CN106021511B - 一种网络账号的处理方法及装置 - Google Patents
一种网络账号的处理方法及装置 Download PDFInfo
- Publication number
- CN106021511B CN106021511B CN201610346193.5A CN201610346193A CN106021511B CN 106021511 B CN106021511 B CN 106021511B CN 201610346193 A CN201610346193 A CN 201610346193A CN 106021511 B CN106021511 B CN 106021511B
- Authority
- CN
- China
- Prior art keywords
- network account
- network
- concern
- account
- user
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
- G06F16/951—Indexing; Web crawling techniques
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Transfer Between Computers (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例提供一种网络账号的处理方法及装置,其中的方法可包括:获取待处理的N(N≥2的自然数)个网络账号,所述网络账号为在网络平台注册的提供服务或者信息发布的网络账号;获取关注所述N个网络账号中每个网络账号的用户标识;计算所述N个网络账号中每两个网络账号之间的关注用户重合度;基于所述N个网络账号中每两个网络账号之间的关注用户重合度,计算所述N个网络账号中每两个网络账号之间的相似度。采用本发明实施例可准确地度量出各个网络账号之间的相似度,度量方法简单,方便。
Description
技术领域
本发明涉及通信技术领域,具体涉及一种网络账号的处理方法及装置。
背景技术
随着互联网技术的发展,网络平台开放能力不断提升,网络账号的数量增长迅速,而且网络账号的类型和服务类型逐步更加多样化。通常网络账号具有多个方面的属性,如所在地、行业以及类型等多个方面;并且网络账号之间在多属性维度上往往具有关联关系,随着网络平台业务的开展,如搜索、推荐以及相关的安全业务的开展,迫切需要度量出网络账号之间的相似性关系;而网络账号具有多个维度的数据,各个网络账号之间在不同维度上的关联关系是不一样的,所以如何高效、准确地从多个维度综合度量出网络账号间的相似性是一个值得研究的问题。
发明内容
本发明实施例提供一种网络账号的处理方法及装置,可准确地度量出各个网络账号之间的相似度,度量方法简单,方便。
本发明第一方面提供一种网络账号的处理方法,包括:
获取待处理的N(N≥2的自然数)个网络账号,所述网络账号为在网络平台注册的提供服务或者信息发布的网络账号;
获取关注所述N个网络账号中每个网络账号的用户标识;
计算所述N个网络账号中每两个网络账号之间的关注用户重合度;
基于所述N个网络账号中每两个网络账号之间的关注用户重合度,计算所述N个网络账号中每两个网络账号之间的相似度。
本发明第二方面提供一种网络账号的处理装置,包括:
第一获取模块,用于获取待处理的N(N≥2的自然数)个网络账号,所述网络账号为在网络平台注册的提供服务或者信息发布的网络账号;
第二获取模块,用于获取关注所述N个网络账号中每个网络账号的用户标识;
第一计算模块,用于计算所述N个网络账号中每两个网络账号之间的关注用户重合度;
第二计算模块,用于基于所述N个网络账号中每两个网络账号之间的关注用户重合度,计算所述N个网络账号中每两个网络账号之间的相似度。
实施本发明实施例,具有如下有益效果:
本发明实施例,获取待处理的N个网络账号,获取关注该N个网络账号中每个网络账号的用户标识,计算该N个网络账号中每两个网络账号之间的关注用户重合度,基于该N个网络账号中每两个网络账号之间的关注用户重合度,计算该N个网络账号中每两个网络账号之间的相似度,这种方式通过关注各个网络账号的用户来间接地计算出网络账号之间的相似度,准确度比较高,并且度量方法简单,方便。
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为本发明实施例提供的一种网络账号的处理方法的流程图;
图2为本发明实施例提供的一种网络装置的处理装置的结构示意图;
