CN111581521A - 群组成员的推荐方法、装置、服务器、存储介质及系统 - Google Patents

群组成员的推荐方法、装置、服务器、存储介质及系统 Download PDF

Info

Publication number
CN111581521A
CN111581521A CN202010358274.3A CN202010358274A CN111581521A CN 111581521 A CN111581521 A CN 111581521A CN 202010358274 A CN202010358274 A CN 202010358274A CN 111581521 A CN111581521 A CN 111581521A
Authority
CN
China
Prior art keywords
account
social association
recommendation
social
target 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.)
Pending
Application number
CN202010358274.3A
Other languages
English (en)
Inventor
郭劭泽
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.)
Beijing Dajia Internet Information Technology Co Ltd
Original Assignee
Beijing Dajia Internet Information Technology 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 Beijing Dajia Internet Information Technology Co Ltd filed Critical Beijing Dajia Internet Information Technology Co Ltd
Priority to CN202010358274.3A priority Critical patent/CN111581521A/zh
Publication of CN111581521A publication Critical patent/CN111581521A/zh
Pending legal-status Critical Current

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
    • G06F16/90—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
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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)
  • Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Biomedical Technology (AREA)
  • Marketing (AREA)
  • Economics (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Human Resources & Organizations (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

本公开关于群组成员的推荐方法、装置、服务器、存储介质及系统。该方法包括：响应于目标用户账户实施的群组成员推荐触发操作，获取目标用户账户的社交关联账户集合；对社交关联账户集合中每个社交关联账户，根据社交关联账户的账户属性数据以及目标用户账户的账户属性数据，获取该社交关联账户的推荐指数，其中，该社交关联账户的账户属性数据反映该社交关联账户的身份图像或用户行为，该目标用户账户的账户属性数据反映该目标用户账户的身份画像或用户行为；选取推荐指数符合预设推荐条件的社交关联账户作为目标群组成员，向所述目标用户账户展示，以触发所述目标用户账户与目标群组成员建立群组关系，从而能够解决现有技术中的问题。

