CN115329214A - 一种用户推荐方法、装置、电子设备及存储介质 - Google Patents

Abstract

本申请涉及一种用户推荐方法、装置、电子设备及存储介质，属于互联网技术领域。其中，一种用户推荐方法，包括：获取目标用户的知识图谱；基于至少一个备选用户的知识图谱与所述目标用户的知识图谱，获取所述至少一个备选用户与所述目标用户的相似度；基于所述相似度，从所述至少一个备选用户中为所述目标用户推荐好友。该方法通过构建知识图谱，根据知识图谱之间的相似度为目标用户推荐好友，提高用户推荐的准确性，扩展目标用户的社交范围。

Description

一种用户推荐方法、装置、电子设备及存储介质

技术领域

本申请涉及互联网技术领域，尤其涉及一种用户推荐方法、装置、电子设备及存储介质。

背景技术

随着互联网的发展，好友是人们日常生活中交流必不可少的，如今交友软件数不胜数，一般都是通过手机号，或者平台的账号添加其他用户，但这种方式加的用户成为真正的好友的几率并不高，或者，若用户A与用户B拥有共同好友，则对A与B进行相互推荐，但是，在实际生活中，如果A与B是朋友或者有交集，正常情况下就已经建立了好友关系，而这种用户推荐毫无意义，因此，如何将网络中潜在的可能与用户成为密友的人，对用户进行推荐，成为亟待解决的问题。

