535346 |
004 | 1362452452 |
005 | 465352345 |
本实施例中,服务器读取到该联系人信息后,确定用户002至用户005 为目标联系人。
服务器确定了目标联系人后,可以从各目标联系人对应的用户设备中读取各目标联系人对用户001进行备注后的备注信息,并对各目标联系人对用户001的备注信息进行语义分析提取出职业特征信息。
服务器读取备注信息以及进行语义分析提取出职业特征信息与前述实施例中描述的内容类似,此处不再赘述。
服务器可以将每一个联系人均作为目标用户,重复执行上述操作,即可获知每一个用户被其他用户指认的候选职业信息,具体可以如下表8所示:
表8
用户 | 被指认情况 |
001 | 被002、003、004指认为医生,被005指认为教师 |
002 | 被001、003指认为医生,被004、005指认为教师 |
003 | 被001指认为医生,被002、004、005指认为教师 |
004 | 被001、002、003、005指认为教师 |
005 | 被001、002指认为教师,被003、004指认为律师 |
本实施例中,服务器可以采用表格的形式记录各用户之间的职业指认关系,如上表8所示,也可以采用关系图的方式记录各用户之间的职业指认关系,具体形式可以如图7所示,在实际应用中采用的记录方式此处不做限定。
服务器确定了各用户之间的职业指认关系后,可以确定:
用户001的候选职业信息为“医生”、“教师”。
用户002的候选职业信息为“医生”、“教师”。
用户003的候选职业信息为“医生”、“教师”。
用户004的候选职业信息为“教师”。
用户005的候选职业信息为“教师”、“律师”。
确定了各用户的各候选职业信息后,服务器可以计算各用户的各候选职业信息的第一概率:
用户001:“医生”的第一概率为:3/4=0.75,“教师”的第一概率为1/4=0.25。
用户002:“医生”的第一概率为:2/4=0.5,“教师”的第一概率为2/4=0.5。
用户003:“医生”的第一概率为:1/4=0.25,“教师”的第一概率为3/4=0.75。
用户004:“教师”的第一概率为:4/4=1。
用户005:“教师”的第一概率为:2/4=0.5,“律师”的第一概率为2/4=0.5。
计算得到各用户的各候选职业信息的第一概率之后,服务器可以结合各用户之间的职业指认关系迭代计算各用户的各候选职业信息的第二概率,具体的计算方式为:
用户001的“医生”的第一概率为0.75,α取值为0.8,用户001的所有类型职业信息的总数量为2,与用户001有职业指认关系的联系人的数量为3,用户002的“医生”的第一概率为0.5,用户003的“医生”的第一概率为0.25,用户004的“医生”的第一概率为0,用户005的“医生”的第一概率为0,将这些参数代入公式(1)后即可计算用户001的“医生”的第二概率,再将用户001的“医生”的第二概率重新代入公式(1)进行迭代计算直至用户001 的“医生”的第二概率收敛。
服务器按照上述的方式,迭代计算各用户的各候选职业信息的第二概率,当各用户的各候选职业信息的第二概率都收敛后,服务器输出迭代终止时,各用户的各候选职业信息的第三概率,例如具体可以如下:
用户001:“医生”的第三概率为:0.87,“教师”的第三概率为0.13。
用户002:“医生”的第三概率为:0.61,“教师”的第三概率为0.39。
用户003:“医生”的第三概率为:0.19,“教师”的第三概率为0.81。
用户004:“教师”的第三概率为:1。
用户005:“教师”的第三概率为:0.44,“律师”的第三概率为0.56。
服务器计算得到各用户的各候选职业信息的第三概率之后,可以将第三概率最高的候选职业信息作为各用户的实际职业信息,即确定用户001的实际职业信息为“医生”,用户002的实际职业信息为“医生”,用户003的实际职业信息为“教师”,用户004的实际职业信息为“教师”,用户005的实际职业信息为“律师”。
上面对本发明实施例中的用户属性信息确定方法进行了描述,下面对本发明实施例中的服务器进行描述,请参阅图8,本发明实施例中的服务器包括:
读取模块801,用于读取目标用户的通讯录中的联系人信息,该目标用户为待确定实际属性信息的用户,该联系人信息中包含至少一个目标联系人;
第一获取模块802,用于获取读取模块801读取的目标联系人对该目标用户的属性指认信息,该属性指认信息用于表示该目标联系人对该目标用户的属性信息的指认;
