CN109547320B - 社交方法、装置及设备 - Google Patents

Abstract

本说明书实施例公开了一种社交方法、装置及设备。方案包括：通过向第二终端发送用于社交的第一社交数据，并接收第二终端对第一社交数据进行回复的第一回复数据，其中所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据；然后根据所述第一回复数据确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为与所述第一回复数据的匹配度最大的社交数据。

Description

社交方法、装置及设备

技术领域

本说明书涉及计算机技术领域，尤其涉及一种社交方法、装置及设备。

背景技术

目前基于互联网的社交内容主要有：文字、语音、图片以及视频，这些社交内容均需要依赖于人类的思维来产生，也就是说这些社交都是基于人的参与，即在这些社交中至少有一方需要为人类，并需要该人类主动参与，进而依赖于参与社交的人类的思维来产生内容，即使像智能聊天机器人，如智能语音助手、智能问答机器人、自动回复机器人、客服机器人、闲聊机器人等具备社交功能的机器人，都要求参与方中至少有一方是人类，并严重依赖人类的主动参与和人类输出内容才能产生社交内容。

基于此，需要能够自动产生社交内容进行社交的方案。

发明内容

有鉴于此，本说明书实施例提供了一种社交方法、装置及设备，用于解决现有技术中均需要人类主动参与才能进行社交的问题。

本说明书实施例采用下述技术方案：

本说明书实施例提供一种社交方法，包括：

向第二终端发送用于社交的第一社交数据；

接收所述第二终端对所述第一社交数据进行回复的第一回复数据，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据；

确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为与所述第一回复数据的匹配度最大的社交数据。

本说明书实施例还提供一种社交方法，包括：

接收第一终端发送的用于社交的第一社交数据；

确定第一回复数据，并向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据。

本说明书实施例还提供一种社交方法，包括：

第一终端向第二终端发送用于社交的第一社交数据；

所述第二终端确定第一回复数据，并向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据；

所述第一终端接收所述第一回复数据；

所述第一终端确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为与所述第一回复数据的匹配度最大的社交数据。

本说明书实施例还提供一种社交装置，包括：第一发送模块、第一接收模块和第一确定模块；

所述第一发送模块用于向第二终端发送用于社交的第一社交数据；

所述第一接收模块用于接收所述第二终端对所述第一社交数据进行回复的第一回复数据，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据；

所述第一确定模块用于确定新的第一社交数据，所述新的第一社交数据为与所述第一回复数据的匹配度最大的社交数据。

本说明书实施例还提供一种社交装置，包括：第二接收模块、第二确定模块和第二发送模块；

所述第二接收模块用于接收第一终端发送的用于社交的第一社交数据；

所述第二确定模块用于确定第一回复数据，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据；

所述第二发送模块用于向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复。

本说明书实施例还提供一种社交装置，包括第一终端和第二终端；

所述第一终端用于向所述第二终端发送用于社交的第一社交数据；

所述第二终端用于确定第一回复数据，并向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据；

所述第一终端还用于接收所述第一回复数据；

所述第一终端还用于确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为与所述第一回复数据的匹配度最大的社交数据。

本说明书实施例还提供一种用于社交的电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

向第二终端发送用于社交的第一社交数据；

接收所述第二终端对所述第一社交数据进行回复的第一回复数据，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据；

确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为与所述第一回复数据的匹配度最大的社交数据。

本说明书实施例还提供一种用于社交的电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

接收第一终端发送的用于社交的第一社交数据；

确定第一回复数据，并向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：通过在终端自动产生社交内容来进行终端之间的自动社交(如聊天)，从而无需人类的主动参与就可自动社交，避免或减少人工消耗。此外，这样终端之间的社交更像是有想象力的人类在进行，既可让社交内容更真实、生动，又可让社交内容出乎人们预料，从而可在社交中创造出具有原创性的社交内容(如文字、图片、声音、视频等)，以便于在用户之间分享，从而更能激发用户的社交兴趣，进一步提高用户社交体验。

附图说明

为了更清楚地说明本说明书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，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。

图1为本说明书实施例1提供的一种社交方法的流程图。

图2为本说明书实施例1提供的一种社交方法中用于训练映射关系的流程图。

图3为本说明书实施例1提供的一种社交方法的实现应用环境示意图。

图4为本说明书实施例2提供的一种社交方法的流程图。

图5为本说明书实施例3提供的一种社交方法的流程图。

图6为本说明书实施例4提供的一种社交装置的组成示意图。

图7为本说明书实施例5提供的一种社交方法的流程图。

图8为本说明书实施例6提供的一种社交方法的流程图。

图9为本说明书实施例7提供的一种社交方法的流程图。

图10为本说明书实施例8提供的一种社交成装置的组成示意图。

图11为本说明书实施例9提供的一种社交方法中第一终端向第二终端社交的流程图。

图12为本说明书实施例9提供的一种社交方法中第二终端向第一终端社交的流程图。

具体实施方式

为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。

以下结合附图，详细说明本申请各实施例提供的技术方案。

实施例1

在本说明书实施例提供的社交方法中，从设备角度而言，执行主体为第一终端，其中终端可为计算机、手机、平板电脑、智能手表、智能手环等具备用户操作应用程序界面的设备，本申请对此不做具体限定。

另外，本说明书实施例中提供的社交方法，从程序实现的角度而言，执行主体可以为终端中安装的程序，该程序可以作为与社交(比如聊天)有关的独立程序或者辅助程序，该程序的形式可以是应用客户端(比如app(应用程序))或者网页端等，本申请对此不做具体限定。下面以该程序为预置于终端中作为聊天工具的辅助程序为例进行说明，这样可以自动化产生相关社交内容，减少或避免人工消耗。此外，用户可以作为观众，通过观看终端之间自动社交及生成的社交内容，既可提高用户的社交能力，又可让用户在观看到有趣的、感兴趣的或有原创性的社交内容时感到身心愉悦，获得乐趣，进而激励用户的社交兴趣。