Description

群组成员的推荐方法、装置、服务器、存储介质及系统
技术领域
本公开涉及互联网技术领域，尤其涉及群组成员的推荐方法、装置、服务器、存储介质及系统。
背景技术
随着互联网技术的发展，涌现出了越来越多的应用软件供用户进行使用，以满足其工作、娱乐等需求。在这些应用软件中通常会包括关注、订阅或类似的功能，用户(称之为粉丝)可以通过该功能来关注或订阅所感兴趣的其他用户，从而及时获取被关注或订阅的用户(称之为主播)所发布的内容。
在实际应用中，当某个主播的粉丝数量较多时，该主播通常会期望建立社交群组与社交关系较为紧密的粉丝进行群组互动，提高自身影响力。
发明内容
本公开提供群组成员的推荐方法、装置、服务器、存储介质及系统，能够用于向主播进行群组成员的推荐。本公开的技术方案如下：
根据本公开实施例的第一方面，提供一种群组成员的推荐方法，包括：
响应于目标用户账户实施的群组成员推荐触发操作，获取所述目标用户账户的社交关联账户集合；
对所述社交关联账户集合中每个社交关联账户，根据所述社交关联账户的账户属性数据以及所述目标用户账户的账户属性数据，获取所述社交关联账户的推荐指数，其中，所述社交关联账户的账户属性数据反映所述社交关联账户的身份图像或用户行为，所述目标用户账户的账户属性数据反映所述目标用户账户的身份画像或用户行为；
选取推荐指数符合预设推荐条件的社交关联账户作为目标群组成员，向所述目标用户账户展示，以触发所述目标用户账户与目标群组成员建立群组关系。
根据本公开实施例的第二方面，提供一种群组成员的推荐方法，包括：
从客户端接收目标用户账户的推荐指数获取请求；
响应于所述推荐指数获取请求，对所述目标用户账户的社交关联账户集合中每个社交关联账户，根据所述社交关联账户的账户属性数据以及所述目标用户账户的账户属性数据，获取所述社交关联账户的推荐指数，其中，所述社交关联账户的账户属性数据反映所述社交关联账户的身份图像或用户行为，所述目标用户账户的账户属性数据反映所述目标用户账户的身份画像或用户行为；
将社交关联账户集合中的每个社交关联账户的推荐指数发送给客户端，以供客户端根据所述推荐指数对所述目标用户账户进行群组成员推荐。
根据本公开实施例的第三方面，提供一种群组成员的推荐装置，包括：
响应单元，被配置为执行响应于目标用户账户实施的群组成员推荐触发操作，获取所述目标用户账户的社交关联账户集合；
获取单元，被配置为执行对所述社交关联账户集合中每个社交关联账户，根据所述社交关联账户的账户属性数据以及所述目标用户账户的账户属性数据，获取所述社交关联账户的推荐指数，其中，所述社交关联账户的账户属性数据反映所述社交关联账户的身份图像或用户行为，所述目标用户账户的账户属性数据反映所述目标用户账户的身份画像或用户行为；
展示单元，被配置为执行选取推荐指数符合预设推荐条件的社交关联账户作为目标群组成员，向所述目标用户账户展示，以触发所述目标用户账户与目标群组成员建立群组关系。
根据本公开实施例的第四方面，提供一种群组成员的推荐装置，包括：
请求接收单元，被配置为执行从客户端接收目标用户账户的推荐指数获取请求；
请求响应单元，被配置为执行响应于所述推荐指数获取请求，对所述目标用户账户的社交关联账户集合中每个社交关联账户，根据所述社交关联账户的账户属性数据以及所述目标用户账户的账户属性数据，获取所述社交关联账户的推荐指数，其中，所述社交关联账户的账户属性数据反映所述社交关联账户的身份图像或用户行为，所述目标用户账户的账户属性数据反映所述目标用户账户的身份画像或用户行为；
发送单元，被配置为执行将社交关联账户集合中的每个社交关联账户的推荐指数发送给客户端，以供客户端根据所述推荐指数对所述目标用户账户进行群组成员推荐。
根据本公开实施例的第五方面，提供一种客户端，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现本公开实施例所提供的的群组成员的推荐方法。
根据本公开实施例的第六方面，提供一种服务器，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现本公开实施例所提供的群组成员的推荐方法。
根据本公开实施例的第七方面，提供一种群组成员的推荐系统，包括本公开实施例所提供的客户端以及本公开实施例所提供的服务器。
根据本公开实施例的第八方面，提供一种存储介质，当所述存储介质中的指令由服务器的处理器执行时，使得所述服务器能够执行本公开实施例所提供的群组成员的推荐方法；或，当所述存储介质中的指令由客户端的处理器执行时，使得所述客户端能够执行本公开实施例所提供的群组成员的推荐方法。
根据本公开实施例的第九方面，提供一种计算机程序产品，当所述计算机程序产品在计算机上运行时，使得所述计算机执行本公开实施例所提供的群组成员的推荐方法。
本公开的实施例提供的技术方案至少带来以下有益效果：
采用本公开实施例所提供的群组成员的推荐方法，可以响应于目标用户账户实施的群组成员推荐触发操作，获取目标用户账户的社交关联账户集合，然后获取目标用户账户的账户属性数据以及社交关联账户集合中每个社交关联账户的账户属性数据，从而计算出社交关联账户集合中每个社交关联账户的推荐指数，并选取推荐指数符合预设推荐条件的社交关联账户作为目标群组成员向目标用户账户进行展示，以触发目标用户账户与目标群组成员建立群组关系。由于目标用户账户的账户属性数据通常能够反应该目标用户账户的身份画像或用户行为，并且社交关联账户的账户属性数据也能够反映该社交关联账户的身份图像或用户行为，因此基于该目标用户账户的账户属性数据和社交关联账户的账户属性数据所获取的推荐指数，可以反映出该社交关联账户与该目标用户账户进行社交互动的兴趣度，因此通过该方法能够向目标用户账户推荐社交关联账户作为目标群组成员，可以引导目标用户账户将对其具有较高社交互动兴趣度的社交关联账户，加入其发起的群组中，实现高质量的社交群组互动。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的，群组成员的推荐方法的具体流程示意图。
图2是根据另一示例性实施例示出的，群组成员的推荐方法的具体流程示意图。
图3是根据一示例性实施例示出的，群组成员的推荐装置的具体结构示意图。
图4是根据一示例性实施例示出的，另一个群组成员的推荐装置的具体结构示意图。
图5是根据一示例性实施例示出的，另一个群组成员的推荐装置的具体结构示意图。
图6是根据一示例性实施例示出的，另一个群组成员的推荐装置的具体结构示意图。
图7是根据一示例性实施例示出的服务器的具体结构示意图。
图8是根据一示例性实施例示出的群组成员的推荐系统的具体结构示意图。
图9是根据一示例性实施例示出的，基于群组成员的推荐系统的群组成员推荐方法的具体流程示意图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。
如前所述，当某个主播的粉丝数量较多时，为了便于与粉丝之间进行互动，通常需要建立社交群组，从而将部分粉丝添加至社交群组中进行互动。因此，如何从众多粉丝中筛选出一部分粉丝向主播进行群组成员的推荐。
基于此，本公开实施例提供了一种群组成员的推荐方法，能够用于向主播进行群组成员的推荐。如图1所示为该方法的流程示意图，在该图1所示群组成员的推荐方法中，执行主体通常可以为手机、电脑或其他设备上的客户端，目标用户(比如主播)可以在客户端上实施相应的操作以触发群组成员的推荐，该方法的具体步骤如下所示：
步骤S11：响应于目标用户账户实施的群组成员推荐触发操作，获取所述目标用户账户的社交关联账户集合。
这里的目标用户账户通常可以是主播的用户账户，因此后续将目标用户账户简称为主播账户。目标用户账户的社交关联账户集合中包括多个社交关联账户，这些社交关联账户通常关注或订阅该目标用户账户，即社交关联账户为该主播的粉丝的用户账户，因此后续将社交关联账户简称为粉丝账户。
在实际应用中，可以对主播账户的操作行为进行实施检测，判断其是否实施了群组成员推荐的触发操作，比如当某个主播的粉丝数量较多时，需要从粉丝中筛选出部分来建立群组，可以在电脑、手机等终端上实施该群组成员的推荐操作，比如可以针对主播账户，在手机上的直播APP上增设一个群组成员推荐按钮，在主播账户上可以通过该群组成员推荐按钮来触发群组成员的推荐。因此，当判断出主播账户实施了群组成员推荐的触发操作时，响应于该操作，可以获取该主播账户的社交关联账户集合。