第一确定模块803,用于根据第一获取模块802获取到的属性指认信息确定该目标用户的实际属性信息。
本实施例中,当服务器需要确定目标用户的实际属性信息时,读取模块 801可以读取目标用户的通讯录中的联系人信息,并确定目标联系人,第一获取模块802可以获取该目标联系人对目标用户的属性指认信息,则第一确定模块803可以根据该属性指认信息确定目标用户的实际属性信息,也就是说,该目标用户的实际属性信息来源于其他联系人对该目标用户的指认,可以避免目标用户自行填写导致的属性信息不准确的问题,因此能够有效提高服务器确定得到的用户属性信息的精确度。
按照第一确定模块803确定目标用户的实际属性信息的方式的不同,本实施例中的服务器可以应用于多种不同的场景,下面分别进行说明:
一、第一确定模块通过被指认次数确定目标用户的实际职业信息。
请参阅图9,本发明实施例中服务器另一实施例包括:
读取模块901,用于读取目标用户的通讯录中的联系人信息,该目标用户为待确定实际属性信息的用户,该联系人信息中包含至少一个目标联系人;
第一获取模块902,用于获取读取模块901读取的目标联系人对该目标用户的属性指认信息,该属性指认信息用于表示该目标联系人对该目标用户的属性信息的指认;
第一确定模块903,用于根据第一获取模块902获取到的属性指认信息确定该目标用户的实际属性信息。
其中,第一获取模块902包括:
读取单元9021,用于读取该目标联系人对该目标用户的备注信息;
分析单元9022,用于对该备注信息进行语义分析得到属性特征信息;
生成单元9023,用于根据该属性特征信息生成该目标联系人对该目标用户的属性指认信息。
或者,第一获取模块902可以包括:
发送单元9024,用于向该目标联系人对应的用户设备发送指认请求,该指认请求中携带有该目标用户的标识;
接收单元9025,用于接收该目标联系人对应的用户设备反馈的指认响应,该指认响应中携带有该目标联系人对该目标用户的属性指认信息。
需要说明的是,本实施例中,第一获取模块902可以有多种实现方式,其中一种实现方式中包含读取单元9021、分析单元9022以及生成单元9023,另一种实现方式中包含发送单元9024以及接收单元9025,在实际应用中,这两种实现方式可以分别实现,也可以一并集成于第一获取模块902中,具体此处不做限定。
其中,第一确定模块903包括:
第一确定单元9031,用于根据各目标联系人对该目标用户的属性指认信息确定该目标用户对应的候选属性信息;
第二确定单元9032,用于将被指认次数最多的候选属性信息作为该目标用户的实际属性信息。
本实施例中,该服务器还可以进一步包括:
第二确定模块904,用于根据该联系人信息确定各候选联系人;
第二获取模块905,用于获取各候选联系人与该目标用户之间的沟通频繁度参数;
第三确定模块906,用于确定沟通频繁度参数高于预置数值的候选联系人作为该目标联系人。
本实施例中的服务器的各模块与单元之间的交互方式如前述图3所示实施例中的描述,具体此处不再赘述。
本实施例中,当服务器需要确定目标用户的实际属性信息时,读取模块 901可以读取目标用户的通讯录中的联系人信息,并确定目标联系人,第一获取模块902可以获取该目标联系人对目标用户的属性指认信息,则第一确定模块903可以将被指认次数最多的候选属性信息作为目标用户的实际属性信息,也就是说,该目标用户的实际属性信息来源于其他联系人对该目标用户的指认,可以避免目标用户自行填写导致的属性信息不准确的问题,因此能够有效提高服务器确定得到的用户属性信息的精确度;
其次,第一获取模块902可以采用多种方式从目标联系人对应的用户设备获取目标联系人对目标用户的职业指认信息,因此能够提高方案的灵活性;
再次,读取模块901在读取目标用户的通讯录中的联系人信息之后,第二确定模块904可以根据该联系人信息确定各候选联系人,第二获取模块905 可以获取各候选联系人与目标用户之间的沟通频繁度参数,第三确定模块906 可以确定沟通频繁度参数高于预置数值的候选联系人作为目标联系人,由于服务器可以从候选联系人中选择出与目标用户沟通较为活跃的目标联系人,所以这些目标联系人提供的职业指认信息会更加准确,从而进一步提高了确定职业信息时的精确度。
二、第一确定模块通过各候选职业信息被指认的概率,并结合同行指认的方式确定目标用户的实际职业信息。
请参阅图10,本发明实施例中服务器另一实施例包括:
读取模块1001,用于读取目标用户的通讯录中的联系人信息,该目标用户为待确定实际属性信息的用户,该联系人信息中包含至少一个目标联系人;
