CN112084420A - 一种好友推荐方法、装置、电子设备及存储介质 - Google Patents
一种好友推荐方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN112084420A CN112084420A CN202010797467.9A CN202010797467A CN112084420A CN 112084420 A CN112084420 A CN 112084420A CN 202010797467 A CN202010797467 A CN 202010797467A CN 112084420 A CN112084420 A CN 112084420A
- Authority
- CN
- China
- Prior art keywords
- user
- target
- target object
- emotional tendency
- emotion
- 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
- 238000000034 method Methods 0.000 title claims abstract description 64
- 230000008909 emotion recognition Effects 0.000 claims abstract description 96
- 230000008451 emotion Effects 0.000 claims abstract description 88
- 239000011159 matrix material Substances 0.000 claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 29
- 230000002996 emotional effect Effects 0.000 claims description 301
- 238000011156 evaluation Methods 0.000 claims description 108
- 230000011218 segmentation Effects 0.000 claims description 54
- 238000012545 processing Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 238000001914 filtration Methods 0.000 claims description 8
- 238000012790 confirmation Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 22
- 230000006870 function Effects 0.000 description 13
- 238000001514 detection method Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 4
- 230000006855 networking Effects 0.000 description 4
- 238000012552 review Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000003058 natural language processing Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000019771 cognition Effects 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000010079 rubber tapping Methods 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/335—Filtering based on additional data, e.g. user or group profiles
- G06F16/337—Profile generation, learning or modification
-
- 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
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
- G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明提供了一种好友推荐方法、装置、电子设备及存储介质。所述方法,包括:获取目标用户的用户标识;从情感认同矩阵中获取用户标识与每个备选用户的情感认同值,情感认同矩阵中包括任意两个用户之间的情感认同值;获取与用户标识的情感认同值最高的N个备选用户,作为目标用户的推荐好友;其中,情感认同值根据任意两个用户针对共同评论过的每个目标对象发表的评论内容的情感倾向,和/或所述两个用户在共同评论过的每个目标对象类目下的每个评论内容的情感倾向获取得到,情感倾向为通过对评论内容进行文本情感分析获取得到;N为正整数,备选用户为除目标用户之外的其他用户。从而取得了为用户推荐出更加精确的好友,增加用户粘性的有益效果。
Description
技术领域
本发明涉及互联网技术领域,尤其涉及一种好友推荐方法、装置、电子设备及存储介质。
背景技术
全球逐渐迎来了社交网络(SocialNetwork)时代,一些具有代表性的社交网站已成为影响力巨大的信息平台。它们将用户群体和信息结合在一起,使用户可以便捷地分享和获取信息,同时也极大地拓展了用户的社交群体。但是,随着社交网络用户迅速增多,社交网络中信息量急剧增大,对社交网络用户来说,如何在这些庞大的数据中找到合适自己的好友,扩展自己的社交网络好友圈成为一个难题。
为了解决社交网络信息量大和好友寻找困难问题,推荐和搜索成为人们关注的焦点。用户利用好友搜索功能来查找好友以扩大交际圈,相关技术中,一般推荐与用户关注了同一对象类目下活跃度比较高的用户,根据用户所关注的对象类目,推荐在该对象类目下那些活跃度较高的用户。但是,这种搜索浪费大量的时间,效率低且准确性也较低。而且,上述方式只粗略的考虑了对同一对象类目感兴趣的维度,没有考虑到添加好友的用户之间情感差异特点,如果两者在思维方式上相差较大,那以后用户对于其好友所发帖内容有很大概率不感兴趣。而且,如果只是依据活跃度来给用户推荐好友,那对于那些不怎么活跃用户曝光给备选用户的机会就会减少,长此以往会降低用户的使用粘性。
发明内容
本发明实施例提供一种好友推荐方法、装置、电子设备及存储介质,以解决现有的好友推荐方式效率和准确性均较低,容易降低用户使用粘性的问题。
为了解决上述技术问题,本发明是这样实现的:
第一方面,本发明实施例提供了一种好友推荐方法,包括:
获取目标用户的用户标识;
从情感认同矩阵中获取所述用户标识与每个备选用户的情感认同值,所述情感认同矩阵中包括任意两个用户之间的情感认同值;
获取与所述用户标识的情感认同值最高的N个备选用户,作为所述目标用户的推荐好友;
其中,所述情感认同值根据任意两个用户针对共同评论过的每个目标对象发表的评论内容的情感倾向,和/或所述两个用户在共同评论过的每个目标对象类目下的每个评论内容的情感倾向获取得到,所述情感倾向为通过对所述评论内容进行文本情感分析获取得到;所述N为正整数,所述备选用户为除所述目标用户之外的其他用户。
可选地,在所述步骤从情感认同矩阵中获取所述用户标识与每个备选用户的情感认同值之前,还包括:
针对任一备选用户,获取所述备选用户与所述目标用户共同评论过的每个目标对象,以及所述备选用户与所述目标用户共同评论过的每个目标对象类目;
针对每个所述目标对象,根据所述备选用户和所述目标用户针对所述目标对象发表的评论内容,分别获取所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向;
针对每个所述目标对象类目,根据所述备选用户和所述目标用户在所述目标对象类目下发表的评论内容,分别获取所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向;
根据所述情感倾向,获取所述目标用户与所述备选用户的情感认同值。
可选地,所述根据所述情感倾向,获取所述目标用户与所述备选用户的情感认同值的步骤,包括:
根据所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向,获取针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值;
根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向,获取所述备选用户与所述目标用户在共同评论过的所有对象类目下的正向评价率偏差;
