CN106960014A - 关联用户推荐方法及装置 - Google Patents

关联用户推荐方法及装置 Download PDF

Info

Publication number
CN106960014A
CN106960014A CN201710121010.4A CN201710121010A CN106960014A CN 106960014 A CN106960014 A CN 106960014A CN 201710121010 A CN201710121010 A CN 201710121010A CN 106960014 A CN106960014 A CN 106960014A
Authority
CN
China
Prior art keywords
user
interactive
correlation
degree
attribute
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.)
Granted
Application number
CN201710121010.4A
Other languages
English (en)
Other versions
CN106960014B (zh
Inventor
韩迪洋
方熠
洪绯
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Alibaba China Co Ltd
Original Assignee
1Verge Internet Technology Beijing Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 1Verge Internet Technology Beijing Co Ltd filed Critical 1Verge Internet Technology Beijing Co Ltd
Priority to CN201710121010.4A priority Critical patent/CN106960014B/zh
Publication of CN106960014A publication Critical patent/CN106960014A/zh
Priority to US16/482,893 priority patent/US20200012701A1/en
Priority to KR1020197025618A priority patent/KR102412397B1/ko
Priority to PCT/CN2017/112791 priority patent/WO2018157630A1/zh
Priority to JP2019547613A priority patent/JP2020512623A/ja
Application granted granted Critical
Publication of CN106960014B publication Critical patent/CN106960014B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • 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
    • H04L51/07—User-to-user messaging in packet-switching networks, transmitted according to store-and-forward or real-time protocols, e.g. e-mail characterised by the inclusion of specific contents
    • H04L51/10—Multimedia information
    • 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
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/048—Interaction techniques based on graphical user interfaces [GUI]
    • G06F3/0481—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance
    • G06F3/04817—Interaction techniques based on graphical user interfaces [GUI] based on specific properties of the displayed interaction object or a metaphor-based environment, e.g. interaction with desktop elements like windows or icons, or assisted by a cursor's changing behaviour or appearance using icons
    • 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • 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
    • H04L51/214—Monitoring or handling of messages using selective forwarding
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/23—Processing of content or additional data; Elementary server operations; Server middleware
    • H04N21/24—Monitoring of processes or resources, e.g. monitoring of server load, available bandwidth, upstream requests
    • H04N21/2407—Monitoring of transmitted content, e.g. distribution time, number of downloads
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/251—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/252—Processing of multiple end-users' preferences to derive collaborative data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/20—Servers specifically adapted for the distribution of content, e.g. VOD servers; Operations thereof
    • H04N21/25—Management operations performed by the server for facilitating the content distribution or administrating data related to end-users or client devices, e.g. end-user or client device authentication, learning user preferences for recommending movies
    • H04N21/258—Client or end-user data management, e.g. managing client capabilities, user preferences or demographics, processing of multiple end-users preferences to derive collaborative data
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
    • H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
    • H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/475—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data
    • H04N21/4756—End-user interface for inputting end-user data, e.g. personal identification number [PIN], preference data for rating content, e.g. scoring a recommended movie
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
    • H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
    • H04N21/47—End-user applications
    • H04N21/478—Supplemental services, e.g. displaying phone caller identification, shopping application
    • H04N21/4788—Supplemental services, e.g. displaying phone caller identification, shopping application communicating with other users, e.g. chatting
    • 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

Abstract

本公开涉及一种关联用户推荐方法及装置。该方法包括：基于第一用户在多媒体资源播放过程中的第一互动数据，确定第一用户的第一互动属性；根据第一互动属性以及第二用户的第二互动属性，确定第一用户与第二用户之间的互动相关度；根据互动相关度，推荐与第一用户相关联的第二用户。根据本公开的实施例能够基于互动数据确定互动属性，根据互动属性确定第一用户与第二用户之间的互动相关度，进而推荐与第一用户相关联的第二用户，从而基于用户行为推荐关联用户，提高关联用户推荐的准确性，提升用户体验。