如图1所示，本申请实施例提供的社交方法包括以下步骤：

步骤S102、向第二终端发送用于社交的第一社交数据。

其中，社交数据可以包括文字、图片、语音和视频等其中的一种数据或者多种数据的组合数据。这里的社交可以做广义的理解，不仅包括具有一定社会意义的对话、交流，而且可以包括具有来回对流形式的信息传递，.实际上，只要是两个终端设备之间(用户借助于该终端设备)的信息交互或者会话，即可构成一种社交行为或事件。

具体实施中，在向第二终端发送用于社交的第一社交数据，以开启社交事件时，第一终端可以在用户的配置下向第二终端发起社交(如聊天)，也可以通过预设的匹配关系与第二终端自动建立关系来发起社交。另外，在首次向第二终端发起的所述第一社交数据可以为根据社交主题来确定的数据，其中社交主题可以根据具体应用场景来设置，以满足用户群的兴趣点，比如在日常社交中，用户常常谈论的主题包括有如新闻、财经、军事、体育、娱乐、旅游等各领域主题，且每个领域主题下面还可以细分出不同小主题，比如在娱乐主题中，可以包括搞笑、幽默、轻松等能让用户在观看后可以愉悦心情的小主题。进一步地，可以将上述主题及各类社交数据细分后存放于社交数据库中，这样既可以简化社交主题与社交数据、社交数据与社交数据之间的关系，也可以为根据社交主题去确定出第一社交数据提供方便。

需要说明的是，社交主题可以由用户指定，也可以根据预置的选取策略从社交数据库中自动选取。

进一步，在具体实施时，为使终端之间自动社交所生成的社交内容更有目的性、针对性，以便于用户作为观众从社交内容中获取自己感兴趣的内容，社交主题优选由用户指定。这时，在步骤S102前，所述社交方法还可包括：获取社交主题，即获取用户指定的社交主题，比如通过界面让用户指定社交主题；从预设的社交数据库获取所述用于社交的第一社交数据，所述社交数据库用于保存社交主题与社交数据的对应关系。其中，在根据社交主题从社交数据库中获取所述第一社交数据时，可以由用户指定来确定所述第一社交数据，也可以为根据随机策略自动选取所述第一社交数据，还可以在自动选取出所述第一社交数据后再由用户确认，这里不做具体限定。

步骤S104、接收所述第二终端对所述第一社交数据进行回复的第一回复数据，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据。

步骤S106、确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为与所述第一回复数据的匹配度最大的社交数据。

通过上述步骤S102～106，第一终端和第二终端可自动地进行社交，即第一终端发送社交数据，然后第二终端自动回复第一终端，最后第一终端再回复第二终端，这样可在第一终端和第二终端之间自动产生社交内容，实现自动社交，而且这种方式可以使得社交中无需人类的主观活动参与就能自动地生成社交内容，使得终端之间的社交更像是有想象力的人类在进行，这样所生成的社交内容更真实、生动，又可让社交内容超出用户预料，从而可创造出有趣的社交内容、有原创性的社交内容，如文字、图片、声音、视频等，这样可让用户从观众的角度去观看终端之间的自动社交，从而让用户在观看到这些有趣的、有原创性的社交内容时获得更多乐趣，以减轻用户日常压力，特别是对于那些不善言辞的、甚至患有社交恐惧症的用户而言，可作为观众的方式来观看终端之间的自动社交来学习和提高社交能力，并由于无需参加到社交中，可有效地减轻其社交压力，来更好地激发社交兴趣。

需要说明的是，终端之间社交中，回复的时间间隔具体可根据应用场景进行设置，比如可以预设，也可以在社交中根据用户的控制进行调整，这里不做具体限定。

进一步，具体实施中，在确定与所述第一回复数据的匹配度最大的社交数据时，可优选根据预设的第一映射关系，去确定与所述第一回复数据的匹配度最大的社交数据作为新的第一社交数据；所述第一回复数据也可以是通过优选根据预设的第二映射关系生成的与所述第一社交数据的匹配度最大的社交数据。其中，映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系，其中第一映射关系设置于第一终端中，用于根据所述第一回复数据来映射确定出与所述第一回复数据的匹配度最大的数据作为新的第一社交数据，第二映射关系设置于第二终端中，用于根据所述第一社交数据来映射确定出与所述第一社交数据的匹配度最大的数据作为第一回复数据。通过将用于生成社交数据的映射关系分设于第一终端和第二终端，然后各终端可利用自身一侧的映射关系产生社交数据，比如第一终端利用第一映射关系产生第一社交数据，第二终端利用第二映射关系产生第一回复数据，由于映射关系位于不同终端，这样各终端可能会创造出意料之外的内容、有原创性的内容。

这样在具体实施中，第一映射关系和第二映射关系可优选机器学习模型，比如优选生成式的机器学习模型(如神经网络)。虽然在社交(如聊天)早期，映射关系可能因缺乏数据训练，使得终端之间通过社交所生成的社交数据之间的关联程度较差，但随着数据量的增加并在利用大量数据训练后，通过映射关系创造出的社交内容将更具有关联性，也更真实、生动，从而使得终端之间的社交更像是有想象力的人类在进行社交，这样可创造出用户能够理解、又让用户觉得有趣、有原创性的社交内容，进一步提高用户社交乐趣。

