上 述步骤204和步骤205可以被替换为下述步骤。
[0131] 在步骤207中，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，该用户体重变化状态包括减肥状态和增重状态。
[0132] 服务器按照采集时间（由早到晚)对η个体重数据进行排序，若η个体重数据成下降 趋势，且下降幅度大于预设阈值时，则确定用户体重变化状态为减肥状态;若η个体重数据 成上升趋势，且上升幅度大于预设阈值时，则确定用户体重变化状态为增肥状态。
[0133] 在步骤208中，将用户性别、用户年龄、用户面部特征和用户体重变化状态中的至 少一种确定为该用户的用户信息。
[0134] 与上述步骤205相似的，服务器可以将用户体重变化状态确定为用户信息，并进行 关联存储，供后续用户推荐时使用。
[0135] 相应的，服务器根据用户信息进行用户推荐时，服务器可以将处于相同用户体重 变化状态的至少两个用户进行相互推荐，方便用户在社交类应用中发现同样进行减肥或进 行增肥的其他用户，使得用户推荐更具目标性，增加社交类应用的用户粘性。
[0136] 当关联设备是与终端绑定的智能烹饪设备时，该用户数据中还可以包括智能烹饪 设备采集到的烹饪参数，如图2D所示，上述步骤204和步骤205可以被替换为下述步骤。
[0137] 在步骤209中，根据该烹饪参数确定用户的烹饪喜好信息，该烹饪喜好信息包括烹 饪频率或烹饪方式中的至少一种。
[0138] 用户在使用智能烹饪设备进行烹饪时，智能烹饪设备可以采集相应的烹饪参数， 该烹饪参数可以包括烹饪食材类型、采用的烹饪方式和烹饪时长等等。服务器接收到烹饪 设备发送的烹饪参数后，根据该烹饪参数确定用户的烹饪喜好信息。
[0139] 比如，服务器可以根据烹饪食材类型所占比例确定用户喜好的食材类型，可以将 用户最常使用的烹饪方式确定为用户喜好的烹饪方式，还可以根据用户在预定时间段内的 烹饪次数计算得到用户的烹饪频率等等，本公开并不对此进行限定。
[0140] 在步骤210中，将用户性别、用户年龄、用户面部特征和烹饪喜好信息中的至少一 种确定为该用户的用户信息。
[0141] 与上述步骤205相似的，服务器可以将烹饪喜好信息确定为用户信息，并进行关联 存储，供后续用户推荐时使用。
[0142] 服务器根据用户信息进行用户推荐时，服务器可以在具有相似烹饪喜好信息的至 少两个用户之间进行相互推荐，方便用户在社交类应用中发现具有同样烹饪喜好的其他用 户，提高用户推荐的目标性，增加社交类应用的用户粘性。
[0143] 当关联设备是与终端绑定的智能音响，该用户数据中还可以包括智能音响采集的 历史播放数据，如图2Ε所示，上述步骤204和步骤205可以被替换为下述步骤。
[0144] 在步骤211中，对历史播放数据进行分析，确定用户的音乐喜好类型，该音乐喜好 类型包括音乐流派或歌手中的至少一种。
[0145] 用户在使用智能音响播放音乐时，智能音响可以采集相应的历史播放数据，该历 史播放数据包含智能音响历史播放音乐的名称、歌手和流派等信息。服务器接收到智能音 响发送的历史播放数据后，根据该历史播放数据确定用户的音乐喜好类型。
[0146] 比如，服务器可以对历史播放数据中各个歌手所占的比例进行统计，从而确定该 用户喜好的歌手，也可以对历史播放数据中各个音乐流派所占的比例进行统计，从而确定 该用户喜好的音乐流派，本公开并不对此进行限定。
[0147] 在步骤212中，将用户性别、用户年龄、用户面部特征和音乐喜好类型中的至少一 种确定为该用户的用户信息。
[0148] 与上述步骤205相似的，服务器可以将音乐喜好类型定为用户信息，并进行关联存 储，供后续用户推荐时使用。
[0149] 服务器根据用户信息进行用户推荐时，服务器可以在具有相似音乐喜好类型的至 少两个用户之间进行相互推荐，方便用户在社交类应用中发现具有同样音乐喜好的其他用 户，提高用户推荐的目标性，增加社交类应用的用户粘性。
[0150] 当关联设备是与终端绑定的智能手环，该用户数据还可以包括智能手环采集到的 睡眠数据和运动数据，如图2F所示，上述步骤204和步骤205可以被替换为下述步骤。
[0151 ]在步骤213中，根据睡眠数据确定用户的睡眠信息。
[0152] 当用户佩戴智能手环睡觉时，智能手环可以采集到用户的睡眠数据，服务器可以 获取该睡眠数据，并根据该睡眠数据分析得到用户的睡眠信息，该睡眠信息中可以包括用 户的睡眠平均时长、深度睡眠时长、失眠频率等等。
[0153] 在步骤214中，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。
[0154] 当用户佩戴智能手环进行运动时，智能手环可以采集到用户的运动数据，服务器 可以获取该运动数据，并根据该运动数据分析得到用户的运动喜好信息。
[0155] 比如，服务器可以根据预定时长(比如一周）内用户运动的次数计算得到用户的运 动频率，也可以对预定时长内每次运动时长进行累计得到运动时长，还可以根据用户通常 采用的运动类型确定用户的运动喜好等等，本公开并不对此进行限定。
[0156] 在步骤215中，将用户性别、用户年龄、用户面部特征、睡眠信息和运动喜好信息中 的至少一种确定为该用户的用户信息。
[0157] 与上述步骤205相似的，服务器可以将用户的睡眠信息和/或运动信息确定为用户 信息，并进行关联存储，供后续用户推荐时使用。
[0158] 服务器根据用户信息进行用户推荐时，服务器可以在具有相似运动喜好的至少两 个用户之间进行相互推荐，方便用户在社交类应用中发现具有喜欢运动的其他用户，提高 用户之间线下交流的可能性，增加社交类应用的用户粘性。
[0159]需要说明的是，当关联设备是与终端绑定的智能血压计(或智能血糖仪)时，服务 器还可以根据智能血压计（或智能血糖仪)采集的血压数据(或血糖数据)确定用户是否患 有高血压（或高血糖），若该用户患有高血压(或高血糖），则可以将血压(或血糖)控制良好 的其他用户推荐该该用户，方便用户之间进行健康信息的交流;当关联设备是智能电视时， 服务器还可以根据智能电视采集的播放记录，确定用户的观看喜好，并在具有相同观看喜 好的至少两个用户之间进行相互推荐，本公开实施例在此不再赘述。
[0160] 下述为本公开装置实施例，可以用于执行本公开方法实施例。对于本公开装置实 施例中未披露的细节，请参照本公开方法实施例。
[0161] 图3是根据一示例性实施例示出的一种用户推荐装置的框图，如图3所示，该用户 推荐装置包括但不限于：
[0162] 接收模块310,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；
[0163] 其中，该关联设备可以是智能家电、智能健康管理设备和可穿戴式设备等等。比 如，智能家电可以为智能音响、智能电视或智能烹饪设备，智能健康管理设备可以为智能体 重秤、智能血压计或智能血糖仪，可穿戴式设备可以为智能手环或智能手表等等。
[0164] 分析模块320,被配置为对用户数据进行分析得到各个用户的用户信息；
[0165] 该用户信息可以包括用户性别、用户年龄、用户面部特征、用户声音特征、用户身 高、用户体重、烹饪喜好信息、音乐喜好类型、睡眠信息或运动喜好信息等等。
[0166] 推荐模块330,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。
[0167] 综上所述，本实施例提供的用户推荐装置，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。
[0168] 图4是根据另一示例性实施例示出的一种用户推荐装置的框图，如图3所示，该用 户推荐装置包括但不限于：
[0169] 接收模块410,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。
[0170] 为了确定使用终端的用户，当检测到用户使用终端时，终端即通过前置摄像头抓 拍用户脸部图像，从而获取用户图像数据，并将采集到的用户图像数据发送至服务器，相应 的，服务器将接收模块410接收到的用户图像数据和终端标识进行关联存储，其中，该终端 标识可以是终端的手机号码或终端在服务器上预先注册的账号，本实施例并不对此进行限 定。
[0171] 进一步的，当智能体重秤与用户使用的终端绑定时，该智能体重秤还可以将采集 到的体重数据确定为该终端对应用户的体重数据，并发送至服务器，相应的，服务器将接收 模块410接收到的体重数据与终端标识进行关联存储。需要说明的是，智能体重秤还可以将 采集的用户身高数据和脂肪含量等数据一同发送至服务器，并由服务器进行关联存储，本 实施例并不对此进行限定。
[0172] 需要说明的是，由于终端可能被不同用户使用，终端可以获取多组用户图像数据， 并对获取的多组用户图像数据进行比较，将出现频率最高的用户图像数据确定为用户的用 户图像数据。
[0173] 分析模块420,被配置为对用户数据进行分析得到各个用户的用户信息。
[0174]推荐模块430,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。
[0175] 在一个可选的实施例中，推荐模块430,包括:第一推荐子模块431和/或第二推荐 子模块432。
[0176] 第一推荐子模块431，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。
[0177] 比如，第一推荐子模块431可以将用户面部特征匹配度较高的用户确定为匹配用 户；也可以将性别不同、年龄之差属于第一阈值范围、用户身高之差属于第二阈值范围、用 户体重之差属于第三阈值范围的两个用户确定为匹配用户，本公开并不对此进行限定。
[0178] 第二推荐子模块432,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。
[0179] 比如，王五通过终端向服务器发送