根据所述情感倾向值和所述正向评价率偏差,获取所述目标用户与所述备选用户的情感认同值。
可选地,所述根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向,获取所述备选用户与所述目标用户在共同评论过的所有对象类目下的正向评价率偏差的步骤,包括:
根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,以及所述备选用户在目标对象类目下评论次数,获取所述备选用户在所述目标对象类目下的第一正向评价率;
根据所述目标用户在目标对象类目下的每个评论内容的情感倾向,以及所述目标用户在目标对象类目下评论次数,获取所述目标用户在所述目标对象类目下的第二正向评价率;
根据所述备选用户在每个所述目标对象类目下的第一正向评价率,以及所述目标用户在每个所述目标对象类目下的第二正向评价率,获取所述目标用户与所述备选用户在共同评论过的所有对象类目下的正向评价率偏差。
可选地,所述根据所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向,获取针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值的步骤,包括:
如果所述备选用户针对所述目标对象的情感倾向,与所述目标用户针对所述目标对象的情感倾向相同,确认所述针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值为第一预设值;
如果所述备选用户针对所述目标对象的情感倾向,与所述目标用户针对所述目标对象的情感倾向不同,确认所述针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值为第二预设值。
可选地,所述针对每个所述目标对象,根据所述备选用户和所述目标用户针对所述目标对象发表的评论内容,分别获取所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向的步骤,包括:
对所述评论内容进行分词处理,得到所述评论内容的分词列表;
根据所述分词列表,获取所述评论内容的情感得分;
响应于所述情感得分为正值,确定所述评论内容的情感倾向为正向;
响应于所述情感得分为负值,确定所述评论内容的情感倾向为负向。
可选地,所述根据所述分词列表,获取所述评论内容的情感得分的步骤,包括:
过滤掉所述分词列表中的否定词,并筛选过滤后的分词列表中的目标分词,所述目标分词包括情感分词、停用分词、副词中的至少一种;
根据所述目标分词,获取所述评论内容的情感得分。
第二方面,本发明实施例提供了一种好友推荐装置,包括:
用户信息获取模块,用于获取目标用户的用户标识;
情感认同值查找模块,用于从情感认同矩阵中获取所述用户标识与每个备选用户的情感认同值,所述情感认同矩阵中包括任意两个用户之间的情感认同值;
好友推荐模块,用于获取与所述用户标识的情感认同值最高的N个备选用户,作为所述目标用户的推荐好友;
其中,所述情感认同值根据任意两个用户针对共同评论过的每个目标对象发表的评论内容的情感倾向,和/或所述两个用户在共同评论过的每个目标对象类目下的每个评论内容的情感倾向获取得到,所述情感倾向为通过对所述评论内容进行文本情感分析获取得到;所述N为正整数,所述备选用户为除所述目标用户之外的其他用户。
可选地,所述装置,还包括:
基础数据获取模块,用于针对任一备选用户,获取所述备选用户与所述目标用户共同评论过的每个目标对象,以及所述备选用户与所述目标用户共同评论过的每个目标对象类目;
第一情感倾向获取模块,用于针对每个所述目标对象,根据所述备选用户和所述目标用户针对所述目标对象发表的评论内容,分别获取所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向;
第二情感倾向获取模块,用于针对每个所述目标对象类目,根据所述备选用户和所述目标用户在所述目标对象类目下发表的评论内容,分别获取所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向;
情感认同值获取模块,用于根据所述情感倾向,获取所述目标用户与所述备选用户的情感认同值。
可选地,所述情感认同值获取模块,包括:
情感倾向值获取子模块,用于根据所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向,获取针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值;
正向评价率偏差获取子模块,用于根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向,获取所述备选用户与所述目标用户在共同评论过的所有对象类目下的正向评价率偏差;
情感认同值获取子模块,用于根据所述情感倾向值和所述正向评价率偏差,获取所述目标用户与所述备选用户的情感认同值。
可选地,所述正向评价率偏差获取子模块,包括:
第一正向评价率获取单元,用于根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,以及所述备选用户在目标对象类目下评论次数,获取所述备选用户在所述目标对象类目下的第一正向评价率;
第二正向评价率获取单元,用于根据所述目标用户在目标对象类目下的每个评论内容的情感倾向,以及所述目标用户在目标对象类目下评论次数,获取所述目标用户在所述目标对象类目下的第二正向评价率;
正向评价率偏差获取单元,用于根据所述备选用户在每个所述目标对象类目下的第一正向评价率,以及所述目标用户在每个所述目标对象类目下的第二正向评价率,获取所述目标用户与所述备选用户在共同评论过的所有对象类目下的正向评价率偏差。
可选地,所述情感倾向值获取子模块,具体用于:
如果所述备选用户针对所述目标对象的情感倾向,与所述目标用户针对所述目标对象的情感倾向相同,确认所述针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值为第一预设值;
如果所述备选用户针对所述目标对象的情感倾向,与所述目标用户针对所述目标对象的情感倾向不同,确认所述针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值为第二预设值。
可选地,所述第一情感倾向获取模块,包括:
分词处理子模块,用于对所述评论内容进行分词处理,得到所述评论内容的分词列表;
情感得分获取子模块,用于根据所述分词列表,获取所述评论内容的情感得分;
第一情感倾向确认子模块,用于响应于所述情感得分为正值,确定所述评论内容的情感倾向为正向;
第二情感倾向确认子模块,用于响应于所述情感得分为负值,确定所述评论内容的情感倾向为负向。
可选地,所述情感得分获取子模块,具体用于:
过滤掉所述分词列表中的否定词,并筛选过滤后的分词列表中的目标分词,所述目标分词包括情感分词、停用分词、副词中的至少一种;
根据所述目标分词,获取所述评论内容的情感得分。
第三方面,本发明实施例另外提供了一种电子设备,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如第一方面所述的好友推荐方法的步骤。
第四方面,本发明实施例另外提供了一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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第一方面所述的好友推荐方法的步骤。
在本发明实施例中,通过基于文本情感分析得到用户评论的情感倾向,计算同一帖子下其他回帖用户的情感倾向,和/或所述两个用户在共同评论过的每个目标对象类目下的每个评论内容的情感倾向,来反映出两个用户之间评价的整体相似度,最后计算出两个用户间的情感认同值,在遍历过程中逐步形成每两个用户之间的一个情感认同矩阵,最后根据情感认同矩阵中目标用户对应的情感认同值进行排序取前topN个备选用户作为相应用户推荐好友,这样在推荐过程中结合用户的情感认知,为用户推荐出更加精确的拥有共同兴趣的好友,增加用户粘性。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,而可依照说明书的内容予以实施,并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂,以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的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发明的一些实施例,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是本发明实施例中的一种好友推荐方法的步骤流程图;
图2是本发明实施例中的另一种好友推荐方法的步骤流程图;
图3是本发明实施例中的一种文本情感分析的具体过程示意图;
图4是本发明实施例中的一种好友推荐装置的结构示意图;
图5是本发明实施例中的另一种好友推荐装置的结构示意图;
