一種基于社交的用戶組設(shè)置方法和裝置制造方法
【專利摘要】本發(fā)明公開了一種基于社交的用戶組設(shè)置方法和裝置，應(yīng)用于為社交網(wǎng)絡(luò)中的多個(gè)用戶設(shè)置一個(gè)或多個(gè)用戶組，所述方法包括：獲取用戶的社交信息；根據(jù)所述社交信息計(jì)算不同用戶之間的相似度；根據(jù)所述相似度為所述用戶分配用戶組。通過上述方法，可以將相似度高的用戶分配到同一個(gè)用戶組中，從而提高用戶組分配的合理性以及用戶體驗(yàn)。
【專利說明】—種基于社交的用戶組設(shè)置方法和裝置
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及通信【技術(shù)領(lǐng)域】，尤其涉及一種基于社交的用戶組設(shè)置方法和裝置。
【背景技術(shù)】
[0002]隨著互聯(lián)網(wǎng)的快速發(fā)展，在當(dāng)今快速的生活節(jié)奏下，越來越多的人選擇使用社交網(wǎng)絡(luò)與親人朋友完成日常的社交活動(dòng)，而在社交網(wǎng)絡(luò)中，如何在大量用戶中挑選出互相感興趣的用戶，是亟待解決的問題。
[0003]目前，通常以多個(gè)用戶之間是否互為好友為標(biāo)準(zhǔn)在大量用戶中挑選出互相感興趣的用戶，作為親密用戶，組成一個(gè)用戶組，以便于該多個(gè)用戶之間的聯(lián)系。
[0004]上述技術(shù)雖然能夠在一定程度上從大量用戶中挑選出互相感興趣的用戶，但是，僅通過多個(gè)用戶之間是否互為好友，并不能準(zhǔn)確地判斷出兩個(gè)用戶對對方感興趣的程度，即由這些親密用戶所組成的用戶組中，存在互為好友但對對方興趣度很低的用戶，這種情況的出現(xiàn)，嚴(yán)重的影響了用戶組的合理性，并降低了用戶體驗(yàn)。

【發(fā)明內(nèi)容】

[0005]本發(fā)明實(shí)施例提供一種基于社交的用戶組設(shè)置方法和裝置，用于將相似度高的用戶分配到同一個(gè)用戶組中，從而提高用戶組分配的合理性以及用戶體驗(yàn)。
[0006]本發(fā)明實(shí)施例提供一種基于社交的用戶組設(shè)置方法，應(yīng)用于為社交網(wǎng)絡(luò)中的多個(gè)用戶設(shè)置一個(gè)或多個(gè)用戶組，所述方法包括:
獲取用戶的社交信息；
根據(jù)所述社交信息計(jì)算不同用戶之間的相似度；
根據(jù)所述相似度為所述用戶分配用戶組。
[0007]優(yōu)選的，所述社交信息包括:
所述用戶的好友用戶的信息；和/或，
所述用戶的互動(dòng)行為日志，所述用戶的互動(dòng)行為日志包括所述用戶與所述用戶的好友用戶之間的單向互動(dòng)信息，其中，所述單向互動(dòng)信息包括正向互動(dòng)信息和反向互動(dòng)信息，所述正向互動(dòng)信息為所述用戶對所述用戶的好友用戶的社交行為次數(shù)，所述反向互動(dòng)信息為所述用戶的好友用戶對所述用戶的社交行為次數(shù)。
[0008]優(yōu)選的，所述根據(jù)社交信息計(jì)算不同用戶之間的相似度，具體包括:
根據(jù)所述用戶的好友用戶的數(shù)量、以及所述用戶的一個(gè)好友用戶的好友用戶的數(shù)量，計(jì)算所述用戶與所述用戶的一個(gè)好友用戶之間的相似度；
所述用戶與所述用戶的一個(gè)好友用戶之間的相似度為所述用戶與所述用戶的一個(gè)好友用戶的共同好友的數(shù)量與好友總數(shù)的比值，所述好友總數(shù)為所述用戶的好友數(shù)量和所述用戶的好友用的好友數(shù)量之和。
[0009]優(yōu)選的，所述社交行為次數(shù)至少由社交網(wǎng)絡(luò)中所述一個(gè)用戶對另一用戶的評論次數(shù)、轉(zhuǎn)發(fā)次數(shù)、私信次數(shù)、提及次數(shù)中的一項(xiàng)或任意組合確定。[0010]優(yōu)選的，所述根據(jù)社交信息計(jì)算不同用戶之間的相似度，具體包括:
獲取所述用戶與所述用戶的一個(gè)好友用戶之間的正向互動(dòng)信息和反向互動(dòng)信息；選擇所述用戶與所述用戶的一個(gè)好友用戶之間的正向互動(dòng)信息和反向互動(dòng)信息中數(shù)值小的作為所述用戶與所述用戶的一個(gè)好友用戶的互動(dòng)強(qiáng)度信息；
獲取所述用戶與所述用戶的所有好友用戶的互動(dòng)強(qiáng)度信息，用以組成所述用戶的互動(dòng)強(qiáng)度向量；
根據(jù)所述用戶的互動(dòng)強(qiáng)度向量與所述用戶的好友用戶的互動(dòng)強(qiáng)度向量計(jì)算所述用戶和所述用戶的好友用戶的相似度。
[0011]優(yōu)選的，所述根據(jù)所述用戶的互動(dòng)強(qiáng)度向量與所述用戶的好友用戶的互動(dòng)強(qiáng)度向量計(jì)算所述用戶和所述用戶的好友用戶的相似度，具體包括:
根據(jù)公式Sab=VaWb/I IvaI I.I IvbI I計(jì)算所述用戶和所述用戶的好友用戶的相似度，其中，sAB為所述用戶和所述用戶的好友用戶的相似度，vAS所述用戶的互動(dòng)強(qiáng)度向量，vB為所述用戶的好友用戶的互動(dòng)強(qiáng)度向量，I |vA| I為所述用戶的互動(dòng)強(qiáng)度向量的模，I |vB| I為所述用戶的好友用戶的互動(dòng)強(qiáng)度向量的模，所述\和所述vB中可以有任意個(gè)元素，每個(gè)元素為一個(gè)互動(dòng)強(qiáng)度信息。
[0012]優(yōu)選的，所述根據(jù)相似度為所述用戶分配用戶組，具體包括:
步驟A，設(shè)置相似度閥值；
步驟B，為社交網(wǎng)絡(luò)中的每個(gè)用戶設(shè)置一個(gè)普通用戶組，所述普通用戶組之間的相似度為所述普通用戶組內(nèi)的用戶與其他普通用戶組內(nèi)的用戶之間的相似度；
步驟C，判斷所有普通用戶組中是否存在相似度高于所述相似度閥值的至少兩個(gè)普通用戶組，若判斷結(jié)果為是，執(zhí)行步驟D，否則中止流程；
步驟D，在所述相似度高于所述相似度閥值的至少兩個(gè)普通用戶組中，選擇相似度最高的兩個(gè)普通用戶組中，合并為一個(gè)中心用戶組；
步驟E，判斷剩余的普通用戶組中是否存在相似度高于所述相似度閥值、且與所述中心用戶組相似度為零的至少兩個(gè)普通用戶組，若存在，執(zhí)行步驟F，否則執(zhí)行步驟G ；
步驟F，在所述相似度高于所述相似度閥值、且與所述中心用戶組相似度為零的至少兩個(gè)普通用戶組中，選擇相似度最高的兩個(gè)普通用戶組合并為另一個(gè)中心用戶組，并返回執(zhí)行步驟E ；
步驟G，將所有中心用戶組設(shè)置為普通用戶組，更新每個(gè)普通用戶組與其他普通用戶組之間的相似度，并執(zhí)行步驟C。
[0013]優(yōu)選的，所述更新每個(gè)普通用戶組與其他普通用戶組之間的相似度，具體包括:
分別將所述每個(gè)普通用戶組中的所有用戶的社交信息合并，并根據(jù)合并后的社交信
息，計(jì)算并更新所述每個(gè)普通用戶組與其他普通用戶組之間的相似度。
[0014]優(yōu)選的，所述根據(jù)相似度為所述用戶分配用戶組，具體包括:
步驟A，設(shè)置第一數(shù)量閥值、第二數(shù)量閥值；
步驟B，判斷在所有用戶中是否存在與所述用戶相似度不為零、且互相之間相似度不為零、且多于所述第一數(shù)量閥值的、與所述用戶不屬于同一個(gè)已建立的中心用戶組的第一候選用戶，若判斷結(jié)果為是，執(zhí)行步驟C，否則中止流程；
步驟C，在所述第一候選用戶中任意選擇第一數(shù)量閥值個(gè)親密用戶，為所述親密用戶和所述用戶設(shè)置一個(gè)中心用戶組；
步驟D，為所述中心用戶組設(shè)置第二候選用戶，所述第二候選用戶為所有與所述中心用戶組中任意用戶相似度不為零的用戶；
步驟E，判斷在所述第二候選用戶中是否存在與所述中心用戶組中多于所述第二數(shù)量閥值個(gè)用戶的相似度大于零的用戶，若判斷結(jié)果為是，執(zhí)行步驟F，否則執(zhí)行步驟B ；
步驟F，將所述與中心用戶組中多于所述第二數(shù)量閥值個(gè)用戶的相似度大于零的用戶中的任意一個(gè)用戶加入到所述中心用戶組；
步驟G，更新所述第二候選用戶，并返回執(zhí)行步驟E。
[0015]本發(fā)明實(shí)施例提供一種基于社交的用戶組設(shè)置裝置，應(yīng)用于為社交網(wǎng)絡(luò)中的多個(gè)用戶設(shè)置一個(gè)或多個(gè)用戶組，所述裝置包括:
獲取模塊，用于獲取用戶的社交信息；
計(jì)算模塊，用于根據(jù)所述社交信息計(jì)算不同用戶之間的相似度；
控制模塊，用于根據(jù)所述相似度為所述用戶分配用戶組。
[0016]優(yōu)選的，所述社交信息包括，所述用戶的好友用戶的信息；和/或，
所述用戶的互動(dòng)行為日志，所述用戶的互動(dòng)行為日志包括所述用戶與所述用戶的好友用戶之間的單向互動(dòng)信息，其中，所述單向互動(dòng)信息包括正向互動(dòng)信息和反向互動(dòng)信息，所述正向互動(dòng)信息為所述用戶對所述用戶的好友用戶的社交行為次數(shù)，所述反向互動(dòng)信息為所述用戶的好友用戶對所述用戶的社交行為次數(shù)。
[0017]優(yōu)選的，所述計(jì)算模塊，具體用于根據(jù)所述獲取模塊獲取的所述用戶的好友用戶的數(shù)量、以及所述用戶的一個(gè)好友用戶的好友用戶的數(shù)量，計(jì)算所述用戶與所述用戶的一個(gè)好友用戶之間的相似度；所述用戶與所述用戶的一個(gè)好友用戶之間的相似度為所述用戶與所述用戶的一個(gè)好友用戶的共同好友的數(shù)量與好友總數(shù)的比值，所述好友總數(shù)為所述用戶的好友數(shù)量和所述用戶的好友用的好友數(shù)量之和。
[0018]優(yōu)選的，所述計(jì)算模塊，具體包括:
取得子模塊，用于取得所述獲取模塊獲取的所述用戶與所述用戶的一個(gè)好友用戶之間的正向互動(dòng)信息和反向互動(dòng)信息；并取得選擇子模塊選擇的所述用戶與所述用戶的所有好友用戶的互動(dòng)強(qiáng)度信息，用以組成所述用戶的互動(dòng)強(qiáng)度向量
所述選擇子模塊，用于選擇所述取得子模塊取得的所述用戶與所述用戶的一個(gè)好友用戶之間的正向互動(dòng)信息和反向互動(dòng)信息中數(shù)值小的，作為所述用戶與所述用戶的一個(gè)好友用戶的互動(dòng)強(qiáng)度信息；
