好友推荐方法及装置制造方法
【专利摘要】本公开是关于好友推荐方法及装置，用于实现向用户进行好友推荐的智能化，方法包括：根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值；根据与交友相关的特征对应的当前时刻的特征值计算所述用户的当前时刻的交友热度分值；根据所述交友热度分值确定向所述用户推荐的好友中与所述用户无关联的联系人的比例或数量，按确定的所述比例或数量向所述用户进行好友推荐；其中，所述比例或数量与所述交友热度分值成正比。本公开能够在用户具有较高交友意愿的时候，向用户推荐更多与用户无关联的联系人，以更好的满足用户的交友意愿；在用户具有较低交友意愿的时候，向用户推荐较少的与用户无关联的联系人，减少用户被打扰的概率。
【专利说明】好友推荐方法及装置
【技术领域】
[0001]本公开涉及计算机网络【技术领域】，尤其涉及好友推荐方法及装置。
【背景技术】
[0002]随着网络技术的发展，人们开始使用越来越多的即时通信工具与他人进行通信。用户在使用即时通信工具与他人进行通信时，需要先添加好友，然后可以同已添加的好友进行通信。好友推荐便是向用户推荐联系人，用户可以从推荐的联系人中选择联系人进行添加。相关技术中好友推荐的方法为，确定两个用户的好友列表中是否有相同的联系人，如果具有相同联系人。则两个用户间具有关联关系。当与用户有关联关系的联系人没有被包含到用户的联系人列表中时，将该联系人推荐给用户。相关技术中的另一种好友推荐的方法为，应用“附近的人”或“摇一摇”功能，查找到满足条件的联系人，向用户推荐查找到的联系人。
【发明内容】
[0003]为克服相关技术中存在的问题，本公开实施例提供好友推荐方法及装置，用于实现向用户进行好友推荐的智能化。
[0004]根据本公开实施例的第一方面，提供一种好友推荐方法，包括:
[0005]根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值；
[0006]根据与交友相关的特征对应的当前时刻的特征值计算所述用户的当前时刻的交友热度分值；
[0007]根据所述交友热度分值确定向所述用户推荐的好友中与所述用户无关联的联系人的比例或数量，按确定的所述比例或数量向所述用户进行好友推荐；
[0008]其中，所述比例或数量与所述交友热度分值成正比。
[0009]在一实施例中，所述方法还可包括:
[0010]从用户的行为记录中提取交友行为，根据所述交友行为生成所述用户的交友记录。
[0011]在一实施例中，所述方法还可包括:
[0012]利用机器学习算法，根据用户的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的权重值；
[0013]所述根据与交友相关的特征对应的当前时刻的特征值计算所述用户的当前时刻的交友热度分值，包括:
[0014]将特征对应的当前时刻的特征值转换为所述特征对应的当前时刻的特征分值；
[0015]将各个特征对应的当前时刻的特征分值与所述各个特征对应的权重值进行加权求和，将所述和值作为所述用户的当前时刻的交友热度分值。
[0016]在一实施例中，所述方法还可包括:
[0017]当用户的交友行为发生变更时，根据变更后的交友行为更新用户的交友记录；
[0018]所述利用机器学习算法，根据用户的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的权重值，包括:
[0019]利用机器学习算法，根据更新后的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的新的权重值。
[0020]在一实施例中，所述方法还可包括:
[0021]根据所述用户的当前时刻的交友热度分值确定将所述用户推荐给无关联的另一用户的概率；
[0022]按照所述概率将所述用户推荐给无关联的另一用户；
[0023]其中，所述概率与所述交友热度分值成正比。
[0024]在一实施例中，所述根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值，可包括:
[0025]根据用户的交友记录，对用户在当前时刻前预设时长内的交友行为进行统计，根据统计结果得出特征对应的特征值。
[0026]根据本公开实施例的第二方面，提供一种好友推荐装置，包括:
[0027]第一确定模块，用于根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值；
[0028]计算模块，用于根据与交友相关的特征对应的当前时刻的特征值计算所述用户的当前时刻的交友热度分值；
[0029]第一推荐模块，用于根据所述交友热度分值确定向所述用户推荐的好友中与所述用户无关联的联系人的比例或数量，按确定的所述比例或数量向所述用户进行好友推荐；
[0030]其中，所述比例或数量与所述交友热度分值成正比。
[0031]在一实施例中，所述装置还可包括:
[0032]生成模块，用于从用户的行为记录中提取交友行为，根据所述交友行为生成所述用户的交友记录。
[0033]在一实施例中，所述装置还可包括:
