社交網(wǎng)絡(luò)好友推薦的方法及系統(tǒng)的制作方法
【專利摘要】本發(fā)明公開的社交網(wǎng)絡(luò)好友推薦的方法及系統(tǒng)。所述方法包括：采集用戶的行為特征數(shù)據(jù)，發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)，分析所述行為特征數(shù)據(jù)得出該用戶的個人信息，比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，找出與該用戶的個人信息匹配的社交網(wǎng)絡(luò)用戶。通過本發(fā)明的技術(shù)方案，能夠提高社交網(wǎng)絡(luò)中用戶個人信息的真實性，提高好友匹配的準(zhǔn)確性。
【專利說明】社交網(wǎng)絡(luò)好友推薦的方法及系統(tǒng)

【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及互聯(lián)網(wǎng)【技術(shù)領(lǐng)域】，尤其涉及社交網(wǎng)絡(luò)中推薦好友的方法及系統(tǒng)。

【背景技術(shù)】
[0002]隨著互聯(lián)網(wǎng)技術(shù)的飛速發(fā)展，出現(xiàn)了微博、校內(nèi)網(wǎng)、Facebook等多種多樣的社交網(wǎng)絡(luò)，通常用戶在注冊這些社交網(wǎng)絡(luò)時需要填寫個人信息，包括居住地、學(xué)校、個人性格、愛好等信息。現(xiàn)有社交網(wǎng)絡(luò)的好友推薦功能大多都是基于用戶注冊時輸入的個人信息進(jìn)行相關(guān)度匹配，以推薦相同愛好、相同城市、或者相同學(xué)校的其他用戶。然而很多用戶在填寫這些個人信息時很隨意，或者懶于填寫，或者故意避其短展其長，導(dǎo)致得到的用戶信息不真實不全面，導(dǎo)致社交網(wǎng)絡(luò)的好友推薦不準(zhǔn)確；另一方面，用戶的個人信息可能會隨著時間的變化發(fā)生變化，例如居住地變化、愛好變化等，進(jìn)一步影響好友推薦的準(zhǔn)確性。


【發(fā)明內(nèi)容】

[0003]本發(fā)明的目的在于提出社交網(wǎng)絡(luò)好友推薦的方法及系統(tǒng)，提高了社交網(wǎng)絡(luò)中用戶個人信息的真實性，提高好友匹配的準(zhǔn)確性。
[0004]為達(dá)此目的，本發(fā)明采用以下技術(shù)方案:
[0005]一種社交網(wǎng)絡(luò)中推薦好友的方法，包括:
[0006]采集用戶的行為特征數(shù)據(jù)；
[0007]發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)；
[0008]分析所述行為特征數(shù)據(jù)得出該用戶的個人信息；
[0009]比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，找出與該用戶的個人信息匹配的社交網(wǎng)絡(luò)用戶。
[0010]優(yōu)選的，所述特征數(shù)據(jù)包括:用戶出入的場所類別信息、運動信息和日常起居信息，其中，所述運動信息包括運動時間、運動強(qiáng)度及運動頻率，所述日常起居信息包括心率信息；
[0011]所述分析所述行為特征數(shù)據(jù)得出該用戶的個人信息，包括:
[0012]分析所述場所類別信息得出該用戶的興趣愛好類型；
[0013]分析所述運動信息得出該用戶偏好的運動類型；
[0014]分析所述日常起居信息得出該用戶的日常作息規(guī)律。
[0015]優(yōu)選的，所述采集用戶的行為特征數(shù)據(jù)，包括:
[0016]按照第一設(shè)定時間周期采集用戶的行為特征數(shù)據(jù)；
[0017]所述發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)，包括:
[0018]按照第二設(shè)定時間周期上傳該用戶的所述個人信息到社交網(wǎng)絡(luò)；
[0019]所述第二設(shè)定時間周期大于等于所述第一設(shè)定時間周期。
[0020]優(yōu)選的，所述發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)之前，包括:
[0021]對行為特征數(shù)據(jù)上傳社交網(wǎng)絡(luò)進(jìn)行授權(quán)。
[0022]優(yōu)選的，所述發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)，包括:
[0023]上傳所述行為特征數(shù)據(jù)到預(yù)設(shè)服務(wù)器，由所述預(yù)設(shè)服務(wù)器轉(zhuǎn)發(fā)所述行為特征數(shù)據(jù)。
