CN106548405A - 人际关系推算方法及装置 - Google Patents
人际关系推算方法及装置 Download PDFInfo
- Publication number
- CN106548405A CN106548405A CN201610990215.1A CN201610990215A CN106548405A CN 106548405 A CN106548405 A CN 106548405A CN 201610990215 A CN201610990215 A CN 201610990215A CN 106548405 A CN106548405 A CN 106548405A
- Authority
- CN
- China
- Prior art keywords
- personage
- incidence relation
- crowd
- rdd
- target 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000004458 analytical method Methods 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 3
- ZLIBICFPKPWGIZ-UHFFFAOYSA-N pyrimethanil Chemical compound CC1=CC(C)=NC(NC=2C=CC=CC=2)=N1 ZLIBICFPKPWGIZ-UHFFFAOYSA-N 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000000926 separation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004321 preservation Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明实施例公开了一种人际关系推算方法和装置。所述方法包括:通过Map‑Reduce计算模型,获取存储有表示同第一目标人物之间存在关联关系的第一人群的第一弹性分布式数据集合RDD;通过Map‑Reduce计算模型,获取存储有表示同第二目标人物之间存在关联关系的第二人群的第二RDD;以及通过判断所述第一RDD与所述第二RDD之间是否存在交集,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系。本发明实施例提供的人际关系推算方法及装置能够准确的推算人们相互之间的人际关系。
Description
技术领域
本发明实施例涉及大数据分析技术领域,尤其涉及一种人际关系推算方法及装置。
背景技术
20世纪60年代后期,哈佛大学成为社会网络研究的重镇。社会心理学家斯坦利·米尔格莱姆(Stanley Milgram)于1969年做过一个非常有意思的实验,为了解人类社会关系网络的结构打开了一扇窗户。
这项实验的目的是找出任意两个人之间的“社会距离”。因此实验被定义为:在两个随机选择的个体之间,需要多少个熟人才能将他们联系起来?米尔格莱姆首先选择了两个目标人物,一个是马萨诸塞州某神学院学生的妻子,另一个是波士顿的股票经纪人。然后挑选了堪萨斯州的威奇塔和内布拉斯加州的奥马哈作为实验的起点。这两个起点位于美国中部,两个实验终点则位于美国东北部,这足以象征随机选择的两人之间的距离。
米尔格莱姆随机向实验起点的居民发送了信件,信中附上了其中一个目标任务的照片和地址,规定收件人只有亲自见过目标人物且知道对方姓名,才可以直接将信寄给他;否则,将所有文件寄给自己最有可能认识目标人物的熟人。
米尔格莱姆总共发出了160封信,收回42封。42封信各自形成了一条从“起点”到“终点”的链条。分析发现,链条最短的一封信只经过了两个中间人,最长的则经过了12个人,平均式5.5个。这与当时人们的直觉明显相悖。这就是著名的“六度分离”。虽然“六度分离”的概念并非由米尔格莱姆提出,但他的实验却是“六度分离”最初的完美印证。
在移动互联的概念大行其道的今天,人们越来越多的社会交际活动通过网络完成。正是基于这样的现状,完全可以通过对分布在网络上各个节点上人们的社交活动的数据分析,获得关于人们相互之间的社会关系的数据。然而,现有技术并没有给出这样的可行方案。
发明内容
针对上述技术问题,本发明实施例提供了一种人际关系推算方法及装置,以准确的推算人们相互之间的人际关系。
一方面,本发明实施例提供了一种人际关系推算方法,所述方法包括:
通过Map-Reduce计算模型,获取存储有表示同第一目标人物之间存在关联关系的第一人群的第一弹性分布式数据集合RDD,其中,所述第一人群与所述第一目标人物之间的关联关系具有第一深度;
通过Map-Reduce计算模型,获取存储有表示同第二目标人物之间存在关联关系的第二人群的第二RDD,其中,所述第二人群与所述第二目标人物之间的关联关系具有第二深度;以及
通过判断所述第一RDD中存储的所述第一人群与所述第二RDD中存储的所述第二人群之间是否存在交集,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系。