进一步，为使终端之间社交中生成的第一社交数据和第一回复数据之间更具有关联性，更像两个人类在进行社交，可通过选取有更紧密关联性的第一映射关系与第二映射关系来实现，这时作为映射关系的生成式的机器学习模型，可优选生成式对抗网络(GAN)，从而通过不断的对抗来生成关联性数据，比如可优选两个对抗神经网络(Dueling NeuralNetworks)，由于对抗神经网络是由一个判别模型(Discriminative，简称判别器D)和一个生成模型(Generative，简称生成器G)组成的双AI(Artificial Intelligence，人工智能)系统，这时可将第一对抗神经网络的生成器设置于第一终端中，用于作为第一映射关系产生第一社交数据，而将第二对抗神经网络的生成器设置于第二终端中，用于作为第二映射关系产生第一回复数据，其中可将第一对抗神经网络的生成器的输出作为第二对抗神经网络的生成器的输入噪声，第二对抗神经网络的生成器的输出作为第一对抗神经网络的生成器的输入噪声，这样加强了生成器所生成数据的关联性。

进一步，还可将第一对抗神经网络的判别器设置于第二终端中，将第二对抗神经网络的判别器设置于第一终端中，便于利用对抗神经网络中的判别器来提高生成器所确定的第一社交数据(或者第一回复数据)的针对性，比如通过第一对抗神经网络的判别器用于确定第二终端所接收到的第一社交数据是否来自第一终端，以及通过第二对抗神经网络的判别器用于确定接收到的第一回复数据是否来自第二终端，从而让终端模仿其用户开展自动社交，使社交更像是两个人类在进行。具体实施中，判别器可根据能表征用户社交特征的历史数据(比如联系人、聊天数据、聊天习惯等社交中的历史记录或者关系数据)，从而可方便地确定出社交中数据的来源。更进一步，判别器还可根据社交中的数据关联性，来确定社交中数据是否有实际意义，以确定社交中后续数据等。

为便于理解，本说明书实施例提供的所述社交方法的一种应用环境示意图可如图3所示，通过在第一终端1和第二终端2之间采用两个对抗神经网络，即第一对抗神经网络GAN1的生成器G1和第二对抗神经网络GAN2的判别器D2设置于第一终端1中，而第一对抗神经网络GAN1的判别器D2和第二对抗神经网络GAN2的生成器G2设置于第二终端2中，这样生成器G1用于作为第一映射关系，生成器G2用于作为第二映射关系，而判别器D1用于判别第一社交数据是否来自第一终端1，判别器D2用于判别第一回复数据是否来自第二终端2，这样生成器G1可将来自第二终端的第一回复数据作为噪声输入，然后根据预设的变量参数生成出第一社交数据，生成器G2可将来自第一终端的第一社交数据作为噪声输入，然后根据预设的变量参数生成出第一回复数据，从而模仿使用终端的用户进行社交，使终端之间的自动社交生成的第一社交数据和第一回复数据之间更具有关联性，更像两个人类在进行社交。

需要说明的是，本领域的技术人员应当理解，生成器G1、生成器G2中预设的变量参数可根据具体应用场景按照预设的策略进行设置。例如：在聊天场景中，变量参数可根据随机噪声(即聊天内容)确定，比如将随机噪声进行分词，然后将每个词作为变量去生成新内容，然后将与随机噪声的匹配度(通常可为关联度)最高的作为输出，比如生成器G1先输出“去商场购物”作为第一社交数据，这样生成器G2的输入噪声就为“去商场购物”，这时可将随机噪声分词后的每个词语(如“去”、“商场”和“购车”)作为变量参数去生成新语句，这样生成器G2(即神经网络)的中间层将生成若干语句，比如包括“去哪里”、“有谁一起去”、“什么时间去”、“哪个商场”、“买什么”等等，然后可按匹配度输出一个语句作为第一回复数据，比如“什么时间去”的匹配度最高，则将其作为生成器G2的输出，这里不再一一说明。

图3中，第一终端1和第二终端2可通过网络(如有线网络、无线网络)建立社交所需的网络通信连接，从而终端之间的社交就可基于所述对抗神经网络进行，这样在利用大量的数据训练所述对抗神经网络的生成器G和判别器D后，可创造出有关联性的社交内容。

需要说明的是，本领域的技术人员应当理解，网络通信中可包括服务端(如服务器)，这样第一终端1和第二终端2之间的社交中的数据通信可通过服务端进行，从而通过服务端来保障社交中的通信。

进一步，可通过获取历史社交数据来形成训练数据集，从而进一步对映射关系进行训练，来提高映射关系生成社交数据的关联性。具体地，所述社交方法还可包括用于训练映射关系的步骤，即如图2所示，所述社交方法中用于训练所述第一映射关系的步骤包括：

步骤S101、收集历史数据，所述历史数据包括不同的所述第一社交数据和与所述第一社交数据对应的所述第一回复数据，其中不同的所述第一社交数据和与所述第一社交数据对应的所述第一回复数据可以为终端之间产生的社交数据，也可以为人类根据人工智能(如智能机器人)生成并经手工筛选的社交数据。

更进一步，在具体实施中，还可通过收集社交媒体网络(如聊天工具、博客、直播平台、专业性互动平台)的网络数据来形成大量的历史数据。具体地，所述历史数据还包括与所述第一社交数据的相似度大于第一预设阈值的网络数据，和/或与所述第一社交数据对应的所述第一回复数据的相似度大于第二预设阈值的网络数据，比如网络数据与所述第一社交数据属于相同的社交主题，相似度也满足第一预设阈值，甚至网络数据与所述第一社交数据属于不同社交主题，但相似度满足第一预设阈值，这里不再一一展开。

需要说明的是，本领域的技术人员应当理解，可基于大数据处理去获取社交媒体网络的网络数据并形成数据集，比如网络爬取、数据清洗、数据挖掘等大数据处理，这里不再展开说明。

