CN107613084A - 一种通讯录联系人自动分组的方法、装置和系统 - Google Patents

Abstract

本发明提供一种对移动终端用户的通讯录联系人进行自动分组的方法和对应的系统，该方法通过获取和分析用户与用户通讯录联系人的共享IP地址和地理位置信息，分析用户与用户通讯录联系人之间的关系，通过设置判断用户之间是否共享了IP地址或/和物理地理位置的近距离阈值，分析用户之间使用该共享IP地址或/和物理地理位置的时段和对应的频次，最后进一步输入人工神经网络训练或推理机，获得最终的用户关系分组结果，根据所得到的用户关系分组结果对用户通讯录联系人进行自动分组，解决了手动分组效率低下、操作繁琐的问题，是一种准确性高、便捷性好的通讯录分组方法。

Description

一种通讯录联系人自动分组的方法、装置和系统

技术领域

本发明涉及互联网通信领域，具体而言，涉及一种通讯录联系人自动分组的方法、装置和系统。

背景技术

对通讯录联系人进行分组，是手机用户、即时通讯用户、邮箱用户的广泛需求。目前，对通讯录联系人分组的方式主要是手动设置。这种方式操作繁琐、效率低下，用户体验不理想。

所以亟需提供一种通讯录联系人自动分组的方法、装置和系统。

发明内容

本发明的目的是提供一种通讯录联系人自动分组的方法和系统，以实现智能识别用户社交关系、自动对用户通讯录对象进行分组的功能。

本发明所采用的技术方案是：

本发明的第一方面，提供一种通讯录联系人自动分组的方法，包括：

步骤1：

（1.1）预设基于时段标签和频次阈值的近距离用户关系标签库；

（1.2）预先通过用户候选关系分组数据样本建立人工神经网络，并利用学习训练模块对神经网络进行训练，直至网络收敛；或者通过候选的基于用户活动地址的用户画像数据样本建立知识库，所述知识库是知识图谱；

步骤2：预设基于共享IP地址或/和物理地理位置的近距离阈值；所述共享IP地址包括一定距离阈值内的多个IP地址，所述共享物理地理位置包括一定距离阈值内的多个物理地理位置；

步骤3：

（3.1）计算获得用户之间使用共享IP地址或/和物理地理位置上网并保持近距离的时段标签和频次数据；

（3.2）匹配预设的基于时段标签和频次阈值的近距离用户关系标签库，获得1个或多个候选关系分组标签；如获得1个候选关系分组标签，直接进入步骤5；如获得多个候选关系分组标签，者进入步骤4；

步骤4：将步骤3中所获得的候选关系分组标签数据，输入步骤（1.2）训练好的人工神经网络，获得最终用户关系分组结果；或通过推理机，从知识库中匹配对应的规则，直至匹配成功，获得最终用户关系分组结果；

步骤5：根据最终获得的用户关系分组结果，对用户的通讯录联系人进行自动分组。

进一步地，一种通讯录联系人自动分组的方法，还包括：

步骤6：预设一个时间长度，监测该时间长度内用户与用户通讯录联系人之间的共享IP地址或/和物理地理位置数据的变化，根据数据变化自动调整用户关系，当数据变化超过预设的判断用户关系发生变化的阈值时，按照步骤3~5的过程，重新对用户的通讯录联系人进行自动分组。

进一步地，一种通讯录联系人自动分组的方法中，所述时段标签包括：工作时段、就餐时段、就寝时段、休闲时段、周末时段、节假日时段、漫游到外地时段，所述近距离用户关系标签包括：同事、同学、师生、家人、男女朋友、室友、好朋友、战友；所述时段标签由系统预设，可由用户根据自身的实际情况进行调整。

进一步地，一种通讯录联系人自动分组的方法中，步骤2中所述预设基于共享IP地址或/和物理地理位置的近距离阈值的方法可由系统预设，也可由用户手动设置。

进一步地，一种通讯录联系人自动分组的方法中，步骤（3.1）的具体实现过程是：根据用户之间在预设的近距离阈值之内使用共享IP地址或/和物理地理位置的时段，获得对应的时段标签，并统计用户之间在该时段内共享IP地址或/和物理地理位置的频次，所述频次包括：频率、次数。