計(jì)算子模塊，用于根據(jù)所述取得子模塊取得的所述用戶的互動(dòng)強(qiáng)度向量與所述用戶的好友用戶的互動(dòng)強(qiáng)度向量，計(jì)算所述用戶和所述用戶的好友用戶的相似度。
[0019]優(yōu)選的，所述控制模塊，具體包括:
設(shè)置子模塊，用于設(shè)置相似度閥值；以及用于為社交網(wǎng)絡(luò)中的每個(gè)用戶設(shè)置一個(gè)普通用戶組，所述普通用戶組之間的相似度為所述計(jì)算模塊計(jì)算的所述普通用戶組內(nèi)的用戶與其他普通用戶組內(nèi)的用戶之間的相似度；以及用于將所有中心用戶組設(shè)置為普通用戶組；判斷子模塊，用于判斷所述設(shè)置子模塊設(shè)置的所有普通用戶組中是否存在相似度高于所述設(shè)置子模塊設(shè)置的所述相似度閥值的至少兩個(gè)普通用戶組；以及用于判斷在選擇子模塊將普通用戶組合并為中心用戶組后，剩余的普通用戶組中是否存在相似度高于所述設(shè)置子模塊設(shè)置的所述相似度閥值、且與所述中心用戶組相似度為零的至少兩個(gè)普通用戶組；所述選擇子模塊，用于在所述判斷子模塊判斷出的相似度高于所述相似度閥值的至少兩個(gè)普通用戶組中，選擇相似度最高的兩個(gè)普通用戶組中，合并為一個(gè)中心用戶組；以及用于在所述判斷子模塊判斷出的相似度高于所述相似度閥值、且與所述中心用戶組相似度為零的至少兩個(gè)普通用戶組中，選擇相似度最高的兩個(gè)普通用戶組合并為另一個(gè)中心用戶組；
更新子模塊，用于更新所述設(shè)置子模塊設(shè)置的普通用戶組與其他普通用戶組之間的相似度。
[0020]優(yōu)選的，所述控制模塊還包括:
計(jì)算子模塊，用于分別將所述設(shè)置子模塊設(shè)置的所述每個(gè)普通用戶組中的所有用戶的社交信息合并，并根據(jù)合并后的社交信息，計(jì)算所述每個(gè)普通用戶組與其他普通用戶組之間的相似度；
所述更新子模塊，具體用于根據(jù)所述計(jì)算子模塊計(jì)算的所述每個(gè)普通用戶組與其他普通用戶組之間的相似度，更新所述每個(gè)普通用戶組與其他普通用戶組之間的相似度。
[0021]優(yōu)選的，所述控制模塊，具體包括:
設(shè)置子模塊，用于設(shè)置第一數(shù)量閥值、第二數(shù)量閥值；以及用于為選擇子模塊選擇出的親密用戶和所述用戶設(shè)置一個(gè)中心用戶組；以及用于為所述中心用戶組設(shè)置第二候選用戶，所述第二候選用戶為所有與所述中心用戶組中任意用戶相似度不為零的用戶；
判斷子模塊，用于判斷在所有用戶中是否存在與所述用戶相似度不為零、且互相之間相似度不為零、且多于所述設(shè)置子模塊設(shè)置的所述第一數(shù)量閥值的、與所述用戶不屬于同一個(gè)已建立的中心用戶組的第一候選用戶；以及用于判斷在所述設(shè)置子模塊設(shè)置的所述第二候選用戶中是否存在與所述中心用戶組中多于所述第二數(shù)量閥值個(gè)用戶的相似度大于零的用戶；
所述選擇子模塊，用于在所述判斷子模塊判斷出的所述第一候選用戶中，任意選擇第一數(shù)量閥值個(gè)所述親密用戶；
合并子模塊，用于將所述判斷子模塊判斷的所述與中心用戶組中多于所述第二數(shù)量閥值個(gè)用戶的相似度大于零的用戶中的任意一個(gè)用戶，加入到所述中心用戶組；
更新子模塊，用于更新所述設(shè)置子模塊設(shè)置的所述第二候選用戶。
[0022]與現(xiàn)有技術(shù)相比，本發(fā)明實(shí)施例具有以下優(yōu)點(diǎn):
本發(fā)明實(shí)施例中，提供了一種基于社交的用戶組設(shè)置方法和裝置，應(yīng)用于為社交網(wǎng)絡(luò)中的多個(gè)用戶設(shè)置一個(gè)或多個(gè)用戶組，所述方法包括:獲取用戶的社交信息，根據(jù)所述社交信息計(jì)算不同用戶之間的相似度，根據(jù)所述相似度為所述用戶分配用戶組。通過上述方法，可以將相似度高的用戶分配到同一個(gè)用戶組中，從而提高用戶組分配的合理性以及用戶體驗(yàn)。
【專利附圖】

【附圖說明】
[0023]圖1為本發(fā)明實(shí)施例一提供的一種基于社交的用戶組設(shè)置方法流程示意圖；
圖2為本發(fā)明實(shí)施例三提供的一種根據(jù)用戶的互動(dòng)行為日志計(jì)算不同用戶之間的相似度的方法流程示意圖； 圖3為本發(fā)明實(shí)施例四提供的一種根據(jù)相似度為用戶分配用戶組的方法流程示意圖； 圖4為本發(fā)明實(shí)施例五提供的一種根據(jù)相似度為用戶分配用戶組的方法流程示意圖； 圖5為本發(fā)明實(shí)施例六提供的一種基于社交的用戶組設(shè)置裝置的結(jié)構(gòu)示意圖；
圖6為本發(fā)明實(shí)施例六提供的一種基于社交的用戶組設(shè)置裝置的結(jié)構(gòu)示意圖；
圖7為本發(fā)明實(shí)施例六提供的一種基于社交的用戶組設(shè)置裝置的結(jié)構(gòu)示意圖；
圖8為本發(fā)明實(shí)施例六提供的一種基于社交的用戶組設(shè)置裝置的結(jié)構(gòu)示意圖。
【具體實(shí)施方式】
[0024]本發(fā)明中提供了一種基于社交的用戶組設(shè)置方法，應(yīng)用于為社交網(wǎng)絡(luò)中的多個(gè)用戶設(shè)置一個(gè)或多個(gè)用戶組。為方便描述，本發(fā)明實(shí)施例中以社交網(wǎng)絡(luò)為微博為例進(jìn)行描述，但應(yīng)該認(rèn)識到，本發(fā)明實(shí)施例提供的技術(shù)方案中的社交網(wǎng)絡(luò)并不限定于微博，也可以為其他任何形式的社交網(wǎng)絡(luò)社區(qū)。
[0025]下面將結(jié)合本發(fā)明的實(shí)施例中的附圖，對本發(fā)明的實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，下面所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明的實(shí)施例保護(hù)的范圍。
[0026]實(shí)施例一
如圖1所示，為本發(fā)明實(shí)施例一提供的一種基于社交的用戶組設(shè)置方法流程示意圖，可以包括以下步驟:
步驟S101、獲取用戶的社交信息。
[0027]具體的，用戶的社交信息可以包括用戶的好友用戶的信息、用戶的互動(dòng)行為日志等，用戶的互動(dòng)行為日志中包括該用戶與該用戶的好友用戶的單向互動(dòng)信息，其中，單向互動(dòng)信息包括正向互動(dòng)信息和反向互動(dòng)信息，正向互動(dòng)信息為用戶對用戶的好友用戶的社交行為次數(shù)，反向互動(dòng)信息為用戶的好友用戶對用戶的社交行為次數(shù)。
[0028]其中，在本發(fā)明實(shí)施例中，微博中的用戶A與用戶B互為好友的基本條件為用戶A與用戶B互相關(guān)注。在本發(fā)明實(shí)施例中，正向互動(dòng)信息和反向互動(dòng)信息是對于用戶而言的，用戶A對用戶B的互動(dòng)信息I對于用戶A為正向互動(dòng)信息，但互動(dòng)信息I對于用戶B為反向互動(dòng)信息，用戶B對用戶A的互動(dòng)信息2對于用戶A為反向互動(dòng)信息，但互動(dòng)信息2對于用戶B即為正向互動(dòng)信息。
[0029]在本發(fā)明實(shí)施例中，通過在設(shè)置用戶組時(shí)引入單向互動(dòng)信息，可以避免將相互間興趣度不高的用戶加入一個(gè)用戶組。例如，對于公眾人物，其會獲得大量的評論、轉(zhuǎn)發(fā)等反向互動(dòng)信息，但又不會對這些反向互動(dòng)信息一一進(jìn)行回應(yīng)，此時(shí)，該公眾人物與絕大多數(shù)的用戶的正向互動(dòng)信息為零，而對于用戶，該公眾人物返回的反向互動(dòng)信息也為零，針對這種情況，可以在該公眾人物與用戶的正向互動(dòng)信息和反向互動(dòng)信息中，選擇數(shù)值最小的，作為判斷該公眾人物與該用戶之間的興趣度的標(biāo)準(zhǔn)，從而區(qū)分單向興趣度高、雙向興趣度低的用戶和雙向興趣度高的用戶。
[0030]步驟S102、根據(jù)社交信息計(jì)算不同用戶之間的相似度。
[0031]該步驟可以采用多種不同的策略加以實(shí)現(xiàn)，具體策略在后續(xù)實(shí)施例中進(jìn)行描述。
[0032]步驟S103、根據(jù)相似度為用戶分配用戶組。[0033]該步驟可以采用多種不同的策略加以實(shí)現(xiàn)，具體策略在后續(xù)實(shí)施例中進(jìn)行描述。
[0034]實(shí)施例二
本發(fā)明實(shí)施例提供的技術(shù)方案為在實(shí)施例一的基礎(chǔ)上，根據(jù)用戶的好友用戶的信息計(jì)算用戶之間的相似度。
[0035]具體的，根據(jù)用戶的好友用戶的數(shù)量、以及用戶的一個(gè)好友用戶的好友用戶的數(shù)量，計(jì)算用戶與用戶的一個(gè)好友用戶之間的相似度；用戶與用戶的一個(gè)好友用戶之間的相似度為所述用戶與所述用戶的一個(gè)好友用戶的共同好友的數(shù)量與好友總數(shù)的比值，所述好友總數(shù)為所述用戶的好友數(shù)量和所述用戶的好友用的好友數(shù)量之和。
[0036]例如，在微博中的用戶A有好友用戶B、用戶C、用戶D、以及用戶F，用戶B有好友用戶A、用戶C、用戶D、用戶G，則用戶A與用戶B的相似度SJ/ (4+4) =0.25。
[0037]實(shí)施例三
實(shí)施例二中給出了一種基于好友數(shù)量的用戶組分配方法，但是，對于微博這種開放程度較高的平臺，即使一個(gè)用戶將另一個(gè)用戶加為好友，也不能作為將這兩個(gè)用戶加入一個(gè)用戶組的依據(jù)，如實(shí)施例一中所舉的例子，對于公眾人物，會有大量用戶將其加為好友，即有大量用戶對該公眾人物具有較高的興趣度，但該公眾人物對這些用戶的興趣度可能很低，另外，對于某些用戶，其在注冊賬號后，并沒有對該賬號進(jìn)行使用，此時(shí)，雖然這些用戶與其他用戶互為好友，但相互之間的興趣度卻很低，可見，對于上述情況，如果僅基于好友數(shù)量，并不能取得很好的用戶組分配效果。
[0038]針對上述情況，實(shí)施例三中提出了一種基于互動(dòng)行為日志的用戶組分配方法，系統(tǒng)在對一個(gè)用戶進(jìn)行分組時(shí)，會在該用戶互動(dòng)行為日志中的正向互動(dòng)信息和反向互動(dòng)信息中選擇數(shù)值小的作為計(jì)算相似度的參數(shù)，以將互相感興趣的用戶加入一個(gè)用戶組，從而提高用戶組分配的準(zhǔn)確度。
[0039]如圖2所示，為本發(fā)明實(shí)施例三提供的在實(shí)施例一的基礎(chǔ)上，根據(jù)用戶的互動(dòng)行為日志計(jì)算不同用戶之間的相似度的方法流程示意圖，可以包括以下步驟:
步驟S201、獲取用戶與用戶的一個(gè)好友用戶之間的正向互動(dòng)信息和反向互動(dòng)信息。
[0040]例如，在微博中有A、B、C、D四個(gè)用戶，A與B、C互為好友用戶。A對B的正向互動(dòng)信息ACTION(A，B)包括但不限于A對B的評論次數(shù)、轉(zhuǎn)發(fā)次數(shù)、私信次數(shù)、提及次數(shù)中的一項(xiàng)或多項(xiàng)，例如，A對B的正向互動(dòng)信息ACTION (A，B)=評論次數(shù)3+轉(zhuǎn)發(fā)次數(shù)4+私信次數(shù)2+提及次數(shù)2=11，A對B的反向互動(dòng)信息ACTION (B，A)=評論次數(shù)2+轉(zhuǎn)發(fā)次數(shù)1+私信次數(shù)1+提及次數(shù)4=8。
[0041]步驟S202、選擇用戶與用戶的一個(gè)好友用戶之間的正向互動(dòng)信息和反向互動(dòng)信息中數(shù)值小的作為用戶與用戶的一個(gè)好友用戶的互動(dòng)強(qiáng)度信息。
[0042]具體的，針對A、B，A與B之間的互動(dòng)強(qiáng)度信息為min[ACTION(A，B)，ACTION (B, A)]=min[ll, 8]=8。
[0043]步驟S203、獲取用戶與用戶的所有好友用戶的互動(dòng)強(qiáng)度信息，用以組成用戶的互動(dòng)強(qiáng)度向量。
[0044]例如，A與其好友用戶B、C、D、E、F的互動(dòng)強(qiáng)度信息分別為8、3、5、9、4，B與其好友用戶A、D、F、G的互動(dòng)強(qiáng)度信息分別為8、1、6、7，則A的互動(dòng)強(qiáng)度向量Va= [8，3，5，9，4]，B的互動(dòng)強(qiáng)度向量Vb= [8，1,6, 7]。[0045]步驟S204、根據(jù)用戶的互動(dòng)強(qiáng)度向量與用戶的好友用戶的互動(dòng)強(qiáng)度向量計(jì)算用戶和用戶的好友用戶的相似度。
[0046]具體的，本發(fā)明實(shí)施例中可以根據(jù)公式Sab=V^Vb/! IvaI I.I IvbI I計(jì)算用戶和用戶的好友用戶的相似度，其中，Sab為用戶和用戶的好友用戶的相似度，vA為用戶的互動(dòng)強(qiáng)度向量，vB為用戶的好友用戶的互動(dòng)強(qiáng)度向量，I IvaI I為用戶的互動(dòng)強(qiáng)度向量的模，I IvJ I為用戶的好友用戶的互動(dòng)強(qiáng)度向量的模，vA和Vb中可以有任意個(gè)元素，每個(gè)元素為一個(gè)互動(dòng)強(qiáng)度?目息。
[0047]例如，Va=[8, 3, 5,9,4], Vb= [8, 1，6，7]，則 | |VA| | ==13.96，| Vb | ==12.25，在計(jì)算Va.Vb時(shí)，由于本發(fā)明實(shí)施例中A與B之間存在不同的好友，因此需要預(yù)先對Va和Vb進(jìn)行適當(dāng)?shù)淖冃?，?Va= [8，3，5，9，4，O]，Vb= [8，O, 1,0, 6，7]，Va.VB=8 X 8+3 X 0+5 X 1+9 X 0+4 X 6+OX 7=93，則 Sab=93/13.96X12.25=0.54。
[0048]實(shí)施例四
如圖3所示，為本發(fā)明實(shí)施例四提供的在實(shí)施例一的基礎(chǔ)上，根據(jù)相似度為用戶分配用戶組的方法流程示意圖，可以包括以下步驟:
步驟S301，設(shè)置相似度閥值。
[0049]具體的，為相似度閥值設(shè)置不同的值，可以直接影響到最終形成的用戶組內(nèi)用戶的數(shù)量。在本發(fā)明實(shí)施例中，將相似度閥值設(shè)置為0.7，以便于描述。
[0050]步驟S302，為社交網(wǎng)絡(luò)中的每個(gè)用戶設(shè)置一個(gè)普通用戶組，普通用戶組之間的相似度為普通用戶組內(nèi)的用戶與其他普通用戶組內(nèi)的用戶之間的相似度。
[0051]例如，微博中 有用戶A、B、C、D、E、F、G，預(yù)先為每個(gè)用戶設(shè)置一個(gè)用戶組，在本發(fā)明實(shí)施例中，使用用戶組中用戶的名字命名用戶組，以便于描述，例如，普通用戶組A中僅包含用戶A，普通用戶組AB中同時(shí)包含用戶A、B，依次類推。
[0052]步驟S303，判斷所有普通用戶組中是否存在相似度高于相似度閥值的至少兩個(gè)普通用戶組，若判斷結(jié)果為是，執(zhí)行步驟S304，否則中止流程。
[0053]例如，如表1所示，為用戶A、B、C、D、E、F、G之間的相似度。
[0054]表1
A^ BC ^D^I EFG
______i__
A0.9 O,S OO ^ OO
__^ ^____i__
B0.9O】 WJ4O: OO
COl 0.'6Os~I OOO
D0.6 0.54 0.6S \OOO
_____?_；__
EOOOOO,SSO,胃 6_________
F O O OOI~0.SS~~CK66~
^ ^ δO10?^60.66
步驟S304，在相似度高于相似度閥值的至少兩個(gè)普通用戶組中，選擇相似度最高的兩個(gè)普通用戶組中，合并為一個(gè)中心用戶組。[0055]具體的，如表1所示的各用戶之間的相似度中，普通用戶組A與普通用戶組B的相似度高于相似度閥值0.7，且在所有用戶中相似度最高，因此在首輪迭代中，將普通用戶組A、普通用戶組B合并為中心用戶組AB。
[0056]步驟S305，判斷剩余的普通用戶組中是否存在相似度高于相似度閥值、且與中心用戶組相似度為零的至少兩個(gè)普通用戶組，若存在，執(zhí)行步驟S306，否則執(zhí)行步驟S307。
[0057]例如，在首輪迭代中，已經(jīng)將普通用戶組A，普通用戶組B合并為一個(gè)中心用戶組AB,由表1可知，普通用戶組C、普通用戶組D與普通用戶組A、普通用戶組B的相似度均不為零，普通用戶組E、普通用戶組F、普通用戶組G與普通用戶組A、B的相似度均為零，且普通用戶組E與普通用戶組F，普通用戶組E與普通用戶組G的相似度均高于相似度閥值，因此執(zhí)行步驟S306。
[0058]步驟S306，在相似度高于相似度閥值、且與中心用戶組相似度為零的至少兩個(gè)普通用戶組中，選擇相似度最高的兩個(gè)普通用戶組合并為另一個(gè)中心用戶組，并返回執(zhí)行步驟 S305。
[0059]在普通用戶組E、普通用戶組F、普通用戶組G之間的相似度中，普通用戶組E、普通用戶組F的相似度0.88最高，因此將普通用戶組E、普通用戶組F合并為中心用戶組EF，并循環(huán)執(zhí)行步驟S305到步驟S306的判斷，直到所有用戶中不存在滿足步驟S305的條件的用戶，在本發(fā)明實(shí)施例中，由表1可知，在分別將普通用戶組A、普通用戶組B和普通用戶組E、普通用戶組F合并后，已經(jīng)不存在滿足步驟S305的條件的用戶，因此執(zhí)行步驟307。
[0060]步驟S307，將所有中心用戶組設(shè)置為普通用戶組，更新每個(gè)普通用戶組與其他普通用戶組之間的相似度，并執(zhí)行步驟S303。
[0061]具體的，分別將每個(gè)普通用戶組中的所有用戶的社交信息合并，并根據(jù)合并后的社交信息，計(jì)算并更新每個(gè)普通·用戶組與其他普通用戶組之間的相似度。
[0062]例如，在本發(fā)明實(shí)施例中，微博中目前有普通用戶組AB、普通用戶組C、普通用戶組D、普通用戶組EF、普通用戶組G，分別將普通用戶組AB內(nèi)的用戶A、B的互動(dòng)強(qiáng)度信息合并和，將普通用戶組EF的內(nèi)的用戶E、F的互動(dòng)強(qiáng)度信息合并，并重新計(jì)算各用戶組之間的相似度，假設(shè)合并后的相似度如表2所示。
[0063]表 2
【權(quán)利要求】
1.一種基于社交的用戶組設(shè)置方法，其特征在于，應(yīng)用于為社交網(wǎng)絡(luò)中的多個(gè)用戶設(shè)置一個(gè)或多個(gè)用戶組，所述方法包括: 獲取用戶的社交信息； 根據(jù)所述社交信息計(jì)算不同用戶之間的相似度； 根據(jù)所述相似度為所述用戶分配用戶組。
2.如權(quán)利要求1所述的方法，其特征在于，所述社交信息包括: 所述用戶的好友用戶的信息；和/或， 所述用戶的互動(dòng)行為日志，所述用戶的互動(dòng)行為日志包括所述用戶與所述用戶的好友用戶之間的單向互動(dòng)信息，其中，所述單向互動(dòng)信息包括正向互動(dòng)信息和反向互動(dòng)信息，所述正向互動(dòng)信息為所述用戶對所述用戶的好友用戶的社交行為次數(shù)，所述反向互動(dòng)信息為所述用戶的好友用戶對所述用戶的社交行為次數(shù)。
3.如權(quán)利要求2所述的方法，其特征在于，所述根據(jù)社交信息計(jì)算不同用戶之間的相似度，具體包括: 根據(jù)所述用戶的好友用戶的數(shù)量、以及所述用戶的一個(gè)好友用戶的好友用戶的數(shù)量，計(jì)算所述用戶與所述用戶的一個(gè)好友用戶之間的相似度； 所述用戶與所述用戶的一個(gè)好友用戶之間的相似度為所述用戶與所述用戶的一個(gè)好友用戶的共同好友的數(shù)量與好友總數(shù)的比值，所述好友總數(shù)為所述用戶的好友數(shù)量和所述用戶的好友用的好友數(shù)量之和。
4.如權(quán)利要求2所述的·方法，其特征在于，所述社交行為次數(shù)至少由社交網(wǎng)絡(luò)中所述一個(gè)用戶對另一用戶的評論次數(shù)、轉(zhuǎn)發(fā)次數(shù)、私信次數(shù)、提及次數(shù)中的一項(xiàng)或任意組合確定。
5.如權(quán)利要求2所述的方法，其特征在于，所述根據(jù)社交信息計(jì)算不同用戶之間的相似度，具體包括: 獲取所述用戶與所述用戶的一個(gè)好友用戶之間的正向互動(dòng)信息和反向互動(dòng)信息； 選擇所述用戶與所述用戶的一個(gè)好友用戶之間的正向互動(dòng)信息和反向互動(dòng)信息中數(shù)值小的作為所述用戶與所述用戶的一個(gè)好友用戶的互動(dòng)強(qiáng)度信息； 獲取所述用戶與所述用戶的所有好友用戶的互動(dòng)強(qiáng)度信息，用以組成所述用戶的互動(dòng)強(qiáng)度向量； 根據(jù)所述用戶的互動(dòng)強(qiáng)度向量與所述用戶的好友用戶的互動(dòng)強(qiáng)度向量計(jì)算所述用戶和所述用戶的好友用戶的相似度。
6.如權(quán)利要求5所述的方法，其特征在于，所述根據(jù)所述用戶的互動(dòng)強(qiáng)度向量與所述用戶的好友用戶的互動(dòng)強(qiáng)度向量計(jì)算所述用戶和所述用戶的好友用戶的相似度，具體包括: 根據(jù)公式Sab=VaWb/I |vA| I.I |vB| I計(jì)算所述用戶和所述用戶的好友用戶的相似度，其中，sAB為所述用戶和所述用戶的好友用戶的相似度，vAS所述用戶的互動(dòng)強(qiáng)度向量，vB為所述用戶的好友用戶的互動(dòng)強(qiáng)度向量，I |vA| I為所述用戶的互動(dòng)強(qiáng)度向量的模，I |vB| I為所述用戶的好友用戶的互動(dòng)強(qiáng)度向量的模，所述\和所述vB中可以有任意個(gè)元素，每個(gè)元素為一個(gè)互動(dòng)強(qiáng)度信息。
7.如權(quán)利要求1所述的方法，其特征在于，所述根據(jù)相似度為所述用戶分配用戶組，具體包括: 步驟A，設(shè)置相似度閥值； 步驟B，為社交網(wǎng)絡(luò)中的每個(gè)用戶設(shè)置一個(gè)普通用戶組，所述普通用戶組之間的相似度為所述普通用戶組內(nèi)的用戶與其他普通用戶組內(nèi)的用戶之間的相似度； 步驟C，判斷所有普通用戶組中是否存在相似度高于所述相似度閥值的至少兩個(gè)普通用戶組，若判斷結(jié)果為是，執(zhí)行步驟D，否則中止流程； 步驟D，在所述相似度高于所述相似度閥值的至少兩個(gè)普通用戶組中，選擇相似度最高的兩個(gè)普通用戶組中，合并為一個(gè)中心用戶組； 步驟E，判斷剩余的普通用戶組中是否存在相似度高于所述相似度閥值、且與所述中心用戶組相似度為零的至少兩個(gè)普通用戶組，若存在，執(zhí)行步驟F，否則執(zhí)行步驟G ； 步驟F，在所述相似度高于所述相似度閥值、且與所述中心用戶組相似度為零的至少兩個(gè)普通用戶組中，選擇相似度最高的兩個(gè)普通用戶組合并為另一個(gè)中心用戶組，并返回執(zhí)行步驟E ； 步驟G，將所有中心用戶組設(shè)置為普通用戶組，更新每個(gè)普通用戶組與其他普通用戶組之間的相似度，并執(zhí)行步驟C。
8.如權(quán)利要求7所述的方法，其特征在于，所述更新每個(gè)普通用戶組與其他普通用戶組之間的相似度，具體包括: 分別將所述每個(gè)普通用戶組中的所有用戶的社交信息合并，并根據(jù)合并后的社交信息，計(jì)算并更新所述每個(gè)普通用戶組與其他普通用戶組之間的相似度。
9.如權(quán)利要求1所述的方法 ，其特征在于，所述根據(jù)相似度為所述用戶分配用戶組，具體包括: 步驟A，設(shè)置第一數(shù)量閥值、第二數(shù)量閥值； 步驟B，判斷在所有用戶中是否存在與所述用戶相似度不為零、且互相之間相似度不為零、且多于所述第一數(shù)量閥值的、與所述用戶不屬于同一個(gè)已建立的中心用戶組的第一候選用戶，若判斷結(jié)果為是，執(zhí)行步驟C，否則中止流程； 步驟C，在所述第一候選用戶中任意選擇第一數(shù)量閥值個(gè)親密用戶，為所述親密用戶和所述用戶設(shè)置一個(gè)中心用戶組； 步驟D，為所述中心用戶組設(shè)置第二候選用戶，所述第二候選用戶為所有與所述中心用戶組中任意用戶相似度不為零的用戶； 步驟E，判斷在所述第二候選用戶中是否存在與所述中心用戶組中多于所述第二數(shù)量閥值個(gè)用戶的相似度大于零的用戶，若判斷結(jié)果為是，執(zhí)行步驟F，否則執(zhí)行步驟B ； 步驟F，將所述與中心用戶組中多于所述第二數(shù)量閥值個(gè)用戶的相似度大于零的用戶中的任意一個(gè)用戶加入到所述中心用戶組； 步驟G，更新所述第二候選用戶，并返回執(zhí)行步驟E。
10.一種基于社交的用戶組設(shè)置裝置，其特征在于，應(yīng)用于為社交網(wǎng)絡(luò)中的多個(gè)用戶設(shè)置一個(gè)或多個(gè)用戶組，所述裝置包括: 獲取模塊，用于獲取用戶的社交信息； 計(jì)算模塊，用于根據(jù)所述社交信息計(jì)算不同用戶之間的相似度；控制模塊，用于根據(jù)所述相似度為所述用戶分配用戶組。
11.如權(quán)利要求10所述的裝置，其特征在于，所述社交信息包括: 所述用戶的好友用戶的信息；和/或， 所述用戶的互動(dòng)行為日志，所述用戶的互動(dòng)行為日志包括所述用戶與所述用戶的好友用戶之間的單向互動(dòng)信息，其中，所述單向互動(dòng)信息包括正向互動(dòng)信息和反向互動(dòng)信息，所述正向互動(dòng)信息為所述用戶對所述用戶的好友用戶的社交行為次數(shù)，所述反向互動(dòng)信息為所述用戶的好友用戶對所述用戶的社交行為次數(shù)。
12.如權(quán)利要求11所述的裝置，其特征在于， 所述計(jì)算模塊，具體用于根據(jù)所述獲取模塊獲取的所述用戶的好友用戶的數(shù)量、以及所述用戶的一個(gè)好友用戶的好友用戶的數(shù)量，計(jì)算所述用戶與所述用戶的一個(gè)好友用戶之間的相似度；所述用戶與所述用戶的一個(gè)好友用戶之間的相似度為所述用戶與所述用戶的一個(gè)好友用戶的共同好友的數(shù)量與好友總數(shù)的比值，所述好友總數(shù)為所述用戶的好友數(shù)量和所述用戶的好友用的好友數(shù)量之和。
13.如權(quán)利要求11所述的裝置，其特征在于，所述計(jì)算模塊，具體包括: 取得子模塊，用于取得所述獲取模塊獲取的所述用戶與所述用戶的一個(gè)好友用戶之間的正向互動(dòng)信息和反向互動(dòng)信息；并取得選擇子模塊選擇的所述用戶與所述用戶的所有好友用戶的互動(dòng)強(qiáng)度信息，用以組成所述用戶的互動(dòng)強(qiáng)度向量 選擇子模塊，用于選擇所述取得子模塊取得的所述用戶與所述用戶的一個(gè)好友用戶之間的正向互動(dòng)信息和反向互動(dòng)信息中數(shù)值小的，作為所述用戶與所述用戶的一個(gè)好友用戶的互動(dòng)強(qiáng)度信息； 計(jì)算子模塊，用于根據(jù)·所述取得子模塊取得的所述用戶的互動(dòng)強(qiáng)度向量與所述用戶的好友用戶的互動(dòng)強(qiáng)度向量，計(jì)算所述用戶和所述用戶的好友用戶的相似度。
14.如權(quán)利要求10所述的裝置，其特征在于，所述控制模塊，具體包括: 設(shè)置子模塊，用于設(shè)置相似度閥值；以及用于為社交網(wǎng)絡(luò)中的每個(gè)用戶設(shè)置一個(gè)普通用戶組，所述普通用戶組之間的相似度為所述計(jì)算模塊計(jì)算的所述普通用戶組內(nèi)的用戶與其他普通用戶組內(nèi)的用戶之間的相似度；以及用于將所有中心用戶組設(shè)置為普通用戶組； 判斷子模塊，用于判斷所述設(shè)置子模塊設(shè)置的所有普通用戶組中是否存在相似度高于所述設(shè)置子模塊設(shè)置的所述相似度閥值的至少兩個(gè)普通用戶組；以及用于判斷在選擇子模塊將普通用戶組合并為中心用戶組后，剩余的普通用戶組中是否存在相似度高于所述設(shè)置子模塊設(shè)置的所述相似度閥值、且與所述中心用戶組相似度為零的至少兩個(gè)普通用戶組； 所述選擇子模塊，用于在所述判斷子模塊判斷出的相似度高于所述相似度閥值的至少兩個(gè)普通用戶組中，選擇相似度最高的兩個(gè)普通用戶組中，合并為一個(gè)中心用戶組；以及用于在所述判斷子模塊判斷出的相似度高于所述相似度閥值、且與所述中心用戶組相似度為零的至少兩個(gè)普通用戶組中，選擇相似度最高的兩個(gè)普通用戶組合并為另一個(gè)中心用戶組； 更新子模塊，用于更新所述設(shè)置子模塊設(shè)置的普通用戶組與其他普通用戶組之間的相似度。
15.如權(quán)利要求14所述的裝置，其特征在于，所述控制模塊還包括， 計(jì)算子模塊，用于分別將所述設(shè)置子模塊設(shè)置的所述每個(gè)普通用戶組中的所有用戶的社交信息合并，并根據(jù)合并后的社交信息，計(jì)算所述每個(gè)普通用戶組與其他普通用戶組之間的相似度； 所述更新子模塊，具體用于根據(jù)所述計(jì)算子模塊計(jì)算的所述每個(gè)普通用戶組與其他普通用戶組之間的相似度，更新所述每個(gè)普通用戶組與其他普通用戶組之間的相似度。
16.如權(quán)利要求10所述的裝置，其特征在于，所述控制模塊，具體包括: 設(shè)置子模塊，用于設(shè)置第一數(shù)量閥值、第二數(shù)量閥值；以及用于為選擇子模塊選擇出的親密用戶和所述用戶設(shè)置一個(gè)中心用戶組；以及用于為所述中心用戶組設(shè)置第二候選用戶，所述第二候選用戶為所有與所述中心用戶組中任意用戶相似度不為零的用戶； 判斷子模塊，用于判斷在所有用戶中是否存在與所述用戶相似度不為零、且互相之間相似度不為零、且多于所述設(shè)置子模塊設(shè)置的所述第一數(shù)量閥值的、與所述用戶不屬于同一個(gè)已建立的中心用戶組的第一候選用戶；以及用于判斷在所述設(shè)置子模塊設(shè)置的所述第二候選用戶中是否存在與所述中心用戶組中多于所述第二數(shù)量閥值個(gè)用戶的相似度大于零的用戶； 所述選擇子模塊，用于在所述判斷子模塊判斷出的所述第一候選用戶中，任意選擇第一數(shù)量閥值個(gè)所述親密用戶； 合并子模塊，用于將所述判斷子模塊判斷的所述與中心用戶組中多于所述第二數(shù)量閥值個(gè)用戶的相似度大于零的用戶中的任意一個(gè)用戶，加入到所述中心用戶組； 更新子模塊，用于更新所述設(shè)置子模塊 設(shè)置的所述第二候選用戶。
【文檔編號】G06F17/30GK103853781SQ201210515509
【公開日】2014年6月11日 申請日期:2012年12月5日 優(yōu)先權(quán)日:2012年12月5日
【發(fā)明者】黃振, 李維剛 申請人:騰訊科技（北京）有限公司