CN110909225A - 社交群组确定方法、装置、设备及计算机存储介质 - Google Patents
社交群组确定方法、装置、设备及计算机存储介质 Download PDFInfo
- Publication number
- CN110909225A CN110909225A CN201911206729.3A CN201911206729A CN110909225A CN 110909225 A CN110909225 A CN 110909225A CN 201911206729 A CN201911206729 A CN 201911206729A CN 110909225 A CN110909225 A CN 110909225A
- Authority
- CN
- China
- Prior art keywords
- users
- cluster
- clusters
- target user
- user
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 65
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 38
- 230000000875 corresponding effect Effects 0.000 claims description 42
- 230000002596 correlated effect Effects 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 5
- 238000004891 communication Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 13
- 230000008859 change Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/906—Clustering; Classification
-
- 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
- G06F16/907—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/909—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- 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
- G06F16/9537—Spatial or temporal dependent retrieval, e.g. spatiotemporal queries
-
- 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)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Library & Information Science (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开公开了一种社交群组确定方法、装置、设备及计算机存储介质，属于通讯社交领域。所述方法包括：获取用户位置集合，用户位置集合记录有多个用户的位置，通过聚类算法根据多个用户的位置，将多个用户划分为多个聚类，建立与多个聚类一一对应的多个社交群组，每个社交群组包括对应的聚类中的用户，在接收到目标用户提供的当前位置时，根据当前位置以及用户位置集合中多个用户的位置，确定目标用户的当前位置与每个聚类的距离，根据目标用户的当前位置与每个聚类的距离，将目标用户划分至多个聚类中的目标聚类对应的社交群组。本公开解决了相关技术中社交群组确定方法灵活性较差的问题。达到了提高社交群组确定方法灵活性的效果。
Description
技术领域
本公开涉及通讯社交领域，特别涉及一种社交群组确定方法、装置、设备及计算机存储介质。
背景技术
目前，用户能够在社交软件提供的群组中与同一群组中的其他用户聊天社交。
相关技术中一种社交群组确定方法根据行政区域划分群组，社交软件根据固定的行政区域，将同一行政区域的用户划分至同一群组，同一群组中的用户能够聊天社交。
但是，这种社交群组确定方法的灵活性较差。
发明内容
本公开实施例提供了一种社交群组确定方法、装置、设备及计算机存储介质，能够解决相关技术中社交群组确定方法的灵活性较差的问题。所述技术方案包括：
根据本公开的第一方面，提供了一种社交群组确定方法，所述社交群组确定方法包括：
获取用户位置集合，所述用户位置集合记录有多个用户的位置；
通过聚类算法根据所述多个用户的位置，将所述多个用户划分为多个聚类；
建立与所述多个聚类一一对应的多个社交群组，每个所述社交群组包括对应的聚类中的用户；
在接收到目标用户提供的当前位置时，根据所述当前位置以及所述用户位置集合中多个用户的位置，确定所述目标用户的当前位置与每个所述聚类的距离；
根据所述目标用户的当前位置与每个所述聚类的距离，将所述目标用户划分至多个聚类中的目标聚类对应的社交群组。
可选的，每个所述聚类中均具有聚类中心，所述聚类中心的位置为每个所述聚类中的一个用户的位置，
所述在接收到目标用户提供的当前位置时，根据所述当前位置以及所述用户位置集合中多个用户的位置，确定所述目标用户的当前位置与每个所述聚类的距离，包括：
在接收到目标用户提供的当前位置时，获取所述目标用户的当前位置与所述多个聚类中每个聚类的聚类中心的距离；
所述根据所述目标用户的当前位置与每个所述聚类的距离，将所述目标用户划分至多个聚类中的目标聚类对应的社交群组，包括：
将所述目标用户划分至与所述当前位置距离最近的聚类中心所属的所述目标聚类以及所述目标聚类对应的社交群组中。
可选的，所述通过聚类算法根据所述多个用户的位置，将所述多个用户划分为多个聚类，包括：
根据所述多个用户的数量以及密度确定聚类中心的数量k，k为大于或等于2的整数；
通过所述聚类算法将所述多个用户划分为k个聚类。
可选的，所述聚类中心的数量与所述多个用户的数量正相关，与所述密度正相关。
可选的，所述根据所述目标用户的当前位置与每个所述聚类的距离，将所述目标用户划分至多个聚类中的目标聚类对应的社交群组之后，所述方法还包括：
通过聚类算法根据所述目标用户的当前位置以及所述多个用户的位置，将所述目标用户以及所述多个用户划分为多个更新聚类；
建立与所述多个更新聚类一一对应的多个更新社交群组，每个所述更新社交群组包括对应的更新聚类中的用户。
可选的，所述通过聚类算法根据所述目标用户的当前位置以及所述多个用户的位置，将所述目标用户以及所述多个用户划分为多个更新聚类，包括：
在指定时间间隔后，通过聚类算法根据所述目标用户的当前位置以及所述多个用户的位置，将所述目标用户以及所述多个用户划分为多个更新聚类。
可选的，所述聚类算法包括K近邻聚类算法或均值漂移聚类算法。
另一方面，提供了一种社交群组确定装置，所述社交群组确定装置包括：
获取模块，用于获取用户位置集合，所述用户位置集合记录有多个用户的位置；
分类模块，用于通过聚类算法根据所述多个用户的位置，将所述多个用户划分为多个聚类；
建立模块，用于建立与所述多个聚类一一对应的多个社交群组，每个所述社交群组包括对应的聚类中的用户；
确定模块，用于在接收到目标用户提供的当前位置时，根据所述当前位置以及所述用户位置集合中多个用户的位置，确定所述目标用户的当前位置与每个所述聚类的距离；
划分模块，用于根据所述目标用户的当前位置与每个所述聚类的距离，将所述目标用户划分至多个聚类中的目标聚类对应的社交群组。
又一方面，提供了一种社交群组确定设备，所述社交群组确定设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如第一方面所述的社交群组确定方法。
再一方面，提供了一种计算机存储介质，所述计算机存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如第一方面所述的社交群组确定方法。
本公开实施例提供的技术方案带来的有益效果至少包括：
本公开提供了一种社交群组确定方法，该方法通过获取多个用户的位置，将多个用户划分为多个聚类，且每个聚类对应一个社交群组，在接收到目标用户提供的当前位置时，确定目标用户提供的当前位置与每个聚类的距离，并根据该距离将目标用户划分至多个聚类中目标聚类对应的社交群组中，该社交群组确定方法会根据用户位置的改变而随之改变，灵活性较高。解决了相关技术中社交群组确定方法灵活性较差的问题。达到了提高社交群组确定方法灵活性的效果。
附图说明
为了更清楚地说明本公开实施例中的技术方案，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，下面描述中的附图仅仅是本公开的一些实施例，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是本公开实施例提供的社交群组确定方法的实施环境的示意图；
图2是本公开实施例提供的一种社交群组确定方法的流程图；
图3是本公开实施例提供的另一种社交群组确定方法的流程图；
图4是某一区域中多个用户的位置的示意图；
图5是根据用户的位置采用聚类算法进行聚类的结果示意图；
图6是目标用户进入如图5所示多个聚类中某一聚类的示意图；
图7是将目标用户划分至与当前位置距离最近的聚类中心所属的目标聚类的示意图；
图8是本公开实施例提供的一种社交群组确定装置的框图；
图9是本公开实施例提供的一种社交群组确定装置的结构示意图。
通过上述附图，已示出本公开明确的实施例，后文中将有更详细的描述。这些附图和文字描述并不是为了通过任何方式限制本公开构思的范围，而是通过参考特定实施例为本领域技术人员说明本公开的概念。
具体实施方式