步骤S12：获取主播账户的账户属性数据以及社交关联账户集合中每个粉丝账户的账户属性数据。
主播账户的账户属性数据通常能够反映该主播账户的身份画像或用户行为，比如可以为该主播账户的用户行为数据或该主播的主播画像。粉丝账户的账户属性数据通常能够反映该粉丝账户的身份图像或用户行为，比如可以为该粉丝账户的用户行为数据或该粉丝的粉丝画像。
在本步骤S12～后续步骤S14中，可以对主播账户的账户属性数为该主播账户的用户行为数据，并且粉丝账户的账户属性数为该粉丝账户的用户行为数据的情况进行说明。
主播账户的用户行为数据通常可以是主播账户在预设时间段内进行内容发布行为的内容发布行为数据，其能够反应该主播在预设时间段内进行内容发布的频率、次数、时长等的行为数据。其中，根据不同的场景，该内容可以是文章、音视频、直播等，这里对此并不限定。
在实际应用中，主播账户的内容发布行为数据可以为主播账户在预设时间段内进行内容发布的次数，比如主播账户在预设时间段内发布了3篇文章，则该内容发布行为数据为3。内容发布行为数据也可以为该主播账户在预设时间段内进行内容发布的天数，比如主播账户在预设时间段内，有4天进行了视频上传，则该内容发布行为数据为4。在直播的场景下，该内容发布行为数据也可以为主播账户在预设时间段内直播的次数，或主播账户在预设时间段内直播的天数，或主播账户在预设时间段内直播的时长等。
通常粉丝与主播的互动行为或者对主播账户所发布内容的评价的次数、频率、时长等能够反映该粉丝与主播进行社交互动的兴趣度。比如某个粉丝与主播频繁的进行互动或频繁地对主播账户所发布的内容进行评价，可能说明该粉丝与该主播进行社交互动的兴趣度较高。其中，根据不同的场景，这里的互动或评价行为(后续统称为评价行为)可以为点赞、评论、打赏和/或发红包等，也可以为与主播进行互动的其他行为。
因此，粉丝账户的用户行为数据可以为该粉丝账户的评价行为数据，该评价行为数据可以为，在预设时间段内粉丝账户对该主播账户所发布的内容进行打赏、评论和/或点赞的次数。比如，在预设时间段内粉丝账户对主播账户所发布的内容进行了1次打赏、2此评论和4次点赞，则该评价行为数据可以为1(只计算打赏次数)、2(只计算评论次数)、4(只计算点赞次数)、3(打赏加评论次数)、5(打赏加点赞次数)、6(评论加点赞次数)或7(打赏、评论以及点赞总次数)。
粉丝账户与主播账户的评价行为数据也可以为，粉丝账户在预设时间段内对主播账户所发布的内容进行打赏、评论和/或点赞的天数。比如，在预设时间段内，粉丝账户有8天对主播所发布的内容进行了打赏、评论和/或点赞，则该评价行为数据为8。在直播的场景下，该评价行为数据还可以为粉丝账户在预设时间段内对主播账户的直播进行打赏、评论和/或点赞的次数；或，粉丝账户在预设时间段内对主播账户的直播进行打赏、评论和/或点赞的天数；或，粉丝账户在预设时间段内对主播账户的直播进行打赏、评论和/或点赞的时长等。
需要说明的是，上述的预设时间段可以结合实际需要来进行设定，比如其可以为1年、1个季度、30天、10天、20天、1周、1天等，从而获取该预设时间段内主播账户的内容发布行为数据和粉丝账户对该主播的评价行为数据。
比如，获取主播在30天内进行内容发布的天数，以及待评估粉丝在30天对该主播所发布的内容进行打赏、评论和/或点赞的天数。
步骤S13：针对社交关联账户集合中每个粉丝账户，根据粉丝账户的账户属性数据以及主播账户的账户属性数据，获取粉丝账户的推荐指数。
当主播账户的账户属性数据为该主播账户的用户行为数据，并且粉丝账户的账户属性数据为该粉丝账户的用户行为数据时，由于主播账户的用户行为数据通常是主播账户的内容发布行为数据，能够反应该主播账户进行内容发布频率、次数、时长等，并且粉丝账户的用户行为数据可以为该粉丝账户与主播账户的评价行为数据，能够反映粉丝账户与该主播账户互动行为的次数、频率、时长等，因此可以基于主播账户的用户行为数据和粉丝账户的用户行为数据来计算出该粉丝账户的推荐指数，通过该推荐指数能够反映出该粉丝与该该主播进行社交互动的兴趣度。
由于该推荐指数能够反映粉丝与该主播进行社交互动的兴趣度，因此该推荐指数与粉丝账户的用户行为数据(评价行为数据)通常呈现正相关性，即评价行为数据越大时，推荐指数越大；相反，该推荐指数与主播账户的用户行为数据(内容发布行为数据)通常呈现逆相关性，即内容发布行为数据越大时，推荐指数越小。总的来说，该评价行为数据越大，而内容发布行为数据越小，说明主播账户进行内容发布的频率、次数、时长越小，但粉丝账户与该主播账户互动行为的次数、频率、时长越大，反映出粉丝与主播进行社交互动的兴趣度越高，该推荐指数也越大。
因此，当主播账户的账户属性数据为该主播账户的用户行为数据，并且粉丝账户的账户属性数据为该粉丝账户的用户行为数据时，根据粉丝账户的用户行为数据以及主播账户的用户行为数据，获取粉丝账户的推荐指数，一种计算推荐指数的方式为：推荐指数＝P×(粉丝账户的用户行为数据/主播账户的用户行为数据)，其中，P为预设常数，比如可以为100、200或其他值。即，根据粉丝账户的用户行为数据与主播账户的用户行为数据的比值，并将该比值乘以一个预设常数来计算出相应的推荐指数。
比如，该主播账户的用户行为数据为主播账户在30天内进行内容发布的天数，以及粉丝账户的用户行为数据为该粉丝账户在30天对该主播账户所发布的内容进行评论或点赞的天数，并且P为100时，推荐指数＝100×(粉丝账户在30天内对该主播账户所发布的内容进行评论或点赞的天数/主播账户在30天内进行内容发布的天数)。
根据粉丝账户的用户行为数据以及主播账户的用户行为数据，获取粉丝账户的推荐指数，另一种计算推荐指数的方式为：推荐指数＝Y×(粉丝账户的用户行为数据—主播账户的用户行为数据)，其中，Y可以为与X相同或不同的预设常数，比如为100或其他值。即，根据粉丝账户的用户行为数据与主播账户的用户行为数据的差值，并将该差值乘以一个预设常数来计算出相应的推荐指数。
当然，也可以通过其他方式来计算推荐指数，只需要计算结果与粉丝账户的用户行为数据正相关，并且与主播账户的用户行为数据逆相关即可，这里对具体的计算方式并不限定。
步骤S14：选取推荐指数符合预设推荐条件的粉丝账户作为目标群组成员，向主播账户进行展示。
在计算出各个粉丝账户的推荐指数之后，可以选取符合预设推荐条件的粉丝账户作为目标群组成员向主播账户进行展示，比如，选取推荐指数大于第三预设阈值的粉丝账户作为目标群组成员向主播账户进行展示，以触发主播账户与目标群组成员建立群组关系。
采用本公开实施例所提供的群组成员的推荐方法，可以响应于主播账户实施的群组成员推荐触发操作，获取主播账户的社交关联账户集合，然后获取主播账户的账户属性数据以及社交关联账户集合中每个粉丝账户的账户属性数据，从而计算出社交关联账户集合中每个粉丝账户的推荐指数，并选取推荐指数符合预设推荐条件的粉丝账户作为目标群组成员向主播账户进行展示，以触发主播账户与目标群组成员建立群组关系。由于主播账户的账户属性数据通常能够反应该主播账户的身份画像或用户行为，并且粉丝账户的账户属性数据也能够反映该粉丝账户的身份图像或用户行为，因此基于该主播账户的账户属性数据和粉丝账户的账户属性数据所获取的推荐指数，可以反映出该粉丝账户与该主播账户进行社交互动的兴趣度，因此通过该方法能够向主播账户推荐社交关联账户作为目标群组成员，可以引导主播账户将对其具有较高社交互动兴趣度的粉丝账户，加入其发起的群组中，实现高质量的社交群组互动。
基于与图1所示的群组成员的推荐方法相同的发明构思，本公开实施例还可以提供一种群组成员的推荐方法，该推荐方法与图1所示的群组成员的推荐方法的不同之处在于，该推荐方法的执行主体通常可以为服务器，比如主播可以在客户端上实施相应的操作以触发群组成员的推荐，从而对社交关联账户集合中每个社交关联账户，使得客户端向服务器发送推荐指数请求，用于触发服务器根据获取并返回该社交关联账户的推荐指数。此时，服务器首先从客户端接收目标用户账户的推荐指数获取请求，然后响应于该推荐指数获取请求，对目标用户账户的社交关联账户集合中的每个社交关联账户，根据该社交关联账户的账户属性数据以及该目标用户账户的账户属性数据，获取该社交关联账户的推荐指数；然后将社交关联账户集合中的每个社交关联账户的推荐指数发送给客户端，从而供客户端根据该推荐指数对目标用户账户进行群组成员推荐。
