CN111737596B - 人际关系图谱的处理方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请提供了一种人际关系图谱的处理方法、装置、电子设备及计算机可读存储介质；方法包括：确定多个节点的属性和值域；针对所述多个节点中需要构建人际关系图谱的源节点和目标节点，确定所述源节点与所述目标节点之间的人际关系路径；根据所述人际关系路径中包括的每个节点的属性和值域，确定所述源节点与所述目标节点之间的人际关系强度；根据所述人际关系路径以及所述人际关系强度，生成所述源节点与所述目标节点之间的人际关系图谱。通过本申请，能够高效和直观地展示人际关系情况。

Description

人际关系图谱的处理方法、装置、电子设备及存储介质

技术领域

本申请涉及计算机技术领域，尤其涉及一种人际关系图谱的处理方法、装置、电子设备及计算机可读存储介质。

背景技术

人工智能（Artificial Intelligence，AI）是计算机科学的一个综合技术，通过研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。人工智能技术是一门综合学科，涉及领域广泛，例如自然语言处理技术以及机器学习/深度学习等几大方向，随着技术的发展，人工智能技术将在更多的领域得到应用，并发挥越来越重要的价值。

其中，人际关系图谱作为人工智能技术的一个非常重要的应用领域，也随着技术的成熟进入一个新的发展阶段。然而，相关技术提供的人际关系图谱内容比较单一，无法高效和直观地展示用户之间的人际关系情况。

发明内容

本申请实施例提供一种人际关系图谱的处理方法、装置、电子设备及计算机可读存储介质，能够高效和直观地展示人际关系情况。

本申请实施例的技术方案是这样实现的：

本申请实施例提供一种人际关系图谱的处理方法，包括：

确定多个节点的属性和值域；

针对所述多个节点中需要构建人际关系图谱的源节点和目标节点，确定所述源节点与所述目标节点之间的人际关系路径；

根据所述人际关系路径中包括的每个节点的属性和值域，确定所述源节点与所述目标节点之间的人际关系强度；

根据所述人际关系路径以及所述人际关系强度，生成所述源节点与所述目标节点之间的人际关系图谱。

本申请实施例提供一种人际关系图谱的处理装置，包括：

确定模块，用于确定多个节点的属性和值域；

所述确定模块，还用于针对所述多个节点中需要构建人际关系图谱的源节点和目标节点，确定所述源节点与所述目标节点之间的人际关系路径；以及

用于根据所述人际关系路径中包括的每个节点的属性和值域，确定所述源节点与所述目标节点之间的人际关系强度；

生成模块，用于根据所述人际关系路径以及所述人际关系强度，生成所述源节点与所述目标节点之间的人际关系图谱。

上述方案中，所述确定模块，还用于确定所述节点的个人属性所涉及的类型以及对应的值域；以及用于确定所述节点的行为属性所涉及的类型以及对应的值域。

上述方案中，所述确定模块，还用于确定所述节点的静态属性，其中，所述静态属性至少包括以下之一：所述节点的能够被识别的静态基本信息、所述节点的的能够被测量的特征信息、所述节点的的确定性关系信息；以及用于确定所述节点的动态属性，其中，所述动态属性至少包括以下之一：所述节点的能够被识别的动态基本信息、所述节点的动态的且能够被测量的特征信息、所述节点的动态的关系信息。

上述方案中，所述确定模块，还用于针对每条所述人际关系路径中的每个节点，执行以下处理：对所述节点对应的多个个人情感属性的偏度值、以及多个行为情感属性的偏度值进行求和处理，得到第一求和结果；对每条所述人际关系路径中的每个节点对应的第一求和结果进行求和处理，得到第二求和结果；以每条所述人际关系路径对应的情感影响因子为权重，对每条所述人际关系路径对应的第二求和结果进行加权求和，得到所述源节点与所述目标节点之间的人际关系强度。

上述方案中，所述确定模块，还用于针对每条所述人际关系路径中的每个节点，执行以下处理：根据所述节点的个人属性所涉及的类型以及对应的值域，确定所述节点的多个个人情感属性、以及每个所述个人情感属性的偏度值；根据所述节点的行为属性所涉及的类型以及对应的值域，确定所述节点的多个行为情感属性、以及每个所述行为情感属性的偏度值。

上述方案中，所述确定模块，还用于针对所述节点的个人属性所涉及的多个类型中的每个类型，执行以下处理：根据与所述类型的个人情感属性对应的值域，对所述个人情感属性进行分级处理，并根据得到的分级结果确定所述个人情感属性对应的偏度值；其中，所述个人情感属性为所述节点的个人属性中对人际关系产生影响的因素。

上述方案中，所述确定模块，还用于针对所述节点的行为属性所涉及的多个类型中的每个类型，执行以下处理：根据与所述类型的行为情感属性对应的值域，对所述行为情感属性进行分级处理，并根据得到的分级结果确定所述行为情感属性对应的偏度值；其中，所述行为情感属性为所述节点的行为属性中对人际关系产生影响的因素。

上述方案中，所述确定模块，还用于确定个人属性权重矩阵，根据所述个人属性权重矩阵对每个所述个人情感属性的偏度值进行加权处理；以及用于确定行为属性权重矩阵，根据所述行为属性权重矩阵对每个所述行为情感属性的偏度值进行加权处理；以及用于对经过加权处理后的多个个人情感属性的偏度值、以及多个行为情感属性的偏度值进行求和处理，得到与所述节点对应的第一求和结果。

上述方案中，所述确定模块，还用于以与所述节点的个人属性对应的个人情感传播因子为权重，对所述经过加权处理后的多个个人情感属性的偏度值进行加权求和，得到第三求和结果；以与所述节点的行为属性对应的行为情感传播因子为权重，对所述经过加权处理后的多个行为情感属性的偏度值进行加权求和，得到第四求和结果；对所述第三求和结果与所述第四求和结果进行求和处理。

上述方案中，所述生成模块，还用于生成图形化的个人节点；其中，所述个人节点的类型包括所述源节点、中间节点和所述目标节点，且不同类型的个人节点具有不同的颜色；生成任意两个所述个人节点之间符合所述人际关系路径的连接线；其中，所述连接线的不同类型对应所述个人节点的不同的属性，所述连接线的不同颜色对应所述个人节点的不同的情感属性，所述连接线的粗细程度与所述个人节点的情感属性的偏度值正相关；显示所述源节点与所述目标节点之间的人际关系强度；生成图例，其中，所述图例是所述个人节点和所述连接线对应的标识说明、值域说明和计算方法。

上述方案中，所述确定模块，还用于针对所述人际关系图谱至少执行以下操作之一：在所述人际关系图谱中查询所述源节点与所述目标节点之间的人际关系强度；在所述人际关系图谱中相邻节点之间新增一个节点，并确定所述新增节点的属性和值域；删除所述人际关系图谱中的一个非根节点；对所述人际关系图谱中包括的节点的属性和值域进行修改，并根据修改后的节点的属性和值域，对所述人际关系图谱进行修改；当所述人际关系路径中包括的节点的属性和值域发生变化时，根据变化后的节点的属性和值域，对所述人际关系图谱进行更新。

上述方案中，所述确定模块，还用于确定与所述源节点具有人际关系的多个节点；针对所述多个节点中的每个节点，执行以下处理：确定与所述节点具有人际关系的多个节点；当所述多个节点中存在所述目标节点时，将所述节点确定为中间节点；生成从所述源节点、经由所述中间节点至所述目标节点的人际关系路径。

上述方案中，所述确定模块，还用于将所述人际关系图谱存储到区块链网络中；响应基于所述人际关系图谱开展应用的请求，从所述区块链网络中获取被请求的人际关系图谱，并根据所获取的人际关系图谱执行以下应用至少之一：基于所述人际关系图谱进行好友推荐；基于所述人际关系图谱进行物品推荐；基于所述人际关系图谱确定账号的使用权限。

上述方案中，所述确定模块，还用于当根据所述人际关系图谱确定出所述目标节点与所述源节点之间的人际关系强度大于人际关系强度阈值时，向所述目标节点发送所述源节点对应的用户信息；以及用于当根据所述人际关系图谱确定出所述目标节点与所述源节点之间的人际关系强度大于人际关系强度阈值时，根据与所述源节点关联的物品执行对应所述目标节点的推荐操作；以及用于根据所述人际关系图谱确定所述目标节点与所述源节点之间的人际关系强度，基于所述人际关系强度对应的亲密度等级，确定所述目标节点授权所述源节点使用的账号的权限。

上述方案中，所述确定模块，还用于当所述人际关系强度大于人际关系强度阈值时，确定所述人际关系强度对应的亲密度等级为高亲密度，向所述源节点开放所述账号的所有权限；以及用于当所述人际关系强度小于人际关系强度阈值时，确定所述人际关系强度对应的亲密度等级为低亲密度，向所述源节点开放所述账号的基础权限。

本申请实施例提供一种电子设备，包括：

存储器，用于存储可执行指令；

处理器，用于执行所述存储器中存储的可执行指令时，实现本申请实施例提供的人际关系图谱的处理方法。

本申请实施例提供一种计算机可读存储介质，存储有可执行指令，用于引起处理器执行时，实现本申请实施例提供的人际关系图谱的处理方法。

本申请实施例具有以下有益效果：

根据人际关系路径中每个节点的属性和值域，对源节点与目标节点之间的人际关系强度进行数字化分析，并以人际关系图谱的方式进行直观的展示，能够更加高效和直观地展示人际关系情况。