Description

关联用户推荐方法及装置
技术领域
本公开涉及计算机技术领域，尤其涉及一种关联用户推荐方法及装置。
背景技术
互联网上存在海量彼此陌生的用户，用户希望能够与其他陌生用户建立交流，例如希望与自己有相同偏好、性格的其他用户进行交流，但是却苦于无法有效地获知哪些用户是与自身具有一定关联性的、能够建立良好的沟通的交流对象。
因此，提供一种能够有效地判断用户之间的关联性，并向用户推荐关联用户方案，以使用户与具有关联性的用户建立交流，是亟待解决的问题。
发明内容
有鉴于此，本公开提出了一种关联用户推荐方法及装置，能够基于用户行为推荐关联用户，提高关联用户推荐的准确性，提升用户体验。
根据本公开的一方面，提供了一种关联用户推荐方法，所述方法包括：
基于第一用户在多媒体资源播放过程中的第一互动数据，确定所述第一用户的第一互动属性；
根据所述第一互动属性以及第二用户的第二互动属性，确定所述第一用户与第二用户之间的互动相关度；
根据所述互动相关度，推荐与所述第一用户相关联的第二用户。
根据本公开的另一方面，提供了一种关联用户推荐装置，所述装置包括：
第一互动属性确定模块，用于基于第一用户在多媒体资源播放过程中的第一互动数据，确定所述第一用户的第一互动属性；
第一相关度确定模块，用于根据所述第一互动属性以及第二用户的第二互动属性，确定所述第一用户与第二用户之间的互动相关度；
第一用户推荐模块，用于根据所述互动相关度，推荐与所述第一用户相关联的第二用户。
根据本公开的另一方面，提供了一种关联用户推荐装置，所述装置包括：
处理器；用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
基于第一用户在多媒体资源播放过程中的第一互动数据，确定所述第一用户的第一互动属性；
根据所述第一互动属性以及第二用户的第二互动属性，确定所述第一用户与第二用户之间的互动相关度；
根据所述互动相关度，推荐与所述第一用户相关联的第二用户。
根据本公开的另一方面，提供了一种非易失性计算机可读存储介质，当所述存储介质中的指令由终端和/或服务器的处理器执行时，使得终端和/或服务器能够执行上述方法，所述方法包括：
基于第一用户在多媒体资源播放过程中的第一互动数据，确定所述第一用户的第一互动属性；
根据所述第一互动属性以及第二用户的第二互动属性，确定所述第一用户与第二用户之间的互动相关度；
根据所述互动相关度，推荐与所述第一用户相关联的第二用户。
根据本公开实施例的关联用户推荐方法及装置，能够基于互动数据确定互动属性，根据互动属性确定第一用户与第二用户之间的互动相关度，进而推荐与第一用户相关联的第二用户，从而基于用户行为推荐关联用户，提高关联用户推荐的准确性，提升用户体验。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且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关联用户推荐方法的流程图。
图2是根据一示例性实施例示出的一种关联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关联用户推荐方法的流程图。
图4是根据一示例性实施例示出的一种关联用户推荐方法的步骤12的流程图。
图5是根据一示例性实施例示出的一种关联用户推荐方法的步骤13的流程图。
图6是根据一示例性实施例示出的一种关联用户推荐方法的流程图。
图7是根据一示例性实施例示出的一种关联用户推荐装置的框图。
图8是根据一示例性实施例示出的一种关联用户推荐装置的框图。
图9是根据一示例性实施例示出的一种关联用户推荐装置的框图。
图10是根据一示例性实施例示出的一种关联用户推荐装置的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
实施例1
图1是根据一示例性实施例示出的一种关联用户推荐方法的流程图。该方法可应用于终端设备(例如智能手机)或服务器中。如图1所示，根据本公开实施例的关联用户推荐方法包括：
步骤S11，基于第一用户在多媒体资源播放过程中的第一互动数据，确定所述第一用户的第一互动属性；
步骤S12，根据所述第一互动属性以及第二用户的第二互动属性，确定所述第一用户与第二用户之间的互动相关度；
步骤S13，根据所述互动相关度，推荐与所述第一用户相关联的第二用户。
根据本公开实施例的多媒体资源播放方法及装置，能够基于互动数据确定互动属性，根据互动属性确定第一用户与第二用户之间的互动相关度，进而推荐与第一用户相关联的第二用户，从而基于用户行为推荐关联用户，提高关联用户推荐的准确性，提升用户体验。
第一互动数据可以是用户在多媒体资源播放过程中针对多媒体资源或其他用户等对象进行评论、点赞、转发等任意互动行为所产生的互动数据。第一、第二互动属性可以是能够表示第一、第二用户的互动行为的属性特征的任意数值、统计、分类结果等。
举例来说，在多媒体资源(例如视频)的播放过程中，用户可以输入评论内容，可以是针对整个多媒体资源进行评论，也可以是对多媒体资源的片段或在多媒体资源播放的某个时间点进行评论；评论的内容可以包括输入文字、图片、表情图标等；并且，可以在专门的评论内容展示区域展示评论内容，也可以以弹幕的方式在多媒体资源的播放界面上展示评论内容等。本公开对用户输入评论的内容、输入方式以及展示方式等均不作限制。
在一种可能的实现方式中，所述第一互动数据可以包括当前观看多媒体资源的第一用户在多媒体资源播放过程中输入的评论图标以及相对应的输入时间。在多媒体资源播放过程中，可以获取第一用户输入的评论图标，例如第一用户点击的表示难过、开心、惊吓的评论图标，第一用户输入的评论图标可以是即时输入的，并且可以以弹幕的方式在多媒体资源的播放界面上进行展示。这样，可以获取第一用户输入的评论图标以及相对应的输入时间，作为第一互动数据。
在一种可能的实现方式中，所述第一用户的第一互动属性包括所述第一用户针对第一评论图标的输入频率、针对多个评论图标的总体输入频率、针对第一评论图标的输入时间分布以及针对多个评论图标的总体输入时间分布中的一个或多个，其中，所述第一评论图标为多个评论图标中的任意一个评论图标。