发明内容

为了解决如何为目标用户推荐相似度高的好友的技术问题，本申请提供了一种用户推荐方法、装置、电子设备及存储介质。

第一方面，本申请提供了一种用户推荐方法，所述方法包括：

获取目标用户的知识图谱；

基于至少一个备选用户的知识图谱与所述目标用户的知识图谱，获取所述至少一个备选用户与所述目标用户的相似度；

基于所述相似度，从所述至少一个备选用户中为所述目标用户推荐好友；

可选地，所述知识图谱的特征项包括：用户基本特征、性格特征、工作生活特征、兴趣爱好特征、对待事物的处理方式、地理特征和用户活跃度中的至少一种；

可选地，获取目标用户的知识图谱，包括：

获取目标用户的特征信息；

根据所述目标用户的特征信息进行知识抽取，得到至少一个特征项，以及得到所述特征项对应的特征值；

根据所述特征项和所述特征值生成所述目标用户的知识图谱；

可选地，基于至少一个备选用户的知识图谱与所述目标用户的知识图谱，获取所述至少一个备选用户与所述目标用户的相似度，包括：

确定所述备选用户的知识图谱和所述目标用户的知识图谱中N个相同的所述特征项；所述N大于或等于一；

将每个相同的所述特征项下，所述备选用户的知识图谱中和所述目标用户的知识图谱中对应的特征值之间作差并取模，得到N个差值；

计算所述N个差值的平均值，将所述平均值作为所述备选用户与所述目标用户的相似度；

可选地，基于所述相似度，从所述至少一个备选用户中为所述目标用户推荐好友，包括：

根据每个所述相似度生成推荐列表，所述推荐列表中所述备选用户的排列顺序与所述相似度正相关；

根据所述推荐列表中所述备选用户的排列顺序，向所述目标用户推荐至少一个所述备选用户作为所述目标用户的好友；

可选地，所述方法还包括：

当所述特征项包括地理特征，且所述目标用户的推荐偏好为就近推荐时，提取所述就近推荐表征的范围阈值；

相应地，从所述至少一个备选用户中为所述目标用户推荐好友，包括：

根据所述范围阈值，确定所述至少一个备选用户中的至少一个同区域用户；

从所述至少一个同区域用户中向所述目标用户推荐好友；

可选地，根据所述特征项和所述特征值生成所述目标用户的知识图谱之后，所述方法还包括：

获取所述目标用户的趣味测试信息；

从所述趣味测试信息中提取至少一个特征项，以及所述特征项对应的特征值；

将所述特征项和所述特征值更新至所述目标用户的知识图谱；

可选地，获取所述目标用户的趣味测试信息之后，所述方法还包括：

根据所述趣味测试信息的完成情况，生成对所述目标用户的虚拟奖励；

将所述虚拟奖励叠加至所述目标用户的奖励总额；

根据所述奖励总额更新所述知识图谱中的用户活跃度，所述奖励总额与所述用户活跃度正相关；

可选地，从所述至少一个备选用户中为所述目标用户推荐好友之后，所述方法还包括：基于所述相似度，向所述至少一个备选用户推荐所述目标用户。

第二方面，本申请提供了一种用户推荐装置，所述装置包括：

第一获取模块，用于获取目标用户的知识图谱；

第二获取模块，用于基于至少一个备选用户的知识图谱与所述目标用户的知识图谱，获取所述至少一个备选用户与所述目标用户的相似度；

推荐模块，用于基于所述相似度，从所述至少一个备选用户中为所述目标用户推荐好友。

第三方面，本申请提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现第一方面任一项实施例所述的用户推荐方法的步骤。

第四方面，本申请提供了一种计算机可读存储介质，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如第一方面任一项实施例所述的用户推荐方法的步骤。

本申请实施例提供的上述技术方案与现有技术相比具有如下优点：

本申请实施例提供的该方法，获取目标用户的知识图谱；基于至少一个备选用户的知识图谱与所述目标用户的知识图谱，获取所述至少一个备选用户与所述目标用户的相似度；基于所述相似度，从所述至少一个备选用户中为所述目标用户推荐好友。该方法通过构建知识图谱，根据知识图谱之间的相似度为目标用户推荐好友，提高用户推荐的准确性，扩展目标用户的社交范围。

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，示出了符合本发明的实施例，并与说明书一起用于解释本发明的原理。

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请一个实施例提供的一种用户推荐方法的系统架构图；

图2为本申请一个实施例提供的一种用户推荐方法的流程示意图；

图3为本申请一个实施例提供的另一种用户推荐方法的流程示意图；

图4为本申请一个实施例提供的一种用户推荐方法的知识图谱示意图；

图5为本申请一个实施例提供的一种用户推荐方法的相似度计算示意图；

图6为本申请一个实施例提供的一种用户推荐装置的结构示意图；

图7为本申请一个实施例提供的一种电子设备的结构示意图。

具体实施方式

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请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申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

本申请第一实施例提供了一种用户推荐方法，该方法可以应用于如图1所示的系统架构，该系统架构中至少包括终端101和服务器102，该终端101和服务器102建立通信连接，可通过有线或无线的网络连接，具体通信传输协议不作限制。

该方法可应用于该系统架构中的终端101或者服务器102，其中，终端101可以是台式电脑、平板电脑、笔记本、移动终端等设备，服务器102可以是本地服务器，也可以是云端服务器，或者也可以是服务器集群。

需要说明的是，图1所示的网络系统架构仅仅是一种示例，还可以包括如路由器、交换机等更多的组成部分。在该系统架构中，终端101中安装有进行用户推荐的应用程序，服务器102中存储有预先保存的备选用户的信息，比如备选用户的知识图谱等。

基于图1所示的系统架构，以下结合相关附图对本申请实施例提出的用户推荐方法进行详细阐述，如图2，所述方法包括：

步骤201，获取目标用户的知识图谱。

知识图谱包括至少一种特征项，每个特征项对应一个特征值，其中，知识图谱的特征项可以包括用户基本特征、性格特征、工作生活特征、兴趣爱好特征、对待事物的处理方式、地理特征和用户活跃度中的一种或多种。

其中，每个特征项还可以进行细化，比如兴趣爱好特征可以分为爱好食物、爱好音乐、爱好运动等，不作限制。需要说明的是，每一个细化后的特征项仍然是对应一个特征值。

用户的身高、体重、年龄和学历等可以归类为用户基本特征，可以作为一个特征项，用一个特征值表征，同样也可以根据身高、体重、年龄等进行细化，分为多个特征项，每一个特征项对应一个特征值，本申请实施例对特征项的具体内容不作限制。