[0034]第二确定模块，用于利用机器学习算法，根据用户的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的权重值；
[0035]所述计算模块，包括:
[0036]转换子模块，用于将特征对应的当前时刻的特征值转换为所述特征对应的当前时刻的特征分值；
[0037]加权求和子模块，用于将各个特征对应的当前时刻的特征分值与所述各个特征对应的权重值进行加权求和，将所述和值作为所述用户的当前时刻的交友热度分值。
[0038]在一实施例中，所述装置还可包括:
[0039]更新模块，用于当用户的交友行为发生变更时，根据变更后的交友行为更新用户的交友记录；
[0040]所述第二确定模块，包括:
[0041]确定子模块，用于利用机器学习算法，根据更新后的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的新的权重值。
[0042]在一实施例中，所述装置还可包括:
[0043]第三确定模块，用于根据所述用户的当前时刻的交友热度分值确定将所述用户推荐给无关联的另一用户的概率；
[0044]第二推荐模块，用于按照所述概率将所述用户推荐给无关联的另一用户；
[0045]其中，所述概率与所述交友热度分值成正比。
[0046]在一实施例中，所述第一确定模块，可包括:
[0047]统计子模块，用于根据用户的交友记录，对用户在当前时刻前预设时长内的交友行为进行统计，根据统计结果得出特征对应的特征值。
[0048]根据本公开实施例的第三方面，提供一种好友推荐装置，包括:
[0049]处理器；
[0050]用于存储处理器可执行指令的存储器；
[0051〕 其中，所述处理器被配置为:
[0052]根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值；
[0053]根据与交友相关的特征对应的当前时刻的特征值计算所述用户的当前时刻的交友热度分值；
[0054]根据所述交友热度分值确定向所述用户推荐的好友中与所述用户无关联的联系人的比例或数量，按确定的所述比例或数量向所述用户进行好友推荐；
[0055]其中，所述比例或数量与所述交友热度分值成正比。
[0056]本公开的实施例提供的技术方案可以包括以下有益效果:本公开根据用户的交友记录，确定与交友相关的特征对应的当前时刻的特征值；根据特征值计算用户的当前时刻的交友热度分值，根据交友热度分值确定向用户推荐的好友中与用户无关联的联系人的比例或数量，按确定的比例或数量进行好友推荐，该比例或数量与交友热度分值成正比；如此，能够在交友热度分值较高，用户具有较高交友意愿的时候，向用户推荐更多与用户无关联的联系人，以更好的满足用户的交友意愿；在交友热度分值较低，用户具有较低交友意愿的时候，向用户推荐较少的与用户无关联的联系人，减少用户被打扰的概率，进而能够实现向用户推荐好友的智能化。
[0057]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
【专利附图】
【附图说明】
[0058]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0059]图1是根据一示例性实施例示出的一种好友推荐方法的流程图。
[0060]图2是根据一示例性实施例示出的计算交友热度分值的流程图。
[0061]图3是根据一示例性实施例示出的将用户推荐给无关联的另一用户的流程图。
[0062]图4是根据一示例性实施例示出的一种好友推荐方法的流程图。
[0063]图5是根据一示例性实施例一示出的一种好友推荐方法的流程图。
[0064]图6是根据一示例性实施例示出的一种好友推荐装置的框图。
[0065]图7是根据一示例性实施例示出的另一种好友推荐装置的框图。
[0066]图8是根据一示例性实施例示出的另一种好友推荐装置的框图。
[0067]图9是根据一示例性实施例示出的另一种好友推荐装置的框图。
[0068]图10是根据一示例性实施例示出的另一种好友推荐装置的框图。
[0069]图11是根据一示例性实施例示出的一种适用于好友推荐装置的框图。
【具体实施方式】
[0070]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
[0071]图1是根据一示例性实施例示出的一种好友推荐方法的流程图；如图1所示，该好友推荐方法可用于终端设备，如个人电脑、手机、平板电脑中，包括以下步骤3101-3103:
[0072]在步骤3101中，根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值。
[0073]其中，与交友相关的特征可以包括:用户的使用预设交友功能项的频率，例如，用户使用“摇一摇”、“碰碰聊”、“附近的人”功能项的频率；推荐时间；用户的好友申请的次数；用户的好友申请的通过率。
[0074]上述根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值可包括:根据用户的交友记录，对用户在当前时刻前预设时长内的交友行为进行统计，根据统计结果得出特征对应的特征值。
