CN112016005A - 一种拓展人际关系的信息搜索处理方法、装置、可读存储介质及终端 - Google Patents
一种拓展人际关系的信息搜索处理方法、装置、可读存储介质及终端 Download PDFInfo
- Publication number
- CN112016005A CN112016005A CN202010897515.1A CN202010897515A CN112016005A CN 112016005 A CN112016005 A CN 112016005A CN 202010897515 A CN202010897515 A CN 202010897515A CN 112016005 A CN112016005 A CN 112016005A
- Authority
- CN
- China
- Prior art keywords
- friend
- relationship
- user
- chain
- level
- 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
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
- 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
- G06F16/9538—Presentation of query results
-
- 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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/01—Social networking
Abstract
本发明涉及信息处理技术领域,尤其涉及一种拓展人际关系的信息搜索处理方法、装置、可读存储介质及终端,所述方法包括以下步骤,获取用户的交友搜索请求,所述交友搜索请求中携带目标好友的属性信息;从数据库获得用户的第一层级至第N层级的人脉关系,以及获取目标好友的第一层级至第N层级的人脉关系,N为大于等于2的自然数;获取第一关系链和第二关系链并分析用户与目标好友之间进行人际导航的若干关联点;获取若干关联点的优先顺序,并根据若干关联点的优先顺序,分析目标好友与所述用户之间可连接为好友的好友关系链。本发明解决了现有技术中将用户的全部关系链列举出来再去查找目标好友,导致需要的计算资源庞大,而且计算效率低的问题。
Description
技术领域
本发明涉及信息处理技术领域,尤其涉及一种拓展人际关系的信息搜索处理方法、装置、可读存储介质及终端。
背景技术
随着移动互联网的发展,人们对于网络社交的要求越来越高,越来越多的人通过社交网络进行沟通、结识朋友、找到工作、甚至婚恋相亲。因此,客户希望通过网社交络来拓宽自己的人脉,认识更多的人。
在现有技术中,建立社交关系常采用的方式为6度分隔假说,6度分隔假说可通俗地阐述为:“你和任何一个陌生人之间所间隔的人不会超过六个,也就是说,最多通过六个人你就能够认识任何一个陌生人。”换而言之世界上每两个人之间,平均只相隔了6层朋友关系。就是说,即使对方是大企业总裁,你也可能通过6个朋友的转介和他攀上关系。关键就在于,通过联结朋友的朋友,可以让你的人脉网络呈现等比级数地扩大延伸。例如用户和90个人之间存在直接朋友关系,而这90个第一层友人,又各自有为数不等的朋友,如此扩展出去,仅到第三层,用户可攀上关系的总人数就超过了55万人。用户经由通过上述中间人推荐产生了信任关系链的传递,提高了网络社交中人与人交往的信任度与安全度,从而方便得到可靠的好友关系。
但是,采用6度分隔假说来为用户计算查找目标好友时,通常需要将用户的全部关系链列举出来再去查找目标好友,其中无用的数据十分大,根据这种方式交友需要占用大量的计算资源,而且若用户群体太多,使得需要的计算资源就更为庞大,从而导致人际关系的信息搜索处理投入成本急剧增大,不利于实际产品的投入使用。
发明内容
本发明的目的之一在于提供一种拓展人际关系的信息搜索处理方法,解决现有技术中将用户的全部关系链列举出来再去查找目标好友,导致需要的计算资源庞大,而且计算效率低的问题。
为了达到上述目的,提供了一种拓展人际关系的信息搜索处理方法,包括以下步骤:
S1、获取用户的交友搜索请求,所述交友搜索请求中携带目标好友的属性信息;
S2、从数据库获得用户的第一层级至第N层级的人脉关系,以及获取目标好友的第一层级至第N层级的人脉关系,其中N为大于等于2的自然数;
S3、从用户的N级人脉关系中选择第M层级的人脉关系,从目标好友的N级人脉关系中选择第M层级的人脉关系,分析用户的人脉关系第一层级至第M层级的第一关系链,以及分析目标好友的人脉关系第一层级至第M层级的第二关系链;根据第一关系链和第二关系链分析用户与目标好友之间进行人际导航的若干关联点;
S4、获取若干关联点的优先顺序,并根据若干关联点的优先顺序,分析目标好友与所述用户之间可连接为好友的好友关系链,并根据好友关系链解析用户和目标好友两者的人脉关系各层级中包括的具体人物节点。
原理及优点:
1.第一关系链和第二关系链的设置,第一关系链是从用户的人脉关系获得的,第二关系链是从目标好友的人脉关系中获得的,本申请通过已知的第一关系链和第二关系链来双向分析用户与目标好友之间进行人际导航的若干关联点,不是将用户的全部关系链列举出来再去查找目标好友,通过这种方式能够避免无效的计算量,从而节省计算资源。本申请在得到若干关联点后再根据若干关联点的优先顺序,来分析目标好友与所述用户之间可连接为好友的好友关系链。其中,人际导航是指用户与好友间得可靠的好友关系。
2.第一关系链由用户的人脉关系第一层级至第M层级组成,第二关系链由目标好友的人脉关系第一层级至第M层级组成,由于人脉关系的第M层级是从N级人脉关系中选择的,因此可知N>M,因此用户的第一关系链的长度相比于用户的全部关系链的长度短得多,同理目标好友的第二关系链的长度相比于目标好友的全部关系链的长度短得多,通过这种方式,能够尽可能找到用户与目标好友间较短的关系链,从而节省计算资源。
3.若干关联点优先顺序的设置,简单的关联点采取优先处理,较难的关联点采取延后处理,通过这种方式,计算更为有序,从而节省计算资源,而且可以快速的找到用户与目标好友间的好友关系链。
进一步,所述关联点根据优先度的先后顺序,依次包括第一优先度关联点、第二优先度关联点和第三优先度关联点。
通过对关联点优先度的设置,使得在分析用户与目标好友间的好友关系链在计算时更为有序,从而节省计算资源。
进一步,所述第一优先度关联点为用户的第一关系链和目标好友的第二关系链中的某一层级的人脉关系之中存在相同的人物;
所述第二优先度关联点为用户的第一关系链和目标好友的第二关系链中某一层级的人脉关系之间存在有直接关联项的人物;
所述第三优先度关联点为用户的第一关系链和目标好友的第二关系链中某一层级的人脉关系之间通过插入第三方人物才存在有间接关联项的人物。
第一优先度关联点、第二优先度关联点和第三优先度关联点的设置,使得简单的关联点采取优先处理,较难的关联点采取延后处理,通过这种方式,让计算更为有序,从而节省计算资源,而且可以快速的找到用户与目标好友间的好友关系链。
进一步,所述步骤S4具体包括以下步骤:
S401、根据第一优先度关联点分析两者的人脉关系各层级中的人物是否存在相同,若存在相同,以该相同人物作为第一关键人物,分别向用户端以及目标好友端逐层级追溯,生成用户和目标好友可连接为好友的第一好友关系链;
S402、在步骤S401中,获取不到用户和目标好友可连接为好友的关系链时,根据第二优先度关联点分析用户的某层级的人脉关系与目标好友的某层级的人脉关系中的直接关联项,并将存在直接关联项的两个人物作为第二关键人物和第三关键人物,并以第二关键人物向用户端逐层级追溯,以第三关键人物向目标好友端追溯,通过第二关键人物和第三关键人物串联生成用户和目标好友可连接为好友的第二好友关系链;
S403、在步骤S402中,获取不到用户和目标好友可连接为好友的关系链时,根据第三优先度关联点分析用户的某层级的人脉关系与目标好友的某层级的人脉关系中存在的间接关联项,并将通过第三方人物而存在间接的关联项的两个人物分别作为第四关键人物和第五关键人物,以第四关键人物向用户端逐层级追溯,以第五关键人物向目标好友端逐层级追溯,通过第四关键人物、第三方人物和第五关键人物串联生成用户和目标好友可连接为好友的第三好友关系链。
使得简单的关联点采取优先处理,较难的关联点采取延后处理,通过这种方式,让计算更为有序,从而节省计算资源,而且可以快速的找到用户与目标好友间的好友关系链。
