CN108537542B - 用于社交网络的数据处理方法 - Google Patents
用于社交网络的数据处理方法 Download PDFInfo
- Publication number
- CN108537542B CN108537542B CN201810284264.2A CN201810284264A CN108537542B CN 108537542 B CN108537542 B CN 108537542B CN 201810284264 A CN201810284264 A CN 201810284264A CN 108537542 B CN108537542 B CN 108537542B
- Authority
- CN
- China
- Prior art keywords
- user
- social network
- behavior data
- intelligent contract
- data
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 53
- 238000012545 processing Methods 0.000 claims abstract description 43
- 230000006399 behavior Effects 0.000 claims description 74
- 230000015556 catabolic process Effects 0.000 claims description 14
- 238000006731 degradation reaction Methods 0.000 claims description 14
- 238000005304 joining Methods 0.000 claims description 6
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 5
- 230000001960 triggered effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 21
- 238000012216 screening Methods 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000006855 networking Effects 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007670 refining Methods 0.000 description 2
- 230000011273 social behavior Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000000593 degrading effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 230000002269 spontaneous effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q20/00—Payment architectures, schemes or protocols
- G06Q20/38—Payment protocols; Details thereof
- G06Q20/382—Payment protocols; Details thereof insuring higher security of transaction
- G06Q20/3829—Payment protocols; Details thereof insuring higher security of transaction involving key management
-
- 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
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/04—Trading; Exchange, e.g. stocks, commodities, derivatives or currency exchange
-
- 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
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Accounting & Taxation (AREA)
- Physics & Mathematics (AREA)
- Finance (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Technology Law (AREA)
- Development Economics (AREA)
- Computer Security & Cryptography (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Primary Health Care (AREA)
- Tourism & Hospitality (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明属于计算机技术领域,提供了一种用于社交网络的数据处理方法。该方法包括获取智能硬件设备上传的特定用户的用户信息,将特定用户的用户信息与智能硬件设备的位置信息绑定,发布智能合约,建立区块链分叉,统计加入区块链分叉的特定用户,形成子虚拟社交网络,记录子虚拟社交网络中成员的行为数据,对行为数据进行结构化处理,形成各类用户画像。本发明用于社交网络的数据处理方法,能够全面分析用户的行为数据,简化用户画像形成过程,并依据用户画像构建新型社交信用体系。
Description
技术领域
本发明涉及计算机技术领域,具体涉及一种用于社交网络的数据处理方法。
背景技术
目前,现有虚拟社交网络通常以即时通讯或自媒体平台的形式部署于互联网,通过用户互加好友、自发建群建立虚拟社交网络,或通过持续关注自媒体发布者或点评者信息并与之互动,形成基于话题或意见领袖的虚拟社交网络。
上述类型的虚拟社交网络自发建立,具有成员所处位置不明确、形成的原因不明确、话题、兴趣不集中、用户间连接关系弱等特点。
开发、部署、运营此类虚拟社交网络的成本巨大,用户可免费使用,但是,运营者必须进一步投入巨资,开发相关的软件,对所收集的数据、信息进行整理、分析,从中发现有商业价值的信息,并形成信息产品变现,如用户画像等。
由于基于上述虚拟社交网络建立的网络社区具有地理信息特征缺失、形成原因无法预判、话题不集中且变化迅速频繁等特点,所以需要不断开发并优化算法,以便尽可能从杂乱无章、特征缺失的数据中,分析出有商业价值的信息。但是,在实际应用过程中,分析出的商业价值信息精准性差。
一般来说,有效、安全的社交行为的产生需要在空间上基于相同的位置,社交主体间具备基本的信任关系和社交效用。而目前基于互联网的虚拟社交工具并不依赖上述基本条件,例如,微信群成员间缺乏强连接,微博大V的粉丝群缺乏位置信息和成员间的信任度,陌陌用户间缺乏对信任度,等等。上述社交网络虽然发展迅速,促进了信息传播,提高了社交的便利性,但给社会带来的各种负面影响,如:网络欺诈、不良信息迅速传播、大量的僵尸粉、僵尸群的产生,导致社交的安全性、有效性大幅下降。
如何全面获取并分析社交网络用户的行为数据,避免过度的将个人用户画像用于商业目的,简化群组用户画像形成过程,提高社交的安全性和有效性,充分平衡虚拟社交网络带来的社会价值和商业价值,是本领域技术人员亟需解决的问题。
发明内容
针对现有技术中的缺陷,本发明提供了一种用于社交网络的数据处理方法,能够全面分析用户的行为数据,构建安全有效的虚拟社交网络平台,简化用户画像形成过程,提高商业价值,同时避免社交网络平台运营商过度依赖个人用户画像牟利。
第一方面,本发明提供一种用于社交网络的数据处理方法,该方法包括:获取智能硬件设备上传的特定用户的用户信息;
将特定用户的用户信息与智能硬件设备的位置信息绑定,特定用户是具有相同的一级兴趣点的用户;
发布智能合约,建立区块链分叉,智能合约包括基于二级兴趣点设置的规则;
统计加入区块链分叉的成员,形成子虚拟社交网络;
记录子虚拟社交网络中成员的行为数据;
对行为数据进行结构化处理,形成各类用户画像。
进一步地,对行为数据进行结构化处理,形成各类用户画像,包括:
对与一级兴趣点和二级兴趣点有关的行为数据进行结构化处理;
将结构化处理后的行为数据与个人用户画像基础数据进行合并,完善个人用户画像。
基于上述任意用于社交网络的数据处理方法实施例,进一步地,形成子虚拟社交网络之后,记录行为数据之前,该方法还包括:
获取成员自发制定的游戏规则,游戏规则是根据当前级别的兴趣点形成的群组设置的规则;
记录子虚拟社交网络中成员的行为数据,包括:
在子虚拟社交网络中,记录符合智能合约规则和/或游戏规则的行为数据;
对行为数据进行结构化处理,形成各类用户画像,包括:
对符合智能合约规则和/或游戏规则的行为数据进行结构化处理;
根据结构化处理后的行为数据,完善个人用户画像,完善群组用户画像。
进一步地,完善群组用户画像之后,该方法还包括:
将各个基于不同位置信息的群组用户画像进行同类项合并,生成区域群组用户画像。
进一步地,记录行为数据之后,该方法还包括:
计算成员的行为数据与相应游戏规则的匹配度;
根据计算出的匹配度,确定该成员的诚信积分值。
进一步地,确定该成员的诚信积分值之后,该方法还包括:
根据每个成员的诚信积分值,构建基于成员个人的诚信体系。
进一步地,发布智能合约之后,该方法还包括:
实时监听该智能合约的降级条件是否触发:
若是,则对该智能合约的兴趣点进行降级处理。
进一步地,实时监听该智能合约的降级条件是否触发,包括:
检测该智能合约所容纳的用户数量;
判断所容纳的用户数量是否大于该智能合约的限定人数。
由上述技术方案可知,本实施例提供的用于社交网络的数据处理方法,能够结合硬件设备的位置信息、用户的一级兴趣点和二级兴趣点等多维度的信息,以提高用户画像的准确性,全面分析结构化处理后的用户行为数据,简化用户画像形成过程,通过算法进行收敛,实现经管道输送的筛选方式,避免传统的漏斗式筛选。
第二方面,本发明提供一种用于社交网络的数据处理装置,该装置包括:用户信息获取单元、信息绑定单元、智能合约发布单元、子虚拟社交网络构建单元、行为数据记录单元和用户画像形成单元,用户信息获取单元用于获取智能硬件设备上传的特定用户的用户信息,信息绑定单元用于将特定用户的用户信息与智能硬件设备的位置信息绑定,特定用户是具有相同的一级兴趣点的用户,智能合约发布单元用于发布智能合约,建立区块链分叉,智能合约包括基于二级兴趣点设置的规则,子虚拟社交网络构建单元用于统计加入区块链分叉的成员,形成子虚拟社交网络,行为数据记录单元用于记录子虚拟社交网络中成员的行为数据,用户画像形成单元用于对行为数据进行结构化处理,形成各类用户画像。
由上述技术方案可知,本实施例提供的用于社交网络的数据处理装置,能够结合硬件设备的位置信息、用户的一级兴趣点和二级兴趣点等多维度的信息,以提高用户画像的准确性,全面分析结构化处理后的用户行为数据,简化用户画像形成过程,通过算法进行收敛,实现经管道输送的筛选方式,避免传统的漏斗式筛选。
第三方面,本发明提供一种用于社交网络的数据处理设备,该设备包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现上述用于社交网络的数据处理方法。
本实施例提供的用于社交网络的数据处理设备,与上述用于社交网络的数据处理方法出于相同的发明构思,具有相同的有益效果。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现上述用于社交网络的数据处理方法。
本实施例提供的计算机可读存储介质,与上述用于社交网络的数据处理方法出于相同的发明构思,具有相同的有益效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1示出了本发明所提供的一种用于社交网络的数据处理方法的方法流程图;
图2示出了本发明所提供的用户信息绑定的方法流程图;
图3示出了本发明所提供的构建区块链分叉的方法流程图;
图4示出了本发明所提供的构建虚拟社交网络的方法流程图;
图5示出了本发明所提供的用户画像形成的方法流程图;
图6示出了本发明所提供的完善个人用户画像的方法流程图;
图7示出了本发明所提供的兴趣点降级处理的方法流程图;
图8示出了本发明所提供的一种用于社交网络的数据处理装置的连接示意图;
图9示出了本发明所提供的另一种用于社交网络的数据处理装置的连接示意图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只是作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
第一方面,本发明实施例提供一种用于社交网络的数据处理方法,结合图1,该方法包括:
步骤S1,获取智能硬件设备上传的特定用户的用户信息。
步骤S2,将特定用户的用户信息与智能硬件设备的位置信息绑定,特定用户是具有相同的一级兴趣点的用户,如图2所示。
例如,通过部署于确定位置的智能硬件设备,获取其周边一定范围内有特定兴趣(作为“一级兴趣点”)偏好用户的基础数据,如通过智能咖啡机售卖咖啡,获取该咖啡机位置信息,并将该位置信息与用户信息绑定,用户信息可能包含性别、年龄、消费时段、消费频次等,上述绑定关系及用户信息合并,作为描绘个人用户画像基础数据。
步骤S3,发布智能合约,建立区块链分叉,如图3所示,其中,智能合约包括基于二级兴趣点设置的规则。
例如,设计一个基于二级兴趣点,如阅读及分享,且只接纳特定用户数的智能合约,建立一个特定的区块链分叉。
步骤S4,统计加入区块链分叉的成员,形成子虚拟社交网络,如图4所示。
例如,通过某种手段吸引与该智能设备绑定的用户加入该分叉,形成具备位置、一级兴趣点和二级兴趣点的强关联小规模虚拟社交网络,即子虚拟社交网络。
步骤S5,记录子虚拟社交网络中成员的行为数据。
步骤S6,对行为数据进行结构化处理,形成各类用户画像,并且,持续更新个人用户和群组画像,描绘各维度变化轨迹,如图5或图6所示。
在实际应用过程中,将现有虚拟社交网络通过低精准度、高成本的“漏斗式”数据分析,获得用户画像数据的方式,升级为基于位置与兴趣点的、可规划的“管道式”数据采集用户画像数据的方式,降低“个人用户画像”的生产成本,创造更精确的、更有商业价值的“群组用户画像”和“区域群组用户画像”。
由上述技术方案可知,本实施例提供的用于社交网络的数据处理方法,能够结合硬件设备的位置信息、用户的一级兴趣点和二级兴趣点等多维度的信息,以提高用户画像的准确性,全面分析结构化处理后的用户行为数据,简化用户画像形成过程,通过算法进行收敛,实现经管道输送的筛选方式,避免传统的漏斗式筛选。
本实施例提供的用于社交网络的数据处理方法,能够将物理世界、线下社交与线上社交完全融合,成为真实社交网络的数字化映射,实现高效创建有实质互动的社交网络,降低社交风险,基于真实的社交行为数据生成用户画像,最大化商业价值,降低成本,杜绝虚假信息的传播,不必开发复杂的算法优化用户画像,最终可实现与智能设备的属性的解耦,替代现有的纯虚拟的社交网络。
为了进一步提高本实施例用于社交网络的数据处理方法的准确性,在用户画像构建方面,针对个人用户画像,对行为数据进行结构化处理,形成各类用户画像时,具体实现过程如下:
对与一级兴趣点和二级兴趣点有关的行为数据进行结构化处理。
将结构化处理后的行为数据与个人用户画像基础数据进行合并,完善个人用户画像。
例如,在子虚拟社交网络内,成员可以在履行智能合约的基础上,自行设定或修改子虚拟社交网络的游戏规则,且子虚拟社交网络用户符合智能合约和自定义游戏规则的行为数据将以分布式账本方式记录,并获得平台积分的奖励。平台将采集到的子虚拟社交网络内产生的数据进行结构化,将其中成员的个人行为数据与已经获得的个人用户画像基础数据合并,形成完整的“个人用户画像”。
在形成个人用户画像时,本实施例用于社交网络的数据处理方法能够全面分析用户行为数据,并与个人用户画像基础数据进行合并,提高个人用户画像的准确性。
针对群组用户画像,本实施例用于社交网络的数据处理方法的具体实现过程如下:
形成子虚拟社交网络之后,记录行为数据之前,获取成员自发制定的游戏规则,并进行备案,游戏规则是根据当前级别的兴趣点形成的群组设置的规则。
发布基于下一级兴趣点的智能合约。在此,每一级的兴趣点均不相同,每一级兴趣点是关于不同的话题或热点展开。
例如,若子虚拟社交网络的特定用户处于二级兴趣点时,当前级别的兴趣点即为二级兴趣点,则可根据二级兴趣点设置游戏规则,并发布基于三级兴趣点的智能合约。
若子虚拟社交网络的特定用户处于三级兴趣点时,当前级别的兴趣点即为三级兴趣点,则可根据三级兴趣点设置游戏规则,并发布基于四级兴趣点的智能合约。
记录子虚拟社交网络中成员的行为数据时,具体实现过程如下:在子虚拟社交网络中,记录符合智能合约规则和/或游戏规则的行为数据。
对行为数据进行结构化处理,形成各类用户画像时,具体实现过程如下:对符合智能合约规则和/或游戏规则的行为数据进行结构化处理。
根据结构化处理后的行为数据,完善个人用户画像,完善群组用户画像。
例如,结合位置信息,形成包含两级兴趣点和其他群组行为数据的“群组用户画像”。
在此,本实施例用于社交网络的数据处理方法能够获取更多维度的数据,既能够结合符合智能合约规则的行为数据,又能够兼顾符合游戏规则的行为数据,以构建准确的群组用户画像,同时,也能够提高社交网络的安全性,避免互联网纷乱的现状。
针对区域群组用户画像,本实施例用于社交网络的数据处理方法的具体实现过程如下:
完善群组用户画像之后,将各个基于不同位置信息的群组用户画像进行同类项合并,生成区域群组用户画像。
在此,本实施例用于社交网络的数据处理方法,能够将不同群组的用户画像进行同类项合并,以生成区域群组用户画像,最大化商业价值。
针对每个用户的行为数据,本实施例用于社交网络的数据处理方法还能够评价用户的诚信度,具体实现过程如下:
记录行为数据之后,该方法还包括:
计算成员的行为数据与相应游戏规则的匹配度。
根据计算出的匹配度,确定该成员的诚信积分值。
在此,本实施例用于社交网络的数据处理方法,能够判断用户的行为数据是否与游戏规则匹配,以此评价用户的诚信度,确定诚信积分。
在实际应用过程中,本实施例用于社交网络的数据处理方法还能够根据每个成员的诚信积分值,构建与支付行为无关的诚信体系,如社交信用体系,以体现每个用户的诚信度。在本社交体系中,具备社交产生的三个基本条件,即位置关系、兴趣点和信任度,用户可以从上述三个维度选择适合自己的社交群体,促进社交网络的构建,避免目前虚拟社交网络平台用户间的强连接缺失、位置信息不明确和信任度低下的缺陷,而且,该方法通过网络收集的信用数据并不仅仅依赖于用户的支付行为,更能够真实地反应用户的信用程度。
在智能合约的降级处理方面,结合图7,本实施例用于社交网络的数据处理方法的具体实现过程如下:
发布智能合约之后,实时监听该智能合约的降级条件是否触发:若是,则对该智能合约的兴趣点进行降级处理。
在实际应用过程中,智能合约的降级条件被触发时,即可对智能合约的兴趣点进行降级处理,例如,将二级兴趣点降为一级兴趣点。兴趣点降级的目的在于实现与智能硬件服务内容解耦,以便更多有意愿加入该社交网络平台的用户参与对其有意义的社交活动。
降级条件可以是用户数量,具体实现过程如下:
检测该智能合约所容纳的用户数量。
判断所容纳的用户数量是否大于该智能合约的限定人数。
设定兴趣点升级的触发条件,例如:平台捕捉到二级兴趣点“图书分享会”的跨群组成员中有“钓鱼”爱好的人数超过10人,并向具备条件的区域开放建立“三级兴趣点”及更高级别兴趣点的智能合约,并接受基于该级别兴趣点的游戏规则备案。
设定接受非原始“一级兴趣点”用户注册的触发条件,降级原“二级兴趣点”为“一级兴趣点”,并向具备条件的区域开放建立“二级兴趣点”及更高级别兴趣点的智能合约,并接受基于该级别兴趣点的游戏规则备案。
向采纳本社交网络协议的其他智能硬件平台开放接口。
将物理位置重叠、来自不同智能硬件平台“一级兴趣点”的“个人用户画像”重新整合并结构化,完善“群组用户画像”。
通过对上述方法中智能合约条款的修改,基于“二级兴趣点”的子虚拟社交网络可以接纳与原始“一级兴趣点”无关的成员,“二级兴趣点”降级/退化为“一级兴趣点”,成员个人信息仍与智能硬件位置信息绑定,可以促成不依赖智能硬件业务的子虚拟社交网络的形成。而该子虚拟社交网络一旦建立,其演进路线与前述路径相同,但可以吸纳尽可能多的成员进入区域群组。
如遵从该平台协议的其他智能硬件,如智能按摩椅,卡拉ok亭等,接入该网络,能够进一步丰富“一级兴趣点”,并按照前述演进路径发展,进一步吸纳成员进入该虚拟社交网络。
在此,本实施例用于社交网络的数据处理方法,能够根据智能合约所容纳的用户数量,进行降级处理,以便于吸收更多成员加入,构建更多层级的用户兴趣点。
在实际应用过程中,上述方法大大简化了个人用户画像形成的过程,降低了获得精确用户画像的成本。当某一用户同时参加同一位置的多个子虚拟社交网络和/或不同位置的多个子虚拟社交网络时,平台将获得该用户更多维度的行为特征。当此类智能硬件部署的覆盖面足够大时,该用户的一级兴趣点可以随时随地被满足的同时,也在不断提供更丰富的素材,完善其个人用户画像。该方法无需投巨资研发、优化算法以适应多变的用户行为,分布式账本技术的原理保证了其行为数据的真实性,只需利用成熟的简单技术即可实现个人用户画像的准确性和高关联性,更具商业价值。
本实施例用于社交网络的数据处理方法,可以根据需要直接构建子虚拟社交网络,子虚拟社交网络成员互动形成的群行为数据,形成了天然的子虚拟社交网络“群组用户画像”,具有比“个人用户画像”更高的商业价值。
随着智能硬件部署范围的扩大,子虚拟社交网络的数量随之增加,通过计算智能硬件的作用范围,可以实现对其的精确布局,以便相邻的子虚拟社交网络基于地理位置产生部分重叠,通过部分子虚拟社交网络信息的公开与分享,不仅可以创造子虚拟社交网络链和网,形成区域,同时可以有目的促成各子虚拟社交网络间的互动,从而获得与智能硬件部署范围匹配的“区域群组用户画像”,“区域群组用户画像”可以更精确的反应某一区域内具有共同“二级兴趣点”的用户的整体行为特征。与个人用户画像的准确性和高关联系原理相同,“群组用户画像”和“区域群组用户画像”必然会异常精确。当智能设备覆盖区域内的用户数达到较大规模时,基于“二级兴趣点”的区域内自发的进化出若干“三级兴趣点”、“四级兴趣点”成为大概率事件,兴趣点的自发进化、升级必然都是向某个特定兴趣偏好的收敛过程,这个收敛过程制造的“区域群组用户画像”也必然更加清晰的指向某一明确的商业机会。
第二方面,本发明实施例提供一种用于社交网络的数据处理装置,结合图8,该装置包括用户信息获取单元1、信息绑定单元2、智能合约发布单元3、子虚拟社交网络构建单元4、行为数据记录单元5和用户画像形成单元6,用户信息获取单元1用于获取智能硬件设备上传的特定用户的用户信息。信息绑定单元2用于将特定用户的用户信息与智能硬件设备的位置信息绑定,特定用户是具有相同的一级兴趣点的用户。智能合约发布单元3用于发布基于二级兴趣点的智能合约,建立区块链分叉。子虚拟社交网络构建单元4用于统计加入区块链分叉的特定用户,形成子虚拟社交网络。行为数据记录单元5用于记录子虚拟社交网络中成员的行为数据。用户画像形成单元6用于对行为数据进行结构化处理,形成各类用户画像。
由上述技术方案可知,本实施例提供的用于社交网络的数据处理装置,能够结合硬件设备的位置信息、用户的一级兴趣点和二级兴趣点等多维度的信息,以提高用户画像的准确性,全面分析结构化处理后的用户行为数据,简化用户画像形成过程,并依据用户画像构建新型社交信用体系。
结合图9,在实际应用过程中,本实施例用于社交网络的数据处理装置还包括社交信用体系形成单元7,用于根据每个成员的诚信积分值,构建与支付行为无关的诚信体系,如社交信用体系,以体现每个用户的诚信度。在本社交体系中,具备社交产生的三个基本条件,即位置关系、兴趣点和信任度,用户可以从上述三个维度选择适合自己的社交群体,促进社交网络的构建,避免目前虚拟社交网络平台用户间的强连接缺失、位置信息不明确和信任度低下的缺陷,而且,该装置通过网络收集的信用数据并不仅仅依赖于用户的支付行为,更能够真实地反应用户的信用程度。
第三方面,本发明提供一种用于社交网络的数据处理设备,该设备包括:至少一个处理器、至少一个存储器以及存储在存储器中的计算机程序指令,当计算机程序指令被处理器执行时实现上述用于社交网络的数据处理方法。
本实施例提供的用于社交网络的数据处理设备,与上述用于社交网络的数据处理方法出于相同的发明构思,具有相同的有益效果。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序指令,当计算机程序指令被处理器执行时实现上述用于社交网络的数据处理方法。
本实施例提供的计算机可读存储介质,与上述用于社交网络的数据处理方法出于相同的发明构思,具有相同的有益效果。
本发明的说明书中,说明了大量具体细节。然而,能够理解,本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中,并未详细示出公知的方法、结构和技术,以便不模糊对本说明书的理解。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任一个或多个实施例或示例中以合适的方式结合。此外,在不相互矛盾的情况下,本领域的技术人员可以将本说明书中描述的不同实施例或示例以及不同实施例或示例的特征进行结合和组合。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (7)
1.一种用于社交网络的数据处理方法,其特征在于,包括:
获取智能硬件设备上传的特定用户的用户信息;
将所述特定用户的用户信息与所述智能硬件设备的位置信息绑定,所述特定用户是具有相同的一级兴趣点的用户;
将绑定关系及用户信息合并,作为描绘个人用户画像基础数据;
发布智能合约,建立区块链分叉,所述智能合约包括基于二级兴趣点设置的规则;
吸引与智能设备绑定的用户加入该分叉;
统计加入所述区块链分叉的成员,形成子虚拟社交网络;
记录所述子虚拟社交网络中成员的行为数据;
对行为数据进行结构化处理,形成各类用户画像;
形成子虚拟社交网络之后,记录行为数据之前,该方法还包括:
获取成员自发制定的游戏规则,所述游戏规则是根据当前级别的兴趣点形成的群组设置的规则;
记录所述子虚拟社交网络中成员的行为数据,包括:
在所述子虚拟社交网络中,记录符合智能合约规则和/或所述游戏规则的行为数据;
对行为数据进行结构化处理,形成各类用户画像,包括:
对符合智能合约规则和/或游戏规则的行为数据进行结构化处理;
根据结构化处理后的行为数据,完善个人用户画像,完善群组用户画像;
对与一级兴趣点和二级兴趣点有关的行为数据进行结构化处理;
将结构化处理后的行为数据与个人用户画像基础数据进行合并,完善个人用户画像;
在子虚拟社交网络内,成员可以在履行智能合约的基础上,自行设定或修改子虚拟社交网络的游戏规则,且子虚拟社交网络用户符合智能合约和自定义游戏规则的行为数据将以分布式账本方式记录,并获得平台积分的奖励;
平台将采集到的子虚拟社交网络内产生的数据进行结构化,将其中成员的个人行为数据与已经获得的个人用户画像基础数据合并,形成完整的个人用户画像;
发布智能合约之后,该方法还包括:
实时监听该智能合约的降级条件是否触发:
若是,则对该智能合约的兴趣点进行降级处理。
2.根据权利要求1所述用于社交网络的数据处理方法,其特征在于,
完善群组用户画像之后,该方法还包括:
将各个基于不同位置信息的群组用户画像进行同类项合并,生成区域群组用户画像。
3.根据权利要求1所述用于社交网络的数据处理方法,其特征在于,
记录行为数据之后,该方法还包括:
计算所述成员的行为数据与相应游戏规则的匹配度;
根据计算出的匹配度,确定该成员的诚信积分值。
4.根据权利要求3所述用于社交网络的数据处理方法,其特征在于,
确定该成员的诚信积分值之后,该方法还包括:
根据每个成员的诚信积分值,构建基于成员个人的诚信体系。
5.根据权利要求1所述用于社交网络的数据处理方法,其特征在于,
实时监听该智能合约的降级条件是否触发,包括:
检测该智能合约所容纳的用户数量;
判断所容纳的用户数量是否大于该智能合约的限定人数。
6.如权利要求1所述的一种用于社交网络的数据处理方法的一种用于社交网络的数据处理装置,其特征在于,包括:
用户信息获取单元,用于获取智能硬件设备上传的特定用户的用户信息;
信息绑定单元,用于将所述特定用户的用户信息与所述智能硬件设备的位置信息绑定,所述特定用户是具有相同的一级兴趣点的用户;
智能合约发布单元,用于发布智能合约,建立区块链分叉,所述智能合约包括基于二级兴趣点设置的规则;
子虚拟社交网络构建单元,用于统计加入所述区块链分叉的成员,形成子虚拟社交网络;
行为数据记录单元,用于记录所述子虚拟社交网络中成员的行为数据;
用户画像形成单元,用于对行为数据进行结构化处理,形成各类用户画像。
7.一种用于社交网络的数据处理设备,其特征在于,包括:至少一个处理器、至少一个存储器以及存储在所述存储器中的计算机程序指令,当所述计算机程序指令被所述处理器执行时实现如权利要求1-5中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810284264.2A CN108537542B (zh) | 2018-04-02 | 2018-04-02 | 用于社交网络的数据处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810284264.2A CN108537542B (zh) | 2018-04-02 | 2018-04-02 | 用于社交网络的数据处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108537542A CN108537542A (zh) | 2018-09-14 |
CN108537542B true CN108537542B (zh) | 2021-06-29 |
Family
ID=63482751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810284264.2A Active CN108537542B (zh) | 2018-04-02 | 2018-04-02 | 用于社交网络的数据处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108537542B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111008872B (zh) * | 2019-12-16 | 2022-06-14 | 华中科技大学 | 一种适用于以太坊的用户画像构建方法及系统 |
CN111768197B (zh) * | 2020-07-01 | 2024-06-04 | 深圳市众禧禾立科技有限公司 | 基于社交网络连结的信用数据节点系统和方法 |
CN111984695B (zh) * | 2020-07-21 | 2024-02-20 | 微梦创科网络科技(中国)有限公司 | 一种基于Spark确定黑分群的方法及系统 |
CN112104719B (zh) * | 2020-09-03 | 2021-07-27 | 腾讯科技(深圳)有限公司 | 一种基于区块链网络的数据处理方法、装置及存储介质 |
CN114461930B (zh) * | 2022-04-13 | 2022-06-24 | 四川大学 | 社交网络数据采集方法、装置及储存介质 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011097041A2 (en) * | 2010-02-02 | 2011-08-11 | Eastman Kodak Company | Recommending user image to social network groups |
CN106100981A (zh) * | 2016-08-22 | 2016-11-09 | 布比(北京)网络技术有限公司 | 社交网络数据交互方法及装置 |
CN106815787A (zh) * | 2015-11-27 | 2017-06-09 | 大唐软件技术股份有限公司 | 一种基于智慧社区的居民信息画像方法和装置 |
CN106980663A (zh) * | 2017-03-21 | 2017-07-25 | 上海星红桉数据科技有限公司 | 基于海量跨屏行为数据的用户画像方法 |
CN107527285A (zh) * | 2016-06-20 | 2017-12-29 | 惠众商务顾问(北京)有限公司 | 社区区块链多态链接及智能化处理系统 |
CN107801202A (zh) * | 2017-10-31 | 2018-03-13 | 广东思域信息科技有限公司 | 一种基于WiFi接入的用户画像方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106651603A (zh) * | 2016-12-29 | 2017-05-10 | 平安科技(深圳)有限公司 | 基于位置服务的风险评估方法及装置 |
-
2018
- 2018-04-02 CN CN201810284264.2A patent/CN108537542B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2011097041A2 (en) * | 2010-02-02 | 2011-08-11 | Eastman Kodak Company | Recommending user image to social network groups |
CN106815787A (zh) * | 2015-11-27 | 2017-06-09 | 大唐软件技术股份有限公司 | 一种基于智慧社区的居民信息画像方法和装置 |
CN107527285A (zh) * | 2016-06-20 | 2017-12-29 | 惠众商务顾问(北京)有限公司 | 社区区块链多态链接及智能化处理系统 |
CN106100981A (zh) * | 2016-08-22 | 2016-11-09 | 布比(北京)网络技术有限公司 | 社交网络数据交互方法及装置 |
CN106980663A (zh) * | 2017-03-21 | 2017-07-25 | 上海星红桉数据科技有限公司 | 基于海量跨屏行为数据的用户画像方法 |
CN107801202A (zh) * | 2017-10-31 | 2018-03-13 | 广东思域信息科技有限公司 | 一种基于WiFi接入的用户画像方法 |
Also Published As
Publication number | Publication date |
---|---|
CN108537542A (zh) | 2018-09-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108537542B (zh) | 用于社交网络的数据处理方法 | |
Wahab et al. | A survey on trust and reputation models for Web services: Single, composite, and communities | |
Xu et al. | BESIFL: Blockchain-empowered secure and incentive federated learning paradigm in IoT | |
Zheng et al. | Smoke screener or straight shooter: Detecting elite sybil attacks in user-review social networks | |
Yu et al. | A survey of multi-agent trust management systems | |
Contractor | Some assembly required: leveraging Web science to understand and enable team assembly | |
Chiu et al. | Internet auction fraud detection using social network analysis and classification tree approaches | |
Isacenkova et al. | Inside the scam jungle: A closer look at 419 scam email operations | |
CN104903917A (zh) | 预测处理系统和使用方法以及执行业务的方法 | |
Graham et al. | Do socialbots dream of popping the filter bubble? The role of socialbots in promoting deliberative democracy in social media | |
Agreste et al. | An empirical comparison of algorithms to find communities in directed graphs and their application in web data analytics | |
CN112508630B (zh) | 异常会话群的检测方法、装置、计算机设备和存储介质 | |
Vu et al. | Effective usage of computational trust models in rational environments | |
Tian et al. | A DS evidence theory based fuzzy trust model in file-sharing P2P networks | |
Lindh et al. | Political partisanship and welfare service privatization: Ideological attitudes among local politicians in Sweden | |
Kim et al. | Evaluating audience loyalty and authenticity in influencer marketing via multi-task multi-relational learning | |
Liu et al. | Blockchain-empowered lifecycle management for AI-generated content products in edge networks | |
KR20210069611A (ko) | 예측 플랫폼, 예측 플랫폼을 이용한 예측 명제 판단 방법 및 컴퓨터 프로그램 | |
Pereira et al. | Reputation Systems: A framework for attacks and frauds classification | |
CN111723338A (zh) | 一种检测方法和检测设备 | |
Conte et al. | Behavioral patterns in social networks | |
Kalameyets | Algorithms and techniques for bot detection in social networks | |
Abd-Allah et al. | DyadChurn: customer churn prediction using strong social ties | |
Manzoor | Social media as mirror of society | |
Zhang et al. | A bilateral recommendation strategy for mobile event-based social networks |
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 |