CN114117058A - 账户信息的确定方法、装置、电子设备及存储介质 - Google Patents
账户信息的确定方法、装置、电子设备及存储介质 Download PDFInfo
- Publication number
- CN114117058A CN114117058A CN202010898031.9A CN202010898031A CN114117058A CN 114117058 A CN114117058 A CN 114117058A CN 202010898031 A CN202010898031 A CN 202010898031A CN 114117058 A CN114117058 A CN 114117058A
- Authority
- CN
- China
- Prior art keywords
- account
- target
- accounts
- data
- behavior
- 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
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/367—Ontology
-
- 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
- G06F16/35—Clustering; 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
- 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
本公开关于一种账户信息的确定方法、装置、电子设备及存储介质,其中方法通过基于目标账户的账户特征,确定目标账户的行为数据,并获取与行为数据对应的账户关系图谱,进而根据目标账户所属的账户关系图谱,确定目标账户所属的目标社群,并根据目标社群中的各账户之间的关联关系,确定出目标账户的待推荐账户。由于待推荐账户是基于目标账户的行为数据确定的,与目标账户位于同一账户关系图谱中同一目标社群中账户,因此,待推荐账户与目标账户的相关性较高,从而可以实现对目标账户进行个性化的账户推荐,并提高了账户推荐的准确性。
Description
技术领域
本公开涉及互联网技术领域,尤其涉及一种账户信息的确定方法、装置、电子设备及存储介质。
背景技术
目前在社交网络的用户推荐场景中,一般采用网页排名的方式进行热点人物的推荐,或者基于协同过滤的方式挖掘相似性用户以进行推荐。
相关技术中,网页排名方式可以全局搜索社交网络中最受关注的人物,但是,当社交网络的内容非常丰富时,内容的品类之间也会存在较大差距,如有些用户喜欢电影节选有些则喜欢舞蹈类,这两个类别的高热创作者差距也较大,若直接使用网页排名方式为用户推荐,则无法兼顾不同兴趣的用户,易造成小众兴趣的创作者得不到高效分发。而协同过滤的方式,若具有社交关系的C和D具有相同的关注者A和B,采用协同过滤方式,会向A和B推荐与C和D较为相似的用户,但是在这种方式下,A与B却很难相互认识,从而不利于同兴趣用户之间建立社交关系。
因此,传统的用户推荐方式无法针对不同兴趣的目标用户做更个性化的用户推荐,使得推荐信息的准确性不高。
发明内容
本公开提供一种账户信息的确定方法、装置、电子设备及存储介质,以至少解决相关技术中推荐信息的准确性不高的问题。本公开的技术方案如下:
根据本公开实施例的第一方面,提供一种账户信息的确定方法,包括:
基于目标账户的账户特征,确定所述目标账户的行为数据,所述行为数据是基于所述目标账户的交互行为生成的数据;
获取与所述行为数据对应的账户关系图谱,所述账户关系图谱用于记录多个社群,每个社群中包括多个账户;
根据所述目标账户所属的账户关系图谱,确定所述目标账户所属的目标社群;
根据所述目标社群中的各账户之间的关联关系,确定出所述目标账户的待推荐账户。
在其中一个实施例中,所述基于目标账户的账户特征,确定所述目标账户的行为数据,包括:从所述账户特征中提取所述目标账户的交互行为记录;根据所述交互行为记录中的交互行为和各交互行为的操作次数确定所述目标账户的行为数据。
在其中一个实施例中,所述根据所述交互行为记录中的交互行为和各交互行为的操作次数确定所述目标账户的行为数据,包括:读取各交互行为的权重系数;基于各所述交互行为的权重系数和各所述交互行为的操作次数进行加权处理,获取各交互行为的加权数据;将所述加权数据最高的交互行为确定为所述目标账户的行为数据。
在其中一个实施例中,所述将所述加权数据最高的交互行为确定为所述目标账户的行为数据,包括:若加权数据最高的交互行为为多个,则获取该多个交互行为在多个时间范围内的加权数据,并对获取的各交互行为的加权数据进行加权处理,得到处理后的加权数据;将处理后的加权数据最高的交互行为确定为所述目标账户的行为数据。
在其中一个实施例中,所述根据所述目标账户所属的账户关系图谱,确定所述目标账户所属的目标社群之前,所述方法还包括:获取与所述目标账户的行为数据所对应的账户关系链数据,构建账户关系图谱,所述账户关系链数据用于记录各账户之间基于所述行为数据建立的关联关系;根据各账户之间的关联关系对所述账户关系图谱中的各账户进行聚类,生成所述账户关系图谱的多个社群,各所述社群中记录有属于该社群的多个账户之间的关联关系。
在其中一个实施例中,所述构建账户关系图谱,包括:根据设定的置信度,从所述账户关系链数据中,获取匹配的候选账户及所述候选账户之间的关联关系;根据获取的候选账户之间的关联关系构建账户关系图谱。
在其中一个实施例中,所述根据各账户之间的关联关系对所述账户关系图谱中的各账户进行聚类,生成所述账户关系图谱的多个社群,包括:基于各账户之间的关联关系对所述账户关系图谱中的各账户进行聚类,得到多个聚类集合;获取各聚类集合下的账户数量,获取所述账户数量满足设定阈值的聚类集合,生成所述账户关系图谱中对应的社群。
在其中一个实施例中,所述根据所述目标社群中的各账户之间的关联关系,确定出所述目标账户的待推荐账户,包括:根据所述目标社群中各账户之间的关联关系,获取所述目标社群中各账户的推荐数据,所述推荐数据是基于所述账户与所述目标社群中的其他账户之间的关联关系得到的所述账户的重要程度数据;根据所述推荐数据从所述目标社群中筛选出所述目标账户的待推荐账户。
在其中一个实施例中,所述根据所述推荐数据从所述目标社群中筛选出所述目标账户的待推荐账户,包括:根据所述推荐数据从所述目标社群中筛选所述推荐数据在设定范围内的候选账户,获取筛选的候选账户中与所述目标账户不存在关联关系的候选账户,作为待推荐账户。
