用于向社交網(wǎng)絡(luò)中的用戶推薦信息的方法和裝置制造方法
【專利摘要】一種向社交網(wǎng)絡(luò)中的用戶推薦信息的方法和裝置，包括：將用戶在社交網(wǎng)絡(luò)中的多個好友用戶歸類為兩個或多個一級好友用戶集合；針對兩個或多個一級好友用戶集合中的每一個，計算用戶對每個一級好友用戶集合的傾向性，從而得到兩個或多個相應(yīng)的傾向值；根據(jù)兩個或多個相應(yīng)的傾向值，基于兩個或多個一級好友用戶集合中的各個元素在社交網(wǎng)絡(luò)中的各自好友信息，向用戶推薦相關(guān)的信息。
【專利說明】用于向社交網(wǎng)絡(luò)中的用戶推薦信息的方法和裝置

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及社交網(wǎng)絡(luò)中的信息推薦。

【背景技術(shù)】
[0002] 近年來社交網(wǎng)絡(luò)（SNS)被人們頻繁使用。社交網(wǎng)絡(luò)是人們與例如具有相同背景或 愛好的個人或群組進(jìn)行社交的平臺。在社交網(wǎng)絡(luò)上用戶通常具有代表個人身份的個人簡 檔以及他的網(wǎng)絡(luò)鏈接。社交網(wǎng)絡(luò)允許用戶例如加好友、張貼個人信息（例如資料、狀態(tài)、相 片）、例如通過發(fā)信息、玩游戲等方式與好友進(jìn)行交流，或者向好友分享新聞、評論或視頻之 類的信息。社交網(wǎng)絡(luò)的形式可以是網(wǎng)站、軟件或應(yīng)用等。用戶可以通過計算機，包括諸如桌 上型計算機、膝上型計算機之類的電子設(shè)備或者諸如智能移動電話、平板電腦之類的移動 設(shè)備來訪問社交網(wǎng)絡(luò)。通常依賴于包括此類用戶設(shè)備、服務(wù)器等的社交網(wǎng)絡(luò)系統(tǒng)來實現(xiàn)社 交網(wǎng)絡(luò)的功能。其中向用戶推薦信息是社交網(wǎng)絡(luò)的一項重要功能，其對提高用戶活躍度和 保留用戶有很大幫助。


【發(fā)明內(nèi)容】

[0003] 本發(fā)明提供了一種向社交網(wǎng)絡(luò)中的用戶推薦信息的方法，包括：將用戶在社交網(wǎng) 絡(luò)中的多個好友用戶歸類為兩個或多個一級好友用戶集合；針對兩個或多個一級好友用戶 集合中的每一個，計算用戶對每個一級好友用戶集合的傾向性，從而得到兩個或多個相應(yīng) 的傾向值；根據(jù)兩個或多個相應(yīng)的傾向值，基于兩個或多個一級好友用戶集合中的各個元 素在社交網(wǎng)絡(luò)中的各自好友信息，向用戶推薦相關(guān)的信息。
[0004] 本發(fā)明還提供了一種用于向社交網(wǎng)絡(luò)中的用戶推薦信息的裝置，包括：用于將用 戶在社交網(wǎng)絡(luò)中的多個好友用戶歸類為兩個或多個一級好友用戶集合的裝置；用于針對兩 個或多個一級好友用戶集合中的每一個，計算用戶對每個一級好友用戶集合的傾向性，從 而得到兩個或多個相應(yīng)的傾向值的裝置；以及用于根據(jù)兩個或多個相應(yīng)的傾向值，基于兩 個或多個一級好友用戶集合中的各個元素在社交網(wǎng)絡(luò)中的各自好友信息，向用戶推薦相關(guān) 的信息的裝置。

【專利附圖】

【附圖說明】
[0005] 圖1是示出社交網(wǎng)絡(luò)中的用戶好友關(guān)系的一部分的示意圖；
[0006] 圖2是示出根據(jù)本發(fā)明的實施例的方法的流程圖；
[0007] 圖3是示出根據(jù)本發(fā)明的實施例的歸類步驟和推薦相關(guān)的信息的步驟的示意圖；
[0008] 圖4是示出根據(jù)本發(fā)明的實施例的推薦相關(guān)的信息的步驟的某些子步驟的流程 圖；以及
[0009] 圖5是示出根據(jù)本發(fā)明的實施例的向用戶推薦信息的顯示的示例。

