一种基于社交平台的用户匹配方法及系统与流程

本申请涉及社交网络，特别涉及一种基于社交平台的用户匹配方法及系统。

背景技术：

1、伴随社交网络的迅猛发展，用户对于在社交平台上高效寻觅到与自己兴趣高度相符、性格相互补、价值观一致的社交伙伴的诉求愈发强烈。

2、传统的社交匹配方式多局限于基于简单的用户基本信息(如年龄、性别、地理位置等)来进行匹配，这种过于单一的模式无法全面且精准地反映用户的多元特征，致使匹配结果的精准度大打折扣，用户满意度难以提升。

技术实现思路

1、有鉴于此，本申请提出了一种基于社交平台的用户匹配方法及系统，具体方案如下：

2、第一部分，本申请提出了一种基于社交平台的用户匹配方法，该方法包括：

3、从预设的一个或多个数据源获取多维度的用户信息数据，并对所述用户信息数据进行预处理；

4、基于预设的特征提取规则对预处理后的所述用户信息数据进行特征提取，以生成用户特征数据，并基于预设的赋权方法分别对所述用户特征数据赋予权重；

5、根据各所述用户特征数据的权重及预设的模型训练方法构建针对用户的用户特征模型；

6、计算待匹配用户与其他用户之间的的所述用户特征模型的相似度，并基于预设推荐策略为所述待匹配用户推荐到达预设值的所述相似度所对应的其他用户。

7、在一个具体实施例中，所述用户信息数据包括：身份信息数据、和/或兴趣爱好数据、和/或在线调研数据、和/或社交平台互动数据。

8、在一个具体实施例中，所述对预处理后的所述用户信息数据进行特征提取还包括：

9、确定所述用户信息数据的数据类型，不同数据类型的所述用户信息数据对应不同的特征提取方法。

10、在一个具体实施例中，所述预设的赋权方法包括：主观赋权法、和/或客观赋权法、和/或组合赋权法。

11、在一个具体实施例中，所述“根据各所述用户特征数据的权重及预设的模型训练方法构建针对用户的用户特征模型”具体包括：

12、根据各所述用户特征数据的权重初步构建针对用户的用户特征模型；

13、确定所述用户现有的社交关系数据，并将所述社交关系数据作为初步构建的所述用户特征模型的训练样本；

14、基于所述训练样本通过优化目标函数调整所述用户特征模型的参数，以确定最终的针对所述用户的用户特征模型。

15、在一个具体实施例中，所述“基于预设推荐策略为所述待匹配用户推荐到达预设值的所述相似度所对应的其他用户”还包括：

16、将所述待匹配用户与各所述其他用户之间的所述相似度进行排序；

17、将满足预设阈值的所述相似度所对应的所述其他用户按序形成推荐列表，并将所述推荐列表发送至所述待匹配用户，所述推荐列表中包括各所述其他用户所对应的所述用户信息数据。

18、在一个具体实施例中，还包括：

19、以预设频率监测所述用户的所述用户特征数据，若所述用户特征数据发生变化，则根据所述变化动态调整各所述用户特征数据的权重及针对所述用户的用户特征模型；

20、重新计算所述用户调整后的所述用户特征模型与其他用户的所述用户特征模型的相似度，并基于预设推荐策略为所述用户推荐到达预设值的所述相似度所对应的其他用户。

21、在一个具体实施例中，还包括：

22、将所述用户信息数据、所述用户特征数据、所述用户特征模型中的一个或任意多个与所述用户进行关联后存储。

23、第二部分，本申请提出了一种基于社交平台的用户匹配系统，包括：

24、获取模块，用于从预设的一个或多个数据源获取多维度的用户信息数据，并对所述用户信息数据进行预处理；

25、提取模块，用于基于预设的特征提取规则对预处理后的所述用户信息数据进行特征提取，以生成用户特征数据，并基于预设的赋权方法分别对所述用户特征数据赋予权重；

26、构建模块，用于根据各所述用户特征数据的权重及预设的模型训练方法构建针对用户的用户特征模型；

27、推荐模块，用于计算待匹配用户与其他用户之间的的所述用户特征模型的相似度，并基于预设推荐策略为所述待匹配用户推荐到达预设值的所述相似度所对应的其他用户。

28、在一个具体实施例中，所述对预处理后的所述用户信息数据进行特征提取还包括：

29、确定模块，用于确定所述用户信息数据的数据类型，不同数据类型的所述用户信息数据对应不同的特征提取方法。

30、有益效果：

31、本申请通过综合考虑用户的身份信息、兴趣爱好、社交行为等多维度特征，构建详尽准确的用户画像，并根据待匹配用户之间的用户特征模型的相似度进行匹配推荐，规避了仅依赖单一维度信息进行匹配的局限性，大幅提高了传统社交平台中进行用户匹配的精准度和可靠性，为用户提供了更符合其个性化需求的社交匹配推荐，显著提高用户的满意度和参与度。

技术特征：

1.一种基于社交平台的用户匹配方法，其特征在于，包括：

2.根据权利要求1所述的方法，其特征在于，所述用户信息数据包括：身份信息数据、和/或兴趣爱好数据、和/或在线调研数据、和/或社交平台互动数据。

3.根据权利要求1所述的方法，其特征在于，所述对预处理后的所述用户信息数据进行特征提取还包括：

4.根据权利要求1所述的方法，其特征在于，所述预设的赋权方法包括：主观赋权法、和/或客观赋权法、和/或组合赋权法。

5.根据权利要求1所述的方法，其特征在于，所述“根据各所述用户特征数据的权重及预设的模型训练方法构建针对用户的用户特征模型”具体包括：

6.根据权利要求1所述的方法，其特征在于，所述“基于预设推荐策略为所述待匹配用户推荐到达预设值的所述相似度所对应的其他用户”还包括：

7.根据权利要求1所述的方法，其特征在于，还包括：

8.根据权利要求1所述的方法，其特征在于，还包括：

9.一种基于社交平台的用户匹配系统，其特征在于，用于实现权利要求1-8任一项所述的基于社交平台的用户匹配方法，包括：

10.根据权利要求9所述的系统，其特征在于，所述对预处理后的所述用户信息数据进行特征提取还包括：

技术总结
本申请提供了一种基于社交平台的用户匹配方法及系统，包括：获取多维度的用户信息数据并进行预处理；对用户信息数据进行特征提取，以生成用户特征数据，并分别对用户特征数据赋予权重；根据各用户特征数据的权重及预设的模型训练方法构建针对用户的用户特征模型；计算待匹配用户与其他用户之间的的用户特征模型的相似度，并为待匹配用户推荐到达预设值的相似度所对应的其他用户。本申请综合考虑用户的多维度特征，构建详尽准确的用户画像，并根据待匹配用户之间的用户特征模型的相似度进行匹配推荐，规避了仅依赖单一维度信息进行匹配的局限性，大幅提高了传统社交平台中进行用户匹配的精准度和可靠性，显著提高用户的满意度和参与度。

技术研发人员：陈观平,钟鸿亮,成青衡,何国樑,蔡林,李骞,温思晴,黄晓静
受保护的技术使用者：广东一搭科技有限公司
技术研发日：
技术公布日：2025/2/20