CN107451255A - 一种基于关注关系的用户兴趣处理方法和装置 - Google Patents

一种基于关注关系的用户兴趣处理方法和装置 Download PDF

Info

Publication number
CN107451255A
CN107451255A CN201710638213.0A CN201710638213A CN107451255A CN 107451255 A CN107451255 A CN 107451255A CN 201710638213 A CN201710638213 A CN 201710638213A CN 107451255 A CN107451255 A CN 107451255A
Authority
CN
China
Prior art keywords
user
attribute information
weighted value
attribute
information
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
CN201710638213.0A
Other languages
English (en)
Other versions
CN107451255B (zh
Inventor
李哲君
卫华飞
杨勋
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.)
Shaanxi Cognitive Logistics Information Polytron Technologies Inc
Original Assignee
Shaanxi Cognitive Logistics Information Polytron Technologies Inc
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 Shaanxi Cognitive Logistics Information Polytron Technologies Inc filed Critical Shaanxi Cognitive Logistics Information Polytron Technologies Inc
Priority to CN201710638213.0A priority Critical patent/CN107451255B/zh
Publication of CN107451255A publication Critical patent/CN107451255A/zh
Application granted granted Critical
Publication of CN107451255B publication Critical patent/CN107451255B/zh
Expired - Fee Related 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
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06Q30/00—Commerce
    • G06Q30/02—Marketing; Price estimation or determination; Fundraising
    • G06Q30/0241—Advertisements
    • G06Q30/0251—Targeted advertisements
    • 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

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Accounting & Taxation (AREA)
  • Economics (AREA)
  • General Business, Economics & Management (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • Primary Health Care (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Health & Medical Sciences (AREA)
  • Game Theory and Decision Science (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供了一种基于关注关系的用户兴趣处理方法和装置，涉及计算机技术领域，所述方法包括：获得N个用户，所述N个用户的每个用户关注了其他用户，或被其他用户关注，且，所述每个用户具有M个属性信息；根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；获得所述第P个属性信息的权重值；根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和。解决了现有技术中无法通过深度挖掘兴趣分类，导致企业的宣传效果不良的技术问题。达到了挖掘其给定标签之外的共同兴趣，实现对用户群体的充分理解，帮助企业制定具有针对性的推送与营销，提高企业的核心竞争力的技术效果。