另一方面,本发明实施例还提供了一种人际关系推算装置,所述装置包括:
第一人群获取模块,用于通过Map-Reduce计算模型,获取存储有表示同第一目标人物之间存在关联关系的第一人群的第一弹性分布式数据集合RDD,其中,所述第一人群与所述第一目标人物之间的关联关系具有第一深度;
第二人群获取模块,用于通过Map-Reduce计算模型,获取存储有表示同第二目标人物之间存在关联关系的第二人群的第二RDD,其中,所述第二人群与所述第二目标人物之间的关联关系具有第二深度;以及
关联判断模块,用于通过判断所述第一RDD中存储的所述第一人群与所述第二RDD中存储的所述第二人群之间是否存在交集,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系。
本发明实施例提供的人际关系推算方法及装置,通过Map-Reduce计算模型,获取同第一目标人物之间存在第一深度的关联关系的第一人群,通过Map-Reduce计算模型,获取同第二目标人物之间存在第二深度的关联关系的第二人群,以及通过判断所述第一RDD与所述第二RDD之间是否存在交集,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系,实现了对人们相互之间人际关系的准确推算。
附图说明
通过阅读参照以下附图所作的对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1是本发明第一实施例提供的人际关系推算方法的流程图;
图2是本发明第一实施例提供的人际关系推算方法的执行代码的类引用关系图;
图3是本发明第二实施例提供的人际关系推算方法的流程图;
图4是本发明第二实施例提供的人际关系的挖掘结果图;
图5是本发明第三实施例提供的人际关系推算装置的结构图。
具体实施方式
下面结合附图和实施例对本发明作进一步的详细说明。可以理解的是,此处所描述的具体实施例仅仅用于解释本发明,而非对本发明的限定。另外还需要说明的是,为了便于描述,附图中仅示出了与本发明相关的部分而非全部结构。
第一实施例
本实施例提供了人际关系推算方法的一种技术方案。在该技术方案中,所述人际关系推算方法包括:通过Map-Reduce计算模型,获取存储有表示同第一目标人物之间存在关联关系的第一人群的第一弹性分布式数据集合RDD;通过Map-Reduce计算模型,获取存储有表示同第二目标人物之间存在关联关系的第二人群的第二RDD;以及通过判断所述第一RDD中存储的所述第一人群与所述第二RDD中存储的所述第二人群之间是否存在交集,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系。
参见图1,人际关系推算方法包括:
S11,通过Map-Reduce计算模型,获取存储有表示同第一目标人物之间存在关联关系的第一人群的第一弹性分布式数据集合(Resilient distributed dataset,RDD),其中,所述第一人群与所述第一目标人物之间的关联关系具有第一深度。
本实施例提供的人际关系推算方法在Spark大数据分析系统上实现。具体的,人际关系推算方法在Spark大数据分析系统上,通过Scala语言编写的程序进行实现。
Spark是一个开源的适用于大数据的高可靠、高性能分布式并行计算框架,由AMP实验室出品,该实验室隶属于加州大学伯克利分校。Spark支持在大数据集上进行复杂的查询;能够轻量级的进行快速的处理并且进行结果准确的有效服务;支持多语言编程,易于使用;并且兼容性很好,能够与Yarn、Mesos、Hive、HBase、HDFS等多个框架进行很好的兼容。
在使用Scala语言实现本实施例提供的人际关系推算方法的过程中,使用了RDD。RDD是Spark的一个重要的抽象概念,是分布在集群节点上的具有容错机制且进行平行操作的制度记录分区集合,可以将所有数据加载至内存,允许在大型集群上执行基于内存的计算。在本实施例中,对人群数据的收集及存储都采用了RDD。
可以理解的是,在判断人群中的社会关系时,需要有两个目标人物作为判断的标的。我们将这两个目标人物分别称为第一目标人物以及第二目标人物。如果收集到的数据显示,两个目标人物之间存在某种关联,则可以判定两个目标人物之间存在社会关系,否则,可以判定两个目标人物之间不存在社会关系。
因此,执行本实施例提供的方法时,首先需要获取到同第一目标人物之间存在关联关系的第一人群。所谓关联关系是指两个人物之间的属性数据有部分的重合,例如一个人物曾经关注过另一个人物的微博,或者一个人物是另一个人物在即时通讯(Instantmessaging,IM)软件中的好友,等等。
在本实施例中,优选的,两个人物之间存在关联关系是指,其中一个人物与另一个人物之间存在着通话联系。也就是说,一个人物曾经拨打过另一个人物的电话。在原始数据中,上述关联关系表现为一个人物的电话号码直接或者间接的出现在了另一个人物的通话记录中。