[0024]優(yōu)選的，所述分析所述行為特征數(shù)據(jù)得出該用戶的個人信息之后，還包括:
[0025]標(biāo)記所述個人信息的類型為真實數(shù)據(jù)。
[0026]優(yōu)選的，所述比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，找出與該用戶的個人信息匹配的社交網(wǎng)絡(luò)用戶，包括:
[0027]比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，得出其他社交網(wǎng)絡(luò)用戶的個人信息與該用戶的個人信息的匹配度；
[0028]按所述匹配度由高到低進(jìn)行排序，找出排在前面的預(yù)設(shè)數(shù)量的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友；
[0029]將所述推薦好友發(fā)送給所述用戶。
[0030]優(yōu)選的，所述比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，找出與該用戶的個人信息匹配的社交網(wǎng)絡(luò)用戶，包括:
[0031]接收設(shè)定的好友匹配條件；
[0032]比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，得出所述好友匹配條件下其他社交網(wǎng)絡(luò)用戶與該用戶的匹配度；
[0033]按所述匹配度由高到低進(jìn)行排序，找出排在前面的預(yù)設(shè)數(shù)量的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友；
[0034]將所述推薦好友發(fā)送給所述用戶。
[0035]本發(fā)明另一方面還提供一種社交網(wǎng)絡(luò)中推薦好友的系統(tǒng)，包括:智能穿戴設(shè)備、與所述智能穿戴設(shè)備通信的社交網(wǎng)絡(luò)服務(wù)器，所述智能穿戴設(shè)備包括數(shù)據(jù)采集單元和數(shù)據(jù)上傳單元，所述社交網(wǎng)絡(luò)服務(wù)器包括分析單元和匹配單元；
[0036]所述數(shù)據(jù)采集單元，用于采集用戶的行為特征數(shù)據(jù)；
[0037]所述數(shù)據(jù)上傳單元，用于發(fā)送所述行為特征數(shù)據(jù)到所述社交網(wǎng)絡(luò)服務(wù)器；
[0038]所述分析單元，用于分析所述行為特征數(shù)據(jù)得出該用戶的個人信息；
[0039]所述匹配單元，用于比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，找出與該用戶的個人信息匹配的社交網(wǎng)絡(luò)用戶。
[0040]優(yōu)選的，所述特征數(shù)據(jù)包括:用戶出入的場所類別信息、運動信息和日常起居信息，其中，所述運動信息包括運動時間、運動強(qiáng)度及運動頻率，所述日常起居信息包括心率;
[0041]所述分析單元，具體用于分析所述場所類別信息得出該用戶的興趣愛好類型；分析所述運動信息得出該用戶的運動類型；分析所述日常起居信息得出該用戶的日常作息規(guī)律。
[0042]優(yōu)選的，所述數(shù)據(jù)采集單元，具體用于按照第一設(shè)定時間周期采集用戶的行為特征數(shù)據(jù)；
[0043]所述數(shù)據(jù)上傳單元，具體用于按照第二設(shè)定時間周期上傳該用戶的所述個人信息到所述社交網(wǎng)絡(luò)服務(wù)器；
[0044]其中，所述第二設(shè)定時間周期大于等于所述第一設(shè)定時間周期。
[0045]優(yōu)選的，所述智能穿戴設(shè)備還包括授權(quán)單元，用于發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)之前，對行為特征數(shù)據(jù)上傳社交網(wǎng)絡(luò)進(jìn)行授權(quán)。
[0046]優(yōu)選的，所述數(shù)據(jù)上傳單元，具體用于上傳所述行為特征數(shù)據(jù)到預(yù)設(shè)服務(wù)器，所述社交網(wǎng)絡(luò)服務(wù)器向所述預(yù)設(shè)服務(wù)器請求獲取所述行為特征數(shù)據(jù)。
[0047]優(yōu)選的，所述分析單元，還用于在分析所述行為特征數(shù)據(jù)得出該用戶的個人信息之后，標(biāo)記所述個人信息的類型為真實數(shù)據(jù)。