在其中一个实施例中,所述根据所述推荐数据从所述目标社群中筛选出所述目标账户的待推荐账户,包括:根据所述目标社群中各账户的推荐数据,获取所述目标社群中所述目标账户与其他各账户之间的距离;从所述目标社群中筛选所述距离小于设定阈值的其他账户,获取筛选的其他账户中与所述目标账户不存在关联关系的账户,作为待推荐账户。
在其中一个实施例中,所述根据所述目标社群中各账户之间的关联关系,获取所述目标社群中各账户的推荐数据,包括:根据所述目标社群中各账户之间的关联关系,获取各账户与其他账户的关联关系以及与所述关联关系对应的关系数据;基于所述账户的各关系数据之和,确定出所述账户的推荐数据。
根据本公开实施例的第二方面,提供了一种账户信息的确定装置,包括:
行为数据确定模块,被配置为执行基于目标账户的账户特征,确定所述目标账户的行为数据,所述行为数据是基于所述目标账户的交互行为生成的数据;
账户关系图谱获取模块,被配置为执行获取与所述行为数据对应的账户关系图谱,所述账户关系图谱用于记录多个社群,每个社群中包括多个账户;
目标社群确定模块,被配置为执行根据所述目标账户所属的账户关系图谱,确定所述目标账户所属的目标社群;
待推荐账户确定模块,被配置为执行根据所述目标社群中的各账户之间的关联关系,确定出所述目标账户的待推荐账户。
在其中一个实施例中,所述行为数据确定模块包括:交互行为记录提取单元,被配置为执行从所述账户特征中提取所述目标账户的交互行为记录;行为数据确定单元,被配置为执行根据所述交互行为记录中的交互行为和各交互行为的操作次数确定所述目标账户的行为数据。
在其中一个实施例中,所述行为数据确定单元包括:权重系数读取子单元,被配置为执行读取各交互行为的权重系数;加权数据获取子单元,被配置为执行基于各所述交互行为的权重系数和各所述交互行为的操作次数进行加权处理,获取各交互行为的加权数据;行为数据确定子单元,被配置为执行将所述加权数据最高的交互行为确定为所述目标账户的行为数据。
在其中一个实施例中,所述行为数据确定子单元被配置为执行:若加权数据最高的交互行为为多个,则获取该多个交互行为在多个时间范围内的加权数据,并对获取的各交互行为的加权数据进行加权处理,得到处理后的加权数据;将处理后的加权数据最高的交互行为确定为所述目标账户的行为数据。
在其中一个实施例中,所述账户关系图谱获取模块包括:账户关系图谱构建单元,被配置为执行获取与所述目标账户的行为数据所对应的账户关系链数据,构建账户关系图谱,所述账户关系链数据用于记录各账户之间基于所述行为数据建立的关联关系;社群生成单元,被配置为执行根据各账户之间的关联关系对所述账户关系图谱中的各账户进行聚类,生成所述账户关系图谱的多个社群,各所述社群中记录有属于该社群的多个账户之间的关联关系。
在其中一个实施例中,所述账户关系图谱构建单元被配置为执行:根据设定的置信度,从所述账户关系链数据中,获取匹配的候选账户及所述候选账户之间的关联关系;根据获取的候选账户之间的关联关系构建账户关系图谱。
在其中一个实施例中,所述社群生成单元被配置为执行:基于各账户之间的关联关系对所述账户关系图谱中的各账户进行聚类,得到多个聚类集合;获取各聚类集合下的账户数量,获取所述账户数量满足设定阈值的聚类集合,生成所述账户关系图谱中对应的社群。
在其中一个实施例中,所述待推荐账户确定模块包括:推荐数据获取单元,被配置为执行根据所述目标社群中各账户之间的关联关系,获取所述目标社群中各账户的推荐数据,所述推荐数据是基于所述账户与所述目标社群中的其他账户之间的关联关系得到的所述账户的重要程度数据;待推荐账户筛选单元,被配置为执行根据所述推荐数据从所述目标社群中筛选出所述目标账户的待推荐账户。
在其中一个实施例中,所述待推荐账户筛选单元被配置为执行:根据所述推荐数据从所述目标社群中筛选所述推荐数据在设定范围内的候选账户,获取筛选的候选账户中与所述目标账户不存在关联关系的候选账户,作为待推荐账户。
在其中一个实施例中,所述待推荐账户筛选单元被配置为执行:根据所述目标社群中各账户的推荐数据,获取所述目标社群中所述目标账户与其他各账户之间的距离;从所述目标社群中筛选所述距离小于设定阈值的其他账户,获取筛选的其他账户中与所述目标账户不存在关联关系的账户,作为待推荐账户。
在其中一个实施例中,所述推荐数据获取单元被配置为执行:根据所述目标社群中各账户之间的关联关系,获取各账户与其他账户的关联关系以及与所述关联关系对应的关系数据;基于所述账户的各关系数据之和,确定出所述账户的推荐数据。
根据本公开实施例的第三方面,提供一种电子设备,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,使得电子设备执行第一方面的任一项实施例中所述的账户信息的确定方法。
根据本公开实施例的第四方面,提供一种服务器,包括:处理器;用于存储所述处理器可执行指令的存储器;其中,所述处理器被配置为执行所述指令,使得服务器执行第一方面的任一项实施例中所述的账户信息的确定方法。
根据本公开实施例的第五方面,提供一种存储介质,当所述存储介质中的指令由电子设备或服务器的处理器执行时,使得电子设备或服务器能够执行第一方面的任一项实施例中所述的账户信息的确定方法。
根据本公开实施例的第六方面,提供一种计算机程序产品,所述程序产品包括计算机程序,所述计算机程序存储在可读存储介质中,设备的至少一个处理器从所述可读存储介质读取并执行所述计算机程序,使得设备执行第一方面的任一项实施例中所述的账户信息的确定方法。
本公开的实施例提供的技术方案至少带来以下有益效果:
基于目标账户的账户特征,确定目标账户的行为数据,并获取与行为数据对应的账户关系图谱,进而根据目标账户所属的账户关系图谱,确定目标账户所属的目标社群,并根据目标社群中的各账户之间的关联关系,确定出目标账户的待推荐账户。由于待推荐账户是基于目标账户的行为数据确定的,与目标账户位于同一账户关系图谱中同一目标社群中账户,因此,待推荐账户与目标账户的相关性较高,从而可以实现对目标账户进行个性化的账户推荐,并提高了账户推荐的准确性。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本公开。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本公开的实施例,并与说明书一起用于解释本公开的原理,并不构成对本公开的不当限定。
图1是根据一示例性实施例示出的一种账户信息的确定方法的应用环境图。
图2是根据一示例性实施例示出的一种账户信息的确定方法的流程图。
图3是根据一示例性实施例示出的确定目标账户的行为数据步骤的示意图。
图4是根据一示例性实施例示出的确定目标账户的行为数据具体实现步骤的示意图。
图5是根据一示例性实施例示出的获取账户关系图谱步骤的示意图。
图6是根据一示例性实施例示出的确定出目标账户的待推荐账户步骤的示意图。
图7是根据另一示例性实施例示出的一种账户信息的确定方法的流程图。