图3为本发明实施例提供的一种第一计算模块的结构示意图;
图4为本发明实施例提供的一种第二计算模块的结构示意图;
图5为本发明实施例提供的另一种网络装置的处理装置的结构示意图。
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作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。
下面将结合附图1,对本发明实施例提供的网络账号的处理方法进行详细介绍。
请参照图1,为本发明实施例提供的一种网络账号的处理方法的流程图;该方法可包括以下步骤S100-步骤S103。
S100,获取待处理的N(N≥2的自然数)个网络账号,所述网络账号为在网络平台注册的提供服务或者信息发布的网络账号;
本发明实施例中,网络账号可以是互联网实体账号,即是自然人或者法人在网络平台上注册的对外提供服务或者对外信息发布的网络账号,包括但不限于公众账号、微博账号等。
获取待处理的N个网络账号,该N的取值可以是大于等于2的自然数,该N个网络账号即是用于比较相似性的网络账号。需要说明的是,该N个网络账号的类型可以不作限定,例如,该N个网络账号中可以全部为公众账号,或者为公众账号与微博账号的混合等等,本发明不作限定。
S101,获取关注所述N个网络账号中每个网络账号的用户标识;
本发明实施例中,利用关注网络账号的用户集合去度量网络账号间的相似度,一个用户可同时关注多个网络账号,同一个网络账号可被多个用户关注;但是各个用户关注网络账号时,均会向服务器上报该用户的用户标识,用户标识可以是该用户的即时通信账号,例如,当用户需要关注某个网络账号时,该网络账号可以通过二维码的形式封装,用户利用即时通信账号登录即时通信客户端后,即可以通过“扫一扫”,获得该网络账号,从而关注。
在计算各个网络账号之间相似度之前,获取关注该N个网络账号中每个网络账号的用户标识,具体获取方式可以从服务器获取关注各个网络账号的用户标识。
S102,计算所述N个网络账号中每两个网络账号之间的关注用户重合度;
本发明实施例中,通常相似的网络账号的关注用户是相似的,因此可以通过网络账号之间的关注用户重合度来间接地计算网络账号间的相似关系。关注用户重合度,即是关注某两个网络账号的关注用户相同的数量,例如,存在网络账号A和网络账号B,用户标识1的用户、用户标识3的用户以及用户标识4的用户关注了网络账号A,用户标识1的用户、用户标识2的用户以及用户标识4的用户关注了网络账号B,则网络账号A和网络账号B之间的关注用户重合度为2(分别是用户标识1和用户标识4)。
计算该N个网络账号中每两个网络账号之间的关注用户重合度,即是将N个网络账号之间两两组合,形成多对网络账号,分别计算每对网络账号之间的关注用户重合度。例如N个网络账号包括网络账号A、网络账号B以及网络账号C,将该3个网络账号之间两两组合,分别形成三对网络账号(网络账号A和网络账号B;网络账号A和网络账号C;以及网络账号B和网络账号C;)在具体计算过程中,需要分别计算各对网络账号之间的关注用户重合度。
可选的,计算该N个网络账号中每两个网络账号之间的关注用户重合度的计算方法可以包括以下步骤S10~S12;
S10,获取关注所述N个网络账号的所有M个用户标识;
具体的,获取关注该N个网络账号的所有M个用户的用户标识,M为大于等于1的自然数,这里继续以上述例子进行说明,用户标识1的用户、用户标识3的用户以及用户标识4的用户关注了网络账号A,用户标识1的用户、用户标识2的用户以及用户标识4的用户关注了网络账号B,则M为4,4个用户标识分别为(用户标识1、用户标识2、用户标识3以及用户标识4)。
S11,根据所述M个用户标识与所述N个网络账号,构建关注关系矩阵;
具体的,所述关注关系矩阵为M*N矩阵,所述关注关系矩阵中元素值用于表示该元素对应的用户标识是否与该元素对应的网络账号之间存在关注关系。
基于网络账号和粉丝(用户)之间的关注关系,网络账号和关注粉丝的标识(用户标识)构成一个网络,其中网络账号之间是不可达的;该网络的结构可以用网络账号和用户标识间的关注关系矩阵表示:
以上的关注关系矩阵中包括m个用户标识,n个网络账号,按照用户和网络账号之间的关注关系生成该关注关系矩阵M,其中aij∈(0,1),aij为1表示用户i关注了该网络账号j,aij为0表示用户i未关注该网络账号j。
S12,基于所述关注关系矩阵,计算所述N个网络账号中每两个网络账号之间的关注用户重合度。
具体的,基于该关注关系矩阵,可以计算N个网络账号中每两个网络账号之间的关注用户重合度,即可以计算出N*(N-1)/2个关注用户重合度。
