一种好友自动分类方法、装置、计算机设备和存储介质制造方法及图纸

本发明专利技术适用于数据处理技术领域，提供了一种好友自动分类方法、装置、计算机设备和存储介质，其中，所述好友自动分类方法包括：获取用户与好友之间的互动信息；根据所述互动信息对所述用户与好友之间的亲密度进行量化处理，确定所述用户的好友亲密度权重矩阵；根据所述好友亲密度权重矩阵以及预设的二阶随机游走网络节点图，获取随机游走序列的组合；将所述随机游走序列的组合分别进行词向量训练处理，并对所得词向量进行分类，以完成所述用户的好友分类。解决了目前对不同类型好友只能依靠手动分组而效率低下的问题，避免了人为疏忽导致的错误分组的情况发生，同时针对隐私的相对范围性问题，自动分组为防止隐私泄露提供了便利。

【技术实现步骤摘要】
一种好友自动分类方法、装置、计算机设备和存储介质
本专利技术属于数据处理
，尤其涉及一种好友自动分类方法、装置、计算机设备和存储介质。
技术介绍
随着移动通讯网络环境的不断完善以及智能手机的进一步普及，手机上网人群占比达到了92.5％，而这一切都离不开即时通信工具的高速发展，整体即时通信工具(IM)用户中，使用微信，QQ和微博这三个社交应用的用户几乎覆盖了所有的手机网民，在这三者中分享的内容都可选择仅在好友圈中可见，这是一个更小的圈子，更加注重个人隐私，强调的是好友间的互动，因此我们会在好友圈分享更多更私人的信息。而随着好友圈的扩大，隐私问题便接踵而至了。隐私最显著的特征便是它的相对范围性，通过这一特征可以把隐私细分为个人隐私，家庭隐私，企业隐私等，脱离了相对范围容易引发隐私泄露问题，因而将好友分组是个保护隐私的有效手段，大多数社交平台显然也注意到了隐私相对范围的问题，不过它只是简单地设置了一个好友分组功能，需要人为地进行分组归纳，对于好友数目的增大显得十分无力，手动分组效率低下，且一个人的朋友圈是在不断发展扩大的，后续加入的新友又要再进行补充归纳，无疑令这一步骤变得更加繁琐复杂。由此可见，现有好友分组方法需要人为进行分组归纳，分组效率低下，且易出现人为疏忽导致的错误分组，无法满足使用需求。
技术实现思路
本专利技术实施例的目的在于提供一种好友自动分类方法，旨在解决现有好友分组方法需要人为进行分组归纳，分组效率低下，且易出现人为疏忽导致的错误分组，无法满足使用需求的问题。本专利技术实施例是这样实现的，一种好友自动分类方法，包括：获取用户与好友之间的互动信息；根据所述互动信息对所述用户与好友之间的亲密度进行量化处理，确定所述用户的好友亲密度权重矩阵；根据所述好友亲密度权重矩阵以及预设的二阶随机游走网络节点图，获取随机游走序列的组合；将所述随机游走序列的组合分别进行词向量训练处理，并对所得词向量进行分类，以完成所述用户的好友分类。本专利技术实施例的另一目的在于好友自动分类装置，包括：互动信息获取单元，用于获取用户的好友间互动信息；权重矩阵确定单元，用于根据所述好友间互动信息对所述用户与好友间的亲密度进行量化处理，确定所述用户的好友亲密度权重矩阵；随机游走序列获取单元，用于根据所述好友亲密度权重矩阵以及预设二阶随机游走网络节点图，获取随机游走序列的组合；以及分类单元，用于将所述随机游走序列的组合分别进行词向量训练处理，并对所得词向量进行分类，以完成所述用户的好友分类。。本专利技术实施例的另一目的在于提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行所述好友自动分类方法的步骤。本专利技术实施例的另一目的在于提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行所述好友自动分类方法的步骤。本专利技术实施例提供的好友自动分类方法，利用社交网络平台好友间动态互动的特性，对社交网络平台好友进行精准分组及亲密度量化，解决了目前对不同类型好友只能依靠手动分组而效率低下的问题，避免了人为疏忽导致的错误分组的情况发生，同时针对隐私的相对范围性问题，自动分组为防止隐私泄露提供了便利。附图说明图1为本专利技术实施例一提供的好友自动分类方法的实现流程图；图2为本专利技术实施例二提供的好友自动分类方法的实现流程图；图3为本专利技术实施例三提供的好友自动分类方法的实现流程图；图4为本专利技术实施例提供的二阶随机游走网络节点图；图5为本专利技术实施例四提供的好友自动分类方法的实现流程图；图6为本专利技术实施例五提供的好友自动分类方法的实现流程图；图7为本专利技术实施例六提供的好友自动分类方法的实现流程图；图8为本专利技术实施例七提供的好友自动分类方法的实现流程图；图9为本专利技术实施例提供的好友自动分类装置的结构示意图。具体实施方式为了使本专利技术的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本专利技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本专利技术，并不用于限定本专利技术。在本专利技术实施例中使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本专利技术。在本专利技术实施例和所附权利要求书中所使用的单数形式的“一种”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。应当理解，尽管在本专利技术实施例中可能采用术语第一、第二等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。本专利技术适用于社交网络应用平台。社交平台包括但不限于微信、新浪微博、人人网、好友网、QQ、Twitter(推特)、Facebook(脸书)等应用软件。本专利技术实施例将自然语言处理和社交网络分析结合起来，利用社交平台好友间动态互动的特性，提出了一种基于自然语言处理的社交网络好友自动分类方法。将好友关系量化得出好友亲密度权重矩阵，结合二阶随机游走获得好友节点序列集合，并对好友节点序列进行词向量训练处理，以得出最终的好友分组结果，解决了目前对不同类型好友只能依靠手动分组而效率低下的问题，同时针对隐私的相对范围性问题，自动分组为防止隐私泄露提供了便利。图1为本专利技术实施例一提供的一种好友自动分类方法的实现流程，为了便于说明，仅示出与本专利技术实施例相关的部分，详述如下：在步骤S101中，获取用户与好友之间的互动信息。在本专利技术实施例中，用户与好友之间的互动信息包括点赞信息、评论信息、转发信息、私信信息等；当然，还可以包括额外的辅助信息如用户属性信息(性别、地理位置等)、累积性行为信息(三日内、一周内、一个月内、半年内等各时间段内各种互动的行为次数)以及坏境信息(共同好友、共同群数量等)。在步骤S102中，根据所述互动信息对所述用户与好友之间的亲密度进行量化处理，确定所述用户的好友亲密度权重矩阵。在本专利技术实施例中，用户与好友之间的亲密度关系一般可以分为陌生，不熟，熟悉，友好和亲密五个等级，具体由用户与好友之间的互动信息决定，如用户的不互动次数远远高于点赞、评论等互动次数，则亲密度归属于陌生。在本专利技术实施例中，亲密度权重矩阵的确定操作，举例说明如下：好友A与好友B在朋友圈下一共进行了k次不互动，t次点赞，s次评论，m次点赞加评论，确定A与B之间的关系，结合预先收集的大众对社交网络的影响程度值，便可以得出两者间的具体权重数值X，记为(好友A，好友B，X)；如此便能得出该用户所有好友的亲密度权重矩阵。在步骤S103中，根据所述好友亲密度权重矩阵以及预设的二阶随机游走网络节点图，获取随机游走序列的组合。在本专利技术实施例中，二阶随机游走网络节点图中的节点代表亲密度权重矩阵中的好友，连接两个节点的边表明好友双方存在交互行为，边长代表矩阵中的具体权重数值；而二阶随机游走参数设定情况为：设定随机游走起始的源节点为u，引入返回参数p和游走参数q，其中p代表该次游走方向侧重于源节点u的周围节点的概率，q表示该次游走方向侧重于远离源节点u的概率，游走至下一节点的概率由d，q和p共同决定。在本专利技术实施例中，获取随机游走序列的组合是指对所有节点均进行多次随机游走，得出以每个节点作为源本文档来自技高网...

