一种基于大数据确定通信双端的通信链路建立方法
技术领域
本发明涉及云通信领域,尤其涉及一种基于大数据确定通信双端的通信链路建立方法。
背景技术
在双向选择场景中,如何精准确定两个对象,并在两个对象之中建立通信联系一直都是一个重要问题,值得不断的研究,并提升这个问题解决的完善程度。
发明内容
为了解决上述技术问题,本发明提出了一种基于大数据确定通信双端的通信链路建立方法。本发明具体是以如下技术方案实现的:
本公开提出一种基于大数据确定通信双端的通信链路建立方法,包括:
服务器基于第一推荐算法、第二推荐算法和第三推荐算法向第一客户端进行第一对象推荐,所述第一推荐算法用于基于第一客户端对应的第二对象的行为特征推荐第一目标第一对象集,所述第二推荐算法用于基于第二对象的关联社交群体推荐第二目标第一对象集,所述第三推荐算法基于第二对象个人倾向信息推荐第三目标第一对象集;
所述第一客户端用于根据第一对象推荐结果向所述服务器发布邀约申请;
所述服务器根据所述第一客户端发布的邀约申请建立所述第一客户端和第一对象持有的第二客户端的通信链路。
本发明实施例提供了一种基于大数据确定通信双端的通信链路建立方法,提升对于第二对象倾向的适应能力,连通第二对象持有的第一客户端和第一对象持有的第二客户端,便于第一对象与第二对象进行信息交互。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它附图。
图1是本发明实施例提供的一种基于大数据确定通信双端的通信链路建立方法示意图;
图2是本发明实施例提供的所述服务器基于第一推荐算法、第二推荐算法和第三推荐算法向第一客户端进行第一对象推荐流程图;
图3是本发明实施例提供的所述第二推荐算法得到第二目标第一对象集流程图;
图4是本发明实施例提供的基于所述第三推荐算法得到第三目标第一对象集流程图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分的实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
本发明实施例公开一种基于大数据确定通信双端的通信链路建立方法,如图1所示,所述方法包括:
服务器基于第一推荐算法、第二推荐算法和第三推荐算法向第一客户端进行第一对象推荐,所述第一推荐算法用于基于第一客户端对应的第二对象的行为特征推荐第一目标第一对象集,所述第二推荐算法用于基于第二对象的关联社交群体推荐第二目标第一对象集,所述第三推荐算法基于第二对象个人倾向信息推荐第三目标第一对象集;
所述第一客户端用于根据第一对象推荐结果向所述服务器发布邀约申请;
所述服务器根据所述第一客户端发布的邀约申请建立所述第一客户端和第一对象持有的第二客户端的通信链路。
本发明实施例可以被应用于双向选择场景,以教学辅导场景为例,第一客户端为学员持有的客户端,第二对象为学员,第一对象为教师,第二客户端为教师持有的客户端。在所述通信链路建立后,所述第二客户端对所述第一客户端进行教学辅导。
在一个实施例中,所述服务器基于第一推荐算法、第二推荐算法和第三推荐算法向第一客户端进行第一对象推荐,如图2所示,包括:
S101.获取所述第一客户端标识对应的行为特征。
S103.若所述行为特征为空,则基于所述第二推荐算法得到第二目标第一对象集,基于第三推荐算法得到第三目标第一对象集,将所述第二目标第一对象集和第三目标第一对象集的交集作为推荐对象向所述第一客户端进行推荐。
具体地,所述基于所述第二推荐算法得到第二目标第一对象集,如图3所示,包括:
S1031.获取所述第一客户端标识对应的第二对象的社交信息。
具体地,所述社交信息可以包括社交特征信息和社交兴趣信息,所述社交特征信息可以包括QQ好友信息,微信好友信息,QQ好友关联度信息,微信好友关联度信息;所述社交兴趣信息包括与各个QQ好友的相似兴趣以及与各个微信好友的相似兴趣。
当然,本发明实施例以QQ和微信进行举例,也可以适用于其他任何社交软件,本发明实施例对于社交软件不进行特殊限定。
S1033.根据所述社交信息得到所述社交信息对应的二值化信息。
S1035.将所述社交信息和所述二值化信息输入预设的关联社交群体捕捉模型,得到所述第一客户端标识对应的第二对象与预存的第二对象集合中的每个第二对象之间的兴趣相似度。
具体地,本发明实施例还公开一种关联社交群体捕捉模型的得到方法,包括:
S10351.基于所述预存的第二对象的社交信息得到样本集。
S10353.计算所述样本集中每对第二对象的兴趣相似度。
