CN115470379A - 用户关系确定方法、装置、设备及介质 - Google Patents
用户关系确定方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN115470379A CN115470379A CN202211365486.XA CN202211365486A CN115470379A CN 115470379 A CN115470379 A CN 115470379A CN 202211365486 A CN202211365486 A CN 202211365486A CN 115470379 A CN115470379 A CN 115470379A
- Authority
- CN
- China
- Prior art keywords
- relationship
- user
- relation
- data
- determining
- 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 55
- 230000006399 behavior Effects 0.000 claims description 9
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008569 process Effects 0.000 abstract description 6
- 238000010586 diagram Methods 0.000 description 18
- 238000003058 natural language processing Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 4
- 238000000605 extraction Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000012937 correction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000013475 authorization Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000010006 flight Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 235000021018 plums Nutrition 0.000 description 1
- 239000004065 semiconductor Substances 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
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- 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
- G06F16/903—Querying
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本公开实施例涉及一种用户关系确定方法、装置、设备及介质,涉及计算机技术领域,其中该方法包括:获取用户原始数据,并根据用户原始数据生成用户关系图;其中,用户关系图由多个用户节点和多个关系边构建得到,每个关系边连接两个用户节点,并设置有对应的关系强度;根据用户关系图,确定第一用户节点和第二用户节点之间的至少一条关系路径;基于各关系路径包括的多个关系边所对应多个关系强度之间的对比结果确定对应的候选关系数据;确定至少一个候选关系数据中的目标关系数据。本公开实施例,通过对比和确定的技术手段即可获得两个用户之间的关系数据,获取过程的复杂度较低,通过关系数据能够更直观的对不同用户之间的关系强度进行表征。
Description
技术领域
本公开涉及计算机技术领域,尤其涉及一种用户关系确定方法、装置、设备及介质。
背景技术
当前社会的人口密度较大,用户关系也较为复杂,如何对用户之间关系进行表征是当前亟待解决的问题。
相关技术中,通常是计算用户的属性,并基于不同用户之间的属性的差值来确定其关系,但是这种方式的复杂度较高且直观性较差。
发明内容
为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种用户关系确定方法、装置、设备及介质。
本公开实施例提供了一种用户关系确定方法,所述方法包括:
获取用户原始数据,并根据所述用户原始数据生成用户关系图;其中,所述用户关系图由多个用户节点和多个关系边构建得到,每个所述关系边连接两个用户节点,并设置有对应的关系强度;
根据所述用户关系图,确定第一用户节点和第二用户节点之间的至少一条关系路径;
基于各所述关系路径包括的多个关系边所对应多个关系强度之间的对比结果确定对应的候选关系数据;
确定至少一个所述候选关系数据中的目标关系数据。
本公开实施例还提供了一种用户关系确定装置,所述装置包括:
生成模块,用于获取用户原始数据,并根据所述用户原始数据生成用户关系图;其中,所述用户关系图由多个用户节点和多个关系边构建得到,每个所述关系边连接两个用户节点,并设置有对应的关系强度;
第一确定模块,用于根据所述用户关系图,确定第一用户节点和第二用户节点之间的至少一条关系路径;
第二确定模块,用于基于各所述关系路径包括的多个关系边所对应多个关系强度之间的对比结果确定对应的候选关系数据;
第三确定模块,用于确定至少一个所述候选关系数据中的目标关系数据。
本公开实施例还提供了一种电子设备,所述电子设备包括:处理器;用于存储所述处理器可执行指令的存储器;所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现如本公开实施例提供的用户关系确定方法。
本公开实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序用于执行如本公开实施例提供的用户关系确定方法。
