一种社会化网络中特征关系圈的提取方法及装置.pdf

一种社会化网络中特征关系圈的提取方法及装置
技术领域
本发明涉及计算机技术领域，特别涉及一种社会化网络中特征关系圈的提取方法及装置。
背景技术
网络即时通讯工具已经成为用户必不可少的软件工具，不仅在平时的休闲娱乐中，而且在用户的工作中都得到广泛的使用。如今，网络即时通讯工具提供的功能越来越多，功能也日趋完善。与此同时，在线用户形成的社会化网络不再仅仅是单个用户与单个用户的关系，而是单对多以及多对多的关系。社会化网络包含了海量用户及海量关系数据，具有非常巨大的价值，可以实现信息的精确搜索及有效传播，满足用户和企业的不同需求。
但是社会化网络中的海量用户和海量数据并不是全部为用户和企业所关注，感兴趣的是具有指定特征的用户所形成的关系圈。现有技术中搜索用户或企业关注的信息是基于Web2.0的SNS(Social Network Service，社交网络服务)网站搜索功能。大多数SNS网站支持通过关键词对社会化网络中的用户进行搜索，可以搜索出网络中满足指定特征的用户，但无法表达这些用户之间的关系及其所形成的关系圈，没有从整体的角度去理解和把握社会化网络，因此也就不能发现更有价值的关系信息。
发明内容
为了提取特征关系圈并确定该特征关系圈中用户之间的关系，实现信息在社会化网络中有效传播和精确搜索，本发明实施例提供了一种社会化网络中特征关系圈的提取方法及装置。所述技术方案如下：
一种社会化网络中特征关系圈的提取方法，所述方法包括：
获取每个用户的用户信息；
指定待提取的特征关系圈的特征，将所述用户信息与所述指定特征匹配的用户提取为特征关系圈；
根据所述用户信息确定所述特征关系圈里的每个用户与其它用户之间的关系。
其中，所述指定待提取的特征关系圈的特征，包括：
指定特征关系圈的领域，所述领域对应的特征为指定的特征关系圈的特征。
其中，所述用户信息包括：关系数据和特征数据。
其中，所述方法还包括：
根据所述用户信息计算所述特征关系圈中用户的影响力值。
所述用户信息包括特征数据；根据所述用户信息计算所述特征关系圈中用户的影响力值，包括：
对所述特征关系圈中用户的特征数据和所述指定特征的匹配程度进行评分，得到用户的特征评分。
所述用户信息包括关系数据；根据所述用户信息计算所述特征关系圈中用户的影响力值，包括：
根据所述关系数据确定的所述特征关系圈中用户之间的关系，计算用户的关系评分。
所述用户信息包括特征数据和关系数据；根据所述用户信息计算所述特征关系圈中用户的影响力值，具体包括：
对所述特征关系圈中用户的特征数据和所述指定特征的匹配程度进行评分，得到用户的特征评分；
根据所述关系数据确定的所述特征关系圈中用户之间的关系，计算用户的关系评分；
将所述特征评分和关系评分进行加权相加，得到用户的影响力评分。
一种社会化网络中特征关系圈的提取装置，所述装置包括：获取模块，提取模块和确定模块；
所述获取模块，用于获取用户信息，并将所述获取的用户信息发送给所述提取模块；
所述提取模块，用于收到所述获取模块发来的用户信息后，根据指定的待提取的特征关系圈的特征，将所述用户信息与所述指定特征匹配的用户提取为特征关系圈；
所述确定模块，用于根据所述获取模块发来的用户信息，确定所述提取模块提取出来的特征关系圈中用户之间的关系。
所述用户信息包括：关系数据和特征数据。
所述装置还包括：计算模块；
所述计算模块，用于根据所述获取模块获取的用户信息计算所述提取模块提取出来的特征关系圈中用户的影响力值。
所述用户信息包括特征数据；
所述计算模块，具体用于将所述提取模块提取出来的特征关系圈中用户的特征数据和指定特征的匹配程度进行评分，得到用户的特征评分。
所述用户信息包括关系数据；所述计算模块，具体用于由所述确定模块根据所述关系数据确定的特征关系圈中用户之间的关系，计算用户的关系评分。
所述用户信息包括特征数据和关系数据；所述计算模块包括：第一计算单元和第二计算单元；
所述第一计算单元，用于将所述提取模块提取出来的特征关系圈中用户的特征数据和指定特征的匹配程度进行评分，得到用户的特征评分；
并由所述确定模块根据所述关系数据确定的特征关系圈中用户之间的关系，计算用户的关系评分；
所述第二计算单元，用于将所述第一计算单元计算的特征评分和关系评分进行加权相加，得到所述提取模块提取出来的特征关系圈中用户的影响力评分。