图6是本发明实施例中的一种电子设备的硬件结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1,示出了本发明实施例中一种好友推荐方法的步骤流程图。
步骤110,获取目标用户的用户标识。
步骤120,从情感认同矩阵中获取所述用户标识与每个备选用户的情感认同值,所述情感认同矩阵中包括任意两个用户之间的情感认同值。
步骤130,获取与所述用户标识的情感认同值最高的N个备选用户,作为所述目标用户的推荐好友;其中,所述情感认同值根据任意两个用户针对共同评论过的每个目标对象发表的评论内容的情感倾向,和/或所述两个用户在共同评论过的每个目标对象类目下的每个评论内容的情感倾向获取得到,所述情感倾向为通过对所述评论内容进行文本情感分析获取得到;所述N为正整数,所述备选用户为除所述目标用户之外的其他用户。
在本发明实施例中,避免建立好友关系的两者在思维方式上相差较大,那以后用户对于其好友所发帖内容有很大概率不感兴趣,从而形成“僵尸粉”等问题。因此考虑到建立好友关系的用户之间情感差异特点,对于想要添加的好友,用户更希望找出那些具有相同情感倾向或者共同价值观的用户,这样挖掘出的推荐好友,能够更加吸引用户的添加行为,同时增强以后的互动。
在本发明实施例中,主要是基于分析用户针对每个对象发表的评论内容的情感倾向,建立起与同一对象下其他各个回帖用户之间的情感认同矩阵,从而给用户计算出一组相对精准的好友推荐。在情感认同矩阵中可以包括任意两个用户之间的情感认同值。
而且,为了表征不同用户之间的情感差异特点,以为目标用户推荐具有相同情感倾向或者共同价值观的用户作为好友,可以基于根据任意两个用户针对共同评论过的每个目标对象发表的评论内容的情感倾向,和所述两个用户在共同评论过的每个目标对象类目下的每个评论内容的情感倾向,获取得到情感认同值,表征两个用户之间的情感相同程度,从而基于任意两个用户之间的情感认同值,构建得到情感认同矩阵。其中,情感认同值与任意两个用户针对共同评论过的每个目标对象发表的评论内容的情感倾向,以及所述两个用户在共同评论过的每个目标对象类目下的每个评论内容的情感倾向之间的对应关系可以根据需求进行自定义设置,对此本发明实施例不加以限定。其中的目标对象可以为两个用户共同评论过的任意一个对象,目标对象类目也可以为两个用户共同评论过的任意一个对象类目,而且对象类目下可以包括至少一个对象。
例如,可以设置任意两个用户之间的情感认同值为相应两个用户针对共同评论过的每个目标对象发表的评论内容的情感倾向,以及相应两个用户在共同评论过的每个目标对象类目下的每个评论内容的情感倾向的加权后,其中各个情感倾向的权重可以根据需求进行自定义设置,对此本发明实施例不加以限定。或者,也可以设置对于任意两个用户而言,如果两个用户在共同评论过的一个目标对象下发表的评论内容的情感倾向相同,那么则可以将相应两个用户之间的情感认同值加上第一数值,和/或如果两个用户共同评论过的任意一个目标对象类目下的超过预设比例的评论内容的情感倾向相同,那么则可以将相应两个用户之间的情感认同值加上第二数值;等等。其中的第一数值、第二数值和预设比例均可以根据需求进行自定义设置,对此本发明实施例不加以限定。
而且,在本发明实施例中可以通过任何可用方式对评论内容进行文本情感分析,以获取每个评论内容的情感倾向,对此本发明实施例不加以限定。
那么在为目标用户推荐好友时,则可以获取目标用户的用户标识,进而可以从当前的情感认同矩阵中获取所述用户标识与每个备选用户的情感认同值,所述情感认同矩阵中包括任意两个用户之间的情感认同值,随后则可以获取与用户标识的情感认同值最高的N个备选用户,作为所述目标用户的推荐好友。其中的备选用户可以为用户集中除去目标用户之外的每个其他用户,也可以为预先从用户集中除去目标用户之外的每个其他用户筛选得到的部分用户,对此本发明实施例不加以限定。
需要说明的是,其中的对象和对象类目可以为根据具体的应用场景进行自定义设置,对此本发明实施例不加以限定。例如,在论坛、社交网站等应用场景中,对象可以为用户发布的帖子,对象类目则可以为话题分类;在购物网站中,对象可以为商品,对象类目则可以为商品类目,等等。其中,话题分类是指一个话题所属的某个具体分类,如新闻中常见的分类:社会、娱乐、体育、军事等,不同的业务可以进行更细致的划分,对此本发明实施例不加以限定。
文本情感分析是自然语言处理(NLP)方法中的一种应用,是指通过对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。而情感倾向分析又属于情感分析中的一种,情感倾向分析是指对文本进行褒义、贬义、中性的判断。
参照图2,在本发明实施例中,在所述步骤120之前,进一步还可以包括:
步骤S1,针对任一备选用户,获取所述备选用户与所述目标用户共同评论过的每个目标对象,以及所述备选用户与所述目标用户共同评论过的每个目标对象类目;
步骤S2,针对每个所述目标对象,根据所述备选用户和所述目标用户针对所述目标对象发表的评论内容,分别获取所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向;
步骤S3,针对每个所述目标对象类目,根据所述备选用户和所述目标用户在所述目标对象类目下发表的评论内容,分别获取所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向;
步骤S4,根据所述情感倾向,获取所述目标用户与所述备选用户的情感认同值。
在本发明实施例中,为了在上述的情感认同矩阵中设置目标用户与每个备选用户之间的情感认同值。则可以针对任一备选用户,获取所述备选用户与所述目标用户共同评论过的每个目标对象,以及所述备选用户与所述目标用户共同评论过的每个目标对象类目。其中,备选用户与目标用户共同评论过的目标对象类目,可以理解为在目标对象类目中存在至少一个对象被备选用户评论过,同时存在至少一个对象被目标用户评论过,而且目标用户所评论的对象和备选用户所评论的对象可以不为同一个对象。当然在本发明实施例中,根据需求也可以设置备选用户与目标用户共同评论过的目标对象类目可以为在目标对象类目中存在至少一个对象被备选用户和目标用户共同评论过,对此本发明实施例不加以限定。
进而则可以针对每个所述目标对象,根据所述备选用户和所述目标用户针对所述目标对象发表的评论内容,分别获取所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向,以及针对每个所述目标对象类目,根据所述备选用户和所述目标用户在所述目标对象类目下发表的评论内容,分别获取所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向,在获取得到上述情感倾向之后,则可以根据所述情感倾向,获取所述目标用户与所述备选用户的情感认同值。
例如,假设目标用户为用户A,备选用户为用户B,那么针对用户A和用户B共同评价过的任意一个目标对象a,则可以根据用户A针对目标对象a所发表的评论内容,获取用户A针对目标对象a的情感倾向,也即用户A针对目标对象a所发表的评论内容的情感倾向,同时根据用户B针对目标对象a所发表的评论内容,获取用户B针对目标对象a的情感倾向,也即用户B针对目标对象a所发表的评论内容的情感倾向;相应地,针对用户A和用户B共同评价过的任意一个目标对象类目b,则可以根据用户A在目标对象类目b下所发表的任意一个评论内容,获取相应评论内容的情感倾向,根据用户B在目标对象类目b下所发表的任意一个评论内容,获取相应评论内容的情感倾向。
而且,在获取备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向时,由于同一用户可能在同一对象下多次发表评论,那么此时则可以将每个评论内容整合为一个整体进行文本情感分析,以获取相应用户针对相应对象的情感倾向,也可以分别对每个评论内容进行文本情感分析,分别得到每个评论内容的情感倾向,进而基于各个评论内容的情感倾向(例如对各个评论内容的情感倾向进行加权求和等方式),获取相应用户针对相应对象的情感倾向,对此本发明实施例不加以限定。
此外,在实际应用中,不同用户可以随时发布新的对象,或者是对已发布的对象发表评论,也即对于任意两个用户而言,其共同评论过的对象,以及共同评论过的对象类目都可以随着时间产生变化,因此相应两个用户之间的情感认同值也可以发生变化,因此在本发明实施例中,可以周期性地更新情感认同矩阵中任意两个用户之间的情感认同值,更新周期可以根据需求进行自定义设置,对此本发明实施例不加以限定。
而且,在本发明实施例中,如果每次都对任意两个用户执行上述的步骤S1-S4,以对任意两个用户之间的情感认同值进行周期性更新,工作量较大容易导致更新迟缓,因此为了能够对情感认同值进行及时更新,也可以检测每个用户的评论动态,当检测到用户在某个对象下发表评论时,则可以对其评论内容进行文本情感分析,得出用户对该对象的情感倾向,遍历该对象下其他用户回帖,得到其他回帖用户对该对象的情感倾向,进而再针对每个回帖用户,取出该回帖用户与相应用户所有共同评价过的对象类目,计算出两个用户在每个共同评价的对象类目下的每个评论内容的情感倾向,进而可以基于此时获取得到的情感倾向,计算出两个用户针对相应对象产生的情感认同值,进一步则可以基于当前得到的情感认同值更新情感认同矩阵中相应两个用户之间的情感认同值,具体地可以在情感认同矩阵中相应两个用户之间的情感认同值的基础上加上当前计算出的两个用户针对最新评论的相应对象产生的情感认同值,作为更新后的相应两个用户之间的情感认同值,在保证准确性的同时可以有效提高情感认同值的更新效率。