显然，由服务器执行的该方法与图1所示的群组成员的推荐方法(主要由客户端执行)基于相同的发明构思，因此也能够解决现有技术中的问题。另外，对于由服务器执行的该方法，如有不清楚之处，也可以参考图1所示的群组成员的推荐方法中的相关内容，这里对此不再赘述。
在实际应用中，一个粉丝账户通常可能会同时关注多个主播账户，从而加入这些主播账户所创建的群组。往往，当一个粉丝加入了多个不同主播账户所创建的群组时，可能会影响该粉丝对单一的某个主播的关注度，进而导致该粉丝与该主播进行社交互动的兴趣度降低。因此，可以基于粉丝所加入的群组数量，以及在这些群组中的活跃度等数据，来计算该粉丝账户的推荐指数衰减值，从而对推荐指数进行修正。
因此本公开实施例所提供的网络用户质量评估方法还可以包括：针对社交关联账户集合中每个粉丝账户，获取粉丝账户所加入的群组数量以及在各群组中的活跃度；然后，根据群组数量以及各活跃度，计算社交关联账户集合中每个粉丝账户的推荐指数衰减值；在计算出每个粉丝账户的推荐指数衰减值之后，针对社交关联账户集合中每个粉丝账户，可以结合粉丝账户的用户行为数据、主播账户的用户行为数据以及该推荐指数衰减值，获取粉丝账户的推荐指数。比如，计算粉丝账户在预设时间段内对主播账户所发布的内容进行打赏、评论和/或点赞的天数，与主播账户的在预设时间段内进行内容发布的天数的比值，然后将该比值乘以100，之后减去相应的推荐指数衰减值，从而计算出粉丝账户的推荐指数。
通过该方法所计算出的推荐指数，由于结合了粉丝账户的其他信息，如所加入的其它群组以及在这些群组之中的活跃度等，从而扣除推荐指数衰减值，从而使得最终所计算出的推荐指数，更加准确地反映出粉丝与主播进行社交互动的兴趣度。
其中，可以通过如下方法来确定粉丝账户在各群组中的活跃度：
可以分别将各群组作为当前群组，然后根据该粉丝账户在当前群组中的互动总时长(比如总天数、总小时数等)，以及该粉丝账户加入当前群组的总时长(比如总天数、总小时数等)，计算该粉丝账户在当前群组中的活跃度。
通常，当粉丝账户在当前群组中的互动总时长越大，而加入当前群组的总时长越小，说明该粉丝账户在当前群组中越活越，即活跃度越大；相反，当该粉丝账户在当前群组中的互动总时长越小，而加入当前群组的总时长越大，说明该粉丝账户在当前群组中越不活越，即活跃度越小。
因此，可以将该互动总时长/加入当前群组的总时长，确定为该粉丝账户在当前群组中的活跃度；或者，也可以将该互动总时长—加入当前群组的总时长，确定为该粉丝账户在当前群组中的活跃度。其中，粉丝账户在当前群组中的互动总时长，可以为粉丝账户在当前群组中进行发言、打赏、发红包、和/或进行他互动方式的总时长。
比如，粉丝账户所加入的其他主播所创建的群组数量为3，可以分别将这3个群组作为当前群组，然后将该粉丝账户在当前群组中的互动总时长/加入当前群组的总时长，计算出该粉丝账户在当前群组中的活跃度，并最终计算出该粉丝账户在这3个群组中分别所对应的活跃度。
在确定出每个粉丝账户所加入的其他主播的群组的群组数量，以及在各群组中的活跃度之后，可以根据群组数量以及各活跃度，计算社交关联账户集合中每个粉丝账户的推荐指数衰减值。通常，当某个粉丝账户的群组数量越多，并且活跃度越大时，说明该粉丝账户在其他主播处越活越，相对应的该推荐指数衰减值越大。因此，可以通过如下公式计算该推荐指数衰减值：
推荐指数衰减值＝a×群组数量+群组平均活跃度/第一预设阈值+b；
即，对社交关联账户集合中每个社交关联账户，可以获取该社交关联账户所加入的各群组的活跃度的平均值(称之为群组平均活跃度)；然后，当各活跃度中的最大活跃度大于第二预设阈值时，根据该社交关联账户的群组数量与预设常数(a)的积、(此时，b取值为第二预设常数)第二预设常数以及该群组平均活跃度与第一预设阈值的商之和，获取社交关联账户的推荐指数衰减值；或，当各活跃度中的最大活跃度小于或等于第二预设阈值时，根据该社交关联账户的群组数量与预设常数(a)的积、(此时，b取值为第三预设常数)第三预设常数以及该群组平均活跃度与第一预设阈值的商之和，获取该社交关联账户的推荐指数衰减值，其中，该第三预设常数小于所述第二预设常数。
在上述公式其中：a为预设常数，比如可以为0.05、0.1、0.2或其他值；
当各活跃度中的最大活跃度大于第二预设阈值时，b的取值为第二预设常数；以及，当各活跃度中的最大活跃度小于或等于第二预设阈值时，b的取值为小于第二预设常数的第三预设常数。当各活跃度中的最大活跃度大于第二预设阈值，说明该粉丝账户在其他主播的某个群组中较为活跃，相对应的b的取值为相对较大的第二预设常数，使得推荐指数衰减值相对较大，反之，则b的取值为相对较小的第三预设常数。在实际应用中，第二预设常数可以为10、15、20、25等，第三预设常数可以为0、5、8。
另外，对于第一预设阈值，通常可以根据应用软件平台中各网络用户的活跃度来确定。比如，可以先确定应用软件平台中各个网络用户的活跃度，然后计算其平均值，并将该平均值作为第一预设阈值；或者，从应用软件平台的网络用户中随机抽取部分网络用户，然后计算所抽取的这部分网络用户活跃度的平均值，作为该第一预设阈值；或者，先确定应用软件平台中各个网络用户的活跃度，然后确定各活跃度中的中位数或众数，作为该第一预设阈值。
对于该第二预设阈值，通常也可以根据应用软件平台中网络用户的活跃度。比如在确定应用软件平台中各个网络用户的活跃度之后，将这些活跃度按照从大到小的顺序进行排列，选取最大活跃度并乘以70％(或60％、65％、50％等)作为该第二预设阈值；或者，将这些活跃度按照从大到小的顺序进行排列，选取序列中第70位数的活跃度(即有30％的活跃度大于该活跃度，70％的活跃度小于该活跃度)作为该第二预设阈值；或者，也可以根据应用软件平台中网络用户的活跃度，采用其他数据统计和分析方式来确定该第二预设阈值。
在实际应用中，当主播账户的账户属性数据为该主播账户的主播画像，并且粉丝账户的账户属性数据为该粉丝账户的粉丝画像时，还可以通过如下的群组成员的推荐方法来获取每个粉丝账户的推荐指数。如图2所示为该方法的流程示意图，在该图2所示群组成员的推荐方法中，执行主体也通常可以为手机、电脑或其他设备上的客户端，比如主播可以在客户端上实施相应的操作以触发群组成员的推荐，该方法的具体步骤如下所示：
步骤S21：响应于主播账户实施的群组成员推荐触发操作，获取播账户所属的主播分类类别与目标主播分类类别的第一相似度，其中，目标主播分类类别为从社交关联账户集合中每个粉丝账户所关注的其他主播分别所属的主播分类类别中筛选得到。
其中，主播账户所属的主播分类类别通常能够反映出该主播账户的分类特征。比如，通常的主播账户分类类别可以包括：颜值主播、游戏主播、美食主播等，当某个主播账户所属的主播分类类别为游戏主播时，说明该主播主要提供游戏或相关内容。因此，通常可以根据主播账户所发布内容的特征，来确定该主播账户的主播分类类别，或者从主播账户的主播画像中获取其所属的分类类别，其中主播画像中通常会包括其所属的主播分类类别和目标粉丝分类类别。
对于目标主播分类类别，可以从社交关联账户集合中每个粉丝账户所关注的其他主播分别所属的主播分类类别中筛选得到。比如，粉丝账户所关注的其他主播分别所属的主播分类类别中，数量最多的主播分类类别为美食主播，可以将该美食主播确定为目标主播分类类别；当然，也可以按照主播分类类别的数量从大到小依次排序，选取前3或前5等的主播分类类别，并将所选取的主播分类类别均确定为目标主播分类类别。
在确定主播账户所属的主播分类类别与目标主播分类类别的第一相似度时，可以将该主播账户所属的主播分类类别和目标主播分类类别均转化为向量，然后可以计算向量之间的余弦相似度，作为该第一相似度，也可以计算向量之间的距离(如欧氏距离)，将距离的倒数作为该第一相似度。当然，还可以根据主播账户所属的主播分类类别，与目标主播分类类别之间的语义相似度来确定该第一相似度。
通过上述方法计算出的该第一相似度，能够反映出该主播账户与粉丝账户所关注的其他主播之间的相似性。
步骤S22：对社交关联账户集合中每个粉丝账户，获取粉丝账户所属的粉丝分类类别与目标粉丝分类类别的第二相似度，其中，目标粉丝分类类别为从社交关联账户集合中每个粉丝账户分别所属的粉丝分类类别中筛选得到。
