一种联系人分组方法及装置与流程

本发明属于移动通信技术领域，尤其涉及一种联系人的分组方法及装置。

背景技术：

随着移动通信技术的发展，人与人之间的交流变得越来越便捷。手机等移动终端也已经成为生活必需品，在很大程度上扩大了我们的社交范围。与此同时，终端中存储的联系人也越来越多。移动终端的通讯录中通常有几百条甚至更多联系人的联系方式，用户在进行查找时十分不便。而且许多社交类的终端应用都需要对通讯录进行访问，以便针对每个用户进行合理的好友推荐和内容推送。如果通讯录中的联系人排列条理不够清楚，社交类应用就难以获取用户实际的社交关系，为用户提供的社交服务的质量就会有所下降。虽然目前用户可以通过对联系人的信息进行编辑将联系人分组，但当联系人较多时，这种分组的操作效率较低，且在编辑联系人分组信息时容易出错。

技术实现要素：

本发明实施例的目的在于提供一种联系人的分组方法，旨在解决目前终端通讯录中联系人分组的操作效率较低，且编辑容易出错的问题。

本发明实施例是这样实现的，一种联系人的分组方法，包括：

获取终端的通讯记录，所述通讯记录包括通话时间、通话时长和通讯次数；

根据所述通讯记录识别用户和联系人之间的社交关系；

按照识别出的所述用户和联系人之间的社交关系，对所述联系人进行分组。

本发明实施例的另一目的在于提供一种联系人的分组装置，包括：

获取单元，用于获取终端的通讯记录，所述通讯记录包括通话时间、通话时长和通讯次数；

识别单元，用于根据所述通讯记录识别用户和联系人之间的社交关系；

分组单元，用于按照识别出的所述用户和联系人之间的社交关系，对所述联系人进行分组。

本发明实施例中，通过对终端的通讯记录进行分析，来识别用户和联系人之间的社交关系，然后对联系人进行自动分组。本发明实施例能够识别用户和联系人之间的社交关系，对联系人实现自动准确的编辑和分组，提高了对联系人分组的效率，降低了编辑联系人分组信息时的出错率。

附图说明

图1是本发明实施例提供的联系人的分组方法的实现流程图；

图2是本发明实施例提供的联系人的分组方法S102的具体实现流程图；

图3是本发明实施例提供的联系人的分组方法中通过定位来设定工作时间的具体实现流程图；

图4是本发明实施例提供的联系人的分组装置的结构框图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

本发明实施例中，通过对终端的通讯记录进行分析，来识别用户和联系人之间的社交关系，然后对联系人进行自动分组。本发明实施例能够识别用户和联系人之间的社交关系，对联系人实现自动准确的编辑和分组，提高了对联系人分组的效率，降低了编辑联系人分组信息时的出错率。

终端为手机、平板等具有通话功能和联系人存储功能的智能终端设备。通讯记录是指在终端中记录的用户与联系人之间的联系的历史信息。用户和联系人之间的社交关系包括伴侣、同事、家人、朋友等。根据用户和联系人之间的社交关系对联系人的进行编辑和分组。

图1示出了本发明实施例提供的联系人的分组方法的实现流程，详述如下：

在S101中，获取终端的通讯记录，所述通讯记录包括通话时间、通话时长和通讯次数。

在本实施例中，通讯记录中存储有用户通过该终端和其他人进行联系的历史信息。通话时间包括电话接通的时间和电话挂断的时间。通话时长为电话保持接通状态的时间。电话保持接通状态的时间即从电话接通开始到电话挂断之间经过的时间。通讯次数包括但不限于电话次数和短信次数。

