CN111966975A - 一种管理网络社群的方法、终端设备及存储介质 - Google Patents

一种管理网络社群的方法、终端设备及存储介质 Download PDF

Info

Publication number
CN111966975A
CN111966975A CN202010684978.XA CN202010684978A CN111966975A CN 111966975 A CN111966975 A CN 111966975A CN 202010684978 A CN202010684978 A CN 202010684978A CN 111966975 A CN111966975 A CN 111966975A
Authority
CN
China
Prior art keywords
user
group
user group
probability
behavior data
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
CN202010684978.XA
Other languages
English (en)
Inventor
战歌
张天阳
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.)
Shenzhen Pianpian Technology Co ltd
Original Assignee
Shenzhen Pianpian 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 Shenzhen Pianpian Technology Co ltd filed Critical Shenzhen Pianpian Technology Co ltd
Priority to CN202010684978.XA priority Critical patent/CN111966975A/zh
Publication of CN111966975A publication Critical patent/CN111966975A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/30—Authentication, i.e. establishing the identity or authorisation of security principals
    • G06F21/31—User authentication
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
    • G06F16/2462—Approximate or statistical queries
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
    • G06F16/28—Databases characterised by their database models, e.g. relational or object models
    • G06F16/284—Relational databases
    • G06F16/285—Clustering or 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
    • G06F16/95—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
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • 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)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Probability & Statistics with Applications (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computer Security & Cryptography (AREA)
  • Computational Linguistics (AREA)
  • Mathematical Analysis (AREA)
  • Business, Economics & Management (AREA)
  • Computational Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Economics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Fuzzy Systems (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Algebra (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请适用于通信技术领域，提供了一种管理网络社群的方法、终端设备及存储介质，其中管理网络社群的方法包括获取网络社群内用户的行为数据，当所述行为数据包含预设的不良行为数据时，限定所述用户对所述网络社群的使用权限。本申请通过在网络社群内用户的行为数据包含预设的不良行为数据时，限定用户对网络社群的使用权限，可以实现自动化管理网络社群的目的，有利于提高管理网络社群的效率，又可以使某些不遵守网络社群规则的用户能够继续参与网络社群中的某些互动而无需被迫退出网络社群，有利于增加社群的粘性，具有较强的易用性和实用性。

