[发明专利]一种基于兴趣大数据的陌生人社交活动推荐方法和系统

权利要求书

1.一种基于兴趣大数据的陌生人社交活动推荐方法，其特征在于，包括：

获取预设时间段内当前用户参与的历史社交活动的活动信息以及在社交活动的有效时间范围所述当前用户的位置轨迹；

根据所述活动信息生成社交活动的活动向量集，所述活动向量集包括多个分别与每次社交活动对应的活动向量；

对所述活动向量集进行分析，确定所述活动向量的每个对应的用户行为特征与用户兴趣之间的相关度因数；

根据所述相关度因数对所述活动向量集中的活动向量进行调整，生成对应的特征活动向量；

根据所述特征活动向量向所述当前用户推荐陌生人社交活动；

所述活动信息，包括：社交活动的类型信息、社交活动的内容信息、社交活动的活动地点信息、其他参与者和组织者的个人信息和社交活动的时间信息；

所述根据所述活动信息生成社交活动的活动向量集，包括：

根据预先设定的映射规则将社交活动的类型对应的数值作为社交活动类型维度的取值，根据预先设定的映射规则将社交活动的内容对应的数值作为社交活动内容维度的取值，将社交活动的活动地点距离预设参考点的距离作为社交活动地点维度的取值，将社交活动的活动地点周边与活动相关的场所的数量作为周边环境维度的取值，将社交活动共同参与人的平均年龄作为平均参与年龄维度的取值，根据预先设定的映射规则将社交活动共同参与人的性别比例对应的数值作为性别比例维度的取值，将社交活动共同参与人的标签特征中数量最多的标签特征的数值作为标签特征维度的取值，根据预先设定的映射规则将社交活动的活动时间为节假日的活动时间和不为节假日的活动时间的比值对应的数值作为活动时间维度的取值。

2.根据权利要求1所述的方法，其特征在于，还包括：预先为所述社交活动类型维度、所述社交活动内容维度、所述社交活动地点维度、所述周边环境维度、所述平均参与年龄维度、所述标签特征维度和所述活动时间维度分配与用户兴趣相关的初始相关度因数。

3.根据权利要求2所述的方法，其特征在于，所述对所述活动向量集进行分析，确定所述活动向量的每个对应的用户行为特征与用户兴趣之间的相关度因数，包括：

对所述活动向量集进行分析，根据所述活动向量的每个对应的用户行为特征对所述社交活动类型维度、所述社交活动内容维度、所述社交活动地点维度、所述周边环境维度、所述平均参与年龄维度、所述标签特征维度和所述活动时间维度与用户兴趣相关的初始相关度因数进行调整。

4.根据权利要求3所述的方法，其特征在于，所述根据所述活动向量的每个对应的用户行为特征对所述社交活动类型维度、所述社交活动内容维度、所述社交活动地点维度、所述周边环境维度、所述平均参与年龄维度、所述标签特征维度和所述活动时间维度与用户兴趣相关的初始相关度因数进行调整，包括：

对于所述社交活动类型维度和所述社交活动内容维度，根据所述历史社交活动的活动类型和活动内容的集中程度对用户兴趣与活动类型和活动内容的相关度因数进行调整；

对于所述社交活动地点维度和周边环境维度，根据所述当前用户在社交活动的有效时间范围内的位置轨迹确定所述当前用户在社交活动地点的预设范围内的平均停留时间，根据所述平均停留时间对用户兴趣与活动地点和周边环境的相关度因数进行调整；

对于所述平均参与年龄维度、所述性别比例维度和所述标签特征维度，根据社交活动共同参与人的性别、年龄、职业和爱好量化为多维向量，根据所述多维向量之间的距离对用户兴趣与平均参与年龄、性别比例和标签特征的相关度因数进行调整；

对于所述活动时间维度，根据所述历史社交活动的活动时间的集中程度对用户兴趣与活动时间的相关度因数进行调整。

5.根据权利要求4所述的方法，其特征在于，所述根据所述特征活动向量向所述当前用户推荐陌生人社交活动，包括：对于每个待推荐陌生人社交活动，建立所述待推荐陌生人社交活动与用户兴趣相关的待推荐特征活动向量，计算所述待推荐特征活动向量与所述特征活动向量的距离的平均值，根据所述平均值的大小向所述当前用户推荐对应的待推荐陌生人社交活动。