或者,也可以周期性地检测每个用户在当前的检测周期内是否在某个对象下发表评论,如果有那么在当前的检测周期结束时,则可以针对用户在当前的检测周期内的发表评论的每个对象,遍历该对象下其他用户回帖,得到其他回帖用户对该对象的情感倾向,进而再针对每个回帖用户,取出该回帖用户与相应用户所有共同评价过的对象类目,计算出两个用户在每个共同评价的对象类目下的每个评论内容的情感倾向,进而可以基于此时获取得到的情感倾向,计算出两个用户针对相应对象产生的情感认同值,进一步则可以基于当前检测周期内得到的情感认同值更新情感认同矩阵中相应两个用户之间的情感认同值,具体地可以在情感认同矩阵中相应两个用户之间的情感认同值的基础上加上当前计算出的两个用户针对当前检测周期内评论的相应对象产生的情感认同值,作为更新后的相应两个用户之间的情感认同值;等等。
可选地,在本发明实施例中,所述步骤S4进一步可以包括:
S41,根据所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向,获取针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值;
S42,根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向,获取所述备选用户与所述目标用户在共同评论过的所有对象类目下的正向评价率偏差;
S43,根据所述情感倾向值和所述正向评价率偏差,获取所述目标用户与所述备选用户的情感认同值。
在本发明实施例中,为了结合所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向,以及所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向,从而得到目标用户与所述备选用户的情感认同值,以提高情感认同值的准确性。则可以根据所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向,获取针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值;和/或,根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向,获取所述备选用户与所述目标用户在共同评论过的所有对象类目下的正向评价率偏差。正向评价率偏差反应用户之间正向评价的整体波动情况,可以表征两个用户的正向评价之间的偏差程度,也可以反应两个用户间的评价相似度。
其中,情感倾向值与备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向之间的关系,以及正向评价率偏差与备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向之间的对应关系均可以根据需求进行自定义设置,对此本发明实施例不加以限定。
例如,在情感倾向为数值的情况下,可以设置在备选用户针对所述目标对象的情感倾向,和目标用户针对所述目标对象的情感倾向均满足预设的阈值条件的情况下,则可以确定针对目标对象,所述备选用户和所述目标用户之间的情感倾向值为第一预设数值,反之则为第二预设数值;或者也可以将情感倾向转换为正向或者负向两种情况,此时则可以设置在备选用户针对所述目标对象的情感倾向,和目标用户针对所述目标对象的情感倾向相同的情况下,则可以确定针对目标对象,所述备选用户和所述目标用户之间的情感倾向值为第一预设数值,反之则为第二预设数值;等等。
其中,正向的情感倾向指用户对某一个对象的评论,经过文本情感分析之后得出的结论是褒义语义,则理解为用户对这个对象的情感倾向是正向评的。
对于任意一个目标对象类目,可以分别获取目标用户和备选用户在该目标对象类目下的评论内容的正向评价率或者是负向评价率,进而根据正向评价率或者是负向评价率,得到目标用户和备选用户在所有对象类目下的正向评价率偏差。其中的正向评价率可以为同一用户在同一目标对象类目下的正向评价的次数与总的评价次数的比值,正向评价则可以根据上述的情感倾向进行确定,例如,如果评论内容的情感倾向大于预设数值或者是情感倾向为正向则认为相应评论内容为正向评价。
此外,情感认同值与情感倾向值和正向评价率偏差之间的对应关系也可以根据需求进行自定义设置,对此本发明实施例不加以限定。如上述可知,情感倾向值与情感认同值可以成正比关系,正向评价率偏差可以与情感认同值成反比关系。
例如,对于上述的用户A和用户B,情感认同值可以为用户A和用户B针对共同评论过的每个对象下的情感倾向值的总和,与用户A和用户B在共同评论过的所有对象类目下的正向评价率偏差的比值,或者也可以设置用户A、B之间的情感认同值,其计算方式如v=s+D*(1-E),其中s表示用户A和用户B针对共同评论过的每个对象下的情感倾向值的总和,E表示用户A和用户B在共同评论过的所有对象类目下的正向评价率偏差,D为常量值,可以根据需求自定义D的取值,对此本发明实施例不加以限定。
另外,在本发明实施例中,如果参照上述方式对情感认同矩阵中任意两个用户之间的情感认同值进行更新。假设任意两个用户为上述的用户A和用户B,情感认同值的更新过程可以如下所示:
假设用户A在某个对象下进行了评论,
1、根据对象评论内容,基于文本情感分析得到用户对该对象的情感倾向。
2、根据第1步得到的用户评论情感倾向,将该用户针对该对象的情感倾向记录到服务端。同时用户对该对象类目的评价次数t加一,如果情感倾向为正向,则用户对该对象类目的正向评价次数k也需要加一;
3、遍历该对象下其他用户回帖,得到其他回帖用户对该对象的情感倾向,假设当前遍历到用户B,获取到用户B对该对象的情感倾向;
4、比较用户A和用户B的情感倾向,如果相同,置情感倾向值sab=1,否则置情感倾向值sab=-1;
5、计算用户A和用户B在所有共同评价过的对象类目下的正向评价率偏差E;
6、根据上面的数据计算出用户A、B之间的情感认同值,其计算方式如下:
v=a+sab+D*(1-E)
其中,a为A、B之间原有的情感认同值(如果A和B之间之前没有共同评论的对象以及共同评论的对象类目,可以设置默认初始值为0),D为常量值,sab为第4步得到值,E为第5步得到的当前的正向评价率偏差。
7、根据第6步计算得到的用户A、B之间的情感认同值,更新情感认同矩阵值。再继续重复第3步至第7步过程,更新在该对象下用户A和其他回帖用户之间的情感认同值。
8、当需要给用户A进行好友推荐时,从情感认同矩阵中基于用户A对应的情感认同值进行排序,取出前topN个用户,作为A的推荐好友。
可选地,在本发明实施例中,所述步骤S42进一步可以包括:
步骤S421,根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,以及所述备选用户在目标对象类目下评论次数,获取所述备选用户在所述目标对象类目下的第一正向评价率;
步骤S422,根据所述目标用户在目标对象类目下的每个评论内容的情感倾向,以及所述目标用户在目标对象类目下评论次数,获取所述目标用户在所述目标对象类目下的第二正向评价率;
步骤S423,根据所述备选用户在每个所述目标对象类目下的第一正向评价率,以及所述目标用户在每个所述目标对象类目下的第二正向评价率,获取所述目标用户与所述备选用户在共同评论过的所有对象类目下的正向评价率偏差。
如上述,正向评价率偏差可以表征两个用户在共同评论过的所有对象类目下的正向评价率之间的偏差。那么为了获取正向评价率偏差,则可以分别获取两个用户之中的每个用户在共同评论过的每个对象类目下的正向评价率,可以为了对两个用户的正向评价率进行区分,可以定义其中一个用户的正向评价率为第一正向评价率,另一用户的正向评价率为第二正向评价率。
具体地,针对每个目标对象类目,可以根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,以及所述备选用户在目标对象类目下评论次数,获取所述备选用户在所述目标对象类目下的第一正向评价率;同时,根据所述目标用户在目标对象类目下的每个评论内容的情感倾向,以及所述目标用户在目标对象类目下评论次数,获取所述目标用户在所述目标对象类目下的第二正向评价率。
其中,正向评价率偏差与第一正向评价率和第二正向评价率之间的对应关系可以根据需求进行自定义设置,对此本发明实施例不加以限定。例如,可以设置正向评价率偏差为每个对象类目下的两个用户之间的正向评价率的差值之和,或者是每个对象类目下的两个用户之间的正向评价率的差值绝对值之和,或者是每个对象类目下的两个用户之间的正向评价率的差值绝对值的平均值,等等。
例如,对于上述的用户A和用户B,可以通过以下步骤获取正向评价率偏差。