本公开实施例提供的技术方案与现有技术相比具有如下优点:本公开实施例中提供的用户关系确定方案,获取用户原始数据,并根据用户原始数据生成用户关系图;其中,用户关系图由多个用户节点和多个关系边构建得到,每个关系边连接两个用户节点,并设置有对应的关系强度;根据用户关系图,确定第一用户节点和第二用户节点之间的至少一条关系路径;基于各关系路径包括的多个关系边所对应多个关系强度之间的对比结果确定对应的候选关系数据;确定至少一个候选关系数据中的目标关系数据。采用上述技术方案,通过用户原始数据转换得到的用户关系图能够确定两个用户节点之间的至少一条关系路径,针对各关系路径通过对比关系边的关系强度分别确定对应的候选关系数据,进而能够从至少一个候选关系数据中确定两个用户节点之间最终的目标关系数据,仅仅通过对比和确定的技术手段即可获得两个用户之间的关系数据,获取过程的复杂度较低,而且通过关系数据能够更直观的对不同用户之间的关系强度进行表征。
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。
为了更清楚地说明本公开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性的前提下,还可以根据这些附图获得其他的附图。
图1为本公开实施例提供的一种用户关系确定方法的流程示意图;
图2为本公开实施例提供的一种用户关系图的示意图;
图3为本公开实施例提供的另一种用户关系确定方法的流程示意图;
图4为本公开实施例提供的又一种用户关系确定方法的流程示意图
图5为本公开实施例提供的一种用户关系确定装置的结构示意图;
图6为本公开实施例提供的一种电子设备的结构示意图。
具体实施方式
为了能够更清楚地理解本公开的上述目的、特征和优点,下面将对本公开的方案进行进一步描述。需要说明的是,在不冲突的情况下,本公开的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本公开,但本公开还可以采用其他不同于在此描述的方式来实施;显然,说明书中的实施例只是本公开的一部分实施例,而不是全部的实施例。
为了解决上述问题,本公开实施例提供了一种用户关系确定方法,下面结合具体的实施例对该方法进行介绍。
图1为本公开实施例提供的一种用户关系确定方法的流程示意图,该方法可以由用户关系确定装置执行,其中该装置可以采用软件和/或硬件实现,一般可集成在电子设备中。如图1所示,该方法包括:
步骤101,获取用户原始数据,并根据用户原始数据生成用户关系图;其中,用户关系图由多个用户节点和多个关系边构建得到,每个关系边连接两个用户节点,并设置有对应的关系强度。
其中,用户原始数据可以为从多个维度对用户特征进行表征的数据,本实施例对用户原始数据包括的维度不作限制,例如该维度可以包括:基础信息维度、关系信息维度、行为信息维度、轨迹信息维度中的一个或多个。该用户原始数据的类型有多种,本实施例不做限制,例如,该用户原始数据的类型可以为:以键值对的方式记录的数据,例如,用户信息登记表格等,和/或,以段落的方式记录的数据,例如,成段的用户介绍信息等。需要说明的是,上述用户原始数据是在获取了用户授权的前提下获取的。
用户关系图可以为对多个用户之间的关系进行表征的拓扑图,用户关系图可以由用户节点和连接用户节点的关系边组成,其中,用户节点可以为表征用户的节点,该用户节点可以与用户原始数据中涉及的用户一一对应。关系边可以为表征两个用户节点之间具备关系的边,该关系边的类型本实施例不做限制,例如,该关系边的类型可以为具备方向的有向边,有向边可以表征根据发出该有向边的用户节点的相关数据,确定了发出该有向边的用户节点和该有向边指向的用户节点之间的关系。或者,该关系边的类型可以为不具备方向的普通边。每个关系边可以存在对应的关系强度,关系强度可以为表征该关系边连接的两个用户节点之间关系的强弱的参数。该关系强度可以通过强度等级的方式进行划分,具体的强度等级可以根据用户需求进行设置,本实施例不做限制,例如可以将关系强度的强度等级设置为1、2、3、4、5,其中,关系强度随数值的增大逐渐增强。或者,可以将关系强度的强度等级设置为强关系、弱关系、无关系三个等级。
在本实施例中,可以预先设置用户原始数据的存储路径,用户关系确定装置根据该存储路径读取相应的用户原始数据,并且解析该用户原始数据,将用户原始数据中涉及的用户映射为相应的用户节点,得到多个用户节点。并且,根据用户原始数据确定多个用户节点对应的多个用户中具备关联关系的多个用户对。针对每个用户对,提取用户原始数据中与该用户对相关的相关数据,根据该相关数据确定该用户对对应的关系强度。在各用户对的用户节点之间,构建关系边,将关系边和关系强度进行关联。进一步的,在得到多个用户对以及每个用户对之间的关系边之后,提取具备相同用户节点的多个目标用户对,根据多个目标用户对组合成用户关系图。其中,该用户关系图中的每个关系边存在对应的关系强度。
举例而言,如图2所示,图2为本公开实施例提供的一种用户关系图的示意图,图2中,包括表征小王、小李、张三、李四、王五、小红、小张、小明的8个用户节点,部分用户节点之间连接有关系边,每个关系边存在对应的关系强度,关系强度标注在关系边旁。以表征张三、小王、小李的三个用户节点为例,张三用户节点与小王用户节点之间的关系边对应的关系强度为强关系,张三用户节点与小李用户节点之间的关系边对应的关系强度为弱关系,小李用户节点和小王用户节点之间的关系边对应的关系强度为弱关系。
步骤102,根据用户关系图,确定第一用户节点和第二用户节点之间的至少一条关系路径。
其中,第一用户节点可以为用户关系图中的任一用户节点,第二用户节点可以为用户关系图中除第一用户节点之外的一个用户节点。关系路径可以表征第一用户节点和第二用户节点之间建立关系的具体路径。该关系路径可以为从第一用户节点直接至第二用户节点的直接路径,例如,图2中小李与小王直接相连的路径。或者,该关系路径可以为从第一用户节点通过至少一个其他用户节点间接至第二用户节点的间接路径,例如,图2中小李通过张三与小王相连的路径。若该关系路径为直接路径,则该关系路径表征第一用户节点和第二用户节点之间的直接关系,若关系路径为间接路径,则该关系路径表征第一用户节点和第二用户节点之间通过其他用户建立关联的间接关系。可以理解地,第一用户节点和第二用户节点之间的连接方式可能有一种或多种,因而该关系路径的数量可以为一条或多条。
在本实施例中,在确定用户关系图之后,可以根据在拓扑图中确定两个拓扑节点之间路径的关键路径确定算法,确定第一用户节点和第二用户节点之间的至少一条关系路径。
举例而言,如图2所示,小王用户节点和小李的用户节点之间存在两条关系路径,其中一条为小王用户节点和小李的用户节点直接相连的关系路径,另一条为小王用户节点和小李的用户节点通过张三用户节点间接相连的关系路径。
步骤103,基于各关系路径包括的多个关系边所对应多个关系强度之间的对比结果确定对应的候选关系数据。
其中,对比结果可以表征一个关系路径包括的多个关系强度之间的强弱关系。
在本实施例中,针对每个关系路径,确定该关系路径包括的多个关系边,并确定每个关系边对应的关系强度,得到多个关系强度,对该多个关系强度进行对比,获得对比结果,根据对比结果将表征关系最弱的关系强度确定为候选关系数据。
在本实施例中,基于多个关系边确定候选关系数据的方法有多种,本实施例不做限制,举例说明如下:
一种可选的实施方式中,基于各关系路径包括的多个关系边所对应多个关系强度之间的对比结果确定对应的候选关系数据,包括:将各关系路径的多个关系强度进行大小对比,得到对比结果;根据对比结果将最小的关系强度确定为各关系路径对应的候选关系数据。
在本实施例中,针对每个关系路径,确定该关系路径中包括的多个关系强度,对该多个关系强度进行大小对比,确定关系强度排序,将关系强度排序中最小的关系强度作为该关系路径对应的候选关系数据。举例而言,若一条关系路径为第一用户节点通过一个中间用户节点和第二用户节点相连,第一用户节点和该中间用户节点之间的关系边对应的关系强度为强关系强度,该中间用户节点和第二用户节点之间的关系边对应的关系强度为弱关系强度,则确定该关系路径对应的候选关系数据为弱关系强度。
具体地,以关系强度的强度等级包括强关系、弱关系、无关系为例,若多个关系强度为两个强关系,则候选关系数据为强关系。若多个关系强度为一个强关系、一个弱关系,则候选关系数据为弱关系。若多个关系强度为两个弱关系,则候选关系数据为弱关系。若多个关系强度为一个弱关系、一个无关系,则候选关系数据为无关系。若多个关系强度为一个强关系、一个无关系,则候选关系数据为无关系。若多个关系强度为两个无关系,则候选关系数据为无关系。
另一种可选的实施方式中,基于各关系路径包括的多个关系边所对应多个关系强度之间的对比结果确定对应的候选关系数据,包括:针对各关系路径,获取该关系路径中包括的多个关系强度,确定该多个关系强度的强度数量,若该强度数量不大于预设强度数量阈值,则确定对应的候选关系数据为多个关系强度中最小的关系强度。若该强度数量大于预设强度数量阈值,则根据强度数量确定对应的候选关系数据,具体地,可以预先标定强度数量和候选关系数据的数量数据关系,根据该强度数量对该数量数据关系进行查询操作,确定该强度数量对应的候选关系数量。
举例而言,若关系强度的强度等级包括1、2、3、4、5,且该关系路径中第一用节点和第二用户节点通过两个中间用户节点依次相连,且第一用户节点与其相连的中间用户节点之间的关系强度为5,第二用户节点与其相连的中间用户节点之间的关系强度为4,两个中间用户节点之间的关系强度为2,强度数量为3个。若强度数量阈值为2,则根据强度数量对预先标定的数量数据关系进行查询,例如,对数量数据关系进行查询,确定强度数量为3对应的候选关系数据为1。若强度数量阈值为3,则该关系路径对应的候选关系数据为5、4、2三个关系强度中的最小值,该候选关系数据为2。
步骤104,确定至少一个候选关系数据中的目标关系数据。
其中,目标关系数据可以为最终确定的表征第一用户节点和第二用户节点之间关系强弱的数据。
在本公开实施例中,第一用户节点和第二用户节点之间可以存在一条或多条关系路径,每条关系路径存在对应的候选关系数据,该第一用户节点和第二用户节点之间存在至少一个候选关系数据,从该至少一个候选关系数据中确定能够表征第一用户节点和第二用户节点之间的关系的目标关系数据。
一种可选的实施方式中,确定至少一个候选关系数据中的目标关系数据,包括:将至少一个候选关系数据中,最大的候选关系数据确定为目标关系数据。
在本实施例中,针对至少一个关系路径,确定各候选关系路径对应的候选关系数据,获得多个候选关系数据,将该多个候选关系数据中最大的候选关系数据确定为目标关系数据。可以理解地,若第一用户节点和第二用户节点之间存在两条关系路径,其中一条关系路径对应的候选关系数据为强关系,另一条关系路径对应的候选关系数据为弱关系,说明第一用户节点和第二用户节点同时具备强关系和弱关系。可以确定的是,强关系强度能更准确的对第一用户节点和第二用户节点之间的关系进行表征。
在一些实施方式中,该用户关系确定方法还包括:针对用户关系图中任意两个用户节点,确定两个用户节点的目标关系数据;获取待确定用户信息,根据待确定用户信息与用户节点的匹配结果,确定待确定用户信息对应的关系结果。
其中,待确定用户信息可以为待确定目标关系数据的用户节点的相关信息,该待确定用户信息可以由两个用户节点构成。关系结果可以为待确定用户信息包括的两个用户节点之间的目标关系数据。
在本实施例中,用户关系确定装置可以获取用户关系图中包括的多个用户节点,并将多个用户节点进行两两组队,获得多个用户节点对,对于其中任意两个用户节点组成的用户节点对,计算该两个用户节点的目标关系数据,确定了用户关系图中包括的各用户节点对的目标关系数据。后续进行待确定用户信息的目标关系数据的确定时,可以将待确定用户信息和用户关系图中的用户节点进行匹配,将匹配成功的两个用户节点的目标关系数据确定为该待确定用户信息的关系结果。
上述方案中,提前计算了用户关系图中任意两个用户节点之间的目标关系数据,从而在确定用户信息的关系结果时,无需再进行目标关系数据的计算,可以通过查询的方法确定该关系结果。
本公开实施例提供的用户关系确定方法,包括:获取用户原始数据,并根据用户原始数据生成用户关系图;其中,用户关系图由多个用户节点和多个关系边构建得到,每个关系边连接两个用户节点,并设置有对应的关系强度;根据用户关系图,确定第一用户节点和第二用户节点之间的至少一条关系路径;基于各关系路径包括的多个关系边所对应多个关系强度之间的对比结果确定对应的候选关系数据;确定至少一个候选关系数据中的目标关系数据。采用上述技术方案,通过用户原始数据转换得到的用户关系图能够确定两个用户节点之间的至少一条关系路径,针对各关系路径通过对比关系边的关系强度分别确定对应的候选关系数据,进而能够从至少一个候选关系数据中确定两个用户节点之间最终的目标关系数据,仅仅通过对比和确定的技术手段即可获得两个用户之间的关系数据,获取过程的复杂度较低,而且通过关系数据能够更直观的对不同用户之间的关系强度进行表征。
图3为本公开实施例提供的另一种用户关系确定方法的流程示意图,如图3所示,在本公开一些实施例中,根据用户原始数据生成用户关系图,包括:
步骤301,解析用户原始数据,得到多个单位关系数据。
其中,单位关系数据可以为与具备关联关系的两个用户相关的部分用户原始数据。
在本实施例中,将存在关联关系的用户确定为用户对,获得多个用户对,针对每个用户对,提取用户原始数据中与该用户对相关的数据,将该数据作为该用户对对应的单位关系数据,得到多个单位关系数据。
在本公开一些实施例中,解析用户原始数据,得到多个单位关系数据,包括:
步骤a1:提取用户原始数据中多个用户对应的属性信息;其中,属性信息包括:基础信息、关系信息、行为信息、轨迹信息中的至少一类。
其中,属性信息可以为表征用户某一维度特征的数据,属性信息可以基于属性信息名和属性信息值构成,其中,属性信息名为属性信息的名称,属性信息值为属性信息的具体值。基础信息可以为表征用户基本特征的信息,本实施例对该基础信息不做限制,例如该基础信息包括但不限于:姓名、性别、年龄、籍贯、住址、工作经历、学习经历中的一个或多个。关系信息可以为表征用户与其他用户关系的信息,本实施例对该关系信息不做限制,例如,该关系信息可以包括该用户的家庭成员,以及该用户与各家庭成员之间的具体关系。行为信息可以为表征用户出行行为的信息,本实施例对该行为信息不做限制,例如,该行为信息可以包括:航班次信息、车次信息、乘坐车牌信息、经过地点信息等。轨迹信息可以为表征用户经过的地点的信息,该轨迹信息可以基于用户的扫码行为确定,该轨迹信息可以由时间信息、地点信息、用户的姓名信息构成。
在本实施例中,针对用户关系数据中包括的各用户,可以从用户原始数据中,提取该用户的属性信息,该提取方法可以根据用户原始数据的类型确定,例如,若用户原始数据为用户信息登记表格,该登记表格由项目(即,键)和每个项目对应的具体值(即,值)组成,则可以读取该表格数据中的项目,将该项目作为属性信息的属性信息名,将该项目的具体值作为属性信息的属性信息值。若用户原始数据为关于用户的文字段落,则可以基于自然语言处理(Natural Language Processing,NLP)技术从该文字段落中提取出属性信息。
步骤a2:基于属性信息提取多个用户对,其中,每个用户对包括两个用户。
在本实施例中,确定各用户对应的属性信息之后,将多个两两用户中,具备至少一个相同属性信息的两个用户确定为一个用户对,
在本实施例中,基于属性信息提取多个用户对,包括:针对任意两个用户,若确定至少一类属性信息的相似度大于相似度阈值,和/或,确定至少一类属性信息具有历史相似记录,则将该两个用户确定为一个用户对,得到多个用户对。
具体地,在本实施例中,将属性信息进行比较时,可以先确定具备相同属性信息名的属性信息,进而将该属性信息的属性信息值进行比较。对属性信息进行比较的方法包括但不限于以下示例:
一种可选的实施方式中,可以确定两个属性信息值中相同的字符数量,并且确定两个属性信息值中的字符总数量,根据相同的字符数量和字符总数量的比值,确定两个属性信息值的相似度,若该相似度大于相似度阈值,则确定该两个属性信息值相同,即该两个属性信息值对应的属性信息相同,将该两个用户确定为用户对。
另一种可选的实施方式中,可以预先获取历史相似记录,根据该两个属性信息值在历史相似记录中进行查询操作,若查询到该两个属性信息值,说明该两个属性信息值曾经确定匹配成功,则确定该两个属性值为相同的属性值,即该两个属性信息值对应的属性信息相同,将该两个用户确定为用户对。在该历史相似记录中,可以存在组织全称和组织简称的对应关系。
可选的,在对属性信息值进行比较之前,还可以对属性信息值进行文本纠错处理,具体地,可以建立标准值库,将属性信息值和标准值库中的标准值进行匹配,若未匹配成功,确定与属性信息值的相似度最大的目标标准值,若该属性信息值与目标标准值的相似度大于相似度阈值,则将该属性信息值更新为目标标准值,获得更新后的属性信息值。
可选的,若属性信息名的类型为地址,可以对属性信息值进行划分处理,获得多个属性信息子值,将两个属性信息值中对应的属性信息子值进行对比,若各属性信息子值均相同,则确定该两个属性信息值相同,即该两个属性信息相同。举例而言,若属性信息值中包括省、市、县等关键字,提取关键字前的字符,将该属性信息值划分为三个属性信息子值,将该三个属性信息子值分别进行匹配,若均匹配成功,则确定该两个属性信息相同。
步骤a3:将一个用户对以及该用户对的至少一类目标属性信息确定为一个单位关系数据,得到多个单位关系数据。
其中,目标属性信息包括:相似度大于相似度阈值的属性信息,和/或具有历史相似记录的属性信息。其中,相似度阈值可以为字符相似度的最小值,历史相似记录可以为基于历史的属性信息相似度匹配结果确定的记录。
在本实施例中,将同一用户对中两个用户的属性信息进行比较。确定其中的目标属性信息,并将用户对以及该目标属性信息确定为单位关系数据,每个用户对存在一个对应的单位关系数据,得到多个单位关系数据。
步骤302,针对每个单位关系数据,将其中包括的用户对中两个用户确定为两个用户节点,并构建两个用户节点之间的关系边,将两个用户节点和关系边组合确定为单位关系数据对应的单位关系图。
在本实施例中,分别将每个单位关系数据作为目标单位关系数据,将该目标单位关系数据中的各用户映射为相应的用户节点,构建连接该两个用户节点的关系边,将该两个用户节点和该关系边作为一个单位关系图。
步骤303,将多个单位关系数据所对应的多个单位关系图组合得到用户关系图。
在本实施例中,每个单位关系数据存在对应的单位关系图,根据多个单位关系数据,得到多个单位关系图,将其中具备相同用户节点的单位关系图进行组合,从而将该多个单位关系图组合为用户关系图。
举例而言,如图2所示,若存在基于小李用户节点和张三用户节点组成的单位关系图、基于小李用户节点和小王用户节点组成的单位关系图、基于小王用户节点和张三用户节点组成的单位关系图,则可以组成图2中整体用户关系图中基于小王用户节点、小李用户节点、张三用户节点组成的部分用户关系图。
上述方案中,通过用户原始数据得到了多个单位关系数据,并确定了每个单位关系数据对应的单位关系图,进而基于多个单位关系图组合确定了用户关系图,通过单位关系数据能够更细颗粒度的对用户原始数据进行处理,同时也提高了根据与原始数据确定用户关系图的效率。
在一些实施例中,该用户关系确定方法还包括:针对每个单位关系图,确定该单位关系图对应的用户对的至少一类目标属性信息的最大关系强度,并将最大关系强度作为该单位关系图中关系边的关系强度,其中,每类目标属性信息具有对应的关系强度。
在本实施例中,可以预先设置有目标属性信息和关系强度的对应关系。可以理解地,一个用户对对应的相同的属性信息可以为多个,即目标属性信息的数量可以为多个,确定各目标属性信息对应的关系强度,获得至少一个关系强度,将该至少一个关系强度中的最大关系强度确定为该单位关系图中关系边的关系强度。
举例而言,若第一用户和第二用户的目标属性信息包括学校信息和直系亲属信息,其中学校信息对应的关系强度为弱关系,直系亲属信息对应的关系强度为强关系,则可以确定第一用户节点和第二用户节点的关系边对应的关系强度为强关系。
其中,目标属性信息和强度关系的对应关系可以包括下述至少一个;网友关系信息对应弱关系,同校老师信息对应弱关系,同学信息对应弱关系,同事信息对应弱关系,领导下属信息对应弱关系,直系亲属信息对应强关系、旁系亲属信息对应弱关系、恋人关系对应弱关系、时空重叠关系对应弱关系、同航班/车次关系对应弱关系、邻居关系对应弱关系、同乡关系对应弱关系。
上述方案中,将多个目标属性信息对应该多个关系强度中最大的关系强度确定为了对应的关系边的关系强度,符合用户之间关系的判断逻辑,降低了确定关系边对应的关系强度的计算量。
接下来通过一个具体的示例对本公开实施例中的用户关系确定方法,进行进一步说明。图4为本公开实施例提供的又一种用户关系确定方法的流程示意图,如图4所示,该用户关系确定方法包括:
步骤401,采集人员基本信息和人员轨迹信息。其中,人员基本信息包括:姓名、性别、出生日期、年龄、学历、出生地、住址、工作经历、学习经历、家庭成员关系、航班号、车次中的一个或多个。人员轨迹信息可以为通过扫码系统收集的信息,包括:姓名、地点、时间等。
步骤402,通过文本提取获得属性信息,将提取出的属性信息进行文本纠错、语义归一化、文本匹配,确定目标属性信息,根据目标属性信息确定对应关系边的关系强度。
具体地,将人员基本信息和人员轨迹信息通过自然语言处理技术进行比对,生成用户关系图。其中,将人员基本信息和人员轨迹信息通过自然语言处理技术进行比对,包括:提取用户对应的住址信息,若住址信息在预先设置的地理信息知识库中未匹配成功,根据字符相似度确定地理信息知识库中最接近的目标住址信息,根据目标住址信息对原始的住址信息进行纠错处理。进一步地,将住址信息中的省,市,县(区)进行归一化处理。进一步地,将归一化处理之后的住址信息进行匹配,若两个住址信息的相似度大于相似度阈值,则确定该两个住址信息匹配成功,或者,若两个住址信息在历史相似记录中,则确定该两个住址信息匹配成功,或者,若两个住址信息为简称及其对应的全称,则确定该两个住址信息匹配成功。最后,根据匹配成功的目标属性信息,生成初始关系图。
步骤403,将初始关系图存储至图形数据库。
步骤404,针对各存在关系边的两个用户节点,根据用户节点对应的目标属性信息,确定该关系边对应的关系强度;针对各关系路径,根据该关系路径包括的多个关系边确定多个关系强度,将其中最小的关系强度确定为关系路径对应的候选关系数据;确定多个关系路径对应的多个候选关系数据,将其中最大的候选关系数据确定为目标关系数据。
其中,将其中最小的关系强度确定为关系路径对应的候选关系数据,包括:若关系强度为两个强关系则候选关系数据为强关系,若关系强度为一个强关系一个弱关系则候选关系数据为弱关系,若关系强度为两个弱关系则候选关系数据为弱关系,若关系强度为一个弱关系一个无关系则候选关系数据为无关系,若关系强度为一个强关系一个无关系则候选关系数据为无关系,若关系强度为两个个无关系,则候选关系数据为无关系。
或者,可以根据目标属性信息确定该关系边对应的关系强度,针对各关系路径,根据该关系路径包括的多个关系边确定多个关系强度,将该多个关系强度的乘积确定为该关系路径对应的候选关系数据;确定多个关系路径对应的多个候选关系数据,将多个候选关系数据的和确定为目标关系数据。
步骤405,基于初始关系图生成用户关系图。
步骤406,根据输入的单个用户节点和关系强度确定目标用户节点,或者根据输入的待确定用户信息确定关系结果。其中,待确定用户信息包括两个用户节点。
上述方案中,将用户之间的关系量化处理,更能直观的对社会网络关系进行表达。并且,通过将用户之间的关系通过目标关系数据进行表示,为后续的检索提供了依据。通过自然语言处理技术对居住地址,学习经历,工作经历等属性信息进行语义识别,将复杂文本转为用户之间的关系。通过对比规则将社会网络关系量化处理,为社会关系的确定提供了便利。
图5为本公开实施例提供的一种用户关系确定装置的结构示意图,该装置可由软件和/或硬件实现,一般可集成在电子设备中。如图5所示,该装置包括:
生成模块501,用于获取用户原始数据,并根据所述用户原始数据生成用户关系图;其中,所述用户关系图由多个用户节点和多个关系边构建得到,每个所述关系边连接两个用户节点,并设置有对应的关系强度;
第一确定模块502,用于根据所述用户关系图,确定第一用户节点和第二用户节点之间的至少一条关系路径;
第二确定模块503,用于基于各所述关系路径包括的多个关系边所对应多个关系强度之间的对比结果确定对应的候选关系数据;
第三确定模块504,用于确定至少一个所述候选关系数据中的目标关系数据。
可选的,所述生成模块501,包括:
解析单元,用于解析所述用户原始数据,得到多个单位关系数据;
处理单元,用于针对每个所述单位关系数据,将其中包括的用户对中两个用户确定为两个用户节点,并构建所述两个用户节点之间的关系边,将所述两个用户节点和所述关系边组合确定为所述单位关系数据对应的单位关系图;
组合单元,用于将所述多个单位关系数据所对应的多个单位关系图组合得到所述用户关系图。
可选的,所述解析单元,用于:
第一提取子单元,用于提取所述用户原始数据中多个用户对应的属性信息;其中,所述属性信息包括:基础信息、关系信息、行为信息、轨迹信息中的至少一类;
第二提取子单元,用于基于所述属性信息提取多个用户对,其中,每个所述用户对包括两个用户;
确定子单元,用于将一个用户对以及该用户对的至少一类目标属性信息确定为一个单位关系数据,得到多个单位关系数据。
可选的,所述第二提取子单元,用于:
针对任意两个用户,若确定至少一类属性信息的相似度大于相似度阈值,和/或,确定至少一类属性信息具有历史相似记录,则将该两个用户确定为一个用户对,得到多个用户对。
可选的,所述目标属性信息包括相似度大于所述相似度阈值的属性信息,和/或具有所述历史相似记录的属性信息。
可选的,所述装置还包括:
第四确定模块,用于针对每个所述单位关系图,确定该单位关系图对应的用户对的至少一类目标属性信息的最大关系强度,并将所述最大关系强度作为该单位关系图中关系边的关系强度,其中,每类所述目标属性信息具有对应的关系强度。
可选的,所述第二确定模块503,用于:
将各所述关系路径的多个关系强度进行大小对比,得到对比结果;
根据所述对比结果将最小的关系强度确定为各所述关系路径对应的候选关系数据。
可选的,所述第三确定模块504,用于:
将所述至少一个所述候选关系数据中,最大的候选关系数据确定为目标关系数据。
可选的,所述装置还包括:
第五确定模块,用于针对所述用户关系图中任意两个用户节点,确定所述两个用户节点的目标关系数据;获取待确定用户信息,根据所述待确定用户信息与所述用户节点的匹配结果,确定所述待确定用户信息对应的关系结果。
本公开实施例所提供的用户关系确定装置可执行本公开任意实施例所提供的用户关系确定方法,具备执行方法相应的功能模块和有益效果。
图6为本公开实施例提供的一种电子设备的结构示意图。如图6所示,电子设备600包括一个或多个处理器601和存储器602。
处理器601可以是中央处理单元(CPU)或者具有用户关系确定能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备600中的其他组件以执行期望的功能。
存储器602可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器601可以运行所述程序指令,以实现上文所述的本公开的实施例的用户关系确定方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如输入信号、信号分量、噪声分量等各种内容。
在一个示例中,电子设备600还可以包括:输入装置603和输出装置604,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。
此外,该输入装置603还可以包括例如键盘、鼠标等等。
该输出装置604可以向外部输出各种信息,包括确定出的距离信息、方向信息等。该输出装置604可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图6中仅示出了该电子设备600中与本公开有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备600还可以包括任何其他适当的组件。
除了上述方法和设备以外,本公开的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本公开实施例所提供的用户关系确定方法。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本公开实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本公开的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本公开实施例所提供的用户关系确定方法。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
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。
以上所述仅是本公开的具体实施方式,使本领域技术人员能够理解或实现本公开。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公开的精神或范围的情况下,在其它实施例中实现。因此,本公开将不会被限制于本文所述的这些实施例,而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
Claims (12)
1.一种用户关系确定方法,其特征在于,包括:
获取用户原始数据,并根据所述用户原始数据生成用户关系图;其中,所述用户关系图由多个用户节点和多个关系边构建得到,每个所述关系边连接两个用户节点,并设置有对应的关系强度;
根据所述用户关系图,确定第一用户节点和第二用户节点之间的至少一条关系路径;
基于各所述关系路径包括的多个关系边所对应多个关系强度之间的对比结果确定对应的候选关系数据;
确定至少一个所述候选关系数据中的目标关系数据。
2.根据权利要求1所述的方法,其特征在于,所述根据所述用户原始数据生成用户关系图,包括:
解析所述用户原始数据,得到多个单位关系数据;
针对每个所述单位关系数据,将其中包括的用户对中两个用户确定为两个用户节点,并构建所述两个用户节点之间的关系边,将所述两个用户节点和所述关系边组合确定为所述单位关系数据对应的单位关系图;
将所述多个单位关系数据所对应的多个单位关系图组合得到所述用户关系图。
3.根据权利要求2所述的方法,其特征在于,所述解析所述用户原始数据,得到多个单位关系数据,包括:
提取所述用户原始数据中多个用户对应的属性信息;其中,所述属性信息包括:基础信息、关系信息、行为信息、轨迹信息中的至少一类;
基于所述属性信息提取多个用户对,其中,每个所述用户对包括两个用户;
将一个用户对以及该用户对的至少一类目标属性信息确定为一个单位关系数据,得到多个单位关系数据。
4.根据权利要求3所述的方法,其特征在于,所述基于所述属性信息提取多个用户对,包括:
针对任意两个用户,若确定至少一类属性信息的相似度大于相似度阈值,和/或,确定至少一类属性信息具有历史相似记录,则将该两个用户确定为一个用户对,得到多个用户对。
5.根据权利要求4所述的方法,其特征在于,所述目标属性信息包括相似度大于所述相似度阈值的属性信息,和/或具有所述历史相似记录的属性信息。
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:
针对每个所述单位关系图,确定该单位关系图对应的用户对的至少一类目标属性信息的最大关系强度,并将所述最大关系强度作为该单位关系图中关系边的关系强度,其中,每类所述目标属性信息具有对应的关系强度。
7.根据权利要求1所述的方法,其特征在于,所述基于各所述关系路径包括的多个关系边所对应多个关系强度之间的对比结果确定对应的候选关系数据,包括:
将各所述关系路径的多个关系强度进行大小对比,得到对比结果;
根据所述对比结果将最小的关系强度确定为各所述关系路径对应的候选关系数据。
8.根据权利要求1所述的方法,其特征在于,所述确定至少一个所述候选关系数据中的目标关系数据,包括:
将所述至少一个所述候选关系数据中,最大的候选关系数据确定为目标关系数据。
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
针对所述用户关系图中任意两个用户节点,确定所述两个用户节点的目标关系数据;
获取待确定用户信息,根据所述待确定用户信息与所述用户节点的匹配结果,确定所述待确定用户信息对应的关系结果。
10.一种用户关系确定装置,其特征在于,包括:
生成模块,用于获取用户原始数据,并根据所述用户原始数据生成用户关系图;其中,所述用户关系图由多个用户节点和多个关系边构建得到,每个所述关系边连接两个用户节点,并设置有对应的关系强度;
第一确定模块,用于根据所述用户关系图,确定第一用户节点和第二用户节点之间的至少一条关系路径;
第二确定模块,用于基于各所述关系路径包括的多个关系边所对应多个关系强度之间的对比结果确定对应的候选关系数据;
第三确定模块,用于确定至少一个所述候选关系数据中的目标关系数据。
11.一种电子设备,其特征在于,所述电子设备包括:
处理器;
用于存储所述处理器可执行指令的存储器;
所述处理器,用于从所述存储器中读取所述可执行指令,并执行所述指令以实现上述权利要求1-9中任一所述的用户关系确定方法。
12.一种计算机可读存储介质,其特征在于,所述存储介质存储有计算机程序,所述计算机程序用于执行上述权利要求1-9中任一所述的用户关系确定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211365486.XA CN115470379A (zh) | 2022-11-03 | 2022-11-03 | 用户关系确定方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211365486.XA CN115470379A (zh) | 2022-11-03 | 2022-11-03 | 用户关系确定方法、装置、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115470379A true CN115470379A (zh) | 2022-12-13 |
Family
ID=84338186
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211365486.XA Pending CN115470379A (zh) | 2022-11-03 | 2022-11-03 | 用户关系确定方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115470379A (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7512612B1 (en) * | 2002-08-08 | 2009-03-31 | Spoke Software | Selecting an optimal path through a relationship graph |
CN105069145A (zh) * | 2015-08-20 | 2015-11-18 | 中国科学院计算技术研究所 | 用于确定社交网络用户关系强度的方法及系统 |
CN106845706A (zh) * | 2017-01-19 | 2017-06-13 | 浙江工商大学 | 在线社交网络用户关系强度预测方法 |
CN107862530A (zh) * | 2016-09-19 | 2018-03-30 | 阿里巴巴集团控股有限公司 | 建立用户人际关系信息的方法及装置 |
CN111274495A (zh) * | 2020-01-20 | 2020-06-12 | 平安科技(深圳)有限公司 | 用户关系强度的数据处理方法、装置、计算机设备及存储介质 |
CN113641725A (zh) * | 2021-07-30 | 2021-11-12 | 上海东普信息科技有限公司 | 信息展示方法、装置、设备及存储介质 |
-
2022
- 2022-11-03 CN CN202211365486.XA patent/CN115470379A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7512612B1 (en) * | 2002-08-08 | 2009-03-31 | Spoke Software | Selecting an optimal path through a relationship graph |
CN105069145A (zh) * | 2015-08-20 | 2015-11-18 | 中国科学院计算技术研究所 | 用于确定社交网络用户关系强度的方法及系统 |
CN107862530A (zh) * | 2016-09-19 | 2018-03-30 | 阿里巴巴集团控股有限公司 | 建立用户人际关系信息的方法及装置 |
CN106845706A (zh) * | 2017-01-19 | 2017-06-13 | 浙江工商大学 | 在线社交网络用户关系强度预测方法 |
CN111274495A (zh) * | 2020-01-20 | 2020-06-12 | 平安科技(深圳)有限公司 | 用户关系强度的数据处理方法、装置、计算机设备及存储介质 |
CN113641725A (zh) * | 2021-07-30 | 2021-11-12 | 上海东普信息科技有限公司 | 信息展示方法、装置、设备及存储介质 |
Non-Patent Citations (3)
Title |
---|
RONGJING XIANG等: "Modeling relationship strength in online social networks", 《PROCEEDINGS OF THE 19TH INTERNATIONAL CONFERENCE ON WORLD WIDE WEB》 * |
张俊豪等: "基于距离模型的用户关系强度评估", 《理论研究》 * |
王艳茹等: "基于多标签语义关联关系的微博用户兴趣建模方法", 《计算机工程与科学》 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10347019B2 (en) | Intelligent data munging | |
US9424524B2 (en) | Extracting facts from unstructured text | |
US10713306B2 (en) | Content pattern based automatic document classification | |
US9104709B2 (en) | Cleansing a database system to improve data quality | |
EP3201795A1 (en) | Distant supervision relationship extractor | |
US10108698B2 (en) | Common data repository for improving transactional efficiencies of user interactions with a computing device | |
CN110033382B (zh) | 一种保险业务的处理方法、装置及设备 | |
US20120233214A1 (en) | Named entity database or mining rule database update apparatus and method using named entity database and mining rule merged ontology schema | |
CN112632226A (zh) | 基于法律知识图谱的语义搜索方法、装置和电子设备 | |
JP6409071B2 (ja) | 文の並び替え方法および計算機 | |
WO2019085118A1 (zh) | 基于主题模型的关联词分析方法、电子装置及存储介质 | |
US20170161358A1 (en) | Categorizing columns in a data table | |
CN112632223A (zh) | 案事件知识图谱构建方法及相关设备 | |
CN109829048B (zh) | 电子装置、访谈辅助方法和计算机可读存储介质 | |
CN115470379A (zh) | 用户关系确定方法、装置、设备及介质 | |
US20210357867A1 (en) | Method, system and computer-readable medium for information retrieval | |
AU2019290658B2 (en) | Systems and methods for identifying and linking events in structured proceedings | |
CN113919352A (zh) | 数据库敏感数据识别方法及装置 | |
Butcher | Contract Information Extraction Using Machine Learning | |
CN117725189B (zh) | 专业领域的生成式问答方法及电子设备 | |
WO2019030884A1 (ja) | レビュア管理システムおよび方法 | |
US11321615B1 (en) | Method and system for domain agnostic knowledge extraction | |
US20240193162A1 (en) | System and Method for Joining Datasets | |
JP2018151805A (ja) | データ項目名推定装置、データ項目名推定方法、及びプログラム | |
Zubarev et al. | Method for Expert Search Using Topical Similarity of Documents |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221213 |