【技术实现步骤摘要】
本专利技术涉及通信领域的社交网络技术，尤其涉及一种好友推荐方法及装置。
技术介绍
随着互联网技术的不断发展，互联网公司提供各种各样社交网络产品；用户通过所述社交网络产品可以形成社交圈。具体如，用户通过网络结交新朋友及联系老朋友。如果用户的好友数量很少，用户就不容易体验到社交网络产品带来的网络社交的便利性，因此好友推荐模块是社交网络服务的重要组成部分。为了增强社交网络产品的黏性，微博、校友录、微信及其他即时通讯等社交网络均会进行好友推荐，让用户在社交网络产品上建立更多的关系链。现有的好友推方法通常为：依据用户填写的属性信息的相似度向用户推荐好友，显然这是一种静态的推荐方法；显然有时候推荐的用户并非用户想要的好友。故具体如何向用户推荐用户满意的好友，提升用户的使用满意度，是现有技术需要进一步研究和探讨的问题。
技术实现思路
有鉴于此，本专利技术实施例期望提供一种好友推荐方法及装置，能够向用户推荐其满意的用户，提升用户的使用满意度。为达到上述目的，本专利技术的技术方案是这样实现的：本专利技术实施例第一方面提供一种好友推荐方法，所述方法包括：获取第一用户的当前用户属性及在第一指定时间内形成的所述当前用户属性对应的历史用户属性；依据所述当前用户属性及所述历史用户属性，确定被推荐用户与所述第一用户的属性相似度；分别获取所述被推荐用户与所述第一用户在第二指定时间内形成的社交关系数据，依据所述...
【技术保护点】
一种好友推荐方法，其特征在于，所述方法包括：获取第一用户的当前用户属性及在第一指定时间内形成的所述当前用户属性对应的历史用户属性；依据所述当前用户属性及所述历史用户属性，确定被推荐用户与所述第一用户的属性相似度；分别获取所述被推荐用户与所述第一用户在第二指定时间内形成的社交关系数据，依据所述社交关系数据确定所述被推荐用户与所述第一用户社交关系的结构相似度；依据所述属性相似度及所述结构相似度，选择被推荐用户向所述第一用户推荐；其中，所述第一指定时间和所述第二指定时间的截止时间相同。
【技术特征摘要】
1.一种好友推荐方法，其特征在于，所述方法包括：
获取第一用户的当前用户属性及在第一指定时间内形成的所述当前用户属
性对应的历史用户属性；
依据所述当前用户属性及所述历史用户属性，确定被推荐用户与所述第一
用户的属性相似度；
分别获取所述被推荐用户与所述第一用户在第二指定时间内形成的社交关
系数据，依据所述社交关系数据确定所述被推荐用户与所述第一用户社交关系
的结构相似度；
依据所述属性相似度及所述结构相似度，选择被推荐用户向所述第一用户
推荐；
其中，所述第一指定时间和所述第二指定时间的截止时间相同。
2.根据权利要求1所述的方法，其特征在于，
所述属性相似度包括基本属性相似度；
所述依据所述当前用户属性及所述历史用户属性，确定被推荐用户与所述
第一用户的属性相似度包括：
以第一权值及所述当前用户属性计算第一属性相似度值；
以第二权值及所述历史用户属性计算第二属性相似度值；
依据所述第一属性相似度值和所述第二属性相似度值，确定所述被推荐用
户与所述第一用户的基本属性相似度；
其中，所述第一权值大于所述第二权值；所述第二权值为自然数。
3.根据权利要求2所述的方法，其特征在于，
所述属性相似度还包括突变属性相似度；
所述依据所述当前用户属性及所述历史用户属性，确定被推荐用户与所述
第一用户的属性相似度还包括：
依据所述当前用户属性及所述历史用户属性，确定所述第一用户在所述第
\t一指定时间内的用户属性突变特征；
采用以下公式确定所述被推荐用户与所述第一用户的突变属性相似度S1；
S1=Σm=1m=Mam*bm]]>其中，所述am为第m个用户属性突变特征的权重因子；当所述被推荐用户
具有所述第m个用户属性突变特征时，所述bm为1；当所述被推荐用户不具有
所述第m个用户属性突变特征时，所述bm为0；
其中，所述M为不小于1的整数，为所述用户属性突变特征的总个数；所
述m为不大于所述M的正整数。
4.根据权利要求1、2或3所述的方法，其特征在于，
所述社交关系数据包括好友信息及添加好友的时序；
所述分别获取所述被推荐用户与所述第一用户在第二指定时间内形成的社
交关系数据，依据所述社交关系数据确定所述被推荐用户与所述第一用户社交
关系的结构相似度包括：
获取所述第一用户的第一好友信息及第一时序；
获取所述被推荐用户的第二好友信息及第二时序；
依据所述第一好友信息、所述第二好友信息、所述第一时序及所述第二时
序确定所述被推荐用户与所述第一用户的结构相似度。
5.根据权利要求4所述的方法，其特征在于，
所述依据所述第一好友信息、所述第二好友信息、所述第一时序及所述第
二时序确定所述被推荐用户与所述第一用户的结构相似度包括：
按照预设解析方法解析所述第一好友信息及所述第一时序，确定所述第一
用户形成的第一社交关系结构特征及形成所述第一社交关系结构特征的第一时
序特征；
按照预设解析方法解析所述第二好友信息及所述第二时序，确定所述被推