S10355.将所述样本集中的每个第二对象的社交信息以及其对应的二值化信息作为机器学习模型的输入,以与其它第二对象的兴趣相似度作为预测目标值进行机器学习模型的训练,得到所述关联社交群体捕捉模型。
本发明实施例中为了兼顾社交信息中的线性特征和非线性特征将社交信息及其对应的二值化信息一起作为机器学习模型的输入,是本发明实施例为了得到更为准确的兴趣相似度预测结果所进行的适应性改进。具体地,本发明实施例公开了所述二值化信息基于下述方法得到:
S1.获取预先训练得到的二值化编码树,所述二值化编码树为包括M棵子树的梯度提升迭代决策树;
S3.为二值化编码树的M个子树按序编码,每个子树的每个叶子节点具有唯一编码。
S5.将所述社交信息输入所述二值化编码树,根据所述二值化编码树中各个子树中的各个叶子节点对所述社交信息的命中情况确定所述社交信息的唯一对应的二值化编码。
以所述二值化编码树有两个子树为例,第一个子树有三个叶子节点,则分别为001,010,100;第二子树有两个叶子节点,则其分别为10,01。若一条社交信息经过所述二值化编码树后依次落在了第一个子树的第二个节点和第二个子树的第一个节点,则其对应的二值化编码为01001。
S1037.选取兴趣相似度最高的K个第二对象为目标第二对象。
S1039.将所述目标第二对象的固有感兴趣第一对象的并集作为第二目标第一对象集。
具体地,所述固有感兴趣第一对象可以由目标第二对象输入或者选择,也可以第二对象的历史第一对象推荐结果,本发明实施例不进行特殊限定。
具体地,所述基于所述第三推荐算法得到第三目标第一对象集,如图4所示,包括:
S1032.获取所述第一客户端标识对应的第二对象的个人倾向信息,所述个人倾向信息包括所述第二对象对心仪的第一对象的N个倾向属性信息。
具体地,以教学场景为例,所述倾向属性信息包括从业时间,授课课时总时长,授课总热度,授课反馈好评程度等多个可量化的倾向性数据,所述倾向性数据可以由第二对象在注册时由所述第二对象进行填写。
S1034.在预设的数据库中基于所述个人倾向信息查询符合所述个人倾向信息的第一对象信息,以得到第三目标第一对象集。
具体地,所述在预设的数据库中基于所述个人倾向信息查询符合所述个人倾向信息的第一对象信息,以得到第三目标第一对象集,包括:
S10341.将预设的数据库中的多信息数据归类为N个子集,每个多信息数据都是一条第一对象信息,所述第一对象信息包括N个倾向属性信息,其中,第i(i≤N)个子集中的多信息数据的第i(i≤N)个属性对应的属性数据的值大于其它属性对应的属性数据的值。
S10343.对所述N个子集中的多信息数据进行排序,其中,第i(i≤N)个子集按照其对应的基准属性中的属性数据的取值降序的顺序排列其中的多信息数据,其中第i(i≤N)个子集对应的基准属性为第i(i≤N)个属性。
S10345.在各个子集中查询能够控制标准多信息数据的多信息数据以得到所述子集对应的结果子集,所述标准多信息数据根据所述第一客户端标识对应的第二对象的个人倾向信息得到。
本发明实施例中对于控制关系进行定义:
当且仅当,多信息数据A的任何属性数据的值都大于等于多信息数据B的相应的属性数据的值,并且多信息数据A的任何属性数据的值不能全部等于多信息数据B的相应的属性数据的值,则称多信息数据A控制多信息数据B。
在一个优选的实施例中,可以为每个子集构建其对应B+树索引,所述索引的每个叶子节点存储有双向指针,所述双向指针用于根据所述叶子节点快速查找到其相关的上下文叶子节点,所述B+树根据所述子集的数据变动而动态自适应变动。
进一步地,还可以对于各个子集进行标记,若所述子集中不可能存在控制标准多信息数据的多信息数据,则所述子集被标记为无效子集,反之被标记为有效子集;相应的,所述在各个子集中查询能够控制所述标准多信息数据的多信息数据以得到所述子集对应的结果子集,包括:
对于各个子集,执行下述方法:
S10.获取所述子集的标记;
S20.若所述子集为有效子集,则查询能够控制所述标准多信息数据的数据以得到所述子集对应的结果子集。
具体地,本发明实施例公开为各个子集更新标记的方法,包括下述步骤:
(1)获取各个子集的最大属性值maxi和最小属性值mini,所述最大属性值为所述子集对应的B+树索引的最右值指向的多信息数据的各个属性数据中的最大值;所述最小属性值为所述子集对应的B+树索引的最右值指向的多信息数据的各个属性数据中的最小值;
(2)将各个最大属性值maxi的最大值确定为第一基准,将各个最小属性值mini的最大值确定为第二基准。