Description

一种基于关注关系的用户兴趣处理方法和装置
技术领域
本发明涉及计算机技术领域，尤其涉及一种基于关注关系的用户兴趣处理方法和装置。
背景技术
社交网络日益丰富着人们的日常生活，人们越来越习惯于通过网络来表达自己，越来越倾向于在网络中扩大自己的影响，通过关注自己感兴趣的好友、明星或者话题，参与活动，彼此之间形成互动，这也间接造就了各个社交网络特有的复杂图谱关系网络。
该图谱的社交圈密度存在较高的商业价值，现有技术中，企业会对不同兴趣分类的用户进行推送广告或其他营销手段，从而获得一定的商业价值。
但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：
由于现有技术仅仅对选择系统预设兴趣分类的用户进行推送，并不能挖掘出复杂图谱深层的潜在兴趣用户，使其推送用户受限，无法获得更高的商业价值。
发明内容
本发明实施例提供了一种基于关注关系的用户兴趣处理方法和装置，解决了现有技术中无法通过深度挖掘兴趣分类，导致企业的宣传效果不良的技术问题。
鉴于上述问题，提出了本申请实施例以便提供一种基于关注关系的用户兴趣处理方法和装置。
第一方面，本发明提供了一种基于关注关系的用户兴趣处理方法，所述方法包括：获得N个用户，所述N个用户的每个用户关注了其他用户，或者被其他用户所关注，且，所述每个用户具有M个属性信息；根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；其中P为M个属性信息中的一个属性信息；获得所述第P个属性信息的权重值；根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和。
优选的，所述方法还包括：根据第P个属性信息的权重值总和获得M个属性信息中各个属性信息的比例分布信息。
优选的，所述获得N个用户，还包括：获得O个种子用户；获得与每个种子用户有关注关系的第一用户；根据所述第一用户和所述O个种子用户，获得所述N个用户。
优选的，所述根据N个用户以及每个用户的M个属性信息，还包括：所述种子用户具有第一属性信息；根据所述第一属性信息和所述O个种子用户，获得所述M个属性信息。
优选的，所述获得所述第P个属性信息的权重值，还包括：获得所述第一属性信息的第一权重值；根据所述第一权重值和所述O个种子用户，获得所述P个属性信息的权重值。
第二方面，本发明提供了一种基于关注关系的用户兴趣处理装置，所述装置包括：
第一获得单元，所述第一获得单元用于获得N个用户，所述N个用户的每个用户关注了其他用户，或者被其他用户所关注，且，所述每个用户具有M个属性信息；
第二获得单元，所述第二获得单元用于根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；其中P为M个属性信息中的一个属性信息；
第三获得单元，所述第三获得单元用于获得所述第P个属性信息的权重值；
第四获得单元，所述第四获得单元用于根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和。
优选的，所述装置还包括：
第五获得单元，所述第五获得单元用于根据第P个属性信息的权重值总和获得M个属性信息中各个属性信息的比例分布信息。
优选的，所述获得N个用户，还包括：
第六获得单元，所述第六获得单元用于获得O个种子用户；
第七获得单元，所述第七获得单元用于获得与每个种子用户有关注关系的第一用户；
第八获得单元，所述第八获得单元用于根据所述第一用户和所述O个种子用户，获得所述N个用户。
优选的，所述根据N个用户以及每个用户的M个属性信息，还包括：
第九获得单元，所述第九获得单元用于所述种子用户具有第一属性信息；根据所述第一属性信息和所述O个种子用户，获得所述M个属性信息。
优选的，所述获得所述第P个属性信息的权重值，还包括：
第十获得单元，所述第十获得单元用于获得所述第一属性信息的第一权重值；
第十一获得单元，所述第十一获得单元用于根据所述第一权重值和所述O个种子用户，获得所述P个属性信息的权重值。
第三方面，本发明提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现以下步骤：获得N个用户，所述N个用户的每个用户关注了其他用户，或者被其他用户所关注，且，所述每个用户具有M个属性信息；根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；其中P为M个属性信息中的一个属性信息；获得所述第P个属性信息的权重值；根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和。
第四方面，本发明提供了一种基于关注关系的用户兴趣处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现以下步骤：获得N个用户，所述N个用户的每个用户关注了其他用户，或者被其他用户所关注，且，所述每个用户具有M个属性信息；根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；其中P为M个属性信息中的一个属性信息；获得所述第P个属性信息的权重值；根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和。
本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：
1.本申请实施例提供的一种基于关注关系的用户兴趣处理方法和装置，通过获得N个用户，所述N个用户的每个用户关注了其他用户，或者被其他用户所关注，且，所述每个用户具有M个属性信息；根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；其中P为M个属性信息中的一个属性信息；获得所述第P个属性信息的权重值；根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和。解决了现有技术中无法通过深度挖掘兴趣分类，导致企业的宣传效果不良的技术问题。达到了挖掘其给定标签之外的共同兴趣，实现对用户群体的更充分理解，帮助企业制定具有针对性的推送与营销，提高企业的核心竞争力的技术效果。
