社交网络好友推荐的方法及系统的制作方法
【专利摘要】本发明公开的社交网络好友推荐的方法及系统。所述方法包括：采集用户的行为特征数据，发送所述行为特征数据到社交网络，分析所述行为特征数据得出该用户的个人信息，比对该用户与其他社交网络用户的个人信息，找出与该用户的个人信息匹配的社交网络用户。通过本发明的技术方案，能够提高社交网络中用户个人信息的真实性，提高好友匹配的准确性。
【专利说明】社交网络好友推荐的方法及系统
【技术领域】
[0001]本发明涉及互联网【技术领域】，尤其涉及社交网络中推荐好友的方法及系统。
【背景技术】
[0002]随着互联网技术的飞速发展，出现了微博、校内网、Facebook等多种多样的社交网络，通常用户在注册这些社交网络时需要填写个人信息，包括居住地、学校、个人性格、爱好等信息。现有社交网络的好友推荐功能大多都是基于用户注册时输入的个人信息进行相关度匹配，以推荐相同爱好、相同城市、或者相同学校的其他用户。然而很多用户在填写这些个人信息时很随意，或者懒于填写，或者故意避其短展其长，导致得到的用户信息不真实不全面，导致社交网络的好友推荐不准确；另一方面，用户的个人信息可能会随着时间的变化发生变化，例如居住地变化、爱好变化等，进一步影响好友推荐的准确性。
【发明内容】
[0003]本发明的目的在于提出社交网络好友推荐的方法及系统，提高了社交网络中用户个人信息的真实性，提高好友匹配的准确性。
[0004]为达此目的，本发明采用以下技术方案:
[0005]一种社交网络中推荐好友的方法，包括:
[0006]采集用户的行为特征数据；
[0007]发送所述行为特征数据到社交网络；
[0008]分析所述行为特征数据得出该用户的个人信息；
[0009]比对该用户与其他社交网络用户的个人信息，找出与该用户的个人信息匹配的社交网络用户。
[0010]优选的，所述特征数据包括:用户出入的场所类别信息、运动信息和日常起居信息，其中，所述运动信息包括运动时间、运动强度及运动频率，所述日常起居信息包括心率信息；
[0011]所述分析所述行为特征数据得出该用户的个人信息，包括:
[0012]分析所述场所类别信息得出该用户的兴趣爱好类型；
[0013]分析所述运动信息得出该用户偏好的运动类型；
[0014]分析所述日常起居信息得出该用户的日常作息规律。
[0015]优选的，所述采集用户的行为特征数据，包括:
[0016]按照第一设定时间周期采集用户的行为特征数据；
[0017]所述发送所述行为特征数据到社交网络，包括:
[0018]按照第二设定时间周期上传该用户的所述个人信息到社交网络；
[0019]所述第二设定时间周期大于等于所述第一设定时间周期。
[0020]优选的，所述发送所述行为特征数据到社交网络之前，包括:
[0021]对行为特征数据上传社交网络进行授权。
[0022]优选的，所述发送所述行为特征数据到社交网络，包括:
[0023]上传所述行为特征数据到预设服务器，由所述预设服务器转发所述行为特征数据。
[0024]优选的，所述分析所述行为特征数据得出该用户的个人信息之后，还包括:
[0025]标记所述个人信息的类型为真实数据。
[0026]优选的，所述比对该用户与其他社交网络用户的个人信息，找出与该用户的个人信息匹配的社交网络用户，包括:
[0027]比对该用户与其他社交网络用户的个人信息，得出其他社交网络用户的个人信息与该用户的个人信息的匹配度；
[0028]按所述匹配度由高到低进行排序，找出排在前面的预设数量的社交网络用户为该用户的推荐好友；
[0029]将所述推荐好友发送给所述用户。
[0030]优选的，所述比对该用户与其他社交网络用户的个人信息，找出与该用户的个人信息匹配的社交网络用户，包括:
[0031]接收设定的好友匹配条件；
[0032]比对该用户与其他社交网络用户的个人信息，得出所述好友匹配条件下其他社交网络用户与该用户的匹配度；
[0033]按所述匹配度由高到低进行排序，找出排在前面的预设数量的社交网络用户为该用户的推荐好友；
[0034]将所述推荐好友发送给所述用户。
