CN111046291B - 基于pagerank的用户推荐方法、装置及电子设备 - Google Patents

Abstract

本发明公开了一种基于pagerank的用户推荐方法、装置及电子设备，所述方法包括：构建当前用户的一度关系网和二度关系网；根据所述一度关系网和二度关系网获取一度联系人中成为平台新注册用户的PR值，记为PR1；根据所述一度关系网和二度关系网获取二度联系人中成为平台新注册用户并购买平台产品的PR值，记为PR2；将所述PR1和PR2输入推荐模型中；根据所述推荐模型的输出结果向所述当前用户发送对应的邀约推荐信息。本发明通过分析平台老用户的综合社交传播能力，再根据综合社交传播能力向不同的老用户发送不同的邀约邀约推荐信息，提高老用户的邀约积极性的同时提高了老用户吸纳新用户的成功率，促进产品销售。

Description

基于pagerank的用户推荐方法、装置及电子设备

技术领域

本发明涉及推荐技术领域，具体而言，涉及一种基于pagerank的用户推荐方法、装置、电子设备及计算机可读介质。

背景技术

随着互联网及网络营销技术的发展，出现很多网上购物平台、金融平台和相应的应用程序(Application，APP)，如淘宝网、各大银行的电子银行等。这些平台通过注册会员的方式向用户推荐产品，达到销售产品的目的。其中，通过社交关系吸收新用户的方式被广泛应用，具体通过向平台的老用户发送邀约推荐信息，如邀请一位新用户奖励5元优惠卷的方式鼓励老用户通过社交关系引入新用户。在这种方式中，对所有老用户发放相同的邀约优惠信息，一方面，不足以调动所有的老用户去邀约新用户，另一方面，也未考虑邀约用户的注册成功率以及产品购买率，造成吸纳新用户成功率低下的问题。

发明内容

本发明旨在解决现有技术中吸纳新用户成功率低下的技术问题。

为了解决上述技术问题，本发明第一方面提出一种基于pagerank的用户推荐方法，所述方法包括：

构建当前用户的一度关系网和二度关系网；

根据所述一度关系网和二度关系网获取一度联系人中成为平台新注册用户的PR值，记为PR1；

根据所述一度关系网和二度关系网获取二度联系人中成为平台新注册用户并购买平台产品的PR值，记为PR2；

将所述PR1和PR2输入推荐模型中；

根据所述推荐模型的输出结果向所述当前用户发送对应的邀约推荐信息。

根据本发明的一种优选实施方式，所述构建当前用户的一度关系网包括：

将当前用户通讯录的所有联系人作为一度联系人构建当前用户的一度关系网；其中，当前用户的一度关系网中的每一个结点ui∈U表示为一个一度联系人，当前用户的一度关系网中的每一条有向边rij∈R表示为用户ui到一度联系人uj之间的平台推荐关系。

根据本发明的一种优选实施方式，所述构建当前用户的二度关系网包括：

将当前用户通讯录中成为平台新注册用户的联系人作为二度联系人构建当前用户的二度关系网；其中，当前用户的二度关系网中的每一个结点ui∈U表示为一个二度联系人，当前用户的二度关系网中的每一条有向边rij∈R表示为用户ui到二度联系人uj之间的产品推荐关系。

根据本发明的一种优选实施方式，

其中，PR1代表一度联系人中成为平台新注册用户的概率，pr1为基于业务场景自定义的数值，n1为一度联系人个数，n2为二度联系人个数。

根据本发明的一种优选实施方式，

其中，PR2代表二度联系人中成为平台新注册用户并购买平台产品的概率，pr2为基于业务场景自定义的数值，n1为一度联系人个数，n2为二度联系人个数。

根据本发明的一种优选实施方式，所述根据所述推荐模型的输出结果向当前用户发送对应的邀约推荐信息包括：

创建所述推荐模型的输出结果与所述邀约推荐信息之间的对应关系；

根据所述对应关系确定推荐模型的当前输出结果对应的当前邀约推荐信息；

将所述当前邀约推荐信息发送给当前用户。

为了解决上述技术问题，本发明第二方面提供一种基于pagerank的用户推荐装置，所述装置包括：

构建模块，用于构建当前用户的一度关系网和二度关系网；

计算模块，用于根据所述一度关系网和二度关系网获取一度联系人中成为平台新注册用户的PR值，记为PR1；根据所述一度关系网和二度关系网获取二度联系人中成为平台新注册用户并购买平台产品的PR值，记为PR2；