Description

一种管理网络社群的方法、终端设备及存储介质
技术领域
本申请涉及通信领域，尤其涉及一种管理网络社群的方法、终端设备及存 储介质。
背景技术
网络社群是指用户通过各类网络应用连结在一起后建立的社群，一般为规 模较小、交往密切而关系松散的群体，如在线论坛、QQ群和微信群。
现有技术通常是通过管理员进行网络社群的管理，该管理方式不仅效率较 低，而且会使某些不遵守社群规则的用户被迫退出社群，降低了网络社群的粘 性。
故有必要提出一种新的技术方案，以解决上述技术问题。
发明内容
鉴于此，本申请实施例提供了一种管理网络社群的方法、终端设备及存储 介质，有利于提高管理网络社群的效率和增加社群的粘性。
本申请实施例的第一方面提供了一种管理网络社群的方法，包括
获取网络社群内用户的行为数据；
当所述行为数据包含预设的不良行为数据时，限定所述用户对所述网络社 群的使用权限。
在一个实施例中，所述当所述行为数据包含预设的不良行为数据时，限定 所述用户对所述网络社群的使用权限包括：
当所述行为数据包含预设的不良行为数据时，将所述用户的标识信息添加 至候选用户列表中；
获取与所述用户相关的评价数据；
根据所述评价数据，确定所述用户是否为目标用户；
若所述用户为目标用户，则将所述目标用户的标识信息从所述候选用户列 表中删除，并将所述目标用户的标识信息添加至目标用户列表中；
当检测到所述目标用户的标识信息成功添加至所述目标用户列表时，限定 所述目标用户对所述网络社群的使用权限。
在一个实施例中，所述限定所述目标用户对所述网络社群的使用权限包括：
根据所述行为数据和/或所述评价数据，确定所述目标用户的权限等级；
根据所述目标用户的权限等级，限定所述目标用户对所述网络社群的使用 权限。
在一个实施例中，在所述限定所述目标用户对所述网络社群的使用权限之 后，还包括：
获取所述目标用户在预设时长内的行为数据，所述预设时长是从当前时刻 开始计时的；
当所述目标用户在所述预设时长内的行为数据未包含所述预设的不良行为 数据时，将所述目标用户的标识信息从所述目标用户列表中删除，并恢复所述 目标用户对所述网络社群的使用权限。
在一个实施例中，所述获取网络社群内用户的行为数据包括：
将所述网络社群内用户进行分组，得到至少一个用户组；
获取每个所述用户组的行为数据。
在一个实施例中，在获取每个所述用户组的行为数据之后，还包括：
根据每个所述用户组的行为数据，计算每个所述用户组与参考用户组间的 相关系数；
当所述至少一个用户组中存在相关系数满足预设条件的用户组时，确定所 述相关系数满足预设条件的用户组的行为数据包含预设的不良行为数据。
在一个实施例中，所述根据每个所述用户组的行为数据，计算每个所述用 户组与参考用户组间的相关系数包括：
根据每个所述用户组的行为数据，统计每个所述用户组的个体概率，每个 所述用户组的个体概率是指每个所述用户组内每个用户出现预设行为的个体概 率；
将每个所述用户组内所有用户的所述个体概率进行累加，得到每个所述用 户组的群体概率，每个所述用户组的群体概率是指每个所述用户组出现预设行 为的群体概率；
根据每个所述用户组内用户的总数和对应的群体概率，得到每个所述用户 组的平均个体概率，每个所述用户组的平均个体概率是指每个所述用户组内每 个用户出现预设行为的平均个体概率；
获取所述参考用户组的群体概率和平均个体概率，所述参考用户组的群体 概率是指所述参考用户组出现预设行为的群体概率，所述参考用户组的平均个 体概率是指所述参考用户组内每个用户出现预设行为的平均个体概率；
根据所述参考用户组的群体概率和平均个人概率，以及每个所述用户组的 群体概率和平均个体概率，计算每个所述用户组与参考用户组间的相关系数。
在一个实施例中，所述根据所述参考用户组的群体概率和平均个人概率， 以及每个所述用户组的群体概率和平均个体概率，计算每个所述用户组与参考 用户组间的相关系数包括：
根据所述参考用户组的群体概率和平均个体概率，以及每个所述用户组的 群体概率和平均个体概率，计算每个所述用户组与所述参考用户组间的协方差；
根据所述参考用户组的群体概率和平均个体概率，以及每个所述用户组的 群体概率和平均个体概率，计算每个所述用户组与所述参考用户组间的类方差；
将每个所述用户组与所述参考用户组间的协方差与类方差的比值作为每个 所述用户组与参考用户组间的相关系数。
本申请实施例的有益效果是：本申请通过在网络社群内用户的行为数据包 含预设的不良行为数据时，限定用户对网络社群的使用权限，可以实现自动化 管理网络社群的目的，有利于提高管理网络社群的效率，可以使某些不遵守网 络社群规则的用户能够继续参与网络社群中的某些互动而无需被迫退出网络社 群，有利于增加社群的粘性；本申请实施例还可以根据划分的用户组和计算的 相关系数确定获取的行为数据中是否包含预设的不良行为数据，有利于提高判 断的效率，又可以根据与用户相关的其他信息如评价数据，再次对用户的行为 进行判定，从而在该用户确为目标用户时，才开始限定该用户对网络社群的使 用权限，有利于提高判断的准确性，也可以在用户的后期行为数据未包含预设 的不良行为数据时，及时将该用户的标识信息从目标用户列表中删除，并恢复 其原有的使用权限，有利于提升用户的体验感，具有较强的易用性和实用性。
本申请实施例的第二方面提供了一种管理网络社群的装置，包括
第一数据获取模块，用于获取网络社群内用户的行为数据；
第一权限管理模块，用于当所述行为数据包含预设的不良行为数据时，限 定所述用户对所述网络社群的使用权限。
在一个实施例中，所述第一权限管理模块具体包括：
第一信息添加子模块，用于当所述行为数据包含预设的不良行为数据时， 将所述用户的标识信息添加至候选用户列表中；
数据获取子模块，用于获取与所述用户相关的评价数据；
目标用户确定子模块，用于根据所述评价数据，确定所述用户是否为目标 用户；
第二信息添加子模块，用于若所述用户为目标用户，则将所述目标用户的 标识信息从所述候选用户列表中删除，并将所述目标用户的标识信息添加至目 标用户列表中；
第一权限管理子模块，用于当检测到所述目标用户的标识信息成功添加至 所述目标用户列表时，限定所述目标用户对所述网络社群的使用权限。
在一个实施例中，所述第一权限管理子模块具体包括：
权限等级确定子单元，用于根据所述行为数据和/或所述评价数据，确定所 述目标用户的权限等级；
第一权限管理子单元，用于根据所述目标用户的权限等级，限定所述目标 用户对所述网络社群的使用权限。
在一个实施例中，所述装置还包括：
第二数据获取模块，用于获取所述目标用户在所述预设时长内的行为数据， 所述预设时长是从当前时刻开始计时的；
第二权限管理模块，用于当所述目标用户在所述预设时长内的行为数据未 包含所述预设的不良行为数据时，将所述目标用户的标识信息从所述目标用户 列表中删除，并恢复所述目标用户对所述网络社群的使用权限。
在一个实施例中，第一数据获取模块具体包括：
分组子模块，用于将所述网络社群内用户进行分组，得到至少一个用户组；
第一数据获取子模块，用于获取每个所述用户组的行为数据。
在一个实施例中，所述装置还包括：
相关系数计算模块，用于根据每个所述用户组的行为数据，计算每个所述 用户组与参考用户组间的相关系数；
确定模块，用于当所述至少一个用户组中存在相关系数满足预设条件的用 户组时，确定所述相关系数满足预设条件的用户组的行为数据包含预设的不良 行为数据。
在一个实施例中，所述相关系数计算模块具体包括：
个体概率统计子模块，用于根据每个所述用户组的行为数据，统计每个所 述用户组的个体概率，每个所述用户组的个体概率是指每个所述用户组内每个 用户出现预设行为的个体概率；
群体概率计算子模块，用于将每个所述用户组内所有用户的所述个体概率 进行累加，得到每个所述用户组的群体概率，每个所述用户组的群体概率是指 每个所述用户组出现预设行为的群体概率；
平均个体概率计算子模块，用于根据每个所述用户组内用户的总数和对应 的群体概率，得到每个所述用户组的平均个体概率，每个所述用户组的平均个 体概率是指每个所述用户组内每个用户出现预设行为的平均个体概率；
第二数据获取子模块，用于获取所述参考用户组的群体概率和平均个体概 率，所述参考用户组的群体概率是指所述参考用户组出现预设行为的群体概率， 所述参考用户组的平均个体概率是指所述参考用户组内每个用户出现预设行为 的平均个体概率；
相关系数计算子模块，用于根据所述参考用户组的群体概率和平均个人概 率，以及每个所述用户组的群体概率和平均个体概率，计算每个所述用户组与 参考用户组间的相关系数。
在一个实施例中，所述相关系数计算子模块具体包括：
协方差计算子单元，用于根据所述参考用户组的群体概率和平均个体概率， 以及每个所述用户组的群体概率和平均个体概率，计算每个所述用户组与所述 参考用户组间的协方差；
类方差计算子单元，用于根据所述参考用户组的群体概率和平均个体概率， 以及每个所述用户组的群体概率和平均个体概率，计算每个所述用户组与所述 参考用户组间的类方差；
相关系数计算子单元，用于将每个所述用户组与所述参考用户组间的协方 差与类方差的比值作为每个所述用户组与参考用户组间的相关系数。
本申请实施例的第三方面提供了一种终端设备，包括存储器，处理器及存 储在存储器上并可在处理器上运行的计算机程序，上述处理器执行上述计算机 程序时实现上述第一方面中任一项所述的方法。
本申请实施例的第四方面提供了一种计算机可读存储介质，该计算机可读 存储介质上存储有计算机程序，上述计算机程序被处理器执行时实现上述第一 方面中任一项所述的方法。
本申请实施例的第五方面提供了一种计算机程序产品，当计算机程序产品 在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的方法。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方 面中的相关描述，在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技 术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为本申请实施例一提供的管理网络社群的方法的流程示意图；
图2为本申请实施例二提供的管理网络社群的方法的流程示意图；
图3为本申请实施例三提供的管理网络社群的装置的流程示意图；
图4为本申请实施例四提供的终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术 之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当 清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中， 省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节 妨碍本申请的描述。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”指示所 描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个 其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施 例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使 用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及 “该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/ 或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包 括这些组合。
如在本说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上 下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短 语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意 指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检 测到[所描述条件或事件]”。
应理解，本实施例中各步骤的序号的大小并不意味着执行顺序的先后，各 过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过 程构成任何限定。
需要说明的是，本实施例中的“第一”、“第二”等描述，是用于区分不同的 区域、模块等，不代表先后顺序，也不限定“第一”和“第二”为不同的类型。
