[go: up one dir, main page]

CN103838834B - 一种提及推荐方法、信息处理方法及系统 - Google Patents

一种提及推荐方法、信息处理方法及系统 Download PDF

Info

Publication number
CN103838834B
CN103838834B CN201410064278.5A CN201410064278A CN103838834B CN 103838834 B CN103838834 B CN 103838834B CN 201410064278 A CN201410064278 A CN 201410064278A CN 103838834 B CN103838834 B CN 103838834B
Authority
CN
China
Prior art keywords
user
username
information
friend
mention
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201410064278.5A
Other languages
English (en)
Other versions
CN103838834A (zh
Inventor
于魁飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Zhigu Ruituo Technology Services Co Ltd
Original Assignee
Beijing Zhigu Ruituo Technology Services Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Zhigu Ruituo Technology Services Co Ltd filed Critical Beijing Zhigu Ruituo Technology Services Co Ltd
Priority to CN201410064278.5A priority Critical patent/CN103838834B/zh
Publication of CN103838834A publication Critical patent/CN103838834A/zh
Priority to US15/115,661 priority patent/US10296649B2/en
Priority to PCT/CN2015/073252 priority patent/WO2015127887A1/en
Application granted granted Critical
Publication of CN103838834B publication Critical patent/CN103838834B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9536—Search customisation based on social or collaborative filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G06F16/9535—Search customisation based on user profiles and personalisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/903—Querying
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Databases & Information Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • General Business, Economics & Management (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Primary Health Care (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Computational Linguistics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Information Transfer Between Computers (AREA)

Abstract

本申请提供了一种提及推荐方法、信息处理方法及系统，涉及社交网络领域。所述提及推荐方法包括：响应于用户在第一社交网络中输入的提及符号，获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息；根据所述第一对应关系和所述历史提及信息，将所述第一用户名集合中的至少一个第一用户名推荐给所述用户。所述信息处理方法包括：收集用户在第一社交网络及其他社交网络上或在其他社交网络上的历史提及信息；存储所述历史提及信息。所述提及推荐方法、信息处理方法及系统，能够在用户需要提及某个用户名时，更加准确的进行推荐，有利于提高用户的输入速度。