(3)对于某个子集,若其对应的最大属性值maxi小于第二基准,则所述子集被标记为无效子集。
具体地,所述查询能够控制所述标准多信息数据的数据以得到所述子集对应的结果子集,包括:
S21.初始化结果子集为空集。
S22.在所述子集提取目标多信息数据以构成目标子集,所述目标多信息数据具备的属性数据命中所述子集的标识i对应的目标数据,所述子集的标识i对应的目标数据为这样一种数据:提取所述数据库中全部数据对象的全部属性数据得到数据集,对所述数据集去除取值相同的数据后进行降序排列得到数据排序结果,所述数据排序结果中的第i个数据即为所述子集的标识i对应的目标数据。
具体地,所述在所述子集提取目标多信息数据以构成目标子集,包括:
S221.初始化目标子集为空集;将B+树索引的最右值指向的节点确定为当前节点;
S222.循环执行下述步骤:若所述子集的最大标记值maxi等于第一基准,将当前节点的多信息数据加入所述目标子集;根据所述子集的索引寻找所述当前节点的左节点,将其更新为新的当前节点,将所述子集的最大标记值maxi更新为所述当前节点的多信息数据各个属性数据中的最大值。
S23.在所述目标子集中查询能够控制标准多信息数据的多信息数据,并将所述多信息数据添加至所述结果子集。
S10347.将各个所述结果子集的并集中每条多信息数据指向的第一对象确定为第三目标第一对象集。
S105.若所述行为特征不为空,则基于所述第一推荐算法得到第一目标第一对象集,基于所述第三推荐算法得到第三目标第一对象集,将所述第一目标第一对象集和第三目标第一对象集的交集作为推荐对象向所述第一客户端进行推荐。
具体地,所述基于所述第一推荐算法得到第一目标第一对象集,包括:
S501.获取所述第一客户端标识对应的第二对象的行为特征,所述行为特征记录了所述第二对象参加的各个讨论组所对应的讨论内容的标识。
具体地,在教学场景,讨论内容是教学内容。
S502.对各个讨论内容进行热度计算,将符合预设热度要求的讨论内容确定为目标讨论内容。
具体地,所述对各个讨论内容进行热度计算,将符合预设热度要求的讨论内容确定为目标讨论内容,包括:
S5021.获取所述讨论内容相关的全部反馈内容,所述反馈内容被分布在至少一个讨论组中,每个讨论组包括一个讨论题目和至少一个组长。
S5022.根据所述全部反馈内容确定目标讨论组。
具体地,所述根据所述全部反馈内容确定目标讨论组,包括:
S50221.获取各个讨论组的标题和所述讨论组组长的属性信息。
S50222.计算各个讨论组的参与度。
具体地,所述参与度根据公式
S50223.将参与度大于预设第一阈值的讨论组确定为目标讨论组。
S5023.对于每个目标讨论组,构建其对应的讨论组图,所述讨论组图中的顶点对应于所述讨论组的成员,所述讨论组的有向边表示第一成员对第二成员的应答,所述第一成员对应所述有向边的起点,所述第二成员对应所述有向边的终点。
具体地,所述有向边表示应答的方向,所述有向边的权重表示应答的程度,所述有向边的权重与所述第一成员对第二成员的回复数量和点赞数量正相关。
S5024.计算各个讨论组图对应的讨论度。
具体地,可以根据公式
S5025.计算讨论度大于预设第二阈值的讨论组的总数。
S5026.若所述总数大于预设热度,则将所述讨论内容确定为目标讨论内容。
S503.将目标讨论内容对应的第一对象构成的集合确定为第一目标第一对象集。
在一个具体的实施例中,所述推荐结果包括多个第一对象,所述第一客户端用于获取对所述多个第一对象的选择结果,根据选择结果确定目标第一对象,根据所述目标第一对象生成邀约申请,将所述邀约申请发布至所述服务器,由所述服务器建立所述第一客户端与所述目标第一对象对应的第二客户端之间的通信链接。
在一个具体的实施例中,所述第一客户端和所述第二客户端建立通信链接之后,基于语音交互、文字交互或视频直播进行通信。
本发明实施例提供的一种基于大数据确定通信双端的通信链路建立方法,可以根据第二对象的行为特征,关联社交信息和个人倾向信息自动化为第二对象推荐第一对象,能够较大程度命中第二对象的第一对象倾向,提升对于第二对象倾向的适应能力,连通第二对象持有的第一客户端和第一对象持有的第二客户端,便于第一对象与第二对象进行信息交互。
需要说明的是:上述本发明实施例的先后顺序仅仅为了描述,不代表实施例的优劣。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
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。