[发明专利]一种基于大数据的用户关系推荐方法及装置

说明书

本发明公开了一种基于大数据的用户关系推荐方法及装置，其包括：从大数据平台采集用户的个人关系信息数据；根据用户的个人关系资料信息数据进行分析和处理后生成用户的多个标签；对每个用户的不同标签进行分类，并根据类别将标签划分到不同的标签集内；对标签集内的不同标签基于训练模型进行训练，根据训练得到用户间的关系匹配度；根据用户间的关系匹配度给用户提供用户关系推荐。本发明在传统基于用户关系推荐的基础上，根据大数据和特殊的处理算法对用户的关系进行分类和分级处理，这样在用户关系推荐时，可推荐给用户以关系匹配度更高的用户，使得推荐结果更加精确，使用户能更准确的找到想要找到的用户，更符合用户对于关系推荐的需求。

技术领域

本发明涉及用户关系推荐技术领域，特别是涉及一种基于大数据的用户关系推荐方法及装置。

背景技术

在大数据时代，数据库的发展形成了利用数据建模归纳总结过去并对未来做预测的“计算科学”；而互联网/大数据年代，通过收集大量的数据，形成了让计算机去规律的学习并优化模型的“数据科学”。社会化网络中用户关系匹配度是用户在网络社交的重要依据之一,用户关系匹配度的精确计算能够提高用户相互推荐的针对性与准确性,实现精准社交。但是随着互联网上的人际关系日渐复杂，由于传统的推荐方法针对性与准确性差，使得用户越来越难以从互联网中找到与其关具有相同点的用户。

发明内容

本发明要解决的技术问题是：现有技术中的用户关系推荐方法存在精确度低，不能满足用户对于关系推荐需求的问题。

为了解决上述技术问题，本发明提供了一种基于大数据的用户关系推荐方法，包括：

步骤S100：从大数据平台采集用户的个人关系信息数据；

步骤S200：根据用户的个人关系资料信息数据进行分析和处理后生成用户的多个标签；

步骤S300：对每个用户的不同标签进行分类，并根据类别将标签划分到不同的标签集内；

步骤S400：对标签集内的不同标签基于训练模型进行训练，根据训练得到用户间的关系匹配度；

步骤S500：根据用户间的关系匹配度给用户提供用户关系推荐。

进一步的，在所述步骤S200中，根据用户的个人关系资料信息数据进行分析和处理后生成用户的多个标签，包括；

步骤S210：通过机器处理算法对获得用户的个人关系资料信息进行分析和处理后生成用户的个人关系初级标签；

步骤S220：通过预设的数据分析处理流程对用户的个人关系初级标签进行分析和处理后生成用户的个人关系高级标签。

进一步的，在所述步骤S220中，通过预设的数据分析处理流程对用户的个人关系初级标签进行分析和处理后生成用户的个人关系高级标签，包括：

步骤S221：将用户的个人关系初级标签输入到标签数据库中，对输入的用户的个人关系初级标签通过机器进行归一化处理，得到用户的个人关系初级标签的分值；

步骤S222：判断用户的个人关系初级标签的分值是否大于一个预设的分数阈值，若大于所述分数阈值，则升级为用户的个人关系高级标签，若不大于所述分数阈值，则继续保留为用户的个人关系初级标签。

进一步的，在所述步骤S300中，对每个用户的不同标签进行分类，并根据类别将标签划分到不同的标签集内，包括：

步骤S310：从生成的用户的个人关系高级标签和用户的个人关系初级标签中提取关键词；

步骤S320：根据关键词从标签公共字典表中匹配相应的主题；

步骤S330：根据标签公共字典表中的主题创建多个标签集，并将用户的个人关系高级标签和用户的个人关系初级标签划分到不同的标签集内。

进一步的，在所述步骤S320中，根据关键词从标签公共字典表中匹配相应的主题，包括；