人物亲密度的确定方法、装置及智能终端制造方法及图纸

本发明专利技术提供了一种人物亲密度的确定方法、装置及智能终端，涉及计算机技术领域，该方法包括：获取多个社交场景中的人物信息；根据各个社交场景对应的人物信息，将多个社交场景划分形成多个社交类别；根据各社交类别中的人物信息，构建各社交类别对应的人物社交网络；根据多个人物社交网络，计算不同个人之间的亲密度。本发明专利技术能够有效提高确定人物亲密度的准确性。

【技术实现步骤摘要】
人物亲密度的确定方法、装置及智能终端
本专利技术涉及计算机
，尤其是涉及一种人物亲密度的确定方法、装置及智能终端。
技术介绍
人物亲密度的确定便于寻找不同的人之间的联系，并且能够发现人物联系的亲密程度，而在现有技术中，仅通过单一维度即单个场景计算人物亲密度，对于个体之间的关系计算过于片面，同时在单一场景内，也未考虑个体所处的社区，对于得到的人物亲密度的准确性有待提高。
技术实现思路
有鉴于此，本专利技术的目的在于提供一种人物亲密度的确定方法、装置及智能终端，能够有效提高确定人物亲密度的准确性。为了实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种人物亲密度的确定方法，该方法包括：获取多个社交场景中的人物信息；其中，人物信息包括血缘亲属关系、人际交互信息、交易行为信息和出行信息中的一种或多种；根据各个社交场景对应的人物信息，将多个社交场景划分形成多个社交类别；其中，每个社交类别中包含至少一个社交场景对应的人物信息；根据各社交类别中的人物信息，构建各社交类别对应的人物社交网络；其中，人物社交网络中包含多个节点和连边，不同的节点代表不同的个人，连边表示连边两端的两个节点之间具有关联；根据多个人物社交网络，计算不同个人之间的亲密度。结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，根据多个人物社交网络，计算不同个人之间的亲密度的步骤，包括：从每个人物社交网络中选取待确定亲密度的不同个人分别所对应的目标节点；根据模块度函数和GN算法对每个人物社交网络进行社区划分，得到每个人物社交网络对应的多个社区；确定各目标节点在各人物社交网络中所在的目标社区；基于目标社区，计算各目标节点的亲密度矩阵，并生成与亲密度矩阵对应的亲密度彩色图片；其中，亲密度矩阵包括一阶亲密度矩阵、二阶亲密度矩阵和三阶亲密度矩阵中的一种或多种；将亲密度彩色图片输入至预先训练得到的网络模型；获取网络模型针对亲密度彩色图片输出的亲密度向量；其中，亲密度向量包含人物社交网络中目标节点与其它节点的亲密度。结合第一方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，亲密度矩阵包括一阶亲密度矩阵，且一阶亲密度矩阵的计算公式如下：其中，表示节点i和节点j连接一级节点的节点数，表示节点i连接一级节点的节点总数，表示节点j连接一级节点的节点总数，Ei和Ej分别表示节点i和节点j所在社区，当Ei＝Ej时，ν(Ei，Ej)为1，当Ei≠Ej时，ν(Ei，Ej)为0.5，表示与节点i连接的一级节点的连边数，表示与节点i连接的一级节点连边的平均权重，表示与节点j连接的一级节点的连边数，表示与节点j连接的一级节点连边的平均权重，一级节点是指与当前节点直接相连的节点，一阶亲密度矩阵中的数值根据一阶亲密度计算公式得到，一阶亲密度矩阵中的数值在0到255之间。结合第一方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，亲密度矩阵包括二阶亲密度矩阵和/或三阶亲密度矩阵，且二阶亲密度矩阵和三阶亲密度矩阵的计算公式如下：其中，表示节点i和节点j连接k级节点的节点数，表示节点i连接k级节点的节点总数，表示节点j连接k级节点的节点总数，表示节点i连接k级节点的路径总数，表示节点i连接k级节点路径的平均权重，表示节点j连接k级节点的路径总数，表示节点j连接k级节点路径的平均权重，k级节点是指与当前节点间隔k-1个节点后与当前节点相连的节点；二阶亲密度矩阵中的数值和三阶亲密度矩阵中的数值均根据亲密度计算公式得到，二阶亲密度矩阵中的数值和三阶亲密度矩阵中的数值均在0到255之间。结合第一方面的第三种可能的实施方式，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，生成与亲密度矩阵对应的亲密度彩色图片的步骤，包括：根据亲密度矩阵中的数值，将亲密度矩阵转化为亲密度彩色图片；其中，亲密度矩阵中的数值的范围和亲密度彩色图片的像素范围相同。第二方面，本专利技术实施例还提供一种人物亲密度的确定装置，包括：获取模块，用于获取多个社交场景中的人物信息；其中，人物信息包括血缘亲属关系、人际交互信息、交易行为信息和出行信息中的一种或多种；划分模块，用于根据各个社交场景对应的人物信息，将多个社交场景划分形成多个社交类别；其中，每个社交类别中包含至少一个社交场景对应的人物信息；构建模块，用于根据各社交类别中的人物信息，构建各社交类别对应的人物社交网络；其中，人物社交网络中包含多个节点和连边，不同的节点代表不同的个人，连边表示连边两端的两个节点之间具有关联；计算模块，用于根据多个人物社交网络，计算不同个人之间的亲密度。结合第二方面，本专利技术实施例提供了第二方面的第一种可能的实施方式，其中，亲密度矩阵包括一阶亲密度矩阵，且一阶亲密度矩阵的计算公式如下：其中，表示节点i和节点j连接一级节点的节点数，表示节点i连接一级节点的节点总数，表示节点j连接一级节点的节点总数，Ei和Ej分别表示节点i和节点j所在社区，当Ei＝Ej时，ν(Ei，Ej)为1，当Ei≠Ej时，ν(Ei，Ej)为0.5，表示与节点i连接的一级节点的连边数，表示与节点i连接的一级节点连边的平均权重，表示与节点j连接的一级节点的连边数，表示与节点j连接的一级节点连边的平均权重，一级节点是指与当前节点直接相连的节点，一阶亲密度矩阵中的数值根据一阶亲密度计算公式得到，一阶亲密度矩阵中的数值在0到255之间。第三方面，本专利技术实施例提供了一种智能终端，包括处理器和存储器；存储器上存储有计算机程序，计算机程序在被处理器运行时执行如第一方面至第一方面的第四种可能的实施方式任一项的方法。第四方面，本专利技术实施例提供了一种计算机可读存储介质，计算机可读存储介质上存储有计算机程序，计算机程序被处理器运行时执行上述第一方面至第一方面的第四种可能的实施方式任一项的方法的步骤。本专利技术实施例提供了一种人物亲密度的确定方法、装置及智能终端，通过获取多个社交场景中的人物信息，并根据各个社交场景对应的人物信息，将多个社交场景划分形成多个社交类别，从而根据各社交类别中的人物信息，构建各社交类别对应的人物社交网络，进而根据多个人物社交网络，计算不同个人之间的亲密度。由于确定人物亲密度时，考虑多个社交场景中的人物信息，并将多个社交场景分为多个社交类别，相比现有技术中通过单个场景计算人物亲密度，本专利技术能够有效提高确定人物亲密度的准确性。本专利技术的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术而了解。本专利技术的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。为使本专利技术的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。附图说明为了更清楚地说明本专利技术具体实施方式或现有技术中的技术方案，下面将对具体实施方式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，下面描述中的附图是本专利技术的一些实施方式，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他的附图。图1示出了本专利技术实施例所提供的一种人物亲密度的确定方法的流程图；图2示出了本专利技术实施例所提供的另一种人物本文档来自技高网...

【技术保护点】
1.一种人物亲密度的确定方法，其特征在于，包括：获取多个社交场景中的人物信息；其中，所述人物信息包括血缘亲属关系、人际交互信息、交易行为信息和出行信息中的一种或多种；根据各个所述社交场景对应的人物信息，将多个所述社交场景划分形成多个社交类别；其中，每个所述社交类别中包含至少一个社交场景对应的人物信息；根据各所述社交类别中的人物信息，构建各所述社交类别对应的人物社交网络；其中，所述人物社交网络中包含多个节点和连边，不同的所述节点代表不同的个人，所述连边表示所述连边两端的两个节点之间具有关联；根据多个所述人物社交网络，计算不同个人之间的亲密度。

【技术特征摘要】
1.一种人物亲密度的确定方法，其特征在于，包括：获取多个社交场景中的人物信息；其中，所述人物信息包括血缘亲属关系、人际交互信息、交易行为信息和出行信息中的一种或多种；根据各个所述社交场景对应的人物信息，将多个所述社交场景划分形成多个社交类别；其中，每个所述社交类别中包含至少一个社交场景对应的人物信息；根据各所述社交类别中的人物信息，构建各所述社交类别对应的人物社交网络；其中，所述人物社交网络中包含多个节点和连边，不同的所述节点代表不同的个人，所述连边表示所述连边两端的两个节点之间具有关联；根据多个所述人物社交网络，计算不同个人之间的亲密度。2.根据权利要求1所述的方法，其特征在于，根据多个所述人物社交网络，计算不同个人之间的亲密度的步骤，包括：从每个所述人物社交网络中选取待确定亲密度的不同个人分别所对应的目标节点；根据模块度函数和GN算法对每个所述人物社交网络进行社区划分，得到每个所述人物社交网络对应的多个社区；确定各所述目标节点在各所述人物社交网络中所在的目标社区；基于所述目标社区，计算各所述目标节点的亲密度矩阵，并生成与所述亲密度矩阵对应的亲密度彩色图片；其中，所述亲密度矩阵包括一阶亲密度矩阵、二阶亲密度矩阵和三阶亲密度矩阵中的一种或多种；将所述亲密度彩色图片输入至预先训练得到的网络模型；获取所述网络模型针对所述亲密度彩色图片输出的亲密度向量；其中，所述亲密度向量包含所述人物社交网络中目标节点与其它节点的亲密度。3.根据权利要求2所述的方法，其特征在于，所述亲密度矩阵包括一阶亲密度矩阵，且所述一阶亲密度矩阵的计算公式如下：其中，表示节点i和节点j连接一级节点的节点数，表示节点i连接一级节点的节点总数，表示节点j连接一级节点的节点总数，Ei和Ej分别表示节点i和节点j所在社区，当Ei＝Ej时，ν(Ei，Ej)为1，当Ei≠Ej时，ν(Ei，Ej)为0.5，表示与节点i连接的一级节点的连边数，表示与节点i连接的一级节点连边的平均权重，表示与节点j连接的一级节点的连边数，表示与节点j连接的一级节点连边的平均权重，所述一级节点是指与当前节点直接相连的节点，所述一阶亲密度矩阵中的数值根据所述一阶亲密度计算公式得到，所述一阶亲密度矩阵中的数值在0到255之间。4.根据权利要求2所述的方法，其特征在于，所述亲密度矩阵包括二阶亲密度矩阵和/或三阶亲密度矩阵，且所述二阶亲密度矩阵和所述三阶亲密度矩阵的计算公式如下：其中，表示节点i和节点j连接k级节点的节点数，表示节点i连接k级节点的节点总数，表示节点j连接k级节点的节点总数，表示节点...

【专利技术属性】
技术研发人员：沈贝伦，张登，沈俊青，李冰，孙云，陆韵，俞山青，
申请(专利权)人：杭州中奥科技有限公司，
类型：发明
国别省市：浙江,33