Description

一种提及推荐方法、信息处理方法及系统
技术领域
本申请涉及社交网络技术领域，尤其涉及一种提及推荐方法、信息处理方法及系统。
背景技术
提及推荐（mention suggestion）是社交网络（Social Networking）为了方便用户提及其好友而提供的一个功能，该功能给用户的大致体验如下：当用户在某一社交网络中输入提及符号（比如@），或者，在提及符号后还输入了一个不完整的用户名（比如用户名的首字母）时，社交网络根据用户在本网站的历史数据推测用户对其不同好友的亲密程度，容纳后自动推荐出多个可能的用户名，用户直接选择相应的用户名，从而提高了用户的输入速度。
然而，随着社交网络的发展，一个真实的用户通常会在多个社交网络中以不同的用户名或昵称进行注册。这样，现有社交网络仅根据本网站的历史数据给出的推荐结果，由于不能全面反映用户与不同好友的亲密程度，因此，其推荐结果往往与用户想要输入的用户名之间存在较大的差异，影响用户的输入速度。
发明内容
本申请的目的是：提供一种提及推荐方法、信息处理方法及系统，以提高推荐准确度。
为解决上述技术问题，第一方面，提供一种提及推荐方法，所述方法包括：
响应于用户在第一社交网络中输入的提及符号，获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息；其中，所述第一用户名集合包括所述用户的好友在第一社交网络中的至少一个第一用户名，所述第二用户名集合包括所述用户的所述好友在其他社交网络中的至少一个第二用户名；
根据所述第一对应关系和所述历史提及信息，将所述第一用户名集合中的至少一个第一用户名推荐给所述用户。
第二方面，提供一种提及推荐系统，所述系统包括：
一响应模块，用于响应于用户在第一社交网络中输入的提及符号，获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息；其中，所述第一用户名集合包括所述用户的好友在第一社交网络中的至少一个第一用户名，所述第二用户名集合包括所述用户的所述好友在其他社交网络中的至少一个第二用户名；
一推荐模块，用于根据所述第一对应关系和所述历史提及信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
第三方面，提供一种信息处理方法，包括：
收集用户在第一社交网络及其他社交网络上或在其他社交网络上的历史提及信息；
存储所述历史提及信息。
第四方面，提供一种信息处理系统，所述系统包括：
一收集模块，用于收集用户在第一社交网络及其他社交网络上或在其他社交网络上的历史提及信息；
一存储模块，用于存储所述历史提及信息。
本发明实施例所述提及推荐方法、信息处理方法及系统，综合考虑用户在不同社交网络上与各好友的互动数据，则可以更加全面的反映所述用户与每个好友的亲密度等信息，从而在用户需要提及某个用户名时，更加准确的进行推荐，有利于提高用户的输入速度。
附图说明
图1是本发明实施例所述提及推荐方法的流程图；
图2是本发明实施例一个实施方式中所述提及推荐方法的流程图；
图3是本发明实施例一个实施方式中所述步骤S140的流程图；
图4是本发明实施例一个实施方式中所述步骤S140的流程图；
图5是本发明实施例一个实施方式中所述提及推荐方法的流程图；
图6是本发明实施例一个实施方式中所述步骤S140’的流程图；
图7是本发明实施例一个实施方式中所述步骤S140’的流程图；
图8是本发明实施例一个实施方式中所述步骤S140’的流程图；
图9是本发明实施例一个实施方式中所述提及推荐方法的流程图；
图10是本发明实施例一个实施方式中所述步骤S140”的流程图；
图11是本发明实施例一个实施方式中所述步骤S140”的流程图；
图12是本发明实施例所述提及推荐系统的模块结构示意图；
图13是本发明实施例一个实施方式中所述提及推荐系统的模块结构示意图；
图14是本发明实施例一个实施方式中所述提及推荐系统的模块结构示意图；
图15是本发明实施例一个实施方式中所述推荐单元的模块结构示意图；
图16是本发明实施例一个实施方式中所述提及推荐系统的模块结构示意图；
图17是本发明实施例一个实施方式中所述推荐单元的模块结构示意图；
图18是本发明实施例一个实施方式中所述提及推荐系统的模块结构示意图；
图19是本发明实施例一个实施方式中所述提及推荐系统的模块结构示意图；
图20是本发明实施例一个实施方式中所述提及推荐系统的模块结构示意图；
图21是本发明实施例一个实施方式中所述提及推荐系统的模块结构示意图；
图22是本发明实施例一个实施方式中所述提及推荐系统的模块结构示意图；
图23是本发明实施例所述一种信息处理方法的流程图；
图24是本发明实施例一个实施方式中所述一种信息处理方法的流程图；
图25是本发明实施例所述信息处理系统的模块结构示意图；
图26是本发明实施例一个实施方式中所述信息处理系统的模块结构示意图；
图27是本发明一个实施例所述提及推荐设备的结构图；
图28是本发明一个实施例所述信息处理设备的结构图。
具体实施方式
下面结合附图和实施例，对本发明的具体实施方式作进一步详细说明。以下实施例用于说明本发明，但不用来限制本发明的范围。
本领域技术人员理解，在本发明的实施例中，下述各步骤的序号的大小并不意味着执行顺序的先后，各步骤的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。
另外，本发明各实施例中的“第一”、“第二”等术语仅用于区别不同步骤、设备或模块等，既不代表任何特定技术含义，也不表示它们之间的必然逻辑顺序。
本发明中的“社交网络”是指一群拥有相同兴趣与活动的人创建的在线社区，包括但不限于微博、微信、QQ空间、论坛、Facebook、Twitter、人人网、百度空间、开心网、豆瓣、百合网、知乎和51游戏社区等。
发明人在研究中发现，一个用户的好友往往会在不同的社交网络中，注册使用不同的用户名或昵称；同时，所述用户可能会与任一个好友在不同的社交网络上进行互动。因此，如果可以综合考虑所述用户在不同社交网络上与各好友的互动数据，则可以更加全面的反映所述用户与每个好友的亲密度等信息，从而在用户需要提及某个用户名时，更加准确的进行推荐，有利于提高用户的输入速度。
图1是本发明实施例所述提及推荐方法的流程图，如图1所示，所述方法包括：
S120：响应于用户在第一社交网络中输入的提及符号，获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息；其中，所述第一用户名集合包括所述用户的好友在第一社交网络中的至少一个第一用户名，所述第二用户名集合包括所述用户的所述好友在其他社交网络中的至少一个第二用户名；
S140：根据所述第一对应关系和所述历史提及信息，将所述第一用户名集合中的至少一个第一用户名推荐给所述用户。
所述方法通过考虑第一社交网络之外的其他社交网络，获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息，进而根据所述第一对应关系和所述历史提及信息向所述用户推荐相应的第一用户名，避免了单纯依靠第一社交网络导致的信息不全面，推荐准确度差的问题。
具体的，所述提及符号是表示提及某个用户名的符号，一般置于被提及的用户名的前面，比如在微博中一般使用@作为提及符号。
所述第一对应关系可以以如表1所示。其中，第一社交网络即用户当前正在输入信息的社交网络，假设用户当前正在新浪微博中输入信息，则新浪微博是所述第一社交网络。根据新浪微博中的注册用户ID，可以确定当前需要考虑所述用户的好友包括：A、B、C、D。用户在新浪微博之外的社交网络可能还存在其他好友，由于在新浪微博中不可能被提及，因此无需考虑。所述第一用户名集合可以包括：A1、B1、C1和D1。本示例中所述其他社交网络可以包括人人网、微信和QQ空间（或者可以包括三者中任意一个或两个），相应的，所述第二用户名集合可以包括：A2、B2、D2、A3、B3、C3、D3、A4、B4、C4和D4。其中，好友C未在人人网注册，无相应的用户ID。所述第一对应关系即：A1、A2、A3和A4对应同一个好友A；B1、B2、B3和B4对应同一个好友B；C1、C3和C4对应同一个好友C；D1、D2、D3和D4对应同一个好友D。本领域技术人员理解，所述第一对应关系的建立并无需真正了解好友A、B、C、D的真实身份。
表1
Figure BDA0000469484130000061
所述历史提及信息，是所述用户历史上对其好友的提及信息，比如所述用户在2010年1月1日在新浪微博留言“元旦放假几天？@B4”，该留言可以对应所述用户的一条历史提及信息。
在本发明一个实施方式中，所述第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息，可以从本地获取，比如从执行所述方法的设备的本地存储器中加载。
在本发明另一个实施方式中，所述第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息，也可以通过网络从外部获取，比如由执行所述方法的设备从云端或一网络服务器下载。
如图2所示，在本发明一个实施方式中，所述方法还可以包括：
S100：生成所述第一用户名集合与所述第二用户名集合之间的所述第一对应关系。
另外，所述方法还可以包括：
S110：收集并存储所述用户的历史提及信息。
其中，所述第一对应关系的生成，可以由所述用户手动输入完成，比如向所述用户提供类似表1（其中的用户ID空缺）的配置界面，接收用户输入信息后生成所述第一对应关系；或者，也可以采用现有技术，通过学习所述用户的提及习惯或者抓取所述用户的好友的注册信息，自动生成所述第一对应关系。
所述用户的历史提及信息可以在获取所述用户的授权后，登录相应的社交网络，从相应的网页上抓取，为了提高所述方法的执行速度，这些信息可以被预先收集并存储。根据信息类型及信息来源的不同，所述历史提及信息可以有多种情况，以下将逐一进行说明。
1）在一种实施方式中，所述历史提及信息包括：所述用户在第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在其他社交网络中对每个所述第二用户名的提及次数。
相应的，参见图3，所述步骤S140包括：
S141a：根据所述第一对应关系，所述用户在第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在其他社交网络中对每个所述第二用户名的提及次数，得到所述用户对每个好友的提及次数。
S142a：根据所述用户对每个好友的提及次数，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
其中，所述用户对某一社交网络中对某一用户名的提及次数，是所述用户在某一社交网络中对应某一用户名发布内容的次数，比如当所述用户在新浪微博中发布一条信息“@张三：元旦快乐!”时，所述用户在新浪微博中对用户名“张三”的提及次数增加1。
