一种好友推荐方法技术

本发明专利技术提供了一种好友推荐方法，该方法包括：根据网络中预定数量个用户的运动时间向量、运动空间向量以及运动形态向量，对目标用户第一次聚类，确定目标用户所在的至少一个初始待推荐好友列表；根据初始待推荐好友列表中每个用户的运动强度向量和运动效果向量，对目标用户第二次聚类，确定目标用户所在的最终待推荐好友列表。采用本发明专利技术能够基于相似的运动规律有效推荐好友。

【技术实现步骤摘要】

本专利技术涉及互联网信息
，特别涉及一种好友推荐方法。
技术介绍
社交网络随着Intenet用户的普及已经逐渐替代传统的信息获取渠道。例如Facebook，微博等。大家通过发消息和状态，发布自己所要表达的信息。当然，个人的精力是有限的，不可能通过自己去寻找，然后手动地关注所有可能感兴趣的内容或结点。所以互联网信息服务方需要研究如何去有效地向用户推荐他们会感兴趣的内容或结点。现实生活中有很多人喜欢运动，例如慢走，跑步，骑行。但是也许他的身边没有合适他的朋友，即使有相同兴趣，例如都喜欢慢走，但是也可能因为运动时间和位置的冲突而无法一起相约运动。也有可能虽然运动时间和位置吻合，但是由于运动强度不同，一个人每天能走10万步以上，而另一个人每天只能走1万步，这也是不合适的，两人也无法一起相约运动。因此，如何根据相似的运动规律有效推荐好友，成为需要解决的问题。
技术实现思路
本专利技术的目的在于提供了一种好友推荐方法，能够基于相似的运动规律有效推荐好友。本专利技术实施例提供了一种好友推荐方法，该方法包括：根据网络中预定数量个用户的运动时间向量、运动空间向量以及运动形态向量，对目标用户第一次聚类，确定目标用户所在的至少一个初始待推荐好友列表；根据初始待推荐好友列表中每个用户的运动强度向量和运动效果向量，对目标用户第二次聚类，确定目标用户所在的最终待推荐好友列表。对目标用户第二次聚类之后，该方法还包括：根据运动效果向量对所述最终待推荐好友列表中的用户进行排序。所述根据运动强度向量和运动效果向量对所述最终待推荐好友列表中的用户进行排序的方法包括：对所述最终待推荐好友列表中的用户按运动效果向量计算到目标用户的距离，距离目标用户越近，则该用户在最终待推荐好友列表中的排序越靠前。所述根据网络中预定数量个用户的运动时间向量、运动空间向量以及运动形态向量，对目标用户第一次聚类，确定目标用户所在的至少一个初始待推荐好友列表，包括：计算目标用户的运动时间向量、运动空间向量以及运动形态向量与每个用户的相似度，将相似度大于第一预设阈值的用户以及该目标用户加入到同一初始待推荐好友列表。所述根据初始待推荐好友列表中每个用户的运动强度向量和运动效果向量，对目标用户第二次聚类，确定目标用户所在的最终待推荐好友列表，包括：计算目标用户的运动强度向量和运动效果向量与初始待推荐好友列表中每个用户的相似度，将相似度大于第二预设阈值的用户以及该目标用户加入到同一最终待推荐好友列表。当网络中预定数量个用户各自属于不同社区，则，根据网络中预定数量个用户的运动时间向量、运动空间向量以及运动形态向量，对目标用户第一次聚类，确定目标用户所在的至少一个初始待推荐好友列表，包括：对于其中任意一个社区，计算目标用户的运动时间向量、运动空间向量以及运动形态向量与该社区中的每个用户的相似度；计算目标用户与该社区中的每个用户的相似度的平均值；将相似度平均值大于第三预设阈值的目标用户加入该社区，形成一个初始待推荐好友列表。当初始待推荐好友列表为多个时，所述根据初始待推荐好友列表中每个用户的运动强度向量和运动效果向量，对目标用户第二次聚类，确定目标用户所在的最终待推荐好友列表，包括：计算目标用户的运动强度向量和运动效果向量与每个初始待推荐好友列表中每个用户的相似度，将相似度大于第四预设阈值的用户以及该目标用户加入到同一最终待推荐好友列表。所述运动形态向量包括散步、慢跑、骑行；所述运动强度向量包括目标步数、达标率；所述运动效果向量包括体脂率、身体年龄、身体质量指数。本专利技术的有益效果在于，第一次筛选相似运动时间，运动空间，以及运动形态的用户形成初始待推荐好友列表，进一步第二次筛选相似运动强度和运动效果的用户形成最终待推荐好友列表。通过两次筛选，使具有相似运动规律的用户有机会聚在一起，成为相约一起运动的好朋友。附图说明图1为本专利技术一种好友推荐方法的流程示意图。图2为目标用户运动轨迹范围示意图。具体实施方式为使本专利技术的目的、技术方案及优点更加清楚明白，以下参照附图并举实施例，对本专利技术所述方案作进一步地详细说明。本专利技术把每个用户ui对应一个n维向量，每一维对应于一个运动向量，具体地，本专利技术中定义每个ui对应一个五维向量：(Vi，1，Vi，2，Vi，3，Vi，4，Vi，5，)。Vi，1表示运动时间向量，Vi，2表示运动空间向量，Vi，3表示运动形态向量，Vi，4表示运动强度向量，Vi，5表示运动效果向量。第一次筛选相似运动时间，运动空间，以及运动形态的用户形成初始待推荐好友列表，进一步第二次筛选相似运动强度和运动效果的用户形成最终待推荐好友列表。本专利技术提供的一种好友推荐方法的流程示意图如图1所示，该方法包括：步骤11、根据网络中预定数量个用户的运动时间向量、运动空间向量以及运动形态向量，对目标用户第一次聚类，确定目标用户所在的至少一个初始待推荐好友列表；步骤12、根据初始待推荐好友列表中每个用户的运动强度向量和运动效果向量，对目标用户第二次聚类，确定目标用户所在的最终待推荐好友列表。其中，所述运动形态向量包含但不限于散步、慢跑、骑行；所述运动强度向量包含但不限于目标步数、达标率；所述运动效果向量包含但不限于体脂率、身体年龄、身体质量指数。不同的运动向量可以根据具体运动进行相应的设定，不限于上述内容。为了向目标用户从最终待推荐好友列表中推荐运动效果好的榜样用户，本专利技术在步骤12对目标用户第二次聚类之后，该方法还包括：根据运动效果向量对所述最终待推荐好友列表中的用户进行排序。具体实现为：对所述最终待推荐好友列表中的用户按运动效果向量计算到目标用户的距离，距离目标用户越近，则该用户在最终待推荐好友列表中的排序越靠前。一种可以实现的实施例中，所述根据网络中预定数量个用户的运动时间向量、运动空间向量以及运动形态向量，对目标用户第一次聚类，确定目标用户所在的至少一个初始待推荐好友列表，包括：计算目标用户的运动时间向量、运动空间向量以及运动形态向量与每个用户的相似度，将相似度大于第一预设阈值的用户以及该目标用户加入到同一初始待推荐好友列表。所述根据初始待推荐好友列表中每个用户的运动强度向量和运动效果向量，对目标用户第二次聚类，确定目标用户所在的最终待推荐好友列表，包括：计算目标用户的运动强度向量和运动效果向量与初始待推荐好友列表中每个用户的相似度，将相似度大于第二预设阈值的用户以及该目标用户加入到同一最终待推荐好友列表。一种可以实现的实施例中，当网络中预定数量个用户各自属于不同社区，则，根据网络中预定数量个用户的运动时间向量、运动空间向量以及运动形态向量，对目标用户第一次聚类，确定目标用户所在的至少一个初始待推荐好友列表，包括：对于其中任意一个社区，计算目标用户的运动时间向量、运动空间向量以及运动形态向量与该社区中的每个用户的相似度；计算目标用户与该社区中的每个用户的相似度的平均值；将相似度平均值大于第三预设阈值的目标用户加入该社区，形成一个初始待推荐好友列表。当初始待推荐好友列表为多个时，所述根据初始待推荐好友列表中每个用户的运动强度向量和运动效果向量，对目标用户第二次聚类，确定目标用户所在的最终待推荐好友列表，包括：计算目标用户的运动强度向量和运动效果向量与每个初始待推荐好友列表中每个用户的相似本文档来自技高网...

【技术保护点】
一种好友推荐方法，该方法包括：根据网络中预定数量个用户的运动时间向量、运动空间向量以及运动形态向量，对目标用户第一次聚类，确定目标用户所在的至少一个初始待推荐好友列表；根据初始待推荐好友列表中每个用户的运动强度向量和运动效果向量，对目标用户第二次聚类，确定目标用户所在的最终待推荐好友列表。

【技术特征摘要】
1.一种好友推荐方法，该方法包括：根据网络中预定数量个用户的运动时间向量、运动空间向量以及运动形态向量，对目标用户第一次聚类，确定目标用户所在的至少一个初始待推荐好友列表；根据初始待推荐好友列表中每个用户的运动强度向量和运动效果向量，对目标用户第二次聚类，确定目标用户所在的最终待推荐好友列表。2.如权利要求1所述的方法，其特征在于，对目标用户第二次聚类之后，该方法还包括：根据运动效果向量对所述最终待推荐好友列表中的用户进行排序。3.如权利要求2所述的方法，其特征在于，所述根据运动强度向量和运动效果向量对所述最终待推荐好友列表中的用户进行排序的方法包括：对所述最终待推荐好友列表中的用户按运动效果向量计算到目标用户的距离，距离目标用户越近，则该用户在最终待推荐好友列表中的排序越靠前。4.如权利要求1所述的方法，其特征在于，所述根据网络中预定数量个用户的运动时间向量、运动空间向量以及运动形态向量，对目标用户第一次聚类，确定目标用户所在的至少一个初始待推荐好友列表，包括：计算目标用户的运动时间向量、运动空间向量以及运动形态向量与每个用户的相似度，将相似度大于第一预设阈值的用户以及该目标用户加入到同一初始待推荐好友列表。5.如权利要求4所述的方法，其特征在于，所述根据初始待推荐好友列表中每个用户的运动强度向量和运动效果向量，对目标用户第二次聚类，确定目标用户所在的最终待...

【专利技术属性】
技术研发人员：许晓龙，周超，张汝南，
申请(专利权)人：英华达上海科技有限公司，英华达上海电子有限公司，英华达南昌科技有限公司，英华达股份有限公司，
类型：发明
国别省市：上海;31