第一获取模块1002,用于获取读取模块1001读取的目标联系人对该目标用户的属性指认信息,该属性指认信息用于表示该目标联系人对该目标用户的属性信息的指认;
第一确定模块1003,用于根据第一获取模块1002获取到的属性指认信息确定该目标用户的实际属性信息。
其中,第一获取模块1002包括:
读取单元10021,用于读取该目标联系人对该目标用户的备注信息;
分析单元10022,用于对该备注信息进行语义分析得到属性特征信息;
生成单元10023,用于根据该属性特征信息生成该目标联系人对该目标用户的属性指认信息。
或者,第一获取模块1002可以包括:
发送单元10024,用于向该目标联系人对应的用户设备发送指认请求,该指认请求中携带有该目标用户的标识;
接收单元10025,用于接收该目标联系人对应的用户设备反馈的指认响应,该指认响应中携带有该目标联系人对该目标用户的属性指认信息。
需要说明的是,本实施例中,第一获取模块1002可以有多种实现方式,其中一种实现方式中包含读取单元10021、分析单元10022以及生成单元 10023,另一种实现方式中包含发送单元10024以及接收单元10025,在实际应用中,这两种实现方式可以分别实现,也可以一并集成于第一获取模块1002 中,具体此处不做限定。
其中,第一确定模块1003包括:
第三确定单元10031,用于根据各目标联系人对该目标用户的属性指认信息确定该目标用户对应的候选属性信息;
第一计算单元10032,用于计算该目标用户的各候选属性信息的第一概率;
获取单元10033,用于获取该各目标联系人的实际属性信息;
第二计算单元10034,用于根据该第一概率以及各目标联系人的实际属性信息计算该各候选属性信息的第二概率;
第四确定单元10035,用于将第二概率最高的候选属性信息作为该目标用户的实际属性信息。
本实施例中,该服务器还可以进一步包括:
第二确定模块1004,用于根据该联系人信息确定各候选联系人;
第二获取模块1005,用于获取各候选联系人与该目标用户之间的沟通频繁度参数;
第三确定模块1006,用于确定沟通频繁度参数高于预置数值的候选联系人作为该目标联系人。
本实施例中的服务器的各模块与单元之间的交互方式如前述图5所示实施例中的描述,具体此处不再赘述。
本实施例中,当服务器需要确定目标用户的实际属性信息时,读取模块 1001可以读取目标用户的通讯录中的联系人信息,并确定目标联系人,第一获取模块1002可以获取该目标联系人对目标用户的属性指认信息,则第一确定模块1003可以将第二概率最高的候选属性信息作为目标用户的实际属性信息,也就是说,该目标用户的实际属性信息来源于其他联系人对该目标用户的指认,可以避免目标用户自行填写导致的属性信息不准确的问题,因此能够有效提高服务器确定得到的用户属性信息的精确度;
其次,第一确定模块1003中的第二计算单元10034在计算各候选职业信息的第二概率时,考虑到了目标联系人自身的实际职业信息,对于目标联系人的实际职业信息与其指认目标用户所属的职业信息相同的情况,赋予更高的权重,从而进一步提高了确定职业信息时的精确度。
三、第一确定模块通过迭代计算各用户的职业信息的方式确定目标用户的实际职业信息。
请参阅图11,本发明实施例中服务器另一实施例包括:
读取模块1101,用于读取目标用户的通讯录中的联系人信息,该目标用户为待确定实际属性信息的用户,该联系人信息中包含至少一个目标联系人;
第一获取模块1102,用于获取读取模块1101读取的目标联系人对该目标用户的属性指认信息,该属性指认信息用于表示该目标联系人对该目标用户的属性信息的指认;
第一确定模块1103,用于根据第一获取模块1102获取到的属性指认信息确定该目标用户的实际属性信息。
其中,第一获取模块1102包括:
读取单元11021,用于读取该目标联系人对该目标用户的备注信息;
分析单元11022,用于对该备注信息进行语义分析得到属性特征信息;
生成单元11023,用于根据该属性特征信息生成该目标联系人对该目标用户的属性指认信息。
或者,第一获取模块1102可以包括:
发送单元11024,用于向该目标联系人对应的用户设备发送指认请求,该指认请求中携带有该目标用户的标识;
接收单元11025,用于接收该目标联系人对应的用户设备反馈的指认响应,该指认响应中携带有该目标联系人对该目标用户的属性指认信息。
需要说明的是,本实施例中,第一获取模块1102可以有多种实现方式,其中一种实现方式中包含读取单元11021、分析单元11022以及生成单元 11023,另一种实现方式中包含发送单元11024以及接收单元11025,在实际应用中,这两种实现方式可以分别实现,也可以一并集成于第一获取模块1102 中,具体此处不做限定。
其中,第一确定模块1103包括:
初始化单元11031,用于根据该属性指认信息初始化各用户的各候选属性信息的第一概率;
第三计算单元11032,用于按照该各用户的各候选属性信息的第一概率以及各用户之间的属性指认关系迭代计算各用户的各候选属性信息的第二概率;
输出单元11033,用于当满足预置的迭代终止条件时,输出迭代终止时各用户的各候选属性信息的第三概率;
第五确定单元11034,用于对于该目标用户,将第三概率最高的候选属性信息作为该目标用户的实际属性信息,该目标用户属于该各用户。
本实施例中,该服务器还可以进一步包括:
第二确定模块1104,用于根据该联系人信息确定各候选联系人;
第二获取模块1105,用于获取各候选联系人与该目标用户之间的沟通频繁度参数;
第三确定模块1106,用于确定沟通频繁度参数高于预置数值的候选联系人作为该目标联系人。
本实施例中的服务器的各模块与单元之间的交互方式如前述图6所示实施例中的描述,具体此处不再赘述。
本实施例中,当服务器需要确定目标用户的实际属性信息时,读取模块 1101可以读取目标用户的通讯录中的联系人信息,并确定目标联系人,第一获取模块1102可以获取该目标联系人对目标用户的属性指认信息,则第一确定模块1103可以将第三概率最高的候选属性信息作为目标用户的实际属性信息,也就是说,该目标用户的实际属性信息来源于其他联系人对该目标用户的指认,可以避免目标用户自行填写导致的属性信息不准确的问题,因此能够有效提高服务器确定得到的用户属性信息的精确度;
其次,第一确定模块1103中的第三计算单元11032采用了迭代计算的方式计算各用户的各候选职业信息的第二概率,使得该第二概率能够根据各用户之间的职业指认关系进行更新和调整,进一步提高了服务器确定得到的用户职业信息的精确度。
请参阅图12,图12是本发明实施例提供的一种服务器结构示意图,该服务器1200可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上中央处理器(centralprocessing units,CPU)1222(例如,一个或一个以上处理器)和存储器1232,一个或一个以上存储应用程序1242或数据1244的存储介质1230(例如一个或一个以上海量存储设备)。其中,存储器1232和存储介质1230可以是短暂存储或持久存储。存储在存储介质1230的程序可以包括一个或一个以上模块(图示没标出),每个模块可以包括对服务器中的一系列指令操作。更进一步地,中央处理器1222可以设置为与存储介质1230 通信,在服务器1200上执行存储介质1230中的一系列指令操作。
服务器1200还可以包括一个或一个以上电源1226,一个或一个以上有线或无线网络接口1250,一个或一个以上输入输出接口1258,和/或,一个或一个以上操作系统1241,例如Windows ServerTM,Mac OS XTM,UnixTM, LinuxTM,FreeBSDTM等等。
上述实施例中由服务器所执行的步骤可以基于该图12所示的服务器结构。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统,装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统,装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (12)
1.一种用户属性信息确定方法,其特征在于,包括:
读取目标用户的通讯录中的联系人信息,所述目标用户为待确定实际属性信息的用户,所述联系人信息中包含至少一个目标联系人;
获取所述目标联系人对所述目标用户的属性指认信息,所述属性指认信息用于表示所述目标联系人对所述目标用户的属性信息的指认;
根据所述属性指认信息确定所述目标用户的实际属性信息;包括:根据所述属性指认信息初始化各用户的各候选属性信息的第一概率;按照所述各用户的各候选属性信息的第一概率以及各用户之间的属性指认关系迭代计算各用户的各候选属性信息的第二概率;当满足预置的迭代终止条件时,输出迭代终止时各用户的各候选属性信息的第三概率;对于所述目标用户,将第三概率最高的候选属性信息作为所述目标用户的实际属性信息,所述目标用户属于所述各用户。
2.根据权利要求1所述的方法,其特征在于,所述根据所述属性指认信息初始化各用户的各候选属性信息的第一概率包括:
按照如下方式计算所述第一概率:
所述Wi,j为用户i的候选属性信息j的第一概率;
所述count(j)为所述用户i的联系人中指认所述用户i的候选属性信息为j的联系人的数量;
所述为所述用户i的联系人中指认所述用户i的候选属性信息为任何值的联系人的数量。
3.根据权利要求2所述的方法,其特征在于,所述按照所述各用户的各候选属性信息的第一概率以及各用户之间的属性指认关系迭代计算各用户的各候选属性信息的第二概率包括:
重复执行如下公式,迭代计算所述第二概率:
Wi,j=Vi,j;
所述Vi,j为所述用户i的候选属性信息j的第二概率;
所述α为迭代速率控制参数,所述α为常数,所述α用于调整迭代计算的速度;
所述βk为权重系数,当用户k指认用户i的属性信息为j,且用户k的属性信息也为j时,所述βk取第一数值,当用户k指认用户i的属性信息为j,且用户k的属性信息不为j时,所述βk取第二数值,所述第一数值大于所述第二数值;
所述m为所有类型属性信息的总数量;
所述n为所述用户i的联系人中与所述用户i有属性指认关系的联系人的数量。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
判断迭代次数是否达到预置数值,若是,则确定满足所述预置的迭代终止条件;
或,
判断各用户的各候选属性信息的第二概率是否收敛,若是,则确定满足所述预置的迭代终止条件。
5.根据权利要求1至4中任一项所述的方法,其特征在于,
所述属性信息为职业信息、行业信息、或兴趣爱好信息中的至少一种。
6.根据权利要求1至4中任一项所述的方法,其特征在于,所述获取所述目标联系人对所述目标用户的属性指认信息包括:
读取所述目标联系人对所述目标用户的备注信息;
对所述备注信息进行语义分析得到属性特征信息;
根据所述属性特征信息生成所述目标联系人对所述目标用户的属性指认信息。
7.根据权利要求1至4中任一项所述的方法,其特征在于,所述获取所述目标联系人对所述目标用户的属性指认信息包括:
向所述目标联系人对应的用户设备发送指认请求,所述指认请求中携带有所述目标用户的标识;
接收所述目标联系人对应的用户设备反馈的指认响应,所述指认响应中携带有所述目标联系人对所述目标用户的属性指认信息。
8.根据权利要求1至4中任一项所述的方法,其特征在于,所述读取目标用户的通讯录中的联系人信息之后,所述方法还包括:
根据所述联系人信息确定各候选联系人;
获取各候选联系人与所述目标用户之间的沟通频繁度参数;
确定沟通频繁度参数高于预置数值的候选联系人作为所述目标联系人。
9.一种服务器,其特征在于,包括:
读取模块,用于读取目标用户的通讯录中的联系人信息,所述目标用户为待确定实际属性信息的用户,所述联系人信息中包含至少一个目标联系人;
第一获取模块,用于获取所述目标联系人对所述目标用户的属性指认信息,所述属性指认信息用于表示所述目标联系人对所述目标用户的属性信息的指认;
第一确定模块,用于根据所述属性指认信息确定所述目标用户的实际属性信息;所述第一确定模块包括:初始化单元,用于根据所述属性指认信息初始化各用户的各候选属性信息的第一概率;第三计算单元,用于按照所述各用户的各候选属性信息的第一概率以及各用户之间的属性指认关系迭代计算各用户的各候选属性信息的第二概率;输出单元,用于当满足预置的迭代终止条件时,输出迭代终止时各用户的各候选属性信息的第三概率;第五确定单元,用于对于所述目标用户,将第三概率最高的候选属性信息作为所述目标用户的实际属性信息,所述目标用户属于所述各用户。
10.根据权利要求9所述的服务器,其特征在于,所述第一获取模块包括:
读取单元,用于读取所述目标联系人对所述目标用户的备注信息;
分析单元,用于对所述备注信息进行语义分析得到属性特征信息;
生成单元,用于根据所述属性特征信息生成所述目标联系人对所述目标用户的属性指认信息。
11.根据权利要求9所述的服务器,其特征在于,所述第一获取模块包括:
发送单元,用于向所述目标联系人对应的用户设备发送指认请求,所述指认请求中携带有所述目标用户的标识;
接收单元,用于接收所述目标联系人对应的用户设备反馈的指认响应,所述指认响应中携带有所述目标联系人对所述目标用户的属性指认信息。
12.根据权利要求9所述的服务器,其特征在于,所述服务器还包括:
第二确定模块,用于根据所述联系人信息确定各候选联系人;
第二获取模块,用于获取各候选联系人与所述目标用户之间的沟通频繁度参数;