为了说明本申请的技术方案，下面通过具体实施例来进行说明。
实施例一
图1是本申请实施例一提供的管理网络社群的方法的流程示意图，可以包 括以下步骤：
S101：获取网络社群内用户的行为数据。
其中的用户可以为单个用户，也可以为多个用户，具体可视情况而定；其 中用户的行为是指用户在网络社群中的行为，如在网络社群中的签到、发言、 讨论、分享、发红包、邀请好友入群等行为。
其中可采用现有的或未来可能用到的任何一种方法来获取网络社群内用户 的行为数据，如通过用户使用的应用程序来获取。
S102：当行为数据包含预设的不良行为数据时，限定用户对网络社群的使 用权限。
在一个实施例中，步骤S101之后，可先判断行为数据中是否包含预设的 不良行为数据，其中可通过检测行为数据中是否包含预设的关键词进行判断，
具体的，若检测到关键词“暴力”，则可判定行为数据中包含预设的不良行为 数据。
在一个实施例中，限定用户对网络社群的使用权限可包括限制用户使用网 络社群的全部使用权限和限制用户使用网络社群的部分使用权限，具体可视情 况而定。
由上可见，本申请实施例中通过在网络社群内用户的行为数据包含预设的 不良行为数据时，限定用户对网络社群的使用权限，可以实现自动化管理网络 社群的目的，有利于提高管理网络社群的效率，又可以使某些不遵守网络社群 规则的用户能够继续参与网络社群中的某些互动而无需被迫退出网络社群，有 利于增加社群的粘性，具有较强的易用性和实用性。
实施例二
图2为本申请实施例二提供的管理网络社群的方法的流程示意图，是对上 述实施例一的进一步细化和说明，该方法可以包括以下步骤：
S201：将网络社群内用户进行分组，得到至少一个用户组，获取每个用户 组的行为数据。
其中可参照参考用户组内的人数将网络社群内用户进行分组，以便于后续 的处理。
S202：根据每个用户组的行为数据，计算每个用户组与参考用户组间的相 关系数，当至少一个用户组中存在相关系数满足预设条件的用户组时，确定相 关系数满足预设条件的用户组的行为数据包含预设的不良行为数据。
其中参考用户组内每个用户的行为数据均包含预设的不良行为数据，可作 为参考的评价标准来判断用户组的行为数据是否包含预设的不良行为数据；其 中参考用户组内用户的数量可以为一个也可以为多个，具体可视情况而定；其 中相关系数用于表示两个变量间的相关程度，取值范围可以为[-1,1]。需要说明 的是，当相关系数大于0时，为正相关，当相关系数小于0时，为负相关。在 一个实施例中，当至少一个用户组中存在大于0的相关系数时，即可认为至少 一个用户组中存在相关系数满足预设条件的用户组。
在一个实施例中，步骤S202中根据每个用户组的行为数据，计算每个用户 组与参考用户组间的相关系数可以包括：
A1：根据每个用户组的行为数据，统计每个用户组的个体概率。
其中每个用户组的个体概率是指每个用户组内每个用户出现预设行为的个 体概率，如可将第i个用户组内用户c出现预设行为k的个体概率记为pick。
A2：将每个用户组内所有用户的个体概率进行累加，得到每个用户组的群 体概率。
其中每个用户组的群体概率是指每个用户组出现预设行为的群体概率。
A3：根据每个用户组内用户的总数和对应的群体概率，得到每个用户组的 平均个体概率。
其中每个用户组的平均个体概率是指每个用户组内每个用户出现预设行为 的平均个体概率。在一个实施例中，可将每个用户组的群体概率与组内用户的 总数的比值作为每个用户组的平均个体概率。
A4：获取参考用户组的群体概率和平均个体概率。
其中参考用户组的群体概率是指参考用户组出现预设行为的群体概率，参 考用户组的平均个体概率是指参考用户组内每个用户出现预设行为的平均个体 概率，其中可参照用户组的群体概率和平均个体概率的计算方法来获取参考用 户组的群体概率和平均个体概率，此处不作重复赘述。
A5：根据参考用户组的群体概率和平均个人概率，以及每个用户组的群体 概率和平均个体概率，计算每个用户组与参考用户组间的相关系数。
在一个实施例中，步骤A5具体可以包括：
B1：根据参考用户组的群体概率和平均个体概率，以及每个用户组的群体 概率和平均个体概率，计算每个用户组与参考用户组间的协方差。
其中协方差用于表示两个变量的总体误差，可通过下面的公式(1)计算得 到协方差，具体为：
Cov(X,Y)＝E[(X-E[X])(Y-E[Y])] (1)
需要说明的是，上述公式(1)中的Cov(X,Y)为变量X和变量Y的协方差， E[X]为变量X的数学期望，E[Y]为变量Y的数学期望。
在一个实施例中，当上述变量X为用户组时，变量Y则为参考用户组；而 当上述变量X为参考用户组时，变量Y则为用户组，具体可视情况而定。
B2：根据参考用户组的群体概率和平均个体概率，以及每个用户组的群体 概率和平均个体概率，计算每个用户组与参考用户组间的类方差。
其中类方差与方差相似，均用于表示随机变量与数学期望间的偏离程度， 可通过下面的公式(2)计算得到类方差，具体为：
D'(X)＝∑[X-E(X)] (2)
需要说明的是，上述公式(2)中的D'(X)为变量X的类方差，E[X]为变量X的 数学期望。
B3：将每个用户组与参考用户组间的协方差与类方差的比值作为每个用户 组与参考用户组间的相关系数。
其中可通过下面的公式(3)计算得到相关系数，具体为：
Figure BDA0002587208450000111
需要说明的是，上述公式(3)中的Cov(X,Y)为变量X和变量Y的协方差， D'(X)为变量X的类方差，D'(Y)为变量Y的类方差。
S203：将用户的标识信息添加至候选用户列表中，获取与用户相关的评价 数据，根据评价数据，确定用户是否为目标用户，若用户为目标用户，则将目 标用户的标识信息从候选用户列表中删除，并将目标用户的标识信息添加至目 标用户列表中，当检测到目标用户的标识信息成功添加至目标用户列表时，限 定目标用户对网络社群的使用权限。
其中候选用户列表用于存储行为数据包含预设的不良行为数据的用户组的 标识信息；其中用户的标识信息可以是用户在网络社群上注册的账号信息；其 中评价包括但不限于用户本人对自己的评价和/或除用户本人以外他人对自身 的评价，具体可视情况而定，其中评价的类型包括但不限于正面评价、负面评 价、综合评价、中性评价和不相关评价。在一个实施例中，当与用户相关的评 价的类型包含多个时，可根据各类评价所占的权重来确定用户是否为目标用户。 在一个实施例中，与用户相关的评价数据可以文字的方式进行呈现，也可以表 格的方式进行呈现，还可以框图的方式进行呈现，具体可视情况而定。