举例来说，针对第一互动数据，可以确定第一用户的第一互动属性。该第一互动属性可以是对第一用户在多媒体资源的播放过程中输入的各类评论图标进行分析而获得的第一用户的图标点击信息，例如，多个评论图标的点击频率(针对多个评论图标的总体输入频率)、同类评论图标的点击频率(针对第一评论图标的输入频率)、同类图标的点击时间分布(针对第一评论图标的输入时间分布)以及所有图标的点击时间分布(针对多个评论图标的总体输入时间分布)等。多个评论图标可以包括多媒体资源的播放界面中提供的表示难过、开心、惊吓等的部分或全部评论图标；第一评论图标可以包括多媒体资源的播放界面中提供的表示难过、开心、惊吓等的任意一个评论图标。
在一种可能的实现方式中，基于当前观看多媒体资源的第一用户的第一互动属性，以及当前观看多媒体资源的，或过往观看过该多媒体资源的第二用户的第二互动属性，可以对第一用户和第二用户进行匹配，获取第一用户与第二用户之间的互动相关度，其中，用户匹配的时间段的抽取可以是连续的、也可以是间断的，还可以为多媒体资源的全部时间。例如，甲用户在第一分钟到第二分钟以每秒一次的频率点击笑脸的评论图标，在第五分钟到第七分钟以每十秒九次的频率点击哭脸的评论图标；乙用户在第一分钟到第二分钟以每十秒九次的频率点击笑脸的评论图标，在第五分钟到第七分钟以每秒一次的频率点击哭脸的评论图标，两用户在两个时间段针对同类图标的输入频率均相似，则可以认为第一用户(甲用户)的第一互动属性(例如甲用户针对笑脸评论图标的输入频率和针对哭脸评论图标的输入频率)与第二用户(乙用户)的第二互动属性(例如乙用户针对笑脸评论图标的输入频率和针对哭脸评论图标的输入频率)比较相似，可以确定第一用户(甲用户)与第二用户(乙用户)之间的互动相关度较高。
在一种可能的实现方式中，根据互动相关度，可以推荐与第一用户相关联的第二用户。例如在上面的示例中，第一用户(甲用户)与第二用户(乙用户)之间的互动相关度较高，则可以将第二用户(乙用户)作为与第一用户相关联的用户，将第二用户(乙用户)推荐给第一用户(甲用户)。这样，能够基于用户行为推荐关联用户，提高了关联用户推荐的准确性，提升了用户体验。
图2是根据一示例性实施例示出的一种关联用户推荐方法的流程图。如图2所示，在一种可能的实现方式中，所述方法还包括：
步骤S14，基于第二用户在多媒体资源播放过程中的第二互动数据，确定第二用户的第二互动属性。
举例来说，第二用户可以当前观看多媒体资源的其他用户，也可以是过往观看过该多媒体资源的多个用户。在多媒体资源播放过程中，可以获取第二用户输入的评论图标，例如第二用户点击的表示难过、开心、惊吓的评论图标等，从而作为第二互动数据。服务器可将当前及过往观看该多媒体资源的用户作为第二用户，确定并保存其第二互动属性，以与当前观看多媒体资源的第一用户进行必配，确定二者的互动相关度，并从中为第一用户推荐互动相关度较高的第二用户。
在一种可能的实现方式中，第二互动数据包括第二用户在多媒体资源播放过程中输入的评论图标以及相对应的输入时间。第二互动属性包括所述第二用户针对第一评论图标的输入频率、针对多个评论图标的总体输入频率、针对第一评论图标的输入时间分布以及针对多个评论图标的总体输入时间分布中的一个或多个。其中，所述第一评论图标为多个评论图标中的任意一个评论图标。
举例来说，针对第二互动数据，可以确定第二用户的第二互动属性。该第二互动属性可以是对第二用户在多媒体资源的播放过程中输入的各类评论图标进行分析而获得的第二用户的图标点击信息，例如，多个评论图标的点击频率(针对多个评论图标的总体输入频率)、同类评论图标的点击频率(针对第一评论图标的输入频率)、同类图标的点击时间分布(针对第一评论图标的输入时间分布)以及所有图标的点击时间分布(针对多个评论图标的总体输入时间分布)等。多个评论图标可以包括多媒体资源的播放界面中提供的表示难过、开心、惊吓等的部分或全部评论图标；第一评论图标可以包括多媒体资源的播放界面中提供的表示难过、开心、惊吓等的任意一个评论图标。
通过这种方式，可以确定第二用户的第二互动属性，进而与第一用户进行匹配，提高关联用户推荐的准确性。
图3是根据一示例性实施例示出的一种关联用户推荐方法的流程图。如图3所示，在一种可能的实现方式中，步骤S12包括：
步骤S121，根据在多媒体资源播放过程中的第一时间区间内的所述第一互动属性以及第二互动属性，确定所述第一用户与所述第二用户之间在所述第一时间区间内的互动相关度；
如图3所示，在一种可能的实现方式中，步骤S13包括：
步骤S131，推荐在所述第一时间区间内与所述第一用户相关联的第二用户。
举例来说，在多媒体资源播放过程中，基于用户在第一时间区间内输入的评论图标以及相对应的输入时间，可以对第一时间区间内的互动属性进行分析，其中，该第一时间区间可以是多媒体资源播放过程中的任意时间区间。可以分析第一时间区间内针对多个评论图标的总体输入频率，或者分析第一时间区间内针对第一评论图标的输入频率等，进而根据第一时间区间内的所述第一互动属性以及第二互动属性，确定第一用户与第二用户之间在第一时间区间内的互动相关度。例如，如果甲用户在第一分钟到第二分钟以每秒一次的频率点击笑脸的评论图标；乙用户在第一分钟到第二分钟以每十秒九次的频率点击笑脸的评论图标，二者输入频率接近，则可以认为甲用户与乙用户在第一分钟到第二分钟之间的互动相关度较高。
在一种可能的实现方式中，根据互动相关度，可以推荐在第一时间区间内与所述第一用户相关联的第二用户。例如，如果甲用户与乙用户在第一分钟到第二分钟之间的互动相关度较高(对笑脸的评论图标的点击频率相近)，则可以将第二用户(乙用户)作为在第一时间区间(第一分钟到第二分钟)内与第一用户(甲用户)相关联的用户，将第二用户(乙用户)推荐给第一用户(甲用户)。该推荐可以是实时推荐，例如在多媒体资源播放的第二分钟时，将第二用户(乙用户)推荐给第一用户(甲用户)。
通过这种方式，可以确定用户在第一时间区间内的互动相关度以进行关联用户推荐，提高推荐的准确性和时效性，从而提升用户体验。
图4是根据一示例性实施例示出的一种关联用户推荐方法的步骤S12的流程图。如图4所示，在一种可能的实现方式中，步骤S12包括：
步骤S122，根据在多媒体资源播放过程中的第一时间区间内的所述第一互动属性以及第二互动属性，确定所述第一用户与所述第二用户之间在所述第一时间区间内的区间互动相关度；