本发明实施例提供的技术方案的有益效果是：通过提取社会化网络中特征关系圈，能够有效利用社会化网络关系链信息，实现信息有效传播和精确搜索的目标。
附图说明
图1是本发明实施例1提供的一种社会化网络中特征关系圈的提取方法流程图；
图2是本发明实施例1提供的从社会化网络中提取特征关系圈的示意图；
图3是本发明实施例1提供的从社会化网络中提取特征关系圈并计算影响力的示意图；
图4是本发明实施例2提供的一种社会化网络中特征关系圈的提取装置结构示意图；
图5是本发明实施例2提供的一种社会化网络中特征关系圈的提取并计算影响力的装置结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例1
参见图1，本发明实施例提供了一种社会化网络中特征关系圈的提取方法，该方法包括：
步骤101：获取用户信息；
其中，用户信息可以包括关系数据和特征数据，可以从用户资料数据库提取每个用户的关系数据，并保存到表1社会化网络系统关系圈信息表中，用户资料数据库中可以存放IM(InstantMessaging，即时通讯)平台的用户资料信息或者存放基于Web2.0 SNS网站的用户资料数据。每个用户都有一个唯一标识ID，对用户之间的关系定义类型，每个用户与其他用户的关系可以表示为(ID1，type)，...，(IDn，type)，也可以有其它的表示类型。
本发明实施例中关系类型包括但不限于：好友，认识，陌生等等，如果用户A的ID是10001，用户B的ID是10002，用户C的ID是10003，用户D的ID是10004，A与B为好友，A与C认识，A不认识D，那么A的关系信息描述为(B，好友)，(C，认识)，(D，陌生)；
还可以可以根据用户资料数据库提取每个用户的特征数据，并保存到表1中，特征数据是对用户某一个属性或者行为的描述，表示方式可以是：(类型，值)。例如，用户A的职业信息：(单位，XX)，(专业，计算机)，(职业，编程)。则用户A的关系信息和特征数据存储在表1中为：
 

ID关系数据特征数据10001(10002，好友)，(10003，认识)，(10004，陌生)(单位，XX)，(专业，计算机)，(职业，编程)10002............
表1：社会化网络系统关系圈信息表
步骤102：指定待提取的特征关系圈的特征，将用户信息与该指定特征匹配的用户提取为特征关系圈；
例如，可以指定该特征关系圈的特征为：(专业，计算机)，(职业，编程)，然后将表1中各个用户的用户信息中的特征数据与该指定的特征进行匹配，将表1中具有该指定特征的用户提取为特征关系圈；也可以指定特征关系圈的所属领域，然后根据该领域对应的特征得到指定特征，例如，指定特征关系圈的所属领域为IT行业，该IT行业对应的特征可以是计算机，网络，编程等，该特征即为指定的特征关系圈的特征，某领域对应的特征，可以预先存储机器中，由机器自动解析出，也可以人为设定。
例如，从表1可以看出，ID为10001的用户与该IT圈匹配，则将该用户10001提取出来，假设还有ID为10003的用户和ID为10004的用户也与该IT圈匹配，则也将用户10003和用户10004提取出来，将提取出来的用户作为一个特征关系圈。
参见图2，从具有海量数据的社会化网络中提取特征关系圈，可以指定某个特征关系圈的特征为A，则从社会化网络中将具有特征A的用户提取为特征关系圈A；同样，也可以指定另外一个特征关系圈的特征为B，则从社会化网络中将具有特征B的用户提取为特征关系圈B，依次类推，可以从社会化网络中提取多个特征关系圈。
步骤103：根据用户信息确定特征关系圈中用户之间的关系。
具体的，可以根据用户信息中的关系数据确定特征关系圈中用户之间的关系。
继续上述的例子，从表1中的关系数据可以得知，该提取出来的IT关系圈的用户中，ID为10001的用户与ID为10003的用户认识，ID为10001的用户与ID为10004的用户陌生，则该IT关系圈的用户之间的关系也添加到该IT关系圈中，如表2所示：
 关系圈ID关系圈名称关系圈指定特征关系圈里的用户用户之间的关系1IT(专业，计算机)，(职业，编程)10001，10003，10004(10001，10003)，(10001，10004)
 2..................