步骤S103、将所述历史数据形成训练数据集。

步骤S105、利用所述训练数据集训练所述第一映射关系。

需要说明的是，为降低所述社交方法中利用上述步骤S101～S105训练所述第一映射关系对终端的性能要求，步骤S101～S105可利用服务端(如服务器)实现，即可在服务端利用上述步骤S101～S105训练完所述第一映射关系后，通过将所述第一映射关系下发到终端中。

需要说明的是，鉴于第一终端通过所述第一映射关系根据第一回复数据确定新的第一社交数据，而第二终端通过所述第二映射关系根据第一社交数据确定第一回复数据，这时为提高所述第一社交数据与其对应的所述第一回复数据的关联性，所述第二映射关系也可以利用上述步骤S101～S105进行训练，这里不再赘述。

实施例2

本说明书实施例中提供的一种社交方法，是在实施例1的基础上，通过将终端之间自动社交所生成的社交内容制作成文件，可便于用户使用。具体地，如图4所示，所述社交方法还可包括：

步骤S108、接收第一文件生成指令，比如用户在作为观众观看终端之间社交时，当发现有感兴趣的社交内容、觉得有趣的社交内容、觉得有原创性的社交内容时，可指定收集这些社交内容。这里，所述第一文件生成指令可为用户在终端之间社交中发出的指令，也可为用户预设于第一终端中用于收集感兴趣的内容的指令，这里不做具体限定。

步骤S110、根据所述第一文件生成指令收集所述第一社交数据和所述第一回复数据。

步骤S112、将所收集的所述第一社交数据和所述第一回复数据生成第一文件，从而制作成文件便于保存及使用。

更进一步，所述社交方法还可包括：

步骤S114、共享所述第一文件。

这样用户可将所生成的文件向其他用户分享来获取更好的社交乐趣，既可提高用户之间的社交氛围，又可激励用户进一步使用终端去生成更多、更有趣、更有原创性的社交内容去进行分享，增加用户活跃度和应用粘性。

实施例3

本说明书实施例中提供的一种社交方法，是在实施例1的基础上，通过在社交中接收第二终端发送的社交数据，进而回复第二终端来转换社交主题，从而继续生成第二终端的用户感兴趣的社交内容。具体地，如图5所示，所述社交方法还可包括：

步骤S116、接收所述第二终端发送的用于社交的第二社交数据。

其中，所述第二终端发送的用于社交的第二社交数据可以为第二终端的用户指定的社交数据，比如第二终端的用户可以根据自己关心、感兴趣的点，从而通过第二终端发起新的社交主题，进而通过终端之间的社交去生成出自己感兴趣的社交内容，这时所述第二社交数据可以为根据第二终端的用户设置的社交主题来确定的社交数据，也可为用户直接指定的社交数据，这里不做具体限定。当然，为了让终端之间的社交能够创造出超出人们预料的社交内容，甚至创造出更有趣的社交内容、有原创性的社交内容，所述第二社交数据还可以为第二终端根据预设的社交策略而自动、甚至是随机选定的社交数据。

步骤S118、确定第二回复数据以对所述第二社交数据进行回复，所述第二回复数据为与所述第二社交数据的匹配度最大的社交数据。

这样通过在社交中，第二终端发起所述第二社交数据，从而可根据所述第二社交数据去进行新的社交，并生成新的社交内容，从而创造出更不可预料的社交内容，可让用户获取不同的社交体验。

实施例4

基于同一个发明构思，本说明书实施例中提供一种社交装置。

需要说明的是，鉴于前述实施例中对所述社交方法已进行了详细说明，本实施例中对所述社交装置所涉及的相应内容将不再赘述。

如图6所示，其中虚线方框表示可选的模块，所述社交装置包括：第一发送模块10、第一接收模块11和第一确定模块12。其中，第一发送模块10用于向第二终端发送用于社交的第一社交数据；第一接收模块11用于接收所述第二终端对所述第一社交数据进行回复的第一回复数据，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据；第一确定模块12用于确定新的第一社交数据，所述新的第一社交数据为与所述第一回复数据的匹配度最大的社交数据。

可选地，所述第一确定模块用于根据预设的第一映射关系确定所述新的第一社交数据，所述第一映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系。

可选地，所述社交装置还包括收集模块13、数据集模块14和训练模块15。其中，收集模块13用于获取所述第一社交数据的历史数据和所述第一社交数据对应的所述第一回复数据的历史数据；数据集模块14用于将所述第一社交数据的历史数据和所述第一回复数据的历史数据形成训练数据集；训练模块15用于利用所述训练数据集训练所述第一映射关系。

可选地，收集模块13用于获取网络社交数据和所述网络社交数据对应的回复数据，所述网络社交数据包括与所述第一社交数据的匹配度大于预设阈值的网络数据。

可选地，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据包括：所述第一回复数据为根据预设的第二映射关系确定的与所述第一社交数据的匹配度最大的社交数据，所述第二映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系。

可选地，所述社交装置还包括获取模块16，获取模块16用于在第一发送模块10向所述第二终端发送所述第一社交数据前获取社交主题，并从预设的社交数据库获取所述第一社交数据，所述社交数据库用于保存社交主题与社交数据的对应关系。

可选地，所述社交装置还包括第一生成模块17。其中，第一接收模块11还用于接收文件生成指令；第一确定模块12还用于根据所述指令收集所述第一社交数据和所述第一回复数据；第一生成模块17用于将第一确定模块12收集的所述第一社交数据和所述第一回复数据生成第一文件。

可选地，所述社交装置还包括第一共享模块18，这样第一共享模块18用于共享所述第一文件。

可选地，第一接收模块11还用于接收所述第二终端发送的用于社交的第二社交数据；第一确定模块12还用于确定第二回复数据以对所述第二社交数据进行回复，所述第二回复数据为与所述第二社交数据的匹配度最大的社交数据。

实施例5

基于同一个发明构思，本说明书实施例中提供的一种社交方法，执行主体为第二终端一侧，鉴于实施例1中已对所述社交方法的执行主体做了详细说明，这里不再赘述。这样在具体实施中，第二终端通过接收第一终端发送的社交数据，并对接收到的社交数据进行回复，从而实现与第一终端之间的自动社交，进而生成社交内容。

需要说明的是，本领域的技术人员应当理解，鉴于前述实施例中已对相应的部分做些详细说明，以下仅做粗略说明，不再赘述。

如图7所示，本说明书实施例中提供的社交方法，包括步骤：

步骤S202、接收第一终端发送的用于社交的第一社交数据。

步骤S204、确定第一回复数据，并向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据。

实施例6

本说明书实施例中提供的社交方法，是在实施例5的基础上，通过将终端之间自动社交所生成的社交内容制作成文件，可便于用户使用。具体地，如图8所示，所述社交方法还可包括：

步骤S206、接收第二文件生成指令，比如用户在作为观众观看终端之间社交时，当发现有感兴趣的社交内容、觉得有趣的社交内容、觉得有原创性的社交内容时，可指定收集这些社交内容。这里，所述第二文件生成指令可为用户在终端之间社交中向第二终端发出的指令，也可为用户预设于第二终端中用于收集感兴趣的内容的指令，这里不做具体限定。

步骤S208、根据所述第二文件生成指令收集所述第一社交数据和所述第一回复数据。

步骤S210、将所收集的所述第一社交数据和所述第一回复数据生成第一文件，从而制作成文件便于保存及使用。

更进一步，所述社交方法还可包括：

步骤S212、共享所述第一文件。

实施例7

本说明书实施例中提供的社交方法，是在实施例5的基础上，通过在社交中向第一终端发送用于社交的社交数据，进而接收第一终端的回复，并对第一终端的回复进行社交来转换社交主题，从而继续生成第二终端的用户感兴趣的社交内容。具体地，如图9所示，所述社交方法还可包括：

步骤S214、向所述第一终端发送用于社交的第二社交数据；

步骤S216、接收所述第一终端对所述第二社交数据进行回复的第二回复数据，所述第二回复数据为与所述第二社交数据的匹配度最大的社交数据；

步骤S218、确定新的第二社交数据以对所述第二回复数据进行回复，所述新的第二社交数据为与所述第二回复数据的匹配度最大的社交数据。

实施例8

基于同一个发明构思，本说明书实施例中提供一种社交装置。

需要说明的是，鉴于前述实施例中对所述社交方法已进行了详细说明，本实施例中对所述社交装置所涉及的相应内容将不再赘述。

如图10所示，其中虚线方框表示可选的模块，所述社交装置包括：第二接收模块20、第二确定模块21和第二发送模块22。其中，第二接收模块20用于接收第一终端发送的用于社交的第一社交数据；第二确定模块21用于确定第一回复数据，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据；第二发送模块22用于向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复。

可选地，所述社交装置还包括第二生成模块23。其中，第二接收模块20还用于接收第二文件生成指令；第二确定模块21还用于根据所述第二文件生成指令收集所述第一社交数据和所述第一回复数据；

第二生成模块23用于将第二确定模块21收集的所述第一社交数据和所述第一回复数据生成第二文件。

可选地，所述社交装置还包括第二共享模块24，这样第二共享模块24用于共享所述第二文件。

可选地，第二发送模块22还用于向所述第一终端发送用于社交的第二社交数据；第二接收模块20还用于接收所述第一终端对所述第二社交数据进行回复的第二回复数据，所述第二回复数据为与所述第二社交数据的匹配度最大的社交数据；第二确定模块21还用于确定新的第二社交数据，所述新的第二社交数据为与所述第二回复数据的匹配度最大的社交数据。

实施例9

基于同一个发明构思，本说明书实施例中提供的一种社交方法，通过在第一终端和第二终端分别执行相应的社交步骤来建立自动社交，从而生成社交内容。

需要说明的是，鉴于前述实施例中对社交方法已进行了详细说明，本实施例中对所述社交方法所涉及的相应内容将不再赘述。

具体实施中，如图11所示，本说明书实施例中提供的所述社交方法包括步骤：

步骤S302、第一终端向第二终端发送用于社交的第一社交数据；

步骤S304、所述第二终端确定第一回复数据，并向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据；

步骤S306、所述第一终端接收所述第一回复数据；

步骤S308、所述第一终端确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为与所述第一回复数据的匹配度最大的社交数据。

进一步，确定第一回复数据包括：根据预设的第二映射关系确定所述第一回复数据，所述第二映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系；以及，确定新的第一社交数据包括：根据预设的第一映射关系确定所述新的第一社交数据，所述第一映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系。

更进一步，通过优选对抗神经网络，这样所述第一映射关系可优选为第一对抗神经网络的生成器，所述第二映射关系可优选为第二对抗神经网络的生成器，这时可利用所述第一对抗神经网络的生成器确定出所述新的第一社交数据，第二对抗神经网络的生成器确定出所述第一回复数据，即所述第一对抗神经网络的生成器以所述第一回复数据作为随机噪声和预设的第一变量确定所述新的第一社交数据；所述第二对抗神经网络的生成器以所述第一社交数据作为随机噪声和预设的第二变量确定所述第一回复数据。

进一步，本说明书实施例中提供的所述社交方法还可包括第二终端向第一终端发起的社交步骤，即如图12所示，所述社交方法还可包括：

步骤S310、所述第二终端向所述第一终端发送用于社交的第二社交数据；

步骤S312、所述第一终端接收所述第二社交数据，并确定第二回复数据以对所述第二社交数据进行回复，所述第二回复数据为与所述第二社交数据的匹配度最大的社交数据；

步骤S314、所述第一终端将所述第二回复数据向所述第二终端发送；

步骤S316、所述第二终端接收所述第二回复数据；

步骤S318、所述第二终端确定新的所述第二社交数据以对所述第二回复数据进行回复，所述新的第二社交数据为与所述第二回复数据的匹配度最大的社交数据。

实施例10

基于同一个发明构思，本说明书实施例中提供一种社交装置。

需要说明的是，鉴于前述实施例中对所述社交方法已进行了详细说明，本实施例中对所述社交装置所涉及的相应内容将不再赘述。

具体实施中，本说明书实施例中提供的社交装置包括第一终端和第二终端。其中，所述第一终端用于向所述第二终端发送用于社交的第一社交数据；所述第二终端用于确定第一回复数据，并向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据；所述第一终端还用于接收所述第一回复数据；所述第一终端还用于确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为与所述第一回复数据的匹配度最大的社交数据。

可选地，确定第一回复数据包括：根据预设的第二映射关系确定所述第一回复数据，所述第二映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系；确定新的第一社交数据包括：根据预设的第一映射关系确定所述新的第一社交数据，所述第一映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系。

可选地，所述第一映射关系包括第一对抗神经网络的生成器，所述第二映射关系包括第二所述对抗神经网络的生成器。

实施例11

基于同一个发明构思，本说明书实施例提供一种与实施例1对应的用于生成社交内容的电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行以下步骤：

向第二终端发送用于社交的第一社交数据；

接收所述第二终端对所述第一社交数据进行回复的第一回复数据，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据；

确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为与所述第一回复数据的匹配度最大的社交数据。

基于同样的思路，本说明书实施例提供一种与实施例1对应的非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

向第二终端发送用于社交的第一社交数据；

接收所述第二终端对所述第一社交数据进行回复的第一回复数据，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据；

确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为与所述第一回复数据的匹配度最大的社交数据。

基于同样的思路，本说明书实施例还提供一种与实施例5对应的用于生成社交内容的电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行以下步骤：

接收第一终端发送的用于社交的第一社交数据；

确定第一回复数据，并向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据。

基于同样的思路，本说明书实施例提供一种与实施例5对应的非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：

接收第一终端发送的用于社交的第一社交数据；

确定第一回复数据，并向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据。

上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。

本说明书中的各个实施例均采用递进的方式描述，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、设备、非易失性计算机存储介质实施例而言，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。

在本说明书中的各个实施例，本领域的技术人员应该理解，所述的“第一”和“第二”不具有实际限定意义，只是为了便于区分，防止概念混淆。

本说明书实施例提供的装置、设备、非易失性计算机存储介质与方法是对应的，因此，装置、设备、非易失性计算机存储介质也具有与对应方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述对应装置、设备、非易失性计算机存储介质的有益技术效果。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如现场可编程门阵列(Field Programmable GateArray，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

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、设备(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。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，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，对于系统实施例而言，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。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (34)

1.一种社交方法，应用于第一终端，包括：

向第二终端发送用于社交的第一社交数据；

接收所述第二终端对所述第一社交数据进行回复的第一回复数据，所述第一回复数据为根据预设的第二映射关系生成与所述第一社交数据的匹配度最大的社交数据，所述第二映射关系设置于所述第二终端，所述第二映射关系包括第二对抗神经网络的生成器；

确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为根据预设的第一映射关系确定与所述第一回复数据的匹配度最大的社交数据，所述第一映射关系设置于所述第一终端，所述第一映射关系包括第一对抗神经网络的生成器；

其中，所述第一对抗神经网络的生成器的输出作为所述第二对抗神经网络的生成器的输入噪声，所述第二对抗神经网络的生成器的输出作为所述第一对抗神经网络的生成器的输入噪声。

2.如权利要求1所述的社交方法，确定新的第一社交数据包括：根据预设的第一映射关系确定所述新的第一社交数据，所述第一映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系。

3.如权利要求2所述的社交方法，所述社交方法还包括：

收集历史数据，所述历史数据包括不同的所述第一社交数据和与所述第一社交数据对应的所述第一回复数据；

将所述历史数据形成训练数据集；

利用所述训练数据集训练所述第一映射关系。

4.如权利要求3所述的社交方法，所述历史数据还包括：与所述第一社交数据的相似度大于第一预设阈值的网络数据，和/或与所述第一社交数据对应的所述第一回复数据的相似度大于第二预设阈值的网络数据。

5.如权利要求1所述的社交方法，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据包括：所述第一回复数据为根据预设的第二映射关系确定的与所述第一社交数据的匹配度最大的社交数据，所述第二映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系。

6.如权利要求1所述的社交方法，在向第二终端发送用于社交的第一社交数据前，所述社交方法还包括：

获取社交主题；

从预设的社交数据库获取所述用于社交的第一社交数据，所述社交数据库用于保存社交主题与社交数据的对应关系。

7.如权利要求1所述的社交方法，所述社交方法还包括：

接收第一文件生成指令；

根据所述第一文件生成指令收集所述第一社交数据和所述第一回复数据；

将所收集的所述第一社交数据和所述第一回复数据生成第一文件。

8.如权利要求7所述的社交方法，所述社交方法还包括：共享所述第一文件。

9.如权利要求1所述的社交方法，所述社交方法还包括：

接收所述第二终端发送的用于社交的第二社交数据；

确定第二回复数据以对所述第二社交数据进行回复，所述第二回复数据为与所述第二社交数据的匹配度最大的社交数据。

10.一种社交方法，应用于第二终端，包括：

接收第一终端发送的用于社交的第一社交数据，所述第一终端设置有第一映射关系，所述第一映射关系包括第一对抗神经网络的生成器；

确定第一回复数据，并向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复，所述第一回复数据为根据预设的第二映射关系生成与所述第一社交数据的匹配度最大的社交数据，所述第二映射关系设置于所述第二终端，所述第二映射关系包括第二对抗神经网络的生成器；

其中，所述第一对抗神经网络的生成器的输出作为所述第二对抗神经网络的生成器的输入噪声，所述第二对抗神经网络的生成器的输出作为所述第一对抗神经网络的生成器的输入噪声。

11.如权利要求10所述的社交方法，所述社交方法还包括：

接收第二文件生成指令；

根据所述第二文件生成指令收集所述第一社交数据和所述第一回复数据；

将所收集的所述第一社交数据和所述第一回复数据生成第二文件。

12.如权利要求11所述的社交方法，所述社交方法还包括：共享所述第二文件。

13.如权利要求10所述的社交方法，所述社交方法还包括：

向所述第一终端发送用于社交的第二社交数据；

接收所述第一终端对所述第二社交数据进行回复的第二回复数据，所述第二回复数据为与所述第二社交数据的匹配度最大的社交数据；

确定新的第二社交数据以对所述第二回复数据进行回复，所述新的第二社交数据为与所述第二回复数据的匹配度最大的社交数据。

14.一种社交方法，包括：

第一终端向第二终端发送用于社交的第一社交数据；

所述第二终端确定第一回复数据，并向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复，所述第一回复数据为根据预设的第二映射关系生成与所述第一社交数据的匹配度最大的社交数据，所述第二映射关系设置于所述第二终端，所述第二映射关系包括第二对抗神经网络的生成器；

所述第一终端接收所述第一回复数据；

所述第一终端确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为根据预设的第一映射关系确定与所述第一回复数据的匹配度最大的社交数据，所述第一映射关系设置于所述第一终端，所述第一映射关系包括第一对抗神经网络的生成器；

其中，所述第一对抗神经网络的生成器的输出作为所述第二对抗神经网络的生成器的输入噪声，所述第二对抗神经网络的生成器的输出作为所述第一对抗神经网络的生成器的输入噪声。

15.如权利要求14所述的社交方法，确定第一回复数据包括：根据预设的第二映射关系确定所述第一回复数据，所述第二映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系；

确定新的第一社交数据包括：根据预设的第一映射关系确定所述新的第一社交数据，所述第一映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系。

16.如权利要求15所述的社交方法，所述第一映射关系包括第一对抗神经网络的生成器，所述第二映射关系包括第二对抗神经网络的生成器；

根据预设的第一映射关系确定所述新的第一社交数据包括：所述第一对抗神经网络的生成器以所述第一回复数据作为随机噪声和预设的第一变量确定所述新的第一社交数据；

根据预设的第二映射关系确定所述第一回复数据包括：所述第二对抗神经网络的生成器以所述第一社交数据作为随机噪声和预设的第二变量确定所述第一回复数据。

17.一种社交装置，应用于第一终端，包括：第一发送模块、第一接收模块和第一确定模块；

所述第一发送模块用于向第二终端发送用于社交的第一社交数据；

所述第一接收模块用于接收所述第二终端对所述第一社交数据进行回复的第一回复数据，所述第一回复数据为根据预设的第二映射关系生成与所述第一社交数据的匹配度最大的社交数据，所述第二映射关系设置于所述第二终端，所述第二映射关系包括第二对抗神经网络的生成器；

所述第一确定模块用于确定新的第一社交数据，所述新的第一社交数据为根据预设的第一映射关系确定与所述第一回复数据的匹配度最大的社交数据，所述第一映射关系设置于所述第一终端，所述第一映射关系包括第一对抗神经网络的生成器；

其中，所述第一对抗神经网络的生成器的输出作为所述第二对抗神经网络的生成器的输入噪声，所述第二对抗神经网络的生成器的输出作为所述第一对抗神经网络的生成器的输入噪声。

18.如权利要求17所述的社交装置，所述第一确定模块用于根据预设的第一映射关系确定所述新的第一社交数据，所述第一映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系。

19.如权利要求18所述的社交装置，所述社交装置还包括第一收集模块、数据集模块和训练模块；

所述第一收集模块用于收集历史数据，所述历史数据包括不同的所述第一社交数据和与所述第一社交数据对应的所述第一回复数据；

所述数据集模块用于将所述历史数据形成训练数据集；

所述训练模块用于利用所述训练数据集训练所述第一映射关系。

20.如权利要求19所述的社交装置，所述第一收集模块还用于收集与所述第一社交数据的相似度大于第一预设阈值的网络数据，和/或收集与所述第一社交数据对应的所述第一回复数据的相似度大于第二预设阈值的网络数据。

21.如权利要求17所述的社交装置，所述第一回复数据为与所述第一社交数据的匹配度最大的社交数据包括：所述第一回复数据为根据预设的第二映射关系确定的与所述第一社交数据的匹配度最大的社交数据，所述第二映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系。

22.如权利要求17所述的社交装置，所述社交装置还包括获取模块，所述获取模块用于在所述第一发送模块向所述第二终端发送所述第一社交数据前获取社交主题，并从预设的社交数据库获取所述第一社交数据，所述社交数据库用于保存社交主题与社交数据的对应关系。

23.如权利要求17所述的社交装置，所述社交装置还包括第一生成模块；

所述第一接收模块还用于接收第一文件生成指令；

所述第一确定模块还用于根据所述第一文件生成指令收集所述第一社交数据和所述第一回复数据；

所述第一生成模块用于将所述第一确定模块收集的所述第一社交数据和所述第一回复数据生成第一文件。

24.如权利要求23所述的社交装置，所述社交装置还包括第一共享模块，所述第一共享模块用于共享所述第一文件。

25.如权利要求17所述的社交装置，所述第一接收模块还用于接收所述第二终端发送的用于社交的第二社交数据；

所述第一确定模块还用于确定第二回复数据以对所述第二社交数据进行回复，所述第二回复数据为与所述第二社交数据的匹配度最大的社交数据。

26.一种社交装置，应用于第二终端，包括：第二接收模块、第二确定模块和第二发送模块；

所述第二接收模块用于接收第一终端发送的用于社交的第一社交数据，所述第一终端设置有第一映射关系，所述第一映射关系包括第一对抗神经网络的生成器；

所述第二确定模块用于确定第一回复数据，所述第一回复数据为根据预设的第二映射关系生成与所述第一社交数据的匹配度最大的社交数据，所述第二映射关系设置于所述第二终端，所述第二映射关系包括第二对抗神经网络的生成器；

其中，所述第一对抗神经网络的生成器的输出作为所述第二对抗神经网络的生成器的输入噪声，所述第二对抗神经网络的生成器的输出作为所述第一对抗神经网络的生成器的输入噪声；

所述第二发送模块用于向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复。

27.如权利要求26所述的社交装置，所述社交装置还包括第二生成模块；

所述第二接收模块还用于接收第二文件生成指令；

所述第二确定模块还用于根据所述第二文件生成指令收集所述第一社交数据和所述第一回复数据；

所述第二生成模块用于将所述第二确定模块收集的所述第一社交数据和所述第一回复数据生成第二文件。

28.如权利要求27所述的社交装置，所述社交装置还包括第二共享模块，所述第二共享模块用于共享所述第二文件。

29.如权利要求26所述的社交装置，所述第二发送模块还用于向所述第一终端发送用于社交的第二社交数据；

所述第二接收模块还用于接收所述第一终端对所述第二社交数据进行回复的第二回复数据，所述第二回复数据为与所述第二社交数据的匹配度最大的社交数据；

所述第二确定模块还用于确定新的第二社交数据，所述新的第二社交数据为与所述第二回复数据的匹配度最大的社交数据。

30.一种社交装置，包括第一终端和第二终端；

所述第一终端用于向所述第二终端发送用于社交的第一社交数据；

所述第二终端用于确定第一回复数据，并向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复，所述第一回复数据为根据预设的第二映射关系生成与所述第一社交数据的匹配度最大的社交数据，所述第二映射关系设置于所述第二终端，所述第二映射关系包括第二对抗神经网络的生成器；

所述第一终端还用于接收所述第一回复数据；

所述第一终端还用于确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为根据预设的第一映射关系确定与所述第一回复数据的匹配度最大的社交数据，所述第一映射关系设置于所述第一终端，所述第一映射关系包括第一对抗神经网络的生成器；

其中，所述第一对抗神经网络的生成器的输出作为所述第二对抗神经网络的生成器的输入噪声，所述第二对抗神经网络的生成器的输出作为所述第一对抗神经网络的生成器的输入噪声。

31.如权利要求30所述的社交装置，确定第一回复数据包括：根据预设的第二映射关系确定所述第一回复数据，所述第二映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系；

确定新的第一社交数据包括：根据预设的第一映射关系确定所述新的第一社交数据，所述第一映射关系为第一社交数据与第一回复数据之间的匹配度的映射关系。

32.如权利要求31所述的社交装置，所述第一映射关系包括第一对抗神经网络的生成器，所述第二映射关系包括第二对抗神经网络的生成器；

所述第一对抗神经网络的生成器用于以所述第一回复数据作为随机噪声和预设的第一变量确定所述新的第一社交数据；

所述第二对抗神经网络的生成器用于以所述第一社交数据作为随机噪声和预设的第二变量确定所述第一回复数据。

33.一种用于社交的电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

向第二终端发送用于社交的第一社交数据；

接收所述第二终端对所述第一社交数据进行回复的第一回复数据，所述第一回复数据为根据预设的第二映射关系生成与所述第一社交数据的匹配度最大的社交数据，所述第二映射关系设置于所述第二终端，所述第二映射关系包括第二对抗神经网络的生成器；

确定新的第一社交数据以对所述第一回复数据进行回复，所述新的第一社交数据为根据预设的第一映射关系确定与所述第一回复数据的匹配度最大的社交数据，所述第一映射关系设置于第一终端，所述第一映射关系包括第一对抗神经网络的生成器；

其中，所述第一对抗神经网络的生成器的输出作为所述第二对抗神经网络的生成器的输入噪声，所述第二对抗神经网络的生成器的输出作为所述第一对抗神经网络的生成器的输入噪声。

34.一种用于社交的电子设备，包括：

至少一个处理器；以及，

与所述至少一个处理器通信连接的存储器；其中，

所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：

接收第一终端发送的用于社交的第一社交数据，所述第一终端设置于第一映射关系，所述第一映射关系包括第一对抗神经网络的生成器；

确定第一回复数据，并向所述第一终端发送所述第一回复数据以对所述第一社交数据进行回复，所述第一回复数据为根据预设的第二映射关系生成与所述第一社交数据的匹配度最大的社交数据，所述第二映射关系设置于第二终端，所述第二映射关系包括第二对抗神经网络的生成器；

其中，所述第一对抗神经网络的生成器的输出作为所述第二对抗神经网络的生成器的输入噪声，所述第二对抗神经网络的生成器的输出作为所述第一对抗神经网络的生成器的输入噪声。

Images