[发明专利]社交群组的特征获取方法及装置有效
申请号: | 201710288302.7 | 申请日: | 2017-04-27 |
公开(公告)号: | CN108846767B | 公开(公告)日: | 2022-03-11 |
发明(设计)人: | 唐杰;裘捷中;陈波;叶浩;钱雨杰;郑宇飞 | 申请(专利权)人: | 清华大学;腾讯科技(深圳)有限公司 |
主分类号: | G06Q50/00 | 分类号: | G06Q50/00;H04L51/52 |
代理公司: | 北京三高永信知识产权代理有限责任公司 11138 | 代理人: | 朱雅男 |
地址: | 100084*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 社交 特征 获取 方法 装置 | ||
本发明公开了一种社交群组的特征获取方法及装置,属于大数据技术领域。方法包括:获取社交群组的邀请关系记录和好友关系记录;创建群组网络结构;根据群组网络结构的用户分布特征和级联树特征中的至少一项,获取社交群组的指定特征,用户分布特征用于表示成员用户与好友用户的分布情况,级联树特征用于表示邀请方成员用户与被邀请方成员用户的分布情况。本发明通过根据社交群组的用户分布特征和级联树特征中的至少一项,获取社交群组的指定特征,而不仅是根据社交群组的属性特征,扩展了特征,提高了多样性,当应用于预测社交群组的生存时长时可以提高预测精确度。
技术领域
本发明涉及大数据技术领域,特别涉及一种社交群组的特征获取方法及装置。
背景技术
近年来,随着终端设备和移动网络的不断发展,社交应用已成为最普遍的应用,如何对社交应用进行研究和改善已成为用户非常关心的问题。而社交群组是社交应用中多人交流的一种常用方式,基于社交群组的特征预测社交群组的生存时长是研究社交应用的重要部分。
社交群组中包括多个成员用户,在获取特征时,可以获取社交群组内各个成员用户的属性特征,例如性别、年龄、职业等,从而根据多个成员用户的属性特征获取社交群组的特征。采用上述获取特征的方式,可以获取到多个样本社交群组的特征。
在实现本发明的过程中,发明人发现相关技术至少存在以下问题:获取社交群组的特征时仅采用了成员用户的属性特征,采用的特征较为单一,导致预测的社交群组的生存时长不够精确。
发明内容
为了解决相关技术的问题,本发明实施例提供了一种社交群组的特征获取方法及装置。所述技术方案如下:
第一方面,提供了一种社交群组的特征获取方法,所述方法包括:
获取社交群组的邀请关系记录和好友关系记录,所述邀请关系记录中包括所述社交群组内邀请方成员用户与被邀请方成员用户的对应关系,所述好友关系记录中包括所述社交群组内的各个成员用户与好友用户的对应关系;
根据所述邀请关系记录和所述好友关系记录,创建群组网络结构,所述群组网络结构包括所述各个成员用户、所述各个成员用户的好友用户、由所述各个成员用户和所述各个成员用户的好友用户中任两个好友用户连接构成的边;
根据所述群组网络结构的用户分布特征和级联树特征中的至少一项,获取所述社交群组的指定特征,所述用户分布特征用于表示成员用户与好友用户的分布情况,所述级联树特征用于表示邀请方成员用户与被邀请方成员用户的分布情况,所述指定特征用于预测所述社交群组的生存时长。
第二方面,提供了一种社交群组的特征获取装置,所述装置包括:
记录获取模块,用于获取社交群组的邀请关系记录和好友关系记录,所述邀请关系记录中包括所述社交群组内邀请方成员用户与被邀请方成员用户的对应关系,所述好友关系记录中包括所述社交群组内的各个成员用户与好友用户的对应关系;
创建模块,用于根据所述邀请关系记录和所述好友关系记录,创建群组网络结构,所述群组网络结构包括所述各个成员用户、所述各个成员用户的好友用户、由所述各个成员用户和所述各个成员用户的好友用户中的任两个好友用户连接构成的边;
特征获取模块,用于根据所述群组网络结构的用户分布特征和级联树特征中的至少一项,获取所述社交群组的指定特征,所述用户分布特征用于表示成员用户与好友用户的分布情况,所述级联树特征用于表示邀请方成员用户与被邀请方成员用户的分布情况,所述指定特征用于预测所述社交群组的生存时长。
本发明实施例提供的技术方案带来的有益效果是:
本发明实施例提供的方法及装置,通过根据社交群组的用户分布特征和级联树特征中的至少一项,获取社交群组的指定特征,而不仅是根据社交群组的属性特征,扩展了特征,提高了多样性,当应用于预测社交群组的生存时长时可以提高预测精确度。
附图说明
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学;腾讯科技(深圳)有限公司,未经清华大学;腾讯科技(深圳)有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201710288302.7/2.html,转载请声明来源钻瓜专利网。
- 上一篇:基于深度学习的车险自助理赔成功率预测方法
- 下一篇:一种车友推荐方法及系统