如表2所示，仍旧假设所述第一社交网络是新浪微博，其他社交网络包括人人网、微信和QQ空间。其中，所述用户在第一社交网络中对每个所述第一用户名的提及次数包括：对A1提及1次，对B1提及6次，对C1提及5次，对D1提及3次；所述用户在其他社交网络中对每个所述第二用户名的提及次数包括：对A2提及12次，对B2提及4次，对D2提及2次，对A3提及8次，对B3提及3次，对C3提及5次，对D3提及1次，对A4提及4次，对B4提及3次，催C4提及5次，对D4提及1次。
相应的，可以得到所述用户对好友A的提及次数为25，对好友B的提及次数为16，对好友C的提及次数为15，对好友D的提及次数为7。
表2
Figure BDA0000469484130000081
i)其中，所述步骤S142a可以包括：
将提及次数大于预定值的至少一个好友所对应的所述第一用户名推荐给所述用户。比如表2中，可以将提及次数大于15的好友所对应的第一用户名A1、B1、C1推荐给所述用户。
ii)或者，所述步骤S142a也可以包括：
根据所述用户对每个好友的提及次数，对每个好友所对应的所述第一用户名排序；
将排序后的至少一个所述第一用户名推荐给所述用户。
比如表2中，根据所述用户对每个好友的提及次数，按照提及次数从高到低对每个好友所对应的所述第一用户名排序如下：A1、C1、B1、D1。然后，可以将A1、C1、B1、D1依序推荐给所述用户，当所述第一用户名较多时，可以仅推荐排名靠前的前几个，比如前5个。
相比现有技术，本实施方式综合考虑所述用用户在第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在其他社交网络中对每个所述第二用户名的提及次数，能够更加全面的反映所述用户与其好友之间的亲密程度，从而在用户需要提及某个用户名时，更加准确的进行推荐，有利于提高用户的输入速度。
2）在一种实施方式中，所述历史提及信息包括：所述用户在其他社交网络中对每个所述第二用户名的提及次数。
相应的，参见图4，所述步骤S140包括：
S141b：根据所述第一对应关系，所述用户在其他社交网络中对每个所述第二用户名的提及次数，得到所述用户在其他社交网络上对每个好友的提及次数；
S142b：根据所述用户在其他社交网络上对每个好友的提及次数，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
如表3所示，仍旧假设所述第一社交网络是新浪微博，其他社交网络包括人人网、微信和QQ空间。根据表3中数据，可以得到所述用户在其他社交网络上对好友A的提及次数为24，在其他社交网络上对好友B的提及次数为10，在其他社交网络上对好友C的提及次数为10，在其他社交网络上对好友D的提及次数为4。
表3
Figure BDA0000469484130000101
i)其中，所述步骤S142b可以包括：
将提及次数大于预定值的至少一个好友所对应的所述第一用户名推荐给所述用户。比如，可以将提及次数大于15的好友所对应的第一用户名A1推荐给所述用户。
ii)或者，所述步骤S142b也可以包括：
根据所述用户在其他社交网络上对每个好友的提及次数，对每个好友所对应的所述第一用户名排序；
将排序后的至少一个所述第一用户名推荐给所述用户。
比如表3中，根据所述用户在其他社交网络上对每个好友的提及次数，按照提及次数从高到低对每个好友所对应的所述第一用户名排序如下：A1、B1、C1、D1。然后，可以将A1、B1、C1、D1依序推荐给所述用户，当所述第一用户名较多时，可以仅推荐排名靠前的前几个，比如前5个。
相比上一实施方式，本实施方式中的历史提及信息仅考虑所述用户在其他社交网络上对每个好友的提及次数，而未考虑所述用户在当前社交网络上对每个好友的提及次数，主要适用于所述用户在所述第一社交网络上历史提及信息较少或者所述用户新近在所述第一社交网络上注册的情况。
3)在一种实施方式中，所述历史提及信息可以包括：所述用户在第一社交网络和其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系。
或者，所述历史提及信息可以包括：所述用户在其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系。
后一种情况，不考虑所述用户在第一社交网络上的历史发布内容与历史提及用户名之间的对应关系，主要适用于所述用户在第一社交网络上历史提及信息较少或者所述用户新近在所述第一社交网络上注册的情况。前述两种情况在本实施方式中的实现原理相类似，简单起见，以下仅就前一种情况进行详细说明。
其中，所述历史发布内容是所述用户历史上发布的信息中除用户名及提及符号外的部分。如表4所示，比如所述用户之前在新浪微博中发布了“今年元旦怎么放假？@A1”，则所述历史提及信息包括：历史发布内容“今年元旦怎么放假？”与历史提及用户名“A1”之间的第二对应关系。其中，表4中“关键词”一栏，可以在后续步骤（形成所述第三对应关系时）中根据需要进行提取。本领域技术人员理解，一个历史发布内容可能对应多个历史提及用户名，一个历史提及用户名也可能对应多个历史发布内容。
表4
历史发布内容 历史提及用户名 关键词
今年元旦怎么放假？ A1 元旦、放假
这个专利不错。 B2 专利
周末去哪玩？ A3 周末、玩
晚饭吃什么？ C3 晚饭
这周去爬长城吧。 A1 爬长城
青岛海边景色不错。 A4 海边
申请报告完成了吗？ B1 报告
周一的会议几点开？ B2 会议
下班去图书馆吧。 D3 下班、图书馆
到家了吗？ C4 到家
我们在黄山山顶。 A2 山顶
山顶景色真好！ A1、C1 山顶
如图5所示，当利用所述第二对应关系向所述用户推荐相应的第一用户名时，所述方法还包括：
S130a：获取所述用户的当前输入信息。
其中，所述用户的当前输入信息可以包括：当前发布内容。
此时，所述步骤S140可以包括：
S140’：根据所述第一对应关系和所述历史提及信息，以及所述用户的当前输入信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
i)相应的，在一种可选的实施方式中，如图6所示，所述步骤S140’可以进一步包括：
S141a’：根据所述第一对应关系和所述第二对应关系，得到所述用户的好友与发布内容的关键词之间的第三对应关系；
S142a’：提取当前发布内容的关键词，根据当前发布内容的关键词和所述第三对应关系，得到至少一个候选好友；
S143a’：将所述至少一个候选好友所对应第一用户名推荐给所述用户。
所述第三对应关系反映的是所述用户的好友与相应发布内容的关键词之间的对应关系，比如根据表1和表4可以得到如表5所示的第三对应关系（前两列）。通过对表5中的关键词进行分析，可以得到第三列，即好友A与户外活动相关，好友B与工作相关，好友C与家庭和户外都相关，好友D与学习相关。
表5
Figure BDA0000469484130000131
假设所述用户当前在新浪微博上已经输入信息“花了两个小时终于到达了山顶！@”，从当前发布内容“终于到达了山顶！”可以提取关键词“山顶”，将从当前发布内容提取的关键词与表5中的关键词进行匹配，可以得到候选好友A和C，进而可以将第一用户名A1和C1推荐给所述用户。
如表5所示，所述第三对应关系中，还可以根据不同类别关键词的出现频率，统计得到每个好友与每类关键词的相关度。比如表5中，好友A与户外活动类关键词的相关度为100%；好友C与家庭类关键词的相关度为67%，与户外活动类关键词的相关度为33%。结合所述用户当前发布内容的关键词，可以判断所述用户当前提及A1的概率明显大于C1，因此，可以优先推荐A1。
ii)在一种可选实施方式中，所述用户的当前输入信息还可以包括：所述第一用户名的前缀。比如所述用户当前在新浪微博上已经输入信息“花了两个小时终于到达了山顶！@g”，这时根据所述第一用户名前缀g也可以对所述第一用户名集合进行筛选。也就是说，可以根据所述用户的当前发布内容和所述第一用户名前缀对所述第一用户名集合进行两次筛选，以进一步提高推荐的准确度。
具体的，如图7所示，所述步骤S140’可以进一步包括：
S141b’：根据所述第一用户名的前缀得到候选第一用户名集合；
S142b’：根据所述第一对应关系和所述第二对应关系，得到所述用户的好友与发布内容的关键词之间的第三对应关系；
S143b’：提取当前发布内容的关键词，根据当前发布内容的关键词和所述第三对应关系，得到至少一个候选好友；
S144b’：根据所述至少一个候选好友，从所述候选第一用户名集合中筛选得到候选第一用户名子集；
S145b’：将所述候选第一用户名子集中的至少一个第一用户名推荐给所述用户。
iii)在另一种可选实施方式中，除所述第二对应关系外，所述历史提及信息还可以同时包括：所述用户在第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在其他社交网络中对每个所述第二用户名的提及次数。
或者，除所述第二对应关系外，所述历史提及信息还同时包括：所述用户在其他社交网络中对每个所述第二用户名的提及次数。由于两种情况相类似，简单起见，以下仅就前一种情况进行详细说明。
如果所述历史提及信息还同时包括：所述用户在第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在其他社交网络中对每个所述第二用户名的提及次数，如图8所示，则所述步骤S140’可以进一步包括：
S141c’：根据所述第一对应关系和所述第二对应关系，得到所述用户的好友与发布内容的关键词之间的第三对应关系；
S142c’：提取当前发布内容的关键词，根据当前发布内容的关键词和所述第三对应关系，得到至少一个候选好友；
S143c’：根据所述第一对应关系，所述用户在第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在其他社交网络中对每个所述第二用户名的提及次数，得到所述用户对每个所述候选好友的提及次数；
S144c’：根据所述用户对每个所述候选好友的提及次数，将所述至少一个候选好友中至少一个所对应的所述第一用户名推荐给所述用户。
比如，所述步骤S142c’中，根据表1、表4、表5得到候选好友A和C，步骤S143c’中得到所述用户对A的提及次数为6，对C的提及次数为3，按照提及次数由高到低，可以将A1、C1依次推荐给所述用户。
4）在本发明一种实施方式中，所述历史提及信息可以包括：所述用户在第一社交网络和其他社交网络上的历史发布内容的环境信息与历史提及用户名之间的第四对应关系。
或者，所述历史提及信息可以包括：所述用户在其他社交网络上的历史发布内容的环境信息与历史提及用户名之间的第四对应关系。
后一种情况，不考虑所述用户在第一社交网络上的历史发布内容的环境信息与历史提及用户名之间的对应关系，主要适用于所述用户在第一社交网络上历史提及信息较少或者所述用户新近在所述第一社交网络上注册的情况。前述两种情况在本实施方式中的实现原理相类似，简单起见，以下仅就前一种情况进行详细说明。