进一步地，一种通讯录联系人自动分组的方法中，步骤（3.2）的具体实现过程是：根据步骤（3.1）获得的时段标签和频次数据，匹配步骤（1.1）预设的基于时段标签和频次阈值的近距离用户关系标签库，根据用户之间在预设的近距离阈值之内使用过的所有共享IP地址或/和物理地理位置对应的时段标签和频次数据，以对应的近距离用户关系标签库中对应的标签作为候选关系分组名称，用户之间在不同时段有共享IP地址或/和物理地理位置时，可以获得1个或多个候选关系分组标签，将候选关系分组标签、对应的候选关系分组标签共享IP地址或/和物理地理位置的时段标签、共享时段长度、频次、累计时间长度和共享IP地址或/和物理地理位置是否具有规律性数据化，获得候选关系分组数据。

进一步地，一种通讯录联系人自动分组的方法中，步骤4的具体实现过程为：将经过步骤3处理后获得的候选关系分组数据输入到人工神经网络，人工神经网络的输入层识别候选关系分组标签、对应的候选关系分组标签共享IP地址或/和物理地理位置的时段标签、共享时段长度、频次、累计时间长度和共享IP地址或/和物理地理位置是否具有规律性作为输入参数，经隐含层传递至输出层，由输出层获得最终的用户关系分组结果；或通过推理机，从知识库中匹配对应的规则，直至匹配成功，获得最终的用户关系分组结果。

本发明的另一方面，提供一种通讯录联系人自动分组的装置，包括：

用户IP地址或/和物理地理位置记录装置，用于记录用户使用移动终端时，所使用的IP地址或/和所处的物理地理位置，并记录用户使用该IP地址或/和处于该物理地理位置的时间信息；

近距离阈值设定装置，用于供用户根据自身实际需求设定与其他用户共享IP地址或/和物理地理位置的近距离阈值；

接收通讯录联系人自动分组装置，用于接收服务器计算后得到的用户的通讯录联系人分组结果。

本发明的第三方面，提供一种通讯录联系人自动分组的系统，包括：

移动终端，包括：根据权利要求8所述的通讯录联系人自动分组的装置；

服务器，包括：

用户IP地址或/和物理地理位置存储单元，用于存储在服务器上注册的所有用户使用对应的移动终端时的IP地址或/和物理地理位置，及用户使用该IP地址或/和处于该物理地理位置的时间信息；

预设基于时段标签和频次阈值的近距离用户关系标签库单元，用于存储用户之间存在满足预设近距离阈值的共享IP地址或/和物理地理位置时，判断用户关系的时段标签、频次阈值和近距离用户关系标签之间的对应关系；

社交关系推理单元，用于根据用户候选关系分组数据推理用户之间的社交关系，其中包括：调取用户IP地址或/和物理地理位置的模块、查询和统计用户之间满足预设近距离阈值的共享IP地址或/和物理地理位置的时段和频次的模块、以及人工神经网络训练模型或者由知识库和推理机组成的用户画像推理装置；

用户通讯录联系人分组单元，用于根据最终用户关系分组结果和用户通讯录联系人列表，生成用户通讯录联系人分组列表。

进一步地，所述通讯录联系人自动分组的系统，包括：

所述通讯录联系人自动分组的装置还包括：时间长度预设装置，用于用户自定义一个用户关系监测时间长度，以监测用户关系的变化。

所述服务器还包括：用户通讯录分组调整单元，用于在预设的时间长度内，监测用户在固定时段内使用IP地址或/和物理地理位置的数据变化情况，如果数据发生超过预设阈值的变化，则对用户通讯录进行重新分组。

