CN108804516A - 相似用户查找装置、方法及计算机可读存储介质 - Google Patents
相似用户查找装置、方法及计算机可读存储介质 Download PDFInfo
- Publication number
- CN108804516A CN108804516A CN201810382302.8A CN201810382302A CN108804516A CN 108804516 A CN108804516 A CN 108804516A CN 201810382302 A CN201810382302 A CN 201810382302A CN 108804516 A CN108804516 A CN 108804516A
- Authority
- CN
- China
- Prior art keywords
- node
- user
- connected undigraph
- undigraph
- query
- 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.)
- Granted
Links
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
- G06F16/9536—Search customisation based on social or collaborative filtering
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于社区搜索的相似用户查找装置，包括存储器和处理器，存储器上存储有可在处理器上运行的用户查找程序，该程序被处理器执行时实现如下步骤：根据目标社交网络平台中的用户信息构建无向连通图，其中；获取由多个具有关联关系的目标用户构成的查询节点集，查询节点集为无向连通图中的节点集合的子集；根据查询节点集和预设的社区搜索算法在无向连通图上进行迭代运算，以删除无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图；将生成子图中的节点对应的用户作为多个目标用户的相似用户。本发明还提出一种基于社区搜索的相似用户查找方法以及一种计算机可读存储介质。本发明提高了查找相似用户的准确度。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种相似用户查找装置、方法及计算机可读存储介质。
背景技术
随着信息技术的发展，互联网、移动互联网、物联网能够收集到越来越多的用户信息，如何将这些信息采集、存储并分析，进而发现不同用户之间的相似性正在成为研究热点。
目前，现有的用户相似度的计算方法主要依赖于用户资料。这种方式存在以下缺陷：一方面，用户资料很难反映一个人的全部特征，而另一方面，如果用户资料填写不完整，那么相似度的计算是不理想的，因此，通过这种方法计算得到的相似用户的准确度较低。
发明内容
本发明提供一种相似用户查找装置、方法及计算机可读存储介质，其主要目的在于提高查找相似用户的准确度。
为实现上述目的，本发明提供一种基于社区搜索的相似用户查找装置，该装置包括存储器和处理器，所述存储器中存储有可在所述处理器上运行的用户查找程序，所述用户查找程序被所述处理器执行时实现如下步骤：
根据目标社交网络平台中的用户信息构建无向连通图，其中，在所述无向连通图上，一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接；
获取由多个具有关联关系的目标用户构成的查询节点集，所述查询节点集为所述无向连通图中的节点集合的子集；
根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图，该生成子图中的节点集合构成所述目标用户所属的社区；
将所述生成子图中的节点对应的用户作为所述多个目标用户的相似用户。
可选地，所述根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图的步骤包括：
删除无向连通图中具有最小度的节点，以及与该节点相连的边；
判断经节点删除操作后的无向连通图是否满足第二预设条件，其中第二预设条件为：所述查询节点集中的节点在节点删除操作后的图无向连通图中具有最小度，或者，经节点删除操作后，查询节点集中的节点在该无向连通图上不再连通；
若是，则终止节点删除操作，将当前的无向连通图作为所述生成子图；
若否，则基于当前的无向连通图继续执行所述删除无向连通图中具有最小度的节点，以及与该节点相连的边的步骤。
可选地，所述用户查找程序还可被所述处理器执行，以在所述终止节点删除操作，将当前的无向连通图作为所述生成子图的步骤之前，还实现如下步骤：
若经节点删除操作后的无向连通图满足第二预设条件，则计算当前的无向连通图中的节点到所述查询节点集之间的距离，判断是否有节点到查询节点的距离大于预设距离；
若是，则删除到查询节点的距离大于预设距离的节点，并将删除节点后的无向连通图作为所述生成子图；
若否，则执行将终止节点删除操作，将当前的无向连通图作为所述生成子图的步骤。
可选地，所述计算当前的无向连通图中的节点到所述查询节点集之间的距离的步骤包括：
根据两个节点之间的最短路径中的边的数量或者权重，计算所述无向连通图中的节点到所述查询节点集之间的距离。
可选地，所述根据目标社交网络平台中的用户信息构建无向连通图的步骤包括：
获取目标社交网络平台中的用户信息，根据获取的用户信息确定用户之间的关联关系；
根据获取到的用户信息和用户之间的关联关系构建无向连通图。
此外，为实现上述目的，本发明还提供一种基于社区搜索的相似用户查找方法，该方法包括：
根据目标社交网络平台中的用户信息构建无向连通图，其中，在所述无向连通图上，一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接；
获取由多个具有关联关系的目标用户构成的查询节点集，所述查询节点集为所述无向连通图中的节点集合的子集；
根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图，该生成子图中的节点集合构成所述目标用户所属的社区；
将所述生成子图中的节点对应的用户作为所述多个目标用户的相似用户。
可选地，所述根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图的步骤包括：
删除无向连通图中具有最小度的节点，以及与该节点相连的边；
判断经节点删除操作后的无向连通图是否满足第二预设条件，其中第二预设条件为：所述查询节点集中的节点在节点删除操作后的图无向连通图中具有最小度，或者，经节点删除操作后，查询节点集中的节点在该无向连通图上不再连通；
若是，则终止节点删除操作，将当前的无向连通图作为所述生成子图；
若否，则基于当前的无向连通图继续执行所述删除无向连通图中具有最小度的节点，以及与该节点相连的边的步骤。
可选地，所述终止节点删除操作，将当前的无向连通图作为所述生成子图的步骤之前，所述方法还包括如下步骤：
若经节点删除操作后的无向连通图满足第二预设条件，则计算当前的无向连通图中的节点到所述查询节点集之间的距离，判断是否有节点到查询节点的距离大于预设距离；
若是，则删除到查询节点的距离大于预设距离的节点，并将删除节点后的无向连通图作为所述生成子图；
若否，则执行将终止节点删除操作，将当前的无向连通图作为所述生成子图的步骤。
可选地，所述根据目标社交网络平台中的用户信息构建无向连通图的步骤包括：
获取目标社交网络平台中的用户信息，根据获取的用户信息确定用户之间的关联关系；
根据获取到的用户信息和用户之间的关联关系构建无向连通图。
此外，为实现上述目的，本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有用户查找程序，所述用户查找程序可被一个或者多个处理器执行，以实现如下步骤：
根据目标社交网络平台中的用户信息构建无向连通图，其中，在所述无向连通图上，一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接；
获取由多个具有关联关系的目标用户构成的查询节点集，所述查询节点集为所述无向连通图中的节点集合的子集；
根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图，该生成子图中的节点集合构成所述目标用户所属的社区；
将所述生成子图中的节点对应的用户作为所述多个目标用户的相似用户。
本发明提出的相似用户查找装置、方法及计算机可读存储介质，根据目标社交网络平台中的用户信息构建无向连通图，其中，在无向连通图上一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接，获取由多个具有关联关系的目标用户构成的查询节点集，同时，这个查询节点集是五香连通图中的节点集合的子集，根据查询节点集合预设的社区搜索算法在无向连通图上进行迭代运算，以删除无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图，该生成子图中的节点集合构成目标用户所属的社区，而在无向连通图上，属于一个社区的用户具有相似的属性，因此，该生成子图上的节点对应的用户可以作为上述目标用户的相似用户。本发明通过社交网络平台进行社区搜索，查找目标用户所述的社区，进而获取目标用户的相似用户，提高了查找相似用户的准确度。
附图说明
图1为本发明基于社区搜索的相似用户查找装置较佳实施例的示意图；
图2为本发明基于社区搜索的相似用户查找装置一实施例中用户查找程序的程序模块示意图；
图3为本发明基于社区搜索的相似用户查找方法第一实施例的流程图。
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
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。
本发明提供一种基于社区搜索的相似用户查找装置。参照图1所示，为本发明基于社区搜索的相似用户查找装置较佳实施例的示意图。
在本实施例中，基于社区搜索的相似用户查找装置1可以是PC(PersonalComputer，个人电脑)，也可以是智能手机、平板电脑、便携计算机等终端设备。该基于社区搜索的相似用户查找装置1至少包括存储器11、处理器12，通信总线13，以及网络接口14。
其中，存储器11至少包括一种类型的可读存储介质，所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如，SD或DX存储器等)、磁性存储器、磁盘、光盘等。存储器11在一些实施例中可以是基于社区搜索的相似用户查找装置1的内部存储单元，例如该基于社区搜索的相似用户查找装置1的硬盘。存储器11在另一些实施例中也可以是基于社区搜索的相似用户查找装置1的外部存储设备，例如基于社区搜索的相似用户查找装置1上配备的插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital,SD)卡，闪存卡(Flash Card)等。进一步地，存储器11还可以既包括基于社区搜索的相似用户查找装置1的内部存储单元也包括外部存储设备。存储器11不仅可以用于存储安装于基于社区搜索的相似用户查找装置1的应用软件及各类数据，例如用户查找程序01的代码等，还可以用于暂时地存储已经输出或者将要输出的数据。
处理器12在一些实施例中可以是一中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片，用于运行存储器11中存储的程序代码或处理数据，例如执行用户查找程序01等。
通信总线13用于实现这些组件之间的连接通信。
网络接口14可选的可以包括标准的有线接口、无线接口(如WI-FI接口)，通常用于在该装置1与其他电子设备之间建立通信连接。
图1仅示出了具有组件11-14以及用户查找程序01的基于社区搜索的相似用户查找装置1，但是应理解的是，并不要求实施所有示出的组件，可以替代的实施更多或者更少的组件。
可选地，该装置1还可以包括用户接口，用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard)，可选的用户接口还可以包括标准的有线接口、无线接口。可选地，在一些实施例中，显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode，有机发光二极管)触摸器等。其中，显示器也可以适当的称为显示屏或显示单元，用于显示在基于社区搜索的相似用户查找装置1中处理的信息以及用于显示可视化的用户界面。
在图1所示的装置1实施例中，存储器11中存储有用户查找程序01；处理器12执行存储器11中存储的用户查找程序01时实现如下步骤：
根据目标社交网络平台中的用户信息构建无向连通图，其中，在所述无向连通图上，一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接。
获取一个社交网络平台上预设数量用户的用户信息，用户信息中除了包含用户的个人资料之外，还包含用户的关注者信息和被关注者信息，这些信息体现了用户之间的关联关系，其中，关注关系可以是用户在上述平台上的关注关系、好友关系、共同投资等。其中，关注关系可以单向关注关系或者双向关注关系。基于用户之间的关联关系构建一个复杂网络，在该复杂网络上，一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接。该复杂网络可以抽象表示成一个无向连通图G＝V，E)，其中，V是用户节点的集合，E是边的集合，体现用户之间的关联关系，例如边e＝(v1,v2)代表用户v1和用户v2之间的关系。本实施例中，社交网络平台包括微博平台、Twitter平台或者金融论坛等。
获取由多个具有关联关系的目标用户构成的查询节点集，所述查询节点集为所述无向连通图中的节点集合的子集。
根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图，该生成子图中的节点集合构成所述目标用户所属的社区。
将所述生成子图中的节点对应的用户作为所述多个目标用户的相似用户。
获取多个目标用户，这些目标用户构成的查询节点集，查询节点集是图G的用户节点集V的一个子集。接下来根据社区搜索算法在无向连通图G上进行迭代计算，以找到与这些目标用户关系密切或者具有相似偏好的用户群。这些用户群以及他们之间的关联关系形成无向连通图G的一个生成子图。
具体地，根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图的步骤包括：
删除无向连通图中具有最小度的节点，以及与该节点相连的边；判断经节点删除操作后的无向连通图是否满足第二预设条件，其中第二预设条件为：所述查询节点集中的节点在节点删除操作后的图无向连通图中具有最小度，或者，经节点删除操作后，查询节点集中的节点在该无向连通图上不再连通；若是，则终止节点删除操作，将当前的无向连通图作为所述生成子图；若否，则基于当前的无向连通图继续执行所述删除无向连通图中具有最小度的节点，以及与该节点相连的边的步骤。
该社区搜索算法主要包括：将G0作为算法的初始输入图，其中，G0＝G；每一步删除该步骤中输入的图上的一个节点以及与该节点关联的边，该节点是当前的图中具有最小度的节点，其中，在无向连通图中，节点的度等于连接该节点的边的数量。即在第t步中，计算当前的图Gt-1上具有最小度的节点，删除该节点以及所有与该节点连接的边，得到图Gt，作为下一步的输入。如此循环往复的删除每一步骤的图中具有最小度的节点，直至执行了节点删除操作后得到的图满足以下条件之一：查询节点集中的节点在图中具有最小度，或者，删除有最小度的节点后，查询节点集中的点不再连通。这时，终止节点删除操作，获取计算终止后得到的生成子图，该生成子图是一个连通图，并且查询节点集是该生成子图中节点集的一个子集。
按照上述算法获取到的生成子图中的节点对应的用户即为要搜索的社区，这些用户具有与目标用户相同的特征，例如，具有相同的感兴趣产品或者具有相同的特征标签等。
进一步地，在其他的实施例中，为了避免计算得到的社区范围过大，可以进一步地增加预设条件：生成子图中的节点与查询节点集Q中的节点的最大距离不超过预设距离。在判定经节点删除操作后的无向连通图满足第二预设条件之后，终止节点删除操作之前，计算当前的无向连通图中的节点到所述查询节点集之间的距离，判断是否有节点到查询节点的距离大于预设距离；若是，则删除到查询节点的距离大于预设距离的节点，并将删除节点后的无向连通图作为所述生成子图；若否，则执行将终止节点删除操作，将当前的无向连通图作为所述生成子图的步骤。
关于节点之间的距离的计算可以采用如下方式中的任意一种：方式一，将两个节点之间的最短路径中的边的数量作为节点之间的距离，由于在一个复杂的无向连通图中，可以由多种路径实现两节点之间的连通，此处可以根据多条路径中的最短路径来计算节点之间的距离；方式二，根据两个节点之间的最短路径中的边的权重计算节点之间的距离，具体地，从目标社交网络平台上获取到的用户信息中包含有标签信息，根据两个用户拥有的相同标签的数量设置他们之间的权重，相同标签的数量越多，则权重越大，否则权重越小，将两个节点之间的最短路径中的边的权重之和作为两个节点之间的距离。其中，标签信息可以是用户在社交网络平台上可以为自己添加的标签，这些标签体现用户的感兴趣标签信息，或者，也可以将从用户在该社交网路平台上发布的内容提取的关键字作为用户的标签信息。此外，在计算一个节点到查询节点集的距离时，先计算该节点到查询节点集中每一个节点的距离，然后将上述多个距离中的最小距离作为该节点到查询节点集的距离。
此外，可以理解的是，在上述删除节点的过程中，如果删除了某个节点之后，有节点在图上变成孤立的点，与其他节点之间没有任何连接关系时，要把这些孤立的节点删除。
通过上述计算获取到目标用户所在的社区，即由生成子图中的节点对应的用户构成的社区，这些用户是目标用户的相似用户，例如，具体在一个金融论坛中，可以认为在同一个社区中的用户有相同或者相似的投资偏好、属性、标签、感兴趣事件等。在得到相似用户后，根据它们之间相同或者相似的投资偏好、属性、标签、感兴趣事件等信息做精准推荐或定向投放。
以上实施例提出的相似用户查找装置，根据目标社交网络平台中的用户信息构建无向连通图，其中，在无向连通图上一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接，获取由多个具有关联关系的目标用户构成的查询节点集，同时，这个查询节点集是五香连通图中的节点集合的子集，根据查询节点集合预设的社区搜索算法在无向连通图上进行迭代运算，以删除无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图，该生成子图中的节点集合构成目标用户所属的社区，而在无向连通图上，属于一个社区的用户具有相似的属性，因此，该生成子图上的节点对应的用户可以作为上述目标用户的相似用户。本发明通过社交网络平台进行社区搜索，查找目标用户所述的社区，进而获取目标用户的相似用户，提高了查找相似用户的准确度。
可选地，在其他的实施例中，用户查找程序还可以被分割为一个或者多个模块，一个或者多个模块被存储于存储器11中，并由一个或多个处理器(本实施例为处理器12)所执行以完成本发明，本发明所称的模块是指能够完成特定功能的一系列计算机程序指令段，用于描述用户查找程序在基于社区搜索的相似用户查找装置中的执行过程。
例如，参照图2所示，为本发明基于社区搜索的相似用户查找装置一实施例中的用户查找程序的程序模块示意图，该实施例中，用户查找程序可以被分割为信息生成模块10、信息获取模块20、社区搜索模块30、用户获取模块40，示例性地：
信息生成模块10用于：根据目标社交网络平台中的用户信息构建无向连通图，其中，在所述无向连通图上，一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接；
信息获取模块20用于：获取由多个具有关联关系的目标用户构成的查询节点集，所述查询节点集为所述无向连通图中的节点集合的子集；
社区搜索模块30用于：根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图，该生成子图中的节点集合构成所述目标用户所属的社区；
用户获取模块40用于：将所述生成子图中的节点对应的用户作为所述多个目标用户的相似用户。
上述信息生成模块10、信息获取模块20、社区搜索模块30、用户获取模块40等程序模块被执行时所实现的功能或操作步骤与上述实施例大体相同，在此不再赘述。
此外，本发明还提供一种基于社区搜索的相似用户查找方法。参照图3所示，为本发明基于社区搜索的相似用户查找方法第一实施例的流程图。该方法可以由一个装置执行，该装置可以由软件和/或硬件实现。
在本实施例中，基于社区搜索的相似用户查找方法包括：
步骤S10，根据目标社交网络平台中的用户信息构建无向连通图，其中，在所述无向连通图上，一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接。
获取一个社交网络平台上预设数量用户的用户信息，用户信息中除了包含用户的个人资料之外，还包含用户的关注者信息和被关注者信息，这些信息体现了用户之间的关联关系，其中，关注关系可以是用户在上述平台上的关注关系、好友关系、共同投资等。其中，关注关系可以单向关注关系或者双向关注关系。基于用户之间的关联关系构建一个复杂网络，在该复杂网络上，一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接。该复杂网络可以抽象表示成一个无向连通图G＝V，E)，其中，V是用户节点的集合，E是边的集合，体现用户之间的关联关系，例如边e＝(v1,v2)代表用户v1和用户v2之间的关系。本实施例中，社交网络平台包括微博平台、Twitter平台或者金融论坛等。
步骤S20，获取由多个具有关联关系的目标用户构成的查询节点集，所述查询节点集为所述无向连通图中的节点集合的子集。
步骤S30，根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图，该生成子图中的节点集合构成所述目标用户所属的社区。
步骤S40，将所述生成子图中的节点对应的用户作为所述多个目标用户的相似用户。
获取多个目标用户，这些目标用户构成的查询节点集，查询节点集是图G的用户节点集V的一个子集。接下来根据社区搜索算法在无向连通图G上进行迭代计算，以找到与这些目标用户关系密切或者具有相似偏好的用户群。这些用户群以及他们之间的关联关系形成无向连通图G的一个生成子图。
具体地，步骤S30包括：
删除无向连通图中具有最小度的节点，以及与该节点相连的边；判断经节点删除操作后的无向连通图是否满足第二预设条件，其中第二预设条件为：所述查询节点集中的节点在节点删除操作后的图无向连通图中具有最小度，或者，经节点删除操作后，查询节点集中的节点在该无向连通图上不再连通；若是，则终止节点删除操作，将当前的无向连通图作为所述生成子图；若否，则基于当前的无向连通图继续执行所述删除无向连通图中具有最小度的节点，以及与该节点相连的边的步骤。
该社区搜索算法主要包括：将G0作为算法的初始输入图，其中，G0＝G；每一步删除该步骤中输入的图上的一个节点以及与该节点关联的边，该节点是当前的图中具有最小度的节点，其中，在无向连通图中，节点的度等于连接该节点的边的数量。即在第t步中，计算当前的图Gt-1上具有最小度的节点，删除该节点以及所有与该节点连接的边，得到图Gt，作为下一步的输入。如此循环往复的删除每一步骤的图中具有最小度的节点，直至执行了节点删除操作后得到的图满足以下条件之一：查询节点集中的节点在图中具有最小度，或者，删除有最小度的节点后，查询节点集中的点不再连通。这时，终止节点删除操作，获取计算终止后得到的生成子图，该生成子图是一个连通图，并且查询节点集是该生成子图中节点集的一个子集。
按照上述算法获取到的生成子图中的节点对应的用户即为要搜索的社区，这些用户具有与目标用户相同的特征，例如，具有相同的感兴趣产品或者具有相同的特征标签等。
进一步地，在其他的实施例中，为了避免计算得到的社区范围过大，可以进一步地增加预设条件：生成子图中的节点与查询节点集Q中的节点的最大距离不超过预设距离。在判定经节点删除操作后的无向连通图满足第二预设条件之后，终止节点删除操作之前，计算当前的无向连通图中的节点到所述查询节点集之间的距离，判断是否有节点到查询节点的距离大于预设距离；若是，则删除到查询节点的距离大于预设距离的节点，并将删除节点后的无向连通图作为所述生成子图；若否，则执行将终止节点删除操作，将当前的无向连通图作为所述生成子图的步骤。
关于节点之间的距离的计算可以采用如下方式中的任意一种：方式一，将两个节点之间的最短路径中的边的数量作为节点之间的距离，由于在一个复杂的无向连通图中，可以由多种路径实现两节点之间的连通，此处可以根据多条路径中的最短路径来计算节点之间的距离；方式二，根据两个节点之间的最短路径中的边的权重计算节点之间的距离，具体地，从目标社交网络平台上获取到的用户信息中包含有标签信息，根据两个用户拥有的相同标签的数量设置他们之间的权重，相同标签的数量越多，则权重越大，否则权重越小，将两个节点之间的最短路径中的边的权重之和作为两个节点之间的距离。其中，标签信息可以是用户在社交网络平台上可以为自己添加的标签，这些标签体现用户的感兴趣标签信息，或者，也可以将从用户在该社交网路平台上发布的内容提取的关键字作为用户的标签信息。此外，在计算一个节点到查询节点集的距离时，先计算该节点到查询节点集中每一个节点的距离，然后将上述多个距离中的最小距离作为该节点到查询节点集的距离。
此外，可以理解的是，在上述删除节点的过程中，如果删除了某个节点之后，有节点在图上变成孤立的点，与其他节点之间没有任何连接关系时，要把这些孤立的节点删除。
通过上述计算获取到目标用户所在的社区，即由生成子图中的节点对应的用户构成的社区，这些用户是目标用户的相似用户，例如，具体在一个金融论坛中，可以认为在同一个社区中的用户有相同或者相似的投资偏好、属性、标签、感兴趣事件等。在得到相似用户后，根据它们之间相同或者相似的投资偏好、属性、标签、感兴趣事件等信息做精准推荐或定向投放。
以上实施例提出的相似用户查找方法，根据目标社交网络平台中的用户信息构建无向连通图，其中，在无向连通图上一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接，获取由多个具有关联关系的目标用户构成的查询节点集，同时，这个查询节点集是五香连通图中的节点集合的子集，根据查询节点集合预设的社区搜索算法在无向连通图上进行迭代运算，以删除无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图，该生成子图中的节点集合构成目标用户所属的社区，而在无向连通图上，属于一个社区的用户具有相似的属性，因此，该生成子图上的节点对应的用户可以作为上述目标用户的相似用户。本发明通过社交网络平台进行社区搜索，查找目标用户所述的社区，进而获取目标用户的相似用户，提高了查找相似用户的准确度。
此外，本发明实施例还提出一种计算机可读存储介质，所述计算机可读存储介质上存储有用户查找程序，所述用户查找程序可被一个或多个处理器执行，以实现如下操作：
根据目标社交网络平台中的用户信息构建无向连通图，其中，在所述无向连通图上，一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接；
获取由多个具有关联关系的目标用户构成的查询节点集，所述查询节点集为所述无向连通图中的节点集合的子集；
根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图，该生成子图中的节点集合构成所述目标用户所属的社区；
将所述生成子图中的节点对应的用户作为所述多个目标用户的相似用户。
本发明计算机可读存储介质具体实施方式与上述基于社区搜索的相似用户查找装置和方法各实施例基本相同，在此不作累述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“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、装置、物品或者方法不仅包括那些要素，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、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于社区搜索的相似用户查找装置，其特征在于，所述装置包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的用户查找程序，所述用户查找程序被所述处理器执行时实现如下步骤：
根据目标社交网络平台中的用户信息构建无向连通图，其中，在所述无向连通图上，一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接；
获取由多个具有关联关系的目标用户构成的查询节点集，所述查询节点集为所述无向连通图中的节点集合的子集；
根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图，该生成子图中的节点集合构成所述目标用户所属的社区；
将所述生成子图中的节点对应的用户作为所述多个目标用户的相似用户。
2.如权利要求1所述的基于社区搜索的相似用户查找装置，其特征在于，所述根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图的步骤包括：
删除无向连通图中具有最小度的节点，以及与该节点相连的边；
判断经节点删除操作后的无向连通图是否满足第二预设条件，其中第二预设条件为：所述查询节点集中的节点在节点删除操作后的图无向连通图中具有最小度，或者，经节点删除操作后，查询节点集中的节点在该无向连通图上不再连通；
若是，则终止节点删除操作，将当前的无向连通图作为所述生成子图；
若否，则基于当前的无向连通图继续执行所述删除无向连通图中具有最小度的节点，以及与该节点相连的边的步骤。
3.如权利要求2所述的基于社区搜索的相似用户查找装置，其特征在于，所述用户查找程序还可被所述处理器执行，以在所述终止节点删除操作，将当前的无向连通图作为所述生成子图的步骤之前，还实现如下步骤：
若经节点删除操作后的无向连通图满足第二预设条件，则计算当前的无向连通图中的节点到所述查询节点集之间的距离，判断是否有节点到查询节点的距离大于预设距离；
若是，则删除到查询节点的距离大于预设距离的节点，并将删除节点后的无向连通图作为所述生成子图；
若否，则执行将终止节点删除操作，将当前的无向连通图作为所述生成子图的步骤。
4.如权利要求3所述的基于社区搜索的相似用户查找装置，其特征在于，所述计算当前的无向连通图中的节点到所述查询节点集之间的距离的步骤包括：
根据两个节点之间的最短路径中的边的数量或者权重，计算所述无向连通图中的节点到所述查询节点集之间的距离。
5.如权利要求1至4中任意一项所述的基于社区搜索的相似用户查找装置，其特征在于，所述根据目标社交网络平台中的用户信息构建无向连通图的步骤包括：
获取目标社交网络平台中的用户信息，根据获取的用户信息确定用户之间的关联关系；
根据获取到的用户信息和用户之间的关联关系构建无向连通图。
6.一种基于社区搜索的相似用户查找方法，其特征在于，所述方法包括：
根据目标社交网络平台中的用户信息构建无向连通图，其中，在所述无向连通图上，一个节点对应于一个用户，具有关联关系的用户之间通过一条边相连接；
获取由多个具有关联关系的目标用户构成的查询节点集，所述查询节点集为所述无向连通图中的节点集合的子集；
根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图，该生成子图中的节点集合构成所述目标用户所属的社区；
将所述生成子图中的节点对应的用户作为所述多个目标用户的相似用户。
7.如权利要求6所述的基于社区搜索的相似用户查找方法，其特征在于，所述根据所述查询节点集和预设的社区搜索算法在所述无向连通图上进行迭代运算，以删除所述无向连通图上的节点，直至删除节点后得到满足第二预设条件的生成子图的步骤包括：
删除无向连通图中具有最小度的节点，以及与该节点相连的边；
判断经节点删除操作后的无向连通图是否满足第二预设条件，其中第二预设条件为：所述查询节点集中的节点在节点删除操作后的图无向连通图中具有最小度，或者，经节点删除操作后，查询节点集中的节点在该无向连通图上不再连通；
若是，则终止节点删除操作，将当前的无向连通图作为所述生成子图；
若否，则基于当前的无向连通图继续执行所述删除无向连通图中具有最小度的节点，以及与该节点相连的边的步骤。
8.如权利要求6所述的基于社区搜索的相似用户查找方法，其特征在于，所述终止节点删除操作，将当前的无向连通图作为所述生成子图的步骤之前，所述方法还包括如下步骤：
若经节点删除操作后的无向连通图满足第二预设条件，则计算当前的无向连通图中的节点到所述查询节点集之间的距离，判断是否有节点到查询节点的距离大于预设距离；
若是，则删除到查询节点的距离大于预设距离的节点，并将删除节点后的无向连通图作为所述生成子图；
若否，则执行将终止节点删除操作，将当前的无向连通图作为所述生成子图的步骤。
9.如权利要求6至8中任一项所述的基于社区搜索的相似用户查找方法，其特征在于，所述根据目标社交网络平台中的用户信息构建无向连通图的步骤包括：
获取目标社交网络平台中的用户信息，根据获取的用户信息确定用户之间的关联关系；
根据获取到的用户信息和用户之间的关联关系构建无向连通图。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有用户查找程序，所述用户查找程序可被一个或者多个处理器执行，以实现如权利要求6至9中任一项所述的基于社区搜索的相似用户查找方法的步骤。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810382302.8A CN108804516B (zh) | 2018-04-26 | 2018-04-26 | 相似用户查找装置、方法及计算机可读存储介质 |
| PCT/CN2018/102112 WO2019205373A1 (zh) | 2018-04-26 | 2018-08-24 | 相似用户查找装置、方法及计算机可读存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810382302.8A CN108804516B (zh) | 2018-04-26 | 2018-04-26 | 相似用户查找装置、方法及计算机可读存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108804516A true CN108804516A (zh) | 2018-11-13 |
| CN108804516B CN108804516B (zh) | 2021-03-02 |
Family
ID=64093027
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810382302.8A Active CN108804516B (zh) | 2018-04-26 | 2018-04-26 | 相似用户查找装置、方法及计算机可读存储介质 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN108804516B (zh) |
| WO (1) | WO2019205373A1 (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110334159A (zh) * | 2019-05-29 | 2019-10-15 | 苏宁金融服务(上海)有限公司 | 基于关系图谱的信息查询方法和装置 |
| CN110413848A (zh) * | 2019-07-19 | 2019-11-05 | 上海赜睿信息科技有限公司 | 一种数据检索方法、电子设备和计算机可读存储介质 |
| CN110855487A (zh) * | 2019-11-13 | 2020-02-28 | 腾讯科技（深圳）有限公司 | 网络用户相似度管理方法、装置及存储介质 |
| CN111191021A (zh) * | 2018-11-14 | 2020-05-22 | 北京嘀嘀无限科技发展有限公司 | 职业预测方法、装置、设备及计算机可读存储介质 |
| CN111353103A (zh) * | 2020-03-03 | 2020-06-30 | 京东数字科技控股有限公司 | 用于确定用户社群信息的方法和装置 |
| CN111506823A (zh) * | 2020-03-11 | 2020-08-07 | 平安科技（深圳）有限公司 | 信息推荐方法、装置及计算机设备 |
| CN111612038A (zh) * | 2020-04-24 | 2020-09-01 | 平安直通咨询有限公司上海分公司 | 异常用户检测方法及装置、存储介质、电子设备 |
| CN112084423A (zh) * | 2020-08-31 | 2020-12-15 | 腾讯科技（深圳）有限公司 | 一种信息发布平台推荐方法及装置 |
| CN112559903A (zh) * | 2020-12-15 | 2021-03-26 | 广州市贺氏办公设备有限公司 | 一种社区成员搜索方法、系统、装置及介质 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102194149A (zh) * | 2010-03-01 | 2011-09-21 | 中国人民解放军国防科学技术大学 | 社区发现方法 |
| US20140118355A1 (en) * | 2012-10-29 | 2014-05-01 | Yahoo! Inc. | Systems and Methods for Generating A Dense Graph |
| CN104462260A (zh) * | 2014-11-21 | 2015-03-25 | 深圳大学 | 一种基于k-核的社区搜索算法 |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7856411B2 (en) * | 2006-03-21 | 2010-12-21 | 21St Century Technologies, Inc. | Social network aware pattern detection |
| US8606787B1 (en) * | 2010-09-15 | 2013-12-10 | Google Inc. | Social network node clustering system and method |
| CN104102675A (zh) * | 2013-04-15 | 2014-10-15 | 中国人民大学 | 基于用户关系的博主兴趣社区发现方法 |
| CN104731962B (zh) * | 2015-04-03 | 2018-10-12 | 重庆邮电大学 | 一种社交网络中基于相似社团的好友推荐方法及系统 |
| CN105721279B (zh) * | 2016-01-15 | 2019-03-26 | 中国联合网络通信有限公司广东省分公司 | 一种电信网络用户的交往圈挖掘方法及系统 |
-
2018
- 2018-04-26 CN CN201810382302.8A patent/CN108804516B/zh active Active
- 2018-08-24 WO PCT/CN2018/102112 patent/WO2019205373A1/zh active Application Filing
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102194149A (zh) * | 2010-03-01 | 2011-09-21 | 中国人民解放军国防科学技术大学 | 社区发现方法 |
| US20140118355A1 (en) * | 2012-10-29 | 2014-05-01 | Yahoo! Inc. | Systems and Methods for Generating A Dense Graph |
| CN104462260A (zh) * | 2014-11-21 | 2015-03-25 | 深圳大学 | 一种基于k-核的社区搜索算法 |
Non-Patent Citations (1)
| Title |
|---|
| 张佳玉: "基于节点相似度的社团发现算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111191021A (zh) * | 2018-11-14 | 2020-05-22 | 北京嘀嘀无限科技发展有限公司 | 职业预测方法、装置、设备及计算机可读存储介质 |
| CN110334159A (zh) * | 2019-05-29 | 2019-10-15 | 苏宁金融服务(上海)有限公司 | 基于关系图谱的信息查询方法和装置 |
| CN110413848A (zh) * | 2019-07-19 | 2019-11-05 | 上海赜睿信息科技有限公司 | 一种数据检索方法、电子设备和计算机可读存储介质 |
| CN110855487B (zh) * | 2019-11-13 | 2022-02-18 | 腾讯科技（深圳）有限公司 | 网络用户相似度管理方法、装置及存储介质 |
| CN110855487A (zh) * | 2019-11-13 | 2020-02-28 | 腾讯科技（深圳）有限公司 | 网络用户相似度管理方法、装置及存储介质 |
| CN111353103A (zh) * | 2020-03-03 | 2020-06-30 | 京东数字科技控股有限公司 | 用于确定用户社群信息的方法和装置 |
| CN111353103B (zh) * | 2020-03-03 | 2023-11-03 | 京东科技控股股份有限公司 | 用于确定用户社群信息的方法和装置 |
| CN111506823A (zh) * | 2020-03-11 | 2020-08-07 | 平安科技（深圳）有限公司 | 信息推荐方法、装置及计算机设备 |
| CN111612038A (zh) * | 2020-04-24 | 2020-09-01 | 平安直通咨询有限公司上海分公司 | 异常用户检测方法及装置、存储介质、电子设备 |
| CN111612038B (zh) * | 2020-04-24 | 2024-04-26 | 平安直通咨询有限公司上海分公司 | 异常用户检测方法及装置、存储介质、电子设备 |
| CN112084423A (zh) * | 2020-08-31 | 2020-12-15 | 腾讯科技（深圳）有限公司 | 一种信息发布平台推荐方法及装置 |
| CN112084423B (zh) * | 2020-08-31 | 2023-12-12 | 腾讯科技（深圳）有限公司 | 一种信息发布平台推荐方法及装置 |
| CN112559903A (zh) * | 2020-12-15 | 2021-03-26 | 广州市贺氏办公设备有限公司 | 一种社区成员搜索方法、系统、装置及介质 |
| CN112559903B (zh) * | 2020-12-15 | 2024-04-05 | 广州市贺氏办公设备有限公司 | 一种社区成员搜索方法、系统、装置及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2019205373A1 (zh) | 2019-10-31 |
| CN108804516B (zh) | 2021-03-02 |
| WO2019205373A9 (zh) | 2021-04-01 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108804516A (zh) | 相似用户查找装置、方法及计算机可读存储介质 | |
| CN109508419B (zh) | 一种基于知识学习的推荐方法和系统 | |
| CN108287864B (zh) | 一种兴趣群组划分方法、装置、介质及计算设备 | |
| CN109918532A (zh) | 图像检索方法、装置、设备及计算机可读存储介质 | |
| CN108647276B (zh) | 一种搜索方法 | |
| CN104915351A (zh) | 图片排序方法及终端 | |
| US20080270549A1 (en) | Extracting link spam using random walks and spam seeds | |
| CN108288208B (zh) | 基于图像内容的展示对象确定方法、装置、介质及设备 | |
| CN112667877A (zh) | 一种基于旅游知识图谱的景点推荐方法及设备 | |
| CN108241646B (zh) | 一种搜索匹配方法和装置、推荐方法和装置 | |
| CN102193996B (zh) | 基于移动设备的可视Web对象搜索引擎方法 | |
| CN105808729B (zh) | 基于论文间引用关系的学术大数据分析方法 | |
| CN110427404A (zh) | 一种区块链跨链数据检索系统 | |
| CN112328657A (zh) | 特征衍生方法、装置、计算机设备及介质 | |
| CN116975349A (zh) | 图像检索方法、装置、电子设备及存储介质 | |
| CN109120431A (zh) | 复杂网络中传播源选择的方法、装置及终端设备 | |
| CN109062947A (zh) | 用户画像标签查询方法、设备及计算机可读存储介质 | |
| CN113505273B (zh) | 基于重复数据筛选的数据排序方法、装置、设备及介质 | |
| KR101273646B1 (ko) | 멀티 모달리티 데이터 색인 및 검색 방법, 그 시스템 | |
| CN113901056A (zh) | 接口推荐方法、装置及电子设备 | |
| CN109102303A (zh) | 风险检测方法和相关装置 | |
| CN105843809A (zh) | 数据处理方法和装置 | |
| CN116738057A (zh) | 信息推荐方法、装置、计算机设备及存储介质 | |
| CN114928501B (zh) | 一种基于个性化联邦学习的网络钓鱼邮件检测方法 | |
| CN110442614A (zh) | 元数据的搜索方法及装置、电子设备、存储介质 |
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 |