进一步,还包括以下步骤:
S5、将步骤S4中得到的第一好友关系链、第二好友关系链和第三好友关系链,根据第一优先度关联点、第二优先度关联点和第三优先度关联点的优先度的先后顺序进行排序,并根据排序将后续出现的重复好友关系链进行剔除。
避免重复的数据出现,从而节省计算资源。
进一步,还包括以下步骤:
S6、在步骤S403中根据第三优先度关联点获取不到用户和目标好友可连接为好友的关系链时,调整用户的第一关系链和目标好友的第二关系链,使用户的第一关系链中的各个人脉关系层级向下调整一个层级,使目标好友的第二关系链中的各个人脉关系层级向下调整一个层级;再根据调整后的第一关系链和第二关系链重新执行步骤S3-步骤S4,直到得到用户和目标好友可连接为好友的第四好友关系链,再执行步骤S5。
在步骤S403中根据第三优先度关联点获取不到用户和目标好友可连接为好友的关系链时,说明根据已知的用户的第一关系链和目标好友的第二关系链,无法找到用户与目标好友可连接为好友的好友关系链。而通过调整用户的第一关系链和目标好友的第二关系链,来延长第一关系链和第二关系链的长度,通过增加有限的计算资源来,找到用户与目标好友可连接为好友的好友关系链,以达到找到好友关系链的基础上尽可能节省计算资源的目的。
进一步,还包括以下步骤:
S7、获取到好友关系链后,通过好友关系链解析两者的人脉关系各层级中包括的具体人物节点,并根据好友关系链计算用户与目标好友之间的人际距离,以及好友根据关系链计算用户与各个具体人物节点之间的人际距离;再根据不同的人际距离为具体人物节点匹配不同的人脉浓度分数;并获取各个具体人物节点的地理坐标数据,所述地理坐标数据根据行政区域划分;再根据人脉浓度分数和地理坐标数据获取用户在不同行政区域的人脉地图数据。
具体人物节点与用户的人际距离越短,说明具体人物节点在用户的人脉关系层级就越靠前,匹配到的人脉浓度分数就越大。在获取到各个具体人物节点的地理坐标数据之后;再根据人脉浓度分数和地理坐标数据就能方便的获取用户在不同行政区域的人脉地图数据。通过人脉地图数据,便于用户知晓自身的人脉分布情况。
进一步,还包括以下步骤:
S8、在获取到用户的人脉地图数据后,筛选出同一区域内且同一行政区域等级的人脉地图数据,再将筛选出的人脉地图数据进行阈值区间划分,判断人脉地图数据处于哪一个阈值区间,为每个阈值区间匹配不同的颜色标注;获取空白地图模板,将人脉地图数据对应的颜色标注填充到空白地图模板对应的区域内,得到用户的人脉地图。
人脉地图的设置,可以方便用户查看自己的人脉在地图上的分布情况,从而方便用户对自己人脉的利用。
进一步,还包括以下步骤:
S9、统计所有被挖掘的好友关系链中各个具体人物节点被连接的总次数;统计所有用户的总人数,并获取总人数中位于中位数的中位数用户,以及统计所述中位数用户在所有被挖掘的好友关系链中作为具体人物节点被连接的中位总次数,获取用户在所有被挖掘的好友关系链中各个具体人物节点被连接的计算总次数,根据中位总次数和计算总次数得到用户的人脉优质度。
人脉优质度的设置,若用户在所有被挖掘的好友关系链中各个具体人物节点被连接的计算总次数越大,则说明用户的人脉广,方便用户了解自己的人脉。
本发明的目的之二在于提供一种拓展人际关系的信息搜索处理装置,包括:
交友信息获取模块:用于获取用户的交友搜索请求,所述交友搜索请求中携带目标好友的属性信息;
人脉关系获取模块:用于从数据库获得用户的第一层级至第N层级的人脉关系,以及获取目标好友的第一层级至第N层级的人脉关系,其中N为大于等于2的自然数;
人脉关系链分析模块:用于从用户的N级人脉关系中选择第M层级的人脉关系,从目标好友的N级人脉关系中选择第M层级的人脉关系,分析用户的人脉关系第一层级至第M层级的第一关系链,以及分析目标好友的人脉关系第一层级至第M层级的第二关系链;根据第一关系链和第二关系链分析用户与目标好友之间进行人际导航的若干关联点;
好友关系链分析模块:用于获取若干关联点的优先顺序,并根据若干关联点的优先顺序,分析目标好友与所述用户之间可连接为好友的好友关系链,并根据好友关系链解析用户和目标好友两者的人脉关系各层级中包括的具体人物节点。
工作原理及优点:
1.第一关系链和第二关系链的设置,第一关系链是从用户的人脉关系获得的,第二关系链是从目标好友的人脉关系中获得的,本申请通过已知的第一关系链和第二关系链来双向分析用户与目标好友之间进行人际导航的若干关联点,不是将用户的全部关系链列举出来再去查找目标好友,通过这种方式能够避免无效的计算量,从而节省计算资源。本申请在得到若干关联点后再根据若干关联点的优先顺序,来分析目标好友与所述用户之间可连接为好友的好友关系链。其中,人际导航是指用户与好友间得可靠的好友关系。
2.第一关系链由用户的人脉关系第一层级至第M层级组成,第二关系链由目标好友的人脉关系第一层级至第M层级组成,由于人脉关系的第M层级是从N级人脉关系中选择的,因此可知N>M,因此用户的第一关系链的长度相比于用户的全部关系链的长度短得多,同理目标好友的第二关系链的长度相比于目标好友的全部关系链的长度短得多,通过这种方式,能够尽可能找到用户与目标好友间较短的关系链,从而节省计算资源。
3.若干关联点优先顺序的设置,简单的关联点采取优先处理,较难的关联点采取延后处理,通过这种方式,计算更为有序,从而节省计算资源,而且可以快速的找到用户与目标好友间的好友关系链。
进一步,所述关联点根据优先度的先后顺序,依次包括第一优先度关联点、第二优先度关联点和第三优先度关联点;所述第一优先度关联点为用户的第一关系链和目标好友的第二关系链中的某一层级的人脉关系之中存在相同的人物;所述第二优先度关联点为用户的第一关系链和目标好友的第二关系链中某一层级的人脉关系之间存在有直接关联项的人物;所述第三优先度关联点为用户的第一关系链和目标好友的第二关系链中某一层级的人脉关系之间通过插入第三方人物才存在有间接关联项的人物。
通过对关联点优先度的设置,使得在分析用户与目标好友间的好友关系链在计算时更为有序,从而节省计算资源。
进一步,所述好友关系链分析模块具体包括以下子模块:
第一好友关系链分析子模块:用于根据第一优先度关联点分析两者的人脉关系各层级中的人物是否存在相同,若存在相同,以该相同人物作为第一关键人物,分别向用户端以及目标好友端逐层级追溯,生成用户和目标好友可连接为好友的第一好友关系链;
第二好友关系链分析子模块:用于在通过第一好友关系链分析子模块,获取不到用户和目标好友可连接为好友的关系链时,根据第二优先度关联点分析用户的某层级的人脉关系与目标好友的某层级的人脉关系中的直接关联项,并将存在直接关联项的两个人物作为第二关键人物和第三关键人物,并以第二关键人物向用户端逐层级追溯,以第三关键人物向目标好友端追溯,通过第二关键人物和第三关键人物串联生成用户和目标好友可连接为好友的第二好友关系链;
第三好友关系链分析子模块:用于通过第二好友关系链分析子模块,获取不到用户和目标好友可连接为好友的关系链时,根据第三优先度关联点分析用户的某层级的人脉关系与目标好友的某层级的人脉关系中存在的间接关联项,并将通过第三方人物而存在间接的关联项的两个人物分别作为第四关键人物和第五关键人物,以第四关键人物向用户端逐层级追溯,以第五关键人物向目标好友端逐层级追溯,通过第四关键人物、第三方人物和第五关键人物串联生成用户和目标好友可连接为好友的第三好友关系链。
使得简单的关联点采取优先处理,较难的关联点采取延后处理,通过这种方式,让计算更为有序,从而节省计算资源,而且可以快速的找到用户与目标好友间的好友关系链。
进一步,还包括以下模块:
重复好友关系链剔除模块:用于将好友关系链分析模块得到的第一好友关系链、第二好友关系链和第三好友关系链,根据第一优先度关联点、第二优先度关联点和第三优先度关联点的优先度的先后顺序进行排序,并根据排序将后续出现的重复好友关系链进行剔除。
避免重复的数据出现,从而节省计算资源。
进一步,还包括以下模块:
好友关系链深入分析模块:用于在第三好友关系链分析子模块根据第三优先度关联点获取不到用户和目标好友可连接为好友的关系链时,调整用户的第一关系链和目标好友的第二关系链,使用户的第一关系链中的各个人脉关系层级向下调整一个层级,使目标好友的第二关系链中的各个人脉关系层级向下调整一个层级;再根据调整后的第一关系链和第二关系链重新执行人脉关系链分析模块和好友关系链分析模块,直到得到用户和目标好友可连接为好友的第四好友关系链,再执行重复好友关系链剔除模块。