进一步可选的,基于关注关系矩阵,计算N个网络账号中每两个网络账号之间的关注用户重合度可以包括以下步骤:
步骤一,将所述关注关系矩阵转置,形成转置矩阵;
步骤二,将所述关注关系矩阵与所述转置矩阵相乘,获得对称矩阵,所述对称矩阵中元素的值用于表示该元素对应的两个网络账号之间关注用户重合度。
具体的,计算N个网络账号中每两个网络账号之间关注用户重合度时,可以采用矩阵转置以及矩阵相乘的方式获得,如下所示:
矩阵M'是矩阵M和其转置后的矩阵MT的乘积,矩阵M即是关注关系矩阵;M'是对称矩阵,对于任意的i和j,bij=bji;其中bij代表网络账号j的关注用户集合和网络账号i的关注用户集合的关注用户重合度,即是关注网络账号j和关注网络账号i的相同的用户数量。
S103,基于所述N个网络账号中每两个网络账号之间的关注用户重合度,计算所述N个网络账号中每两个网络账号之间的相似度。
本发明实施例中,基于该N个网络账号中每两个网络账号之间的关注用户重合度,可以计算该N个网络账号中每两个网络账号之间的相似度。基于一对网络账号之间的关注用户重合度,可以计算出该对网络账号中两个网络账号之间的相似度,需要说明的是,一对网络账号可以计算出两个相似度,即是相似度是有方向性的,例如,该N个网络账号包括A账号和B账号,A账号到B账号有一个相似度值,B账号到A账号有一个相似度值。
可选的,基于关注用户重合度,计算N个网络账号中每两个网络账号之间的相似度可以包括以下步骤S13~S17;
S13,针对所述N个网络账号中的任意两个网络账号,获取所述两个网络账号之间的关注用户重合度;
S14,获取所述两个网络账号中第一网络账号的关注用户数量;
S15,根据所述关注用户重合度和所述第一网络账号的关注用户数量,计算所述两个网络账号中所述第一网络账号相对于所述第二网络账号的相似度;
S16,获取所述两个网络账号中第二网络账号的关注用户数量;
S17,根据所述关注用户重合度和所述第二网络账号的关注用户数量,计算所述两个网络账号中所述第二网络账号相对于所述第一网络账号的相似度。
具体的,对于N个网络账号中的任意两个网络账号x和y,相似度计算基于关联置信度,公式如下所示:
其中δ为计数函数,计算关注用户重合度,即是既关注网络账号x又关注网络账号y的个数;δ(x∩y)=M'xy,表示关注网络账号x和网络账号y的相同的用户数;δ(x)为网络账号x粉丝数,即是关注网络账号x的用户数;c(x→y)为网络账号x到网络账号y的相似度值。c(x→y)并不一定与c(y→x)相同,因此该方法计算出的相似度是有方向性的。
基于上述方法,计算出N个网络账号中每两个网络账号之间的相似度如下矩阵所示,由于相似度是有方向性的,因此该矩阵不一定为对称矩阵,需要说明的是,该矩阵的对角线上所有值为1。
生成网络账号间的相似度关系后,最终生成上述的n×n的相似度矩阵,其中Cij,n≥i,j≥0,表示网络账号i到网络账号j的相似度值,也即是网络账号i相对于网络账号j的相似度。
本发明实施例的网络账号的处理方法还可以包括以下步骤S104;
S104,若检测到所述第一网络账号与所述第二网络账号之间的相似度大于预设阈值,且所述目标用户关注所述第一网络账号,未关注所述第二网络账号,则向所述目标用户推送所述第二网络账号的信息。
本发明实施例中,检测网络账号之间相似度值,主要是为了更好地搜索或者推荐,这里以推荐为例进行说明,当检测到N个网络账号中第一网络账号与第二网络账号之间的相似度大于预设阈值,并且目标用户关注了第一网络账号,但是未关注第二网络账号,则向该目标用户推送第二网络账号的信息,这样用户可以及时发现相似的网络账号,选择自己感兴趣的网络账号关注,提高信息推送的命中率。
需要说明的是,这里所提及的第一网络账号与第二网络账号之间的相似度可以是第一网络账号相对于第二网络账号的相似度,也可以是第二网络账号相对于第一网络账号的相似度。
本发明实施例,获取待处理的N个网络账号,获取关注该N个网络账号中每个网络账号的用户标识,计算该N个网络账号中每两个网络账号之间的关注用户重合度,基于该N个网络账号中每两个网络账号之间的关注用户重合度,计算该N个网络账号中每两个网络账号之间的相似度,这种方式通过关注各个网络账号的用户来间接地计算出网络账号之间的相似度,准确度比较高,并且度量方法简单,方便。
下面将结合附图2-附图5,对本发明实施例提供的一种网络账号的处理装置进行详细介绍。
请参照图2,为本发明实施例提供的一种网络账号的处理装置的结构示意图,如图所示,该网络账号的处理装置包括第一获取模块100、第二获取模块101、第一计算模块102以及第二计算模块103;
第一获取模块100,用于获取待处理的N(N≥2的自然数)个网络账号,所述网络账号为在网络平台注册的提供服务或者信息发布的网络账号;