模型处理模块，用于将所述PR1和PR2输入推荐模型中；

发送模块，用于根据所述推荐模型的输出结果向所述当前用户发送对应的邀约推荐信息。

根据本发明的一种优选实施方式，所述构建模块，具体用于将当前用户通讯录的所有联系人作为一度联系人构建当前用户的一度关系网；其中，当前用户的一度关系网中的每一个结点ui∈U表示为一个一度联系人，当前用户的一度关系网中的每一条有向边rij∈R表示为用户ui到一度联系人uj之间的平台推荐关系。

根据本发明的一种优选实施方式，所述构建模块，还具体用于将当前用户通讯录中成为平台新注册用户的联系人作为二度联系人构建当前用户的二度关系网；其中，当前用户的二度关系网中的每一个结点ui∈U表示为一个二度联系人，当前用户的二度关系网中的每一条有向边rij∈R表示为用户ui到二度联系人uj之间的产品推荐关系。

根据本发明的一种优选实施方式，所述计算模块通过如下公式获取PR1，

其中，PR1代表一度联系人中成为平台新注册用户的概率，pr1为基于业务场景自定义的数值，n1为一度联系人个数，n2为二度联系人个数。

根据本发明的一种优选实施方式，所述计算模块通过如下公式获取PR2，

其中，PR2代表二度联系人中成为平台新注册用户并购买平台产品的概率，pr2为基于业务场景自定义的数值，n1为一度联系人个数，n2为二度联系人个数。

根据本发明的一种优选实施方式，所述发送模块包括：

创建模块，用于创建所述推荐模型的输出结果与所述邀约推荐信息之间的对应关系；

确定模块，用于根据所述对应关系确定推荐模型的当前输出结果对应的当前邀约推荐信息；

子发送模块，应用于将所述当前邀约推荐信息发送给当前用户。

为了解决上述技术问题，本发明第三方面提供一种电子设备，包括：

处理器；以及

存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行上述的方法。

为了解决上述技术问题，本发明第四方面提出一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，当所述一个或多个程序被处理器执行时，实现上述方法。

本发明根据平台老用户的社交联系人构建老用户的一度关系网和二度关系网，获取一度联系人中成为平台新注册用户的PR值，记为PR1，从而确定该用户在平台纳新活动中的社交传播能力，获取二度联系人中成为平台新注册用户并购买平台产品的PR值，记为PR2，从而确定该用户在平台产品销售活动中的社交传播能力，再将所述PR1和PR2输入推荐模型中，根据推荐模型的输出结果确定该用户的综合社交传播能力向该用户发送对应的邀约推荐信息，提高了平台吸纳新用户的成功率。本发明通过分析平台老用户的综合社交传播能力，再根据综合社交传播能力向不同的老用户发送不同的邀约邀约推荐信息，提高老用户的邀约积极性的同时也提高了老用户吸纳新用户的成功率，促进产品销售。

附图说明

为了使本发明所解决的技术问题、采用的技术手段及取得的技术效果更加清楚，下面将参照附图详细描述本发明的具体实施例。但需声明的是，下面描述的附图仅仅是本发明的示例性实施例的附图，对于本领域的技术人员来讲，在不付出创造性劳动的前提下，可以根据这些附图获得其他实施例的附图。