在第三好友关系链分析子模块根据第三优先度关联点获取不到用户和目标好友可连接为好友的关系链时,说明根据已知的用户的第一关系链和目标好友的第二关系链,无法找到用户与目标好友可连接为好友的好友关系链。而通过调整用户的第一关系链和目标好友的第二关系链,来延长第一关系链和第二关系链的长度,通过增加有限的计算资源来,找到用户与目标好友可连接为好友的好友关系链,以达到找到好友关系链的基础上尽可能节省计算资源的目的。
进一步,还包括以下模块:
人脉地图数据获取模块:用于在获取到好友关系链后,通过好友关系链解析两者的人脉关系各层级中包括的具体人物节点,并根据好友关系链计算用户与目标好友之间的人际距离,以及好友根据关系链计算用户与各个具体人物节点之间的人际距离;再根据不同的人际距离为具体人物节点匹配不同的人脉浓度分数;并获取各个具体人物节点的地理坐标数据,所述地理坐标数据根据行政区域划分;再根据人脉浓度分数和地理坐标数据获取用户在不同行政区域的人脉地图数据。
具体人物节点与用户的人际距离越短,说明具体人物节点在用户的人脉关系层级就越靠前,匹配到的人脉浓度分数就越大。在获取到各个具体人物节点的地理坐标数据之后;再根据人脉浓度分数和地理坐标数据就能方便的获取用户在不同行政区域的人脉地图数据。通过人脉地图数据,便于用户知晓自身的人脉分布情况。
进一步,还包括以下模块:
人脉地图模块:用于在获取到用户的人脉地图数据后,筛选出同一区域内且同一行政区域等级的人脉地图数据,再将筛选出的人脉地图数据进行阈值区间划分,判断人脉地图数据处于哪一个阈值区间,为每个阈值区间匹配不同的颜色标注;获取空白地图模板,将人脉地图数据对应的颜色标注填充到空白地图模板对应的区域内,得到用户的人脉地图。
人脉地图的设置,可以方便用户查看自己的人脉在地图上的分布情况,从而方便用户对自己人脉的利用。
进一步,还包括以下模块:
人脉优质度统计模块:用于统计所有被挖掘的好友关系链中各个具体人物节点被连接的总次数;统计所有用户的总人数,并获取总人数中位于中位数的中位数用户,以及统计所述中位数用户在所有被挖掘的好友关系链中作为具体人物节点被连接的中位总次数,获取用户在所有被挖掘的好友关系链中各个具体人物节点被连接的计算总次数,根据中位总次数和计算总次数得到用户的人脉优质度。
人脉优质度的设置,若用户在所有被挖掘的好友关系链中各个具体人物节点被连接的计算总次数越大,则说明用户的人脉广,方便用户了解自己的人脉。
本发明的目的之三在于提供一种终端,包括存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现所述的信息处理方法的各个步骤。
本发明的目的之四在于提供一种可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时,实现所述的信息处理方法的各个步骤。
附图说明
图1为本发明实施例一种拓展人际关系的信息搜索处理方法的流程图;
图2为本发明实施例一种拓展人际关系的信息搜索处理装置的逻辑框图。
具体实施方式
下面通过具体实施方式进一步详细说明:
实施例
本申请实施例提供的一种拓展人际关系的信息搜索处理方法可以应用于电子设备中,该电子设备可以是台式计算机,也可以是便携式电子设备,如笔记本电脑,平板电脑、智能手机等。
本申请实施例提供的一种拓展人际关系的信息搜索处理方法,如图1所示,包括以下步骤:
S1、获取用户的交友搜索请求,所述交友搜索请求中携带目标好友的属性信息;该属性信息可以包括目标好友的在某个社交平台的身份等,例如头条、知乎、新浪微博、QQ、微信等社交平台的公开昵称、账号等。以及用户的通讯录、同学录等等。
S2、从数据库获得用户的第一层级至第N层级的人脉关系,以及从数据库获取目标好友的第一层级至第N层级的人脉关系,其中N为大于等于2的自然数;
S3、从用户的N级人脉关系中选择第M层级的人脉关系(其中M<N),从目标好友的N级人脉关系中选择第M层级的人脉关系,分析用户的人脉关系第一层级至第M层级的第一关系链,以及分析目标好友的人脉关系第一层级至第M层级的第二关系链;根据第一关系链和第二关系链分析用户与目标好友之间进行人际导航的若干关联点;本实施例中M=2,即第M层级=第2层级。
因此,用户甲的第一关系链换成代数式为:A(甲)-B(第一层级)-C(第二层级)。
目标好友乙的第二关系链换成代数式为:A’(乙)-B’(第一层级)-C’(第二层级)。其中,第一层级可以表示一个人,也可以表示一群人。第N层级的人脉关系与第一层级的人脉关系同理,可以表示一个人,也可以表示一群人。但是本实施例中,不存既是第一层级又是第二层级的人,依次类推。每一层级之间相互唯一且独立的。
本实施例中,所述关联点根据优先度的先后顺序,依次包括第一优先度关联点、第二优先度关联点和第三优先度关联点。
所述第一优先度关联点为用户的第一关系链和目标好友的第二关系链中的某一层级的人脉关系之中存在相同的人物;
所述第二优先度关联点为用户的第一关系链和目标好友的第二关系链中某一层级的人脉关系之间存在有直接关联项的人物;
所述第三优先度关联点为用户的第一关系链和目标好友的第二关系链中某一层级的人脉关系之间通过插入第三方人物才存在有间接关联项的人物。
已知:用户甲的第一关系链代数式为:A-B-C,目标好友乙第二关系链的代数式为:A’-B’-C’。
因此,第一优先度关联点是:用户甲的第一关系链和目标好友乙的第二关系链中的某一层级的人脉关系之中存在相同的人物;具体存在以下四种情况:
情况一:B(第一层级)=B’(第一层级),即用户甲的第一层级与目标好友乙的第一层级中存在相同的人物;
情况二:B(第一层级)=C’(第二层级),即用户甲的第一层级与目标好友乙的第二层级中存在相同的人物;
情况三:C(第二层级)=B’(第一层级),即用户甲的第二层级与目标好友乙的第一层级中存在相同的人物;
情况四:C(第二层级)=C’(第二层级),即用户甲的第一层级与目标好友乙的第二层级中存在相同的人物。
第二优先度关联点是:用户甲的第一关系链和目标好友乙的第二关系链中某一层级的人脉关系之间存在有直接关联项的人物;直接关联项距离表示用户甲的人脉关系的某一层级的人物直接认识目标好友乙的人脉关系的某一层级的人物,具体存在以下四种情况:
情况1:B(第一层级)-B’(第一层级),即用户甲的第一层级中的某人认识目标好友乙的第一层级中的某人;
情况2:B(第一层级)-C’(第二层级),即用户甲的第一层级中的某人认识目标好友乙的第二层级中的某人;
情况3:C(第二层级)-B’(第一层级),即用户甲的第二层级中的某人认识目标好友乙的第一层级中的某人;
情况4:C(第二层级)-C’(第二层级),即用户甲的第二层级中的某人认识目标好友乙的第二层级中的某人;
第三优先度关联点是:用户甲的第一关系链与目标好友乙的第二关系链中某层级的人脉关系不存在有直接关联的人物;但是存在间接关联的第三方人物,能够使用户甲的某层级的人脉关系与目标好友乙的某层级的人脉关系间接关联起来。具体存在以下四种情况:
情况a:B(第一层级)-X(第三方人物)-B’(第一层级),即用户甲的第一层级中的某人通过N(第三方)认识目标好友乙的第一层级中的某人;
情况b:B(第一层级)-X(第三方人物)-C’(第二层级),即用户甲的第一层级中的某人通过N(第三方)认识目标好友乙的第二层级中的某人;
情况c:C(第二层级)-X(第三方人物)-B’(第一层级),即用户甲的第二层级中的某人通过N(第三方)认识目标好友乙的第一层级中的某人;
情况d:C(第二层级)-X(第三方人物)-C’(第二层级),即用户甲的第二层级中的某人通过N(第三方)认识目标好友乙的第二层级中的某人。
S4、获取若干关联点的优先顺序,并根据若干关联点的优先顺序,分析目标好友与所述用户之间可连接为好友的好友关系链,并根据好友关系链解析用户和目标好友两者的人脉关系各层级中包括的具体人物节点。
步骤S4具体包括以下内容:
S401、根据第一优先度关联点分析两者的人脉关系各层级中的人物是否存在相同,若存在相同,以该相同人物作为第一关键人物,分别向用户端以及目标好友端逐层级追溯,生成用户和目标好友可连接为好友的第一好友关系链;
根据情况一、情况二、情况三、情况四对用户和目标好友可连接为好友的第一好友关系链进行以下分析:
已知:用户甲的第一关系链代数式为A-B-C,目标好友乙的第二关系链代数式为A’-B’-C’;
第一好友关系链(一):B(第一层级)=B’(第一层级),因此用户甲的B(第一层级)和目标好友乙的B’(第一层级)均为第一关键人物,好友关系链为:A-(B=B’)-A’;由于用户甲的代数式为A-B-C,因此用户甲的第三层级与目标好友存在直接关联,A’的本质实际为C,用户甲和目标好友乙的好友关系链可方便的直接获取。