本发明实施例中,网络账号可以是互联网实体账号,即是自然人或者法人在网络平台上注册的对外提供服务或者对外信息发布的网络账号,包括但不限于公众账号、微博账号等。
第一获取模块100获取待处理的N个网络账号,该N的取值可以是大于等于2的自然数,该N个网络账号即是用于比较相似性的网络账号。需要说明的是,该N个网络账号的类型可以不作限定,例如,该N个网络账号中可以全部为公众账号,或者为公众账号与微博账号的混合等等,本发明不作限定。
第二获取模块101,用于获取关注所述N个网络账号中每个网络账号的用户标识;
本发明实施例中,利用关注网络账号的用户集合去度量网络账号间的相似度,一个用户可同时关注多个网络账号,同一个网络账号可被多个用户关注;但是各个用户关注网络账号时,均会向服务器上报该用户的用户标识,用户标识可以是该用户的即时通信账号,例如,当用户需要关注某个网络账号时,该网络账号可以通过二维码的形式封装,用户利用即时通信账号登录即时通信客户端后,即可以通过“扫一扫”,获得该网络账号,从而关注。
在计算各个网络账号之间相似度之前,第二获取模块101获取关注该N个网络账号中每个网络账号的用户标识,具体获取方式可以从服务器获取关注各个网络账号的用户标识。
第一计算模块102,用于计算所述N个网络账号中每两个网络账号之间的关注用户重合度;
本发明实施例中,通常相似的网络账号的关注用户是相似的,因此可以通过网络账号之间的关注用户重合度来间接地计算网络账号间的相似关系。关注用户重合度,即是关注某两个网络账号的关注用户相同的数量,例如,存在网络账号A和网络账号B,用户标识1的用户、用户标识3的用户以及用户标识4的用户关注了网络账号A,用户标识1的用户、用户标识2的用户以及用户标识4的用户关注了网络账号B,则网络账号A和网络账号B之间的关注用户重合度为2(分别是用户标识1和用户标识4)。
第一计算模块102计算该N个网络账号中每两个网络账号之间的关注用户重合度,即是将N个网络账号之间两两组合,形成多对网络账号,分别计算每对网络账号之间的关注用户重合度。例如N个网络账号包括网络账号A、网络账号B以及网络账号C,将该3个网络账号之间两两组合,分别形成三对网络账号(网络账号A和网络账号B;网络账号A和网络账号C;以及网络账号B和网络账号C;)在具体计算过程中,需要分别计算各对网络账号之间的关注用户重合度。
可选的,如图3所示,第一计算模块102可以包括第一获取单元1020、构建单元1021以及第一计算单元1022;
第一获取单元1020,用于获取关注所述N个网络账号的所有M个用户标识;
具体的,获取关注该N个网络账号的所有M个用户的用户标识,M为大于等于1的自然数,这里继续以上述例子进行说明,用户标识1的用户、用户标识3的用户以及用户标识4的用户关注了网络账号A,用户标识1的用户、用户标识2的用户以及用户标识4的用户关注了网络账号B,则M为4,4个用户标识分别为(用户标识1、用户标识2、用户标识3以及用户标识4)。
构建单元1021,用于根据所述M个用户标识与所述N个网络账号,构建关注关系矩阵;
具体的,所述关注关系矩阵为M*N矩阵,所述关注关系矩阵中元素值用于表示该元素对应的用户标识是否与该元素对应的网络账号之间存在关注关系。
基于网络账号和粉丝(用户)之间的关注关系,网络账号和关注粉丝的标识(用户标识)构成一个网络,其中网络账号之间是不可达的;该网络的结构可以用网络账号和用户标识间的关注关系矩阵表示:
以上的关注关系矩阵中包括m个用户标识,n个网络账号,按照用户和网络账号之间的关注关系生成该关注关系矩阵M,其中aij∈(0,1),aij为1表示用户i关注了该网络账号j,aij为0表示用户i未关注该网络账号j。
第一计算单元1022,用于基于所述关注关系矩阵,计算所述N个网络账号中每两个网络账号之间的关注用户重合度。
具体的,基于该关注关系矩阵,可以计算N个网络账号中每两个网络账号之间的关注用户重合度,即可以计算出N*(N-1)/2个关注用户重合度。
具体可选的,所述第一计算单元1022具体用于,
将所述关注关系矩阵转置,形成转置矩阵;
将所述关注关系矩阵与所述转置矩阵相乘,获得对称矩阵,所述对称矩阵中元素的值用于表示该元素对应的两个网络账号之间关注用户重合度。
具体的,计算N个网络账号中每两个网络账号之间关注用户重合度时,可以采用矩阵转置以及矩阵相乘的方式获得,如下所示:
矩阵M'是矩阵M和其转置后的矩阵MT的乘积,矩阵M即是关注关系矩阵;M'是对称矩阵,对于任意的i和j,bij=bji;其中bij代表网络账号j的关注用户集合和网络账号i的关注用户集合的关注用户重合度,即是关注网络账号j和关注网络账号i的相同的用户数量。