(1)获取用户A和用户B所有共同评价过的每个对象类目;
(2)遍历步骤(1)中的对象类目,计算出用户在每个对象类目下的正向评价率p,其计算公式可以如下:
p=k/t
其中,k为用户对该对象类目的正向评价次数,t为用户对该对象类目总的评价次数。
此时通过遍历步骤(1)的对象类目,根据上面公式可以计算出用户A和用户B分别在每个对象类目下的正向评价率为pA、pB;
(3)基于上一步计算出的用户A和用户B分别在每个共同评价过的对象类目下的正向评价率,计算出用户A、B的总体正向率偏差E,计算公式如下:
其中i为用户A、B共同评价过的对象类目数量。
可选地,在本发明实施例中,所述步骤S41进一步可以包括:
步骤S411,如果所述备选用户针对所述目标对象的情感倾向,与所述目标用户针对所述目标对象的情感倾向相同,确认所述针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值为第一预设值;
步骤S412,如果所述备选用户针对所述目标对象的情感倾向,与所述目标用户针对所述目标对象的情感倾向不同,确认所述针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值为第二预设值。
以上述的用户A用户B为例,为了获取针对任一目标对象,用户A用户B之间的情感倾向值,可以比较用户A和用户B针对相应目标对象的情感倾向,如果相同,则设置此时用户A用户B之间的情感倾向值为第一预设值,否则为第二预设值。
其中的第一预设值和第二预设值可以根据需求进行自定义设置,对此本发明实施例不加以限定。例如,可以设置第一预设值为1,第二预设值为-1,等等。
而且,如果得到的情感倾向为数值,那么此时为了比较两个用户之间的情感倾向是否相同,可以将数值表示的情感倾向转换为字符表示的情感倾向。其中的转换策略可以根据需求进行自定义设置,例如可以将取值大于预设数值的情感倾向转换为正向,或者将取值小于等于预设数值的情感倾向转换为负向,等等。以方便确认两个用户之间的情感倾向值。
可选地,在本发明实施例中,所述步骤S2进一步可以包括:
步骤S21,对所述评论内容进行分词处理,得到所述评论内容的分词列表;
步骤S22,根据所述分词列表,获取所述评论内容的情感得分;
步骤S23,响应于所述情感得分为正值,确定所述评论内容的情感倾向为正向;
步骤S24,响应于所述情感得分为负值,确定所述评论内容的情感倾向为负向。
当用户在某个对象下发表评论时,可以对其评论内容进行文本情感分析,得出用户对该对象的情感倾向,情感倾向为正向表示用户认同该话题,负向表示用户不认同该话题。然后开始建立与该对象下其他回帖用户之间的情感倾向矩阵。
那么在对评论内容进行文本情感分析时,可以使用jieba工具等任何可用的分词处理工具对评论内容进行分词处理,得到评论内容的分词列表,进而则可以根据所述分词列表,通过任何可用的文本情感分析算法获取所述评论内容的情感得分。而如果评论内容的情感得分为正值,则可以确定所述评论内容的情感倾向为正向;如果评论内容的情感得分为负值,则可以确定所述评论内容的情感倾向为负向。如果评论内容的情感得分为零,则可以确定相应评论内容的情感倾向为正向或者是负向,也可以直接忽略相应的评论内容,对此本发明实施例不加以限定。
可选地,在本发明实施例中,所述步骤S22进一步可以包括:
步骤S221,过滤掉所述分词列表中的否定词,并筛选过滤后的分词列表中的目标分词,所述目标分词包括情感分词、停用分词、副词中的至少一种;
步骤S222,根据所述目标分词,获取所述评论内容的情感得分。
另外,在实际应用中,否定词在一定程度上容易影响文本情感分析的准确性,因此在本发明实施例中,为了提高情感分析结果的准确性,可以过滤掉所述分词列表中的否定词,另外还可以对各个分词进行分类别分析,以进一步提高情感分析结果的准确性。其中,在本发明实施例中,可以通过任何可用方式过滤掉所述分词列表中的否定词,并筛选过滤后的分词列表中的目标分词,对此本发明实施例不加以限定。
例如,如图3所示为本发明实施例中的一种文本情感分析的具体过程。此时文本情感分析是基于情感字典的方式进行情感分析,具体过程如下:
a)首先准备情感字典数据集,字典数据集包括:情感字典、停用字字典、副词和否定词字典;
b)数据初始化,将上面准备好的字典数据集读入内存,分别存入到情感字典数组、停用字典数组、副词数组和否定词字典数组;
c)使用jieba工具对评论内容进行分词处理,得到分词列表,将分词列表过滤掉否定词得到新的分词列表newWordsList,然后根据上面的情感字典数组、停用字典数组、副词数组,从newWordsList中获取到当前的评论内容中的情感分词、停用分词和副词;
d)根据步骤(c)得到的各类目标分词,计算得到评论内容整体的情感得分,如果得分为正则为正向评论,如果得分为负,则为负向评论。
针对任一用户评论的任一对象而言,在得到用户的评论内容的情感倾向之后,为了方便后续使用可以将该用户针对该对象的情感倾向记录到服务端。同时将用户对该对象所属的对象类目的评价次数加一,如果情感倾向为正向,则用户对该对象类目的正向评价次数也可以相应加一。
需要说明的是,在本发明实施例中,在构建上述的情感认同矩阵时,可以通过上述方法获取任意两个用户之间的情感认同值,以及对任意两个用户之间的情感认同值进行更新,对此本发明实施例不加以限定。
本文基于文本情感分析得到用户评论的情感倾向,计算同一对象下其他回帖用户的情感倾向,然后基于用户之间所有共同评价过的对象类目计算出正向评价率偏差,来反映出两个用户之间评价的整体相似度,最后计算出两个用户间的情感认同值,在遍历过程中逐步形成每个用户之间的一个情感认同矩阵,最后根据情感认同矩阵中的值进行排序取前N个用户进行好友推荐,这样在推荐过程中结合用户的情感认知,为用户推荐出更加精确的拥有共同兴趣的好友,从而更加活跃社区氛围,增强用户粘性。
参照图4,示出了本发明实施例中一种好友推荐装置的结构示意图。
本发明实施例的好友推荐装置包括:用户信息获取模块210、情感认同值查找模块220和好友推荐模块230。
下面分别详细介绍各模块的功能以及各模块之间的交互关系。
用户信息获取模块210,用于获取目标用户的用户标识;
情感认同值查找模块220,用于从情感认同矩阵中获取所述用户标识与每个备选用户的情感认同值,所述情感认同矩阵中包括任意两个用户之间的情感认同值;
好友推荐模块230,用于获取与所述用户标识的情感认同值最高的N个备选用户,作为所述目标用户的推荐好友;
其中,所述情感认同值根据任意两个用户针对共同评论过的每个目标对象发表的评论内容的情感倾向,和/或所述两个用户在共同评论过的每个目标对象类目下的每个评论内容的情感倾向获取得到,所述情感倾向为通过对所述评论内容进行文本情感分析获取得到;所述N为正整数,所述备选用户为除所述目标用户之外的其他用户。
参照图5,在本发明实施例中,所述装置,还可以包括:
基础数据获取模块240,用于针对任一备选用户,获取所述备选用户与所述目标用户共同评论过的每个目标对象,以及所述备选用户与所述目标用户共同评论过的每个目标对象类目;
第一情感倾向获取模块250,用于针对每个所述目标对象,根据所述备选用户和所述目标用户针对所述目标对象发表的评论内容,分别获取所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向;
第二情感倾向获取模块260,用于针对每个所述目标对象类目,根据所述备选用户和所述目标用户在所述目标对象类目下发表的评论内容,分别获取所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向;
情感认同值获取模块270,用于根据所述情感倾向,获取所述目标用户与所述备选用户的情感认同值。
可选地,在本发明实施例中,所述情感认同值获取模块270,进一步可以包括:
情感倾向值获取子模块,用于根据所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向,获取针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值;
正向评价率偏差获取子模块,用于根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向,获取所述备选用户与所述目标用户在共同评论过的所有对象类目下的正向评价率偏差;
情感认同值获取子模块,用于根据所述情感倾向值和所述正向评价率偏差,获取所述目标用户与所述备选用户的情感认同值。
可选地,在本发明实施例中,所述正向评价率偏差获取子模块,进一步可以包括:
第一正向评价率获取单元,用于根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,以及所述备选用户在目标对象类目下评论次数,获取所述备选用户在所述目标对象类目下的第一正向评价率;
第二正向评价率获取单元,用于根据所述目标用户在目标对象类目下的每个评论内容的情感倾向,以及所述目标用户在目标对象类目下评论次数,获取所述目标用户在所述目标对象类目下的第二正向评价率;