第一好友关系链(二):B(第一层级)=C’(第二层级),同理可得,好友关系链为:A-(B=C’)-B’-A’;包括好友关系链A-B-B’-A’和好友关系链A-C’-B’-A’;
第一好友关系链(三):C(第二层级)=B’(第一层级),同理可得,好友关系链为:A-B-(C=B’)-A’;包括好友关系链A-B-C-A’和好友关系链A-B-B’-A’;
第一好友关系链(四):C(第二层级)=C’(第二层级),同理可得,好友关系链为:A-B-(C=C’)-B’-A’,包括好友关系链A-B-C-B’-A’和好友关系链A-B-C’-B’-A’。
S402、在步骤S401中,获取不到用户和目标好友可连接为好友的关系链时,根据第二优先度关联点分析用户的某层级的人脉关系与目标好友的某层级的人脉关系中的直接关联项,并将存在直接关联项的两个人物作为第二关键人物和第三关键人物,并以第二关键人物向用户端逐层级追溯,以第三关键人物向目标好友端追溯,通过第二关键人物和第三关键人物串联生成用户和目标好友可连接为好友的第二好友关系链;
根据情况1、情况2、情况3、情况4对用户和目标好友可连接为好友的第二好友关系链进行以下分析:
第二好友关系链(1):B(第一层级)-B’(第一层级),表示用户甲的第一层级的人脉关系与目标好友乙的第一层级的人脉关系中存在直接的关联项,其中B(第一层级)为第二关键人物,B’(第一层级)为第三关键人物。用户甲的第一关系链代数式为A-B-C,目标好友乙的第二关系链代数式为A’-B’-C’;因此以第二关键人物向用户端逐层级追溯得到B-A,以第三关键人物向目标好友端追溯得到B’-A’,通过第二关键人物和第三关键人物串联生成用户和目标好友可连接为好友的好友关系链为:A-B-B’-A’;
第二好友关系链(2):B(第一层级)-C’(第二层级),同理可得,好友关系链为:A-B-C’-B’-A’;由于好友关系链A-B-(C=C’)-B’-A’,包括好友关系链A-B-C-B’-A’和好友关系链A-B-C’-B’-A’。因此通过B(第一层级)-C’(第二层级)查找到的关系链已经被计算,需要剔除。
第二好友关系链(3):C(第二层级)-B’(第一层级),同理可得,好友关系链为:A-B-C-B’-A’;由于好友关系链A-B-(C=C’)-B’-A’,包括好友关系链A-B-C-B’-A’和好友关系链A-B-C’-B’-A’。因此通过C(第二层级)-B’(第一层级)查找到的关系链已经被计算,需要剔除。
第二好友关系链(4):C(第二层级)-C’(第二层级),同理可得,好友关系链为:A-B-C-C’-B’-A’。
S403、在步骤S402中,获取不到用户和目标好友可连接为好友的关系链时,根据第三优先度关联点分析用户的某层级的人脉关系与目标好友的某层级的人脉关系中存在的间接关联项,并将通过第三方人物而存在间接的关联项的两个人物分别作为第四关键人物和第五关键人物,以第四关键人物向用户端逐层级追溯,以第五关键人物向目标好友端逐层级追溯,通过第四关键人物、第三方人物和第五关键人物串联生成用户和目标好友可连接为好友的第三好友关系链。本步骤中X(第三方人物)指个体人物,非群体人物。
根据情况a、情况b、情况c、情况d对用户和目标好友可连接为好友的第三好友关系链进行以下分析:
第三好友关系链(a):B(第一层级)-X(第三方人物)-B’(第一层级),即用户甲的第一层级中的某人通过第三方人物(X)认识目标好友乙的第一层级中的某人;也表示用户甲的第一层级的人脉关系与目标好友乙的第一层级的人脉关系中存在的间接关联项,其中B(第一层级)为第四关键人物,B’(第一层级)为第五关键人物。由于用户甲的第一关系链代数式为A-B-C,目标好友乙的第二关系链代数式为A’-B’-C’;因此以第四关键人物向用户端逐层级追溯得到B-A,以第五关键人物向目标好友端追溯得到B’-A’,通过第四关键人物、第三方(X)和第五关键人物串联生成用户和目标好友可连接为好友的好友关系链为:A-B-X-B’-A’;
第三好友关系链(b):B(第一层级)-X(第三方)-C’(第二层级),同理可得,好友关系链为:A-B-X-C’-B’-A’;
第三好友关系链(c):C(第二层级)-X(第三方)-B’(第一层级),同理可得,好友关系链为:A-B-C-X-B’-A’;
第三好友关系链(d):C(第二层级)-X(第三方)-C’(第二层级),同理可得,好友关系链为:A-B-C-X-C’-B’-A’。
S5、将步骤S4中得到的第一好友关系链、第二好友关系链和第三好友关系链,根据第一优先度关联点、第二优先度关联点和第三优先度关联点的优先度的先后顺序进行排序,并根据排序将后续出现的重复好友关系链进行剔除。
剔除一:剔除步骤S402的第二好友关系链(1)通过B(第一层级)-B’(第一层级)查找到的好友关系链A-B-B’-A’;由于步骤S401的第一好友关系链(二)中得到了好友关系链A-(B=C’)-B’-A’,其包括好友关系链A-B-B’-A’和好友关系链A-C’-B’-A’,因此好友关系链A-B-B’-A’已经被计算,需要剔除。
剔除二:剔除步骤S402的第二好友关系链(2)通过B(第一层级)-C’(第二层级)查找到的关系链A-B-C’-B’-A’;由于步骤S401的第一好友关系链(二)中得到了好友关系链A-B-(C=C’)-B’-A’,包括关系链A-B-C-B’-A’和关系链A-B-C’-B’-A’。因此好友关系链A-B-C’-B’-A’已经被计算,需要剔除。
剔除三:剔除第二好友关系链(3)通过C(第二层级)-B’(第一层级)查找到的好友关系链A-B-C-B’-A’;由于步骤S401的第一好友关系链(二)中得到了好友关系链A-B-(C=B’)-A’,包括关系链A-B-C-B’-A’和关系链A-B-C’-B’-A’。因此好友关系链A-B-C-B’-A’已经被计算,需要剔除。
剔除四:剔除第三好友关系链(a):A-B-X-B’-A’,其本质与A-B-C-B’-A’或与A-B-C’-B’-A’相同。
剔除五:剔除第三好友关系链(b)A-B-X-C’-B’-A’,其本质与A-B-C-C’-B’-A’相同;
剔除六:剔除第三好友关系链(c):A-B-C-X-B’-A’,其本质与A-B-C-C’-B’-A’相同;
剔除且排序后的好友关系链为:
1.第一好友关系链(二):A-(B=C’)-B’-A’;2.第一好友关系链(三):A-B-(C=B’)-A’;3.第一好友关系链(四):A-B-(C=C’)-B’-A’;4.第二好友关系链(4):A-B-C-C’-B’-A’;5.第三好友关系链(d):A-B-C-X-C’-B’-A’。
综上所述,通过用户甲的第一关系链A-B-C,目标好友乙的第二关系链A’-B’-C’,寻找到的好友关系链有A-(B=C’)-B’-A’、A-B-(C=B’)-A’、A-B-(C=C’)-B’-A’、A-B-C-C’-B’-A’、A-B-C-X-C’-B’-A’,本方案中用户甲的第一关系链包括但不限于A-B-C,目标好友乙的第二关系链包括但不限于A’-B’-C’,因此寻找到的好友关系链包括但不限于A-(B=C’)-B’-A’、A-B-(C=B’)-A’、A-B-(C=C’)-B’-A’、A-B-C-C’-B’-A’、A-B-C-X-C’-B’-A’。随着用户甲的第一关系链和目标好友乙的第二关系链的变更,好友关系链也会随之变化,通过本方案能够利用有限的计算资源快速找到用户甲和目标好友乙的好友关系链。
S6、在步骤S403中根据第三优先度关联点获取不到用户和目标好友可连接为好友的关系链时,调整用户的第一关系链和目标好友的第二关系链,使用户的第一关系链中的各个人脉关系层级向下调整一个层级,使目标好友的第二关系链中的各个人脉关系层级向下调整一个层级;再根据调整后的第一关系链和第二关系链重新执行步骤S3-步骤S4,直到得到用户和目标好友可连接为好友的第四好友关系链,再执行步骤S5。
例如:调整后,用户甲的第一关系链代数式为(A)-B-C-D,目标好友乙的第二关系链代数式为(A’)-B’-C’-D’;其中(A)和(A’)不参与计算,仅在结果中进行连接。
一、根据第一优先度关联点相关规则进行关系链查找:
(一)C(第二层级)=C’(第二层级),好友关系链为:(A)-B-(C=C’)-B’-(A’);其与第一好友关系链(四)A-B-(C=C’)-B’-A’相同,需要剔除。
(二)C(第二层级)=D’(第三层级),好友关系链为:(A)-B-(C=D’)-C’-B’-(A’);其与好友关系链A-B-C-C’-B’-A’相同,需要剔除。
(三)D(第三层级)=C’(第二层级),好友关系链为:(A)-B-C-(D=C’)-B’-(A’);其与好友关系链A-B-C-C’-B’-A’相同,需要剔除。