在本步骤中,所谓关联关系具有第一深度。所谓深度是指,一个人物与另一个人物可能并不存在直接的关联关系,而是通过第三个人物发生了关联关系。例如,人物A与人物B之间具有直接的关联关系,人物B与人物C之间具有直接的关联关系,而人物C又与人物D之间具有直接的关联关系,则可以人物人物A与人物D之间的关联关系的深度是3。又例如,人物X与人物Y之间存在着直接的关联关系,可以认为人物X与人物Y之间的关联关系的深度是1。
具体的,以通过通话联系判断人物之间的关联关系为例,假设人物甲的电话号码出现在了人物乙的通话记录中,而人物乙的电话号码又出现在了人物丙的通话记录中,则人物甲与人物丙之间的关联关系的深度是2。
上述对于第一人群的获取是通过Map-Reduce计算模型实现的。使用Map-Reduce计算模型,系统会将原本较大的计算任务进行切分,划分为相对较小的计算任务,从而实现分布式的并行处理。
具体的,上述对于第一人群的获取,也就是对于第一RDD数据的获取包括:通过人物的特征属性,判断所述人物与所述第一目标人物之间是否存在所述第一深度的关联关系;将与所述第一目标人物之间存在所述第一深度的关联关系的人物,存储至所述第一RDD。
上述特征属性包括:联系人电话号码、联系起始时间,以及联系终止时间。在特征属性中出现时间属性的目的在于,实现对人物之间关联关系的发生做时间上的统计。
S12,通过Map-Reduce计算模型,获取存储有表示同第二目标人物之间存在关联关系的第二人群的第二RDD,其中,所述第二人群与所述第二目标人物之间的关联关系具有第二深度。
通过上述第一人群的获取过程相同,对于第二人群的获取同样是利用Scala语言,在Spark计算平台上通过Map-Reduce计算模型实现。
具体的,上述对于第二人群的获取包括:通过人物的特征属性,判断所述人物与所述第二目标人物之间是否存在所述第二深度的关联关系;将与所述第二目标人物之间存在所述第二深度的关联关系的人物,存储至所述第二RDD。上述特征属性同样包括:联系人电话号码、联系起始时间,以及联系终止时间。
S13,通过判断所述第一RDD中存储的所述第一人群与所述第二RDD中存储的所述第二人群之间是否存在交集,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系。
完成了对第一RDD及第二RDD的获取之后,判断二者之间是否存在交集。如果二者之间存在交集,也就是二者之间的交集不为空,则可以判定第一目标人物与第二目标人物之间存在关联关系;如果二者之间不存在交集,也就是二者之间的交集为空,则可以判定第一目标人物与第二目标人物之间不存在关联关系。而且,二者之间的交集中包含的人物的数量就是两个目标之间的关联关系的数目。
需要说明的是,上述对于是否存在交集的判断同样是通过Map-Reduce计算模型实现的。
图2示出了实现上述方法的类之间的引用关系。参见图2,sixDegreeAnslyseService主要调用Spark大数据平台分析代码进行分析。sixDegreeAnalyseController主要读取HDFS上存放的结果,返回给前台进行展示。
本实施例通过Map-Reduce计算模型,获取存储有表示同第一目标人物之间存在关联关系的第一人群的第一RDD,通过Map-Reduce计算模型,获取存储有表示同第二目标人物之间存在关联关系的第二人群的第二RDD,以及通过判断所述第一RDD中存储的所述第一人群与所述第二RDD中存储的所述第二人群之间是否存在交集,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系,实现了对人们相互之间人际关系的准确推算。
第二实施例
本实施例以本发明的上述实施例为基础,进一步的提供了人际关系推算方法的另一种技术方案。在该技术方案中,人际关系推算方法还包括:若判断所述第一目标人物与所述第二目标人物之间存在关联关系,保存所述第一目标人物与所述第二目标人物之间的关联路径。
参见图3,人际关系推算方法包括:
S31,通过Map-Reduce计算模型,获取存储有表示同第一目标人物之间存在关联关系的第一人群的第一弹性分布式数据集合RDD。
S32,通过Map-Reduce计算模型,获取存储有表示同第二目标人物之间存在关联关系的第二人群的第二RDD。
S33,通过判断所述第一RDD中存储的所述第一人群与所述第二RDD中存储的所述第二人群之间是否存在交集,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系。
S34,若判断所述第一目标人物与所述第二目标人物之间存在关联关系,保存所述第一目标人物与所述第二目标人物之间的关联路径。
所述关联路径是指两个目标人物之间发生关联关系的路径。例如,人物A与人物D通过人物B及人物C发生了关联关系,则人物A与人物D之间的关联路径如下:A——B——C——D。保存上述关联路径,相当于对推算结果进行了保存,以便将上述结果进一步的用于后续的其他分析。
进一步的,在保存了上述关联关系对应的关联路径之后,还可以在网页前端对上述关联关系的分析结果进行显示。图2示出了上述分析结果的显示界面。参见图2,在该显示界面上,显示了与分析人之间存在关联关系的所有人物。
进一步优选的,当判断第一目标人物与第二目标人物之间不存在关联关系时,增大所述第一深度或者所述第二深度的取值,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系。优选的,以1作为取值增大的步长,分别增大第一深度及第二深度的取值,继续判断第一目标人物与第二目标人物之间是否存在关联关系。
本实施例通过判断第一目标人物与第二目标人物之间存在关联关系之后,保存第一目标人物与第二目标人物之间的关联路径,对推算得到的人际关系结果进行了显示。
第三实施例
本实施例提供了人际关系推算装置的一种技术方案。参见图5,在该技术方案中,所述人际关系推算装置包括:第一人群获取模块51、第二人群获取模块52,以及关联判断模块53。
所述第一人群获取模块51用于通过Map-Reduce计算模型,获取存储有表示同第一目标人物之间存在关联关系的第一人群的第一弹性分布式数据集合RDD,其中,所述第一人群与所述第一目标人物之间的关联关系具有第一深度。
所述第二人群获取模块52用于通过Map-Reduce计算模型,获取存储有表示同第二目标人物之间存在关联关系的第二人群的第二RDD,其中,所述第二人群与所述第二目标人物之间的关联关系具有第二深度。
所述关联判断模块53用于通过判断所述第一RDD中存储的所述第一人群与所述第二RDD中存储的所述第二人群之间是否存在交集,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系。
优选的,所述第一人群获取模块51包括:第一关联关系判断单元,以及第一存储单元。
所述第一关联关系判断单元用于通过人物的特征属性,判断所述人物与所述第一目标人物之间是否存在所述第一深度的关联关系。
所述第一存储单元用于将与所述第一目标人物之间存在所述第一深度的关联关系的人物,存储至所述第一RDD。
优选的,所述第二人群获取模块52包括:第二关联关系判断单元,以及第二存储单元。
所述第二关联关系判断单元用于通过人物的特征属性,判断所述人物与所述第二目标人物之间是否存在所述第二深度的关联关系。
所述第二存储单元用于将与所述第二目标人物之间存在所述第二深度的关联关系的人物,存储至所述第二RDD。
优选的,所述特征属性包括:联系人电话号码、联系起始时间,以及联系终止时间。
优选的,所述人际关系推算装置还包括:关联保存模块54。
所述关联保存模块54用于当判断所述第一目标人物与所述第二目标人物之间存在关联关系之时,保存所述第一目标人物与所述第二目标人物之间的关联路径。
优选的,所述人际关系推算装置还包括:继续判断模块55。
所述继续判断模块55用于当判断所述第一目标人物与所述第二目标人物之间不存在关联关系之时,增大所述第一深度或者所述第二深度的取值,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系。
以上所述仅为本发明的优选实施例,并不用于限制本发明,对于本领域技术人员而言,本发明可以有各种改动和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种人际关系推算方法,其特征在于,包括:
通过Map-Reduce计算模型,获取存储有表示同第一目标人物之间存在关联关系的第一人群的第一弹性分布式数据集合RDD,其中,所述第一人群与所述第一目标人物之间的关联关系具有第一深度;
通过Map-Reduce计算模型,获取存储有表示同第二目标人物之间存在关联关系的第二人群的第二RDD,其中,所述第二人群与所述第二目标人物之间的关联关系具有第二深度;以及
通过判断所述第一RDD中存储的所述第一人群与所述第二RDD中存储的所述第二人群之间是否存在交集,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系。
2.根据权利要求1所述的方法,其特征在于,通过Map-Reduce计算模型,获取存储有表示同第一目标人物之间存在关联关系的第一人群的第一RDD包括:
通过人物的特征属性,判断所述人物与所述第一目标人物之间是否存在所述第一深度的关联关系;
将与所述第一目标人物之间存在所述第一深度的关联关系的人物,存储至所述第一RDD。
3.根据权利要求1所述的方法,其特征在于,通过Map-Reduce计算模型,获取存储有表示同第二目标人物之间存在关联关系的第二人群的第二RDD包括:
通过人物的特征属性,判断所述人物与所述第二目标人物之间是否存在所述第二深度的关联关系;
将与所述第二目标人物之间存在所述第二深度的关联关系的人物,存储至所述第二RDD。
4.根据权利要求2或3所述的方法,其特征在于,所述特征属性包括:联系人电话号码、联系起始时间,以及联系终止时间。
5.根据权利要求4所述的方法,其特征在于,还包括:
若判断所述第一目标人物与所述第二目标人物之间存在关联关系,保存所述第一目标人物与所述第二目标人物之间的关联路径。
6.根据权利要求4所述的方法,其特征在于,还包括:
若判断所述第一目标人物与所述第二目标人物之间不存在关联关系,增大所述第一深度或者所述第二深度的取值,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系。