[0035]本发明另一方面还提供一种社交网络中推荐好友的系统，包括:智能穿戴设备、与所述智能穿戴设备通信的社交网络服务器，所述智能穿戴设备包括数据采集单元和数据上传单元，所述社交网络服务器包括分析单元和匹配单元；
[0036]所述数据采集单元，用于采集用户的行为特征数据；
[0037]所述数据上传单元，用于发送所述行为特征数据到所述社交网络服务器；
[0038]所述分析单元，用于分析所述行为特征数据得出该用户的个人信息；
[0039]所述匹配单元，用于比对该用户与其他社交网络用户的个人信息，找出与该用户的个人信息匹配的社交网络用户。
[0040]优选的，所述特征数据包括:用户出入的场所类别信息、运动信息和日常起居信息，其中，所述运动信息包括运动时间、运动强度及运动频率，所述日常起居信息包括心率;
[0041]所述分析单元，具体用于分析所述场所类别信息得出该用户的兴趣爱好类型；分析所述运动信息得出该用户的运动类型；分析所述日常起居信息得出该用户的日常作息规律。
[0042]优选的，所述数据采集单元，具体用于按照第一设定时间周期采集用户的行为特征数据；
[0043]所述数据上传单元，具体用于按照第二设定时间周期上传该用户的所述个人信息到所述社交网络服务器；
[0044]其中，所述第二设定时间周期大于等于所述第一设定时间周期。
[0045]优选的，所述智能穿戴设备还包括授权单元，用于发送所述行为特征数据到社交网络之前，对行为特征数据上传社交网络进行授权。
[0046]优选的，所述数据上传单元，具体用于上传所述行为特征数据到预设服务器，所述社交网络服务器向所述预设服务器请求获取所述行为特征数据。
[0047]优选的，所述分析单元，还用于在分析所述行为特征数据得出该用户的个人信息之后，标记所述个人信息的类型为真实数据。
[0048]优选的，所述匹配单元，具体用于比对该用户与其他社交网络用户的个人信息，得出其他社交网络用户的个人信息与该用户的个人信息的匹配度；按所述匹配度由高到低进行排序，找出排在前面的预设数量的社交网络用户为该用户的推荐好友；将所述推荐好友发送给所述用户。
[0049]优选的，所述匹配单元，具体用于接收设定的好友匹配条件；比对该用户与其他社交网络用户的个人信息，得出所述好友匹配条件下其他社交网络用户与该用户的匹配度；按所述匹配度由高到低进行排序，找出排在前面的预设数量的社交网络用户为该用户的推荐好友；将所述推荐好友发送给所述用户。
[0050]实施本发明实施例，具有如下有益效果:
[0051]本发明实施例通过采集用户的行为特征数据，发送所述行为特征数据到社交网络，分析所述行为特征数据得出该用户的个人信息，比对该用户与其他社交网络用户的个人信息，找出与该用户的个人信息匹配的社交网络用户。本发明的方案由于采集的用户行为特征数据类型来自于个人长期行为，一方面便于用户正确的认识自己，一方面也省去了用户手动更新个人信息的麻烦，更重要的是提高了社交网络中用户个人信息的真实性；当开启社交网络的好友推荐功能或者主动搜索朋友时，基于真实度较高的个人信息可以匹配出更相符的好友，匹配方式更准确，提高好友推荐的准确性。
【专利附图】
【附图说明】
[0052]为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0053]图1是本发明第一实施例的社交网络中推荐好友的方法的流程示意图。
[0054]图2是本发明第三实施例的社交网络中推荐好友的系统的结构示意图。
【具体实施方式】
[0055]下面结合本发明的附图对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0056]第一实施例
[0057]图1是本发明第一实施例的社交网络中推荐好友的方法流程图，第一实施例详述如下:
[0058]步骤S101，采集用户的行为特征数据。
[0059]在第一实施例中，所述的特征数据可以包括:用户出入的场所类别信息、运动信息和日常起居信息，其中，所述运动信息包括运动时间、运动强度及运动频率，所述日常起居信息包括心率及进食卡路里。