其中，所述环境信息可以包括：所述用户的身体状况信息、心理状况信息、周围环境状况信息中至少一项。所述历史发布内容的环境信息是所述用户发布所述历史发布内容时的环境信息。所述身体状况信息包括：心率、血压、血脂、脑电、身体某部位的运动状态等，该类信息一般可以通过相应的传感器检测得到。所述心理状况信息包括：心理情绪等信息，该类信息可以通过采集所述用户的表情得到。所述周围环境信息包括：时间、位置、亮度、温度、湿度等信息，该类信息也可以通过相应传感器得到。如表6所示，比如所述用户之前在微信中发布了一条信息并且提及了C3和D3，则所述历史提及信息包括该条信息发布时的环境信息：某个工作日上午10点、办公室；同时，所述历史提及信息还包括该条信息发布时提及的用户名C3和D3。其中，表6中“环境信息的属性”一栏，可以在后续步骤（形成所述第五对应关系时）中根据需要进行提取。本领域技术人员理解，一个历史发布内容的环境信息可能对应多个历史提及用户名，一个历史提及用户名也可能对应多个历史发布内容的环境信息。
表6
Figure BDA0000469484130000161
如图9所示，当利用所述第四对应关系向所述用户推荐所述第一用户名时，所述方法还包括：
S130b：获取所述用户当前的环境信息。
相应的，所述步骤S140包括：
S140”：根据所述第一对应关系和所述历史提及信息，以及所述用户当前的环境信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
i)具体的，如图10所示，在一种可选的实施方式中，所述步骤S140”可以进一步包括：
S141a”：根据所述第一对应关系和所述第四对应关系，得到所述用户的好友与环境信息的属性之间的第五对应关系；
S142a”：提取当前环境信息的属性，根据当前的环境信息的属性和所述第五对应关系，得到至少一个候选好友；
S143a”：将所述至少一个候选好友对应的所述第一用户名推荐给所述用户。
所述第五对应关系反映的是所述用户的好友与环境信息的属性之间的对应关系，比如根据表1和表6可以得到如表7所示的对五对应关系。根据表7可以看到，好友A对应的环境信息的属性为（假日、户外），好友B对应的环境信息的属性为（工作日下班时间、家里），好友C对应的环境信息的属性为（工作日工作时间、办公室、剧烈运动、高兴），好友D对应的环境信息的属性为（工作日工作时间、办公室、兴奋）。
表7
Figure BDA0000469484130000171
假设所述用户当前在新浪微博上将要发布一条信息，这时通过相应的传感器获取当前的环境信息包括：时间为2013年2月18日上午10点，位置为办公室。提取得到当前环境信息的属性为（工作日工作时间、办公室），进而根据所述第五对应关系，可以匹配得到候选好友为C和D，因此，可以将第一用户名C1和D1推荐给所述用户。
ii)在另一种可选的实施方式中，除所述第四对应关系外，所述历史提及信息还可以同时包括：所述用户在第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在其他社交网络中对每个所述第二用户名的提及次数。
或者，除所述第二对应关系外，所述历史提及信息还同时包括：所述用户在其他社交网络中对每个所述第二用户名的提及次数。由于两种情况相类似，简单起见，以下仅就前一种情况进行详细说明。
如果所述历史提及信息还同时包括：所述用户在第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在其他社交网络中对每个所述第二用户名的提及次数，如图11所示，则所述步骤S140”可以进一步包括：
S141b”：根据所述第一对应关系和所述第四对应关系，得到所述用户的好友与环境信息的属性之间的第五对应关系；
S142b”：提取当前的环境信息的属性，根据当前的环境信息的属性和所述第五对应关系，得到至少一个候选好友；
S143b”：根据所述用户在第一社交网络中对所述第一用户名的提及次数，所述用户在其他社交网络中对所述第二用户名的提及次数，以及所述第一对应关系，得到所述用户对每个所述候选好友的提及次数；
S144b”：根据所述用户对每个所述候选好友的提及次数，将所述至少一个候选好友中至少一个所对应的所述第一用户名推荐给所述用户。
比如，所述步骤S142b”中，根据表1、表6、表7得到候选好友C和D，步骤S143b”中得到所述用户对C的提及次数为3，对D的提及次数为1，按照提及次数由高到低，可以将C1、D1依次推荐给所述用户。
本领域技术人员理解，本实施方式所述方法还可以同时根据所述用户在第一社交网络和其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系（或所述用户在其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系），向所述用户推荐相应的所述第一用户名，以进一步提高推荐的准确度。
图12是本发明实施例所述提及推荐系统的模块结构示意图，所述提及推荐系统1200可以应用个人电脑、平板电脑、智能手机、智能穿戴设备等终端。
如图12所示，所述系统1200包括：
一响应模块1210，用于响应于用户在第一社交网络中输入的提及符号，获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息；其中，所述第一用户名集合包括所述用户的好友在第一社交网络中的至少一个第一用户名，所述第二用户名集合包括所述用户的所述好友在其他社交网络中的至少一个第二用户名；
一推荐模块1220，用于根据所述第一对应关系和所述历史提及信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
其中，所述响应模块1210可以用于从本地获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息，或者，所述响应模块1210可以用于通过网络从外部获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息。
如图13所示，在本发明一种实施方式中，所述系统还可以包括：
一生成模块1230，用于生成所述第一用户名集合与所述第二用户名集合之间的所述第一对应关系。
一收集存储模块1240，用于收集并存储所述用户的历史提及信息。
根据所述历史提及信息的信息类型和数据源的不同，所述响应模块1210和所述推荐模块1220可以有多种不同的实现方式，以下将逐一进行说明。
1）如图14所示，在本发明一种实施方式中，所述响应模块1210可以包括：
一历史提及信息获取单元1211a，用于获取所述用户在第一社交网络中对每个所述第一用户名的提及次数以及所述用户在其他社交网络中对每个所述第二用户名的提及次数，作为所述历史提及信息。
所述推荐模块1220可以包括：
一处理单元1221a，用于根据所述第一对应关系，所述用户在第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在其他社交网络中对每个所述第二用户名的提及次数，得到所述用户对每个好友的提及次数；
一推荐单元1222a，用于根据所述用户对每个好友的提及次数，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
其中，所述推荐单元，用于将提及次数大于预定值的至少一个好友所对应的所述第一用户名推荐给所述用户。
或者，如图15所示，所述推荐单元1222a进一步包括：
一排序子单元12221a，用于根据所述用户对每个好友的提及次数，对每个好友所对应的所述第一用户名排序；
一推荐子单元12222a，用于将排序后的至少一个所述第一用户名推荐给所述用户。
2）如图16所示，在本发明一个实施方式中，所述响应模块1210可以包括：
一历史提及信息获取单元1211b，用于获取所述用户在其他社交网络中对每个所述第二用户名的提及次数，作为所述历史提及信息。
所述推荐模块1220包括：
一处理单元1221b，用于根据所述第一对应关系，所述用户在其他社交网络中对每个所述第二用户名的提及次数，得到所述用户在其他社交网络上对每个好友的提及次数；
一推荐单元1222b，用于根据所述用户在其他社交网络上对每个好友的提及次数，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
其中，所述推荐单元1222b，用于将提及次数大于预定值的至少一个好友所对应的所述第一用户名推荐给所述用户。
或者，如图17所示，所述推荐单元1222b包括：
一排序子单元12221b，用于根据所述用户在其他社交网络上对每个好友的提及次数，对每个好友所对应的所述第一用户名排序；
一推荐子单元12222b，用于将排序后的至少一个所述第一用户名推荐给所述用户。
3）如图18和19所示，在本发明一个实施方式中，所述响应模块1210可以包括：
一历史提及信息获取单元1211c，用于获取所述用户在第一社交网络和其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系，作为所述历史提及信息。
本领域技术人员理解，所述历史提及信息获取单元1211c，也可以用于获取所述用户在其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系，作为所述历史提及信息，该种情况与本实施方式相类似，将不再单独说明。
本实施方式中，所述系统1200还包括：
一当前输入信息获取模块1250，用于获取所述用户的当前输入信息。
并且，所述推荐模块1220用于根据所述第一对应关系和所述历史提及信息，以及所述用户的当前输入信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
i)参见图18，在一种可选的实施方式中，所述推荐模块1220可以包括：
一第一处理单元1221c，用于根据所述第一对应关系和所述第二对应关系，得到所述用户的好友与发布内容的关键词之间的第三对应关系；
一第二处理单元1222c，用于从所述用户的当前输入信息中提取当前发布内容的关键词，根据当前发布内容的关键词和所述第三对应关系，得到至少一个候选好友；
一推荐单元1223c，用于将所述至少一个候选好友所对应第一用户名推荐给所述用户。
ii)或者，参见图19，在另一可选实施方式中，所述推荐模块1220可以包括：
一第一处理单元1221d，用于根据所述第一对应关系和所述第二对应关系，得到所述用户的好友与发布内容的关键词之间的第三对应关系；
一第二处理单元1222d，用于从所述用户的当前输入信息中提取当前发布内容的关键词，根据当前发布内容的关键词和所述第三对应关系，得到至少一个候选好友；
一第三处理单元1223d，用于从所述用户的当前输入信息中提取第一用户名的前缀，根据所述第一用户名的前缀得到候选第一用户名集合；
一第四处理单元1224d，用于根据所述至少一个候选好友，从所述候选第一用户名集合中筛选得到候选第一用户名子集；
一推荐单元1225d，用于将所述候选第一用户名子集中的至少一个第一用户名推荐给所述用户。
iii)或者，在另一可选实施方式中，所述历史提及信息获取单元1211c，还用于获取所述用户在第一社交网络中对每个所述第一用户名的提及次数以及所述用户在其他社交网络中对每个所述第二用户名的提及次数，作为所述历史提及信息。