[0075]举例而言，预设时长为15分钟，根据用户的交友记录，对用户在当前时刻前15分中内使用“附近的人”功能项的行为进行统计，根据统计结果得出用户的使用“附近的人”功能项的频率。类似地，可以通过对用户的交友行为进行统计，得出用户的好友申请的次数和用户的好友申请的通过率，在此，不再赘述。
[0076]对于特征推荐时间，可以直接将推荐时的时间值作为特征推荐时间对应的特征值。
[0077]在一实施例中，本公开中方法还可包括:从用户的行为记录中提取交友行为，根据交友行为生成用户的交友记录。
[0078]在步骤3102中，根据与交友相关的特征对应的当前时刻的特征值计算用户的当前时刻的交友热度分值。
[0079]在一实施例中，上述方法还可包括:利用机器学习算法，根据用户的交友记录中各个特征与用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的权重值。
[0080]与用户无关联的联系人被称为陌生人，是指好友列表与用户的好友列表中没有共同好友的联系人，或者基本信息与用户的基本信息间不具有关联的联系人，例如，不属于同一地区，同一毕业学校，或同一职业。
[0081]可以利用机器学习算法工具，根据用户的交友记录中各个特征与用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的权重值。
[0082]如图2所示，上述步骤3102可包括如下步骤八1和八2:
[0083]在步骤八1中，将特征对应的当前时刻的特征值转换为特征对应的当前时刻的特征分值。
[0084]举例而言，对于特征推荐时间，将一天的时间进行时间段划分，对各个时间段设置对应的分值，确定推荐时时间所属时间段，将所属时间段对应的分值作为特征推荐时间所对应的特征分值。对于特征使用预设交友功能项的频率，将所述频率进行归一化，将归一化后所得值作为该特征对应的特征分值。类似地，可以得出用户的好友申请的次数和用户的好友申请的通过率对应的特征分值，在此，不再赘述。
[0085]在步骤八2中，将各个特征对应的当前时刻的特征分值与各个特征对应的权重值进行加权求和，将和值作为用户的当前时刻的交友热度分值。
[0086]交友热度分值体现了用户的交友愿望，交友热度分值越高，表示用户的交友愿望越强。
[0087]在步骤3103中，根据交友热度分值确定向用户推荐的好友中与用户无关联的联系人的比例或数量，按确定的比例或数量向用户进行好友推荐。
[0088]其中，向用户推荐的好友中与用户无关联的联系人的比例或数量与交友热度分值成正比。
[0089]在一实施例中，如图3所述，上述方法还可包括如下步骤81-82:
[0090]在步骤81中，根据用户的当前时刻的交友热度分值确定将用户推荐给无关联的另一用户的概率。
[0091]其中，将用户推荐给无关联的另一用户的概率与交友热度分值成正比。
[0092]在步骤82中，按照确定的概率将用户推荐给无关联的另一用户。
[0093]举例而言，将用户添加到用户池中，用户池中各个用户具有被选中的概率，该概率与用户的交友热度分值成正比，根据用户的被选中概率从用户池中选择用户，将选择的用户推荐给与用户无关联关系的另一用户。
[0094]本公开的实施例提供的技术方案可以包括以下有益效果:本公开根据用户的交友记录，确定与交友相关的特征对应的当前时刻的特征值；根据特征值计算用户的当前时刻的交友热度分值，根据交友热度分值确定向用户推荐的好友中与用户无关联的联系人的比例或数量，按确定的比例或数量进行好友推荐，该比例或数量与交友热度分值成正比；如此，能够在交友热度分值较高，用户具有较高交友意愿的时候，向用户推荐更多与用户无关联的联系人，以更好的满足用户的交友意愿；在交友热度分值较低，用户具有较低交友意愿的时候，向用户推荐较少的与用户无关联的联系人，减少用户被打扰的概率，进而能够实现向用户推荐好友的智能化。
[0095]图4是根据一示例性实施例示出的一种好友推荐方法的流程图；如图4所示，该好友推荐方法可用于终端设备，如个人电脑、手机、平板电脑中，包括以下步骤:
[0096]在步骤3401中，当用户的交友行为发生变更时，根据变更后的交友行为更新用户的交友记录。
[0097]在步骤3402中，利用机器学习算法，根据更新后的交友记录中各个特征与用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的新的权重值。
[0098]在步骤3403，根据更新的用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值。
[0099]在步骤3404，将特征对应的当前时刻的特征值转换为特征对应的当前时刻的特征分值。
[0100]举例而言，如果根据交友记录，发现用户从白天中午交友频繁转换为夜晚交友频繁，则各个时间段所对应分值也做相应调整，将中午时间段对应分值减少，将夜晚时间段对应分值增加。对于特征推荐时间，确定推荐时时间所属时间段，将所属时间段对应的分值作为特征推荐时间所对应的特征分值。
[0101]在步骤3405，将各个特征对应的当前时刻的特征分值与各个特征对应的新的权重值进行加权求和，将和值作为用户的当前时刻的交友热度分值。