在S102中，根据所述通讯记录识别用户和联系人之间的社交关系。

通过对通讯记录中的用户和联系人的历史联系记录进行分析，识别出用户和联系人之间的社交关系。

作为本发明的一个实施例，如图2所示，S102中，所述根据所述通讯记录识别用户和联系人之间的社交关系，包括：

在S201中，判断在第一预设时间段内，用户和联系人之间工作时间的通讯次数与非工作时间的通讯次数的比值是否大于或等于第一预设值。

其中，第一预设时间段和第一预设值由用户设定，或者根据对用户平时通讯的频繁程度的分析进行自动设定。第一预设时间段是指对用户和该联系人之间的社会关系进行识别的时刻之前的一段时间。例如，第一预设值为1，第一预设时间段为7天。则表示从终端获取最近7天的通讯记录中的通讯次数。通讯次数包括用户和联系人之间联系的电话次数和短信次数。于本实施方式中，工作时间可由用户根据自己的实际作息情况进行设置。工作时间之外的其他时间为非工作时间。例如，工作时间为9:00到17:00，非工作时间为00:00到9:00和17:00到24:00。

在S202中，如果所述工作时间的通讯次数与非工作时间的通讯次数的比值大于或等于第一预设值，则根据用户和联系人之间的拨打、接听、未接和回拨的电话次数来识别所述用户和联系人之间的社交关系是伴侣还是同事。

即判断在第一预设时间段内，用户和联系人之间在工作时间的通讯次数与非工作时间的通讯次数的比值是否大于或等于第一预设值。如果用户和联系人之间的通讯主要集中于工作时间，则表示用户和联系人之间的联系比较频繁，可能为伴侣或同事；如果用户和联系人之间的通讯主要集中于非工作时间，则表示用户和联系人之间的联系比较稀少，可能为家人或朋友。

例如，第一预设值为1，用户和联系人之间在工作时间的通讯次数为9，非工作时间的通讯次数为5，则工作时间的通讯次数与非工作时间的通讯次数的比值为1.8,。其值大于第一预设值，所以用户和联系人之间的联系比较频繁，可能为伴侣或同事。

如果用户和联系人之间的联系比较频繁，可能为伴侣或同事，可以通过对用户和联系人之间的拨打、接听、未接和回拨的电话次数来识别为伴侣还是同事。

作为本发明的一个实施例，S202中，所述根据用户和联系人之间的拨打、接听、未接和回拨的电话次数来识别用户和联系人之间的社交关系，包括：

判断以下三个条件是否全部成立，

条件一：联系人接听用户的电话次数与用户拨打给联系人的电话次数的比值大于或等于第三预设值；

条件二：用户接听联系人的电话次数与联系人拨打用户的电话次数的比值大于或等于第四预设值；

条件三：用户回拨联系人的电话次数与用户未接联系人来电的次数的比值大于或等于第五预设值；

如果以上三个条件全部成立，则将用户和联系人之间的社交关系识别为伴侣；否则，将用户和联系人之间的社交关系识别为同事。

在本实施例中，联系人接听用户的电话次数与用户拨打给联系人的电话次数的比值反映了联系人是否在多数情况下都接用户的电话。用户接听联系人的电话次数与联系人拨打用户的电话次数的比值反映了联系人是否在多数情况下都接用户的电话。用户回拨联系人的电话次数与用户未接联系人来电的次数的比值反映了当用户发现有该联系人的未接电话时是否会进行回拨。如果三个条件都满足，则表明用户和联系人的关系较为亲密，因此识别用户和联系人之间的社交关系为伴侣。若是不满足三个条件，则识别用户和联系人之间的社交关系为同事。

其中，第三预设值、第四预设值和第五预设值可以相同，也可以不同。例如，第三预设值、第四预设值和第五预设值都设为0.9。

在S203中，如果所述工作时间的通讯次数与非工作时间的通讯次数的比值小于第一预设值，则根据用户和联系人的平均通话时长来识别所述用户和联系人之间的社交关系是家人还是朋友。

其中，工作时间的通讯次数与非工作时间的通讯次数的比值小于第一预设值，表明用户和联系人之间的通讯主要集中于非工作时间。用户和联系人之间社交关系可能为家人或朋友。此时需要根据用户和联系人的平均通话时长进行进一步的判断。