步骤S123，根据多媒体资源播放过程中的多个第一时间区间内的区间互动相关度，确定所述第一用户与第二用户之间的互动相关度。
举例来说，在多媒体资源播放过程中，基于用户在第一时间区间内输入的评论图标以及相对应的输入时间，可以对第一时间区间内的互动属性进行分析，其中，该第一时间区间可以是多媒体资源播放过程中的任意时间区间。可以分析第一时间区间内针对多个评论图标的总体输入频率，或者分析第一时间区间内针对第一评论图标的输入频率等，进而根据第一时间区间内的所述第一互动属性以及第二互动属性，确定第一用户与第二用户之间在第一时间区间内的区间互动相关度。例如，如果甲用户在第一分钟到第二分钟以每秒一次的频率点击笑脸的评论图标；乙用户在第一分钟到第二分钟以每十秒九次的频率点击笑脸的评论图标，二者输入频率接近，则可以认为甲用户与乙用户在第一分钟到第二分钟之间的区间互动相关度较高。
在一种可能的实现方式中，根据多媒体资源播放过程中的多个第一时间区间内的区间互动相关度，可以确定第一用户与第二用户之间的互动相关度。例如，甲用户在第一分钟到第二分钟以每秒一次的频率点击笑脸的评论图标，在第五分钟到第七分钟以每十秒九次的频率点击哭脸的评论图标；乙用户在第一分钟到第二分钟以每十秒九次的频率点击笑脸的评论图标，在第五分钟到第七分钟以每秒一次的频率点击哭脸的评论图标，则可以认为甲用户与乙用户在第一分钟到第二分钟之间、在第五分钟到第七分钟之间的区间互动相关度均较高。这样，根据多个第一时间区间的区间互动相关度(例如根据多个第一时间区间的区间互动相关度的加权平均值或加权和)，可以确定第一用户与第二用户之间整体的互动相关度，进而根据该整体的互动相关度进行推荐。其中，多个第一时间区间可以是连续的或间断的，或者为多媒体资源播放的全部时间。
通过这种方式，可以提高推荐的准确性和时效性，从而提升用户体验。
图5是根据一示例性实施例示出的一种关联用户推荐方法的步骤13的流程图。如图5所示，在一种可能的实现方式中，步骤S13包括：
步骤S132，获取互动相关度大于或等于第一阈值的一个或多个第二用户；
步骤S133，对第二用户按互动相关度大小进行排序；
步骤S134，将互动相关度最大的预定数量的第二用户推荐给所述第一用户。
举例来说，可以确定第一用户与多个第二用户之间的互动相关度，并获取互动相关度大于或等于第一阈值的第二用户。该第一阈值可以是预先设定的互动相关度阈值，例如，在所有互动相关度的取值范围为0-1时，可以设定该第一阈值为0.5-0.7。
在一种可能的实现方式中，可以按互动相关度从大到小的顺序对第二用户进行排序，例如建立第二用户的推荐列表。推荐列表中可以包括互动相关度最大的预定数量的第二用户，该预定数量例如为10个。可以将第二用户的推荐列表推荐给第一用户，以供用户选择，
通过这种方式，可以提高关联用户推荐的效率，给予用户更多选择，提升用户体验。
在一种可能的实现方式中，根据所述第一互动属性以及第二用户的第二互动属性，确定所述第一用户与第二用户之间的互动相关度可包括：根据第一互动属性和第二互动属性之间的相似性，确定所述第一用户与第二用户之间的互动相关度。
例如，可以根据上文中举例的输入频率、总体输入频率、时间分布或总体时间分布之间是否相似，来确定第一用户与第二用户之间是否相关，相似度越高，互动相关度越高。本领域技术人员可通过任何适当的方式(例如根据频率之间的差、时间分布曲线之间的距离等)来确定第一互动属性和第二互动属性之间的相似性，以便于对互动相关度进行判断，本公开对此不做限制。
以下结合图6给出一种具体示例。
图6是根据一示例性实施例示出的一种关联用户推荐方法的流程图。如图6所示，在一种可能的实现方式中，步骤S12包括：
步骤S124，根据所述第一用户在第一时间区间内针对第一评论图标的输入频率与所述第二用户在第一时间区间内针对第一评论图标的输入频率之差确定所述第一用户与所述第二用户之间在第一时间区间内的互动相关度；
如图6所示，在一种可能的实现方式中，步骤S13包括：
步骤S135，在所述互动相关度大于或等于第二阈值的情况下，向所述第一用户推荐第二用户。
举例来说，第一互动属性可以包括第一用户在第一时间区间内针对第一评论图标的输入频率，第二互动属性包括第二用户在第一时间区间内针对第一评论图标的输入频率，其中，该第一时间区间可以是多媒体资源播放过程中的任意时间区间。这样，根据第一用户在第一时间区间内针对第一评论图标的输入频率与第二用户在第一时间区间内针对第一评论图标的输入频率之间的差值，可以确定第一用户与第二用户之间在第一时间区间内的互动相关度。如果该差值较小，则可以确定互动相关度较大；如果该差值较大，则可以确定互动相关度较小。
在一种可能的实现方式中，可以预先设定互动相关度的第二阈值，例如，在所有互动相关度的取值范围为0-1时，可以设定该第二阈值为0.6-0.8。如果互动相关度大于或等于第二阈值，则可以确定第一用户与第二用户之间在第一时间区间内相关联，可以将该第二用户确定为第一用户的关联用户，从而向第一用户推荐第二用户。
通过这种方式，可以根据针对第一评论图标的输入频率之间的差值进行推荐，提高推荐的准确性。
图7是根据一示例性实施例示出的一种关联用户推荐装置的框图。如图7所示，该关联用户推荐装置包括：第一互动属性确定模块71，第一相关度确定模块72以及第一用户推荐模块73。
第一互动属性确定模块71，用于基于第一用户在多媒体资源播放过程中的第一互动数据，确定所述第一用户的第一互动属性；
第一相关度确定模块72，用于根据所述第一互动属性以及第二用户的第二互动属性，确定所述第一用户与第二用户之间的互动相关度；
第一用户推荐模块73，用于根据所述互动相关度，推荐与所述第一用户相关联的第二用户。
图8是根据一示例性实施例示出的一种关联用户推荐装置的框图。如图8所示，在一种可能的实现方式中，所述装置还包括：
第二互动属性确定模块74，用于基于第二用户在多媒体资源播放过程中的第二互动数据，确定第二用户的第二互动属性。
如图8所示，在一种可能的实现方式中，所述第一相关度确定模块72包括：
第一相关度确定子模块721，用于根据在多媒体资源播放过程中的第一时间区间内的所述第一互动属性以及第二互动属性，确定所述第一用户与所述第二用户之间在所述第一时间区间内的互动相关度；
所述第一用户推荐模块73包括：
第一推荐子模块731，用于推荐在所述第一时间区间内与所述第一用户相关联的第二用户。
如图8所示，在一种可能的实现方式中，所述第一相关度确定模块72包括：
第二相关度确定子模块722，用于根据在多媒体资源播放过程中的第一时间区间内的所述第一互动属性以及第二互动属性，确定所述第一用户与所述第二用户之间在所述第一时间区间内的区间互动相关度；
第三相关度确定子模块723，用于根据多媒体资源播放过程中的多个第一时间区间内的区间互动相关度，确定所述第一用户与第二用户之间的互动相关度。
如图8所示，在一种可能的实现方式中，所述第一用户推荐模块73包括：
用户获取子模块732，用于获取互动相关度大于或等于第一阈值的一个或多个第二用户；
排序子模块733，用于对第二用户按互动相关度大小进行排序；
第二推荐子模块734，用于将互动相关度最大的预定数量的第二用户推荐给所述第一用户。
在一种可能的实现方式中，所述第一相关度确定模块可用于根据第一互动属性和第二互动属性之间的相似性，确定所述第一用户与第二用户之间的互动相关度。
在一种可能的实现方式中，所述第一互动数据包括所述第一用户在多媒体资源播放过程中输入的评论图标以及相对应的输入时间；
所述第一用户的第一互动属性包括所述第一用户针对第一评论图标的输入频率、针对多个评论图标的总体输入频率、针对第一评论图标的输入时间分布以及针对多个评论图标的总体输入时间分布中的一个或多个，
其中，所述第一评论图标为多个评论图标中的任意一个评论图标。
在一种可能的实现方式中，所述第二互动数据包括第二用户在多媒体资源播放过程中输入的评论图标以及相对应的输入时间；
所述第二互动属性包括所述第二用户针对第一评论图标的输入频率、针对多个评论图标的总体输入频率、针对第一评论图标的输入时间分布以及针对多个评论图标的总体输入时间分布中的一个或多个，
其中，所述第一评论图标为多个评论图标中的任意一个评论图标。
在一种可能的实现方式中，所述第一互动属性包括所述第一用户在第一时间区间内针对第一评论图标的输入频率，所述第二互动属性包括所述第二用户在第一时间区间内针对第一评论图标的输入频率，
如图8所示，在一种可能的实现方式中，所述第一相关度确定模块72包括：
第四相关度确定子模块724，用于根据所述第一用户在第一时间区间内针对第一评论图标的输入频率与所述第二用户在第一时间区间内针对第一评论图标的输入频率之差确定所述第一用户与所述第二用户之间在第一时间区间内的互动相关度；
所述第一用户推荐模块73包括：
第三推荐子模块735，用于在所述互动相关度大于或等于第二阈值的情况下，向所述第一用户推荐第二用户。
实施例3
图9是根据一示例性实施例示出的一种关联用户推荐装置800的框图。例如，装置800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
参照图9，装置800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制装置800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在装置800的操作。这些数据的示例包括用于在装置800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为装置800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为装置800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述装置800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当装置800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当装置800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为装置800提供各个方面的状态评估。例如，传感器组件814可以检测到装置800的打开/关闭状态，组件的相对定位，例如所述组件为装置800的显示器和小键盘，传感器组件814还可以检测装置800或装置800一个组件的位置改变，用户与装置800接触的存在或不存在，装置800方位或加速/减速和装置800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于装置800和其他设备之间有线或无线方式的通信。装置800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，装置800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种包括指令的非易失性计算机可读存储介质，例如包括指令的存储器804，上述指令可由装置800的处理器820执行以完成上述方法。
图10是根据一示例性实施例示出的一种关联用户推荐装置1900的框图。例如，装置1900可以被提供为一服务器。参照图10，装置1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932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1922被配置为执行指令，以执行上述方法。
装置1900还可以包括一个电源组件1926被配置为执行装置1900的电源管理，一个有线或无线网络接口1950被配置为将装置1900连接到网络，和一个输入输出(I/O)接口1958。装置1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，MacOS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种包括指令的非易失性计算机可读存储介质，例如包括指令的存储器1932，上述指令可由装置1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (19)

