CN108305180B - 一种好友推荐方法及装置 - Google Patents

Abstract

本申请涉及互联网技术领域，尤其涉及一种好友推荐方法及装置，用以解决现有技术中的好友推荐方式存在着推荐准确性低的问题；本申请实施例提供的好友推荐方法包括：采集待推荐用户集中每个用户参与的话题以及该用户在该话题中的评论语句；提取每个评论语句中的观点主题词；基于每个用户参与的话题及其评论的观点主题词，生成所述用户的用户标签；针对所述待推荐用户中的任意两个用户，根据这两个用户的用户标签之间的相似度，判断这两个用户之间是否适合建立好友关系；若适合，则向所述两个用户的客户端发送好友推荐信息。

Description

一种好友推荐方法及装置

技术领域

本申请涉及互联网技术领域，尤其涉及一种好友推荐方法及装置。

背景技术

随着信息传播技术的发展和普及，互联网已经成为人们沟通交流的重要渠道。而在社交网站中建立好友关系也成为用户在使用社交网站时最常见的需求。

目前，很多社交网站可以为用户提供推荐好友的功能，并且在现有技术中社交网站常采用以下两种方式为用户推荐好友：第一种是基于共同好友的推荐方式，即社交网站的服务器检测用户的好友列表，当检测到用户A好友列表中存在用户B和用户C，且用户B和用户C之间不互为好友，此时会将检测到的用户A的其中一个好友(用户B)推荐给检测到的用户A的另一个好友(用户C)；第二种是基于用户注册信息的推荐方式，即社交网站的服务器检测用户注册时的注册信息，比如籍贯、所在学校、爱好或住所地址等信息，向用户推送与该用户具有一项或者多项相同注册信息且与该用户不互为好友的其它用户的推荐信息。以上两种好友推荐方式仅仅是基于用户的共同好友信息或用户注册信息的匹配程度来进行好友推荐，采用上述方式，可能出现社交网站向用户推荐的好友与该用户之间并不存在任何交集，即社交网站推送的好友推荐信息往往并不是用户真实需要的好友信息，从而导致推荐的好友信息不够精准，难以被用户采纳。

综上，现有技术中的好友推荐方式存在着推荐准确性低的问题。

发明内容

本申请实施例提供一种好友推荐方法及装置，用以解决现有技术中的好友推荐方式存在着推荐准确性低的问题。

本申请实施例提供的一种好友推荐方法，包括：

采集待推荐用户集中每个用户参与的话题以及该用户在该话题中的评论语句；

提取每个评论语句中的观点主题词；

基于每个用户参与的话题及其评论的观点主题词，生成所述用户的用户标签；

针对所述待推荐用户中的任意两个用户，根据这两个用户的用户标签之间的相似度，判断这两个用户之间是否适合建立好友关系；

若适合，则向所述两个用户的客户端发送好友推荐信息。

可选地，若所述评论语句中包含表情符号，则提取所述评论语句中的观点主题词，包括：

基于预先生成的表情符号与文字描述的观点语义之间的映射关系，将所述评论语句中包含的表情符号转换为文字描述的观点语义；

提取转换后的评论语句中的观点主题词。

可选地，根据以下方式生成表情符号与文字描述的观点语义之间的映射关系：

从采集到的评论语句中筛选出包含表情符号且具有观点语义的评论语句样本；

根据所述评论语句样本中的观点语义，确定所述表情符号的观点语义。

可选地，根据所述评论语句样本中的观点语义，确定所述表情符号的观点语义，包括：

提取所述评论语句样本中的观点主题词；

基于提取出的评论语句样本中的观点主题词，将所述评论语句样本进行分类；

针对每一类评论语句样本，确定该类评论语句样本中出现次数大于设定阈值的表情符号集合；

将该类评论语句样本的观点语义确定为所述表情符号集合中的每个表情符号的观点语义。

可选地，根据这两个用户的用户标签之间的相似度，判断这两个用户之间是否适合建立好友关系，包括：

确定所述两个用户的用户标签之间的相似度；

若所述相似度高于预设的相似度阈值，则确定这两个用户之间适合建立好友关系。

本申请实施例提供的一种好友推荐装置，包括：

采集模块，用于采集待推荐用户集中每个用户参与的话题以及该用户在该话题中的评论语句；

提取模块，用于提取每个评论语句中的观点主题词；

生成模块，用于基于每个用户参与的话题及其评论的观点主题词，生成所述用户的用户标签；

处理模块，用于针对所述待推荐用户中的任意两个用户，根据这两个用户的用户标签之间的相似度，判断这两个用户之间是否适合建立好友关系；若适合，则向所述两个用户的客户端发送好友推荐信息。

可选地，若所述评论语句中包含表情符号，则所述提取模块具体用于：

基于预先生成的表情符号与文字描述的观点语义之间的映射关系，将所述评论语句中包含的表情符号转换为文字描述的观点语义；

提取转换后的评论语句中的观点主题词。

可选地，所述装置还包括：

筛选模块，用于从采集到的评论语句中筛选出包含表情符号且具有观点语义的评论语句样本；

确定模块，用于根据所述评论语句样本中的观点语义，确定所述表情符号的观点语义。

可选地，所述确定模块具体用于：

在所述提取模块提取出所述评论语句样本中的观点主题词之后，基于提取出的评论语句样本中的观点主题词，将所述评论语句样本进行分类；

针对每一类评论语句样本，确定该类评论语句样本中出现次数大于设定阈值的表情符号集合；

将该类评论语句样本的观点语义确定为所述表情符号集合中的每个表情符号的观点语义。

可选地，所述处理模块具体用于：

确定所述两个用户的用户标签之间的相似度；

若所述相似度高于预设的相似度阈值，则确定这两个用户之间适合建立好友关系。

本申请实施例中，服务器采集待推荐用户集中每个用户参与的话题以及该用户在该话题中的评论语句，并从每个评论语句中提取出观点主题词，基于每个用户参与的话题及其评论的观点主题词，生成用户标签，进一步针对待推荐用户中的任意两个用户，可以根据这两个用户的用户标签之间的相似度，判断这两个用户之间是否适合建立好友关系，若适合，则向两个用户的客户端发送好友推荐信息。采用本申请实施例提供的基于观点的好友推荐方式，对关注类似话题且具有类似观点的用户之间进行好友推荐，使得推荐的好友信息更加精准有效，更容易被用户采纳。此外，在对某一话题下的评论语句进行观点分析时，本申请实施例也能够将评论语句中的表情符号转化为文字描述的观点语义，将网络评论观点的分析对象由纯文本语句扩展至包含表情符号的网络评论语句，进一步提高了网络评论观点分析的准确性。

附图说明

图1为本申请实施例提供的好友推荐方法流程图；

图2为本申请实施例提供的好友推荐装置结构图。

具体实施方式

本申请实施例中，服务器采集待推荐用户集中每个用户参与的话题以及该用户在该话题中的评论语句，并从每个评论语句中提取出观点主题词，基于每个用户参与的话题及其评论的观点主题词，生成用户标签，进一步针对待推荐用户中的任意两个用户，可以根据这两个用户的用户标签之间的相似度，判断这两个用户之间是否适合建立好友关系，若适合，则向两个用户的客户端发送好友推荐信息。采用本申请实施例提供的基于观点的好友推荐方式，对关注类似话题且具有类似观点的用户之间进行好友推荐，使得推荐的好友信息更加精准有效，更容易被用户采纳。此外，在对某一话题下的评论语句进行观点分析时，本申请实施例也能够将评论语句中的表情符号转化为文字描述的观点语义，将网络评论观点的分析对象由纯文本语句扩展至包含表情符号的网络评论语句，进一步提高了网络评论观点分析的准确性。

下面结合说明书附图对本申请实施例作进一步详细描述。

实施例一

如图1所示，为本申请实施例一提供的好友推荐方法流程图，包括以下步骤：

S101：采集待推荐用户集中每个用户参与的话题以及该用户在该话题中的评论语句。

这里，待推荐用户集可以为任一社交网站中已注册的用户的集合，且待推荐用户集中的各用户之间并不互为好友。

在具体实施中，针对客户端中某一社交网站的待推荐用户集，可以分别从客户端中采集各个用户参与的话题以及用户在该话题中的评论语句。在采集用户参与的话题时，可以针对该社交网站中话题的格式来制定话题采集策略。比如，微博中话题的有效格式为“#xxx#”，在两个“#”之间的文字即为话题名称，那么在采集用户参与的话题时，可以首先识别并采集带有“#xxx#”格式的文本，然后提取两个“#”之间的文字作为话题名称。在采集到用户参与的话题之后，进一步采集每一个话题下用户的评论语句，其中，采集的评论语句可能是只包含文字的评论语句，也可能是只包含表情符号的评论语句，还可能是既包含有表情符号也包含有文字的评论语句。

S102：提取每个评论语句中的观点主题词。

在具体实施中，可以对采集到的评论语句进行词语切词和词性分析，并去除停用词、标点符号和虚词。进一步地，针对评论语句中已拆分的各个词语，提取出具有“同意”或“中立”或“反对”等类似观点的词语，作为该条评论语句的观点主题词。这里，可以引用同义词库以及情感词库来做辅助分析，增加“同意”、“中立”、“反对”等观点性词语的样本。比如，对于话题A下的用户A的评论语句为“非常支持这个决定！”，那么在去除停用词“这个”，标点符号“！”之后，对于该条评论语句可以拆分为“非常”、“支持”、“决定”。通过同义词分析可知，“支持”与“同意”的观点相似，则可以将“支持”设置为用户A的评论语句的观点主题词。再比如，对于话题A下的用户B的评论语句为“讨厌这个决定！”，那么在去除停用词“这个”，标点符号“！”之后，对于该条评论语句可以拆分为“讨厌”、“决定”。通过情感词库分析可知，“讨厌”与“反对”的观点相似，则可以将“讨厌”设置为用户B的评论语句的观点主题词。

此外，由于用户的评论语句中常常包含有表情符号，在对评论语句进行观点分析时，还需考虑表情符号所代表的观点语义。因此，本申请实施例中，若识别出评论语句中包含有表情符号，则在提取评论语句中的观点主题词时，可以基于预先生成的表情符号与文字描述的观点语义之间的映射关系，将评论语句中包含的表情符号转换为文字描述的观点语义，之后再从转换后的评论语句中提取出观点主题词。

在具体实施中，可以采用以下方式生成表情符号与文字描述的观点语义之间的映射关系：

方式一：根据表情数据库中预先定义的表情符号的固定语义，确定表情符号所对应的文字描述的观点语义。

方式二：从采集到的评论语句中筛选出包含表情符号且具有观点语义的评论语句样本，根据评论语句样本中的观点语义，确定表情符号所对应的文字描述的观点语义。

为保证表情符号对应的观点语义能够更符合用户实际使用时所要表达的语义，本申请实施例优先选用第二种方式来生成表情符号与文字描述的观点语义之间的映射关系。

具体地，针对第二种方式，可以采用以下步骤生成表情符号与文字描述的观点语义之间的映射关系：

步骤1：从采集到的评论语句中筛选出包含表情符号且具有观点语义的评论语句样本；

在具体实施中，筛选采集到的评论语句时，可以首先筛选出包含有表情符号的评论语句，这里，筛选出的包含有表情符号的评论语句可能是只包含表情符号的评论语句，也可能是既包含有表情符号也包含有文字的评论语句。为了得到既包含有表情符号也包含有文字，且具有观点语义的评论语句作为评论语句样本，可以进一步判断包含表情符号的评论语句中是否包含有“同意”或“中立”或“反对”等类似观点的词语，这里，可以引用同义词库以及情感词库来做辅助分析，增加“同意”、“中立”、“反对”等观点性词语的样本。若判断出表情符号的评论语句中包含有与上述观点类似的词语，则可以将该评论语句作为评论语句样本，否则，不能作为评论语句样本。

步骤2：提取评论语句样本中的观点主题词；

在具体实施中，首先对评论语句样本进行词语切词和词性分析，并去除停用词、标点符号、虚词以及评论语句中包含的表情符号。从评论语句样本中已拆分的各个词语中，提取出具有“同意”或“中立”或“反对”等类似观点的词语，作为该条评论语句样本的观点主题词。

步骤3：基于提取出的评论语句样本中的观点主题词，将评论语句样本进行分类；

这里，根据从各个评论语句样本中提取出的观点主题词，可以将评论语句样本按照观点类型进行分类，比如，可以将评论语句样本分成三类，观点主题词能够近似表征“同意”观点的评论语句样本划分为第一类，观点主题词能够近似表征“中立”观点的评论语句样本划分为第二类，观点主题词能够近似表征“反对”观点的评论语句样本划分为第三类。本申请列举的将观点类型分类三类，进一步将评论语句样本分成三类的场景，仅作为参考。在具体实施中，可以根据实际需要，对观点类型进行详细划分，这里不再一一赘述。

步骤4：针对每一类评论语句样本，确定该类评论语句样本中出现次数大于设定阈值的表情符号集合；

在具体实施中，对于每一类评论语句样本，可以统计该类评论语句样本中各个表情符号的出现次数，若某个表情符号的出现次数大于预先设定的阈值，则可以将该表情符号记录在该类评论语句样本的表情符号集合中。另外，还可以利用现有的频繁项集发现技术，挖掘出每一类评论语句中出现次数频繁的表情符号的频繁项集，以便确定出分别与“同意”或“中立”或“反对”等观点具有最大关联的表情符号集合。

步骤5：将该类评论语句样本的观点语义确定为表情符号集合中的每个表情符号的观点语义。

这里，考虑到用户对于表情的使用习惯会发生一定的变化，在具体实施中，可以定期更新存储在服务器中的表情符号与文字描述的观点语义之间的映射关系。

沿用上例，若表征“同意”观点的第一类评论语句样本的表情符号集合中包含【微笑】、【大笑】、【赞】等表情，则可以将上述表情的观点语义定义为“同意”。若表征“中立”观点的第二类评论语句样本的表情符号集合中包含【尴尬】、【思考】、【纠结】等表情，则可以将上述表情的观点语义定义为“中立”。若表征“反对”观点的第三类评论语句样本的表情符号集合中包含【哭泣】、【愤怒】、【皱眉】等表情，则可以将上述表情的观点语义定义为“反对”。

进一步地，比如，在提取每个评论语句中的观点主题词时，若在#春晚节目#这个话题下的用户A的评论语句为“春晚节目【赞】【赞】【赞】”，则可以基于预先生成的表情符号与文字描述的观点语义之间的映射关系，将表情【赞】转化为文字描述的观点语义“同意”，即转化后的评论语句为“春晚节目同意同意同意”，进一步地，再从转换后的评论语句中提取出观点主题词为“同意”。再比如，在#春晚节目#这个话题下的用户B的评论语句为“【愤怒】【愤怒】”，则可以基于预先生成的表情符号与文字描述的观点语义之间的映射关系，将表情【愤怒】转化为文字描述的观点语义“反对”，即转化后的评论语句为“反对反对”，进一步地，再从转换后的评论语句中提取出观点主题词为“反对”。

S103：基于每个用户参与的话题及其评论的观点主题词，分别生成用户的用户标签。

在具体实施中，服务器可以对用户参与的话题以及在该话题下用户评论的观点主题词进行标签化处理，即生成“用户参与话题用户观点”的用户标签。并且，每个用户的用户标签可以有多个。

沿用上例，可以为用户A生成“春晚节目同意”的用户标签，为用户B生成“春晚节目反对”的用户标签。若用户A还参与了#治理雾霾#这个话题，且在该话题下的评论语句的观点主题词为“支持”，则还可以为用户A生成“治理雾霾支持”的用户标签。若用户C也参与了#治理雾霾#这个话题，且在该话题下的评论语句的观点主题词为“同意”，则可以为用户C生成“治理雾霾同意”的用户标签。

S104：针对待推荐用户中的任意两个用户，根据这两个用户的用户标签之间的相似度，判断这两个用户之间是否适合建立好友关系，若是，则进入步骤S105；若否，则进入步骤S106。

在具体实施中，根据这两个用户的用户标签之间的相似度，判断这两个用户之间是否适合建立好友关系的方式可以为确定两个用户的用户标签之间的相似度，若相似度高于预设的相似度阈值，则可以确定这两个用户之间适合建立好友关系。这里，可以采用向量空间余弦相似度分析算法对各个用户的用户标签进行相似度分析。并且，相似度阈值的设置可以根据实际需要来进行调整。由于一个用户的用户标签可以有多个，故在对任意两个用户间的用户标签进行相似度比较时，可以分别对两个用户的每一个用户标签进行比较，从而确定这两个用户之间是否适合建立好友关系。

沿用上例，在对用户A和用户B的用户标签进行相似度比较时，由于用户A的用户标签为“春晚节目同意”、“治理雾霾支持”，用户B的用户标签为“春晚节目反对”，在判断出两个用户的用户标签的相似度低于预设的相似度阈值后，可以确定这两个用户之间不适合建立好友关系。在对用户A和用户C的用户标签进行相似度比较时，由于用户A的用户标签为“春晚节目同意”、“治理雾霾支持”，用户C的用户标签为“治理雾霾同意”，在判断出两个用户的用户标签的相似度高于预设的相似度阈值后，可以确定这两个用户之间适合建立好友关系。

S105：分别向两个用户的客户端发送好友推荐信息。

S106：结束处理，即不进行两个用户之间的好友推荐。

采用本申请实施例提供的基于观点的好友推荐方式，对关注类似话题且具有类似观点的用户之间进行好友推荐，使得推荐的好友信息更加精准有效，更容易被用户采纳。此外，在对某一话题下的评论语句进行观点分析时，本申请实施例也能够将评论语句中的表情符号转化为文字描述的观点语义，将网络评论观点的分析对象由纯文本语句扩展至包含表情符号的网络评论语句，进一步提高了网络评论观点分析的准确性。

基于同一申请构思，本申请实施例中还提供了一种与好友推荐方法对应的好友推荐装置，由于该装置解决问题的原理与本申请实施例的好友推荐方法相似，因此该装置的实施可以参见方法的实施，重复之处不再赘述。

实施例二

如图2所示，为本申请实施例二提供的好友推荐装置结构图，包括：

采集模块21，用于采集待推荐用户集中每个用户参与的话题以及该用户在该话题中的评论语句；

提取模块22，用于提取每个评论语句中的观点主题词；

生成模块23，用于基于每个用户参与的话题及其评论的观点主题词，生成所述用户的用户标签；

处理模块24，用于针对所述待推荐用户中的任意两个用户，根据这两个用户的用户标签之间的相似度，判断这两个用户之间是否适合建立好友关系；若适合，则向所述两个用户的客户端发送好友推荐信息。

可选地，若所述评论语句中包含表情符号，则所述提取模块22具体用于：

基于预先生成的表情符号与文字描述的观点语义之间的映射关系，将所述评论语句中包含的表情符号转换为文字描述的观点语义；

提取转换后的评论语句中的观点主题词。

可选地，所述装置还包括：

筛选模块25，用于从采集到的评论语句中筛选出包含表情符号且具有观点语义的评论语句样本；

确定模块26，用于根据所述评论语句样本中的观点语义，确定所述表情符号的观点语义。

可选地，所述确定模块26具体用于：

在所述提取模块提取出所述评论语句样本中的观点主题词之后，基于提取出的评论语句样本中的观点主题词，将所述评论语句样本进行分类；

针对每一类评论语句样本，确定该类评论语句样本中出现次数大于设定阈值的表情符号集合；

将该类评论语句样本的观点语义确定为所述表情符号集合中的每个表情符号的观点语义。

可选地，所述处理模块24具体用于：

确定所述两个用户的用户标签之间的相似度；

若所述相似度高于预设的相似度阈值，则确定这两个用户之间适合建立好友关系。

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、装置(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。

尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

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)

1.一种好友推荐方法，其特征在于，该方法包括：

采集待推荐用户集中每个用户参与的话题以及该用户在该话题中的评论语句；

提取每个评论语句中的观点主题词，其中，若所述评论语句中包含表情符号，则提取所述评论语句中的观点主题词，包括：基于预先生成的表情符号与文字描述的观点语义之间的映射关系，将所述评论语句中包含的表情符号转换为文字描述的观点语义；提取转换后的评论语句中的观点主题词；

基于每个用户参与的话题及其评论的观点主题词，生成所述用户的用户标签；

针对所述待推荐用户中的任意两个用户，根据这两个用户的用户标签之间的相似度，判断这两个用户之间是否适合建立好友关系；

若适合，则向所述两个用户的客户端发送好友推荐信息。

2.如权利要求1所述的方法，其特征在于，根据以下方式生成表情符号与文字描述的观点语义之间的映射关系：

从采集到的评论语句中筛选出包含表情符号且具有观点语义的评论语句样本；

根据所述评论语句样本中的观点语义，确定所述表情符号的观点语义。

3.如权利要求2所述的方法，其特征在于，根据所述评论语句样本中的观点语义，确定所述表情符号的观点语义，包括：

提取所述评论语句样本中的观点主题词；

基于提取出的评论语句样本中的观点主题词，将所述评论语句样本进行分类；

针对每一类评论语句样本，确定该类评论语句样本中出现次数大于设定阈值的表情符号集合；

将该类评论语句样本的观点语义确定为所述表情符号集合中的每个表情符号的观点语义。

4.如权利要求1所述的方法，其特征在于，根据这两个用户的用户标签之间的相似度，判断这两个用户之间是否适合建立好友关系，包括：

确定所述两个用户的用户标签之间的相似度；

若所述相似度高于预设的相似度阈值，则确定这两个用户之间适合建立好友关系。

5.一种好友推荐装置，其特征在于，该装置包括：

采集模块，用于采集待推荐用户集中每个用户参与的话题以及该用户在该话题中的评论语句；

提取模块，用于提取每个评论语句中的观点主题词，其中，若所述评论语句中包含表情符号，则所述提取模块具体用于：基于预先生成的表情符号与文字描述的观点语义之间的映射关系，将所述评论语句中包含的表情符号转换为文字描述的观点语义；提取转换后的评论语句中的观点主题词；

生成模块，用于基于每个用户参与的话题及其评论的观点主题词，生成所述用户的用户标签；

处理模块，用于针对所述待推荐用户中的任意两个用户，根据这两个用户的用户标签之间的相似度，判断这两个用户之间是否适合建立好友关系；若适合，则向所述两个用户的客户端发送好友推荐信息。

6.如权利要求5所述的装置，其特征在于，所述装置还包括：

筛选模块，用于从采集到的评论语句中筛选出包含表情符号且具有观点语义的评论语句样本；

确定模块，用于根据所述评论语句样本中的观点语义，确定所述表情符号的观点语义。

7.如权利要求6所述的装置，其特征在于，所述确定模块具体用于：

在所述提取模块提取出所述评论语句样本中的观点主题词之后，基于提取出的评论语句样本中的观点主题词，将所述评论语句样本进行分类；

针对每一类评论语句样本，确定该类评论语句样本中出现次数大于设定阈值的表情符号集合；

将该类评论语句样本的观点语义确定为所述表情符号集合中的每个表情符号的观点语义。

8.如权利要求5所述的装置，其特征在于，所述处理模块具体用于：

确定所述两个用户的用户标签之间的相似度；

若所述相似度高于预设的相似度阈值，则确定这两个用户之间适合建立好友关系。

Images