正向评价率偏差获取单元,用于根据所述备选用户在每个所述目标对象类目下的第一正向评价率,以及所述目标用户在每个所述目标对象类目下的第二正向评价率,获取所述目标用户与所述备选用户在共同评论过的所有对象类目下的正向评价率偏差。
可选地,在本发明实施例中,所述情感倾向值获取子模块,具体可以用于:
如果所述备选用户针对所述目标对象的情感倾向,与所述目标用户针对所述目标对象的情感倾向相同,确认所述针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值为第一预设值;
如果所述备选用户针对所述目标对象的情感倾向,与所述目标用户针对所述目标对象的情感倾向不同,确认所述针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值为第二预设值。
可选地,在本发明实施例中,所述第一情感倾向获取模块,进一步可以包括:
分词处理子模块,用于对所述评论内容进行分词处理,得到所述评论内容的分词列表;
情感得分获取子模块,用于根据所述分词列表,获取所述评论内容的情感得分;
第一情感倾向确认子模块,用于响应于所述情感得分为正值,确定所述评论内容的情感倾向为正向;
第二情感倾向确认子模块,用于响应于所述情感得分为负值,确定所述评论内容的情感倾向为负向。
可选地,在本发明实施例中,所述情感得分获取子模块,具体可以用于:
过滤掉所述分词列表中的否定词,并筛选过滤后的分词列表中的目标分词,所述目标分词包括情感分词、停用分词、副词中的至少一种;
根据所述目标分词,获取所述评论内容的情感得分。
本发明实施例提供的好友推荐装置能够实现图1至图2的方法实施例中实现的各个过程,为避免重复,这里不再赘述。
优选的,本发明实施例还提供了一种电子设备,包括:处理器,存储器,存储在存储器上并可在处理器上运行的计算机程序,该计算机程序被处理器执行时实现上述好友推荐方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。
本发明实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储有计算机程序,计算机程序被处理器执行时实现上述好友推荐方法实施例的各个过程,且能达到相同的技术效果,为避免重复,这里不再赘述。其中,所述的计算机可读存储介质,如只读存储器(Read-Only Memory,简称ROM)、随机存取存储器(Random Access Memory,简称RAM)、磁碟或者光盘等。
图6为实现本发明各个实施例的一种电子设备的硬件结构示意图。
该电子设备500包括但不限于:射频单元501、网络模块502、音频输出单元503、输入单元504、传感器505、显示单元506、用户输入单元507、接口单元508、存储器509、处理器510、以及电源511等部件。本领域技术人员可以理解,图6中示出的电子设备结构并不构成对电子设备的限定,电子设备可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。在本发明实施例中,电子设备包括但不限于手机、平板电脑、笔记本电脑、掌上电脑、车载终端、可穿戴设备、以及计步器等。
应理解的是,本发明实施例中,射频单元501可用于收发信息或通话过程中,信号的接收和发送,具体的,将来自基站的下行数据接收后,给处理器510处理;另外,将上行的数据发送给基站。通常,射频单元501包括但不限于天线、至少一个放大器、收发信机、耦合器、低噪声放大器、双工器等。此外,射频单元501还可以通过无线通信系统与网络和其他设备通信。
电子设备通过网络模块502为用户提供了无线的宽带互联网访问,如帮助用户收发电子邮件、浏览网页和访问流式媒体等。
音频输出单元503可以将射频单元501或网络模块502接收的或者在存储器509中存储的音频数据转换成音频信号并且输出为声音。而且,音频输出单元503还可以提供与电子设备500执行的特定功能相关的音频输出(例如,呼叫信号接收声音、消息接收声音等等)。音频输出单元503包括扬声器、蜂鸣器以及受话器等。
输入单元504用于接收音频或视频信号。输入单元504可以包括图形处理器(Graphics Processing Unit,GPU)5041和麦克风5042,图形处理器5041对在视频捕获模式或图像捕获模式中由图像捕获装置(如摄像头)获得的静态图片或视频的图像数据进行处理。处理后的图像帧可以显示在显示单元506上。经图形处理器5041处理后的图像帧可以存储在存储器509(或其它存储介质)中或者经由射频单元501或网络模块502进行发送。麦克风5042可以接收声音,并且能够将这样的声音处理为音频数据。处理后的音频数据可以在电话通话模式的情况下转换为可经由射频单元501发送到移动通信基站的格式输出。
电子设备500还包括至少一种传感器505,比如光传感器、运动传感器以及其他传感器。具体地,光传感器包括环境光传感器及接近传感器,其中,环境光传感器可根据环境光线的明暗来调节显示面板5061的亮度,接近传感器可在电子设备500移动到耳边时,关闭显示面板5061和/或背光。作为运动传感器的一种,加速计传感器可检测各个方向上(一般为三轴)加速度的大小,静止时可检测出重力的大小及方向,可用于识别电子设备姿态(比如横竖屏切换、相关游戏、磁力计姿态校准)、振动识别相关功能(比如计步器、敲击)等;传感器505还可以包括指纹传感器、压力传感器、虹膜传感器、分子传感器、陀螺仪、气压计、湿度计、温度计、红外线传感器等,在此不再赘述。
显示单元506用于显示由用户输入的信息或提供给用户的信息。显示单元506可包括显示面板5061,可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-Emitting Diode,OLED)等形式来配置显示面板5061。
用户输入单元507可用于接收输入的数字或字符信息,以及产生与电子设备的用户设置以及功能控制有关的键信号输入。具体地,用户输入单元507包括触控面板5071以及其他输入设备5072。触控面板5071,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板5071上或在触控面板5071附近的操作)。触控面板5071可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器510,接收处理器510发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板5071。除了触控面板5071,用户输入单元507还可以包括其他输入设备5072。具体地,其他输入设备5072可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆,在此不再赘述。
进一步的,触控面板5071可覆盖在显示面板5061上,当触控面板5071检测到在其上或附近的触摸操作后,传送给处理器510以确定触摸事件的类型,随后处理器510根据触摸事件的类型在显示面板5061上提供相应的视觉输出。虽然在图6中,触控面板5071与显示面板5061是作为两个独立的部件来实现电子设备的输入和输出功能,但是在某些实施例中,可以将触控面板5071与显示面板5061集成而实现电子设备的输入和输出功能,具体此处不做限定。
接口单元508为外部装置与电子设备500连接的接口。例如,外部装置可以包括有线或无线头戴式耳机端口、外部电源(或电池充电器)端口、有线或无线数据端口、存储卡端口、用于连接具有识别模块的装置的端口、音频输入/输出(I/O)端口、视频I/O端口、耳机端口等等。接口单元508可以用于接收来自外部装置的输入(例如,数据信息、电力等等)并且将接收到的输入传输到电子设备500内的一个或多个元件或者可以用于在电子设备500和外部装置之间传输数据。
存储器509可用于存储软件程序以及各种数据。存储器509可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据手机的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器509可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
处理器510是电子设备的控制中心,利用各种接口和线路连接整个电子设备的各个部分,通过运行或执行存储在存储器509内的软件程序和/或模块,以及调用存储在存储器509内的数据,执行电子设备的各种功能和处理数据,从而对电子设备进行整体监控。处理器510可包括一个或多个处理单元;优选的,处理器510可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器510中。
电子设备500还可以包括给各个部件供电的电源511(比如电池),优选的,电源511可以通过电源管理系统与处理器510逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
另外,电子设备500包括一些未示出的功能模块,在此不再赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端(可以是手机,计算机,服务器,空调器,或者网络设备等)执行本发明各个实施例所述的方法。