[0102]在步骤3406，根据交友热度分值确定向用户推荐的好友中与用户无关联的联系人的比例或数量，按确定的比例或数量向用户进行好友推荐。
[0103]其中，比例或数量与交友热度分值成正比。
[0104]本实施例的有益效果在于，能够根据交友行为的变化来变更交友记录，从而变更对用户进行好友推荐时推荐的陌生人的数量或比例，进而能够对用户的好友推荐策略进行实时调整，使得好友推荐与用户的交友行为更加相符。
[0105]实施例一
[0106]图5是根据一示例性实施例一示出的一种好友推荐方法的流程图；如图5所示，该好友推荐方法可用于终端设备，如个人电脑、手机、平板电脑中，包括以下步骤:
[0107]在步骤3501中，从用户的行为记录中提取交友行为，根据交友行为生成用户的交友记录。
[0108]在步骤3502中，根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值。
[0109]在步骤3503中，利用机器学习算法，根据用户的交友记录中各个特征与用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的权重值。
[0110]在步骤3504中，将特征对应的当前时刻的特征值转换为特征对应的当前时刻的特征分值。
[0111]在步骤3505中，将各个特征对应的当前时刻的特征分值与各个特征对应的权重值进行加权求和，将和值作为用户的当前时刻的交友热度分值。
[0112]在步骤3506中，根据交友热度分值确定向用户推荐的好友中与用户无关联的联系人的比例或数量，按确定的比例或数量向用户进行好友推荐。
[0113]其中，向用户推荐的好友中与用户无关联的联系人的比例或数量与交友热度分值成正比。
[0114]在步骤3507中，根据用户的当前时刻的交友热度分值确定将用户推荐给无关联的另一用户的概率。
[0115]其中，将用户推荐给无关联的另一用户的概率与交友热度分值成正比。
[0116]在步骤3508中，按照确定的概率将用户推荐给无关联的另一用户。
[0117]本公开的实施例提供的技术方案可以包括以下有益效果:能够在交友热度分值较高，用户具有较高交友意愿的时候，向用户推荐更多与用户无关联的联系人，以更好的满足用户的交友意愿；在交友热度分值较低，用户具有较低交友意愿的时候，向用户推荐较少的与用户无关联的联系人，减少用户被打扰的概率，进而能够实现向用户推荐好友的智能化。
[0118]图6是根据一示例性实施例示出的一种好友推荐装置的框图；如图6所示，该好友推荐装置可用于终端设备，如个人电脑、手机、平板电脑中，包括:
[0119]第一确定模块61被配置为根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值；
[0120]计算模块62被配置为根据与交友相关的特征对应的当前时刻的特征值计算用户的当前时刻的交友热度分值；
[0121]第一推荐模块63被配置为根据交友热度分值确定向用户推荐的好友中与用户无关联的联系人的比例或数量，按确定的比例或数量向用户进行好友推荐；
[0122]其中，比例或数量与交友热度分值成正比。
[0123]在一实施例中，如图7所示，装置还可包括:
[0124]生成模块71被配置为从用户的行为记录中提取交友行为，根据交友行为生成用户的交友记录。
[0125]在一实施例中，如图8所示，装置还可包括:
[0126]第二确定模块81被配置为利用机器学习算法，根据用户的交友记录中各个特征与用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的权重值；
[0127]计算模块62可包括:
[0128]转换子模块82被配置为将特征对应的当前时刻的特征值转换为特征对应的当前时刻的特征分值；
[0129]加权求和子模块83被配置为将各个特征对应的当前时刻的特征分值与各个特征对应的权重值进行加权求和，将和值作为用户的当前时刻的交友热度分值。
[0130]在一实施例中，如图9所示，装置还可包括:
[0131]更新模块91被配置为当用户的交友行为发生变更时，根据变更后的交友行为更新用户的交友记录；
[0132]第二确定模块81可包括:
[0133]确定子模块92被配置为利用机器学习算法，根据更新后的交友记录中各个特征与用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的新的权重值。
[0134]在一实施例中，如图10所示，装置还可包括:
[0135]第三确定模块101被配置为根据用户的当前时刻的交友热度分值确定将用户推荐给无关联的另一用户的概率；
[0136]第二推荐模块102被配置为按照概率将用户推荐给无关联的另一用户；
[0137]其中，概率与交友热度分值成正比。
[0138]在一实施例中，第一确定模块可包括:
[0139]统计子模块被配置为根据用户的交友记录，对用户在当前时刻前预设时长内的交友行为进行统计，根据统计结果得出特征对应的特征值。
[0140]关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
[0141]本公开的实施例提供的技术方案可以包括以下有益效果:能够在交友热度分值较高，用户具有较高交友意愿的时候，向用户推荐更多与用户无关联的联系人，以更好的满足用户的交友意愿；在交友热度分值较低，用户具有较低交友意愿的时候，向用户推荐较少的与用户无关联的联系人，减少用户被打扰的概率，进而能够实现向用户推荐好友的智能化。
[0142]图11是根据一示例性实施例示出的一种用于好友推荐的装置1200的框图，该装置适用于终端设备。例如，装置1200可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。
[0143]参照图11，装置1200可以包括以下一个或多个组件:处理组件1202，存储器1204，电源组件1206，多媒体组件1208，音频组件1210，输入/输出(1/0)的接口 1212，传感器组件1214，以及通信组件1216。
[0144]处理组件1202通常控制装置1200的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件1202可以包括一个或多个处理器1220来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1202可以包括一个或多个模块，便于处理组件1202和其他组件之间的交互。例如，处理部件1202可以包括多媒体模块，以方便多媒体组件1208和处理组件1202之间的交互。
[0145]存储器1204被配置为存储各种类型的数据以支持在设备1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(3狀1),电可擦除可编程只读存储器擦除可编程只读存储器(即如的，可编程只读存储器0801),只读存储器￠01),磁存储器，快闪存储器，磁盘或光盘。
[0146]电力组件1206为装置1200的各种组件提供电力。电力组件1206可以包括电源管理系统，一个或多个电源，及其他与为装置1200生成、管理和分配电力相关联的组件。
[0147]多媒体组件1208包括在所述装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器仏⑶)和触摸面板(吓)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1208包括一个前置摄像头和丨或后置摄像头。当设备1200处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
[0148]音频组件1210被配置为输出和/或输入音频信号。例如，音频组件1210包括一个麦克风(110，当装置1200处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中，音频组件1210还包括一个扬声器，用于输出音频信号。
[0149]I/0接口 1212为处理组件1202和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
[0150]传感器组件1214包括一个或多个传感器，用于为装置1200提供各个方面的状态评估。例如，传感器组件1214可以检测到设备1200的打开/关闭状态，组件的相对定位，例如所述组件为装置1200的显示器和小键盘，传感器组件1214还可以检测装置1200或装置1200 —个组件的位置改变，用户与装置1200接触的存在或不存在，装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器，如图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1214还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
[0151]通信组件1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络，如11？1，2(}或3匕或它们的组合。在一个示例性实施例中，通信部件1216经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信部件1216还包括近场通信(即0模块，以促进短程通信。例如，在即模块可基于射频识别(即瓜)技术，红外数据协会(404)技术，超宽带⑴18)技术，蓝牙(81)技术和其他技术来实现。
[0152]在示例性实施例中，装置1200可以被一个或多个应用专用集成电路0310、数字信号处理器①一?)、数字信号处理设备(0--)、可编程逻辑器件⑴⑶)、现场可编程门阵列(冲以)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
[0153]在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1204，上述指令可由装置1200的处理器820执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是如1、随机存取存储器(狀的、0)-801磁带、软盘和光数据存储设备等。