本领域技术人员理解，所述历史提及信息获取单元1211c还可以仅用于获取所述用户在其他社交网络中对每个所述第二用户名的提及次数作为所述历史提及信息，该情况与本可选实施方式相类似，因此不再单独说明。
参见图20，本可选实施方式中，所述推荐模块包括：
一第一处理单元1221e，用于根据所述第一对应关系和所述第二对应关系，得到所述用户的好友与发布内容的关键词之间的第三对应关系；
一第二处理单元1222e，用于从所述用户的当前输入信息中提取当前发布内容的关键词，根据当前发布内容的关键词和所述第三对应关系，得到至少一个候选好友；
一第三处理单元1223e，用于根据所述第一对应关系，所述用户在第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在其他社交网络中对每个所述第二用户名的提及次数，得到所述用户对每个所述候选好友的提及次数；
一推荐单元1224e，用于根据所述用户对每个所述候选好友的提及次数，将所述至少一个候选好友中至少一个所对应的所述第一用户名推荐给所述用户。
3）如图21和22所示，在本发明一个实施方式中，所述响应模块1210包括：
一历史提及信息获取单元1211f，用于获取所述用户在第一社交网络和其他社交网络上的历史发布内容的环境信息与历史提及用户名之间的第四对应关系，作为所述历史提及信息。
本领域技术人员理解，所述历史提及信息获取单元1211f还可以用于获取所述用户在其他社交网络上的历史发布内容的环境信息与历史提及用户名之间的第四对应关系，作为所述历史提及信息，该情况与本实施方式相类似，因此不再单独说明。
本实施方式中，所述系统1200还包括：
一环境信息获取模块1260，用于获取所述用户当前的环境信息。
并且，所述推荐模块1220，用于根据所述第一对应关系和所述历史提及信息，以及所述用户当前的环境信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
i)参见图21，在一种可选的实施方式中，所述推荐模块1220包括：
一第一处理单元1221f，用于根据所述第一对应关系和所述第四对应关系，得到所述用户的好友与环境信息的属性之间的第五对应关系；
一第二处理单元1222f，用于提取当前的环境信息的属性，根据当前的环境信息的属性和所述第五对应关系，得到至少一个候选好友；
一推荐单元1223f，用于将所述至少一个候选好友对应的所述第一用户名推荐给所述用户。
ii)参见图22，在另一种可选的实施方式中，所述历史提及信息获取单元1211f，还用于获取所述用户在第一社交网络中对每个所述第一用户名的提及次数以及所述用户在其他社交网络中对每个所述第二用户名的提及次数，作为所述历史提及信息。
本领域技术人员理解，历史提及信息获取单元1211f还可以仅用于获取所述用户在其他社交网络中对每个所述第二用户名的提及次数作为所述历史提及信息，该情况与本可选实施方式相类似，因此不再单独说明。
本可选实施方式中，所述推荐模块1220包括：
一第一处理单元1221g，用于根据所述第一对应关系和所述第四对应关系，得到所述用户的好友与环境信息的属性之间的第五对应关系；
一第二处理单元1222g，用于提取当前的环境信息的属性，根据当前的环境信息的属性和所述第五对应关系，得到至少一个候选好友；
一第三处理单元1223g，用于根据所述用户在第一社交网络中对所述第一用户名的提及次数，所述用户在其他社交网络中对所述第二用户名的提及次数，以及所述第一对应关系，得到所述用户对每个所述候选好友的提及次数；
一推荐单元1224g，用于根据所述用户对每个所述候选好友的提及次数，将所述至少一个候选好友中至少一个所对应的所述第一用户名推荐给所述用户。
本领域技术人员理解，本实施方式所述系统还可以在增加相应功能模块后，同时根据所述用户在第一社交网络和其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系（或所述用户在其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系），向所述用户推荐相应的所述第一用户名，以进一步提高推荐的准确度。
图23是本发明实施例所述一种信息处理方法的流程图，如图23所示，所述方法包括：
S2310：收集用户在第一社交网络及其他社交网络上或在其他社交网络上的历史提及信息；
S2320：存储所述历史提及信息。
具体的，在一种实施方式中，所述历史提及信息包括：所述用户在第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在其他社交网络中对每个所述第二用户名的提及次数，或者，
包括：所述用户在其他社交网络中对每个所述第二用户名的提及次数。
在另一种实施方式中，所述历史提及信息包括：所述用户在第一社交网络和其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系，或者，
包括：所述用户在其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系。
在另一种实施方式中，所述历史提及信息包括：所述用户在第一社交网络和其他社交网络的历史发布内容的环境信息与历史提及用户名之间的第四对应关系，或者，
包括：所述用户在其他社交网络的历史发布内容的环境信息与历史提及用户名之间的第四对应关系。
参见图24，在本发明一种实施方式中，所述方法还可以包括：
S2330：生成第一用户名集合与第二用户名集合之间的第一对应关系。
其中，所述第一用户名集合包括所述用户的好友在所述第一社交网络中的至少一个第一用户名，所述第二用户名集合包括所述用户的好友在所述其他社交网络中的至少一个第二用户名。
图25是本发明实施例所述信息处理系统的模块结构示意图，如图25所示，所述系统2500包括：
一收集模块2510，用于收集用户在第一社交网络及其他社交网络上或仅在其他社交网络上的历史提及信息；
一存储模块2520，用于存储所述历史提及信息。
所述信息处理系统2500可以应用在个人电脑、平板电脑、智能手机等终端，也可以应用在智能穿戴设备，比如智能手环。假设所述信息处理系统2500应用于智能手环，则用户在任一电子设备上登录其社交网络时，该电子设备均可以通过与所述智能手环交互，以获取所述历史提及信息，进而准确的向所述用户推荐相应的第一用户名。
参见图26，在本发明一种实施方式中，所述系统2500还可以包括：
一生成模块2530，用于生成第一用户名集合与第二用户名集合之间的第一对应关系，其中，所述第一用户名集合包括所述用户的好友在所述第一社交网络中的至少一个第一用户名，所述第二用户名集合包括所述用户的好友在所述其他社交网络中的至少一个第二用户名。
本发明一个实施例所述提及推荐设备的结构如图27所示。本发明具体实施例并不对所述提及推荐设备的具体实现做限定，参见图27，所述提及推荐设备2700可以包括：
处理器(processor)2710、通信接口(Communications Interface)2720、存储器(memory)2730，以及通信总线2740。其中：
处理器2710、通信接口2720，以及存储器2730通过通信总线2740完成相互间的通信。
通信接口2720，用于与其他网元通信。
处理器2710，用于执行程序2732，具体可以执行上述图1至图12所示的方法实施例中的相关步骤。
具体地，程序2732可以包括程序代码，所述程序代码包括计算机操作指令。
处理器2710可能是一个中央处理器CPU，或者是特定集成电路ASIC（ApplicationSpecific Integrated Circuit），或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器2730，用于存放程序2732。存储器2730可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。程序2732具体可以执行以下步骤：
响应于用户在第一社交网络中输入的提及符号，获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息；其中，所述第一用户名集合包括所述用户的好友在第一社交网络中的至少一个第一用户名，所述第二用户名集合包括所述用户的所述好友在其他社交网络中的至少一个第二用户名；
根据所述第一对应关系和所述历史提及信息，将所述第一用户名集合中的至少一个第一用户名推荐给所述用户。
程序2732中各步骤的具体实现可以参见上述实施例中的相应步骤或模块，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。
本发明另一实施例所述信息处理设备的结构如图28所示。本发明具体实施例并不对所述信息处理设备的具体实现做限定，参见图28，所述穿戴式设备2800可以包括：
处理器(processor)2810、通信接口(Communications Interface)2820、存储器(memory)2830，以及通信总线2840。其中：
处理器2810、通信接口2820，以及存储器2830通过通信总线2840完成相互间的通信。
通信接口2820，用于与其他网元通信。
处理器2810，用于执行程序2832，具体可以执行上述图9所示的方法实施例中的相关步骤。
具体地，程序2832可以包括程序代码，所述程序代码包括计算机操作指令。
处理器2810可能是一个中央处理器CPU，或者是特定集成电路ASIC（ApplicationSpecific Integrated Circuit），或者是被配置成实施本发明实施例的一个或多个集成电路。
存储器2830，用于存放程序2832。存储器2830可能包含高速RAM存储器，也可能还包括非易失性存储器（non-volatile memory），例如至少一个磁盘存储器。程序2832具体可以执行以下步骤：
收集用户在第一社交网络及其他社交网络上或在其他社交网络上的历史提及信息；
存储所述历史提及信息。
程序2832中各步骤的具体实现可以参见上述实施例中的相应步骤或模块，在此不赘述。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的设备和模块的具体工作过程，可以参考前述方法实施例中的对应过程描述，在此不再赘述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及方法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，控制器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（ROM，Read-Only Memory）、随机存取存储器（RAM，Random Access Memory）、磁碟或者光盘等各种可以存储程序代码的介质。
以上实施方式仅用于说明本发明，而并非对本发明的限制，有关技术领域的普通技术人员，在不脱离本发明的精神和范围的情况下，还可以做出各种变化和变型，因此所有等同的技术方案也属于本发明的范畴，本发明的专利保护范围应由权利要求限定。