2.本申请实施例通过获得O个种子用户；获得与每个种子用户有关注关系的第一用户；根据所述第一用户和所述O个种子用户，获得所述N个用户。进一步解决了现有技术中无法通过深度挖掘兴趣分类，导致企业的宣传效果不良的技术问题。进一步达到了利用用户与种子用户之间的关注关系，间接实现对整体用户的数据分析，简化计算量的技术效果。
3.本申请实施例通过获得所述第一属性信息的第一权重值；根据所述第一权重值和所述O个种子用户，获得所述P个属性信息的权重值。进一步解决了现有技术中无法通过深度挖掘兴趣分类，导致企业的宣传效果不良的技术问题。进一步达到了快速获得潜在兴趣分类权重的技术效果。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
图1为本发明实施例中一种基于关注关系的用户兴趣处理方法的流程示意图；
图2为本发明实施例中一种基于关注关系的用户兴趣处理装置的结构示意图；
图3为本发明实施例中另一种基于关注关系的用户兴趣处理装置的结构示意图.
具体实施方式
本发明实施例提供了一种基于关注关系的用户兴趣处理方法和装置，用于解决现有技术中无法通过深度挖掘兴趣分类，导致企业的宣传效果不良的技术问题。为了解决上述技术问题，本发明提供的技术方案总体思路如下：
在本发明实施例的技术方案中，获得N个用户，所述N个用户的每个用户关注了其他用户，或者被其他用户所关注，且，所述每个用户具有M个属性信息；根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；其中P为M个属性信息中的一个属性信息；获得所述第P个属性信息的权重值；根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和。解决了现有技术中无法通过深度挖掘兴趣分类，导致企业的宣传效果不良的技术问题。达到了挖掘其给定标签之外的共同兴趣，实现对用户群体的更充分理解，帮助企业制定具有针对性的推送与营销，提高企业的核心竞争力的技术效果。
下面通过附图以及具体实施例对本发明技术方案做详细的说明，应当理解本申请实施例以及实施例中的具体特征是对本申请技术方案的详细的说明，而不是对本申请技术方案的限定，在不冲突的情况下，本申请实施例以及实施例中的技术特征可以相互组合。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。
实施例一
图1为本发明实施例中一种基于关注关系的用户兴趣处理方法的流程示意图。如图1所示，所述方法包括：
步骤110：获得N个用户，所述N个用户的每个用户关注了其他用户，或者被其他用户所关注，且，所述每个用户具有M个属性信息；
所述获得N个用户，还包括：获得O个种子用户；获得与每个种子用户有关注关系的第一用户；根据所述第一用户和所述O个种子用户，获得所述N个用户。所述根据N个用户以及每个用户的M个属性信息，还包括：所述种子用户具有第一属性信息；根据所述第一属性信息和所述O个种子用户，获得所述M个属性信息。
具体而言，所述用户指在社交网络平台，如微博，微信，贴吧等平台中，具有关注其他用户，或者被其他用户关注能力的平台账号资源。所述N为大于0的正整数，即获得若干个所述用户，在这若干个用户中，每个用户均关注了其他用户，也同样被其他用户关注，并且每个用户都具有各自的属性信息，所述属性信息为：在系统提供的所有不同兴趣分类中，所述用户根据兴趣爱好选择的兴趣分类，所述兴趣分类中包含有同样选择上述兴趣分类的用户，并且每个用户可以选择多个兴趣分类。举例而言，某用户爱好娱乐和体育，于是该用户选择了娱乐分类和体育分类。
进一步来讲，获得N个用户需要通过获得O个种子用户，以及根据所述种子用户与其他用户的关注关系，从而获得所有与所述O个种子用户有关注关系的用户。所述第一用户即为与所述种子用户有关注关系的其他用户，所述关注关系包括关注与被关注，即所述种子用户被其他用户关注，也可以是所述种子用户关注其他用户，所述种子用户用于寻找社交关系圈的初始用户。寻找设计关系圈时，是以这些用户为关系链的起点来进行关系链延伸查找的。所述种子用户为具有较高关注度的用户，他们是社交用户关系网络中的重要节点，具有较高的用户社交平台权重。所述每个用户具有M个属性信息，由于每个用户都具有各自的属性信息，在以所述O个种子用户位关系链为起点的情况下，由于所述种子用户具有各自的属性信息，所以关注所述种子用户的所述第一用户也具有与所述种子用户相同的属性信息，即第一属性信息，同理的，由于所述第一用户还可以关注其它种子用户，所以所述第一用户也具有其他种子用户的属性信息，从而根据所述第一属性信息以及所述O个种子用户，获得所述每个用户的若干个属性信息，上述若干个属性信息即所述M个属性信息。
步骤120：根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；其中P为M个属性信息中的一个属性信息；
具体而言，所述P个属性信息为所述M个属性信息中的任何一个属性信息，举例来讲，某一用户具有娱乐明星、体育运动、动漫三个属性信息，在整个关注关系网中其他用户的属性信息可能是动漫、文学、摄影，等等，从整个专注关系中所有用户的属性信息中，找出所有动漫的兴趣分类，即所述第P个属性信息，即所述第一属性总和信息，这样就能够通过分析用户与种子用户之间的关注关系，挖掘深层次的兴趣分类，从而更准确，全面的推送广告等信息，挖掘其潜在的商业价值度。
步骤130：获得所述第P个属性信息的权重值；所述获得所述第P个属性信息的权重值，还包括：获得所述第一属性信息的第一权重值；根据所述第一权重值和所述O个种子用户，获得所述P个属性信息的权重值。
具体而言，首先从所述O个种子用户的所述第一属性信息开始分析，也就是从关注关系的表层兴趣分类开始分析，计算出所述O个种子用户的各个兴趣分类的权重值，即所述第一权重值，然后根据所述O个种子用户的各个兴趣分类的权重值计算出N个用户中第P个属性信息的权重值，