第二计算模块103,用于基于所述N个网络账号中每两个网络账号之间的关注用户重合度,计算所述N个网络账号中每两个网络账号之间的相似度。
本发明实施例中,第二计算模块103基于该N个网络账号中每两个网络账号之间的关注用户重合度,可以计算该N个网络账号中每两个网络账号之间的相似度。基于一对网络账号之间的关注用户重合度,可以计算出该对网络账号中两个网络账号之间的相似度,需要说明的是,一对网络账号可以计算出两个相似度,即是相似度是有方向性的,例如,该N个网络账号包括A账号和B账号,A账号到B账号有一个相似度值,B账号到A账号有一个相似度值。
可选的,如图4所示,第二计算模块103可以包括第二获取单元1030、第三获取单元1031、第二计算单元1032、第四获取单元1033以及第三计算单元1034;
第二获取单元1030,用于针对所述N个网络账号中的任意两个网络账号,获取所述两个网络账号之间的关注用户重合度;
第三获取单元1031,用于获取所述两个网络账号中第一网络账号的关注用户数量;
第二计算单元1032,用于根据所述关注用户重合度和所述第一网络账号的关注用户数量,计算所述两个网络账号中所述第一网络账号相对于所述第二网络账号的相似度;
第四获取单元1033,用于获取所述两个网络账号中第二网络账号的关注用户数量;
第三计算单元1034,用于根据所述关注用户重合度和所述第二网络账号的关注用户数量,计算所述两个网络账号中所述第二网络账号相对于所述第一网络账号的相似度。
具体的,对于N个网络账号中的任意两个网络账号x和y,相似度计算基于关联置信度,公式如下所示:
其中δ为计数函数,计算关注用户重合度,即是既关注网络账号x又关注网络账号y的个数;δ(x∩y)=M'xy,表示关注网络账号x和网络账号y的相同的用户数;δ(x)为网络账号x粉丝数,即是关注网络账号x的用户数;c(x→y)为网络账号x到网络账号y的相似度值。c(x→y)并不一定与c(y→x)相同,因此该方法计算出的相似度是有方向性的。
基于上述方法,计算出N个网络账号中每两个网络账号之间的相似度如下矩阵所示,由于相似度是有方向性的,因此该矩阵不一定为对称矩阵,需要说明的是,该矩阵的对角线上所有值为1。
生成网络账号间的相似度关系后,最终生成上述的n×n的相似度矩阵,其中Cij,n≥i,j≥0,表示网络账号i到网络账号j的相似度值,也即是网络账号i相对于网络账号j的相似度。
本发明实施例,获取待处理的N个网络账号,获取关注该N个网络账号中每个网络账号的用户标识,计算该N个网络账号中每两个网络账号之间的关注用户重合度,基于该N个网络账号中每两个网络账号之间的关注用户重合度,计算该N个网络账号中每两个网络账号之间的相似度,这种方式通过关注各个网络账号的用户来间接地计算出网络账号之间的相似度,准确度比较高,并且度量方法简单,方便。
请参照图5,为本发明实施例提供的另一种网络账号的处理装置的结构示意图,本发明实施例的网络账号的处理装置是基于图4的网络账号的处理装置优化得到,如图所示,本实施例的网络账号处理装置包括第一获取模块200、第二获取模块201、第一计算模块202、第二计算模块203以及推送模块204;其中,第一获取模块200、第二获取模块201、第一计算模块202、第二计算模块203请参照图4的描述,在此不再赘述。
推送模块204,用于若检测到所述第一网络账号与所述第二网络账号之间的相似度大于预设阈值,且所述目标用户关注所述第一网络账号,未关注所述第二网络账号,则向所述目标用户推送所述第二网络账号的信息。
本发明实施例中,检测网络账号之间相似度值,主要是为了更好地搜索或者推荐,这里以推荐为例进行说明,当检测到N个网络账号中第一网络账号与第二网络账号之间的相似度大于预设阈值,并且目标用户关注了第一网络账号,但是未关注第二网络账号,推送模块204则向该目标用户推送第二网络账号的信息,这样用户可以及时发现相似的网络账号,选择自己感兴趣的网络账号关注,提高信息推送的命中率。
需要说明的是,这里所提及的第一网络账号与第二网络账号之间的相似度可以是第一网络账号相对于第二网络账号的相似度,也可以是第二网络账号相对于第一网络账号的相似度。