本发明的有益效果是：本发明提供一种通过服务器计算，对移动终端用户的通讯录联系人进行自动分组的方法和对应的系统，该方法通过获取和分析用户与用户通讯录联系人的共享IP地址和地理位置信息，分析用户与用户通讯录联系人之间的关系，通过设置判断用户之间是否共享了IP地址或/和物理地理位置的近距离阈值，分析用户之间使用该共享IP地址或/和物理地理位置的时段和对应的频次，最后进一步输入人工神经网络训练，获得最终的用户关系分组结果，根据所得到的用户关系分组结果对用户通讯录联系人进行自动分组，解决了手动分组效率低下、操作繁琐的问题，是一种准确性高、便捷性好的通讯录分组方法。

附图说明

图1为本发明方法流程图；

图2为本发明系统示意图；

图3为图2中的社交关系推理单元的结构示意图。

具体实施方式

下面结合附图和实施例对本发明作进一步说明。

如图1所示，一种通讯录联系人自动分组的方法，包括：

步骤1：

（1.1）预设基于时段标签和频次阈值的近距离用户关系标签库；

（1.2）预先通过用户候选关系分组数据样本建立人工神经网络，并利用学习训练模块对神经网络进行训练，直至网络收敛；或者通过候选的基于用户活动地址的用户画像数据样本建立知识库，所述知识库是知识图谱；

步骤2：预设基于共享IP地址或/和物理地理位置的近距离阈值；所述共享IP地址包括一定距离阈值内的多个IP地址，所述共享物理地理位置包括一定距离阈值内的多个物理地理位置；

步骤3：

（3.1）计算获得用户之间使用共享IP地址或/和物理地理位置上网并保持近距离的时段标签和频次数据；

（3.2）匹配预设的基于时段标签和频次阈值的近距离用户关系标签库，获得1个或多个候选关系分组标签；如获得1个候选关系分组标签，直接进入步骤5；如获得多个候选关系分组标签，则进入步骤4；

步骤4：将步骤3中所获得的候选关系分组标签数据，输入步骤（1.2）训练好的人工神经网络，获得最终用户关系分组结果；或通过推理机，从知识库中匹配对应的规则，直至匹配成功，获得最终用户关系分组结果；

步骤5：根据最终获得的用户关系分组结果，对用户的通讯录联系人进行自动分组。

本发明根据用户之间在某一个具体时段共享一个IP地址或/和物理地理位置的信息来推测用户之间的关系，同时，为了使推测结果尽可能合理准确，通过如下技术步骤判断用户关系：

（1）设置判断用户之间是否共享了IP地址或/和物理地理位置的近距离阈值，即考虑有些场合下，用户之间存在某种社交关系的对应活动范围大小不同，比如A与B为同事关系，如果该二人就职于大公司，其相应的活动范围对应的IP地址或/和物理地理位置距离较大，即可以设置一个较大的近距离阈值，判断A与B之间存在共享的IP地址或/和物理地理位置；

（2）根据用户之间存在的共享IP地址或/和物理地理位置的信息，分析用户之间使用该共享IP地址或/和物理地理位置的时段，找到对应的时段标签，并统计该时段标签下，用户之间共享IP地址或/和物理地理位置的频次，即根据用户之间存在共享IP地址或/和物理地理位置信息时，并不一定存在对应的社交关系，还必须满足一定的条件，比如A与B之间，在工作时段内多次连续共享了一个IP地址或/和物理地理位置（如连续30次或2月内累计50次），则可判断A与B之间极大可能存在同事关系，但是，若A与C之间，少数几次在工作时段共享了IP地址或/和物理地理位置，则A与C之间不大可能是同事关系；

（3）根据用户之间存在的共享IP地址或/和物理地理位置的信息获得候选分组数据后，进一步输入人工神经网络或推理机，获得最终的用户关系分组结果，这是考虑到在实际中，用户之间的社交关系往往较为复杂，仅根据单一的时段和频次分析不能得到准确度分组结果，例如A与B为同事，同时也是好朋友，故而，A与B之间会存在共享IP地址或/和物理地理位置的时段可能有工作时段、就餐时段、休闲时段、周末时段、甚至就寝时段，而若A与C为伴侣关系，则A与C之间存在共享IP地址或/和物理地理位置的时段也可能是工作时段、就餐时段、休闲时段、周末时段、就寝时段，如果不做进一步区分，会对用户之间的关系出现误判，导致错误的用户通讯录联系人分组结果，本发明通过人工神经网络的训练或推理机的判断解决此问题。由于用户之间实际的社交关系不同，在各时段共享IP地址或/和物理地理位置的具体信息（如共享的时长、共享的频率、共享是否存在规律性、共享的具体IP地址或/和物理地理位置的变化情况等等）会有变化，通过人工神经网络的训练或推理机的判断，分辨这些信息的变化对用户之间关系的影响，从而能有效的提高对用户关系识别的正确率。

人工神经网络包括输入层、输出层和一个或多个隐含层，将系统采集到的用户IP地址或/和物理地理位置的相关数据经过处理，得到候选关系分组标签数据，将候选关系分组标签数据作为人工神经网络的输入数据，赋予输入层的每个单元，隐含层的每个单元是输入层的每个单元的加权求和，隐含层的输出作为输入传播到输出层，最后输出最终用户关系分组结果。

推理机根据当前内容，从知识库中选择相应的规则，当该规则与给定的事实匹配时，得出相应的结论，并将结论存入到综合数据库，若不匹配，则启用下一条规则进行匹配，直到匹配成功，推理出问题的结论。根据推理的方向，知识推理方式分为正向推理、反向推理和双向推理。在本实施例中，采用正向推理，即从已经获得的候选关系分组标签数据，按照知识库中候选关系分组标签数据与用户关系标签之间的匹配规则，推断出最终用户关系分组结果。

本发明通过如上核心技术步骤，得到了一种对用户通讯录分组准确率高的方法，可实现用户通讯录自动分组，解决传统手动分组操作繁琐、效率低下的问题。

进一步地，一种通讯录联系人自动分组的方法，还包括：

步骤6：预设一个时间长度，监测该时间长度内用户与用户通讯录联系人之间的共享IP地址或/和物理地理位置数据的变化，根据数据变化自动调整用户关系，当数据变化超过预设的判断用户关系发生变化的阈值时，按照步骤3~5的过程，重新对用户的通讯录联系人进行自动分组。

本实施例考虑到用户的社交关系并非恒定不变的，当用户社交关系发生变化时，往往也伴随着用户使用移动终端上网时，IP地址或/和物理地理位置的变化，例如，用户换工作，则在工作时段与其使用相同的IP地址或/和物理地理位置的人也会发生变化，为了进一步提升用户体验、准确识别用户的社交关系，本实施例提供了一种通过一个预设的时间长度监测用户与其他人的共享IP地址或/和物理地理位置数据的变化，根据变化结果调整用户通讯录联系人分组，例如，设置这个时间长度为2个月，则当用户连续2个月与原公司同事不存在共享IP地址或/和物理地理位置，而与新的联系人之间在工作时段存在共享IP地址或/和物理地理位置时，有可能是因为用户更换了工作单位或长时间出差或休病假等，针对此种多个候选结果，通过预设的神经网络或推理机，获得一个最优结果，如果最优结果判断用户已更换了工作单位，则系统自动提醒用户将原公司同事变更分组，而将新的在工作时段存在共享IP地址或/和物理地理位置的联系人设置为同事组别。

本实施例通过预设一个时间长度的方法，既可以及时根据用户的实际情况的变化，重新设置联系人分组，又可以在用户只是短期从事某些交流活动等情况时，通过设置一个较长的时间长度，避免系统对用户社交关系出现误判。

进一步地，一种通讯录联系人自动分组的方法中，所述时段标签包括：工作时段、就餐时段、就寝时段、休闲时段、周末时段、节假日时段、漫游到外地时段，所述近距离用户关系标签包括：同事、同学、师生、家人、男女朋友、室友、好朋友、战友；所述时段标签由系统预设，可由用户根据自身的实际情况进行调整。

例如，服务器上对应的存储单元预先有服务商提供的预设时段标签，预设工作时段为：周一~周五，9：00~12：00，13：00~17：00之间，而具体用户由于从事的工作不同，工作时间会有所变化，因而，允许用户在使用时进行自定义。

进一步地，一种通讯录联系人自动分组的方法中，步骤2中所述预设基于共享IP地址或/和物理地理位置的近距离阈值的方法可由系统预设，也可由用户手动设置。

本实施例允许用户根据自身实际情况，设置近距离阈值，以解决用户从事实际社交活动时，活动场所范围大小不同的问题。

进一步地，一种通讯录联系人自动分组的方法中，步骤（3.1）的具体实现过程是：根据用户之间在预设的近距离阈值之内使用共享IP地址或/和物理地理位置的时段，获得对应的时段标签，并统计用户之间在该时段内共享IP地址或/和物理地理位置的频次，所述频次包括：频率、次数。

进一步地，一种通讯录联系人自动分组的方法中，步骤（3.2）的具体实现过程是：根据步骤（3.1）获得的时段标签和频次数据，匹配步骤（1.1）预设的基于时段标签和频次阈值的近距离用户关系标签库，根据用户之间在预设的近距离阈值之内使用过的所有共享IP地址或/和物理地理位置对应的时段标签和频次数据，以对应的近距离用户关系标签库中对应的标签作为候选关系分组名称，用户之间在不同时段有共享IP地址或/和物理地理位置时，可以获得1个或多个候选关系分组标签，将候选关系分组标签、对应的候选关系分组标签共享IP地址或/和物理地理位置的时段标签、共享时段长度、频次、累计时间长度和共享IP地址或/和物理地理位置是否具有规律性数据化，获得候选关系分组数据。

进一步地，一种通讯录联系人自动分组的方法中，步骤4的具体实现过程为：将经过步骤3处理后获得的候选关系分组数据输入到人工神经网络，人工神经网络的输入层识别候选关系分组标签、对应的候选关系分组标签共享IP地址或/和物理地理位置的时段标签、共享时段长度、频次、累计时间长度和共享IP地址或/和物理地理位置是否具有规律性作为输入参数，经隐含层传递至输出层，由输出层获得最终的用户关系分组结果；或通过推理机，从知识库中匹配对应的规则，直至匹配成功，获得最终的用户关系分组结果。

本实施例适用于用户之间存在多组共享IP地址或/和物理地理位置时，通过人工神经网络的训练获得准确的通讯录联系人分组，由于用户之间实际的社交关系不同，在各时段共享IP地址或/和物理地理位置的具体信息会有变化，通过步骤3获得候选关系分组标签后，获得对应的分组所依据的其他数据，如对应的候选关系分组共享IP地址或/和物理地理位置的时段标签、各次共享时段长度（如工作时段同事之间平均每天共享IP地址或/和物理地理位置8小时以上，而客户之间的拜访长度会明显缩短）、频次、累计时间长度和共享IP地址或/和物理地理位置是否具有规律性（将这些参数转换为人工神经网络输入的数组，如将共享IP地址或/和物理地理位置具有规律性对应的值设置为1，不具有规律性设置为0，将这个数据作为输入数组的一个维度），通过人工神经网络的训练，分辨这些信息的变化对用户之间关系的影响，从而能有效的提高对用户关系识别的正确率。

根据图2所示，一种通讯录联系人自动分组的装置，包括：

用户IP地址或/和物理地理位置记录装置，用于记录用户使用移动终端时，所使用的IP地址或/和所处的物理地理位置，并记录用户使用该IP地址或/和处于该物理地理位置的时间信息；

近距离阈值设定装置，用于供用户根据自身实际需求设定与其他用户共享IP地址或/和物理地理位置的近距离阈值；

接收通讯录联系人自动分组装置，用于接收服务器计算后得到的用户的通讯录联系人分组结果。

本装置的具体实施方式可以是安装有包含如上各部分功能的APP的移动终端（手机、平板电脑、车载终端等），该移动终端与服务器连接后，可由以上各部分完成对移动终端内的通讯录进行自动分组的功能。

根据图2所示，一种通讯录联系人自动分组的系统，包括：

移动终端，包括：根据权利要求8所述的通讯录联系人自动分组的装置；

服务器，包括：

用户IP地址或/和物理地理位置存储单元，用于存储在服务器上注册的所有用户使用对应的移动终端时的IP地址或/和物理地理位置，及用户使用该IP地址或/和处于该物理地理位置的时间信息；

预设基于时段标签和频次阈值的近距离用户关系标签库单元，用于存储用户之间存在满足预设近距离阈值的共享IP地址或/和物理地理位置时，判断用户关系的时段标签、频次阈值和近距离用户关系标签之间的对应关系；

社交关系推理单元，用于根据用户候选关系分组数据推理用户之间的社交关系，社交关系推理单元的结构如图3所示，包括：调取用户IP地址或/和物理地理位置的模块、查询和统计用户之间满足预设近距离阈值的共享IP地址或/和物理地理位置的时段和频次的模块、以及人工神经网络训练模型或者由知识库和推理机组成的用户画像推理装置；

用户通讯录联系人分组单元，用于根据最终用户关系分组结果和用户通讯录联系人列表，生成用户通讯录联系人分组列表。

本系统通过服务器调取用户使用过的IP地址或/和物理地理位置信息，根据用户与用户移动终端中的通讯录联系人之间共享IP地址或/和物理地理位置的数据，计算获得用户通讯录联系人分组结果，实现通讯录联系人自动分组，智能化程度较高。

进一步地，所述通讯录联系人自动分组的系统，包括：

所述通讯录联系人自动分组的装置还包括：时间长度预设装置，用于用户自定义一个用户关系监测时间长度，以监测用户关系的变化。

所述服务器还包括：用户通讯录分组调整单元，用于在预设的时间长度内，监测用户在固定时段内使用IP地址或/和物理地理位置的数据变化情况，如果，数据发生超过预设阈值的变化，则对用户通讯录进行重新分组。

本发明未涉及部分均与现有技术相同或可采用现有技术加以实现。

以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，对前述实施例记载的技术方案进行修改或轻易想到的变化，或者对其中部分技术特征进行等同替换，而这些修改、变化或替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。

Claims (10)

1.一种通讯录联系人自动分组的方法，其特征在于，包括：

步骤1：

（1.1）预设基于时段标签和频次阈值的近距离用户关系标签库；

（1.2）预先通过用户候选关系分组数据样本建立人工神经网络，并利用学习训练模块对神经网络进行训练，直至网络收敛；或者通过候选的基于用户活动地址的用户画像数据样本建立知识库，所述知识库是知识图谱；

步骤2：预设基于共享IP地址或/和物理地理位置的近距离阈值；所述共享IP地址包括一定距离阈值内的多个IP地址，所述共享物理地理位置包括一定距离阈值内的多个物理地理位置；

步骤3：

（3.1）计算获得用户之间使用共享IP地址或/和物理地理位置上网并保持近距离的时段标签和频次数据；

（3.2）匹配预设的基于时段标签和频次阈值的近距离用户关系标签库，获得1个或多个候选关系分组标签；如获得1个候选关系分组标签，直接进入步骤5；如获得多个候选关系分组标签，则进入步骤4；

步骤4：将步骤3中所获得的候选关系分组标签数据，输入步骤（1.2）训练好的人工神经网络，获得最终用户关系分组结果；或通过推理机，从知识库中匹配对应的规则，直至匹配成功，获得最终用户关系分组结果；

步骤5：根据最终获得的用户关系分组结果，对用户的通讯录联系人进行自动分组。

2.根据权利要求1所述的方法，其特征在于，还包括：

步骤6：预设一个时间长度，监测该时间长度内用户与用户通讯录联系人之间的共享IP地址或/和物理地理位置数据的变化，根据数据变化自动调整用户关系，当数据变化超过预设的判断用户关系发生变化的阈值时，按照步骤3~5的过程，重新对用户的通讯录联系人进行自动分组。

3.根据权利要求1所述的方法，其特征在于，所述时段标签包括：工作时段、就餐时段、就寝时段、休闲时段、周末时段、节假日时段、漫游到外地时段，所述近距离用户关系标签包括：同事、同学、师生、家人、男女朋友、室友、好朋友、战友；所述时段标签由系统预设，可由用户根据自身的实际情况进行调整。

4.根据权利要求1所述的方法，其特征在于，步骤2中所述预设基于共享IP地址或/和物理地理位置的近距离阈值的方法可由系统预设，也可由用户手动设置。

5.根据权利要求1所述的方法，其特征在于，步骤（3.1）的具体实现过程是：根据用户之间在预设的近距离阈值之内使用共享IP地址或/和物理地理位置的时段，获得对应的时段标签，并统计用户之间在该时段内共享IP地址或/和物理地理位置的频次，所述频次包括：频率、次数。

6.根据权利要求1所述的方法，其特征在于，步骤（3.2）的具体实现过程是：根据步骤（3.1）获得的时段标签和频次数据，匹配步骤（1.1）预设的基于时段标签和频次阈值的近距离用户关系标签库，根据用户之间在预设的近距离阈值之内使用过的所有共享IP地址或/和物理地理位置对应的时段标签和频次数据，以对应的近距离用户关系标签库中对应的标签作为候选关系分组名称，用户之间在不同时段有共享IP地址或/和物理地理位置时，可以获得1个或多个候选关系分组标签，将候选关系分组标签、对应的候选关系分组标签共享IP地址或/和物理地理位置的时段标签、共享时段长度、频次、累计时间长度和共享IP地址或/和物理地理位置是否具有规律性，获得候选关系分组数据。

7.根据权利要求1所述的方法，其特征在于，步骤4的具体实现过程为：将经过步骤3处理后获得的候选关系分组数据输入到人工神经网络，人工神经网络的输入层识别候选关系分组标签、对应的候选关系分组标签共享IP地址或/和物理地理位置的时段标签、共享时段长度、频次、累计时间长度和共享IP地址或/和物理地理位置是否具有规律性作为输入参数，经隐含层传递至输出层，由输出层获得最终的用户关系分组结果；或通过推理机，从知识库中匹配对应的规则，直至匹配成功，获得最终的用户关系分组结果。

8.一种通讯录联系人自动分组的装置，其特征在于，包括：

用户IP地址或/和物理地理位置记录装置，用于记录用户使用移动终端时，所使用的IP地址或/和所处的物理地理位置，并记录用户使用该IP地址或/和处于该物理地理位置的时间信息；

近距离阈值设定装置，用于供用户根据自身实际需求设定与其他用户共享IP地址或/和物理地理位置的近距离阈值；

接收通讯录联系人自动分组装置，用于接收服务器计算后得到的用户的通讯录联系人分组结果。

9.一种通讯录联系人自动分组的系统，包括：

移动终端，包括：根据权利要求8所述的通讯录联系人自动分组的装置；

服务器，包括：

用户IP地址或/和物理地理位置存储单元，用于存储在服务器上注册的所有用户使用对应的移动终端时的IP地址或/和物理地理位置，及用户使用该IP地址或/和处于该物理地理位置的时间信息；

预设基于时段标签和频次阈值的近距离用户关系标签库单元，用于存储用户之间存在满足预设近距离阈值的共享IP地址或/和物理地理位置时，判断用户关系的时段标签、频次阈值和近距离用户关系标签之间的对应关系；

社交关系推理单元，用于根据用户候选关系分组数据推理用户之间的社交关系，其中包括：调取用户IP地址或/和物理地理位置的模块、查询和统计用户之间满足预设近距离阈值的共享IP地址或/和物理地理位置的时段和频次的模块、以及人工神经网络训练模型或者由知识库和推理机组成的用户关系推理装置；

用户通讯录联系人分组单元，用于根据最终用户关系分组结果和用户通讯录联系人列表，生成用户通讯录联系人分组列表。

10.根据权利要求9所述通讯录联系人自动分组的系统，其特征在于：

所述通讯录联系人自动分组的装置还包括：时间长度预设装置，用于用户自定义一个用户关系监测时间长度，以监测用户关系的变化；

所述服务器还包括：用户通讯录分组调整单元，用于在预设的时间长度内，监测用户在固定时段内使用IP地址或/和物理地理位置的数据变化情况，如果数据发生超过预设阈值的变化，则对用户通讯录进行重新分组。