需要说明的是，对待事物的处理方式，可以按照不同的维度，比如乐观悲观，或者积极消极对应特征值，地理特征可以是用户所处的省、市、区(县)等，可方便用户根据地理位置选择交友偏好，用户活跃度可代表用户对应用程序的黏度。

当用户之间的兴趣爱好相似或者性格相似时，用户之间会有更多的共同语言，在社交时可以更轻松和放松，可以从虚拟好友成为现实好友。

一个实施例中，获取目标用户的知识图谱，包括：获取目标用户的特征信息，根据目标用户的特征信息进行知识抽取，得到至少一个特征项，以及得到特征项对应的特征值，根据特征项和特征值生成目标用户的知识图谱。

本实施例中，目标用户的特征信息可以从目标用户的注册信息中提取，也可以从对目标用户的测试信息中提取，其中，测试信息可以是目标用户填写的测试问卷，当然，目标用户的特征也可以从上述两种方式的结合中提取，本申请实施例对此不作限制。

其中，测试问卷可以包括多种形式，可以是一些性格方面的测试问卷，还可以是兴趣爱好、生活习惯等的测试，比如，可以是用户对某些事情的倾向性处理，或者用户在一些情况下的选择，本申请实施例对此不作限制。

本实施例中，根据目标用户的特征信息进行知识抽取，可以得到一个或多个特征项，特征项可以是性格、爱好食物、爱好运动等，抽取到的每一个特征项对应一个或多个评估值，比如，从用户注册时的基本信息中提取到性格是乐观，对应的评估值为80，从测试信息中提取到的性格是非常乐观，对应的评估值为90，此时，可以从这两个评估值中确定一个值作为性格特征项下的特征值。具体可以根据每一个评估值的置信度进行确定，比如，在基本信息中，由于只填写了“乐观”，不包括其他关于性格的任何信息，根据预设的判断规则，标记基本信息的评估值80的置信度为50％，在测试信息中，由于包括多个性格方面的问卷，根据预设的判断规则，标记测试信息的评估值90的置信度为90％，此时，采用置信度高的评估值作为性格特征项下的特征值。

需要说明的是，将用户的特征信息量化为特征值，可以方便用户之间的匹配，提高用户推荐的成功率。其中，预设的判断规则，是对特征项对应的评估值的判断规则，可以判断特征项对应的该评估值的置信度的高低，当然，当判断出多个评估值中置信度最高的评估值的数量不唯一、且不相同时，可以取其平均值作为该特征项的特征值，本申请实施例不作限制。

需要说明的是，同一特征项下，两个用户的特征值越接近，说明这两个用户的相似度越高，这两个用户从虚拟好友成为现实好友的几率也就越大。

步骤202，基于至少一个备选用户的知识图谱与目标用户的知识图谱，获取至少一个备选用户与目标用户的相似度。

具体地，对于其中一个备选用户来说，备选用户和目标用户的相似度计算过程包括：确定备选用户的知识图谱和目标用户的知识图谱中N个相同的特征项，N大于或等于一，将每个相同的特征项下，备选用户的知识图谱中和目标用户的知识图谱中对应的特征值之间作差并取模，得到N个差值，计算N个差值的平均值，将平均值作为备选用户与目标用户的相似度。

本实施例中，若目标用户与备选用户相同的特征项有N个，其中，目标用户每一个特征项对应的特征值为Xi，备选用户每一个特征项对应的特征值为Xj，则备选用户与目标用户的相似度可以用下式表示：

需要说明的是，此处的相似度也可称为契合度或者匹配度。

步骤203，基于相似度，从至少一个备选用户中为目标用户推荐好友。

在推荐好友时，可以选择相似度最高的备选用户，对目标用户进行单独推荐，也可以按照相似度的高低，一次对目标用户推荐多个备选用户，当单独推荐时，可以推荐的更精准，多个推荐时，可以提高推荐的效率，用户可以自行选择推荐的方式，本申请实施例不作限制。

当一次对目标用户推荐多个相似度高的备选用户时，具体可以包括：根据每个相似度生成推荐列表，推荐列表中备选用户的排列顺序与相似度正相关，根据推荐列表中备选用户的排列顺序，向目标用户推荐至少一个备选用户作为目标用户的好友。

当然，目标用户还可以对推荐的侧重点进行定制，比如可以选择随机推荐，也可以选择就近推荐，在随机推荐时，各个特征项的权重相同，可完全根据备选用户与目标用户相同特征项下特征值的相似度进行推荐，在就近推荐时，将地理特征的权重提高，或者，仅在地理特征的相似度满足一个范围阈值的用户中选择对目标用户推荐的好友。

具体包括：当特征项包括地理特征，且目标用户的推荐偏好为就近推荐时，提取就近推荐表征的范围阈值。相应地，从至少一个备选用户中为目标用户推荐好友，包括：根据范围阈值，确定至少一个备选用户中的至少一个同区域用户，从至少一个同区域用户中向目标用户推荐好友。

选择就近推荐时，由于最后选定向目标用户推荐的同区域用户与目标用户位置相近，二者更容易成为现实好友，可以方便的进行社交活动，可以有效地实现用户交流零距离，在网络中拥有一个与自己相似，有共同话题、相似性格的知己朋友，可以在压力之下带来一丝轻松。对同为爱好旅游的用户来说，就近推荐的好友可以结伴出行，提高出行的安全系数。

一个实施例中，根据特征项和特征值生成目标用户的知识图谱之后，方法还包括：获取目标用户的趣味测试信息，从趣味测试信息中提取至少一个特征项，以及特征项对应的特征值，将特征项和特征值更新至目标用户的知识图谱。

本实施例中，在生成目标用户的知识图谱后，目标用户还可以继续进行趣味测试，进一步的将目标用户的知识图谱进行完善及更新。需要说明的是，本实施例中的趣味测试可以和用户注册后的调查问卷为同一种测试，也可以为不同的测试，对此不作限制。

更新知识图谱时，若新提取的特征项在原知识图谱中不存在，则在知识图谱中新加一个特征项，并将该特征值作为该特征项下的特征值，若特征项已存在，则使用从趣味测试信息携带的特征信息中提取的特征值替换掉之前的特征值。使知识图谱中的数据能及时更新，时刻保持用户推荐的准确性。

一个实施例中，在用户进行趣味测试后，还可以根据趣味测试的完成情况，对目标用户进行奖励，比如，可以生成对目标用户的虚拟奖励，将虚拟奖励叠加至目标用户的奖励总额，奖励总额可以表征目标用户的活跃度，奖励总额越高说明用户的活跃度越高，可以根据奖励总额更新知识图谱中的用户活跃度的特征项，活跃度都高的用户之间，共同话题会更多，可提高用户推荐的准确性。

需要说明的是，此处的虚拟奖励可以是积分奖励或等级奖励，本实施例对此不作限制。

一个实施例中，从至少一个备选用户中为目标用户推荐好友之后，方法还包括：基于相似度，向至少一个备选用户推荐目标用户。

本实施例中，为保证相似度高的备选用户与目标用户顺利的加为好友，不仅给目标用户推荐备选用户，还向该备选用户推荐目标用户，以避免一方查看不及时忽略消息导致的好友未成功添加，提高推荐好友并添加的成功率。

一个实施例中，一种用户推荐方法，如图3，所述方法包括：

步骤301，新用户注册；之后执行步骤302、步骤303或步骤304；

步骤302，基本信息填写；完成后执行步骤305；

步骤303，性格测试；完成后执行步骤305；

步骤304，兴趣习惯测试；完成后执行步骤305；

步骤305，信息提取、融合、存储；

步骤306，生成基本知识图谱信息；执行步骤306或步骤308；

步骤307，趣味测试；完成后执行步骤305；

步骤308，用户知识图谱检索、好友推荐。

本实施例中，新用户在注册创建成功后，会填写基本信息，性格测试，以及其他可选的兴趣习惯测试与调查，比如趣味性测试，在完成相关测试时，会获得奖励积分，此时系统会将用户的基本信息进行统计，建立用户知识图谱，之后在用户使用时，也会有趣味性测试来完善用户的知识图谱，使得用户知识图谱具有准确性，时效性。

本实施例中，知识图谱可以如图4所示，包括：用户基本特征、性格特征、工作生活特征、兴趣爱好特征、对待事物的处理方式、地理特征和用户活跃度。

在推荐好友时，大致分为两种，一种是就近推荐，一种是随机推荐。匹配时，会将用户已有的信息(包括但不限于性格、爱好食物、爱好运动、对待某事的处理方式等等，将采集的信息进行处理，转为特征值，每两个用户之间对应的各个特征值进行做差取模求平均，得到的数据可用于表示用户的差异，差异越小契合度就越高)进行统计得出契合度，理论上信息越多，越精准。以目标用户为用户a，备选用户为用户b举例说明，如图5，用户a和用户b具有4个相同的特征项，分别以特征1、特征2、特征3和特征4表示，其中，特征1、特征2、特征3和特征4可以分别对应以上具体特征项，本实施例对此不作限制。可根据特征1、特征2、特征3和特征4对应的具体特征值计算出用户a和用户b的相似度，为避免相似度差异较大仍进行推荐的情况发生，本实施例可以设置一个推荐阈值，当计算出的相似度小于该推荐阈值时，才向目标用户推荐备选用户，以提高推荐的准确性。

此两种模式分别对应以本地交友、以虚拟交友两种情景。虚拟交友更多的是匹配与之具有多方面同时切合的朋友，在如今的大压力情况下，可以有效地实现用户交流零距离，在网络中拥有一个与自己相似，有共同话题，相似性格的知己朋友，可以在压力之下带来一丝轻松。就近匹配主要是增加地区限制，为喜欢外出等结伴出行为主的群体进行推荐，实现找到与之具有共同爱好的用户。

基于同一技术构思，本申请第二实施例提供了一种用户推荐装置，如图6，所述装置包括：

第一获取模块601，用于获取目标用户的知识图谱；

第二获取模块602，用于基于至少一个备选用户的知识图谱与所述目标用户的知识图谱，获取所述至少一个备选用户与所述目标用户的相似度；

推荐模块603，用于基于所述相似度，从所述至少一个备选用户中为所述目标用户推荐好友。

该装置通过构建知识图谱，根据知识图谱之间的相似度为目标用户推荐好友，提高用户推荐的准确性，扩展目标用户的社交范围。

如图7所示，本申请第三实施例提供了一种电子设备，包括处理器111、通信接口112、存储器113和通信总线114，其中，处理器111，通信接口112，存储器113通过通信总线114完成相互间的通信，

存储器113，用于存放计算机程序；

在一个实施例中，处理器111，用于执行存储器113上所存放的程序时，实现前述任意一个方法实施例提供的用户推荐方法，包括：

获取目标用户的知识图谱；

基于至少一个备选用户的知识图谱与所述目标用户的知识图谱，获取所述至少一个备选用户与所述目标用户的相似度；

基于所述相似度，从所述至少一个备选用户中为所述目标用户推荐好友。

上述终端提到的通信总线可以是外设部件互连标准(Peripheral ComponentInterconnect，简称PCI)总线或扩展工业标准结构(Extended Industry StandardArchitecture，简称EISA)总线等。该通信总线可以分为地址总线、数据总线、控制总线等。为便于表示，图中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通信接口用于上述终端与其他设备之间的通信。

存储器可以包括随机存取存储器(Random Access Memory，简称RAM)，也可以包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。可选的，存储器还可以是至少一个位于远离前述处理器的存储装置。

上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital Signal Processing，简称DSP)、专用集成电路(Application SpecificIntegrated Circuit，简称ASIC)、现场可编程门阵列(Field－Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

本申请第四实施例还提供了一种计算机可读存储介质，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如前述任意一个方法实施例提供的用户推荐方法的步骤。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘Solid State Disk(SSD))等。

需要说明的是，在本文中，诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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、物品或者设备不仅包括那些要素，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、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。在描述中，使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明，其本身没有特定的意义。因此，“模块”、“部件”或“单元”可以混合地使用。

以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所申请的原理和新颖特点相一致的最宽的范围。

Claims (12)

1.一种用户推荐方法，其特征在于，所述方法包括：

获取目标用户的知识图谱；

基于至少一个备选用户的知识图谱与所述目标用户的知识图谱，获取所述至少一个备选用户与所述目标用户的相似度；

基于所述相似度，从所述至少一个备选用户中为所述目标用户推荐好友。

2.根据权利要求1所述的方法，其特征在于，所述知识图谱的特征项包括：用户基本特征、性格特征、工作生活特征、兴趣爱好特征、对待事物的处理方式、地理特征和用户活跃度中的至少一种。

3.根据权利要求1或2所述的方法，其特征在于，获取目标用户的知识图谱，包括：

获取目标用户的特征信息；

根据所述目标用户的特征信息进行知识抽取，得到至少一个特征项，以及得到所述特征项对应的特征值；

根据所述特征项和所述特征值生成所述目标用户的知识图谱。

4.根据权利要求3所述的方法，其特征在于，基于至少一个备选用户的知识图谱与所述目标用户的知识图谱，获取所述至少一个备选用户与所述目标用户的相似度，包括：

确定所述备选用户的知识图谱和所述目标用户的知识图谱中N个相同的所述特征项；所述N大于或等于一；

将每个相同的所述特征项下，所述备选用户的知识图谱中和所述目标用户的知识图谱中对应的特征值之间作差并取模，得到N个差值；

计算所述N个差值的平均值，将所述平均值作为所述备选用户与所述目标用户的相似度。

5.根据权利要求1或4所述的方法，其特征在于，基于所述相似度，从所述至少一个备选用户中为所述目标用户推荐好友，包括：

根据每个所述相似度生成推荐列表，所述推荐列表中所述备选用户的排列顺序与所述相似度正相关；

根据所述推荐列表中所述备选用户的排列顺序，向所述目标用户推荐至少一个所述备选用户作为所述目标用户的好友。

6.根据权利要求2所述的方法，其特征在于，所述方法还包括：

当所述特征项包括地理特征，且所述目标用户的推荐偏好为就近推荐时，提取所述就近推荐表征的范围阈值；

相应地，从所述至少一个备选用户中为所述目标用户推荐好友，包括：

根据所述范围阈值，确定所述至少一个备选用户中的至少一个同区域用户；

从所述至少一个同区域用户中向所述目标用户推荐好友。

7.根据权利要求3所述的方法，其特征在于，根据所述特征项和所述特征值生成所述目标用户的知识图谱之后，所述方法还包括：

获取所述目标用户的趣味测试信息；

从所述趣味测试信息中提取至少一个特征项，以及所述特征项对应的特征值；

将所述特征项和所述特征值更新至所述目标用户的知识图谱。

8.根据权利要求7所述的方法，其特征在于，获取所述目标用户的趣味测试信息之后，所述方法还包括：

根据所述趣味测试信息的完成情况，生成对所述目标用户的虚拟奖励；

将所述虚拟奖励叠加至所述目标用户的奖励总额；

根据所述奖励总额更新所述知识图谱中的用户活跃度，所述奖励总额与所述用户活跃度正相关。

9.根据权利要求1所述的方法，其特征在于，从所述至少一个备选用户中为所述目标用户推荐好友之后，所述方法还包括：基于所述相似度，向所述至少一个备选用户推荐所述目标用户。

10.一种用户推荐装置，其特征在于，所述装置包括：

第一获取模块，用于获取目标用户的知识图谱；

第二获取模块，用于基于至少一个备选用户的知识图谱与所述目标用户的知识图谱，获取所述至少一个备选用户与所述目标用户的相似度；

推荐模块，用于基于所述相似度，从所述至少一个备选用户中为所述目标用户推荐好友。

11.一种电子设备，其特征在于，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；

存储器，用于存放计算机程序；

处理器，用于执行存储器上所存放的程序时，实现权利要求1-9任一项所述的用户推荐方法的步骤。

12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1-9任一项所述的用户推荐方法的步骤。

Images