本发明实施例,获取待处理的N个网络账号,获取关注该N个网络账号中每个网络账号的用户标识,计算该N个网络账号中每两个网络账号之间的关注用户重合度,基于该N个网络账号中每两个网络账号之间的关注用户重合度,计算该N个网络账号中每两个网络账号之间的相似度,这种方式通过关注各个网络账号的用户来间接地计算出网络账号之间的相似度,准确度比较高,并且度量方法简单,方便。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一计算机可读取存储介质中,附图2-附图5所示网络账号的处理装置对应的程序可存储在设备的可读存储介质内,并被该设备中的至少一个处理器执行,以实现上述网络账号的处理方法,该方法包括图1中方法实施例所述的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-OnlyMemory,ROM)或随机存储记忆体(Random Access Memory,RAM)等。
以上所揭露的仅为本发明较佳实施例而已,当然不能以此来限定本发明之权利范围,因此依本发明权利要求所作的等同变化,仍属本发明所涵盖的范围。
Claims (10)
1.一种网络账号的处理方法,其特征在于,包括:
获取待处理的N个网络账号,所述网络账号为在网络平台注册的提供服务或者信息发布的网络账号,所述N为大于或者等于2的自然数,所述N个网络账号包括至少一个类型的账号;
获取关注所述N个网络账号中每个网络账号的用户标识;
计算所述N个网络账号中每两个网络账号之间的关注用户重合度;
基于所述N个网络账号中每两个网络账号之间的关注用户重合度,计算所述N个网络账号中每两个网络账号之间的相似度;
针对所述N个网络账号中的任意两个网络账号,若检测到所述两个网络账号中第一网络账号与第二网络账号之间的相似度大于预设阈值,且目标用户关注所述第一网络账号,未关注所述第二网络账号,则向所述目标用户推送所述第二网络账号的信息。
2.如权利要求1所述的方法,其特征在于,所述计算所述N个网络账号中每两个网络账号之间的关注用户重合度,包括:
获取关注所述N个网络账号的所有M个用户标识,所述M为大于或者等于1的自然数;
根据所述M个用户标识与所述N个网络账号,构建关注关系矩阵;
基于所述关注关系矩阵,计算所述N个网络账号中每两个网络账号之间的关注用户重合度。
3.如权利要求2所述的方法,其特征在于,所述关注关系矩阵为M*N矩阵,所述关注关系矩阵中元素值用于表示该元素对应的用户标识是否与该元素对应的网络账号之间存在关注关系。
4.如权利要求3所述的方法,其特征在于,所述基于所述关注关系矩阵,计算所述N个网络账号中每两个网络账号之间的关注用户重合度,包括:
将所述关注关系矩阵转置,形成转置矩阵;
将所述关注关系矩阵与所述转置矩阵相乘,获得对称矩阵,所述对称矩阵中元素的值用于表示该元素对应的两个网络账号之间关注用户重合度。
5.如权利要求1-4任意一项所述的方法,其特征在于,所述基于所述N个网络账号中每两个网络账号之间的关注用户重合度,计算所述N个网络账号中每两个网络账号之间的相似度,包括:
针对所述N个网络账号中的任意两个网络账号,获取所述两个网络账号之间的关注用户重合度;
获取所述两个网络账号中第一网络账号的关注用户数量;
根据所述关注用户重合度和所述第一网络账号的关注用户数量,计算所述两个网络账号中所述第一网络账号相对于第二网络账号的相似度;
获取所述两个网络账号中第二网络账号的关注用户数量;
根据所述关注用户重合度和所述第二网络账号的关注用户数量,计算所述两个网络账号中所述第二网络账号相对于所述第一网络账号的相似度。
6.一种网络账号的处理装置,其特征在于,包括:
第一获取模块,用于获取待处理的N个网络账号,所述网络账号为在网络平台注册的提供服务或者信息发布的网络账号,所述N为大于或者等于2的自然数,所述N个网络账号包括至少一个类型的账号;
第二获取模块,用于获取关注所述N个网络账号中每个网络账号的用户标识;
第一计算模块,用于计算所述N个网络账号中每两个网络账号之间的关注用户重合度;
第二计算模块,用于基于所述N个网络账号中每两个网络账号之间的关注用户重合度,计算所述N个网络账号中每两个网络账号之间的相似度;
推送模块,用于针对所述N个网络账号中的任意两个网络账号,若检测到所述两个网络账号中第一网络账号与第二网络账号之间的相似度大于预设阈值,且目标用户关注所述第一网络账号,未关注所述第二网络账号,则向所述目标用户推送所述第二网络账号的信息。
7.如权利要求6所述的装置,其特征在于,所述第一计算模块包括:
第一获取单元,用于获取关注所述N个网络账号的所有M个用户标识;
构建单元,用于根据所述M个用户标识与所述N个网络账号,构建关注关系矩阵;
第一计算单元,用于基于所述关注关系矩阵,计算所述N个网络账号中每两个网络账号之间的关注用户重合度。
8.如权利要求7所述的装置,其特征在于,所述关注关系矩阵为M*N矩阵,所述关注关系矩阵中元素值用于表示该元素对应的用户标识是否与该元素对应的网络账号之间存在关注关系。
