Sns社区中的用户推荐方法和系统的制作方法
【专利摘要】一种SNS社区中的用户推荐方法，包括以下步骤：获取第一用户和第二用户在第一社区中的互动记录；根据所述互动记录生成第一用户与第二用户的互动频率；根据所述互动频率计算第一用户与第二用户的熟识度；在第二社区中将与第一用户的熟识度超过阈值的第二用户推荐给所述第一用户。上述方法根据用户在其他社区中的互动频率计算用户之间的熟识度，并根据熟识度在本社区中向用户推荐其他用户，拓展了可用于判断哪些其他用户是用户可能认识的人的信息源，从而可更多的获取到用户可能认识的人，提高拓展用户关系圈的效率。此外，还提供一种SNS社区中的用户推荐系统。
【专利说明】SNS社区中的用户推荐方法和系统
【【技术领域】】
[0001]本发明涉及社交网络服务领域，特别地涉及一种SNS社区中的用户推荐方法和系统。
【【背景技术】】
[0002]SNS (Social Networking Services)即社交网络服务,专指旨在帮助人们建立社会性网络的互联网应用服务。SNS社区则为提供社交网络服务的网站或平台。人们在SNS社区中结识朋友，与他人即时分享信息和知识，SNS已经越来越深入到人们的生活、工作和学习中。
[0003]随着网络技术的发展，SNS社区已经迅速发展为包括:结识朋友、拓展关系圈、展现自我、分享信息、游戏娱乐等多种功能的综合平台。根据侧重功能点的不同，可分为各种不同类型的SNS社区，例如，有的SNS社区具有博客的功能，而且在该SNS社区内用户可打造具有自身特色的个人空间。而有的SNS社区则侧重于拓展用户关系圈，给用户提供一个交友平台。随着信息技术的发展以及网络应用的不断更新，用户的需要在不断发生着变化，旧的SNS社区也不断的衍生出具有新功能的SNS社区，以满足用户的需求。
[0004]SNS社区通常都具有用户推荐的功能，即将用户可能感兴趣的其他用户推荐给该用户。SNS社区的用户推荐功能可以帮助用户查看到其可能感兴趣的其他用户，可以有效帮助用户拓展关系圈，从而防止社区用户流失。传统的SNS社区中的用户推荐方法，通常将SNS社区与即时通信相关联，若用户之间在即时通信上为好友，则在SNS社区中将用户在即时通信上的好友推荐给该用户。
[0005]然而，传统的这种SNS社区中的用户推荐方法，仅将用户在即时通信上的好友推荐给该用户，可以推荐的用户数量较少且可能会漏掉很多用户更可能感兴趣的人，因此，传统的SNS社区中的用户推荐方法会使得拓展用户关系圈的效率较低。
【
【发明内容】
】
[0006]基于此，有必要提供一种能提高拓展用户关系圈的效率的SNS社区中的用户推荐方法。
[0007]一种SNS社区中的用户推荐方法，包括以下步骤:
[0008]获取第一用户和第二用户在第一社区中的互动记录；
[0009]根据所述互动记录生成第一用户与第二用户的互动频率；
[0010]根据所述互动频率计算第一用户与第二用户的熟识度；
[0011]在第二社区中将与第一用户的熟识度超过阈值的第二用户推荐给所述第一用户。
[0012]在其中一个实施例中，所述互动记录包括第一用户与第二用户之间的访问、评论、回复、赞、转发、转载、分享中的至少一种操作记录。
[0013]在其中一个实施例中，所述方法还包括:
[0014]根据第一社区中的用户关系链和第二社区中的用户关系链生成第一用户与第二用户的紧密度；
[0015]所述根据互动频次计算第一用户与第二用户的熟识度的步骤为:
[0016]根据所述互动频次和所述紧密度计算所述第一用户与第二用户的熟识度。
[0017]在其中一个实施例中，所述根据所述第一社区的用户关系链和第二社区的用户关系链生成第一用户与第二用户的紧密度的步骤包括:
[0018]根据所述第一社区中的用户关系链判断在第一社区中第一用户与第二用户的关系为以下哪一种:第二用户为第一用户的好友、第二用户为第一用户的二度好友、第二用户为第一用户收听或关注的用户；
[0019]根据所述第二社区中的用户关系链判断在第二社区中第二用户是否为第一用户的二度好友；
[0020]若在第一社区中第二用户为第一用户的好友或第二用户为第一用户的二度好友或第二用户为第一用户收听或关注的用户、或在第二社区中第二用户为第一用户的二度好友，则根据预设的权重相应的增加第一用户与第二用户的紧密度。
[0021]在其中一个实施例中，所述方法还包括:
[0022]根据第一用户和第二用户在第一社区中的个人资料、第一用户和第二用户在第二社区中的个人资料计算第一用户与第二用户的相似度；
[0023]所述根据所述互动频率计算第一用户与第二用户的熟识度的步骤为:
[0024]根据所述互动频率、所述紧密度和所述相似度计算所述第一用户与第二用户的熟识度。
[0025]基于此，还有必要提供一种能提高拓展用户关系圈的效率的SNS社区中的用户推荐系统。
[0026]一种SNS社区中的用户推荐系统，包括:
[0027]记录获取模块，用于获取第一用户和第二用户在第一社区中的互动记录；
[0028]互动频率生成模块，用于根据所述互动记录生成第一用户与第二用户的互动频率；
[0029]熟识度计算模块，用于根据所述互动频率计算第一用户与第二用户的熟识度；
[0030]推荐模块，用于在第二社区中将与第一用户的熟识度超过阈值的第二用户推荐给所述第一用户。
[0031]在其中一个实施例中，所述互动记录包括第一用户与第二用户之间的访问、评论、回复、赞、转发、转载、分享中的至少一种操作记录。
[0032]在其中一个实施例中，所述系统还包括:
[0033]紧密度生成模块，用于根据第一社区中的用户关系链和第二社区中的用户关系链生成第一用户与第二用户的紧密度；
[0034]所述熟识度计算模块用于根据所述互动频次和所述紧密度计算所述第一用户与第二用户的熟识度。
[0035]在其中一个实施例中，所述紧密度生成模块用于根据所述第一社区中的用户关系链判断在第一社区中第一用户与第二用户的关系为以下哪一种:第二用户为第一用户的好友、第二用户为第一用户的二度好友、第二用户为第一用户收听或关注的用户，根据所述第二社区中的用户关系链判断在第二社区中第二用户是否为第一用户的二度好友，若在第一社区中第二用户为第一用户的好友或第二用户为第一用户的二度好友或第二用户为第一用户收听或关注的用户、或在第二社区中第二用户为第一用户的二度好友，则根据预设的权重相应的增加第一用户与第二用户的紧密度。
[0036]在其中一个实施例中，所述系统还包括:
[0037]相似度计算模块，用于根据第一用户和第二用户在第一社区中的个人资料、第一用户和第二用户在第二社区中的个人资料计算第一用户与第二用户的相似度；
[0038]所述熟识度计算模块用于根据所述互动频率、所述紧密度和所述相似度计算所述第一用户与第二用户的熟识度。
[0039]上述SNS社区中的用户推荐方法和系统，根据第一用户和第二用户在第一社区中的互动记录生成第一用户与第二用户的互动频率，根据第一用户与第二用户的互动频率计算第一用户与第二用户的熟识度，在第二社区中将与第一用户的熟识度超过阈值的第二用户推荐给第一用户，第二用户与第一用户的熟识度高，说明第二用户是第一用户可能认识的人。上述方法和系统，根据用户在其他社区中的互动频率计算用户之间的熟识度，并根据熟识度在本社区中向用户推荐其他用户，拓展了可用于判断哪些其他用户是用户可能认识的人的信息源，从而可更 多的获取到用户可能认识的人，提高拓展用户关系圈的效率。
【【专利附图】
【附图说明】】
[0040]图1为一个实施例中的SNS社区中的用户推荐方法的流程示意图；