上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,均属于本发明的保护之内。
本领域普通技术人员可以意识到,结合本发明实施例中所公开的实施例描述的各示例的单元及算法步骤,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发明的范围。
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。
在本申请所提供的实施例中,应该理解到,所揭露的装置和方法,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,所述单元的划分,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。
所述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,在本发明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。
所述功能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,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (16)
1.一种好友推荐方法,其特征在于,包括:
获取目标用户的用户标识;
从情感认同矩阵中获取所述用户标识与每个备选用户的情感认同值,所述情感认同矩阵中包括任意两个用户之间的情感认同值;
获取与所述用户标识的情感认同值最高的N个备选用户,作为所述目标用户的推荐好友;
其中,所述情感认同值根据任意两个用户针对共同评论过的每个目标对象发表的评论内容的情感倾向,和/或所述两个用户在共同评论过的每个目标对象类目下的每个评论内容的情感倾向获取得到,所述情感倾向为通过对所述评论内容进行文本情感分析获取得到;所述N为正整数,所述备选用户为除所述目标用户之外的其他用户。
2.根据权利要求1所述的方法,其特征在于,在所述步骤从情感认同矩阵中获取所述用户标识与每个备选用户的情感认同值之前,还包括:
针对任一备选用户,获取所述备选用户与所述目标用户共同评论过的每个目标对象,以及所述备选用户与所述目标用户共同评论过的每个目标对象类目;
针对每个所述目标对象,根据所述备选用户和所述目标用户针对所述目标对象发表的评论内容,分别获取所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向;
针对每个所述目标对象类目,根据所述备选用户和所述目标用户在所述目标对象类目下发表的评论内容,分别获取所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向;
根据所述情感倾向,获取所述目标用户与所述备选用户的情感认同值。
3.根据权利要求2所述的方法,其特征在于,所述根据所述情感倾向,获取所述目标用户与所述备选用户的情感认同值的步骤,包括:
根据所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向,获取针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值;
根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向,获取所述备选用户与所述目标用户在共同评论过的所有对象类目下的正向评价率偏差;
根据所述情感倾向值和所述正向评价率偏差,获取所述目标用户与所述备选用户的情感认同值。
4.根据权利要求3所述的方法,其特征在于,所述根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向,获取所述备选用户与所述目标用户在共同评论过的所有对象类目下的正向评价率偏差的步骤,包括:
根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,以及所述备选用户在目标对象类目下评论次数,获取所述备选用户在所述目标对象类目下的第一正向评价率;
根据所述目标用户在目标对象类目下的每个评论内容的情感倾向,以及所述目标用户在目标对象类目下评论次数,获取所述目标用户在所述目标对象类目下的第二正向评价率;
根据所述备选用户在每个所述目标对象类目下的第一正向评价率,以及所述目标用户在每个所述目标对象类目下的第二正向评价率,获取所述目标用户与所述备选用户在共同评论过的所有对象类目下的正向评价率偏差。
5.根据权利要求3所述的方法,其特征在于,所述根据所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向,获取针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值的步骤,包括:
如果所述备选用户针对所述目标对象的情感倾向,与所述目标用户针对所述目标对象的情感倾向相同,确认所述针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值为第一预设值;
如果所述备选用户针对所述目标对象的情感倾向,与所述目标用户针对所述目标对象的情感倾向不同,确认所述针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值为第二预设值。
6.根据权利要求2所述的方法,其特征在于,所述针对每个所述目标对象,根据所述备选用户和所述目标用户针对所述目标对象发表的评论内容,分别获取所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向的步骤,包括:
对所述评论内容进行分词处理,得到所述评论内容的分词列表;
根据所述分词列表,获取所述评论内容的情感得分;
响应于所述情感得分为正值,确定所述评论内容的情感倾向为正向;
响应于所述情感得分为负值,确定所述评论内容的情感倾向为负向。
7.根据权利要求6所述的方法,其特征在于,所述根据所述分词列表,获取所述评论内容的情感得分的步骤,包括:
过滤掉所述分词列表中的否定词,并筛选过滤后的分词列表中的目标分词,所述目标分词包括情感分词、停用分词、副词中的至少一种;
根据所述目标分词,获取所述评论内容的情感得分。
8.一种好友推荐装置,其特征在于,包括:
用户信息获取模块,用于获取目标用户的用户标识;
情感认同值查找模块,用于从情感认同矩阵中获取所述用户标识与每个备选用户的情感认同值,所述情感认同矩阵中包括任意两个用户之间的情感认同值;
好友推荐模块,用于获取与所述用户标识的情感认同值最高的N个备选用户,作为所述目标用户的推荐好友;
其中,所述情感认同值根据任意两个用户针对共同评论过的每个目标对象发表的评论内容的情感倾向,和/或所述两个用户在共同评论过的每个目标对象类目下的每个评论内容的情感倾向获取得到,所述情感倾向为通过对所述评论内容进行文本情感分析获取得到;所述N为正整数,所述备选用户为除所述目标用户之外的其他用户。
9.根据权利要求8所述的装置,其特征在于,所述装置,还包括:
基础数据获取模块,用于针对任一备选用户,获取所述备选用户与所述目标用户共同评论过的每个目标对象,以及所述备选用户与所述目标用户共同评论过的每个目标对象类目;
第一情感倾向获取模块,用于针对每个所述目标对象,根据所述备选用户和所述目标用户针对所述目标对象发表的评论内容,分别获取所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向;
第二情感倾向获取模块,用于针对每个所述目标对象类目,根据所述备选用户和所述目标用户在所述目标对象类目下发表的评论内容,分别获取所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向;
情感认同值获取模块,用于根据所述情感倾向,获取所述目标用户与所述备选用户的情感认同值。
10.根据权利要求9所述的装置,其特征在于,所述情感认同值获取模块,包括:
情感倾向值获取子模块,用于根据所述备选用户针对所述目标对象的情感倾向,和所述目标用户针对所述目标对象的情感倾向,获取针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值;
正向评价率偏差获取子模块,用于根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,和所述目标用户在目标对象类目下的每个评论内容的情感倾向,获取所述备选用户与所述目标用户在共同评论过的所有对象类目下的正向评价率偏差;
情感认同值获取子模块,用于根据所述情感倾向值和所述正向评价率偏差,获取所述目标用户与所述备选用户的情感认同值。
11.根据权利要求10所述的装置,其特征在于,所述正向评价率偏差获取子模块,包括:
第一正向评价率获取单元,用于根据所述备选用户在目标对象类目下的每个评论内容的情感倾向,以及所述备选用户在目标对象类目下评论次数,获取所述备选用户在所述目标对象类目下的第一正向评价率;
第二正向评价率获取单元,用于根据所述目标用户在目标对象类目下的每个评论内容的情感倾向,以及所述目标用户在目标对象类目下评论次数,获取所述目标用户在所述目标对象类目下的第二正向评价率;
正向评价率偏差获取单元,用于根据所述备选用户在每个所述目标对象类目下的第一正向评价率,以及所述目标用户在每个所述目标对象类目下的第二正向评价率,获取所述目标用户与所述备选用户在共同评论过的所有对象类目下的正向评价率偏差。
12.根据权利要求10所述的装置,其特征在于,所述情感倾向值获取子模块,具体用于:
如果所述备选用户针对所述目标对象的情感倾向,与所述目标用户针对所述目标对象的情感倾向相同,确认所述针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值为第一预设值;
如果所述备选用户针对所述目标对象的情感倾向,与所述目标用户针对所述目标对象的情感倾向不同,确认所述针对所述目标对象,所述备选用户和所述目标用户之间的情感倾向值为第二预设值。
13.根据权利要求9所述的装置,其特征在于,所述第一情感倾向获取模块,包括:
分词处理子模块,用于对所述评论内容进行分词处理,得到所述评论内容的分词列表;
情感得分获取子模块,用于根据所述分词列表,获取所述评论内容的情感得分;
第一情感倾向确认子模块,用于响应于所述情感得分为正值,确定所述评论内容的情感倾向为正向;
第二情感倾向确认子模块,用于响应于所述情感得分为负值,确定所述评论内容的情感倾向为负向。
14.根据权利要求12所述的装置,其特征在于,所述情感得分获取子模块,具体用于:
过滤掉所述分词列表中的否定词,并筛选过滤后的分词列表中的目标分词,所述目标分词包括情感分词、停用分词、副词中的至少一种;
根据所述目标分词,获取所述评论内容的情感得分。
15.一种电子设备,其特征在于,包括:存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如权利要求1至7中任一项所述的好友推荐方法的步骤。
16.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质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至7中任一项所述的好友推荐方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010797467.9A CN112084420A (zh) | 2020-08-10 | 2020-08-10 | 一种好友推荐方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010797467.9A CN112084420A (zh) | 2020-08-10 | 2020-08-10 | 一种好友推荐方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112084420A true CN112084420A (zh) | 2020-12-15 |
Family
ID=73736042
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010797467.9A Pending CN112084420A (zh) | 2020-08-10 | 2020-08-10 | 一种好友推荐方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112084420A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120179751A1 (en) * | 2011-01-06 | 2012-07-12 | International Business Machines Corporation | Computer system and method for sentiment-based recommendations of discussion topics in social media |
CN103200279A (zh) * | 2013-04-28 | 2013-07-10 | 百度在线网络技术(北京)有限公司 | 推荐方法和云端服务器 |
CN106168953A (zh) * | 2016-06-02 | 2016-11-30 | 中国人民解放军国防科学技术大学 | 面向弱关系社交网络的博文推荐方法 |
CN108305180A (zh) * | 2017-01-13 | 2018-07-20 | 中国移动通信有限公司研究院 | 一种好友推荐方法及装置 |
CN111061962A (zh) * | 2019-11-25 | 2020-04-24 | 上海海事大学 | 一种基于用户评分分析的推荐方法 |
-
2020
- 2020-08-10 CN CN202010797467.9A patent/CN112084420A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120179751A1 (en) * | 2011-01-06 | 2012-07-12 | International Business Machines Corporation | Computer system and method for sentiment-based recommendations of discussion topics in social media |
CN103200279A (zh) * | 2013-04-28 | 2013-07-10 | 百度在线网络技术(北京)有限公司 | 推荐方法和云端服务器 |
CN106168953A (zh) * | 2016-06-02 | 2016-11-30 | 中国人民解放军国防科学技术大学 | 面向弱关系社交网络的博文推荐方法 |
CN108305180A (zh) * | 2017-01-13 | 2018-07-20 | 中国移动通信有限公司研究院 | 一种好友推荐方法及装置 |
CN111061962A (zh) * | 2019-11-25 | 2020-04-24 | 上海海事大学 | 一种基于用户评分分析的推荐方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109241431B (zh) | 一种资源推荐方法和装置 | |
CN110096580B (zh) | 一种faq对话方法、装置及电子设备 | |
CN108632658B (zh) | 一种弹幕显示方法、终端 | |
CN108616448B (zh) | 一种信息分享的路径推荐方法及移动终端 | |
CN107846352B (zh) | 一种信息显示方法、移动终端 | |
CN108494947B (zh) | 一种图像分享方法及移动终端 | |
CN108494665B (zh) | 一种群消息显示方法及移动终端 | |
CN111368290A (zh) | 一种数据异常检测方法、装置及终端设备 | |
CN112689201B (zh) | 弹幕信息识别方法、显示方法、服务器及电子设备 | |
CN110209810B (zh) | 相似文本识别方法以及装置 | |
CN108334196B (zh) | 一种文件处理方法及移动终端 | |
CN111753520B (zh) | 一种风险预测方法、装置、电子设备及存储介质 | |
WO2019024237A1 (zh) | 信息推荐方法、移动终端及计算机可读存储介质 | |
CN109815462B (zh) | 一种文本生成方法及终端设备 | |
CN111125307A (zh) | 一种聊天记录查询方法及电子设备 | |
CN108307039B (zh) | 一种应用信息展示方法及移动终端 | |
CN107728877B (zh) | 一种应用推荐方法及移动终端 | |
CN110544287B (zh) | 一种配图处理方法及电子设备 | |
CN110795188A (zh) | 一种消息交互方法及电子设备 | |
CN110750198A (zh) | 一种表情发送方法及移动终端 | |
CN110378798B (zh) | 异构社交网络构建方法、群组推荐方法、装置及设备 | |
CN109670105B (zh) | 搜索方法及移动终端 | |
CN109510897B (zh) | 一种表情图片管理方法及移动终端 | |
CN111553163A (zh) | 文本相关度的确定方法、装置、存储介质及电子设备 | |
CN111080305A (zh) | 一种风险识别方法、装置及电子设备 |
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 |