CN110457573B - 产品推荐方法、装置、计算机设备及存储介质 - Google Patents

产品推荐方法、装置、计算机设备及存储介质 Download PDF

Info

Publication number
CN110457573B
CN110457573B CN201910601024.5A CN201910601024A CN110457573B CN 110457573 B CN110457573 B CN 110457573B CN 201910601024 A CN201910601024 A CN 201910601024A CN 110457573 B CN110457573 B CN 110457573B
Authority
CN
China
Prior art keywords
social
information
user
determining
recommendation
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
Application number
CN201910601024.5A
Other languages
English (en)
Other versions
CN110457573A (zh
Inventor
代心灵
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ping An Technology Shenzhen Co Ltd
Original Assignee
Ping An Technology Shenzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ping An Technology Shenzhen Co Ltd filed Critical Ping An Technology Shenzhen Co Ltd
Priority to CN201910601024.5A priority Critical patent/CN110457573B/zh
Publication of CN110457573A publication Critical patent/CN110457573A/zh
Priority to PCT/CN2020/093403 priority patent/WO2021000677A1/zh
Application granted granted Critical
Publication of CN110457573B publication Critical patent/CN110457573B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • 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
    • G06Q30/00—Commerce
    • G06Q30/06—Buying, selling or leasing transactions
    • G06Q30/0601—Electronic shopping [e-shopping]
    • G06Q30/0631—Item recommendations
    • 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)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Economics (AREA)
  • Finance (AREA)
  • General Engineering & Computer Science (AREA)
  • Accounting & Taxation (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Strategic Management (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Human Resources & Organizations (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Development Economics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及数据处理，利用社交网络中节点选取实现产品推荐，具体提供了一种产品推荐方法、装置、设备及存储介质，该方法包括：获取用户的社交通讯信息，根据社交通讯信息确定与用户存在关联关系的联系人以及联系人与用户之间的关联程度；根据关联程度确定联系人与用户的层级关系，以联系人为节点根据层级关系生成用户的社交网络；监测社交网络中的节点的交互信息，根据交互信息确定社交网络的中心节点和社交特征；基于社交特征与待推荐产品的推荐信息之间预设的对应关系，根据社交网络的社交特征确定目标推荐信息；将目标推荐信息推送至中心节点，以便中心节点根据目标推荐信息完成待推荐产品的推荐。该方法可以提高产品的推荐效率和准确率。