图8是根据一示例性实施例示出的一种账户信息的确定装置的框图。
图9是根据一示例性实施例示出的一种电子设备的内部结构图。
图10是根据一示例性实施例示出的一种服务器的内部结构图。
具体实施方式
为了使本领域普通人员更好地理解本公开的技术方案,下面将结合附图,对本公开实施例中的技术方案进行清楚、完整地描述。
需要说明的是,本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
本公开所提供的账户信息的确定方法,可以应用于如图1所示的应用环境中。其中,终端110通过网络与服务器120进行通信。终端110可以但不限于是各种个人计算机、笔记本电脑、智能手机、平板电脑和便携式可穿戴设备等电子设备,服务器120可以用独立的服务器或者是多个服务器组成的服务器集群来实现。其中,终端110上安装有社交应用程序的客户端,服务器120上被部署对应客户端的服务平台,本实施例提供的账户信息的确定方法既可以应用于终端110,也可以应用于服务器120,并通过与终端110的交互,从而确定出终端110中客户端的目标账户的待推荐账户,实现向目标账户进行账户推荐。
图2是根据一示例性实施例示出的一种账户信息的确定方法的流程图,如图2所示,以该方法应用于图1中的服务器为例进行说明,包括以下步骤。
在步骤S210中,基于目标账户的账户特征,确定目标账户的行为数据。
其中,目标账户是指需要进行账户推荐的社交网络中的任一账户,而账户则是用于区分社交网络中不同用户的唯一标识。账户特征包括用户在社交网络中的基本属性信息、历史交互行为以及历史交互行为所对应的相关数据等信息。行为数据则是基于目标账户的交互行为生成的数据,具体地,行为数据是基于对目标账户的交互行为进行分析后,得到的目标账户最感兴趣的交互行为。在本实施例中,当要对目标账户进行账户推荐时,则基于分析目标账户的账户特征,来确定目标账户的行为数据,以通过后续步骤确定出目标账户的待推荐账户,从而提高账户推荐的准确性。
在步骤S220中,获取与行为数据对应的账户关系图谱。
其中,账户关系图谱是根据社交网络中各账户的交互行为构建的在某一种交互行为下各账户之间关联关系的图结构数据。具体地,账户关系图谱用于记录多个社群,其中,社群是对各账户进行聚类后得到的具有相似特征的账户的集合,因此,每个社群中包括多个账户和各账户之间的关联关系。可以理解的是,对于不同的交互行为,可以预先分别构建对应的账户关系图谱(账户关系图谱的构建过程将在下述实施例中详细介绍),因此,在本实施例中,可以根据目标账户的行为数据而获取对应的账户关系图谱。
在步骤S230中,根据目标账户所属的账户关系图谱,确定目标账户所属的目标社群。
其中,目标社群是指目标账户在所属的账户关系图谱中所位于的社群。由于社群是对各账户进行聚类后得到的具有相似特征的账户的集合,因此,目标社群中的其他各账户均与目标账户具有相似的特征。本实施例通过上述步骤获取与目标账户的行为数据对应的账户关系图谱,进而在账户关系图谱中确定目标账户所属的目标社群,并通过后续步骤在目标社群中确定出目标账户的推荐账户,以提高账户推荐的准确性。
在步骤S240中,根据目标社群中各账户之间的关联关系,确定出目标账户的待推荐账户。
其中,待推荐账户是指将要向目标账户推荐的账户,其是基于一定的推荐条件从目标社群中选取的符合推荐条件的候选账户。在本实施例中,可以根据实际应用场景以及目标社群中各账户之间的关联关系而设置不同的推荐条件,进而根据推荐条件从目标社群中选取对应的候选账户,作为目标账户的待推荐账户。
上述账户信息的确定方法,基于目标账户的账户特征,确定目标账户的行为数据,并获取与行为数据对应的账户关系图谱,进而根据目标账户所属的账户关系图谱,确定目标账户所属的目标社群,并根据目标社群中的各账户之间的关联关系,确定出目标账户的待推荐账户。由于待推荐账户是基于目标账户的行为数据确定的,与目标账户位于同一账户关系图谱中同一目标社群中账户,因此,待推荐账户与目标账户的相关性较高,从而可以实现对目标账户进行个性化的账户推荐,并提高了账户推荐的准确性。
在一示例性实施例中,如图3所示,在步骤S210中,基于目标账户的账户特征,确定目标账户的行为数据,具体可以通过以下步骤实现:
步骤S211,从账户特征中提取目标账户的交互行为记录。
其中,交互行为记录是指目标账户通过客户端在社交网络中进行交互的所有被记录的交互行为。具体地,交互行为包括但不限于目标账户发起的点赞、关注、举报、直播以及浏览等行为。
步骤S212,根据交互行为记录中的交互行为和各交互行为的操作次数确定目标账户的行为数据。
其中,操作次数则是指各交互行为分别对应的触发次数。在本实施例中,通过从账户特征中提取目标账户的交互行为记录,并对目标账户的交互行为记录进行分析,从而获得目标账户的交互行为和各交互行为分别对应的操作次数,进而根据目标账户的交互行为和各交互行为分别对应的操作次数而确定目标账户的行为数据,即确定目标账户最感兴趣的交互行为。
具体地,如图4所示,在步骤S212中,根据交互行为记录中的交互行为和各交互行为的操作次数确定目标账户的行为数据,具体包括如下步骤:
步骤S410,读取各交互行为的权重系数。
其中,权重系数是为了显示各交互行为所具有的重要程度,分别给予的不同的比例系数。具体地,权重系数可以是预先为交互行为配置的,例如可以根据各交互行为所具有的重要程度,而分别配置不同的比例系数。在本实施例中,根据目标账户的交互行为记录而获取目标账户的各交互行为,进而根据目标账户的各交互行为从配置中读取各交互行为分别对应的权重系数。
步骤S420,基于各交互行为的权重系数和各交互行为的操作次数进行加权处理,获取各交互行为的加权数据。
其中,加权数据是基于交互行为的权重系数所得到的交互行为的整体重要程度。加权处理是将各交互行为的操作次数乘以对应交互行为的权重系数,以得到交互行为的加权数据的计算过程。具体地,对于目标账户的各交互行为,基于上述步骤获取的操作次数和对应的权重系数,将每一种交互行为下的操作次数与对应的权重系数相乘,从而得到每一种交互行为的加权数据。
步骤S430,将加权数据最高的交互行为确定为目标账户的行为数据。
通过上述步骤得到目标账户的各交互行为下每一种交互行为的加权数据,进而根据每一种交互行为的加权数据的大小,将加权数据最高的交互行为确定为目标账户的行为数据,即将加权数据最高的交互行为确定为目标账户最感兴趣的交互行为,由于在确定目标账户最感兴趣的交互行为时是基于交互行为的加权数据得到,因此,充分考虑了交互行为的重要程度和目标账户的历史兴趣,使得最终确定的目标账户的行为数据更加准确、全面。
上述实施例中,通过读取各交互行为的权重系数,并基于各交互行为的权重系数和各交互行为的操作次数进行加权处理,获取各交互行为的加权数据,将加权数据最高的交互行为确定为目标账户的行为数据,从而提高了确定目标账户的行为数据的准确性。