图1是本发明一种基于pagerank的用户推荐方法的流程示意图；

图2是本发明构建用户一度关系网的示意图；

图3是本发明构建用户二度关系网的示意图；

图4是本发明一种基于pagerank的用户推荐装置的结构框架示意图；

图5是根据本发明的一种电子设备的示例性实施例的结构框图；

图6是本发明一个计算机可读介质实施例的示意图。

具体实施方式

现在将参考附图来更加全面地描述本发明的示例性实施例，虽然各示例性实施例能够以多种具体的方式实施，但不应理解为本发明仅限于在此阐述的实施例。相反，提供这些示例性实施例是为了使本发明的内容更加完整，更加便于将发明构思全面地传达给本领域的技术人员。

在符合本发明的技术构思的前提下，在某个特定的实施例中描述的结构、性能、效果或者其他特征可以以任何合适的方式结合到一个或更多其他的实施例中。

在对于具体实施例的介绍过程中，对结构、性能、效果或者其他特征的细节描述是为了使本领域的技术人员对实施例能够充分理解。但是，并不排除本领域技术人员可以在特定情况下，以不含有上述结构、性能、效果或者其他特征的技术方案来实施本发明。

附图中的流程图仅是一种示例性的流程演示，不代表本发明的方案中必须包括流程图中的所有的内容、操作和步骤，也不代表必须按照图中所显示的顺序执行。例如，流程图中有的操作/步骤可以分解，有的操作/步骤可以合并或部分合并，等等，在不脱离本发明的发明主旨的情况下，流程图中显示的执行顺序可以根据实际情况改变。

附图中的框图一般表示的是功能实体，并不一定必然与物理上独立的实体相对应。即，可以采用软件形式来实现这些功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器装置和/或微控制器装置中实现这些功能实体。

各附图中相同的附图标记表示相同或类似的元件、组件或部分，因而下文中可能省略了对相同或类似的元件、组件或部分的重复描述。还应理解，虽然本文中可能使用第一、第二、第三等表示编号的定语来描述各种器件、元件、组件或部分，但是这些器件、元件、组件或部分不应受这些定语的限制。也就是说，这些定语仅是用来将一者与另一者区分。例如，第一器件亦可称为第二器件，但不偏离本发明实质的技术方案。此外，术语“和/或”、“及/或”是指包括所列出项目中的任一个或多个的所有组合。

如图1是本发明提供的一种基于pagerank的用户推荐方法的流程示意图；所述方法包括：

S1、构建当前用户的一度关系网和二度关系网；

本发明中，一度关系网包含当前用户通信录的所有联系人，二度关系网包含当前用户通信录中成为平台新注册用户的所有联系人。显然，在构建当前用户一度关系网和二度关系网之间，需要预先获取当前用户的通讯录联系人(即一度联系人)和当前用户通信录中成为平台新注册用户的联系人(即二度联系人)。本发明中，可以通过平台或APP向用户发送授权信息，通过用户授权的方式来获取当前用户的通讯录联系人，通过将当前用户的通讯录联系人与平台新注册用户信息相对比来获取当前用户通信录中成为平台新注册用户的所有联系人信息。

示例性的，在构建当前用户一度关系网时，将当前用户通讯录的所有联系人作为一度联系人构建当前用户的一度关系网；其中，当前用户的一度关系网中的每一个结点ui∈U表示为一个一度联系人，当前用户的一度关系网中的每一条有向边rij∈R表示为用户ui到一度联系人uj之间的平台推荐关系。如图2所示，当前用户a的通讯录联系人包括用户b、c和d，则在构建用户a的一度关系网时，将用户b、c和d作为用户a的一度联系人，用户b、c和d为用户a的一度关系网中的节点，有向边ab表示用户a向用户b推荐平台，有向边ac表示用户a向用户c推荐平台，有向边ad表示用户a向用户d推荐平台。

示例性的，在构建当前用户的二度关系网时，将当前用户通讯录中成为平台新注册用户的联系人作为二度联系人构建当前用户的二度关系网；其中，当前用户的二度关系网中的每一个结点ui∈U表示为一个二度联系人，当前用户的二度关系网中的每一条有向边rij∈R表示为用户ui到二度联系人uj之间的产品推荐关系。如图3所示，当前用户a的通讯录联系人包括用户b、c和d，其中，用户b和c是平台注册的新用户，则在构建用户a的二度关系网时，将用户b、c作为用户a的二度联系人，用户b、c为用户a的二度关系网中的节点，有向边ab表示用户a向用户b推荐产品，有向边ac表示用户a向用户c推荐产品。