Claims (48)

1.一种提及推荐方法，其特征在于，所述方法包括：
响应于用户在第一社交网络中输入的提及符号，获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息；其中，所述第一用户名集合包括所述用户的好友在第一社交网络中的至少一个第一用户名，所述第二用户名集合包括所述用户的所述好友在其他社交网络中的至少一个第二用户名；所述历史提及信息包括：所述用户在所述第一社交网络和所述其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系，或者，包括：所述用户在所述其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系；
获取所述用户的当前输入信息，所述用户的当前输入信息包括：当前发布内容；
根据所述第一对应关系和所述历史提及信息，将所述第一用户名集合中的至少一个第一用户名推荐给所述用户；
所述根据所述第一对应关系和所述历史提及信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户，包括：
根据所述第一对应关系和所述历史提及信息，以及所述用户的当前输入信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户；
所述根据所述第一对应关系和所述历史提及信息，以及所述用户的当前输入信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户，包括：
根据所述第一对应关系和所述第二对应关系，得到所述用户的所述好友与发布内容的关键词之间的第三对应关系；
提取当前发布内容的关键词，根据当前发布内容的关键词和所述第三对应关系，得到至少一个候选好友；
将所述至少一个候选好友所对应第一用户名推荐给所述用户。
2.如权利要求1所述的方法，其特征在于，所述获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息包括：
从本地获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息。
3.如权利要求1所述的方法，其特征在于，所述获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息包括：
通过网络从外部获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息。
4.如权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：
生成所述第一用户名集合与所述第二用户名集合之间的所述第一对应关系。
5.如权利要求1至3任一项所述的方法，其特征在于，所述方法还包括：
收集并存储所述用户的历史提及信息。
6.如权利要求1至3任一项所述的方法，其特征在于，所述历史提及信息包括：所述用户在所述第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在所述其他社交网络中对每个所述第二用户名的提及次数。
7.如权利要求6所述的方法，其特征在于，所述根据所述第一对应关系和所述历史提及信息，将所述第一用户名集合中的至少一个第一用户名推荐给所述用户包括：
根据所述第一对应关系，所述用户在所述第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在所述其他社交网络中对每个所述第二用户名的提及次数，得到所述用户对每个所述好友的提及次数；
根据所述用户对每个所述好友的提及次数，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
8.如权利要求7所述的方法，其特征在于，所述根据所述用户对每个所述好友的提及次数，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户包括：
将提及次数大于预定值的至少一个所述好友所对应的所述第一用户名推荐给所述用户。
9.如权利要求7所述的方法，其特征在于，所述根据所述用户对每个所述好友的提及次数，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户包括：
根据所述用户对每个所述好友的提及次数，对每个所述好友所对应的所述第一用户名排序；
将排序后的至少一个所述第一用户名推荐给所述用户。
10.如权利要求1至3任一项所述的方法，其特征在于，所述历史提及信息包括：所述用户在所述其他社交网络中对每个所述第二用户名的提及次数。
11.如权利要求10所述的方法，其特征在于，所述根据所述第一对应关系和所述历史提及信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户包括：
根据所述第一对应关系，所述用户在所述其他社交网络中对每个所述第二用户名的提及次数，得到所述用户在所述其他社交网络上对每个所述好友的提及次数；
根据所述用户在所述其他社交网络上对每个所述好友的提及次数，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
12.如权利要求11所述的方法，其特征在于，所述根据所述用户在所述其他社交网络上对每个所述好友的提及次数，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户包括：
将提及次数大于预定值的至少一个所述好友所对应的所述第一用户名推荐给所述用户。
13.如权利要求11所述的方法，其特征在于，所述根据所述用户在其他社交网络上对每个所述好友的提及次数，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户包括：
根据所述用户在所述其他社交网络上对每个所述好友的提及次数，对每个所述好友所对应的所述第一用户名排序；
将排序后的至少一个所述第一用户名推荐给所述用户。
14.如权利要求1所述的方法，其特征在于，所述用户的当前输入信息还包括：所述第一用户名的前缀。
15.如权利要求14所述的方法，其特征在于，根据所述第一对应关系和所述历史提及信息，以及所述用户的当前输入信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户包括：
根据所述第一用户名的前缀得到候选第一用户名集合；
根据所述第一对应关系和所述第二对应关系，得到所述用户的所述好友与发布内容的关键词之间的第三对应关系；
提取当前发布内容的关键词，根据当前发布内容的关键词和所述第三对应关系，得到至少一个候选好友；
根据所述至少一个候选好友，从所述候选第一用户名集合中筛选得到候选第一用户名子集；
将所述候选第一用户名子集中的至少一个第一用户名推荐给所述用户。
16.如权利要求1所述的方法，所述历史提及信息还包括：所述用户在所述第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在所述其他社交网络中对每个所述第二用户名的提及次数。
17.如权利要求16所述的方法，其特征在于，所述根据所述第一对应关系和所述历史提及信息，以及所述用户的当前输入信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户包括：
根据所述第一对应关系和所述第二对应关系，得到所述用户的所述好友与发布内容的关键词之间的第三对应关系；
提取当前发布内容的关键词，根据当前发布内容的关键词和所述第三对应关系，得到至少一个候选好友；
根据所述第一对应关系，所述用户在所述第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在所述其他社交网络中对每个所述第二用户名的提及次数，得到所述用户对每个所述候选好友的提及次数；
根据所述用户对每个所述候选好友的提及次数，将所述至少一个候选好友中至少一个所对应的所述第一用户名推荐给所述用户。
18.如权利要求1所述的方法，其特征在于，所述历史提及信息包括：所述用户在所述第一社交网络和所述其他社交网络上的历史发布内容的环境信息与历史提及用户名之间的第四对应关系。
19.如权利要求1所述的方法，其特征在于，所述历史提及信息包括：所述用户在所述其他社交网络上的历史发布内容的环境信息与历史提及用户名之间的第四对应关系。
20.如权利要求18或19所述的方法，其特征在于，所述方法还包括：
获取所述用户当前的环境信息。
21.如权利要求20所述的方法，其特征在于，所述根据所述第一对应关系和所述历史提及信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户包括：
根据所述第一对应关系和所述历史提及信息，以及所述用户当前的环境信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
22.如权利要求21所述的方法，其特征在于，所述根据所述第一对应关系和所述历史提及信息，以及所述用户当前的环境信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户包括：
根据所述第一对应关系和所述第四对应关系，得到所述用户的所述好友与环境信息的属性之间的第五对应关系；
提取当前的环境信息的属性，根据当前的环境信息的属性和所述第五对应关系，得到至少一个候选好友；
将所述至少一个候选好友对应的所述第一用户名推荐给所述用户。
23.如权利要求21所述的方法，其特征在于，所述历史提及信息还包括：所述用户在所述第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在所述其他社交网络中对每个所述第二用户名的提及次数。
24.如权利要求23所述的方法，其特征在于，所述根据所述第一对应关系和所述历史提及信息，以及所述用户当前的环境信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户包括：
根据所述第一对应关系和所述第四对应关系，得到所述用户的所述好友与环境信息的属性之间的第五对应关系；
提取当前的环境信息的属性，根据当前的环境信息的属性和所述第五对应关系，得到至少一个候选好友；
根据所述用户在所述第一社交网络中对所述第一用户名的提及次数，所述用户在所述其他社交网络中对所述第二用户名的提及次数，以及所述第一对应关系，得到所述用户对每个所述候选好友的提及次数；
