评估用户的兴趣倾向的方法和装置制造方法及图纸

本发明专利技术公开了一种评估用户的兴趣倾向的方法和装置。该方法包括：计算所述用户与其好友列表中的目标好友的关系分数；计算所述目标好友的自身倾向分数；以及根据所述关系分数和所述自身倾向分数计算所述用户关于所述目标好友的兴趣倾向程度。通过该方法，可评估用户的兴趣倾向，从而准确地为用户推送相关领域的内容或信息，以提升用户体验。

【技术实现步骤摘要】

本专利技术属于数据挖掘领域，具体涉及评估用户的兴趣倾向的方法和装置。
技术介绍
随着以微博为代表的社交网络服务(SNS)的迅速发展，对SNS用户的分析逐渐成为了热点，尤其是对用户的兴趣进行分析，分析的结果可以用于各种推荐系统，进而达到提升用户体验和精准广告投放的双赢目的。在诸如微博的SNS媒体中，有着大量的用户群体，具有很高的研究价值和应用价值。在SNS媒体中，每个用户通常拥有自己的好友列表，其中可能包含该用户的真正朋友、同事、家人，也可能包含用户的真实兴趣，如体育、财经、旅游等。因此可对用户的好友列表进行分析以推测用户的兴趣倾向。然而，如何对用户的好友列表进行有效的分析，以得到比较准确的评估结果，一直是本领域未解决的难题。
技术实现思路
有鉴于此，本专利技术提出了一种评估SNS用户的兴趣倾向的方法和装置。该方法和装置通过计算能够反映用户的实际兴趣的目标好友的自身倾向分数以及用户与该目标好友的关系分数，从而可以评估用户关于该目标好友的兴趣倾向程度。根据本专利技术的一个方面，提供了一种评估用户的兴趣倾向的方法，包括：计算所述用户与其好友列表中的目标好友的关系分数；计算所述目标好友的自身倾向分数；以及根据所述关系分数和所述自身倾向分数计算所述用户关于所述目标好友的兴趣倾向程度。根据本专利技术的另一方面，提供了一种评估用户的兴趣倾向的装置，包括：关系分数计算单元，计算所述用户与其好友列表中的目标好友的关系分数；自身倾向分数计算单元，计算所述目标好友的自身倾向分数；以及兴趣倾向程度计算单元，根据所述关系分数计算单元所计算的关系分数和所述自身倾向分数计算单元所计算的自身倾向分数，计算所述用户关于所述目标好友的兴趣倾向程度。根据本专利技术所提供的技术方案，可评估用户的兴趣倾向，从而准确地为用户推送相关领域的内容或信息，以提升用户体验。附图说明参照附图来阅读本专利技术的各实施方式，将更容易理解本专利技术的其它特征和优点，在此描述的附图只是为了对本专利技术的实施方式进行示意性说明的目的，而非全部可能的实施，并且不旨在限制本专利技术的范围。在附图中：图1示出了根据本专利技术一个实施方式评估SNS用户的兴趣倾向的方法的流程图；图2示出了根据本专利技术另一个实施方式评估SNS用户的兴趣倾向的方法的流程图；图3示出了根据本专利技术一个实施方式计算用户与其好友列表中的目标好友的关系分数的流程图；图4示出了根据本专利技术一个实施方式计算用户与目标好友的亲密度的流程图；图5示出了根据本专利技术一个实施方式用户的示例性好友关系图；图6示出了根据本专利技术一个实施方式评估SNS用户的兴趣倾向的装置的框图；图7示出了根据本专利技术另一个实施方式评估SNS用户的兴趣倾向的装置的框图；图8示出了根据本专利技术一个实施方式的关系分数计算单元的框图；图9示出了根据本专利技术一个实施方式的亲密度计算子单元的框图；以及图10示出了可用于实施根据本专利技术实施例的方法和系统的计算机的示意性框图。具体实施方式现参照附图对本专利技术的实施方式进行详细描述。应注意，以下描述仅仅是示例性的，而并不旨在限制本专利技术。此外，在以下描述中，将采用相同的附图标号表示不同附图中的相同或相似的部件。在以下描述的不同实施方式中的不同特征，可彼此结合，以形成本专利技术范围内的其他实施方式。图1示出了根据本专利技术一个实施方式评估SNS用户的兴趣倾向的方法的流程图。如图1所示，该方法100包括步骤S110至S130。在步骤S110中，计算用户与其好友列表中的目标好友的关系分数。目标好友可根据实际需要来选择，其通常是能够反映用户的实际兴趣的好友。在步骤S120中，计算该目标好友的自身倾向分数。可以理解，步骤S110和S120可以并行处理或按先后顺序处理，并且其处理顺序可以对调。随后，在步骤S130中，根据上述计算得到的关系分数和自身倾向分数计算该用户关于该目标好友的兴趣倾向程度。由此，通过计算能够反映用户的实际兴趣的目标好友的自身倾向分数以及用户与该目标好友的关系分数，从而可以评估用户关于该目标好友的兴趣倾向程度。例如，目标好友是一家母婴产品店，那么其自身倾向分数必然反映出母婴产品店的特性，如果用户与其关系越紧密，则用户对母婴产品的兴趣倾向程度就越高，反之，如果用户与其关系越疏远，则用户对母婴产品的兴趣倾向程度就没那么高。如此，可通过上述方法评估用户的兴趣倾向，从而准确地为用户推送相关领域的内容或信息，以提升用户体验。图2示出了根据本专利技术另一个实施方式评估SNS用户的兴趣倾向的方法的流程图。为了简要起见，以下将仅描述图2所示的实施方式与图1的不同之处，并将略去其相同之处的详细描述。如图2所示，该方法100’包括步骤S105至S130。首先，在步骤S105中，实时监控用户的好友列表，并且在检测到好友列表发生变化时，将新加入好友列表的好友作为目标好友。此后，可将新加入好友列表的该好友作为目标好友进行步骤S110至S130的处理。根据上述实施方式，当用户改变其好友列表，加入新的好友时，往往会反映用户最新的兴趣需求。例如，用户最近在考虑购买汽车，那么该用户可能会新加入一些与汽车销售相关的好友(例如，一些品牌的4S店)，那么这正反映了用户的最新兴趣倾向。因此，将新加入好友列表的好友作为目标好友进行处理，有助于有效地评估用户的兴趣倾向，并易于得到较好的结果。图3示出了根据本专利技术一个实施方式计算用户与其好友列表中的目标好友的关系分数的流程图。如图3所示，上述步骤S110可包括子步骤S111至S113。在子步骤S111中，计算用户与目标好友的亲密度。在子步骤S112中，计算目标好友与用户的好友列表中其他好友的相似度。可以理解，子步骤S111和S112可以并行处理或按先后顺序处理，并且其处理顺序可以对调。随后，在子步骤S113中，根据上述计算得到的亲密度和相似度计算用户与目标好友的关系分数。根据本实施方式，在计算用户与目标好友的关系分数时，考虑了两方面的因素，即用户与目标好友的亲密度以及目标好友与用户的其他好友的相似度。用户与目标好友的亲密度越高，二者的关系也就越紧密。另一方面，目标好友与用户的其他好友的相似度越高，则目标好友与用户的关系也会越紧密。由此计算的关系分数将更加准确，并有利于后续的处理。根据本专利技术的一个实施方式，可通过下式计算用户与目标好友的关系分数：Sfriend＝α*Closeness(u,f)+β*Similarity(f,f*)公式1其中，Sfriend是用户与目标好友的关系分数，u代表该用户，f代表目标好友，f*代表用户的好友列表中除了目标好友外的其他所有好友，Closeness(u，f)表示用户与目标好友的亲密度，Similarity(f，f*)表示目标好友与用户的好友列表中其他所有好友的相似度，α和β均为可调的系数。根据一个实施例，α+β＝1。可见，用户与目标好友的关系分数与用户与目标好友的亲密度以及目标好友与用户的其他好友的相似度呈正相关的关系。也就是说，如果用户与目标好友的亲密度越大，则其关系越强。如果目标好友与用户的其他好友越相似，则其关系越强。图4示出了根据本专利技术一个实施方式计算用户与目标好友的亲密度的流程图。如图4所示，上述步骤S111可包括子步骤S111a至S111c。在子步骤S111a中，根据用户的好本文档来自技高网...

【技术保护点】
一种评估用户的兴趣倾向的方法，包括：计算所述用户与其好友列表中的目标好友的关系分数；计算所述目标好友的自身倾向分数；以及根据所述关系分数和所述自身倾向分数计算所述用户关于所述目标好友的兴趣倾向程度。

【技术特征摘要】
1.一种评估用户的兴趣倾向的方法，包括：计算所述用户与其好友列表中的目标好友的关系分数；计算所述目标好友的自身倾向分数；以及根据所述关系分数和所述自身倾向分数计算所述用户关于所述目标好友的兴趣倾向程度。2.如权利要求1所述的方法，还包括：实时监控所述用户的好友列表，并在检测到所述好友列表发生变化时，将新加入所述好友列表的好友作为所述目标好友。3.如权利要求1或2所述的方法，其中计算所述用户与其好友列表中的目标好友的关系分数包括：计算所述用户与所述目标好友的亲密度；计算所述目标好友与所述用户的好友列表中其他好友的相似度；以及根据所述亲密度和所述相似度计算所述关系分数。4.如权利要求3所述的方法，其中所述用户与所述目标好友的关系分数通过下式计算得出：Sfriend＝α*Closeness(u,f)+β*Similarity(f,f*)其中，Sfriend代表所述用户与所述目标好友的关系分数，Closeness(u，f)代表所述用户与所述目标好友的亲密度，u代表所述用户，f代表所述目标好友，f*代表所述用户的好友列表中除了所述目标好友外的其他所有好友，Similarity(f，f*)代表所述目标好友与所述用户的好友列表中其他所有好友的相似度，α和β分别代表可调的系数。5.如权利要求4所述的方法，其中计算所述用户与所述目标好友的亲密度包括：根据所述用户的好友列表以及所述用户与其好友列表中的每个好友之间的关系，建立所述用户的好友关系图；识别所述好友关系图中的最小连通图，其中所述最小连通图是包含所述用户和其至少两个好友的不可拆分的完整循环关系图；以及根据识别结果计算所述用户与所述目标好友的亲密度Closeness(u，f)。6.如权利要求5所述的方法，其中所述用户的好友关系图由<(p，e)>表示，其中p代表所述好...

【专利技术属性】
技术研发人员：郑仲光，孟遥，孙俊，
申请(专利权)人：富士通株式会社，
类型：发明
国别省市：日本;JP