[0060]本实施例中可通过智能穿戴手表、手环等设备实时采集用户的行为特征数据。这类智能可穿戴设备需满足硬件条件为:具备多种传感器，通过各传感器收集不同用户数据。例如具备处理器、定位模组、动作传感器、心率传感器、蓝牙等通信模组。所述定位模组，定位模组可以获取用户经常出入的场所类别，比如图书馆、球馆、公园、郊外、各种具体的培训班、健身俱乐部、商场等；动作传感器可以获取用户的运动记录，包括运动时间、运动强度与运动频率等健身信息；心率传感器可以获取的作息时间，包括早晨起床时间以及晚间的睡眠质量等信息；蓝牙等通信模组则用于上传采集到的行为特征数据。由于通过智能穿戴设备采集的用户行为特征数据类型来自于个人长期行为，一方面便于用户正确的认识自己，降低了用户填写个人信息的难度，同时也提高了社交网络中用户个人信息的真实性。
[0061]需要说明的是，根据实际情况可添加其他类型的传感器，例如可获取用户日常进食的卡路里情况的传感器，或者选择其他智能穿戴设备，如智能眼镜、智能戒指等，以实时采集用户的行为特征数据。
[0062]第一实施例中，可通过智能穿戴设备按照第一设定时间周期采集用户的行为特征数据。例如每半小时或一小时采集一次用户行为特征数据，采集的用户行为特征数据越多，越容易反映出用户的行为特征。
[0063]步骤S102，发送所述行为特征数据到社交网络。
[0064]第一实施例中，由于所述行为特征数据可能涉及到用户的个人私密数据，所以发送数据之前，需要对行为特征数据上传社交网络进行授权，只有通过发送授权验证时，才发送所述行为特征数据到社交网络，若否，拒绝上传所述行为特征数据。
[0065]本实施例中，按照第二设定时间周期上传该用户的所述个人信息到社交网络，并且所述第二设定时间周期大于等于所述第一设定时间周期。例如每天发送一次所述行为特征数据，通过自动发送行为特征数据，可以随时调整用户当前的个人信息并及时更新到社交网络，即省去了用户手动输入个人信息的难度，又避免了用户修改个人信息的麻烦。
[0066]作为本实施例一优选实施方式，发送所述行为特征数据时，可统一上传所述行为特征数据到预设服务器，社交网络服务器可向所述预设服务器请求获取所述行为特征数据。当该预设服务器对应多个社交网络时，可节省智能穿戴设备发送数据的通信流量，节省网络资源。
[0067]步骤S103，分析所述行为特征数据得出该用户的个人信息。
[0068]本实施例中，分析用户经常出入的场所类别，比如图书馆、球馆、公园、郊外、各种具体的培训班、健身俱乐部、商场等场所类别，可得出该用户是否爱阅读、经常去球场以及喜欢什么运动、特长培训班种类等，可以一定程度反映出用户的兴趣爱好类型，例如运动、娱乐、旅行、美食、阅读和/或购物等；通过分析用户的运动信息可得出该用户偏好的运动类型，例如晨练、晚练、有氧运动(瑜伽、太极等舒缓的运动)和/或体能运动(划船、冲浪、器械运动等比较剧烈的运动)；通过分析用户的日常起居信息得出该用户的日常作息规律，例如时早睡早起、经常熬夜等习惯；这些数据本身就可以在交友过程中受到关注。
[0069]优选的，本实施例中对通过分析得出的个人信息进行标记，标记这类个人信息的类型为真实数据，以区别与通过用户手动录入的个人信息，有利于社交网络信息的公开和透明管理。
[0070]通过综合分析用户的日常行为习惯得出的，可更真实的反应用户的行为特征和兴趣爱好，在一定程度上也便于用户更准确的把握自己的特点，另一方面也可避免用户手动输入个人信息的不便。
[0071]步骤S104，比对该用户与其他社交网络用户的个人信息，找出与该用户的个人信息匹配的社交网络用户。
[0072]在第一实施例中，当开启社交网络的好友推荐功能或者主动搜索朋友时，可通过比对该用户与其他社交网络用户的个人信息，得出其他社交网络用户的个人信息与该用户的个人信息的匹配度，以匹配出与自己更相符的好友推荐给所述用户，匹配方式更准确，提高好友推荐的准确性。