步骤140：根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和。
进一步的，所述方法还包括：根据第P个属性信息的权重值总和获得M个属性信息中各个属性信息的比例分布信息。
具体而言，所述第P个属性信息的权重值总和通过常见群体聚类分析算法来获得，通过把初始的n个均值点 分配到不同所述属性信息中，使得每个所述属性信息内平方和达到最小，公式如下：
其中每个xp都被分配到一个确定的所述属性信息St中(可能被分配到2个或者更多的所述属性信息)。计算得到上一步得到所述属性信息中每一所述属性信息观测值的圆心，作为新的均值点：由于采用最小二乘估计，这一步同样减少了目标函数组内平方和的值。本申请则是通过所述用户之间的关注关系，利用已经定义好的所述种子用户的第一属性信息及所述第一属性信息对应的第一权重值，统计计算不同属性信息的权重总和，实现用户信息的结构化处理，挖掘潜在的用户群体，所述属性信息的权重值的计算可以使用加权方案：
所述用户使用属性信息t的次数为tfi，所述用户总数为N，所述用户使用过所述属性信息t的用户数为n。该模型的取值范围为[0,1]，可表示为：
{(t1，w(t1))，(t2，w(t2))，...，(tn，w(tn))}
基于关注关系的潜在兴趣类挖掘意义在于统计计算具有相同属性信息的群体，挖掘其给定所述第一属性信息之外的共同兴趣，实现对用户群体的更充分理解，帮助企业制定具有针对性的推送与营销，提高企业的核心竞争力。
实施例2
基于与前述实施例中一种基于关注关系的用户兴趣处理方法同样的发明构思，本发明还提供一种基于关注关系的用户兴趣处理装置，如图2所示，包括：
第一获得单元11，所述第一获得单元11用于获得N个用户，所述N个用户的每个用户关注了其他用户，或者被其他用户所关注，且，所述每个用户具有M个属性信息；
第二获得单元12，所述第二获得单元12用于根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；其中P为M个属性信息中的一个属性信息；
第三获得单元13，所述第三获得单元13用于获得所述第P个属性信息的权重值；
第四获得单元14，所述第四获得单元14用于根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和。
优选的，所述装置还包括：
第五获得单元，所述第五获得单元用于根据第P个属性信息的权重值总和获得M个属性信息中各个属性信息的比例分布信息。
优选的，所述获得N个用户，还包括：
第六获得单元，所述第六获得单元用于获得O个种子用户；
第七获得单元，所述第七获得单元用于获得与每个种子用户有关注关系的第一用户；
第八获得单元，所述第八获得单元用于根据所述第一用户和所述O个种子用户，获得所述N个用户。
优选的，所述根据N个用户以及每个用户的M个属性信息，还包括：
第九获得单元，所述第九获得单元用于所述种子用户具有第一属性信息；根据所述第一属性信息和所述O个种子用户，获得所述M个属性信息。
优选的，所述获得所述第P个属性信息的权重值，还包括：
第十获得单元，所述第十获得单元用于获得所述第一属性信息的第一权重值；
第十一获得单元，所述第十一获得单元用于根据所述第一权重值和所述O个种子用户，获得所述P个属性信息的权重值。
前述图1实施例1中的一种基于关注关系的用户兴趣处理方法的各种变化方式和具体实例同样适用于本实施例的一种基于关注关系的用户兴趣处理装置，通过前述对一种基于关注关系的用户兴趣处理方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种基于关注关系的用户兴趣处理装置的实施方法，所以为了说明书的简洁，在此不再详述。
实施例3
基于与前述实施例中一种基于关注关系的用户兴趣处理方法同样的发明构思，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种基于关注关系的用户兴趣处理方法的任一方法的步骤。
其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口306在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他装置通信的单元。
处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。
本申请实施例中的上述一个或多个技术方案，至少具有如下一种或多种技术效果：
1.本申请实施例提供的一种基于关注关系的用户兴趣处理方法和装置，通过获得N个用户，所述N个用户的每个用户关注了其他用户，或者被其他用户所关注，且，所述每个用户具有M个属性信息；根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；其中P为M个属性信息中的一个属性信息；获得所述第P个属性信息的权重值；根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和。解决了现有技术中无法通过深度挖掘兴趣分类，导致企业的宣传效果不良的技术问题。达到了挖掘其给定标签之外的共同兴趣，实现对用户群体的更充分理解，帮助企业制定具有针对性的推送与营销，提高企业的核心竞争力的技术效果。
2.本申请实施例通过获得O个种子用户；获得与每个种子用户有关注关系的第一用户；根据所述第一用户和所述O个种子用户，获得所述N个用户。进一步解决了现有技术中无法通过深度挖掘兴趣分类，导致企业的宣传效果不良的技术问题。进一步达到了利用用户与种子用户之间的关注关系，间接实现对整体用户的数据分析，简化计算量的技术效果。
3.本申请实施例通过获得所述第一属性信息的第一权重值；根据所述第一权重值和所述O个种子用户，获得所述P个属性信息的权重值。进一步解决了现有技术中无法通过深度挖掘兴趣分类，导致企业的宣传效果不良的技术问题。进一步达到了快速获得潜在兴趣分类权重的技术效果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (8)

