CN117194997A - 基于穿戴设备的好友推荐方法、装置、设备及存储介质 - Google Patents
基于穿戴设备的好友推荐方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117194997A CN117194997A CN202311138891.2A CN202311138891A CN117194997A CN 117194997 A CN117194997 A CN 117194997A CN 202311138891 A CN202311138891 A CN 202311138891A CN 117194997 A CN117194997 A CN 117194997A
- Authority
- CN
- China
- Prior art keywords
- motion
- preference
- user
- candidate
- target user
- 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 57
- 238000003860 storage Methods 0.000 title claims abstract description 22
- 230000033001 locomotion Effects 0.000 claims abstract description 731
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004891 communication Methods 0.000 claims description 15
- 230000000386 athletic effect Effects 0.000 description 9
- 230000009182 swimming Effects 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000000694 effects Effects 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
- 238000012545 processing Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000009194 climbing Effects 0.000 description 2
- 150000001875 compounds Chemical class 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000009955 starching Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 229920002430 Fibre-reinforced plastic Polymers 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000036772 blood pressure Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000019800 disodium phosphate Nutrition 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000011151 fibre-reinforced plastic Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请提供了基于穿戴设备的好友推荐方法、装置、设备及存储介质，方法包括：获取目标用户对应的基于穿戴设备采集的第一历史运动状态数据及对应的运动定位数据；基于运动定位数据确定目标用户对应的目标运动城市信息；获取多个候选用户中各候选用户分别对应的基于穿戴设备采集的第二历史运动状态数据；其中，候选用户为与目标用户具有相同的目标运动城市信息的用户；基于各第二历史运动状态数据和第一历史运动状态数据分别确定各候选用户与目标用户之间的运动偏爱相似度；根据运动偏爱相似度从候选用户中确定至少一个目标用户对应的推荐好友。本申请实现了根据用户的实际运动数据来对用户之间的运动偏爱相似度的确定，提高了好友推荐的准确度。
Description
技术领域
本申请涉及通信技术领域，尤其涉及一种基于穿戴设备的好友推荐方法、装置、设备及存储介质。
背景技术
随着人们对健康生活方式的重视，越来越多的人开始喜欢运动。无论是跑步、游泳、骑车还是健身房锻炼，运动已经成为许多人生活中不可或缺的一部分。与此同时，穿戴设备也逐渐流行起来。这些设备能够帮助人们更好地记录运动数据，监测身体状况，为运动提供更多的便利和乐趣。因此，越来越多的人在运动时习惯佩戴穿戴设备，以便更好地管理自己的健康。
为丰富人们使用穿戴设备的体验，除了记录运动数据和监测身体状况外，许多穿戴设备还支持添加好友等社交功能。例如，为辅助用户添加好友，相关技术中通常使用社交软件上的好友推荐思路，包括根据共同好友的好友情况为用户匹配推荐好友，或者根据用户为自己自定义的兴趣标签来为用户匹配爱好相似的推荐好友。然而，在穿戴设备上基于共同好友的好友情况为用户匹配推荐好友对于用户来说需求较低，而根据用户自定义兴趣标签来为用户匹配相似的推荐好友，则由于标签往往缺乏真实性，推荐好友的实际爱好契合度较低，推荐效果也不好。
发明内容
本申请实施例提供了基于穿戴设备的好友推荐方法、装置、设备及存储介质，能够提高推荐好友与用户的爱好契合度，提高好友推荐的准确率和推荐效果。
第一方面，本申请实施例提供了一种基于穿戴设备的好友推荐方法，包括：
获取目标用户对应的基于穿戴设备采集得到的第一历史运动状态数据及对应的运动定位数据；
基于所述运动定位数据确定所述目标用户对应的目标运动城市信息；
获取多个候选用户中各候选用户分别对应的基于穿戴设备采集得到的第二历史运动状态数据；其中，所述候选用户为与所述目标用户具有相同的所述目标运动城市信息的用户；
基于各所述第二历史运动状态数据和所述第一历史运动状态数据分别确定各所述候选用户与所述目标用户之间的运动偏爱相似度；
根据所述运动偏爱相似度从所述候选用户中确定至少一个所述目标用户对应的推荐好友。
第二方面，本申请实施例提供了一种基于穿戴设备的好友推荐装置，包括：
第一获取单元，用于获取目标用户对应的基于穿戴设备采集得到的第一历史运动状态数据及对应的运动定位数据；
第一确定单元，用于基于所述运动定位数据确定所述目标用户对应的目标运动城市信息；
第二获取单元，用于获取多个候选用户中各候选用户分别对应的基于穿戴设备采集得到的第二历史运动状态数据；其中，所述候选用户为与所述目标用户具有相同的所述目标运动城市信息的用户；
第二确定单元，用于基于各所述第二历史运动状态数据和所述第一历史运动状态数据分别确定各所述候选用户与所述目标用户之间的运动偏爱相似度；
第三确定单元，用于根据所述运动偏爱相似度从所述候选用户中确定至少一个所述目标用户对应的推荐好友。
第三方面，本申请实施例还提供了一种计算机设备，其包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现上述第一方面的基于穿戴设备的好友推荐方法。
第四方面，本申请实施例还提供了一种计算机可读存储介质，其中计算机可读存储介质存储有计算机程序，计算机程序当被处理器执行时使处理器执行上述第一方面的基于穿戴设备的好友推荐方法。
