用户推荐方法及装置的制造方法
【技术领域】
[0001 ]本公开涉及社交类应用领域，特别涉及一种用户推荐方法及装置。
【背景技术】
[0002] 随着互联网技术的不断发展，越来越多的用户开始通过社交类应用来结识新的朋 友。
[0003] 匹配条件推荐作为一种基于用户信息的推荐方式，被广泛应用在社交类应用中。 用户在使用匹配条件推荐时，只需要输入相应的匹配条件，服务器即可根据该匹配条件和 用户信息查找到符合匹配条件的目标用户，并将查找到的目标用户推荐给该用户。由于查 找符合匹配条件的目标用户时，需要基于各个用户预先上传的用户信息，若用户上传的用 户信息不够完整，将直接影响到推荐的成功率。
【发明内容】
[0004] 本公开提供一种用户推荐方法及装置。所述技术方案如下：
[0005] 根据本公开实施例的第一方面，提供一种用户推荐方法，该方法包括：
[0006] 接收各个用户所使用的终端和终端对应的关联设备采集的用户数据；
[0007] 对该用户数据进行分析得到各个用户的用户信息；
[0008] 根据该用户信息在社交类应用中进行用户间相互推荐。
[0009] 在一个可选的实施例中，用户数据中包括终端通过摄像头采集到的用户图像数 据，用户信息中包括用户性别、用户年龄和用户面部特征中的至少一种；
[0010] 对用户数据进行分析得到各个用户的用户信息，包括：
[0011] 根据用户图像数据，确定用户对应的人脸相册，人脸相册是根据用户存储在服务 器中的照片聚合生成的，人脸相册中的照片均包含用户对应的人脸；
[0012] 对人脸相册中的照片进行人脸分析，得到用户的用户性别、用户年龄和用户面部 特征。
[0013] 在一个可选的实施例中，用户数据中包括终端通过麦克风采集到的用户声音数 据，用户信息中包括用户声音特征；
[0014] 对用户数据进行分析得到各个用户的用户信息，包括：
[0015] 对用户声音数据进行语音分析，得到用户的用户声音特征。
[0016] 在一个可选的实施例中，关联设备是与终端绑定的智能体重秤，用户数据中包括 智能体重秤采集到的体重数据，用户信息中包含用户的用户体重和用户体重变化状态中的 至少一种，用户体重变化状态包括减肥状态和增重状态；
[0017] 对用户数据进行分析得到各个用户的用户信息，包括：
[0018] 将智能体重秤最近一次采集的体重数据确定为用户的用户体重；
[0019] 和/或，
[0020] 根据智能体重秤最近η次采集的η个体重数据，确定用户的用户体重变化状态，η 2 2〇
[0021] 在一个可选的实施例中，关联设备是与终端绑定的智能烹饪设备，用户数据中包 括智能烹饪设备采集到的烹饪参数，用户信息中包括用户的烹饪喜好信息；
[0022] 对用户数据进行分析得到各个用户的用户信息，包括：
[0023] 根据烹饪参数确定用户的烹饪喜好信息，烹饪喜好信息包括烹饪频率或烹饪方式 中的至少一种。
[0024] 在一个可选的实施例中，关联设备是与终端绑定的智能音响，用户数据中包括智 能音响采集的历史播放数据，用户信息中包括用户的音乐喜好类型；
[0025] 对用户数据进行分析得到各个用户的用户信息，包括：
[0026] 对历史播放数据进行分析，确定用户的音乐喜好类型，音乐喜好类型包括音乐流 派或歌手中的至少一种。
[0027] 在一个可选的实施例中，关联设备是与终端绑定的智能手环，用户数据包括智能 手环采集到的睡眠数据和运动数据，用户信息中包括用户的睡眠信息和运动喜好信息；
[0028] 所述对用户数据进行分析得到各个用户的用户信息，包括：
[0029] 根据睡眠数据确定用户的睡眠信息；
[0030] 和/或，
[0031] 根据运动数据确定用户的运动喜好信息，运动喜好信息包括运动频率、运动时长 和运动类型中的至少一种。
[0032] 在一个可选的实施例中，根据用户信息在社交类应用中进行用户间相互推荐，包 括：
[0033] 计算至少两个用户之间的用户信息的匹配度;若匹配度大于阈值，则确定至少两 个用户互为匹配用户;在匹配用户之间进行相互推荐；
[0034] 或，
[0035] 接收第一用户发送的用户推荐请求，用户推荐请求中包括第一用户设置的匹配条 件;根据用户信息查找符合匹配条件的第二用户；向第一用户推荐第二用户。
[0036] 在一个可选的实施例中，该关联设备包括智能体重秤、智能血压计、智能血糖仪、 智能音响、智能电视、智能烹饪设备、智能手环或智能手表中的至少一种。
[0037] 根据本公开实施例的第二方面，提供一种用户推荐装置，该装置包括：
[0038] 接收模块，被配置为接收各个用户所使用的终端和终端对应的关联设备采集的用 户数据；
[0039] 分析模块，被配置为对用户数据进行分析得到各个用户的用户信息；
[0040] 推荐模块，被配置为根据用户信息在社交类应用中进行用户间相互推荐。
[0041] 在一个可选的实施例中，用户数据中包括终端通过摄像头采集到的用户图像数 据，用户信息中包括用户性别、用户年龄和用户面部特征中的至少一种；
[0042]分析模块，包括：
[0043] 第一确定子模块，被配置为根据用户图像数据，确定用户对应的人脸相册，人脸相 册是根据用户存储在服务器中的照片聚合生成的，人脸相册中的照片均包含用户对应的人 脸；
[0044] 第一分析子模块，被配置为对人脸相册中的照片进行人脸分析，得到用户的用户 性别、用户年龄和用户面部特征。
[0045]在一个可选的实施例中，用户数据中包括终端通过麦克风采集到的用户声音数 据，用户信息中包括用户声音特征；
[0046]分析模块，包括：
[0047] 第二分析子模块，被配置为对用户声音数据进行语音分析，得到用户的用户声音 特征。
[0048] 在一个可选的实施例中，关联设备是与终端绑定的智能体重秤，用户数据中包括 智能体重秤采集到的体重数据，用户信息中包含用户的用户体重和用户体重变化状态中的 至少一种，用户体重变化状态包括减肥状态和增重状态；
[0049] 分析模块，包括：
[0050] 第二确定子模块，被配置为将智能体重秤最近一次采集的体重数据确定为用户的 所述用户体重；
[0051 ]和/或，
[0052]第三确定子模块，被配置为根据智能体重秤最近η次采集的η个体重数据，确定用 户的用户体重变化状态，η 2 2。
[0053]在一个可选的实施例中，关联设备是与终端绑定的智能烹饪设备，用户数据中包 括智能烹饪设备采集到的烹饪参数，用户信息中包括用户的烹饪喜好信息；
[0054]分析模块，包括：
[0055] 第四确定子模块，被配置为根据烹饪参数确定用户的烹饪喜好信息，烹饪喜好信 息包括烹饪频率或烹饪方式中的至少一种。
[0056] 在一个可选的实施例中，关联设备是与终端绑定的智能音响，用户数据中包括智 能音响采集的历史播放数据，用户信息中包括用户的音乐喜好类型；
[0057]分析模块，包括：
[0058]第五确定子模块，被配置为对历史播放数据进行分析，确定用户的音乐喜好类型， 音乐喜好类型包括音乐流派或歌手中的至少一种。
[0059] 在一个可选的实施例中，关联设备是与终端绑定的智能手环，用户数据包括智能 手环采集到的睡眠数据和运动数据，用户信息中包括用户的睡眠信息和运动喜好信息；
[0060] 分析模块，包括：
[0061 ]第六确定子模块，被配置为根据睡眠数据确定用户的睡眠信息；
[0062] 和/或，
[0063] 第七确定子模块，被配置为根据运动数据确定用户的运动喜好信息，运动喜好信 息包括运动频率、运动时长和运动类型中的至少一种。
[0064] 在一个可选的实施例中，推荐模块，包括：
[0065] 第一推荐子模块，被配置为计算至少两个用户之间的用户信息的匹配度;若匹配 度大于阈值，则确定至少两个用户互为匹配用户;在匹配用户之间进行相互推荐；
[0066] 或，
[0067] 第二推荐子模块，被配置为接收第一用户发送的用户推荐请求，用户推荐请求中 包括第一用户设置的匹配条件;根据用户信息查找符合匹配条件的第二用户；向第一用户 推荐第二用户。
[0068] 在一个可选的实施例中，关联设备包括智能体重秤、智能血压计、智能血糖仪、智 能音响、智能电视、智能烹饪设备、智能手环或智能手表中的至少一种。
[0069] 根据本公开实施例的第三方面，提供一种用户推荐装置，该装置包括：
[0070] 处理器；
[0071] 用于存储处理器可执行指令的存储器；
[0072]其中，处理器被配置为：
[0073] 接收各个用户所使用的终端和终端对应的关联设备采集的用户数据；
[0074] 对用户数据进行分析得到各个用户的用户信息；
[0075]根据用户信息在社交类应用中进行用户间相互推荐。
[0076] 本公开的实施例提供的技术方案可以包括以下有益效果：
[0077] 通过用户使用的终端以及与终端绑定的关联设备采集用户数据，并分析得到用户 的用户信息，当用户使用社交类应用时，基于分析得到的用户信息进行用户间的相互推荐； 解决了由于用户上传的用户信息不够完整，导致用户推荐成功率较低的问题;达到了对用 户使用不同关联设备时所产生的用户数据进行分析，得到用户的相关用户信息，并在用户 上传用户信息有限的情况下自动进行补充，从而提高用户推荐的成功率。
[0078] 应当理解的是，以上的一般描述和后文的细节描述仅是示例性的，并不能限制本 公开。
【附图说明】
[0079]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施 例，并于说明书一起用于解释本公开的原理。
[0080]图1是根据一示例性实施例示出的一种用户推荐方法的流程图；
[0081 ]图2A是根据另一示例性实施例示出的一种用户推荐方法的流程图；
[0082]图2B是图2A提供的用户推荐方法的实施示意图；
[0083] 图2C是根据再一示例性实施例示出的一种用户推