作为本发明的一个实施例，S203中，所述根据用户和联系人之间的拨打、接听、未接和回拨的电话次数来识别用户和联系人之间的社交关系，包括：

判断用户和联系人的平均通话时长是否大于或等于第二预设值；

如果用户和联系人的平均通话时长大于或等于第二预设值，则将用户和联系人之间的社交关系识别为家人；否则，将用户和联系人之间的社交关系识别为朋友。

在本实施例中，判断用户和联系人的平均通话时长是否大于或等于第二预设值。平均通话时长为总通话时长除以总通话次数。如果用户和联系人的平均通话时长大于或等于第二预设值，则表明用户和联系人之间的通话时间较长，将用户和联系人之间的社交关系识别为家人。如果用户和联系人的平均通话时长小于第二预设值，则表明用户和联系人之间的通话时间较短。因为朋友之间通常见面较多，以及采用其他社交方式如微信等较多，所以通话时长较短。此时，将用户和联系人之间的社交关系识别为朋友。例如，第二预设值可以设为20分钟。

在S103中，按照识别出的所述用户和联系人之间的社交关系，对所述联系人进行分组。

识别出的所述用户和联系人之间的社交关系包括伴侣、同事、家人和朋友，然后将相应的社交关系添加到联系人中，比如识别出联系人甲和用户的社交关系为朋友，则将联系人甲的联系信息中社会关系一项填为朋友。通讯录中的联系人显示时，用户可以选择只显示属于社会关系中的一种关系的联系人，如只显示关系为同事的联系人。

作为本发明的一个实施例，可以通过对获取终端的位置信息来设定工作时间和非工作时间。如图3所示，所述方法还包括：

在S301中，在终端的定位功能开启的时间段内，按照预设时间间隔来获取终端的位置信息。

在S302中，记录所述位置信息和所述位置信息对应的时间。

在S303中，根据记录的所述位置信息和所述位置信息对应的时间，将终端位于工作单位所处位置的时间段设为工作时间，将终端不位于工作单位所处位置的时间段设为非工作时间。

在本实施例中，当终端的定位功能开启时，可以获取到终端所在的位置信息。预设时间间隔可以由用户进行设定。如预设时间间隔为20分钟，则表示每隔20分钟获取一次终端的位置信息。记录下获取到的终端位置信息和获取位置信息的时间。工作单位所处位置可以由用户设定。根据记录的终端位置信息和获取位置信息的时间，将终端位于工作单位所处位置的时间段设为工作时间，将终端不位于工作单位所处位置的时间段设为非工作时间。

相对于由用户来设定工作时间，通过终端定位来设定工作时间可以对用户是否在工作时间通讯进行更精准的判断。例如，用户设定的工作时间为9:00到17:00，如果某天用户因事请假在家休息，那么该天9:00到17:00内用户进行的通讯被判断为在工作时间内的通讯。事实上用户该天并没有工作，所进行的通讯都属于非工作的通讯。这样就会因工作时间判断出错而影响社交关系的识别。通过终端定位进行工作时间设定，可以检测到该天9:00到17:00内用户位于非工作单位的位置，可以准确判断出用户该段时间的通讯在非工作时间。

这样可以更加准确的确定用户的工作时间和非工作时间，避免用户在设定的工作时间请假未上班而被当作工作时间进行识别的情况，提高了识别用户和联系人之间社会关系的准确度。容易想到的，可以将用户设定工作时间和通过定位来设定工作时间这两种设定方式结合起来，互作补充，以实现精准的通讯时间判断。例如，由用户设定工作时间，由终端定位来检测工作时间内终端是否位于工作单位所处的位置。如果工作时间内终端不位于工作单位所处位置，则将该段时间内终端的通讯判断为在非工作时间的通讯。这两种工作时间的设定方式还可以有其他的结合方式，在此不再赘述。