第三确定模块,用于确定沟通频繁度参数高于预置数值的候选联系人作为所述目标联系人。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610292736.XA CN105847127B (zh) | 2016-05-04 | 2016-05-04 | 一种用户属性信息确定方法以及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610292736.XA CN105847127B (zh) | 2016-05-04 | 2016-05-04 | 一种用户属性信息确定方法以及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105847127A CN105847127A (zh) | 2016-08-10 |
CN105847127B true CN105847127B (zh) | 2018-11-09 |
Family
ID=56591353
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610292736.XA Active CN105847127B (zh) | 2016-05-04 | 2016-05-04 | 一种用户属性信息确定方法以及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105847127B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106294881A (zh) * | 2016-08-30 | 2017-01-04 | 五八同城信息技术有限公司 | 信息识别方法及装置 |
CN108335394A (zh) * | 2018-03-16 | 2018-07-27 | 东莞市华睿电子科技有限公司 | 一种智能门锁的远程控制方法 |
CN112367432B (zh) * | 2018-03-16 | 2021-11-26 | 深圳市酷迈网络科技有限公司 | 一种基于双重校验的数据查看方法 |
CN108492110A (zh) * | 2018-03-16 | 2018-09-04 | 东莞市华睿电子科技有限公司 | 一种个人信用评价方法 |
CN108470280A (zh) * | 2018-03-16 | 2018-08-31 | 东莞市华睿电子科技有限公司 | 一种支付方法及移动终端 |
CN108334767A (zh) * | 2018-03-16 | 2018-07-27 | 东莞市华睿电子科技有限公司 | 一种移动终端管理方法及移动终端 |
CN108460265A (zh) * | 2018-03-16 | 2018-08-28 | 东莞市华睿电子科技有限公司 | 一种启动应用的方法 |
CN108494942B (zh) * | 2018-03-16 | 2021-12-10 | 深圳八爪网络科技有限公司 | 一种基于云端通讯录的解锁控制方法 |
CN108449337A (zh) * | 2018-03-16 | 2018-08-24 | 东莞市华睿电子科技有限公司 | 一种密码找回方法 |
CN108446549A (zh) * | 2018-03-16 | 2018-08-24 | 东莞市华睿电子科技有限公司 | 一种设备控制所有权限的获取方法 |
CN108399269A (zh) * | 2018-03-31 | 2018-08-14 | 丁超 | 音乐推荐方法、装置及计算机存储介质 |
CN108573134A (zh) * | 2018-04-04 | 2018-09-25 | 阿里巴巴集团控股有限公司 | 一种识别身份的方法、装置及电子设备 |
CN112422480B (zh) * | 2019-08-22 | 2022-09-13 | 腾讯科技(深圳)有限公司 | 帐号属性的确定方法和装置、存储介质及电子装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657369A (zh) * | 2013-11-19 | 2015-05-27 | 深圳市腾讯计算机系统有限公司 | 用户属性信息的生成方法及系统 |
CN105046439A (zh) * | 2015-07-31 | 2015-11-11 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置及服务器 |