【具體實施方式】
[0010] 存在許多種類的社交網(wǎng)絡(luò)，例如實名制社交網(wǎng)站、微博客、即時通信系統(tǒng)、基于位 置的社交應(yīng)用、視頻分享、社交游戲等。雖然社交網(wǎng)絡(luò)的類型不同，但是其基本功能之一是 推薦信息。推薦的信息包括用戶可能感興趣的新聞信息、視頻信息或者該社交網(wǎng)絡(luò)中的其 他用戶的信息等。用戶可以根據(jù)推薦的信息選擇各種操作，例如瀏覽推薦的新聞信息、觀看 推薦的視頻、訪問被推薦的用戶的頁面或者將其加為好友。其中，推薦與用戶有關(guān)的信息 (在社交網(wǎng)絡(luò)中通常被稱為推薦好友）的功能是很有利，這是因為通過用戶搜索的方式來 加好友具有效率低以及相關(guān)度不高等缺陷，而向用戶推薦合適的好友可以使用戶具有較多 并且相關(guān)的好友，十分有利于增加社交網(wǎng)絡(luò)的活躍用戶以及保留用戶。
[0011] 以推薦好友信息為例，社交網(wǎng)絡(luò)線上使用的好友推薦方法包括二級好友（F0F)推 薦、好友簇推薦、資料推薦以及通訊錄推薦等，其中二級好友推薦具有候選集廣泛、屬于基 礎(chǔ)數(shù)據(jù)集、能夠通過用戶與二級好友的共同好友說明兩人之間存在聯(lián)系等優(yōu)點。隨著社交 網(wǎng)絡(luò)的發(fā)展，社交圈檢測越來越受到關(guān)注，社交圈例如是包括具有某些共同特征或共同背 景的好友的集合。與提升用戶的整體好友數(shù)相比，提升與用戶更相關(guān)的社交圈的好友數(shù)可 以使得好友推薦更能夠起到增加用戶活躍度和保留用戶的作用。
[0012] 以好友推薦為例，目前的好友推薦算法存在很大的衰減，即推薦結(jié)果無法持續(xù)很 久的時間就失去與用戶的相關(guān)度。這是因為社交圈與用戶的相關(guān)度隨時間變化以及二級好 友本身的選取衰減。因此例如好友推薦的信息推薦需要考慮到社交圈某時刻的相關(guān)度等因 素來進(jìn)行諸如好友推薦之類的信息推薦。
[0013] 圖1示意性示出了社交網(wǎng)絡(luò)中的用戶好友關(guān)系的一部分。如圖1所示，在社交網(wǎng) 絡(luò)中，用戶A可以具有例如包括R)1、R)2、F03在內(nèi)的多個好友用戶。好友關(guān)系（以用戶之 間的連線表示）通常為雙向的，互為好友的兩個用戶可以具有例如互相發(fā)送即時信息、查 看資料、訪問相冊等權(quán)限。使用戶具有較多好友可以使該用戶在社交網(wǎng)站上更加活躍并且 更有更小的可能性離開，這對于社交網(wǎng)站而言是有利的。
[0014] 如圖1所示，用戶A的好友用戶（或一級好友用戶）F01、F02、F03可以具有F0F101、 F0F102、F0F103、F0F201、F0F202、F0F301等好友用戶。這些尚未與A成為好友，但是以用 戶A的好友用戶為好友的用戶被稱為用戶A的二級好友。在圖1中可見用戶A的二級好友 F0F103具有與F01和F02兩者的好友關(guān)系，則其與A具有至少F01和F02兩個共同好友。
[0015] 用戶可以通過向另一用戶發(fā)出好友申請來加好友，好友申請經(jīng)對方同意好友申請 后兩者成為好友。向用戶推薦與該社交網(wǎng)絡(luò)中的其他用戶的信息允許向用戶提供更多，與 其具有更大相關(guān)度的好友。而基于用戶的好友用戶的集合來有針對性地向用戶推薦信息則 使得推薦結(jié)果不易于失去與用戶的相關(guān)度。
[0016] 圖5是向用戶推薦信息的界面的示例，其中F0F201、F0F103、F0F301、F0F101是作 為推薦結(jié)果的二級好友。用戶可以對推薦結(jié)果進(jìn)行申請加對方為好友（502)、選擇不再推薦 此人（503)以及訪問其個人頁面（501)等操作。
[0017] 圖2是示出根據(jù)本發(fā)明的實施例的方法的流程圖。
[0018] 如圖2所示，根據(jù)本發(fā)明的實施例的方法包括：將用戶在社交網(wǎng)絡(luò)中的多個好友 用戶歸類為兩個或多個一級好友用戶集合（S202);針對兩個或多個一級好友用戶集合中 的每一個，計算用戶對每個一級好友用戶集合的傾向性，從而得到兩個或多個相應(yīng)的傾向 值（S203);并且根據(jù)兩個或多個相應(yīng)的傾向值，基于兩個或多個一級好友用戶集合中的 各個元素在社交網(wǎng)絡(luò)中的各自好友信息，向用戶推薦相關(guān)的信息（S204)。然后可以返回 上述步驟，使得上述步驟按預(yù)先確定的周期反復(fù)運行，以確保相關(guān)結(jié)果在該周期后被更新 (S205)。
[0019] 圖2中實施例的歸類步驟（S202)包括將每個用戶的好友用戶歸類為多個一級好 友用戶集合（community)。在該步驟中，產(chǎn)生具有多個好友用戶互相之間的權(quán)重的數(shù)據(jù)列 表，并且將數(shù)據(jù)列表代入社區(qū)檢測算法中來對所述多個好友用戶歸類。實現(xiàn)其需要獲得用 戶的好友用戶列表、用戶已有的好友分組信息、兩個好友用戶之間的交互信息以及用戶的 好友用戶之間是否具有好友關(guān)系的信息。首先（1)建立表示用戶的兩個好友之間關(guān)系程度 的權(quán)重（weight)〈friend-idl，friend_id2，weight>，其中 friend-idl、friend_id2 表不 用戶的兩個好友用戶，weight的值可以是0到1。然后（2)可以基于用戶已有的好友分組 來修改weight值，這可以通過如下方式實現(xiàn)：如果用戶已經(jīng)將兩個好友用戶歸為一組（例 如用戶通過對社交網(wǎng)站顯示的好友列表進(jìn)行操作），則將weight提高0. 1，直到加到最大值 1。隨后（3)可以基于該社交網(wǎng)絡(luò)中的兩個用戶的交互信息來修改weight值，計算方式例 如是：
[0020]

【權(quán)利要求】
1. 一種向社交網(wǎng)絡(luò)中的用戶推薦信息的方法，包括： 將所述用戶在所述社交網(wǎng)絡(luò)中的多個好友用戶歸類為兩個或多個一級好友用戶集 合； 針對所述兩個或多個一級好友用戶集合中的每一個，計算所述用戶對每個所述一級好 友用戶集合的傾向性，從而得到兩個或多個相應(yīng)的傾向值；并且 根據(jù)所述兩個或多個相應(yīng)的傾向值，基于所述兩個或多個一級好友用戶集合中的各個 元素在所述社交網(wǎng)絡(luò)中的各自好友信息，向所述用戶推薦相關(guān)的信息。
2. 根據(jù)權(quán)利要求1所述的方法，其中所述歸類的步驟包括：產(chǎn)生具有所述多個好友用 戶互相之間的權(quán)重的數(shù)據(jù)列表，并且將所述數(shù)據(jù)列表代入社區(qū)檢測算法中來對所述多個好 友用戶歸類。
3. 根據(jù)權(quán)利要求1所述的方法，其中在所述計算所述傾向值的步驟中，基于所接收的 所述用戶在所述社交網(wǎng)絡(luò)中的歷史活動信息，來計算所述兩個或多個相應(yīng)的傾向值。
4. 根據(jù)權(quán)利要求3所述的方法，其中所述歷史活動信息包括以下中的一種或多種： 所述用戶針對曾被推薦的信息的申請加為好友的操作的次數(shù)； 所述用戶針對所述曾被推薦的信息的選擇不再推薦所述好友的操作次數(shù)； 所述曾推薦的信息被推薦的次數(shù)；以及 所述用戶進(jìn)入與所述相關(guān)的信息相關(guān)聯(lián)的頁面的次數(shù)。
5. 根據(jù)權(quán)利要求1所述的方法，其中在所述計算所述傾向值的步驟中，基于所述用戶 與所述兩個或多個所述一級好友用戶集合中的每一個中的所述各個元素的交互程度，來計 算所述兩個或多個相應(yīng)的傾向值。
6. 根據(jù)權(quán)利要求1所述的方法，其中在所述計算所述傾向值的步驟中，通過模型預(yù)估 的方式來計算所述兩個或多個相應(yīng)的傾向值。
7. 根據(jù)權(quán)利要求1所述的方法，其中所述各自好友信息包括以下中的一種或多種： 所述兩個或多個一級好友用戶集合中的每一個中的所述元素的數(shù)量； 所述元素的各自好友與其所在的所述一級好友用戶集合中的所有所述元素的好友關(guān) 系的數(shù)量； 與所述各自好友相關(guān)的信息曾被推薦的次數(shù)； 限制與所述各自好友相關(guān)的信息被推薦的時長；以及 計算的所述各自好友關(guān)于所述用戶的相關(guān)值。
8. 根據(jù)權(quán)利要求1所述的方法，其中所述推薦相關(guān)的信息的步驟包括：以所述相應(yīng)的 傾向值為比例分配待推薦的所述相關(guān)信息。
9. 根據(jù)權(quán)利要求1所述的方法，其中所述推薦相關(guān)的信息的步驟還包括：計算所述各 個元素的所述各個好友用戶的排序值，并且根據(jù)所述排序值對所述各個元素的所述各自好 友一起進(jìn)行全排序。
10. -種用于向社交網(wǎng)絡(luò)中的用戶推薦信息的裝置，包括： 用于將所述用戶在所述社交網(wǎng)絡(luò)中的多個好友用戶歸類為兩個或多個一級好友用戶 集合的裝置； 用于針對所述兩個或多個一級好友用戶集合中的每一個，計算所述用戶對每個所述一 級好友用戶集合的傾向性，從而得到兩個或多個相應(yīng)的傾向值的裝置；以及 用于根據(jù)所述兩個或多個相應(yīng)的傾向值，基于所述兩個或多個一級好友用戶集合中的 各個元素在所述社交網(wǎng)絡(luò)中的各自好友信息，向所述用戶推薦相關(guān)的信息的裝置。
11. 根據(jù)權(quán)利要求10所述的裝置，其中所述用于歸類的裝置包括：用于產(chǎn)生具有所述 多個好友用戶互相之間的權(quán)重的數(shù)據(jù)列表，并且將所述數(shù)據(jù)列表代入社區(qū)檢測算法中來對 所述多個好友用戶歸類的裝置。
12. 根據(jù)權(quán)利要求10所述的裝置，其中所述用于計算所述傾向值的裝置被配置為：基 于所接收的所述用戶在所述社交網(wǎng)絡(luò)中的歷史活動信息，來計算所述兩個或多個相應(yīng)的傾 向值。
13. 根據(jù)權(quán)利要求12所述的裝置，其中所述歷史活動信息包括以下中的一種或多種： 所述用戶針對曾被推薦的信息的申請加為好友的操作的次數(shù)； 所述用戶針對所述曾被推薦的信息的選擇不再推薦所述好友的操作次數(shù)； 所述曾推薦的信息被推薦的次數(shù)；以及 所述用戶進(jìn)入與所述相關(guān)的信息相關(guān)聯(lián)的頁面的次數(shù)。
14. 根據(jù)權(quán)利要求10所述的裝置，其中在所述用于計算所述傾向值的裝置被配置為： 基于所述用戶與所述兩個或多個所述一級好友用戶集合中的每一個中的所述各個元素的 交互程度，來計算所述兩個或多個相應(yīng)的傾向值。
15. 根據(jù)權(quán)利要求10所述的裝置，其中所述用于計算所述傾向值的裝置被配置為：通 過模型預(yù)估的方式來計算所述兩個或多個相應(yīng)的傾向值。
16. 根據(jù)權(quán)利要求10所述的裝置，其中所述各自好友信息包括以下中的一種或多種： 所述兩個或多個一級好友用戶集合中的每一個中的所述元素的數(shù)量； 所述元素的各自好友與其所在的所述一級好友用戶集合中的所有所述元素的好友關(guān) 系的數(shù)量； 與所述各自好友相關(guān)的信息曾被推薦的次數(shù)； 限制與所述各自好友相關(guān)的信息被推薦的時長；以及 計算的所述各自好友關(guān)于所述用戶的相關(guān)值。
17. 根據(jù)權(quán)利要求10所述的裝置，其中所述用于推薦相關(guān)的信息的步驟包括：用于以 所述相應(yīng)的傾向值為比例分配待推薦的所述相關(guān)信息的裝置。
18. 根據(jù)權(quán)利要求10所述的裝置，其中所述用于推薦相關(guān)的信息的裝置還包括：用于 計算所述各個元素的所述各個好友的排序值，并且根據(jù)所述排序值對所述各個元素的所述 各自好友一起進(jìn)行全排序的裝置。
【文檔編號】G06F17/30GK104281599SQ201310281786
【公開日】2015年1月14日 申請日期:2013年7月2日 優(yōu)先權(quán)日:2013年7月2日
【發(fā)明者】鄧雄 申請人:北京千橡網(wǎng)景科技發(fā)展有限公司