CN108228847B - 用户匹配方法、装置及电子设备 - Google Patents

用户匹配方法、装置及电子设备 Download PDF

Info

Publication number
CN108228847B
CN108228847B CN201810021377.3A CN201810021377A CN108228847B CN 108228847 B CN108228847 B CN 108228847B CN 201810021377 A CN201810021377 A CN 201810021377A CN 108228847 B CN108228847 B CN 108228847B
Authority
CN
China
Prior art keywords
users
user
preset
information
intimacy
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
Application number
CN201810021377.3A
Other languages
English (en)
Other versions
CN108228847A (zh
Inventor
陈云云
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.)
Beijing QIYI Century Science and Technology Co Ltd
Original Assignee
Beijing QIYI Century Science and Technology 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 Beijing QIYI Century Science and Technology Co Ltd filed Critical Beijing QIYI Century Science and Technology Co Ltd
Priority to CN201810021377.3A priority Critical patent/CN108228847B/zh
Publication of CN108228847A publication Critical patent/CN108228847A/zh
Application granted granted Critical
Publication of CN108228847B publication Critical patent/CN108228847B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Abstract

本发明实施例提供了一种用户匹配方法、装置及电子设备，通过获取所有待匹配用户的用户信息，利用预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度，将所述用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度，将亲密度满足预设条件的两两用户确定为互相匹配用户，从而为用户匹配符合其喜好的用户，可以更好地满足用户的交友需求。

Description

用户匹配方法、装置及电子设备
技术领域
本发明涉及用户匹配技术领域，特别涉及用户匹配方法、装置及电子设备。
背景技术
随着互联网的发展，越来越多的人选择在网络上结交具有相同喜好的陌生人或是与陌生人发展恋情，在陌生人社交产品中，为用户匹配符合其喜好的陌生人是实现用户交友目的的关键功能之一。
现有的用户匹配方式主要是根据用户的地理位置为其匹配附近的用户，或是为用户匹配浏览了其账号的用户，或者在上述用户推荐的基础上，按不同权重对用户的血型、星座、生肖的匹配评分直接加和来计算用户间的契合度，根据契合度进行用户匹配。然而，现有的匹配方法没有深度挖掘用户的喜好，很多用户反馈找不到靠谱的、聊得来的用户，用户社交的满意度依旧很低。
因此，如何为用户匹配符合其喜好的用户，以更好地满足用户的交友需求，成为现有的社交产品面临的问题。
发明内容
本发明实施例的目的在于提供一种用户匹配方法、装置及电子设备，以实现为用户匹配符合其喜好的用户的目的。具体技术方案如下：
第一方面，本发明实施例提供了一种用户匹配方法，所述方法包括：
获取所有待匹配用户的用户信息；
将所述所有待匹配用户的用户信息输入预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度；
将所述所有待匹配用户中两两用户间的用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度；
将亲密度满足预设条件的两两用户确定为互相匹配用户。
可选的，所述所有待匹配用户为：当前时刻前预设时长内的所有在线用户。
可选的，所述将所述所有待匹配用户的用户信息输入预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度的步骤，包括：
将所述所有待匹配用户的用户地理位置信息，星座信息，以及用于表示用户喜好的标签信息，输入预设的信息匹配模型；
根据两两用户的地理位置信息，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)；
根据两两用户的星座信息，按预设的星座匹配关系，计算得到两两用户之间的星座匹配度C(i,j)；
根据两两用户的标签信息，按预设的关联度算法，计算得到两两用户之间的标签关联度y(ai,aj)；
其中，两两用户匹配时，第一用户为i，第二用户为j。
可选的，所述将所述所有待匹配用户中两两用户间的用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度的步骤，包括：
将所述两两用户之间的距离亲密度、星座匹配度及标签关联度输入预设的亲密度在线计算模型，计算获得两两用户之间的亲密度ln[i,j]。
可选的，所述根据两两用户的地理位置信息，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)的步骤，包括：
根据第一用户的地理位置坐标(θi,αi)和第二用户的地理位置坐标(θj,αj)，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)，所述预设的距离亲密度算法为：
Figure BDA0001543651740000021
其中，R为地球半径，用户的地理位置坐标(θ,α)为在以0度经纬线为坐标轴构建的坐标系中，根据坐标对应规则对用户地理位置对应的经纬度(Lon,Lat)进行计算得到的；
所述坐标对应规则为：东经对应θ＝Lon，西经对应θ＝-Lon，北纬对应α＝90-Lat，南纬对应α＝90+Lat。
可选的，所述根据两两用户的星座信息，按预设的星座匹配关系，获得两两用户之间的星座匹配度C(i,j)的步骤，包括：
根据两两用户的星座信息，从预设的星座爱情速配指数表中，选取第一用户i和第二用户j的星座匹配指数，并进行归一化处理，得到两两用户间的星座匹配度C(i,j)。
可选的，
所述标签信息包括3类标签：自我描述类标签、兴趣类标签和需求类标签；每类包括预设数量的具体子标签；
所述根据两两用户的标签信息，按预设的关联度算法，获得两两用户之间的标签关联度y(ai,aj)的步骤，包括：
根据第一用户i和第二用户j的标签ai，aj，利用预设的FM算法模型计算两两用户间的标签关联度y(ai,aj)；
所述FM算法模型为：
Figure BDA0001543651740000031
其中，wo为预设的FM算法模型的参数，m为标签类型数量3，wk为预设的3类标签对应的权重，wkz为根据两两用户的具体子标签，利用杰卡德相似系数获取的两两用户的各类型标签在隐空间的相似度。
可选的，所述将所述两两用户之间的距离亲密度、星座匹配度及标签关联度输入预设的亲密度在线计算模型，计算获得两两用户之间的亲密度ln[i,j]的步骤，包括：
将所述两两用户之间的距离亲密度D(i,j)、星座匹配度C(i,j)及标签关联度y(ai,aj)，输入预设的亲密度在线计算模型，计算获得两两用户之间的亲密度ln[i,j]＝y(ai,aj)×C(i,j)/D(i,j)。
可选的，所述将亲密度满足预设条件的两两用户确定为互相匹配用户的步骤，包括：
根据获得的所述两两用户之间的亲密度ln[i,j]，得到对应于每个用户的亲密度矩阵，将所述亲密度矩阵中最大亲密度对应的两两用户确定为互相匹配用户。
可选的，在所述将所述亲密度矩阵中最大亲密度对应的两两用户确定为互相匹配用户的步骤之后，还包括：
接收互相匹配用户完成交流后对彼此的评分信息，所述评分信息为表征用户对匹配结果满意度的分值；
根据所述评分信息，将满足预设分值条件的互相匹配用户作为正样本；
将所述正样本对应的FM模型中，所述用户的3类标签对应的权重wk代入FTRL算法模型中进行训练；
使用训练后的权重更新所述FM算法模型。
第二方面，本发明实施例提供了一种用户匹配装置，所述装置包括：
用户信息获取模块，用于获取所有待匹配用户的用户信息；
用户信息匹配模块，用于将所述所有待匹配用户的用户信息输入预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度；
亲密度在线计算模块，用于将所述所有待匹配用户中两两用户间的用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度；
互相匹配用户确定模块，用于将亲密度满足预设条件的两两用户确定为互相匹配用户。
可选的，所述用户信息获取模块，用于获取所有待匹配用户的用户信息时，所述所有待匹配用户为：当前时刻前预设时长内的所有在线用户。
可选的，所述用户信息匹配模块，具体用于将所述所有待匹配用户的用户地理位置信息，星座信息，以及用于表示用户喜好的标签信息，输入预设的信息匹配模型时，包括；
距离亲密度计算模块，用于根据两两用户的地理位置信息，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)；
星座匹配度计算模块，用于根据两两用户的星座信息，按预设的星座匹配关系，计算得到两两用户之间的星座匹配度C(i,j)；
标签关联度计算模块，用于根据两两用户的标签信息，按预设的关联度算法，计算得到两两用户之间的标签关联度y(ai,aj)；
其中，两两用户匹配时，第一用户为i，第二用户为j。
可选的，所述亲密度计算模块，具体用于：
将所述两两用户之间的距离亲密度、星座匹配度及标签关联度输入预设的亲密度在线计算模型，计算获得两两用户之间的亲密度ln[i,j]。
可选的，所述距离亲密度计算模块，具体用于：
根据第一用户的地理位置坐标(θi,αi)和第二用户的地理位置坐标(θj,αj)，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)，所述预设的距离亲密度算法为：
Figure BDA0001543651740000051
其中，R为地球半径，用户的地理位置坐标(θ,α)为在以0度经纬线为坐标轴构建的坐标系中，根据坐标对应规则对用户地理位置对应的经纬度(Lon,Lat)进行计算得到的；
所述坐标对应规则为：东经对应θ＝Lon，西经对应θ＝-Lon，北纬对应α＝90-Lat，南纬对应α＝90+Lat。
可选的，所述星座匹配度计算模块，具体用于：
根据两两用户的星座信息，从预设的星座爱情速配指数表中，选取第一用户i和第二用户j的星座匹配指数，并进行归一化处理，得到两两用户间的星座匹配度C(i,j)。
可选的，所述标签关联度计算模块，具体用于：
所述标签信息包括3类标签：自我描述类标签、兴趣类标签和需求类标签；每类包括预设数量的具体子标签；
所述根据两两用户的标签信息，按预设的关联度算法，获得两两用户之间的标签关联度y(ai,aj)的步骤，包括：
根据第一用户i和第二用户j的标签ai，aj，利用预设的FM算法模型计算两两用户间的标签关联度y(ai,aj)；
所述FM算法模型为：
Figure BDA0001543651740000061
其中，wo为预设的FM算法模型的参数，m为标签类型数量3，wk为预设的3类标签对应的权重，wkz为根据两两用户的具体子标签，利用杰卡德相似系数获取的两两用户的各类型标签在隐空间的相似度。
可选的，所述亲密度计算模块，具体用于：
将所述两两用户之间的距离亲密度D(i,j)、星座匹配度C(i,j)及标签关联度y(ai,aj)，输入预设的亲密度在线计算模型，计算获得两两用户之间的亲密度ln[i,j]＝y(ai,aj)×C(i,j)/D(i,j)。
可选的，所述互相匹配用户确定模块，具体用于：
根据获得的所述两两用户之间的亲密度ln[i,j]，得到对应于每个用户的亲密度矩阵，将所述亲密度矩阵中最大亲密度对应的两两用户确定为互相匹配用户。
可选的，所述装置还包括标签权重更新模块，具体用于：
接收互相匹配用户完成交流后对彼此的评分信息，所述评分信息为表征用户对匹配结果满意度的分值；
根据所述评分信息，将满足预设分值条件的互相匹配用户作为正样本；
将所述正样本对应的FM模型中，所述用户的3类标签对应的权重wk代入FTRL算法模型中进行训练；
使用训练后的权重更新所述FM算法模型。
第三方面，本发明实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述第一方面提供的任一所述的方法步骤。
本发明实施例提供的一种陌生用户匹配方法、装置及电子设备，通过获取所有待匹配用户的用户信息，利用预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度，将所述用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度，将亲密度满足预设条件的两两用户确定为互相匹配用户，从而为用户匹配符合其喜好的陌生用户，可以更好地满足用户的陌生人交友需求。当然，实施本发明的任一产品或方法必不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。
图1为本发明实施例提供的用户匹配方法的一种流程图；
图2为本发明实施例提供的用户匹配方法的另一种流程图；
图3为本发明实施例提供的用户匹配装置的一种结构图；
图4为本发明实施例提供的用户匹配装置的另一种结构图；
图5为本发明实施例提供的一种电子设备的示意图；
具体实施方式
为了使本领域技术人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。
下面首先对本发明实施例提供的一种用户匹配方法进行介绍。
需要说明的是，本发明实施例提供的用户匹配方法，可以应用于能够提供社交服务的电子设备，该设备包括台式计算机、便携式计算机，智能移动终端、可穿戴式智能终端、服务器等，在此不作限定，任何可以实现本发明实施例的电子设备，均属于本发明实施例的保护范围。
如图1所示，本发明实施例提供的一种用户匹配方法，可以包括：
S101，获取所有待匹配用户的用户信息。
与熟人社交不同的是，在进行陌生用户匹配时，无法基于用户之间的互动、共同好友等信息来评估用户间的亲密度，因此获取的待匹配用户的用户信息，应当是用户在注册时输入的能够尽可能反映出用户性格、兴趣等的非私密信息。
S102，将所述所有待匹配用户的用户信息输入预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度。
S103，将所述所有待匹配用户中两两用户间的用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度。
S104，将亲密度满足预设条件的两两用户确定为互相匹配用户。
通过所述亲密度在线计算模型中预设的匹配算法，将所有待匹配用户中两两用户的地理位置信息，星座信息，以及标签信息，量化为能够整体反映获取的两两用户之间可否匹配的亲密度。同时进一步的利用预设条件将两两用户根据其亲密度进行筛选，将满足预设条件的两两用户确定为互相匹配用户，有利于获得更准确的匹配结果。
可选的，所述所有待匹配用户为：当前时刻前预设时长内的所有在线用户。
例如：根据历史经验，将当前时刻前5秒内的所有在线用户作为待匹配用户。这样就避免了将不在线的用户纳入待匹配用户中，方便匹配完成后两两用户的交流，同时减少了冗余匹配用户的计算，有利于提高匹配效率。
本发明实施例提供的一种用户匹配方法，通过获取所有待匹配用户的用户信息，利用预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度，将所述用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度，将亲密度满足预设条件的两两用户确定为互相匹配用户，从而为用户匹配符合其喜好的用户，可以更好地满足用户的交友需求。
如图2所示，本发明实施例提供的用户匹配方法另一种流程，可以包括：
步骤S201与图1实施例的步骤S101相对应，在此不再说明，详见前述实施例的说明。
S202，将所述所有待匹配用户的用户地理位置信息，星座信息，以及用于表示用户喜好的标签信息，输入预设的信息匹配模型。
其中，地理位置能够反映用户生活环境中的风俗习惯、文化饮食等信息，并且获取的地理位置信息也能用于确定匹配用户的交友是否便于从线上发展到线下。星座信息可以是根据出生日期确定的星座名称。具体为：查询预设的出生日期与星座的对应关系表，确定用户的星座名称。例如：用户出生日期属于区间12.22-1.19，查询预设的出生日期与星座的对应关系表，得到用户星座为摩羯座。星座信息也可以是用户预先输入的明确的星座名称。而直观反映用户喜好的标签信息可以是用户注册时就输入的信息。
S203，根据两两用户的地理位置信息，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)。
两两用户匹配时，第一用户为i，第二用户为j。所述地理位置信息可以是用户输入的常住位置信息，例如常住城市名称，也可以是采用GPS定位获取的用户当前位置信息，例如：用户当前经纬度。任何可以用于计算两两用户间距离的地理位置信息均可用于本发明实施例，本发明实施例对此不作限制。
当地理位置信息为用户的常住城市名称时，预设的距离亲密度算法可以为：查询预设的城市距离信息表，得到第一用户i与第二用户j各自所在城市之间的距离，该距离即为两两用户之间的距离亲密度D(i,j)，其中相同城市间的距离以最大行政区间距离为准。例如，待匹配用户A、B、C，常住城市分别为深圳，广州，深圳，预设的城市距离信息表中广州与深圳的距离为105千米，深圳同城距离为50千米，那么这三个用户两两匹配时，距离亲密度分别为D(A,B)＝105，D(A,C)＝50，D(B,C)＝105。可以理解的是所述预设的城市距离信息表可以是预先存储在本地数据中的，也可以是存储在远程服务器中的。
可选的，当地理位置信息为采用GPS定位获取的用户当前位置信息时，步骤S203可以包括：
根据第一用户的地理位置坐标(θi,αi)和第二用户的地理位置坐标(θj,αj)，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)，所述预设的距离亲密度算法为：
Figure BDA0001543651740000101
其中，R为地球半径，(θ,α)为在以0度经纬线为坐标轴构建的坐标系中，根据坐标对应规则对用户地理位置对应的经纬度(Lon,Lat)进行计算得到的用户地理位置坐标；所述坐标对应规则为：东经对应θ＝Lon，西经对应θ＝-Lon，北纬对应α＝90-Lat，南纬对应α＝90+Lat。
例如：待匹配用户A、C定位的当前地理位置对应的经纬度分别为(LonA,LatA)＝(114.02E,22.31N)，(LonC,LatC)＝(114.26E,22.72N)，那么根据所述坐标对应规则中的东经对应θ＝Lon，北纬对应α＝90-Lat，计算得到用户A、C的地理位置坐标分别为(θA,αA)＝(114.02,67.69)，(θC,αC)＝(114.26,67.28),将上述地理位置坐标输入预设的距离亲密度算法，就能计算得到待匹配用户A、C的距离亲密度。与获取用户常住城市之间的距离的方法相比，本实施例的方法获取了用户当前位置明确的经纬度信息，并利用坐标对应规则将经纬度信息转化为对应的地理位置坐标，从而利用预设的距离亲密度算法得到的待匹配用户的亲密度更加准确，并且基于当前位置得到的匹配用户，对线上交友发展为线下交友更加便利，有利于提升用户体验。
S204，根据两两用户的星座信息，按预设的星座匹配关系，计算得到两两用户之间的星座匹配度C(i,j)。
任何星座之间都可以进行匹配，但匹配度存在差异，因此在确定了两两用户的星座信息后，要按预设的星座匹配关系获取星座匹配度。可以理解的是所述星座匹配关系为能够确定出不同星座间匹配度的关系，例如预设的根据专家历史经验得到的星座爱情速配指数表。
可选的，当预设的星座匹配关系为预设的星座爱情速配指数表时，步骤S204可以包括：
根据两两用户的星座信息，从预设的星座爱情速配指数表中，选取第一用户i和第二用户j的星座匹配指数，并进行归一化处理，得到两两用户间的星座匹配度C(i,j)。
例如：用户A为摩羯座男，用户B为双鱼座女，从预设的星座爱情速配指数表中选取出摩羯座男与双鱼座女的匹配指数为82，在进行归一化处理，得到用户A与用户B之间的星座匹配度C(A,B)＝0.82。
S205，根据两两用户的标签信息，按预设的关联度算法，计算得到两两用户之间的标签关联度y(ai,aj)。
标签信息用于表示用户的喜好，每个用户可以有多个标签，可以是用户对日常生活的喜好，例如逛街、读书、绘画、烹饪等。也可以是用户对异性特质的喜好，例如软萌、幽默，高冷，中二等。两两用户的标签越相似则用户间越关联。因此，按预设的关联度算法，获得两两用户之间的标签关联度的步骤，可以包括将各个待匹配用户各自的所有标签作为该用户的标签集合A，预设的关联度算法可以是杰卡尔德相似系数算法：
Figure BDA0001543651740000111
利用杰卡尔德相似系数算法直接计算两两用户所有标签之间的关联度，即两两用户的所有标签中，相似标签的数量占比。其中第一用户i的标签集合为
Figure BDA0001543651740000112
第二用户j的标签集合为
Figure BDA0001543651740000113
在本实施例的方法中，y(ai,aj)∈[0,1]。
例如：用户B的标签集合为AB＝{逛街，绘画，旅游，烹饪，软萌，中二}，用户C的标签集合为AC＝{看电影，绘画，读书，烹饪，中二，萌妹控}，则y(aB,aC)＝4/12≈0.33333。可以理解的是示例用户的标签种“软萌”与“萌妹控”属于相似标签，对于计算结果的具体取值精度本领域技术人员可以根据实际应用情况进行调整，本实施例对此不作限制。
可选的，在本发明的另一种实施例中，步骤S205可以包括：
所述标签信息可以包括3类标签：自我描述类标签、兴趣类标签和需求类标签；每类包括预设数量的具体子标签。
例如：自我描述类标签可以包括20个具体子标签，兴趣类标签可以包括20个具体子标签，需求类标签可以包括10个具体子标签，在实际应用中具体子标签的数量和内容可以根据需求调整，本实施例对此不作限制。
自我描述类标签包括女性与男性用户对自身特质和喜好的异性特质的描述，例如：女性用户：小清新、女汉纸、耿直girl、话痨、文艺青年、学霸、夜猫子、吃货、幽默、高冷、偏执狂、中二、软萌、拖延症、外貌协会、铲屎官、剁手党、御宅、大叔控、鲜肉控；男性用户：小清新、肌肉男、耿直boy、话痨、文艺青年、学霸、夜猫子、吃货、幽默、高冷、偏执狂、中二、御宅、铲屎官、拖延症、剁手党、外貌协会、御宅、萌妹控、御姐控。
兴趣类标签包括用户对日常生活喜好的描述，例如：泡吧、动漫、王者荣耀、LOL、摄影、手工、绿植、旅行、酒、麻将、狼人杀、游戏、逛街、写作、绘画、唱歌、看电影、运动、桌游、烹饪。
需求类标签包括用户对当前需求的描述，可以由用户自定义添加，例如：想听你唱歌、王者峡谷看风景、开黑双排、交换秘密、讲笑话、陪你聊天、资深吃货、笑点低、英语口语练习、为你唱歌。
在上述使用标签分类的情况下，按预设的关联度算法，获得两两用户之间的标签关联度y(ai,aj)的步骤，可以包括：
根据第一用户i和第二用户j的标签ai，aj，利用预设的FM算法模型计算两两用户间的标签关联度y(ai,aj)；
所述FM算法模型为：
Figure BDA0001543651740000121
为保证y(ai,aj)>1，wo可以取值为1，三种标签的权重可以是根据历史经验预设的，wkz为两用户各类型标签的子标签总数中，相似子标签的数量占比。
例如：用户A的自我描述类标签
Figure BDA0001543651740000122
的子标签数量为20个，用户B的自我描述类标签
Figure BDA0001543651740000123
的子标签数量为20个，则用户A与用户B的自我描述类标签a1的子标签总数为40个，其中相似子标签数量为25个，则用户A与用户B的自我描述类标签
Figure BDA0001543651740000124
与
Figure BDA0001543651740000125
在隐空间的相似度为w11＝25/40＝0.625，以同样的方法，分别获取用户A与用户B的各个类型标签在隐空间的相似度。
可以理解的是标签匹配的顺序不影响相似度，例如w13＝w31，因此，在获取两两用户的各类型标签在隐空间的相似度时，为了提高获取效率，可以不再获取k>z时的标签相似度，即不再获取w21、w31、w32。
与直接计算两两用户所有标签之间的关联度的方法相比，本实施例的方法对用户的标签信息进行了分类，通过多种角度获取了更详细、准确的用户喜好信息，同时在获取用户标签关联度时，首先获取各个类型标签在隐空间的相似度，再通过FM算法模型以不同的权重对标签的整体关联度作出评价，使获取的标签关联度更加全面、准确，有利于后续获取的用户间的亲密度能够更为全面、准确地反映用户的喜好。
S206，将所述两两用户之间的距离亲密度、星座匹配度及标签关联度输入预设的亲密度在线计算模型，计算获得两两用户之间的亲密度ln[i,j]。
用户间的亲密度用于反映距离亲密度、星座匹配度及标签关联度的整体水平，两两用户之间距离越小、星座越匹配、标签越关联，那么亲密度越高。因此，本步骤可以包括，以不同的权重对两两用户之间的距离亲密度、星座匹配度及标签关联度进行加和，所述权重可以是根据历史经验预先设置的。应当理解的是，距离亲密度与用户间的距离成负相关，也就是距离越大距离亲密度越低时，距离亲密度权重λD为负值，所述计算获得两两用户之间的亲密度为ln[i,j]＝λyy(ai,aj)+λCC(i,j)+λDD(i,j)。任何可以综合反映距离亲密度、星座匹配度及标签关联度的整体水平的用户亲密度计算方法均可用于本发明，本实施例对此不作限制。
可选的，在本发明的另一种实施例中，步骤S206可以包括：
将所述两两用户之间的距离亲密度D(i,j)、星座匹配度C(i,j)及标签关联度y(ai,aj)，输入预设的亲密度在线计算模型，计算获得两两用户之间的亲密度ln[i,j]＝y(ai,aj)×C(i,j)/D(i,j)。
可以理解的是，本方法中两两用户之间的标签关联度、星座匹配度分别与用户间的亲密度成正相关。由于距离亲密度是通过用户间的距离归一化得到的，即距离越大距离亲密度越大，因此距离亲密度与用户间的亲密度成负相关。与加权计算以获得两两用户间亲密度的方法相比，本实施例的方法避免了权重设置差异引起的亲密度不够准确的问题，使得到的亲密度直接反映上述相关关系，有利于获得更准确的亲密度。
步骤S207与图1实施例的步骤S104相对应，在此不再说明，详见前述实施例的说明。
可选的，在另一实施例中，图2所示实施例的步骤S207，具体可以包括：
根据获得的所述两两用户之间的亲密度ln[i,j]，得到对应于每个用户的亲密度矩阵，将所述亲密度矩阵中最大亲密度对应的两两用户确定为互相匹配用户。
例如：获取当前时刻前5秒内n个待匹配用户中，两两用户之间的亲密度ln[i,j]，对应于用户i1的亲密度矩阵为ln[i1,j1]ln[i1,j2]ln[i1,j3]…ln[i1,jn]，其中最大亲密度为ln[i1,j16]，则用户i1与用户j16为互相匹配的用户。
可选的，在另一实施例中，在确定了互相匹配用户的步骤之后，还可以包括：
接收互相匹配用户完成交流后对彼此的评分信息，所述评分信息为表征用户对匹配结果满意度的分值；
根据所述评分信息，将满足预设分值条件的互相匹配用户作为正样本；
将所述正样本对应的FM模型中，所述用户的3类标签对应的权重wk代入FTRL算法模型中进行训练；
使用训练后的权重更新所述FM算法模型。
例如：互相匹配用户对彼此的评分可以为0-5的分值，接收互相匹配用户A与B、C与D聊天结束后对彼此的评分分别为4.5分与5分、2分与2.5分，当预设分值条件为互相匹配用户对彼此的打分均需大于等于3分时，将互相匹配用户A与B作为正样本，将获取用户A与B标签相似度的FM模型中的3类标签权重wk，代入FTRL算法模型中进行训练得，使用训练后的权重更新所述FM算法模型。本实施例的方法，通过接收互相匹配用户对彼此的评分信息，对FM算法模型中各类标签的权重进行训练并更新，以用户实际反馈为依据修正预设的亲密度在线计算模型，使得匹配模型更加精确，从而使得待匹配用户的匹配用户更加符合待匹配用户的喜好，提升用户使用体验。
本发明实施例提供的一种陌生用户匹配方法，通过获取所有待匹配用户的地理位置信息，星座信息，以及用于表示用户喜好的标签信息，利用预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度，将所述用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度，将亲密度满足预设条件的两两用户确定为互相匹配用户，从而为用户匹配符合其喜好的用户，同时根据用户关注推荐主播的情况来修正预设的亲密度在线计算模型，使互相匹配用户更加准确，可以更好地满足用户的交友需求。
相应于上面的方法实施例，本发明实施例还提供了一种直播视频摘要的生成装置。
如图3所示，本发明实施例提供的一种用户匹配装置，可以包括：
用户信息获取模块301，用于获取所有待匹配用户的用户信息。
用户信息匹配模块302，用于将所述所有待匹配用户的用户信息输入预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度。
亲密度在线计算模块303，用于将将所述所有待匹配用户中两两用户间的用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度。
互相匹配用户确定模块304，用于将亲密度满足预设条件的两两用户确定为互相匹配用户。
可选的，所述用户信息获取模块301，用于获取所有待匹配用户的用户信息时，所述所有待匹配用户为：当前时刻前预设时长内的所有在线用户。
本发明实施例提供的一种用户匹配装置，通过获取所有待匹配用户的用户信息，利用预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度，将所述用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度，将亲密度满足预设条件的两两用户确定为互相匹配用户，从而为用户匹配符合其喜好的用户，可以更好地满足用户的交友需求。
如图4所示，本发明实施例提供的另一种用户匹配装置，可以包括：
模块401与图3实施例的模块301相对应，在此不再说明，详见前述实施例的说明。
用户信息匹配模块402，具体用于将所述所有待匹配用户的用户地理位置信息，星座信息，以及用于表示用户喜好的标签信息，输入预设的信息匹配模型时，可以包括：
距离亲密度计算模块4021，用于根据两两用户的地理位置信息，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)。
星座匹配度计算模块4022，用于根据两两用户的星座信息，按预设的星座匹配关系，计算得到两两用户之间的星座匹配度C(i,j)。
标签关联度计算模块4023，用于根据两两用户的标签信息，按预设的关联度算法，计算得到两两用户之间的标签关联度y(ai,aj)。
其中，两两用户匹配时，第一用户为i，第二用户为j。
亲密度在线计算模块403，具体用于：将所述两两用户之间的距离亲密度、星座匹配度及标签关联度输入预设的亲密度在线计算模型，计算获得两两用户之间的亲密度ln[i,j]。
可选的，所述距离亲密度计算模块4021，具体用于：
根据第一用户的地理位置坐标(θi,αi)和第二用户的地理位置坐标(θj,αj)，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)，所述预设的距离亲密度算法为：
Figure BDA0001543651740000161
其中，R为地球半径，用户的地理位置坐标(θ,α)为在以0度经纬线为坐标轴构建的坐标系中，根据坐标对应规则对用户地理位置对应的经纬度(Lon,Lat)进行计算得到的；
所述坐标对应规则为：东经对应θ＝Lon，西经对应θ＝-Lon，北纬对应α＝90-Lat，南纬对应α＝90+Lat。
可选的，所述星座匹配度计算模块4022，具体用于：
根据两两用户的星座信息，从预设的星座爱情速配指数表中，选取第一用户i和第二用户j的星座匹配指数，并进行归一化处理，得到两两用户间的星座匹配度C(i,j)。
可选的，所述标签关联度计算模块4023，具体用于：
所述标签信息包括3类标签：自我描述类标签、兴趣类标签和需求类标签；每类包括预设数量的具体子标签；
所述根据两两用户的标签信息，按预设的关联度算法，获得两两用户之间的标签关联度y(ai,aj)的步骤，包括：
根据第一用户i和第二用户j的标签ai，aj，利用预设的FM算法模型计算两两用户间的标签关联度y(ai,aj)；
所述FM算法模型为：
Figure BDA0001543651740000171
其中，wo为预设的FM算法模型的参数，m为标签类型数量3，wk为预设的3类标签对应的权重，wkz为根据两两用户的具体子标签，利用杰卡德相似系数获取的两两用户的各类型标签在隐空间的相似度。
可选的，所述亲密度计算模块4024，具体用于：
将所述两两用户之间的距离亲密度D(i,j)、星座匹配度C(i,j)及标签关联度y(ai,aj)，输入预设的亲密度在线计算模型，计算获得两两用户之间的亲密度ln[i,j]＝y(ai,aj)×C(i,j)/D(i,j)。
模块404与图3实施例的模块303相对应，在此不再说明，详见前述实施例的说明。
可选的，在另一实施例中，所述互相匹配用户确定模块404，具体用于：
根据获得的所述两两用户之间的亲密度ln[i,j]，得到对应于每个用户的亲密度矩阵，将所述亲密度矩阵中最大亲密度对应的两两用户确定为互相匹配用户。
可选的，所述装置还包括标签权重更新模块405(未在图中示出)，具体用于：
接收互相匹配用户完成交流后对彼此的评分信息，所述评分信息为表征用户对匹配结果满意度的分值；
根据所述评分信息，将满足预设分值条件的互相匹配用户作为正样本；
将所述正样本对应的FM模型中，所述用户的3类标签对应的权重wk代入FTRL算法模型中进行训练；
使用训练后的权重更新所述FM算法模型。
对于装置实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。为了描述的方便，描述以上装置时以功能分为各种模块分别描述。当然，在实施本发明时可以把各模块的功能在同一个或多个软件和/或硬件中实现。
本发明实施例提供的一种用户匹配装置，通过获取所有待匹配用户的地理位置信息，星座信息，以及用于表示用户喜好的标签信息，利用预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度，将所述用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度，从而为用户匹配符合其喜好的用户，同时根据用户关注推荐主播的情况来修正预设的亲密度在线计算模型，使互相匹配用户更加准确，可以更好地满足用户的交友需求。
本发明实施例还提供了一种电子设备，如图5所示，包括处理器501、通信接口502、存储器503和通信总线504，其中，处理器501，通信接口502，存储器通503过通信总线504完成相互间的通信；
所述存储器503，用于存放计算机程序；
所述处理器501，用于执行所述存储器503上所存放的计算机程序时，实现如下步骤：
获取所有待匹配用户的用户信息；
将所述所有待匹配用户的用户信息输入预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度；
将所述所有待匹配用户中两两用户间的用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度；
将亲密度满足预设条件的两两用户确定为互相匹配用户。
本发明实施例提供的电子设备，通过获取所有待匹配用户的用户信息，利用预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度，将所述用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度，从而为用户匹配符合其喜好的用户，同时根据用户关注推荐主播的情况来修正预设的亲密度在线计算模型，使互相匹配用户更加准确，可以更好地满足用户的交友需求。
上述电子设备提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。
通信接口用于上述电子设备与其他设备之间的通信。
存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。
上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
本说明书中的各个实施例均采用相关的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置和电子设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所作的任何修改、等同替换、改进等，均包含在本发明的保护范围内。

Claims (13)

1.一种用户匹配方法，其特征在于，所述方法包括：
获取所有待匹配用户的用户信息；所述所有待匹配用户为：当前时刻前预设时长内的所有在线用户；
将所述所有待匹配用户的用户信息输入预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度；
其中，标签信息包括3类标签：自我描述类标签、兴趣类标签和需求类标签；每类包括预设数量的具体子标签；所述将所述所有待匹配用户的用户信息输入预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度，包括：
根据第一用户i和第二用户j的标签ai，aj，利用预设的FM算法模型计算两两用户间的标签关联度y(ai,aj)；
所述FM算法模型为：
Figure FDA0003249945530000011
其中，wo为预设的FM算法模型的参数，m为标签类型数量3，wk为预设的3类标签对应的权重，wkz为根据两两用户的具体子标签，利用杰卡德相似系数获取的两两用户的各类型标签在隐空间的相似度；
将所述所有待匹配用户中两两用户间的用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度；其中，所述预设的亲密度在线计算模型为ln[i,j]＝y(ai,aj)×C(i,j)/D(i,j)；所述ln[i,j]为所述亲密度，所述D(i,j)、所述C(i,j)及所述y(ai,aj)，分别为所述两两用户之间的距离亲密度，星座匹配度及标签关联度；
将亲密度满足预设条件的两两用户确定为互相匹配用户。
2.根据权利要求1所述的方法，其特征在于，所述将所述所有待匹配用户的用户信息输入预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度的步骤，包括：
将所述所有待匹配用户的用户地理位置信息，星座信息，以及用于表示用户喜好的标签信息，输入预设的信息匹配模型；
根据两两用户的地理位置信息，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)；
根据两两用户的星座信息，按预设的星座匹配关系，计算得到两两用户之间的星座匹配度C(i,j)。
3.根据权利要求2所述的方法，其特征在于，所述根据两两用户的地理位置信息，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)的步骤，包括：
根据第一用户的地理位置坐标(θi,αi)和第二用户的地理位置坐标(θj,αj)，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)，所述预设的距离亲密度算法为：
Figure FDA0003249945530000021
其中，R为地球半径，用户的地理位置坐标(θ,α)为在以0度经纬线为坐标轴构建的坐标系中，根据坐标对应规则对用户地理位置对应的经纬度(Lon,Lat)进行计算得到的；
所述坐标对应规则为：东经对应θ＝Lon，西经对应θ＝-Lon，北纬对应α＝90-Lat，南纬对应α＝90+Lat。
4.根据权利要求2所述的方法，其特征在于，所述根据两两用户的星座信息，按预设的星座匹配关系，获得两两用户之间的星座匹配度C(i,j)的步骤，包括：
根据两两用户的星座信息，从预设的星座爱情速配指数表中，选取第一用户i和第二用户j的星座匹配指数，并进行归一化处理，得到两两用户间的星座匹配度C(i,j)。
5.根据权利要求1所述的方法，其特征在于，所述将亲密度满足预设条件的两两用户确定为互相匹配用户的步骤，包括：
根据获得的所述两两用户之间的亲密度ln[i,j]，得到对应于每个用户的亲密度矩阵，将所述亲密度矩阵中最大亲密度对应的两两用户确定为互相匹配用户。
6.根据权利要求5所述的方法，其特征在于，在所述将所述亲密度矩阵中最大亲密度对应的两两用户确定为互相匹配用户的步骤之后，还包括：
接收互相匹配用户完成交流后对彼此的评分信息，所述评分信息为表征用户对匹配结果满意度的分值；
根据所述评分信息，将满足预设分值条件的互相匹配用户作为正样本；
将所述正样本对应的FM模型中，所述用户的3类标签对应的权重wk代入FTRL算法模型中进行训练；
使用训练后的权重更新所述FM算法模型。
7.一种用户匹配装置，其特征在于，所述装置包括：
用户信息获取模块，用于获取所有待匹配用户的用户信息；所述所有待匹配用户为：当前时刻前预设时长内的所有在线用户；
用户信息匹配模块，用于将所述所有待匹配用户的用户信息输入预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度；
其中，标签信息包括3类标签：自我描述类标签、兴趣类标签和需求类标签；每类包括预设数量的具体子标签；所述将所述所有待匹配用户的用户信息输入预设的信息匹配模型，计算获得所述所有待匹配用户中两两用户间的用户信息匹配度，包括：
根据第一用户i和第二用户j的标签ai，aj，利用预设的FM算法模型计算两两用户间的标签关联度y(ai,aj)；
所述FM算法模型为：
Figure FDA0003249945530000031
其中，wo为预设的FM算法模型的参数，m为标签类型数量3，wk为预设的3类标签对应的权重，wkz为根据两两用户的具体子标签，利用杰卡德相似系数获取的两两用户的各类型标签在隐空间的相似度；
亲密度在线计算模块，用于将所述所有待匹配用户中两两用户间的用户信息匹配度输入预设的亲密度在线计算模型，计算获得所述所有待匹配用户中两两用户之间的亲密度；其中，所述预设的亲密度在线计算模型为ln[i,j]＝y(ai,aj)×C(i,j)/D(i,j)；所述ln[i,j]为所述亲密度，所述D(i,j)、所述C(i,j)及所述y(ai,aj)，分别为所述两两用户之间的距离亲密度，星座匹配度及标签关联度；
互相匹配用户确定模块，用于将亲密度满足预设条件的两两用户确定为互相匹配用户。
8.根据权利要求7所述的装置，其特征在于，所述用户信息匹配模块，具体用于将所述所有待匹配用户的用户地理位置信息，星座信息，以及用于表示用户喜好的标签信息，输入预设的信息匹配模型时，包括：
距离亲密度计算模块，用于根据两两用户的地理位置信息，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)；
星座匹配度计算模块，用于根据两两用户的星座信息，按预设的星座匹配关系，计算得到两两用户之间的星座匹配度C(i,j)。
9.根据权利要求8所述的装置，其特征在于，所述距离亲密度计算模块，具体用于：
根据第一用户的地理位置坐标(θi,αi)和第二用户的地理位置坐标(θj,αj)，按预设的距离亲密度算法，计算两两用户之间的距离亲密度D(i,j)，所述预设的距离亲密度算法为：
Figure FDA0003249945530000041
其中，R为地球半径，用户的地理位置坐标(θ,α)为在以0度经纬线为坐标轴构建的坐标系中，根据坐标对应规则对用户地理位置对应的经纬度(Lon,Lat)进行计算得到的；
所述坐标对应规则为：东经对应θ＝Lon，西经对应θ＝-Lon，北纬对应α＝90-Lat，南纬对应α＝90+Lat。
10.根据权利要求8所述的装置，其特征在于，所述星座匹配度计算模块，具体用于：
根据两两用户的星座信息，从预设的星座爱情速配指数表中，选取第一用户i和第二用户j的星座匹配指数，并进行归一化处理，得到两两用户间的星座匹配度C(i,j)。
11.根据权利要求7所述的装置，其特征在于，所述互相匹配用户确定模块，具体用于：
根据获得的所述两两用户之间的亲密度ln[i,j]，得到对应于每个用户的亲密度矩阵，将所述亲密度矩阵中最大亲密度对应的两两用户确定为互相匹配用户。
12.根据权利要求11所述的装置，其特征在于，所述装置还包括标签权重更新模块，具体用于：
接收互相匹配用户完成交流后对彼此的评分信息，所述评分信息为表征用户对匹配结果满意度的分值；
根据所述评分信息，将满足预设分值条件的互相匹配用户作为正样本；
将所述正样本对应的FM模型中，所述用户的3类标签对应的权重wk代入FTRL算法模型中进行训练；
使用训练后的权重更新所述FM算法模型。
13.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
存储器，用于存放计算机程序；
处理器，用于执行存储器上所存放的程序时，实现上述权利要求1-6任一所述的方法步骤。
CN201810021377.3A 2018-01-10 2018-01-10 用户匹配方法、装置及电子设备 Active CN108228847B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810021377.3A CN108228847B (zh) 2018-01-10 2018-01-10 用户匹配方法、装置及电子设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810021377.3A CN108228847B (zh) 2018-01-10 2018-01-10 用户匹配方法、装置及电子设备

Publications (2)

Publication Number Publication Date
CN108228847A CN108228847A (zh) 2018-06-29
CN108228847B true CN108228847B (zh) 2021-10-22

Family

ID=62640673

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810021377.3A Active CN108228847B (zh) 2018-01-10 2018-01-10 用户匹配方法、装置及电子设备

Country Status (1)

Country Link
CN (1) CN108228847B (zh)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110544108B (zh) * 2019-04-18 2022-12-13 国家计算机网络与信息安全管理中心 社交用户的分类方法、装置、电子设备及介质
CN111127108A (zh) * 2019-12-27 2020-05-08 北京奇艺世纪科技有限公司 物品分配方法、装置、电子设备及计算机可读存储介质
CN111339442A (zh) * 2020-02-25 2020-06-26 北京声智科技有限公司 线上好友互动方法及装置
CN113449754B (zh) * 2020-03-26 2023-09-22 百度在线网络技术（北京）有限公司 标签的匹配模型训练和展示方法、装置、设备及介质
CN113010739B (zh) * 2021-03-18 2024-01-26 北京奇艺世纪科技有限公司 一种视频标签审核方法、装置及电子设备
CN116361566A (zh) * 2023-03-29 2023-06-30 竞速信息技术(廊坊)有限公司 一种基于大数据的用户关系推荐方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103984775A (zh) * 2014-06-05 2014-08-13 网易（杭州）网络有限公司 一种推荐好友的方法和设备
CN104881459A (zh) * 2015-05-22 2015-09-02 电子科技大学 一种移动社会网络的好友推荐方法
CN107111651A (zh) * 2016-07-29 2017-08-29 深圳越界创新科技有限公司 一种匹配度计算方法、装置以及用户设备

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103984775A (zh) * 2014-06-05 2014-08-13 网易（杭州）网络有限公司 一种推荐好友的方法和设备
CN104881459A (zh) * 2015-05-22 2015-09-02 电子科技大学 一种移动社会网络的好友推荐方法
CN107111651A (zh) * 2016-07-29 2017-08-29 深圳越界创新科技有限公司 一种匹配度计算方法、装置以及用户设备

Also Published As

Publication number Publication date
CN108228847A (zh) 2018-06-29

Similar Documents

Publication Publication Date Title
CN108228847B (zh) 用户匹配方法、装置及电子设备
US20220391773A1 (en) Method and system for artificial intelligence learning using messaging service and method and system for relaying answer using artificial intelligence
WO2020177282A1 (zh) 一种机器对话方法、装置、计算机设备及存储介质
US11244294B2 (en) Data information transaction method and system
US10771424B2 (en) Usability and resource efficiency using comment relevance
CN112313740A (zh) 聚合语义信息以提高对用户的理解
US9680959B2 (en) Recommending content based on intersecting user interest profiles
US11657371B2 (en) Machine-learning-based application for improving digital content delivery
US20130196602A1 (en) Wireless communications using coinciding multiple pairing criteria
JP2019506664A (ja) ディープラーニングモデルを用いたエンティティの識別
US10412037B2 (en) Methods and systems for providing notifications to users of a social networking service
US20190294731A1 (en) Search query dispatcher using machine learning
CN105874500A (zh) 生成离线内容
US10785181B2 (en) Sharing content to multiple public and private targets in a social network
KR20170103586A (ko) 메신저 서비스를 이용한 인공지능 학습 방법 및 시스템, 그리고 인공지능을 이용한 답변 중계 방법 및 시스템
CN104246644A (zh) 用于共享对象信息的方法和系统
US11095696B2 (en) Social networking system and method
US11205128B2 (en) Inferred profiles on online social networking systems using network graphs
CN107025607B (zh) 精确定位社交处理方法
US11935099B2 (en) Adaptive collaborative matching method
CN113360777A (zh) 内容推荐模型训练方法、内容推荐方法及相关设备
CN112507218A (zh) 业务对象推荐方法、装置、电子设备及存储介质
US8949327B2 (en) Method and device to provide trusted recommendations of websites
Irugalbandara et al. Context aware adaptive mobile learning framework for bottom of pyramid people (BOP)
US20180039943A1 (en) Systems and methods for matching based on data collection

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