(四)D(第三层级)=D’(第三层级),好友关系链为:(A)-B-C-(D=D’)-C’-B’-(A’)。
二、根据第二优先度关联点相关规则进行关系链查找:
(一)C(第二层级)-C’(第二层级),好友关系链为:(A)-B-C-C’-B’-(A’);其与好友关系链A-B-C-C’-B’-A’相同,需要剔除。
(二)C(第二层级)-D’(第三层级),好友关系链为:(A)-B-C-(D’)-C’-B’-(A’);
(三)D(第三层级)-C’(第二层级),好友关系链为:(A)-B-C-(D)-C’B’-(A’);
(四)D(第三层级)-D’(第三层级),好友关系链为:(A)-B-C-(D-D’)-C’-B’-(A’)。
三、根据第三优先度关联点相关规则进行关系链查找:
(一)C(第二层级)-X(第三方)-C’(第二层级),好友关系链为:(A)-B-(C-C’)-B’-(A’);其与关系链A-B-C-C’-B’-A’相同,需要剔除。
(二)C(第二层级)-X(第三方)-D’(第三层级),好友关系链为:(A)-B-C-(X-D’)-C’-B’-(A’);
(三)D(第三层级)-X(第三方)-C’(第二层级),好友关系链为:(A)-B-C-(D-X)-C’-B’-(A’);
(四)D(第三层级)-X(第三方)-D’(第三层级),好友关系链为:(A)-B-C-(D-X-D’)-C’-B’-(A’)。
有上述可知,将关系链(A)-B-C-(D=D’)-C’-B’-(A’),与好友关系链A-B-C-X-C’-B’-A’对比可知,(D=D’)≈X;
好友关系链(A)-B-C-(D’)-C’-B’-(A’),与好友关系链A-B-C-X-C’-B’-A’对比可知,(D’)≈X;好友关系链(A)-B-C-(D)-C’B’-(A’),与好友关系链A-B-C-X-C’-B’-A’对比可知,(D)≈X;好友关系链(A)-B-C-(D-D’)-C’-B’-(A’),与好友关系链A-B-C-X-C’-B’-A’对比可知,(D-D’)≈X;好友关系链(A)-B-C-(X-D’)-C’-B’-(A’),与好友关系链A-B-C-X-C’-B’-A’对比可知,(X-D’)≈X;好友关系链(A)-B-C-(D-X)-C’-B’-(A’),与好友关系链A-B-C-X-C’-B’-A’对比可知,(D-X)≈X;好友关系链(A)-B-C-(D-X-D’)-C’-B’-(A’),与好友关系链A-B-C-X-C’-B’-A’对比可知,(D-X-D’)≈X。
因此,综上所述。本步骤中X(第三方人物)不仅可以指个体人物,也可以指群体人物也可以代表一条好友关系链。
与上述内容同理还存在以下几种情况:
(一)用户甲的第一关系链不作调整,代数式依然为(A)-B-C-D,目标好友乙的第二关系链进行调整,调整后代数式为(A’-B’)-C’-D’-E’,再执行步骤S3-步骤S5,步骤过程同上述原理,寻找第四好友关系链。
(二)用户甲的第一关系链作调整,代数式为(A-B)-C-D-E,目标好友乙的第二关系链不作调整,代数式依然为(A’)-B’-C’-D’,再执行步骤S3-步骤S5,步骤过程同上述原理,寻找第四好友关系链。
当用户甲的第一关系链继续作调整,调整后代数式为(A-B)-C-D-E,目标好友乙的第二关系链继续作调整,调整后代数式为(A’-B’)-C’-D’-E’,再执行步骤S3-步骤S5。若还找不到第四好友关系链,则终止步骤S6,以节省计算资源。
本实施例的第一好友关系链、第二好友关系链、第三好友关系链和第四好友关系链,是依照获取步骤顺序进行获取的好友关系链。
S7、根据步骤S5或步骤S6中获取到好友关系链后,通过好友关系链解析两者的人脉关系各层级中包括的具体人物节点,并根据好友关系链计算用户甲与目标好友乙之间的人际距离,以及好友根据关系链计算用户甲与各个具体人物节点之间的人际距离;再根据不同的人际距离为具体人物节点匹配不同的人脉浓度分数;并获取各个具体人物节点的地理坐标数据,所述地理坐标数据根据行政区域划分;所述地理坐标数据根据我国的行政区域划分和管理体制进行设置,大小排列如下:1.省(直辖市,自治区,特别行政区);2.地级市(州,旗);3.县(区,县级市);再根据人脉浓度分数和地理坐标数据获取用户甲在不同行政区域的人脉地图数据。
例如:用户甲与目标好友乙之间根据步骤S5或步骤S6中获取到的关系链为A-B-C-C’-B’-A’,根据关系链解析两者的人脉关系各层级中包括的具体人物节点为B、C、C’和B’。其中用户甲A与目标好友乙A’之间的人际距离为4,匹配的人脉浓度分数为0.6;
A与B的人际距离为0,匹配的人脉浓度分数为1;
A与C的人际距离为1,匹配的人脉浓度分数为0.9;
A与C’的人际距离为2,匹配的人脉浓度分数为0.8;
A与B’的人际距离为3,匹配的人脉浓度分数为0.7。
B的地理坐标数据为XX省XY市XZ县;C的地理坐标数据为XX省XC市XV县;C’的地理坐标数据为YY省YC市YV县;B’的地理坐标数据为ZZ省ZC市ZV县;A’的地理坐标数据为YY省ZB市ZN县。A在XX省的人脉分数总和分数=具体人物节点为B的匹配的人脉浓度分数1+具体人物节点为C的匹配的人脉浓度分数0.9;A在YY省的人脉分数总和分数=具体人物节点为A’的匹配的人脉浓度分数0.6+具体人物节点为C’的匹配的人脉浓度分数0.8;A在ZZ省的人脉分数总和分数=具体人物节点为B’的匹配的人脉浓度分数0.7。用户A具体的人脉地图数据如下表所示:
S8、在获取到用户的人脉地图数据后,筛选出同一区域内且同一行政区域等级的人脉地图数据,再将筛选出的人脉地图数据进行阈值区间划分,判断人脉地图数据处于哪一个阈值区间,为每个阈值区间匹配不同的颜色标注;获取空白地图模板,将人脉地图数据对应的颜色标注填充到空白地图模板对应的区域内,得到用户的人脉地图。
阈值区间[0,0.5]的颜色标注为白色,阈值区间(0.5,1]的颜色标注为黄色,阈值区间(1,1.5]的颜色标注为橙色,阈值区间(1.5,2]的颜色标注为红色。
因此,用户的人脉地图数据经过颜色标注后如下表所示:
将上表中,将各个省市县分别对应的颜色填充到空白地图模板中,即可得到用户的人脉地图。
S9、统计所有被挖掘的好友关系链中各个具体人物节点被连接的总次数;统计所有用户的总人数,并获取总人数中位于中位数的中位数用户,以及统计所述中位数用户在所有被挖掘的好友关系链中作为具体人物节点被连接的中位总次数MM,获取用户在所有被挖掘的好友关系链中各个具体人物节点被连接的计算总次数NN,根据中位总次数MM和计算总次数NN得到用户的人脉优质度。公式如下:人脉优质度=计算总次数NN/中位总次数MM·100%。
与方法实施例相对应,本申请还提供一种拓展人际关系的信息搜索处理装置,本申请提供的信息处理装置的一种逻辑框图如图2所示,包括服务器,所述服务器包括数据库,所述服务器还包括以下模块:
交友信息获取模块:用于获取用户的交友搜索请求,所述交友搜索请求中携带目标好友的属性信息;
人脉关系获取模块:用于从数据库获得用户的第一层级至第N层级的人脉关系,以及获取目标好友的第一层级至第N层级的人脉关系,其中N为大于等于2的自然数;
人脉关系链分析模块:用于从用户的N级人脉关系中选择第M层级的人脉关系,从目标好友的N级人脉关系中选择第M层级的人脉关系,分析用户的人脉关系第一层级至第M层级的第一关系链,以及分析目标好友的人脉关系第一层级至第M层级的第二关系链;根据第一关系链和第二关系链分析用户与目标好友之间进行人际导航的若干关联点;
好友关系链分析模块:用于获取若干关联点的优先顺序,并根据若干关联点的优先顺序,分析目标好友与所述用户之间可连接为好友的好友关系链,并根据好友关系链解析用户和目标好友两者的人脉关系各层级中包括的具体人物节点。
所述关联点根据优先度的先后顺序,依次包括第一优先度关联点、第二优先度关联点和第三优先度关联点;所述第一优先度关联点为用户的第一关系链和目标好友的第二关系链中的某一层级的人脉关系之中存在相同的人物;所述第二优先度关联点为用户的第一关系链和目标好友的第二关系链中某一层级的人脉关系之间存在有直接关联项的人物;所述第三优先度关联点为用户的第一关系链和目标好友的第二关系链中某一层级的人脉关系之间通过插入第三方人物才存在有间接关联项的人物。
好友关系链分析模块具体包括以下子模块:
第一好友关系链分析子模块:用于根据第一优先度关联点分析两者的人脉关系各层级中的人物是否存在相同,若存在相同,以该相同人物作为第一关键人物,分别向用户端以及目标好友端逐层级追溯,生成用户和目标好友可连接为好友的第一好友关系链;