Description

产品推荐方法、装置、计算机设备及存储介质
技术领域
本申请涉及互联网技术领域，尤其涉及一种产品推荐方法、装置、计算机设备及存储介质。
背景技术
目前，市面上的产品推荐方式多是基于用户的兴趣爱好、职业以及收入等一些基本的特征信息以二分类方式确定潜在用户，再逐个对潜在用户进行相关的产品推荐。这种产品推荐方式只是基于特征信息来确定潜在用户，然后再逐个对潜在用户进行产品推荐，导致产品推荐效率较低，同时产品推荐的覆盖率也较低，可能会错失一些潜在用户。因此如何提高产品推荐效率以及推荐覆盖率成为亟需解决的问题。
发明内容
本申请提供了一种产品推荐方法、装置、计算机设备及存储介质，以提高产品推荐的准确率以及推荐效率。
第一方面，本申请提供了一种产品推荐方法，所述方法包括：
获取用户的社交通讯信息，根据所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间的关联程度；
根据所述关联程度确定所述联系人与所述用户的层级关系，以所述联系人为节点根据所述层级关系生成所述用户的社交网络；
监测所述社交网络中的节点的交互信息，根据所述交互信息确定所述社交网络的中心节点和社交特征；
基于社交特征与待推荐产品的推荐信息之间预设的对应关系，根据所述社交网络的社交特征确定目标推荐信息；
将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品的推荐。
第二方面，本申请还提供了一种产品推荐装置，所述装置包括：
获取确定模块，用于获取用户的社交通讯信息，根据所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间的关联程度；
确定生成模块，用于根据所述关联程度确定所述联系人与所述用户的层级关系，以所述联系人为节点根据所述层级关系生成所述用户的社交网络；
监测确定模块，用于监测所述社交网络中的节点的交互信息，根据所述交互信息确定所述社交网络的中心节点和社交特征；
信息确定模块，用于基于社交特征与待推荐产品的推荐信息之间预设的对应关系，根据所述社交网络的社交特征确定目标推荐信息；
信息推荐模块，用于将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品的推荐。
第三方面，本申请还提供了一种计算机设备，所述计算机设备包括存储器和处理器；所述存储器用于存储计算机程序；所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如上述的产品推荐方法。
第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如上述的产品推荐方法。
本申请公开了一种产品推荐方法、装置、设备及存储介质，在确定向某个用户推荐产品之前，通过社交通讯信息确定相应的联系人以及对应的关联程度；根据关联程度确定所述联系人与所述用户的层级关系生成所述用户的社交网络；利用社交网络中的节点的交互信息确定所述社交网络的中心节点和社交特征，并根据所述社交网络的社交特征确定目标推荐信息；将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品向所述用户推荐。该产品推荐方法利用社交网络以及社交网络的中心节点和社交特征，提高了产品的推荐效率以及准确率。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例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申请的一些实施例，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是本申请的实施例提供的产品推荐方法的应用场景示意图；
图2是本申请的实施例提供的一种产品推荐方法的示意流程图；
图3是图2中的产品推荐方法的子步骤示意流程图；
图4是本申请的实施例提供的另一种产品推荐方法的示意流程图；
图5为本申请的实施例提供的一种产品推荐装置的示意性框图；
图6为本申请的实施例提供的另一种产品推荐装置的示意性框图；
图7为本申请的实施例提供的一种计算机设备的结构示意性框图。
具体实施方式
下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
附图中所示的流程图仅是示例说明，不是必须包括所有的内容和操作/步骤，也不是必须按所描述的顺序执行。例如，有的操作/步骤还可以分解、组合或部分合并，因此实际执行的顺序有可能根据实际情况改变。
本申请的实施例提供了一种产品推荐方法、装置、计算机设备及存储介质。其中，该产品推荐方法可以应用于服务器中，通过该服务器与终端的交互实现向用户推荐产品，以提高产品的推荐效率和准确率。
请参阅图1，图1是本申请的实施例提供的一种产品推荐方法的应用场景示意图，该应用场景包括服务器和终端，终端的数量为多个，包括用户使用的终端以及用户存在关联关系的联系人使用的终端。
其中，该终端可以是手机、平板电脑、笔记本电脑、台式电脑、个人数字助理和穿戴式设备等电子设备。该服务器可以为独立的服务器，也可以为服务器集群。
譬如，服务器用于执行以下步骤：获取用户的社交通讯信息，根据所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间的关联程度；根据所述关联程度确定所述联系人与所述用户的层级关系，以所述联系人为节点根据所述层级关系生成所述用户的社交网络；监测所述社交网络中的节点的交互信息，根据所述交互信息确定所述社交网络的中心节点和社交特征；基于社交特征与待推荐产品的推荐信息之间预设的对应关系，根据所述社交网络的社交特征确定目标推荐信息；将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品的推荐。服务器确定用户的社交网络，确定该社交网络中的中心节点以及社交特征，根据社交特征和中心节点完成产品的推荐，由此提高了产品的推荐效率和准确率。
下面结合附图，对本申请的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
以下将结合附图1中的应用场景对本申请提供的产品推荐方法进行详细介绍。需要说明的是，附图1中的应用场景并不构成对本身申请的产品推荐方法的应用场景构成限定。
请参阅图2，图2是本申请的实施例提供的一种产品推荐方法的示意流程图。如图2所示，该产品推荐方法具体包括步骤S101至S105。
S101、获取用户的社交通讯信息，根据所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间的关联程度。
服务器在确定需要推荐产品的用户后，比如图1中用户A，服务器向用户A使用的终端发送通讯信息获取请求，在用户A通过终端确认后获取用户A的社交通讯信息，并所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间的关联程度。
社交通讯信息是用户在网络上进行社交互动产生的信息数据，具体包括社交来往信息和社交通讯录信息等。也可以是特定的历史时间段内社交互动产生的信息数据，比如过去的一年内或一个月内等。
社交往来信息可以包括互通电话记录、互通短信记录、社交软件上的聊天记录以及社交软件上个人空间动态的互动等不同社交类型的信息数据。
社交通讯录信息包括电话通讯录里的手机联系人信息或社交软件中的好友信息。
当然，在需要进行产品推荐时，也可先从用户数据库中选定一个或者若干用户，对于每个选定的用户，以用户A为例，可以基于用户A的手机号码从运营商处获取用户A的通讯录信息，即用户A中通讯录中联系人的手机号码，以及从用户A的通话记录以及短信记录中获取与用户A存在通话来往以及短信来往等互动的联系人的手机号码、各个互动手机号码的互动次数以及是否互动接受方等通信来往信息，作为社交往来信息。
此外，社交通讯录信息还可以为用户A在特定社交应用中对应的好友列表信息。相应地，社交往来信息可以为用户A在社交应用上与好友列表中的好友聊天次数以及是否为聊天接受方等互动信息，此外，还可以包括用户A利用社交应用在个人空间上的动态上与好友的评论、点赞或转发等互动信息。
在一个实施例中，为了实现精准的产品推荐，所述获取用户的社交通讯信息包括：获取用户的社交通讯录以及获取所述用户与所述社交通讯录中的联系人的社交往来信息，作为所述用户的社交通讯信息；根据所述社交往来信息从所述社交通讯录中确定目标联系人，获取所述目标联系人的目标通讯录以及获取所述目标联系人与所述目标通讯录中的联系人的社交往来信息，作为所述用户的社交通讯信息。
比如，可以先获取用户A的社交通讯录，再获取用户A与所述社交通讯录中的联系人的社交往来信息，同时在社交通讯录中确定与用户A存在社交往来信息的联系人，并将与用户A存在社交往来信息的联系人作为目标联系人，并获取所述目标联系人的目标通讯录以及获取所述目标联系人与所述目标通讯录中的联系人的社交往来信息，比如用户B为与用户A存在社交往来信息的联系人，那么用户B为目标联系人，并获取用户B的通讯录作为目标通讯录；将所述目标联系人与所述目标通讯录中的联系人的社交往来信息也作为用户A的社交通讯信息。由此可以准确快速地确定用户A的社交网络，进而提高了产品推荐的准确率和效率。
根据所述社交通讯信息确定与所述用户存在关联关系的联系人，具体是社交通讯信息中涉及到的用户均可作为与所述用户存在关联关系的联系人，关联程度可以根据社交通讯信息中的社交信息量的大小确定，或者是采用社交频次确定。
在一个实施例中，所述根据所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间关联程度，包括：从所述社交通讯录和目标通讯录中确定发生社交往来信息的联系人为与所述用户存在关联关系的联系人；并在预设时间段内统计确定的联系人的社交往来信息的次数，以计算社交往来频次；根据所述社交往来频次确定所述联系人与所述用户之间的关联程度。
例如，从用户A的社交通讯录或者用户B的目标通讯录中，确定发生社交往来信息的联系人为与所述用户存在关联关系的联系人；并统计预设时间段内统计在社交通讯录或目标通讯录中确定的联系人的社交往来信息的次数，预设时间段比如一周或者一个月等，将统计的次数除以预设时间段得到社交往来频次。根据社交往来频次的大小划分至不同等级范围内，即得到所述联系人与所述用户之间的关联程度。
比如，等级范围包括三个等级范围，分别对应不同的频次范围，由此可以根据表1快速确定所述联系人与所述用户之间的关联程度，表1如下：
表1为等级范围与频次范围对应关系表
等级范围 频次范围(次/周)
等级范围Ⅰ 0-10
等级范围Ⅱ 10-50
等级范围Ⅲ 50以上
在一个实施例中，在每个终端中可以设置一用于采集用户的社交通讯信息的客户端，由该客户端将采集的社交通讯信息上传至用于执行产品推荐方法的服务器中的服务端，服务端获取到社交通讯信息后执行产品推荐方法。在信息上传过程中，可以使用RSA(Rivest Shamir Adleman)及AES(Advanced Encryption Standard)算法对社交通讯信息进行数据加密，比如用户联系人手机号进行数据加密。
其中，所述客户端进行数据加密的步骤包括:1、客户端随机产生AES的密钥；2、对数据中所有用户及联系人社交来往信息以及社交通讯录信息进行AES加密；3、通过RSA算法进一步对AES密钥加密。
经过以上数据加密过程，使得算法操作更安全。具体地，可以由客户端随机生成一个AES密钥，然后进行密钥扩展，其中扩展过程包括：1、将初始密钥(AES密钥)以列为主，转化为4个32bits的字，分别记为w[0…3]；2、按照如下方式，依次求解w[j]，其中j是正整数并且属于[4,43]；3、若j％4＝0,则否则/>
其中，函数g的流程包括：4、将w循环左移一个字节；5、分别对每个字节按S盒进行映射；6、与32bits的轮常量Rcon[j]进行异或。获得扩展密钥后，利用扩展密钥对用户的信息数据进行明文加密，都涉及到四个主要的步骤：字节代替、行移位、列混淆和轮密钥加。字节代替，即将输入状态的每个字节使用S盒上对应的字节进行替换，其中，输入状态是一个4×4的数组，数组内每个元素由输入的明文分组组成，按照列进行排序。S盒是16×16个字节组成的矩阵，行列的索引值分别从0开始，到十六进制的F结束，每个字节的范围为：(00-FF)。进行字节代替的时候，把状态中的每个字节分为高4位和低4位，高4位作为行值，低4位作为列值，以这些行列值作为索引从S盒的对应位置取出元素作为输出。行移位，即状态的第一行保持不变，第二行循环左移一个字节，第三行左移两个字节，第四行循环左移三个字节。列混淆，即将每列中的每个字节映射为一个新值，新值由该列中的4个字节通过函数变换得到。轮密钥加，即将当前分组和扩展密钥的一部分进行按位异或。
在社交通讯信息加密完成后，客户端获取服务端发送的公钥，并利用服务端的公钥对自身的AES密钥进行RSA加密，基于以下加密公式计算密文c即可：
(me)mod n＝c
其中，m为AES密钥明文，(n，e)为服务端的公钥，mod为取模运算。
在获得加密后的社交通讯信息后，使用RSA算法对信息进行数据解密，服务端数据解密步骤有:1、对加密后的AES密钥进行RSA私钥解密，得到密钥全文；2、对加密后的社交通讯信息进行AES解密，得到原始的社交通讯信息，即原始的客户社交往来信息以及社交通讯录信息。具体地，服务端先利用自身的私钥(n，d)基于以下解密解密密钥即可得到AES密钥明文m：
(cd)mod n＝m
在获得AES密钥明文后，利用AES密钥对社交通讯信息密文进行解密，获得社交通讯信息明文，即社交往来信息和社交通讯录信息。在获得用户A各层的社交往来信息和社交通讯录信息后，基于获得的信息构建用户A的社交网络。通过加密可以确保用户的信息的安全，在生成社交网络的同时又提高了用户信息安全。
S102、根据所述关联程度确定所述联系人与所述用户的层级关系，以所述联系人为节点根据所述层级关系生成所述用户的社交网络。
具体地，根据所述关联程度确定所述联系人与所述用户的层级关系，比如联系人a、联系人b均与用户的关联程度较高，则确定联系人a、联系人b与所述用户的层级关系为第一层级关系。若联系人c、联系人d均与用户的关联程度一般，则确定联系人c、联系人d与所述用户的层级关系为第二层级关系；若联系人e、联系人f均与用户的关联程度较低，则确定联系人e、联系人f与所述用户的层级关系为第三层级关系。
其中，关联程度较高、一般和较低比如可以用关联程度为频次范围大小确定。比如，对应的频次范围为0-10次/周，则确定关联程度较低。相应地对应的频次范围为大于50次/周，则确定关联程度较高。
需要说明的是，所述层级关系至少包括两个不同等级的层级，比如上述中的三个层级，当然也可以包括更多的层级；具体属于层级关系可以参照频次对应的方式，或者使用其他方式。
以所述联系人为节点根据所述层级关系生成所述用户的社交网络，具体是指：以每个联系人为节点，根据所述联系人所属的层级关系生成所述用户的关系网络，比如生成用户A的社交网络，该关系网络中记录与用户A存在关联程度的联系人。
在一个实施例中，在以所述联系人为节点根据所述层级关系生成所述用户的社交网络后，还包括：对所述用户的社交网络中每一个联系人，均执行步骤S101和S102，在生成每一个联系人的社交网络。即所述用户的社交网络包括每一个联系人的社交网络。
S103、监测所述社交网络中的节点的交互信息，根据所述交互信息确定所述社交网络的中心节点和社交特征。
服务器监测社交网络中各个节点(联系人)使用终端的交互信息。交互信息包括短信、电话、聊天程序等不同社交类型的社交工具进行交互的社交节点数量、信息量或频次等。聊天程序比如为微信、QQ、微博和支付宝等等。交互信息当然还包括一些互动信息，比如在微博中评论、微信朋友圈里点赞或查看QQ空间等。
根据所述交互信息确定所述社交网络的中心节点和社交特征，具体可以根据交互信息的大小确定中心节点，比如在监测用户A的社交网络中各个节点(联系人)使用终端的交互信息中发现用户H的交互信息最大，则确定该用户H为中心节点；同时统计每种社交类型对应的交互信息的大小，比如社交网络中各个节点分别使用短信、微信、微博和邮件等不同的社交类型进行交互，其中使用微信的交互信息最大，则确定微信对应的社交类型为所述社交网络的社交特征，当然可以采用其他方式，根据每种社交类型的历史推荐效果，对每种社交类型设置不同权重，计算交互信息的大小与对应的权重的乘积，再根据乘积的大小确定哪一个社交类型为社交特征。
此外，还可以在根据所述交互信息确定所述社交网络的中心节点之后，通过确定中心节点的社交类型为所述社交网络的社交特征，其中确定中心节点的社交类型的方式，也可以采用统计每种社交类型对应的交互信息的大小来确定。
在一个实施例中，如图3所示，步骤S103具体包括：子步骤S103a至S103d。
S103a、监测并获取所述社交网络中的节点在每个社交类型下对应发起交互信息和接收交互信息。
其中，所述社交类型为采用不同的通讯应用进行交互对应的类型，通信应用比如微信、QQ、短信、微博或邮箱等等。
监测并获取所述社交网络中的节点在每个社交类型下对应发起交互信息和接收交互信息。其中，发起交互信息是指用户作为发起者进行的社交活动产生的社交信息，比如发起的群聊、发布微博、发布微信朋友圈等等；接收交互信息是指用户作为接收者进行的社交活动产生的社交信息，在浏览微博、浏览微信朋友圈、在微信朋友圈点赞和浏览QQ空间等。
其中，发起交互信息和接收交互信息分别对应不同的距离参数，即可根据发起者和接收者的实际推荐效果，设置不同的距离参数。比如，发起交互信息对应第一距离参数，接收交互信息对应第二距离参数，第一距离参数和第二距离参数不同。
S103b、获取每个所述社交类型对应的第一距离参数和第二距离参数。
其中，所述第一距离参数对应所述节点作为发起者，所述第二距离参数对应所述节点作为接收者。所述第一距离参数、第二距离参数还和社交类型相对应，即不同的社交类型对应的不同的第一距离参数和第二距离参数。比如，社交类型为微信对应的第一距离参数与社交类型为短信对应的第一距离参数不同，第二距离参数类似。
在一个实施例中，所述第一距离参数大于所述第二距离参数，由此突出发起交互信息作用大于接收交互信息的作用。
S103c、根据所述发起交互信息和第一距离参数、所述接收交互信息和第二距离参数计算所述节点在每个社交类型下对应的社交距离。
具体地，根据所述发起交互信息和第一距离参数计算所述节点在每个社交类型下对应的社交距离，以及根据所述接收交互信息和第二距离参数计算所述节点在每个社交类型下对应的社交距离。因此每个用户对应的节点在同一个社交类型下包括两个社交距离，一个社交距离与发起交互信息相对应，一个社交距离与接收交互信息相对应。
S103d、统计所有节点在同一个社交类型下的社交距离之和，选择最大所述社交距离之和对应的社交类型作为社交特征，以及选择在所述社交类型下最大所述社交距离对应的节点作为中心节点。
统计所有节点在同一个社交类型下的社交距离之和。比如，统计社交网络中所有节点在微信对应的社交类型下的社交距离之和，统计社交网络中所有节点在微博对应的社交类型下的社交距离之和，以及统计社交网络中所有节点在短信对应的社交类型下的社交距离之和等等。若微信对应的社交距离之和大于微博和短信对应的社交距离之和，则选择微信对应的社交类型作为社交网络的社交特征。同时在微信对应的社交类型选择最大所述社交距离对应的节点作为中心节点，比如在微信对应的社交类型下节点G的社交距离最大，则选择节点G作为中心节点。
S104、基于社交特征与待推荐产品的推荐信息之间预设的对应关系，根据所述社交网络的社交特征确定目标推荐信息。
在确定所述社交网络的社交特征之后，根据社交特征与待推荐产品的推荐信息之间预设的对应关系，即社交特征与待推荐产品的推荐信息之间预设的映射关系，确定所述社交网络的社交特征对应的目标推荐信息。映射关系如表2所示：
表2为社交特征与待推荐产品的推荐信息之间的映射关系表
社交特征 推荐信息
微信 推荐信息类型Ⅰ
微博 推荐信息类型Ⅱ
短信 推荐信息类型Ⅲ
比如，确定社交特征为微信，根据表2中的映射关系，可以确定所述社交网络的社交特征对应的目标推荐信息为推荐信息类型Ⅰ。
推荐信息包括产品的详细介绍以及购买方式等。不同社交类型对应的推荐信息类型，可以为相同的信息以不同形式展示，当然也可以包括不同的内容以不同的形式展示。
S105、将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品的推荐。
具体地，服务器在确定所述社交网络的中心节点和社交特征，以及社交特征对应的目标推荐信息之后，将所述目标推荐信息推送至所述中心节点对应的终端，以便中心节点根据所述目标推荐信息完成待推荐产品的推荐，比如使用社交特征对应社交类型分享该推荐信息。该产品推荐方法不采用将产品直接推送给用户的方法，而是采用社交网络的由中心节点完成产品推荐，进而提高了产品推荐效率以及覆盖率。
在一个实施例中，所述将所述目标推荐信息推送至所述中心节点之后，还包括：获取所述中心节点推送所述目标推荐信息至所述社交网络其他节点的推荐信息；并在所述社交网络中显示所述推荐信息对应的推荐过程。以便商家可以清晰地看到产品的推荐过程。
上述实施例的产品推荐方法通过社交通讯信息确定相应的联系人以及对应的关联程度；根据关联程度确定所述联系人与所述用户的层级关系生成所述用户的社交网络；利用社交网络中的节点的交互信息确定所述社交网络的中心节点和社交特征，并根据所述社交网络的社交特征确定目标推荐信息；将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品向所述用户推荐。该产品推荐方法利用社交网络以及社交网络的中心节点和社交特征，提高了产品的推荐效率以及准确率。
请参阅图4，图4是本申请的实施例提供的另一种产品推荐方法的示意流程图。如图4所示，该产品推荐方法具体包括步骤S201至S208。
S201、获取用户的社交通讯信息，根据所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间的关联程度。
社交通讯信息是用户在网络上进行社交互动产生的信息数据，具体包括社交来往信息和社交通讯录信息等。也可以是特定的历史时间段内社交互动产生的信息数据，比如过去的一年内或一个月内等。社交往来信息可以包括互通电话记录、互通短信记录、社交软件上的聊天记录以及社交软件上个人空间动态的互动等不同社交类型的信息数据。社交通讯录信息包括电话通讯录里的手机联系人信息或社交软件中的好友信息。
S202、根据所述关联程度确定所述联系人与所述用户的层级关系，以所述联系人为节点根据所述层级关系生成所述用户的社交网络。
比如，用频次范围表示关联程度，频次范围为0-10次/周，则确定关联程度较低；相应地对应的频次范围为大于50次/周，则确定关联程度较高。关联程度较高对应第一层级关系，关联程度较低对应第二层级关系。以所述联系人为节点根据所述层级关系生成所述用户的社交网络，具体是指：以每个联系人为节点，根据所述联系人所属的层级关系生成所述用户的关系网络，比如生成用户A的社交网络，该关系网络中记录与用户A存在关联程度的联系人。
S203、监测所述社交网络中的节点的交互信息并统计所述交互信息的大小，根据所述交互信息的大小确定中心节点。
服务器监测社交网络中各个节点(联系人)使用终端的交互信息。交互信息包括短信、电话、聊天程序等不同社交类型的社交工具进行交互的社交节点数量、信息量或频次等。聊天程序比如为微信、QQ、微博和支付宝等等。交互信息当然还包括一些互动信息，比如在微博中评论、微信朋友圈里点赞或查看QQ空间等。并统计每个节点对应的交互信息的信息量大小，并根据信息量大小确定中心节点，比如选择信息量最大的节点作为中心节点；当然也可以设置一个信息量阈值，将信息量大于该信息量阈值的多个节点作为中心节点。
S204、根据社交类型对所述交互信息进行分类，统计每个所述社交类型对应的交互信息的交互次数。
其中，所述社交类型为采用不同的通讯应用进行交互对应的类型，通信应用比如为微信、QQ、微博和支付宝等。根据社交类型对所述交互信息进行分类，统计每个所述社交类型对应的交互信息的交互次数，交互次数以发起者或接收者进行统计，比如发起者发送出一条信息，则交互次数记录一次。
S205、获取每个所述社交类型对应的预设影响权重，根据每个所述社交类型对应的交互次数和预设影响权重的乘积确定影响力最大的社交类型，将确定的社交类型作为所述社交网络的社交特征。
不同的社交类型对应的预设影响权重，根据历史推荐效果进行设定。比如历史推荐效果较好，则将预设影响权重设置为较大值；历史推荐效果一般，则将预设影响权重设置为较小值。根据每个所述社交类型对应的交互次数和预设影响权重的乘积，确定影响力最大的社交类型，影响力最大是指乘积最大。将影响力最大对应的社交类型作为所述社交网络的社交特征。
S206、基于社交特征与待推荐产品的推荐信息之间预设的对应关系，根据所述社交网络的社交特征确定目标推荐信息。
在确定所述社交网络的社交特征之后，根据社交特征与待推荐产品的推荐信息之间预设的对应关系，即社交特征与待推荐产品的推荐信息之间预设的映射关系，确定所述社交网络的社交特征对应的目标推荐信息。
S207、将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品的推荐。
在确定社交特征对应的目标推荐信息之后，将所述目标推荐信息推送至所述中心节点对应的终端，以便中心节点根据所述目标推荐信息完成待推荐产品的推荐，比如使用社交特征对应社交类型分享该推荐信息。该产品推荐方法不采用将产品直接推送给用户的方法，而是采用社交网络的由中心节点完成产品推荐，进而提高了产品推荐效率以及覆盖率。
S208、统计所述待推荐产品的推荐成功率，根据所述推荐成功率调整所述社交类型对应的预设影响权重。
在所述中心节点根据所述目标推荐信息完成待推荐产品的推荐之后，统计所述待推荐产品的推荐成功率，根据所述推荐成功率调整所述社交类型对应的预设影响权重，进而进一步提高社交特征确定的准确率，进而提高产品推荐的准确率。
上述产品推荐方法通过社交通讯信息确定相应的联系人以及对应的关联程度；根据关联程度确定所述联系人与所述用户的层级关系生成所述用户的社交网络；利用社交网络中的节点的交互信息的大小和交互次数，以及预设影响权重确定所述社交网络的中心节点和社交特征，并根据所述社交网络的社交特征确定目标推荐信息；将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品向所述用户推荐。该产品推荐方法利用社交网络以及社交网络的中心节点和社交特征，提高了产品的推荐效率以及准确率。
请参阅图5，图5是本申请的实施例提供一种产品推荐装置的示意性框图，该产品推荐装置用于执行前述的产品推荐方法。其中，该产品推荐装置可以配置于服务器中。
如图5所示，该产品推荐装置400，包括：获取确定模块401、确定生成模块402、监测确定模块403、信息确定模块404和信息推荐模块405。
获取确定模块401，用于获取用户的社交通讯信息，根据所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间的关联程度。
在一个实施例中，获取确定模块401，具体用于：获取用户的社交通讯录以及获取所述用户与所述社交通讯录中的联系人的社交往来信息，作为所述用户的社交通讯信息；根据所述社交往来信息从所述社交通讯录中确定目标联系人，获取所述目标联系人的目标通讯录以及获取所述目标联系人与所述目标通讯录中的联系人的社交往来信息，作为所述用户的社交通讯信息。
在一个实施例中，获取确定模块401，具体用于：从所述社交通讯录和目标通讯录中确定发生社交往来信息的联系人为与所述用户存在关联关系的联系人；并在预设时间段内统计确定的联系人的社交往来信息的次数，以计算社交往来频次；根据所述社交往来频次确定所述联系人与所述用户之间的关联程度
确定生成模块402，用于根据所述关联程度确定所述联系人与所述用户的层级关系，以所述联系人为节点根据所述层级关系生成所述用户的社交网络。
监测确定模块403，用于监测所述社交网络中的节点的交互信息，根据所述交互信息确定所述社交网络的中心节点和社交特征。
在一个实施例中，监测确定模块403，具体用于：监测并获取所述社交网络中的节点在每个社交类型下对应发起交互信息和接收交互信息，所述社交类型为采用不同的通讯应用进行交互对应的类型；获取每个所述社交类型对应的第一距离参数和第二距离参数，所述第一距离参数对应所述节点作为发起者，所述第二距离参数对应所述节点作为接收者；根据所述发起交互信息和第一距离参数、所述接收交互信息和第二距离参数计算所述节点在每个社交类型下对应的社交距离；统计所有节点在同一个社交类型下的社交距离之和，选择最大所述社交距离之和对应的社交类型作为社交特征，以及选择在所述社交类型下最大所述社交距离对应的节点作为中心节点。在其他实施例中，所述第一距离参数大于所述第二距离参数。
信息确定模块404，用于基于社交特征与待推荐产品的推荐信息之间预设的对应关系，根据所述社交网络的社交特征确定目标推荐信息。
信息推荐模块405，用于将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品的推荐。
请参阅图6，图6是本申请的实施例提供另一种产品推荐装置的示意性框图，该产品推荐装置用于执行前述的产品推荐方法。其中，该产品推荐装置可以配置于服务器中。
如图6所示，该产品推荐装置500，包括：获取确定模块501、确定生成模块502、节点监测模块503、分类统计模块504、类型确定模块505、信息确定模块506、信息推送模块507和统计调整模块508。
获取确定模块501，用于获取用户的社交通讯信息，根据所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间的关联程度。
确定生成模块502，用于根据所述关联程度确定所述联系人与所述用户的层级关系，以所述联系人为节点根据所述层级关系生成所述用户的社交网络。
节点监测模块503，用于监测所述社交网络中的节点的交互信息并统计所述交互信息的大小，根据所述交互信息的大小确定中心节点。
分类统计模块504，用于根据社交类型对所述交互信息进行分类，统计每个所述社交类型对应的交互信息的交互次数。其中，所述社交类型为采用不同的通讯应用进行交互对应的类型。
类型确定模块505，用于获取每个所述社交类型对应的预设影响权重，根据每个所述社交类型对应的交互次数和预设影响权重的乘积确定影响力最大的社交类型，将确定的社交类型作为所述社交网络的社交特征。
信息确定模块506，用于基于社交特征与待推荐产品的推荐信息之间预设的对应关系，根据所述社交网络的社交特征确定目标推荐信息。
信息推送模块507，用于将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品的推荐。
统计调整模块508，用于统计所述待推荐产品的推荐成功率，根据所述推荐成功率调整所述社交类型对应的预设影响权重。
需要说明的是，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的装置和各模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
上述的装置可以实现为一种计算机程序的形式，该计算机程序可以在如图7所示的计算机设备上运行。
请参阅图7，图7是本申请的实施例提供的一种计算机设备的结构示意性框图。该计算机设备可以是终端。
参阅图7，该计算机设备包括通过系统总线连接的处理器、存储器和网络接口，其中，存储器可以包括非易失性存储介质和内存储器。
非易失性存储介质可存储操作系统和计算机程序。该计算机程序包括程序指令，该程序指令被执行时，可使得处理器执行任意一种产品推荐方法。
处理器用于提供计算和控制能力，支撑整个计算机设备的运行。
内存储器为非易失性存储介质中的计算机程序的运行提供环境，该计算机程序被处理器执行时，可使得处理器执行任意一种产品推荐方法。
该网络接口用于进行网络通信，如发送分配的任务等。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
应当理解的是，处理器可以是中央处理单元(Central Processing Unit，CPU)，该处理器还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
其中，在一个实施例中，所述处理器用于运行存储在存储器中的计算机程序，以实现如下步骤：
获取用户的社交通讯信息，根据所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间的关联程度；
根据所述关联程度确定所述联系人与所述用户的层级关系，以所述联系人为节点根据所述层级关系生成所述用户的社交网络；监测所述社交网络中的节点的交互信息，根据所述交互信息确定所述社交网络的中心节点和社交特征；基于社交特征与待推荐产品的推荐信息之间预设的对应关系，根据所述社交网络的社交特征确定目标推荐信息；将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品的推荐。
在一个实施例中，所述处理器在实现所述获取用户的社交通讯信息时，用于实现：
获取用户的社交通讯录以及获取所述用户与所述社交通讯录中的联系人的社交往来信息，作为所述用户的社交通讯信息；根据所述社交往来信息从所述社交通讯录中确定目标联系人，获取所述目标联系人的目标通讯录以及获取所述目标联系人与所述目标通讯录中的联系人的社交往来信息，作为所述用户的社交通讯信息。
在一个实施例中，所述处理器在实现根据所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间关联程度时，用于实现：
从所述社交通讯录和目标通讯录中确定发生社交往来信息的联系人为与所述用户存在关联关系的联系人；并在预设时间段内统计确定的联系人的社交往来信息的次数，以计算社交往来频次；根据所述社交往来频次确定所述联系人与所述用户之间的关联程度。
在一个实施例中，所述处理器在实现所述监测所述社交网络中的节点的交互信息，根据所述交互信息确定所述社交网络的中心节点和社交特征时，用于实现：
监测所述社交网络中的节点的交互信息并统计所述交互信息的大小，根据所述交互信息的大小确定中心节点；根据社交类型对所述交互信息进行分类，统计每个所述社交类型对应的交互信息的交互次数，所述社交类型为采用不同的通讯应用进行交互对应的类型；获取每个所述社交类型对应的预设影响权重，根据每个所述社交类型对应的交互次数和预设影响权重的乘积确定影响力最大的社交类型，将确定的社交类型作为所述社交网络的社交特征。
在一个实施例中，所述处理器在实现所述将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品的推荐之后之后，还用于实现：
统计所述待推荐产品的推荐成功率，根据所述推荐成功率调整所述社交类型对应的预设影响权重。
在一个实施例中，所述处理器在实现所述监测所述社交网络中的节点的交互信息，根据所述交互信息确定所述社交网络的中心节点和社交特征时，用于实现：
监测并获取所述社交网络中的节点在每个社交类型下对应发起交互信息和接收交互信息，所述社交类型为采用不同的通讯应用进行交互对应的类型；获取每个所述社交类型对应的第一距离参数和第二距离参数，所述第一距离参数对应所述节点作为发起者，所述第二距离参数对应所述节点作为接收者；根据所述发起交互信息和第一距离参数、所述接收交互信息和第二距离参数计算所述节点在每个社交类型下对应的社交距离；统计所有节点在同一个社交类型下的社交距离之和，选择最大所述社交距离之和对应的社交类型作为社交特征，以及选择在所述社交类型下最大所述社交距离对应的节点作为中心节点。
在一个实施例中，所述第一距离参数大于所述第二距离参数。
本申请的实施例中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存储有计算机程序，所述计算机程序中包括程序指令，所述处理器执行所述程序指令，实现本申请实施例提供的任一项产品推荐方法。
其中，所述计算机可读存储介质可以是前述实施例所述的计算机设备的内部存储单元，例如所述计算机设备的硬盘或内存。所述计算机可读存储介质也可以是所述计算机设备的外部存储设备，例如所述计算机设备上配备的插接式硬盘，智能存储卡(SmartMedia Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。
以上所述，仅为本申请的具体实施方式，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，可轻易想到各种等效的修改或替换，这些修改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权利要求的保护范围为准。

Claims (8)

1.一种产品推荐方法，其特征在于，包括：
获取用户的社交通讯信息，根据所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间的关联程度，其中所述关联程度是根据所述社交通讯信息中的社交信息量的大小确定，或者是社交频次确定；
根据所述关联程度确定所述联系人与所述用户的层级关系，以所述联系人为节点根据所述层级关系生成所述用户的社交网络；
监测所述社交网络中的节点的交互信息，根据所述交互信息确定所述社交网络的中心节点和社交特征，其中所述交互信息包括每个社交类型下对应发起交互信息和接收交互信息，所述发起交互信息和所述接收交互信息分别对应不同的距离参数；
基于社交特征与待推荐产品的推荐信息之间预设的对应关系，根据所述社交网络的社交特征确定目标推荐信息；
将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品的推荐；
其中，所述监测所述社交网络中的节点的交互信息，根据所述交互信息确定所述社交网络的中心节点和社交特征，包括：
监测并获取所述社交网络中的节点在每个社交类型下对应发起交互信息和接收交互信息，所述社交类型为采用不同的通讯应用进行交互对应的类型；
获取每个所述社交类型对应的第一距离参数和第二距离参数，所述第一距离参数对应所述节点作为发起者，所述第二距离参数对应所述节点作为接收者，所述第一距离参数大于所述第二距离参数；
根据所述发起交互信息和第一距离参数、所述接收交互信息和第二距离参数计算所述节点在每个社交类型下对应的社交距离；
统计所有节点在同一个社交类型下的社交距离之和，选择最大所述社交距离之和对应的社交类型作为社交特征，以及选择在所述社交类型下最大所述社交距离对应的节点作为中心节点。
2.根据权利要求1所述的产品推荐方法，其特征在于，所述获取用户的社交通讯信息，包括：
获取用户的社交通讯录以及获取所述用户与所述社交通讯录中的联系人的社交往来信息，作为所述用户的社交通讯信息；
根据所述社交往来信息从所述社交通讯录中确定目标联系人，获取所述目标联系人的目标通讯录以及获取所述目标联系人与所述目标通讯录中的联系人的社交往来信息，作为所述用户的社交通讯信息。
3.根据权利要求2所述的产品推荐方法，其特征在于，根据所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间关联程度，包括：
从所述社交通讯录和目标通讯录中确定发生社交往来信息的联系人为与所述用户存在关联关系的联系人；
并在预设时间段内统计确定的联系人的社交往来信息的次数，以计算社交往来频次；
根据所述社交往来频次确定所述联系人与所述用户之间的关联程度。
4.根据权利要求1至3任一项所述的产品推荐方法，其特征在于，所述监测所述社交网络中的节点的交互信息，根据所述交互信息确定所述社交网络的中心节点和社交特征，包括：
监测所述社交网络中的节点的交互信息并统计所述交互信息的大小，根据所述交互信息的大小确定中心节点；
根据社交类型对所述交互信息进行分类，统计每个所述社交类型对应的交互信息的交互次数，所述社交类型为采用不同的通讯应用进行交互对应的类型；
获取每个所述社交类型对应的预设影响权重，根据每个所述社交类型对应的交互次数和预设影响权重的乘积确定影响力最大的社交类型，将确定的社交类型作为所述社交网络的社交特征。
5.根据权利要求4所述的产品推荐方法，其特征在于，所述将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品的推荐之后，还包括：
统计所述待推荐产品的推荐成功率，根据所述推荐成功率调整所述社交类型对应的预设影响权重。
6.一种产品推荐装置，其特征在于，包括：
获取确定模块，用于获取用户的社交通讯信息，根据所述社交通讯信息确定与所述用户存在关联关系的联系人以及所述联系人与所述用户之间的关联程度，其中所述关联程度是根据所述社交通讯信息中的社交信息量的大小确定，或者是社交频次确定；
确定生成模块，用于根据所述关联程度确定所述联系人与所述用户的层级关系，以所述联系人为节点根据所述层级关系生成所述用户的社交网络；
监测确定模块，用于监测所述社交网络中的节点的交互信息，根据所述交互信息确定所述社交网络的中心节点和社交特征，其中所述交互信息包括每个社交类型下对应发起交互信息和接收交互信息，所述发起交互信息和所述接收交互信息分别对应不同的距离参数；
信息确定模块，用于基于社交特征与待推荐产品的推荐信息之间预设的对应关系，根据所述社交网络的社交特征确定目标推荐信息；
信息推荐模块，用于将所述目标推荐信息推送至所述中心节点，以便所述中心节点根据所述目标推荐信息完成待推荐产品的推荐；
其中，所述监测所述社交网络中的节点的交互信息，根据所述交互信息确定所述社交网络的中心节点和社交特征，包括：
监测并获取所述社交网络中的节点在每个社交类型下对应发起交互信息和接收交互信息，所述社交类型为采用不同的通讯应用进行交互对应的类型；
获取每个所述社交类型对应的第一距离参数和第二距离参数，所述第一距离参数对应所述节点作为发起者，所述第二距离参数对应所述节点作为接收者，所述第一距离参数大于所述第二距离参数；
根据所述发起交互信息和第一距离参数、所述接收交互信息和第二距离参数计算所述节点在每个社交类型下对应的社交距离；
统计所有节点在同一个社交类型下的社交距离之和，选择最大所述社交距离之和对应的社交类型作为社交特征，以及选择在所述社交类型下最大所述社交距离对应的节点作为中心节点。
7.一种计算机设备，其特征在于，所述计算机设备包括存储器和处理器；
所述存储器用于存储计算机程序；
所述处理器，用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1至5中任一项所述的产品推荐方法。
8.一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存储有计算机程序，所述计算机程序被处理器执行时使所述处理器实现如权利要求1至5中任一项所述的产品推荐方法。
CN201910601024.5A 2019-07-04 2019-07-04 产品推荐方法、装置、计算机设备及存储介质 Active CN110457573B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201910601024.5A CN110457573B (zh) 2019-07-04 2019-07-04 产品推荐方法、装置、计算机设备及存储介质
PCT/CN2020/093403 WO2021000677A1 (zh) 2019-07-04 2020-05-29 产品推荐方法、装置、计算机设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910601024.5A CN110457573B (zh) 2019-07-04 2019-07-04 产品推荐方法、装置、计算机设备及存储介质

Publications (2)

Publication Number Publication Date
CN110457573A CN110457573A (zh) 2019-11-15
CN110457573B true CN110457573B (zh) 2024-05-07

Family

ID=68482250

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910601024.5A Active CN110457573B (zh) 2019-07-04 2019-07-04 产品推荐方法、装置、计算机设备及存储介质

Country Status (2)

Country Link
CN (1) CN110457573B (zh)
WO (1) WO2021000677A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110457573B (zh) * 2019-07-04 2024-05-07 平安科技（深圳）有限公司 产品推荐方法、装置、计算机设备及存储介质
CN111079027B (zh) * 2019-11-29 2023-03-31 东软集团股份有限公司 用户推荐方法、装置、可读存储介质及电子设备
CN111092804B (zh) * 2019-12-05 2022-03-08 腾讯科技（深圳）有限公司 信息推荐方法、信息推荐装置、电子设备和存储介质
CN111192153B (zh) * 2019-12-19 2023-08-29 浙江大搜车软件技术有限公司 人群关系网络构建方法、装置、计算机设备和存储介质
CN111294389A (zh) * 2020-01-16 2020-06-16 维沃移动通信有限公司 信息推送方法及电子设备
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
CN111475737B (zh) * 2020-03-23 2023-08-18 平安直通咨询有限公司 用户推荐方法、装置、电子设备、存储介质
CN112100400B (zh) * 2020-09-14 2024-06-04 京东方科技集团股份有限公司 基于知识图谱的节点推荐方法及装置
CN112115367B (zh) * 2020-09-28 2024-04-02 北京百度网讯科技有限公司 基于融合关系网络的信息推荐方法、装置、设备和介质
CN112464110B (zh) * 2020-12-15 2023-04-28 上海云鱼智能科技有限公司 在具有社交功能的应用中进行人脉推广的方法、装置、服务器、客户端、终端及其存储介质
CN112667897A (zh) * 2020-12-29 2021-04-16 上海掌门科技有限公司 信息推送方法、设备以及存储介质
CN112948668B (zh) * 2021-02-04 2023-03-03 深圳大学 一种信息推荐方法、电子设备及存储介质
CN113486237B (zh) * 2021-06-07 2023-06-27 海南太美航空股份有限公司 一种航班信息的推荐方法、系统、存储介质和电子设备
CN115563404A (zh) * 2022-11-09 2023-01-03 华控清交信息科技(北京)有限公司 一种数据产品推荐方法、装置及数据社交网络系统

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102510551A (zh) * 2011-09-30 2012-06-20 奇智软件（北京）有限公司 一种移动通讯工具中好友自动推荐的方法及装置
CN102594905A (zh) * 2012-03-07 2012-07-18 南京邮电大学 一种基于场景的社交网络位置兴趣点推荐方法
CN102843602A (zh) * 2011-06-22 2012-12-26 宏碁股份有限公司 电视系统及其节目推荐清单的提供方法
CN104202319A (zh) * 2014-08-28 2014-12-10 北京淘友天下科技发展有限公司 一种社交关系推荐方法及装置
CN107220899A (zh) * 2016-03-21 2017-09-29 阿里巴巴集团控股有限公司 社交网络构建、信息推荐方法、装置及服务器
CN107909428A (zh) * 2017-11-01 2018-04-13 平安科技（深圳）有限公司 电子装置、产品推荐方法和计算机可读存储介质
CN109062945A (zh) * 2018-06-21 2018-12-21 北京三快在线科技有限公司 一种社交网络的信息推荐方法、装置及系统

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103428164B (zh) * 2012-05-15 2015-07-01 腾讯科技（深圳）有限公司 用户社交网络关系圈划分方法和系统
CN106294500B (zh) * 2015-06-09 2020-04-24 深圳市腾讯计算机系统有限公司 内容项目的推送方法、装置及系统
US10846350B2 (en) * 2016-10-18 2020-11-24 Facebook, Inc. Systems and methods for providing service directory predictive search recommendations
JP6565886B2 (ja) * 2016-12-07 2019-08-28 トヨタ自動車株式会社 情報提供装置及び情報提供プログラム
CN109428928B (zh) * 2017-08-31 2021-01-05 腾讯科技（深圳）有限公司 信息推送对象的选择方法、装置及设备
CN109067636A (zh) * 2018-06-05 2018-12-21 网易无尾熊（杭州）科技有限公司 一种基于社交网络的信息推送装置方法、装置、介质和计算设备
CN110457573B (zh) * 2019-07-04 2024-05-07 平安科技（深圳）有限公司 产品推荐方法、装置、计算机设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102843602A (zh) * 2011-06-22 2012-12-26 宏碁股份有限公司 电视系统及其节目推荐清单的提供方法
CN102510551A (zh) * 2011-09-30 2012-06-20 奇智软件（北京）有限公司 一种移动通讯工具中好友自动推荐的方法及装置
CN102594905A (zh) * 2012-03-07 2012-07-18 南京邮电大学 一种基于场景的社交网络位置兴趣点推荐方法
CN104202319A (zh) * 2014-08-28 2014-12-10 北京淘友天下科技发展有限公司 一种社交关系推荐方法及装置
CN107220899A (zh) * 2016-03-21 2017-09-29 阿里巴巴集团控股有限公司 社交网络构建、信息推荐方法、装置及服务器
CN107909428A (zh) * 2017-11-01 2018-04-13 平安科技（深圳）有限公司 电子装置、产品推荐方法和计算机可读存储介质
CN109062945A (zh) * 2018-06-21 2018-12-21 北京三快在线科技有限公司 一种社交网络的信息推荐方法、装置及系统

Also Published As

Publication number Publication date
CN110457573A (zh) 2019-11-15
WO2021000677A1 (zh) 2021-01-07

Similar Documents

Publication Publication Date Title
CN110457573B (zh) 产品推荐方法、装置、计算机设备及存储介质
CN110521172B (zh) 用于处理短暂内容消息的方法和系统
US11658952B1 (en) Methods and systems for transmitting anonymized information
WO2018184407A1 (zh) 一种具有隐私保护的K-means聚类方法及系统
CN110089071B (zh) 安全的分布式数据处理
CN116049626A (zh) 一种数据统计方法、装置、设备以及存储介质
KR20130064701A (ko) 프라이버시―보존 협력 필터링
CN103731258A (zh) 生成密钥的方法及设备
EP3220570A1 (en) Fault-tolerant aggregation of encrypted data in a star network
CN112100679B (zh) 基于隐私保护的数据处理方法、装置和服务器
WO2020019833A1 (zh) 隐私数据的上报方法、装置与存储介质
EP3364330B1 (en) Methods and systems for processing an ephemeral content message
JP2004032209A (ja) 情報配信システム、そのサーバ及び情報処理装置並びにプログラム
WO2022213965A1 (zh) 用于控制带宽的多方联合数据处理方法及装置
WO2023098294A1 (zh) 异构数据处理方法、装置及电子设备
US20180089051A1 (en) Monitoring application operations using user interaction times
CN112165383B (zh) 基于共享根密钥的加密方法、装置、设备及介质
EP3376706B1 (en) Method and system for privacy-preserving order statistics in a star network
CN111934854A (zh) 数据确定方法和装置、存储介质及电子装置
CN113645022B (zh) 一种确定隐私集合交集方法、装置、电子设备及存储介质
CN112468285B (zh) 基于隐私保护的数据处理方法、装置和服务器
Morales-Sandoval et al. A secure scheme for storage, retrieval, and sharing of digital documents in cloud computing using attribute-based encryption on mobile devices
Sathyanarayana et al. Random binary and non-binary sequences derived from random sequence of points on cyclic elliptic curve over finite field GF (2 m) and their properties
CN112100637A (zh) 基于修正量的加密方法、装置、设备及介质
Zia Ullah Bashir et al. Cryptanalysis and improvement of a blind multi-document signcryption scheme

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