[发明专利]用户推荐方法及装置

说明书

本申请公开了一种用户推荐方法及装置。该用户推荐方法包括获取用户特征，其中，用户特征至少包括数字化表示的音频特征；根据用户特征，构建用户画像，其中，每个用户对应一个用户画像；将不同用户的用户画像按照相似度进行匹配，得到匹配结果；根据匹配结果建立用户推荐关系。本申请解决了用户推荐的方式过于单一的技术问题。

技术领域

本申请涉及计算机通信领域，具体而言，涉及一种用户推荐方法及装置。

背景技术

随着人们生活水平的提高，人们希望通过各种途径找到更多志同道合的朋友。在各种音乐软件中，都存在用户推荐的功能，通过其内部的一系列算法向目标用户推荐社交用户对应的偏好对象，并显示在推荐页面上。相关技术中判断用户偏好类型为根据用户的历史播放记录，并结合记录中歌曲包含的标签(TAG)匹配拥有相似标签的社交用户，但其推荐的方式过于单一。

针对相关技术中用户推荐的方式过于单一的问题，目前尚未提出有效的解决方案。

发明内容

本申请的主要目的在于提供一种用户推荐方法，以解决用户推荐的方式过于单一的问题。

为了实现上述目的，本申请提供了一种用户推荐方法及装置。

第一方面，本申请提供了一种用户推荐方法。

根据本申请的用户推荐方法包括：

获取用户特征，其中，所述用户特征至少包括数字化表示的音频特征；

根据所述用户特征，构建用户画像，其中，每个用户对应一个用户画像；

将不同用户的用户画像按照相似度进行匹配，得到匹配结果；

根据所述匹配结果建立用户推荐关系。

进一步的，所述获取用户特征，包括：

获取音频数据，其中，音频数据为单一用户声音的音频；

将所述音频数据输入神经网络模型中，输出数字化表示的音频特征，其中，所述神经网络模型为将音频数据转换为数字化表示的音频特征的模型，且所述神经网络模型为基于预设训练方法训练得到的模型。

进一步的，所述获取用户特征，还包括：

获取待处理用户的基本属性的特征；和/或

获取待处理用户的行为数据的特征，其中，行为数据至少包括用户浏览数据、用户互动数据、用户唱歌数据、用户听歌数据、用户关注数据之一。

进一步的，所述根据所述用户特征，构建用户画像，还包括：

基于预设归纳规则对每个用户的用户特征进行归纳，构建用户画像；和/或

基于预设统计模型对每个用户的用户特征进行归纳，构建用户画像。

进一步的，所述将不同用户的用户画像按照相似度进行匹配，包括：

根据所述用户画像中的用户特征，生成用户特征向量；

计算不同用户的用户特征向量的特征向量距离。

进一步的，所述根据所述匹配结果建立用户推荐关系，包括：

将匹配结果中特性向量距离超过预设阈值的用户之间建立用户推荐关系。

进一步的，在所述根据所述匹配结果建立用户推荐关系之后，所述方法还包括：

根据所述用户推荐关系进行好友推荐；

实时收集所述好友推荐的配对结果，根据所述配对结果对预设归纳规则和/或预设统计模型的参数进行调整，以调整用户推荐关系。