作为本发明的一个实施例，可以通过识别用户和联系人合影频率来进一步提高用户和联系人之间的社会关系的识别准确度。详叙如下：所述联系人包括联系人的人脸图像，

获取所述联系人的人脸图像；

在终端相册中查找所述人脸图像在用户的合影中的出现次数；

计算在第二预设时间段内联系人和用户的合影频率，所述合影频率为一段时间内所述人脸图像在用户的合影中的出现次数与用户合影的总次数的比值。

所述根据用户和联系人之间的拨打、接听、未接和回拨的电话次数来识别用户和联系人之间的社交关系，还包括，

条件四：所述联系人和用户的合影频率大于或等于第六预设值；

如果以上四个条件全部成立，则将用户和联系人之间的社交关系识别为伴侣；否则，将用户和联系人之间的社交关系识别为同事。

在本实施例中，若通讯录中的联系人中有用户上传的联系人的人脸图像，则获取联系人中的人脸图像。在终端相册存储有用户平时生活工作的照片。获取其中用户与他人合影的照片。在这些照片中通过查找联系人的人脸图像来查找用户和该联系人的合影照片。

第二预设时间段由终端默认设定或者用户进行设定。第二预设时间段和第一预设时间段可以相同，也可以不同。例如，第一预设时间段为7天，第二预设时间段为30天。查找终端相册中最近30天的照片，筛选出的用户和其他人合影的照片为10张。通过对联系人的人脸图像进行检测，在这10张合影中查找到有3张合影中有该联系人。此时在第二预设时间段内联系人和用户的合影频率为0.3。若第六预设值为0.5，则0.3小于0.5。此时可以判断出用户和联系人之间的社交关系为同事。因为联系人和用户的合影在总的用户合影中占的比例较小。如果计算到的用户和联系人的合影频率为0.6，则表明联系人和用户的合影在总的用户合影中占的比例较大，关系更为亲密，所以将用户和联系人之间的社交关系识别为伴侣。

值得注意的是，上面的这个示例是在前面三个条件都成立的情况下作出的判断。总之，只有这四个条件全部满足，才能将用户和联系人之间的社交关系识别为伴侣，其他情况下都将用户和联系人之间的社交关系识别为同事。通过将用户和联系人的合影频率加入到识别社会关系的参考信息中，进一步提高了识别用户和联系人之间社交关系的准确度。此外，如果通过自动识别出的用户和联系人之间的社交关系有错误，可以由用户在联系人中进行更改。进一步减少社交关系识别错误的发生。

作为本发明的一个实施例，所述方法还包括：向服务端上传所述识别出的用户和联系人之间的社交关系，使得服务端通过接收到的数据来训练机械学习模型；所述机械学习模型用于所述服务端自动识别所述用户和联系人之间的社交关系。

在本实施例中，询问用户是否同意向服务端上传所述识别出的用户和联系人之间的社交关系。如果用户同意上传，则将识别出的关于用户和联系人之间的社交关系的数据上传到服务端。服务端根据这些数据对机械学习模型进行训练。通过对大量已知数据的对机械学习模型进行训练，实现模型自动化和智能化的对相关数据进行分析。

服务端将接收到的原始数据整合成多维特征来描述每个联系人。每个联系人被标注成社交关系中的一类，形成数据集。用该数据集训练机械学习模型。此模型可以将新的未分组的联系人自动分组。训练集中的数据越多，机械学习模型的分析准确度越高。当机器学习模型的性能到达一定程度时，可以精准的识别所述用户和联系人之间的社交关系。此时，终端将联系人上传到服务端。服务端通过机械学习模型识别出用户和联系人的社交关系，并将识别出的社交关系信息发送给终端。终端根据接收到的用户和联系人的社交关系的信息对联系人进行分组。通过机械学习模型对用户和联系人之间的关系进行自动识别，进一步提高了识别的精准度和联系人的分组效率。

本发明实施例中，通过对终端的通讯记录进行分析，来识别用户和联系人之间的社交关系，然后对联系人进行自动分组。本发明实施例能够识别用户和联系人之间的社交关系，对联系人实现自动准确的编辑和分组，提高了对联系人分组的效率，降低了编辑联系人分组信息时的出错率。

应理解，在本发明实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。

对应于本发明实施例所提供的联系人的分组方法，图4示出了本发明实施例提供的联系人的分组装置的结构框图。为了便于说明，仅示出了与本实施例相关的部分。

参照图4，该联系人的分组装置包括：

获取单元41，用于获取终端的通讯记录，所述通讯记录包括通话时间、通话时长和通讯次数。

识别单元42，用于根据所述通讯记录识别用户和联系人之间的社交关系。

分组单元43，用于按照识别出的所述用户和联系人之间的社交关系，对所述联系人进行分组。

优选地，所述识别单元42用于：

判断在第一预设时间段内，用户和联系人之间工作时间的通讯次数与非工作时间的通讯次数的比值是否大于或等于第一预设值；

如果所述工作时间的通讯次数与非工作时间的通讯次数的比值大于或等于第一预设值，则根据用户和联系人之间的拨打、接听、未接和回拨的电话次数来识别所述用户和联系人之间的社交关系是伴侣还是同事；

如果所述工作时间的通讯次数与非工作时间的通讯次数的比值小于第一预设值，则根据用户和联系人的平均通话时长来识别所述用户和联系人之间的社交关系是家人还是朋友。

优选地，所述识别单元42还用于：

判断以下三个条件是否全部成立，

条件一：联系人接听用户的电话次数与用户拨打给联系人的电话次数的比值大于或等于第三预设值；

条件二：用户接听联系人的电话次数与联系人拨打用户的电话次数的比值大于或等于第四预设值；

条件三：用户回拨联系人的电话次数与用户未接联系人来电的次数的比值大于或等于第五预设值；

如果以上三个条件全部成立，则将用户和联系人之间的社交关系识别为伴侣；否则，将用户和联系人之间的社交关系识别为同事。

优选地，所述识别单元42还用于：

判断用户和联系人的平均通话时长是否大于或等于第二预设值；

如果用户和联系人的平均通话时长大于或等于第二预设值，则将用户和联系人之间的社交关系识别为家人；否则，将用户和联系人之间的社交关系识别为朋友。

优选地，所述装置还包括定位单元，所述定位单元用于：

在终端的定位功能开启的时间段内，按照预设时间间隔来获取终端的位置信息。

记录所述位置信息和所述位置信息对应的时间。

根据记录的所述位置信息和所述位置信息对应的时间，将终端位于工作单位所处位置的时间段设为工作时间，将终端不位于工作单位所处位置的时间段设为非工作时间。

优选地，所述联系人包括联系人的人脸图像，所述装置还包括图像处理单元，所述图像处理单元用于：

获取所述联系人的人脸图像。

在终端相册中查找所述人脸图像在用户的合影中的出现次数。

计算在第二预设时间段内联系人和用户的合影频率，所述合影频率为一段时间内所述人脸图像在用户的合影中的出现次数与用户合影的总次数的比值。

所述根据用户和联系人之间的拨打、接听、未接和回拨的电话次数来识别用户和联系人之间的社交关系，还包括，

条件四：所述联系人和用户的合影频率大于或等于第六预设值；

如果以上四个条件全部成立，则将用户和联系人之间的社交关系识别为伴侣；否则，将用户和联系人之间的社交关系识别为同事。

优选地，所述装置还包括上传单元，所述上传单元用于：

向服务端上传所述识别出的用户和联系人之间的社交关系，使得服务端通过接收到的数据来训练机械学习模型；所述机械学习模型用于所述服务端自动识别所述用户和联系人之间的社交关系。

本发明实施例中，通过对终端的通讯记录进行分析，来识别用户和联系人之间的社交关系，然后对联系人进行自动分组。本发明实施例能够识别用户和联系人之间的社交关系，对联系人实现自动准确的编辑和分组，提高了对联系人分组的效率，降低了编辑联系人分组信息时的出错率。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。