第二好友关系链分析子模块:用于在通过第一好友关系链分析子模块,获取不到用户和目标好友可连接为好友的关系链时,根据第二优先度关联点分析用户的某层级的人脉关系与目标好友的某层级的人脉关系中的直接关联项,并将存在直接关联项的两个人物作为第二关键人物和第三关键人物,并以第二关键人物向用户端逐层级追溯,以第三关键人物向目标好友端追溯,通过第二关键人物和第三关键人物串联生成用户和目标好友可连接为好友的第二好友关系链;
第三好友关系链分析子模块:用于通过第二好友关系链分析子模块,获取不到用户和目标好友可连接为好友的关系链时,根据第三优先度关联点分析用户的某层级的人脉关系与目标好友的某层级的人脉关系中存在的间接关联项,并将通过第三方人物而存在间接的关联项的两个人物分别作为第四关键人物和第五关键人物,以第四关键人物向用户端逐层级追溯,以第五关键人物向目标好友端逐层级追溯,通过第四关键人物、第三方人物和第五关键人物串联生成用户和目标好友可连接为好友的第三好友关系链。
重复好友关系链剔除模块:用于将好友关系链分析模块得到的第一好友关系链、第二好友关系链和第三好友关系链,根据第一优先度关联点、第二优先度关联点和第三优先度关联点的优先度的先后顺序进行排序,并根据排序将后续出现的重复好友关系链进行剔除。
好友关系链深入分析模块:用于在第三好友关系链分析子模块根据第三优先度关联点获取不到用户和目标好友可连接为好友的关系链时,调整用户的第一关系链和目标好友的第二关系链,使用户的第一关系链中的各个人脉关系层级向下调整一个层级,使目标好友的第二关系链中的各个人脉关系层级向下调整一个层级;再根据调整后的第一关系链和第二关系链重新执行人脉关系链分析模块和好友关系链分析模块,直到得到用户和目标好友可连接为好友的第四好友关系链,再执行重复好友关系链剔除模块。
人脉地图数据获取模块:用于从重复好友关系链剔除模块或好友关系链深入分析模块中获取到好友关系链后,通过好友关系链解析两者的人脉关系各层级中包括的具体人物节点,并根据好友关系链计算用户与目标好友之间的人际距离,以及好友根据关系链计算用户与各个具体人物节点之间的人际距离;再根据不同的人际距离为具体人物节点匹配不同的人脉浓度分数;并获取各个具体人物节点的地理坐标数据,所述地理坐标数据根据行政区域划分;再根据人脉浓度分数和地理坐标数据获取用户在不同行政区域的人脉地图数据。
人脉地图模块:用于在获取到用户的人脉地图数据后,筛选出同一区域内且同一行政区域等级的人脉地图数据,再将筛选出的人脉地图数据进行阈值区间划分,判断人脉地图数据处于哪一个阈值区间,为每个阈值区间匹配不同的颜色标注;获取空白地图模板,将人脉地图数据对应的颜色标注填充到空白地图模板对应的区域内,得到用户的人脉地图。
人脉优质度统计模块:用于统计所有被挖掘的好友关系链中各个具体人物节点被连接的总次数;统计所有用户的总人数,并获取总人数中位于中位数的中位数用户,以及统计所述中位数用户在所有被挖掘的好友关系链中作为具体人物节点被连接的中位总次数,获取用户在所有被挖掘的好友关系链中各个具体人物节点被连接的计算总次数,根据中位总次数和计算总次数得到用户的人脉优质度。
一种终端,包括存储器和处理器;所述存储器,用于存储程序;所述处理器,用于执行所述程序,所述程序的细化功能和扩展功能可参照上文所述的信息处理方法的各个步骤。
一种可读存储介质其上存储有计算机程序,所述计算机程序被处理器执行时,实现上文所述的信息处理方法的各个步骤。结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块,或者二者的结合来实施。软件模块可以置于随机存储器(RAMD、内存、只读存储器ROM、可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM)或技术领域内所公知的任意其它形式的存储介质中。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述,所属领域普通技术人员知晓申请日或者优先权日之前发明所属技术领域所有的普通技术知识,能够获知该领域中所有的现有技术,并且具有应用该日期之前常规实验手段的能力,所属领域普通技术人员可以在本申请给出的启示下,结合自身能力完善并实施本方案,一些典型的公知结构或者公知方法不应当成为所属领域普通技术人员实施本申请的障碍。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (19)
1.一种拓展人际关系的信息搜索处理方法,其特征在于:包括以下步骤:
S1、获取用户的交友搜索请求,所述交友搜索请求中携带目标好友的属性信息;
S2、从数据库获得用户的第一层级至第N层级的人脉关系,以及获取目标好友的第一层级至第N层级的人脉关系,其中N为大于等于2的自然数;
S3、从用户的N级人脉关系中选择第M层级的人脉关系,从目标好友的N级人脉关系中选择第M层级的人脉关系,分析用户的人脉关系第一层级至第M层级的第一关系链,以及分析目标好友的人脉关系第一层级至第M层级的第二关系链;根据第一关系链和第二关系链分析用户与目标好友之间进行人际导航的若干关联点;
S4、获取若干关联点的优先顺序,并根据若干关联点的优先顺序,分析目标好友与所述用户之间可连接为好友的好友关系链,并根据好友关系链解析用户和目标好友两者的人脉关系各层级中包括的具体人物节点。
2.根据权利要求1所述的拓展人际关系的信息搜索处理方法,其特征在于:所述关联点根据优先度的先后顺序,依次包括第一优先度关联点、第二优先度关联点和第三优先度关联点。
3.根据权利要求2所述的拓展人际关系的信息搜索处理方法,其特征在于:所述第一优先度关联点为用户的第一关系链和目标好友的第二关系链中的某一层级的人脉关系之中存在相同的人物;
所述第二优先度关联点为用户的第一关系链和目标好友的第二关系链中某一层级的人脉关系之间存在有直接关联项的人物;
所述第三优先度关联点为用户的第一关系链和目标好友的第二关系链中某一层级的人脉关系之间通过插入第三方人物才存在有间接关联项的人物。
4.根据权利要求3所述的拓展人际关系的信息搜索处理方法,其特征在于:所述步骤S4具体包括以下步骤:
S401、根据第一优先度关联点分析两者的人脉关系各层级中的人物是否存在相同,若存在相同,以该相同人物作为第一关键人物,分别向用户端以及目标好友端逐层级追溯,生成用户和目标好友可连接为好友的第一好友关系链;
S402、在步骤S401中,获取不到用户和目标好友可连接为好友的关系链时,根据第二优先度关联点分析用户的某层级的人脉关系与目标好友的某层级的人脉关系中的直接关联项,并将存在直接关联项的两个人物作为第二关键人物和第三关键人物,并以第二关键人物向用户端逐层级追溯,以第三关键人物向目标好友端追溯,通过第二关键人物和第三关键人物串联生成用户和目标好友可连接为好友的第二好友关系链;
S403、在步骤S402中,获取不到用户和目标好友可连接为好友的关系链时,根据第三优先度关联点分析用户的某层级的人脉关系与目标好友的某层级的人脉关系中存在的间接关联项,并将通过第三方人物而存在间接的关联项的两个人物分别作为第四关键人物和第五关键人物,以第四关键人物向用户端逐层级追溯,以第五关键人物向目标好友端逐层级追溯,通过第四关键人物、第三方人物和第五关键人物串联生成用户和目标好友可连接为好友的第三好友关系链。
5.根据权利要求4所述的拓展人际关系的信息搜索处理方法,其特征在于:还包括以下步骤:
S5、将步骤S4中得到的第一好友关系链、第二好友关系链和第三好友关系链,根据第一优先度关联点、第二优先度关联点和第三优先度关联点的优先度的先后顺序进行排序,并根据排序将后续出现的重复好友关系链进行剔除。
6.根据权利要求4或5所述的拓展人际关系的信息搜索处理方法,其特征在于:还包括以下步骤:
S6、在步骤S403中根据第三优先度关联点获取不到用户和目标好友可连接为好友的关系链时,调整用户的第一关系链和目标好友的第二关系链,使用户的第一关系链中的各个人脉关系层级向下调整一个层级,使目标好友的第二关系链中的各个人脉关系层级向下调整一个层级;再根据调整后的第一关系链和第二关系链重新执行步骤S3-步骤S4,直到得到用户和目标好友可连接为好友的第四好友关系链,再执行步骤S5。
7.根据权利要求6所述的拓展人际关系的信息搜索处理方法,其特征在于:还包括以下步骤:
S7、获取到好友关系链后,通过好友关系链解析两者的人脉关系各层级中包括的具体人物节点,并根据好友关系链计算用户与目标好友之间的人际距离,以及好友根据关系链计算用户与各个具体人物节点之间的人际距离;再根据不同的人际距离为具体人物节点匹配不同的人脉浓度分数;并获取各个具体人物节点的地理坐标数据,所述地理坐标数据根据行政区域划分;再根据人脉浓度分数和地理坐标数据获取用户在不同行政区域的人脉地图数据。