9.如权利要求8所述的装置,其特征在于,所述第一计算单元具体用于,
将所述关注关系矩阵转置,形成转置矩阵;
将所述关注关系矩阵与所述转置矩阵相乘,获得对称矩阵,所述对称矩阵中元素的值用于表示该元素对应的两个网络账号之间关注用户重合度。
10.如权利要求6-9任意一项所述的装置,其特征在于,所述第二计算模块包括:
第二获取单元,用于针对所述N个网络账号中的任意两个网络账号,获取所述两个网络账号之间的关注用户重合度;
第三获取单元,用于获取所述两个网络账号中第一网络账号的关注用户数量;
第二计算单元,用于根据所述关注用户重合度和所述第一网络账号的关注用户数量,计算所述两个网络账号中所述第一网络账号相对于第二网络账号的相似度;
第四获取单元,用于获取所述两个网络账号中第二网络账号的关注用户数量;
第三计算单元,用于根据所述关注用户重合度和所述第二网络账号的关注用户数量,计算所述两个网络账号中所述第二网络账号相对于所述第一网络账号的相似度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610346193.5A CN106021511B (zh) | 2016-05-23 | 2016-05-23 | 一种网络账号的处理方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610346193.5A CN106021511B (zh) | 2016-05-23 | 2016-05-23 | 一种网络账号的处理方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106021511A CN106021511A (zh) | 2016-10-12 |
CN106021511B true CN106021511B (zh) | 2019-11-22 |
Family
ID=57096761
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610346193.5A Active CN106021511B (zh) | 2016-05-23 | 2016-05-23 | 一种网络账号的处理方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106021511B (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106875276A (zh) * | 2016-12-30 | 2017-06-20 | 广州市申迪计算机系统有限公司 | 一种通信用户社交圈生成方法及系统 |
CN110324278A (zh) * | 2018-03-29 | 2019-10-11 | 北大方正集团有限公司 | 账号主体一致性检测方法、装置及设备 |
CN108876644B (zh) * | 2018-05-24 | 2022-02-22 | 微梦创科网络科技(中国)有限公司 | 一种基于社交网络的相似账号计算方法及装置 |
CN109255077B (zh) * | 2018-09-10 | 2021-11-30 | 北京一点网聚科技有限公司 | 账号推送方法及装置 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530421A (zh) * | 2012-11-02 | 2014-01-22 | 中国人民解放军国防科学技术大学 | 基于微博的事件相似性度量方法及系统 |
CN104348871A (zh) * | 2013-08-05 | 2015-02-11 | 深圳市腾讯计算机系统有限公司 | 一种同类账号扩展方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140249906A1 (en) * | 2013-03-01 | 2014-09-04 | Apple Inc. | Media item collection pre-order fulfillment |
-
2016
- 2016-05-23 CN CN201610346193.5A patent/CN106021511B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103530421A (zh) * | 2012-11-02 | 2014-01-22 | 中国人民解放军国防科学技术大学 | 基于微博的事件相似性度量方法及系统 |