7.一种人际关系推算装置,其特征在于,包括:
第一人群获取模块,用于通过Map-Reduce计算模型,获取存储有表示同第一目标人物之间存在关联关系的第一人群的第一弹性分布式数据集合RDD,其中,所述第一人群与所述第一目标人物之间的关联关系具有第一深度;
第二人群获取模块,用于通过Map-Reduce计算模型,获取存储有表示同第二目标人物之间存在关联关系的第二人群的第二RDD,其中,所述第二人群与所述第二目标人物之间的关联关系具有第二深度;以及
关联判断模块,用于通过判断所述第一RDD中存储的所述第一人群与所述第二RDD中存储的所述第二人群之间是否存在交集,判断所述第一目标人物与所述第二目标人物之间是否存在关联关系。
8.根据权利要求7所述的方法,其特征在于,所述第一人群获取模块包括:
第一关联关系判断单元,用于通过人物的特征属性,判断所述人物与所述第一目标人物之间是否存在所述第一深度的关联关系;
第一存储单元,用于将与所述第一目标人物之间存在所述第一深度的关联关系的人物,存储至所述第一RDD。
9.根据权利要求7所述的方法,其特征在于,所述第二人群获取模块包括:
第二关联关系判断单元,用于通过人物的特征属性,判断所述人物与所述第二目标人物之间是否存在所述第二深度的关联关系;
第二存储单元,用于将与所述第二目标人物之间存在所述第二深度的关联关系的人物,存储至所述第二RDD。
10.根据权利要求8或9所述的方法,其特征在于,所述特征属性包括:联系人电话号码、联系起始时间,以及联系终止时间。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610990215.1A CN106548405A (zh) | 2016-11-10 | 2016-11-10 | 人际关系推算方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610990215.1A CN106548405A (zh) | 2016-11-10 | 2016-11-10 | 人际关系推算方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106548405A true CN106548405A (zh) | 2017-03-29 |
Family
ID=58395667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610990215.1A Pending CN106548405A (zh) | 2016-11-10 | 2016-11-10 | 人际关系推算方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106548405A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109345748A (zh) * | 2018-10-31 | 2019-02-15 | 北京锐安科技有限公司 | 用户设备关联方法、装置、服务端、检测设备及介质 |
CN109710633A (zh) * | 2018-12-13 | 2019-05-03 | 南京中孚信息技术有限公司 | 中间人信息的确定方法、装置及智能终端 |
CN110544190A (zh) * | 2018-05-29 | 2019-12-06 | 杭州海康威视数字技术股份有限公司 | 一种确定人员特征的方法、装置及设备 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963990A (zh) * | 2010-10-09 | 2011-02-02 | 吴刚 | 一种个人关系及事件数字化建模与搜索方法 |
CN103488651A (zh) * | 2012-06-08 | 2014-01-01 | 北京千橡网景科技发展有限公司 | 用于获得成员之间的关系路径的方法和装置 |
CN103714135A (zh) * | 2013-12-18 | 2014-04-09 | 东软集团股份有限公司 | 海量用户的二度人脉关系MapReduce推荐方法及系统 |
CN104268271A (zh) * | 2014-10-13 | 2015-01-07 | 北京建筑大学 | 一种兴趣和网络结构双内聚的社交网络社区发现方法 |
CN105912579A (zh) * | 2016-04-01 | 2016-08-31 | 东软集团股份有限公司 | 一种人物关系图谱的生成方法及装置 |
-
2016
- 2016-11-10 CN CN201610990215.1A patent/CN106548405A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101963990A (zh) * | 2010-10-09 | 2011-02-02 | 吴刚 | 一种个人关系及事件数字化建模与搜索方法 |
CN103488651A (zh) * | 2012-06-08 | 2014-01-01 | 北京千橡网景科技发展有限公司 | 用于获得成员之间的关系路径的方法和装置 |