粉丝账户所属的粉丝分类类别，可以通过对该粉丝账户的粉丝画像进行分析得到。其中，该粉丝账户的粉丝画像可以包括：粉丝性别、粉丝所属地域、粉丝对内容的偏好类型、粉丝所关注的其他主播账户分别所属的主播分类类别等。该粉丝画像可以用于勾画该粉丝账户、反映该粉丝账户某些诉求或兴趣的偏向性。
在对粉丝账户的粉丝画像进行分析得到其所属的粉丝分类类别时，可以将该粉丝账户的粉丝画像输入预先训练的粉丝分类模型，从而通过该粉丝分类模型来对粉丝账户的粉丝画像进行分析，得到其所属的粉丝分类类别。其中，该粉丝分类模型可以对所输入的粉丝画像进行处理，并输出对应的粉丝分类类别。
在实际应用中，粉丝分类模型可以通过如下方式来训练得到：首先，对符合预设采集条件的粉丝的粉丝画像进行采集，其中，该预设采集条件包括有所关注主播、活跃度符合正常用户、注册时长满足预设的时长阈值等；然后，将采集到的每个粉丝画像作为一个样本，根据机器学习、神经网络对样本进行训练，并基于验证样本进行验证，最终得到粉丝分类模型。其中，通过预设的分类规则，人工标记部分粉丝画像作为验证样本。
对于目标粉丝分类类别，可以从社交关联账户集合中每个粉丝账户分别所属的粉丝分类类别中筛选得到。比如，可以先确定该主播账户的各个粉丝账户分别所属的粉丝分类类别，然后选取粉丝数量最多的前N个粉丝分类类别，确定为目标粉丝分类类别，其中N可以为1、2或者其它正整数。
在确定某个粉丝账户所属的粉丝分类类别与目标粉丝分类类别之间的第二相似度时，也可以将该粉丝账户所属的粉丝分类类别和目标粉丝分类类别均转化为向量，然后可以计算向量之间的余弦相似度，作为该第二相似度，也可以计算向量之间的距离(如欧氏距离)，并将距离的倒数作为该第二相似度；当然，还可以根据该粉丝账户所属的粉丝分类类别，与目标粉丝分类类别之间的语义相似度，来确定该第二相似度。
因此，通过该方法所计算出的第二相似度，能够反映出粉丝账户与该主播账户的主要粉丝之间的相似性。
步骤S23：根据相应的第一相似度和第二相似度，获取社交关联账户集合中的每个社交关联账户的推荐指数。
由于上述第一相似度，能够反映出该主播账户与粉丝账户所关注的其他主播之间的相似性，第二相似度能够反映出粉丝账户与该主播账户的主要粉丝之间的相似性，因此基于第一相似度和第二相似度的加权平均值所计算出的相应的推荐指数，也能够反映出该粉丝账户与该主播账户进行社交互动的兴趣度，因此可以用于群组成员的推荐，比如选取该推荐指数符合预设推荐条件的粉丝账户作为目标群组成员向主播账户展示。在根据相应的第一相似度和第二相似度，获取社交关联账户集合中的每个社交关联账户的推荐指数时，可以根据第一相似度和第二相似度的加权平均值来计算该推荐指数。
具体的，可以根据如下公式来计算该推荐指数：
推荐指数＝(a1×第一相似度+a2×第二相似度)×Z，其中，a1和a2均为大于0且小于1的正数，并且a1+a2＝1；Z为预设常数，比如可以为100、200或其他值。
步骤S24：选取推荐指数符合预设推荐条件的粉丝账户作为目标群组成员向主播账户展示。
对于该网络用户质量评估方法中的步骤S21和步骤S22，这里并不对其具体的执行顺序进行限定，比如可以以S21、S22、步骤S23和步骤S24的顺序来执行，也可以以S22、S21、步骤S23和步骤S24的顺序来执行，也可以同时执行步骤S21和步骤S22，也可以是其他执行顺序。
另外，在实际应用中，通过步骤S23计算出推荐指数(称之为第二推荐指数)之后，还可以根据该推荐指数和上述步骤S13所得到推荐指数(称之为第一推荐指数)来计算出第三推荐指数，从而也可以用于群组成员的推荐。比如，对社交关联账户集合中每个社交关联账户，在分别通过步骤S23和步骤S13获取其第二推荐指数和第一推荐指数之后，根据该第二推荐指数和第一推荐指数的加权求和结果来获取第三推荐指数。从而选取第三推荐指数符合预设推荐条件的粉丝账户作为目标群组成员向主播账户展示。由于该第三推荐指数有第一推荐指数和第二推荐指数计算得到，而第一推荐指数和第二推荐指数分别基于两种不同的构思来计算得到，因此该第三推荐指数通常更能够反映出粉丝对与某个主播进行社交互动的兴趣度。当然，在加权求和的过程中，对于各自的权重，可以根据实际情况来确定。
在实际应用中，可以通过上述任意一种方法来计算得到第一推荐指数、第二推荐指数和第三推荐指数，从而向主播账户的进行群组成员的推荐。比如，服务器可以针对某个主播账户(称之为主播账户A)，计算得到主播账户A每个粉丝账户的第一推荐指数(第二推荐指数或第三推荐指数)，并基于各个粉丝账户分别所对应的第一推荐指数来向主播账户A进行粉丝账户的推荐。
当然，基于与图2所示的群组成员的推荐方法相同的发明构思，本公开实施例还可以提供一种群组成员的推荐方法，该推荐方法与图2所示的群组成员的推荐方法的不同之处在于，该推荐方法的执行主体也通常可以为服务器，比如主播可以在客户端上实施相应的操作以触发群组成员的推荐，从而对社交关联账户集合中每个社交关联账户，使得客户端向服务器发送推荐指数请求，用于触发服务器根据获取并返回该社交关联账户的推荐指数。此时，服务器首先从客户端接收目标用户账户的推荐指数获取请求；然后响应于该推荐指数获取请求，获取目标用户账户所属的主播分类类别与目标主播分类类别的第一相似度，并针对目标用户账户的社交关联账户集合中的每个社交关联账户，获取社交关联账户所属的粉丝分类类别与目标粉丝分类类别的第二相似度；然后根据相应的第一相似度和第二相似度，获取社交关联账户集合中的每个社交关联账户的推荐指数；然后将社交关联账户集合中的每个社交关联账户的推荐指数发送给客户端，以供客户端根据这些推荐指数对目标用户账户进行群组成员推荐。显然，由服务器执行的该方法与图2所示的群组成员的推荐方法(由客户端执行)基于相同的发明构思，因此也能够解决现有技术中的问题。另外，对于由服务器执行的该方法，如有不清楚之处，也可以参考图1所示的群组成员的推荐方法中的相关内容，这里对此也不再赘述。
基于与本公开实施例图1中所提供的群组成员的推荐方法相同的发明构思，本公开还提供了一种群组成员的推荐装置。该装置包括响应单元、获取单元和展示单元，其中：
响应单元，被配置为执行响应于目标用户账户实施的群组成员推荐触发操作，获取所述目标用户账户的社交关联账户集合；
获取单元，被配置为执行对所述社交关联账户集合中每个社交关联账户，根据所述社交关联账户的账户属性数据以及所述目标用户账户的账户属性数据，获取所述社交关联账户的推荐指数，其中，所述社交关联账户的账户属性数据反映所述社交关联账户的身份图像或用户行为，所述目标用户账户的账户属性数据反映所述目标用户账户的身份画像或用户行为；
展示单元，被配置为执行选取推荐指数符合预设推荐条件的社交关联账户作为目标群组成员，向所述目标用户账户展示，以触发所述目标用户账户与目标群组成员建立群组关系。
由于该装置采用与本公开实施例所提供的群组成员的推荐方法相同的发明构思，因此也能够解决现有技术中的问题。另外，对于该装置，如有不清楚之处，可以参考方法实施例中的相应类容，这里不再赘述。
另外，在实际应用中，主播账户的账户属性数据可以为该主播账户的用户行为数据或该主播的身份画像，粉丝账户的账户属性数据可以为该粉丝账户的用户行为数据或该粉丝的身份画像。对于当主播账户的账户属性数为该主播账户的用户行为数据，并且粉丝账户的账户属性数为该粉丝账户的用户行为数据，可以提供另一种群组成员的推荐装置。如图3是根据一示例性实施例示出的该群组成员的推荐装置的框图。参照图3，该装置30包括：第二响应单元301、第二获取单元302和第二展示单元303，其中：
第二响应单元301，被配置为执行响应于目标用户账户实施的群组成员推荐触发操作，获取所述目标用户账户的社交关联账户集合；
第二获取单元302，被配置为执行对所述社交关联账户集合中每个社交关联账户，根据所述社交关联账户的用户行为数据以及所述目标用户账户的用户行为数据，获取所述社交关联账户的推荐指数；
第二展示单元303，被配置为执行选取推荐指数符合预设推荐条件的社交关联账户作为目标群组成员，向所述目标用户账户展示，以触发所述目标用户账户与目标群组成员建立群组关系。
由于该装置30采用与本公开实施例所提供的群组成员的推荐方法相同的发明构思，因此也能够解决现有技术中的问题。另外，对于该装置30，如有不清楚之处，可以参考方法实施例中的相应类容，这里不再赘述。