[0041]图2为一个实施例中根据第一社区中的用户关系链与第二社区中的用户关系链生成第一用户与第二用户的紧密度的流程示意图；
[0042]图3为一个实施例中的SNS社区中的用户推荐系统的结构示意图；
[0043]图4为另一实施例中的SNS社区中的用户推荐系统的结构示意图；
[0044]图5为又一实施例中的SNS社区中的用户推荐系统的结构示意图。
【【具体实施方式】】
[0045]如图1所示，在一个实施例中，一种SNS社区中的用户推荐方法，包括以下步骤:
[0046]步骤S102，获取第一用户和第二用户在第一社区中的互动记录。
[0047]在一个实施例中，第一社区的数量可以为多个，第一社区的种类也可以为多种，例如微博平台、论坛社区等等。步骤S102可获取多个SNS社区中的第一用户和第二用户的互动记录。
[0048]在一个实施例中，可预先记录在第一社区中用户之间的互动操作，并保存用户之间的互动记录。
[0049]在一个实施例中，互动操作为用户读取其他用户在社区中的相关信息的任何读操作、以及针对其他用户的在社区中的相关信息进行的任何写操作。在一个实施例中，互动记录包括访问、评论、回复、赞、转发、转载、分享等操作中的至少一种操作记录。
[0050]步骤S104,根据互动记录生成第一用户与第二用户的互动频率。
[0051]在一个实施例中，用户对其他用户在社区中的相关信息进行一次读操作、或针对其他用户的在社区中的相关信息进行的一次写操作，都可记为用户之间的一次互动操作。
[0052]具体的，可统计某一时段内第一用户与第二用户之间的互动操作的次数，计算第一用户与第二用户的互动频率为互动操作次数与该时段时长的比值。
[0053]步骤S106，根据互动频率计算第一用户与第二用户的熟识度。
[0054]在一个实施例中，可预先设置熟识度与互动频率为正比例关系。第一用户与第二用户的互动频率越高，则第一用户与第二用户的熟识度也越高。获取到第一用户与第二用户的互动频率后，可根据该互动频率以及上述正比例关系相应的增加第一用户与第二用户的熟识度。
[0055]步骤S108，在第二社区中将与第一用户的熟识度超过阈值的第二用户推荐给第一用户。
[0056]在一个实施例中，可将第二用户作为第一用户可能认识的人推荐给第一用户。
[0057]在一个实施例中，可向第一用户展示与第一用户的熟识度超过阈值的第二用户的列表，供第一用户选择其希望加为好友、或希望收听、关注的第二用户。进一步的，可获取第一用户选择的第二用户，将选择的第二用户加为第一用户的好友，或加入到第一用户收听或关注的对象中。
[0058]在一个实施例中，步骤S108可在与第一用户的熟识度超过阈值的第二用户中筛选出与第一用户在第二社区中不是好友的第二用户，将筛选出的第二用户作为第一用户可能认识的人推荐给第一用户。本实施例中，过滤在第二社区中已经是第一用户好友的第二用户，可避免向第一用户重复推荐好友或第一用户已经收听或关注的用户。
[0059]上述SNS社区中的用户推荐方法中的用户在第一社区和第二社区都为注册用户。
[0060]在一个实施例中，第一社区与第二社区共享用户验证信息库，同一用户在第一社区与第二社区的用户标识相同。用户在第一社区与第二社区的用户标识分别称为用户的第一社区用户标识、用户的第二社区用户标识。
[0061]在另一个实施例中，同一用户的第一社区用户标识与第二社区用户标识不同，第一社区与第二社区共享用户标识对应关系库，用户对应关系库中保存同一用户的第一社区用户标识与第二社区用户标识之间的对应关系。
[0062]本实施例中，步骤S108的具体过程包括:获取第一用户的第二社区用户标识；根据第一用户的第二社区用户标识以及上述对应关系查找第一用户的第一社区用户标识；获取第一用户的第一社区用户标识对应的与第一用户熟识度超过阈值的第二用户的第一社区用户标识；根据第二用户的第一社区用户标识以及上述对应关系查找第二用户的第二社区用户标识；向第一用户展示查找到的第二社区用户标识对应的第二用户列表。
[0063]上述SNS社区中的用户推荐方法，根据第一用户和第二用户在第一社区的中互动记录生成第一用户与第二用户的互动频率，根据第一用户与第二用户的互动频率计算第一用户与第二用户的熟识度，在第二社区中将与第一用户的熟识度超过阈值的第二用户推荐给第一用户，第二用户与第一用户的熟识度高，说明第二用户是第一用户可能认识的人。上述方法，根据用户在其他社区中的互动频率计算用户之间的熟识度，并根据熟识度在本社区中向用户推荐其他用户，拓展了可用于判断哪些其他用户是用户可能认识的人的信息源，从而可更多的获取到用户可能认识的人，提高拓展用户关系圈的效率
[0064]在一个实施例中，上述SNS社区中的用户推荐方法还包括步骤:根据第一社区中的用户关系链与第二社区中的用户关系链生成第一用户与第二用户的紧密度。
[0065]具体的，第一社区的用户关系链即为第一社区中用户之间所建立的关系链，包括好友关系、收听或关注关系等社交关系。第二社区的用户关系链即为第二社区中用户之间所建立的关系链。具体的，若第一用户与第二用户在第一社区或第二社区中具有社交关系，则可相应的增加第一用户与第二用户的紧密度。本实施例中，步骤S106的具体过程为:根据第一用户与第二用户的互动频率和紧密度计算第一用户与第二用户的熟识度。
[0066]具体的，在一个实施例中，可预先分别设置第一用户与第二用户的互动频率对应的权重以及第一用户与第二用户的紧密度对应的权重。步骤S106可根据第一用户与第二用户的互动频率和紧密度以及互动频率和紧密度对应的权重，相应的增加第一用户与第二用户的熟识度。第一用户与第二用户的互动频率和紧密度越高，则第一用户与第二用户的熟识度越高。
[0067]如图2所示，在一个实施例中，根据第一社区中的用户关系链与第二社区中的用户关系链统计用户之间的紧密度的步骤的具体过程包括:
[0068]步骤S202，根据第一社区中的用户关系链判断在第一社区中第一用户与第二用户的关系为以下哪一种:第二用户为第一用户的好友、第二用户为第一用户的二度好友、第二用户为第一用户收听或关注的用户。
[0069]第二用户为第一用户的二度好友指的是第二用户为第一用户的好友的好友。
[0070]步骤S204，根据第二社区中的用户关系链判断在第二社区中第二用户是否为第一用户的二度好友。
[0071]步骤S206，若在第一社区中第二用户为第一用户的好友或第二用户为第一用户的二度好友或第二用户为第一用户收听或关注的用户、或在第二社区中第二用户为第一用户的二度好友，则根据预设的权重相应的增加第一用户与第二用户的紧密度。
[0072]在一个实施例中，可预先设置第一用户与第二用户的关系对应的权重，优选的，可按照以下顺序从高到低设置权重:在第一社区中第二用户为第一用户的好友、在第一社区中第二用户为第一用户收听或关注的用户、在第二社区中第二用户为第一用户的二度好友、在第一社区中第二用户为第一用户的二度好友。上述排序的第一用户与第二用户的关系的紧密度是依次降低的，设置上述关系对应的权重也依次降低，从而可获得更加精确的第一用户与第二用户的紧密度。
[0073]上述SNS社区中的用户推荐方法，根据本社区的用户关系链与其他社区的用户关系链生成用户之间的紧密度，并综合上述用户之间的互动频率以及用户之间的紧密度计算用户之间的熟识度，并根据用户之间的熟识度在本社区中向用户推荐其可能认识的人，综合本社区与其他社区的多方面的信息计算用户之间的熟识度，能更加准确的获取用户之间的真实熟识度，从而提高向用户推荐其可能认识的人的准确度。
[0074]在一个实施例中，上述SNS社区中的用户推荐方法还包括步骤:根据第一用户和第二用户在第一社区中的个人资料、第一用户和第二用户在第二社区中的个人资料计算第一用户与第二用户的相似度。
[0075]具体的，若第一用户和第二用户在第一社区的个人资料相同或相近，或者第一用户和第二用户在第二社区的个人资料相同或相近，则可相应的增加第一用户与第二用户的相似度。
[0076]具体的，在一个实施例中，个人资料包括:家乡、教育经历、工作经历、现居住地等。若第一用户与第二用户的家乡、教育经历、工作经历、现居住地在第一社区或第二社区中相同或相近，则可按照预设的权重相应的增加第一用户与第二用户的相似度。
[0077]本实施例中，步骤S106的具体过程为:根据第一用户与第二用户的互动频率、紧密度和相似度计算第一用户与第二用户的熟识度。
[0078]具体的，在一个实施例中，可预先分别设置第一用户与第二用户的互动频率、紧密度、相似度对应的权重，根据互动频率、紧密度、相似度以及互动频率、紧密度、相似度对应的权重相应的增加第一用户与第二用户的熟识度。第一用户与第二用户的互动频率、紧密度相似度越高，则第一用户与第二用户的熟识度越高。
[0079]上述SNS社区中的用户推荐方法，根据本社区与其他社区的用户的个人资料计算用户之间的相似度，并综合上述用户之间的互动频率、紧密度以及相似度计算用户之间的熟识度，并根据用户之间的熟识度在本社区中向用户推荐其可能认识的人，综合本社区与其他社区的多方面的信息计算用户之间的熟识度，能更加准确的获取用户之间的真实熟识度，从而提高向用户推荐其可能认识的人的准确度。
[0080]如图3所示，在一个实施例中，一种SNS社区中的用户推荐系统，包括记录获取模块302、互动频率生成模块304、熟识度计算模块306、推荐模块308，其中:
[0081]记录获取模块302用于获取第一用户和第二用户在第一社区中的互动记录。
[0082]在一个实施例中，第一社区的数量可以为多个，第一社区的种类也可以为多种，例如微博平台，论坛社区等等。记录获取模块302可获取多个SNS社区中第一用户和第二用户的互动记录。
[0083]在一个实施例中，可预先记录在第一社区中用户之间的互动操作，并保存用户之间的互动记录。
[0084]在一个实施例中，互动操作为用户读取其他用户在社区中的相关信息的任何读操作、以及针对其他用户的在社区中的相关信息进行的任何写操作。在一个实施例中，互动记录包括访问、评论、回复、赞、转发、转载、分享等操作中的至少一种操作记录。
[0085]互动频率生成模块304用于根据上述互动记录生成第一用户与第二用户的互动频率。
[0086]在一个实施例中，用户对其他用户在社区中的相关信息进行一次读操作、或针对其他用户的在社区中的相关信息进行的一次写操作，都可记为用户之间的一次互动操作。
[0087]具体的，互动频率生成模块304可统计某一时段内第一用户与第二用户之间的互动操作的次数，计算第一用户与第二用户的互动频率为互动操作次数与该时段时长的比值。
[0088]熟识度计算模块306用于根据互动频率计算第一用户与第二用户的熟识度。
[0089]在一个实施例中，可预先设置熟识度与互动频率为正比例关系。。第一用户与第二用户的互动频率越高，则第一用户与第二用户的熟识度也越高。熟识度计算模块306可根据互动频率以及上述正比例关系相应的增加第一用户与第二用户的熟识度。
[0090]推荐模块308用于在第二社区中将与第一用户的熟识度超过阈值的第二用户推荐给第一用户。
[0091]在一个实施例中，推荐模块308可将第二用户作为第一用户可能认识的人推荐给
第一用户。
[0092]在一个实施例中，推荐模块308可向第一用户展示与第一用户的熟识度超过阈值的第二用户的列表，供第一用户选择其希望加为好友、或希望收听、关注的第二用户。进一步的，推荐模块308可获取第一用户选择的第二用户，将选择的第二用户加为第一用户的好友，或加入到第一用户收听或关注的对象中。
[0093]在一个实施例中，推荐模块308可在与第一用户的熟识度超过阈值的第二用户中筛选出与第一用户在第二社区中不是好友的第二用户，将筛选出的第二用户作为第一用户可能认识的人推荐给第一用户。本实施例中，过滤在第二社区中已经是第一用户好友的第二用户，可避免向第一用户重复推荐好友或第一用户已经收听或关注的用户。
[0094]上述SNS社区中的用户推荐系统中的用户在第一社区和第二社区都为注册用户。
[0095]在一个实施例中，第一社区与第二社区共享用户验证信息库，同一用户在第一社区与第二社区的用户标识相同。用户在第一社区与第二社区的用户标识分别称为用户的第一社区用户标识、用户的第二社区用户标识。
[0096]在另一个实施例中，同一用户的第一社区用户标识与第二社区用户标识不同，第一社区与第二社区共享用户标识对应关系库，用户对应关系库中保存同一用户的第一社区用户标识与第二社区用户标识之间的对应关系。
[0097]本实施例中，推荐模块308可获取第一用户的第二社区用户标识；根据第一用户的第二社区用户标识以及上述对应关系查找第一用户的第一社区用户标识；获取第一用户的第一社区用户标识对应的与第一用户熟识度超过阈值的第二用户的第一社区用户标识；根据第二用户的第一社区用户标识以及上述对应关系查找第二用户的第二社区用户标识；向第一用户展示查找到的第二社区用户标识对应的第二用户列表。
[0098]上述SNS社区中的用户推荐系统，根据第一用户和第二用户在第一社区中的互动记录生成第一用户与第二用户的互动频率，根据第一用户与第二用户的互动频率计算第一用户与第二用户的熟识度，在第二社区中将与第一用户的熟识度超过阈值的第二用户推荐给第一用户，第二用户与第一用户的熟识度高，说明第二用户是第一用户可能认识的人。上述方法，根据用户在其他社区中的互动频率计算用户之间的熟识度，并根据熟识度在本社区中向用户推荐其他用户，拓展了可用于判断哪些其他用户是用户可能认识的人的信息源，从而可更多的获取到用户可能认识的人，提高拓展用户关系圈的效率
[0099]如图4所示，在一个实施例中，上述SNS社区中的用户推荐系统包括记录获取模块302、互动频率生成模块304、紧密度生成模块404、熟识度计算模块406、推荐模块308，其中:
[0100]紧密度生成模块404用于根据第一社区中的用户关系链与第二社区中的用户关系链生成第一用户与第二用户的紧密度。
[0101]具体的，第一社区的用户关系链即为第一社区中用户之间所建立的关系链，包括好友关系、收听或关注关系等社交关系。第二社区的用户关系链即为第二社区中用户之间所建立的关系链。
[0102]具体的，在一个实施例中，紧密度生成模块404用于根据第一社区中的用户关系链判断在第一社区中第一用户与第二用户的关系为以下哪一种:第二用户为第一用户的好友、第二用户为第一用户的二度好友、第二用户为第一用户收听或关注的用户；并根据第二社区中的用户关系链判断在第二社区中第二用户是否为第一用户的二度好友；进一步的，若在第一社区中第二用户为第一用户的好友或第二用户为第一用户的二度好友或第二用户为第一用户收听或关注的用户、或在第二社区中第二用户为第一用户的二度好友，则根据预设的权重相应的增加第一用户与第二用户的紧密度。
[0103]第二用户为第一用户的二度好友指的是第二用户为第一用户的好友的好友。
[0104]在一个实施例中，紧密度生成模块404可预先设置第一用户与第二用户的关系对应的权重，优选的，可按照以下顺序从高到低设置权重:在第一社区中第二用户为第一用户的好友、在第一社区中第二用户为第一用户收听或关注的用户、在第二社区中第二用户为第一用户的二度好友、在第一社区中第二用户为第一用户的二度好友。上述排序的第一用户与第二用户的关系的紧密度是依次降低的，设置上述关系对应的权重也依次降低，从而可获得更加精确的第一用户与第二用户的紧密度。
[0105]熟识度计算模块406用于根据第一用户与第二用户的互动频率和紧密度计算第一用户与第二用户的熟识度。
[0106]具体的，在一个实施例中，可预先分别设置第一用户与第二用户的互动频率对应的权重以及第一用户与第二用户的紧密度对应的权重。熟识度计算模块406可根据第一用户与第二用户的互动频率和紧密度以及互动频率和紧密度对应的权重，相应的增加第一用户与第二用户的熟识度。第一用户与第二用户的互动频率和紧密度越高，则第一用户与第二用户的熟识度越高。
[0107]上述SNS社区中的用户推荐系统，根据本社区的用户关系链与其他社区的用户关系链生成用户之间的紧密度，并综合上述用户之间的互动频率以及用户之间的紧密度计算用户之间的熟识度，并根据用户之间的熟识度在本社区中向用户推荐其可能认识的人，综合本社区与其他社区的多方面的信息计算用户之间的熟识度，能更加准确的获取用户之间的真实熟识度，从而提高向用户推荐其可能认识的人的准确度。
[0108]如图5所示，在一个实施例中，一种SNS社区中的用户推荐系统包括记录获取模块302、互动频率生成模块304、紧密度生成模块404、相似度计算模块504、熟识度计算模块506、推荐模块308，其中:
[0109]相似度计算模块504用于根据第一用户和第二用户在第一社区中的个人资料、第一用户和第二用户在第二社区中的个人资料计算第一用户与第二用户的相似度。
[0110]具体的，若第一用户和第二用户在第一社区的个人资料相同或相近，或者第一用户和第二用户在第二社区的个人资料相同或相近，则相似度计算模块504可相应的增加第一用户与第二用户的相似度。
[0111]具体的，在一个实施例中，个人资料包括:家乡、教育经历、工作经历、现居住地等。若第一用户与第二用户的家乡、教育经历、工作经历、现居住地在第一社区或第二社区中相同或相近，则相似度计算模块504可按照预设的权重相应的增加第一用户与第二用户的相似度。
[0112]熟识度计算模块506用于根据第一用户与第二用户的互动频率、紧密度和相似度计算第一用户与第二用户的熟识度。
[0113]具体的，在一个实施例中，可预先分别设置第一用户与第二用户的互动频率、紧密度和相似度对应的权重。熟识度计算模块506可将互动频率、紧密度和相似度以及互动频率、紧密度和相似度对应的权重相应的增加第一用户与第二用户的熟识度。第一用户与第二用户的互动频率、紧密度相似度越高，则第一用户与第二用户的熟识度越高。[0114]上述SNS社区中的用户推荐系统，根据本社区与其他社区的用户的个人资料计算用户之间的相似度，并综合上述用户之间的互动频率、紧密度以及相似度计算用户之间的熟识度，并根据用户之间的熟识度在本社区中向用户推荐其可能认识的人，综合本社区与其他社区的多方面的信息计算用户之间的熟识度，能更加准确的获取用户之间的真实熟识度，从而提高向用户推荐其可能认识的人的准确度。
[0115]以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。
【权利要求】
1.一种SNS社区中的用户推荐方法，包括以下步骤: 获取第一用户和第二用户在第一社区中的互动记录； 根据所述互动记录生成第一用户与第二用户的互动频率； 根据所述互动频率计算第一用户与第二用户的熟识度； 在第二社区中将与第一用户的熟识度超过阈值的第二用户推荐给所述第一用户。
2.根据权利要求1所述的SNS社区中的用户推荐方法，其特征在于，所述互动记录包括第一用户与第二用户之间的访问、评论、回复、赞、转发、转载、分享中的至少一种操作记录。
3.根据权利要求1所述的SNS社区中的用户推荐方法，其特征在于，所述方法还包括: 根据第一社区中的用户关系链和第二社区中的用户关系链生成第一用户与第二用户的紧密度； 所述根据互动频次计算第一用户与第二用户的熟识度的步骤为: 根据所述互动频次和所述紧密度计算所述第一用户与第二用户的熟识度。
4.根据权利要求3所述的SNS社区中的用户推荐方法，其特征在于，所述根据所述第一社区的用户关系链和第二社区的用户关系链生成第一用户与第二用户的紧密度的步骤包括: 根据所述第一社区中的用户关系链判断在第一社区中第一用户与第二用户的关系为以下哪一种:第二用户为第一用户的好友、第二用户为第一用户的二度好友、第二用户为第一用户收听或关注的用户； 根据所述第二社区中的用户关系链判断在第二社区中第二用户是否为第一用户的二度好友； 若在第一社区中第二用户为第一用户的好友或第二用户为第一用户的二度好友或第二用户为第一用户收听或关注的用户、或在第二社区中第二用户为第一用户的二度好友，则根据预设的权重相应的增加第一用户与第二用户的紧密度。
5.根据权利要求3或4所述的SNS社区中的用户推荐方法，其特征在于，所述方法还包括: 根据第一用户和第二用户在第一社区中的个人资料、第一用户和第二用户在第二社区中的个人资料计算第一用户与第二用户的相似度； 所述根据所述互动频率计算第一用户与第二用户的熟识度的步骤为: 根据所述互动频率、所述紧密度和所述相似度计算所述第一用户与第二用户的熟识度。
6.一种SNS社区中的用户推荐系统，其特征在于，包括: 记录获取模块，用于获取第一用户和第二用户在第一社区中的互动记录； 互动频率生成模块，用于根据所述互动记录生成第一用户与第二用户的互动频率； 熟识度计算模块，用于根据所述互动频率计算第一用户与第二用户的熟识度； 推荐模块，用于在第二社区中将与第一用户的熟识度超过阈值的第二用户推荐给所述第一用户。
7.根据权利要求6所述的SNS社区中的用户推荐系统，其特征在于，所述互动记录包括第一用户与第二用户之间的访问、评论、回复、赞、转发、转载、分享中的至少一种操作记录。
8.根据权利要求6所述的SNS社区中的用户推荐系统，其特征在于，所述系统还包括:紧密度生成模块，用于根据第一社区中的用户关系链和第二社区中的用户关系链生成第一用户与第二用户的紧密度； 所述熟识度计算模块用于根据所述互动频次和所述紧密度计算所述第一用户与第二用户的熟识度。
9.根据权利要求8所述的SNS社区中的用户推荐系统，其特征在于，所述紧密度生成模块用于根据所述第一社区中的用户关系链判断在第一社区中第一用户与第二用户的关系为以下哪一种:第二用户为第一用户的好友、第二用户为第一用户的二度好友、第二用户为第一用户收听或关注的用户，根据所述第二社区中的用户关系链判断在第二社区中第二用户是否为第一用户的二度好友，若在第一社区中第二用户为第一用户的好友或第二用户为第一用户的二度好友或第二用户为第一用户收听或关注的用户、或在第二社区中第二用户为第一用户的二度好友，则根据预设的权重相应的增加第一用户与第二用户的紧密度。
10.根据权利要求8或9所述的SNS社区中的用户推荐系统，其特征在于，所述系统还包括: 相似度计算模 块，用于根据第一用户和第二用户在第一社区中的个人资料、第一用户和第二用户在第二社区中的个人资料计算第一用户与第二用户的相似度； 所述熟识度计算模块用于根据所述互动频率、所述紧密度和所述相似度计算所述第一用户与第二用户的熟识度。
【文档编号】G06F17/30GK103455515SQ201210178965
【公开日】2013年12月18日 申请日期:2012年6月1日 优先权日:2012年6月1日
【发明者】曾雷, 李明娥 申请人:腾讯科技（深圳）有限公司