表2：特征关系圈
本发明实施例中，如果关系类型只定义为好友，则(用户ID1，用户ID2)默认表示ID1的用户和ID2的用户是好友；如果关系类型定义了好友，认识，陌生，则(用户ID1，用户ID2)表示ID1的用户和ID2的用户之间的关系可能是好友，也可能是认识，也有可能是陌生的，这时可以根据表1中的关系信息再确定用户ID1和用户ID2之间关系。
更优的，可以将该特征关系圈里的用户之间关系表示为(用户ID1，用户ID2，类型)，例如，(10001，10003，好友)就表示ID为10001的用户和ID为10003的用户为好友。
其中，为了在提取出来的特征关系圈中找出最有影响力的用户，使信息的传递更加有效和精确，该方法还包括：
根据用户信息计算特征关系圈中用户的影响力值。
其中，根据用户信息计算特征关系圈中用户的影响力值，包括：
对特征关系圈中用户的特征数据和指定特征的匹配程度进行评分，得到用户的特征评分。
其中，对于属于某一特征关系圈的用户的特征评分函数可以设计为：
用户ID＝{对于用户的特征数据进行分析，根据评分规则进行加分}
例如，在玩地下城勇士游戏的特征关系圈，可以根据该用户玩地下城勇士游戏的信息，包括时间，等级的情况来转换相应的游戏积分，从而作为该特征的评分，时间越长，等级越高则特征评分就越高，特征评分越高表明该用户与该特征关系圈的特征越吻合，其影响力就越大。
其中，根据用户信息计算特征关系圈中用户的影响力值，包括：
根据关系数据确定的特征关系圈中用户之间的关系，计算用户的关系评分。
其中，对于属于某一特征关系圈的用户的关系评分函数可以设计为：
用户ID＝{对于用户的每个关系，如果是好友加10分，一般加5分，陌生加1分}，关系评分越大表明该用户与该特征关系圈中的其他用户关系越紧密，其影响力就越大。
其中，根据用户信息计算特征关系圈中用户的影响力值，包括：
对特征关系圈中用户的特征数据和指定特征的匹配程度进行评分，得到用户的特征评分；
根据关系数据确定的特征关系圈中用户之间的关系，计算用户的关系评分。
根据该特征评分和关系评分计算用户的影响力评分。
具体的，可以将特征评分和关系评分进行加权相加，得到用户的影响力评分，然后根据影响力评分进行排序，找到特征关系圈中最有影响力的用户。
例如，对于属于某一特征关系圈的用户的影响力评分函数可以设计为：
用户ID＝特征评分*f+关系评分*(1-f)
f为权重，默认为0.5，可根据实际需要调整。
参见图3，从具有海量数据的社会化网络中提取特征关系圈，确定提取出来的特征关系圈中用户之间的关系，并计算出最有影响力的用户。
本发明实施例的有益效果是：通过指定待提取的特征关系圈的特征，根据确定的每个用户的关系数据和特征数据，提取特征关系圈，并对该特征关系圈中的用户进行影响力计算，使所有用户能够更加具体的了解该特征关系圈，从而有效的利用社会化网络关系链信息，实现信息有效传播和精确搜索的目标。
实施例2
参见图4，本发明实施例提供了一种社会化网络关系圈提取装置，该装置包括：获取模块201，提取模块202和确定模块203；
获取模块201，用于获取用户信息，并将获取的用户信息发送给提取模块202；
其中，用户信息可以包括关系数据和特征数据，可以从用户资料数据库提取每个用户的关系数据，并保存到表3社会化网络系统关系圈信息表中，用户资料数据库中可以存放IM平台的用户资料信息或者存放基于Web2.0SNS网站的用户资料数据。每个用户都有一个唯一标识ID，对用户之间的关系定义类型，每个用户与其他用户的关系可以表示为(ID1，type)，...，(IDn，type)，也可以有其它的表示类型。
例如关系类型定义为好友，认识，陌生人，用户A的ID是10001，用户B的ID是10002，用户C的ID是10003，用户D的ID是10004，A与B为好友，A与C认识，A不认识D，那么A的关系信息描述为(B，好友)，(C，认识)，(D，陌生)；
还可以根据用户资料数据库提取每个用户的特征数据，并保存到表3中，特征数据是对用户某一个属性或者行为的描述，表示方式可以是：(类型，值)。例如，用户A的职业信息：(单位，XX)，(专业，计算机)，(职业，编程)。则用户A的关系信息和特征数据存储在表3中为：
 ID关系信息特征数据10001(10002，好友)，(10003，认识)，(10004，陌生)(单位，XX)，(专业，计算机)，(职业，编程)10002............