S2、根据所述一度关系网和二度关系网获取一度联系人中成为平台新注册用户的PR值，记为PR1；

本发明中：

其中，PR1代表一度联系人中成为平台新注册用户的概率，pr1为基于业务场景自定义的数值，n1为一度联系人个数，n2为二度联系人个数。例如，当前用户的一度关系网中包含6个一度联系人，二度联系网中包含4个二度联系人，设定pr1＝1，则当前用户的PR1＝1.20833。

S3、根据所述一度关系网和二度关系网获取二度联系人中成为平台新注册用户并购买平台产品的PR值，记为PR2；

本发明中：

其中，PR2代表二度联系人中成为平台新注册用户并购买平台产品的概率，pr2为基于业务场景自定义的数值，n1为一度联系人个数，n2为二度联系人个数。例如，当前用户的一度关系网中包含6个一度联系人，二度联系网中包含4个二度联系人，设定pr2＝1，则当前用户的PR2＝1.29167。

S4、将所述PR1和PR2输入推荐模型中；

本发明中，所述推荐模型可以根据PR1和PR2算出用户的综合社交传播能力，其可以是一个具体的算法模型，也可以是多个模型的组合，将多个模型组合使用，可利用不同模型之间的差异，降低模型不拟合的情况，提高模型的拟合效果，从而提高结果的准确性。

示例性的，可以将XGB模型、标签传播算法模型及DNN模型进行组合形成推荐模型，则所述将所述PR1和PR2输入推荐模型中包括：

S41、将所述PR1和PR2输入XGB模型得到第一数据；

具体的，将PR1和PR2输入XGB模型中，通过XGB模型不断地添加树，不断地进行特征分裂来生长一棵树，每次添加一个树，其实是学习一个新函数，去拟合上次预测的残差。本发明中，通过XGB模型对生成叶子节点，将用户的PR1和PR2进一步扩充，得到第一数据。当训练完成得到k棵树时，根据PR1和PR2的特点，在每棵树中会落到对应的一个叶子节点，每个叶子节点对应一个分数，最后只需要将每棵树对应的分数加起来就是能够表示用户综合社交传播能力的数值。

S42、将所述特征数据输入标签传播算法模型得到第二数据；

其中，标签传播算法是是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建立关系完全图模型，在完全图中，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。本发明通过标签传播算法对PR1和PR2打上标签得到第二数据。

S43、将所述第一数据和所述第二数据合并后输入DNN模型得到潜在用户概率。

其中，第一数据是PR1和PR2通过XGB生成的叶子节点数据，第二数据是通过标签传播算法打上标签的PR1和PR2，本发明中，先通过PR1和PR2查找所述叶子节点数据对应的打上标签的PR1和PR2，再将相对应的叶子节点数据和打上标签的PR1和PR2直接进行拼接，即将打上标签的PR1和PR2直接放入其对应的叶子节点数据中得到合并后的PR1和PR2，再将合并后的PR1和PR2输入DNN模型中。

DNN(Deep Neural Networks，深度神经网络)模型拥有输入层、输出层和一个隐含层。输入的特征数据通过隐含层变换达到输出层，在输出层得到表示用户综合社交传播能力的输出结果。本发明通过DNN模型进一步将XGB模型和标签传播算法模型对用户综合社交传播能力的识别率提高了一个显著的档次，提高预测精度。

S5、根据所述推荐模型的输出结果向所述当前用户发送对应的邀约推荐信息。

本发明中，可以根据推荐模型的输出结果设置不同的邀约推荐信息，达到根据用户综合社交传播能力发送不同邀约推荐信息的目的，从而提高老用户的邀约积极性的同时也提高老用户吸纳新用户的成功率，促进产品销售。则本步骤具体包括：