[0154]一种好友推荐装置，包括:
[0155]处理器；
[0156]用于存储处理器可执行指令的存储器；
[0157]其中，处理器被配置为:
[0158]根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值；
[0159]根据与交友相关的特征对应的当前时刻的特征值计算所述用户的当前时刻的交友热度分值；
[0160]根据所述交友热度分值确定向所述用户推荐的好友中与所述用户无关联的联系人的比例或数量，按确定的所述比例或数量向所述用户进行好友推荐；
[0161]其中，所述比例或数量与所述交友热度分值成正比。
[0162]该处理器还被配置为:从用户的行为记录中提取交友行为，根据所述交友行为生成所述用户的交友记录。
[0163]该处理器还被配置为:利用机器学习算法，根据用户的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的权重值；将特征对应的当前时刻的特征值转换为所述特征对应的当前时刻的特征分值；将各个特征对应的当前时刻的特征分值与所述各个特征对应的权重值进行加权求和，将所述和值作为所述用户的当前时刻的交友热度分值。
[0164]该处理器还被配置为:当用户的交友行为发生变更时，根据变更后的交友行为更新用户的交友记录；利用机器学习算法，根据更新后的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的新的权重值。
[0165]该处理器还被配置为:根据所述用户的当前时刻的交友热度分值确定将所述用户推荐给无关联的另一用户的概率；按照所述概率将所述用户推荐给无关联的另一用户；其中，所述概率与所述交友热度分值成正比。
[0166]该处理器被配置为:根据用户的交友记录，对用户在当前时刻前预设时长内的交友行为进行统计，根据统计结果得出特征对应的特征值。
[0167]—种非临时性计算机可读存储介质，当所述存储介质中的指令由移动终端的处理器执行时，使得移动终端能够执行一种好友推荐方法，所述方法包括:
[0168]根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值；
[0169]根据与交友相关的特征对应的当前时刻的特征值计算所述用户的当前时刻的交友热度分值；
[0170]根据所述交友热度分值确定向所述用户推荐的好友中与所述用户无关联的联系人的比例或数量，按确定的所述比例或数量向所述用户进行好友推荐；
[0171]其中，所述比例或数量与所述交友热度分值成正比。
[0172]所述方法还可包括:
[0173]从用户的行为记录中提取交友行为，根据所述交友行为生成所述用户的交友记录。
[0174]所述方法还可包括:
[0175]利用机器学习算法，根据用户的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的权重值；
[0176]所述根据与交友相关的特征对应的当前时刻的特征值计算所述用户的当前时刻的交友热度分值，包括:
[0177]将特征对应的当前时刻的特征值转换为所述特征对应的当前时刻的特征分值；
[0178]将各个特征对应的当前时刻的特征分值与所述各个特征对应的权重值进行加权求和，将所述和值作为所述用户的当前时刻的交友热度分值。
[0179]所述方法还可包括:
[0180]当用户的交友行为发生变更时，根据变更后的交友行为更新用户的交友记录；
[0181]所述利用机器学习算法，根据用户的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的权重值，包括:
[0182]利用机器学习算法，根据更新后的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的新的权重值。
[0183]所述方法还可包括:
[0184]根据所述用户的当前时刻的交友热度分值确定将所述用户推荐给无关联的另一用户的概率；
[0185]按照所述概率将所述用户推荐给无关联的另一用户；
[0186]其中，所述概率与所述交友热度分值成正比。
[0187]所述根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值，可包括:
[0188]根据用户的交友记录，对用户在当前时刻前预设时长内的交友行为进行统计，根据统计结果得出特征对应的特征值。
[0189]本领域技术人员在考虑说明书及实践这里公开的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本【技术领域】中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
[0190]应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。
【权利要求】
1.一种好友推荐方法，其特征在于，包括: 根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值；根据与交友相关的特征对应的当前时刻的特征值计算所述用户的当前时刻的交友热度分值； 根据所述交友热度分值确定向所述用户推荐的好友中与所述用户无关联的联系人的比例或数量，按确定的所述比例或数量向所述用户进行好友推荐； 其中，所述比例或数量与所述交友热度分值成正比。
2.如权利要求1所述的方法，其特征在于，所述方法还包括: 从用户的行为记录中提取交友行为，根据所述交友行为生成所述用户的交友记录。
3.如权利要求1所述的方法，其特征在于，所述方法还包括: 利用机器学习算法，根据用户的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的权重值； 所述根据与交友相关的特征对应的当前时刻的特征值计算所述用户的当前时刻的交友热度分值，包括: 将特征对应的当前时刻的特征值转换为所述特征对应的当前时刻的特征分值； 将各个特征对应的当前时刻的特征分值与所述各个特征对应的权重值进行加权求和，将所述和值作为所述用户的当前时刻的交友热度分值。
4.如权利要求3所述的方法，其特征在于，所述方法还包括: 当用户的交友行为发生变更时，根据变更后的交友行为更新用户的交友记录； 所述利用机器学习算法，根据用户的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的权重值，包括: 利用机器学习算法，根据更新后的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的新的权重值。
5.如权利要求1所述的方法，其特征在于，所述方法还包括: 根据所述用户的当前时刻的交友热度分值确定将所述用户推荐给无关联的另一用户的概率； 按照所述概率将所述用户推荐给无关联的另一用户； 其中，所述概率与所述交友热度分值成正比。
6.如权利要求1所述的方法，其特征在于，所述根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值，包括: 根据用户的交友记录，对用户在当前时刻前预设时长内的交友行为进行统计，根据统计结果得出特征对应的特征值。
7.一种好友推荐装置，其特征在于，包括: 第一确定模块，用于根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值； 计算模块，用于根据与交友相关的特征对应的当前时刻的特征值计算所述用户的当前时刻的交友热度分值； 第一推荐模块，用于根据所述交友热度分值确定向所述用户推荐的好友中与所述用户无关联的联系人的比例或数量，按确定的所述比例或数量向所述用户进行好友推荐； 其中，所述比例或数量与所述交友热度分值成正比。
8.如权利要求7所述的装置，其特征在于，所述装置还包括: 生成模块，用于从用户的行为记录中提取交友行为，根据所述交友行为生成所述用户的交友记录。
9.如权利要求7所述的装置，其特征在于，所述装置还包括: 第二确定模块，用于利用机器学习算法，根据用户的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的权重值； 所述计算模块，包括: 转换子模块，用于将特征对应的当前时刻的特征值转换为所述特征对应的当前时刻的特征分值； 加权求和子模块，用于将各个特征对应的当前时刻的特征分值与所述各个特征对应的权重值进行加权求和，将所述和值作为所述用户的当前时刻的交友热度分值。
10.如权利要求9所述的装置，其特征在于，所述装置还包括: 更新模块，用于当用户的交友行为发生变更时，根据变更后的交友行为更新用户的交友记录； 所述第二确定模块，包括: 确定子模块，用于利用机器学习算法，根据更新后的交友记录中各个特征与所述用户与无关联的联系人间建立好友关系间的关联度，确定各个特征对应的新的权重值。
11.如权利要求7所述的装置，其特征在于，所述装置还包括: 第三确定模块，用于根据所述用户的当前时刻的交友热度分值确定将所述用户推荐给无关联的另一用户的概率； 第二推荐模块，用于按照所述概率将所述用户推荐给无关联的另一用户； 其中，所述概率与所述交友热度分值成正比。
12.如权利要求7所述的装置，其特征在于，所述第一确定模块，包括: 统计子模块，用于根据用户的交友记录，对用户在当前时刻前预设时长内的交友行为进行统计，根据统计结果得出特征对应的特征值。
13.一种好友推荐装置，其特征在于，包括: 处理器； 用于存储处理器可执行指令的存储器； 其中，所述处理器被配置为: 根据用户的交友记录，确定用户的与交友相关的特征对应的当前时刻的特征值；根据与交友相关的特征对应的当前时刻的特征值计算所述用户的当前时刻的交友热度分值； 根据所述交友热度分值确定向所述用户推荐的好友中与所述用户无关联的联系人的比例或数量，按确定的所述比例或数量向所述用户进行好友推荐； 其中，所述比例或数量与所述交友热度分值成正比。
【文档编号】G06F17/30GK104504026SQ201410768942
【公开日】2015年4月8日 申请日期:2014年12月11日 优先权日:2014年12月11日
【发明者】李玥亭, 王扉, 姜汉 申请人:小米科技有限责任公司