附图说明

图1是本申请实施例提供的人际关系图谱的处理系统的架构示意图；

图2是本申请实施例提供的服务器的结构示意图；

图3A是本申请实施例提供的人际关系图谱的处理方法的流程示意图；

图3B是本申请实施例提供的人际关系图谱的处理方法的流程示意图；

图3C是本申请实施例提供的人际关系图谱的处理方法的流程示意图；

图4是本申请实施例提供的人际关系图谱的处理方法的应用示意图；

图5是本申请实施例提供的人际关系图谱的处理方法的流程示意图；

图6是本申请实施例提供的社交网络人际关系图谱的示意图。

具体实施方式

为了使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请作进一步地详细描述，所描述的实施例不应视为对本申请的限制，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它实施例，都属于本申请保护的范围。

在以下的描述中，涉及到“一些实施例”，其描述了所有可能实施例的子集，但是可以理解, “一些实施例”可以是所有可能实施例的相同子集或不同子集，并且可以在不冲突的情况下相互结合。

在以下的描述中，所涉及的术语“第一\第二\第三\第四”仅仅是区别类似的对象，不代表针对对象的特定排序，可以理解地，“第一\第二\第三\第四”在允许的情况下可以互换特定的顺序或先后次序，以使这里描述的本申请实施例能够以除了在这里图示或描述的以外的顺序实施。

除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，不是旨在限制本申请。

对本申请实施例进行进一步详细说明之前，对本申请实施例中涉及的名词和术语进行说明，本申请实施例中涉及的名词和术语适用于如下的解释。

1）人际关系强度，用户之间人际关系情况的数字化表示，本申请实施例从用户的个人属性和行为属性两个方面出发，结合情感属性中可识别、可定性、以及可定量的元素，对用户之间的人际关系情况进行数字化分析，以实现对用户之间的人际关系情况进行量化，即确定出用户之间的人际关系强度。其中，人际关系强度值越大，表明用户之间的关系越亲密。

2）人际关系图谱，用户之间人际关系情况的图形化表示，由个人节点、连接线和图例三个要素组成。其中，三个要素的实例可以根据实际人际关系构建场景进行选择，例如：个人节点可分为源节点、中间节点和目标节点三种类型；个人节点之间可以用一种确定的连接线进行互连和人际关系标识，不同的连接线类型对应用户不同的属性；图例表示个人节点和连接线对应的标识说明、值域说明和计算方法等，便于人际关系图谱的直观理解。

在实施本申请实施例的过程中发现：从现有科学对人际关系的定义来看，对于人际关系中影响人际关系的因素以及人际交往过程中的行为方式，并不能被完全识别或者完全定性定量的做出计算。出现这个情况的原因在于：一方面信息的不对称性导致人与人直接的认知并不能完全一致；另外一方面，个人对人际关系信息的理解及随之产生的行为，并非完全理性化或者可测量的，所以这就导致要分析和量化人际关系变得非常困难。

针对上述技术问题，本申请实施例提供一种人际关系图谱的处理方法、装置、电子设备和计算机可读存储介质，能够直观和高效地展示用户之间的人际关系情况，

下面说明本申请实施例提供的人际关系图谱的处理方法的示例性应用，本申请实施例提供的人际关系图谱的处理方法可以由各种电子设备实施，例如可以由台式机电脑、笔记本电脑等终端设备实施，也可以由服务器实施，还可以通过终端和服务器协同实施。

需要说明的是，上述的服务器可以是独立的物理服务器，也可以是多个物理服务器构成的服务器集群或者分布式系统，还可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、以及大数据和人工智能平台等基础云计算服务的云服务器，本申请在此不做限制。

下面以执行本申请实施例提供的人际关系图谱的处理方法的电子设备为服务器为例进行说明，参见图1，图1是本申请实施例提供的人际关系图谱的处理系统100的架构示意图，其中，人际关系图谱的处理系统100包括：服务器200、网络300、终端400和数据库500。下面分别进行说明。

数据库500用于存储社交平台中的多个用户的属性和对应的值域。例如，数据库500中可以存储有社交平台中多个用户分别对应的姓名、年龄、职业、兴趣爱好、收入等属性、以及每个属性对应的取值信息。

服务器200用于从数据库500中获取多个用户的属性和值域，将每个用户标识为一个单独的节点（即用户节点，为描述方便，下文中对节点和用户节点不作具体区分），得到多个节点，并针对多个节点中需要构建人际关系图谱的源节点和目标节点，确定源节点和目标节点之间的人际关系路径；接着，服务器200根据人际关系路径中包括的每个节点的属性和值域，确定出源节点和目标节点之间的人际关系强度（将在下文具体说明确定人际关系强度的过程）；随后，服务器200便可以根据确定出的人际关系路径以及人际关系强度，生成源节点与目标节点之间的人际关系图谱，并将所生成的人际关系图谱发送给终端400。

网络300，作为服务器200和终端400之间通信的媒介，可以是广域网或者局域网，又或者是二者的组合。

终端400可以是目标节点对应的用户所关联的终端，其上运行有客户端410，终端400在接收到服务器200发送的人际关系图谱后，调用客户端410的图形界面进行呈现，接着，目标节点对应的用户可以根据所呈现的人际关系图谱确定出自己与源节点对应的用户之间的人际关系强度，当两者之间的人际关系强度大于人际关系强度阈值时，目标节点对应的用户可以通过终端400向服务器200请求源节点对应的用户的相关信息。例如，服务器200在接收到终端400发送的请求后，可以通过网络300将源节点对应的用户账号发送给终端400，从而目标节点对应的用户可以添加源节点对应的用户为好友。

在一些实施例中，服务器200也可以根据源节点和目标节点之间的人际关系图谱，执行向目标节点对应的用户推荐与源节点对应的用户所关联的物品的操作。例如，当服务器200确定出源节点与目标节点之间的人际关系强度大于人际关系强度阈值时，可以将源节点对应的用户在最近一段时间内购买过的、或者收藏过的物品的相关信息发送给目标节点所关联的终端400，从而实现物品推荐的功能。

在另一些实施例中，服务器200还可以根据源节点与目标节点之间的人际关系图谱，控制源节点授权目标节点使用的账号的权限。例如，当服务器200根据生成的人际关系图谱，确定出源节点与目标节点之间的人际关系强度大于人际关系强度阈值时，表明源节点对应的用户与目标节点对应的用户之间的亲密度较高，则服务器200可以向目标节点开放账号的所有权限；当服务器200确定出源节点和目标节点之间的人际关系强度小于人际关系强度阈值时，表明源节点与目标节点之间的亲密度较低，则服务器可以仅仅向目标节点开放账号的基础权限，如此，在保证目标节点可以使用基础功能的同时，也进一步保证了源节点的账号的安全性。

仍以执行本申请实施例提供的人际关系图谱的处理方法的电子设备为服务器为例进行说明，参见图2，图2是本申请实施例提供的服务器200的结构示意图，图2所示的服务器200包括：至少一个处理器210、存储器240、至少一个网络接口220。服务器200中的各个组件通过总线系统230耦合在一起。可理解，总线系统230用于实现这些组件之间的连接通信。总线系统230除包括数据总线之外，还包括电源总线、控制总线和状态信号总线。但是为了清楚说明起见，在图2中将各种总线都标为总线系统230。

处理器210可以是一种集成电路芯片，具有信号的处理能力，例如通用处理器、数字信号处理器（DSP，Digital Signal Processor），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任何常规的处理器等。

存储器240可以是可移除的，不可移除的或其组合。示例性的硬件设备包括固态存储器，硬盘驱动器，光盘驱动器等。存储器240可选地包括在物理位置上远离处理器210的一个或多个存储设备。

存储器240包括易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。非易失性存储器可以是只读存储器（ROM，Read Only Memory），易失性存储器可以是随机存取存储器（RAM，Random Access Memory）。本申请实施例描述的存储器240旨在包括任意适合类型的存储器。

在一些实施例中，存储器240能够存储数据以支持各种操作，这些数据的示例包括程序、模块和数据结构或者其子集或超集，下面示例性说明。

操作系统241，包括用于处理各种基本系统服务和执行硬件相关任务的系统程序，例如框架层、核心库层、驱动层等，用于实现各种基础业务以及处理基于硬件的任务；

网络通信模块242，用于经由一个或多个（有线或无线）网络接口220到达其他计算设备，示例性的网络接口220包括：蓝牙、无线相容性认证（WiFi）、和通用串行总线（USB，Universal Serial Bus）等；

在一些实施例中，本申请实施例提供的人际关系图谱的处理装置可以采用软件方式实现，图2示出了存储在存储器240中的人际关系图谱的处理装置243，其可以是程序和插件等形式的软件，包括以下软件模块：确定模块2431和生成模块2432，这些模块是逻辑上的，因此根据所实现的功能可以进行任意的组合或进一步拆分。将在下文中说明各个模块的功能。