CN103714135A (zh) * | 2013-12-18 | 2014-04-09 | 东软集团股份有限公司 | 海量用户的二度人脉关系MapReduce推荐方法及系统 |
CN104268271A (zh) * | 2014-10-13 | 2015-01-07 | 北京建筑大学 | 一种兴趣和网络结构双内聚的社交网络社区发现方法 |
CN105912579A (zh) * | 2016-04-01 | 2016-08-31 | 东软集团股份有限公司 | 一种人物关系图谱的生成方法及装置 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110544190A (zh) * | 2018-05-29 | 2019-12-06 | 杭州海康威视数字技术股份有限公司 | 一种确定人员特征的方法、装置及设备 |
CN109345748A (zh) * | 2018-10-31 | 2019-02-15 | 北京锐安科技有限公司 | 用户设备关联方法、装置、服务端、检测设备及介质 |
CN109345748B (zh) * | 2018-10-31 | 2021-03-26 | 北京锐安科技有限公司 | 用户设备关联方法、装置、服务端、检测设备及介质 |
CN109710633A (zh) * | 2018-12-13 | 2019-05-03 | 南京中孚信息技术有限公司 | 中间人信息的确定方法、装置及智能终端 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105427129B (zh) | 一种信息的投放方法及系统 | |
WO2021068608A1 (zh) | 提取用户画像的方法、装置、计算机设备和存储介质 | |
EP3471374B1 (en) | Method and device for identifying type of geographic location at where user is located | |
US20150161387A1 (en) | Network virtual user risk control method and system | |
CN110337059B (zh) | 一种用户家庭关系的分析算法、服务器及网络系统 | |
JP5479601B2 (ja) | 通信ネットワークにおいてソーシャルネットワークの分析を支援する方法及び装置 | |
CN105898085B (zh) | 骚扰通信账号的识别方法及装置 | |
EP2734974A2 (en) | Suggesting invitations to join a network | |
CA2886421A1 (en) | Computer-implemented system and method for detecting events for use in an automated call center environment | |
CN106055630A (zh) | 日志存储的方法及装置 | |
CN106548405A (zh) | 人际关系推算方法及装置 | |
CN111339436A (zh) | 一种数据识别方法、装置、设备以及可读存储介质 | |
CN106936971B (zh) | 一种来电人信息提示系统及提示方法 | |
CN105518644A (zh) | 在地图上实时处理并显示社交数据的方法 | |
CN107832323A (zh) | 一种基于图数据库的分布式实现系统及方法 | |
CN111626754B (zh) | 养卡用户识别方法及装置 | |
CN109088788A (zh) | 数据处理方法、装置、设备及计算机可读存储介质 | |
CN110677269B (zh) | 通信用户关系的确定方法、装置和计算机可读存储介质 | |
RU2612608C2 (ru) | Система и способ формирования круга общения и компьютерный носитель информации | |
CN110245059A (zh) | 一种数据处理方法、设备及存储介质 | |
CN103179248A (zh) | 一种显示联系人的方法、装置及移动设备 | |
CN111062345A (zh) | 静脉识别模型的训练方法、装置和静脉图像识别装置 | |
CN115696245A (zh) | 潜在用户挖掘的方法、装置、电子设备及存储介质 | |
CN111611337B (zh) | 终端数据处理系统 | |
CN106549914B (zh) | 一种独立访问者的识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20170329 |
|
RJ01 | Rejection of invention patent application after publication |