[0048]優(yōu)選的，所述匹配單元，具體用于比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，得出其他社交網(wǎng)絡(luò)用戶的個人信息與該用戶的個人信息的匹配度；按所述匹配度由高到低進(jìn)行排序，找出排在前面的預(yù)設(shè)數(shù)量的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友；將所述推薦好友發(fā)送給所述用戶。
[0049]優(yōu)選的，所述匹配單元，具體用于接收設(shè)定的好友匹配條件；比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，得出所述好友匹配條件下其他社交網(wǎng)絡(luò)用戶與該用戶的匹配度；按所述匹配度由高到低進(jìn)行排序，找出排在前面的預(yù)設(shè)數(shù)量的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友；將所述推薦好友發(fā)送給所述用戶。
[0050]實施本發(fā)明實施例，具有如下有益效果:
[0051]本發(fā)明實施例通過采集用戶的行為特征數(shù)據(jù)，發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)，分析所述行為特征數(shù)據(jù)得出該用戶的個人信息，比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，找出與該用戶的個人信息匹配的社交網(wǎng)絡(luò)用戶。本發(fā)明的方案由于采集的用戶行為特征數(shù)據(jù)類型來自于個人長期行為，一方面便于用戶正確的認(rèn)識自己，一方面也省去了用戶手動更新個人信息的麻煩，更重要的是提高了社交網(wǎng)絡(luò)中用戶個人信息的真實性；當(dāng)開啟社交網(wǎng)絡(luò)的好友推薦功能或者主動搜索朋友時，基于真實度較高的個人信息可以匹配出更相符的好友，匹配方式更準(zhǔn)確，提高好友推薦的準(zhǔn)確性。

【專利附圖】

【附圖說明】
[0052]為了更清楚地說明本發(fā)明實施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對實施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述的附圖僅僅是本發(fā)明的一些實施例，對于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動的前提下，還可以根據(jù)這些附圖獲得其他的附圖。
[0053]圖1是本發(fā)明第一實施例的社交網(wǎng)絡(luò)中推薦好友的方法的流程示意圖。
[0054]圖2是本發(fā)明第三實施例的社交網(wǎng)絡(luò)中推薦好友的系統(tǒng)的結(jié)構(gòu)示意圖。

【具體實施方式】
[0055]下面結(jié)合本發(fā)明的附圖對本發(fā)明實施例中的技術(shù)方案進(jìn)行清楚、完整的描述，顯然，所描述的實施例僅僅是本發(fā)明的一部分實施例，而不是全部的實施例?；诒景l(fā)明中的實施例，本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動的前提下所獲得的所有其他實施例，都屬于本發(fā)明保護(hù)的范圍。
[0056]第一實施例
[0057]圖1是本發(fā)明第一實施例的社交網(wǎng)絡(luò)中推薦好友的方法流程圖，第一實施例詳述如下:
[0058]步驟S101，采集用戶的行為特征數(shù)據(jù)。
[0059]在第一實施例中，所述的特征數(shù)據(jù)可以包括:用戶出入的場所類別信息、運動信息和日常起居信息，其中，所述運動信息包括運動時間、運動強(qiáng)度及運動頻率，所述日常起居信息包括心率及進(jìn)食卡路里。
[0060]本實施例中可通過智能穿戴手表、手環(huán)等設(shè)備實時采集用戶的行為特征數(shù)據(jù)。這類智能可穿戴設(shè)備需滿足硬件條件為:具備多種傳感器，通過各傳感器收集不同用戶數(shù)據(jù)。例如具備處理器、定位模組、動作傳感器、心率傳感器、藍(lán)牙等通信模組。所述定位模組，定位模組可以獲取用戶經(jīng)常出入的場所類別，比如圖書館、球館、公園、郊外、各種具體的培訓(xùn)班、健身俱樂部、商場等；動作傳感器可以獲取用戶的運動記錄，包括運動時間、運動強(qiáng)度與運動頻率等健身信息；心率傳感器可以獲取的作息時間，包括早晨起床時間以及晚間的睡眠質(zhì)量等信息；藍(lán)牙等通信模組則用于上傳采集到的行為特征數(shù)據(jù)。由于通過智能穿戴設(shè)備采集的用戶行為特征數(shù)據(jù)類型來自于個人長期行為，一方面便于用戶正確的認(rèn)識自己，降低了用戶填寫個人信息的難度，同時也提高了社交網(wǎng)絡(luò)中用戶個人信息的真實性。