1.一种关联用户推荐方法，其特征在于，所述方法包括：
基于第一用户在多媒体资源播放过程中的第一互动数据，确定所述第一用户的第一互动属性；
根据所述第一互动属性以及第二用户的第二互动属性，确定所述第一用户与第二用户之间的互动相关度；
根据所述互动相关度，推荐与所述第一用户相关联的第二用户。
2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于第二用户在多媒体资源播放过程中的第二互动数据，确定第二用户的第二互动属性。
3.根据权利要求1所述的方法，其特征在于，确定所述第一用户与第二用户之间的互动相关度，包括：
根据在多媒体资源播放过程中的第一时间区间内的所述第一互动属性以及第二互动属性，确定所述第一用户与所述第二用户之间在所述第一时间区间内的互动相关度；
推荐与所述第一用户相关联的第二用户，包括：
推荐在所述第一时间区间内与所述第一用户相关联的第二用户。
4.根据权利要求1所述的方法，其特征在于，确定所述第一用户与第二用户之间的互动相关度，包括：
根据在多媒体资源播放过程中的第一时间区间内的所述第一互动属性以及第二互动属性，确定所述第一用户与所述第二用户之间在所述第一时间区间内的区间互动相关度；
根据多媒体资源播放过程中的多个第一时间区间内的区间互动相关度，确定所述第一用户与第二用户之间的互动相关度。
5.根据权利要求1所述的方法，其特征在于，推荐与所述第一用户相关联的第二用户，包括：
获取互动相关度大于或等于第一阈值的一个或多个第二用户；
对第二用户按互动相关度大小进行排序；
将互动相关度最大的预定数量的第二用户推荐给所述第一用户。
6.根据权利要求1所述的方法，其特征在于，根据所述第一互动属性以及第二用户的第二互动属性，确定所述第一用户与第二用户之间的互动相关度，包括：
根据第一互动属性和第二互动属性之间的相似性，确定所述第一用户与第二用户之间的互动相关度。
7.根据权利要求2所述的方法，其特征在于，所述第一互动数据包括所述第一用户在多媒体资源播放过程中输入的评论图标以及相对应的输入时间；
所述第一用户的第一互动属性包括所述第一用户针对第一评论图标的输入频率、针对多个评论图标的总体输入频率、针对第一评论图标的输入时间分布以及针对多个评论图标的总体输入时间分布中的一个或多个，
其中，所述第一评论图标为多个评论图标中的任意一个评论图标。
8.根据权利要求7所述的方法，其特征在于，所述第二互动数据包括第二用户在多媒体资源播放过程中输入的评论图标以及相对应的输入时间；
所述第二互动属性包括所述第二用户针对第一评论图标的输入频率、针对多个评论图标的总体输入频率、针对第一评论图标的输入时间分布以及针对多个评论图标的总体输入时间分布中的一个或多个，
其中，所述第一评论图标为多个评论图标中的任意一个评论图标。
9.根据权利要求8所述的方法，其特征在于，所述第一互动属性包括所述第一用户在第一时间区间内针对第一评论图标的输入频率，所述第二互动属性包括所述第二用户在第一时间区间内针对第一评论图标的输入频率，
根据所述第一互动属性以及多个第二用户的第二互动属性，确定所述第一用户与第二用户之间的互动相关度，包括：
根据所述第一用户在第一时间区间内针对第一评论图标的输入频率与所述第二用户在第一时间区间内针对第一评论图标的输入频率之差确定所述第一用户与所述第二用户之间在第一时间区间内的互动相关度；
根据所述互动相关度，推荐与所述第一用户相关联的第二用户，包括：
在所述互动相关度大于或等于第二阈值的情况下，向所述第一用户推荐第二用户。
10.一种关联用户推荐装置，其特征在于，所述装置包括：
第一互动属性确定模块，用于基于第一用户在多媒体资源播放过程中的第一互动数据，确定所述第一用户的第一互动属性；
第一相关度确定模块，用于根据所述第一互动属性以及第二用户的第二互动属性，确定所述第一用户与第二用户之间的互动相关度；
第一用户推荐模块，用于根据所述互动相关度，推荐与所述第一用户相关联的第二用户。
11.根据权利要求10所述的装置，其特征在于，所述装置还包括：
第二互动属性确定模块，用于基于第二用户在多媒体资源播放过程中的第二互动数据，确定第二用户的第二互动属性。
12.根据权利要求10所述的装置，其特征在于，所述第一相关度确定模块包括：
第一相关度确定子模块，用于根据在多媒体资源播放过程中的第一时间区间内的所述第一互动属性以及第二互动属性，确定所述第一用户与所述第二用户之间在所述第一时间区间内的互动相关度；
所述第一用户推荐模块包括：
第一推荐子模块，用于推荐在所述第一时间区间内与所述第一用户相关联的第二用户。
13.根据权利要求10所述的装置，其特征在于，所述第一相关度确定模块包括：
第二相关度确定子模块，用于根据在多媒体资源播放过程中的第一时间区间内的所述第一互动属性以及第二互动属性，确定所述第一用户与所述第二用户之间在所述第一时间区间内的区间互动相关度；
第三相关度确定子模块，用于根据多媒体资源播放过程中的多个第一时间区间内的区间互动相关度，确定所述第一用户与第二用户之间的互动相关度。
14.根据权利要求10所述的装置，其特征在于，所述第一用户推荐模块包括：
用户获取子模块，用于获取互动相关度大于或等于第一阈值的一个或多个第二用户；
排序子模块，用于对第二用户按互动相关度大小进行排序；
第二推荐子模块，用于将互动相关度最大的预定数量的第二用户推荐给所述第一用户。
15.根据权利要求10所述的装置，其特征在于，所述第一相关度确定模块用于根据第一互动属性和第二互动属性之间的相似性，确定所述第一用户与第二用户之间的互动相关度。
16.根据权利要求11所述的装置，其特征在于，所述第一互动数据包括所述第一用户在多媒体资源播放过程中输入的评论图标以及相对应的输入时间；
所述第一用户的第一互动属性包括所述第一用户针对第一评论图标的输入频率、针对多个评论图标的总体输入频率、针对第一评论图标的输入时间分布以及针对多个评论图标的总体输入时间分布中的一个或多个，
其中，所述第一评论图标为多个评论图标中的任意一个评论图标。
17.根据权利要求16所述的装置，其特征在于，所述第二互动数据包括第二用户在多媒体资源播放过程中输入的评论图标以及相对应的输入时间；
所述第二互动属性包括所述第二用户针对第一评论图标的输入频率、针对多个评论图标的总体输入频率、针对第一评论图标的输入时间分布以及针对多个评论图标的总体输入时间分布中的一个或多个，
其中，所述第一评论图标为多个评论图标中的任意一个评论图标。
18.根据权利要求17所述的装置，其特征在于，所述第一互动属性包括所述第一用户在第一时间区间内针对第一评论图标的输入频率，所述第二互动属性包括所述第二用户在第一时间区间内针对第一评论图标的输入频率，
所述第一相关度确定模块包括：
第四相关度确定子模块，用于根据所述第一用户在第一时间区间内针对第一评论图标的输入频率与所述第二用户在第一时间区间内针对第一评论图标的输入频率之差确定所述第一用户与所述第二用户之间在第一时间区间内的互动相关度；
所述第一用户推荐模块包括：
第三推荐子模块，用于在所述互动相关度大于或等于第二阈值的情况下，向所述第一用户推荐第二用户。
19.一种关联用户推荐装置，其特征在于，包括：
处理器；
用于存储处理器可执行指令的存储器；
其中，所述处理器被配置为：
基于第一用户在多媒体资源播放过程中的第一互动数据，确定所述第一用户的第一互动属性；
根据所述第一互动属性以及第二用户的第二互动属性，确定所述第一用户与第二用户之间的互动相关度；
根据所述互动相关度，推荐与所述第一用户相关联的第二用户。
CN201710121010.4A 2017-03-02 2017-03-02 关联用户推荐方法及装置 Active CN106960014B (zh)