8.根据权利要求7所述的拓展人际关系的信息搜索处理方法,其特征在于:还包括以下步骤:
S8、在获取到用户的人脉地图数据后,筛选出同一区域内且同一行政区域等级的人脉地图数据,再将筛选出的人脉地图数据进行阈值区间划分,判断人脉地图数据处于哪一个阈值区间,为每个阈值区间匹配不同的颜色标注;获取空白地图模板,将人脉地图数据对应的颜色标注填充到空白地图模板对应的区域内,得到用户的人脉地图。
9.根据权利要求1所述的拓展人际关系的信息搜索处理方法,其特征在于:还包括以下步骤:
S9、统计所有被挖掘的好友关系链中各个具体人物节点被连接的总次数;统计所有用户的总人数,并获取总人数中位于中位数的中位数用户,以及统计所述中位数用户在所有被挖掘的好友关系链中作为具体人物节点被连接的中位总次数,获取用户在所有被挖掘的好友关系链中各个具体人物节点被连接的计算总次数,根据中位总次数和计算总次数得到用户的人脉优质度。
10.一种拓展人际关系的信息搜索处理装置,其特征在于:包括,
交友信息获取模块:用于获取用户的交友搜索请求,所述交友搜索请求中携带目标好友的属性信息;
人脉关系获取模块:用于从数据库获得用户的第一层级至第N层级的人脉关系,以及获取目标好友的第一层级至第N层级的人脉关系,其中N为大于等于2的自然数;
人脉关系链分析模块:用于从用户的N级人脉关系中选择第M层级的人脉关系,从目标好友的N级人脉关系中选择第M层级的人脉关系,分析用户的人脉关系第一层级至第M层级的第一关系链,以及分析目标好友的人脉关系第一层级至第M层级的第二关系链;根据第一关系链和第二关系链分析用户与目标好友之间进行人际导航的若干关联点;
好友关系链分析模块:用于获取若干关联点的优先顺序,并根据若干关联点的优先顺序,分析目标好友与所述用户之间可连接为好友的好友关系链,并根据好友关系链解析用户和目标好友两者的人脉关系各层级中包括的具体人物节点。
11.根据权利要求10所述的拓展人际关系的信息搜索处理装置,其特征在于:所述关联点根据优先度的先后顺序,依次包括第一优先度关联点、第二优先度关联点和第三优先度关联点;所述第一优先度关联点为用户的第一关系链和目标好友的第二关系链中的某一层级的人脉关系之中存在相同的人物;所述第二优先度关联点为用户的第一关系链和目标好友的第二关系链中某一层级的人脉关系之间存在有直接关联项的人物;所述第三优先度关联点为用户的第一关系链和目标好友的第二关系链中某一层级的人脉关系之间通过插入第三方人物才存在有间接关联项的人物。
12.根据权利要求11所述的拓展人际关系的信息搜索处理装置,其特征在于:所述好友关系链分析模块具体包括以下子模块:
第一好友关系链分析子模块:用于根据第一优先度关联点分析两者的人脉关系各层级中的人物是否存在相同,若存在相同,以该相同人物作为第一关键人物,分别向用户端以及目标好友端逐层级追溯,生成用户和目标好友可连接为好友的第一好友关系链;
第二好友关系链分析子模块:用于在通过第一好友关系链分析子模块,获取不到用户和目标好友可连接为好友的关系链时,根据第二优先度关联点分析用户的某层级的人脉关系与目标好友的某层级的人脉关系中的直接关联项,并将存在直接关联项的两个人物作为第二关键人物和第三关键人物,并以第二关键人物向用户端逐层级追溯,以第三关键人物向目标好友端追溯,通过第二关键人物和第三关键人物串联生成用户和目标好友可连接为好友的第二好友关系链;
第三好友关系链分析子模块:用于通过第二好友关系链分析子模块,获取不到用户和目标好友可连接为好友的关系链时,根据第三优先度关联点分析用户的某层级的人脉关系与目标好友的某层级的人脉关系中存在的间接关联项,并将通过第三方人物而存在间接的关联项的两个人物分别作为第四关键人物和第五关键人物,以第四关键人物向用户端逐层级追溯,以第五关键人物向目标好友端逐层级追溯,通过第四关键人物、第三方人物和第五关键人物串联生成用户和目标好友可连接为好友的第三好友关系链。
13.根据权利要求12所述的拓展人际关系的信息搜索处理装置,其特征在于:还包括以下模块:
重复好友关系链剔除模块:用于将好友关系链分析模块得到的第一好友关系链、第二好友关系链和第三好友关系链,根据第一优先度关联点、第二优先度关联点和第三优先度关联点的优先度的先后顺序进行排序,并根据排序将后续出现的重复好友关系链进行剔除。
14.根据权利要求12或13所述的拓展人际关系的信息搜索处理装置,其特征在于:还包括以下模块:
好友关系链深入分析模块:用于在第三好友关系链分析子模块根据第三优先度关联点获取不到用户和目标好友可连接为好友的关系链时,调整用户的第一关系链和目标好友的第二关系链,使用户的第一关系链中的各个人脉关系层级向下调整一个层级,使目标好友的第二关系链中的各个人脉关系层级向下调整一个层级;再根据调整后的第一关系链和第二关系链重新执行人脉关系链分析模块和好友关系链分析模块,直到得到用户和目标好友可连接为好友的第四好友关系链,再执行重复好友关系链剔除模块。
15.根据权利要求12所述的拓展人际关系的信息搜索处理装置,其特征在于:还包括以下模块:
人脉地图数据获取模块:用于在获取到好友关系链后,通过好友关系链解析两者的人脉关系各层级中包括的具体人物节点,并根据好友关系链计算用户与目标好友之间的人际距离,以及好友根据关系链计算用户与各个具体人物节点之间的人际距离;再根据不同的人际距离为具体人物节点匹配不同的人脉浓度分数;并获取各个具体人物节点的地理坐标数据,所述地理坐标数据根据行政区域划分;再根据人脉浓度分数和地理坐标数据获取用户在不同行政区域的人脉地图数据。
16.根据权利要求12所述的拓展人际关系的信息搜索处理装置,其特征在于:还包括以下模块:
人脉地图模块:用于在获取到用户的人脉地图数据后,筛选出同一区域内且同一行政区域等级的人脉地图数据,再将筛选出的人脉地图数据进行阈值区间划分,判断人脉地图数据处于哪一个阈值区间,为每个阈值区间匹配不同的颜色标注;获取空白地图模板,将人脉地图数据对应的颜色标注填充到空白地图模板对应的区域内,得到用户的人脉地图。
17.根据权利要求10所述的拓展人际关系的信息搜索处理装置,其特征在于:还包括以下模块:
人脉优质度统计模块:用于统计所有被挖掘的好友关系链中各个具体人物节点被连接的总次数;统计所有用户的总人数,并获取总人数中位于中位数的中位数用户,以及统计所述中位数用户在所有被挖掘的好友关系链中作为具体人物节点被连接的中位总次数,获取用户在所有被挖掘的好友关系链中各个具体人物节点被连接的计算总次数,根据中位总次数和计算总次数得到用户的人脉优质度。
18.一种终端,其特征在于:包括存储器和处理器;
所述存储器,用于存储程序;
所述处理器,用于执行所述程序,实现如权利要求1-9中任一项所述的信息处理方法的各个步骤。
19.一种可读存储介质,其特征在于:其上存储有计算机程序,所述计算机程序被处理器执行时,实现如权利要求1-9中任一项所述的信息处理方法的各个步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010897515.1A CN112016005A (zh) | 2020-08-31 | 2020-08-31 | 一种拓展人际关系的信息搜索处理方法、装置、可读存储介质及终端 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010897515.1A CN112016005A (zh) | 2020-08-31 | 2020-08-31 | 一种拓展人际关系的信息搜索处理方法、装置、可读存储介质及终端 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112016005A true CN112016005A (zh) | 2020-12-01 |
Family
ID=73503075
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010897515.1A Pending CN112016005A (zh) | 2020-08-31 | 2020-08-31 | 一种拓展人际关系的信息搜索处理方法、装置、可读存储介质及终端 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112016005A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090049106A1 (en) * | 2007-08-15 | 2009-02-19 | International Business Machines Corporation | Method To Improve Collaboration Within An Organization |