为使本公开的目的、技术方案和优点更加清楚，下面将结合附图对本公开实施方式作进一步地详细描述。
在一种社交群组确定方法中，社交软件通过获取用户所在的行政区域，将用户划分至其所在行政区域对应的社交群组，在这种社交群组确定方法中，行政区域为固定不变的，同一行政区域的用户被划分至同一社交群组，在社交群组内进行聊天社交。
但是，根据行政区域划分社交群组时，每个社交群组固定对应一个行政区域，导致社交群组确定方法灵活性较差。
本公开实施例提供了一种社交群组确定方法、装置、设备及计算机存储介质。
图1是本公开实施例提供的社交群组确定方法的实施环境的示意图，该实施环境可以包括服务器11以及终端12。
服务器11可以为一个服务器或服务器集群。该服务器11可以提供社交平台。
终端12可以为手机、平板电脑、笔记本电脑、智能可穿戴设备等各种具有对话功能的终端。终端12可以通过有线或无线的方式(图1示出的是以无线的方式进行连接的情况)与服务器连接。用户可以通过终端12登录服务器11提供的社交平台。
图2是本公开实施例示出的一种社交群组确定方法的流程图。该社交群组确定方法可以应用于上述实施环境的服务器中。该社交群组确定方法可以包括：
步骤201，获取用户位置集合，用户位置集合记录有多个用户的位置。
步骤202，通过聚类算法根据多个用户的位置，将多个用户划分为多个聚类。
步骤203，建立与多个聚类一一对应的多个社交群组，每个社交群组包括对应的聚类中的用户。
步骤204，在接收到目标用户提供的当前位置时，根据当前位置以及用户位置集合中多个用户的位置，确定目标用户的当前位置与每个聚类的距离。
步骤205，根据目标用户的当前位置与每个聚类的距离，将目标用户划分至多个聚类中的目标聚类对应的社交群组。
综上所述，本公开实施例提供了一种社交群组确定方法，该方法通过获取多个用户的位置，将多个用户划分为多个聚类，且每个聚类对应一个社交群组，在接收到目标用户提供的当前位置时，确定目标用户提供的当前位置与每个聚类的距离，并根据该距离将目标用户划分至多个聚类中目标聚类对应的社交群组中，该社交群组确定方法会根据用户位置的改变而随之改变，灵活性较高。解决了相关技术中社交群组确定方法灵活性较差的问题。达到了提高社交群组确定方法灵活性的效果。
图3是本公开实施例提供的另一种社交群组确定方法的流程图，该社交群组确定方法可以应用于上述实施环境的服务器中。参考图3可以看出，该社交群组确定方法可以包括：
步骤301，获取用户位置集合，用户位置集合记录有多个用户的位置。
用户位置集合中的多个用户的位置可以包括服务器提供的社交平台上注册的部分或全部用户的位置。这些用户的位置可以是用户通过终端上传的最新位置。当用户在线时，该位置可以为用户的当前位置，当用户离线时，该位置可以为用户最后一次在线时的位置。
步骤302，根据多个用户的数量以及密度确定聚类中心的数量k，k为大于或等于2的整数。
聚类中心是用户位置集合中多个用户的位置中的一个用户的位置，该一个用户可以是按照预定方式确定的用户，也可以是随机选取的一个用户，本公开实施例不进行限定。
聚类中心的数量k与多个用户的数量正相关，与密度正相关。正相关是指用户的数量以及密度的变动方向与聚类中心的数量的变动方向相同，即多个用户的数量和/或密度增加时，聚类中心的数量k也随之增大，多个用户的数量和/或密度减少时，聚类中心的数量k也随之减小。密度是指单位面积内用户的数量。
这样可以在用户数量多和/或用户密度大时，将用户划分在多个社交群组中，可以提高社交群组内用户之间的互动性，可以让同个社交群组内的用户保持在合适的水平，不会出现社交群组内用户较少而导致互动性不强的问题。即用户数量少和/或用户密度小时，k取值小，用户数量多和/或用户密度大时，k取值大，使得后续通过聚类算法将多个用户划分为k个聚类时，每个聚类中的用户数量保持在合适的水平。
根据多个用户的数量以及密度确定聚类中心的数量k，可以避免出现某一社交群组内用户较少而其他社交群组内用户较多的情况，且k的取值可以根据用户的数量以及密度的变动而随之变动，可以提高社交群组的确定方法的灵活性。
步骤303，通过聚类算法将多个用户划分为k个聚类。
其中，每个聚类中均具有聚类中心，聚类中心的位置为每个聚类中的一个用户的位置。
聚类算法可以包括K近邻聚类算法或均值漂移聚类算法。K近邻聚类算法简单直观，易于理解实现，复杂度相对比较低。均值漂移聚类算法算法计算量小，简单易实现,很适合于实时跟踪场合。
示例性的，请参考图4，其为某一区域中多个用户的位置的示意图。其中多个用户包括用户P1、P2······P7、P8，选择其中的P1和P2作为2个聚类中心，每个聚类中心均代表一个聚类，再确定其他每个用户分别与P1以及P2的距离，并以此将其他用户(P3-P8)划分到与其距离最近的聚类中心所代表的聚类中。如图5所示，其为根据用户的位置采用聚类算法进行聚类的结果示意图，其中P1、P3、P4、P5为一个聚类也即是A聚类，P2、P6、P7、P8为另一个聚类也即是B聚类。
步骤304，建立与k个聚类一一对应的k个社交群组，每个社交群组包括对应的聚类中的用户。