进一步地,若加权数据最高的交互行为有多个时,则获取该多个交互行为在多个时间范围内的加权数据,并对获取的各交互行为的加权数据进行加权处理,得到处理后的加权数据,将处理后的加权数据最高的交互行为确定为目标账户的行为数据。具体地,多个时间范围可以是根据实际需要进行设置,例如,可以是近期一个月,近十天,近一周和近三天等中的任意个。由于用户兴趣通常会随着时间发生变化,因此,在对多个时间范围内的加权数据进行加权处理时,可以基于用户的近期兴趣为时间范围中的最近时间范围设置较高的权重系数,为时间范围中的较远的时间范围设置较低的权重系数。例如,若多个时间范围包括近期一个月、近十天和近三天,则对应权重系数由高到低可以为近三天、近十天、近期一个月,则通过上述步骤分别计算每一时间范围内多个交互行为分别对应的加权数据,进而根据每一时间范围对应的权重系数,对每一时间范围内多个交互行为分别对应的加权数据进行加权处理,从而得到处理后的每一时间范围内多个交互行为分别对应的最终的加权数据,将处理后的最终的加权数据中最高的交互行为确定为目标账户的行为数据。因此,在保证了确定目标账户行为数据的准确性的同时,可以较为直观的反应用户的近期兴趣。
在一示例性实施例中,在步骤S212中,根据交互行为记录中的交互行为和各交互行为的操作次数确定目标账户的行为数据,可以是将操作次数最高的交互行为确定为目标账户的行为数据,即将操作次数最高的交互行为确定为目标账户最感兴趣的交互行为,通过此种方式可以直观快速地确定目标账户的行为数据。
进一步地,若操作次数最高的交互行为有多个时,则根据目标账户的交互行为记录获取目标账户在设定的时间范围内的交互行为和对应的操作次数,将目标账户在设定的时间范围内操作次数最高的交互行为确定为目标账户最感兴趣的交互行为。例如,设定的时间范围可以是近期一个月,近十天,近一周或近三天等。例如,若操作次数最高的交互行为存在两个,则可以进一步基于交互行为记录统计目标账户在近一周内对该两种交互行为的操作次数,并将近一周内操作次数最高的交互行为确定为目标账户最感兴趣的交互行为。由于用户兴趣通常会随着时间发生变化,因此,通过统计用户在近期的时间范围内的交互行为所对应的操作次数,来确定用户的行为数据,可以较为直观的反应用户的近期兴趣。
在一示例性实施例中,如图5所示,在步骤S220中,获取与行为数据对应的账户关系图谱,具体括如下步骤:
在步骤S221中,获取与目标账户的行为数据所对应的账户关系链数据,构建账户关系图谱。
其中,账户关系链数据用于记录各账户之间基于行为数据建立的关联关系。具体地,以行为数据为关注行为来说,则账户关系链数据包括社交网络中各账户之间关注关系的数据,即包括所有具有关注行为的账户以及各账户之间的关注关系;以行为数据为点赞行为来说,则账户关系链数据包括社交网络中所有具有点赞行为的账户、各账户所点赞的作品数据以及该作品数据对应的作者账户,基于点赞行为建立的点赞的账户与作者账户之间的点赞关系等。在本实施例中,通过获取与目标账户的行为数据所对应的账户关系链数据,并基于账户关系链数据中记录的各账户之间的关联关系,而构建账户关系图谱。其中,账户关系图谱中包括节点和边,节点表示账户关系链数据中记录的各账户,边则表示各账户之间的行为关系。例如,以基于关注行为的账户关系链数据为例,若账户A关注了账户B,则在对应的账户关系图谱中,账户A与账户B分别形成相应的节点,且账户A与账户B之间存在一边相连的边,表示两者之间的关联关系,即账户A对账户B进行关注的关系。
进一步的,在本实施例中,为了提高账户关系图谱中各账户的可信度,从而使得通过账户关系图谱确定的目标账户的待推荐账户更加准确可靠,在构建账户关系图谱时,可以基于设定的置信度,从账户关系链数据中,获取匹配的候选账户及候选账户之间的关联关系,进而根据获取的候选账户之间的关联关系构建账户关系图谱,即基于置信度过滤掉可信度较低的账户,仅保留可信度高的候选账户生成对应的社群。其中,设定的置信度是基于概率统计而预先设定的账户的交互行为可信程度的概率值。具体地,可以根据获取的与目标账户的行为数据所对应的账户关系链数据,基于账户关系链数据中各账户之间的关联关系而确定中各账户之间关联关系的的总区间,并根据设定的置信度和总区间确定各账户之间的关联关系的置信区间,进而获取置信区间下的账户作为候选账户,并获取各候选账户之间的关联关系,以根据获取得到的候选账户和候选账户之间的关联关系构建账户关系图谱。其中,置信区间是指在某一置信度时,账户之间关联关系的置信上限和置信下限为上下界构成的区间。
例如,还是以上述关注关系为例进行说明,则各账户之间关联关系的的总区间,是指在关注关系下各账户分别关注其他账户的关注数量所对应的总区间。设定的置信度是基于概率统计而预先设定的账户的关注行为可信程度的概率值。各账户之间关联关系的置信区间,则是各账户关注其他账户的关注数量的可信区间,该区间可以通过上述总区间以及设定的置信度通过统计学中相应的公式计算得到。通过得到的各账户关注其他账户的关注数量的置信区间,判断关注行为下每个账户关注其他账户的关注数量是否在该置信区间内,如果某一账户的关注数量不在该置信区间内,则表示该账户的可信度较低,从而在构建账户关系图谱时可以不考虑该账户;如果某一账户的关注数量在置信区间内,则表示该账户的可信度满足要求,即与设定的置信度匹配,从而将该账户作为候选账户,基于此,筛选关注数量在置信区间内的各账户作为候选账户,并获取各候选账户之间的关联关系,进而根据获取的候选账户和各候选账户之间的关联关系构建账户关系图谱,从而达到了提高账户关系图谱中各账户可信度的目的。
在步骤S222中,根据各账户之间的关联关系对账户关系图谱中的各账户进行聚类,生成账户关系图谱的多个社群。
其中,各社群中记录有属于该社群的多个账户之间的关联关系。在本实施例中,社群是对账户关系图谱中的各账户进行聚类后得到的具有相似特征的账户的集合,因此,每一个社群中的各账户均具有相似的特征。具体地,生成账户关系图谱的多个社群的过程可以是采用MapEquation(多级网络聚类模型)实现,Mapequation是通过随机游走的方式建模点到点(即账户至账户)之间概率的模型,然后根据已有的各账户之间的关联关系,使用优化信息熵的方式将聚集程度高的各账户分割到同一个社群,据此可以得到账户关系图谱的多个社群。当然,也可以采用其他的聚类方式生成社群,本实施例中并不对此进行限定。
进一步地,为了提高账户关系图谱中各社群的可信度,使得账户关系图谱中的社群更具有代表性,在生成社群时,可以采用上述方法基于各账户之间的关联关系对账户关系图谱中的各账户进行聚类,从而得到多个聚类集合,进而获取各聚类集合下的账户数量,并获取账户数量满足设定阈值的聚类集合,根据账户数量满足设定阈值的聚类集合生成账户关系图谱中对应的社群。其中,设定阈值可以是预先设定的社群中账户的最小数量。在本实施例中,通过设定阈值对多个聚类集合进行筛选,并筛选出满足设定阈值的聚类集合而生成对应的社群,从而优化账户关系图谱中的社群,提高账户关系图谱中各社群的可信度。
