本公开涉及互联网，尤其涉及一种好友推荐方法及好友推荐装置。
背景技术：
1、随着互联网技术的发展，互联网的应用已经深入广大人群的日常工作和生活之中，由于互联网不受时间或是空间的限制，可以随时随地掌握最新的信息，随时随地的交流，使得互联网已经成为人们不可获取的一部分。而互联网逐渐成为人们互动交友的主流途径，社交平台应运而生。
2、相关技术中，为了提高用户的交友体验，社交平台具备好友自动推荐功能是十分有必要的，具体通过收集与用户交友相关的信息，并基于上述信息向用户推荐适合进行交友的其他用户。
3、然而，现有方法仍需有待改善，亟需提供一种能够快速且精准地进行好友推荐的方法。
技术实现思路
1、有鉴于此，本公开实施例提供了一种好友推荐方法、好友推荐装置、电子设备以及计算机可读存储介质，能够快速且精准地进行好友推荐。
2、第一方面，本公开实施例提供了一种好友推荐方法，采用如下技术方案：
3、该好友推荐方法包括：
4、获取第一用户的用户数据与各数据块之间的第一相关度数据；其中，各所述数据块用于表征由任一第二用户的至少部分用户数据所构成的数据集合；
5、基于多个所述数据块对应的第一相关度数据的大小情况，对多个所述数据块进行排序，并获取第一排序数据；
6、根据所述第一顺序数据，对所述第一用户进行好友推荐。
7、在其中一些实施例中，所述方法还包括：
8、对第二用户的用户数据进行区块划分处理，获取至少一个数据块。
9、在其中一些实施例中，所述对第二用户的用户数据进行区块划分处理，获取至少一个数据块的步骤包括：
10、对所述第二用户的用户数据进行归类处理后，获取多个小类数据集；其中，各所述小类数据集包括至少一个用于表征用户个人信息的子集数据；
11、基于预设的大小类关联规则，将属于同一预设大类的多个小类数据集归类后获取对应的数据块。
12、在其中一些实施例中，所述获取第一用户的用户数据与各数据块之间的第一相关度数据的步骤包括：
13、对各所述数据块中多个小类数据集进行强连通性运算，获取第一强连通分量集；其中，所述第一强连通分量集包括至少一个第一强连通分量；
14、根据所述第一用户的用户数据与各所述第一强连通分量集的相关程度，获取对应的第一相关度数据。
15、在其中一些实施例中，所述方法还包括：
16、确定各所述数据块中与所述第一用户的用户数据对应的小类数据集为关联节点；
17、所述根据所述第一用户的用户数据与各所述第一强连通分量集的相关程度的步骤，包括：
18、根据所有的关联节点与所述第一强连通分量集之间的相关关系，确定所述第一用户的用户数据与各所述强连通分量集的相关程度。
19、在其中一些实施例中，所述对各所述数据块中多个小类数据集进行强连通性运算，获取第一强连通分量集的步骤包括：
20、将任一所述数据块中的各小类数据集标定为标记节点；
21、基于同一所述数据块中的多个标记节点之间的共通关系，生成可表征多个所述标记节点的指向信息的有向图；
22、根据所述有向图中多个标记节点的指向信息，将存在强连通关系的至少两个标记节点标定为一第一强连通分量。
23、在其中一些实施例中，所述方法还包括：
24、获取第一用户的用户数据与各所述小类数据集之间的第二相关度数据；
25、基于多个所述小类数据集对应的第二相关度数据的大小情况，对多个所述小类数据集进行排序，并获取第二排序数据；
26、所述根据所述第一顺序数据，对所述第一用户进行好友推荐的步骤，还包括：
27、根据所述第一顺序数据和所述第二顺序数据，对所述第一用户进行好友推荐。
28、在其中一些实施例中，所述获取第一用户的用户数据与各所述小类数据集之间的第二相关度数据的步骤包括：
29、对各所述小类数据集中多个子集数据进行强连通性运算，获取第二强连通分量集；其中，所述第二强连通分量集包括至少一个第二强连通分量；
30、根据所述第一用户的用户数据与各所述第二强连通分量集的相关程度，获取对应的第二相关度数据。
31、在其中一些实施例中，所述方法还包括：
32、确定各所述小类数据集中与所述第一用户的用户数据对应的子集数据为关联节点；
33、所述根据所述第一用户的用户数据与各所述第二强连通分量集的相关程度的步骤，包括：
34、根据所有关联节点与所述第二强连通分量集之间的相关关系，确定所述第一用户的用户数据与各所述第二强连通分量集的相关程度。
35、在其中一些实施例中，所述对各所述小类数据集中多个子集数据进行强连通性运算，获取第二强连通分量集的步骤包括：
36、将任一所述小类数据集中各子集数据标定为标记节点；
37、基于同一所述小类数据集中的多个标记节点之间的共通性，生成可表征多个所述标记节点的指向信息的有向图；
38、根据所述有向图中多个标记节点的指向信息，将存在强连通关系的至少两个标记节点标定为一第二强连通分量。
39、第二方面，本公开实施例还提供了一种好友推荐装置，采用如下技术方案：
40、该装置包括：
41、数据处理模块，用于获取第一用户的用户数据与各数据块之间的第一相关度数据，其中，各所述数据块用于表征由任一第二用户的至少部分用户数据所构成的数据集合；还用于基于多个所述数据块对应的第一相关度数据的大小情况，对多个所述数据块进行排序，并获取第一排序数据；以及，
42、数据输出模块，用于根据所述第一顺序数据，对所述第一用户进行好友推荐。
43、第三方面，本公开实施例还提供了一种电子设备，采用如下技术方案：
44、所述电子设备包括：
45、至少一个处理器；以及，
46、与所述至少一个处理器通信连接的存储器；其中，
47、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行以上任一所述的好友推荐方法。
48、第四方面，本公开实施例还提供了一种计算机可读存储介质，该计算机可读存储介质存储计算机指令，该计算机指令用于使计算机执行以上任一所述的好友推荐方法。
49、本公开实施例提供的好友推荐方法、好友推荐装置、电子设备以及计算机可读存储介质，通过获取第一用户的用户数据与各数据块之间的第一相关度数据，能够分别获取多个数据块的第一相关度数据，在基于多个数据块对应的第一相关度数据的大小情况，对多个数据块进行排序，获取第一排序数据，由于多个数据块是分别与多个第二用户的用户数据关联的，使得上述的第一排序数据也能够表征多个第二用户的排列顺序，最后，根据第一顺序数据，对第一用户进行好友推荐，即能够基于第一顺序数据向第一用户展示多个第二用户的排列顺序，从而让第一用户可以快速且方便地了解多个第二用户的推荐程度高低，使得好友推荐功能快速且精准。
50、上述说明仅是本公开技术方案的概述，为了能更清楚了解本公开的技术手段，而可依照说明书的内容予以实施，并且为让本公开的上述和其他目的、特征和优点能够更明显易懂，以下特举较佳实施例，并配合附图，详细说明如下。