CN109886823A - 一种社交圈的推荐方法及装置 - Google Patents

Abstract

本发明提供了一种社交圈的推荐方法及装置，该方法分析当前网站中的用户行为数据得到该待推荐用户与关联用户之间的交集数据集，其中，关联用户是与待推荐用户之间存在关联关系，且已加入某个(或某些)社交圈的用户；然后，分析该交集数据集得到该待推荐用户与关联用户之间的关联度。根据该关联度确定出目标社交圈并推荐给待推荐用户。该装置通过分析待推荐用户与已经加入社交圈的用户之间的关联关系，确定出目标社交圈并推荐给待推荐用户，从而提高了推荐的精准度及成功率。

Description

一种社交圈的推荐方法及装置

技术领域

本发明属于计算机技术领域，尤其涉及一种社交圈的推荐方法及装置。

背景技术

随着人们对视频网站或视频APP等的需求日益多样化，单纯的视频播放功能已经无法满足观众的社交需求。基于视频网站的社交圈应运而生，此种社交圈基于视频平台以明星、电视剧、电影、综艺、动漫、游戏、兴趣等各类圈子为基本形态，聚合具有相同喜好和诉求的用户。用户可以加入自己喜欢或感兴趣的社交圈内，加入社交圈后，可以与圈内的其它人进行互动，例如，点赞、发表评论、发表文章、交流、群聊等，例如，用户可以边看视频边评论，满足用户在视频平台的社交需求。

但是，目前推荐用户加入相应社交圈的方式精准度不高，导致推荐成功率低。

发明内容

有鉴于此，本发明的目的在于提供一种社交圈的推荐方法及装置，推荐的社交圈针对性更强，以提高推荐成功率，其具体的技术方案如下：

第一方面，本发明提供了一种社交圈的推荐方法，包括：

分析当前网站中的用户行为数据，得到与待推荐用户存在关联关系的关联用户之间的交集数据集，且所述关联用户已加入社交圈；

分析所述交集数据集，得到所述待推荐用户与所述关联用户之间的关联度，所述关联度表征所述待推荐用户与所述关联用户之间的关联程度；

依据所述关联度确定出目标社交圈，并向所述待推荐用户推荐所述目标社交圈。

可选地，所述分析所述交集数据集，得到所述待推荐用户与所述关联用户之间的关联度，包括：

从所述交集数据集中获得所述待推荐用户与同一关联用户之间的交集数据；

分析所述待推荐用户与该关联用户之间的交集数据，得到所述待推荐用户与该关联用户之间的至少一种关联类型，所述关联类型表示所述待推荐用户与该关联用户之间的关联关系所属的类型；

基于所述至少一种关联类型，以及所述至少一种关联类型对应的预先设定的权重分值，得到所述待推荐用户与该关联用户之间的关联度。

可选地，所述关联类型包括以下至少一种：所述待推荐用户与所述关联用户是好友，所述待推荐用户与所述关联用户兴趣相近，关联用户是活跃用户且所述待推荐用户与该关联用户之间存在互动行为，关联用户是活跃用户且所述待推荐用户与该关联用户之间存在单方行为，关联用户是非活跃用户且所述待推荐用户与该关联用户之间存在互动行为，关联用户是非活跃用户且所述待推荐用户与该关联用户之间存在单方行为。

可选地，所述基于所述至少一种关联类型，以及所述至少一种关联类型对应的预先设定的权重分值，得到所述待推荐用户与该关联用户之间的关联度，包括：

计算所述至少一种关联类型对应的权重分值之和，得到权重分值总和；

确定所述权重分值总和为所述关联度。

可选地，所述依据所述关联度确定出目标社交圈，包括：

按照所述关联度由高到低的顺序，选取预设数量个关联用户所属的社交圈，确定为所述目标社交圈，所述预设数量大于或等于1。

可选地，所述方法还包括：

确定所述待推荐用户与目标关联用户之间关联类型，所述目标关联用户是所述目标社交圈内与所述待推荐用户存在关联关系的关联用户，所述关联类型表示所述待推荐用户与该关联用户之间的关联关系所属的类型；

从推荐语库中选取与所述关联类型相匹配的推荐语例句，所述推荐语库中存储有与每种关联类型相匹配的推荐语例句；

基于所述交集数据及所述推荐语例句生成目标推荐语句。

第二方面，本发明还提供了一种社交圈的推荐装置，包括：

交集数据获取模块，用于分析当前网站中的用户行为数据，得到与待推荐用户存在关联关系的关联用户之间的交集数据集，且所述关联用户已加入社交圈；

关联度获取模块，用于分析所述交集数据集，得到所述待推荐用户与所述关联用户之间的关联度，所述关联度表征所述待推荐用户与所述关联用户之间的关联程度；

推荐模块，用于依据所述关联度确定出目标社交圈，并向所述待推荐用户推荐所述目标社交圈。

可选地，所述关联度获取模块，包括：

交集数据提取子模块，用于从所述交集数据集中获得所述待推荐用户与同一关联用户之间的交集数据；

关联类型分析子模块，用于分析所述待推荐用户与该关联用户之间的交集数据，得到所述待推荐用户与该关联用户之间的至少一种关联类型，所述关联类型表示所述待推荐用户与该关联用户之间的关联关系所属的类型；

关联度获取子模块，用于基于所述至少一种关联类型，以及所述至少一种关联类型对应的预先设定的权重分值，得到所述待推荐用户与该关联用户之间的关联度。

可选地，所述关联类型包括以下至少一种：所述待推荐用户与所述关联用户是好友，所述待推荐用户与所述关联用户兴趣相近，关联用户是活跃用户且所述待推荐用户与该关联用户之间存在互动行为，关联用户是活跃用户且所述待推荐用户与该关联用户之间存在单方行为，关联用户是非活跃用户且所述待推荐用户与该关联用户之间存在互动行为，关联用户是非活跃用户且所述待推荐用户与该关联用户之间存在单方行为。

可选地，所述关联度获取子模块，具体用于：

计算所述至少一种关联类型对应的权重分值之和，得到权重分值总和，并确定所述权重分值总和为所述关联度。

本申请提供的社交圈的推荐方法，分析当前网站中的用户行为数据得到该待推荐用户与关联用户之间的交集数据集，其中，关联用户是与待推荐用户之间存在关联关系，且已加入某个(或某些)社交圈的用户；然后，分析该交集数据集得到该待推荐用户与关联用户之间的关联度。根据该关联度确定出目标社交圈并推荐给待推荐用户。该方法通过分析待推荐用户与已经加入社交圈的用户之间的关联关系，确定出目标社交圈并推荐给待推荐用户，从而提高了推荐的精准度及成功率。

附图说明

为了更清楚地说明本发明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，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本申请实施例提供的一种社交圈的推荐方法流程图；

图2是本申请实施例提供的一种获得关联度的过程的流程图；

图3是本申请实施例提供的另一种社交圈的推荐方法流程图；

图4是本申请实施例提供的一种社交圈的推荐装置的框图；

图5是本申请实施例提供的一种关联度获取模块的框图；

图6是本申请实施例提供的另一种社交圈的推荐装置的框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参见图1，示出了本申请实施例提供的一种社交圈的推荐方法流程图，该方法可以应用于服务端或客户端中，利用该方法能够实现向用户推荐社交圈。如图1所示，该方法可以包括以下步骤：

S110，分析当前网站中的用户行为数据，得到待推荐用户与存在关联关系的关联用户之间的交集数据集。

本文将以视频网站为例进行说明，当然，该网站还可以是存在用户交互行为的其它类型的网站，本文不再一一详述。

待推荐用户是指需要向其推荐社交圈的用户，可以是使用当前网站的任意一个用户，例如，可以是注册用户或非注册用户。

关联用户是指与待推荐用户存在关联关系的用户，其中，关联关系是指与待推荐用户在社交方面存在某种联系，例如，关联关系包括但不限于以下形式：好友、观看过相同剧集或文章、存在互动关系等，其中，好友包括但不限于手机通讯录中的好友、社交平台的好友等。

用户行为数据是指用户在当前网站上的行为数据，该行为数据可以从当前网站的用户日志数据中读取，用户行为日志中包含用户通过web网页、网站客户端、移动智能设备上安装的应用程序(APP)等方式在网站上产生的行为数据。当然也可以通过其它途径获得，此处不再一一详述。

对于注册用户可以从用户行为日志中依据该注册用户的用户标识查找到该用户对应的行为数据，例如，用户行为数据可以包括但不限于观看视频、看文章、发表文章、写评论、点赞等行为对应的数据。

对于非注册用户，可以依据非注册用户所使用的终端设备的唯一标识码，从用户行为日志中获取该用户对应的行为数据。例如，用户A为待推荐用户，分析用户A的行为数据，可以得到与用户A存在关联关系的关联用户(如，用户B)，以及用户A与用户B之间的交集数据集。

用户A与用户B之间的交集数据集中包含用户A与用户B的交集行为，例如，用户A与用户B之间的交集行为包括但不限于：评论、点赞、观看对方发表的文章、观看同一视频或文章等等。

此外，对于APP用户，可以读取用户A的手机通讯录；根据用户B注册或绑定的手机号码，判断用户B是否是用户A的通讯录好友。

S120，分析所述交集数据集，得到待推荐用户与关联用户之间的关联度。所述关联度表征待推荐用户与存在关联关系的关联用户之间的关联程度，该关联度越高表示待推荐用户与该关联用户之间的关联程度越高；该关联度越低表示待推荐用户与该关联用户之间的关联程度越低。

在本申请的一个实施例中，如图2所示，得到待推荐用户与关联用户之间的关联度的过程可以包括以下步骤：

S121，从交集数据集获得待推荐用户与同一关联用户之间的交集数据。

S122，分析待推荐用户与该关联用户之间的交集数据，得到待推荐用户与该关联用户之间的至少一种关联类型。

其中，该关联类型表示待推荐用户与该关联用户之间的关联关系所属的类型。

在本申请的一个实施例中，待推荐用户与关联用户之间的关联类型可以包括以下几种：1)关联用户是待推荐用户的通讯录联系人；通讯录联系人通常为现实生活中有交集的好友，此种情况对应的交集数据集的可用度最高；

2)待推荐用户与关联用户都观看过的视频或文章的比重不低于预设比例，例如，50％；此种情况表明该关联用户与待推荐用户是兴趣相近的用户，此种情况对应的交集数据集的可用度比较高；

3)关联用户是活跃用户，待推荐用户与关联用户之间存在互动行为；

活跃用户是平台的一种优质资源，与活跃用户存在关联的用户可能是潜在的活跃用户，因此，可以挖掘潜在的活跃用户提高网站的活跃用户数量。

其中，可以通过判断用户是否发表过优质评论或用户在网站上的使用时间等来确定用户是否是活跃用户。例如，优质评论可以是评论数或点赞数超过预设数量，如1000。

待推荐用户与活跃用户之间的互动行为，例如，互赞、互评等行为数据的可用度比较高。

4)关联用户是活跃用户，待推荐用户与关联用户之间存在单方行为；

待推荐用户与活跃用户之间存在单方行为，其中，单方行为是待推荐用户和活跃用户两者中任一方对另一方的行为，且不存在另一方对该任一方的行为，例如，用户A对用户C发表的消息/评论进行过点赞或评论等行为，但用户C没有对用户A的消息/评论进行过点赞或评论等行为。

针对关联用户均是活跃用户的情况，待推荐用户与活跃用户之间的互动行为数据的可用度高于单方行为数据的可用度。例如，用户A为待推荐用户，用户B和用户C均为活跃用户，且用户A与用户B之间存在互动行为数据，而用户A与用户C之间存在单方行为数据，此种情况下，A、B之间的交集数据的可用度高于A、C之间的交集数据的可用度。

5)关联用户是非活跃用户，待推荐用户与该用户存在互动行为；例如，用户A对用户B发表的评论进行过评论，而且，用户B也对用户A发表的评论进行过评论，即，用户A与用户B存在互相评论这一互动行为。

6)关联用户是非活跃用户，待推荐用户与该关联用户存在单方行为。

例如，用户A对用户C的评论进行评论过，即，用户A和用户C之间存在单方行为。

针对关联用户均是非活跃用户的情况，互动行为数据的可用度比单方行为数据的可用度高，例如，互评行为数据的可用度高于单向评论行为数据的可用度。

在本申请的一个实施例中，开发人员可以根据每一种关联类型对应的行为数据的可用度，分别设置相应的权重分值，可用度越高的关联类型对应的权重分值越高，相反，可用度越低的关联类型对应的权重分值越低。

例如，对于1)可以将其权重分值设为5分；对于2)可以将权重分值设为4分；对于3)可以将其权重分值设为3分；对于4)可以将其权重分值设为2分；对于5)可以将其权重分值设为1分；对于6)可以将其权重分值设为0.5分。

以上6种关联类型仅是待推荐用户与关联用户之间的关联关系的一部分类型，后续可以根据实际需求增加、删减、合并、修改关联类型的种类，例如，当发现表征新的关联类型的交集数据时，可以在原有的关联类型基础上增加新的关联类型。

相应的每一种关联类型对应的权重分值也可以根据实际情况修改，此处不再一一详述。

S123，基于所述至少一种关联类型，以及所述至少一种关联类型对应的预先设定的权重分值，得到待推荐用户与该关联用户之间的关联度。

在本申请的另一个实施例中，待推荐用户与某一关联用户之间的关联关系属于一种关联类型，此种应用场景下，该关联类型对应的权重分值即待推荐用户与关联用户之间的关联度。

在本申请的一个实施例中，待推荐用户与某一关联用户之间的关联关系包括两种及以上关联类型，此种应用场景下，在确定待推荐用户与同一关联用户之间关联关系所属的至少一种关联类型之后，获取该至少一种关联类型对应的权重分值；然后，计算该至少一种关联类型对应的权重分值的总和，并将该权重分值的总和作为待推荐用户与该关联用户之间的关联度。权重分值总和越高，表明待推荐用户与关联用户之间的关联程度越高；反之，权重分值总和越低，表明待推荐用户与关联用户之间的关联程序越低。

例如，待推荐用户A与关联用户B之间的关联类型包括上述的类型2)和类型3)，则计算类型2)的权重分值和类型3)对应的权重分值之和，作为A、B之间的关联度。

S130，依据关联度确定出目标社交圈。

在本申请的一个实施例中，可以按照关联度由高到低的顺序选取预设数量个关联用户所属的社交圈，确定为目标社交圈。其中，预设数量可以由用户根据实际需求设定，例如，3个、2个、1个；或者，预设数量由开发人员根据实际情况设定。当预设数量为1时，即选取关联度最高的社交圈确定为目标社交圈。

或者，在其它实施例中，可以选取关联度大于预设阈值的关联用户所属的社交圈，确定为目标社交圈。

S140，向待推荐用户推荐目标社交圈。

其中，向待推荐用户推荐目标社交圈的过程可以采用向待推荐用户发送邀请用户加入目标社交圈的推送信息的方式实现。或者，可以向用户发送目标社交圈的推荐语，例如，“XX圈子中有2位您的真实好友”，用户看到该推荐语后再决定是否加入该社交圈。

本实施例提供的社交圈的推荐方法，分析当前网站中的用户行为数据得到该待推荐用户与关联用户之间的交集数据集，其中，关联用户是与待推荐用户之间存在关联关系，且已加入某个(或某些)社交圈的用户；然后，分析该交集数据集得到该待推荐用户与关联用户之间的关联度。根据该关联度确定出目标社交圈并推荐给待推荐用户。该方法通过分析待推荐用户与已经加入社交圈的用户之间的关联关系，确定出目标社交圈并推荐给待推荐用户，从而提高了推荐的精准度及成功率。

请参见图3，示出了本申请实施例提供的另一种社交圈的推荐方法流程图，在向待推荐用户推荐目标社交圈之前，还可以包括以下步骤：

S210，确定待推荐用户与目标关联用户之间的关联类型。

该目标关联用户是指目标社交圈内与待推荐用户存在关联关系的关联用户。目标社交圈是指确定出要推荐给待推荐用户的社交圈。

分析待推荐用户与目标关联用户之间的关联关系所属的关联类型，例如，S122部分所涉及的6种类型。

S220，从推荐语库中选取与所述关联类型相匹配的推荐语例句。

开发人员可以根据不同关联类型所具有的特点，预先设定推荐语例句，例如，推荐语例句可以包括“您的好友XXX也在圈子X中，是否与他一起嗨翻全场”、“对于您的评论***，这里有N个纲丝(郭德纲的粉丝)有所指教，是否与他再战一场”、“圈子中有N位用户曾与您相爱相杀”、“臣本布衣，躬耕于南阳，如今竟有N位吴臣活跃于此圈，是否已备好口舌来此一战”。这些推荐语例句可以存储到数据库(例如，该数据库可以称为推荐语库)中，即，推荐语库中存储有与每一种关联类型相匹配的推荐语例句，后续直接以关联类型为搜索关键词从推荐语库中搜索到与该关联类型相匹配的推荐语例句。

S230，基于所述交集数据及所述推荐语例句生成目标推荐语句。

在一个实施例中，选取与交集数据所属的维度对应的推荐语例句后，分析交集数据中包含的具体信息，例如，有1位真实好友已经加入某个社交圈，则最终生成的目标推荐语句可能是：您的好友张三也在圈子X中，是否与他一起嗨翻全场。

本实施例提供的社交圈的推荐方法，在依据与待推荐用户存在关联的关联用户之间的关联关系度确定出目标社交圈后，依据该关联关系生成相应的推荐语句，以提高待推荐用户对推送的目标社交圈的关注度，进而提高推荐成功的概率。

相应于上述的社交圈的推荐方法实施例，本申请还提供了社交圈的推荐装置实施例。

请参见图4，示出了本申请实施例提供的一种社交圈的推荐装置框图，该装置可以应用于客户端或服务端中，如图4所示，该装置可以包括交集数据获取模块110、关联度获取模块120和推荐模块130；

交集数据获取模块110，用于分析当前网站中的用户行为数据，得到与待推荐用户存在关联关系的关联用户之间的交集数据集，且该关联用户已加入社交圈。

本文中的当前网站可以是存在用户交互行为的网站，例如，视频网站、社交网站、论坛/社区网站等等。

关联度获取模块120，用于分析交集数据集，得到待推荐用户与关联用户之间的关联度。

其中，该关联度表征待推荐用户与该关联用户之间的关联程度。关联度越高表示关联程度越高，关联度越低表示关联程序越低。

在本申请的一个实施例中，如图5所示，关联度获取模块120包括：交集数据提取子模块121、关联类型分析子模块122和关联度获取子模块123。

交集数据提取子模块121，用于从交集数据集中获得待推荐用户与同一关联用户之间的交集数据。

关联类型分析子模块122，用于分析待推荐用户与该关联用户之间的交集数据，得到待推荐用户与该关联用户之间的至少一种关联类型。

其中，所述关联类型表示待推荐用户与该关联用户之间的关联关系所属的类型。在本申请的一个实施例中，关联类型包括以下至少一种：1)待推荐用户与关联用户是好友；2)待推荐用户与关联用户兴趣相近；3)关联用户是活跃用户且待推荐用户与该关联用户之间存在互动行为；4)关联用户是活跃用户且待推荐用户与该关联用户之间存在单方行为；5)关联用户是非活跃用户且待推荐用户与该关联用户之间存在互动行为；6)关联用户是非活跃用户且待推荐用户与该关联用户之间存在单方行为。

例如，对于1)可以将其权重分值设为5分；对于2)可以将权重分值设为4分；对于3)可以将其权重分值设为3分；对于4)可以将其权重分值设为2分；对于5)可以将其权重分值设为1分；对于6)可以将其权重分值设为0.5分。

关联度获取子模块123，用于基于至少一种关联类型，以及至少一种关联类型对应的预先设定的权重分值，得到待推荐用户与该关联用户之间的关联度。

在本申请的一个实施例中，待推荐用户与某一关联用户之间的关联关系包括两种及以上关联类型，此种应用场景下，该关联度获取子模块123具体用于：计算至少一种关联类型对应的权重分值之和，得到权重分值总和，并确定权重分值总和为待推荐用户与关联用户之间的关联度。

在本申请的另一个实施例中，待推荐用户与某一关联用户之间的关联关系属于一种关联类型，此种应用场景下，该关联类型对应的权重分值即待推荐用户与关联用户之间的关联度。

推荐模块130，用于依据关联度确定出目标社交圈，并向待推荐用户推荐目标社交圈。

可以按照关联度由高到低的顺序选取预设数量个关联用户所属的社交圈，确定为目标社交圈。其中，预设数量大于或等于1。

其中，向待推荐用户推荐目标社交圈的过程可以采用向待推荐用户发送邀请用户加入目标社交圈的推送信息的方式实现。或者，可以向用户发送目标社交圈的推荐语，例如，“XX圈子中有2位您的真实好友”，用户看到该推荐语后再决定是否加入该社交圈。

本实施例提供的社交圈的推荐装置，分析当前网站中的用户行为数据得到该待推荐用户与关联用户之间的交集数据集，其中，关联用户是与待推荐用户之间存在关联关系，且已加入某个(或某些)社交圈的用户；然后，分析该交集数据集得到该待推荐用户与关联用户之间的关联度。根据该关联度确定出目标社交圈并推荐给待推荐用户。该装置通过分析待推荐用户与已经加入社交圈的用户之间的关联关系，确定出目标社交圈并推荐给待推荐用户，从而提高了推荐的精准度及成功率。

请参见图6，示出了本申请实施例提供的另一种社交圈的推荐装置的框图，该装置在图4所示实施例的基础上，还包括：关联类型确定模块210、选取模块220和推荐语生成模块230。

关联类型确定模块210，用于确定待推荐用户与目标关联用户之间关联类型。

其中，目标关联用户是所述目标社交圈内与所述待推荐用户存在关联关系的关联用户，目标社交圈是确定出要推荐给待推荐用户的社交圈。

关联类型表示待推荐用户与关联用户之间的关联关系所属的类型，其中，关联类型包括方法实施例部分的至少6种类型。

选取模块220，用于从推荐语库中选取与关联类型相匹配的推荐语例句，推荐语库中存储有与每种关联类型相匹配的推荐语例句。

开发人员可以根据不同关联类型所具有的特点，预先设定推荐语例句，并且，可以将这些推荐语例句可以存储到数据库(例如，该数据库可以称为推荐语库)中，即，推荐语库中存储有与每一种关联类型相匹配的推荐语例句，后续直接以关联类型为搜索关键词从推荐语库中搜索到与该关联类型相匹配的推荐语例句。

推荐语生成模块230，用于基于交集数据及推荐语例句生成目标推荐语句。

在一个实施例中，选取与交集数据所属的维度对应的推荐语例句后，分析交集数据中包含的具体信息，例如，有1位真实好友已经加入某个社交圈，则最终生成的目标推荐语句可能是：您的好友张三也在圈子X中，是否与他一起嗨翻全场。

本实施例提供的社交圈的推荐装置，在依据与待推荐用户存在关联的关联用户之间的关联关系度确定出目标社交圈后，依据该关联关系生成相应的推荐语句，以提高待推荐用户对推送的目标社交圈的关注度，进而提高推荐成功的概率。

对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，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。

本申请各实施例方法中的步骤可以根据实际需要进行顺序调整、合并和删减。

本申请各实施例种装置及终端中的模块和子模块可以根据实际需要进行合并、划分和删减。

本申请所提供的几个实施例中，应该理解到，所揭露的终端，装置和方法，可以通过其它的方式实现。例如，以上所描述的终端实施例仅仅是示意性的，例如，模块或子模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个子模块或模块可以结合或者可以集成到另一个模块，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或模块的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的模块或子模块可以是或者也可以不是物理上分开的，作为模块或子模块的部件可以是或者也可以不是物理模块或子模块，即可以位于一个地方，或者也可以分布到多个网络模块或子模块上。可以根据实际的需要选择其中的部分或者全部模块或子模块来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能模块或子模块可以集成在一个处理模块中，也可以是各个模块或子模块单独物理存在，也可以两个或两个以上模块或子模块集成在一个模块中。上述集成的模块或子模块既可以采用硬件的形式实现，也可以采用软件功能模块或子模块的形式实现。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物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、物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、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (10)

1.一种社交圈的推荐方法，其特征在于，包括：

分析当前网站中的用户行为数据，得到与待推荐用户存在关联关系的关联用户之间的交集数据集，且所述关联用户已加入社交圈；

分析所述交集数据集，得到所述待推荐用户与所述关联用户之间的关联度，所述关联度表征所述待推荐用户与所述关联用户之间的关联程度；

依据所述关联度确定出目标社交圈，并向所述待推荐用户推荐所述目标社交圈。

2.根据权利要求1所述的方法，其特征在于，所述分析所述交集数据集，得到所述待推荐用户与所述关联用户之间的关联度，包括：

从所述交集数据集中获得所述待推荐用户与同一关联用户之间的交集数据；

分析所述待推荐用户与该关联用户之间的交集数据，得到所述待推荐用户与该关联用户之间的至少一种关联类型，所述关联类型表示所述待推荐用户与该关联用户之间的关联关系所属的类型；

基于所述至少一种关联类型，以及所述至少一种关联类型对应的预先设定的权重分值，得到所述待推荐用户与该关联用户之间的关联度。

3.根据权利要求2所述的方法，其特征在于，所述关联类型包括以下至少一种：所述待推荐用户与所述关联用户是好友，所述待推荐用户与所述关联用户兴趣相近，关联用户是活跃用户且所述待推荐用户与该关联用户之间存在互动行为，关联用户是活跃用户且所述待推荐用户与该关联用户之间存在单方行为，关联用户是非活跃用户且所述待推荐用户与该关联用户之间存在互动行为，关联用户是非活跃用户且所述待推荐用户与该关联用户之间存在单方行为。

4.根据权利要求2或3所述的方法，其特征在于，所述基于所述至少一种关联类型，以及所述至少一种关联类型对应的预先设定的权重分值，得到所述待推荐用户与该关联用户之间的关联度，包括：

计算所述至少一种关联类型对应的权重分值之和，得到权重分值总和；

确定所述权重分值总和为所述关联度。

5.根据权利要求1-3任一项所述的方法，其特征在于，所述依据所述关联度确定出目标社交圈，包括：

按照所述关联度由高到低的顺序，选取预设数量个关联用户所属的社交圈，确定为所述目标社交圈，所述预设数量大于或等于1。

6.根据权利要求1-3任一项所述的方法，其特征在于，所述方法还包括：

确定所述待推荐用户与目标关联用户之间关联类型，所述目标关联用户是所述目标社交圈内与所述待推荐用户存在关联关系的关联用户，所述关联类型表示所述待推荐用户与该关联用户之间的关联关系所属的类型；

从推荐语库中选取与所述关联类型相匹配的推荐语例句，所述推荐语库中存储有与每种关联类型相匹配的推荐语例句；

基于所述交集数据及所述推荐语例句生成目标推荐语句。

7.一种社交圈的推荐装置，其特征在于，包括：

交集数据获取模块，用于分析当前网站中的用户行为数据，得到与待推荐用户存在关联关系的关联用户之间的交集数据集，且所述关联用户已加入社交圈；

关联度获取模块，用于分析所述交集数据集，得到所述待推荐用户与所述关联用户之间的关联度，所述关联度表征所述待推荐用户与所述关联用户之间的关联程度；

推荐模块，用于依据所述关联度确定出目标社交圈，并向所述待推荐用户推荐所述目标社交圈。

8.根据权利要求7所述的装置，其特征在于，所述关联度获取模块，包括：

交集数据提取子模块，用于从所述交集数据集中获得所述待推荐用户与同一关联用户之间的交集数据；

关联类型分析子模块，用于分析所述待推荐用户与该关联用户之间的交集数据，得到所述待推荐用户与该关联用户之间的至少一种关联类型，所述关联类型表示所述待推荐用户与该关联用户之间的关联关系所属的类型；

关联度获取子模块，用于基于所述至少一种关联类型，以及所述至少一种关联类型对应的预先设定的权重分值，得到所述待推荐用户与该关联用户之间的关联度。

9.根据权利要求8所述的装置，其特征在于，所述关联类型包括以下至少一种：所述待推荐用户与所述关联用户是好友，所述待推荐用户与所述关联用户兴趣相近，关联用户是活跃用户且所述待推荐用户与该关联用户之间存在互动行为，关联用户是活跃用户且所述待推荐用户与该关联用户之间存在单方行为，关联用户是非活跃用户且所述待推荐用户与该关联用户之间存在互动行为，关联用户是非活跃用户且所述待推荐用户与该关联用户之间存在单方行为。

10.根据权利要求8或9所述的装置，其特征在于，所述关联度获取子模块，具体用于：

计算所述至少一种关联类型对应的权重分值之和，得到权重分值总和，并确定所述权重分值总和为所述关联度。