荐用户的第二社交关系结构特征及形成所述第二社交关系结构特征的第二时序
特征；
确定所述第一社交关系结构特征及所述第二社交关系结构特征的结构相似
性；
依据所述第一时序特及所述第二时序特征确定所述第一结构特征及所述第
二结构特征的时序关联性；
依据结构形似度及所述时序关联性，确定所述结构相似度。
6.根据权利要求4所述的方法，其特征在于，
所述第一好友信息为所述被推荐用户的好友集合；所述第二好友信息为所
述第一用户的好友集合；
其中，所述依据所述第一好友信息、所述第二好友信息、所述第一时序及
所述第二时序确定所述被推荐用户与所述第一用户的结构相似度包括：
利用如下公式计算所述被推荐用户与所述第一用户的结构相似度S2；
S2=Σk=0k=K11+α|tik-tik||N(i)∪N(j)|,]]>所述i为所述第一用户；所述j为所述被推荐用户；所述N(i)是第一用户的
好友集合；所述N(j)为所述被推荐用户的好友集合；
所述|N(i)UN(j)|为所述第一用户和所述被推荐用户的好友集合的并集；
所述N(i)∩N(j)为所述第一用户和所述被推荐用户的共同好友集合；
所述α为时间衰减因子；
所述tik为所述第一用户添加所述N(i)∩N(j)中第k个共同好友的时序；
所述tjk为所述被推荐用户添加所述N(i)∩N(j)中第k个共同好友的时序；
所述|tij-tik|为第一用户和所述被推荐用户分别添加所述第k个共同好友的
时序差；
所述K为所述N(i)∩N(j)包含的用户个数，为0或正整数。
7.根据权利要求1、2或3所述的方法，其特征在于，
所述依据所述属性相似度及所述结构相似度，选择被推荐用户向所述第一
\t用户推荐包括：
依据所述属性相似度及所述结构相似度，计算所述被推荐用户与所述第一
用户的相似度；
将各所述被推荐用户与第一用户的相似度进行排序，形成排序结果；
依据所述排序结果，选择满足预设条件所述被推荐用户向所述第一用户推
荐。
8.根据权利要求1、2或3所述的方法，其特征在于，
所述方法还包括：
统计第三指定时间内向所述第一用户推荐好友的准确度；所述准确度为所
述第一用户将被推荐用户添加为好友的数量占被推荐用户总数的比例；
依据所述准确度确定向所述第一用户推荐好友的频率；
所述依据所述属性相似度及所述结构相似度，选择被推荐用户向所述第一
用户推荐包括：
依据所述频率、所述属性相似度及所述结构相似度，选择所述被推荐用户
向所述第一用户推荐；
其中，所述第三指定时间的截止时间与所述第一指定时间的截止时间相同。
9.根据权利要求1、2或3所述的方法，其特征在于，
所述方法还包括：
统计第三指定时间内向所述第一用户推荐好友的准确度；所述准确度为所
述第一用户将被推荐用户添加为好友的数量占被推荐用户总数的比例；依据所
述准确度确定单次向所述第一用户推荐好友的数量；
所述依据所述属性相似度及所述结构相似度，选择被推荐用户向所述第一
用户推荐包括：
依据所述数量、所述属性相似度及所述结构相似度，选择所述被推荐用户
向所述第一用户推荐；
其中，所述第三指定时间的截止时间与所述第一指定时间的截止时间相同。
10.根据权利要求1、2或3所述的方法，其特征在于，
所述方法还包括：
依据所述第一用户的用户属性，生成至少包括一个被推荐用户的被推荐列
表；
所述依据所述当前用户属性及所述历史用户属性，确定被推荐用户与所述
第一用户的属性相似度包括：
依据所述当前用户属性及所述历史用户属性，确定所述被推荐列表中被推
荐用户与所述第一用户的属性相似度；
所述分别获取所述被推荐用户与所述第一用户在第二指定时间内形成的社
交关系数据，依据所述社交关系数据确定所述被推荐用户与所述第一用户社交
关系的结构相似度包括：
分别获取所述被推荐用户与所述第一用户在第二指定时间内形成的社交关
系数据，依据所述社交关系数据确定所述被推荐列表中所述被推荐用户与所述
第一用户社交关系的结构相似度；
所述依据所述属性相似度及所述结构相似度，选择被推荐用户向所述第一
用户推荐包括：
依据所述属性相似度及所述结构相似度，选择所述被推荐列表中的全部或
部分被推荐用户向所述第一用户推荐。
11.根据权利要求1、2或3所述的方法，其特征在于，
所述方法还包括：建立所述第一用户的黑名单；所述黑名单中的用户包括
以下的至少其中之一：被所述第一用户拒绝添加为好友的被推荐用户、被所述
第一用户从好友列表中删除过的被推荐用户及被所述第一用户添加到黑名单的
被推荐用户；
在确定被推荐用户与所述第一用户的属性相似度及所述结构相似度之前，
从所述被推荐列表中删除位于所述黑名单中的用户。
12.根据权利要求1、2或3所述的方法，其特征在于，
所述方法还包括：
建立所述第一用户的白名单；...
【专利技术属性】
技术研发人员：许小可，陈川，贺鹏，岳亚丁，管刚，刘婷婷，许爽，
申请(专利权)人：大连民族学院，腾讯科技深圳有限公司，
类型：发明
国别省市：辽宁;21
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。