CN104348871A (zh) * | 2013-08-05 | 2015-02-11 | 深圳市腾讯计算机系统有限公司 | 一种同类账号扩展方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN106021511A (zh) | 2016-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106021511B (zh) | 一种网络账号的处理方法及装置 | |
Jiang et al. | Applications of differential privacy in social network analysis: A survey | |
Maharani et al. | Degree centrality and eigenvector centrality in twitter | |
US8380784B2 (en) | Correlated information recommendation | |
US8397304B2 (en) | Privacy management of data | |
Sha et al. | Elliptical distribution‐based weight‐determining method for ordered weighted averaging operators | |
US8949242B1 (en) | Semantic document analysis | |
Kapralov et al. | Spectral sparsification via random spanners | |
CN103942193B (zh) | 一种信息推送的方法及装置 | |
Figueiredo et al. | On a fractional Kirchhoff-type equation via Krasnoselskii’s genus | |
CN104376083B (zh) | 一种基于关注关系和多用户行为的图推荐方法 | |
Zhou | Upper bounds for the Zagreb indices and the spectral radius of series‐parallel graphs | |
Opsomer et al. | Model‐based non‐parametric variance estimation for systematic sampling | |
US20120303714A1 (en) | Method for managing a personalized social network map in an application server which provides personalized content, and program recording medium for executing the method | |
CN106354855A (zh) | 一种推荐方法及系统 | |
CN109525933B (zh) | 位置隐私保护方法及装置 | |
CN104111969A (zh) | 一种相似性度量的方法以及系统 | |
CN105404974A (zh) | 一种数据资产化方法、装置及管理平台 | |
CN109636633A (zh) | 数据处理方法、装置和存储介质 | |
CN108897790A (zh) | 鲁棒协同过滤推荐算法 | |
Bhattacharjee | Gaussian approximation for rooted edges in a random minimal directed spanning tree | |
JP6018541B2 (ja) | 推薦ルール生成装置、推薦ルール生成方法および推薦ルール生成プログラム | |
Tu et al. | The unicyclic graphs with maximum degree resistance distance | |
CN103618702A (zh) | 社会网络信息传播态势感知方法及系统 | |
Liu et al. | A topological similarity‐based bootstrapping method for inferring food web parameters |
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 |