用户群组推荐方法、装置及存储介质和服务器制造方法及图纸

本申请实施例公开了一种用户群组推荐方法、装置及存储介质和服务器，所述方法包括确定第二应用程序下，自身属性类别与所属用户群组属性类别不匹配的目标群成员；利用预设分类模型，获取与所述目标群成员匹配的目标用户群组，所述预设分类模型基于机器学习方法由多个已知属性类别的用户群组样本训练生成，用于对用户群组进行属性类别标记；将所述目标用户群组推送给所述目标群成员所在终端。本申请实施例提供的技术方案，可以为目标群成员推荐与其匹配度高的用户群组，提升了用户群组推荐的准确性。

【技术实现步骤摘要】
用户群组推荐方法、装置及存储介质和服务器
本申请实施例涉及信息推荐
，尤其涉及一种用户群组推荐方法、装置及存储介质和服务器。
技术介绍
随着互联网通信技术的发展，不同的终端用户之间可以通过建立用户群组来相互通信，例如，在微信应用程序下建立用户群组进行通信，在跑步应用程序下建立用户群组进行运动状态和技巧的沟通交流。但有时候用户所在的用户群组与用户自身并不匹配，导致用户在该用户群组下不能很好的满足用户对该应用程序的需求，需要改进。
技术实现思路
本申请实施例提供一种用户群组推荐方法、装置及存储介质和服务器，可以合理的进行用户群组推荐。在第一方面，本申请实施例提供了一种用户群组推荐方法，包括：确定第二应用程序下，自身属性类别与所属用户群组属性类别不匹配的目标群成员；利用预设分类模型，获取与所述目标群成员匹配的目标用户群组，所述预设分类模型基于机器学习方法由多个已知属性类别的用户群组样本训练生成，用于对用户群组进行属性类别标记；将所述目标用户群组推送给所述目标群成员所在终端。在第二方面，本申请实施例提供了一种用户群组推荐装置，包括：目标群成员确定模块，用于确定第二应用程序下，自身属性类别与所属用户群组属性类别不匹配的目标群成员；目标用户群组获取模块，用于利用预设分类模型，获取与所述目标群成员匹配的目标用户群组，所述预设分类模型基于机器学习方法由多个已知属性类别的用户群组样本训练生成，用于对用户群组进行属性类别标记；目标用户群组推荐模块，用于将所述目标用户群组推送给所述目标群成员所在终端。在第三方面，本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所提供的用户群组推荐方法。在第四方面，本申请实施例提供了一种服务器，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，所述处理器执行时实现如第一方面所提供的用户群组推荐方法。本申请实施例提供的用户群组推荐方案，通过对应用程序下所建立的用户群组中的群成员属性类别与用户群组属性类别进行分析，确定自身属性类别与所属用户群组的属性类别不匹配的目标群成员，利用预设分类模型，获取与目标群成员匹配的目标用户群组，将目标用户群组推送给目标群成员所在终端，可以为目标群成员推荐与其匹配度高的用户群组，提升了用户群组推荐的准确性。附图说明图1是本申请实施例提供的一种用户群组推荐方法的流程图；图2是本申请实施例提供的另一种用户群组推荐方法的流程图；图3是本申请实施例提供的另一种用户群组推荐方法的流程图；图4是本申请实施例提供的一种用户群组推荐装置的结构示意图；图5是本申请实施例提供的一种服务器的结构示意图；图6是本申请实施例提供的另一种服务器的结构示意图；图7是本申请实施例提供的一种移动终端的结构示意图。具体实施方式为了使本申请的目的、技术方案和优点更加清楚，下面结合附图对本申请具体实施例作进一步的详细描述。可以理解的是，此处所描述的具体实施例仅仅用于解释本申请，而非对本申请的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部内容。在更加详细地讨论示例性实施例之前应当提到的是，一些示例性实施例被描述成作为流程图描绘的处理或方法。虽然流程图将各项操作(或步骤)描述成顺序的处理，但是其中的许多操作可以被并行地、并发地或者同时实施。此外，各项操作的顺序可以被重新安排。当其操作完成时所述处理可以被终止，但是还可以具有未包括在附图中的附加步骤。所述处理可以对应于方法、函数、规程、子例程、子程序等等。图1给出了本申请实施例提供的一种用户群组推荐方法的流程图，本实施例的方法可以由用户群组推荐装置来执行，该装置可通过硬件和/或软件的方式实现，所述装置可作为服务器一部分设置在所述服务器的内部。如图1所示，本实施例提供的用户群组推荐方法包括以下步骤：步骤101、确定第二应用程序下，自身属性类别与所属用户群组属性类别不匹配的目标群成员。在移动终端中一般都安装有各式各样的应用程序，用户通过操作该应用程序来实现相应的功能，例如用户通过电话应用程序进行接打电话，通过微信、QQ等社交类应用程序进行聊天和发表状态，通过运动类应用程序进行运动健身，通过竞技类应用程序来玩游戏。在用户使用应用程序的过程中，会建立或者加入相应应用程序下的用户群组，以方便群成员之间的沟通交流。每个应用程序都有其对应的服务器来控制应用程序功能的实现，可以是每个应用程序分别对应一个服务器，也可以是相同生厂商的应用程序对应该生产商的一个服务器，本实施例对此并不进行限制。一个应用程序下可能建立多个用户群组，在移动终端侧可以对群成员的操作信息进行分析，得到群成员的属性类别信息，并将群成员的操作信息和属性类别信息上传至服务器。对于有些应用程序下的用户群组属性类别可以通过根据用户群组建立信息或者群主直接输入的群组属性来得到，这类应用程序称为第一应用程序；对于有些应用程序下的用户群组属性类别无法通过上述方法得到，这类应用程序称为第二应用程序。其中，第一应用程序和第二应用程序可以为相同类别的应用程序，示例性的，可以都为竞技类应用程序。可选的，应用程序可以包括社交类应用程序、运动类应用程序和竞技类应用程序，所述竞技类应用程序可以包括游戏类应用程序。若所述应用程序为社交类应用程序，则属性类别包括活跃、一般和不活跃，若所述应用程序为运动类应用程序，则属性类别包括勤奋、中等和懒惰，若所述应用程序为竞技类应用程序，则属性类别包括初级水平、中级水平和高级水平。在步骤101之前，还包括确定第二应用程序下各个用户群组属性类别的步骤。可以先通过将第一应用程序下的各个用户群组作为样本进行训练生成预设分类模型，该预设分类模型可用于对第二应用程序下的用户群组属性类别进行标记，然后，将第二应用程序下的各个用户群组中群成员的操作信息和属性类别输入至预设分类模型，来得到第二应用程序下各个用户群组的属性类别。相应的，本实施例提供的用户群组推荐方法还可以包括以下步骤：采集第一应用程序下已知属性类别的用户群组样本基于机器学习方法进行训练，生成预设分类模型。在生成预设分类模型之后还可以包括以下步骤：获取第二应用程序下建立的各个用户群组中群成员的操作信息和属性类别；将所述各个用户群组中群成员的操作信息和属性类别输入至所述预设分类模型，得到所述预设分类模型输出的各个用户群组的属性类别。在基于预设分类模型获取到第二应用程序下的各个用户群组的属性类别之后，可以确定第二应用程序下，自身属性类别与所属用户群组属性类别不匹配的目标群成员。其中，自身属性类别与所属用户群组属性类别不匹配可以包括自身属性类别与所属用户群组属性类别不同，示例性的，群成员A的属性类别为高级水平，群成员A所属的用户群组的属性类别为初级水平，那么群成员A的自身属性类别与所属用户群组属性类别不匹配；自身属性类别与所属用户群组属性类别不匹配还可以包括自身属性类别与所属用户群组属性类别不配对，当然可以预先设置第二应用程序下互相配对的属性类别，示例性的，群成员B的属性类别为类别1，与类别1配对的为类别2，若群成员B所属用户群组的属性类别为类别1或者类别3，则群成员B的属性类别与所属用户群组的属性类别不匹配。可选的，所述机器学习方法包括：神经网络本文档来自技高网...

【技术保护点】
一种用户群组推荐方法，其特征在于，包括：确定第二应用程序下，自身属性类别与所属用户群组属性类别不匹配的目标群成员；利用预设分类模型，获取与所述目标群成员匹配的目标用户群组，所述预设分类模型基于机器学习方法由多个已知属性类别的用户群组样本训练生成，用于对用户群组进行属性类别标记；将所述目标用户群组推送给所述目标群成员所在终端。

【技术特征摘要】
1.一种用户群组推荐方法，其特征在于，包括：确定第二应用程序下，自身属性类别与所属用户群组属性类别不匹配的目标群成员；利用预设分类模型，获取与所述目标群成员匹配的目标用户群组，所述预设分类模型基于机器学习方法由多个已知属性类别的用户群组样本训练生成，用于对用户群组进行属性类别标记；将所述目标用户群组推送给所述目标群成员所在终端。2.根据权利要求1所述的用户群组推荐方法，其特征在于，还包括：采集第一应用程序下已知属性类别的用户群组样本基于机器学习方法进行训练，生成预设分类模型。3.根据权利要求2所述的用户群组推荐方法，其特征在于，还包括：获取第二应用程序下建立的各个用户群组中群成员的操作信息和属性类别；将所述各个用户群组中群成员的操作信息和属性类别输入至所述预设分类模型，得到所述预设分类模型输出的各个用户群组的属性类别；所述利用预设分类模型，获取所述目标群成员匹配的目标用户群组包括：对所述各个用户群组的属性类别进行标记；将属性类别与所述目标群成员属性类别匹配的用户群组确定为目标用户群组。4.根据权利要求2所述的群组推荐方法，其特征在于，所述应用程序包括社交类应用程序、运动类应用程序和竞技类应用程序。5.根据权利要求4所述的群组推荐方法，其特征在于，若所述应用程序为社交类应用程序，则属性类别包括活跃、一般和不活跃，若所述应用程序为运动类应用程序，则属性类别包括勤奋、中等和懒惰，若所述应用程序为竞技类应用程序，则属性类别包括初级水平、中级水平和高级水平。6.根据权利要求1-5任一项所述的用户群组推荐方法，其特征在于，所述机器学习方法包括：神经网络方法、支持向量机方法、决策树方法、逻...

【专利技术属性】
技术研发人员：刘耀勇，陈岩，
申请(专利权)人：广东欧珀移动通信有限公司，
类型：发明
国别省市：广东,44