CN105450510B - 用于社交网络平台的好友管理方法、装置及服务器 - Google Patents

Abstract

本公开提供一种用于社交网络平台的好友管理方法、装置及服务器，所述方法的一具体实施方式包括：获取社交网络用户的好友发布过的部分或全部社交网络信息；基于所述社交网络信息从所述用户的好友中查找出预定类型的好友；向所述用户推送所述预定类型的好友的名单，以提醒用户根据所述名单进行免打扰设置。该实施方式无需用户手动查找预定类型的好友，从而节省了时间，提高了社交网络的使用效率。

Description

用于社交网络平台的好友管理方法、装置及服务器

技术领域

本公开涉及计算机技术领域，特别涉及一种用于社交网络平台的好友管理方法、装置及服务器。

背景技术

随着网络技术的不断发展，一些基于网络的即时通信工具随之出现，例如，微信、易信等常用的即时通信工具。用户可以在这些即时通信工具的朋友圈中与朋友分享一些社交网络信息(如用户的动态或者转发的信息等)，极大的提高了用户体验。但有些用户的部分好友可能经常发一些广告信息或者刷屏，给很多用户带来了烦扰。

目前，大部分用户通过手动查找那些广告刷屏的好友，然后对其进行屏蔽或者删除，从而浪费了时间，降低了社交网络的使用效率。

发明内容

为了解决上述问题，本公开提供一种用于社交网络平台的好友管理方法、装置及服务器。

根据本公开实施例的第一方面，提供一种用于社交网络平台的好友管理方法，包括：

获取社交网络用户的好友发布过的部分或全部社交网络信息；

基于所述社交网络信息从所述用户的好友中查找出预定类型的好友；

向所述用户推送所述预定类型的好友的名单，以提醒用户根据所述名单进行免打扰设置。

可选的，所述基于所述社交网络信息从所述用户的好友中查找出预定类型的好友，包括：

获取所述社交网络信息的内容对应的文本形式的信息；

基于所述文本形式的信息，判定对应的社交网络信息是否属于预定类别；

根据所述判定的结果，统计所述用户的好友发布过的属于所述预定类别的社交网络信息的相关数据；

从所述用户的好友中查找出满足预定条件的好友作为预定类型的好友，其中，所述满足预定条件的好友为对应的所述相关数据超过预定阈值的好友。

可选的，所述相关数据包括以下一项或多项：

所述用户的好友发布过的属于所述预定类别的社交网络信息的数量；

所述用户的好友发布过的属于所述预定类别的社交网络信息所占比例。

可选的，所述获取所述社交网络信息的内容对应的文本形式的信息，包括：

确定每个所述社交网络信息的信息表现形式；

按照对应于所述信息表现形式的方式，提取出每个所述社交网络信息的内容对应的文本形式的信息；

其中，所述信息表现形式包括文字，图像，视频，链接以及声音。

可选的，基于所述文本形式的信息，判定对应的社交网络信息是否属于预定类别，包括：

获取经过训练得到的类别判定字典；

采用所述类别判定字典对所述文本形式的信息进行类别判定，以确定所述文本形式的信息对应的社交网络信息是否属于预定类别。

可选的，所述类别判定字典通过如下方式训练得到：

获取多个样本社交网络信息对应的文本信息作为样本信息，其中，已知所述样本社交网络信息是否属于所述预定类别；

从所述样本信息中提取关键词；

确定所述关键词与所述预定类别的相关性参数；

提取大于等于预定阈值的所述相关性参数对应的关键词；

基于所述关键词以及对应的所述相关性参数生成类别判定字典。

可选的，确定所述关键词与所述预定类别的相关性参数，包括：

采用卡方验证CHI的方法计算所述关键词与所述预定类别的卡方值作为相关性参数。

可选的，所述采用所述类别判定字典对所述文本形式的信息进行类别判定，包括：

从所述文本形式的信息中提取关键词作为待判定关键词；

从所述类别判定字典中查找所述待判定关键词对应的所述相关性参数；

获取参考比例，所述参考比例为对应的样本社交网络信息中属于所述预定类别的信息所占的比例；

基于所述待判定关键词对应的所述相关性参数以及所述参考比例，计算第一相关度以及第二相关度，其中，所述第一相关度为所述文本形式的信息对应的社交网络信息与预定类别的相关度，所述第二相关度为所述文本形式的信息对应的社交网络信息与非预定类别的相关度；

判断第一相关度以及第二相关度的大小；若所述第一相关度大，则所述文本形式的信息对应的社交网络信息属于预定类别。

可选的，所述基于所述待判定关键词对应的所述相关性参数以及所述参考比例，计算第一相关度以及第二相关度，包括：

计算所述待判定关键词的所述相关性参数的乘积作为第一乘积，并将所述第一乘积再与所述参考比例相乘，结果作为第一相关度；

计算1与所述待判定关键词的所述相关性参数之差的乘积作为第二乘积，并将1与所述参考比例之差再与所述第二乘积相乘，结果作为第二相关度。

根据本公开实施例的第二方面，提供一种用于社交网络平台的好友管理装置，包括：

获取模块，被配置为获取社交网络用户的好友发布过的部分或全部社交网络信息；

查找模块，被配置为基于所述获取模块获取到的社交网络信息从所述用户的好友中查找出预定类型的好友；

推送模块，被配置为向所述用户推送所述查找模块查找出的所述预定类型的好友的名单，以提醒用户根据所述名单进行免打扰设置。

可选的，所述查找模块包括：

文本信息获取子模块，被配置为获取所述社交网络信息的内容对应的文本形式的信息；

判定子模块，被配置为基于所述文本信息获取子模块获取到的所述文本形式的信息，判定对应的社交网络信息是否属于预定类别；

统计子模块，被配置为根据所述判定子模块判定的结果，统计所述用户的好友发布过的属于所述预定类别的社交网络信息的相关数据；

查找子模块，被配置为从所述用户的好友中查找出满足预定条件的好友作为预定类型的好友，其中，所述满足预定条件的好友为对应的所述相关数据超过预定阈值的好友。

可选的，所述相关数据包括以下一项或多项：

所述用户的好友发布过的属于所述预定类别的社交网络信息的数量；

所述用户的好友发布过的属于所述预定类别的社交网络信息所占比例。

可选的，所述文本信息获取子模块包括：

确定子模块，被配置为确定每个所述社交网络信息的信息表现形式；

提取子模块，被配置为按照对应于所述确定子模块确定的所述信息表现形式的方式，提取出每个所述社交网络信息的内容对应的文本形式的信息；

其中，所述信息表现形式包括文字，图像，视频，链接以及声音。

可选的，所述判定子模块包括：

字典获取子模块，被配置为获取经过训练得到的类别判定字典；

类别判定子模块，被配置为采用所述字典获取子模块获取到的所述类别判定字典对所述文本形式的信息进行类别判定，以确定所述文本形式的信息对应的社交网络信息是否属于预定类别。

可选的，所述类别判定字典通过如下方式训练得到：

获取多个样本社交网络信息对应的文本信息作为样本信息，其中，已知所述样本社交网络信息是否属于所述预定类别；

从所述样本信息中提取关键词；

确定所述关键词与所述预定类别的相关性参数；

提取大于等于预定阈值的所述相关性参数对应的关键词；

基于所述关键词以及对应的所述相关性参数生成类别判定字典。

可选的，确定所述关键词与所述预定类别的相关性参数，包括：

采用卡方验证CHI的方法计算所述关键词与所述预定类别的卡方值作为相关性参数。

可选的，所述类别判定子模块包括：

关键词提取子模块，被配置为从所述文本形式的信息中提取关键词作为待判定关键词；

参数查找子模块，被配置为从所述类别判定字典中查找所述待判定关键词对应的所述相关性参数；

参考比例获取子模块，被配置为获取参考比例，所述参考比例为对应的样本社交网络信息中属于所述预定类别的信息所占的比例；

计算子模块，被配置为基于所述待判定关键词对应的所述相关性参数以及所述参考比例，计算第一相关度以及第二相关度，其中，所述第一相关度为所述文本形式的信息对应的社交网络信息与预定类别的相关度，所述第二相关度为所述文本形式的信息对应的社交网络信息与非预定类别的相关度；

判断子模块，被配置为判断第一相关度以及第二相关度的大小；若所述第一相关度大，则所述文本形式的信息对应的社交网络信息属于预定类别。

可选的，所述计算子模块包括：

第一相关度计算子模块，被配置为计算所述待判定关键词的所述相关性参数的乘积作为第一乘积，并将所述第一乘积再与所述参考比例相乘，结果作为第一相关度；

第二相关度计算子模块，被配置为计算1与所述待判定关键词的所述相关性参数之差的乘积作为第二乘积，并将1与所述参考比例之差再与所述第二乘积相乘，结果作为第二相关度。

根据本公开实施例的第三方面，提供一种服务器，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取社交网络用户的好友发布过的部分或全部社交网络信息；

基于所述社交网络信息从所述用户的好友中查找出预定类型的好友；

向所述用户推送所述预定类型的好友的名单，以提醒用户根据所述名单进行免打扰设置。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开的上述实施例提供的一种用于社交网络平台的好友管理方法，通过基于获取到的社交网络用户的好友发布过的部分或全部社交网络信息，从该用户的好友中查找出预定类型的好友，并向该用户推送上述预定类型的好友的名单，以提醒用户根据该名单进行免打扰设置。无需用户手动查找预定类型的好友，从而节省了时间，提高了社交网络的使用效率。

本公开的上述实施例提供的另一种用于社交网络平台的好友管理方法，通过判定好友发布的社交网络信息是否属于预定类别，并根据该判定的结果，统计用户的好友发布过的属于预定类别的社交网络信息的相关数据，从而从该用户的好友中查找出满足预定条件的好友作为预定类型的好友，并向该用户推送上述预定类型的好友的名单，以提醒用户根据该名单进行免打扰设置。无需用户手动查找预定类型的好友，从而有助于节省时间，提高社交网络的使用效率。

本公开的上述实施例提供的另一种用于社交网络平台的好友管理方法，通过确定社交网络信息的信息表现形式，并按照对应于该信息表现形式的方式，提取出社交网络信息的内容对应的文本形式的信息，进一步从该用户的好友中查找出满足预定条件的好友作为预定类型的好友，并向该用户推送上述预定类型的好友的名单，以提醒用户根据该名单进行免打扰设置。无需用户手动查找预定类型的好友，从而有助于节省时间，提高社交网络的使用效率。

本公开的上述实施例提供的另一种用于社交网络平台的好友管理方法，通过采用经过训练得到的类别判定字典对上述文本形式的信息进行类别判定，以确定该文本形式的信息对应的社交网络信息是否属于预定类别，并根据该判定的结果，统计用户的好友发布过的属于预定类别的社交网络信息的相关数据，从而从该用户的好友中查找出满足预定条件的好友作为预定类型的好友，向该用户推送上述预定类型的好友的名单，以提醒用户根据该名单进行免打扰设置。无需用户手动查找预定类型的好友，从而有助于节省时间，提高社交网络的使用效率。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。

图1是本公开根据一示例性实施例示出的一种用于社交网络平台的好友管理方法的流程图；

图2是本公开根据一示例性实施例示出的另一种用于社交网络平台的好友管理方法的流程图；

图3是本公开根据一示例性实施例示出的另一种用于社交网络平台的好友管理方法的流程图；

图4是本公开根据一示例性实施例示出的另一种用于社交网络平台的好友管理方法的流程图；

图5是本公开根据一示例性实施例示出的一种用于社交网络平台的好友管理装置的框图；

图6是本公开根据一示例性实施例示出的另一种用于社交网络平台的好友管理装置的框图；

图7是本公开根据一示例性实施例示出的另一种用于社交网络平台的好友管理装置的框图；

图8是本公开根据一示例性实施例示出的另一种用于社交网络平台的好友管理装置的框图；

图9是本公开根据一示例性实施例示出的另一种用于社交网络平台的好友管理装置的框图；

图10是本公开根据一示例性实施例示出的另一种用于社交网络平台的好友管理装置的框图；

图11是本公开根据一示例性实施例示出的一种可以应用本公开实施例的示例性系统架构图；

图12是本公开根据一示例性实施例示出的一种用于社交网络平台的好友管理装置的一结构示意图。

具体实施方式

这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。

在本公开使用的术语是仅仅出于描述特定实施例的目的，而非旨在限制本公开。在本公开和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式，除非上下文清楚地表示其他含义。还应当理解，本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。

应当理解，尽管在本公开可能采用术语第一、第二、第三等来描述各种信息，但这些信息不应限于这些术语。这些术语仅用来将同一类型的信息彼此区分开。例如，在不脱离本公开范围的情况下，第一信息也可以被称为第二信息，类似地，第二信息也可以被称为第一信息。取决于语境，如在此所使用的词语“如果”可以被解释成为“在……时”或“当……时”或“响应于确定”。

如图1所示，图1是根据一示例性实施例示出的一种用于社交网络平台的好友管理方法的流程图，该方法可以应用于服务器中。该方法包括以下步骤：

在步骤101中，获取社交网络用户的好友发布过的部分或全部社交网络信息。

在本实施例中，社交网络可以为IM(Instant Messenger，即时通信)工具(如微信、QQ、飞信等)，或者网站(如facebook、人人网、微博等)等。社交网络信息可以为社交网络用户通过社交网络发布的动态或者转发的信息等，例如，社交网络信息可以为微信用户通过朋友圈发布的动态消息，或者QQ用户通过QQ空间发布的动态消息，或者微博用户通过微博发布的动态消息等等。

在本实施例中，可以响应于预定事件的发生，获取社交网络用户的好友发布过的部分或全部社交网络信息，并进行后续操作，从而向上述用户推送预定类型的好友的名单。在一种实现方式中，预定事件的发生可以是预定期满，预定期可以是一个预定的时间长度(如一周，或者一个月，或者两个月等)。例如，每隔一周或者一个月，向用户推送一次预定类型的好友的名单。在一另种实现方式中，预定事件的发生还可以是接收到用户发送的请求推送预定类型好友的名单的指令。例如，用户可以使用终端上安装的客户端向服务器发送请求推送预定类型好友的名单的指令等。可以理解，预定事件的发生还可以是其它的事件的发生，本公开对预定事件的发生的具体内容不限定。

在本实施例中，响应于预定事件的发生，可以获取某个指定用户的好友曾经发布过的全部社交网络信息，也可以获取某个指定用户的好友曾经发布过的该指定用户能够浏览的全部社交网络信息(即该指定用户具有浏览上述社交网络信息的权限)，还可以获取某个指定用户的好友在某个时间段(如最近一周，或者最近一个月，或者最近一年)发布过的社交网络信息，还可以随机获取某个指定用户的好友发布过预定条数(如，30条，或者50条等)的社交网络信息。可以理解，本公开对此方面不限定。

在步骤102中，基于上述社交网络信息从上述用户的好友中查找出预定类型的好友。

一般来说，人们可以通过发布社交网络信息与好友分享生活中的知识、乐趣和感悟，增加了与好友的互动和交流，同时，也可以通过浏览好友的社交网络信息，从而了解好友的近况。但是，有些人利用社交网络平台发布一些广告信息，或者发布其它一些容易令人反感的内容(如星座文，鸡汤文，造谣贴，炫耀贴等)，并且频繁刷屏，让很多好友厌恶，影响了好友的体验。

在本实施例中，预定类型的好友为发布某种类别信息较多或者发布信息频率较高的好友。例如，预定类型的好友可以是发布广告类别信息较多的好友，或者也可以是发布鸡汤文类别信息较多的好友，或者还可以是发布造谣贴类别信息较多的好友，或者还可以是发布信息频率超过预定阈值的好友等。因为，用户的某好友是否属于预定类型的好友，与该好友发布的信息的内容或者信息发布状况紧密相关，因此，可以基于该好友发布过的社交网络信息来判别该好友是否属于预定类型的好友。

在本实施例中，若要获取某个社交网络用户的好友中属于预定类型的好友的名单，需要首先获取该社交网络用户的好友发布过的部分或全部社交网络信息，然后，基于上述社交网络信息对每个好友的类型进行判定，确定每个好友是否属于预定类型的好友，然后从该用户的好友中查找出属于预定类型的好友(如，发布广告类别信息较多的好友等)。

在步骤103中，向上述用户推送预定类型的好友的名单，以提醒用户根据该名单进行免打扰设置。

在本实施例中，当查找出社交网络用户的好友中属于预定类型的好友后，获取该用户的好友中属于预定类型的好友的名单，并将该名单推送给上述用户，以提醒用户根据该名单进行免打扰设置。其中，免打扰设置可以是屏蔽该好友，也可以是删除该好友，还可以是其它的设置方式，可以理解，本公开对免打扰设置的具体方式方面不限定。

本公开的上述实施例提供的用于社交网络平台的好友管理方法，通过基于获取到的社交网络用户的好友发布过的部分或全部社交网络信息，从该用户的好友中查找出预定类型的好友，并向该用户推送上述预定类型的好友的名单，以提醒用户根据该名单进行免打扰设置。无需用户手动查找预定类型的好友，从而节省了时间，提高了社交网络的使用效率。

如图2所示，图2根据一示例性实施例示出的另一种用于社交网络平台的好友管理方法的流程图，该实施例详细描述了基于社交网络信息从用户的好友中查找出预定类型的好友的过程，该方法可以应用于服务器中，包括以下步骤：

在步骤201中，获取社交网络用户的好友发布过的部分或全部社交网络信息。

在步骤202中，获取上述社交网络信息的内容对应的文本形式的信息。

在本实施例中，上述社交网络信息可能是文本形式的信息，也可以是图像形式的信息，还可以是链接形式的信息等。由于文本形式的信息较容易处理，因此，获取到社交网络用户的好友发布过的部分或全部社交网络信息后，首先，对上述社交网络信息进行对应的处理，获取上述社交网络信息的内容对应的文本形式的信息，以便进行后续的分析和处理。

例如，如果上述社交网络信息为文本形式的信息，则可以直接获取该信息。又例如，如果上述社交网络信息为链接形式的信息，则可以根据该链接查找出对应网络资源，并从中提取文本形式的信息。再例如，如果上述社交网络信息为图像形式的信息，则可以对该图像进行图像识别处理，提取图像中的文字信息，作为文本形式的信息等。

在步骤203中，基于上述文本形式的信息，判定对应的社交网络信息是否属于预定类别。

在本实施例中，可以按社交网络信息的内容将该社交网络信息分成若干种类别，并且同一个社交网络信息也可以属于多个类别。本实施例的预定类别可以是根据任意原则分出的类别，可以是容易让其它用户反感的类别。例如，预定类别的社交网络信息可以是广告类别的信息，也可以是星座文类别的信息，还可以是鸡汤文类别的信息，还可以是造谣贴类别的信息等，可以理解，还可以有其它类别的信息，本公开对此方面不限定。

在本实施例中，可以对每一条文本形式的信息进行分析处理，从而判定对应的社交网络信息是否属于预定类别。在一种实现方式中，可以采用聚类的方法对上述获取到的所有文本形式的信息进行聚类分析，从而判定每个文本形式的信息对应的社交网络信息是否属于预定类别。

在另一种实现方式中，还可以采用预先训练好的判别模型，判定每个文本形式的信息对应的社交网络信息是否属于预定类别。其中，一个判别模型对应一种预定类别，可以针对不同的预定类别训练不同的判别模型。可以理解，还可以采用其它任意可以实现的方法判定文本形式的信息对应的社交网络信息是否属于预定类别，本公开对此方面不限定。

在步骤204中，根据上述判定的结果，统计上述用户的好友发布过的属于预定类别的社交网络信息的相关数据。

在本实施例中，上述相关数据可以包括以下一项或多项：上述用户的好友发布过的属于预定类别的社交网络信息的数量，以及上述用户的好友发布过的属于预定类别的社交网络信息所占比例。

在本实施例的一种实现方式中，可以统计上述用户的好友发布过的属于预定类别的社交网络信息的数量，作为上述相关数据。例如，假设预定类别的信息为广告类别的信息，则可以统计上述用户的每个好友发布过的广告类别的信息的数量(如条数)，作为上述相关数据。

在本实施例的另一种实现方式中，还可以统计上述用户的好友发布过的属于预定类别的社交网络信息所占的比例，作为上述相关数据。例如，假设预定类别的信息为广告类别的信息，还可以统计上述用户的每个好友在一定时间段内发布过的广告类别的信息的数量占该时间段所发布过的信息总数的比例，或者与该时间段所发布过的非广告类别信息的数量的比例，作为上述相关数据。

可以理解，相关数据还可以是其它方面的数据，本公开对相关数据的具体形式方面不限定。

在步骤205中，从上述用户的好友中查找出满足预定条件的好友作为预定类型的好友。

在本实施例中，满足预定条件的好友为对应的相关数据超过预定阈值的好友。例如，假设预定类别的信息为广告类别的信息，则满足预定条件的好友可以是发布广告类别信息的数量超过预定数量阈值的好友。满足预定条件的好友还可以是发布过的广告类别信息占发布过的信息总数的比例超过预定比例阈值的好友。将查找出的满足预定条件的好友作为预定类型的好友。可以理解，预定条件还可以是其它的条件，本公开对此方面不限定。

在步骤206中，向上述用户推送预定类型的好友的名单，以提醒用户根据该名单进行免打扰设置。

需要说明的是，对于与图1实施例中相同的步骤，在上述图2实施例中不再进行赘述，相关内容可参见图1实施例。

本公开的上述实施例提供的用于社交网络平台的好友管理方法，通过判定好友发布的社交网络信息是否属于预定类别，并根据该判定的结果，统计用户的好友发布过的属于预定类别的社交网络信息的相关数据，从而从该用户的好友中查找出满足预定条件的好友作为预定类型的好友，并向该用户推送上述预定类型的好友的名单，以提醒用户根据该名单进行免打扰设置。无需用户手动查找预定类型的好友，从而有助于节省时间，提高社交网络的使用效率。

如图3所示，图3是根据一示例性实施例示出的另一种用于社交网络平台的好友管理方法的流程图，该实施例详细描述了获取社交网络信息的内容对应的文本形式的信息的过程，该方法可以用于服务器中，包括以下步骤：

在步骤301中，获取社交网络用户的好友发布过的部分或全部社交网络信息。

在步骤302中，确定每个上述社交网络信息的信息表现形式。

在步骤303中，按照对应于上述信息表现形式的方式，提取出每个上述社交网络信息的内容对应的文本形式的信息。

在本实施例中，信息表现形式包括但不限于文字，图像，视频，链接以及声音等。在提取每个上述社交网络信息的内容对应的文本形式的信息之前，首先需要确定每个上述社交网络信息的信息表现形式，因为，针对表现形式不同的社交网络信息，提取对应的文本形式的信息的方式不同。然后，再按照对应于上述信息表现形式的方式，提取出每个上述社交网络信息的内容对应的文本形式的信息。

在本实施例的一种实现方式中，如果确定出的社交网络信息的信息表现形式为文字，则直接提取出该社交网络信息的文字内容。

在本实施例的另一种实现方式中，如果确定出的社交网络信息的信息表现形式为图像，则可以首先对该图像进行图像识别，提取出该图像中包含的文字信息，作为该社交网络信息的内容对应的文本形式的信息。

在本实施例的另一种实现方式中，如果确定出的社交网络信息的信息表现形式为图像，还可以对该图像进行特征提取，根据提取出的图像的特征，从网络中获取与该图像相关的文字描述，作为该社交网络信息的内容对应的文本形式的信息。

在本实施例的又一种实现方式中，如果确定出的社交网络信息的信息表现形式为链接，可以根据链接查找出对应的网络资源(如链接对应的网页等)然后从上述网络资中获取相关的文字信息，作为该社交网络信息的内容对应的文本形式的信息。

在本实施例的又一种实现方式中，如果确定出的社交网络信息的信息表现形式为视频，可以从该视频的数据中获取字幕信息，或者对视频帧进行识别从而获取视频中的相关文字信息，作为该社交网络信息的内容对应的文本形式的信息。

在本实施例的又一种实现方式中，如果确定出的社交网络信息的信息表现形式为声音，可以首先对该声音进行语音识别，将该语音信息转换成文字信息，作为该社交网络信息的内容对应的文本形式的信息。

在步骤304中，基于上述文本形式的信息，判定对应的社交网络信息是否属于预定类别。

在步骤305中，根据上述判定的结果，统计上述用户的好友发布过的属于预定类别的社交网络信息的相关数据。

在步骤306中，从上述用户的好友中查找出满足预定条件的好友作为预定类型的好友。

在步骤307中，向上述用户推送预定类型的好友的名单，以提醒用户根据该名单进行免打扰设置。

需要说明的是，对于与图1和图2实施例中相同的步骤，在上述图3实施例中不再进行赘述，相关内容可参见图1和图2实施例。

本公开的上述实施例提供的用于社交网络平台的好友管理方法，通过确定社交网络信息的信息表现形式，并按照对应于该信息表现形式的方式，提取出社交网络信息的内容对应的文本形式的信息，进一步从该用户的好友中查找出满足预定条件的好友作为预定类型的好友，并向该用户推送上述预定类型的好友的名单，以提醒用户根据该名单进行免打扰设置。无需用户手动查找预定类型的好友，从而有助于节省时间，提高社交网络的使用效率。

如图4所示，图4是根据一示例性实施例示出的另一种用于社交网络平台的好友管理方法的流程图，该实施例详细描述了基于文本形式的信息，判定对应的社交网络信息是否属于预定类别的过程，该方法可以用于服务器中，包括以下步骤：

在步骤401中，获取社交网络用户的好友发布过的部分或全部社交网络信息。

在步骤402中，获取上述社交网络信息的内容对应的文本形式的信息。

在步骤403中，获取经过训练得到的类别判定字典。

在本实施例中，可以预先训练好一些类别判定字典，每一个类别判定字典可以判定一种类别。需要判定哪个类别，就获取该类别对应的类别判定字典。类别判定字典可以是在本地服务器训练并存储在本地服务器的，需要类别判定字典时，可以从本地直接获取；也可以是在其它服务器训练并存储在本地服务器的，需要类别判定字典时，从本地直接获取；还可以是在其它服务器训练并存储在其它服务器的，需要类别判定字典时，可以通过网络从其它服务器获取。

在本实施例中，类别判定字典可以通过如下方式训练得到：首先，获取多个样本社交网络信息对应的文本信息作为样本信息，其中，已知该样本社交网络信息是否属于预定类别。具体来说，可以任意从多个用户发布的社交网络信息中获取任意数量的社交网络信息，作为样本社交网络信息。然后按照预定类别人工对这些信息进行分类。例如，假设预定类别为广告类别，则可以将这些样本社交网络信息分成广告类别的信息以及非广告类别的信息。再提取这些样本社交网络信息对应的文本信息作为样本信息，并对样本信息进行类别标识，如，用1对广告类别的信息进行标识，用0对非广告类别的信息进行标识。

接着，从上述这些样本信息中提取关键词。具体来说，可以提取样本信息中一些具有实际意义的词语，作为关键词，例如一些名词，动词，形容词等。而一些没有实际意义的虚词，如一些介词、连词、助词、语气词等通常不被作为关键词。提取出的关键词可以组成一个关键词组，确保关键词组中不存在重复的词语。

继而，确定关键词组中的每个关键词与上述预定类别的相关性参数。其中，关键词与预定类别的相关性参数为任意可以表示关键词与预定类别的相关性的参数，本公开对相关性的参数的具体求法不限定。在本实施例的一种实现方式中，可以采用卡方验证CHI的方法计算每个关键词与预定类别的卡方值作为相关性参数。

例如，假设预定类别为广告类别，用1来标识广告类别，用0来标识非广告类别。关键词组中包含“优惠”这个关键词，在样本信息中，即属于广告类别的信息又包含“优惠”这个关键词的样本信息有A条，不属于广告类别的信息但包含“优惠”这个关键词的样本信息有B条，仅属于广告类别的信息不包含“优惠”这个关键词的样本信息有C条，即不属于广告类别的信息又不包含“优惠”这个关键词的样本信息有D条，样本信息的总条数为N条。用P(x∣c₁)表示关键词与预定类别的卡方值，用Ω表示关键词与预定类别的相关性参数，其中，x表示关键词“优惠”，c₁表示广告类别。则

可以令Ω＝P(x∣c₁)。而由于A+C和B+D以及N均为固定值，因此，还可以令还可以令Ω取和P(x∣c₁)相关的某些参 数，本公开对Ω的具体取值方面不限定。

最后，提取大于等于预定阈值的相关性参数对应的关键词，并基于上述关键词以及对应的相关性参数生成类别判定字典。具体来说，首先，预先设定一个相关性参数的预定阈值，然后从前面步骤中获得的关键词组中，查找出对应的相关性参数大于等于预定阈值的关键词，并将这些关键词提取出来。基于上述关键词以及对应的相关性参数生成类别判定字典，其中，该类别判定字典中包含上述关键词以及对应的相关性参数的信息。

在步骤404中，采用该类别判定字典对上述文本形式的信息进行类别判定，以确定该文本形式的信息对应的社交网络信息是否属于预定类别。

在本实施例中，可以采用该类别判定字典对上述文本形式的信息进行类别判定，从而确定该文本形式的信息对应的社交网络信息是否属于预定类别。具体来说，针对每条社交网络信息对应的文本形式的信息，首先，从该文本形式的信息中提取关键词作为待判定关键词。然后，从上述训练好的类别判定字典中查找出该文本形式的信息中所有待判定关键词对应的相关性参数。例如，假设，预定类别为广告类别，从上述文本形式的信息中提取的所有待判定关键词包括A、B、C、D、E，c₁表示广告类别，c₂表示广告类别。从训练好的广告类别判定字典中查找出这些关键词与广告类别的相关性参数分别为P(A∣c₁)、P(B∣c₁)、P(C∣c₁)、P(D∣c₁)、P(E∣c₁)。

接着，获取参考比例，参考比例为对应的样本社交网络信息中属于预定类别的信息所占的比例。在训练类别判定字典时，同时计算出上述参考比例，然后将上述参考比例与对应的字典进行关联地存储。结合上述例子，例如，假设，在训练词典时，有m条属于广告类别的样本社交网络信息，其它n条属于非广告类别的样本社交网络信息，用α表示参考比例，则α＝m/m+n。将参考比例α与该广告类别判定字典进行关联地存储。当采用上述广告类别判定字典对文本形式的信息进行类别判定时，可以从已存储的数据中获取上述参考比例。

继而，基于上述待判定关键词对应的上述相关性参数以及参考比例，计算第一相关度以及第二相关度，其中，第一相关度为上述文本形式的信息对应的社交网络信息与预定类别的相关度，第二相关度为上述文本形式的信息对应的社交网络信息与非预定类别的相关度。在本实施例中，可以计算上述文本形式的信息中所有待判定关键词的相关性参数的乘积作为第一乘积，并将第一乘积再与上述参考比例相乘，结果作为第一相关度。计算1与上述文本形式的信息中每个待判定关键词的上述相关性参数之差的乘积作为第二乘积，并将1与上述参考比例之差再与第二乘积相乘，结果作为第二相关度。

结合上述例子，例如，第一相关度可以用P(c₁∣X)表示，第二相关度可以用P(c₂∣X)表示，其中，X表示上述本形式的信息对应的社交网络信息，则

P(c₁∣X)＝P(A∣c₁)·P(B∣c₁)·P(C∣c₁)·P(D∣c₁)·P(E∣c₁)·α

P(c₂∣X)＝[1-P(A∣c₁)]·[1-P(B∣c₁)]·[1-P(C∣c₁)]·[1-P(D∣c₁)]·[1-P(E∣c₁)]·(1-α)

最后，判断第一相关度以及第二相关度的大小，若第一相关度大，则该文本形式的信息对应的社交网络信息属于预定类别。若第二相关度大，则该文本形式的信息对应的社交网络信息属于非预定类别。结合上述例子，例如，如果P(c₁∣X)＞P(c₂∣X)，则说明该文本形式的信息对应的社交网络信息属于广告类别的信息。如果P(c₁∣X)＜P(c₂∣X)，则说明该文本形式的信息对应的社交网络信息属于非广告类别的信息。

在步骤405中，根据上述判定的结果，统计上述用户的好友发布过的属于预定类别的社交网络信息的相关数据。

在步骤406中，从上述用户的好友中查找出满足预定条件的好友作为预定类型的好友。

在步骤407中，向上述用户推送预定类型的好友的名单，以提醒用户根据该名单进行免打扰设置。

需要说明的是，对于与图1和图2实施例中相同的步骤，在上述图4实施例中不再进行赘述，相关内容可参见图1和图2实施例。

本公开的上述实施例提供的用于社交网络平台的好友管理方法，通过采用经过训练得到的类别判定字典对上述文本形式的信息进行类别判定，以确定该文本形式的信息对应的社交网络信息是否属于预定类别，并根据该判定的结果，统计用户的好友发布过的属于预定类别的社交网络信息的相关数据，从而从该用户的好友中查找出满足预定条件的好友作为预定类型的好友，向该用户推送上述预定类型的好友的名单，以提醒用户根据该名单进行免打扰设置。无需用户手动查找预定类型的好友，从而有助于节省时间，提高社交网络的使用效率。

应当注意，尽管在附图中以特定顺序描述了本发明方法的操作，但是，这并非要求或者暗示必须按照该特定顺序来执行这些操作，或是必须执行全部所示的操作才能实现期望的结果。相反，流程图中描绘的步骤可以改变执行顺序。例如，在图4的流程400中，可以先执行步骤403，获取经过训练得到的类别判定字典，然后再执行步骤402，获取上述社交网络信息的内容对应的文本形式的信息。附加地或备选地，可以省略某些步骤，将多个步骤合并为一个步骤执行，和/或将一个步骤分解为多个步骤执行。

与前述用于社交网络平台的好友管理方法实施例相对应，本公开还提供了用于社交网络平台的好友管理装置及其所应用的服务器的实施例。

如图5所示，图5是本公开根据一示例性实施例示出的一种用于社交网络平台的好友管理装置框图，该装置包括：获取模块501，查找模块502和推送模块503。

其中，获取模块501，被配置为获取社交网络用户的好友发布过的部分或全部社交网络信息。

查找模块502，被配置为基于获取模块501获取到的社交网络信息从上述用户的好友中查找出预定类型的好友。

推送模块503，被配置为向上述用户推送查找模块502查找出的预定类型的好友的名单，以提醒用户根据该名单进行免打扰设置。

如图6所示，图6是本公开根据一示例性实施例示出的另一种用于社交网络平台的好友管理装置框图，该实施例在前述图5所示实施例的基础上，查找模块502可以包括：文本信息获取子模块601，判定子模块602，统计子模块603和查找子模块604。

其中，文本信息获取子模块601，被配置为获取上述社交网络信息的内容对应的文本形式的信息。

判定子模块602，被配置为基于文本信息获取子模块601获取到的文本形式的信息，判定对应的社交网络信息是否属于预定类别。

统计子模块603，被配置为根据判定子模块602判定的结果，统计上述用户的好友发布过的属于预定类别的社交网络信息的相关数据。

查找子模块604，被配置为从上述用户的好友中查找出满足预定条件的好友作为预定类型的好友，其中，满足预定条件的好友为对应的相关数据超过预定阈值的好友。

在一些可选实施方式中，上述相关数据包括以下一项或多项：用户的好友发布过的属于预定类别的社交网络信息的数量。用户的好友发布过的属于预定类别的社交网络信息所占比例。

如图7所示，图7是本公开根据一示例性实施例示出的另一种用于社交网络平台的好友管理装置框图，该实施例在前述图6所示实施例的基础上，文本信息获取子模块601可以包括：确定子模块701和提取子模块702。

其中，确定子模块701，被配置为确定每个社交网络信息的信息表现形式。

提取子模块702，被配置为按照对应于确定子模块701确定的信息表现形式的方式，提取出每个社交网络信息的内容对应的文本形式的信息。

其中，上述信息表现形式包括文字，图像，视频，链接以及声音。

如图8所示，图8是本公开根据一示例性实施例示出的另一种用于社交网络平台的好友管理装置框图，该实施例在前述图6所示实施例的基础上，判定子模块602可以包括：字典获取子模块801和类别判定子模块802。

其中，字典获取子模块801，被配置为获取经过训练得到的类别判定字典。

类别判定子模块802，被配置为采用字典获取子模块801获取到的类别判定字典对上述文本形式的信息进行类别判定，以确定该文本形式的信息对应的社交网络信息是否属于预定类别。

在一些可选实施方式中，上述类别判定字典通过如下方式训练得到：获取多个样本社交网络信息对应的文本信息作为样本信息，其中，已知上述样本社交网络信息是否属于预定类别。从上述样本信息中提取关键词。确定该关键词与预定类别的相关性参数。提取大于等于预定阈值的所述相关性参数对应的关键词。基于该关键词以及对应的相关性参数生成类别判定字典。

在一些可选实施方式中，确定关键词与预定类别的相关性参数，包括：采用卡方验证CHI的方法计算该关键词与预定类别的卡方值作为相关性参数。

如图9所示，图9是本公开根据一示例性实施例示出的另一种用于社交网络平台的好友管理装置框图，该实施例在前述图8所示实施例的基础上，类别判定子模块802可以包括：关键词提取子模块901，参数查找子模块902，参考比例获取子模块903，计算子模块904以及判断子模块905。

其中，关键词提取子模块901，被配置为从上述文本形式的信息中提取关键词作为待判定关键词。

参数查找子模块902，被配置为从上述类别判定字典中查找待判定关键词对应的上述相关性参数。

参考比例获取子模块903，被配置为获取参考比例，上述参考比例为对应的样本社交网络信息中属于预定类别的信息所占的比例。

计算子模块904，被配置为基于上述待判定关键词对应的相关性参数以及参考比例，计算第一相关度以及第二相关度，其中，第一相关度为上述文本形式的信息对应的社交网络信息与预定类别的相关度，第二相关度为上述文本形式的信息对应的社交网络信息与非预定类别的相关度。

判断子模块905，被配置为判断计算子模块904计算得到的第一相关度以及第二相关度的大小。若第一相关度大，则上述文本形式的信息对应的社交网络信息属于预定类别。

如图10所示，图10是本公开根据一示例性实施例示出的另一种用于社交网络平台的好友管理装置框图，该实施例在前述图9所示实施例的基础上，计算子模块904可以包括：第一相关度计算子模块1001以及第二相关度计算子模块1002。

其中，第一相关度计算子模块1001，被配置为计算上述待判定关键词的相关性参数的乘积作为第一乘积，并将第一乘积再与参考比例相乘，结果作为第一相关度。

第二相关度计算子模块1002，被配置为计算1与待判定关键词的相关性参数之差的乘积作为第二乘积，并将1与参考比例之差再与第二乘积相乘，结果作为第二相关度。

应当理解，上述装置可以预先设置在服务器中，也可以通过下载等方式而加载到服务器中。上述装置中的相应单元可以与服务器中的单元相互配合以实现用于社交网络平台的好友管理的方案。

对于装置实施例而言，由于其基本对应于方法实施例，所以相关之处参见方法实施例的部分说明即可。以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的模块单元可以是或者也可以不是物理上分开的，作为模块单元显示的部件可以是或者也可以不是物理模块单元，即可以位于一个地方，或者也可以分布到多个网络模块单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本公开方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

图11示出了可以应用本公开实施例的示例性系统架构。

如图11所示，系统架构1100可以包括终端设备1101、1102、网络1103和服务器1104、1105。网络1103用于在终端设备1101、1102和服务器1104之间提供通信链路的介质。网络1103可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户1110可以使用终端设备1101、1102通过网络1103与服务器1104交互，以接收或发送消息等。终端设备1101、1102上可以安装有各种客户端应用，例如各种即时通讯工具、社交网络客户端、浏览器等。

终端设备1101、1102可以是各种电子设备，包括但不限于智能手机、平板电脑、个人数字助理、膝上型便携计算机以及智能穿戴式设备等等。

服务器1104、1105可以是提供各种服务的服务器。服务器可以对接收到的数据进行存储、分析等处理，并将处理结果反馈给终端设备。服务器可以响应于用户的服务请求而提供服务。例如，服务器可以向终端设备推送预定类型的好友的名单等。可以理解，一个服务器可以提供一种或多种服务，同一种服务也可以由多个服务器来提供。

应该理解，图11中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

相应的，本公开还提供一种服务器，该服务器包括有处理器；用于存储处理器可执行指令的存储器；其中，该处理器被配置为：

获取社交网络用户的好友发布过的部分或全部社交网络信息；

基于所述社交网络信息从所述用户的好友中查找出预定类型的好友；

向所述用户推送所述预定类型的好友的名单，以提醒用户根据所述名单进行免打扰设置。

图12是根据一示例性实施例示出的一种用于社交网络平台的好友管理的装置1200的一结构示意图。例如，装置1200可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等。

参照图12，装置1200可以包括以下一个或多个组件：处理组件1202，存储器1204，电源组件1206，多媒体组件1208，音频组件1210，输入/输出(I/O)的接口1212，传感器组件1214，以及通信组件1216。

处理组件1202通常控制装置1200的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理元件1202可以包括一个或多个处理器1220来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件1202可以包括一个或多个模块，便于处理组件1202和其他组件之间的交互。例如，处理组件1202可以包括多媒体模块，以方便多媒体组件1208和处理组件1202之间的交互。

存储器1204被配置为存储各种类型的数据以支持在装置1200的操作。这些数据的示例包括用于在装置1200上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器1204可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。

电源组件1206为装置1200的各种组件提供电力。电源组件1206可以包括电源管理系统，一个或多个电源，及其他与为装置1200生成、管理和分配电力相关联的组件。

多媒体组件1208包括在所述装置1200和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件1208包括一个前置摄像头和/或后置摄像头。当装置1200处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。

音频组件1210被配置为输出和/或输入音频信号。例如，音频组件1210包括一个麦克风(MIC)，当装置1200处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器1204或经由通信组件1216发送。在一些实施例中，音频组件1210还包括一个扬声器，用于输出音频信号。

I/O接口1212为处理组件1202和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。

传感器组件1214包括一个或多个传感器，用于为装置1200提供各个方面的状态评估。例如，传感器组件1214可以检测到装置1200的打开/关闭状态，组件的相对定位，例如所述组件为装置1200的显示器和小键盘，传感器组件1214还可以检测装置1200或装置1200一个组件的位置改变，用户与装置1200接触的存在或不存在，装置1200方位或加速/减速和装置1200的温度变化。传感器组件1214可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件1214还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件1214还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器，微波传感器或温度传感器。

通信组件1216被配置为便于装置1200和其他设备之间有线或无线方式的通信。装置1200可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件1216经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件1216还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。

在示例性实施例中，装置1200可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。

在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器1204，上述指令可由装置1200的处理器1220执行以完成上述方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。

本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。

应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (10)

1.一种用于社交网络平台的好友管理方法，其特征在于，所述方法包括：

获取社交网络用户的好友发布过的部分或全部社交网络信息；

基于所述社交网络信息从所述用户的好友中查找出预定类型的好友；

向所述用户推送所述预定类型的好友的名单，以提醒用户根据所述名单进行免打扰设置；

其中，所述基于所述社交网络信息从所述用户的好友中查找出预定类型的好友，包括：

获取所述社交网络信息的内容对应的文本形式的信息；

基于所述文本形式的信息，判定对应的社交网络信息是否属于预定类别；

根据所述判定的结果，统计所述用户的好友发布过的属于所述预定类别的社交网络信息的相关数据；

从所述用户的好友中查找出满足预定条件的好友作为预定类型的好友，其中，所述满足预定条件的好友为对应的所述相关数据超过预定阈值的好友；

其中，所述基于所述文本形式的信息，判定对应的社交网络信息是否属于预定类别，包括：

获取经过训练得到的类别判定字典；

采用所述类别判定字典对所述文本形式的信息进行类别判定，以确定所述文本形式的信息对应的社交网络信息是否属于预定类别；

其中，所述类别判定字典通过如下方式训练得到：

获取多个样本社交网络信息对应的文本信息作为样本信息，其中，已知所述样本社交网络信息是否属于所述预定类别；

从所述样本信息中提取关键词；

确定所述关键词与所述预定类别的相关性参数；

提取大于等于预定阈值的所述相关性参数对应的关键词；

基于所述关键词以及对应的所述相关性参数生成类别判定字典；

其中，所述采用所述类别判定字典对所述文本形式的信息进行类别判定，包括：

从所述文本形式的信息中提取关键词作为待判定关键词；

从所述类别判定字典中查找所述待判定关键词对应的所述相关性参数；

获取参考比例，所述参考比例为对应的样本社交网络信息中属于所述预定类别的信息所占的比例；

基于所述待判定关键词对应的所述相关性参数以及所述参考比例，计算第一相关度以及第二相关度，其中，所述第一相关度为所述文本形式的信息对应的社交网络信息与预定类别的相关度，所述第二相关度为所述文本形式的信息对应的社交网络信息与非预定类别的相关度；

判断第一相关度以及第二相关度的大小；若所述第一相关度大，则所述文本形式的信息对应的社交网络信息属于预定类别。

2.根据权利要求1所述的方法，其特征在于，所述相关数据包括以下一项或多项：

所述用户的好友发布过的属于所述预定类别的社交网络信息的数量；

所述用户的好友发布过的属于所述预定类别的社交网络信息所占比例。

3.根据权利要求1所述的方法，其特征在于，所述获取所述社交网络信息的内容对应的文本形式的信息，包括：

确定每个所述社交网络信息的信息表现形式；

按照对应于所述信息表现形式的方式，提取出每个所述社交网络信息的内容对应的文本形式的信息；

其中，所述信息表现形式包括文字，图像，视频，链接以及声音。

4.根据权利要求1所述的方法，其特征在于，所述确定所述关键词与所述预定类别的相关性参数，包括：

采用卡方验证CHI的方法计算所述关键词与所述预定类别的卡方值作为相关性参数。

5.根据权利要求1所述的方法，其特征在于，所述基于所述待判定关键词对应的所述相关性参数以及所述参考比例，计算第一相关度以及第二相关度，包括：

计算所述待判定关键词的所述相关性参数的乘积作为第一乘积，并将所述第一乘积再与所述参考比例相乘，结果作为第一相关度；

计算1与所述待判定关键词的所述相关性参数之差的乘积作为第二乘积，并将1与所述参考比例之差再与所述第二乘积相乘，结果作为第二相关度。

6.一种用于社交网络平台的好友管理装置，其特征在于，所述装置包括：

获取模块，被配置为获取社交网络用户的好友发布过的部分或全部社交网络信息；

查找模块，被配置为基于所述获取模块获取到的社交网络信息从所述用户的好友中查找出预定类型的好友；

推送模块，被配置为向所述用户推送所述查找模块查找出的所述预定类型的好友的名单，以提醒用户根据所述名单进行免打扰设置；

其中，所述查找模块包括：

文本信息获取子模块，被配置为获取所述社交网络信息的内容对应的文本形式的信息；

判定子模块，被配置为基于所述文本信息获取子模块获取到的所述文本形式的信息，判定对应的社交网络信息是否属于预定类别；

统计子模块，被配置为根据所述判定子模块判定的结果，统计所述用户的好友发布过的属于所述预定类别的社交网络信息的相关数据；

查找子模块，被配置为从所述用户的好友中查找出满足预定条件的好友作为预定类型的好友，其中，所述满足预定条件的好友为对应的所述相关数据超过预定阈值的好友；

其中，所述判定子模块包括：

字典获取子模块，被配置为获取经过训练得到的类别判定字典；

类别判定子模块，被配置为采用所述字典获取子模块获取到的所述类别判定字典对所述文本形式的信息进行类别判定，以确定所述文本形式的信息对应的社交网络信息是否属于预定类别；

其中，所述类别判定字典通过如下方式训练得到：

获取多个样本社交网络信息对应的文本信息作为样本信息，其中，已知所述样本社交网络信息是否属于所述预定类别；

从所述样本信息中提取关键词；

确定所述关键词与所述预定类别的相关性参数；

提取大于等于预定阈值的所述相关性参数对应的关键词；

基于所述关键词以及对应的所述相关性参数生成类别判定字典；

其中，所述类别判定子模块包括：

关键词提取子模块，被配置为从所述文本形式的信息中提取关键词作为待判定关键词；

参数查找子模块，被配置为从所述类别判定字典中查找所述待判定关键词对应的所述相关性参数；

参考比例获取子模块，被配置为获取参考比例，所述参考比例为对应的样本社交网络信息中属于所述预定类别的信息所占的比例；

计算子模块，被配置为基于所述待判定关键词对应的所述相关性参数以及所述参考比例，计算第一相关度以及第二相关度，其中，所述第一相关度为所述文本形式的信息对应的社交网络信息与预定类别的相关度，所述第二相关度为所述文本形式的信息对应的社交网络信息与非预定类别的相关度；

判断子模块，被配置为判断所述计算子模块计算得到的第一相关度以及第二相关度的大小；若所述第一相关度大，则所述文本形式的信息对应的社交网络信息属于预定类别。

7.根据权利要求6所述的装置，其特征在于，所述相关数据包括以下一项或多项：

所述用户的好友发布过的属于所述预定类别的社交网络信息的数量；

所述用户的好友发布过的属于所述预定类别的社交网络信息所占比例。

8.根据权利要求6所述的装置，其特征在于，所述文本信息获取子模块包括：

确定子模块，被配置为确定每个所述社交网络信息的信息表现形式；

提取子模块，被配置为按照对应于所述确定子模块确定的所述信息表现形式的方式，提取出每个所述社交网络信息的内容对应的文本形式的信息；

其中，所述信息表现形式包括文字，图像，视频，链接以及声音。

9.根据权利要求6所述的装置，其特征在于，所述计算子模块包括：

第一相关度计算子模块，被配置为计算所述待判定关键词的所述相关性参数的乘积作为第一乘积，并将所述第一乘积再与所述参考比例相乘，结果作为第一相关度；

第二相关度计算子模块，被配置为计算1与所述待判定关键词的所述相关性参数之差的乘积作为第二乘积，并将1与所述参考比例之差再与所述第二乘积相乘，结果作为第二相关度。

10.一种服务器，其特征在于，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取社交网络用户的好友发布过的部分或全部社交网络信息；

基于所述社交网络信息从所述用户的好友中查找出预定类型的好友；

向所述用户推送所述预定类型的好友的名单，以提醒用户根据所述名单进行免打扰设置；

其中，所述基于所述社交网络信息从所述用户的好友中查找出预定类型的好友，包括：

获取所述社交网络信息的内容对应的文本形式的信息；

基于所述文本形式的信息，判定对应的社交网络信息是否属于预定类别；

根据所述判定的结果，统计所述用户的好友发布过的属于所述预定类别的社交网络信息的相关数据；

从所述用户的好友中查找出满足预定条件的好友作为预定类型的好友，其中，所述满足预定条件的好友为对应的所述相关数据超过预定阈值的好友；

其中，所述基于所述文本形式的信息，判定对应的社交网络信息是否属于预定类别，包括：

获取经过训练得到的类别判定字典；

采用所述类别判定字典对所述文本形式的信息进行类别判定，以确定所述文本形式的信息对应的社交网络信息是否属于预定类别；

其中，所述类别判定字典通过如下方式训练得到：

获取多个样本社交网络信息对应的文本信息作为样本信息，其中，已知所述样本社交网络信息是否属于所述预定类别；

从所述样本信息中提取关键词；

确定所述关键词与所述预定类别的相关性参数；

提取大于等于预定阈值的所述相关性参数对应的关键词；

基于所述关键词以及对应的所述相关性参数生成类别判定字典；

其中，所述采用所述类别判定字典对所述文本形式的信息进行类别判定，包括：

从所述文本形式的信息中提取关键词作为待判定关键词；

从所述类别判定字典中查找所述待判定关键词对应的所述相关性参数；

获取参考比例，所述参考比例为对应的样本社交网络信息中属于所述预定类别的信息所占的比例；

基于所述待判定关键词对应的所述相关性参数以及所述参考比例，计算第一相关度以及第二相关度，其中，所述第一相关度为所述文本形式的信息对应的社交网络信息与预定类别的相关度，所述第二相关度为所述文本形式的信息对应的社交网络信息与非预定类别的相关度；

判断第一相关度以及第二相关度的大小；若所述第一相关度大，则所述文本形式的信息对应的社交网络信息属于预定类别。