在另一些实施例中，本申请实施例提供的人际关系图谱的处理装置可以采用硬件方式实现，作为示例，本申请实施例提供的人际关系图谱的处理装置可以是采用硬件译码处理器形式的处理器，其被编程以执行本申请实施例提供的人际关系图谱的处理方法，例如，硬件译码处理器形式的处理器可以采用一个或多个应用专用集成电路（ASIC，Application Specific Integrated Circuit）、DSP、可编程逻辑器件（PLD，ProgrammableLogic Device）、复杂可编程逻辑器件（CPLD，Complex Programmable Logic Device）、现场可编程门阵列（FPGA，Field-Programmable Gate Array）或其他电子元件。

下面以服务器执行本申请实施例提供的人际关系图谱的处理方法为例说明，参见图3A，图3A是本申请实施例提供的人际关系图谱的处理方法的流程示意图，将结合图3A示出的步骤进行说明。

在步骤S101中，服务器确定多个节点的属性和值域。

在一些实施例中，服务器可以从社交平台对应的数据库中获取多个用户的属性和值域，并将每个用户标识为一个单独的节点（即用户节点），得到多个节点的属性和值域。

示例的，服务器可以从单个社交平台对应的数据库中获取多个用户的属性和值域，并将每个用户标识为一个单独的节点，得到多个节点的属性和值域。

示例的，服务器也可以从多个不同的社交平台分别对应的数据库中获取多个用户的属性和值域。服务器在从多个不同的社交平台分别对应的数据库中获取多个用户的属性和值域后，以每个用户作为一个节点，得到多个节点；接着，对所获取的多个节点进行对齐处理，即服务器需要将不同社交平台中属于现实世界中同一自然人的多个节点整合为一个节点。例如，用户甲在A社交平台对应的节点为1，在B社交平台对应的节点为2，则服务器在确定出从A社交平台所获取的节点1对应的用户和从B社交平台所获取的节点2对应的用户属于现实世界中同一个自然人用户甲时，服务器则可以将节点1和节点2整合为一个节点。

在一些实施例中，每个节点对应的属性可以是多种，服务器针对每种属性，分别确定其对应的值域（例如取值类型、范围、以及具体的取值等）。例如，以节点的属性为性别为例，其对应的取值类型是“文本”、范围可以包括“男、女、其它”，假设节点1对应的用户为男性，则其性别属性对应的取值为“男”。

示例的，节点的属性可以包括个人属性和行为属性。下面分别进行说明。

个人属性可以进一步包括：静态属性和动态属性，其中，静态属性可以进一步包括：节点的能够被识别的静态基本信息，例如用户的姓名、性别等；节点的能够被测量的特征信息，例如电话号码、收入等；以及节点的确定性关系信息，例如婚姻状态、职业等。动态属性也可以进一步包括：节点的能够被识别的动态基本信息，例如用户的兴趣爱好等；节点的动态的且能够被测量的特征信息，例如用户的社交属性等；节点的动态的关系信息，例如家庭成员关系等。

示例的，行为属性是指影响人际关系的行为中可定性、或者可定量、或者可定性且可定量的属性。例如，行为属性可以包括：行为类型（包括确定单一对象、确定多对象等）、对象关系（包括父子关系、同事关系、无直接关系等）、居住情况（包括共同居住、未共同居住等）、聚餐频率（包括频繁、经常、偶尔等）、通信频率（包括经常、没有等）。

需要说明的是，本申请实施例中行为属性是指影响用户之间人际关系的行为属性，可以理解的是，节点的行为属性具体是指当前节点与其他节点之间可影响人际关系的行为属性。例如，以行为属性的类型为对象关系为例，节点A的对象关系是指节点A与节点B之间的对象关系为父子关系，节点A与节点C之间的对象关系为同事关系。

本申请实施例中，服务器在从社交平台对应的数据库中获取多个节点的属性和值域后，可以根据源节点与目标节点之间的人际关系路径所涉及的每个节点的属性和值域，确定出源节点和目标节点之间的人际关系强度，进而生成人际关系图谱，从而可以直观和高效地展示源用户与目标用户之间的人际关系情况。

在步骤S102中，服务器针对多个节点中需要构建人际关系图谱的源节点和目标节点，确定源节点与目标节点之间的人际关系路径。

在一些实施例中，图3A示出的步骤S102可以通过图3C示出的步骤S1021至步骤S1024实现，将结合图3C示出的步骤进行说明。

在步骤S1021中，服务器确定与源节点具有人际关系的多个节点。

示例的，假设需要构建人际关系图谱的源节点为节点A，目标节点为节点D；服务器首先确定出与节点A具有人际关系（例如血缘关系、同学关系、同事关系、朋友关系等）的多个节点，例如节点B、节点C和节点E。

在步骤S1022中，服务器针对多个节点中的每个节点执行以下处理：确定与节点具有人际关系的多个节点。

示例的，服务器针对与节点A具有人际关系的节点B、节点C和节点E，分别确定出与节点B、节点C和节点E具有人际关系的多个节点。

在步骤S1023中，服务器判断每个节点对应的多个节点中是否存在目标节点，当多个节点中存在目标节点时，将节点确定为中间节点。

示例的，假设与节点B、以及节点C具有人际关系的多个节点中都存在节点D时，则服务器可以将节点B和节点C作为中间节点。

在步骤S1024中，服务器生成从源节点、经由中间节点至目标节点的人际关系路径。

示例的，服务器在将节点B和节点C作为中间节点后，可以分别得到“A-B-D”和“A-C-D”两条人际关系路径。当然，当在节点B、节点C和节点E分别具有人际关系的多个节点中均不存在节点D时，服务器可以重复上述过程，直至找到节点D，进而生成相应的人际关系路径。

在步骤S103中，服务器根据人际关系路径中包括的每个节点的属性和值域，确定源节点与目标节点之间的人际关系强度。

在一些实施例中，图3A示出的步骤S103可以通过图3B示出的步骤S201至步骤S205实现，将结合图3B示出的步骤进行说明。

在步骤S201中，服务器针对每条人际关系路径中的每个节点，执行以下处理：根据节点的个人属性所涉及的类型以及对应的值域，确定节点的多个个人情感属性、以及每个个人情感属性的偏度值。

在一些实施例中，服务器根据节点的个人属性所涉及的类型以及对应的值域，确定节点的多个个人情感属性、以及每个个人情感属性的偏度值，可以确定以下方式实现：针对节点的个人属性所涉及的多个类型中的每个类型，执行以下处理：根据与类型的个人情感属性对应的值域，对个人情感属性进行分级处理，并根据得到的分级结果确定个人情感属性对应的偏度值；其中，个人情感属性为节点的个人属性中对人际关系产生影响的因素。

示例的，以节点为节点A、人际关系路径为“A-B-D”和“A-C-D”为例，假设服务器在步骤S101中确定的节点A的个人属性所涉及的类型包括：性别、年龄、电话号码、婚姻状态、职业、收入、兴趣爱好等。以个人属性的类型为性别为例，假设节点A对应的用户的性别为男性、节点B对应的用户的性别为女性，则可以将节点A与节点B之间的个人情感属性确定为正面情感，例如用“1”进行标识；同时，当节点A对应的用户与节点B对应的用户之间为男女朋友时，表明两者之间的关系比较亲密，则可以将其对应的偏度值设置为5（假设将偏度值分为0-6七个层级）；假设节点C对应的用户的性别为男性，且与节点A对应的用户之间的关系为普通朋友时，则可以将节点A与节点C之间的个人情感属性确定为无偏向情感，例如可以用“0”进行标识，对应的偏度值也较低，可以设置为0。因此，对于个人属性的类型为性别时，可以将节点A与节点B之间的个人情感属性和偏度值确定为（1,5）；将节点B与节点C之间的个人情感属性和偏度值确定为（0,0）。对于其他类型，确定对应类型的节点的个人情感属性和偏度值的过程可以参照上述步骤，本申请实施例在此不再赘述。

需要说明的是，上述以数字标识个人情感属性的类型、以及偏度值层级的划分仅仅是示例，例如，也可以以文字进行标识，对于节点之间的正面情感，可以标识为“正”、对于负面情感，可以标识为“负”、偏度值层级也可以划分为其他数量的层级，例如可以划分为0-9十个层级、或者其他任意数量的层级，本申请实施例在此不作限制。

在步骤S202中，服务器根据节点的行为属性所涉及的类型以及对应的值域，确定节点的多个行为情感属性、以及每个行为情感属性的偏度值。

在一些实施例中，服务器根据节点的行为属性所涉及的类型以及对应的值域，确定节点的多个行为情感属性、以及每个行为情感属性的偏度值，可以通过以下方式实现：针对节点的行为属性所涉及的多个类型中的每个类型，执行以下处理：根据与类型的行为情感属性对应的值域，对行为情感属性进行分级处理，并根据得到的分级结果确定行为情感属性对应的偏度值；其中，行为情感属性为节点的行为属性中对人际关系产生影响的因素。

示例的，以节点为节点A、人际关系路径为“A-B-D”和“A-C-D”为例，假设服务器在步骤S101中确定的节点A的行为属性所涉及的类型包括：对象关系、居住、聚餐、出行、活动、通信等。以行为属性的类型为对象关系为例，假设节点A与节点B之间的对象关系为父子时，则确定节点A与节点B之间的行为情感属性为正面情感，且正面情感的程度值较大，因此，可以将节点A与节点B之间的行为情感属性和对应的偏度值确定为（1,5）；而节点A与节点C之间的对象关系为普通朋友关系，则可以将两者之间的行为情感属性和对应的偏度值设置为（1,3）。对于其他类型，确定对应类型的节点的行为情感属性和偏度值的过程可以参照上述步骤，本申请实施例在此不再赘述。

在步骤S203中，服务器针对节点对应的多个个人情感属性的偏度值、以及多个行为情感属性的偏度值进行求和处理，得到第一求和结果。

在一些实施例中，服务器在针对节点对应的多个个人情感属性的偏度值、以及多个行为情感属性的偏度值进行求和处理之前，还可以执行以下处理：确定个人属性权重矩阵，根据个人属性权重矩阵对每个个人情感属性的偏度值进行加权处理；以及确定行为属性权重矩阵，根据行为属性权重矩阵对每个行为情感属性的偏度值进行加权处理。其中，个人属性权重矩阵和行为属性权重矩阵的确定过程可以根据实际的应用场景，选择不同的算法，例如可以采用主成分分析法、层级算法等；也可以通过机器学习模型来进行确定。

示例的，以通过机器学习模型来确定个人属性权重矩阵为例进行说明，机器学习模型可以包括：卷积层（用于特征提取）、全连接层（用于将特征连接成一个向量）和池化层（用于平均池化或者最大池化）；损失函数可以是预测个人情感属性对应的偏度值和实际个人情感属性对应的偏度值之间的误差为因子构建的各种形式的函数，包括：均方误差损失函数（MSE，Mean Squared Error）、合页损失函数（HLF，Hinge Loss Function）和交叉熵损失函数（CrossEntropy）等。从而，可以利用训练后的机器学习模型确定出个人属性权重矩阵，并根据确定出的个人属性权重矩阵对每个个人情感属性的偏度值进行加权处理。行为属性权重矩阵的确定过程与个人属性权重矩阵的确定过程类似，本申请实施例不再赘述。

在另一些实施例中，承接上文，服务器在对节点对应的多个个人情感属性的偏度值、以及多个行为情感属性的偏度值进行加权处理后，分别确定出与节点的个人属性对应的个人情感传播因子、以及与节点的行为属性对应的行为情感传播因子；接着，服务器以与节点的个人属性对应的个人情感传播因子为权重，对上述经过加权处理后的多个个人情感属性的偏度值进行加权求和处理，得到第三求和结果；以及以与节点的行为属性对应的行为情感传播因子为权重，对上述经过加权处理后的多个行为情感属性的偏度值进行加权求和处理，得到第四求和结果。最后，服务器对第三求和结果和第四求和结果进行求和处理，并将最终的结果确定为节点对应的第一求和结果。

需要说明的是，上述个人情感传播因子和行为情感传播因子的算法可以根据实际人际关系构建场景进行选择，例如可以选择主成分分析算法、层次算法等；也可以采用机器学习的方式进行计算，本申请实施例在此不作限制。

在步骤S204中，服务器对每条人际关系路径中的每个节点对应的第一求和结果进行求和处理，得到第二求和结果。

这里，针对在步骤S102中确定出的源节点与目标节点之间的多条人际关系路径，服务器在确定出每条人际关系路径中每个节点对应的第一求和结果后，将人际关系路径所涉及的所有节点对应的第一求和结果进行求和，将求和结果确定为对应人际关系路径的第二求和结果，从而得到每条人际关系路径分别对应的第二求和结果。

在步骤S205中，服务器以每条人际关系路径对应的情感影响因子为权重，对每条人际关系路径对应的第二求和结果进行加权处理，得到源节点和目标节点之间的人际关系强度。

在一些实施例中，服务器在确定出源节点与目标节点之间的每条人际关系路径对应的第二求和结果之后，进一步确定出每条人际关系路径对应的情感影响因子，接着，以每条人际关系路径对应的情感影响因子为权重，对每条人际关系路径对应的第二求和结果进行加权求和处理，将最终的结果确定为源节点和目标节点之间的人际关系强度。

需要说明的是，情感影响因子的算法可以根据实际人际关系构建场景进行选择，例如可以选择主成分分析算法、层次算法等；也可以采用机器学习的方式进行计算，本申请实施例在此不作限制。

在步骤S104中，服务器根据人际关系路径以及人际关系强度，生成源节点与目标节点之间的人际关系图谱。

在一些实施例中，服务器根据人际关系路径以及人际关系强度，生成源节点与目标节点之间的人际关系图谱可以通过以下方式实现：生成图形化的个人节点；其中，个人节点的类型包括源节点、中间节点和目标节点，且不同类型的个人节点具有不同的颜色；生成任意两个个人节点之间符合人际关系路径的连接线；其中，连接线的不同类型对应个人节点的不同的属性，连接线的不同颜色对应个人节点的不同的情感属性，连接线的粗细程度与个人节点的情感属性的偏度值正相关；显示源节点与目标节点之间的人际关系强度；生成图例，其中，图例是个人节点和连接线对应的标识说明、值域说明和计算方法。

示例的，可以以蓝色表示源节点、以黄色表示中间节点，以红色表示目标节点，以实线表示个人属性、以虚线表示行为属性，并以线的颜色为绿色表示正面情感、以线的颜色为黑色表示负面情感、以线的颜色为粉色表示无偏向情感。此外，以线的粗细程度表示偏度值的大小，线越粗表示偏度值越大。同时，还可以在连接线的附近显示对应两个个人节点之间的人际关系强度、以及在人际关系图谱中显示源节点与目标节点之间的人际关系强度。当然，人际关系图谱中还可以包括图例，用于对个人节点和连接线的标识进行说明、以及对人际关系强度的计算方法进行说明。

在另一些实施例中，服务器在生成源节点与目标节点之间的人际关系图谱后，还可以针对人际关系图谱执行以下操作：查询、增加、删除、修改和更新。其中，查询操作是指服务器可以在人际关系图谱中查询源节点与目标节点之间的人际关系强度；增加操作是指服务器可以在人际关系图谱中相邻节点之间新增一个节点，并确定新增节点的属性和值域；删除操作是指服务器可以删除人际关系图谱中的一个非根节点；修改操作是指服务器可以对人际关系图谱中包括的节点的属性和值域进行修改，并根据修改后的节点的属性和值域，对人际关系图谱进行修改；更新操作是指当源节点与目标节点之间的人际关系路径中包括的节点的属性和值域发生变化时，服务器可以根据变化后的节点的属性和值域，对人际关系图谱进行更新。

本申请实施例提供的人际关系图谱的处理方法，从个人属性和行为属性两个方面，结合情感属性中可识别、可定性、可定量的元素，将人际关系强度进行数字化分析，并以图谱的方式更加直观的展示，从而对人际关系强度进行量化和图形化，并通过这种计算过程构建人际关系图谱，并约定人际关系图谱的操作方式，以更加高效和直观的展示用户之间的人际关系情况。

在另一些实施例中，本申请实施例提供的人际关系图谱的处理方法也可以结合区块链技术实现。

示例的，参见图4，图4是本申请实施例提供的人际关系图谱的处理方法的应用示意图，将结合图4说明本申请实施例提供的人际关系图谱的示例性应用。如图4所示，其包括区块链网络600（示例性示出了共识节点610-1至共识节点610-3）、认证中心700和业务主体800/900，下面分别进行说明。

区块链网络600的类型是灵活多样的，例如可以为公有链、私有链或联盟链中的任意一种。以公有链为例，任何业务主体的电子设备（例如，服务器200），都可以在不需要授权的情况下接入区块链网络600而成为客户端节点；以联盟链为例，业务主体在获得授权后其下辖的电子设备可以接入区块链网络600而成为客户端节点。

作为示例，当区块链网络600是联盟链时，业务主体800/900从认证中心700进行登记注册获得各自的数字证书，数字证书中包括业务主体的公钥、以及认证中心700对业务主体800/900的公钥和身份信息签署的数字签名，用来与业务主体针对交易的数字签名一起附加到交易（例如，用于上链存储强相关特征编码、或者查询强相关特征编码）中，并被发送到区块链网络600，以供区块链网络600从交易中取出数字证书和数字签名，验证交易的可靠性（即是否未经篡改）和发送消息的业务主体的身份信息，区块链网络600会根据身份进行验证，例如是否具有发起交易的权限。

在一些实施例中，客户端节点可以只作为区块链网络600的观察者，即提供支持业务主体发起交易功能，对于区块链网络600的共识节点610的功能，例如排序功能、共识服务和账本功能等，客户端节点可以缺省或者有选择性（例如，取决于业务主体的具体业务需求）地实施。从而，可以将业务主体的数据和业务处理逻辑最大程度迁移到区块链网络600中，通过区块链网络600实现数据和业务处理过程的可信和可追溯。

区块链网络600中的共识节点接收来自不同业务主体（例如图4中示出的业务主体800/900）的客户端节点提交的交易，执行交易以更新账本或者查询账本，执行交易的各种中间结果或最终结果可以返回业务主体的客户端节点中显示。

下面以服务器200将生成的人际关系图谱上传至区块链网络保存为例，说明区块链网络的示例性应用，参见图4，客户端节点810可以是图1中的服务器200。

首先，在客户端节点810设置人际关系图谱上链的逻辑，例如当生成人际关系图谱后，客户端节点810将人际关系图谱发送至区块链网络600时，生成对应的交易，交易包括：为了上链人际关系图谱而需要调用的智能合约、以及向智能合约传递的参数；交易还包括客户端节点810的数字证书、签署的数字签名，并将交易广播到区块链网络600中的共识节点610。

然后，区块链网络600中的共识节点610中接收到交易时，对交易携带的数字证书和数字签名进行验证，验证成功后，根据交易中携带的业务主体800的身份，确认业务主体800是否是具有交易权限，数字签名和权限验证中的任何一个验证判断都将导致交易失败。验证成功后签署共识节点610自己的数字签名（例如，使用节点610-1的私钥对交易的摘要进行加密得到），并继续在区块链网络600中广播。

最后，区块链网络600中的共识节点610接收到验证成功的交易后，将交易填充到新的区块中，并进行广播。区块链网络600中的共识节点610广播的新区块时，会对新区块进行验证，例如，验证新区块中交易的数字签名是否有效，如果验证成功，则将新区块追加到自身所存储的区块链的尾部，并根据交易的结果更新状态数据库，执行新区块中的交易：对于提交的存储人际关系图谱的交易，在状态数据库中添加包括人际关系图谱的键值对。

再以应用服务器在区块链网络600中查询人际关系图谱为例，说明区块链网络的示例性应用。参见图4，客户端节点910可以是应用服务器。应用服务器是指基于人际关系图谱开展应用的服务器。

在一些实施例中，客户端节点910在区块链网络600中能够查询的数据的类型，可以由共识节点610通过约束业务主体的客户端阶段能够发起的交易的权限来实现，当客户端节点910具有发起查询人际关系图谱的权限时，可以由客户端节点910生成用于查询人际关系图谱的交易并提交到区块链网络600中，从共识节点610执行交易以从状态数据库中查询相应的人际关系图谱，并返回客户端节点910。

以推荐场景为例，客户端节点910在从区块链网络600中获取到人际关图谱后，可以根据人际关系图谱查询出源节点与目标节点之间的人际关系强度；当两者之间的人际关系强度大于人际关系强度阈值时，客户端节点910可以向源节点所关联的终端发送目标节点对应的目标用户的相关信息，例如目标用户的账号等；客户端节点910也可以向源节点所关联的终端发送目标节点对应的目标用户在预设时间段内关联的物品的相关信息，例如客户端节点910获取目标用户在最近一个星期内所购买过的物品信息，将这些物品信息发送给源节点所关联的终端。

下面继续说明本申请实施例提供的人际关系图谱的处理装置243实施为软件模块的示例性结构，在一些实施例中，如图2所示，存储在存储器240的人际关系图谱的处理装置243中的软件模块可以包括：确定模块2431和生成模块2432。

确定模块2431，用于确定多个节点的属性和值域；确定模块2431，还用于针对多个节点中需要构建人际关系图谱的源节点和目标节点，确定源节点与目标节点之间的人际关系路径；以及用于根据人际关系路径中包括的每个节点的属性和值域，确定源节点与目标节点之间的人际关系强度；生成模块2432，用于根据人际关系路径以及人际关系强度，生成源节点与目标节点之间的人际关系图谱。

在一些实施例中，确定模块2431，还用于确定节点的个人属性所涉及的类型以及对应的值域；以及用于确定节点的行为属性所涉及的类型以及对应的值域。

在一些实施例中，确定模块2431，还用于确定节点的静态属性，其中，静态属性至少包括以下之一：节点的能够被识别的静态基本信息、节点的能够被测量的特征信息、节点的确定性关系信息；以及用于确定节点的动态属性，其中，动态属性至少包括以下之一：节点的能够被识别的动态基本信息、节点的动态的且能够被测量的特征信息、节点的动态的关系信息。

在一些实施例中，确定模块2431，还用于针对每条人际关系路径中的每个节点，执行以下处理：对节点对应的多个个人情感属性的偏度值、以及多个行为情感属性的偏度值进行求和处理，得到第一求和结果；对每条人际关系路径中的每个节点对应的第一求和结果进行求和处理，得到第二求和结果；以每条人际关系路径对应的情感影响因子为权重，对每条人际关系路径对应的第二求和结果进行加权求和，得到源节点与目标节点之间的人际关系强度。

在一些实施例中，确定模块2431，还用于针对每条人际关系路径中的每个节点，执行以下处理：根据节点的个人属性所涉及的类型以及对应的值域，确定节点的多个个人情感属性、以及每个个人情感属性的偏度值；根据节点的行为属性所涉及的类型以及对应的值域，确定节点的多个行为情感属性、以及每个行为情感属性的偏度值。

在一些实施例中，确定模块2431，还用于针对节点的个人属性所涉及的多个类型中的每个类型，执行以下处理：根据与类型的个人情感属性对应的值域，对个人情感属性进行分级处理，并根据得到的分级结果确定个人情感属性对应的偏度值；其中，个人情感属性为节点的个人属性中对人际关系产生影响的因素。

在一些实施例中，确定模块2431，还用于针对节点的行为属性所涉及的多个类型中的每个类型，执行以下处理：根据与类型的行为情感属性对应的值域，对行为情感属性进行分级处理，并根据得到的分级结果确定行为情感属性对应的偏度值；其中，行为情感属性为节点的行为属性中对人际关系产生影响的因素。

在一些实施例中，确定模块2431，还用于确定个人属性权重矩阵，根据个人属性权重矩阵对每个个人情感属性的偏度值进行加权处理；以及用于确定行为属性权重矩阵，根据行为属性权重矩阵对每个行为情感属性的偏度值进行加权处理；以及用于对经过加权处理后的多个个人情感属性的偏度值、以及多个行为情感属性的偏度值进行求和处理，得到与节点对应的第一求和结果。

在一些实施例中，确定模块2431，还用于以与节点的个人属性对应的个人情感传播因子为权重，对经过加权处理后的多个个人情感属性的偏度值进行加权求和，得到第三求和结果；以与节点的行为属性对应的行为情感传播因子为权重，对经过加权处理后的多个行为情感属性的偏度值进行加权求和，得到第四求和结果；对第三求和结果与第四求和结果进行求和处理。

在一些实施例中，生成模块2432，还用于生成图形化的个人节点；其中，个人节点的类型包括源节点、中间节点和目标节点，且不同类型的个人节点具有不同的颜色；生成任意两个个人节点之间符合人际关系路径的连接线；其中，连接线的不同类型对应个人节点的不同的属性，连接线的不同颜色对应个人节点的不同的情感属性，连接线的粗细程度与个人节点的情感属性的偏度值正相关；显示源节点与目标节点之间的人际关系强度；生成图例，其中，图例是个人节点和连接线对应的标识说明、值域说明和计算方法。

在一些实施例中，确定模块2431，还用于针对人际关系图谱至少执行以下操作之一：在人际关系图谱中查询源节点与目标节点之间的人际关系强度；在人际关系图谱中相邻节点之间新增一个节点，并确定新增节点的属性和值域；删除人际关系图谱中的一个非根节点；对人际关系图谱中包括的节点的属性和值域进行修改，并根据修改后的节点的属性和值域，对人际关系图谱进行修改；当人际关系路径中包括的节点的属性和值域发生变化时，根据变化后的节点的属性和值域，对人际关系图谱进行更新。

在一些实施例中，确定模块2431，还用于确定与源节点具有人际关系的多个节点；针对多个节点中的每个节点，执行以下处理：确定与节点具有人际关系的多个节点；当多个节点中存在目标节点时，将节点确定为中间节点；生成从源节点、经由中间节点至目标节点的人际关系路径。

在一些实施例中，确定模块2431，还用于将人际关系图谱存储到区块链网络中；响应基于人际关系图谱开展应用的请求，从区块链网络中获取被请求的人际关系图谱，并根据所获取的人际关系图谱执行以下应用至少之一：基于人际关系图谱进行好友推荐；基于人际关系图谱进行物品推荐；基于人际关系图谱确定账号的使用权限。

在一些实施例中，确定模块2431，还用于当根据人际关系图谱确定出目标节点与源节点之间的人际关系强度大于人际关系强度阈值时，向目标节点发送源节点对应的用户信息；以及用于当根据人际关系图谱确定出目标节点与源节点之间的人际关系强度大于人际关系强度阈值时，根据与源节点关联的物品执行对应目标节点的推荐操作；以及用于根据人际关系图谱确定目标节点与源节点之间的人际关系强度，基于人际关系强度对应的亲密度等级，确定目标节点授权源节点使用的账号的权限。

在一些实施例中，确定模块2431，还用于当人际关系强度大于人际关系强度阈值时，确定人际关系强度对应的亲密度等级为高亲密度，向源节点开放账号的所有权限；以及用于当人际关系强度小于人际关系强度阈值时，确定人际关系强度对应的亲密度等级为低亲密度，向源节点开放账号的基础权限。

需要说明的是，本申请实施例装置的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果，因此不做赘述。对于本申请实施例提供的人际关系图谱的处理装置中未尽的技术细节，可以根据图3A、图3B或图5中的任一附图的说明而理解。

下面，以社交网络的好友推荐场景为例进行说明。

本申请实施例提供的人际关系图谱的处理方法基于社交网络用户的可识别的、确定性的、可定性的、可量化的人际关系元素，对影响人际关系的元素进行细化和识别量化，形成具有实践性的人际关系强度计算方法，并通过这种计算方法构建社交网络人际关系图谱，以及约定图谱的操作方式，从而能够更加高效和直观地展示用户之间的人际关系情况，进而进行好友推荐，下面具体说明。

参见图5，图5是本申请实施例提供的人际关系图谱的处理方法的流程示意图，将结合图5示出的步骤进行说明。

在步骤S501中，针对社交网络中的各个用户，服务器确定各个用户对应的个人属性和值域。

这里，个人属性是指影响人际关系的基础属性，包括静态属性和动态属性。其中，静态属性包括社交网络中各个用户的可识别的基本信息、可测量的特征信息、以及确定性关系等，例如静态属性可以包括用户的姓名、性别、电话号码等。动态属性包括社交网络中各个用户的可变化的、可识别的基础属性，包括动态基本信息、动态可测量的特征信息、以及动态性关系信息等，例如动态属性可以包括用户的兴趣爱好、职业、收入等。

示例的，参见表1，表1是本申请实施例提供的静态属性与动态属性表。如表1所示，对于某个用户，可以获取该用户对应的名字、性别、年龄、电话号码、婚姻状态、职业和收入等静态属性；同时，还可以获取该用户对应的兴趣爱好、社交属性和家庭成员关系等动态属性。

服务器在确定出节点（即将社交网络中的每个用户作为一个节点）的个人属性所涉及的多个不同的类型后，还可以确定出每个类型对应的取值类型和范围等。

示例的，参见表2，表2是本申请实施例提供的静态属性与动态属性的取值类型与范围表。如表2所示，对于节点名字，其对应的取值类型为“文本”、范围为“2-16个合法中文字符”；对于性别，其对应的取值类型为“文本”、范围为“男、女、其它”；对于年龄，其对应的取值类型为“数值”、范围为“0-200”；对于电话号码，其对应的取值类型为“数值”、范围为“11位合法电话号码数字”；对于婚姻状态，其对应的取值类型为“文本”、范围为“未婚、已婚（有配偶）、丧偶、离婚”。

在步骤S502中，服务器确定社交网络中各个用户对应的行为属性和值域。

这里，行为属性是指影响人际关系的行为中可定性、可定量、可定性且定量的属性。按行为对象的不同，可分为确定性对象和非确定性对象；其中，确定性对象是指对确定的对象产生影响的行为，例如确定的对象可以是具有血缘关系的对象；非确定性对象是指产生影响的行为的对象是不能确定的，例如非确定性对象可以是同事、朋友等。服务器通过采集用户行为过程中可定性、或可定量、或可定性且可定量的信息作为用户的行为属性信息。

示例的，参见表3，表3是本申请实施例提供的行为属性表。如表3所示，行为属性可以包括：行为类型、对象关系、居住、聚餐、出行、社交活动、以及通信等。例如，对于节点A来说，其与节点B之间的对象关系为父子，即节点B是节点A的确定性对象，两者之间的行为类型为确定单一对象。而节点A与节点C之间的对象关系为无直接关系（例如用户A与用户C可能是陌生人），即节点C是节点A的非确定性对象，两者之间的行为类型为确定多对象。

服务器在确定出节点的行为属性所涉及的多个不同的类型后，还可以确定出每个类型对应的取值类型和范围等。

示例的，参见表4，表4是本申请实施例提供的行为属性的取值类型与范围表。如表4所示，对于分支路径，其对应的取值类型为“数组”，范围为“根据实际分支路径确定”。例如，为了确定节点A与节点D之间的人际关系强度，首先需要确定出节点A与节点D之间所有可能影响人际关系强度的路径。假设用户A与用户B为父子关系，用户B与用户D为同事关系，则建立“A-B-D”这一条分支路径。对于分支路径子路径，其对应的取值类型为“数组”、范围为“根据实际分支路径子路径确定”。以上述分支路径“A-B-D”为例，其对应的分支路径子路径包括“A-B”和“B-D”；对于行为类型，其对应的取值类型为“文本”、范围包括“确定单一对象、确定多对象、非确定单一对象、非确定多对象”；对于对象关系，其对应的取值类型为“文本”，范围包括“血缘关系类型、非血缘关系类型、无直接关系”；对于居住，其对应的取值类型为“文本”、范围包括“非常频繁、频繁、经常、正常、偶尔、很少、没有”等；对于通信，其对应的取值类型为“文本”、范围包括“非常频繁、频繁、经常、正常、偶尔、很少、没有”等。

在步骤S503中，服务器根据需要构建社交网络人际关系图谱的源节点和目标节点，确定源节点和目标节点之间可影响人际关系的全部路径。

在一些实施例中，服务器针对多个节点中需要构建社交网络人际关系图谱的源节点和目标节点，确定出源节点与目标节点之间可影响人际关系的全部路径。

示例的，假设需要构建节点A（即将节点A确定为源节点）和节点D（即将节点D确定为目标节点）之间的人际关系图谱，则服务器首先确定出与节点A具有人际关系的多个节点，例如包括节点B、节点C、节点E等等。随后，针对每个节点，分别确定出与每个节点具有人际关系的多个节点。例如，对于节点B，服务器确定出与节点B具有人际关系的多个节点，随后，判断这些多个节点中是否存在节点D，如果存在，则建立“A-B-D”的人际关系路径；如果不存在，则针对这些多个节点中的每个节点，再次确定与每个节点具有人际关系的多个节点，直至找到节点D。

在步骤S504中，服务器确定情感属性和偏度值。

这里，情感属性是指社交网络中各个用户对应的个人属性或者行为属性中对人际关系产生影响的因素。服务器对源节点和目标节点之间，每条人际关系路径中每个节点之间的情感属性进行定性分级，并根据定性分级结果确定出情感属性的偏度值。

示例的，参见表5，表5是本申请实施例提供的静态属性、动态属性的情感属性和偏度值表。如表5所示，（n,m）中的“n”表示情感属性，包括：负面情感，用“-1”表示；无偏向情感，用“0”表示；正面情感，用“1”表示；“m”表示偏度值，即情感属性的程度值，分为若干个层级，例如可以分成0-6七个层级，数字越大表示关系越亲密。例如对于性别，用户B为男性，用户D为女性，则节点B与节点D之间的情感属性为正面情感，对应的偏度值由用户B与用户D之间的关系确定，假设当用户B与用户D之间的关系为男女朋友时，则可以将对应的偏度值设置为5；当用户B与用户D之间的关系为普通朋友或者同事时，则可以将对应的偏度值设置为3。对于其他类型的属性，可以采用上述方式进行设置，从而得到表5。

示例的，参见表6，表6是本申请实施例提供的行为属性的情感属性与偏度值表。如表6所示，对于对象关系，假设节点A与节点B之间的对象关系为父子关系，则用户A对用户B的情感属性为正面情感，且正面情感的程度值较大，因此，针对对象关系，可以将节点A与节点B之间行为属性的情感属性与偏度值设置为（1，6）；而当节点B与节点D之间的对象关系为无直接关系（例如是陌生人）时，即用户B对用户D的情感属性为无偏向情感，则可以将节点B与节点D之间的行为属性的情感属性和偏度值设置为（0，0）。

在步骤S505中，服务器对情感属性和偏度值进行标准化和赋权处理。

在一些实施例中，服务器在确定出每条人际关系路径中每个节点对应的情感属性和偏度值之后，还需要对情感属性和偏度值进行标准化处理，例如对原始的偏度值进行规范化处理，使处理后的偏度值映射到[0,6]的区间内。在进行标准化处理后，服务器还可以进一步对个人属性和行为属性分别赋予对应的权重值。

示例的，参见表7，表7是本申请实施例提供的静态属性、动态属性的权重矩阵表，如表7所示，服务器确定出每个节点所涉及的多个属性分别对应的权重值，随后，对节点的个人属性的情感属性和偏度值进行加权处理，使其更加符合实际情况。

需要说明的是，个人属性对应的权重值的计算可以根据实际的应用场景，选择不同的算法，例如可以采用主成分分析法、层级算法等；也可以采用机器学习模型来计算出静态属性、动态属性对应的权重值，本申请实施例在此不作限制。

示例的，机器学习模型可以包括：卷积层（用于特征提取）、全连接层（用于将特征连接成一个向量）和池化层（用于平均池化或者最大池化）；损失函数可以是预测静态属性、动态属性的情感属性和偏度值和实际静态属性、动态属性的情感属性和偏度值之间的误差为因子构建的各种形式的函数，包括：均方误差损失函数（MSE，Mean Squared Error）、合页损失函数（HLF，Hinge Loss Function）和交叉熵损失函数（CrossEntropy）等。从而，可以利用训练后的机器学习模型确定出静态属性、动态属性对应的权重矩阵，并根据确定出的权重矩阵对静态属性、动态属性的情感属性和偏度值进行加权处理。

示例的，参见表8，表8是本申请实施例提供的行为属性的权重矩阵表，如表8所示，服务器确定出每个节点所涉及的多个属性分别对应的权重值，随后，对节点的行为属性的情感属性和偏度值进行加权处理，使其更加符合实际情况。

需要说明的是，行为属性对应的权重值的计算可以根据实际的应用场景，选择不同的算法，例如可以采用主成分分析法、层级算法等；也可以采用机器学习模型来计算出行为属性对应的权重值，本申请实施例在此不作限制。

在步骤S506中，服务器确定源节点与目标节点之间的人际关系强度。

在一些实施例中，步骤S506可以通过步骤S5061至步骤S5064实现。

在步骤S5061中，服务器针对源节点与目标节点之间的每条人际关系路径，确定每条人际关系路径中每个相邻节点之间的个人属性和行为属性分别对应的情感传播因子。

示例的，参见表9，表9是本申请实施例提供的情感传播因子表。如表9所示，服务器针对每条人际关系路径，例如以分支路径“A-B-D”为例，服务器需要确定出节点A与节点B之间的个人属性和行为属性分别对应的情感传播因子、以及节点B和节点D之间的个人属性和行为属性分别对应的情感传播因子。

需要说明的是，情感传播因子的算法可以根据实际人际关系构建场景进行选择，例如可以选择主成分分析法、层级算法等；也可以采用机器学习模型来计算情感传播因子，本申请实施例在此不作限制。

在步骤S5062中，服务器确定出每条人际关系路径分别对应的情感属性和偏度值。

这里，在执行步骤S5061确定出情感传播因子后，服务器可以根据情感传播因子确定出每条人际关系路径分别对应的情感属性和偏度值。

示例的，参见表10，表10是本申请实施例提供的人际关系路径情感属性和偏度值表。下面以表10中包括的分支路径子路径为“A-B”、属性类型为“行为属性”为例，说明其对应的情感属性和偏度值（1,48）的计算过程。

服务器首先根据表6中分支路径子路径为“A-B”对应的行为类型（1,3）、对象关系（1,6）、居住（1,6）、聚餐（1,4）、出行（1,1）、社交活动（1,2）和通信（1,4），以及表8中分支路径子路径同样为“A-B”的行为类型、对象关系、居住、聚餐、出行、社交活动和通信分别对应的权重值1、4、1、2、1、1、1，计算出“A-B”之间的行为属性对应的初始偏度值为3+6*4+6+4*2+1+2+4=48。而对于“A-B”之间的行为属性的情感属性可以由行为属性所涉及的多个类型分别对应的情感属性进行确定。由于表6中所有类型对应的情感属性均为“1”，因此，服务器将“A-B”之间的行为属性的情感属性也确定为“1”。表格中其他数据可以通过上述方式计算得到，本申请实施例在此不再赘述。

需要说明的是，在多个类型分别对应的情感属性中存在不同的情感属性时，可以将多数类型对应的情感属性确定为最终的情感属性。例如，对于分支路径子路径“A-B”，假设存在4个类型对应的情感属性为“1”，2个类型对应的情感属性为“0”，则将“A-B”最终的情感属性确定为“1”。

示例的，仍以分支子路径为“A-B”、属性类型为“行为属性”为例，在确定出“A-B”之间的行为属性对应的初始偏度值后，根据表9中“A-B”对应的行为属性情感传播因子0.5，计算出“A-B”之间的行为属性对应的最终偏度值为48*0.5=24。随后，服务器针对其他路径进行计算，从而得到表11。

在步骤S5063中，服务器确定每条人际关系路径分别对应的情感影响因子。

这里，针对在步骤S503中确定出的源节点与目标节点之间可影响人际关系的所有路径，服务器确定出每条人际关系路径分别对应的情感影响因子，以对每条人际关系路径分别赋予对应的情感影响因子。

示例的，参见表12，表12是本申请实施例提供的情感影响因子表。如表12所示，假设节点A与节点D之间存在两条人际关系路径，分别为“A-B-D”和“A-C-D”，则服务器需要分别确定出人际关系路径“A-B-D”和“A-C-D”对应的情感影响因子。

需要说明的是，情感影响因子的算法可以根据实际人际关系构建场景进行选择，例如可以选择主成分分析法、层级算法等；也可以采用机器学习模型来计算情感影响因子，本申请实施例在此不作限制。

在步骤S5064中，服务器确定源节点与目标节点之间的人际关系强度。

这里，服务器在执行步骤S5063确定出每条人际关系路径分别对应的情感影响因子后，便可以确定出源节点与目标节点之间的人际关系强度。

示例的，参见表13，表13是本申请实施例提供的人际关系强度表。下面对表13中人际关系路径“A-B-D”对应的人际关系强度进行说明。

服务器首先对表11中人际关系路径“A-B-D”对应的所有最终偏度值进行求和，得到24+27+8=59，随后，根据表12中人际关系路径“A-B-D”对应的情感影响因子0.7，得到人际关系路径“A-B-D”对应的人际关系强度为59*0.7=41.3，四舍五入后得到41。最后，服务器将节点A和节点D之间的所有人际关系路径对应的人际关系强度进行求和，得到节点A和节点D之间的人际关系强度为41+89=130。

在步骤S507中，服务器生成社交网络人际关系图谱。

在一些实施例中，服务器可以使用不同的颜色和/或形状分别表示源节点、中间节点和目标节点，并以不同的连接线分别表示个人属性的和行为属性，以对应连接线的颜色分别表示个人属性的情感属性和行为属性的情感属性、以及以对应连接线的粗细来分别表示个人属性的情感属性对应的偏度值、以及行为属性的情感属性对应的偏度值。

示例的，参见图6，图6是本申请实施例提供的社交网络人际关系图谱的示意图。如图6所示，以圆形表示源节点、以三角形表示中间节点、以正方形表示目标节点，以实线表示个人属性、以虚线表示行为属性，并以线的颜色为绿色表示正向情感，以线的粗线表示偏度值的大小，偏度值越大，对应的线越粗。此外，图6中还可以包括图例，对连接线、节点表示的含义说明，便于图谱的直观理解。

示例的，也可以以不同的颜色表示不同类型的节点，例如以蓝色表示源节点，以黄色表示中间节点，以红色表示目标节点。

在步骤S508中，服务器针对社交网络人际关系图谱进行操作。

服务器可以针对社交网络人际关系图谱执行以下操作：查询、增加、删除、修改、更新。其中，图谱的查询是基于选择的源节点和目标节点，计算出源节点和目标节点之间的人际关系强度；图谱的增加是在两个相邻节点之间新增一个节点，并配置该新增节点对应的个人属性和行为属性；图谱的删除是指删除一个非根节点；图谱的修改是指对节点的个人属性、行为属性、计算过程、图谱绘制的配置信息进行修改；图谱更新是指人际关系图谱执行某种操作后，导致部分或全部信息的变化，需要对人际关系图谱构建过程中的部分或全部信息进行同步或重新计算。

在步骤S509中，服务器根据社交网络人际关系图谱进行好友推荐。

示例的，承接上文，服务器可以将节点A与节点D之间的人际关系图谱发送给节点A对应的用户所关联的终端上，以使终端调用客户端的图形界面进行呈现。接着，节点A对应的用户可以根据客户端的图形界面上所呈现的人际关系图谱查询其与节点D对应的用户之间的人际关系强度。当两者之间的人际关系强度大于强度阈值时，节点A对应的用户可以通过所关联的终端向服务器发送请求，以使服务器将节点D对应的用户账号发送给节点A对应的用户所关联的终端上，从而使节点A对应的用户可以添加节点A对应的用户为好友。

在另一些实施例中，当服务器根据社交网络人际关系图谱确定出节点A与节点D之间的人际关系强度大于强度阈值时，可以直接将节点D对应的用户相关信息，例如用户账号发送给节点A对应的用户所关联的终端，以使节点A对应的用户添加节点D对应的用户为好友。

本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。计算机设备的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该计算机设备执行本申请实施例上述的人际关系图谱的处理方法。

本申请实施例提供一种存储有可执行指令的存储介质，其中存储有可执行指令，当可执行指令被处理器执行时，将引起处理器执行本申请实施例提供的方法，例如，如图3A、图3B或图5示出的人际关系图谱的处理方法。

在一些实施例中，存储介质可以是FRAM、ROM、PROM、EPROM、EEPROM、闪存、磁表面存储器、光盘、或CD-ROM等存储器；也可以是包括上述存储器之一或任意组合的各种设备。

在一些实施例中，可执行指令可以采用程序、软件、软件模块、脚本或代码的形式，按任意形式的编程语言（包括编译或解释语言，或者声明性或过程性语言）来编写，并且其可按任意形式部署，包括被部署为独立的程序或者被部署为模块、组件、子例程或者适合在计算环境中使用的其它单元。

作为示例，可执行指令可以但不一定对应于文件系统中的文件，可以被存储在保存其它程序或数据的文件的一部分，例如，存储在超日志标记语言（HTML，Hyper TextMarkup Language）文档中的一个或多个脚本中，存储在专用于所讨论的程序的单个文件中，或者，存储在多个协同文件（例如，存储一个或多个模块、子程序或代码部分的文件）中。

作为示例，可执行指令可被部署为在一个计算设备上执行，或者在位于一个地点的多个计算设备上执行，又或者，在分布在多个地点且通过通信网络互连的多个计算设备上执行。

综上所述，通过本申请实施例具有以下有益效果：

利用上述人际关系图谱构建方法，可以从个人属性和行为属性两个方面，结合情感属性中可识别、可定性、可定量的元素，将人际关系强度进行数字化分析，并以图谱的方式更加直观的展示。这种方法的优点在于人际关系强度的量化和图形化，并通过这种计算过程构建人际关系图谱，约定图谱的操作方式，更加高效和直观的展示人际关系情况。

以上所述，仅为本申请的实施例而已，并非用于限定本申请的保护范围。凡在本申请的精神和范围之内所作的任何修改、等同替换和改进等，均包含在本申请的保护范围之内。

Claims (14)

1.一种人际关系图谱的处理方法，其特征在于，所述方法包括：

确定多个节点的属性和值域；

其中，所述属性包括个人属性和行为属性；

针对所述多个节点中需要构建人际关系图谱的源节点和目标节点，确定所述源节点与所述目标节点之间的人际关系路径；

根据所述人际关系路径中包括的每个节点的属性和值域，确定所述源节点与所述目标节点之间的人际关系强度；

根据所述人际关系路径以及所述人际关系强度，生成所述源节点与所述目标节点之间包括个人节点、连接线和图例的人际关系图谱；

其中，所述个人节点的类型包括所述源节点、中间节点和所述目标节点，且不同类型的个人节点具有不同的颜色和/或形状；

所述连接线的不同类型对应所述个人节点的不同的属性；

所述图例是所述个人节点和所述连接线对应的标识说明、值域说明和计算方法；

针对所述人际关系图谱执行以下操作至少之一：查询操作、增加操作、删除操作、修改操作、更新操作；

其中，所述查询操作包括在所述人际关系图谱中查询所述源节点与所述目标节点之间的人际关系强度；

当查询到的所述人际关系强度大于人际关系强度阈值时，向所述目标节点发送所述源节点对应的用户信息。

2.根据权利要求1所述的方法，其特征在于，

所述确定多个节点的属性和值域，包括：

针对所述多个节点中的每个节点，执行以下处理：

确定所述节点的个人属性所涉及的类型以及对应的值域；

确定所述节点的行为属性所涉及的类型以及对应的值域。

3.根据权利要求2所述的方法，其特征在于，

所述个人属性至少包括以下之一：

静态属性，所述静态属性至少包括以下之一：

所述节点的能够被识别的静态基本信息、所述节点的能够被测量的特征信息、所述节点的确定性关系信息；

动态属性，所述动态属性至少包括以下之一：

所述节点的能够被识别的动态基本信息、所述节点的动态的且能够被测量的特征信息、所述节点的动态的关系信息。

4.根据权利要求2所述的方法，其特征在于，所述根据所述人际关系路径中包括的每个节点的属性和值域，确定所述源节点与所述目标节点之间的人际关系强度，包括：

针对每条所述人际关系路径中的每个节点，执行以下处理：

对所述节点对应的多个个人情感属性的偏度值、以及多个行为情感属性的偏度值进行求和处理，得到第一求和结果；

对每条所述人际关系路径中的每个节点对应的第一求和结果进行求和处理，得到第二求和结果；

以每条所述人际关系路径对应的情感影响因子为权重，对每条所述人际关系路径对应的第二求和结果进行加权求和，得到所述源节点与所述目标节点之间的人际关系强度。

5.根据权利要求4所述的方法，其特征在于，所述对所述节点对应的多个个人情感属性的偏度值、以及多个行为情感属性的偏度值进行求和处理之前，所述方法还包括：

针对每条所述人际关系路径中的每个节点，执行以下处理：

根据所述节点的个人属性所涉及的类型以及对应的值域，确定所述节点的多个个人情感属性、以及每个所述个人情感属性的偏度值；

根据所述节点的行为属性所涉及的类型以及对应的值域，确定所述节点的多个行为情感属性、以及每个所述行为情感属性的偏度值。

6.根据权利要求5所述的方法，其特征在于，所述根据所述节点的个人属性所涉及的类型以及对应的值域，确定所述节点的多个个人情感属性、以及每个所述个人情感属性的偏度值，包括：

针对所述节点的个人属性所涉及的多个类型中的每个类型，执行以下处理：

根据与所述类型的个人情感属性对应的值域，对所述个人情感属性进行分级处理，并根据得到的分级结果确定所述个人情感属性对应的偏度值；

其中，所述个人情感属性为所述节点的个人属性中对人际关系产生影响的因素。

7.根据权利要求5所述的方法，其特征在于，所述根据所述节点的行为属性所涉及的类型以及对应的值域，确定所述节点的多个行为情感属性、以及每个所述行为情感属性的偏度值，包括：

针对所述节点的行为属性所涉及的多个类型中的每个类型，执行以下处理：

根据与所述类型的行为情感属性对应的值域，对所述行为情感属性进行分级处理，并根据得到的分级结果确定所述行为情感属性对应的偏度值；

其中，所述行为情感属性为所述节点的行为属性中对人际关系产生影响的因素。

8.根据权利要求5所述的方法，其特征在于，在确定每个所述个人情感属性的偏度值、以及每个所述行为情感属性的偏度值之后，所述方法还包括：

确定个人属性权重矩阵，根据所述个人属性权重矩阵对每个所述个人情感属性的偏度值进行加权处理；

确定行为属性权重矩阵，根据所述行为属性权重矩阵对每个所述行为情感属性的偏度值进行加权处理；

所述对所述节点对应的多个个人情感属性的偏度值、以及多个行为情感属性的偏度值进行求和处理，得到第一求和结果，包括：

对经过加权处理后的多个个人情感属性的偏度值、以及多个行为情感属性的偏度值进行求和处理，得到与所述节点对应的第一求和结果。

9.根据权利要求8所述的方法，其特征在于，所述对经过加权处理后的多个个人情感属性的偏度值、以及多个行为情感属性的偏度值进行求和处理，包括：

以与所述节点的个人属性对应的个人情感传播因子为权重，对所述经过加权处理后的多个个人情感属性的偏度值进行加权求和，得到第三求和结果；

以与所述节点的行为属性对应的行为情感传播因子为权重，对所述经过加权处理后的多个行为情感属性的偏度值进行加权求和，得到第四求和结果；

对所述第三求和结果与所述第四求和结果进行求和处理。

10.根据权利要求1所述的方法，其特征在于，

所述增加操作包括在所述人际关系图谱中相邻节点之间新增一个节点，并确定所述新增节点的属性和值域；

所述删除操作包括删除所述人际关系图谱中的一个非根节点；

所述修改操作包括对所述人际关系图谱中包括的节点的属性和值域进行修改，并根据修改后的节点的属性和值域，对所述人际关系图谱进行修改；

所述更新操作包括当所述人际关系路径中包括的节点的属性和值域发生变化时，根据变化后的节点的属性和值域，对所述人际关系图谱进行更新。

11.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述人际关系图谱存储到区块链网络中；

响应基于所述人际关系图谱开展应用的请求，从所述区块链网络中获取被请求的人际关系图谱，并根据所获取的人际关系图谱执行以下操作至少之一：

基于所述人际关系图谱进行好友推荐；

基于所述人际关系图谱进行物品推荐；

基于所述人际关系图谱确定账号的使用权限。

12.一种人际关系图谱的处理装置，其特征在于，所述装置包括：

确定模块，用于确定多个节点的属性和值域；

其中，所述属性包括个人属性和行为属性；

所述确定模块，还用于针对所述多个节点中需要构建人际关系图谱的源节点和目标节点，确定所述源节点与所述目标节点之间的人际关系路径；以及

用于根据所述人际关系路径中包括的每个节点的属性和值域，确定所述源节点与所述目标节点之间的人际关系强度；

生成模块，用于根据所述人际关系路径以及所述人际关系强度，生成所述源节点与所述目标节点之间包括个人节点、连接线和图例的人际关系图谱；

其中，所述个人节点的类型包括所述源节点、中间节点和所述目标节点，且不同类型的个人节点具有不同的颜色或形状；

所述连接线的不同类型对应所述个人节点的不同的属性；

所述图例是所述个人节点和所述连接线对应的标识说明、值域说明和计算方法；

所述确定模块，还用于针对所述人际关系图谱执行以下操作至少之一：查询操作、增加操作、删除操作、修改操作、更新操作；

其中，所述查询操作包括在所述人际关系图谱中查询所述源节点与所述目标节点之间的人际关系强度；

当查询到的所述人际关系强度大于人际关系强度阈值时，向所述目标节点发送所述源节点对应的用户信息。

13.一种电子设备，其特征在于，包括：

存储器，用于存储可执行指令；

处理器，用于执行所述可执行指令时实现如权利要求1-11任一项所述的人际关系图谱的处理方法。

14.一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，所述计算机程序被处理器执行时实现如权利要求1-11任一项所述的人际关系图谱的处理方法。

Images