[0073]作为一优选实施方式，社交网络可以根据用户的个人信息自动为用户匹配推荐兴趣爱好相似或生活习惯相似的好友，社交网络后台通过比对该用户与其他社交网络用户的个人信息，得出其他社交网络用户的个人信息与该用户的个人信息的匹配度；然后再找出所述匹配度由高到低排序前设定数量的社交网络用户为该用户的推荐好友。例如按所述匹配度由高到低进行排序，找出排在前面10个的社交网络用户为该用户的推荐好友；将所述推荐好友发送给所述用户。
[0074]作为另一优选实施方式，用户可自行设定好友匹配的调节，例如按照兴趣爱好匹配，或在按照饮食习惯匹配，或在按照距离远近进行匹配等，接收到用户设定的好友匹配条件后，通过比对该用户与其他社交网络用户的个人信息，得出所述好友匹配条件下其他社交网络用户与该用户的匹配度；找出所述匹配度由高到低排序前设定数量的社交网络用户为该用户的推荐好友，例如按所述匹配度由高到低进行排序，找出排在前面10个的社交网络用户为该用户的推荐好友；将所述推荐好友发送给所述用户。用户还可以设定多个匹配调节的组合，例如搜索周边一定距离范围内具有相兴趣爱好的人，临时邀请一起运动或者活动，提供了一种更快捷更方便的社交组团方式。
[0075]通过上述第一实施例，通过采集用户的行为特征数据，发送所述行为特征数据到社交网络，分析所述行为特征数据得出该用户的个人信息，一方面便于用户正确的认识自己，一方面也省去了用户手动输入个人信息的麻烦，更重要的是提高了社交网络中用户个人信息的真实性；当开启社交网络的好友推荐功能或者主动搜索朋友时，基于真实度较高的个人信息可以匹配出更相符的好友，匹配方式更准确，提高好友推荐的准确性。
[0076]第二实施例
[0077]第二实施例提供的社交网络中推荐好友的系统的，与上述的方法实施例属于同一构思，系统的实施例中未详尽描述的细节内容，可以参考上述方法实施例。
[0078]图2示出了本发明第二实施例的社交网络中推荐好友的系统结构示意图，下面进行详细说明。
[0079]所述系统包括:智能穿戴设备10、与所述智能穿戴设备10通信的社交网络服务器20，所述智能穿戴设备10包括数据采集单元101和数据上传单元102，所述社交网络服务器20包括分析单元201和匹配单元202.各部分详述如下:
[0080]所述数据采集单元101，用于采集用户的行为特征数据。
[0081]第二实施例中，所述特征数据包括:用户出入的场所类别信息、运动信息和日常起居信息等。其中，所述运动信息包括运动时间、运动强度及运动频率，所述日常起居信息包括心率等。对应的，所述采集单元101可以包括定位模组、动作传感器模组、心率传感器模组等。
[0082]优选的，本实施例中所述数据采集单元101按照第一设定时间周期采集用户的行为特征数据.例如每半小时或一小时采集一次用户行为特征数据，采集的用户行为特征数据越多，越容易反映出用户的行为特征。
[0083]所述数据上传单元102，用于发送所述行为特征数据到社交网络服务器20。
[0084]第二实施例中，为了保证用户个人信息的私密性和安全性，发送用户行为特征数据之前需要经过授权验证，因此所述智能穿戴设备10还包括授权单元，用于发送所述行为特征数据到社交网络之前，对行为特征数据上传社交网络进行授权。若通过授权，允许上传所述行为特征数据，否则，禁止上传所述行为特征数据。
[0085]作为一优选实施方式，可上传所述行为特征数据到预设服务器，所述社交网络服务器20可向所述预设服务器请求获取所述行为特征数据。当该预设服务器对应多个社交网络服务器20时，该方式可以减小智能穿戴设备10的数据上传负荷，有利于节省网络流量。
[0086]优选的，本实施例中数据上传单元102按照第二设定时间周期上传该用户的所述个人信息到社交网络，并设定所述第二设定时间周期大于等于所述第一设定时间周期，例如每天发送一次所述行为特征数据。
[0087]所述分析单元201，用于分析所述行为特征数据得出该用户的个人信息。
[0088]第二实施例中，分析单元201可具体用于:分析所述场所类别信息得出该用户的兴趣爱好类型。例如:根据用户经常出入的场所类别，如图书馆、球馆、公园、郊外、各种具体的培训班、健身俱乐部、商场等场所类别，分析出该用户是否爱阅读、经常去球场、或旅行、美食、购物的等兴趣爱好。分析单元201还可具体用于分析所述运动信息得出该用户偏好的运动类型，例如喜欢晨练、或者晚上运动，或者喜欢有舒缓的氧运动还是剧烈的体能运动等；分析单元201还可通过分析所述日常起居信息得出该用户的日常作息规律，例如生活规律、早睡早起或者经常熬夜等。通过综合分析用户的日常行为习惯得出的，可更真实的反应用户的行为特征和兴趣爱好，在一定程度上也便于用户更准确的把握自己的特点，另一方面也可避免用户手动更新个人信息的不便。
[0089]优选的，本实施例中分析单元201还用于在分析所述行为特征数据得出该用户的个人信息之后，标记所述个人信息的类型为真实数据。以使得社交网络中的用户个人信息更加公开和透明，减少了网络欺诈行为的发生。
[0090]所述匹配单元202，用于比对该用户与其他社交网络用户的个人信息，找出与该用户的个人信息匹配的社交网络用户。
[0091]第二实施例中，社交网络服务器可根据用户的个人信息定期自动为用户推荐好友，通过比对该用户与其他社交网络用户的个人信息，得出其他社交网络用户的个人信息与该用户的个人信息的匹配度；找出所述匹配度由高到低排序前设定数量的社交网络用户为该用户的推荐好友，例如找出匹配度由高到低排序前10的社交网络用户推荐给该用户。当然，用户也可自行设定好友匹配的调节，例如按照兴趣爱好匹配，或在按照饮食习惯匹配，或在按照距离远近进行匹配等，社交网络服务器接收到用户设定的好友匹配条件后，通过比对该用户与其他社交网络用户的个人信息，得出所述好友匹配条件下其他社交网络用户与该用户的匹配度；找出所述匹配度由高到低排序前设定数量的社交网络用户为该用户的推荐好友，例如找出匹配度由高到低排序前10的社交网络用户推荐给该用户。用户还可以设定多个匹配调节的组合，例如搜索周边一定距离范围内具有相兴趣爱好的人，临时邀请一起运动或者活动，提供了一种更快捷更方便的社交组团方式。
[0092]上述第二实施例，基于采集用户的行为特征数据，发送所述行为特征数据到社交网络，分析所述行为特征数据得出该用户的个人信息，一方面便于用户正确的认识自己，同时也提高了社交网络中用户个人信息的真实性；当开启社交网络的好友推荐功能或者主动搜索朋友时，基于真实度较高的个人信息可以匹配出更相符的好友，匹配方式更准确，提高好友推荐的准确性。
[0093]以上所揭露的仅为本发明较佳实施例而已，当然不能以此来限定本发明之权利要求范围，因此，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，仍属本发明所涵盖的范围。
【权利要求】
1.一种社交网络中推荐好友的方法，其特征在于，包括: 采集用户的行为特征数据； 发送所述行为特征数据到社交网络； 分析所述行为特征数据得出该用户的个人信息； 比对该用户与其他社交网络用户的个人信息，找出与该用户的个人信息匹配的社交网络用户。
2.如权利要求1所述社交网络中推荐好友的方法，其特征在于，所述特征数据包括:用户出入的场所类别信息、运动信息和日常起居信息，其中，所述运动信息包括运动时间、运动强度及运动频率，所述日常起居信息包括心率信息； 所述分析所述行为特征数据得出该用户的个人信息，包括: 分析所述场所类别信息得出该用户的兴趣爱好类型； 分析所述运动信息得出该用户偏好的运动类型； 分析所述日常起居信息得出该用户的日常作息规律。
3.如权利要求1所述社交网络中推荐好友的方法，其特征在于，所述采集用户的行为特征数据，包括: 按照第一设定时间周期采集用户的行为特征数据； 所述发送所述行为特征数据到社交网络，包括: 按照第二设定时间周期上传该用户的所述个人信息到社交网络； 所述第二设定时间周期大于等于所述第一设定时间周期。
4.如权利要求1所述社交网络中推荐好友的方法，其特征在于，所述发送所述行为特征数据到社交网络之前，包括: 对行为特征数据上传社交网络进行授权。
5.如权利要求4所述社交网络中推荐好友的方法，其特征在于，所述发送所述行为特征数据到社交网络，包括: 上传所述行为特征数据到预设服务器，由所述预设服务器转发所述行为特征数据。
6.如权利要求1所述社交网络中推荐好友的方法，其特征在于，所述分析所述行为特征数据得出该用户的个人信息之后，还包括: 标记所述个人信息的类型为真实数据。
7.如权利要求1所述社交网络中推荐好友的方法，其特征在于，所述比对该用户与其他社交网络用户的个人信息，找出与该用户的个人信息匹配的社交网络用户，包括: 比对该用户与其他社交网络用户的个人信息，得出其他社交网络用户的个人信息与该用户的个人信息的匹配度； 按所述匹配度由高到低进行排序，找出排在前面的预设数量的社交网络用户为该用户的推荐好友； 将所述推荐好友发送给所述用户。
8.如权利要求1所述社交网络中推荐好友的方法，其特征在于，所述比对该用户与其他社交网络用户的个人信息，找出与该用户的个人信息匹配的社交网络用户，包括: 接收设定的好友匹配条件； 比对该用户与其他社交网络用户的个人信息，得出所述好友匹配条件下其他社交网络用户与该用户的匹配度； 按所述匹配度由高到低进行排序，找出排在前面的预设数量的社交网络用户为该用户的推荐好友； 将所述推荐好友发送给所述用户。
9.一种社交网络中推荐好友的系统，其特征在于，包括:智能穿戴设备、与所述智能穿戴设备通信的社交网络服务器，所述智能穿戴设备包括数据采集单元和数据上传单元，所述社交网络服务器包括分析单元和匹配单元； 所述数据采集单元，用于采集用户的行为特征数据； 所述数据上传单元，用于发送所述行为特征数据到所述社交网络服务器； 所述分析单元，用于分析所述行为特征数据得出该用户的个人信息； 所述匹配单元，用于比对该用户与其他社交网络用户的个人信息，找出与该用户的个人信息匹配的社交网络用户。
10.如权利要求9所述社交网络中推荐好友的系统，其特征在于，所述特征数据包括:用户出入的场所类别信息、运动信息和日常起居信息，其中，所述运动信息包括运动时间、运动强度及运动频率，所述日常起居信息包括心率； 所述分析单元，具体用于分析所述场所类别信息得出该用户的兴趣爱好类型；分析所述运动信息得出该用户的运动类型；分析所述日常起居信息得出该用户的日常作息规律。
11.如权利要求9所述社交网络中推荐好友的系统，其特征在于，所述数据采集单元，具体用于按照第一设定时间周期采集用户的行为特征数据； 所述数据上传单元，具体用于按照第二设定时间周期上传该用户的所述个人信息到所述社交网络服务器； 其中，所述第二设定时间周期大于等于所述第一设定时间周期。
12.如权利要求9所述社交网络中推荐好友的系统，其特征在于，所述智能穿戴设备还包括授权单元，用于发送所述行为特征数据到社交网络之前，对行为特征数据上传社交网络进行授权。
13.如权利要求12所述社交网络中推荐好友的系统，其特征在于，所述数据上传单元，具体用于上传所述行为特征数据到预设服务器，所述社交网络服务器向所述预设服务器请求获取所述行为特征数据。
14.如权利要求9所述社交网络中推荐好友的系统，其特征在于，所述分析单元，还用于在分析所述行为特征数据得出该用户的个人信息之后，标记所述个人信息的类型为真实数据。
15.如权利要求9所述社交网络中推荐好友的系统，其特征在于，所述匹配单元，具体用于比对该用户与其他社交网络用户的个人信息，得出其他社交网络用户的个人信息与该用户的个人信息的匹配度；按所述匹配度由高到低进行排序，找出排在前面的预设数量的社交网络用户为该用户的推荐好友；将所述推荐好友发送给所述用户。
16.如权利要求9所述社交网络中推荐好友的系统，其特征在于，所述匹配单元，具体用于接收设定的好友匹配条件；比对该用户与其他社交网络用户的个人信息，得出所述好友匹配条件下其他社交网络用户与该用户的匹配度；按所述匹配度由高到低进行排序，找出排在前面的预设数量的社交网络用户为该用户的推荐好友；将所述推荐好友发送给所述
VO / Γ? /
【文档编号】G06F17/30GK104462308SQ201410714499
【公开日】2015年3月25日 申请日期:2014年11月27日 优先权日:2014年11月27日
【发明者】郑战海 申请人:广东小天才科技有限公司