【技术保护点】
1.一种好友自动分类方法，其特征在于，包括：获取用户与好友之间的互动信息；根据所述互动信息对所述用户与好友之间的亲密度进行量化处理，确定所述用户的好友亲密度权重矩阵；根据所述好友亲密度权重矩阵以及预设的二阶随机游走网络节点图，获取随机游走序列的组合；将所述随机游走序列的组合分别进行词向量训练处理，并对所得词向量进行分类，以完成所述用户的好友分类。

【技术特征摘要】
1.一种好友自动分类方法，其特征在于，包括：获取用户与好友之间的互动信息；根据所述互动信息对所述用户与好友之间的亲密度进行量化处理，确定所述用户的好友亲密度权重矩阵；根据所述好友亲密度权重矩阵以及预设的二阶随机游走网络节点图，获取随机游走序列的组合；将所述随机游走序列的组合分别进行词向量训练处理，并对所得词向量进行分类，以完成所述用户的好友分类。2.根据权利要求1所述的好友自动分类方法，其特征在于，所述根据所述互动信息对所述用户与好友间的亲密度进行量化处理，确定所述用户的好友亲密度权重矩阵的步骤，具体包括：获取社交网络中不同好友关系对社交关系的影响程度信息；根据所述互动信息以及所述影响程度信息，通过加权平均方式对所述用户与好友间的亲密度进行量化处理，确定权重数值；根据所述权重数值，确定所述用户的好友亲密度权重矩阵。3.根据权利要求1所述的好友自动分类方法，其特征在于，所述二阶随机游走网络节点图包括至少两个好友节点以及连接两个好友节点的边；所述根据所述好友亲密度权重矩阵以及预设二阶随机游走网络节点图，获取随机游走序列的组合的步骤，具体包括：根据所述好友亲密度权重矩阵以及预设二阶随机游走网络节点图，获取以所述用户的每一好友作为源节点出发对应的随机游走序列的组合。4.根据权利要求1所述的好友自动分类方法，其特征在于，所述将所述随机游走序列的组合分别进行词向量训练处理，并对所得词向量进行分类，以完成所述用户的好友分类的步骤，具体包括：将所述随机游走序列的组合分别进行词向量训练处理，确定所述用户的好友词向量模型；对所述词向量模型进行聚类操作处理，确定所述词向量的分类，以完成所述用户的好友分类。5.根据权利要求4所述的好友自动分类方法，其特征在于，所述将所述随机游走序列的组合分别进行词向量训练处理，确定所述用户的好友词向量模型的步骤，具体包括：将所述随机游走序列的组合分别进行词向量训练处理，以使用户的所有好友均由对应的词向量表示；根据所述用户的所有...

【专利技术属性】
技术研发人员：施蓉鑫，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61