[发明专利]用户关系强度的数据处理方法、装置、计算机设备及存储介质有效
申请号: | 202010063929.4 | 申请日: | 2020-01-20 |
公开(公告)号: | CN111274495B | 公开(公告)日: | 2023-08-25 |
发明(设计)人: | 江佳宸 | 申请(专利权)人: | 平安科技(深圳)有限公司 |
主分类号: | G06F16/9536 | 分类号: | G06F16/9536;G06Q50/00 |
代理公司: | 深圳市精英专利事务所 44242 | 代理人: | 林燕云 |
地址: | 518000 广东省深圳市福田区福*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用户 关系 强度 数据处理 方法 装置 计算机 设备 存储 介质 | ||
本发明实施例公开了一种用户关系强度的数据处理方法、装置、计算机设备及存储介质。所述方法包括:获取用户的关系数据,其中,所述关系数据包括:基本数据、社交数据以及金融数据;根据所述关系数据构建节点表和关系表,并将所述节点表和所述关系表导入至图数据库中以得到关联图谱;根据所述关联图谱判断待分析用户之间是否存在关联;若待分析用户之间存在关联,则根据预设算法计算待分析用户之间的关系强度以得到所述待分析用户之间的关系强度值;根据所述关系强度值对所述待分析用户进行处理。本发明应用于知识关系分析领域。通过实施本发明实施例的方法可实现关系强度的量化,提高关系强度的精确度,加快信息传递效率,提升系统性能。
技术领域
本发明涉及数据处理技术领域,尤其涉及一种用户关系强度的数据处理方法、装置、计算机设备及存储介质。
背景技术
随着互联网的迅速发展,网络上的信息内容呈爆炸式增长,由此带来了信息过载的问题,人们需要花费大量的时间和精力从海量的信息库中寻找自己所需要的信息,这极大降低了人们获取所需信息的效率。因此,利用网络上个体与个体之间的关系网进行有用信息的传递,提高信息获取的效率,己成为当前时代一种很重要的手段,如商品推荐,好友推荐,链路预测,行为预测,隐私保护等。其中,个体与个体之间关系强度是信息在关系网络中传递效率的重要衡量依据。然而业内一些相关研究主要集中于计算在线社交网络中不同用户间的关系强度。例如,利用微博的转发、评论、互粉,微信的关注、点赞等用户行为,计算用户之间的关系强度。而且这些研究都只考虑将用户间存在的关系进行强与弱的区分,也就是说只能判断用户间的关系强度是属于强关系还是弱关系,难以准确地衡量,从而导致信息传递的效率低,造成计算资源和网络资源的浪费,性能差。
发明内容
本发明实施例提供了一种用户关系强度的数据处理方法、装置、计算机设备及存储介质,旨在解决相关技术中关系强度判断的准确性低而导致的信息传递效率低,造成计算资源和网络资源的浪费,性能差的问题。
第一方面,本发明实施例提供了一种用户关系强度的数据处理方法,其包括:获取用户的关系数据,其中,所述关系数据包括:基本数据、社交数据以及金融数据;根据所述关系数据构建节点表和关系表,并将所述节点表和所述关系表导入至图数据库中以得到关联图谱;根据所述关联图谱判断待分析用户之间是否存在关联;若待分析用户之间存在关联,则根据预设算法计算待分析用户之间的关系强度以得到所述待分析用户之间的关系强度值;根据所述关系强度值对所述待分析用户进行处理。
第二方面,本发明实施例还提供了一种用户关系强度的数据处理装置,其包括:获取单元,用于获取用户的关系数据,其中,所述关系数据包括:基本数据、社交数据以及金融数据;构建单元,用于根据所述关系数据构建节点表和关系表,并将所述节点表和所述关系表导入至图数据库中以得到关联图谱;判断单元,用于根据所述关联图谱判断待分析用户之间是否存在关联;计算单元,用于若待分析用户之间存在关联,则根据预设算法计算待分析用户之间的关系强度以得到所述待分析用户之间的关系强度值;处理单元,用于根据所述关系强度值对所述待分析用户进行处理。
第三方面,本发明实施例还提供了一种计算机设备,其包括存储器及处理器,所述存储器上存储有计算机程序,所述处理器执行所述计算机程序时实现上述方法。
第四方面,本发明实施例还提供了一种计算机可读存储介质,所述存储介质存储有计算机程序,所述计算机程序包括程序指令,所述程序指令当被处理器执行时可实现上述方法。
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平安科技(深圳)有限公司,未经平安科技(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/202010063929.4/2.html,转载请声明来源钻瓜专利网。