S51、创建所述推荐模型的输出结果与所述邀约推荐信息之间的对应关系；

其中，邀约推荐信息包含老用户推荐新用户的奖励，如优惠卷、红包等。本发明中，推荐模型输出结果代表用户综合社交传播能力越大，其对应的邀约推荐信息中的奖励越高。

S52、根据所述对应关系确定推荐模型的当前输出结果对应的当前邀约推荐信息；

具体可以在步骤S51创建的对应关系中查找推荐模型的当前输出结果对应的邀约推荐信息，将该邀约推荐信息作为当前邀约推荐信息。

S53、将所述当前邀约推荐信息发送给当前用户。

具体可以通过短信方式进行发送。

图4是本发明一种基于pagerank的用户推荐装置的结构框架示意图，如图4所示，所述装置包括：构建模块41，计算模块42，模型处理模块43和发送模块44；其中：

构建模块41，用于构建当前用户的一度关系网和二度关系网；

计算模块42，用于根据所述一度关系网和二度关系网获取一度联系人中成为平台新注册用户的PR值，记为PR1；根据所述一度关系网和二度关系网获取二度联系人中成为平台新注册用户并购买平台产品的PR值，记为PR2；

模型处理模块43，用于将所述PR1和PR2输入推荐模型中；

发送模块44，用于根据所述推荐模型的输出结果向所述当前用户发送对应的邀约推荐信息。

在一种较佳实施方式中，所述构建模块41，具体用于将当前用户通讯录的所有联系人作为一度联系人构建当前用户的一度关系网；其中，当前用户的一度关系网中的每一个结点ui∈U表示为一个一度联系人，当前用户的一度关系网中的每一条有向边rij∈R表示为用户ui到一度联系人uj之间的平台推荐关系。所述构建模块41，还具体用于将当前用户通讯录中成为平台新注册用户的联系人作为二度联系人构建当前用户的二度关系网；其中，当前用户的二度关系网中的每一个结点ui∈U表示为一个二度联系人，当前用户的二度关系网中的每一条有向边rij∈R表示为用户ui到二度联系人uj之间的产品推荐关系。

所述计算模块42通过如下公式获取PR1，

其中，PR1代表一度联系人中成为平台新注册用户的概率，pr1为基于业务场景自定义的数值，n1为一度联系人个数，n2为二度联系人个数。

所述计算模块42通过如下公式获取PR2，

其中，PR2代表二度联系人中成为平台新注册用户并购买平台产品的概率，pr2为基于业务场景自定义的数值，n1为一度联系人个数，n2为二度联系人个数。

所述发送模块44包括：

创建模块441，用于创建所述推荐模型的输出结果与所述邀约推荐信息之间的对应关系；

确定模块442，用于根据所述对应关系确定推荐模型的当前输出结果对应的当前邀约推荐信息；

子发送模块443，应用于将所述当前邀约推荐信息发送给当前用户。

本领域技术人员可以理解，上述装置实施例中的各模块可以按照描述分布于装置中，也可以进行相应变化，分布于不同于上述实施例的一个或多个装置中。上述实施例的模块可以合并为一个模块，也可以进一步拆分成多个子模块。

下面描述本发明的电子设备实施例，该电子设备可以视为对于上述本发明的方法和装置实施例的实体形式的实施方式。对于本发明电子设备实施例中描述的细节，应视为对于上述方法或装置实施例的补充；对于在本发明电子设备实施例中未披露的细节，可以参照上述方法或装置实施例来实现。

图5是根据本发明的一种电子设备的示例性实施例的结构框图。图5显示的电子设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图5所示，该示例性实施例的电子设备500以通用数据处理设备的形式表现。电子设备500的组件可以包括但不限于：至少一个处理单元510、至少一个存储单元520、连接不同电子设备组件(包括存储单元520和处理单元510)的总线530、显示单元540等。

其中，所述存储单元520存储有计算机可读程序，其可以是源程序或都只读程序的代码。所述程序可以被处理单元510执行，使得所述处理单元510执行本发明各种实施方式的步骤。例如，所述处理单元510可以执行如图1所示的步骤。

所述存储单元520可以包括易失性存储单元形式的可读介质，例如随机存取存储单元(RAM)5201和/或高速缓存存储单元5202，还可以进一步包括只读存储单元(ROM)5203。所述存储单元520还可以包括具有一组(至少一个)程序模块5205的程序/实用工具5204，这样的程序模块5205包括但不限于：操作电子设备、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。

总线530可以为表示几类总线结构中的一种或多种，包括存储单元总线或者存储单元控制器、外围总线、图形加速端口、处理单元或者使用多种总线结构中的任意总线结构的局域总线。

电子设备500也可以与一个或多个外部设备300(例如键盘、显示器、网络设备、蓝牙设备等)通信，使得用户能经由这些外部设备300与该电子设备500交互，和/或使得该电子设备500能与一个或多个其它数据处理设备(例如路由器、调制解调器等等)进行通信。这种通信可以通过输入/输出(I/O)接口550进行，还可以通过网络适配器560与一个或者多个网络(例如局域网(LAN)，广域网(WAN)和/或公共网络，例如因特网)进行。网络适配器560可以通过总线530与电子设备500的其它模块通信。应当明白，尽管图5中未示出，电子设备500中可使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、RAID电子设备、磁带驱动器以及数据备份存储电子设备等。

图6是本发明的一个计算机可读介质实施例的示意图。如图6所示，所述计算机程序可以存储于一个或多个计算机可读介质上。计算机可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以为但不限于电、磁、光、电磁、红外线、或半导体的电子设备、装置或器件，或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括：具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。当所述计算机程序被一个或多个数据处理设备执行时，使得该计算机可读介质能够实现本发明的上述方法，即：构建当前用户的一度关系网和二度关系网；根据所述一度关系网和二度关系网获取一度联系人中成为平台新注册用户的PR值，记为PR1；根据所述一度关系网和二度关系网获取二度联系人中成为平台新注册用户并购买平台产品的PR值，记为PR2；将所述PR1和PR2输入推荐模型中；根据所述推荐模型的输出结果向所述当前用户发送对应的邀约推荐信息。

通过以上的实施方式的描述，本领域的技术人员易于理解，本发明描述的示例性实施例可以通过软件实现，也可以通过软件结合必要的硬件的方式来实现。因此，根据本发明实施方式的技术方案可以以软件产品的形式体现出来，该软件产品可以存储在一个计算机可读的存储介质(可以是CD-ROM，U盘，移动硬盘等)中或网络上，包括若干指令以使得一台数据处理设备(可以是个人计算机、服务器、或者网络设备等)执行根据本发明的上述方法。

所述计算机可读存储介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了可读程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。可读存储介质还可以是可读存储介质以外的任何可读介质，该可读介质可以发送、传播或者传输用于由指令执行电子设备、装置或者器件使用或者与其结合使用的程序。可读存储介质上包含的程序代码可以用任何适当的介质传输，包括但不限于无线、有线、光缆、RF等等，或者上述的任意合适的组合。

可以以一种或多种程序设计语言的任意组合来编写用于执行本发明操作的程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、C++等，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。在涉及远程计算设备的情形中，远程计算设备可以通过任意种类的网络，包括局域网(LAN)或广域网(WAN)，连接到用户计算设备，或者，可以连接到外部计算设备(例如利用因特网服务提供商来通过因特网连接)。

综上所述，本发明可以执行计算机程序的方法、装置、电子设备或计算机可读介质来实现。可以在实践中使用微处理器或者数字信号处理器(DSP)等通用数据处理设备来实现本发明的一些或者全部功能。

以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步详细说明，应理解的是，本发明不与任何特定计算机、虚拟装置或者电子设备固有相关，各种通用装置也可以实现本发明。以上所述仅为本发明的具体实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种基于pagerank的用户推荐方法，其特征在于，所述方法包括：

构建当前用户的一度关系网和二度关系网；一度关系网包含当前用户通信录的所有联系人，二度关系网包含当前用户通信录中成为平台新注册用户的所有联系人；

根据所述一度关系网和二度关系网获取一度联系人中成为平台新注册用户的PR值，记为PR1；

其中，PR1代表一度联系人中成为平台新注册用户的概率，pr1为基于业务场景自定义的数值，n1为一度联系人个数，n2为二度联系人个数；

根据所述一度关系网和二度关系网获取二度联系人中成为平台新注册用户并购买平台产品的PR值，记为PR2；

其中，PR2代表二度联系人中成为平台新注册用户并购买平台产品的概率，pr2为基于业务场景自定义的数值，n1为一度联系人个数，n2为二度联系人个数；

将所述PR1和PR2输入推荐模型中；

根据所述推荐模型的输出结果向所述当前用户发送对应的邀约推荐信息。

2.根据权利要求1所述的方法，其特征在于，所述构建当前用户的一度关系网包括：

将当前用户通讯录的所有联系人作为一度联系人构建当前用户的一度关系网；

其中，当前用户的一度关系网中的每一个结点ui∈U表示为一个一度联系人，当前用户的一度关系网中的每一条有向边rij∈R表示为用户ui到一度联系人uj之间的平台推荐关系。

3.根据权利要求1所述的方法，其特征在于，所述构建当前用户的二度关系网包括：

将当前用户通讯录中成为平台新注册用户的联系人作为二度联系人构建当前用户的二度关系网；

其中，当前用户的二度关系网中的每一个结点ui∈U表示为一个二度联系人，当前用户的二度关系网中的每一条有向边rij∈R表示为用户ui到二度联系人uj之间的产品推荐关系。

4.根据权利要求1-3任一一项所述的方法，其特征在于，所述根据所述推荐模型的输出结果向当前用户发送对应的邀约推荐信息包括：

创建所述推荐模型的输出结果与所述邀约推荐信息之间的对应关系；

根据所述对应关系确定推荐模型的当前输出结果对应的当前邀约推荐信息；

将所述当前邀约推荐信息发送给当前用户。

5.一种基于pagerank的用户推荐装置，其特征在于，所述装置包括：

构建模块，用于构建当前用户的一度关系网和二度关系网；一度关系网包含当前用户通信录的所有联系人，二度关系网包含当前用户通信录中成为平台新注册用户的所有联系人；

计算模块，用于根据所述一度关系网和二度关系网获取一度联系人中成为平台新注册用户的PR值，记为PR1；根据所述一度关系网和二度关系网获取二度联系人中成为平台新注册用户并购买平台产品的PR值，记为PR2；

其中，PR1代表一度联系人中成为平台新注册用户的概率，pr1为基于业务场景自定义的数值，n1为一度联系人个数，n2为二度联系人个数；

其中，PR2代表二度联系人中成为平台新注册用户并购买平台产品的概率，pr2为基于业务场景自定义的数值，n1为一度联系人个数，n2为二度联系人个数；

模型处理模块，用于将所述PR1和PR2输入推荐模型中；

发送模块，用于根据所述推荐模型的输出结果向所述当前用户发送对应的邀约推荐信息。

6.根据权利要求5所述的装置，其特征在于，所述构建模块，具体用于将当前用户通讯录的所有联系人作为一度联系人构建当前用户的一度关系网；

其中，当前用户的一度关系网中的每一个结点ui∈U表示为一个一度联系人，当前用户的一度关系网中的每一条有向边rij∈R表示为用户ui到一度联系人uj之间的平台推荐关系。

7.一种电子设备，包括：

处理器；以及存储计算机可执行指令的存储器，所述计算机可执行指令在被执行时使所述处理器执行根据权利要求1-4中任一项所述的方法。

8.一种计算机可读存储介质，其中，所述计算机可读存储介质存储一个或多个程序，当所述一个或多个程序被处理器执行时，实现权利要求1-4中任一项所述的方法。

Images