表3：社会化网络系统关系圈信息表
提取模块202，用于收到获取模块201发来的用户信息后，根据指定的待提取的特征关系圈的特征，将用户信息与该指定特征匹配的用户提取为特征关系圈；
例如，可以指定该特征关系圈的特征为：(专业，计算机)，(职业，编程)，然后将表1中各个用户的用户信息中的特征数据与该指定的特征进行匹配，将表1中具有该指定特征的用户提取为特征关系圈；也可以指定特征关系圈的所属领域，然后根据该领域对应的特征得到指定特征，例如，指定特征关系圈的所属领域为IT行业，该IT行业对应的特征可以是计算机，网络，编程等，该特征即为指定的特征关系圈的特征，某领域对应的特征，可以预先存储机器中，由机器自动解析出，也可以人为设定。
例如，从表1可以看出，ID为10001的用户与该IT圈匹配，则将该用户10001提取出来，假设还有ID为10003的用户和ID为10004的用户也与该IT圈匹配，则也将用户10003和用户10004提取出来，将提取出来的用户作为一个特征关系圈。
参见图2，从具有海量数据的社会化网络中提取特征关系圈，可以指定某个特征关系圈的特征为A，则从社会化网络中将具有特征A的用户提取为特征关系圈A；同样，也可以指定另外一个特征关系圈的特征为B，则从社会化网络中将具有特征B的用户提取为特征关系圈B，依次类推，可以从社会化网络中提取多个特征关系圈。
确定模块203，用于根据获取模块201发来的用户信息，确定提取模块202提取出来的特征关系圈中用户之间的关系。
继续上述的例子，从表3中的关系数据可以得知，该提取出来的IT关系圈的用户中，ID为10001的用户与ID为10003的用户认识，ID为10001的用户与ID为10004的用户陌生，则该IT关系圈的用户之间的关系也添加到该IT关系圈中，如表4所示：
 关系圈ID关系圈名称关系圈指定特征关系圈里的用户用户之间的关系1IT(专业，计算机)，(职业，编程)10001，10003，10004(10001，10003)，(10001，10004)2..................
表4：特征关系圈
本发明实施例中关系类型包括但不限于：好友，认识，陌生等等。如果关系类型只定义为好友，则(用户ID1，用户ID2)默认表示ID1的用户和ID2的用户是好友；如果关系类型定义了好友，认识，陌生，则(用户ID1，用户ID2)表示ID1的用户和ID2的用户之间的关系可能是好友，也可能是认识，也有可能是陌生的，这时可以根据表3中的关系信息再确定用户ID1和用户ID2之间关系。
更优的，可以将该特征关系圈里的用户之间关系表示为(用户ID1，用户ID2，类型)，例如，(10001，10003，好友)就表示ID为10001的用户和ID为10003的用户为好友。
其中，参见图5，该装置还包括：计算模块204；
计算模块204，用于根据获取模块201获取的用户信息，计算提取模块202提取出来的特征关系圈中用户的影响力值。
其中，计算模块204具体用于，将提取模块202提取出来的特征关系圈中用户的特征数据和指定特征的匹配程度进行评分，得到用户的特征评分。
其中，对于属于某一特征关系圈的用户的特征评分函数可以设计为：
用户ID＝{对于用户的特征数据进行分析，根据评分规则进行加分}
例如，在玩地下城勇士游戏的特征关系圈，可以根据该用户玩地下城勇士游戏的信息，包括时间，等级的情况来转换相应的游戏积分，从而作为该特征的评分，时间越长，等级越高则特征评分就越高，特征评分越高表明该用户与该特征关系圈的特征越吻合，其影响力就越大。
或者，计算模块204具体用于，由确定模块203根据关系数据确定的特征关系圈中用户之间的关系，计算用户的关系评分。
其中，对于属于某一特征关系圈的用户的关系评分函数可以设计为：
用户ID＝{对于用户的每个关系，如果是好友加10分，一般加5分，陌生加1分}，关系评分越大表明该用户与该特征关系圈中的其他用户关系越紧密，其影响力就越大。
或者，计算模块204包括：第一计算单元和第二计算单元；
第一计算单元，用于根据获取模块201获取的用户信息中的特征数据，计算提取模块202提取的特征关系圈中用户的特征评分；并由确定模块203根据关系数据确定的用户之间的关系计算关系评分；
第二计算单元，用于根据第一计算单元计算的特征评分和关系评分，计算提取模块202提取出来的特征关系圈中用户的影响力评分。
具体的，可以将特征评分和关系评分进行加权相加，得到每个用户的影响力评分，然后根据影响力评分进行排序，找到最有影响力的用户。
例如，对于属于某一特征关系圈的用户的影响力评分函数可以设计为：
用户ID＝特征评分*f+关系评分*(1-f)
f为权重，默认为0.5，可根据实际需要调整。
参见图3，从具有海量数据的社会化网络中提取特征关系圈，确定提取出来的特征关系圈中用户之间的关系，并计算出最有影响力的用户。
本发明实施例的有益效果是：通过指定待提取的特征关系圈的特征，根据确定的每个用户的关系数据和特征数据，提取特征关系圈，并对该特征关系圈中的用户进行影响力计算，使所有用户能够更加具体的了解该特征关系圈，从而有效的利用社会化网络关系链信息，实现信息有效传播和精确搜索的目标。
以上所述仅为本发明的较佳实施例，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。