本申请提供了基于穿戴设备的好友推荐方法、装置、设备及存储介质，方法包括：获取目标用户对应的基于穿戴设备采集得到的第一历史运动状态数据及对应的运动定位数据；基于所述运动定位数据确定所述目标用户对应的目标运动城市信息；获取多个候选用户中各候选用户分别对应的基于穿戴设备采集得到的第二历史运动状态数据；其中，所述候选用户为与所述目标用户具有相同的所述目标运动城市信息的用户；基于各所述第二历史运动状态数据和所述第一历史运动状态数据分别确定各所述候选用户与所述目标用户之间的运动偏爱相似度；根据所述运动偏爱相似度从所述候选用户中确定至少一个所述目标用户对应的推荐好友。本申请通过根据目标用户的穿戴设备采集得到的历史运动状态数据(第一历史运动状态数据)对应的运动定位数据来确定用户的目标运动城市信息，进而根据与目标用户具有相同的目标运动城市信息的多个候选用户的历史运动状态数据(第二历史运动状态数据)和目标用户的历史运动状态数据来确定出各候选用户与目标用户之间的运动偏爱相似度，从而根据各候选用户与目标用户之间的运动偏爱相似度来确定目标用户对应的推荐好友，一方面，实现了根据用户的实际运动数据来对用户之间的运动偏爱相似度的确定，有利于确定出实际的爱好契合度高的推荐好友，提高好友推荐的准确度，另一方面，候选用户与目标用户具有相同的目标运动城市信息，实现同城交友，便于用户根据共同爱好而结伴运动，提高用户运动的积极性。
附图说明
为了更清楚地说明本申请实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，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为本申请实施例提供的基于穿戴设备的好友推荐方法的流程示意图；
图2为本申请实施例提供的基于穿戴设备的好友推荐方法的子流程示意图；
图3为本申请实施例提供的基于穿戴设备的好友推荐方法的另一子流程示意图；
图4为本申请实施例提供的基于穿戴设备的好友推荐方法的另一子流程示意图；
图5为本申请实施例提供的基于穿戴设备的好友推荐方法的另一子流程示意图；
图6为本申请实施例提供的基于穿戴设备的好友推荐装置的示意性框图；
图7为本申请实施例提供的计算机设备的示意性框图。
具体实施方式
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。
应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在此本申请说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本申请。如在本申请说明书和所附权利要求书中所使用的那样，除非上下文清楚地指明其它情况，否则单数形式的“一”、“一个”及“该”意在包括复数形式。
还应当进一步理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
本申请提供了一种基于穿戴设备的好友推荐方法、装置、设备及存储介质，能够提高推荐好友与用户的爱好契合度，提高好友推荐的准确率和推荐效果。该基于穿戴设备的好友推荐方法的执行主体可以是本申请实施例提供的基于穿戴设备的好友推荐装置，可以是集成了该基于穿戴设备的好友推荐装置的计算机设备，其中，该基于穿戴设备的好友推荐装置可以采用硬件或者软件的方式实现，该计算机设备可以为终端或服务器，该终端可以是智能穿戴设备、智能手机、平板电脑、掌上电脑、或者笔记本电脑等。
请参阅图1，图1为本申请一实施例提供的基于穿戴设备的好友推荐方法的流程示意图，在具体实施时，该方法的执行主体可以为与穿戴设备通信连接的后端服务器，该方法具体包括下述步骤S101至步骤S105。
步骤S101、获取目标用户对应的基于穿戴设备采集得到的第一历史运动状态数据及对应的运动定位数据。
其中，目标用户指为其进行好友推荐的用户；上述第一历史运动状态数据为目标用户在历史运动过程中，由佩戴的穿戴设备所采集到的运动状态数据；在具体实施时，第一历史运动状态数据可以具体包括目标用户的运动类型数据和该运动类型数据对应的运动时间数据。该运动时间数据可以包括运动时长数据和运动时间段数据。
在一些实施方式中，上述运动状态数据还可以进一步包括目标用户在运动时的身体状态数据，包括心率、血压、步幅、频率等。
上述运动定位数据为目标用户在进行第一历史运动状态数据中的各运动类型时的定位数据。为精确反映用户的运动定位，在具体实施时，可以为实时的定位数据，例如，经纬度信息。在具体实施时，运动定位数据可以由目标用户佩戴的配置有定位模块的穿戴设备一并采集得到。
其中，为保证数据的有效性，上述第一历史运动状态数据可以为距离当前的预设时间段内的历史运动状态数据，该预设时间段可以根据实际情况确定，例如，半年或三个月等。
在具体实施时，当用户开启运动模式时，穿戴设备可以以第一预设时间间隔(例如，通常5秒)采集一次用户的运动数据，并发送至后端服务器。后端服务器(本申请的执行主体)则可以以第二预设时间间隔(例如，3小时)获取第一历史运动状态数据及对应的运动定位数据，并继续执行本申请后续提供的方法，确定目标用户的推荐好友。
步骤S102、基于所述运动定位数据确定所述目标用户对应的目标运动城市信息。
其中，上述目标运动城市信息用于指示目标用户的主要运动城市。在具体实施时，若运动定位数据为目标用户运动时的实时定位数据，例如，经维度信息，则可以将实时定位数据与所在城市对应，计算各城市对应的运动总频次，进而可以取运动总频次最高的城市作为目标用户对应的目标运动城市信息；也可以将总频次较高的一个或多个城市集合而成的大范围城市确定为目标用户对应的目标运动城市信息。
其中，上述将实时定位数据与所在城市对应的过程，对应的城市的颗粒度可以根据实际情况确定，例如，可以是对应到地级市、地级市的区、地级市的区中的某个特征区域(例如，XX公园)等。可以理解的是，对应的城市的颗粒度越小，基于运动定位数据确定的目标运动城市信息的颗粒度也更小，目标运动城市信息更准确。
步骤S103、获取多个候选用户中各候选用户分别对应的基于穿戴设备采集得到的第二历史运动状态数据；所述候选用户为与所述目标用户具有相同的所述目标运动城市信息的用户。
具体的，可以获取根据其余的各用户对应的目标运动城市信息，进而将与目标用户具有相同的目标运动城市信息的用户确定为候选用户。在此基础上，获取各候选用户分别对应的第二历史运动状态数据。
其中，第二历史运动状态数据为候选用户在历史运动过程中，由佩戴的穿戴设备所采集到的运动状态数据。
其中，为保证数据的有效性，上述第二历史运动状态数据可以同为距离当前的预设时间段内的历史运动状态数据，该预设时间段可以根据实际情况确定，例如，半年或三个月等。
其中，获取到的第二历史运动状态数据可以为候选用户在目标运动城市信息对应的城市下运动而产生的运动状态数据。即，基于获取到的第二历史运动状态数据对应的运动定位数据确定的目标运动城市信息与目标用户的目标运动城市信息相同。
在具体实施时，由于每个用户开启运动模式时，穿戴设备均以第一预设时间间隔采集用户的运动数据并发送至后端服务器，对应每个用户，后端服务器均以第二预设时间间隔获取该用户对应的历史运动状态数据及对应的运动定位数据，并依据该历史运动状态数据及对应的运动定位数据确定出该用户对应的目标运动城市信息，从而得到各用户对应的目标运动城市信息。当各用户中的某个用户为目标用户时，则根据其余的各用户对应的目标运动城市信息从其余的用户中确定出与该目标用户具有相同的目标运动城市信息的候选用户，候选用户对应的该历史运动状态数据为第二历史运动状态数据。
步骤S104、基于各所述第二历史运动状态数据和所述第一历史运动状态数据分别确定各所述候选用户与所述目标用户之间的运动偏爱相似度。
其中，上述运动偏爱相似度反映目标用户与候选用户所偏爱的运动类型的相似度，其可以反映目标用户与候选用户之间的运动爱好的相似程度。本实施例中，反映目标用户的运动偏好的数据为第一历史运动状态数据，反映候选用户的运动偏好的数据为第二历史运动状态数据，通过对第一历史运动状态数据和各候选用户分别对应的第二历史运动状态数据进行分析可以确定出目标用户与各候选用户之间的运动偏爱相似度。
在具体实施时，考虑到用户越偏爱一个运动，在预设时间内该运动的频次就会越高，因此，可以根据第一历史运动状态数据确定出目标用户对应的各第一运动类型分别对应的第一运动频次数据，对于每一候选用户，根据候选用户对应的第二历史运动状态数据确定出候选用户对应的各第二运动类型分别对应的第二运动频次数据，进而可以根据各第一运动类型分别对应的第一运动频次数据、所述候选用户对应的各第二运动类型分别对应的第二运动频次数据确定所述候选用户与所述目标用户之间的所述运动偏爱相似度，得到各所述候选用户与所述目标用户之间的所述运动偏爱相似度。
其中，上述第一运动类型为目标用户对应的第一历史运动状态数据中包括的运动类型，第一运动类型的数量为一个或多个；第二运动类型为候选用户对应的第二历史运动状态数据中包括的运动类型，第二运动类型的数量为一个或多个。
考虑到用户对某运动类型的偏爱还与用户在该运动类型上运动时间有关，基于此，在一实施例中，如图2中示出的，上述步骤S104具体包括下述步骤S201至步骤S203。
步骤S201、根据所述第一历史运动状态数据确定第一运动类型数据；所述第一运动类型数据包括各第一运动类型分别对应的第一运动时间数据。
其中，上述第一运动类型为目标用户对应的第一历史运动状态数据中包括的运动类型，第一运动类型的数量为一个或多个。
在具体实施时，该第一运动类型可以是室内跑步、室外跑步、室内行走、室外行走、室外骑行、室内游泳、室外游泳、铁人三项、徒步穿越、越野跑、椭圆机、划船机、跳绳、室内骑行、登山机、复合运动、室外划船、拳击、哑铃、有氧运动、瑜伽、网球、力量训练、滑雪、雪板滑雪、越野滑雪、浆板冲浪、皮划艇等中的任意一种。
步骤S202、对于每一所述候选用户，根据所述候选用户对应的所述第二历史运动状态数据计算所述候选用户对应的第二运动类型数据；所述第二运动类型数据包括各第二运动类型分别对应的第二运动时间数据。
其中，上述第二运动类型为候选用户对应的第二历史运动状态数据中包括的运动类型，第二运动类型的数量为一个或多个。
在具体实施时，该第二运动类型可以是室内跑步、室外跑步、室内行走、室外行走、室外骑行、室内游泳、室外游泳、铁人三项、徒步穿越、越野跑、椭圆机、划船机、跳绳、室内骑行、登山机、复合运动、室外划船、拳击、哑铃、有氧运动、瑜伽、网球、力量训练、滑雪、雪板滑雪、越野滑雪、浆板冲浪、皮划艇等中的任意一种。
步骤S203、根据各第一运动类型分别对应的第一运动时间数据、所述候选用户对应的各第二运动类型分别对应的第二运动时间数据确定所述候选用户与所述目标用户之间的所述运动偏爱相似度，得到各所述候选用户与所述目标用户之间的所述运动偏爱相似度。
本实施例中，在得到反映用户运动爱好的各第一运动类型分别对应的第一运动时间数据，反映候选用户运动爱好的各第二运动类型分别对应的第二运动时间数据之后，则可以利用各第一运动类型分别对应的第一运动时间数据和各第二运动类型分布对应的第二运动时间数据进行分析，确定候选用户与目标用户之间的运动偏爱相似度，进而确定各候选用户与目标用户之间的运动偏爱相似度。
考虑到用户越偏爱一个运动类型，则花在该运动类型上的时间越长，在一实施例中，所述第一运动时间数据包括第一运动时长；所述第二运动时间数据包括第二运动时长，如图3中示出的，上述步骤S203中根据各第一运动类型分别对应的第一运动时间数据、所述候选用户对应的各第二运动类型分别对应的第二运动时间数据确定所述候选用户与所述目标用户之间的所述运动偏爱相似度(确定任一候选用户与目标用户之间的运动偏爱相似度的过程)具体可以通过下述步骤S301至步骤S304实现。
步骤S301、获取所述第一运动类型与所述候选用户对应的所述第二运动类型的交集，得到所述候选用户对应的共同运动类型集。
本实施例中，第一运动类型为目标用户对应的运动类型，第二运动类型为候选用户对应的运动类型，对第一运动类型与第二运动类型进行求交集，得到的结果即为候选用户与共同用户具有的相同的运动类型集合，作为候选用户对应的共同运动类型集。
例如，在一具体例子中，设目标用户A对应的第一运动类型数据如下表1所示，某候选用户B对应的第二运动类型数据如下表2所示。
表1
| 第一运动类型M | 第一运动时长TA |
| 室外跑步 | 60小时 |
| 室外游泳 | 120小时 |
| 室外骑行 | 30小时 |
| 室外行走 | 10小时 |
| 拳击 | 5小时 |
| 总计： | 225小时 |
表2
| 第二运动类型N | 第二运动时长TB |
| 室外跑步 | 20小时 |
| 室内游泳 | 15小时 |
| 室外骑行 | 10小时 |
| 室外行走 | 20小时 |
| 室内羽毛球 | 10小时 |
| 总计： | 75小时 |
在此基础上，对于候选用户B，得到的候选用户B对应的共同运动类型集M∩N为：
{室外跑步、室外骑行、室外行走}
步骤S302、获取所述共同运动类型集中各所述共同运动类型分别对应的目标用户绝对运动偏爱度和候选用户绝对运动偏爱度。
其中，所述目标用户绝对运动偏爱度为目标用户对应的绝对运动偏爱度，候选用户绝对运动偏爱度为候选用户对应的绝对运动偏爱度。具体的，所述目标用户绝对运动偏爱度为所述共同运动类型对应的所述第一运动时长占各所述第一运动类型分别对应的所述第一运动时长之和的比例；所述候选用户绝对运动偏爱度为所述共同运动类型对应的所述第二运动时长占各所述第二运动类型分别对应的所述第二运动时长之和的比例。
本实施例中，对于共同运动类型集M∩N中的每一共同运动类型si(si∈M∩N)，均获取该共同运动类型si对应的目标用户绝对运动偏爱度GAi和候选用户绝对运动偏爱度G Bi。其中，目标用户绝对运动偏爱度GAi为该共同运动类型si对应的运动时长tAi(第一运动时长)占目标用户A的所有第一运动类型M对应的第一运动时长TA之和的比例；候选用户绝对运动偏爱度G Bi为该共同运动类型si对应的运动时长tBi(第二运动时长)占候选用户B的所有第二运动类型N对应的第二运动时长TB之和的比例。
以上述表1和表2为例，则得到的各所述共同运动类型分别对应的目标用户绝对运动偏爱度和候选用户绝对运动偏爱度如下表3所示。
表3
步骤S303、获取所述候选用户与所述目标用户之间的绝对偏好差异值。
其中，所述绝对偏好差异值为目标用户总绝对运动偏爱度与候选用户总绝对运动偏爱度之差的绝对值，所述目标用户总绝对运动偏爱度为各所述共同运动类型分别对应的所述目标用户绝对运动偏爱度之和，所述候选用户总绝对运动偏爱度为各所述共同运动类型分别对应的所述候选用户总绝对运动偏爱度之和。
在本实施例中，获取了各共同运动类型对应的目标用户绝对运动偏爱度和候选用户绝对运动偏爱度之后，基于目标用户和候选用户在共同运动类型上的绝对运动偏爱度的差异来确定候选用户与候选用户之间的绝对偏好差异值。
具体的，将共同运动类型集M∩N中的每一共同运动类型si对应的目标用户绝对运动偏爱度GAi进行求和，得到目标用户总绝对运动偏爱度ΣGAi；同理，将共同运动类型集M∩N中的每一共同运动类型si对应的候选用户绝对运动偏爱度GBi进行求和，得到候选用户总绝对运动偏爱度ΣGBi。进一步的，将目标用户总绝对运动偏爱度ΣGAi与候选用户总绝对运动偏爱度ΣGBi作差后取绝对值，得到绝对偏好差异值|ΣGAi-ΣG Bi|。
以上述表3为例，则得到的目标用户总绝对运动偏爱度ΣGAi、候选用户总绝对运动偏爱度ΣGBi，以及候选用户与所述目标用户之间的绝对偏好差异值如下表4所示。
表4
在本实施例中，绝对运动偏爱度通过用户在一种共同运动类型上花的时长与在所有运动类型上的总时长的比值计算得到，其反映了在用户的所有运动类型中，用户对该共同运动类型的偏爱程度。又由于目标用户与候选用户可能有多个共同类型，则进一步对各共同运动类型分别对应的绝对运动偏爱度进行求和，得到目标用户总绝对运动偏爱度或候选用户总绝对运动偏爱度，以综合考虑用户对多种共同运动类型的偏爱度。在此基础上，将代表目标用户对各共同运动类型的偏爱度的目标用户总绝对运动偏爱度与代表候选用户对各共同运动类型的偏爱度的候选用户总绝对运动偏爱度进行做差并取绝对值，得到考虑用户的所有的运动类型时，目标用户与候选用户之间对于共同运动类型集整体的偏爱度的差异，即绝对偏好差异值。可以理解的是，绝对偏好差异值越小，整体上，目标用户与候选用户之间对于共同运动类型集的偏爱度的差异就越小，目标用户与候选用户之间对于共同运动类型集的偏爱相似度就越高。
步骤S304、基于所述绝对偏好差异值确定出所述候选用户与所述目标用户之间的所述运动偏爱相似度。
本实施例中，绝对偏好差异值能够反映目标用户和候选用户在共同运动类型集的偏好程度的差异，因而可以基于绝对偏好差异值确定出所述候选用户与所述目标用户之间的所述运动偏爱相似度。
例如，可以基于绝对偏好差异值越高，则运动偏爱相似度则越低来确定所述候选用户与所述目标用户之间的所述运动偏爱相似度。
在实际应用中，为使得到的运动偏爱相似度更准确反映出目标用户和候选用户之间的运动偏爱的相似程度，还可以进一步考虑在共同运动类型集合中目标用户和候选用户的运动偏爱的相似程度。例如，在一实施例中，如图4中示出的，步骤S304之前还可以包括下述步骤S401至步骤S402，此时，上述步骤S304则可以具体为下述步骤S3041和步骤S3042。
步骤S401、获取所述共同运动类型集中各所述共同运动类型分别对应的目标用户相对运动偏爱度和候选用户相对运动偏爱度。
其中，所述目标用户相对运动偏爱度为目标用户对应的相对运动偏爱度，候选用户相对运动偏爱度为候选用户对应的相对运动偏爱度；共同运动类型对应的相对运动偏爱度反映用户在该用户在所有的共同运动类型中，对该共同运动类型的运动偏爱度，相对运动偏爱度具体可以根据各共同运动类型对应的绝对运动偏爱度确定。具体的，所述目标用户相对运动偏爱度为所述共同运动类型对应的所述目标用户绝对运动偏爱度与各所述共同运动类型对应的所述目标用户绝对运动偏爱度之和的比值；所述候选用户相对运动偏爱度为所述共同运动类型对应的所述候选用户绝对运动偏爱度与各所述共同运动类型对应的所述候选用户绝对运动偏爱度之和的比值。
本实施例中，对于共同运动类型集M∩N中的每一共同运动类型si(si∈M∩N)，均获取该共同运动类型si对应的目标用户相对运动偏爱度LAi和候选用户相对运动偏爱度LBi。其中，目标用户相对运动偏爱度LAi为该共同运动类型si对应的目标用户绝对运动偏爱度GAi占所有的共同运动类型si对应的目标用户绝对运动偏爱度GAi之和的比例；候选用户相对运动偏爱度L Bi为该共同运动类型si对应的候选用户绝对运动偏爱度GBi占所有的共同运动类型si对应的候选用户绝对运动偏爱度GBi之和的比例。
以上述表1-表3为例，则得到的各所述共同运动类型分别对应的目标用户绝对运动偏爱度和候选用户绝对运动偏爱度如下表5所示。
表5
步骤S402、获取所述候选用户与所述目标用户之间的相对偏好差异值。
其中，所述相对偏好差异值为各所述共同运动类型对应的相对偏爱度差异之和，所述共同运动类型对应的相对偏爱度差异为所述共同运动类型对应的所述目标用户相对运动偏爱度与所述候选用户相对运动偏爱度的差值的绝对值。
在本实施例中，获取了各共同运动类型对应的目标用户相对运动偏爱度和候选用户相对运动偏爱度之后，基于目标用户和候选用户在共同运动类型上的相对运动偏爱度的差异来确定候选用户与候选用户之间的相对偏好差异值。
具体的，对于共同运动类型集M∩N中的每一共同运动类型si，将该共同运动类型si对应的目标用户相对运动偏爱度LAi与所述候选用户相对运动偏爱度L Bi作差后得到的差值取绝对值，即得到该共同运动类型si对应的相对偏好差异|LAi-L Bi|。将各共同运动类型si对应的相对偏好差异|LAi-L Bi|相加，即可得到相对偏好差异值Σ|LAi-L Bi|。
以上述表5为例，则得到的各所述共同运动类型分别对应的相对偏爱度差异，以及候选用户与所述目标用户之间的相对偏好差异值如下表6所示。
表6
在本实施例中，相对运动偏爱度通过用户在一种共同运动类型上花的时长与在所有共同运动类型上的总时长的比值计算得到，其反映了在共同运动类型中，用户对该共同运动类型的偏爱程度。通过将目标用户与候选用户在同一共同运动类型的相对偏爱度进行差值计算，能够确定在所有共同运动类型中，各共同运动类型对应的目标用户与候选用户之间的相对偏爱度的差异(即，相对偏爱度差异)，进一步地，将各共同运动类型对应的相对偏爱度差异进行相加，得到了综合了各种共同运动类型的相对偏爱度差异的相对偏好差异值。可以理解的是，相对偏好差异值越低，对于所有共同运动类型而言，目标用户与候选用户在共同运动类型上的偏爱程度的一致性更高。
步骤S3041、将所述绝对偏好差异值与所述相对偏好差异值相乘，得到所述候选用户对应的偏好差异度。
本实施例中，绝对偏好差异值能够反映了考虑用户的所有运动类型时，目标用户和候选用户对于共同运动类型集整体的偏好程度的差异；在此基础上，进一步的，相对偏好差异值则反映了仅考虑共同运动类型时，目标用户和候选用户在共同运动类型集合中各共同运动类型的偏好程度的差异，绝对偏好差异值和相对偏好差异值互为辅助地反映候选用户与目标用户之间的运动偏好相似度，因此，通过将绝对偏好差异值与所述相对偏好差异值相乘，得到的乘积作为所述候选用户对应的偏好差异度。
以上述表4和表6为例，则得到的候选用户对应的偏好差异度如下表7所示。
表7
| 绝对偏好差异值 | 相对偏好差异值 | 偏好差异度 |
| 50/225 | 60/100 | 2/15 |
步骤S3042、基于所述偏好差异度确定所述候选用户与所述目标用户之间的所述运动偏爱相似度。
本实施例中，偏好差异度综合了候选用户与目标用户之间的从所有运动类型角度考虑的绝对偏好差异值和从所有共同运动类型考虑的相对偏好差异值，能够反映目标用户和候选用户之间的所述运动偏爱相似度。
例如，可以基于偏好差异度越高，则运动偏爱相似度则越低来确定所述候选用户与所述目标用户之间的所述运动偏爱相似度。
考虑到运动类型的重合度能从整体上反映目标用户与候选用户之间的运动爱好的相似程度，在一实施例中，如图5中示出的，上述步骤S3042可以基于下述步骤S501至步骤S502实现。
步骤S501、获取所述候选用户与所述目标用户之间的运动类型重合度。
其中，所述运动类型重合度为所述目标用户与所述候选用户之间的共同运动类型个数占运动类型总数的比例；其中，共同运动类型个数即为所述候选用户对应的共同运动类型集中的共同运动类型的个数；所述运动类型总数为所述第一运动类型与所述候选用户对应的所述第二运动类型的并集中的运动类型个数。
步骤S502、将所述运动类型重合度与所述偏好差异度的乘积作为所述候选用户与所述目标用户之间的所述运动偏爱相似度。
以上述表1-表7为例，候选用户与目标用户之间的共同运动类型个数、运动类型总数，运动类型重合度、以及运动偏爱相似度如表8所示。
表8
本实施例中，将与运动偏爱相似度相关的三个因子：相对偏好差异值、绝对偏好差异值、以及运动类型重合度进行相乘，得到的乘积作为目标用户与候选用户之间的运动偏爱相似度，综合了多个因素确定运动偏爱相似度，提高了运动偏爱相似度的科学性和准确性，有利于确定更准确的推荐好友。
步骤S105、根据所述运动偏爱相似度从所述候选用户中确定至少一个所述目标用户对应的推荐好友。
在一具体实施方式中，确定了各候选用户分别与目标用户之间的运动偏爱相似度后，可根据该运动偏爱相似度从高到低的顺序，对各候选用户进行排序，得到运动偏爱相似度排序结果，并根据运动偏爱相似度排序结果将排在前面的N个候选用户中确定为所述目标用户对应的推荐好友。其中，N为预设的推荐好友个数。
考虑到用户的运动时间段的差异，以及便于目标用户与推荐好友结伴运动，在一实施例中，上述第一运动时间数据还包括第一运动时间段，上述第二运动时间数据还包括第二运动时间段，上述步骤S105还可以基于下述步骤实现：
根据各所述运动偏爱相似度对各所述候选用户进行降序排序，得到第一候选排序结果；
根据所述第一候选排序结果确定当前候选用户；
根据所述当前候选用户对应的所述共同运动数据集中每一所述共同运动类型对应的所述第一运动时间段和所述第二运动时间段确定出所述当前候选用户对应的运动习惯重合度；其中，所述运动习惯重合度为总重合时长与总运动时长的比值，所述总重合时长为每一所述共同运动类型对应的所述第一运动时间段与所述第二运动时间段之间的重合时长之和，所述总运动时长为每一所述共同运动类型对应的所述第一运动时长和所述第二运动时长中的较大值之和；
判断所述运动习惯重合度是否达到预设的习惯重合度阈值；
若所述运动习惯重合度达到所述习惯重合度阈值，则将所述当前候选用户确定为所述推荐好友，并判断是否已确定预设推荐好友数量的推荐好友；
若未确定预设推荐好友数量的推荐好友，则根据所述第一候选排序结果将所述当前候选用户的下一所述候选用户确定为所述当前候选用户，并返回执行所述根据所述当前候选用户对应的所述共同运动数据集中每一所述共同运动类型对应的所述第一运动时间段和所述第二运动时间段确定出所述当前候选用户对应的运动习惯重合度的步骤；
若所述运动习惯重合度未达到所述习惯重合度阈值，则根据所述第一候选排序结果将所述当前候选用户的下一所述候选用户确定为所述当前候选用户，并返回执行所述根据所述当前候选用户对应的所述共同运动数据集中每一所述共同运动类型对应的所述第一运动时间段和所述第二运动时间段确定出所述当前候选用户对应的运动习惯重合度的步骤。
本实施例中，在确定各候选用户与目标用户之间的运动偏爱相似度之后，通过按照各所述运动偏爱相似度对各所述候选用户进行降序排序，并根据排序结果确定当前候选用户，进而根据当前候选用户对应的运动习惯重合度是否达到所述习惯重合度阈值来确定是否将当前候选用户作为目标用户对应的推荐好友，实现了根据用户的运动时间段来进一步确定推荐好友，有利于确定出与目标用户运动爱好、运动习惯最相似的推荐好友，提高好友推荐的精准度和推荐效果，有利于用户与推荐好友结伴运动。
其中，上述预设推荐好友数量为需确定的目标用户对应的推荐好友的数量。在具体实施时，首先将第一候选排序结果中排序第一的候选用户确定为当前候选用户；每将一个当前候选用户确定为所述推荐好友时，已确定的推荐好友的数量增1更新，当已确定的推荐好友的数量已与预设推荐好友数量相同时，则已确定预设推荐好友数量的推荐好友。
其中，上述运动习惯重合度用于衡量候选用户与目标用户之间的运动时间段的重合度，预设的习惯重合度阈值可以根据实际情况确定。
在确定出目标用户对应的推荐好友之后，为便于目标用户与推荐好友进行沟通交流，在一实施例中，上述步骤S105之后，还可以包括以下步骤：
响应于接收到的针对所述目标用户的推荐好友查询指令，生成所述推荐好友对应的交流页面；
将所述交流页面发送至所述目标用户对应的所述穿戴设备，以使所述目标用户对应的所述穿戴设备在显示界面上显示所述交流页面。
具体的，上述推荐好友查询指令可以由目标用户在穿戴设备上触发，本申请的执行主体接收到该针对所述目标用户的推荐好友查询指令后，生成推荐好友对应的交流页面，并将该交流页面发送至穿戴设备，穿戴设备进而在显示界面上显示该交流页面。该交流页面用于目标用户与目标用户对应的推荐好友进行沟通交流，具体的，目标用户可以通过留言或回复方式与推荐好友进行沟通交流。
在具体实施时，上述推荐好友对应的交流页面可以显示有推荐好友对应的运动偏好信息，该运动偏爱信息可以包括该推荐好友偏爱的一项或多项运动类型，该一项或多项运动类型可以基于该推荐好友对应的第二历史运动状态数据确定。
综上，本申请提供了基于穿戴设备的好友推荐方法、装置、设备及存储介质，方法包括：获取目标用户对应的基于穿戴设备采集得到的第一历史运动状态数据及对应的运动定位数据；基于所述运动定位数据确定所述目标用户对应的目标运动城市信息；获取多个候选用户中各候选用户分别对应的基于穿戴设备采集得到的第二历史运动状态数据；其中，所述候选用户为与所述目标用户具有相同的所述目标运动城市信息的用户；基于各所述第二历史运动状态数据和所述第一历史运动状态数据分别确定各所述候选用户与所述目标用户之间的运动偏爱相似度；根据所述运动偏爱相似度从所述候选用户中确定至少一个所述目标用户对应的推荐好友。本申请通过根据目标用户的穿戴设备采集得到的历史运动状态数据(第一历史运动状态数据)对应的运动定位数据来确定用户的目标运动城市信息，进而根据与目标用户具有相同的目标运动城市信息的多个候选用户的历史运动状态数据(第二历史运动状态数据)和目标用户的历史运动状态数据来确定出各候选用户与目标用户之间的运动偏爱相似度，从而根据各候选用户与目标用户之间的运动偏爱相似度来确定目标用户对应的推荐好友，一方面，实现了根据用户的实际运动数据来对用户之间的运动偏爱相似度的确定，有利于确定出实际的爱好契合度高的推荐好友，提高好友推荐的准确度，另一方面，候选用户与目标用户具有相同的目标运动城市信息，实现同城交友，便于用户根据共同爱好而结伴运动，提高用户运动的积极性。
本申请实施例还提供一种基于穿戴设备的好友推荐装置，该基于穿戴设备的好友推荐装置用于执行前述基于穿戴设备的好友推荐方法的任一实施例中的步骤。具体地，请参阅图6，图6示出了本申请实施例提供的一种基于穿戴设备的好友推荐装置600的结构示意图，该基于穿戴设备的好友推荐装置600具体包括第一获取单元601、第一确定单元602、第二获取单元603、第二确定单元604及第三确定单元605。
第一获取单元601，用于获取目标用户对应的基于穿戴设备采集得到的第一历史运动状态数据及对应的运动定位数据；
第一确定单元602，用于基于所述运动定位数据确定所述目标用户对应的目标运动城市信息；
第二获取单元603，用于获取多个候选用户中各候选用户分别对应的基于穿戴设备采集得到的第二历史运动状态数据；其中，所述候选用户为与所述目标用户具有相同的所述目标运动城市信息的用户；
第二确定单元604，用于基于各所述第二历史运动状态数据和所述第一历史运动状态数据分别确定各所述候选用户与所述目标用户之间的运动偏爱相似度；
第三确定单元605，用于根据所述运动偏爱相似度从所述候选用户中确定至少一个所述目标用户对应的推荐好友。
在一实施例中，第二确定单元604还可具体用于：
根据所述第一历史运动状态数据确定第一运动类型数据；其中，所述第一运动类型数据包括各第一运动类型分别对应的第一运动时间数据；对于每一所述候选用户，根据所述候选用户对应的所述第二历史运动状态数据计算所述候选用户对应的第二运动类型数据；其中，所述第二运动类型数据包括各第二运动类型分别对应的第二运动时间数据；根据各第一运动类型分别对应的第一运动时间数据、所述候选用户对应的各第二运动类型分别对应的第二运动时间数据确定所述候选用户与所述目标用户之间的所述运动偏爱相似度，得到各所述候选用户与所述目标用户之间的所述运动偏爱相似度。
在一实施例中，所述第一运动时间数据包括第一运动时长；所述第二运动时间数据包括第二运动时长；所述第二确定单元604还可具体用于：获取所述第一运动类型与所述候选用户对应的所述第二运动类型的交集，得到所述候选用户对应的共同运动类型集；获取所述共同运动类型集中各所述共同运动类型分别对应的目标用户绝对运动偏爱度和候选用户绝对运动偏爱度；其中，所述目标用户绝对运动偏爱度为所述共同运动类型对应的所述第一运动时长占各所述第一运动类型分别对应的所述第一运动时长之和的比例；所述候选用户绝对运动偏爱度为所述共同运动类型对应的所述第二运动时长占各所述第二运动类型分别对应的所述第二运动时长之和的比例；获取所述候选用户与所述目标用户之间的绝对偏好差异值；其中，所述绝对偏好差异值为目标用户总绝对运动偏爱度与候选用户总绝对运动偏爱度之差的绝对值，所述目标用户总绝对运动偏爱度为各所述共同运动类型分别对应的所述目标用户绝对运动偏爱度之和，所述候选用户总绝对运动偏爱度为各所述共同运动类型分别对应的所述候选用户绝对运动偏爱度之和；基于所述绝对偏好差异值确定出所述候选用户与所述目标用户之间的所述运动偏爱相似度。
在一实施例中，第二确定单元604还可具体用于：获取所述共同运动类型集中各所述共同运动类型分别对应的目标用户相对运动偏爱度和候选用户相对运动偏爱度；其中，所述目标用户相对运动偏爱度为所述共同运动类型对应的所述目标用户绝对运动偏爱度与各所述共同运动类型对应的所述目标用户绝对运动偏爱度之和的比值；所述候选用户相对运动偏爱度为所述共同运动类型对应的所述候选用户绝对运动偏爱度与各所述共同运动类型对应的所述候选用户绝对运动偏爱度之和的比值；获取所述候选用户与所述目标用户之间的相对偏好差异值；其中，所述相对偏好差异值为各所述共同运动类型对应的相对偏爱度差异之和，所述共同运动类型对应的相对偏爱度差异为所述共同运动类型对应的所述目标用户相对运动偏爱度与所述候选用户相对运动偏爱度的差值的绝对值；将所述绝对偏好差异值与所述相对偏好差异值相乘，得到所述候选用户对应的偏好差异度；基于所述偏好差异度确定所述候选用户与所述目标用户之间的所述运动偏爱相似度。
在一实施例中，第二确定单元604还可具体用于：获取所述候选用户与所述目标用户之间的运动类型重合度；其中，所述运动类型重合度为所述目标用户与所述候选用户之间的共同运动类型个数占运动类型总数的比例；其中，所述运动类型总数为所述第一运动类型与所述候选用户对应的所述第二运动类型的并集中的运动类型个数；将所述运动类型重合度与所述偏好差异度的乘积作为所述候选用户与所述目标用户之间的所述运动偏爱相似度。
在一实施例中，所述第一运动时间数据还包括第一运动时间段，所述第二运动时间数据还包括第二运动时间段；第二确定单元604还可具体用于：
根据各所述运动偏爱相似度对各所述候选用户进行降序排序，得到第一候选排序结果；
根据所述第一候选排序结果确定当前候选用户；
根据所述当前候选用户对应的所述共同运动数据集中每一所述共同运动类型对应的所述第一运动时间段和所述第二运动时间段确定出所述当前候选用户对应的运动习惯重合度；其中，所述运动习惯重合度为总重合时长与总运动时长的比值，所述总重合时长为每一所述共同运动类型对应的所述第一运动时间段与所述第二运动时间段之间的重合时长之和，所述总运动时长为每一所述共同运动类型对应的所述第一运动时长和所述第二运动时长中的较大值之和；
判断所述运动习惯重合度是否达到预设的习惯重合度阈值；
若所述运动习惯重合度达到所述习惯重合度阈值，则将所述当前候选用户确定为所述推荐好友，并判断是否已确定预设推荐好友数量的推荐好友；
若未确定预设推荐好友数量的推荐好友，则根据所述第一候选排序结果将所述当前候选用户的下一所述候选用户确定为所述当前候选用户，并返回执行所述根据所述当前候选用户对应的所述共同运动数据集中每一所述共同运动类型对应的所述第一运动时间段和所述第二运动时间段确定出所述当前候选用户对应的运动习惯重合度的步骤；
若所述运动习惯重合度未达到所述习惯重合度阈值，则根据所述第一候选排序结果将所述当前候选用户的下一所述候选用户确定为所述当前候选用户，并返回执行所述根据所述当前候选用户对应的所述共同运动数据集中每一所述共同运动类型对应的所述第一运动时间段和所述第二运动时间段确定出所述当前候选用户对应的运动习惯重合度的步骤。
在一实施例中，所述基于穿戴设备的好友推荐装置还包括显示单元，所述显示单元用于：
响应于接收到的针对所述目标用户的推荐好友查询指令，生成所述推荐好友对应的交流页面；将所述交流页面发送至所述目标用户对应的所述穿戴设备，以使所述目标用户对应的所述穿戴设备在显示界面上显示所述交流页面。
需要说明的是，所属领域的技术人员可以清楚地了解到，上述基于穿戴设备的好友推荐装置600和各单元的具体实现过程，可以参考前述方法实施例中的相应描述，为了描述的方便和简洁，在此不再赘述。
上述基于穿戴设备的好友推荐装置可以实现为计算机程序的形式，该计算机程序可以在如图7示的计算机设备上运行。
请参阅图7，图7是本申请实施例提供的计算机设备的示意性框图。该计算机设备700可以是智能手机、平板电脑、个人电脑、智能穿戴设备、服务器等终端设备。参阅图7，该计算机设备700包括通过装置总线701连接的处理器702、存储器和网络接口705，其中，存储器可以包括存储介质703和内存储器704。
该存储介质703可存储操作系统7031和计算机程序7032。该计算机程序7032被执行时，可使得处理器702执行基于穿戴设备的好友推荐方法。
该处理器702用于提供计算和控制能力，支撑整个计算机设备700的运行。
该内存储器704为存储介质703中的计算机程序7032的运行提供环境，该计算机程序7032被处理器702执行时，可使得处理器702执行基于穿戴设备的好友推荐方法。
该网络接口705用于进行网络通信，如提供数据信息的传输等。本领域技术人员可以理解，图7中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备700的限定，具体的计算机设备700可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
其中，处理器702用于运行存储在存储器中的计算机程序7032，以实现本申请实施例公开的基于穿戴设备的好友推荐方法。
本领域技术人员可以理解，图7中示出的计算机设备的实施例并不构成对计算机设备具体构成的限定，在其他实施例中，计算机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。例如，在一些实施例中，计算机设备可以仅包括存储器及处理器，在这样的实施例中，存储器及处理器的结构及功能与图7所示实施例一致，在此不再赘述。
应当理解，在本申请实施例中，处理器702可以是中央处理单元(CentralProcessing Unit，CPU)，该处理器702还可以是其他通用处理器、数字信号处理器(DigitalSignal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。其中，通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
在本申请的另一实施例中提供计算机可读存储介质。该计算机可读存储介质可以为非易失性的计算机可读存储介质，也可以为易失性的计算机可读存储介质。该计算机可读存储介质存储有计算机程序，其中计算机程序被处理器执行时实现本申请实施例公开的基于穿戴设备的好友推荐方法。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的设备、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。本领域普通技术人员可以意识到，结合本文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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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申请的范围。
在本申请所提供的几个实施例中，应该理解到，所揭露的设备、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，单元的划分，仅仅为逻辑功能划分，实际实现时可以有另外的划分方式，也可以将具有相同功能的单元集合成一个单元，例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另外，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，也可以是电的，机械的或其它的形式连接。
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申请实施例方案的目的。
另外，在本申请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，也可以是两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元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，可以存储在一个存储介质中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分，或者该技术方案的全部或部分可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，后台服务器，或者网络设备等)执行本申请各个实施例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、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上，仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种基于穿戴设备的好友推荐方法，其特征在于，包括：
获取目标用户对应的基于穿戴设备采集得到的第一历史运动状态数据及对应的运动定位数据；
基于所述运动定位数据确定所述目标用户对应的目标运动城市信息；
获取多个候选用户中各候选用户分别对应的基于穿戴设备采集得到的第二历史运动状态数据；其中，所述候选用户为与所述目标用户具有相同的所述目标运动城市信息的用户；
基于各所述第二历史运动状态数据和所述第一历史运动状态数据分别确定各所述候选用户与所述目标用户之间的运动偏爱相似度；
根据所述运动偏爱相似度从所述候选用户中确定至少一个所述目标用户对应的推荐好友。
2.根据权利要求1所述的方法，其特征在于，所述基于各所述第二历史运动状态数据和所述第一历史运动状态数据分别确定各所述候选用户与所述目标用户之间的运动偏爱相似度，包括：
根据所述第一历史运动状态数据确定第一运动类型数据；其中，所述第一运动类型数据包括各第一运动类型分别对应的第一运动时间数据；
对于每一所述候选用户，根据所述候选用户对应的所述第二历史运动状态数据计算所述候选用户对应的第二运动类型数据；其中，所述第二运动类型数据包括各第二运动类型分别对应的第二运动时间数据；
根据各第一运动类型分别对应的第一运动时间数据、所述候选用户对应的各第二运动类型分别对应的第二运动时间数据确定所述候选用户与所述目标用户之间的所述运动偏爱相似度，得到各所述候选用户与所述目标用户之间的所述运动偏爱相似度。
3.根据权利要求2所述的方法，其特征在于，所述第一运动时间数据包括第一运动时长；所述第二运动时间数据包括第二运动时长；所述根据各第一运动类型分别对应的第一运动时间数据、所述候选用户对应的各第二运动类型分别对应的第二运动时间数据确定所述候选用户与所述目标用户之间的所述运动偏爱相似度，包括：
获取所述第一运动类型与所述候选用户对应的所述第二运动类型的交集，得到所述候选用户对应的共同运动类型集；
获取所述共同运动类型集中各所述共同运动类型分别对应的目标用户绝对运动偏爱度和候选用户绝对运动偏爱度；其中，所述目标用户绝对运动偏爱度为所述共同运动类型对应的所述第一运动时长占各所述第一运动类型分别对应的所述第一运动时长之和的比例；所述候选用户绝对运动偏爱度为所述共同运动类型对应的所述第二运动时长占各所述第二运动类型分别对应的所述第二运动时长之和的比例；
获取所述候选用户与所述目标用户之间的绝对偏好差异值；其中，所述绝对偏好差异值为目标用户总绝对运动偏爱度与候选用户总绝对运动偏爱度之差的绝对值，所述目标用户总绝对运动偏爱度为各所述共同运动类型分别对应的所述目标用户绝对运动偏爱度之和，所述候选用户总绝对运动偏爱度为各所述共同运动类型分别对应的所述候选用户绝对运动偏爱度之和；
基于所述绝对偏好差异值确定出所述候选用户与所述目标用户之间的所述运动偏爱相似度。
4.根据权利要求3所述的方法，其特征在于，所述基于所述绝对偏好差异值确定出所述候选用户与所述目标用户之间的所述运动偏爱相似度之前，所述方法还包括：
获取所述共同运动类型集中各所述共同运动类型分别对应的目标用户相对运动偏爱度和候选用户相对运动偏爱度；其中，所述目标用户相对运动偏爱度为所述共同运动类型对应的所述目标用户绝对运动偏爱度与各所述共同运动类型对应的所述目标用户绝对运动偏爱度之和的比值；所述候选用户相对运动偏爱度为所述共同运动类型对应的所述候选用户绝对运动偏爱度与各所述共同运动类型对应的所述候选用户绝对运动偏爱度之和的比值；
获取所述候选用户与所述目标用户之间的相对偏好差异值；其中，所述相对偏好差异值为各所述共同运动类型对应的相对偏爱度差异之和，所述共同运动类型对应的相对偏爱度差异为所述共同运动类型对应的所述目标用户相对运动偏爱度与所述候选用户相对运动偏爱度的差值的绝对值；
所述基于所述绝对偏好差异值确定出所述候选用户与所述目标用户之间的所述运动偏爱相似度，包括：
将所述绝对偏好差异值与所述相对偏好差异值相乘，得到所述候选用户对应的偏好差异度；
基于所述偏好差异度确定所述候选用户与所述目标用户之间的所述运动偏爱相似度。
5.根据权利要求4所述的方法，其特征在于，所述基于所述偏好差异度确定所述候选用户与所述目标用户之间的所述运动偏爱相似度，包括：
获取所述候选用户与所述目标用户之间的运动类型重合度；其中，所述运动类型重合度为所述目标用户与所述候选用户之间的共同运动类型个数占运动类型总数的比例；其中，所述运动类型总数为所述第一运动类型与所述候选用户对应的所述第二运动类型的并集中的运动类型个数；
将所述运动类型重合度与所述偏好差异度的乘积作为所述候选用户与所述目标用户之间的所述运动偏爱相似度。
6.根据权利要求5所述的方法，其特征在于，所述第一运动时间数据还包括第一运动时间段，所述第二运动时间数据还包括第二运动时间段；所述根据所述运动偏爱相似度从所述候选用户中确定至少一个所述目标用户对应的推荐好友，包括：
根据各所述运动偏爱相似度对各所述候选用户进行降序排序，得到第一候选排序结果；
根据所述第一候选排序结果确定当前候选用户；
根据所述当前候选用户对应的所述共同运动数据集中每一所述共同运动类型对应的所述第一运动时间段和所述第二运动时间段确定出所述当前候选用户对应的运动习惯重合度；其中，所述运动习惯重合度为总重合时长与总运动时长的比值，所述总重合时长为每一所述共同运动类型对应的所述第一运动时间段与所述第二运动时间段之间的重合时长之和，所述总运动时长为每一所述共同运动类型对应的所述第一运动时长和所述第二运动时长中的较大值之和；
判断所述运动习惯重合度是否达到预设的习惯重合度阈值；
若所述运动习惯重合度达到所述习惯重合度阈值，则将所述当前候选用户确定为所述推荐好友，并判断是否已确定预设推荐好友数量的推荐好友；
若未确定预设推荐好友数量的推荐好友，则根据所述第一候选排序结果将所述当前候选用户的下一所述候选用户确定为所述当前候选用户，并返回执行所述根据所述当前候选用户对应的所述共同运动数据集中每一所述共同运动类型对应的所述第一运动时间段和所述第二运动时间段确定出所述当前候选用户对应的运动习惯重合度的步骤；
若所述运动习惯重合度未达到所述习惯重合度阈值，则根据所述第一候选排序结果将所述当前候选用户的下一所述候选用户确定为所述当前候选用户，并返回执行所述根据所述当前候选用户对应的所述共同运动数据集中每一所述共同运动类型对应的所述第一运动时间段和所述第二运动时间段确定出所述当前候选用户对应的运动习惯重合度的步骤。
7.根据权利要求1所述的方法，其特征在于，所述根据所述运动偏爱相似度从所述候选用户中确定至少一个所述目标用户对应的推荐好友之后，所述方法还包括：
响应于接收到的针对所述目标用户的推荐好友查询指令，生成所述推荐好友对应的交流页面；
将所述交流页面发送至所述目标用户对应的所述穿戴设备，以使所述目标用户对应的所述穿戴设备在显示界面上显示所述交流页面。
8.一种基于穿戴设备的好友推荐装置，其特征在于，包括：
第一获取单元，用于获取目标用户对应的基于穿戴设备采集得到的第一历史运动状态数据及对应的运动定位数据；
第一确定单元，用于基于所述运动定位数据确定所述目标用户对应的目标运动城市信息；
第二获取单元，用于获取多个候选用户中各候选用户分别对应的基于穿戴设备采集得到的第二历史运动状态数据；其中，所述候选用户为与所述目标用户具有相同的所述目标运动城市信息的用户；
第二确定单元，用于基于各所述第二历史运动状态数据和所述第一历史运动状态数据分别确定各所述候选用户与所述目标用户之间的运动偏爱相似度；
第三确定单元，用于根据所述运动偏爱相似度从所述候选用户中确定至少一个所述目标用户对应的推荐好友。
9.一种计算机设备，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，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，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至7中任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311138891.2A CN117194997A (zh) | 2023-09-04 | 2023-09-04 | 基于穿戴设备的好友推荐方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311138891.2A CN117194997A (zh) | 2023-09-04 | 2023-09-04 | 基于穿戴设备的好友推荐方法、装置、设备及存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117194997A true CN117194997A (zh) | 2023-12-08 |
Family
ID=88993538
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311138891.2A Pending CN117194997A (zh) | 2023-09-04 | 2023-09-04 | 基于穿戴设备的好友推荐方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117194997A (zh) |
-
2023
- 2023-09-04 CN CN202311138891.2A patent/CN117194997A/zh active Pending
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US12023547B2 (en) | Monitoring and tracking athletic activity | |
| US8845496B2 (en) | System and method for gaming | |
| US20190358493A1 (en) | Interactive Athletic Training Log | |
| EP3058546B1 (en) | Information sharing method and device | |
| US10124234B2 (en) | System and method for tracking the usage of athletic equipment | |
| JP5095554B2 (ja) | スポーツ用電子トレーニングシステム及びそのアプリケーション | |
| US10307639B2 (en) | Collection and display of athletic information | |
| TWI396574B (zh) | 提供連續回授之方法、執行該方法之對手業務應用程式及相關行動終端機與應用伺服器 | |
| JP5744074B2 (ja) | スポーツ用ボールを有するスポーツ用電子トレーニングシステム及びそのアプリケーション | |
| EP3340248B1 (en) | A method and an apparatus for determining training status | |
| CN105637513A (zh) | 有活动提示的活动识别 | |
| JP2013078593A (ja) | 電子ゲーム機能を有するスポーツ用電子トレーニングシステム及びそのアプリケーション | |
| CN114565213A (zh) | 用于运动活动的虚拟联盟平台及在线训练平台 | |
| US12064234B2 (en) | System and method for estimating cardiorespiratory fitness | |
| CN102548470A (zh) | 通过分类分析感知测试数据 | |
| KR101744775B1 (ko) | 지속 가능한 헬스케어를 위한 데일리 미션 제공방법 | |
| JP2015508926A (ja) | 運動能力を増強するために個人の栄養摂取を管理する方法 | |
| WO2002055959A1 (en) | Method for monitoring athletic performance | |
| CN117194997A (zh) | 基于穿戴设备的好友推荐方法、装置、设备及存储介质 | |
| WO2002055960A1 (en) | Method for providing services to athletes | |
| US20240316407A1 (en) | Monitoring and Tracking Athletic Activity | |
| WO2020221905A1 (en) | Method and device for processing sensor data of an exercise activity |
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 |