其中目标用户是指该用户为确有不良行为的用户。在一个实施例中，可以 根据目标用户的权限等级，限定目标用户对网络社群的使用权限，具体为：
C1：根据行为数据和/或评价数据，确定目标用户的权限等级。
其中权限等级是指目标用户使用网络社群的权限等级，可包括初级权限、 中级权限和高级权限，其中高级权限的级别最高，中级权限的级别次之，初级 权限的级别最低。
在一个实施例中，步骤C1中可以根据行为数据和/或评价数据中预设关键 词出现的频率，确定目标用户的权限等级，如当某个或某几个预设关键词在行 为数据和/或评价数据中反复多次出现时，可确定目标用户的权限等级为初级权 限。
当然，也可根据行为数据和/或评价数据的属性类别，确定目标用户的权限 等级，如当行为数据的属性类别为违法行为时，可确定目标用户的权限等级为 初级权限。
C2：根据目标用户的权限等级，限定目标用户对网络社群的使用权限。
应理解，若目标用户的权限等级越高，则其被限定使用网络社群权限的范 围就越小。具体来说，权限等级为高级的目标用户被限定使用网络社群权限的 范围要小于权限等级为中级和低级的目标用户，且权限等级为中级的目标用户 被限定使用网络社群权限的范围要小于权限等级为低级的目标用户。
S204：获取目标用户在预设时长内的行为数据，预设时长是从当前时刻开 始计时的，当未包含预设的不良行为数据时，将目标用户的标识信息从目标用 户列表中删除，并恢复目标用户对网络社群的使用权限。
在一个实施例中，可将目标用户对网络社群的使用权限恢复至被限定之前 的使用权限。
由上可见，本申请实施例二相比于实施例一，可以根据划分的用户组和计 算的相关系数确定获取的行为数据中是否包含预设的不良行为数据，有利于提 高判断的效率；还可以根据与用户相关的其他信息如评价数据，再次对用户的 行为进行判定，从而在该用户确为目标用户时，才开始限定该用户对网络社群 的使用权限，有利于提高判断的准确性；又可以在用户的后期行为数据未包含 预设的不良行为数据时，及时将该用户的标识信息从目标用户列表中删除，并 恢复其原有的使用权限，有利于提升用户的体验感，具有较强的易用性和实用 性。
实施例三
图3是本申请实施例三提供的管理网络社群的装置的结构示意图，为了便 于说明，仅示出了与本申请实施例相关的部分。
该管理网络社群的装置可以是内置于终端设备内的软件单元、硬件单元或 者软硬结合的单元，也可以作为独立的挂件集成到终端设备中。
管理网络社群的装置包括：
第一数据获取模块31，用于获取网络社群内用户的行为数据；
第一权限管理模块32，用于当行为数据包含预设的不良行为数据时，限定 用户对网络社群的使用权限。
在一个实施例中，第一权限管理模块32具体包括：
第一信息添加子模块，用于当行为数据包含预设的不良行为数据时，将用 户的标识信息添加至候选用户列表中；
数据获取子模块，用于获取与用户相关的评价数据；
目标用户确定子模块，用于根据评价数据，确定用户是否为目标用户；
第二信息添加子模块，用于若用户为目标用户，则将目标用户的标识信息 从候选用户列表中删除，并将目标用户的标识信息添加至目标用户列表中；
第一权限管理子模块，用于当检测到目标用户的标识信息成功添加至目标 用户列表时，限定目标用户对网络社群的使用权限。
在一个实施例中，第一权限管理子模块具体包括：
权限等级确定子单元，用于根据行为数据和/或评价数据，确定目标用户的 权限等级；
第一权限管理子单元，用于根据目标用户的权限等级，限定目标用户对网 络社群的使用权限。
在一个实施例中，管理网络社群的装置还包括：
第二数据获取模块，用于获取目标用户在预设时长内的行为数据，预设时 长是从当前时刻开始计时的；
第二权限管理模块，用于当目标用户在预设时长内的行为数据未包含预设 的不良行为数据时，将目标用户的标识信息从目标用户列表中删除，并恢复目 标用户对网络社群的使用权限。
在一个实施例中，第一数据获取模块31具体包括：
分组子模块，用于将网络社群内用户进行分组，得到至少一个用户组；
第一数据获取子模块，用于获取每个用户组的行为数据。
在一个实施例中，管理网络社群的装置还包括：
相关系数计算模块，用于根据每个用户组的行为数据，计算每个用户组与 参考用户组间的相关系数；
确定模块，用于当至少一个用户组中存在相关系数满足预设条件的用户组 时，确定相关系数满足预设条件的用户组的行为数据包含预设的不良行为数据。
在一个实施例中，相关系数计算模块具体包括：
个体概率统计子模块，用于根据每个用户组的行为数据，统计每个用户组 的个体概率，每个用户组的个体概率是指每个用户组内每个用户出现预设行为 的个体概率；
群体概率计算子模块，用于将每个用户组内所有用户的个体概率进行累加， 得到每个用户组的群体概率，每个用户组的群体概率是指每个用户组出现预设 行为的群体概率；
平均个体概率计算子模块，用于根据每个用户组内用户的总数和对应的群 体概率，得到每个用户组的平均个体概率，每个用户组的平均个体概率是指每 个用户组内每个用户出现预设行为的平均个体概率；
第二数据获取子模块，用于获取参考用户组的群体概率和平均个体概率， 参考用户组的群体概率是指参考用户组出现预设行为的群体概率，参考用户组 的平均个体概率是指参考用户组内每个用户出现预设行为的平均个体概率；
相关系数计算子模块，用于根据参考用户组的群体概率和平均个人概率， 以及每个用户组的群体概率和平均个体概率，计算每个用户组与参考用户组间 的相关系数。
在一个实施例中，相关系数计算子模块具体包括：
协方差计算子单元，用于根据参考用户组的群体概率和平均个体概率，以 及每个用户组的群体概率和平均个体概率，计算每个用户组与参考用户组间的 协方差；
类方差计算子单元，用于根据参考用户组的群体概率和平均个体概率，以 及每个用户组的群体概率和平均个体概率，计算每个用户组与参考用户组间的 类方差；
相关系数计算子单元，用于将每个用户组与参考用户组间的协方差与类方 差的比值作为每个用户组与参考用户组间的相关系数。
实施例四
图4是本申请实施例四提供的终端设备的结构示意图。如图4所示，该实 施例的终端设备4包括：处理器40、存储器41以及存储在存储器41中并可在 处理器40上运行的计算机程序42。处理器40执行计算机程序42时实现上述 方法实施例一至实施例二中的步骤，例如图1所示的步骤S101至S102。处理 器40执行计算机程序42时实现上述各装置实施例中各模块/单元的功能，例如 图3所示模块31至32的功能。
示例性的，计算机程序42可以被分割成一个或多个模块/单元，一个或者 多个模块/单元被存储在存储器41中，并由处理器40执行，以完成本申请。一 个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段，该指 令段用于描述计算机程序42在终端设备4中的执行过程。例如，计算机程序 42可以被分割成第一数据获取模块和第一权限管理模块，各模块具体功能如 下：
第一数据获取模块，用于获取网络社群内用户的行为数据；
第一权限管理模块，用于当行为数据包含预设的不良行为数据时，限定用 户对网络社群的使用权限。
终端设备4可包括，但不仅限于，处理器40、存储器41。本领域技术人员 可以理解，图4仅仅是终端设备4的示例，并不构成对终端设备4的限定，可 以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如 终端设备4还可以包括输入输出设备、网络接入设备、总线等。
处理器40可以是中央处理单元(Central Processing Unit，CPU)，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。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。
存储器41可以是终端设备4的内部存储单元，例如终端设备4的硬盘或内 存。存储器41也可以是终端设备4的外部存储设备，例如终端设备4上配备的 插接式硬盘，智能存储卡(Smart Media Card,SMC)，安全数字(Secure Digital, SD)卡，闪存卡(Flash Card)等。进一步地，存储器41还可以既包括终端设 备4的内部存储单元也包括外部存储设备。存储器41用于存储计算机程序以及 终端设备所需的其他程序和数据。存储器41还可以用于暂时地存储已经输出或 者将要输出的数据。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述 的系统，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程， 在此不再赘述。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详 述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各实 施例的模块、单元和/或方法步骤，能够以电子硬件、或者计算机软件和电子硬 件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案 的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同 方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的系统，装置和方 法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性 的，例如，单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的 划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些 特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦 合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以 是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元 显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可 以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元 来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中， 也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元 中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的 形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用 时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现 上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬 件来完成，计算机程序可存储于一计算机可读存储介质中，该计算机程序在被 处理器执行时，可实现上述各个方法实施例的步骤。其中，计算机程序包括计 算机程序代码，计算机程序代码可以为源代码形式、对象代码形式、可执行文 件或某些中间形式等。计算机可读介质可以包括：能够携带计算机程序代码的 任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、 只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、电载波信号、电信信号以及软件分发介质等。需要说明的是，计算 机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当 的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读介质不包 括电载波信号和电信信号。
以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽 管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理 解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分 技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱 离本申请各实施例技术方案的精神和范围。

Claims (10)

1.一种管理网络社群的方法，其特征在于，包括：
获取网络社群内用户的行为数据；
当所述行为数据包含预设的不良行为数据时，限定所述用户对所述网络社群的使用权限。
2.如权利要求1所述的方法，其特征在于，所述当所述行为数据包含预设的不良行为数据时，限定所述用户对所述网络社群的使用权限包括：
当所述行为数据包含预设的不良行为数据时，将所述用户的标识信息添加至候选用户列表中；
获取与所述用户相关的评价数据；
根据所述评价数据，确定所述用户是否为目标用户；
若所述用户为目标用户，则将所述目标用户的标识信息从所述候选用户列表中删除，并将所述目标用户的标识信息添加至目标用户列表中；
当检测到所述目标用户的标识信息成功添加至所述目标用户列表时，限定所述目标用户对所述网络社群的使用权限。
3.如权利要求2所述的方法，其特征在于，所述限定所述目标用户对所述网络社群的使用权限包括：
根据所述行为数据和/或所述评价数据，确定所述目标用户的权限等级；
根据所述目标用户的权限等级，限定所述目标用户对所述网络社群的使用权限。
4.如权利要求2所述的方法，其特征在于，在所述限定所述目标用户对所述网络社群的使用权限之后，还包括：
获取所述目标用户在预设时长内的行为数据，所述预设时长是从当前时刻开始计时的；
当所述目标用户在所述预设时长内的行为数据未包含所述预设的不良行为数据时，将所述目标用户的标识信息从所述目标用户列表中删除，并恢复所述目标用户对所述网络社群的使用权限。
5.如权利要求1至4任一项所述的方法，其特征在于，所述获取网络社群内用户的行为数据包括：
将所述网络社群内用户进行分组，得到至少一个用户组；
获取每个所述用户组的行为数据。
6.如权利要求5所述的方法，其特征在于，在获取每个所述用户组的行为数据之后，还包括：
根据每个所述用户组的行为数据，计算每个所述用户组与参考用户组间的相关系数；
当所述至少一个用户组中存在相关系数满足预设条件的用户组时，确定所述相关系数满足预设条件的用户组的行为数据包含预设的不良行为数据。
7.如权利要求6所述的方法，其特征在于，所述根据每个所述用户组的行为数据，计算每个所述用户组与参考用户组间的相关系数包括：
根据每个所述用户组的行为数据，统计每个所述用户组的个体概率，每个所述用户组的个体概率是指每个所述用户组内每个用户出现预设行为的个体概率；
将每个所述用户组内所有用户的所述个体概率进行累加，得到每个所述用户组的群体概率，每个所述用户组的群体概率是指每个所述用户组出现预设行为的群体概率；
根据每个所述用户组内用户的总数和对应的群体概率，得到每个所述用户组的平均个体概率，每个所述用户组的平均个体概率是指每个所述用户组内每个用户出现预设行为的平均个体概率；
获取所述参考用户组的群体概率和平均个体概率，所述参考用户组的群体概率是指所述参考用户组出现预设行为的群体概率，所述参考用户组的平均个体概率是指所述参考用户组内每个用户出现预设行为的平均个体概率；
根据所述参考用户组的群体概率和平均个人概率，以及每个所述用户组的群体概率和平均个体概率，计算每个所述用户组与参考用户组间的相关系数。
8.如权利要求7所述的方法，其特征在于，所述根据所述参考用户组的群体概率和平均个人概率，以及每个所述用户组的群体概率和平均个体概率，计算每个所述用户组与参考用户组间的相关系数包括：
根据所述参考用户组的群体概率和平均个体概率，以及每个所述用户组的群体概率和平均个体概率，计算每个所述用户组与所述参考用户组间的协方差；
根据所述参考用户组的群体概率和平均个体概率，以及每个所述用户组的群体概率和平均个体概率，计算每个所述用户组与所述参考用户组间的类方差；
将每个所述用户组与所述参考用户组间的协方差与类方差的比值作为每个所述用户组与参考用户组间的相关系数。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述的方法。
10.一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，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至8任一项所述的方法。
CN202010684978.XA 2020-07-16 2020-07-16 一种管理网络社群的方法、终端设备及存储介质 Pending CN111966975A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010684978.XA CN111966975A (zh) 2020-07-16 2020-07-16 一种管理网络社群的方法、终端设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010684978.XA CN111966975A (zh) 2020-07-16 2020-07-16 一种管理网络社群的方法、终端设备及存储介质

Publications (1)

Publication Number Publication Date
CN111966975A true CN111966975A (zh) 2020-11-20

Family

ID=73362378

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010684978.XA Pending CN111966975A (zh) 2020-07-16 2020-07-16 一种管理网络社群的方法、终端设备及存储介质

Country Status (1)

Country Link
CN (1) CN111966975A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102694673A (zh) * 2011-03-25 2012-09-26 腾讯科技（深圳）有限公司 一种网络言论监控方法、设备及系统
CN104657425A (zh) * 2014-10-06 2015-05-27 中华电信股份有限公司 一种议题管理式网络舆情评价管理系统与方法
CN107508742A (zh) * 2017-07-25 2017-12-22 深圳市爱的网络科技有限公司 一种社交系统、终端及计算机可读存储介质
CN108111867A (zh) * 2016-11-24 2018-06-01 广州华多网络科技有限公司 一种直播间发言监控方法及系统
CN109257191A (zh) * 2018-08-09 2019-01-22 咪咕数字传媒有限公司 一种群组的管理方法、装置及存储介质
CN109509560A (zh) * 2018-10-23 2019-03-22 平安科技（深圳）有限公司 一种权限管理方法、装置、服务器及介质
CN109918552A (zh) * 2019-01-23 2019-06-21 平安科技（深圳）有限公司 恶意群诉倾向人员识别方法、服务器及计算机可读存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102694673A (zh) * 2011-03-25 2012-09-26 腾讯科技（深圳）有限公司 一种网络言论监控方法、设备及系统
CN104657425A (zh) * 2014-10-06 2015-05-27 中华电信股份有限公司 一种议题管理式网络舆情评价管理系统与方法
CN108111867A (zh) * 2016-11-24 2018-06-01 广州华多网络科技有限公司 一种直播间发言监控方法及系统
CN107508742A (zh) * 2017-07-25 2017-12-22 深圳市爱的网络科技有限公司 一种社交系统、终端及计算机可读存储介质
CN109257191A (zh) * 2018-08-09 2019-01-22 咪咕数字传媒有限公司 一种群组的管理方法、装置及存储介质
CN109509560A (zh) * 2018-10-23 2019-03-22 平安科技（深圳）有限公司 一种权限管理方法、装置、服务器及介质
CN109918552A (zh) * 2019-01-23 2019-06-21 平安科技（深圳）有限公司 恶意群诉倾向人员识别方法、服务器及计算机可读存储介质

Similar Documents

Publication Publication Date Title
CN108615119B (zh) 一种异常用户的识别方法及设备
JP6652659B2 (ja) 保険契約書種別状態情報集計方法及び端末機器
CN112488297B (zh) 一种神经网络剪枝方法、模型生成方法及装置
CN110109888A (zh) 一种文件处理方法及装置
CN111061842A (zh) 一种相似文本确定方法及装置
CN115344776A (zh) 社交平台用户违规行为风控方法、装置及终端设备
CN113591068A (zh) 一种在线登录设备管理方法、装置及电子设备
CN110263817B (zh) 一种基于用户账号的风险等级划分方法及装置
CN107330709B (zh) 确定目标对象的方法及装置
CN114860742A (zh) 基于人工智能的ai客服交互方法、装置、设备及介质
CN114418226A (zh) 电力通信系统的故障分析方法及装置
CN113572721B (zh) 一种异常访问检测方法、装置、电子设备及存储介质
CN113609409A (zh) 一种推荐浏览信息的方法及其系统、电子设备、存储介质
CN110427496B (zh) 用于文本处理的知识图谱扩充方法及装置
CN111966975A (zh) 一种管理网络社群的方法、终端设备及存储介质
CN112052251A (zh) 目标数据更新方法和相关装置、设备及存储介质
CN109450963B (zh) 消息推送方法及终端设备
CN114022246B (zh) 一种产品信息的推送方法、装置、终端设备和存储介质
CN111539853B (zh) 标准案由确定方法、装置和设备
CN111784357B (zh) 风险事件的处理方法及装置
CN111708988B (zh) 侵权视频识别方法、装置、电子设备及存储介质
CN110458707B (zh) 基于分类模型的行为评估方法、装置及终端设备
CN113468186A (zh) 数据表主键关联方法、装置、计算机设备及可读存储介质
CN111027824A (zh) 一种风险评分的方法及装置
CN112434198B (zh) 图表组件推荐方法及装置

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