根据所述用户对每个所述候选好友的提及次数，将所述至少一个候选好友中至少一个所对应的所述第一用户名推荐给所述用户。
25.如权利要求18或19所述的方法，其特征在于，所述环境信息包括：所述用户的身体状况信息、心理状况信息、周围环境状况信息中至少一项。
26.一种提及推荐系统，其特征在于，所述系统包括：
一响应模块，用于响应于用户在第一社交网络中输入的提及符号，获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息；其中，所述第一用户名集合包括所述用户的好友在第一社交网络中的至少一个第一用户名，所述第二用户名集合包括所述用户的所述好友在其他社交网络中的至少一个第二用户名；所述响应模块包括：一历史提及信息获取单元，用于获取所述用户在所述第一社交网络和所述其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系，作为所述历史提及信息，或者，用于获取所述用户在所述其他社交网络上的历史发布内容与历史提及用户名之间的第二对应关系，作为所述历史提及信息；
一当前输入信息获取模块，用于获取所述用户的当前输入信息，所述用户的当前输入信息包括：当前发布内容；
一推荐模块，用于根据所述第一对应关系和所述历史提及信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户；
所述推荐模块，具体用于根据所述第一对应关系和所述历史提及信息，以及所述用户的当前输入信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户；
所述推荐模块，包括：
一第一处理单元，用于根据所述第一对应关系和所述第二对应关系，得到所述用户的所述好友与发布内容的关键词之间的第三对应关系；
一第二处理单元，用于从所述用户的当前输入信息中提取当前发布内容的关键词，根据当前发布内容的关键词和所述第三对应关系，得到至少一个候选好友；
一推荐单元，用于将所述至少一个候选好友所对应第一用户名推荐给所述用户。
27.如权利要求26所述的系统，其特征在于，所述响应模块，用于从本地获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息。
28.如权利要求26所述的系统，其特征在于，所述响应模块，用于通过网络从外部获取第一用户名集合与第二用户名集合之间的第一对应关系，以及所述用户的历史提及信息。
29.如权利要求26至28任一项所述的系统，其特征在于，所述系统还包括：
一生成模块，用于生成所述第一用户名集合与所述第二用户名集合之间的所述第一对应关系。
30.如权利要求26至28任一项所述的系统，其特征在于，所述系统还包括：
一收集存储模块，用于收集并存储所述用户的历史提及信息。
31.如权利要求26至28任一项所述的系统，其特征在于，所述响应模块包括：
一历史提及信息获取单元，用于获取所述用户在所述第一社交网络中对每个所述第一用户名的提及次数以及所述用户在所述其他社交网络中对每个所述第二用户名的提及次数，作为所述历史提及信息。
32.如权利要求31所述的系统，其特征在于，所述推荐模块包括：
一处理单元，用于根据所述第一对应关系，所述用户在所述第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在所述其他社交网络中对每个所述第二用户名的提及次数，得到所述用户对每个所述好友的提及次数；
一推荐单元，用于根据所述用户对每个所述好友的提及次数，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
33.如权利要求32所述的系统，其特征在于，所述推荐单元，用于将提及次数大于预定值的至少一个所述好友所对应的所述第一用户名推荐给所述用户。
34.如权利要求32所述的系统，其特征在于，所述推荐单元包括：
一排序子单元，用于根据所述用户对每个所述好友的提及次数，对每个所述好友所对应的所述第一用户名排序；
一推荐子单元，用于将排序后的至少一个所述第一用户名推荐给所述用户。
35.如权利要求26至28任一项所述的系统，其特征在于，所述响应模块包括：
一历史提及信息获取单元，用于获取所述用户在所述其他社交网络中对每个所述第二用户名的提及次数，作为所述历史提及信息。
36.如权利要求35所述的系统，其特征在于，所述推荐模块包括：
一处理单元，用于根据所述第一对应关系，所述用户在所述其他社交网络中对每个所述第二用户名的提及次数，得到所述用户在所述其他社交网络上对每个所述好友的提及次数；
一推荐单元，用于根据所述用户在所述其他社交网络上对每个所述好友的提及次数，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
37.如权利要求36所述的系统，其特征在于，所述推荐单元，用于将提及次数大于预定值的至少一个所述好友所对应的所述第一用户名推荐给所述用户。
38.如权利要求36所述的系统，其特征在于，所述推荐单元包括：
一排序子单元，用于根据所述用户在所述其他社交网络上对每个所述好友的提及次数，对每个所述好友所对应的所述第一用户名排序；
一推荐子单元，用于将排序后的至少一个所述第一用户名推荐给所述用户。
39.如权利要求26所述的系统，其特征在于，所述推荐模块包括：
一第一处理单元，用于根据所述第一对应关系和所述第二对应关系，得到所述用户的所述好友与发布内容的关键词之间的第三对应关系；
一第二处理单元，用于从所述用户的当前输入信息中提取当前发布内容的关键词，根据当前发布内容的关键词和所述第三对应关系，得到至少一个候选好友；
一第三处理单元，用于从所述用户的当前输入信息中提取第一用户名的前缀，根据所述第一用户名的前缀得到候选第一用户名集合；
一第四处理单元，用于根据所述至少一个候选好友，从所述候选第一用户名集合中筛选得到候选第一用户名子集；
一推荐单元，用于将所述候选第一用户名子集中的至少一个第一用户名推荐给所述用户。
40.如权利要求26所述的系统，其特征在于，所述历史提及信息获取单元，还用于获取所述用户在所述第一社交网络中对每个所述第一用户名的提及次数以及所述用户在所述其他社交网络中对每个所述第二用户名的提及次数，作为所述历史提及信息。
41.如权利要求40所述的系统，其特征在于，所述推荐模块包括：
一第一处理单元，用于根据所述第一对应关系和所述第二对应关系，得到所述用户的所述好友与发布内容的关键词之间的第三对应关系；
一第二处理单元，用于从所述用户的当前输入信息中提取当前发布内容的关键词，根据当前发布内容的关键词和所述第三对应关系，得到至少一个候选好友；
一第三处理单元，用于根据所述第一对应关系，所述用户在第一社交网络中对每个所述第一用户名的提及次数，以及所述用户在其他社交网络中对每个所述第二用户名的提及次数，得到所述用户对每个所述候选好友的提及次数；
一推荐单元，用于根据所述用户对每个所述候选好友的提及次数，将所述至少一个候选好友中至少一个所对应的所述第一用户名推荐给所述用户。
42.如权利要求26所述的系统，其特征在于，所述响应模块包括：
一历史提及信息获取单元，用于获取所述用户在所述第一社交网络和所述其他社交网络上的历史发布内容的环境信息与历史提及用户名之间的第四对应关系，作为所述历史提及信息。
43.如权利要求26所述的系统，其特征在于，所述响应模块包括：
一历史提及信息获取单元，用于获取所述用户在所述其他社交网络上的历史发布内容的环境信息与历史提及用户名之间的第四对应关系，作为所述历史提及信息。
44.如权利要求42或43所述的系统，其特征在于，所述系统还包括：
一环境信息获取模块，用于获取所述用户当前的环境信息。
45.如权利要求44所述的系统，其特征在于，所述推荐模块，用于根据所述第一对应关系和所述历史提及信息，以及所述用户当前的环境信息，将所述第一用户名集合中的至少一个所述第一用户名推荐给所述用户。
46.如权利要求45所述的系统，其特征在于，所述推荐模块包括：
一第一处理单元，用于根据所述第一对应关系和所述第四对应关系，得到所述用户的所述好友与环境信息的属性之间的第五对应关系；
一第二处理单元，用于提取当前的环境信息的属性，根据当前的环境信息的属性和所述第五对应关系，得到至少一个候选好友；
一推荐单元，用于将所述至少一个候选好友对应的所述第一用户名推荐给所述用户。
47.如权利要求45所述的系统，其特征在于，所述历史提及信息获取单元，还用于获取所述用户在所述第一社交网络中对每个所述第一用户名的提及次数以及所述用户在所述其他社交网络中对每个所述第二用户名的提及次数，作为所述历史提及信息。
48.如权利要求47所述的系统，其特征在于，所述推荐模块包括：
一第一处理单元，用于根据所述第一对应关系和所述第四对应关系，得到所述用户的所述好友与环境信息的属性之间的第五对应关系；
一第二处理单元，用于提取当前的环境信息的属性，根据当前的环境信息的属性和所述第五对应关系，得到至少一个候选好友；
一第三处理单元，用于根据所述用户在所述第一社交网络中对所述第一用户名的提及次数，所述用户在所述其他社交网络中对所述第二用户名的提及次数，以及所述第一对应关系，得到所述用户对每个所述候选好友的提及次数；
一推荐单元，用于根据所述用户对每个所述候选好友的提及次数，将所述至少一个候选好友中至少一个所对应的所述第一用户名推荐给所述用户。
CN201410064278.5A 2014-02-25 2014-02-25 一种提及推荐方法、信息处理方法及系统 Active CN103838834B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201410064278.5A CN103838834B (zh) 2014-02-25 2014-02-25 一种提及推荐方法、信息处理方法及系统
US15/115,661 US10296649B2 (en) 2014-02-25 2015-02-25 Mention suggestion, and information processing methods and systems
PCT/CN2015/073252 WO2015127887A1 (en) 2014-02-25 2015-02-25 Mention suggestion, and information processing methods and systems