同样的，对于当主播账户的账户属性数为该主播账户的用户行为数据，并且粉丝账户的账户属性数为该粉丝账户的用户行为数据，基于与本公开实施例所提供的群组成员的推荐方法相同的发明构思，本公开还提供了一种群组成员的推荐装置。如图4是根据一示例性实施例示出的该群组成员的推荐装置的框图。参照图4，该装置40包括：请求接收单元401、请求响应单元402和发送单元403，其中：
请求接收单元401，被配置为执行从客户端接收目标用户账户的推荐指数获取请求；
请求响应单元402，被配置为执行响应于所述推荐指数获取请求，对所述目标用户账户的社交关联账户集合中的每个社交关联账户，根据所述社交关联账户的用户行为数据以及所述目标用户账户的用户行为数据，获取所述社交关联账户的推荐指数；
发送单元403，被配置为执行将社交关联账户集合中的每个社交关联账户的推荐指数发送给客户端，以供客户端根据所述推荐指数对所述目标用户账户进行群组成员推荐。
由于该装置40也采用与本公开实施例所提供的群组成员的推荐方法相同的发明构思，因此也能够解决现有技术中的问题。另外，对于该装置40，如有不清楚之处，可以参考方法实施例中的相应类容，这里不再赘述。
基于与本公开实施例图2中所提供的群组成员的推荐方法相同的发明构思，本公开还提供了一种群组成员的推荐装置。如图5是根据一示例性实施例示出的该群组成员的推荐装置的框图。参照图5，该装置50包括：相似度获取单元501、推荐指数获取单元502和第三展示单元503，其中：
相似度获取单元501，被配置为执行响应于目标用户账户实施的群组成员推荐触发操作，获取所述目标用户账户所属的主播分类类别与目标主播分类类别的第一相似度，并针对所述目标用户账户的社交关联账户集合中的每个社交关联账户，获取所述社交关联账户所属的粉丝分类类别与目标粉丝分类类别的第二相似度，其中，所述目标主播分类类别为从所述目标用户账户的社交关联账户集合中的每个社交关联账户所关注的其他用户账户分别所属的主播分类类别中筛选得到，所述目标粉丝分类类别为从所述社交关联账户集合中每个社交关联账户分别所属的粉丝分类类别中筛选得到；
推荐指数获取单元502，被配置为执行根据相应的第一相似度和第二相似度，获取所述社交关联账户集合中的每个社交关联账户的推荐指数；
第三展示单元503，被配置为执行选取推荐指数符合预设推荐条件的社交关联账户作为目标群组成员，向所述目标用户账户展示，以触发所述目标用户账户与目标群组成员建立群组关系。
由于该装置50也采用与本公开实施例所提供的群组成员的推荐方法相同的发明构思，因此也能够解决现有技术中的问题。另外，对于该装置50，如有不清楚之处，可以参考方法实施例中的相应类容，这里不再赘述。
基于与本公开实施例所提供的群组成员的推荐方法相同的发明构思，本公开还提供了一种群组成员的推荐装置。如图6是根据一示例性实施例示出的该群组成员的推荐装置的框图。参照图6，该装置60包括：第二请求接收单元601、第二请求响应单元602、第二推荐指数获取单元603和第二发送单元604，其中：
第二请求接收单元601，被配置为执行从客户端接收目标用户账户的推荐指数获取请求；
第二请求响应单元602，被配置为执行响应于所述推荐指数获取请求，获取所述目标用户账户所属的主播分类类别与目标主播分类类别的第一相似度，并针对所述目标用户账户的社交关联账户集合中的每个社交关联账户，获取所述社交关联账户所属的粉丝分类类别与目标粉丝分类类别的第二相似度，其中，所述目标主播分类类别为从所述目标用户账户的社交关联账户集合中的每个社交关联账户所关注的其他用户账户分别所属的主播分类类别中筛选得到，所述目标粉丝分类类别为从所述社交关联账户集合中每个社交关联账户分别所属的粉丝分类类别中筛选得到；
第二推荐指数获取单元603，被配置为执行根据相应的第一相似度和第二相似度，获取所述社交关联账户集合中的每个社交关联账户的推荐指数；
第二发送单元604，被配置为执行将所述社交关联账户集合中的每个社交关联账户的推荐指数发送给客户端，以供客户端根据所述推荐指数对所述目标用户账户进行群组成员推荐。
另外，本公开实施例还可以提供一种服务器。图7是根据一示例性实施例示出的服务器70的框图。该服务器70包括处理器701，以及用于存储处理器701可执行指令的存储器702。其中，处理器701被配置为执行所述指令，以实现本公开实施例的群组成员的推荐方法。
在实际应用中，该服务器70还可以包括网络接口703、I/O控制器704、大容量存储设备705，以及用于连接它们的总线706。
在示例性实施例中，本公开还提供了一种包括指令的存储介质，例如包括指令的存储器702，上述指令可由服务器70的处理器701执行以完成上述方法。其中，存储介质可以是非临时性计算机可读存储介质，例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本公开实施例还可以提供一种计算机程序产品，当其在计算机上运行时，使得所述计算机执行本公开实施例所提供的群组成员的推荐方法。
另外，本公开实施例还可以提供一种群组成员的推荐系统，该推荐系统80可以包括客户端90以及如图7所示的服务器70。其中，该客户端90也可以包括处理器和存储器，存储器用于存储所述处理器可执行指令，处理器被配置为执行该指令，以实现本公开实施例所提供的任意一种群组成员的推荐方法。
为了便于理解，本申请实施例还可以结合该推荐系统80，对于客户端90与服务器70之间在群组成员推荐过程中的交互进行说明。在实际应用中，当主播需要从粉丝中筛选出部分粉丝作为群组成员时，可以通过客户端90来进行操作，比如通过触控客户端90上相应的控件等方式，从而促使进行群组成员的推荐。如图9所示，该群组成员推荐方法包括：
步骤S101：主播通过对客户端实施群组成员推荐触发操作，用于触发群组成员的推荐。
步骤S102：客户端响应于主播账户所实施的群组成员推荐触发操作，向服务器发送推荐指数获取请求。
步骤S103：服务器响应于该推荐指数获取请求，对主播账户的社交关联账户集合中每个粉丝账户，根据该粉丝账户的账户属性数据以及主播账户的账户属性数据，获取该粉丝账户的推荐指数。
其中，粉丝账户的账户属性数据能够反映该粉丝账户的身份图像或用户行为，主播账户的账户属性数据能够反映该主播账户的身份画像或用户行为。
比如说，粉丝账户的账户属性数据为该粉丝账户的用户行为数据，并且主播账户的账户属性数据为该主播账户的用户行为数据，此时针对社交关联账户集合中的每个粉丝账户，可以根据该粉丝账户的用户行为数据以及主播账户的用户行为数据，获取该粉丝账户的推荐指数。
另外，粉丝账户的用户行为数据，至少包括该粉丝账户在预设时间段内对该主播账户所发布的内容实施评价行为的评价行为数据；以及，该主播账户的用户行为数据，至少包括该主播账户在预设时间段内进行内容发布行为的内容发布行为数据；则，对该社交关联账户集合中的每个粉丝账户，根据该粉丝账户的用户行为数据以及该主播账户的用户行为数据，获取该粉丝账户的推荐指数可以具体为，根据该粉丝账户的该评价行为数据以及该主播账户的内容发布行为数据，获取该社交关联账户的推荐指数。
进一步的，由于在实际应用中，往往当一个粉丝加入了多个不同主播账户所创建的群组时，可能会影响该粉丝对单一的某个主播的关注度，进而导致该粉丝与该主播进行社交互动的兴趣度降低。因此，可以基于粉丝所加入的群组数量，以及在这些群组中的活跃度等数据，来计算该粉丝账户的推荐指数衰减值，从而对推荐指数进行修正。其具体可以采用如下方式：
针对该社交关联账户集合中的每个粉丝账户，获取该粉丝账户所加入的群组数量以及在各群组中的活跃度；以及，根据该粉丝账户所加入的群组数量以及在各群组中的活跃度，获取该粉丝账户的推荐指数衰减值；则，可以获取该粉丝账户的该评价行为数据与该主播账户的该内容发布行为数据的差值或比值，并根据该差值或比值以及该推荐指数衰减值，获取该社交关联账户的推荐指数。
通常可以通过如下方法获取粉丝账户在所加入的各群组中的活跃度：分别将所加入的各群组作为当前群组，并根据该社交关联账户在该当前群组中的互动总时长，与该粉丝账户加入该当前群组的总时长的差值或比值，获取该粉丝账户在该当前群组中的活跃度。
其中，根据该粉丝账户所加入的群组数量以及在各群组中的活跃度，获取该粉丝账户的推荐指数衰减值，可以具体包括：对该社交关联账户集合中的每个粉丝账户，获取该粉丝账户所加入的各群组的活跃度的平均值；当各该活跃度中的最大活跃度大于第二预设阈值时，根据该粉丝账户的群组数量与预设常数的积、第二预设常数以及该平均值与第一预设阈值的商之和，获取该粉丝账户的推荐指数衰减值；或，当各该活跃度中的最大活跃度小于或等于第二预设阈值时，根据该粉丝账户的群组数量与预设常数的积、第三预设常数以及该平均值与第一预设阈值的商之和，获取该粉丝账户的推荐指数衰减值，其中，该第三预设常数小于该第二预设常数。
在实际应用中，当主播账户的账户属性数据为该主播账户的主播画像，并且粉丝账户的账户属性数据为该粉丝账户的粉丝画像时，在步骤S103中，服务器响应于该推荐指数获取请求，对主播账户的社交关联账户集合中每个粉丝账户，根据该粉丝账户的账户属性数据以及主播账户的账户属性数据，获取该粉丝账户的推荐指数可以是：通过该主播账户的主播画像，获取该主播账户所属的主播分类类别与目标主播分类类别的第一相似度；对该社交关联账户集合中的每个粉丝账户，通过该粉丝账户的粉丝画像，获取该粉丝账户所属的粉丝分类类别，并获取该粉丝分类类别与目标粉丝分类类别的第二相似度；对该社交关联账户集合中每个粉丝账户，根据相应的第一相似度和第二相似度，获取该粉丝账户的推荐指数。
步骤S104：服务器将社交关联账户集合中的每个粉丝账户的推荐指数发送给客户端。
步骤S105：客户端根据社交关联账户集合中的每个粉丝账户的推荐指数，对主播账户进行群组成员推荐。
这样在实际应用中，主播可以通过在客户端90上实施群组成员推荐触发操作，通过客户端90和服务器70最终能够向主播账户进行群组成员的推荐。由于主播账户的账户属性数据通常能够反应该目标用户账户的身份画像或用户行为，并且粉丝账户的账户属性数据也能够反映该社交关联账户的身份图像或用户行为，因此基于该主播账户的账户属性数据和粉丝账户的账户属性数据所获取的推荐指数，可以反映出该粉丝账户与该主播账户进行社交互动的兴趣度，可以引导主播账户将对这些所推荐的粉丝账户，加入其发起的群组中，实现高质量的社交群组互动。
所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本公开实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存储的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘SolidStateDisk(SSD))等。
本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种群组成员的推荐方法，其特征在于，包括：
响应于目标用户账户实施的群组成员推荐触发操作，获取所述目标用户账户的社交关联账户集合；
对所述社交关联账户集合中每个社交关联账户，根据所述社交关联账户的账户属性数据以及所述目标用户账户的账户属性数据，获取所述社交关联账户的推荐指数，其中，所述社交关联账户的账户属性数据反映所述社交关联账户的身份图像或用户行为，所述目标用户账户的账户属性数据反映所述目标用户账户的身份画像或用户行为；
选取推荐指数符合预设推荐条件的社交关联账户作为目标群组成员，向所述目标用户账户展示，以触发所述目标用户账户与目标群组成员建立群组关系。
2.根据权利要求1所述的方法，其特征在于，对所述社交关联账户集合中每个社交关联账户，根据所述社交关联账户的账户属性数据以及所述目标用户账户的账户属性数据，获取所述社交关联账户的推荐指数，具体包括：
对所述社交关联账户集合中每个社交关联账户，根据所述社交关联账户的用户行为数据以及所述目标用户账户的用户行为数据，获取所述社交关联账户的推荐指数。
3.根据权利要求1所述的方法，其特征在于，对所述社交关联账户集合中每个社交关联账户，根据所述社交关联账户的账户属性数据以及所述目标用户账户的账户属性数据，获取所述社交关联账户的推荐指数，具体包括：
通过所述目标用户账户的主播画像，获取所述目标用户账户所属的主播分类类别与目标主播分类类别的第一相似度，其中，所述主播画像中包括所述目标用户账户所属的主播分类类别，所述目标主播分类类别为从所述社交关联账户集合中每个社交关联账户所关注的其他用户账户分别所属的主播分类类别中筛选得到；
对所述社交关联账户集合中的每个社交关联账户，通过所述社交关联账户的粉丝画像，获取所述社交关联账户所属的粉丝分类类别，并获取所述粉丝分类类别与目标粉丝分类类别的第二相似度，其中，所述粉丝画像反映所述社交关联账户的兴趣的偏向性，所述目标粉丝分类类别为从所述社交关联账户集合中每个社交关联账户分别所属的粉丝分类类别中筛选得到；
对所述社交关联账户集合中每个社交关联账户，根据相应的第一相似度和第二相似度，获取所述社交关联账户的推荐指数。
4.一种群组成员的推荐方法，其特征在于，所述方法包括：
从客户端接收目标用户账户的推荐指数获取请求；
响应于所述推荐指数获取请求，对所述目标用户账户的社交关联账户集合中每个社交关联账户，根据所述社交关联账户的账户属性数据以及所述目标用户账户的账户属性数据，获取所述社交关联账户的推荐指数，其中，所述社交关联账户的账户属性数据反映所述社交关联账户的身份图像或用户行为，所述目标用户账户的账户属性数据反映所述目标用户账户的身份画像或用户行为；
将社交关联账户集合中的每个社交关联账户的推荐指数发送给客户端，以供客户端根据所述推荐指数对所述目标用户账户进行群组成员推荐。
5.一种群组成员的推荐装置，其特征在于，包括：
响应单元，被配置为执行响应于目标用户账户实施的群组成员推荐触发操作，获取所述目标用户账户的社交关联账户集合；
获取单元，被配置为执行对所述社交关联账户集合中每个社交关联账户，根据所述社交关联账户的账户属性数据以及所述目标用户账户的账户属性数据，获取所述社交关联账户的推荐指数，其中，所述社交关联账户的账户属性数据反映所述社交关联账户的身份图像或用户行为，所述目标用户账户的账户属性数据反映所述目标用户账户的身份画像或用户行为；
展示单元，被配置为执行选取推荐指数符合预设推荐条件的社交关联账户作为目标群组成员，向所述目标用户账户展示，以触发所述目标用户账户与目标群组成员建立群组关系。
6.一种群组成员的推荐装置，其特征在于，包括：
请求接收单元，被配置为执行从客户端接收目标用户账户的推荐指数获取请求；
请求响应单元，被配置为执行响应于所述推荐指数获取请求，对所述目标用户账户的社交关联账户集合中每个社交关联账户，根据所述社交关联账户的账户属性数据以及所述目标用户账户的账户属性数据，获取所述社交关联账户的推荐指数，其中，所述社交关联账户的账户属性数据反映所述社交关联账户的身份图像或用户行为，所述目标用户账户的账户属性数据反映所述目标用户账户的身份画像或用户行为；
发送单元，被配置为执行将社交关联账户集合中的每个社交关联账户的推荐指数发送给客户端，以供客户端根据所述推荐指数对所述目标用户账户进行群组成员推荐。
7.一种客户端，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求1至3中任一项所述的群组成员的推荐方法。
8.一种服务器，其特征在于，包括：
处理器；
用于存储所述处理器可执行指令的存储器；
其中，所述处理器被配置为执行所述指令，以实现如权利要求4所述的群组成员的推荐方法。
9.一种群组成员的推荐系统，包括如权利要求7所述的客户端以及如权利要求8所述的服务器。
10.一种存储介质，当所述存储介质中的指令由客户端的处理器执行时，使得所述客户端能够执行如权利要求1至3中任一项所述的群组成员的推荐方法；或，
当所述存储介质中的指令由服务器的处理器执行时，使得所述服务器能够执行如权利要求4所述的群组成员的推荐方法。
CN202010358274.3A 2020-04-29 2020-04-29 群组成员的推荐方法、装置、服务器、存储介质及系统 Pending CN111581521A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010358274.3A CN111581521A (zh) 2020-04-29 2020-04-29 群组成员的推荐方法、装置、服务器、存储介质及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010358274.3A CN111581521A (zh) 2020-04-29 2020-04-29 群组成员的推荐方法、装置、服务器、存储介质及系统

Publications (1)

Publication Number Publication Date
CN111581521A true CN111581521A (zh) 2020-08-25

Family

ID=72117043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010358274.3A Pending CN111581521A (zh) 2020-04-29 2020-04-29 群组成员的推荐方法、装置、服务器、存储介质及系统

Country Status (1)

Country Link
CN (1) CN111581521A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112131466A (zh) * 2020-09-14 2020-12-25 北京达佳互联信息技术有限公司 群组展示方法、装置、系统和存储介质
CN112269918A (zh) * 2020-10-09 2021-01-26 北京达佳互联信息技术有限公司 信息推荐方法、装置、设备及存储介质
CN113761391A (zh) * 2021-09-09 2021-12-07 北京北大方正电子有限公司 数据搜索方法、装置、介质及产品
CN114691970A (zh) * 2020-12-30 2022-07-01 北京达佳互联信息技术有限公司 数据处理方法、装置、服务器及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104639426A (zh) * 2015-01-29 2015-05-20 小米科技有限责任公司 群组成员添加方法及装置
CN105872058A (zh) * 2016-04-01 2016-08-17 太仓日森信息技术有限公司 一种移动终端直播信息的推送方法及其推送装置
WO2017211051A1 (zh) * 2016-06-06 2017-12-14 腾讯科技（深圳）有限公司 目标对象的社交账号挖掘方法、服务器和存储介质
CN109743245A (zh) * 2018-12-29 2019-05-10 上海掌门科技有限公司 创建群组的方法和设备
CN110311795A (zh) * 2019-07-02 2019-10-08 广州华多网络科技有限公司 友邻群的创建方法及系统、服务器

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104639426A (zh) * 2015-01-29 2015-05-20 小米科技有限责任公司 群组成员添加方法及装置
CN105872058A (zh) * 2016-04-01 2016-08-17 太仓日森信息技术有限公司 一种移动终端直播信息的推送方法及其推送装置
WO2017211051A1 (zh) * 2016-06-06 2017-12-14 腾讯科技（深圳）有限公司 目标对象的社交账号挖掘方法、服务器和存储介质
CN109743245A (zh) * 2018-12-29 2019-05-10 上海掌门科技有限公司 创建群组的方法和设备
CN110311795A (zh) * 2019-07-02 2019-10-08 广州华多网络科技有限公司 友邻群的创建方法及系统、服务器

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112131466A (zh) * 2020-09-14 2020-12-25 北京达佳互联信息技术有限公司 群组展示方法、装置、系统和存储介质
CN112269918A (zh) * 2020-10-09 2021-01-26 北京达佳互联信息技术有限公司 信息推荐方法、装置、设备及存储介质
CN112269918B (zh) * 2020-10-09 2024-03-12 北京达佳互联信息技术有限公司 信息推荐方法、装置、设备及存储介质
CN114691970A (zh) * 2020-12-30 2022-07-01 北京达佳互联信息技术有限公司 数据处理方法、装置、服务器及存储介质
CN113761391A (zh) * 2021-09-09 2021-12-07 北京北大方正电子有限公司 数据搜索方法、装置、介质及产品

Similar Documents

Publication Publication Date Title
Lu et al. Do larger audiences generate greater revenues under pay what you want? Evidence from a live streaming platform
CN109241425B (zh) 一种资源推荐方法、装置、设备及存储介质
CN111581521A (zh) 群组成员的推荐方法、装置、服务器、存储介质及系统
US10742574B2 (en) Method and device for implementing instant communication
US8727885B2 (en) Social information game system
US20120311032A1 (en) Emotion-based user identification for online experiences
US20130204667A1 (en) Social networks games configured to elicit market research data as part of game play
CN109218390B (zh) 用户筛选方法及装置
US20080153595A1 (en) Social rewards for online game playing
CN103718166A (zh) 信息处理设备、信息处理方法和计算机程序产品
US11372805B2 (en) Method and device for information processing
US20130035981A1 (en) Social networks games configured to elicit research data as part of game play
JP2021182375A (ja) デジタルビデオルーム中の参加者デバイスについてのライブビデオストリームを動的に修正すること
Yu et al. Analyzing netizens’ view and reply behaviors on the forum
CN113535991B (zh) 一种多媒体资源推荐方法、装置、电子设备及存储介质
US20160381158A1 (en) Automatic Invitation Delivery System
CN112954460B (zh) 一种直播互动的方法、装置、服务器和存储介质
WO2017210644A1 (en) System and method for a platform to identify and connect like-minded individuals based on interaction
Brühlmann et al. Surveys in games user research
CN114896498A (zh) 课程推荐方法、系统、终端及存储介质
CN112423143B (zh) 一种直播消息交互方法、装置及存储介质
CN113422988A (zh) 直播封面生成方法、装置、电子设备及存储介质
CN110798746A (zh) 一种短视频答题系统及方法
US10924568B1 (en) Machine learning system for networking
CN111988642B (zh) 推荐视频的方法、装置、服务器和存储介质

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