System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本说明书一个或多个实施例涉及智能社交,尤其涉及一种社交关系识别方法及装置。
技术介绍
1、目前,很多应用程序为用户提供了线上社交功能,例如可以添加好友、与好友进行即时通讯、向好友分享新闻链接等。用户在通过这些应用程序进行线上社交活动时,与不同关系的好友之间可能会有不同的互动行为,形成不同的互动场景。例如,用户和“同事”关系的好友之间可能会进行线上会议、和“线下朋友”关系的好友之间可能会分享购物优惠券、和“亲子”关系的好友之间可能会有转账行为等。
2、有鉴于此,有必要使应用程序区分用户与不同好友之间的关系类型,以更好地服务于用户与其好友之间的线上社交活动,提升用户对相关应用程序的使用体验。
技术实现思路
1、本说明书一个或多个实施例提供了一种社交关系识别方法及装置,以更好地服务于用户与其好友之间的线上社交活动,提升用户对相关应用程序的使用体验。
2、第一方面,本说明书一个或多个实施例提供了一种社交关系识别方法,包括:
3、获取应用程序的注册用户参与的各次社交活动的属性信息;所述属性信息包括社交活动的位置信息和时间信息中的至少一种;
4、根据所述属性信息计算待确定的目标关系类别为预测关系类别的关系积分值;其中,所述目标关系类别为第一用户和第二用户之间的关系类别,所述第一用户和第二用户为在所述应用程序中互为好友的两个注册用户;
5、根据各个所述预测关系类别对应的所述关系积分值确定所述目标关系类别。
6、一种可能的实现
7、根据预设时间段内新产生的与所述第一用户和第二用户相关的所述属性信息,重新计算所述关系积分值。
8、一种可能的实现方式中,所述根据所述属性信息计算待确定的目标关系类别为预测关系类别的关系积分值,包括:
9、根据所述属性信息确定各次社交活动对应的预设场景;每个所述预设场景对应至少一个预测关系类别;
10、根据所述属性信息计算所述第一用户和第二用户在各个预设场景下的活动相似度;
11、根据第一预设场景下的所述活动相似度计算所述第一预设场景对应的各个所述预测关系类别的所述关系积分值。
12、一种可能的实现方式中,所述预设场景包括以下至少一项:
13、工作场景、学习场景、运动场景、娱乐场景、餐饮场景。
14、一种可能的实现方式中,所述位置信息包括经纬度坐标或位置标签;所述位置标签用于表示相应空间位置的用途。
15、一种可能的实现方式中,所述方法还包括:
16、获取所述第一用户的第一特征信息和所述第二用户的第二特征信息;
17、所述根据所述属性信息计算待确定的目标关系类别为预测关系类别的关系积分值,包括:
18、根据所述第一特征信息、所述第二特征信息和所述属性信息计算各个所述预测关系类别对应的所述关系积分值。
19、一种可能的实现方式中,所述方法还包括:
20、将所述目标关系类别保存为所述第一用户和第二用户之间的备注信息。
21、第二方面,本说明书一个或多个实施例提供了一种社交关系识别装置,包括:
22、第一获取单元,用于获取应用程序的注册用户参与的各次社交活动的属性信息;所述属性信息包括社交活动的位置信息和时间信息中的至少一种;
23、信息分析单元,用于根据所述属性信息计算待确定的目标关系类别为预测关系类别的关系积分值;其中,所述目标关系类别为第一用户和第二用户之间的关系类别,所述第一用户和第二用户为在所述应用程序中互为好友的两个注册用户;
24、关系识别单元,用于根据各个所述预测关系类别对应的所述关系积分值确定所述目标关系类别。
25、一种可能的实现方式中,所述信息分析单元还用于:
26、根据预设时间段内新产生的与所述第一用户和第二用户相关的所述属性信息,重新计算所述关系积分值。
27、一种可能的实现方式中,所述信息分析单元用于根据所述属性信息计算待确定的目标关系类别为预测关系类别的关系积分值,包括,所述信息分析单元用于:
28、根据所述属性信息确定各次社交活动对应的预设场景;每个所述预设场景对应至少一个预测关系类别;
29、根据所述属性信息计算所述第一用户和第二用户在各个预设场景下的活动相似度;
30、根据第一预设场景下的所述活动相似度计算所述第一预设场景对应的各个所述预测关系类别的所述关系积分值。
31、一种可能的实现方式中,所述预设场景包括以下至少一项:
32、工作场景、学习场景、运动场景、娱乐场景、餐饮场景。
33、一种可能的实现方式中,所述位置信息包括经纬度坐标或位置标签;所述位置标签用于表示相应空间位置的用途。
34、一种可能的实现方式中,所述装置还包括:
35、第二获取单元,用于获取所述第一用户的第一特征信息和所述第二用户的第二特征信息;
36、所述信息分析单元用于根据所述属性信息计算待确定的目标关系类别为预测关系类别的关系积分值,包括,所述信息分析单元用于:
37、根据所述第一特征信息、所述第二特征信息和所述属性信息计算各个所述预测关系类别对应的所述关系积分值。
38、一种可能的实现方式中,所述装置还包括:
39、关系存储单元,用于将所述目标关系类别保存为所述第一用户和第二用户之间的备注信息。
40、第三方面,本说明书一个或多个实施例还提供了一种电子设备,该电子设备包括存储器和处理器;所述存储器用于存储计算机程序产品;所述处理器用于执行所述存储器中存储的计算机程序产品,且所述计算机程序产品被执行时,实现上述第一方面的方法。
41、第四方面,本说明书一个或多个实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序指令,该计算机程序指令被执行时,实现上述第一方面的方法。
42、综上,本说明书一个或多个实施例提供了一种社交关系识别方法及装置,根据用户使用应用程序参与社交活动的位置、时间等属性信息,对在该应用程序内建立好友关系的两个用户进行关系细分识别,以将同一用户对应的多个好友进行区分,从而可以使该应用程序基于不同用户之间细分后的目标关系类别提供相应的服务,提升用户对应用程序的使用体验。
43、其次,上述属性信息是用户使用应用程序的过程中所产生的客观数据,本实施例中客观数据对好友的社交关系进行细分识别,可以排除用户的主观因素影响,保证识别结果与相关用户之间的实际社交活动情况相匹配,提高对用户的线下真实关系分类的准确性。本实施例所述的社交关系识别方法可以通过应用程序的客户端或服务器中预先配置的代码或指令来实现,不需要用户执行特别的操作,实用性高,不会给用户造成额外的负担。
44、再次,本实施例基于多次社交活动的属性信息,对各个预测关系本文档来自技高网...
【技术保护点】
1.一种社交关系识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,还包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述属性信息计算待确定的目标关系类别为预测关系类别的关系积分值,包括:
4.根据权利要求3所述的方法,其特征在于,所述预设场景包括以下至少一项:
5.根据权利要求1所述的方法,其特征在于,所述位置信息包括经纬度坐标或位置标签;所述位置标签用于表示相应空间位置的用途。
6.根据权利要求1所述的方法,其特征在于,还包括:
7.根据权利要求1所述的方法,其特征在于,还包括:
8.一种社交关系识别装置,其特征在于,包括:
9.根据权利要求8所述的装置,其特征在于,所述信息分析单元还用于:
10.根据权利要求8所述的装置,其特征在于,所述信息分析单元用于根据所述属性信息计算待确定的目标关系类别为预测关系类别的关系积分值,包括,所述信息分析单元用于:
11.根据权利要求10所述的装置,其特征在于,所述预设场景包括以下至少一项:<
...【技术特征摘要】
1.一种社交关系识别方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,还包括:
3.根据权利要求1所述的方法,其特征在于,所述根据所述属性信息计算待确定的目标关系类别为预测关系类别的关系积分值,包括:
4.根据权利要求3所述的方法,其特征在于,所述预设场景包括以下至少一项:
5.根据权利要求1所述的方法,其特征在于,所述位置信息包括经纬度坐标或位置标签;所述位置标签用于表示相应空间位置的用途。
6.根据权利要求1所述的方法,其特征在于,还包括:
7.根据权利要求1所述的方法,其特征在于,还包括:
8.一种社交关系识别装置,其特征在于,包括:
9.根据权利要求8所述的装置,其特征在于,所述信息分析单元还用于:
10....
【专利技术属性】
技术研发人员:张涛,刘巧,杨金波,王骏,
申请(专利权)人:支付宝杭州信息技术有限公司,
类型:发明
国别省市:
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。