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410064278.5A CN103838834B (zh) 2014-02-25 2014-02-25 一种提及推荐方法、信息处理方法及系统

Publications (2)

Publication Number Publication Date
CN103838834A CN103838834A (zh) 2014-06-04
CN103838834B true CN103838834B (zh) 2020-06-19

Family

ID=50802331

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410064278.5A Active CN103838834B (zh) 2014-02-25 2014-02-25 一种提及推荐方法、信息处理方法及系统

Country Status (3)

Country Link
US (1) US10296649B2 (zh)
CN (1) CN103838834B (zh)
WO (1) WO2015127887A1 (zh)

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103838834B (zh) * 2014-02-25 2020-06-19 北京智谷睿拓技术服务有限公司 一种提及推荐方法、信息处理方法及系统
CN105528352B (zh) 2014-09-29 2019-04-09 国际商业机器公司 建立移动通信用户与其网络账户信息的对应关系的方法
JP6434640B2 (ja) 2014-11-04 2018-12-05 華為技術有限公司Ｈｕａｗｅｉ Ｔｅｃｈｎｏｌｏｇｉｅｓ Ｃｏ．，Ｌｔｄ． メッセージ表示方法、メッセージ表示装置、およびメッセージ表示デバイス
CN104391976A (zh) * 2014-12-08 2015-03-04 畅捷通信息技术股份有限公司 社交对象的推荐方法和装置
US20160344677A1 (en) 2015-05-22 2016-11-24 Microsoft Technology Licensing, Llc Unified messaging platform for providing interactive semantic objects
US10216709B2 (en) 2015-05-22 2019-02-26 Microsoft Technology Licensing, Llc Unified messaging platform and interface for providing inline replies
US10775972B2 (en) * 2016-04-01 2020-09-15 Microsoft Technology Licensing, Llc Techniques to control notifications for content items in a collaboration platform
CN108228608B (zh) * 2016-12-14 2021-04-30 北大方正集团有限公司 人物的推荐方法、系统及终端
CN109065122A (zh) * 2018-08-20 2018-12-21 深圳智裳科技有限公司 一种健康运动交友的方法及系统
CN109522491B (zh) * 2018-11-29 2020-07-31 杭州飞弛网络科技有限公司 一种基于位置属性的陌生人社交活动推荐方法与系统
US20220007438A1 (en) * 2019-01-02 2022-01-06 Google Llc Selecting a Wireless Network Connection
CN110190975B (zh) * 2019-05-31 2021-08-03 北京字节跳动网络技术有限公司 一种提及人推荐方法、装置、终端设备及存储介质
CN112198999A (zh) * 2020-09-01 2021-01-08 北京达佳互联信息技术有限公司 任务信息处理方法、装置及服务器
CN112866414B (zh) * 2021-02-20 2022-08-05 每日互动股份有限公司 数据信息推送方法、装置、计算机设备及存储介质

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102937995A (zh) * 2012-11-23 2013-02-20 北京小米科技有限责任公司 一种交互信息处理方法及装置

Family Cites Families (32)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8005919B2 (en) * 2002-11-18 2011-08-23 Aol Inc. Host-based intelligent results related to a character stream
US8370349B2 (en) * 2007-02-28 2013-02-05 Yahoo! Inc. Instant contact searching and presentation by category
US20080255977A1 (en) * 2007-04-10 2008-10-16 Utbk, Inc. Systems and Methods to Facilitate Searches via Social Network
US20080294655A1 (en) 2007-05-25 2008-11-27 Motorola, Inc. Method and apparatus for generation of a user profile
US20120158720A1 (en) * 2008-04-29 2012-06-21 Microsoft Corporation Social network powered search enhancements
US7930430B2 (en) * 2009-07-08 2011-04-19 Xobni Corporation Systems and methods to provide assistance during address input
KR101629257B1 (ko) * 2009-09-28 2016-06-10 엘지전자 주식회사 이동단말기 및 그의 친구검색 방법
US9454586B2 (en) * 2009-12-01 2016-09-27 Apple Inc. System and method for customizing analytics based on users media affiliation status
US8661034B2 (en) * 2010-02-03 2014-02-25 Gartner, Inc. Bimodal recommendation engine for recommending items and peers
US8666979B2 (en) 2010-04-09 2014-03-04 Palo Alto Research Center Incorporated Recommending interesting content using messages containing URLs
US9633121B2 (en) * 2010-04-19 2017-04-25 Facebook, Inc. Personalizing default search queries on online social networks
US8782080B2 (en) * 2010-04-19 2014-07-15 Facebook, Inc. Detecting social graph elements for structured search queries
US8180804B1 (en) * 2010-04-19 2012-05-15 Facebook, Inc. Dynamically generating recommendations based on social graph information
US8521661B2 (en) * 2010-08-16 2013-08-27 Facebook, Inc. Suggesting connections to a user based on an expected value of the suggestion to the social networking system
US9300701B2 (en) * 2010-11-01 2016-03-29 Google Inc. Social circles in social networks
US20120210240A1 (en) 2011-02-10 2012-08-16 Microsoft Corporation User interfaces for personalized recommendations
US8972398B1 (en) * 2011-02-28 2015-03-03 Google Inc. Integrating online search results and social networks
CN102143485A (zh) * 2011-03-22 2011-08-03 宇龙计算机通信科技(深圳)有限公司 移动终端及其通讯录联系人与社交网站用户关联的方法
CN102307242B (zh) * 2011-09-27 2015-09-30 杨维全 一种跨社交网络平台的通讯录的实现方法及系统
CN102448029A (zh) * 2011-09-29 2012-05-09 美商威睿电通公司 用于提供多微博账户管理的手机客户端及其方法
US8949232B2 (en) * 2011-10-04 2015-02-03 Microsoft Corporation Social network recommended content and recommending members for personalized search results
US9767201B2 (en) * 2011-12-06 2017-09-19 Microsoft Technology Licensing, Llc Modeling actions for entity-centric search
CN102663101B (zh) * 2012-04-13 2015-10-28 北京交通大学 一种基于新浪微博的用户等级排序算法
CN103455515B (zh) * 2012-06-01 2017-03-22 腾讯科技（深圳）有限公司 Sns社区中的用户推荐方法和系统
US9305092B1 (en) * 2012-08-10 2016-04-05 Google Inc. Search query auto-completions based on social graph
US20140122522A1 (en) * 2012-10-26 2014-05-01 Google Inc. Method for providing users with help from their contacts while searching the web
US9361363B2 (en) * 2012-12-31 2016-06-07 Facebook, Inc. Modifying structured search queries on online social networks
CN103150034B (zh) * 2013-01-31 2016-05-04 东莞宇龙通信科技有限公司 一种显示候选字词的方法及系统
US9367536B2 (en) * 2013-05-03 2016-06-14 Facebook, Inc. Using inverse operators for queries on online social networks
US9367629B2 (en) * 2013-12-19 2016-06-14 Facebook, Inc. Grouping recommended search queries on online social networks
US9477760B2 (en) * 2014-02-12 2016-10-25 Facebook, Inc. Query construction on online social networks
CN103838834B (zh) * 2014-02-25 2020-06-19 北京智谷睿拓技术服务有限公司 一种提及推荐方法、信息处理方法及系统

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102937995A (zh) * 2012-11-23 2013-02-20 北京小米科技有限责任公司 一种交互信息处理方法及装置

Also Published As

Publication number Publication date
US20170177728A1 (en) 2017-06-22
US10296649B2 (en) 2019-05-21
CN103838834A (zh) 2014-06-04
WO2015127887A1 (en) 2015-09-03

Similar Documents

Publication Publication Date Title
CN103838834B (zh) 一种提及推荐方法、信息处理方法及系统
US20140046939A1 (en) User recommendation method and a user recommendation system using the same
US11361045B2 (en) Method, apparatus, and computer-readable storage medium for grouping social network nodes
CN107330798B (zh) 一种基于种子节点传播的社交网络间用户身份识别方法
US11080287B2 (en) Methods, systems and techniques for ranking blended content retrieved from multiple disparate content sources
CN104794145B (zh) 基于内容和关系距离来连接人们
US20120158935A1 (en) Method and systems for managing social networks
CN103188139B (zh) 一种推荐朋友的信息展示方法和装置
US11232522B2 (en) Methods, systems and techniques for blending online content from multiple disparate content sources including a personal content source or a semi-personal content source
WO2013012872A1 (en) Method for social search
CN108401005B (zh) 一种表情推荐方法和装置
CN108959323B (zh) 视频分类方法和装置
JP5710576B2 (ja) 行程表生成装置、行程表生成方法および行程表生成プログラム
CN110598105B (zh) 一种基于概率采样的推荐方法、装置、设备及介质
JP7307607B2 (ja) メディアベースのコンテンツシェアを容易にする方法、コンピュータプログラム及びコンピューティングデバイス
KR101620728B1 (ko) 아티스트와 팬과의 관계 형성 시스템
CN108763251A (zh) 核身产品的个性化推荐方法及装置和电子设备
CN103810248A (zh) 基于照片查找人际关系的方法和装置
CN107844522B (zh) 一种目标对象显示方法、装置及电子设备
CN104268214A (zh) 一种基于微博用户关系的用户性别识别方法及系统
CN110851661A (zh) 用户id映射关系的确定方法及装置、电子设备
KR20200051171A (ko) 딥러닝 기반의 sns 활동 분석을 통한 사용자 맞춤 뉴스 서비스 시스템
CN115795156A (zh) 物料召回和神经网络训练方法、装置、设备及存储介质
CN114265972A (zh) 内容推荐方法和装置、存储介质及电子装置
JP5957024B2 (ja) 検索装置、検索方法およびプログラム

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant