一种用户筛选的方法、装置、设备和介质与流程

1.本技术涉及数据处理技术领域，尤其涉及一种用户筛选的方法、装置、设备和介质。


背景技术：

2.随着互联网技术的发展，网络逐渐成为人们日常生活中不可或缺的一部分。各种网络项目(如，网络游戏)也不断增加。
3.为促进网络项目的发展，通常需要筛选出在该网络项目中具有影响力的用户，进而可以通过筛选出的用户，维系该网络项目的其它用户。
4.由此，如何精确地筛选出有影响力的用户，是一个亟待解决的问题。


技术实现要素：

5.本技术实施例提供一种用户筛选的方法、装置、设备和介质，用以在筛选用户时，提高用户的影响力确定的精确性。
6.一方面，提供一种用户筛选的方法，包括：
7.获取各用户之间的线上社交行为数据；
8.根据各用户之间的线上社交行为数据，分别确定每两个用户之间的亲密度；
9.根据每两个用户之间的亲密度，分别确定每一用户的影响力；
10.根据各用户的影响力，确定影响力满足设定条件的目标用户。
11.一方面，提供一种用户筛选的装置，包括：
12.获取单元，用于获取各用户之间的线上社交行为数据；
13.第一确定单元，用于根据各用户之间的线上社交行为数据，分别确定每两个用户之间的亲密度；
14.第二确定单元，用于根据每两个用户之间的亲密度，分别确定每一用户的影响力；
15.筛选单元，用于筛选出影响力满足设定条件的目标用户。
16.较佳的，获取单元用于：
17.分别获取每两个用户之间的每一线上社交行为类型的行为值。
18.较佳的，第一确定单元用于：
19.分别针对每两个用户，执行以下步骤：分别将两个用户之间的每一行为值进行归一化，并将归一化后的各行为值进行加权求和，获得两个用户之间的亲密度。
20.较佳的，第二确定单元用于：
21.根据每两个用户之间的亲密度，建立亲密度矩阵；
22.采用预设的排行算法，对亲密度矩阵进行迭代处理，获得各用户的影响力；
23.排行算法用于分别根据每一用户与其它各用户的亲密度确定相应用户的影响力。
24.较佳的，第二确定单元用于：
25.分别针对每两个用户，执行以下步骤：根据两个用户之间的亲密度，以及两个用户
中的一个用户与各用户的亲密度的加和，确定相应的转移概率值，转移概率值与亲密度呈正相关，与加和呈负相关；
26.根据确定出的各转移概率值，获得亲密度矩阵。
27.较佳的，第二确定单元还用于：
28.根据获取的用户总数，对亲密度矩阵进行收敛修正处理，获得修正后的亲密度矩阵；
29.其中，修正后的亲密度矩阵的每一元素值与用户总数呈负相关。
30.一方面，提供一种控制设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时执行上述任一种用户筛选的方法的步骤。
31.一方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任一种用户筛选的方法的步骤。
32.本技术实施例提供的一种用户筛选的方法、装置、设备和介质中，根据各用户之间的线上社交行为数据，分别确定每两个用户之间的亲密度，并根据每两个用户之间的亲密度，分别确定每一用户的影响力，以及在各用户中，筛选出影响力满足设定条件的目标用户。这样，通过用户之间的线上社交行为数据，分别确定每一用户的影响力，提高了影响力确定的精确性和目标用户筛选的精确性，可以筛选出可以维系其它用户的具有影响力的目标用户，进而可以起到通过具有影响力的目标用户维系其它用户的留存以及付费等活动的目的。
33.本技术的其它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，或者通过实施本技术而了解。本技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
附图说明
34.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
35.图1为本技术实施方式中一种应用场景示意图；
36.图2为本技术实施方式中一种用户筛选的方法的实施流程图；
37.图3为本技术实施方式中一种用户筛选的方法的详细实施流程图；
38.图4a为本技术实施方式中一种用户筛选应用举例的实施流程图；
39.图4b为本技术实施方式中一种分流测试的示例图；
40.图5为本技术实施方式中一种评估指标的示例图；
41.图6为本技术实施方式中一种用户筛选的装置的结构示意图；
42.图7为本技术实施方式中一种控制设备的结构示意图。
具体实施方式
43.为了使本技术的目的、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
44.首先，对本技术实施例中涉及的部分用语进行说明，以便于本领域技术人员理解。
45.终端设备：可以安装各类应用，并且能够将已安装的应用中提供的对象进行显示的设备，该电子设备可以是移动的，也可以是固定的。例如，手机、平板电脑、各类可穿戴设备、车载设备、个人数字助理(personal digital assistant，pda)、销售终端(point of sales，pos)或其它能够实现上述功能的电子设备等。
46.人工智能(artificial intelligence，ai)：是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。人工智能也就是研究各种智能机器的设计原理与实现方法，使机器具有感知、推理与决策的功能。
47.人工智能技术是一门综合学科，涉及领域广泛，既有硬件层面的技术也有软件层面的技术。人工智能基础技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理技术、操作/交互系统、机电一体化等技术。人工智能软件技术主要包括计算机视觉技术、语音处理技术、自然语言处理技术以及机器学习/深度学习等几大方向。
48.机器学习(machine learning,ml)是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。机器学习是人工智能的核心，是使计算机具有智能的根本途径，其应用遍及人工智能的各个领域。机器学习和深度学习通常包括人工神经网络、置信网络、强化学习、迁移学习、归纳学习、式教学习等技术。
49.网页排名(pagerank)算法：是利用网页简单的超链接来计算网页的分值，从而给网页进行排名的一种算法，本技术中，用于根据各用户之间的亲密度，计算用户的影响力。
50.线上社交行为数据：为用户之间的多种线上社交行为类型的行为值，线上社交行为类型可以为聊天、游戏组队、送礼以及私信等，则各线上社交行为类型的行为值可以为聊天次数、组队次数以及私信次数等。
51.下面介绍本技术实施例的设计思想。
52.随着互联网技术的发展，网络逐渐成为人们日常生活中不可或缺的一部分。各种网络项目也不断增加。
53.针对社交属性强的网络项目，通常可以筛选出在该网络项目中具有影响力的用户，并可以通过筛选出的用户，维系该网络项目的其它用户，以促进该网络项目的发展。例如，筛选出的用户可以为关键意见领袖(key opinion leader，kol)，即拥有更多、更准确的产品信息，且为相关群体所接受或信任，并对该群体的购买行为有较大影响力的人。
54.以网络项目为一种网络游戏为例，传统方式下，筛选具有影响力的用户时，通常采用以下两种方式：
55.第一种方式为：根据个人战力值排名、公会副本排名以及公会战所属的圈层等，确定用户的影响力，并筛选影响力高的用户。
56.第二种方式为：构建监督训练样本，利用树网络模型，确定用户的影响力，并筛选出影响力高的用户。
57.但是，采用上述两种方式，确定出的影响力的准确度较低，筛选出的用户的维系价值不大，好友数偏低，并没有起到维系其它用户的作用。
58.显然，传统技术中并没有提供一种可以精确的确定各用户的影响力的技术方案，因此，亟待需要一种用户筛选的技术方案，在筛选用户时，提高用户的影响力确定的准确度。
59.鉴于以上分析和考虑，本技术实施例中提供了一种数据处理的方案，该方案中，根据各用户之间的线上社交行为数据，分别确定每两个用户之间的亲密度，并根据每两个用户之间的亲密度，分别确定每一用户的影响力，以及在各用户中，筛选出影响力满足设定条件的目标用户。这样，通过用户之间的线上社交行为数据，分别确定每一用户的影响力，提高了影响力确定的精确性，进而可以筛选出可以维系其它用户的具有影响力的目标用户，提高了目标用户筛选的精确性。
60.为进一步说明本技术实施例提供的技术方案，下面结合附图以及具体实施方式对此进行详细的说明。虽然本技术实施例提供了如下述实施例或附图所示的方法操作步骤，但基于常规或者无需创造性的劳动在方法中可以包括更多或者更少的操作步骤。在逻辑上不存在必要因果关系的步骤中，这些步骤的执行顺序不限于本技术实施例提供的执行顺序。方法在实际的处理过程中或者装置执行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行。
61.本技术可以应用于社交属性强的多种网络项目中，例如，网络项目可以为网络游戏以及网络互动课程等。本技术实施例中，仅以网络项目为一种网络游戏为例对用户筛选的方法进行说明。
62.参阅图1所示，为一种应用场景示意图。该应用场景中包括多个终端设备110以及控制设备120。每个终端设备110中安装有游戏客户端111，游戏客户端111中嵌入即时通讯应用。控制设备120可以为一个或一组用于提供即时通讯服务以及游戏服务的服务器。
63.图1中是以包括4个终端设备110为例，实际应用中，终端设备110的数量不做限制。
64.用户登录游戏客户端111后，可以通过控制设备120与其它用户的游戏客户端111，进行聊天、组队以及送礼等线上社交。
65.控制设备120：获取该网络游戏中各用户的线上社交行为数据，并根据各用户的线上社交行为数据，分别确定每两个用户之间的亲密度，以及根据每两个用户之间的亲密度，分别确定每一用户的影响力，进而筛选出满足设定条件的目标用户。
66.可选的，设定条件可以为影响力最高的指定数量的用户。实际应用中，设定条件和指定数量可以根据实际应用场景进行设置，在此不做限制。
67.本技术实施例中，根据用户之间的线上社交行为数据，确定各用户的影响力，从而可以准确地筛选出影响力高的目标用户。实际应用中，运营商的管理人员可以通过管家入口添加、站内信以及电话等方式，与筛选出的目标用户建立联系，并采用礼包、福利、优惠服务以及特权等方式，提升目标用户的游戏体验，以保证目标用户的游戏留存，建立管理人员与目标用户之间的信任关系，在建立信任关系以及目标用户的个人留存后，目标用户可以通过自身的影响力影响公会活动运营，例如，目标用户可以通过组织公会对战、打副本等形式影响其它用户的活跃度和付费等，实现网络项目运营的促进。
68.参阅图2所示，为本技术提供的一种用户筛选的方法的实施流程图。该方法的具体流程如下：
69.步骤200：控制设备获取各用户之间的线上社交行为数据。
70.具体的，控制设备分别获取每两个用户之间的每一线上社交行为类型的行为值。
71.其中，控制设备可以根据记录的各终端设备的通讯请求消息、通讯响应消息以及组队消息等，获得线上社交行为数据。线上社交行为数据为各用户之间的多种线上社交行为类型的行为值，线上社交行为类型可以为聊天、游戏组队、送礼以及私信等。
72.例如，用户a和用户b之间的线上社交行为数据为：一周内聊天10次，一周内聊天总时间为2小时，一周内组队次数为5次。
73.又例如，用户c和用户d之间的线上社交行为数据为：一天内聊天10次，一周内送礼1次。
74.这样，就可以获取用户之间的各种线上社交行为类型的行为值，通过不同用户之间的不同线上社交行为类型的行为值，可以确定用户之间的社交范围，社交方式，社交时长以及社交频率等。
75.步骤201：控制设备根据各用户之间的线上社交行为数据，分别确定每两个用户之间的亲密度。
76.具体的，控制设备分别针对每两个用户，执行以下步骤：
77.分别将该两个用户之间的每一行为值进行归一化，并将归一化后的各行为值进行加权求和，获得两个用户之间的亲密度。
78.也就是说，预先针对每一线上社交行为类型设置相应的权重，分别将每两个用户之间的每一行为值进行归一化，并分别计算每两个用户之间的归一化后的行为值与相应的权重的乘积的加和，获得相应的亲密度。
79.实际应用中，不同线上社交行为类型对应的权重，可以根据实际应用场景进行设置，在此不做限制。
80.一种实施方式中，执行步骤201时，可以执行以下步骤：
81.s2011：控制设备分别针对每一线上社交行为类型，建立各用户之间的相应子网络。
82.其中，一种线上社交行为类型对应一种子网络，子网络由节点、节点连线组成的边，以及边上的行为值组成。
83.节点表示用户，可以为用户的标识信息。每一用户的标识信息是唯一的。边表示用户之间的社交关系，可表示为(u
i
,u
j
)，u表示用户，即节点，i和j表示用户的序号，均为正整数。边上的行为值表示该线上社交行为类型的社交行为的量化指标。
84.例如，网络项目为万王之王游戏，各节点为万王之王游戏中的玩家。每一玩家均有相应的角色以及角色账号，如，角色可以为公会长以及国防大臣等，每一玩家的角色账号即为用户的标识信息，均是唯一的。线上社交行为类型为游戏组队类型，建立各玩家的游戏组队子网络，若两个玩家为组队关系，则将该两个玩家对应的节点之间连线，作为该两个节点的边，行为值即为该两个用户之间的组队次数。
85.又例如，假设线上社交行为类型为聊天类型，建立各用户的聊天子网络。每一用户社交账号即为一个节点，若两个用户为好友关系，则将该两个用户对应的节点连线，作为该两个节点的边，行为值即为该两个用户之间的聊天次数或聊天频率。
86.s2012：控制设备分别将每一子网络中的每一行为值进行归一化，获得归一化后的行为值。
87.具体的，控制设备分别针对每一子网络，执行以下步骤：分别将每一行为值进行归一化，获得归一化后的行为值，使得归一化后的行为值位于[0,1]范围内，并通过e
ij
表示用户u
i
和用户u
j
之间的归一化后的行为值。
[0088]
由于不同子网络的行为值，采用不同的量化指标，因此，采用归一化的方式，将各线上社交行为类型的行为值进行标准化，以便后续的亲密度计算。
[0089]
s2013：控制设备根据每一子网络中的归一化后的行为值，确定每两个用户之间的亲密度。
[0090]
具体的，控制设备识别各子网络中相同的节点，并将各子网络中对应同一用户的节点合并为同一节点，将每两个节点之间的各线上社交行为类型的归一化后的行为值，进行加权求和，获得相应的亲密度。
[0091]
其中，两个用户之间的亲密度，可以采用以下公式：
[0092]
e
ij
＝w1e
1ij
w2e
2ij

……
w
n
e
nij
；
[0093]
其中，e表示亲密度，i和j表示用户的序号，为正整数，w表示权重，e表示行为值，n表示子网络的数量。
[0094]
这样，就可以根据用户采用不同线上社交行为类型社交的数据，确定每两个用户之间的亲密度。
[0095]
步骤202：控制设备根据每两个用户之间的亲密度，分别确定每一用户的影响力。
[0096]
具体的，执行步骤202时，可以采用以下步骤：
[0097]
s2021：控制设备根据每两个用户之间的亲密度，建立亲密度矩阵。
[0098]
具体的，控制设备分别针对每两个用户，执行以下步骤：根据两个用户之间的亲密度，以及两个用户中的一个用户与各用户的亲密度的加和，确定相应的转移概率值，并根据确定出的各转移概率值，获得亲密度矩阵。
[0099]
其中，转移概率值与亲密度呈正相关，与上述加和呈负相关。
[0100]
一种实施方式中，通过各用户之间的亲密度组成初始的亲密度矩阵，并对初始的亲密度矩阵进行转移概率处理，获得转移概率处理后的亲密度矩阵。
[0101]
其中，初始的亲密度矩阵的元素为两个用户之间的亲密度e
ij
，对初始的亲密度矩阵进行转移概率处理时，可以采用以下步骤：
[0102]
分别针对每两个用户，执行以下步骤：根据用户u
i
和用户u
j
之间的亲密度e
ij
，以及u
i
与各用户的亲密度的加和，确定相应的转移概率值。
[0103]
一种实施方式中，转移概率值可以采用以下公式：
[0104][0105]
其中，m为转移概率值，e表示亲密度，i和j表示用户的序号，为正整数，m为用户的数量。
[0106]
这样，将各用户之间的亲密度进行转移概率处理，获得亲密度矩阵，以提高数据稳定性。
[0107]
s2022：控制设备对亲密度矩阵进行收敛修正处理，获得修正后的亲密度矩阵。
[0108]
具体的，控制设备根据获取的用户总数，对亲密度矩阵进行收敛修正处理，获得修正后的亲密度矩阵。其中，修正后的亲密度矩阵的每一元素值与用户总数呈负相关。
[0109]
一种实施方式中，控制设备根据第一设定参数与每一转移概率值之间的乘积，以及第二设定参数与用户总数之间的比值，确定该转移概率值对应的修正值，并获得各修正值组成的修正后的亲密度矩阵。
[0110]
其中，第一设定参数和第二设定参数，取值范围均为[0,1]，第一设定参数和第二设定参数的加和为1。例如，a可以为0.85，b可以为0.15。
[0111]
实际应用中，第一设定参数和第二设定参数均可以根据实际应用场景进行设置，在此不做限制。
[0112]
其中，修正值可以采用以下公式：
[0113]
p
ij
＝a m
ij
b/m；
[0114]
其中，p
ij
为用户u
i
和用户u
j
之间的亲密度的修正值，i和j表示用户的序号，a为第一设定参数，b为第二设定参数，m为转移概率值，m为用户的数量。
[0115]
这样，对亲密度矩阵进行收敛修正处理，从而在后续的步骤中，对亲密度矩阵进行迭代处理时，提高数据的收敛性。
[0116]
s2023：控制设备采用预设的排行算法，对亲密度矩阵进行迭代处理，获得各用户的影响力。
[0117]
具体的，排行算法用于根据各用户之间的亲密度，计算用户的影响力。
[0118]
可选的，排行算法可以采用pagerank算法。
[0119]
一种实施方式中，影响力确定时，可以采用以下公式：
[0120]
x
k 1
＝p
k
x0；
[0121]
其中，x
k 1
为各用户的影响力组成的m维向量，p为修正后的亲密度矩阵，k为迭代次数，x0为设定m维向量。x
k 1
中的第i个元素，即为第i个用户的影响力。
[0122]
实际应用中，x0可以根据实际应用场景进行设置，在此不做限制。
[0123]
这样，就可以分别确定每一用户的影响力。
[0124]
步骤203：控制设备筛选出影响力满足设定条件的目标用户。
[0125]
具体的，控制设备在各用户中，筛选出影响力最高的指定数量的用户，作为目标用户。
[0126]
实际应用中，指定数量可以根据实际应用场景进行设置，例如，指定数量可以为5。
[0127]
参阅图3所示，为本技术提供的一种用户筛选的方法的详细实施流程图。
[0128]
该方法的具体流程如下：
[0129]
步骤300：控制设备分别获取每两个用户之间的每一线上社交行为类型的行为值。
[0130]
具体的，执行步骤300时，详细步骤参见上述步骤200。
[0131]
步骤301：控制设备分别针对每一线上社交行为类型，建立各用户之间的相应子网络。
[0132]
具体的，执行步骤301时，详细步骤参见上述步骤201。
[0133]
步骤302：控制设备分别将每一子网络中的每一行为值进行归一化，获得归一化后的行为值。
[0134]
具体的，执行步骤302时，详细步骤参见上述步骤201。
[0135]
步骤303：控制设备根据每一子网络中的归一化后的行为值，确定每两个用户之间的亲密度。
[0136]
具体的，执行步骤303时，详细步骤参见上述步骤201。
[0137]
步骤304：控制设备根据每两个用户之间的亲密度，建立亲密度矩阵。
[0138]
具体的，执行步骤304时，详细步骤参见上述步骤202。
[0139]
步骤305：控制设备对亲密度矩阵进行收敛修正处理，获得修正后的亲密度矩阵。
[0140]
具体的，执行步骤305时，详细步骤参见上述步骤202。
[0141]
步骤306：控制设备采用预设的排行算法，对亲密度矩阵进行迭代处理，获得各用户的影响力。
[0142]
具体的，执行步骤306时，详细步骤参见上述步骤202。
[0143]
步骤307：控制设备筛选出影响力满足设定条件的目标用户。
[0144]
具体的，执行步骤307时，详细步骤参见上述步骤203。
[0145]
参阅图4a所示，为一种用户筛选应用举例的实施流程图。该方法的具体流程如下：
[0146]
步骤400：控制设备根据各用户的线上社交行为数据，分别建立每一种线上社交行为类型对应的子网络。
[0147]
具体的，执行步骤400时，详细步骤参见上述步骤s2011。
[0148]
步骤401：控制设备分别将每一子网络中的每一行为值进行归一化，获得归一化后的行为值。
[0149]
具体的，执行步骤401时，详细步骤参见上述步骤s2012。
[0150]
步骤402：控制设备识别各子网络中相同的节点。
[0151]
步骤403：控制设备将各子网络中对应同一用户的节点合并为同一节点。
[0152]
步骤404：控制设备将每两个节点之间的各线上社交行为类型的归一化后的行为值，进行加权求和，获得相应的亲密度。
[0153]
具体的，执行步骤402-步骤404时，详细步骤参见上述步骤s2013。
[0154]
步骤405：控制设备根据每两个用户之间的亲密度，建立亲密度矩阵。
[0155]
步骤406：控制设备采用pagerank算法，对亲密度矩阵进行迭代处理，获得各用户的影响力。
[0156]
步骤407：控制设备筛选出影响力满足设定条件的目标用户。
[0157]
本技术实施例中，根据用户之间的线上社交行为数据，确定各用户的亲密度，并对各用户的亲密度进行概率转移处理，提高了数据的稳定性，以及对概率转移处理后获得的亲密度矩阵进行收敛修正处理，避免了对亲密度矩阵进行迭代处理时的迭代不收敛问题，解决了社交关系中的双向流动问题，对亲密度矩阵进行多次迭代，精确地确定用户的影响力，进而精确地筛选出高影响力的目标用户。
[0158]
参阅图4b所示，为一种分流测试的示例图。设置多个对比组合，以对比组合1、对比组合2和对比组合3为例进行说明。每一对比组合分为对照组和实验组。对照组中采用传统的用户筛选方式从240个用户中筛选出目标用户。实验组中采用本技术实施例中的用户筛选方式从240个用户中筛选出目标用户。其中，不同对比组合中的对照组采用的传统方式不同，实验组中均采用本技术实施例中的用户筛选方式。
[0159]
参阅图5所示，为一种评估指标的示例图。评估指标包括好友付费总金额、好友人均付费金额、好友活跃度人数以及人均活跃天数。通过评估指标分别对每一对比组合中对照组筛选出的目标用户和实验组筛选出的目标用户进行评估。
[0160]
参阅表1所示，为一种有益效果示例表。分别获取对照组和实验组中筛选出的目标用户在9月份的评估指标数据。9月份的好友人均游戏时长100，好友人均付费金额10、好友活跃度人数10以及人均活跃天数10。实验组中，9月份的好友人均游戏时长105、好友人均付费金额12、好友活跃度人数13以及人均活跃天数11。实验组与对照组相比，好友人均游戏时长提升了5％，好友人均付费金额提升了20％，好友活跃度人数提升了30％，人均活跃天数提升了10％。
[0161]
表1.
[0162][0163]
基于同一发明构思，本技术实施例中还提供了一种用户筛选的装置，由于上述装置及设备解决问题的原理与一种用户筛选的方法相似，因此，上述装置的实施可以参见方法的实施，重复之处不再赘述。
[0164]
如图6示，其为本技术实施例提供的一种用户筛选的装置的结构示意图。
[0165]
一种用户筛选的装置包括：
[0166]
获取单元601，用于获取各用户之间的线上社交行为数据；
[0167]
第一确定单元602，用于根据各用户之间的线上社交行为数据，分别确定每两个用户之间的亲密度；
[0168]
第二确定单元603，用于根据每两个用户之间的亲密度，分别确定每一用户的影响力；
[0169]
筛选单元604，用于筛选出影响力满足设定条件的目标用户。
[0170]
较佳的，获取单元601用于：
[0171]
分别获取每两个用户之间的每一线上社交行为类型的行为值。
[0172]
较佳的，第一确定单元602用于：
[0173]
分别针对每两个用户，执行以下步骤：分别将两个用户之间的每一行为值进行归一化，并将归一化后的各行为值进行加权求和，获得两个用户之间的亲密度。
[0174]
较佳的，第二确定单元603用于：
[0175]
根据每两个用户之间的亲密度，建立亲密度矩阵；
[0176]
采用预设的排行算法，对亲密度矩阵进行迭代处理，获得各用户的影响力；
[0177]
排行算法用于分别根据每一用户与其它各用户的亲密度确定相应用户的影响力。
[0178]
较佳的，第二确定单元603用于：
[0179]
分别针对每两个用户，执行以下步骤：根据两个用户之间的亲密度，以及两个用户中的一个用户与各用户的亲密度的加和，确定相应的转移概率值，转移概率值与亲密度呈正相关，与加和呈负相关；
[0180]
根据确定出的各转移概率值，获得亲密度矩阵。
[0181]
较佳的，第二确定单元603还用于：
[0182]
根据获取的用户总数，对亲密度矩阵进行收敛修正处理，获得修正后的亲密度矩阵；
[0183]
其中，修正后的亲密度矩阵的每一元素值与用户总数呈负相关。
[0184]
本技术实施例提供的一种用户筛选的方法、装置、设备和介质中，根据各用户之间的线上社交行为数据，分别确定每两个用户之间的亲密度，并根据每两个用户之间的亲密度，分别确定每一用户的影响力，以及在各用户中，筛选出影响力满足设定条件的目标用户，这样，通过用户之间的线上社交行为数据，分别确定每一用户的影响力，提高了确定出的影响力的精确性，进而可以筛选出可以维系其它用户的具有影响力的目标用户，提高了筛选出的目标用户的精确性。
[0185]
图7示出了一种控制设备7000的结构示意图。参阅图7所示，控制设备7000包括：处理器7010、存储器7020、电源7030、显示单元7040、输入单元7050。
[0186]
处理器7010是控制设备7000的控制中心，利用各种接口和线路连接各个部件，通过运行或执行存储在存储器7020内的软件程序和/或数据，执行控制设备7000的各种功能，从而对控制设备7000进行整体监控。
[0187]
本技术实施例中，处理器7010调用存储器7020中存储的计算机程序时执行如图2中所示的实施例提供的用户筛选的方法。
[0188]
可选的，处理器7010可包括一个或多个处理单元；优选的，处理器7010可集成应用处理器和调制解调处理器，其中，应用处理器主要处理操作系统、用户界面和应用等，调制解调处理器主要处理无线通信。可以理解的是，上述调制解调处理器也可以不集成到处理器7010中。在一些实施例中，处理器、存储器、可以在单一芯片上实现，在一些实施例中，它们也可以在独立的芯片上分别实现。
[0189]
存储器7020可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、各种应用等；存储数据区可存储根据控制设备7000的使用所创建的数据等。此外，存储器7020可以包括高速随机存取存储器，还可以包括非易失性存储器，例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件等。
[0190]
控制设备7000还包括给各个部件供电的电源7030(比如电池)，电源可以通过电源管理系统与处理器7010逻辑相连，从而通过电源管理系统实现管理充电、放电、以及功耗等功能。
[0191]
显示单元7040可用于显示由用户输入的信息或提供给用户的信息以及控制设备7000的各种菜单等，本发明实施例中主要用于显示控制设备7000中各应用的显示界面以及显示界面中显示的文本、图片等对象。显示单元7040可以包括显示面板7041。显示面板7041可以采用液晶显示屏(liquid crystal display，lcd)、有机发光二极管(organic light-emitting diode，oled)等形式来配置。
[0192]
输入单元7050可用于接收用户输入的数字或字符等信息。输入单元7050可包括触控面板7051以及其他输入设备7052。其中，触控面板7051，也称为触摸屏，可收集用户在其上或附近的触摸操作(比如用户使用手指、触摸笔等任何适合的物体或附件在触控面板7051上或在触控面板7051附近的操作)。
[0193]
具体的，触控面板7051可以检测用户的触摸操作，并检测触摸操作带来的信号，将这些信号转换成触点坐标，发送给处理器7010，并接收处理器7010发来的命令并加以执行。
此外，可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板7051。其他输入设备7052可以包括但不限于物理键盘、功能键(比如音量控制按键、开关机按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
[0194]
当然，触控面板7051可覆盖显示面板7041，当触控面板7051检测到在其上或附近的触摸操作后，传送给处理器7010以确定触摸事件的类型，随后处理器7010根据触摸事件的类型在显示面板7041上提供相应的视觉输出。虽然在图7中，触控面板7051与显示面板7041是作为两个独立的部件来实现控制设备7000的输入和输出功能，但是在某些实施例中，可以将触控面板7051与显示面板7041集成而实现控制设备7000的输入和输出功能。
[0195]
控制设备7000还可包括一个或多个传感器，例如压力传感器、重力加速度传感器、接近光传感器等。当然，根据具体应用中的需要，上述控制设备7000还可以包括摄像头等其它部件，由于这些部件不是本技术实施例中重点使用的部件，因此，在图7中没有示出，且不再详述。
[0196]
本领域技术人员可以理解，图7仅仅是控制设备的举例，并不构成对控制设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件。
[0197]
本技术实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述任意方法实施例中的用户筛选的方法。
[0198]
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对相关技术做出贡献的部分可以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如rom/ram、磁碟、光盘等，包括若干指令用以使得一台控制设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
[0199]
最后应说明的是：以上实施例仅用以说明本技术的技术方案，而非对其限制；尽管参照前述实施例对本技术进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本技术各实施例技术方案的精神和范围。