Priority Applications (5)

Application Number Priority Date Filing Date Title
CN201710121010.4A CN106960014B (zh) 2017-03-02 2017-03-02 关联用户推荐方法及装置
US16/482,893 US20200012701A1 (en) 2017-03-02 2017-11-24 Method and apparatus for recommending associated user based on interactions with multimedia processes
KR1020197025618A KR102412397B1 (ko) 2017-03-02 2017-11-24 연관된 사용자를 추천하는 방법 및 디바이스
PCT/CN2017/112791 WO2018157630A1 (zh) 2017-03-02 2017-11-24 关联用户推荐方法及装置
JP2019547613A JP2020512623A (ja) 2017-03-02 2017-11-24 マルチメディアプロセスとの対話に基づいて関連するユーザを推奨する方法および装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710121010.4A CN106960014B (zh) 2017-03-02 2017-03-02 关联用户推荐方法及装置

Publications (2)

Publication Number Publication Date
CN106960014A true CN106960014A (zh) 2017-07-18
CN106960014B CN106960014B (zh) 2021-02-19

Family

ID=59469994

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710121010.4A Active CN106960014B (zh) 2017-03-02 2017-03-02 关联用户推荐方法及装置

Country Status (5)

Country Link
US (1) US20200012701A1 (zh)
JP (1) JP2020512623A (zh)
KR (1) KR102412397B1 (zh)
CN (1) CN106960014B (zh)
WO (1) WO2018157630A1 (zh)

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108170794A (zh) * 2017-12-27 2018-06-15 杭州网易云音乐科技有限公司 信息推荐方法及装置、存储介质和电子设备
WO2018157630A1 (zh) * 2017-03-02 2018-09-07 优酷网络技术（北京）有限公司 关联用户推荐方法及装置
CN108959544A (zh) * 2018-06-29 2018-12-07 联想(北京)有限公司 一种信息处理的方法和装置
CN110033851A (zh) * 2019-04-02 2019-07-19 腾讯科技（深圳）有限公司 信息推荐方法、装置、存储介质及服务器
CN113727765A (zh) * 2018-12-14 2021-11-30 索尼互动娱乐有限责任公司 基于经历的同伴推荐
CN114817225A (zh) * 2022-05-25 2022-07-29 广西润嘉互联网科技有限公司 基于大数据电商优化的用户行为数据处理方法及系统

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112015948B (zh) * 2020-08-05 2023-07-11 北京奇艺世纪科技有限公司 视频推荐方法、装置、电子设备及存储介质
CN113645474A (zh) * 2021-07-26 2021-11-12 阿里巴巴（中国）有限公司 互动信息的处理方法、显示方法及电子设备

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102541886A (zh) * 2010-12-20 2012-07-04 郝敬涛 一种识别用户群和用户之间关系的系统和方法
CN102915307A (zh) * 2011-08-02 2013-02-06 腾讯科技（深圳）有限公司 一种个性化信息推荐的方法、装置及信息处理系统
CN103455515A (zh) * 2012-06-01 2013-12-18 腾讯科技（深圳）有限公司 Sns社区中的用户推荐方法和系统
CN104348634A (zh) * 2013-07-23 2015-02-11 腾讯科技（深圳）有限公司 互动消息管理方法、装置及管理系统
US20150347578A1 (en) * 2014-06-03 2015-12-03 Go Daddy Operating Company, LLC System and methods for auto-generating video from website elements
CN105989106A (zh) * 2015-02-12 2016-10-05 广东欧珀移动通信有限公司 一种基于兴趣相似度的推荐方法及装置