在一示例性实施例中,如图6所示,在步骤S240中,根据目标社群中各账户之间的关联关系,确定出目标账户的待推荐账户,具体可以通过以下步骤实现:
步骤S241,根据目标社群中各账户之间的关联关系,获取目标社群中各账户的推荐数据。
其中,推荐数据是基于目标社群中各账户之间的关联关系,得到的各账户在目标社群中的重要程度数据。具体地,可以根据目标社群中的某一账户与该目标社群中的其他账户之间的关联关系,而得到该某一账户的重要程度数据,即得到该某一账户的推荐数据。在本实施例中,可以根据目标社群中各账户之间的关联关系,获取各账户与其他账户的关联关系以及与关联关系对应的关系数据,并基于账户的各关系数据之和,确定出账户的推荐数据。其中,关系数据是基于各账户之间的关联关系对各关联关系进行度量的量化值,该量化值可以表征对应关联关系的重要程度。因此,通过获取某一账户与其他账户之间的关联关系以及与关联关系对应的关系数据,并对关系数据求和,从而得到该某一账户的推荐数据。
举例来说,可以采用pagerank进行推荐数据的计算。具体地,对于目标社群中的每一个账户都具有对应的权重值PR。假设目标社群中共有四个账户,分别为A,B,C以及D,而每个账户的初始权重值PR都为1,若A,B,C以及D之间的关联关系为:仅B、C以及D关注A,则A的推荐数据为:PR(A)=PR(B)/1+PR(C)/1+PR(D)/1,而B、C以及D的推荐数据则均为0,其中,PR(B)/1为账户A与B之间关联关系对应的关系数据,PR(C)/1为账户A与C之间关联关系对应的关系数据,PR(D)/1为账户A与D之间关联关系对应的关系数据。
若上述A,B,C以及D之间的关联关系为:B分别关注了A和C;C又关注了A;D分别关注了A、B和C。若A,B,C以及D的初始权重值PR都为1,因此,B分别给A和C每个账户1/2的PR,其表示A与B和C与B之间关联关系对应的关系数据,以此类推,C给到A的PR为1,其表示A与C之间关联关系对应的关系数据,D分别给A、B和C每个账户的PR为1/3,其表示A与D、B与D和C与D之间关联关系对应的关系数据,则有:PR(A)=PR(B)/2+PR(C)/1+PR(D)/3;PR(B)=PR(D)/3;PR(C)=PR(B)/2+PR(D)/3;PR(D)=0。因此,根据目标社群中各账户之间的关联关系,可以获取各账户与其他账户的关联关系以及与关联关系对应的关系数据,进而通过计算得到该目标社群中各账户的推荐数据。
步骤S242,根据推荐数据从目标社群中筛选出目标账户的待推荐账户。
具体的,可以根据设定的推荐策略并参考推荐数据,从目标社群中选取目标账户的待推荐账户,以实现精准的账户推荐。
在一示例性实施例中,可以根据推荐数据从目标社群中筛选推荐数据在设定范围内的候选账户,并获取筛选的候选账户中与目标账户不存在关联关系的候选账户,作为待推荐账户。其中,设定范围是指筛选推荐数据的条件,具体可以根据推荐数据的大小并结合实际需要确定。
具体地,设定范围可以是基于目标社群中各账户的推荐数据确定的推荐数据的最高值,则根据推荐数据从目标社群中筛选推荐数据最高的候选账户,若该候选账户与目标账户之间不存在关联关系,则将该候选账户作为待推荐账户。进一步地,为了提高获取待推荐账户的效率,也可以根据推荐数据从目标社群中筛选推荐数据最高的预设数目个候选账户,并获取筛选的预设数目个候选账户中与目标账户不存在关联关系的候选账户,作为待推荐账户。其中,预设数目可以是根据实际需要设置的数量或比例。具体的,通过从目标社群中选取推荐数据最高的预设数目个候选账户,如可以是推荐数据最高的前20%的候选账户,进而判断选取的候选账户是否与目标账户存在关联关系,并将不存在关联关系的候选账户作为待推荐账户,以向目标账户推荐所在社群中的高重要度的候选账户,实现热门账户的推荐。
在一示例性实施例中,设定范围还可以是基于目标社群中各账户的推荐数据确定的推荐数据的中间值,则根据推荐数据从目标社群中筛选推荐数据为中间值的候选账户,若该候选账户与目标账户之间不存在关联关系,则将该候选账户作为待推荐账户。进一步地,为了提高获取待推荐账户的效率,也可以根据推荐数据从目标社群中筛选推荐数据处于中间的预设数目个候选账户,并获取选取的预设数目个候选账户中与目标账户不存在关联关系的候选账户,作为待推荐账户。具体的,通过从目标社群中选取推荐数据居中的预设数目个候选账户,如可以是按推荐数据的大小对目标社群中的候选账户进行排序,并确定排序位于中间位置的候选账户,基于排序位于中间位置的候选账户选取与该候选账户的排序位置相邻的预设数目个候选账户,进而判断选取的候选账户是否与目标账户存在关联关系,并将不存在关联关系的候选账户作为待推荐账户,以向目标账户推荐所在社群中的重要度居中的候选账户,即推荐社群中的腰部账户,以达到扩大社交的目的。
在一示例性实施例中,还可以根据目标社群中各账户的推荐数据,获取目标社群中目标账户与其他各账户之间的距离;并从目标社群中筛选距离小于设定阈值的其他账户,获取筛选的其他账户中与目标账户不存在关联关系的账户,作为待推荐账户。其中,目标账户与其他各账户之间的距离可以通过账户向量的距离得到,具体地,账户向量的距离可以是目标账户与其他各账户之间的欧式距离。在本实施例中,可以基于目标社群中各账户的推荐数据,确定目标账户与其他各账户之间的欧式距离,进而筛选欧式距离小于设定阈值的其他账户,从而获取筛选的其他账户中与目标账户不存在关联关系的账户,作为待推荐账户,从而向目标账户推荐与其距离较近的账户,以达到扩大社交的目的。
具体地,还可以按照推荐数据对目标社群中各账户进行排序,获取目标账户的排序位置,并从目标社群中选取与目标账户的排序位置相邻的预设数目个候选账户,从而获取选取的预设数目个候选账户中与目标账户不存在关联关系的候选账户,作为待推荐账户。具体的,通过推荐数据的大小对目标社群中的各账户进行排序,并确定目标账户的排序位置,从而向目标账户推荐与其排序相当的候选账户,以达到扩大社交的目的。
在一示例性实施例中,上述基于推荐数据的设定范围筛选的候选账户、基于距离筛选的候选账户或者基于排序筛选的候选账户既可以分别单独作为目标账户的待推荐账户,向目标账户进行推荐,也可以随意组合后作为目标账户的待推荐账户,以向目标账户进行推荐,本实施例中并不对此进行限定。
在一示例性实施例中,如图7所示,以下通过一个具体的实施例进一步说明本公开的方法,具体可以通过以下步骤实现:
步骤701,从账户特征中提取目标账户的交互行为记录。
步骤702,根据交互行为记录中的交互行为和各交互行为的操作次数确定目标账户的行为数据。
步骤703,获取与目标账户的行为数据所对应的账户关系链数据,构建账户关系图谱。
步骤704,根据各账户之间的关联关系对账户关系图谱中的各账户进行聚类,生成账户关系图谱的多个社群。
步骤705,根据目标账户所属的账户关系图谱,确定目标账户所属的目标社群。
步骤706,根据目标社群中各账户之间的关联关系,获取目标社群中各账户的推荐数据。
步骤707,根据推荐数据从目标社群中筛选出目标账户的待推荐账户。
上述账户信息的确定方法,基于目标账户的账户特征,确定目标账户的行为数据,并根据行为数据所对应的账户关系链数据,构建账户关系图谱,进而根据目标账户所属的账户关系图谱,确定目标账户所属的目标社群,并根据目标社群中的各账户之间的关联关系得到各账户的推荐数据,根据推荐数据确定出目标账户的待推荐账户。由于待推荐账户是基于目标账户的行为数据从对应的账户关系图谱中确定的,其与目标账户所属于同一账户关系图谱同一目标社群中,因此,待推荐账户与目标账户的相关性较高,且基于推荐数据确定待推荐账户的方式可以满足各种推荐策略,从而可以实现对目标账户进行个性化的账户推荐,并提高了账户推荐的准确性。
应该理解的是,虽然图1-7的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1-7中的至少一部分步骤可以包括多个步骤或者多个阶段,这些步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤中的步骤或者阶段的至少一部分轮流或者交替地执行。
图8是根据一示例性实施例示出的一种账户推荐装置框图。参照图8,该装置包括行为数据确定模块801,账户关系图谱获取模块802,目标社群确定模块803和待推荐账户确定模块804。
行为数据确定模块801,被配置为执行基于目标账户的账户特征,确定所述目标账户的行为数据,所述行为数据是基于所述目标账户的交互行为生成的数据;
账户关系图谱获取模块802,被配置为执行获取与所述行为数据对应的账户关系图谱,所述账户关系图谱用于记录多个社群,每个社群中包括多个账户;
目标社群确定模块803,被配置为执行根据所述目标账户所属的账户关系图谱,确定所述目标账户所属的目标社群;
待推荐账户确定模块804,被配置为执行根据所述目标社群中的各账户之间的关联关系,确定出所述目标账户的待推荐账户。
在一示例性实施例中,所述行为数据确定模块801包括:交互行为记录提取单元,被配置为执行从所述账户特征中提取所述目标账户的交互行为记录;行为数据确定单元,被配置为执行根据所述交互行为记录中的交互行为和各交互行为的操作次数确定所述目标账户的行为数据。
在一示例性实施例中,所述行为数据确定单元包括:权重系数读取子单元,被配置为执行读取各交互行为的权重系数;加权数据获取子单元,被配置为执行基于各所述交互行为的权重系数和各所述交互行为的操作次数进行加权处理,获取各交互行为的加权数据;行为数据确定子单元,被配置为执行将所述加权数据最高的交互行为确定为所述目标账户的行为数据。
在一示例性实施例中,所述行为数据确定子单元被配置为执行:若加权数据最高的交互行为为多个,则获取该多个交互行为在多个时间范围内的加权数据,并对获取的各交互行为的加权数据进行加权处理,得到处理后的加权数据;将处理后的加权数据最高的交互行为确定为所述目标账户的行为数据。
在一示例性实施例中,所述账户关系图谱获取模块802还包括:账户关系图谱构建单元,被配置为执行获取与所述目标账户的行为数据所对应的账户关系链数据,构建账户关系图谱,所述账户关系链数据用于记录各账户之间基于所述行为数据建立的关联关系;社群生成单元,被配置为执行根据各账户之间的关联关系对所述账户关系图谱中的各账户进行聚类,生成所述账户关系图谱的多个社群,各所述社群中记录有属于该社群的多个账户之间的关联关系。
在一示例性实施例中,所述账户关系图谱构建单元被配置为执行:根据设定的置信度,从所述账户关系链数据中,获取匹配的候选账户及所述候选账户之间的关联关系;根据获取的候选账户之间的关联关系构建账户关系图谱。
在一示例性实施例中,所述社群生成单元被配置为执行:基于各账户之间的关联关系对所述账户关系图谱中的各账户进行聚类,得到多个聚类集合;获取各聚类集合下的账户数量,获取所述账户数量满足设定阈值的聚类集合,生成所述账户关系图谱中对应的社群。
在一示例性实施例中,所述待推荐账户确定模块804包括:推荐数据获取单元,被配置为执行根据所述目标社群中各账户之间的关联关系,获取所述目标社群中各账户的推荐数据,所述推荐数据是基于所述账户与所述目标社群中的其他账户之间的关联关系得到的所述账户的重要程度数据;待推荐账户筛选单元,被配置为执行根据所述推荐数据从所述目标社群中筛选出所述目标账户的待推荐账户。
在一示例性实施例中,所述待推荐账户筛选单元被配置为执行:根据所述推荐数据从所述目标社群中筛选所述推荐数据在设定范围内的候选账户,获取筛选的候选账户中与所述目标账户不存在关联关系的候选账户,作为待推荐账户。
在一示例性实施例中,所述待推荐账户筛选单元被配置为执行:根据所述目标社群中各账户的推荐数据,获取所述目标社群中所述目标账户与其他各账户之间的距离;从所述目标社群中筛选所述距离小于设定阈值的其他账户,获取筛选的其他账户中与所述目标账户不存在关联关系的账户,作为待推荐账户。
在一示例性实施例中,所述推荐数据获取单元被配置为执行:根据所述目标社群中各账户之间的关联关系,获取各账户与其他账户的关联关系以及与所述关联关系对应的关系数据;基于所述账户的各关系数据之和,确定出所述账户的推荐数据。
关于上述实施例中的装置,其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述,此处将不做详细阐述说明。
图9是根据一示例性实施例示出的一种用于账户推荐的设备Z00的框图。例如,设备Z00可以是移动电话、计算机、数字广播终端、消息收发设备、游戏控制台、平板设备、医疗设备、健身设备、个人数字助理等。
参照图9,设备Z00可以包括以下一个或多个组件:处理组件Z02、存储器Z04、电力组件Z06、多媒体组件Z08、音频组件Z10、输入/输出(I/O)的接口Z12、传感器组件Z14以及通信组件Z16。
处理组件Z02通常控制设备Z00的整体操作,诸如与显示、电话呼叫、数据通信、相机操作和记录操作相关联的操作。处理组件Z02可以包括一个或多个处理器Z20来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件Z02可以包括一个或多个模块,便于处理组件Z02和其他组件之间的交互。例如,处理组件Z02可以包括多媒体模块,以方便多媒体组件Z08和处理组件Z02之间的交互。
存储器Z04被配置为存储各种类型的数据以支持在设备Z00的操作。这些数据的示例包括用于在设备Z00上操作的任何应用程序或方法的指令、联系人数据、电话簿数据、消息、图片、视频等。存储器Z04可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM)、电可擦除可编程只读存储器(EEPROM)、可擦除可编程只读存储器(EPROM)、可编程只读存储器(PROM)、只读存储器(ROM)、磁存储器、快闪存储器、磁盘或光盘。
电源组件Z06为设备Z00的各种组件提供电力。电源组件Z06可以包括电源管理系统,一个或多个电源,及其他与为设备Z00生成、管理和分配电力相关联的组件。
多媒体组件Z08包括在所述设备Z00和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件Z08包括一个前置摄像头和/或后置摄像头。当设备Z00处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件Z10被配置为输出和/或输入音频信号。例如,音频组件Z10包括一个麦克风(MIC),当设备Z00处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器Z04或经由通信组件Z16发送。在一些实施例中,音频组件Z10还包括一个扬声器,用于输出音频信号。
I/O接口Z12为处理组件Z02和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件Z14包括一个或多个传感器,用于为设备Z00提供各个方面的状态评估。例如,传感器组件Z14可以检测到设备Z00的打开/关闭状态,组件的相对定位,例如所述组件为设备Z00的显示器和小键盘,传感器组件Z14还可以检测设备Z00或设备Z00一个组件的位置改变,用户与设备Z00接触的存在或不存在,设备Z00方位或加速/减速和设备Z00的温度变化。传感器组件Z14可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件Z14还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件Z14还可以包括加速度传感器、陀螺仪传感器、磁传感器、压力传感器或温度传感器。
通信组件Z16被配置为便于设备Z00和其他设备之间有线或无线方式的通信。设备Z00可以接入基于通信标准的无线网络,如WiFi,运营商网络(如2G、3G、4G或5G),或它们的组合。在一个示例性实施例中,通信组件Z16经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件Z16还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,设备Z00可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种包括指令的非临时性计算机可读存储介质,例如包括指令的存储器Z04,上述指令可由设备Z00的处理器Z20执行以完成上述方法。例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
图10是根据一示例性实施例示出的一种用于账户推荐的设备S00的框图。例如,设备S00可以为一服务器。参照图10,设备S00包括处理组件S20,其进一步包括一个或多个处理器,以及由存储器S22所代表的存储器资源,用于存储可由处理组件S20的执行的指令,例如应用程序。存储器S22中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件S20被配置为执行指令,以执行上述的账户信息的确定方法。
设备S00还可以包括一个电源组件S24被配置为执行设备S00的电源管理,一个有线或无线网络接口S26被配置为将设备S00连接到网络,和一个输入输出(I/O)接口S28。设备S00可以操作基于存储在存储器S22的操作系统,例如Windows Server,Mac OS X,Unix,Linux,FreeBSD或类似。
在示例性实施例中,还提供了一种包括指令的存储介质,例如包括指令的存储器S22,上述指令可由设备S00的处理器执行以完成上述方法。存储介质可以是非临时性计算机可读存储介质,例如,所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域技术人员在考虑说明书及实践这里公开的发明后,将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的真正范围和精神由下面的权利要求指出。
应当理解的是,本公开并不局限于上面已经描述并在附图中示出的精确结构,并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
Claims (10)
1.一种账户信息的确定方法,其特征在于,包括:
基于目标账户的账户特征,确定所述目标账户的行为数据,所述行为数据是基于所述目标账户的交互行为生成的数据;
获取与所述行为数据对应的账户关系图谱,所述账户关系图谱用于记录多个社群,每个社群中包括多个账户;
根据所述目标账户所属的账户关系图谱,确定所述目标账户所属的目标社群;
根据所述目标社群中的各账户之间的关联关系,确定出所述目标账户的待推荐账户。
2.根据权利要求1所述的方法,其特征在于,所述基于目标账户的账户特征,确定所述目标账户的行为数据,包括:
从所述账户特征中提取所述目标账户的交互行为记录;
根据所述交互行为记录中的交互行为和各交互行为的操作次数确定所述目标账户的行为数据。
3.根据权利要求2所述的方法,其特征在于,所述根据所述交互行为记录中的交互行为和各交互行为的操作次数确定所述目标账户的行为数据,包括:
读取各交互行为的权重系数;
基于各所述交互行为的权重系数和各所述交互行为的操作次数进行加权处理,获取各交互行为的加权数据;
将所述加权数据最高的交互行为确定为所述目标账户的行为数据。
4.根据权利要求3所述的方法,其特征在于,所述将所述加权数据最高的交互行为确定为所述目标账户的行为数据,包括:
若加权数据最高的交互行为为多个,则获取该多个交互行为在多个时间范围内的加权数据,并对获取的各交互行为的加权数据进行加权处理,得到处理后的加权数据;
将处理后的加权数据最高的交互行为确定为所述目标账户的行为数据。
5.根据权利要求1所述的方法,其特征在于,所述获取与所述行为数据对应的账户关系图谱,包括:
获取与所述目标账户的行为数据所对应的账户关系链数据,构建账户关系图谱,所述账户关系链数据用于记录各账户之间基于所述行为数据建立的关联关系;
