CN110110124B - 好友推荐方法、系统、服务器、终端及存储介质 - Google Patents
好友推荐方法、系统、服务器、终端及存储介质 Download PDFInfo
- Publication number
- CN110110124B CN110110124B CN201910329943.1A CN201910329943A CN110110124B CN 110110124 B CN110110124 B CN 110110124B CN 201910329943 A CN201910329943 A CN 201910329943A CN 110110124 B CN110110124 B CN 110110124B
- Authority
- CN
- China
- Prior art keywords
- user
- face
- information
- friend
- recommended
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/583—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using metadata automatically derived from the content
-
- 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
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Abstract
本申请公开了一种好友推荐方法、系统、服务器、终端及存储介质,该方法包括:获取第一用户的预设择友信息和对应的人脸标签信息;根据第一用户的预设择友信息和对应的人脸标签信息,为第一用户进行好友匹配,生成好友推荐列表;发送好友推荐列表给第一用户的终端。本申请由终端对用户进行拍摄并获得用户的人脸特征信息,服务器基于用户的人脸特征信息确定用户的人脸标签信息。在为用户进行好友推荐时基于人脸标签进行推荐,确保推荐的好友在外貌形象上符合用户的交友标准,提高好友推荐的可参考性,使得用户添加推荐的好友为联系人的可能性很高,能够实现好友推荐的有效目的,提升用户体验,增强用户对社交网络的黏性,减少社交网络的用户流失。
Description
技术领域
本申请涉及社交网络技术领域,具体涉及一种好友推荐方法、系统、服务器、终端及存储介质。
背景技术
随着即时通信的网络平台、社交应用等社交网络的普及,越来越多的人通过网络交友,为了使用户能够在社交网络上建立自己的人脉,社交网络会为用户进行好友推荐。
目前相关技术中的好友推荐,通常基于地理位置,将与当前用户距离近的用户作为推荐对象推荐给当前用户。但是,根据地理位置推荐的用户其外貌形象很可能不符合当前用户的交友标准,导致好友推荐的有效性低,用户体验差,进而导致社交网络的用户流失。
发明内容
为解决以上问题,本申请提供一种好友推荐方法、系统、服务器、终端及存储介质,在为用户进行好友推荐时基于人脸标签进行推荐,确保推荐的好友在外貌形象上符合用户的交友标准,提高好友推荐的可参考性,提升用户体验,增强用户对社交网络的黏性,减少社交网络的用户流失。本申请通过以下几个方面来解决以上问题。
第一方面,本申请实施例提供了一种好友推荐方法,应用于服务器,所述方法包括:
获取第一用户的预设择友信息和对应的人脸标签信息;
根据所述第一用户的预设择友信息和对应的人脸标签信息,为所述第一用户进行好友匹配,生成好友推荐列表;
发送所述好友推荐列表给所述第一用户的终端。
结合第一方面,本发明实施例提出了上述第一方面的第一种可能的实现方式,其中,所述根据所述第一用户的预设择友信息和对应的人脸标签信息,为所述第一用户进行好友匹配,生成好友推荐列表,包括:
根据所述第一用户的预设择友信息确定多个候选推荐用户;
根据所述第一用户的对应的人脸标签信息从所述多个候选推荐用户中确定出至少一个推荐用户;
根据所述至少一个推荐用户生成所述好友推荐列表。
结合第一方面的第一种可能的实现方式,本发明实施例提出了上述第一方面的第二种可能的实现方式,其中,所述对应的人脸标签信息为所述第一用户的人脸标签信息;
所述根据所述第一用户对应的人脸标签信息从所述多个候选推荐用户中确定出至少一个推荐用户,包括:
根据所述第一用户的人脸标签信息,获取与所述第一用户具有相同人脸标签信息的第二用户对应的推荐成功记录;
从所述推荐成功记录中,获取所述第二用户对应的已推荐好友的人脸标签信息;
从所述多个候选推荐用户中确定出具有所述已推荐好友的人脸标签信息的所述至少一个推荐用户。
结合第一方面的第一种可能的实现方式,本发明实施例提出了上述第一方面的第三种可能的实现方式,其中,所述对应的人脸标签信息为所述第一用户选择的人脸标签信息;
所述根据所述第一用户对应的人脸标签信息从所述多个候选推荐用户中确定出至少一个推荐用户,包括:
从所述多个候选推荐用户中确定出具有所述第一用户选择的人脸标签信息的所述至少一个推荐用户。
结合第一方面,本发明实施例提出了上述第一方面的第四种可能的实现方式,其中,所述根据所述第一用户的对应的人脸标签信息从所述多个候选推荐用户中确定出至少一个推荐用户之前,所述方法还包括:
确定不存在所述第一用户对应的推荐成功记录。
结合第一方面的第一种可能的实现方式,本发明实施例提出了上述第一方面的第五种可能的实现方式,其中,所述对应的人脸标签信息为所述第一用户对应的已推荐好友的人脸标签信息;
所述根据所述第一用户的对应的人脸标签信息从所述多个候选推荐用户中确定出至少一个推荐用户,包括:
从所述多个候选推荐用户中确定出具有所述第一用户对应的已推荐好友的人脸标签信息的所述至少一个推荐用户。
结合第一方面的第五种可能的实现方式,本发明实施例提出了上述第一方面的第六种可能的实现方式,其中,所述根据所述第一用户的对应的人脸标签信息从所述多个候选推荐用户中确定出至少一个推荐用户之前,所述方法还包括:
确定存在所述第一用户对应的推荐成功记录,所述推荐成功记录中包括所述第一用户对应的已推荐好友的人脸标签信息。
结合第一方面,本发明实施例提出了上述第一方面的第七种可能的实现方式,其中,所述根据所述至少一个推荐用户生成所述好友推荐列表,包括:
获取所述至少一个推荐用户的人脸分数值;
根据所述人脸分数值,对所述至少一个推荐用户进行排序,得到所述好友推荐列表。
结合第一方面,本发明实施例提出了上述第一方面的第八种可能的实现方式,其中,所述获取第一用户的预设择友信息和对应的人脸标签信息之前,所述方法还包括:
接收所述终端发送的所述第一用户的人脸特征信息;以及根据所述人脸特征信息及预设人脸标签库,确定所述第一用户的人脸标签信息;或者,
接收所述终端发送的所述第一用户的人脸标签信息,所述第一用户的人脸标签信息基于所述第一用户的人脸特征信息及预设人脸标签库确定;
其中,所述第一用户的人脸特征信息基于所述第一用户的人脸视频数据生成。
结合第一方面的第八种可能的实现方式,本发明实施例提出了上述第一方面的第九种可能的实现方式,其中,所述方法还包括:
根据所述第一用户的人脸特征信息及预设人脸评分规则,确定所述第一用户对应的人脸分数值。
结合第一方面,本发明实施例提出了上述第一方面的第十种可能的实现方式,其中,所述发送所述好友推荐列表给所述第一用户的终端之后,所述方法还包括:
接收所述终端发送的好友评价信息,所述好友评价信息包括所述第一用户对所述好友推荐列表包括的至少一个推荐用户进行评价所产生的人脸分数值和人脸标签;
根据所述好友评价信息,更新所述至少一个推荐用户对应的人脸标签信息和人脸分数值。
结合第一方面的第十种可能的实现方式,本发明实施例提出了上述第一方面的第十一种可能的实现方式,其中,所述根据所述好友评价信息,更新所述至少一个推荐用户对应的人脸标签信息和人脸分数值,包括:
获取预设时长内其他用户对所述至少一个推荐用户进行评价的其他好友评价信息;
根据所述其他好友评价信息包括的人脸标签,调整所述至少一个推荐用户的人脸标签信息中各人脸标签的排列顺序;以及,
根据所述其他好友评价信息包括的人脸分数值及所述其他好友评价信息对应的评价人的评价权重信息,调整所述至少一个推荐用户的人脸分数值。
结合第一方面的第十一种可能的实现方式,本发明实施例提出了上述第一方面的第十二种可能的实现方式,其中,所述方法还包括:
统计预设周期内所述第一用户对应的被评价次数及每次被评价的人脸分数值;
根据所述被评价次数及每次被评价的人脸分数值,调整所述第一用户对应的评价权重信息。
第二方面,本发明实施例提供了一种好友推荐方法,应用于终端,所述方法包括:
拍摄第一用户的人脸视频数据,从所述人脸视频数据中获取所述第一用户的人脸特征信息;
发送所述第一用户的预设择友信息给服务器,以及发送所述第一用户的人脸特征信息或人脸标签信息给服务器,所述人脸标签信息基于所述人脸特征信息及预设人脸标签库确定;
接收所述服务器根据所述第一用户的所述预设择友信息及对应的人脸标签信息推荐的好友推荐列表。
结合第二方面,本发明实施例提出了上述第二方面的第一种可能的实现方式,其中,所述接收所述服务器根据所述第一用户的所述预设择友信息及对应的人脸标签信息推荐的好友推荐列表之后,还包括:
获取所述第一用户对所述好友推荐列表包括的至少一个推荐用户进行评价所产生的好友评价信息,所述好友评价信息包括人脸分数值和人脸标签;
发送所述好友评价信息给所述服务器,以使所述服务器根据所述好友评价信息更新所述至少一个推荐用户对应的人脸标签信息和人脸分数值。
第三方面,本发明实施例提供了一种好友推荐系统,所述系统包括服务器和终端;
所述终端,用于拍摄第一用户的人脸视频数据,从所述人脸视频数据中获取所述第一用户的人脸特征信息;发送所述第一用户的预设择友信息给服务器,以及发送所述第一用户的人脸特征信息或人脸标签信息给服务器,所述人脸标签信息基于所述人脸特征信息及预设人脸标签库确定;接收所述服务器根据所述第一用户的所述预设择友信息及对应的人脸标签信息推荐的好友推荐列表;
所述服务器,用于获取所述第一用户的所述预设择友信息和对应的人脸标签信息;根据所述第一用户的所述预设择友信息和对应的人脸标签信息,为所述第一用户进行好友匹配,生成好友推荐列表;发送所述好友推荐列表给所述第一用户的终端。
第四方面,本发明实施例提供了一种服务器,包括存储器和处理器;
所述存储器中存储有可执行程序,所述可执行程序被所述处理器执行,以实现上述第一方面或第一方面的任一种可能的实现方式所述的方法。
第五方面,本发明实施例提供了一种终端,包括存储器和处理器;
所述存储器中存储有可执行程序,所述可执行程序被所述处理器执行,以实现上述第二方面或第二方面的任一种可能的实现方式所述的方法。
第六方面,本发明实施例提供了一种计算机可读存储介质,其上存储有计算机程序,所述程序被处理器执行时实现上述第一方面、第二方面或这两方面的任一种可能的实现方式所述的方法。
在本申请实施例中,终端对用户进行拍摄并获得用户的人脸特征信息,将该人脸特征信息发送给服务器。服务器基于用户的人脸特征信息确定用户的人脸标签信息和人脸分数值。在为用户进行好友推荐时,基于用户的预设择友信息及对应的人脸标签进行推荐,确保推荐的好友在外貌形象上符合用户的交友标准,提高好友推荐的可参考性,使得用户添加推荐的好友为联系人的可能性很高,能够实现好友推荐的有效目的,提升用户体验,增强用户对社交网络的黏性,减少社交网络的用户流失。
附图说明
通过阅读下文优选实施方式的详细描述,各种其他的优点和益处对于本领域普通技术人员将变得清楚明了。附图仅用于示出优选实施方式的目的,而并不认为是对本申请的限制。而且在整个附图中,用相同的参考符号表示相同的部件。在附图中:
图1示出了本申请实施例所提供的一种好友推荐方法的信令交互示意图;
图2示出了本申请另一实施例所提供的一种好友推荐方法的流程示意图;
图3示出了本申请另一实施例所提供的一种好友推荐方法的流程示意图;
图4示出了本申请实施例所提供的一种好友推荐装置的结构示意图;
图5示出了本申请另一实施例所提供的一种好友推荐装置的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的示例性实施方式。虽然附图中显示了本公开的示例性实施方式,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施方式所限制。相反,提供这些实施方式是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
本申请实施例提供一种好友推荐方法,该方法依据用户的人脸特征为用户确定人脸标签,参考人脸标签来为用户推荐好友,从而确保推荐的好友在外貌形象上符合用户的交友标准,提高好友推荐的可参考性,用户添加推荐的好友为联系人的可能性很高,能够实现好友推荐的有效目的,提升用户体验,增强用户对社交网络的黏性,减少社交网络的用户流失。
参见图1,该方法具体包括以下步骤:
步骤101:终端拍摄第一用户的人脸视频数据,从该人脸视频数据中获取第一用户的人脸特征信息。
终端可以为第一用户的手机、电脑等终端设备,终端上安装有社交应用程序,且终端配置有摄像头。在第一用户通过终端登录社交应用程序时,终端启动摄像头对第一用户进行拍摄,得到第一用户的人脸视频数据。终端对该人脸视频数据包括的每帧人脸图像进行图像处理,从中获取第一用户的人脸特征信息,该人脸特征信息可以包括第一用户的脸部轮廓、发型、五官特征信息等。其中,五官特征信息可以包括眼睛到嘴的距离占脸长的比例、双眼之间的距离占脸宽的比例、双眼瞳孔的距离与两耳距离之间的比例等。
步骤102:终端发送第一用户的人脸特征信息给服务器。
终端通过步骤101的操作获取到第一用户的人脸特征信息后,将该人脸特征信息发送给服务器。由于人脸特征信息的数据量要远小于上述人脸视频数据的数据量,因此由终端提取人脸特征信息并发送给服务器,而不是直接将人脸视频数据上传给服务器,如此能够节省终端的数据流量,且服务器侧无需进行人脸特征提取的操作,大大节省了服务器的系统资源。
当然,本申请实施例中终端还可以直接将人脸视频数据发送给服务器,由服务器从该人脸视频数据中提取第一用户的人脸特征信息,如此终端无需进行人脸特征信息的提取操作,节省终端的系统资源。
步骤103:服务器接收第一用户的终端发送的人脸特征信息,根据该人脸特征信息确定第一用户的人脸标签信息及人脸分数值。
在本申请实施例中,服务器中预先设置了预设人脸标签库和预设人脸评分规则。其中,预设人脸标签库中可以包括多种标签分类,如世俗化标签、明星脸标签、卡通人物标签、影视作品标签等。每种标签分类又可以包括多个具体的标签类型,如世俗化标签可以包括可爱、萝莉、女神、清纯等多个标签类型,明星脸标签可以包括彦祖、姚晨、幂幂、杰伦等多个标签类型,卡通人物标签可以包括喜洋洋、星矢、小当家、流川枫等多个标签类型,影视作品标签可以包括小燕子、皇阿玛、雷神、尔康等多个标签类型。在预设人脸标签库中,每一个标签类型都对应一组人脸标签数据,该人脸标签数据可以包括标签类型对应的脸部轮廓、发型、五官特征等信息。
上述预设人脸评分规则可以包括不同人脸比例范围与分数值的对应关系,如眼睛到嘴的距离占脸长的比例位于区间[32%,36%]时对应的分数值为90,位于区间(0,32%)时对应的分数值为50,位于区间(36%,1)时对应的分数值为30。对于双眼之间的距离占脸宽的比例、双眼瞳孔的距离与两耳距离之间的比例等不同人脸比例,预设人脸评分规则中都规定了各人脸比例位于不同数值区间时对应的分数值。
服务器接收到第一用户的终端发送的人脸特征信息后,根据该人脸特征信息及预设人脸标签库,确定第一用户的人脸标签信息;以及,根据该人脸特征信息及预设人脸评分规则,确定第一用户对应的人脸分数值。
具体地,对于预设人脸标签库中每种标签分类包括的每个标签类型,服务器计算第一用户的人脸特征信息与标签类型对应的人脸特征数据之间的相似度,计算出标签分类包括的每个标签类型对应的相似度之后,从该标签分类包括的多个标签类型中选择相似度最高的标签类型作为第一用户的人脸标签。对于其他标签分类,同样按照上述方式分别从其他标签分类包括的标签类型中选择相似度最高的标签类型作为第一用户的人脸标签。将选择出的多个人脸标签确定为第一用户的人脸标签信息,即该人脸标签信息包括多个人脸标签,各个人脸标签分别属于不同的标签分类。服务器确定出第一用户的人脸标签信息后,将该人脸标签信息存储在第一用户的用户信息中。
在本申请实施例中,还可以根据第一用户的人脸标签信息包括的各个人脸标签对应的相似度,按照相似度由高到低的顺序对这些人脸标签进行排序。
例如,对于标签分类“世俗化标签”,计算第一用户的人脸特征信息与标签类型“可爱”对应的人脸特征数据之间的相似度,同样分别计算与标签类型“萝莉”、“女神”、“清纯”等对应的人脸特征数据之间的相似度。假设相似度最高的标签类型为“可爱”,则将“可爱”确定为第一用户的人脸标签。同样地,对于标签分类“明星脸标签”、“卡通人物标签”、“影视作品标签”等进行上述操作,确定出各标签分类中相似度最高的标签类型。假设最终确定出“明星脸标签”中相似度最高的为标签类型“幂幂”,“卡通人物标签”中相似度最高的标签类型为“喜洋洋”,“影视作品标签”中相似度最高的标签类型为“小燕子”,则确定第一用户的人脸标签信息包括标签类型“可爱”、“幂幂”、“喜洋洋”和“小燕子”。
在本申请实施例中,由终端拍摄用户的人脸视频数据,基于该人脸视频数据获得用户的人脸特征信息。服务器基于该人脸特征信息及预设人脸标签库确定用户的人脸标签信息。如此实现了从外貌形象方面对用户进行分类,后续依据人脸标签信息向用户推荐好友,在推荐好友的过程中综合了用户的外貌形象因素,以确保最终推荐给用户的推荐对象能够满足用户在交友方面对外貌形象的需求。
服务器通过上述方式确定出第一用户的人脸标签信息后,还可以将该人脸标签信息发送给第一用户的终端。第一用户的终端接收到该人脸标签信息后,显示该人脸标签信息包括的多个人脸标签。通过将第一用户的人脸标签显示给第一用户,能够增加社交应用的趣味性,提高用户体验。
服务器还依据第一用户的人脸特征信息及预设人脸评分规则,确定第一用户的每项人脸比例对应的分数值,然后计算得到的多个分数值的平均值,得到第一用户对应的人脸分数值。人脸分数值用于表示用户的颜值高低,服务器确定出每个用户的人脸分数值后,在向用户推荐好友时可依据人脸分数值对推荐对象进行排序,从而确保向用户推荐的推荐对象的颜值符合用户在外貌方面的需求,且排在最前面的推荐对象的颜值越高,增加用户添加推荐对象为联系人的可能性。
例如,假设服务器确定出第一用户的眼睛到嘴的距离占脸长的比例对应的分数值为90,双眼之间的距离占脸宽的比例对应的分数值为95、双眼瞳孔的距离与两耳距离之间的比例对应的分数值为90,则确定出第一用户对应的人脸分数值为91.67。
在本申请实施例中,人脸分数值越高,表明用户的颜值越高。对于最终确定的人脸分数值超过预设阈值的,服务器还可以将该人脸分数值发送给第一用户的终端。第一用户的终端显示该人脸分数值,从而对于颜值高的用户来说,该人脸分数值能够增加社交应用的趣味性,提高用户体验。上述预设阈值可以为80、85或90等。
在本申请实施例中,第一用户的人脸标签信息也可以由第一用户的终端根据第一用户的人脸标签信息和预设人脸标签库确定,并将确定出的第一用户的人脸标签信息发送给服务器。
对于每个用户,都与第一用户相同,按照上述操作分别确定每个用户的人脸标签信息和人脸分数值。之后通过如下步骤104-107的操作,基于人脸标签来为用户进行好友推荐。
步骤104:服务器获取第一用户的预设择友信息和对应的人脸标签信息。
预设择友信息可以为第一用户自定义选择的年龄、性别、地理位置等。在第一用户首次登陆社交应用,或者第一用户触发好友推荐功能时,第一用户的终端可以提示第一用户选择择友条件,并将第一用户选择的择友条件作为第一用户的预设择友信息发送给服务器。服务器接收到第一用户的终端发送的预设择友信息后,将该预设择友信息存储在第一用户的用户信息中。
上述对应的人脸标签信息可以为第一用户自己的人脸标签信息,或者为第一用户选择的人脸标签信息,或者为第一用户对应的已推荐好友的人脸标签信息。
当服务器主动为用户推荐好友,并获取第一用户对应的人脸标签信息时,首先根据第一用户的用户标识,查询历史推荐记录中是否存在第一用户对应的推荐成功记录。历史推荐记录中可以包括用户标识与推荐成功记录的对应关系。其中,推荐成功记录中可以包括已推荐好友的人脸标签信息,已推荐好友为通过好友推荐方式推送给用户且成功被添加为联系人的好友。若确定不存在第一用户对应的推荐成功记录,则从第一用户的用户信息中获取第一用户自己的人脸标签信息,将第一用户自己的人脸标签信息作为上述对应的人脸标签信息。
在确定不存在第一用户对应的推荐成功记录时,服务器还可以发送人脸偏好调查信息给第一用户的终端。第一用户的终端接收该人脸偏好调查信息,显示各个标签分类包括的多个人脸标签,第一用户从显示的标签类型中选择自己偏好的人脸标签,第一用户的终端将第一用户选择的人脸标签发送给服务器。服务器接收第一用户选择的人脸标签,将第一用户选择的人脸标签作为上述对应的人脸标签信息。
若服务器确定存在第一用户对应的推荐成功记录,则从推荐成功记录中获取第一用户对应的已推荐好友的人脸标签信息,将第一用户对应的已推荐好友的人脸标签信息作为上述对应的人脸标签信息。
在本申请实施例中,服务器也可以应第一用户的需求进行好友推荐。第一用户的终端接收到用户触发的好友推荐事件,提示用户选择想要推荐的好友所符合的人脸标签。第一用户的终端发送好友推荐请求给服务器,该好友推荐请求包括第一用户选择的人脸标签。服务器接收第一用户的终端发送的该好友推荐请求,将第一用户选择的人脸标签作为上述对应的人脸标签信息。
步骤105:服务器根据第一用户的预设择友信息和上述对应的人脸标签信息,为第一用户进行好友匹配,生成好友推荐列表。
当服务器获取到第一用户的预设择友信息和对应的人脸标签信息后,根据第一用户的预设择友信息确定多个候选推荐用户;根据第一用户的对应的人脸标签信息从多个候选推荐用户中确定出至少一个推荐用户;根据至少一个推荐用户生成好友推荐列表。
在向用户进行好友推荐时,首先根据用户的预设择友信息确定多个候选推荐用户,然后依据人脸标签信息从多个候选推荐用户中确定出最终向用户推挤的至少一个推荐用户,从而确保最终的推荐用户既能满足用户对性别、年龄、地理位置等预设择友信息的要求,又能满足用户对外貌形象的需求。
具体地,服务器根据预设择友信息包括的年龄、性别、地理位置等条件,遍历当前已注册的所有用户的用户信息,从中获取出满足该预设择友信息的多个候选推荐用户。然后再从这多个候选推荐用户中选择出能够与第一用户对应的人脸标签信息匹配的至少一个推荐用户。
由步骤104可知,第一用户对应的人脸标签信息存在三种不同的情况:一,第一用户对应的人脸标签信息为第一用户自身的人脸标签信息;二,第一用户对应的人脸标签信息为第一用户对应的已推荐好友的人脸标签信息;三,第一用户对应的人脸标签信息为第一用户选择的人脸标签信息。对于上述三种情况,服务器分别采取不同方式来确定与第一用户对应的人脸标签信息匹配的至少一个推荐用户。
当服务器确定当前不存在第一用户的推荐成功记录,且第一用户对应的人脸标签信息为第一用户自身的人脸标签信息时,服务器根据第一用户的人脸标签信息,获取与第一用户具有相同人脸标签信息的第二用户对应的推荐成功记录;从第二用户对应的推荐成功记录中,获取第二用户对应的已推荐好友的人脸标签信息;从多个候选推荐用户中确定具有上述第二用户对应的已推荐好友的人脸标签信息的至少一个推荐用户。
即对于第一用户不存在推荐成功记录的情况,服务器确定与第一用户人脸标签相同的第二用户,由于第二用户与第一用户的人脸标签相同,所以二者在交友时对外貌形象的要求可能存在一定的相似性,因此获取第二用户对应的已推荐好友的人脸标签信息,从符合预设择友信息的多个候选推荐用户中确定具有这些人脸标签信息的至少一个推荐用户,从而能使得推荐用户更能符合第一用户对外貌的交友需求,增加第一用户添加这些推荐用户为好友的可能性。
当服务器确定当前存在第一用户的推荐成功记录,且第一用户对应的人脸标签信息为第一用户对应的已推荐好友的人脸标签信息时,服务器从符合预设择友信息的多个候选推荐用户中确定出具有第一用户对应的已推荐好友的人脸标签信息的至少一个推荐用户。
由于过去第一用户添加了已推荐好友为联系人,表明第一用户对具备已推荐好友的人脸标签的联系人具有一定的偏好,因此在为用户推荐好友时,从符合预设择友信息的多个候选推荐用户确定出具有已推荐好友的人脸标签信息的至少一个推荐用户,使得推荐用户更能符合第一用户对外貌的交友需求,增加第一用户添加这些推荐用户为好友的可能性。
当服务器确定当前不存在第一用户对应的推荐成功记录时,或者当服务器接收到包含第一用户选择的人脸标签信息的好友推荐请求信息时,第一用户对应的人脸标签信息为第一用户选择的人脸标签信息,此时服务器从多个候选推荐用户中确定出具有第一用户选择的人脸标签信息的至少一个推荐用户。
第一用户选择的人脸标签信息能够体现第一用户在外貌方面的偏好,服务器直接从符合预设择友信息的多个候选推荐用户中选择具有第一用户选择的人脸标签信息的推荐用户,能够使得推荐用户符合第一用户对外貌的交友需求。
服务器通过上述方式确定出作为推荐对象的至少一个推荐用户后,根据确定出的至少一个推荐用户生成好友推荐列表,该好友推荐列表中可以包括作为推荐对象的至少一个推荐用户的用户头像、用户账号等用户描述信息。
具体地,可以直接将上述至少一个推荐用户的用户描述信息组成好友推荐列表。还可以获取上述至少一个推荐用户的人脸分数值;根据每个推荐用户的人脸分数值,对上述至少一个推荐用户进行排序,得到好友推荐列表。具体按照人脸分数值由高到低的顺序,对上述至少一个推荐用户进行排序,得到好友推荐列表。如此使得最可能符合第一用户的外貌需求的推荐用户排在最前面,增加第一用户从好友推荐列表中添加好友的可能性。
步骤106:服务器发送该好友推荐列表给第一用户的终端。
步骤107:第一用户的终端接收服务器发送的好友推荐列表,显示该好友推荐列表。
第一用户的终端显示该好友推荐列表后,第一用户可能对好友推荐列表中包括的某个推荐用户感兴趣,并触发添加该推荐用户为好友的添加事件。此时第一用户的终端检测到该添加事件,发送第一好友添加请求给服务器,该第一好友添加请求中可以包括该推荐用户的用户标识。服务器接收到第一好友添加请求后,发送第二好友添加请求给该推荐用户的终端,第二好友添加请求中可以包括第一用户的用户标识。该推荐用户的终端接收第二好友添加请求,且在该推荐用户指示同意第一用户的好友添加请求时,返回同意添加响应消息给服务器。服务器接收到该同意添加响应消息后,发送添加成功响应消息给第一用户的终端。至此第一用户成功添加了好友推荐列表中包括的该推荐用户为联系人,与该推荐用户建立了好友关系。
第一用户与推荐用户建立起好友关系后,第一用户与该推荐用户之间可以通过社交应用进行文字聊天、语音通信或视频通信等即时通信,在即时通信过程中第一用户能够对该推荐用户的性格、声音及外貌有所了解,基于此第一用户可以对该推荐用户进行评价,为该推荐用户打分以及选择自己认为符合该推荐用户的人脸标签,或者在该推荐用户的人脸标签中对认为符合该推荐用户的人脸标签进行点赞。
第一用户的终端获取第一用户对好友推荐列表包括的至少一个推荐用户进行评价所产生的好友评价信息,该好友评价信息可以包括第一用户对推荐用户进行打分的人脸分数值以及第一用户选择或点赞的人脸标签。第一用户的终端发送该好友评价信息给服务器。如此为用户提供好友之间对外貌形象方面进行相互评价的功能,提高网络交友的趣味性。
服务器接收第一用户的终端发送的上述好友评价信息,根据该好友评价信息,更新上述至少一个推荐用户对应的人脸标签信息和人脸分数值。服务器依据用户的好友评价信息对推荐用户的人脸标签信息和人脸分数值进行调整,能够使得推荐用户的人脸标签信息和人脸分数值更加贴近推荐用户的实际外貌情况。
本申请实施例中,服务器可以周期性地更新用户的人脸标签信息和人脸分数值。具体地,服务器获取预设时长内其他用户对该推荐用户进行评价的其他好友评价信息;根据其他好友评价信息包括的人脸分数值及其他好友评价信息对应的评价人的评价权重信息,结合第一用户发送的上述好友评价信息包括的人脸分数值及第一用户的评价权重信息,调整该推荐用户的人脸分数值;以及,根据其他好友评价信息包括的人脸标签,结合第一用户发送的上述好友评价信息包括的人脸标签,调整该推荐用户的人脸标签信息中各人脸标签的排列顺序。上述预设时长可以为一天、一周或一个月等。
对于上述好友推荐列表包括的至少一个推荐用户中的每个推荐用户,都可以按照上述方式分别更新每个推荐用户的人脸标签信息和人脸分数值。
上述好友评价信息还可以包括评价人的用户标识,如第一用户对推荐用户的好友评价信息包括第一用户的用户标识。服务器根据预设时长内推荐用户对应的所有好友评价信息包括的人脸分数值以及评价人的评价权重信息,进行加权平均得到新的人脸分数值,将本地存储的推荐用户的用户信息中的人脸分数值修改为该新的人脸分数值。
在推荐用户的人脸标签信息包括的多个人脸标签中,被其他用户评价所选择或点赞次数越多的人脸标签,越符合推荐用户的实际情况,因此服务器根据好友评价信息包括的人脸标签,调整推荐用户对应的人脸标签的排列顺序,按照被选择或点赞次数由高到低的顺序排列推荐用户对应的人脸标签。调整推荐用户对应的人脸标签的排列顺序后,服务器还可以将排序后的人脸标签信息发送给推荐用户的终端,以使推荐用户的终端按照该排列顺序显示推荐用户的人脸标签信息。
通过上述方式对于加为好友的用户之间可以相互进行评价,能够增加社交应用的趣味性,而且通过相互之间的评价来更新用户的人脸标签信息及人脸分数值,随着时间的积累,能够使得人脸标签信息和人脸分数值更能贴近用户的真实情况,提高人脸标签信息和人脸分数值的参考价值,从而使得好友推荐的准确性更高,用户体验好,能够增加用户对社交应用的使用黏性,大大减小用户流失。
上述评价人的评价权重信息的权重大小能够体现评价人给出的好友评价信息的可信度高低,评价权重信息的权重越大的评价人,其评价的好友评价信息的可信度越高。在本申请实施例中,用户的可信度与用户被评价次数的多少以及用户被打分的人脸分数值的高低有关。服务器周期性地调整每个用户的评价权重信息。
具体地,服务器统计预设周期内第一用户对应的被评价次数及每次被评价的人脸分数值;根据被评价次数及每次被评价的人脸分数值,调整第一用户对应的评价权重信息。上述预设周期可以为一周或一个月等。
在本申请实施例中,对于每个用户,其注册时都为用户设置了初始的评价权重信息,该初始的评价权重信息可以为0.5或0.7等,之后根据用户被其他用户评价的情况调低或调高用户的评价权重信息,评价权重信息最高为1。
服务器中可以预先设置评价权重信息的调整规则,如被评价次数大于第一预设数值,对应将评价权重信息调高第一百分比;以及预设周期内所有被评价的人脸分数值的平均值大于第二预设数值,对应将评价权重信息调高第二百分比等。对于调低评价权重信息的情况同样可以设置相应的调整规则。
通过上述方式对用户的评价权重信息进行调整,能够使得用户的可信度更加贴合用户的实际情况,从而使得依据用户的好友评价信息来调整推荐用户的人脸标签信息和人脸分数值的准确性更高。
在本申请实施例中,终端对用户进行拍摄并获得用户的人脸特征信息,将该人脸特征信息发送给服务器。服务器基于用户的人脸特征信息确定用户的人脸标签信息和人脸分数值。在为用户进行好友推荐时,基于用户的预设择友信息及对应的人脸标签进行推荐,确保推荐的好友在外貌形象上符合用户的交友标准,提高好友推荐的可参考性,使得用户添加推荐的好友为联系人的可能性很高,能够实现好友推荐的有效目的,提升用户体验,增强用户对社交网络的黏性,减少社交网络的用户流失。
本申请另一实施例提供了一种好友推荐方法,该方法应用于上述实施例中的服务器,服务器的具体操作细节均可参考上述实施例中服务器的相应操作细节。
在本申请实施例中,终端通过摄像头拍摄第一用户的人脸视频数据,从该人脸视频数据中获取第一用户的人脸特征信息,发送该人脸特征信息给服务器。服务器接收第一用户的终端发送的第一用户的人脸特征信息;根据人脸特征信息及预设人脸标签库,确定第一用户的人脸标签信息;根据人脸特征信息及预设人脸评分规则,确定第一用户对应的人脸分数值。
服务器根据人脸特征信息确定第一用户的人脸标签信息及人脸分数值的具体过程,在上述实施例中已进行详细记载,在此不再赘述。
终端也可以先根据第一用户的人脸特征信息及预设人脸标签库,确定第一用户的人脸标签信息,以及根据第一用户的人脸特征信息及预设人脸评分规则,确定第一用户对应的人脸分数值,然后将第一用户的人脸标签信息及人脸分数值发送给服务器。
服务器获得每个用户的人脸标签信息及人脸分数值,并通过本申请实施例的方式为用户推荐好友。参见图2,该方法包括:
步骤201:服务器获取第一用户的预设择友信息和对应的人脸标签信息。
预设择友信息可以为第一用户自定义选择的年龄、性别、地理位置等。在第一用户首次登陆社交应用,或者第一用户触发好友推荐功能时,第一用户的终端可以提示第一用户选择择友条件,并将第一用户选择的择友条件作为上述预设择友信息发送给服务器。服务器接收到第一用户的终端发送的预设择友信息后,将该预设择友信息存储在第一用户的用户信息中。
上述对应的人脸标签信息可以为第一用户自己的人脸标签信息,或者为第一用户选择的人脸标签信息,或者为第一用户对应的已推荐好友的人脸标签信息。
当服务器主动为用户推荐好友,并获取第一用户对应的人脸标签信息时,首先根据第一用户的用户标识,查询历史推荐记录中是否存在第一用户对应的推荐成功记录。历史推荐记录中可以包括用户标识与推荐成功记录的对应关系。其中,推荐成功记录中可以包括已推荐好友的人脸标签信息,已推荐好友为通过好友推荐方式推送给用户且成功被添加为联系人的好友。若确定不存在第一用户对应的推荐成功记录,则从第一用户的用户信息中获取第一用户自己的人脸标签信息,将第一用户自己的人脸标签信息作为上述对应的人脸标签信息。
在确定不存在第一用户对应的推荐成功记录时,服务器还可以发送人脸偏好调查信息给第一用户的终端。第一用户的终端接收该人脸偏好调查信息,显示各个标签分类包括的多个人脸标签,第一用户从显示的标签类型中选择自己偏好的人脸标签,第一用户的终端将第一用户选择的人脸标签发送给服务器。服务器接收第一用户选择的人脸标签,将第一用户选择的人脸标签作为上述对应的人脸标签信息。
若服务器确定存在第一用户对应的推荐成功记录,则从推荐成功记录中获取第一用户对应的已推荐好友的人脸标签信息,将第一用户对应的已推荐好友的人脸标签信息作为上述对应的人脸标签信息。
在本申请实施例中,服务器也可以应第一用户的需求进行好友推荐。第一用户的终端接收到用户触发的好友推荐事件,提示用户选择想要推荐的好友所符合的人脸标签。第一用户的终端发送好友推荐请求给服务器,该好友推荐请求包括第一用户选择的人脸标签。服务器接收第一用户的终端发送的该好友推荐请求,将第一用户选择的人脸标签作为上述对应的人脸标签信息。
步骤202:服务器根据第一用户的预设择友信息和上述对应的人脸标签信息,为第一用户进行好友匹配,生成好友推荐列表。
当服务器获取到第一用户的预设择友信息和对应的人脸标签信息后,根据第一用户的预设择友信息确定多个候选推荐用户;根据第一用户的对应的人脸标签信息从多个候选推荐用户中确定出至少一个推荐用户;根据至少一个推荐用户生成好友推荐列表。
具体地,当服务器确定当前不存在第一用户的推荐成功记录,且上述对应的人脸标签信息为第一用户自身的人脸标签信息时,服务器根据第一用户的人脸标签信息,获取与第一用户具有相同人脸标签信息的第二用户对应的推荐成功记录;从第二用户对应的推荐成功记录中,获取第二用户对应的已推荐好友的人脸标签信息;从多个候选推荐用户中确定具有上述第二用户对应的已推荐好友的人脸标签信息的至少一个推荐用户。
即对于第一用户不存在推荐成功记录的情况,服务器确定与第一用户人脸标签相同的第二用户,由于第二用户与第一用户的人脸标签相同,所以二者在交友时对外貌形象的要求可能存在一定的相似性,因此获取第二用户对应的已推荐好友的人脸标签信息,从符合预设择友信息的多个候选推荐用户中确定具有这些人脸标签信息的至少一个推荐用户,从而能使得推荐用户更能符合第一用户对外貌的交友需求,增加第一用户添加这些推荐用户为好友的可能性。
当服务器确定当前存在第一用户的推荐成功记录,且第一用户对应的人脸标签信息为第一用户对应的已推荐好友的人脸标签信息,服务器从符合预设择友信息的多个候选推荐用户中确定出具有第一用户对应的已推荐好友的人脸标签信息的至少一个推荐用户。
由于过去第一用户添加了已推荐好友为联系人,表明第一用户对具备已推荐好友的人脸标签的联系人具有一定的偏好,因此在为用户推荐好友时,从符合预设择友信息的多个候选推荐用户中确定出具有已推荐好友的人脸标签信息的至少一个推荐用户,使得推荐用户更能符合第一用户对外貌的交友需求,增加第一用户添加这些推荐用户为好友的可能性。
当服务器确定当前不存在第一用户对应的推荐成功记录时,或者当服务器接收到包含第一用户选择的人脸标签信息的好友推荐请求信息时,第一用户对应的人脸标签信息为第一用户选择的人脸标签信息时,此时服务器从多个候选推荐用户中确定出具有第一用户选择的人脸标签信息的至少一个推荐用户。
第一用户选择的人脸标签信息能够体现第一用户在外貌方面的偏好,因此服务器直接从符合预设择友信息的多个候选推荐用户中选择具有第一用户选择的人脸标签的至少一个推荐用户,能够使得推荐用户符合第一用户对外貌的交友需求。
服务器通过上述方式确定出作为推荐对象的至少一个推荐用户后,根据确定出的至少一个推荐用户生成好友推荐列表,该好友推荐列表中可以包括作为推荐对象的至少一个推荐用户的用户头像、用户账号等用户描述信息。
具体地,可以直接将上述至少一个推荐用户的用户描述信息组成好友推荐列表。还可以获取上述至少一个推荐用户的人脸分数值;根据每个推荐用户的人脸分数值,对上述至少一个推荐用户的用户信息进行排序,得到好友推荐列表。具体按照人脸分数值由高到低的顺序,对上述至少一个推荐用户进行排序,得到好友推荐列表。如此使得最可能符合第一用户的外貌需求的推荐用户排在最前面,增加第一用户从好友推荐列表中添加好友的可能性。
步骤203:服务器发送该好友推荐列表给第一用户的终端。
发送好友推荐列表给第一用户的终端之后,第一用户可以与好友推荐列表中包括的推荐用户建立好友关系,之后在与该推荐用户即时通信过程中第一用户能够对该推荐用户的性格、声音及外貌有所了解,基于此第一用户可以对该推荐用户进行评价,为该推荐用户打分以及选择自己认为符合该推荐用户的人脸标签,或者在该推荐用户的人脸标签中对认为符合该推荐用户的人脸标签进行点赞。
第一用户的终端获取第一用户对好友推荐列表包括的至少一个推荐用户进行评价所产生的好友评价信息,该好友评价信息可以包括第一用户对推荐用户进行打分的人脸分数值以及第一用户选择或点赞的人脸标签。第一用户的终端发送该好友评价信息给服务器。
服务器接收第一用户的终端发送的好友评价信息,该好友评价信息包括第一用户对好友推荐列表包括的推荐用户进行评价所产生的人脸分数值和人脸标签;根据该好友评价信息,更新推荐用户对应的人脸标签信息和人脸分数值。
具体地,服务器获取预设时长内其他用户对推荐用户进行评价的其他好友评价信息;根据其他好友评价信息包括的人脸分数值及其他好友评价信息对应的评价人的评价权重信息,结合第一用户发送的上述好友评价信息包括的人脸分数值及第一用户的评价权重信息,调整该推荐用户的人脸分数值;以及,根据其他好友评价信息包括的人脸标签,结合第一用户发送的上述好友评价信息包括的人脸标签,调整推荐用户的人脸标签信息中各人脸标签的排列顺序。
上述评价人的评价权重信息的权重大小能够体现评价人给出的好友评价信息的可信度高低,服务器周期性地调整每个用户的评价权重信息。具体地,服务器统计预设周期内第一用户对应的被评价次数及每次被评价的人脸分数值;根据被评价次数及每次被评价的人脸分数值,调整第一用户对应的评价权重信息。上述预设周期可以为一周或一个月等。
通过上述方式对于加为好友的用户之间可以相互进行评价,能够增加社交应用的趣味性,而且通过相互之间的评价来更新用户的人脸标签信息及人脸分数值,随着时间的积累,能够人脸标签信息和人脸分数值更能贴近用户的真实情况,提高人脸标签信息和人脸分数值的参考价值,从而使得好友推荐的准确性更高,用户体验好,能够增加用户对社交应用的使用黏性,大大减小用户流失。
本申请实施例中服务器的操作细节及各操作的有益效果均可参考上述实施例中服务器的操作细节及对应的效果,在此不再赘述。
在本申请实施例中,终端对用户进行拍摄并获得用户的人脸特征信息,将该人脸特征信息发送给服务器。服务器基于用户的人脸特征信息确定用户的人脸标签信息和人脸分数值。在为用户进行好友推荐时,基于用户的预设择友信息及对应的人脸标签进行推荐,确保推荐的好友在外貌形象上符合用户的交友标准,提高好友推荐的可参考性,使得用户添加推荐的好友为联系人的可能性很高,能够实现好友推荐的有效目的,提升用户体验,增强用户对社交网络的黏性,减少社交网络的用户流失。
本申请另一实施例还提供一种好友推荐方法,该方法应用于上述实施例中的终端,终端的具体操作细节均可参考上述实施例中终端的相应操作细节。参见图3,该方法包括:
步骤301:终端拍摄第一用户的人脸视频数据,从人脸视频数据中获取第一用户的人脸特征信息。
终端可以为第一用户的手机、电脑等终端设备,终端上安装有社交应用程序,且终端配置有摄像头。在第一用户通过终端登录社交应用程序时,终端启动摄像头对第一用户进行拍摄,得到第一用户的人脸视频数据。终端对该人脸视频数据包括的每帧人脸图像进行图像处理,从中获取第一用户的人脸特征信息,该人脸特征信息可以包括第一用户的脸部轮廓、发型、五官特征信息等。其中,五官特征信息可以包括眼睛到嘴的距离占脸长的比例、双眼之间的距离占脸宽的比例、双眼瞳孔的距离与两耳距离之间的比例等。
步骤302:终端发送第一用户的预设择友信息给服务器,以及发送第一用户的人脸特征信息或人脸标签信息给服务器,人脸标签信息基于人脸特征信息及预设人脸标签库确定。
由于人脸特征信息的数据量要远小于上述人脸视频数据的数据量,因此在终端提取人脸特征信息并发送给服务器,而不是直接将人脸视频数据上传给服务器,如此能够节省终端的数据流量,且服务器侧无需进行人脸特征提取的操作,大大节省了服务器的系统资源。
当然,本申请实施例中终端还可以直接将人脸视频数据发送给服务器,由服务器从该人脸视频数据中提取第一用户的人脸特征信息,如此终端无需进行人脸特征信息的提取操作,节省终端的系统资源。
终端还可以根据第一用户的人脸特征信息和预设人脸标签库,确定第一用户的人脸标签信息,并将确定的人脸标签信息发送给服务器。终端确定人脸标签信息的过程,与上述实施例中服务器确定人脸标签信息的过程相同,在此不再赘述。
终端还可以根据第一用户的人脸特征信息和预设人脸评分规则,确定第一用户对应的人脸分数值,并将确定的人脸分数值发送给服务器。终端确定人脸分数值的过程,与上述实施例中服务器确定人脸分数值的过程相同,在此不再赘述。
步骤303:终端接收服务器根据第一用户的预设择友信息及对应的人脸标签信息推荐的好友推荐列表。
在接收并显示上述好友推荐列表后,第一用户可以与该好友推荐列表中包括的推荐用户建立好友关系,在与建立好友关系的推荐用户即时通信过程中第一用户能够对推荐用户的性格、声音及外貌有所了解,基于此第一用户可以对推荐用户进行评价,为推荐用户打分以及选择自己认为符合推荐用户的人脸标签,或者在推荐用户的人脸标签中对认为符合推荐用户的人脸标签进行点赞。
第一用户的终端获取第一用户对好友推荐列表包括的推荐用户进行评价所产生的好友评价信息,该好友评价信息可以包括第一用户对推荐用户进行打分的人脸分数值以及第一用户选择或点赞的人脸标签。第一用户的终端发送该好友评价信息给服务器,以使服务器根据好友评价信息更新推荐用户对应的人脸标签信息和人脸分数值。
通过上述方式对于加为好友的用户之间可以相互进行评价,能够增加社交应用的趣味性,而且通过相互之间的评价来更新用户的人脸标签信息及人脸分数值,随着时间的积累,能够人脸标签信息和人脸分数值更能贴近用户的真实情况,提高人脸标签信息和人脸分数值的参考价值,从而使得好友推荐的准确性更高,用户体验好,能够增加用户对社交应用的使用黏性,大大减小用户流失。
本申请实施例中终端的操作细节及各操作的有益效果均可参考上述实施例中终端的操作细节及对应的效果,在此不再赘述。
在本申请实施例中,终端对用户进行拍摄并获得用户的人脸特征信息,将该人脸特征信息发送给服务器。服务器基于用户的人脸特征信息确定用户的人脸标签信息和人脸分数值。在为用户进行好友推荐时,基于用户的预设择友信息及对应的人脸标签进行推荐,确保推荐的好友在外貌形象上符合用户的交友标准,提高好友推荐的可参考性,使得用户添加推荐的好友为联系人的可能性很高,能够实现好友推荐的有效目的,提升用户体验,增强用户对社交网络的黏性,减少社交网络的用户流失。
本申请另一实施例还提供一种好友推荐装置,该装置用于执行上述实施例中服务器所执行的操作,如图4所示,该装置包括:
获取模块40,用于获取第一用户的预设择友信息和对应的人脸标签信息;
生成模块41,用于根据第一用户的预设择友信息和对应的人脸标签信息,为第一用户进行好友匹配,生成好友推荐列表;
发送模块42,用于发送好友推荐列表给第一用户的终端。
上述生成模块41包括:
第一确定单元,用于根据第一用户的预设择友信息确定多个候选推荐用户;
第二确定单元,用于根据第一用户的对应的人脸标签信息从多个候选推荐用户中确定出至少一个推荐用户;
生成单元,用于根据至少一个推荐用户生成好友推荐列表。
当对应的人脸标签信息为第一用户的人脸标签信息时,上述第二确定单元,用于根据第一用户的人脸标签信息,获取与第一用户具有相同人脸标签信息的第二用户对应的推荐成功记录;从推荐成功记录中,获取第二用户对应的已推荐好友的人脸标签信息;从多个候选推荐用户中确定出具有所述已推荐好友的人脸标签信息的所述至少一个推荐用户。
当人脸标签信息为第一用户选择的人脸标签信息时,上述第二确定单元,用于从多个候选推荐用户中确定出具有所述第一用户选择的人脸标签信息的所述至少一个推荐用户。
该装置还包括:确定模块,用于确定不存在所述第一用户对应的推荐成功记录。
当对应的人脸标签信息为第一用户对应的已推荐好友的人脸标签信息时,上述第二确定单元,用于从所述多个候选推荐用户中确定出具有所述第一用户对应的已推荐好友的人脸标签信息的所述至少一个推荐用户。
上述确定模块,还用于确定存在所述第一用户对应的推荐成功记录,所述推荐成功记录中包括所述第一用户对应的已推荐好友的人脸标签信息。
上述生成单元,用于获取所述至少一个推荐用户的人脸分数值;根据所述人脸分数值,对所述至少一个推荐用户进行排序,得到所述好友推荐列表。
该装置还包括:接收模块,用于接收所述终端发送的所述第一用户的人脸特征信息;以及根据所述人脸特征信息及预设人脸标签库,确定所述第一用户的人脸标签信息;或者,接收所述终端发送的所述第一用户的人脸标签信息,所述第一用户的人脸标签信息基于所述第一用户的人脸特征信息及预设人脸标签库确定;其中,所述第一用户的人脸特征信息基于所述第一用户的人脸视频数据生成。
该装置还包括人脸分数值确定模块,用于根据所述第一用户的人脸特征信息及预设人脸评分规则,确定所述第一用户对应的人脸分数值。
该装置还包括:好友评价模块,用于接收第一用户的终端发送的好友评价信息,好友评价信息包括第一用户对好友推荐列表包括的至少一个推荐用户进行评价所产生的人脸分数值和人脸标签;根据好友评价信息,更新至少一个推荐用户对应的人脸标签信息和人脸分数值。
上述好友评价模块,还用于获取预设时长内其他用户对至少一个推荐用户进行评价的其他好友评价信息;根据所述其他好友评价信息包括的人脸标签,调整所述至少一个推荐用户的人脸标签信息中各人脸标签的排列顺序;以及,根据其他好友评价信息包括的人脸分数值及其他好友评价信息对应的评价人的评价权重信息,调整所述至少一个推荐用户的人脸分数值。
该装置还包括:权重调整模块,用于统计预设周期内第一用户对应的被评价次数及每次被评价的人脸分数值;根据被评价次数及每次被评价的人脸分数值,调整第一用户对应的评价权重信息。
在本申请实施例中,终端对用户进行拍摄并获得用户的人脸特征信息,将该人脸特征信息发送给服务器。服务器基于用户的人脸特征信息确定用户的人脸标签信息和人脸分数值。在为用户进行好友推荐时,基于用户的预设择友信息及对应的人脸标签进行推荐,确保推荐的好友在外貌形象上符合用户的交友标准,提高好友推荐的可参考性,使得用户添加推荐的好友为联系人的可能性很高,能够实现好友推荐的有效目的,提升用户体验,增强用户对社交网络的黏性,减少社交网络的用户流失。
本申请另一实施例还提供一种好友推荐装置,该装置用于执行上述实施例中终端所执行的操作,如图5所示,该装置包括:
人脸特征获取模块50,用于拍摄第一用户的人脸视频数据,从人脸视频数据中获取第一用户的人脸特征信息;
发送模块51,用于发送所述第一用户的预设择友信息给服务器,以及发送所述第一用户的人脸特征信息或人脸标签信息给服务器,所述人脸标签信息基于所述人脸特征信息及预设人脸标签库确定;
接收模块52,用于接收服务器根据第一用户的预设择友信息及对应的人脸标签信息推荐的好友推荐列表。
该装置还包括:好友评价模块,用于获取第一用户对好友推荐列表包括的至少一个推荐用户进行评价所产生的好友评价信息,好友评价信息包括人脸分数值和人脸标签;发送好友评价信息给服务器,以使服务器根据好友评价信息更新至少一个推荐用户对应的人脸标签信息和人脸分数值。
在本申请实施例中,终端对用户进行拍摄并获得用户的人脸特征信息,将该人脸特征信息发送给服务器。服务器基于用户的人脸特征信息确定用户的人脸标签信息和人脸分数值。在为用户进行好友推荐时,基于用户的预设择友信息及对应的人脸标签进行推荐,确保推荐的好友在外貌形象上符合用户的交友标准,提高好友推荐的可参考性,使得用户添加推荐的好友为联系人的可能性很高,能够实现好友推荐的有效目的,提升用户体验,增强用户对社交网络的黏性,减少社交网络的用户流失。
本申请另一实施例还提供一种好友推荐系统,该系统包括服务器和终端;
终端,用于拍摄第一用户的人脸视频数据,从人脸视频数据中获取第一用户的人脸特征信息;发送所述第一用户的预设择友信息给服务器,以及发送所述第一用户的人脸特征信息或人脸标签信息给服务器,所述人脸标签信息基于所述人脸特征信息及预设人脸标签库确定;接收服务器根据第一用户的预设择友信息及对应的人脸标签信息推荐的好友推荐列表;
服务器,用于获取第一用户的预设择友信息和对应的人脸标签信息;根据第一用户的预设择友信息和对应的人脸标签信息,为第一用户进行好友匹配,生成好友推荐列表;发送好友推荐列表给第一用户的终端。
在本申请实施例中,终端对用户进行拍摄并获得用户的人脸特征信息,将该人脸特征信息发送给服务器。服务器基于用户的人脸特征信息确定用户的人脸标签信息和人脸分数值。在为用户进行好友推荐时,基于用户的预设择友信息及对应的人脸标签进行推荐,确保推荐的好友在外貌形象上符合用户的交友标准,提高好友推荐的可参考性,使得用户添加推荐的好友为联系人的可能性很高,能够实现好友推荐的有效目的,提升用户体验,增强用户对社交网络的黏性,减少社交网络的用户流失。
本申请实施例提供一种服务器,包括处理器和存储器;存储器中存储有可执行程序,所述可执行程序被所述处理器执行,以实现上述任一实施例中服务器所执行的好友推荐方法。
本申请另一实施例还提供一种终端,包括处理器和存储器;存储器中存储有可执行程序,所述可执行程序被所述处理器执行,以实现上述任一实施例中终端所执行的好友推荐方法。
本申请实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器加载并执行时实现上述任一实施例所述的好友推荐方法。
需要说明的是:
在此提供的算法和显示不与任何特定计算机、虚拟装置或者其它设备有固有相关。各种通用装置也可以与基于在此的示教一起使用。根据上面的描述,构造这类装置所要求的结构是显而易见的。此外,本申请也不针对任何特定编程语言。应当明白,可以利用各种编程语言实现在此描述的本申请的内容,并且上面对特定语言所做的描述是为了披露本申请的最佳实施方式。
在此处所提供的说明书中,说明了大量具体细节。然而,能够理解,本申请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。
类似地,应当理解,为了精简本公开并帮助理解各个发明方面中的一个或多个,在上面对本申请的示例性实施例的描述中,本申请的各个特征有时被一起分组到单个实施例、图、或者对其的描述中。然而,并不应将该公开的方法解释成反映如下意图:即所要求保护的本申请要求比在每个权利要求中所明确记载的特征更多的特征。更确切地说,如下面的权利要求书所反映的那样,发明方面在于少于前面公开的单个实施例的所有特征。因此,遵循具体实施方式的权利要求书由此明确地并入该具体实施方式,其中每个权利要求本身都作为本申请的单独实施例。
本领域那些技术人员可以理解,可以对实施例中的设备中的模块进行自适应性地改变并且把它们设置在与该实施例不同的一个或多个设备中。可以把实施例中的模块或单元或组件组合成一个模块或单元或组件,以及此外可以把它们分成多个子模块或子单元或子组件。除了这样的特征和/或过程或者单元中的至少一些是相互排斥之外,可以采用任何组合对本说明书(包括伴随的权利要求、摘要和附图)中公开的所有特征以及如此公开的任何方法或者设备的所有过程或单元进行组合。除非另外明确陈述,本说明书(包括伴随的权利要求、摘要和附图)中公开的每个特征可以由提供相同、等同或相似目的的替代特征来代替。
此外,本领域的技术人员能够理解,尽管在此所述的一些实施例包括其它实施例中所包括的某些特征而不是其它特征,但是不同实施例的特征的组合意味着处于本申请的范围之内并且形成不同的实施例。例如,在下面的权利要求书中,所要求保护的实施例的任意之一都可以以任意的组合方式来使用。
本申请的各个部件实施例可以以硬件实现,或者以在一个或者多个处理器上运行的软件模块实现,或者以它们的组合实现。本领域的技术人员应当理解,可以在实践中使用微处理器或者数字信号处理器(DSP)来实现根据本申请实施例的虚拟机的创建装置中的一些或者全部部件的一些或者全部功能。本申请还可以实现为用于执行这里所描述的方法的一部分或者全部的设备或者装置程序(例如,计算机程序和计算机程序产品)。这样的实现本申请的程序可以存储在计算机可读介质上,或者可以具有一个或者多个信号的形式。这样的信号可以从因特网网站上下载得到,或者在载体信号上提供,或者以任何其他形式提供。
应该注意的是上述实施例对本申请进行说明而不是对本申请进行限制,并且本领域技术人员在不脱离所附权利要求的范围的情况下可设计出替换实施例。在权利要求中,不应将位于括号之间的任何参考符号构造成对权利要求的限制。单词“包含”不排除存在未列在权利要求中的元件或步骤。位于元件之前的单词“一”或“一个”不排除存在多个这样的元件。本申请可以借助于包括有若干不同元件的硬件以及借助于适当编程的计算机来实现。在列举了若干装置的单元权利要求中,这些装置中的若干个可以是通过同一个硬件项来具体体现。单词第一、第二、以及第三等的使用不表示任何顺序。可将这些单词解释为名称。
以上所述,仅为本申请较佳的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
Claims (18)
1.一种好友推荐方法,其特征在于,应用于服务器,所述方法包括:
接收终端发送的第一用户的人脸特征信息;对于预设人脸标签库中每种标签分类包括的每个标签类型,计算第一用户的人脸特征信息与标签类型对应的人脸特征数据之间的相似度,从该标签分类包括的多个标签类型中选择相似度最高的标签类型作为第一用户的人脸标签;将选择出的多个人脸标签确定为第一用户的人脸标签信息;或者,接收所述终端发送的所述第一用户的人脸标签信息;
获取第一用户的预设择友信息;
根据所述第一用户的预设择友信息和对应的人脸标签信息,为所述第一用户进行好友匹配,生成好友推荐列表;
发送所述好友推荐列表给所述第一用户的终端;
所述根据所述第一用户的预设择友信息和对应的人脸标签信息,为所述第一用户进行好友匹配,生成好友推荐列表,包括:
当服务器确定当前不存在所述第一用户的推荐成功记录,且第一用户对应的人脸标签信息为第一用户自身的人脸标签信息时,根据所述第一用户的人脸标签信息,获取与所述第一用户具有相同人脸标签信息的第二用户对应的推荐成功记录;
当服务器确定当前存在所述第一用户的推荐成功记录,且第一用户对应的人脸标签信息为第一用户对应的已推荐好友的人脸标签信息时,从符合预设择友信息的多个候选推荐用户中确定出具有第一用户对应的已推荐好友的人脸标签信息的至少一个推荐用户。
2.根据权利要求1所述的方法,其特征在于,所述根据所述第一用户的预设择友信息和对应的人脸标签信息,为所述第一用户进行好友匹配,生成好友推荐列表,包括:
根据所述第一用户的预设择友信息确定多个候选推荐用户;
根据所述第一用户的对应的人脸标签信息从所述多个候选推荐用户中确定出至少一个推荐用户;
根据所述至少一个推荐用户生成所述好友推荐列表。
3.根据权利要求2所述的方法,其特征在于,所述对应的人脸标签信息为所述第一用户的人脸标签信息;
所述根据所述第一用户的对应的人脸标签信息从所述多个候选推荐用户中确定出至少一个推荐用户,包括:
根据所述第一用户的人脸标签信息,获取与所述第一用户具有相同人脸标签信息的第二用户对应的推荐成功记录;
从所述推荐成功记录中,获取所述第二用户对应的已推荐好友的人脸标签信息;
从所述多个候选推荐用户中确定出具有所述已推荐好友的人脸标签信息的所述至少一个推荐用户。
4.根据权利要求2所述的方法,其特征在于,所述对应的人脸标签信息为所述第一用户选择的人脸标签信息;
所述根据所述第一用户的对应的人脸标签信息从所述多个候选推荐用户中确定出至少一个推荐用户,包括:
从所述多个候选推荐用户中确定出具有所述第一用户选择的人脸标签信息的所述至少一个推荐用户。
5.根据权利要求3或4所述的方法,其特征在于,所述根据所述第一用户的对应的人脸标签信息从所述多个候选推荐用户中确定出至少一个推荐用户之前,所述方法还包括:
确定不存在所述第一用户对应的推荐成功记录。
6.根据权利要求2所述的方法,其特征在于,所述对应的人脸标签信息为所述第一用户对应的已推荐好友的人脸标签信息;
所述根据所述第一用户的对应的人脸标签信息从所述多个候选推荐用户中确定出至少一个推荐用户,包括:
从所述多个候选推荐用户中确定出具有所述第一用户对应的已推荐好友的人脸标签信息的所述至少一个推荐用户。
7.根据权利要求6所述的方法,其特征在于,所述根据所述第一用户的对应的人脸标签信息从所述多个候选推荐用户中确定出至少一个推荐用户之前,所述方法还包括:
确定存在所述第一用户对应的推荐成功记录,所述推荐成功记录中包括所述第一用户对应的已推荐好友的人脸标签信息。
8.根据权利要求2-4、6、7中任一项所述的方法,其特征在于,所述根据所述至少一个推荐用户生成所述好友推荐列表,包括:
获取所述至少一个推荐用户的人脸分数值;
根据所述人脸分数值,对所述至少一个推荐用户进行排序,得到所述好友推荐列表。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
根据所述第一用户的人脸特征信息及预设人脸评分规则,确定所述第一用户对应的人脸分数值。
10.根据权利要求1-4、6、7、9中任一项所述的方法,其特征在于,所述发送所述好友推荐列表给所述第一用户的终端之后,所述方法还包括:
接收所述终端发送的好友评价信息,所述好友评价信息包括所述第一用户对所述好友推荐列表包括的至少一个推荐用户进行评价所产生的人脸分数值和人脸标签;
根据所述好友评价信息,更新所述至少一个推荐用户对应的人脸标签信息和人脸分数值。
11.根据权利要求10所述的方法,其特征在于,所述根据所述好友评价信息,更新所述至少一个推荐用户对应的人脸标签信息和人脸分数值,包括:
获取预设时长内其他用户对所述至少一个推荐用户进行评价的其他好友评价信息;
根据所述其他好友评价信息包括的人脸标签,调整所述至少一个推荐用户的人脸标签信息中各人脸标签的排列顺序;以及,
根据所述其他好友评价信息包括的人脸分数值及所述其他好友评价信息对应的评价人的评价权重信息,调整所述至少一个推荐用户的人脸分数值。
12.根据权利要求11所述的方法,其特征在于,所述方法还包括:
统计预设周期内所述第一用户对应的被评价次数及每次被评价的人脸分数值;
根据所述被评价次数及每次被评价的人脸分数值,调整所述第一用户对应的评价权重信息。
13.一种好友推荐方法,其特征在于,应用于终端,所述方法包括:
拍摄第一用户的人脸视频数据,从所述人脸视频数据中获取所述第一用户的人脸特征信息;
发送所述第一用户的预设择友信息给服务器,以及发送所述第一用户的人脸特征信息给服务器;或者,通过计算所述第一用户的人脸特征信息与标签类型对应的人脸特征数据之间的相似度,确定所述第一用户的人脸标签信息,发送所述第一用户的人脸标签信息给所述服务器;
接收所述服务器根据所述第一用户的所述预设择友信息及对应的人脸标签信息推荐的好友推荐列表;
所述通过计算所述第一用户的人脸特征信息与标签类型对应的人脸特征数据之间的相似度,确定所述第一用户的人脸标签信息,包括:
对于预设人脸标签库中每种标签分类包括的每个标签类型,计算第一用户的人脸特征信息与标签类型对应的人脸特征数据之间的相似度,计算出标签分类包括的每个标签类型对应的相似度后,从该标签分类包括的多个标签类型中选择相似度最高的标签类型作为第一用户的人脸标签。
14.根据权利要求13所述的方法,其特征在于,所述接收所述服务器根据所述第一用户的所述预设择友信息及对应的人脸标签信息推荐的好友推荐列表之后,还包括:
获取所述第一用户对所述好友推荐列表包括的至少一个推荐用户进行评价所产生的好友评价信息,所述好友评价信息包括人脸分数值和人脸标签;
发送所述好友评价信息给所述服务器,以使所述服务器根据所述好友评价信息更新所述至少一个推荐用户对应的人脸标签信息和人脸分数值。
15.一种好友推荐系统,其特征在于,所述系统包括服务器和终端;
所述终端,用于拍摄第一用户的人脸视频数据,从所述人脸视频数据中获取所述第一用户的人脸特征信息;发送所述第一用户的预设择友信息给服务器,以及发送所述第一用户的人脸特征信息或人脸标签信息给服务器,所述人脸标签信息基于所述人脸特征信息及预设人脸标签库确定;接收所述服务器根据所述第一用户的所述预设择友信息及对应的人脸标签信息推荐的好友推荐列表;
所述服务器,用于获取所述第一用户的所述预设择友信息和对应的人脸标签信息;根据所述第一用户的所述预设择友信息和对应的人脸标签信息,为所述第一用户进行好友匹配,生成好友推荐列表;发送所述好友推荐列表给所述第一用户的终端;
所述人脸标签信息由所述终端生成并发送给所述服务器,或者,所述人脸标签信息由服务器生成,所述终端或所述服务器生成人脸标签信息过程包括:对于预设人脸标签库中每种标签分类包括的每个标签类型,计算第一用户的人脸特征信息与标签类型对应的人脸特征数据之间的相似度,计算出标签分类包括的每个标签类型对应的相似度后,从该标签分类包括的多个标签类型中选择相似度最高的标签类型作为第一用户的人脸标签。
16.一种服务器,其特征在于,包括存储器和处理器;
所述存储器中存储有可执行程序,所述可执行程序被所述处理器执行,以实现如权利要求1-12中任一所述的方法。
17.一种终端,其特征在于,包括存储器和处理器;
所述存储器中存储有可执行程序,所述可执行程序被所述处理器执行,以实现如权利要求13或14所述的方法。
18.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现如权利要求1-14中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910329943.1A CN110110124B (zh) | 2019-04-23 | 2019-04-23 | 好友推荐方法、系统、服务器、终端及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910329943.1A CN110110124B (zh) | 2019-04-23 | 2019-04-23 | 好友推荐方法、系统、服务器、终端及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110110124A CN110110124A (zh) | 2019-08-09 |
CN110110124B true CN110110124B (zh) | 2022-06-21 |
Family
ID=67486384
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910329943.1A Active CN110110124B (zh) | 2019-04-23 | 2019-04-23 | 好友推荐方法、系统、服务器、终端及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110110124B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112269928A (zh) * | 2020-10-23 | 2021-01-26 | 百度在线网络技术(北京)有限公司 | 用户推荐方法及装置、电子设备、计算机可读介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102035891A (zh) * | 2010-12-17 | 2011-04-27 | 百度在线网络技术(北京)有限公司 | 一种网络交友平台中推荐好友的方法和装置 |
CN103984775A (zh) * | 2014-06-05 | 2014-08-13 | 网易(杭州)网络有限公司 | 一种推荐好友的方法和设备 |
CN109101614A (zh) * | 2018-08-06 | 2018-12-28 | 百度在线网络技术(北京)有限公司 | 好友推荐方法和装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI522821B (zh) * | 2011-12-09 | 2016-02-21 | 致伸科技股份有限公司 | 相片管理系統 |
-
2019
- 2019-04-23 CN CN201910329943.1A patent/CN110110124B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102035891A (zh) * | 2010-12-17 | 2011-04-27 | 百度在线网络技术(北京)有限公司 | 一种网络交友平台中推荐好友的方法和装置 |
CN103984775A (zh) * | 2014-06-05 | 2014-08-13 | 网易(杭州)网络有限公司 | 一种推荐好友的方法和设备 |
CN109101614A (zh) * | 2018-08-06 | 2018-12-28 | 百度在线网络技术(北京)有限公司 | 好友推荐方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN110110124A (zh) | 2019-08-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108269128B (zh) | 广告的投放方法、装置、设备及存储介质 | |
CA2910158C (en) | Prioritization of messages | |
US9830522B2 (en) | Image processing including object selection | |
US11425213B2 (en) | System and method for modifying a preference | |
KR20200033999A (ko) | 메시지의 우선 순위 지정 | |
US9665595B2 (en) | Image processing client | |
US20210406956A1 (en) | Communication system and communication control method | |
CN108921034A (zh) | 人脸匹配方法及装置、存储介质 | |
US10825048B2 (en) | Image processing methods | |
CN107659611B (zh) | 基于大数据的用户头像生成方法、装置和系统 | |
CN109121006B (zh) | 一种基于直播观看用户的营销方法及平台 | |
CN113422988B (zh) | 直播封面生成方法、装置、电子设备及存储介质 | |
US20160342624A1 (en) | Image Tagging System | |
JP2021096859A (ja) | 仲介装置及び方法、並びにコンピュータ読み取り可能な記録媒体{mediating apparatus、method and computer readable recording medium thereof} | |
CA2885858A1 (en) | Image tagging system | |
US10489445B1 (en) | Systems and methods for online matching using visual similarity | |
CN113535991A (zh) | 一种多媒体资源推荐方法、装置、电子设备及存储介质 | |
WO2019183061A1 (en) | Object identification in social media post | |
CN110110124B (zh) | 好友推荐方法、系统、服务器、终端及存储介质 | |
CN110909241B (zh) | 信息推荐方法、用户标识推荐方法、装置及设备 | |
CN106559317B (zh) | 一种基于即时通讯发送账号信息的方法和装置 | |
CN116708853A (zh) | 直播中的互动方法、装置和电子设备 | |
CN110852338A (zh) | 用户画像的构建方法及装置 | |
CN109587035B (zh) | 会话界面的头像展示方法、装置、电子设备及存储介质 | |
CN111753211A (zh) | 交友推荐方法、快递柜及存储介质 |
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 |