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8060463B1 (en) * 2005-03-30 2011-11-15 Amazon Technologies, Inc. Mining of user event data to identify users with common interests
EP2772864A4 (en) * 2011-10-27 2015-07-15 Synergy Drive Inc INHALTSAUSWERTUNGS- / PLAYBACK DEVICE
CN103327045B (zh) * 2012-03-21 2017-03-22 腾讯科技（深圳）有限公司 社交网络中的用户推荐方法和系统
JP6125454B2 (ja) * 2014-03-24 2017-05-10 Kddi株式会社 マッチング装置、マッチングシステム及びマッチング方法
JP6338456B2 (ja) * 2014-05-31 2018-06-06 Kddi株式会社 ユーザの感情に基づいてコンテンツをレコメンドする装置、プログラム及び方法
CN104504026A (zh) * 2014-12-11 2015-04-08 小米科技有限责任公司 好友推荐方法及装置
CN106960014B (zh) * 2017-03-02 2021-02-19 阿里巴巴（中国）有限公司 关联用户推荐方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102541886A (zh) * 2010-12-20 2012-07-04 郝敬涛 一种识别用户群和用户之间关系的系统和方法
CN102915307A (zh) * 2011-08-02 2013-02-06 腾讯科技（深圳）有限公司 一种个性化信息推荐的方法、装置及信息处理系统
CN103455515A (zh) * 2012-06-01 2013-12-18 腾讯科技（深圳）有限公司 Sns社区中的用户推荐方法和系统
CN104348634A (zh) * 2013-07-23 2015-02-11 腾讯科技（深圳）有限公司 互动消息管理方法、装置及管理系统
US20150347578A1 (en) * 2014-06-03 2015-12-03 Go Daddy Operating Company, LLC System and methods for auto-generating video from website elements
CN105989106A (zh) * 2015-02-12 2016-10-05 广东欧珀移动通信有限公司 一种基于兴趣相似度的推荐方法及装置

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2018157630A1 (zh) * 2017-03-02 2018-09-07 优酷网络技术（北京）有限公司 关联用户推荐方法及装置
CN108170794A (zh) * 2017-12-27 2018-06-15 杭州网易云音乐科技有限公司 信息推荐方法及装置、存储介质和电子设备
CN108170794B (zh) * 2017-12-27 2020-12-29 杭州网易云音乐科技有限公司 信息推荐方法及装置、存储介质和电子设备
CN108959544A (zh) * 2018-06-29 2018-12-07 联想(北京)有限公司 一种信息处理的方法和装置
CN113727765A (zh) * 2018-12-14 2021-11-30 索尼互动娱乐有限责任公司 基于经历的同伴推荐
CN110033851A (zh) * 2019-04-02 2019-07-19 腾讯科技（深圳）有限公司 信息推荐方法、装置、存储介质及服务器
CN110033851B (zh) * 2019-04-02 2022-07-26 腾讯科技（深圳）有限公司 信息推荐方法、装置、存储介质及服务器
CN114817225A (zh) * 2022-05-25 2022-07-29 广西润嘉互联网科技有限公司 基于大数据电商优化的用户行为数据处理方法及系统

Also Published As

Publication number Publication date
KR102412397B1 (ko) 2022-06-22
JP2020512623A (ja) 2020-04-23
US20200012701A1 (en) 2020-01-09
CN106960014B (zh) 2021-02-19
KR20190128636A (ko) 2019-11-18
WO2018157630A1 (zh) 2018-09-07

Similar Documents

Publication Publication Date Title
CN106960014A (zh) 关联用户推荐方法及装置
CN106993229A (zh) 互动属性展示方法及装置
CN109982142A (zh) 视频播放方法及装置
CN107948708A (zh) 弹幕展示方法及装置
CN107071579A (zh) 多媒体资源处理方法及装置
CN106792075A (zh) 视频播放方法及装置
CN108174247A (zh) 视频互动方法及装置
CN108093315A (zh) 视频生成方法及装置
CN107729522A (zh) 多媒体资源片段截取方法及装置
CN108924644A (zh) 视频片段提取方法及装置
CN109963200A (zh) 视频播放方法及装置
CN106202150A (zh) 信息显示方法及装置
CN108062364A (zh) 信息展示方法及装置
CN107797741A (zh) 界面展示方法及装置
CN107943550A (zh) 界面展示方法及装置
CN107122430A (zh) 搜索结果显示方法及装置
CN106550252A (zh) 信息的推送方法、装置及设备
CN109803158A (zh) 视频播放方法及装置
CN108521593A (zh) 多媒体内容的信息的显示方法及装置
CN106599191A (zh) 用户属性分析方法及装置
CN110234030A (zh) 弹幕信息的显示方法及装置
CN108156506A (zh) 弹幕信息的进度调整方法及装置
CN108495168A (zh) 弹幕信息的显示方法及装置
CN107147936A (zh) 弹幕的显示控制方法及装置
CN110209877A (zh) 视频分析方法及装置

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
REG Reference to a national code

Ref country code: HK

Ref legal event code: DE

Ref document number: 1238746

Country of ref document: HK

CB02 Change of applicant information
CB02 Change of applicant information

Address after: 100080 Beijing Haidian District city Haidian street A Sinosteel International Plaza No. 8 block 5 layer A, C

Applicant after: Youku network technology (Beijing) Co.,Ltd.

Address before: 100080 area a and C, 5 / F, block a, Sinosteel International Plaza, No. 8, Haidian Street, Haidian District, Beijing

Applicant before: 1VERGE INTERNET TECHNOLOGY (BEIJING) Co.,Ltd.

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20200610

Address after: 310052 room 508, floor 5, building 4, No. 699, Wangshang Road, Changhe street, Binjiang District, Hangzhou City, Zhejiang Province

Applicant after: Alibaba (China) Co.,Ltd.

Address before: 100080 area a and C, 5 / F, block a, Sinosteel International Plaza, No. 8, Haidian Street, Haidian District, Beijing

Applicant before: Youku network technology (Beijing) Co.,Ltd.

GR01 Patent grant
GR01 Patent grant