CN107634897B - 群推荐方法和装置 - Google Patents
群推荐方法和装置 Download PDFInfo
- Publication number
- CN107634897B CN107634897B CN201610821614.5A CN201610821614A CN107634897B CN 107634897 B CN107634897 B CN 107634897B CN 201610821614 A CN201610821614 A CN 201610821614A CN 107634897 B CN107634897 B CN 107634897B
- Authority
- CN
- China
- Prior art keywords
- user
- behavior
- behavior data
- characteristic
- social network
- 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
Images
Abstract
本发明涉及一种群推荐方法,所述方法包括:获取用户标识对应的与公共社交网络标识有关的用户行为数据;根据所述用户行为数据生成所述用户标识对应的用户特性标签,并根据所述用户特性标签计算用户的特征值;获取所述特征值相差在预设阈值范围内的用户标识,向获取的所述用户标识对应的终端发送同一群的群推荐消息。采用该方法,能提高群推荐的准确性。此外,还提供了一种群推荐装置。
Description
技术领域
本发明涉及互联网技术领域,特别是涉及一种群推荐方法和装置。
背景技术
随着互联网技术的发展,群聊已经广泛应用于各种即时通信聊天工具中,其中,群包括群组、讨论组以及多人会话等形式。传统的群聊都是基于已知的好友关系,例如用户主动建群或者加入其好友的群之后才能群聊,这都需要用户主动触发,且群中的人大多是用户自己的好友,或者是好友的好友。
为了使得用户能够参与到更多的群聊中来,可以为用户推荐合适的群。传统技术中,通常是基于地理位置来进行推荐的,例如,将距离用户比较近的其他用户推荐给用户建群。也有面对面建群,例如,在线下处于同一地理位置的用户,输入同一个数字,可以快速建立起一个群聊。
然而,传统的这种群推荐方法,由于是基于地理位置来建立群聊的,用户很可能对附近的用户之间并没有共同的话题,从而导致推荐给用户的群并不符合用户所需,从而导致群推荐的准确性不高。
发明内容
基于此,有必要针对上述技术问题,提供一种能提高群推荐的准确性的群推荐方法和装置。
一种群推荐方法,所述方法包括:
获取用户标识对应的与公共社交网络标识有关的用户行为数据;
根据所述用户行为数据生成所述用户标识对应的用户特性标签,并根据所述用户特性标签计算用户的特征值;
获取所述特征值相差在预设阈值范围内的用户标识,向获取的所述用户标识对应的终端发送同一群的群推荐消息。
一种群推荐装置,所述装置包括:
行为数据获取模块,用于获取用户标识对应的与公共社交网络标识有关的用户行为数据;
特征值处理模块,用于根据所述用户行为数据生成所述用户标识对应的用户特性标签,并根据所述用户特性标签计算用户的特征值;
群推荐模块,用于获取所述特征值相差在预设阈值范围内的用户标识,向获取的所述用户标识对应的终端发送同一群的群推荐消息。
上述群推荐方法和装置,通过获取用户标识对应的与公共社交网络标识有关的用户行为数据,根据用户行为数据生成用户标识对应的用户特性标签,并根据用户特性标签计算用户的特征值,获取特征值相差在预设阈值范围内的用户标识,向获取的用户标识对应的终端发送同一群的群推荐消息。由于用户对同一个公共社交网络标识的用户行为数据能够反映出用户特性,包括用户兴趣和用户属性,向对同一个公共社交网络标识有类似行为的用户推荐同一个群,提高了群推荐的准确性,即推荐进行群聊的用户之间有着相似的兴趣和属性,使得用户更容易参与到群聊中来。
附图说明
图1为一个实施例中群推荐方法的应用环境图;
图2为一个实施例中服务器的内部结构图;
图3为一个实施例中群推荐方法的流程图;
图4为一个实施例中计算用户的特征值的流程图;
图5为一个实施例中群推荐装置的结构框图;
图6为一个实施例中特征值处理模块的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明实施例提供的群推荐方法可应用于如图1所示的环境中。参考图1所示,服务器102可定时提取存储的数据进行群推荐。具体的,可获取用户标识对应的与公共社交网络标识有关的用户行为数据,根据用户行为数据生成用户标识对应的用户特性标签,并根据用户特性标签计算用户的特征值,进而获取特征值相差在预设阈值范围内的用户标识,向获取的用户标识对应的终端104发送同一群的群推荐消息。终端104通过网络与服务器102进行通信,接收服务器102发送的群推荐消息。终端104获取到用户确认加入群聊的请求后,将该请求发送到服务器102,服务器102建立群并将请求加入群聊的用户加入到群中,则加入到群聊中的用户可以进行群聊。这里的终端包括但不限于各种个人计算机、笔记本电脑、智能手机、平板电脑、便携式穿戴设备等。
在一个实施例中,如图2所示,还提供了一种服务器,该服务器包括通过系统总线连接的处理器、非易失性存储介质、内存储器、网络接口,非易失性存储介质中存储有操作系统和一种群推荐装置,该群推荐装置用于执行一种群推荐方法。该处理器用于提高计算和控制能力,支撑整个服务器的运行。内存储器用于为非易失性存储介质中的群推荐装置的运行提供环境,该内存储器中可储存有计算机可读指令,该计算机可读指令被处理器执行时,可使得该处理器执行一种群推荐方法。网络接口用于与终端进行网络通信,接收或发送数据,例如接收终端发送的确认加入群聊的请求,以及向终端发送群推荐消息等。
如图3所示,在一个实施例中,提供了一种群推荐方法,该方法以应用于如图1所示的服务器进行举例说明,包括:
步骤302,获取用户标识对应的与公共社交网络标识有关的用户行为数据。
公共社交网络标识是存在于信息交互平台中的网络标识。信息交互平台是指一种通过社交关系和/或共同兴趣(或共同利益)将人与人之间联系起来的网络架构,用户可以通过该信息交互平台所提供的客户端进行日常交流以及处理一些日常事务。每个用户可以拥有用于为该信息交互平台上其他用户所辨识的网络身份。
在信息交互平台上,不同用户之间可以通过互相确认的方式以建立社交关系,例如,互相加好友或互相关注等。当两个用户建立了社交关系后,他们成为彼此的社交网络联系人。一组用户可以通过自行选择的方式,以形成具有彼此之间的社交关系,从而形成一个社交群组。该群组内的每个成员都是该群组内所有其他成员的社交网络联系人。
用户或组织可以在信息交互平台上建立一个公共社交网络标识,并允许公众(例如,在信息交互平台上的任何用户)与该公共社交网络标识在信息交互平台上进行交流,该交流可以基于一种单向确认的方式,而无需用户之间互相确认。例如,用户可以选择订阅公共社交网络标识(例如,“跟随”公共社交网络身份)消息或发布信息,通过如订阅这类的单向确认方式,成为公共社交网络标识的社交网络联系人。公共社交网络身份的拥有者还可以将订阅了其消息或发布信息的其他用户作为其社交网络联系人。
信息交互平台上的每个用户和每个公共社交网络标识均具有社交网络联系人列表,以供其与其列表中的用户或公共社会网络标识采用即时通信消息等形式进行交流。例如,在一个社交群组内的用户可以通过信息交互平台提供的接口进行相互通信,而用户之间也可以通过信息交互平台提供的接口进行相互通信。
与公共社交网络标识有关的用户行为数据是指用户对公共社交网络标识有关的操作(行为)所产生的用户行为数据。这里的操作包括但不限于对公共社交网络标识的关注操作、对公共社交网络标识发表的文章的阅读、转发、评论、赞赏等操作。当用户对公共社交网络标识有这些操作时,产生用户行为数据,该数据中记录了用户标识、用户操作类型、公共社交网络标识、与操作有关的记录例如阅读次数、转发次数、评论次数以及赞赏次数等。
本实施例中,服务器中存储了大量与公共社交网络标识有关的用户行为数据,服务器可定时获取这些用户行为数据,对这些用户行为数据进行分析以得到需要进行群推荐的用户群,引导这些可能具有相同兴趣的用户进行群聊。
步骤304,根据用户行为数据生成用户标识对应的用户特性标签,并根据用户特性标签计算用户的特征值。
用户特性标签是指能够反映用户特性的关键词,这里的用户特性包括用户兴趣和用户属性。例如,根据用户行为数据生成的用户标识对应的用户特性标签可为:“科技”、“手机”、“数码”,表明该用户对这一类的数据感兴趣。又如,根据用户行为数据生成的用户标识对应的用户特性标签可为:“老人、“儿童”等,表明该用户属于这一类的用户。本实施例中,服务器对用户行为数据进行分析,不同操作(行为)类型的用户行为数据可生成不同的用户特性标签,综合所有用户的用户特性标签,对不同的用户特性标签进行赋值,进而根据用户特性标签可计算出用户的特征值。其中,特征值是指能否反应用户特性的数值,包括感兴趣程度的数值和用户在某一类属性中所占比重的数值。
步骤306,获取特征值相差在预设阈值范围内的用户标识,向获取的用户标识对应的终端发送同一群的群推荐消息。
特征值越接近,则表明用户的特性越接近,例如兴趣越接近或者属于相似一类的用户。特征值相差在预设阈值范围内的用户标识对应的用户则认为是特性接近的用户。本实施例中,服务器获取特征值相差在预设阈值范围内的用户标识,向获取的用户标识对应的终端发送同一个群的群推荐消息。也就是说,特征值接近的用户所在终端会接收到服务器推送的同一个群的群推荐消息。进一步的,可在终端显示推荐的群以及相应的用户特性标签信息,用户点击进入该群,则建立起群聊。服务器接收到第一个用户加入群聊的请求时,建立群并将第一个加入群聊的用户设置为群主。之后加入群聊的用户为该群的成员。
本实施例中,由于用户对同一个公共社交网络标识的用户行为数据能够反映出用户兴趣,向对同一个公共社交网络标识有类似行为的用户推荐同一个群,提高了群推荐的准确性,即推荐进行群聊的用户之间有着相似的兴趣或类型,使得用户更容易参与到群聊中来。
在一个实施例中,用户行为数据包括与公共社交网络标识有关的赞赏行为数据、评论行为数据、转发行为数据、关注行为数据、阅读行为数据中的至少一种。
其中,赞赏行为是指用户对公共社交网络标识有关的文章或者作者的点赞行为,赞赏行为数据中记录有公共社交网络标识、该公共社交网络标识有关的文章标识、点赞该公共社交网络标识有关的文章或者作者的用户的用户标识、公共社交网络标识有关的文章或者作者被点赞的次数等。评论行为是指用户对公共社交网络标识有关的文章的评论行为,评论行为数据中记录有公共社交网络标识、该公共社交网络标识有关的文章标识、评论该公共社交网络标识有关的文章的用户的用户标识等。转发行为是指用户对公共社交网络标识有关的文章的转发行为,转发行为数据中记录有公共社交网络标识、该公共社交网络标识有关的文章标识、转发该公共社交网络标识有关的文章的用户的用户标识、转发次数等。关注行为是指用户对公共社交网络标识的关注行为,关注行为数据中记录有公共社交网络标识、关注该公共社交网络标识的用户标识等。阅读行为是指用户对公共社交网络标识有关的文章的阅读行为,阅读行为数据中记录有公共社交网络标识、公共社交网络标识有关的文章标识、阅读该公共社交网络标识有关的文章的用户的用户标识、阅读次数等。
在一个实施例中,如图3所示,根据用户行为数据生成用户标识对应的用户特性标签,根据用户特性标签计算用户的特征值,包括:
步骤314,根据用户行为数据生成与行为类型对应的用户特性标签。
步骤324,根据与行为类型对应的用户特性标签计算出与行为类型对应的特征值。
步骤334,根据计算得到的特征值和与行为类型对应的预设权值进行加权计算,得到用户的总特征值。
如上所述,行为类型包括赞赏行为、评论行为、转发行为、关注行为和阅读行为,不同行为类型的用户行为数据所生成的用户特性标签可有所不同。对于不同类型的用户行为数据,可根据不同的方式计算对应的用户的用户特性标签。
在一个实施例中,根据用户行为数据生成与行为类型对应的用户特性标签,包括:提取与不同行为类型对应的用户行为数据相关的文章中的标签关键词;将标签关键词匹配到关键词库中,获取所述文章的类别标签,与行为类型对应的用户特性标签包含文章的类别标签。
具体的,每个公共社交网络标识都有对应的应用页面,通过应用页面可以展示与公共社交网络标识有关的图文消息,通常图文消息以文章的形式展示。本实施例中,用户对公共社交网络标识的很多行为都会与公共社交网络标识有关的文章有关联。例如赞赏行为、评论行为、转发行为和阅读行为。其中,用户对文章的阅读,能够完整浏览一遍文章即为一次有效阅读行为。当终端显示文章并滑动到文章底部时,会发送通知消息给应用,应用则可检测出该次阅读行为。
本实施例中,对于每种行为类型的用户行为数据都可生成对应的用户的用户特性标签。具体的,获取用户行为数据中与公共社交网络标识有关的文章,提取文章中的标签关键词。具体可对文章中的内容进行分词处理,去除掉一些没有含义的词语例如副词、动词等,得到文章中的标签关键词。进一步的,将提取的标签关键词匹配到关键词库中。关键词库是预先设置了存储了大量关键词的词库。关键词库中的关键词预先进行了分类,也就是说,关键词都具有对应的类别标签。比如,关键词“小米”、“发布会”、“miui”、“红米”、“魅族”、“苹果”对应的类别标签是“科技”、“手机”、“数码”等。一个关键词对应的类别标签可以为多个。进一步的,将提取的标签关键词匹配到关键词库,获取到关键词对应的类别标签,即为文章的类别标签,而该行为数据对应的行为类型下的用户的用户特性标签即包含该文章的类别标签。例如,根据用户的阅读行为数据获取到用户阅读的文章的类别标签为“科技”、“手机”、“数码”,则该用户对应阅读行为下的用户特性标签为“科技”、“手机”、“数码”。
在一个实施例中,根据用户行为数据生成与行为类型对应的用户特性标签,包括:获取与用户行为数据相关的公共社交网络标识,获取与公共社交网络标识对应的标签属性,根据标签属性生成与关注行为类型对应的用户特性标签,其中,与关注行为类型对应的用户特性标签包含该标签属性。
具体的,对于每个公共社交网络标识,在生成时会设置相应的标签属性,例如设置某个公共社交网络标识对应的标签属性为“科技”、“数码”、“硬件”、“儿童”等。获取用户行为数据中的关注行为数据,用户关注了某个公共社交网络标识,则对应关注行为类型的用户的用户特性标签包含该公共社交网络标识的标签属性。
本实施例中,根据不同行为类型的用户行为数据可以得到对应不同行为类型的用户的用户特性标签。进一步的,根据行为类型的不同可以预先设置一个阈值,当某个用户特性标签被记录的次数达到这个阈值,才作为一个有效的用户特性标签。例如,对于赞赏行为,某个用户特性标签记录的次数达到10次则记录为一个有效的用户特性标签。如第一次赞赏,生成的用户的用户特性标签为{科技[1]、数码[1]},第二次赞赏,生成的用户的用户特性标签为{科技[2]、数码[1]、八卦[1]},以此类推,当某个标签,比如“科技”这个标签记录的次数达到10次,则作为一个有效标签。对于不同的行为类型,可设置对应的不同的阈值。例如对于关注行为,可设置记录的用户特性标签达到1次,则作为一个有效标签。
通过上述方式,得到对应每种行为类型下用户的用户特性标签(有效用户特性标签),从而服务器可以得到对应每个用户标识的一个有效标签二位数组。例如:某个用户的有效标签二维数组为:赞赏{科技、数码、八卦},评论{明星、游戏、八卦},转发{百度、产品、需求、设计}、关注{苹果、数码、八卦、香港、硬件},阅读{科技、数码、八卦}。
进一步的,可根据与行为类型对应的用户特性标签计算出与行为类型对应的特征值,也就是计算出每种行为类型下的用户的特征值。具体的,服务器中可存储预设数量的标签,例如存储大概1000个标签。在服务器中,把所有的全量标签按照字典顺序排序号,一个标签占据一位,则可以用一个二进制数来代表全部的标签,该二进制整数的位数则为服务器中存储的标签的个数,如存储了1000个标签,则全部标签可使用一个1000位的二进制数来表示。如果生成的某一行为类型下用户的用户特性标签包含某一位的标签且有效,则对应的该位为1,否则为0。这样,每种行为类型下的用户的用户特性标签都可以使用一个1000位的二进制数来表示。例如,对于赞赏行为,生成的用户的用户特性标签中,“八卦”排在第一位,“科技”排在第二位,“数码”排在第三位,且都为有效标签,则该用户特性标签使用二进制数表示为“111”。又如,对于评论行为,生成的用户的用户特性标签中,“八卦”排在第一位,第二位为“科技”但用户的用户特性标签中未包含“科技”,“数码”排在第三位,则该用户标签使用二进制数表示为“101”。
进一步的,将表示用户的用户特性标签的二进制数转换为十进制数,则得到对应每个行为类型的特征值。比如上述赞赏行为的用户特性标签的二进制数为“111”,则特征值为7(十进制数)。这样,每种行为类型下用户的特征值都可计算得出。
进一步的,根据计算得到的特征值和行为类型对应的预设权值进行加权计算,得到用户的总特征值。用户的总特征值则反映了用户的特性程度,包括兴趣程度和在某一类型用户所占比重。可预先设置每种行为类型下的权值,该权值反映出行为类型的优先等级。例如,可设置各种行为类型的优选等级为:赞赏>评论>阅读>转发>关注。根据优先等级设置相应的权值。则可根据以下公式计算出用户的总特征值:a*赞赏行为下的用户的特征值+b*评论行为下的用户的特征值+c*转发行为下的用户的特征值+d*关注行为下的用户的特征值+e*阅读行为下的用户的特征值。其中,a~e分别预先设定的不同行为的权值,且相加等于1。
计算得到用户的总特征值,该总特征值反映了用户对公共社交网络标识的特性程度。总特征值接近的用户则表明他们有着相似的兴趣或者有着相似的属性。进一步的,可获取将总特征值相差在预设阈值范围内的用户标识,例如获取相差在1024以内的用户,认为这些用户会有着相似的兴趣或者有着相似的属性,可向这些获取的用户标识对应的终端发送同一群的群推荐消息。用户所在终端显示推荐的群信息,若用户感兴趣则可通过显示的界面元素加入到该群的群聊中来。服务器接收到第一个用户加入群聊的请求,则建立群并将第一个加入群聊的用户设置为群主。之后加入群聊的用户为该群的成员,加入群聊的用户则可通过群进行聊天。由于是基于用户的相似兴趣或者相似属性推荐的群,提高了群推荐的准确性,使得加入群聊的用户更容易参与到群聊中来。
如图5所示,在一个实施例中,还提供了一种群推荐装置,该装置包括:
行为数据获取模块502,用于获取用户标识对应的与公共社交网络标识有关的用户行为数据。
特征值处理模块504,用于根据用户行为数据生成用户标识对应的用户特性标签,并根据用户特性标签计算用户的特征值。
群推荐模块506,用于获取特征值相差在预设阈值范围内的用户标识,向获取的用户标识对应的终端发送同一群的群推荐消息。
在一个实施例中,用户行为数据包括与公共社交网络标识有关的赞赏行为数据、评论行为数据、转发行为数据、关注行为数据、阅读行为数据中的至少一种。
在一个实施例中,如图6所示,特征值处理模块504包括:
用户特性标签生成模块514,用于根据用户行为数据生成与行为类型对应的用户特性标签。
特征值计算模块524,用于根据与行为类型对应的用户特性标签计算出于行为类型对应的特征值,以及用户根据计算得到的特征值和与行为类型对应的预设权值进行加权计算,得到用户的总特征值。
在一个实施例中,用户特性标签生成模块514用于提取与不同行为类型对应的用户行为数据相关的文章中的标签关键词;将标签关键词匹配到关键词库中,获取文章的类别标签,与行为类型对应的用户特性标签包含类别标签。
在一个实施例中,用户特性标签生成模块514用于获取与用户行为数据相关的公共社交网络标识,获取与公共社交网络标识对应的标签属性,根据标签属性生成与关注行为类型对应的用户特性标签,其中,与关注行为类型对应的用户特性标签包含该标签属性。
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,该程序在执行时,可包括如上述各方法的实施例的流程。其中,所述的存储介质可为磁碟、光盘、只读存储记忆体(Read-Only Memory,ROM)或随机存储记忆体(Random AccessMemory,RAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (12)
1.一种群推荐方法,所述方法包括:
获取用户标识对应的与公共社交网络标识有关的用户行为数据;所述公共社交网络标识为建立在信息交互平台上,用户可与所述公共社交网络标识在信息交互平台上以单向确认方式进行交流;
根据所述用户行为数据生成所述用户标识对应的用户特性标签,并根据所述用户特性标签计算用户的特征值;
获取所述特征值相差在预设阈值范围内的用户标识,向获取的所述用户标识对应的终端发送同一群的群推荐消息。
2.根据权利要求1所述的方法,其特征在于,所述用户行为数据包括与所述公共社交网络标识有关的赞赏行为数据、评论行为数据、转发行为数据、关注行为数据、阅读行为数据中的至少一种。
3.根据权利要求1所述的方法,其特征在于,所述根据用户行为数据生成所述用户标识对应的用户特性标签,并根据所述用户特性标签计算用户的特征值,包括:
根据所述用户行为数据生成与行为类型对应的用户特性标签;
根据所述与行为类型对应的用户特性标签计算出与行为类型对应的特征值;
根据计算得到的所述特征值和与行为类型对应的预设权值进行加权计算,得到用户的总特征值。
4.根据权利要求3所述的方法,其特征在于,所述根据用户行为数据生成与行为类型对应的用户特性标签,包括:
提取与不同行为类型对应的用户行为数据相关的文章中的标签关键词;
将所述标签关键词匹配到关键词库中,获取所述文章的类别标签,所述与行为类型对应的用户特性标签包含所述类别标签。
5.根据权利要求3所述的方法,其特征在于,所述根据用户行为数据生成与行为类型对应的用户特性标签,包括:
获取与用户行为数据相关的公共社交网络标识,获取与所述公共社交网络标识对应的标签属性,根据所述标签属性生成与关注行为类型对应的用户特性标签,其中,与关注行为类型对应的用户特性标签包含所述标签属性。
6.一种群推荐装置,其特征在于,所述装置包括:
行为数据获取模块,用于获取用户标识对应的与公共社交网络标识有关的用户行为数据;所述公共社交网络标识为建立在信息交互平台上,用户可与所述公共社交网络标识在信息交互平台上以单向确认方式进行交流;
特征值处理模块,用于根据所述用户行为数据生成所述用户标识对应的用户特性标签,并根据所述用户特性标签计算用户的特征值;
群推荐模块,用于获取所述特征值相差在预设阈值范围内的用户标识,向获取的所述用户标识对应的终端发送同一群的群推荐消息。
7.根据权利要求6所述的装置,其特征在于,所述用户行为数据包括与所述公共社交网络标识有关的赞赏行为数据、评论行为数据、转发行为数据、关注行为数据、阅读行为数据中的至少一种。
8.根据权利要求6所述的装置,其特征在于,所述特征值处理模块包括:
用户特性标签生成模块,用于根据所述用户行为数据生成与行为类型对应的用户特性标签;
特征值计算模块,用于根据所述与行为类型对应的用户特性标签计算出与行为类型对应的特征值;以及用于根据计算得到的所述特征值和与行为类型对应的预设权值进行加权计算,得到用户的总特征值。
9.根据权利要求8所述的装置,其特征在于,所述用户特性标签生成模块用于提取与不同行为类型对应的用户行为数据相关的文章中的标签关键词;将所述标签关键词匹配到关键词库中,获取所述文章的类别标签,所述与行为类型对应的用户特性标签包含所述类别标签。
10.根据权利要求8所述的装置,其特征在于,所述用户特性标签生成模块用于获取与用户行为数据相关的公共社交网络标识,获取与所述公共社交网络标识对应的标签属性,根据所述标签属性生成与关注行为类型对应的用户特性标签,其中,与关注行为类型对应的用户特性标签包含所述标签属性。
11.一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的方法的步骤。
12.一种移动终端,包括存储器及处理器,所述存储器中储存有计算机可读指令,所述指令被所述处理器执行时,使得所述处理器执行如权利要求1至5中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610821614.5A CN107634897B (zh) | 2016-09-12 | 2016-09-12 | 群推荐方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610821614.5A CN107634897B (zh) | 2016-09-12 | 2016-09-12 | 群推荐方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107634897A CN107634897A (zh) | 2018-01-26 |
CN107634897B true CN107634897B (zh) | 2020-09-25 |
Family
ID=61113473
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610821614.5A Active CN107634897B (zh) | 2016-09-12 | 2016-09-12 | 群推荐方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107634897B (zh) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10602207B2 (en) * | 2018-08-03 | 2020-03-24 | Facebook, Inc. | Neural network based content distribution in an online system |
CN111199491B (zh) * | 2018-10-31 | 2023-08-22 | 百度在线网络技术(北京)有限公司 | 社交圈的推荐方法和装置 |
CN109391697B (zh) * | 2018-11-21 | 2021-12-28 | 深圳市商汤科技有限公司 | 信息推送方法、用户终端、服务器及门禁控制终端 |
CN110297985A (zh) * | 2019-05-30 | 2019-10-01 | 惠州高盛达科技有限公司 | 实时推荐qq群的方法、系统及存储介质 |
CN110392312B (zh) * | 2019-06-14 | 2022-02-22 | 北京字节跳动网络技术有限公司 | 群聊构建方法、系统、介质和电子设备 |
CN111310065A (zh) * | 2020-02-18 | 2020-06-19 | 深圳市随手金服信息科技有限公司 | 一种社交推荐方法、装置、服务器及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916286A (zh) * | 2010-08-23 | 2010-12-15 | 宇龙计算机通信科技(深圳)有限公司 | 一种信息推荐方法及系统 |
CN104951465A (zh) * | 2014-03-28 | 2015-09-30 | 腾讯科技(深圳)有限公司 | 应用推荐方法及装置 |
CN105577521A (zh) * | 2015-12-22 | 2016-05-11 | 小米科技有限责任公司 | 好友分组方法、装置及系统 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPWO2010035450A1 (ja) * | 2008-09-26 | 2012-02-16 | 株式会社アドバンテスト | 試験モジュール、試験装置および試験方法 |
CN102982108B (zh) * | 2012-11-07 | 2016-05-11 | 上海师范大学 | 一种社交网络环境中的用户间推荐信任度计算方法 |
CN105205140B (zh) * | 2015-09-17 | 2019-04-23 | 小米科技有限责任公司 | 消息推送方法及装置 |
CN105634760B (zh) * | 2015-12-29 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 公众号与用户通信方法及装置 |
-
2016
- 2016-09-12 CN CN201610821614.5A patent/CN107634897B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101916286A (zh) * | 2010-08-23 | 2010-12-15 | 宇龙计算机通信科技(深圳)有限公司 | 一种信息推荐方法及系统 |
CN104951465A (zh) * | 2014-03-28 | 2015-09-30 | 腾讯科技(深圳)有限公司 | 应用推荐方法及装置 |
CN105577521A (zh) * | 2015-12-22 | 2016-05-11 | 小米科技有限责任公司 | 好友分组方法、装置及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107634897A (zh) | 2018-01-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107634897B (zh) | 群推荐方法和装置 | |
US10834218B2 (en) | Event information system classifying messages using machine learning classification model and pushing selected message to user | |
US9542503B2 (en) | Estimation of closeness of topics based on graph analytics | |
US20180152396A1 (en) | Designating Automated Agents as Friends in Social Network Service | |
US20170286539A1 (en) | User profile stitching | |
US8306922B1 (en) | Detecting content on a social network using links | |
US20160063127A1 (en) | Method and apparatus for identifying common interest between social network users | |
US20140095308A1 (en) | Advertisement distribution apparatus and advertisement distribution method | |
CN107545451B (zh) | 一种广告推送方法及装置 | |
US20190140997A1 (en) | Computerized system and method for automatically performing an implicit message search | |
CN105190595A (zh) | 唯一地识别网络连接实体 | |
CN107808346B (zh) | 一种潜在目标对象的评估方法及评估装置 | |
US11263664B2 (en) | Computerized system and method for augmenting search terms for increased efficiency and effectiveness in identifying content | |
WO2018081966A1 (zh) | 一种关联用户的方法、终端和服务器 | |
US10990620B2 (en) | Aiding composition of themed articles about popular and novel topics and offering users a navigable experience of associated content | |
US11336596B2 (en) | Personalized low latency communication | |
US20180302761A1 (en) | Recommendation System for Multi-party Communication Sessions | |
US20140324578A1 (en) | Systems and methods for instant e-coupon distribution | |
US10558706B2 (en) | Method and system for determining user interests based on a correspondence graph | |
CN111242709A (zh) | 一种消息推送方法及其装置、设备、存储介质 | |
CN111104590A (zh) | 信息推荐方法、装置、介质及电子设备 | |
US20130262477A1 (en) | Using observations of a person to determine if data corresponds to the person | |
US9824149B2 (en) | Opportunistically solving search use cases | |
KR20150046431A (ko) | 효과적인 마케팅을 도출하는 자동학습 시스템 및 방법 | |
US8825698B1 (en) | Showing prominent users for information retrieval requests |
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 |