后，可以查询数据池中的视频的视频内容和类型，提取具有体育或电影的特征的视频，从而确定了需要推送给第一登录用户的视频。
[0045]步骤S26，将与每个兴趣信息匹配的数据推送给社交应用软件进行显示。优选地，可以将与每个兴趣信息匹配的数据显示在社交应用软件提供的时间轴上。
[0046]由上可知，本申请上述实施例一所提供的方案，通过确定社交应用软件上任意一个第一登录账户的至少一个兴趣信息，并获取与第一登录账户具有关系链的第二登录账户关联的数据池之后，利用兴趣信息对数据池中的数据进行筛选，从而得到当前第一登录账户所感兴趣的所有数据。上述方案的关键之处在于，当前登录账户进一步获取了具有关系链的其他用户所发表的数据，且与自身的兴趣相吻合，从而解决了现有技术中为社交应用软件上当前登录账户所推荐的数据量少，导致推送给当前用户的数据不完整的技术问题，进而实现了为社交应用软件上登录的当前用户推荐了更加完善的数据。
[0047]此处需要说明的是，与微博等基于文字的社交产品不同，微视的基础是视频，而视频的生产成本要远远高于文字以及图片，因此微视平台上的视频内容要远远少于微博等产品，因此，本申请实施例一提供的方案优选应用在微视平台上。
[0048]具体的，登录用户在微视上除了可以发表原创和转发消息以外，用户在微视平台上还能进行包括评论以及赞在内的其他操作，由于这类操作的成本相对较低，所以数量和频率都要高于发表和转发视频，因此，利用实施例一提供的方案，可以实现在微视提供的时间轴timeline上用户不仅能看到自己发表、原创、转发等操作的视频之外，还可以显示好友发表的视频以及转发、点赞等操作的视频，使得时间轴上显示的内容不再受到极大的限制。通过本方法可以基于当前登录用户本人过往的行为和兴趣，结合整个微视平台的热点以及用户好友评论和赞过的视频等数据，从中挖掘用户可能感兴趣的视频，最后可以采用推荐的形式呈现在用户的timeline中。
[0049]本申请上述实施例提供的一种可选方案中，上述步骤S20，获取社交应用软件上第一登录账户的至少一个兴趣信息的方案可以包括如下步骤:
[0050]步骤S201，获取第一登录账户通过社交应用软件访问数据频道集合中的至少一个数据频道，其中，第一登录账户所访问过的数据频道构成第一子数据频道集合，数据频道为聚合了相似度大于等于第一阈值的数据的集合。
[0051]上述步骤S201中的数据频道集合表征包含了多种类型的数据频道，每个数据频道聚合了相似或相同的数据。可以通过用户访问那种类型的数据频道来确定用户的兴趣点。
[0052]例如，以微视为例，如果当前登录账户在一定时间内频繁访问数据频道集合中体育视频频道和电影视频频道，或者点击、播放或者转发了大量这两个视频频道中的视频，则可以确定第一子数据频道集合包含了体育视频频道和电影视频频道，且该第一登录账户的兴趣点包括体育和电影。
[0053]步骤S203，获取第一子数据频道集合中每个数据频道的历史访问比率。
[0054]优选地，上述步骤S203，获取第一子数据频道集合中每个数据频道的历史访问比率的步骤可以采用如下实施方案:
[0055]步骤S2031，通过如下公式计算得到第一子数据频道集合P中每个数据频道Pi的历史访问比率Pil:Pil =fil/Sil，其中，fil为第一登录账户访问数据频道Pi的访问次数，Sil为第一登录账户访问第一子数据频道集合P中所有数据频道的总访问次数。
[0056]仍旧以微视为例，第一子数据频道集合P可以包括:育视频频道、电影视频频道、生活视频频道、汽车视频频道等各种类型的频道，在数据频道P1为体育视频频道的情况下，Π1是指第一登录账户访问该体育视频频道的访问次数，其中，访问方式包括:播放、点评、转发等方式来访问体育频道中的体育视频。S11是指当前登录账户访问第一子数据频道集合P中所有类型的视频频道的总和。
[0057]步骤S205，获取第一子数据频道集合中的每个数据频道的热门度，热门度用于表征数据频道由所有登录账户访问后生成的访问比率。
[0058]优选地，上述步骤S205，获取第一子数据频道集合中的每个数据频道的热门度的步骤可以采用如下实施方案:
[0059]步骤S2051，通过如下公式计算得到第一子数据频道集合P中每个数据频道Pi的热门度Pi2:Pi2 = fi2/Si2，其中，fi2为数据频道Pi被所有登录账户访问过的总次数，Si2为第一子数据频道集合P中所有数据频道被访问过的总次数。