CN105227441A (zh) * | 2015-10-14 | 2016-01-06 | 北京乐动卓越科技有限公司 | 云端服务器、联系人身份确定方法和系统 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104579909B (zh) * | 2013-10-28 | 2020-01-17 | 阿里巴巴集团控股有限公司 | 一种用户信息的分类、用户分组信息的获取方法和设备 |
-
2016
- 2016-05-04 CN CN201610292736.XA patent/CN105847127B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104657369A (zh) * | 2013-11-19 | 2015-05-27 | 深圳市腾讯计算机系统有限公司 | 用户属性信息的生成方法及系统 |
CN105046439A (zh) * | 2015-07-31 | 2015-11-11 | 腾讯科技(深圳)有限公司 | 一种信息处理方法、装置及服务器 |
CN105227441A (zh) * | 2015-10-14 | 2016-01-06 | 北京乐动卓越科技有限公司 | 云端服务器、联系人身份确定方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
CN105847127A (zh) | 2016-08-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105847127B (zh) | 一种用户属性信息确定方法以及服务器 | |
CN110647921B (zh) | 一种用户行为预测方法、装置、设备及存储介质 | |
CN114140603A (zh) | 虚拟形象生成模型的训练方法和虚拟形象生成方法 | |
WO2019019348A1 (zh) | 产品信息推送方法、装置、存储介质和计算机设备 | |
CN113254804B (zh) | 一种基于用户属性和行为特征的社会关系推荐方法及系统 | |
CN108665148B (zh) | 一种电子资源质量评价方法、装置和存储介质 | |
CN110222194A (zh) | 基于自然语言处理的数据图表生成方法和相关装置 | |
CN106980900A (zh) | 一种特征数据处理方法及设备 | |
CN113902956A (zh) | 融合模型的训练方法、图像融合方法、装置、设备及介质 | |
CN109993026A (zh) | 亲属识别网络模型的训练方法及装置 | |
CN110427358A (zh) | 数据清洗方法及装置和信息推荐方法及装置 | |
JP2021033994A (ja) | テキスト処理方法、装置、デバイス及びコンピュータ読み取り可能な記憶媒体 | |
CN116383502A (zh) | 基于电子商务的信息推送方法及系统 | |
CN110413750A (zh) | 根据用户问句召回标准问句的方法和装置 | |
CN110347928A (zh) | 一种个性化信息推荐方法与系统 | |
CN113327154B (zh) | 基于大数据的电商用户讯息推送方法及系统 | |
WO2022134946A1 (zh) | 模型训练方法、装置、存储介质及设备 | |
CN113901283A (zh) | 一种社交网络数据处理方法、装置、电子设备和存储介质 | |
CN111737429B (zh) | 训练方法、ai面试方法及相关设备 | |
CN114662688A (zh) | 模型的训练方法、数据处理方法、装置、电子设备及介质 | |
US9330063B2 (en) | Generating a sparsifier using graph spanners | |
CN112836767A (zh) | 联邦建模方法、装置、设备、存储介质及程序产品 | |
CN112036418A (zh) | 用于提取用户特征的方法和装置 | |
CN111897910A (zh) | 信息推送方法和装置 | |
CN111931035B (zh) | 业务推荐方法、装置及设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |