CN109144494B - 个性化网络人员与内容的整理与优化方法 - Google Patents
个性化网络人员与内容的整理与优化方法 Download PDFInfo
- Publication number
- CN109144494B CN109144494B CN201810911490.9A CN201810911490A CN109144494B CN 109144494 B CN109144494 B CN 109144494B CN 201810911490 A CN201810911490 A CN 201810911490A CN 109144494 B CN109144494 B CN 109144494B
- Authority
- CN
- China
- Prior art keywords
- user
- social
- mes
- importance
- implev
- 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
- 238000000034 method Methods 0.000 title claims abstract description 28
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000012163 sequencing technique Methods 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000010801 machine learning Methods 0.000 claims description 3
- 230000003872 anastomosis Effects 0.000 claims description 2
- 238000005065 mining Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 claims description 2
- 238000007418 data mining Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000000050 nutritive effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003997 social interaction Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F8/00—Arrangements for software engineering
- G06F8/30—Creation or generation of source code
-
- 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
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明是个性化网络人员与内容的整理与优化方法,本方法将用户社交网络资源的整理与优化分为人员与内容两部分;对人员的重要性进行排序的同时推荐隐含的真实社交关系给用户,最后将两部分按个性化选择展示给用户,形成用户的虚拟社交关系网络;结合用户的社交关系,根据用户的个性化选择对内容的重要性进行排序,将内容按用户查看时最舒适的标准进行展示;本发明属于社交与软件工程交叉领域。
Description
技术领域
本发明是个性化网络人员与内容的整理与优化方法,本发明属于社交与软件工程交叉领域。
背景技术
社交软件涉及了社交网络和社交消息,随着用户社交关系上拥有越来越多的朋友,社交网络也变得更大,社交网络的新趋势是要将真实的社交网络往虚拟化转移,依靠技术增强人类现实的感受;社交消息中群是为了方便三人及三人以上的多人群体的通知和交流而出现的消息形式,随着用户拥有的群数量增加,需要指出其带来的一系列问题:第一,群消息不间断,这给用户带来了极大的不方便,群内人员时不时的聊天消息都会提醒群内每一个用户;第二,每个群内或多或少都有一些新闻、广告上瘾症成员,他们发送相关的消息到群内,用户在查看群消息时或许会导致用户大量时间浪费在这些无关紧要的消息上面;第三,有些群消息用户无法屏蔽,因为里面涉及重要信息,但是因为群成员的一些无营养信息,用户需要花费大量时间去翻看查阅重要的信息;目前的社交软件在社交网络上大都采用以姓名和备注的拼音首字母排序陈列,社交消息采用均分思想给消息计量后按最后发消息的时间顺序排列,附带消息条数陈列在消息列表中;本发明是个性化网络人员与内容的整理与优化方法,本方法将用户社交网络资源的整理与优化分为人员与内容两部分;对人员的重要性进行排序的同时推荐隐含的真实社交关系给用户,最后将两部分按个性化选择展示给用户,形成用户的虚拟社交关系网络;结合用户的社交关系,根据用户的个性化选择对内容的重要性进行排序,将内容按用户查看时最舒适的标准进行展示;本发明属于社交与软件工程交叉领域。
发明内容
技术问题:随着用户社交网络也变得更大,社交网络的新趋势是要将真实的社交网络往虚拟化转移,依靠技术增强人类现实的感受;群消息不间断,这给用户带来了极大的不方便,群内人员时不时的聊天消息都会提醒群内每一个用户;每个群内或多或少都有一些新闻、广告上瘾症成员,他们发送相关的消息到群内,用户在查看群消息时或许会导致用户大量时间浪费在这些无关紧要的消息上面;有些群消息用户无法屏蔽,因为里面涉及重要信息,但是因为群成员的一些无营养信息,用户需要花费大量时间去翻看查阅重要的信息。
技术方案:本发明是个性化网络人员与内容的整理与优化方法,本方法将用户社交网络资源的整理与优化分为人员与内容两部分;对人员的重要性进行排序的同时推荐隐含的真实社交关系给用户,最后将两部分按个性化选择展示给用户,形成用户的虚拟社交关系网络;结合用户的社交关系,根据用户的个性化选择对内容的重要性进行排序,将内容按用户查看时最舒适的标准进行展示;本发明属于社交与软件工程交叉领域。
体系结构
图1给出了个性化网络人员与内容的整理与优化方法的体系图,整个方法从人员和内容两个方面整理与优化用户的社交网络资源;
人员优化:人员优化是对社交网络中的社交关系RELNet进行重要性的排序,用户U
的表示{UID,UName,USex,UGroup,UEnTime,URep,UHab,UImpLev,ULabel},UID代表用户的社交软件ID号,
每个用户拥有一个独一无二的UID,UName是用户在社交软件上独一无二的名称,USex是用户的
性别,UGroup存放着每个用户加入的群的名称,UEnTime存放着用户进入UGroup时的时间,URep指
用户和目标优化人员DU的亲密度,UHab指用户的个性化选择,用户的个性化选择存放于此,
对社交关系的个性化选择为,对社交消息的个性化选择为;UImpLev指用户对于DU来
说的重要性,UImpLev越大,代表用户在DU社交网络中的重要性越大,ULabel指DU为用户定下的
标签,例如“亲人”,“朋友”,“老师”等等;当DU为U设置了ULabel后,可以根据ULabel判断U的
UImpLev,不同的ULabel有不同的UImpLev,例如当ULabel为“家人”,UImpLev为100,当ULabel为“同学”,
UImpLev为90;算法1为RELNet的排序算法,输出用户重要性排序表ListU,ULabel0是系统默认的
一些标签,例如“家人”,“朋友”等,并为每个标签设置了对应的UImpLev,α,β,γ由外源数据挖
掘得到,其中h为TolRank[]中每个元素的下标;
例如图2所示,DU加入了群A,群B,群C和群D,且DU社交关系列表中有U1和U2,因为U1加入了A,U2加入了群B和群C,故U2的UImpLev比U1的UImpLev更大;U3存在于U1和U2列表中,但没有存在于DU列表中,但是U3存在于群A,群B和群C中,所以U3的UImpLev大于U1,U2,系统会将U3推荐给DU,若DU接受推荐,则可填补上DU的社交软件上社交关系的空缺,否则系统不再推荐U3给DU;
内容优化:根据用户个性化选择进行社交消息MES的整理与优化,每一条社交消息MES由{MESCon,MESU,MESLabel,MESImpLev}表示,MESCon表示消息的内容,MESU代表发消息的用户信息,MESLabel表示消息涉及的标签,MESImpLev表示消息的重要程度;U和MES通过标签进行联系,每一条MES都会获得MESLabel,采取机器学习的相关算法来实现,即针对一系列给定的标签,给MES选取其中匹配度最高的几个标签;算法2展示了在输入DU的社交消息个性化方案和消息后如何获得MESImpLev,在MES中找到UID,将同一个UID的同一条消息合并为一条消息进行后续处理,NUMUID为同一个UID的数量,MERGE(MES)是合并函数,将相同UID的相同MES全部收集起来最后按一条消息处理;Match(a,b)为匹配算法,将a和b进行匹配,得到M为一个具体的匹配值;f,g为UImpLev和M的函数,通过函数关系能够得到MESImpLev;最终输出消息重要性列表ListMES,其中包括MESCon和U的信息;
本发明方法提出了个性化网络人员与内容的整理与优化方法,有如下优点:
1)本发明提出的方法将社交网络从真实往虚拟集成,将用户日益扩大的社交网络集成后清晰展现在用户面前,帮助用户管理自己的社交网络;
2)本发明提出的方法优化展示社交消息,方便用户及时查看自己感兴趣的和重要的消息,避免了消息的重复打扰和时间的浪费;
3)本发明提供的方法为用户个性化打造,方便用户管理社交网络,方便用户迅速查看有关信息。
附图说明
图1是个性化网络人员与内容整理与优化方法的体系图;
图2是个性化网络人员整理与优化方法的一个实施例;
图3是个性化网络人员与内容整理与优化方法的具体实施流程图。
具体实施方式
用户U的表示{UID,UName,USex,UGroup,UEnTime,URep,UHab,UImpLev,ULabel},UID代表用户的
社交软件ID号,每个用户拥有一个独一无二的UID,UName是用户在社交软件上独一无二的名
称,USex是用户的性别,UGroup存放着每个用户加入的群的名称,UEnTime存放着用户进入UGroup
时的时间,URep指用户和目标优化用户DU的亲密度,UHab指用户的个性化选择,用户的个性化
选择存放于此,对社交关系的个性化选择为,对社交消息的个性化选择为;UImpLev
指用户对于DU来说的重要性,UImpLev越大,代表用户在DU社交网络中的重要性越大,ULabel指
DU为用户定下的标签,例如“亲人”,“朋友”,“老师”等等;当DU为U设置了ULabel后,可以根据
ULabel判断U的UImpLev,不同的ULabel有不同的UImpLev,例如当ULabel为“家人”,UImpLev为100,当
ULabel为“同学”,UImpLev为90;每一条消息MES由{MESCon,MESU,MESLabel,MESImpLev}表示,MESCon表
示消息的内容,MESU代表发消息的用户信息,MESLabel表示消息涉及的标签,MESImpLev表示消
息的重要程度;U和MES通过标签进行联系,每一条MES都会获得MESLabel,采取机器学习的相
关算法来实现,即针对一系列给定的标签,给MES选取其中匹配度最高的几个标签;个性化
网络人员与内容的整理与优化方法具体流程如下:
步骤1)对应图3中001所示,将目标优化用户DU的社交关系人员U和社交消息MES输入系统中;
步骤3)对应图3中003所示,判断目标优化用户为人员定下的标签ULabel是否与系统存放的默认标签ULabel0吻合;若吻合,进入步骤4),否则进入步骤5);ULabel0是系统默认的一些标签,例如“家人”,“朋友”等,并为每个标签设置了对应的人员重要性UImpLev;
步骤5)对应图3中005所示,搜寻用户m度社交关系后计算人员重要性UImpLev,例如图2所示,目标优化用户DU加入了群A,群B,群C和群D,且目标优化用户DU社交关系列表中有U1和U2,因为U1加入了A,U2加入了群B和群C,故U2的人员重要性UImpLev比U1的人员重要性UImpLev更大;U3存在于U1和U2列表中,但没有存在于目标优化用户DU列表中,但是U3存在于群A,群B和群C中,所以U3的人员重要性UImpLev大于U1,U2,系统会将U3推荐给目标优化用户DU,若目标优化用户DU接受推荐,则可填补上目标优化用户DU的社交软件上社交关系的空缺,否则系统不再推荐U3给目标优化用户DU;人员重要性的计算如算法1所示,α,β,γ由外源数据挖掘得到,其中h为TolRank[]中每个元素的下标,NUMUG为每个用户加入的群的数量;
步骤6)对应图3中006所示,通过算法1,得到人员重要性排序表ListU;
步骤7)对应图3中007所示,将社交关系按人员重要性排序表ListU的顺序展示给目标优化用户DU,并推荐算法1中在m度关系中隐藏着的具有高重要度IML的人员;
步骤8)对应图3中008所示,在社交消息MES中找到用户的社交软件ID号UID,NUMUID为同一个UID的数量,判断社交消息MES是否是同一个用户的社交软件ID号UID发的同一条消息,若是,进入步骤9),否则进入步骤10);
步骤9)对应图3中009所示,MERGE(MES)是合并函数,将相同用户的社交软件ID号UID的相同社交消息MES全部收集起来最后按一条消息处理;
步骤10)对应图3中010所示,计算目标优化用户DU对社交消息的个性化选择
与社交消息内容MESCon的吻合度,Match(a,b)为匹配算法,a为,b为MESCon;将a和b进行
匹配,得到M为一个具体的匹配值;
步骤12)对应图3中012所示,最终输出消息重要性列表ListMES,其中包括社交消息内容MESCon和用户U的信息,算法2给出了获得内容整理与优化后的消息的过程:
Claims (1)
1.一种个性化网络人员与内容的整理与优化方法,其特征在于将用户社交网络资源的整理与优化分为人员与内容两部分;对人员的重要性进行排序的同时推荐隐含的真实社交关系给用户,最后将两部分按个性化选择展示给用户,形成用户的虚拟社交关系网络;结合用户的社交关系,根据用户的个性化选择对内容的重要性进行排序,将内容按用户查看时最舒适的标准进行展示;
用户U的表示{UID,UName,USex,UGroup,UEnTime,URep,UHab,UImpLev,ULabel},UID代表用户的社交软件ID号,每个用户拥有一个独一无二的UID,UName是用户在社交软件上独一无二的名称,USex是用户的性别,UGroup存放着每个用户加入的群的名称,UEnTime存放着用户进入UGroup时的时间,URep指用户U和目标优化用户DU的亲密度,UHab指用户的个性化选择,用户的个性化选择存放于此,对社交关系的个性化选择为,对社交消息的个性化选择;UImpLev指用户对于DU来说的重要性,UImpLev越大,代表用户在DU社交网络中的重要性越大,ULabel指DU为用户定下的标签;当DU为U设置了ULabel后,可以根据ULabel判断U的UImpLev,不同的ULabel有不同的UImpLev;每一条社交消息MES由{MESCon,MESU,MESLabel,MESImpLev}表示,MESCon表示社交消息的内容,MESU代表发送社交消息的用户信息,MESLabel表示社交消息涉及的标签,MESImpLev表示社交消息的重要程度;U和MES通过标签进行联系,每一条MES都会获得MESLabel,采取机器学习的相关算法来实现,即针对一系列给定的标签,给MES选取其中匹配度最高的几个标签;个性化网络人员与内容的整理与优化方法具体流程如下:
步骤1)将目标优化用户DU的用户U和社交消息MES输入系统中;
社交关系重要性计算具体如下:
步骤3)遍历每一个UIDi,判断目标优化用户为人员定下的标签ULabel是否与系统存放的默认标签ULabel0吻合;若吻合,进入步骤4),否则进入步骤5);ULabel0是系统默认的一些标签,并为每个标签设置了对应的人员重要性UImpLev;
步骤5)搜索UIDi所在的所有群UGroup;对UGroup进行计数,并赋值给NUMUG;NUMUG进行排序的结果赋值给TRank[];搜寻TRank[]中n个用户的社交网络的m度社交关系,按照计算重要度,结果赋值给IMRank[];将TRank[]和IMRank[]合并,结果赋值给TolRank[],每个用户对于DU的重要性UImpLev=β×h,其中,α、β、γ由外源数据挖掘得到,h为TolRank[]中每个元素的下标,NUMUG为每个用户加入的群的数量;
具体为目标优化用户DU加入了群A,群B,群C和群D,且目标优化用户DU社交关系列表中有U1和U2,因为U1加入了A,U2加入了群B和群C,故U2的人员重要性比U1的人员重要性UlmpLev更大:U3存在于U1和U2列表中,但没有存在于目标优化用户(DU)列表中,但是U3存在于群A,群B和群C中,所以U3的人员重要性UlmpLev大于U1或U2,系统会将U3推荐给目标优化用户DU,若目标优化用户DU接受推荐,则可填补上目标优化用户DU的社交软件上社交关系的空缺,否则系统不再推荐U3给目标优化用户DU;
步骤6)将UImpLev进行排序,得到人员重要性排序表ListU;
步骤7)将社交关系按人员重要性排序表ListU的顺序展示给目标优化用户DU,并推荐在m度关系中隐藏着的具有高重要度IML的人员;
获得内容整理与优化后的社交消息的过程具体为:
步骤8)在社交消息MES中找到用户的社交软件ID号UID,NUMUID为同一个UID的数量,遍历每一个MES,判断社交消息MES是否是同一个用户的社交软件ID号UID的同一条社交消息,当满足NUMUID>1&&MESLabel1=MESLabel2=MESLabeln时,进入步骤9),执行合并函数MERGE(MES);否则进入步骤10);
步骤9)MERGE(MES)是合并函数,将相同用户的社交软件ID号UID的相同社交消息MES全部收集起来最后按一条社交消息处理;
步骤10)令MESImpLev=0;从MES的MESU中找到UImpLev;计算目标优化用户DU对社交消息的个性化选择与社交消息内容MESCon的吻合度,计算公式为,其中Match(a,b)为匹配算法,a为,b为MESCon;将a和b进行匹配,得到M为一个具体的匹配值;
步骤12)最终输出社交消息重要性列表ListMES,其中包括社交消息内容MESCon和用户U的信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810911490.9A CN109144494B (zh) | 2018-08-12 | 2018-08-12 | 个性化网络人员与内容的整理与优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810911490.9A CN109144494B (zh) | 2018-08-12 | 2018-08-12 | 个性化网络人员与内容的整理与优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109144494A CN109144494A (zh) | 2019-01-04 |
CN109144494B true CN109144494B (zh) | 2020-01-10 |
Family
ID=64792898
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810911490.9A Active CN109144494B (zh) | 2018-08-12 | 2018-08-12 | 个性化网络人员与内容的整理与优化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109144494B (zh) |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090070294A1 (en) * | 2007-09-11 | 2009-03-12 | Yahoo! Inc. | Social Networking Site Including Conversation Thread Viewing Functionality |
CN101334796B (zh) * | 2008-02-29 | 2011-01-12 | 浙江师范大学 | 一种个性化及协同化融合的网上多媒体检索与查询方法 |
CN101808152B (zh) * | 2009-02-13 | 2012-10-10 | 宏达国际电子股份有限公司 | 联络人相关信息的提示及浏览方法、装置和计算机程序产品 |
US8713027B2 (en) * | 2009-11-18 | 2014-04-29 | Qualcomm Incorporated | Methods and systems for managing electronic messages |
CN102663083A (zh) * | 2012-04-01 | 2012-09-12 | 南通大学 | 基于分布式计算的大规模社交网络信息抽取方法 |
CN103440237A (zh) * | 2013-03-15 | 2013-12-11 | 武汉元宝创意科技有限公司 | 基于3d模型的微博数据处理可视化系统 |
US20160283052A1 (en) * | 2015-03-25 | 2016-09-29 | Line Corporation | Method, system and recording medium for sorting objects in a messenger platform |
CN107645497B (zh) * | 2017-09-11 | 2021-02-09 | 东南大学 | 基于公众号的物联网设备控制和权限分享系统及方法 |
-
2018
- 2018-08-12 CN CN201810911490.9A patent/CN109144494B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN109144494A (zh) | 2019-01-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10992609B2 (en) | Text-messaging based concierge services | |
US10402917B2 (en) | Color-related social networking recommendations using affiliated colors | |
US10049099B2 (en) | Spell correction with hidden markov models on online social networks | |
US10095683B2 (en) | Contextual speller models on online social networks | |
US9356905B2 (en) | Organizing messages in a messaging system using social network information | |
CN102473186B (zh) | 标记多个数字图像的系统和方法 | |
US9183515B2 (en) | Share box for endorsements | |
US20160248716A1 (en) | Prioritizing Messages within a Message Network | |
US20090112467A1 (en) | Map-centric service for social events | |
CN107609960A (zh) | 推荐理由生成方法及装置 | |
US20100250526A1 (en) | Search System that Uses Semantic Constructs Defined by Your Social Network | |
JP2019505936A (ja) | 人工ニューラルネットワークを使用したウェブインタフェースの生成及びテスト | |
CN110321429A (zh) | 用于改进数字内容推荐的实体表示学习 | |
CN109087178A (zh) | 商品推荐方法和装置 | |
CN107403388A (zh) | 用于结构化搜索查询的语法模型 | |
CN111522940B (zh) | 用于处理评论信息的方法和装置 | |
EP3549085A1 (en) | Customizing content based on predicted user preferences | |
CN113793182B (zh) | 商品对象推荐方法及其装置、设备、介质、产品 | |
CN111967599B (zh) | 用于训练模型的方法、装置、电子设备及可读存储介质 | |
US20140282064A1 (en) | Multilayered icon, graphical user interfaces, and methods for displaying and manipulation of information | |
US10332161B2 (en) | Retrieving reviews based on user profile information | |
CN105512122B (zh) | 信息检索系统的排序方法及装置 | |
CN116383458B (zh) | 信息推送的方法及装置 | |
CN109144494B (zh) | 个性化网络人员与内容的整理与优化方法 | |
WO2007083313A2 (en) | Construction and use of a database |
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 |