[0060]仍旧以微视为例，第一子数据频道集合P可以包括:育视频频道、电影视频频道、生活视频频道、汽车视频频道等各种类型的频道，在数据频道P1为体育视频频道的情况下，Π2是指该体育视频频道被任意一个或多个登录账户访问过的访问次数，其中，访问方式包括:播放、点评、转发等方式来访问体育频道中的体育视频。S12是指第一子数据频道集合P中所有类型的视频频道被任意一个或多个登录账户访问过的总和。
[0061]步骤S207，根据第一子数据频道集合中每个数据频道的历史访问频率和热门度，计算得到每个数据频道的兴趣值。
[0062]基于上述步骤S203和步骤S205的计算结果，上述步骤S207，根据第一子数据频道集合中每个数据频道的历史访问频率和热门度，计算得到每个数据频道的兴趣值的步骤可以采用如下实施方案:
[0063]步骤S2071，通过如下公式计算得到第一子数据频道集合P中每个数据频道Pi的兴趣值Pi:Pi = Pil*eXp(Q-Pi2)，其中，Pil为数据频道Pi的历史访问比率，Pi2为数据频道Pi的热门度，Q是所有数据频道中的最高热门度。
[0064]步骤S209，将兴趣值大于等于兴趣阈值的数据频道的兴趣标签设置为第一登录账户的兴趣信息。
[0065]本申请上述步骤S201至步骤S209提供了一种获取当前登录账户的兴趣信息的可选方案，通过利用社交应用软件提供的客户端功能模块(例如微视的视频频道功能模块)来获取当前登录账户的兴趣信息。
[0066]仍旧以微视为例，当任意一个注册成功的登录账户成功登录微视之后，可以使用社交应用软件提供的频道功能来确定用户的兴趣点。
[0067]具体的，频道功能是微视客户端的一个功能模块，它聚合了内容近似或者相同的视频，用户兴趣喜好的挖掘是基于用户对频道的访问记录进行的。对每个用户，要根据其喜好为每个频道打分，分值越高代表喜好度越高。打分的标准有两个:用户对频道的访问量Pil和频道自身的热门度Pi2。访问量Pil =对频道的访问次数/用户的总访问次数，频道热门度Pi2 =频道被访问次数/所有频道被访问次数。
[0068]在一种可选的方案中，由于热门频道的视频通常情况下已经以非常高的频率推送给了客户，因此，本申请立足于给客户推送一些冷门但用户感兴趣的频道，因此，可以采用如下公式来确定哪些视频会写入推荐表中，从而实现优先推荐用户感兴趣的冷门频道，但推荐列表中也不能全部是冷门频道，该得分计算公式是:Pi = Pil*exp (Q-Pi2)，其中Pil是用户对任意一个频道的访问量，Ρ?2是任意一个频道的热门度，Q是所有频道的最高热门度。例如，可以采用上述方案选取用户最爱的5个兴趣频道作为用户的兴趣点。
[0069]在本申请提供的另外一个可选方案中，第二登录账户操作过的数据包括如下任意一种或多种类型的数据:第二登录账户评论过的数据、第二登录账户转发过的数据，其中，在执行上述步骤S22之前，即获取社交应用软件上与第一登录账户关联的数据池之前，本申请还可以提供如下方案来计算得到数据池中推荐评分高于预定阈值的数据的推荐评分:
[0070]步骤S21,通过如下公式计算数据的推荐评分score:score =(第一权重值*scorel+第二权重值*score2)*时间因子,其中，score 1用于表示操作数据的评分,score2用于表示数据的互动评分值，时间因子用于表征当前时间与数据的发布时间的时间差值，第一权重值和第二权重值可以根据需求进行预先设定。
[0071]此处需要说明的是，推荐评分高于预定阈值的数据被称为热门数据。
[0072]仍旧以微视为例，热门数据可以是指热门视频，推荐评分的计算公式中的操作数据的评分可以是视频被转、评、赞等操作的得分，互动评分值可以是指视频的互动得分。上述方案提供了热门视频的确定方式，具体的，热门视频的计算考虑到视频的转评赞数量，播放数量，发表时间等多方面因素。每个视频都有自己的推荐评分，该推荐评分可以由视频被转、评、赞等操作的得分和互动得分按照7:3的权重相加求和，后乘以时间因子而得，例如:推荐评分score = (0.7*转评赞得分+0.3*互动得分)*时间因子。
[0073]其中，转评赞得分可以按照转:评:赞(例如10:3:1)的比例计算，即转评赞得分=((10*转+3*评+赞)/10000)0.25求得。而互动得分使用了互动率和可信度两个概念，其中可信度是根据播放量求得，可信度=(播放量 > 播放量阈值？ 1:(播放量/播放量阈值))，其中，播放量是指当前视频的播放次数，播放量阈值可以是预设的阀值，上述可信度的计算过程可以是:判断视频的播放量是否大于播放量阈值，如果播放量大于播放量阈值，则可信度为1，如果播放量小于等于播放量阈值，则可信度=播放量/播放量阈值的计算结果。互动率则考虑互动情况与实际播放量的比值，即互动率=(10*转+3*评+赞)/播放量。综合互动率和可信度，一个视频的互动得分=((可信度*互动率)/平均互动率)*0.25。时间因子也是热门视频推荐的关健，由当前时间和视频创建时间的差值计算而来，具体的计算方式随发布时间而已:一天内视频、三天内视频、一周内视频、一个月内视频和一个月以上的视频各不相同。