在完成聚类的划分之后，服务器可以根据划分结果进行社交群组的建立，每个社交群组包括对应的聚类中的用户，同一社交群组中的用户可以在社交群组内社交。
示例性的，参考图5所示的根据用户的位置采用聚类算法进行聚类的结果，其中P1、P3、P4、P5在A聚类对应的社交群组中，P2、P6、P7、P8在B聚类对应的社交群组中。
步骤301至步骤304为初步划分聚类及聚类对应的社交群组的步骤，后续步骤为目标用户加入划分好的聚类以及对聚类重新划分的步骤。
步骤305，在接收到目标用户提供的当前位置时，获取目标用户的当前位置与k个聚类中每个聚类的聚类中心的距离。
目标用户可以是第一次登录服务器提供的社交平台的用户，也可以是之前在该社交平台上登录过的用户。服务器可以根据目标用户的当前位置与每个聚类的聚类中心的距离作为目标用户的当前位置与每个聚类的距离。
服务器可以采用欧氏距离或曼哈顿距离等计算目标用户的当前位置与每个聚类的聚类中心的距离。
示例性的，请参考图6，图6为目标用户进入如图5所示多个聚类中某一聚类的示意图，其中，P9为目标用户。服务器确定P9与A聚类的聚类中心P1的距离L1以及P9与B聚类的聚类中心P2的距离L2。
步骤306，将目标用户划分至与当前位置距离最近的聚类中心所属的目标聚类以及目标聚类对应的社交群组中。
服务器将获取到的目标用户的当前位置与k个聚类中每个聚类的聚类中心的距离进行比较，将其中距离最短的聚类中心对应的聚类确定为目标聚类，将目标用户划分至目标聚类以及目标聚类对应的社交群组中。
示例性的，请参考图6，目标用户P9与聚类中心P1、P2的距离分别为L1、L2，服务器将L1与L2进行比较，并选出其中较短的距离。若L1代表的距离较短，服务器将聚类中心P1对应的A聚类确定为目标聚类，将目标用户P9划分至A聚类。请参考图7，图7所示为将目标用户划分至与当前位置距离最近的聚类中心所属的目标聚类的示意图。
将目标用户划分至与当前位置距离最近的聚类中心所属的目标聚类以及目标聚类对应的社交群组中，目标用户可以与距离最近的社交群组中的用户进行社交，这样划分更符合目标用户实际生活的场景，避免出现社交群组的划分使目标用户与社交群组内的其他用户距离较远的情况。
步骤307，在指定时间间隔后，通过聚类算法根据目标用户的当前位置以及多个用户的位置，将目标用户以及多个用户划分为多个更新聚类。
在指定时间间隔后，可以根据目标用户的当前位置以及多个用户的位置采用聚类算法划分为多个更新聚类，采用这种方法可以进一步提高社交群组确定方法的灵活性，增加了用户在使用社交软件进入社交群组时的猎奇性。
示例性的，服务器可以每隔48小时，根据目标用户的当前位置以及多个用户的位置采用聚类算法划分为多个更新聚类。
步骤308，建立与多个更新聚类一一对应的多个更新社交群组，每个更新社交群组包括对应的更新聚类中的用户。
建立与多个更新聚类一一对应的多个更新社交群组，在同一更新社交群组内的用户可以进行社交。
综上所述，本公开实施例提供了一种社交群组确定方法，该方法通过获取多个用户的位置，将多个用户划分为多个聚类，且每个聚类对应一个社交群组，在接收到目标用户提供的当前位置时，确定目标用户提供的当前位置与每个聚类的距离，并根据该距离将目标用户划分至多个聚类中目标聚类对应的社交群组中，该社交群组确定方法会根据用户位置的改变而随之改变，灵活性较高。解决了相关技术中社交群组确定方法灵活性较差的问题。达到了提高社交群组确定方法灵活性的效果。
在一个示例性实施例中，先获取用户位置集合，用户位置集合中的多个用户的位置可以包括服务器提供的社交平台上注册的部分或全部用户的位置。之后根据多个用户的数量以及密度确定聚类中心的数量k，并通过K近邻聚类算法将多个用户划分为k个聚类，建立与k个聚类一一对应的k个社交群组，每个社交群组包括对应的聚类中的用户。
在划分完聚类之后，若有目标用户请求加入社交群组时，在接收到目标用户提供的当前位置后，获取目标用户的当前位置与k个聚类中每个聚类的聚类中心的距离，将其中距离最短的聚类中心对应的聚类确定为目标聚类，将目标用户划分至目标聚类以及目标聚类对应的社交群组中。
每隔预定时间段(如一周)，通过聚类算法根据目标用户的当前位置以及多个用户的位置，将目标用户以及多个用户划分为多个更新聚类，建立与多个更新聚类一一对应的多个更新社交群组，每个更新社交群组包括对应的更新聚类中的用户。
图8是本公开实施例提供的一种社交群组确定装置的框图。参考图8可以看出，该社交群组确定装置800可以包括：
获取模块801，用于获取用户位置集合，用户位置集合记录有多个用户的位置；
分类模块802，用于通过聚类算法根据多个用户的位置，将多个用户划分为多个聚类；
建立模块803，用于建立与多个聚类一一对应的多个社交群组，每个社交群组包括对应的聚类中的用户；
确定模块804，用于在接收到目标用户提供的当前位置时，根据当前位置以及用户位置集合中多个用户的位置，确定目标用户的当前位置与每个聚类的距离；
划分模块805，用于根据目标用户的当前位置与每个聚类的距离，将目标用户划分至多个聚类中的目标聚类对应的社交群组。
综上所述，本公开实施例提供了一种社交群组确定装置，该社交群组确定装置通过获取多个用户的位置，将多个用户划分为多个聚类，且每个聚类对应一个社交群组，在接收到目标用户提供的当前位置时，确定目标用户提供的当前位置与每个聚类的距离，并根据该距离将目标用户划分至多个聚类中目标聚类对应的社交群组中，该社交群组确定方法会根据用户位置的改变而随之改变，灵活性较高。解决了相关技术中社交群组确定方法灵活性较差的问题。达到了提高社交群组确定方法灵活性的效果。
请参考图9，其示出了本公开实施例提供的一种社交群组确定装置900的结构示意图，该社交群组确定装置900可以为服务器。示例地，如图9所示，该装置900包括中央处理单元(CPU)901、存储器902，以及连接存储器902和中央处理单元901的系统总线903，存储器902可以包括诸如硬盘或者CD-ROM驱动器之类的计算机可读介质(未示出)。
不失一般性，计算机可读存储介质可以包括计算机存储介质和通信介质。计算机存储介质包括以用于存储诸如计算机可读指令、数据结构、程序模块或其他数据等信息的任何方法或技术实现的易失性和非易失性、可移动和不可移动介质。计算机存储介质包括RAM、ROM、EPROM、EEPROM、闪存或其他固态存储其技术，CD-ROM、DVD或其他光学存储、磁带盒、磁带、磁盘存储或其他磁性存储设备。当然，本领域技术人员可知计算机存储介质不局限于上述几种。
上述存储器902还包括一个或者一个以上的程序，一个或者一个以上程序存储于存储器中，被配置由CPU执行，以实现本公开实施例提供的方法。
本公开实施例还提供了一种非临时性计算机可读存储介质，当存储介质中的指令由服务器的处理器执行时，使得服务器能够执行上述实施例提供的社交群组确定方法。
本公开实施例还提供了一种包含指令的计算机程序产品，当其在服务器上运行时，使得服务器执行上述实施例提供的社交群组确定方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成，也可以通过程序来指令相关的硬件完成，程序可以存储于一种计算机可读存储介质中，上述提到的存储介质可以是只读存储器，磁盘或光盘等。
以上所述仅为本公开的可选实施例，并不用以限制本公开，凡在本公开的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本公开的保护范围之内。
Claims (10)
1.一种社交群组确定方法，其特征在于，所述方法包括：
获取用户位置集合，所述用户位置集合记录有多个用户的位置；
通过聚类算法根据所述多个用户的位置，将所述多个用户划分为多个聚类；
建立与所述多个聚类一一对应的多个社交群组，每个所述社交群组包括对应的聚类中的用户；
在接收到目标用户提供的当前位置时，根据所述当前位置以及所述用户位置集合中多个用户的位置，确定所述目标用户的当前位置与每个所述聚类的距离；
根据所述目标用户的当前位置与每个所述聚类的距离，将所述目标用户划分至多个聚类中的目标聚类对应的社交群组。
2.根据权利要求1所述的方法，其特征在于，每个所述聚类中均具有聚类中心，所述聚类中心的位置为每个所述聚类中的一个用户的位置，
所述在接收到目标用户提供的当前位置时，根据所述当前位置以及所述用户位置集合中多个用户的位置，确定所述目标用户的当前位置与每个所述聚类的距离，包括：
在接收到所述目标用户提供的当前位置时，获取所述目标用户的当前位置与所述多个聚类中每个聚类的聚类中心的距离；
所述根据所述目标用户的当前位置与每个所述聚类的距离，将所述目标用户划分至多个聚类中的目标聚类对应的社交群组，包括：
将所述目标用户划分至与所述当前位置距离最近的聚类中心所属的所述目标聚类以及所述目标聚类对应的社交群组中。
3.根据权利要求1所述方法，其特征在于，所述通过聚类算法根据所述多个用户的位置，将所述多个用户划分为多个聚类，包括：
根据所述多个用户的数量以及密度确定聚类中心的数量k，k为大于或等于2的整数；
通过所述聚类算法将所述多个用户划分为k个聚类。
4.根据权利要求3所述的方法，其特征在于，所述聚类中心的数量与所述多个用户的数量正相关，与所述密度正相关。
5.根据权利要求1所述的方法，其特征在于，所述根据所述目标用户的当前位置与每个所述聚类的距离，将所述目标用户划分至多个聚类中的目标聚类对应的社交群组之后，所述方法还包括：
通过所述聚类算法根据所述目标用户的当前位置以及所述多个用户的位置，将所述目标用户以及所述多个用户划分为多个更新聚类；
建立与所述多个更新聚类一一对应的多个更新社交群组，每个所述更新社交群组包括对应的更新聚类中的用户。
6.根据权利要求5所述的方法，其特征在于，所述通过聚类算法根据所述目标用户的当前位置以及所述多个用户的位置，将所述目标用户以及所述多个用户划分为多个更新聚类，包括：
在指定时间间隔后，通过所述聚类算法根据所述目标用户的当前位置以及所述多个用户的位置，将所述目标用户以及所述多个用户划分为多个更新聚类。
7.根据权利要求1至6任一所述的方法，其特征在于，所述聚类算法包括K近邻聚类算法或均值漂移聚类算法。
8.一种社交群组确定装置，其特征在于，所述社交群组确定装置包括：
获取模块，用于获取用户位置集合，所述用户位置集合记录有多个用户的位置；
分类模块，用于通过聚类算法根据所述多个用户的位置，将所述多个用户划分为多个聚类；
建立模块，用于建立与所述多个聚类一一对应的多个社交群组，每个所述社交群组包括对应的聚类中的用户；
确定模块，用于在接收到目标用户提供的当前位置时，根据所述当前位置以及所述用户位置集合中多个用户的位置，确定所述目标用户的当前位置与每个所述聚类的距离；
划分模块，用于根据所述目标用户的当前位置与每个所述聚类的距离，将所述目标用户划分至多个聚类中的目标聚类对应的社交群组。
9.一种社交群组确定设备，其特征在于，所述社交群组确定设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行以实现如权利要求1至7任一所述的社交群组确定方法。
10.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由处理器加载并执行以实现如权利要求1至7任一所述的社交群组确定方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911206729.3A CN110909225B (zh) | 2019-11-29 | 2019-11-29 | 社交群组确定方法、装置、设备及计算机存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911206729.3A CN110909225B (zh) | 2019-11-29 | 2019-11-29 | 社交群组确定方法、装置、设备及计算机存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110909225A true CN110909225A (zh) | 2020-03-24 |
| CN110909225B CN110909225B (zh) | 2024-02-13 |
Family
ID=69820885
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911206729.3A Active CN110909225B (zh) | 2019-11-29 | 2019-11-29 | 社交群组确定方法、装置、设备及计算机存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110909225B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111611530A (zh) * | 2020-05-20 | 2020-09-01 | 杭州中奥科技有限公司 | 案件与人员关系分析方法、装置及电子设备 |
| CN112182419A (zh) * | 2020-09-11 | 2021-01-05 | 支付宝(杭州)信息技术有限公司 | 基于隐私保护的社群聚类方法及装置 |
| CN113468419A (zh) * | 2021-06-28 | 2021-10-01 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、电子设备和存储介质 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120197723A1 (en) * | 2011-01-28 | 2012-08-02 | Yahoo! Inc. | User-customizable social grouping and advertisement targeting techniques |
| CN104735169A (zh) * | 2015-04-17 | 2015-06-24 | 天天艾米（北京）网络科技有限公司 | 一种居住社区群发现方法 |
| CN108366012A (zh) * | 2018-03-08 | 2018-08-03 | 北京奇艺世纪科技有限公司 | 一种社交关系建立方法、装置及电子设备 |
| CN110493333A (zh) * | 2019-08-15 | 2019-11-22 | 腾讯科技（深圳）有限公司 | 一种目标位置点的确定方法、装置、设备及存储介质 |
-
2019
- 2019-11-29 CN CN201911206729.3A patent/CN110909225B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20120197723A1 (en) * | 2011-01-28 | 2012-08-02 | Yahoo! Inc. | User-customizable social grouping and advertisement targeting techniques |
| CN104735169A (zh) * | 2015-04-17 | 2015-06-24 | 天天艾米（北京）网络科技有限公司 | 一种居住社区群发现方法 |
| CN108366012A (zh) * | 2018-03-08 | 2018-08-03 | 北京奇艺世纪科技有限公司 | 一种社交关系建立方法、装置及电子设备 |
| CN110493333A (zh) * | 2019-08-15 | 2019-11-22 | 腾讯科技（深圳）有限公司 | 一种目标位置点的确定方法、装置、设备及存储介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111611530A (zh) * | 2020-05-20 | 2020-09-01 | 杭州中奥科技有限公司 | 案件与人员关系分析方法、装置及电子设备 |
| CN111611530B (zh) * | 2020-05-20 | 2023-11-17 | 杭州中奥科技有限公司 | 案件与人员关系分析方法、装置及电子设备 |
| CN112182419A (zh) * | 2020-09-11 | 2021-01-05 | 支付宝(杭州)信息技术有限公司 | 基于隐私保护的社群聚类方法及装置 |
| CN113468419A (zh) * | 2021-06-28 | 2021-10-01 | 北京达佳互联信息技术有限公司 | 内容推荐方法、装置、电子设备和存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110909225B (zh) | 2024-02-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110909225B (zh) | 社交群组确定方法、装置、设备及计算机存储介质 | |
| JP6505939B1 (ja) | 充電台の識別方法、装置、ロボット及びコンピュータ読取可能な記憶媒体 | |
| CN108924213B (zh) | 一种服务器的qps控制方法、装置及电子设备 | |
| CN108764951B (zh) | 用户相似度获得方法和装置、设备、存储介质 | |
| CN106055630A (zh) | 日志存储的方法及装置 | |
| US20210279222A1 (en) | Dynamic Buffer Lookahead in Adaptive Streaming Using Machine Learning | |
| CN103647756A (zh) | 一种广告播放方法、服务器、客户端及系统 | |
| CN112202663A (zh) | 消息推送方法、装置、终端及介质 | |
| CN111541684B (zh) | 直播间的信令发送方法、装置、服务器及存储介质 | |
| CN112084017A (zh) | 一种内存管理方法、装置、电子设备及存储介质 | |
| CN114726871B (zh) | 一种数据同步方法、装置和网络系统 | |
| CN105517148A (zh) | 一种定位方法及装置 | |
| CN110909241A (zh) | 信息推荐方法、用户标识推荐方法、装置及设备 | |
| CN110276404A (zh) | 模型训练方法、装置及存储介质 | |
| CN105630493A (zh) | 移动终端调整休眠时间的方法及装置 | |
| CN109561050B (zh) | 一种识别批量账号的方法和装置 | |
| CN113485426B (zh) | 一种无人机集群重构方法、系统、存储介质和电子设备 | |
| CN104980340A (zh) | 服务器的切换方法及装置 | |
| CN116051464A (zh) | 一种车辆充电口定位方法及相关设备 | |
| CN115087042A (zh) | 5g专网数据分流方法、装置、设备及存储介质 | |
| CN114222307A (zh) | 扇区重叠覆盖区域的确定方法、装置和电子设备 | |
| CN112911620A (zh) | 信息处理方法、装置及电子设备和存储介质 | |
| CN112541548A (zh) | 关系网络的生成方法、装置、计算机设备及存储介质 | |
| CN114528183B (zh) | LoRa设备的离线预测方法、装置、设备及可读存储介质 | |
| CN112381163A (zh) | 一种用户聚类方法、装置及设备 |
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 |