1.一种基于关注关系的用户兴趣处理方法，其特征在于，所述方法包括：
获得N个用户，所述N个用户的每个用户关注了其他用户，或者被其他用户所关注，且，所述每个用户具有M个属性信息；
根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；其中P为M个属性信息中的一个属性信息；
获得所述第P个属性信息的权重值；
根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和，其中，M、N、P均为正整数。
2.如权利要求1所述的方法，其特征在于，所述方法还包括：
根据第P个属性信息的权重值总和获得M个属性信息中各个属性信息的比例分布信息。
3.如权利要求1所述的方法，其特征在于，所述获得N个用户，还包括：
获得0个种子用户；
获得与每个种子用户有关注关系的第一用户；
根据所述第一用户和所述0个种子用户，获得所述N个用户，其中，0为正整数。
4.如权利要求3所述的方法，其特征在于，所述根据N个用户以及每个用户的M个属性信息，还包括：
所述种子用户具有第一属性信息；
根据所述第一属性信息和所述0个种子用户，获得所述M个属性信息。
5.如权利要求4所述的方法，其特征在于，所述获得所述第P个属性信息的权重值，还包括：
获得所述第一属性信息的第一权重值；
根据所述第一权重值和所述0个种子用户，获得所述P个属性信息的权重值。
6.一种基于关注关系的用户兴趣处理装置，其特征在于，所述装置包括：
第一获得单元，所述第一获得单元用于获得N个用户，所述N个用户的每个用户关注了其他用户，或者被其他用户所关注，且，所述每个用户具有M个属性信息；
第二获得单元，所述第二获得单元用于根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；其中P为M个属性信息中的一个属性信息；
第三获得单元，所述第三获得单元用于获得所述第P个属性信息的权重值；
第四获得单元，所述第四获得单元用于根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和。
7.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现以下步骤：
获得N个用户，所述N个用户的每个用户关注了其他用户，或者被其他用户所关注，且，所述每个用户具有M个属性信息；
根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；其中P为M个属性信息中的一个属性信息；
获得所述第P个属性信息的权重值；
根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和。
8.一种基于关注关系的用户兴趣处理装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现以下步骤：
获得N个用户，所述N个用户的每个用户关注了其他用户，或者被其他用户所关注，且，所述每个用户具有M个属性信息；
根据N个用户以及每个用户的M个属性信息，获得第P个属性信息的第一属性总和信息；其中P为M个属性信息中的一个属性信息；
获得所述第P个属性信息的权重值；
根据所述第P个属性信息的权重值和所述第P个属性信息的第一属性总和信息，获得第P个属性信息的权重值总和。
CN201710638213.0A 2017-07-31 2017-07-31 一种基于关注关系的用户兴趣处理方法和装置 Expired - Fee Related CN107451255B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710638213.0A CN107451255B (zh) 2017-07-31 2017-07-31 一种基于关注关系的用户兴趣处理方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710638213.0A CN107451255B (zh) 2017-07-31 2017-07-31 一种基于关注关系的用户兴趣处理方法和装置

Publications (2)

Publication Number Publication Date
CN107451255A true CN107451255A (zh) 2017-12-08
CN107451255B CN107451255B (zh) 2020-05-19

Family

ID=60489817

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710638213.0A Expired - Fee Related CN107451255B (zh) 2017-07-31 2017-07-31 一种基于关注关系的用户兴趣处理方法和装置

Country Status (1)

Country Link
CN (1) CN107451255B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340344A (zh) * 2020-02-20 2020-06-26 支付宝(杭州)信息技术有限公司 类型确定方法及装置

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103425648A (zh) * 2012-05-15 2013-12-04 腾讯科技（深圳）有限公司 关系圈的处理方法和系统
CN103870541A (zh) * 2014-02-24 2014-06-18 微梦创科网络科技（中国）有限公司 社交网络用户兴趣挖掘方法和系统
CN104021233A (zh) * 2014-06-30 2014-09-03 电子科技大学 一种基于社区发现的社交网络好友推荐方法
CN104317959A (zh) * 2014-11-10 2015-01-28 北京字节跳动网络技术有限公司 基于社交平台的数据挖掘方法及装置
CN104657434A (zh) * 2015-01-30 2015-05-27 中国科学院信息工程研究所 一种社交网络结构构建方法
CN104866540A (zh) * 2015-05-04 2015-08-26 华中科技大学 一种基于群体用户行为分析的个性化推荐方法
AU2015252120A1 (en) * 2012-01-17 2015-11-26 Fujitsu Limited Dividing device, dividing method, and recording medium
US20160055253A1 (en) * 2014-08-20 2016-02-25 International Business Machines Corporation Identifying Influencers in Computer Networks
CN105718573A (zh) * 2016-01-20 2016-06-29 电子科技大学 一种针对用户兴趣的关注关系提取及标注方法

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
AU2015252120A1 (en) * 2012-01-17 2015-11-26 Fujitsu Limited Dividing device, dividing method, and recording medium
CN103425648A (zh) * 2012-05-15 2013-12-04 腾讯科技（深圳）有限公司 关系圈的处理方法和系统
CN103870541A (zh) * 2014-02-24 2014-06-18 微梦创科网络科技（中国）有限公司 社交网络用户兴趣挖掘方法和系统
CN104021233A (zh) * 2014-06-30 2014-09-03 电子科技大学 一种基于社区发现的社交网络好友推荐方法
US20160055253A1 (en) * 2014-08-20 2016-02-25 International Business Machines Corporation Identifying Influencers in Computer Networks
CN104317959A (zh) * 2014-11-10 2015-01-28 北京字节跳动网络技术有限公司 基于社交平台的数据挖掘方法及装置
CN104657434A (zh) * 2015-01-30 2015-05-27 中国科学院信息工程研究所 一种社交网络结构构建方法
CN104866540A (zh) * 2015-05-04 2015-08-26 华中科技大学 一种基于群体用户行为分析的个性化推荐方法
CN105718573A (zh) * 2016-01-20 2016-06-29 电子科技大学 一种针对用户兴趣的关注关系提取及标注方法

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111340344A (zh) * 2020-02-20 2020-06-26 支付宝(杭州)信息技术有限公司 类型确定方法及装置
CN111340344B (zh) * 2020-02-20 2022-04-15 支付宝(杭州)信息技术有限公司 类型确定方法及装置

Also Published As

Publication number Publication date
CN107451255B (zh) 2020-05-19

Similar Documents

Publication Publication Date Title
US8401984B2 (en) Identification and measurement of social influence and correlation
CN104915392B (zh) 一种微博转发行为预测方法及装置
CN112800097A (zh) 基于深度兴趣网络的专题推荐方法及装置
CN110400169A (zh) 一种信息推送方法、装置及设备
CN110245301A (zh) 一种推荐方法、装置及存储介质
CN108334575A (zh) 一种推荐结果排序修正方法及装置，电子设备
CN109155136A (zh) 从视频自动检测和渲染精彩场面的计算机化系统和方法
CN107609708A (zh) 一种基于手机游戏商店的用户流失预测方法及系统
CN108364195A (zh) 用户留存概率预测方法、装置、预测服务器及存储介质
CN108074016B (zh) 基于位置社交网络的用户关系强度预测方法、装置及设备
CN105023165A (zh) 社交网络平台中投放任务的控制方法、装置及系统
CN110008984B (zh) 一种基于多任务样本的目标欺诈交易模型训练方法和装置
CN109523538A (zh) 一种基于生成对抗神经网络的人群计数方法以及系统
CN107784312A (zh) 机器学习模型训练方法及装置
CN109460512A (zh) 推荐信息处理方法、装置、设备及存储介质
CN107391542A (zh) 一种基于文件知识图谱的开源软件社区专家推荐方法
CN108039977A (zh) 一种基于用户上网行为的电信用户流失预测方法及装置
Van Duijn et al. Statistical models for ties and actors
CN110175299A (zh) 一种推荐信息确定的方法及服务器
CN107741986A (zh) 用户行为预测及相应信息推荐方法和装置
CN105894350A (zh) 一种基于多示例多标记学习的手机游戏道具推荐方法
CN106570031A (zh) 一种业务对象的推荐方法和装置
CN108416368A (zh) 样本特征重要性的确定方法及装置，电子设备
CN104484365B (zh) 一种多源异构在线社会网络中网络主体之间社会关系的预测方法与系统
Daniel et al. A perceptually-validated metric for crowd trajectory quality evaluation

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
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20200519