根据各账户之间的关联关系对所述账户关系图谱中的各账户进行聚类,生成所述账户关系图谱的多个社群,各所述社群中记录有属于该社群的多个账户之间的关联关系。
6.根据权利要求5所述的方法,其特征在于,所述构建账户关系图谱,包括:
根据设定的置信度,从所述账户关系链数据中,获取匹配的候选账户及所述候选账户之间的关联关系;
根据获取的候选账户之间的关联关系构建账户关系图谱。
7.根据权利要求5所述的方法,其特征在于,所述根据各账户之间的关联关系对所述账户关系图谱中的各账户进行聚类,生成所述账户关系图谱的多个社群,包括:
基于各账户之间的关联关系对所述账户关系图谱中的各账户进行聚类,得到多个聚类集合;
获取各聚类集合下的账户数量,获取所述账户数量满足设定阈值的聚类集合,生成所述账户关系图谱中对应的社群。
8.一种账户信息的确定装置,其特征在于,包括:
行为数据确定模块,被配置为执行基于目标账户的账户特征,确定所述目标账户的行为数据,所述行为数据是基于所述目标账户的交互行为生成的数据;
账户关系图谱获取模块,被配置为执行获取与所述行为数据对应的账户关系图谱,所述账户关系图谱用于记录多个社群,每个社群中包括多个账户;
目标社群确定模块,被配置为执行根据所述目标账户所属的账户关系图谱,确定所述目标账户所属的目标社群;
待推荐账户确定模块,被配置为执行根据所述目标社群中的各账户之间的关联关系,确定出所述目标账户的待推荐账户。
9.一种电子设备,其特征在于,包括:
处理器;
用于存储所述处理器可执行指令的存储器;
其中,所述处理器被配置为执行所述指令,以实现如权利要求1至7中任一项所述的账户信息的确定方法。
10.一种存储介质,当所述存储介质中的指令由电子设备或服务器的处理器执行时,使得电子设备或服务器能够执行如权利要求1至7中任一项所述的账户信息的确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010898031.9A CN114117058A (zh) | 2020-08-31 | 2020-08-31 | 账户信息的确定方法、装置、电子设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010898031.9A CN114117058A (zh) | 2020-08-31 | 2020-08-31 | 账户信息的确定方法、装置、电子设备及存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114117058A true CN114117058A (zh) | 2022-03-01 |
Family
ID=80359880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010898031.9A Pending CN114117058A (zh) | 2020-08-31 | 2020-08-31 | 账户信息的确定方法、装置、电子设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114117058A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115129988A (zh) * | 2022-06-29 | 2022-09-30 | 北京达佳互联信息技术有限公司 | 一种信息获取方法、装置、电子设备及存储介质 |
-
2020
- 2020-08-31 CN CN202010898031.9A patent/CN114117058A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115129988A (zh) * | 2022-06-29 | 2022-09-30 | 北京达佳互联信息技术有限公司 | 一种信息获取方法、装置、电子设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111859020B (zh) | 推荐方法、装置、电子设备及计算机可读存储介质 | |
CN109800325A (zh) | 视频推荐方法、装置和计算机可读存储介质 | |
WO2021093427A1 (zh) | 访客信息管理方法及装置、电子设备和存储介质 | |
US20170118298A1 (en) | Method, device, and computer-readable medium for pushing information | |
CN107463643B (zh) | 弹幕数据的显示方法、装置及存储介质 | |
CN107315487B (zh) | 一种输入处理方法、装置及电子设备 | |
CN113065008A (zh) | 信息推荐方法、装置、电子设备及存储介质 | |
CN106649781B (zh) | 应用推荐方法及装置 | |
CN106126592B (zh) | 搜索数据的处理方法及装置 | |
CN109634913A (zh) | 文档的存储方法、装置及电子设备 | |
CN115203543A (zh) | 内容推荐方法、内容推荐模型的训练方法及装置 | |
CN112000266B (zh) | 页面展示方法、装置、电子设备及存储介质 | |
CN112256890A (zh) | 信息展示方法、装置、电子设备及存储介质 | |
CN114117058A (zh) | 账户信息的确定方法、装置、电子设备及存储介质 | |
CN114647774A (zh) | 推送方法、装置、电子设备及存储介质 | |
CN111859097B (zh) | 数据处理方法、装置、电子设备及存储介质 | |
CN114189719B (zh) | 视频信息提取方法、装置、电子设备及存储介质 | |
CN115994266A (zh) | 资源推荐方法、装置、电子设备和存储介质 | |
CN107301188B (zh) | 一种获取用户兴趣的方法及电子设备 | |
CN111382295B (zh) | 一种图像搜索结果的排序方法和装置 | |
CN112989172B (zh) | 内容推荐方法、装置、计算机设备及存储介质 | |
CN112307353B (zh) | 数据的处理方法、装置、电子设备、存储介质 | |
CN113190725B (zh) | 对象的推荐及模型训练方法和装置、设备、介质和产品 | |
CN112380388B (zh) | 搜索场景下的视频排序方法、装置、电子设备及存储介质 | |
CN113407754B (zh) | 影集生成方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |