:体育和电影。
[0090]此处需要说明的是，在获取到两个登录账户的兴趣信息之后，可以同将所述第一登录账户的兴趣信息分别与每个第二登录账户兴趣信息进行比对，来确定所述第一登录账户与每个所述第二登录账户相互重合的兴趣信息。
[0091]步骤S34，使用第一登录账户与任意一个第二登录账户之间的关联度和/或相互重合的兴趣信息，确定第一登录账户与每个第二登录账户的关系链分值。
[0092]本申请上述步骤S24中的关联度描述了两个登录账户之间的关系相关程度，在两个登录账户彼此为二度好友的情况下，用户二度好友的介绍人(即两个登录账户同时关注的用户，是用户的一度好友)越多，说明用户认识二度好友的可能性越多，对其发表、转发、转评赞过的视频就越为感兴趣。所以用户跟每个二度好友的关联度都是通过介绍人数量计算而来的。另外，相互重合的兴趣信息可以表示两个登录账户的兴趣得分。
[0093]一种可选方案中，可以采用将两个登录账户之间的关联度和相关兴趣得分求和作为二度好友关系链得分，排序即可以得到一个用户二度好友的排名。
[0094]步骤S36，提取关系链分值超过预设的关系阈值的第二登录账户来构成第二登录账户集合。
[0095]步骤S38，获取与第二登录账户集合中任意一个或多个第二登录账户所关联的数据池，数据池用于保存如下数据:第二登录账户集合中至少一个第二登录账户操作过的数据和/或推荐评分高于预定阈值的数据。
[0096]本申请上述步骤S38中的第二登录账户可以是与第一登录账户具有二级关系链的登录账户。上述数据池中的数据类型可以包括:网页、视频、音频、文字和图片等。
[0097]仍旧以微视为例，此处的数据池为视频构成的集合，其中，第二登录账户操作过的数据包括如下任意一种或多种视频:第二登录账户点击观看过的视频、评论过的视频、点赞过的视频和转发过的视频；推荐评分高于预定阈值的数据是指系统使用历史数据对数据库中的所有视频进行评价，将评价高的视频作为备选对象进行保存，此时的视频第一登录账户和/或第二登录账户都没有访问过。
[0098]步骤S40，将数据池中的数据推送给社交应用软件进行显示。优选地，可以将数据池中的数据显示在社交应用软件提供的时间轴上。
[0099]由上可知，本申请上述实施例二所提供的方案，通过获取与当前登录账户具有二级关系链的账户的关联度，以及第二登录账的至少一个兴趣信息，来确定第一登录账户与每个第二登录账户的关系链分值，在利用关系链分值对所有的第二登录账户进行过滤之后，通过获取过滤后的每个第二登录账户的推荐数据，从而得到向当前第一登录账户推荐的所有有效数据。上述方案的关键之处在于，首先确定与当前登录账户具有亲密关系的登陆账户，然后获取这些登录账户的有效推荐数据，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。
[0100]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。
[0101]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。
[0102]本申请提供的一种可选的方案中，上述步骤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的方案，可以通过如下实施方案实现:
[0103]步骤S301，通过如下计算公式计算得到第一登录账户与任意一个第二登录账户之间的关联度Ri:Ri = 50*log2 (1+1.0*personNum),其中，personNum表示第一登陆账户与第二登录账户的共同关注的对象的数量。
[0104]此计算公式满足对数函数，表示用户和二度好友之间的介绍人越多，用户和二度好友的亲密度就越强。可以采用50*log2(l+l.0*personNum)来计算得到当前用户与二度好友的亲密度。
[0105]本申请提供的一种可选方案中，上述步骤S32，在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之前，还可以执行如下步骤:
[0106]步骤S31，获取社交应用软件上第一登录账户或第二登录账户的至少一个兴趣信息，该步骤S31可以包括如下一种可选的实施方案:
[0107]步骤S311，获取第一登录账户或第二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，第二登录账户所访问过的数据频道构成第二子数据频道集合，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。
[0108]上述步骤S311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。
[0109]例如，以微视为例，如果当前第一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。
[0110]此处需要说明的是，上述第二登录账户确定兴趣点的原理可以与第一账户确定兴趣点的原理相同。
[0111]步骤S313，获取第一子数据频道集合或第二子数据频道集合中每个数据频道的历史访问比率。
[0112]优选地，上述步骤S313，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: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。
[0113]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，fil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。
[0114]此处需要说明的是，上述获取第二子数据频道集合中每个数据频道的历史访问比率的原理可以与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原理相同。
[0115]步骤S315，获取第一子数据频道集合或第二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。
[0116]优选地，上述步骤S315，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: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。
[0117]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。
[0118]此处需要说明的是，上述获取第二子数据频道集合中的每个数据频道的热门度的原理可以与获取第一子数据频道集合中的每个数据频道的热门度的原理相同。
[0119]步骤S317，根据第一子数据频道集合或第二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，计算得到第一子数据频道集合或第二子数据频道集合中每个数据频道的兴趣值。
[0120]基于上述步骤S313和步骤S315的计算结果，上述步骤S317中，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: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，Ρ?2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。
[0121]此处需要说明的是，上述步骤S317中，第二子数据频道集合中每个数据频道的兴趣值的计算原理可以与获取第一子数据频道集合中每个数据频道的兴趣值的计算原理相同。
[0122]步骤S319，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或第二登录账户的兴趣信息。
[0123]本申请上述步骤S311至步骤S319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。
[0124]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。
[0125]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。
[0126]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。
[0127]优选地，上述步骤S34，使用第一登录账户与任意一个第二登录账户之间的关联度和/或相互重合的兴趣信息，确定第一登录账户与每个第二登录账户的关系链分值的方案可以包括如下实施方案:
[0128]步骤S341，获取第一登录账户与每个第二登录账户相互重合的兴趣信息的数量。
[0129]步骤S343，根据相互重合的兴趣信息的数量确定第一登录账户与每个第二登录账户的兴趣分值。
[0130]此处需要说明的是，由于第一登录账户与每个第二登录账户作为二度好友时，具有二级关系链的两个登录账户的兴趣点的重合比例则可以作为用户和二度好友的用户的兴趣分值。结合图4可知，当用户A有二度好友E时，可以通过步骤S311至步骤S319计算得到用户A有二度好友E同时最关注的兴趣点，即可以获取到二者的共同兴趣有η (小于等于5)个，此时，可以采用如下计算公式计算用户和二度好友的兴趣得分，该计算公式可以是 100* (η/5)。
[0131]步骤S345，将第一登录账户与任意一个第二登录账户之间的关联度和兴趣分值进行累加，计算得到每个与第一登录账户具有关系链的第二登录账户的关系链分值。
[0132]由此可知，上述方案中，在步骤S311至步骤S319实现了获取到第一登录账户和第二登录账户同时最关注的兴趣点之后，本申请提供的一种可选方案中，
[0133]上述步骤S345可以实现由二度好友的关联度和计算得到的兴趣分值进行求和作为二度好友关系链分值，进一步的，可以按照关系链分值进行排序即可以得到一个用户二度好友的排名。
[0134]此时可以从用户的每个二度好友关注的热门视频中选取热度最高的m个视频作为推荐，每个视频推荐分数为(二度关系链得分*0.7+视频热度得分*0.3);其中m为二度关系链得分对50取余数。最终对所有推荐视频根据推荐分数由高到低排序，将最好的若干视频推荐给用户。
[0135]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S38之前，即在获取与第二登录账户集合中任意一个或多个第二登录账户所关联的数据池之前，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:
[0136]步骤S371,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。
[0137]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。
[0138]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。
[0139]其中，转评赞