CN102955781A (zh) * | 2011-08-19 | 2013-03-06 | 腾讯科技(深圳)有限公司 | 一种人物搜索方法及装置 |
CN103810248A (zh) * | 2014-01-17 | 2014-05-21 | 百度在线网络技术(北京)有限公司 | 基于照片查找人际关系的方法和装置 |
CN104202319A (zh) * | 2014-08-28 | 2014-12-10 | 北京淘友天下科技发展有限公司 | 一种社交关系推荐方法及装置 |
CN104834743A (zh) * | 2015-05-21 | 2015-08-12 | 孟勐 | 人脉关系的展示与搜索 |
CN105894118A (zh) * | 2016-04-01 | 2016-08-24 | 丁伟明 | 一种人际关系路径的选择方法及装置 |
CN107909391A (zh) * | 2017-11-01 | 2018-04-13 | 成都互聚科技有限公司 | 多圈层朋友间传递社交信息和奖赏的商业模式 |
TW201933148A (zh) * | 2018-01-26 | 2019-08-16 | 中華電信股份有限公司 | 多階層網路交互關係查找方法 |
CN110490753A (zh) * | 2018-05-10 | 2019-11-22 | 触信(厦门)智能科技有限公司 | 一种区块链人脉管理系统 |
CN110490754A (zh) * | 2018-05-10 | 2019-11-22 | 触信(厦门)智能科技有限公司 | 一种区块链通证的人脉管理方法 |
CN111080440A (zh) * | 2019-12-18 | 2020-04-28 | 上海良鑫网络科技有限公司 | 大数据风控管理系统 |
-
2020
- 2020-08-31 CN CN202010897515.1A patent/CN112016005A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090049106A1 (en) * | 2007-08-15 | 2009-02-19 | International Business Machines Corporation | Method To Improve Collaboration Within An Organization |
CN102955781A (zh) * | 2011-08-19 | 2013-03-06 | 腾讯科技(深圳)有限公司 | 一种人物搜索方法及装置 |
CN103810248A (zh) * | 2014-01-17 | 2014-05-21 | 百度在线网络技术(北京)有限公司 | 基于照片查找人际关系的方法和装置 |
CN104202319A (zh) * | 2014-08-28 | 2014-12-10 | 北京淘友天下科技发展有限公司 | 一种社交关系推荐方法及装置 |
CN104834743A (zh) * | 2015-05-21 | 2015-08-12 | 孟勐 | 人脉关系的展示与搜索 |
CN105894118A (zh) * | 2016-04-01 | 2016-08-24 | 丁伟明 | 一种人际关系路径的选择方法及装置 |
CN107909391A (zh) * | 2017-11-01 | 2018-04-13 | 成都互聚科技有限公司 | 多圈层朋友间传递社交信息和奖赏的商业模式 |
TW201933148A (zh) * | 2018-01-26 | 2019-08-16 | 中華電信股份有限公司 | 多階層網路交互關係查找方法 |
CN110490753A (zh) * | 2018-05-10 | 2019-11-22 | 触信(厦门)智能科技有限公司 | 一种区块链人脉管理系统 |
CN110490754A (zh) * | 2018-05-10 | 2019-11-22 | 触信(厦门)智能科技有限公司 | 一种区块链通证的人脉管理方法 |
CN111080440A (zh) * | 2019-12-18 | 2020-04-28 | 上海良鑫网络科技有限公司 | 大数据风控管理系统 |
Non-Patent Citations (1)
Title |
---|
吴娟等: "青少年网络娱乐行为与人际交往的关系研究——以对晋冀鲁部分地区中小学生的调查为例", 《中国电化教育》, pages 18 - 25 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
---|---|---|
CN106780263B (zh) | 基于大数据平台的高危人员分析和识别方法 | |
CN107092929B (zh) | 基于聚类技术的刑事犯罪案件关联串并方法及系统 | |
US20190087505A1 (en) | Method, apparatus, and computer-readable storage medium for grouping social network nodes | |
CN103902988B (zh) | 一种基于Modular积图与最大团的草图形状匹配方法 | |
CN107633060B (zh) | 一种信息处理方法及电子设备 | |
CN107392782A (zh) | 基于word2Vec的社团构建方法、装置及计算机处理设备 | |
CN106599090A (zh) | 基于结构中心性的网络社区发现方法 | |
CN107832631A (zh) | 一种数据发布的隐私保护方法和系统 | |
KR20120087214A (ko) | 소셜 네트워킹 서비스 사용자를 위한 친구 추천 방법, 이를 위한 기록 매체 및 이를 이용하는 소셜 네트워킹 서비스 및 서버 | |
CN107403007A (zh) | 一种基于网络的微博消息可信度判别模型的方法 | |
CN107070932B (zh) | 社会网络动态发布中防止标签邻居攻击的匿名方法 | |
CN104598648A (zh) | 一种微博用户交互式性别识别方法及装置 | |
CN112016005A (zh) | 一种拓展人际关系的信息搜索处理方法、装置、可读存储介质及终端 | |
Nancy et al. | Mining of association patterns in social network data (face book 100 universities) through data mining techniques and methods | |
Miller | Equivalence of several generalized percolation models on networks | |
Ristoski et al. | Analyzing Statistics with Background Knowledge from Linked Open Data. | |
CN106844743B (zh) | 维吾尔语文本的情感分类方法及装置 | |
CN112699402A (zh) | 基于联邦个性化随机森林的可穿戴设备活动预测方法 | |
Stoupas et al. | When universities rise (Rank) high into the skyline | |
Muhammad et al. | Ontology-based secure retrieval of semantically significant visual contents | |
CN109635138B (zh) | 一种基于相似相貌的社交关系建立方法与系统 | |
CN110941638B (zh) | 应用分类规则库构建方法、应用分类方法及装置 | |
US20180322214A1 (en) | Data display method | |
CN111080463B (zh) | 一种关键通讯节点识别方法、装置及介质 | |
CN110599358B (zh) | 一种基于概率因子图模型的跨社交网络用户身份关联方法 |
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 |