[0061]需要說明的是，根據(jù)實際情況可添加其他類型的傳感器，例如可獲取用戶日常進(jìn)食的卡路里情況的傳感器，或者選擇其他智能穿戴設(shè)備，如智能眼鏡、智能戒指等，以實時采集用戶的行為特征數(shù)據(jù)。
[0062]第一實施例中，可通過智能穿戴設(shè)備按照第一設(shè)定時間周期采集用戶的行為特征數(shù)據(jù)。例如每半小時或一小時采集一次用戶行為特征數(shù)據(jù)，采集的用戶行為特征數(shù)據(jù)越多，越容易反映出用戶的行為特征。
[0063]步驟S102，發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)。
[0064]第一實施例中，由于所述行為特征數(shù)據(jù)可能涉及到用戶的個人私密數(shù)據(jù)，所以發(fā)送數(shù)據(jù)之前，需要對行為特征數(shù)據(jù)上傳社交網(wǎng)絡(luò)進(jìn)行授權(quán)，只有通過發(fā)送授權(quán)驗證時，才發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)，若否，拒絕上傳所述行為特征數(shù)據(jù)。
[0065]本實施例中，按照第二設(shè)定時間周期上傳該用戶的所述個人信息到社交網(wǎng)絡(luò)，并且所述第二設(shè)定時間周期大于等于所述第一設(shè)定時間周期。例如每天發(fā)送一次所述行為特征數(shù)據(jù)，通過自動發(fā)送行為特征數(shù)據(jù)，可以隨時調(diào)整用戶當(dāng)前的個人信息并及時更新到社交網(wǎng)絡(luò)，即省去了用戶手動輸入個人信息的難度，又避免了用戶修改個人信息的麻煩。
[0066]作為本實施例一優(yōu)選實施方式，發(fā)送所述行為特征數(shù)據(jù)時，可統(tǒng)一上傳所述行為特征數(shù)據(jù)到預(yù)設(shè)服務(wù)器，社交網(wǎng)絡(luò)服務(wù)器可向所述預(yù)設(shè)服務(wù)器請求獲取所述行為特征數(shù)據(jù)。當(dāng)該預(yù)設(shè)服務(wù)器對應(yīng)多個社交網(wǎng)絡(luò)時，可節(jié)省智能穿戴設(shè)備發(fā)送數(shù)據(jù)的通信流量，節(jié)省網(wǎng)絡(luò)資源。
[0067]步驟S103，分析所述行為特征數(shù)據(jù)得出該用戶的個人信息。
[0068]本實施例中，分析用戶經(jīng)常出入的場所類別，比如圖書館、球館、公園、郊外、各種具體的培訓(xùn)班、健身俱樂部、商場等場所類別，可得出該用戶是否愛閱讀、經(jīng)常去球場以及喜歡什么運動、特長培訓(xùn)班種類等，可以一定程度反映出用戶的興趣愛好類型，例如運動、娛樂、旅行、美食、閱讀和/或購物等；通過分析用戶的運動信息可得出該用戶偏好的運動類型，例如晨練、晚練、有氧運動(瑜伽、太極等舒緩的運動)和/或體能運動(劃船、沖浪、器械運動等比較劇烈的運動)；通過分析用戶的日常起居信息得出該用戶的日常作息規(guī)律，例如時早睡早起、經(jīng)常熬夜等習(xí)慣；這些數(shù)據(jù)本身就可以在交友過程中受到關(guān)注。
[0069]優(yōu)選的，本實施例中對通過分析得出的個人信息進(jìn)行標(biāo)記，標(biāo)記這類個人信息的類型為真實數(shù)據(jù)，以區(qū)別與通過用戶手動錄入的個人信息，有利于社交網(wǎng)絡(luò)信息的公開和透明管理。
[0070]通過綜合分析用戶的日常行為習(xí)慣得出的，可更真實的反應(yīng)用戶的行為特征和興趣愛好，在一定程度上也便于用戶更準(zhǔn)確的把握自己的特點，另一方面也可避免用戶手動輸入個人信息的不便。
[0071]步驟S104，比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，找出與該用戶的個人信息匹配的社交網(wǎng)絡(luò)用戶。
[0072]在第一實施例中，當(dāng)開啟社交網(wǎng)絡(luò)的好友推薦功能或者主動搜索朋友時，可通過比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，得出其他社交網(wǎng)絡(luò)用戶的個人信息與該用戶的個人信息的匹配度，以匹配出與自己更相符的好友推薦給所述用戶，匹配方式更準(zhǔn)確，提高好友推薦的準(zhǔn)確性。
[0073]作為一優(yōu)選實施方式，社交網(wǎng)絡(luò)可以根據(jù)用戶的個人信息自動為用戶匹配推薦興趣愛好相似或生活習(xí)慣相似的好友，社交網(wǎng)絡(luò)后臺通過比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，得出其他社交網(wǎng)絡(luò)用戶的個人信息與該用戶的個人信息的匹配度；然后再找出所述匹配度由高到低排序前設(shè)定數(shù)量的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友。例如按所述匹配度由高到低進(jìn)行排序，找出排在前面10個的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友；將所述推薦好友發(fā)送給所述用戶。
[0074]作為另一優(yōu)選實施方式，用戶可自行設(shè)定好友匹配的調(diào)節(jié)，例如按照興趣愛好匹配，或在按照飲食習(xí)慣匹配，或在按照距離遠(yuǎn)近進(jìn)行匹配等，接收到用戶設(shè)定的好友匹配條件后，通過比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，得出所述好友匹配條件下其他社交網(wǎng)絡(luò)用戶與該用戶的匹配度；找出所述匹配度由高到低排序前設(shè)定數(shù)量的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友，例如按所述匹配度由高到低進(jìn)行排序，找出排在前面10個的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友；將所述推薦好友發(fā)送給所述用戶。用戶還可以設(shè)定多個匹配調(diào)節(jié)的組合，例如搜索周邊一定距離范圍內(nèi)具有相興趣愛好的人，臨時邀請一起運動或者活動，提供了一種更快捷更方便的社交組團(tuán)方式。
[0075]通過上述第一實施例，通過采集用戶的行為特征數(shù)據(jù)，發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)，分析所述行為特征數(shù)據(jù)得出該用戶的個人信息，一方面便于用戶正確的認(rèn)識自己，一方面也省去了用戶手動輸入個人信息的麻煩，更重要的是提高了社交網(wǎng)絡(luò)中用戶個人信息的真實性；當(dāng)開啟社交網(wǎng)絡(luò)的好友推薦功能或者主動搜索朋友時，基于真實度較高的個人信息可以匹配出更相符的好友，匹配方式更準(zhǔn)確，提高好友推薦的準(zhǔn)確性。
[0076]第二實施例
[0077]第二實施例提供的社交網(wǎng)絡(luò)中推薦好友的系統(tǒng)的，與上述的方法實施例屬于同一構(gòu)思，系統(tǒng)的實施例中未詳盡描述的細(xì)節(jié)內(nèi)容，可以參考上述方法實施例。
[0078]圖2示出了本發(fā)明第二實施例的社交網(wǎng)絡(luò)中推薦好友的系統(tǒng)結(jié)構(gòu)示意圖，下面進(jìn)行詳細(xì)說明。
[0079]所述系統(tǒng)包括:智能穿戴設(shè)備10、與所述智能穿戴設(shè)備10通信的社交網(wǎng)絡(luò)服務(wù)器20，所述智能穿戴設(shè)備10包括數(shù)據(jù)采集單元101和數(shù)據(jù)上傳單元102，所述社交網(wǎng)絡(luò)服務(wù)器20包括分析單元201和匹配單元202.各部分詳述如下:
[0080]所述數(shù)據(jù)采集單元101，用于采集用戶的行為特征數(shù)據(jù)。
[0081]第二實施例中，所述特征數(shù)據(jù)包括:用戶出入的場所類別信息、運動信息和日常起居信息等。其中，所述運動信息包括運動時間、運動強(qiáng)度及運動頻率，所述日常起居信息包括心率等。對應(yīng)的，所述采集單元101可以包括定位模組、動作傳感器模組、心率傳感器模組等。
[0082]優(yōu)選的，本實施例中所述數(shù)據(jù)采集單元101按照第一設(shè)定時間周期采集用戶的行為特征數(shù)據(jù).例如每半小時或一小時采集一次用戶行為特征數(shù)據(jù)，采集的用戶行為特征數(shù)據(jù)越多，越容易反映出用戶的行為特征。
[0083]所述數(shù)據(jù)上傳單元102，用于發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)服務(wù)器20。
[0084]第二實施例中，為了保證用戶個人信息的私密性和安全性，發(fā)送用戶行為特征數(shù)據(jù)之前需要經(jīng)過授權(quán)驗證，因此所述智能穿戴設(shè)備10還包括授權(quán)單元，用于發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)之前，對行為特征數(shù)據(jù)上傳社交網(wǎng)絡(luò)進(jìn)行授權(quán)。若通過授權(quán)，允許上傳所述行為特征數(shù)據(jù)，否則，禁止上傳所述行為特征數(shù)據(jù)。
[0085]作為一優(yōu)選實施方式，可上傳所述行為特征數(shù)據(jù)到預(yù)設(shè)服務(wù)器，所述社交網(wǎng)絡(luò)服務(wù)器20可向所述預(yù)設(shè)服務(wù)器請求獲取所述行為特征數(shù)據(jù)。當(dāng)該預(yù)設(shè)服務(wù)器對應(yīng)多個社交網(wǎng)絡(luò)服務(wù)器20時，該方式可以減小智能穿戴設(shè)備10的數(shù)據(jù)上傳負(fù)荷，有利于節(jié)省網(wǎng)絡(luò)流量。
[0086]優(yōu)選的，本實施例中數(shù)據(jù)上傳單元102按照第二設(shè)定時間周期上傳該用戶的所述個人信息到社交網(wǎng)絡(luò)，并設(shè)定所述第二設(shè)定時間周期大于等于所述第一設(shè)定時間周期，例如每天發(fā)送一次所述行為特征數(shù)據(jù)。
[0087]所述分析單元201，用于分析所述行為特征數(shù)據(jù)得出該用戶的個人信息。
[0088]第二實施例中，分析單元201可具體用于:分析所述場所類別信息得出該用戶的興趣愛好類型。例如:根據(jù)用戶經(jīng)常出入的場所類別，如圖書館、球館、公園、郊外、各種具體的培訓(xùn)班、健身俱樂部、商場等場所類別，分析出該用戶是否愛閱讀、經(jīng)常去球場、或旅行、美食、購物的等興趣愛好。分析單元201還可具體用于分析所述運動信息得出該用戶偏好的運動類型，例如喜歡晨練、或者晚上運動，或者喜歡有舒緩的氧運動還是劇烈的體能運動等；分析單元201還可通過分析所述日常起居信息得出該用戶的日常作息規(guī)律，例如生活規(guī)律、早睡早起或者經(jīng)常熬夜等。通過綜合分析用戶的日常行為習(xí)慣得出的，可更真實的反應(yīng)用戶的行為特征和興趣愛好，在一定程度上也便于用戶更準(zhǔn)確的把握自己的特點，另一方面也可避免用戶手動更新個人信息的不便。
[0089]優(yōu)選的，本實施例中分析單元201還用于在分析所述行為特征數(shù)據(jù)得出該用戶的個人信息之后，標(biāo)記所述個人信息的類型為真實數(shù)據(jù)。以使得社交網(wǎng)絡(luò)中的用戶個人信息更加公開和透明，減少了網(wǎng)絡(luò)欺詐行為的發(fā)生。
[0090]所述匹配單元202，用于比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，找出與該用戶的個人信息匹配的社交網(wǎng)絡(luò)用戶。
[0091]第二實施例中，社交網(wǎng)絡(luò)服務(wù)器可根據(jù)用戶的個人信息定期自動為用戶推薦好友，通過比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，得出其他社交網(wǎng)絡(luò)用戶的個人信息與該用戶的個人信息的匹配度；找出所述匹配度由高到低排序前設(shè)定數(shù)量的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友，例如找出匹配度由高到低排序前10的社交網(wǎng)絡(luò)用戶推薦給該用戶。當(dāng)然，用戶也可自行設(shè)定好友匹配的調(diào)節(jié)，例如按照興趣愛好匹配，或在按照飲食習(xí)慣匹配，或在按照距離遠(yuǎn)近進(jìn)行匹配等，社交網(wǎng)絡(luò)服務(wù)器接收到用戶設(shè)定的好友匹配條件后，通過比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，得出所述好友匹配條件下其他社交網(wǎng)絡(luò)用戶與該用戶的匹配度；找出所述匹配度由高到低排序前設(shè)定數(shù)量的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友，例如找出匹配度由高到低排序前10的社交網(wǎng)絡(luò)用戶推薦給該用戶。用戶還可以設(shè)定多個匹配調(diào)節(jié)的組合，例如搜索周邊一定距離范圍內(nèi)具有相興趣愛好的人，臨時邀請一起運動或者活動，提供了一種更快捷更方便的社交組團(tuán)方式。
[0092]上述第二實施例，基于采集用戶的行為特征數(shù)據(jù)，發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)，分析所述行為特征數(shù)據(jù)得出該用戶的個人信息，一方面便于用戶正確的認(rèn)識自己，同時也提高了社交網(wǎng)絡(luò)中用戶個人信息的真實性；當(dāng)開啟社交網(wǎng)絡(luò)的好友推薦功能或者主動搜索朋友時，基于真實度較高的個人信息可以匹配出更相符的好友，匹配方式更準(zhǔn)確，提高好友推薦的準(zhǔn)確性。