[0074]由此可知，针对现有技术存在的无法推荐完善的数据的问题，本发明提出一种基于好友、二度关系扩展和兴趣挖掘出最终推送给用户的完整数据，从而构建用户时间轴timeline上显示的内容的方法。
[0075]需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明并不受所描述的动作顺序的限制，因为依据本发明，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本发明所必须的。
[0076]通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质(如R0M/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
[0077]实施例2
[0078]根据本发明实施例，还提供了一种基于社交应用软件的数据推荐方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。
[0079]本申请实施例二所提供的方法实施例仍旧可以在移动终端、计算机终端或者类似的运算装置中执行。此处需要说明的是，实施例二所提供的方法实施例仍旧可以运行在图1所示的计算机终端上。
[0080]以在上述运行环境下为，本申请还可以提供如图3所示的基于社交应用软件的数据推荐方法。图3是根据本发明实施例二的基于社交应用软件的数据推荐方法的流程图。
[0081]如图3所示，该基于社交应用软件的数据推荐方法可以包括如下实现步骤:
[0082]步骤S30，确定社交应用软件上第一登录账户与任意一个第二登录账户之间的关联度，其中，第二登录账户和第一登录账户分别与第三登录账户在社交应用软件中具有直接的关系链，且第二登录账户和第一登录账户不具有直接的关系链。
[0083]本申请上述步骤S30中的社交应用软件不限于微博、微信、微视、人人网等为用户提供社交平台的产品。社交应用软件平台上任意一个登录用户直接关注或相互关注的用户称为其一度好友，他们之间的关系链为一级关系链，对一度好友进行扩展进而可以得到其二度好友，也就是好友的好友，登录账户之间的关联度表示用户之间的亲密度。
[0084]结合图4可知，本申请上述实施例中的第一登录账户可以是登录社交应用软件的用户A，第二登录账户可以包括以下任意一个用户:用户E、用户F、用户G和用户H，第三登录账户可以包括以下任意一个用户:用户B、用户C和用户D。
[0085]具体的，在上图4中，用户A分别关注了 B、C和D，即用户B、C和D均为与用户A具有一级关系链的一度好友。同时，B关注了 E和G，C关注了 F和H，D关注了 G，而A没有关注E、F、G和Η中的任何一个，则用户E、F、G和Η均为与用户Α具有二级关系链的二度好友。
[0086]通过图4所示的二度关系扩展，用户关系链得到了极大的扩充。但由于二度好友数量巨大，因此需要进一步过滤。本方案选择基于用户与二度好友的亲密度，结合用户本身的兴趣与二度好友发表视频的热度，过滤出推荐给用户的视频。
[0087]步骤S32，通过比对社交应用软件上第一登录账户的至少一个兴趣信息和第二登录账户的至少一个兴趣信息，确定第一登录账户分别与每个第二登录账户相互重合的兴趣信息。
[0088]本申请上述步骤S30中的用户可以在社交应用软件上注册登录账户，每个用户使用登录账户登录社交应用软件之后，可以通过使用社交应用软件提供的社交功能来确定登录账户的兴趣点，从而获取到每个登录账户的兴趣信息。
[0089]例如，以微视为例，当任意一个注册成功的登录账户成功登录微视之后，可以使用社交应用软件提供的频道功能来确定用户的兴趣点，具体的，在当前用户访问微视提供的至少一个视频频道(可以包括体育视频频道、电影视频频道、生活视频频道、汽车视频频道等各种类型的频道，每个视频频道聚合了内容相近或相同的视频)来观看不同类型的视频之后，系统可以依据用户所访问或观看过的视频频道来记录当前用户的兴趣信息，例如，如果当前登录账户在一定时间内访问体育视频频道和电影视频频道的访问频率超过一定比率(60次/分钟)，则可以确定该登录账户的兴趣信息包括