[0093]以上所揭露的僅為本發(fā)明較佳實施例而已，當(dāng)然不能以此來限定本發(fā)明之權(quán)利要求范圍，因此，凡在本發(fā)明的精神和原則之內(nèi)所作的任何修改、等同替換和改進(jìn)等，仍屬本發(fā)明所涵蓋的范圍。
【權(quán)利要求】
1.一種社交網(wǎng)絡(luò)中推薦好友的方法，其特征在于，包括: 采集用戶的行為特征數(shù)據(jù)； 發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)； 分析所述行為特征數(shù)據(jù)得出該用戶的個人信息； 比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，找出與該用戶的個人信息匹配的社交網(wǎng)絡(luò)用戶。
2.如權(quán)利要求1所述社交網(wǎng)絡(luò)中推薦好友的方法，其特征在于，所述特征數(shù)據(jù)包括:用戶出入的場所類別信息、運動信息和日常起居信息，其中，所述運動信息包括運動時間、運動強(qiáng)度及運動頻率，所述日常起居信息包括心率信息； 所述分析所述行為特征數(shù)據(jù)得出該用戶的個人信息，包括: 分析所述場所類別信息得出該用戶的興趣愛好類型； 分析所述運動信息得出該用戶偏好的運動類型； 分析所述日常起居信息得出該用戶的日常作息規(guī)律。
3.如權(quán)利要求1所述社交網(wǎng)絡(luò)中推薦好友的方法，其特征在于，所述采集用戶的行為特征數(shù)據(jù)，包括: 按照第一設(shè)定時間周期采集用戶的行為特征數(shù)據(jù)； 所述發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)，包括: 按照第二設(shè)定時間周期上傳該用戶的所述個人信息到社交網(wǎng)絡(luò)； 所述第二設(shè)定時間周期大于等于所述第一設(shè)定時間周期。
4.如權(quán)利要求1所述社交網(wǎng)絡(luò)中推薦好友的方法，其特征在于，所述發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)之前，包括: 對行為特征數(shù)據(jù)上傳社交網(wǎng)絡(luò)進(jìn)行授權(quán)。
5.如權(quán)利要求4所述社交網(wǎng)絡(luò)中推薦好友的方法，其特征在于，所述發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)，包括: 上傳所述行為特征數(shù)據(jù)到預(yù)設(shè)服務(wù)器，由所述預(yù)設(shè)服務(wù)器轉(zhuǎn)發(fā)所述行為特征數(shù)據(jù)。
6.如權(quán)利要求1所述社交網(wǎng)絡(luò)中推薦好友的方法，其特征在于，所述分析所述行為特征數(shù)據(jù)得出該用戶的個人信息之后，還包括: 標(biāo)記所述個人信息的類型為真實數(shù)據(jù)。
7.如權(quán)利要求1所述社交網(wǎng)絡(luò)中推薦好友的方法，其特征在于，所述比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，找出與該用戶的個人信息匹配的社交網(wǎng)絡(luò)用戶，包括: 比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，得出其他社交網(wǎng)絡(luò)用戶的個人信息與該用戶的個人信息的匹配度； 按所述匹配度由高到低進(jìn)行排序，找出排在前面的預(yù)設(shè)數(shù)量的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友； 將所述推薦好友發(fā)送給所述用戶。
8.如權(quán)利要求1所述社交網(wǎng)絡(luò)中推薦好友的方法，其特征在于，所述比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，找出與該用戶的個人信息匹配的社交網(wǎng)絡(luò)用戶，包括: 接收設(shè)定的好友匹配條件； 比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，得出所述好友匹配條件下其他社交網(wǎng)絡(luò)用戶與該用戶的匹配度； 按所述匹配度由高到低進(jìn)行排序，找出排在前面的預(yù)設(shè)數(shù)量的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友； 將所述推薦好友發(fā)送給所述用戶。
9.一種社交網(wǎng)絡(luò)中推薦好友的系統(tǒng)，其特征在于，包括:智能穿戴設(shè)備、與所述智能穿戴設(shè)備通信的社交網(wǎng)絡(luò)服務(wù)器，所述智能穿戴設(shè)備包括數(shù)據(jù)采集單元和數(shù)據(jù)上傳單元，所述社交網(wǎng)絡(luò)服務(wù)器包括分析單元和匹配單元； 所述數(shù)據(jù)采集單元，用于采集用戶的行為特征數(shù)據(jù)； 所述數(shù)據(jù)上傳單元，用于發(fā)送所述行為特征數(shù)據(jù)到所述社交網(wǎng)絡(luò)服務(wù)器； 所述分析單元，用于分析所述行為特征數(shù)據(jù)得出該用戶的個人信息； 所述匹配單元，用于比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，找出與該用戶的個人信息匹配的社交網(wǎng)絡(luò)用戶。
10.如權(quán)利要求9所述社交網(wǎng)絡(luò)中推薦好友的系統(tǒng)，其特征在于，所述特征數(shù)據(jù)包括:用戶出入的場所類別信息、運動信息和日常起居信息，其中，所述運動信息包括運動時間、運動強(qiáng)度及運動頻率，所述日常起居信息包括心率； 所述分析單元，具體用于分析所述場所類別信息得出該用戶的興趣愛好類型；分析所述運動信息得出該用戶的運動類型；分析所述日常起居信息得出該用戶的日常作息規(guī)律。
11.如權(quán)利要求9所述社交網(wǎng)絡(luò)中推薦好友的系統(tǒng)，其特征在于，所述數(shù)據(jù)采集單元，具體用于按照第一設(shè)定時間周期采集用戶的行為特征數(shù)據(jù)； 所述數(shù)據(jù)上傳單元，具體用于按照第二設(shè)定時間周期上傳該用戶的所述個人信息到所述社交網(wǎng)絡(luò)服務(wù)器； 其中，所述第二設(shè)定時間周期大于等于所述第一設(shè)定時間周期。
12.如權(quán)利要求9所述社交網(wǎng)絡(luò)中推薦好友的系統(tǒng)，其特征在于，所述智能穿戴設(shè)備還包括授權(quán)單元，用于發(fā)送所述行為特征數(shù)據(jù)到社交網(wǎng)絡(luò)之前，對行為特征數(shù)據(jù)上傳社交網(wǎng)絡(luò)進(jìn)行授權(quán)。
13.如權(quán)利要求12所述社交網(wǎng)絡(luò)中推薦好友的系統(tǒng)，其特征在于，所述數(shù)據(jù)上傳單元，具體用于上傳所述行為特征數(shù)據(jù)到預(yù)設(shè)服務(wù)器，所述社交網(wǎng)絡(luò)服務(wù)器向所述預(yù)設(shè)服務(wù)器請求獲取所述行為特征數(shù)據(jù)。
14.如權(quán)利要求9所述社交網(wǎng)絡(luò)中推薦好友的系統(tǒng)，其特征在于，所述分析單元，還用于在分析所述行為特征數(shù)據(jù)得出該用戶的個人信息之后，標(biāo)記所述個人信息的類型為真實數(shù)據(jù)。
15.如權(quán)利要求9所述社交網(wǎng)絡(luò)中推薦好友的系統(tǒng)，其特征在于，所述匹配單元，具體用于比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，得出其他社交網(wǎng)絡(luò)用戶的個人信息與該用戶的個人信息的匹配度；按所述匹配度由高到低進(jìn)行排序，找出排在前面的預(yù)設(shè)數(shù)量的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友；將所述推薦好友發(fā)送給所述用戶。
16.如權(quán)利要求9所述社交網(wǎng)絡(luò)中推薦好友的系統(tǒng)，其特征在于，所述匹配單元，具體用于接收設(shè)定的好友匹配條件；比對該用戶與其他社交網(wǎng)絡(luò)用戶的個人信息，得出所述好友匹配條件下其他社交網(wǎng)絡(luò)用戶與該用戶的匹配度；按所述匹配度由高到低進(jìn)行排序，找出排在前面的預(yù)設(shè)數(shù)量的社交網(wǎng)絡(luò)用戶為該用戶的推薦好友；將所述推薦好友發(fā)送給所述



VO / Γ? /
【文檔編號】G06F17/30GK104462308SQ201410714499
【公開日】2015年3月25日 申請日期:2014年11月27日 優(yōu)先權(quán)日:2014年11月27日
【發(fā)明者】鄭戰(zhàn)海 申請人:廣東小天才科技有限公司