CN113034296A - 用户账号的选择方法、装置、计算机设备及存储介质 - Google Patents

Abstract

本申请提供了一种用户账号的选择方法、装置、计算机设备及存储介质，属于计算机技术领域。所述方法包括：获取m个用户账号以及每个用户账号对应的关系账号集；根据所述关系账号集将所述m个用户账号划分至n个社群中；将属于同一个社群的用户账号，确定为同一个待评估方案的体验用户账号；其中，m和n均为正整数，且m大于n。采用本申请，考虑到了体验用户之间的社交关系，让具有社交关系的体验用户，体验同一个待评估方案，可以提高A‑B实验结果的准确性。

Description

用户账号的选择方法、装置、计算机设备及存储介质

技术领域

本申请涉及方案评估技术领域，特别涉及一种用户账号的选择方法、装置、计算机设备及存储介质。

背景技术

在产品设计领域，一项新产品上线之前，会针对该新产品制定多种上线方案，然后对每一种上线方案进行评估，从中选择一种上线方案作为该新产品上线时的方案。

A-B实验即是一种比较常见的方案评估方法。A-B实验也即是，为同一个产品制定两个方案，选取一部分体验用户使用A方案，选取另一部分体验用户使用B方案，然后根据这两部分体验用户的使用情况，选择其中一种方案。

相关技术中，在选择体验用户时，通常是随机选取一部分体验用户使用A方案，再随机选取另一部分体验用户使用B方案。

使用上述方式选取体验用户的方法只考虑了体验用户的随机性，而体验用户之间的关系也会影响到A-B实验的结果，导致A-B实验结果的准确性较差。

发明内容

本申请实施例提供了一种用户账号的选择方法、装置、计算机设备及存储介质，可以解决相关技术中由于选取体验用户的方法只考虑了体验用户的随机性，而导致的A-B实验结果的准确性较差的问题。所述技术方案如下：

一方面，提供了一种用户账号的选择方法，所述方法包括：

获取m个用户账号以及所述m个用户账号中每个用户账号对应的关系账号集；

根据所述关系账号集将所述m个用户账号划分至n个社群中；

将属于同一个社群的用户账号，确定为同一个待评估方案的体验用户账号；

其中，m和n均为正整数，且m大于n。

另一方面，提供了一种用户账号的选择装置，所述装置包括：

第一获取模块，用于获取m个用户账号以及所述m个用户账号中每个用户账号对应的关系账号集；

划分模块，用于根据所述关系账号集将所述m个用户账号划分至n个社群中；

第一确定模块，用于将属于同一个社群的用户账号，确定为同一个待评估方案的体验用户账号；

其中，m和n均为正整数，且m大于n。

另一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现上述所述的用户账号的选择方法。

另一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述所述的用户账号的选择方法。

本申请实施例提供的技术方案带来的有益效果至少包括：

在进行A-B实验，为待评估方案选择体验用户账号时，可以将属于同一个社群的用户账号，确定为同一种待评估方案的体验用户账号，而社群中的每个用户账号都是基于该用户账号的关系账号集来选取的，使得社群中的多个用户账号之间存在社交关系。可见，这种为待评估方案选择体验用户账号的方法，考虑到了体验用户之间的社交关系，让具有社交关系的体验用户，体验同一个待评估方案，可以提高A-B实验结果的准确性。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例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申请的一些实施例，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他的附图。

图1是本申请实施例提供的一种在A-B实验中将待评估方案下发至用户账号的场景示意图；

图2是本申请实施例提供的一种将多个用户账号划分至多个社群中的流程示意图；

图3是本申请实施例提供的一种多个用户账号的有向图的示意图；

图4是本申请实施例提供的一种将多个用户账号划分至多个社群中的流程示意图；

图5是本申请实施例提供的一种对包括多个用户账号的网络进行平衡划分的流程示意图；

图6是本申请实施例提供的一种为待评估方案下发用户账号的方法的流程示意图；

图7是本申请实施例提供的待评估方案与社群的对应关系示意图；

图8是本申请实施例提供的待评估方案与社群的对应关系示意图；

图9是本申请实施例提供的待评估方案与社群组的对应关系示意图；

图10是本申请实施例提供的一种在A-B实验中确定实验策略配置的流程示意图；

图11是本申请实施例提供的一种在A-B实验中将待评估方案按照社群下发至用户账号的场景示意图；

图12是本申请实施例提供的一种用户账号的选择装置的结构示意图；

图13是本申请实施例提供的一种用户账号的选择装置的结构示意图；

图14是本申请实施例提供的一种用户账号的选择装置的结构示意图。

具体实施方式

为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。

本申请实施例提供了一种用户账号的选择方法，该方法选择出的用户账号可以作为用于体验待评估方案的体验用户账号。

其中，待评估方案可以是产品设计领域中，某一产品设计对应的方案，例如，在对社交应用程序的产品设计中，待评估方案可以是社交应用程序实现某一功能对应的方案。

在一个示例中，为了使待评估方案能够达到比较好的效果，使产品赢得更多的使用用户，技术人员会为该产品要实现的某一功能制定多种方案，然后对这多种方案进行评估，从中选择一个最优的方案，其中，对多种方案进行评估的过程即是对多种方案进行实验的过程。

在一个示例中，用户账号的选择方法的执行主体可以是社交应用程序后台的服务器，例如，社交应用程序后台的服务器首先选择出进行实验的体验用户账号，然后，对多个待评估方案进行实验。

或者，用户账号的选择方法的执行主体是实验系统对应的后台服务器。例如，如图1所示的场景示意图中，实验系统的后台服务器获取多个用户账号后，确定用户账号与待评估方案的对应关系，然后，将确定出的用户账号与待评估方案的对应关系，下发给社交应用程序后台的服务器，社交应用程序后台的服务器可以根据待评估方案与用户账号之间的对应关系，对多个待评估方案进行实验。

其中，A-B实验即是一种比较常见的对多个待评估方案进行评估的实验方式，A-B实验也即是，为同一个目的制定两个方案，选取一部分体验用户使用A方案，选取另一部分体验用户使用B方案，然后根据这两部分体验用户的使用情况，来评估每一个方案的优劣，最终选取一个最优的方案，作为产品上线时所使用的方案。

其中，A-B实验中涉及到的待评估方案个数不限定为两个待评估方案，也可以是两个以上待评估方案，下面的背景介绍中可以以包括A方案和B方案两个方案进行示例。

如果随机选取一部分体验用户使用A方案，而随机选取另一部分体验用户来使用B方案，很可能会出现在社交圈中是社交关系的两个用户，却体验了不同的方案，有些社交活动，这两个用户可能无法进行互动，进而造成A-B实验结果的准确性较差。

例如，在社交圈中是好友关系的用户a和用户b，用户a体验了A方案，而用户b体验了B方案，那么，会出现用户a在社交圈进行的活动，用户b看不到，或者，用户b能看到却无法为用户a在社交圈进行的活动进行评论等情况。最终导致用户a对方案A的评价较差，用户b对方案B的评价也较差，这样，用户a和用户b都无法对各自使用的方案进行客观地评价，进而导致A-B实验结果的准确性较差。

其中，通过A-B实验选取的最优方案，在A-B实验时所达到的效果，与产品上线时所达到的效果越接近，说明A-B实验结果的准确性越好。

本实施例提供了一种用户账号的选择方法，该方法可以将体验用户之间的社交关系考虑进去，让具有社交关系的体验用户，体验同一个待评估方案，进而可以提高A-B实验结果的准确性。

其中，体验用户也即是体验用户账号所对应的用户。

图2是本申请实施例提供的一种用户账号的选择方法的流程示意图。如图2所示，该方法的处理流程可以包括如下的步骤：

在步骤201中，服务器获取m个用户账号以及该m个用户账号中每个用户账号对应的关系账号集。

其中，用户账号是用户登录社交应用程序的账号，每一个用户账号唯一对应一个用户。

其中，m为正整数，其值与安装社交应用程序的所有用户的数量相关，与待评估方案的数量相关，还与每一个待评估方案所需要的体验用户的数量相关等，技术人员可以通过理论计算、试验以及经验等来确定m的值。

在一个示例中，服务器获取的m个用户账号可以是抽取的，例如，可以在所有安装社交应用程序的用户账号中，抽取m个用户账号。又例如，也可以在某一个区域内所有安装社交应用程序的用户账号中，抽取m个用户账号。

其中，m个用户账号中的任意一个用户账号，如第i个用户账号，其关系账号集即是由与第i个用户账号存在社交关系的多个用户账号组成的集合。

在一个示例中，某一个用户账号与第i个用户账号存在社交关系，可以是，该用户账号存在第i个用户账号的通讯录列表中，或者，该用户账号与第i个用户账号建立过会话连接，或者，该用户账号是第i个用户账号关注的用户账号，又或者，该用户账号关注了第i个用户账号等。

在一个示例中，服务器可以获取m个用户账号的方式具有多种，例如，一种可能的方式可以是，服务器可以获取多个用户账号，然后再对这多个用户账号进行整理，得到每一个用户账号和该用户账号所对应的关系账号集，那么服务器获取的多个用户账号，即为本实施例中所涉及的全部用户账号，数量为m。

另一种可能的方式可以是，服务器还可以先获取多个用户账号，然后再分别获取上述多个用户账号分别对应的关系账号集，这样，多个用户账号及所有的关系账号集中的用户账号，即为本实施例中所涉及的全部用户账号，数量为m。

其中，本实施例中对所涉及的全部用户账号的具体获取方式不做限定，可以以上述的前一种情况进行示例。

在一个示例中，服务器获取m个用户账号后，可以为m个用户账号进行编号，每一个用户账号唯一对应一个编号，例如，可以使用阿拉伯数字对用户账号进行顺序编号。服务器还可以根据用户账号之间的社交关系，得到如图3所示的用户账号的有向图，这种由用户账号组成的有向图又可以称为人际关系网络。其中，为便于存储，服务器可以以如表1所示的表格方式将用户账号与关系账号集进行对应存储。

表1用户账号与关系账号集的对应关系

用户账号的编号	关系账号集
		10001	{10002，10004，10010}
10002	{10001，10003，10011}
		10003	{10002，10004}
……

在步骤202中，服务器根据关系账号集将m个用户账号划分至n个社群中。

其中，n个社群可以是技术人员预先确定的社群，技术人员确定这些社群后，还可以为这些社群进行编号，例如，可以使用阿拉伯数字对n个社群进行顺序编号，社群与编号一一对应。

在一个示例中，社群也即是用户账号集合，可以是包括多个用户账号的用户账号集合，也可以是不包括用户账号的空集，每一个用户账号存在于一个社群中，这样任意两个社群的交集均为空集。

其中，社群的数量n是正整数，且小于m，n的取值与m取值相关，与待评估方案的数量相关，也与每一个待评估方案所需的社群的数量相关等，技术人员可以通过理论计算、试验以及经验等来确定n的值。

在一个示例中，服务器可以根据关系账号集，将m个用户账号划分至n个社群中，例如，服务器可以根据关系账号集与各个社群的交集情况，来确定该关系账号集对应的用户账号划分至某一个社群中，其中，关系账号集与社群的交集，可以称为用户账号交集。

其中，社群与第i个用户账号的关系账号集的用户账号交集中用户账号的数量越多，说明该社群中存在较多的与第i个用户账号存在社交关系的用户账号。服务器可以基于该原理，将第i个用户账号划分至其大部分社交好友都在的一个社群中，实现具有社交关系的多个用户账号的聚类划分。

例如，服务器在对第i个用户账号进行匹配时，也即是，服务器在将第i个用户账号划分至某一个社群的过程中。首先，服务器可以确定第i个用户账号的关系账号集分别与各个社群的用户账号交集，然后，再根据每个用户账号交集中用户账号的数量，将第i个用户账号划分至具有最多用户账号的用户账号交集所对应的社群中。

又例如，由于每一个社群所包括的用户账号的数量不一定相等，社群中的用户账号的数量在一定程度上，会影响用户账号交集中用户账号的数量，那么，服务器可以根据每个社群中的用户账号的数量，确定每一个社群的惩罚值，然后，服务器基于每一个社群与第i个用户账号的关系账号集的用户账号交集中用户账号的数量，以及每一个社群的惩罚值，来从多个社群中选择一个社群，作为第i个用户账号将要划分至的社群。

其中，关于m个用户账号划分至n个社群中的具体过程下文将会详细介绍。

在一个示例中，服务器将m个用户账号划分至n个社群中之后，可以得到用户账号与社群的对应关系，其中，一个用户账号对应一个社群。之后，服务器可以将用户账号与社群按照如表2所示的关系进行对应存储。

表2用户账号与社群的对应关系

用户账号的编号	社群的编号
		10001	2
10002	100
		10003	3
……	……

在步骤203中，服务器可以将属于同一个社群的用户账号，确定为同一个待评估方案的体验用户账号。

其中，体验用户账号是用于体验待评估方案的用户账号。

在一个示例中，服务器将m个用户账号划分至n个社群中之后，在为待评估方案选取体验用户账号时，可以按照社群来选取体验用户账号，也即是，让属于同一个社群的用户账号，作为同一个待评估方案的体验用户账号。

基于上述所述，在进行A-B实验，为待评估方案选择体验用户账号时，可以将属于同一个社群的用户账号，确定为同一种待评估方案的体验用户账号，而社群中的每个用户账号都是基于该用户账号的关系账号集来选取的，使得社群中的多个用户账号之间存在社交关系。可见，这种为待评估方案选择体验用户账号的方法，考虑到了体验用户之间的社交关系，让具有社交关系的体验用户，体验同一个待评估方案，可以提高A-B实验结果的准确性。

下面将介绍，服务器根据关系账号集，将m个用户账号划分至n个社群中的示例性过程。

在一个示例中，服务器可以根据关系账号集与每个社群之间的匹配分值，对每个用户账号经过T轮迭代，将m个用户账号匹配至n个社群中。

其中，匹配分值是用于表示关系账号集与社群的接近程度的分值，T为正整数。关系账号集与社群的匹配分值越高，说明关系账号集与社群越接近，而关系账号集与社群越接近，关系账号集与社群中具有相同用户账号的交集账号数量也越多。

其中，服务器在每一轮迭代中对每一个用户账号进行匹配时，均是根据关系账号集与每个社群之间的匹配分值，来对用户账号进行匹配。

为便于介绍，可以首先介绍每个用户账号经过T轮迭代过程，然后再介绍根据关系账号集与社群之间的匹配分值，对用户账号进行匹配的过程，最后，再结合迭代过程，介绍每个用户账号的匹配过程。

在一个示例中，服务器对每个用户账号进行每轮迭代的过程可以是：

第t轮迭代中，服务器根据第i个用户账号的关系账号集与每个社群之间的匹配分值，将第i个用户账号匹配至n个社群中的一个社群中；当m个用户账号在第t轮迭代中均完成匹配且t不等于T时，开始第t+1轮迭代；当m个用户账号在第t轮迭代中均完成匹配且t等于T时，迭代完毕，得到n个社群。

其中，T是服务器在对用户账号进行匹配时的最大迭代次数，该值可以由技术人员预先设定，例如，技术人员可以根据理论计算以及试验来确定。

其中，当i＝1时，n个社群是第t-1轮迭代结束时得到的社群，t为不大于T的正整数；当i大于1且不大于m时，n个社群是第i-1个用户账号在第t轮迭代中完成匹配时得到的社群。

也即是，在同一轮迭代中，对除第1个用户账号以外的任意一个用户账号进行匹配时，也即是，在同一轮迭代中，对第i个用户账号进行匹配时，所使用的n个社群是，对前一个用户账号完成本轮匹配时得到的n个社群，即对第i-1个用户账号完成本轮匹配时得到的n个社群。

而在除第1轮迭代以外的任意一轮迭代中，对第1个用户账号进行匹配时，所使用的n个社群是，前一轮迭代结束时得到的n个社群，即第t-1轮迭代结束时得到的n个社群。

而第1轮迭中对第1个用户账号进行匹配时，所使用的n个社群可以是技术人员预先配置的初始社群。其中，为了减少各个社群之间的差异性，相应的，这n个初始社群可以均是空集，这些空集在每一轮迭代中对各个用户账号进行匹配后，以及经过多轮迭代后，可以得到完成用户账号匹配的n个社群，这n个社群中每个社群均包括多对具有社交关系的用户账号。

在一个示例中，对每一个用户账号进行匹配时，所使用的方式是流式处理方式，也即是，对每一个用户账号进行逐个匹配，对一个用户账号完成匹配后，接着对下一个用户账号进行匹配，而且，有上述所述，对下一个用户账号进行匹配时，所使用的n个社群是由上一个用户账号完成匹配后得到的n个社群。在一轮迭代中，每一个用户账号在本轮都完成匹配之后，结束该轮迭代，然后，继续下一轮迭代。由上述所述，在下一轮迭代中，对第1个用户账号进行匹配时，所使用的n个社群，即是上一轮匹配结束时得到的n个社群。按照如上方式，对m个用户账号均完成T轮匹配时，可以得到已完成用户账号匹配的n个社群。

由上述可见，每为一个用户账号完成一次匹配，n个社群便发生一次调整，n个社群发生调整，也即是，n个社群中某一个社群中所包括的用户账号发生了调整。

以上是对每个用户账号经过T轮迭代过程，下面将介绍根据关系账号集与社群之间的匹配分值，对用户账号进行匹配的过程。

在一种可能的应用中，确定关系账号集与社群之间的匹配分值的方式可以是：

由上述所述，关系账号集和社群均是用户账号集合，那么，为了判断关系账号集与社群之间的接近程度，可以通过两者所包括的用户账号来确定，相应的，关系账号集与社群具有相同用户账号的交集账号数量越多，关系账号集与社群的匹配分值就越大，那么，可以通过关系账号集与社群具有相同用户账号的交集账号数量，来确定匹配分值。

在一种可能的应用中，由于每个社群所包括的用户账号的数量，也可以影响到匹配分值的大小，相应的，另一种确定关系用户账号集与社群之间的匹配分值的方式可以是：

服务器可以根据第i个用户账号的关系账号集中的各个用户账号，每个社群中的用户账号，每个社群所能包括的最大用户账号数量，以及每个社群包括的用户账号数量，计算第i个用户账号的关系账号集与每个社群之间的匹配分值。例如，可以按照如图4所示的流程执行：

在步骤401中，服务器可以根据第i个用户账号的关系账号集中的各个用户账号，每个社群中的用户账号，确定每个社群的交集账号数量。

其中，交集账号数量为每个社群与关系账号集存在相同用户账号的数量。

在这过程中，服务器可以首先确定第i个用户账号的关系账号集分别与各个社群的用户账号交集，然后，根据每个用户账号交集中用户账号的数量，确定每个社群的交集账号数量。

其中，第i个用户账号的关系账号集分别与在t轮迭代中对第i个用户账号进行匹配时第j个社群的用户账号交集中的交集账号数量，可以通过如下数学式表示：

其中，Q_i表示第i个用户账号对应的关系账号集，

表示第j个社群在第t轮迭代对第i个用户账号进行匹配时的用户账号集合，

即表示在t轮迭代中，关系账号集Q_i与社群

之间的交集账号数量，i为1至m中的任意正整数，m为正整数，j为1至n中的任意正整数，n为正整数，t为1至T中的任意正整数，T为正整数。

由上述可知，n个社群处于动态调整，对第i个用户账号进行匹配时，n个社群中的任意一个社群可以记为，社群

表示在第t轮迭代中，对第i个用户账号进行匹配时n个社群中的任意一个社群。

其中，如果t为1，且i为1，则社群

为技术人员初始配置的社群，例如，为了减少社群的差异性，初始配置的社群可以均是空集。如果t为1至T中的任意值，且i为2至m中任意正整数，则社群

由第i-1个用户账号在第t轮迭代中完成匹配时所得到的社群。如果t为2至T中任意正整数，且i为1，则社群

由第t-1轮迭代结束时得到的社群。

在步骤402中，服务器根据最大用户账号数量，以及每个社群的用户账号数量，确定每个社群的惩罚值。

其中，步骤401和步骤402在执行顺序上不做具体限定，例如，步骤401可以位于步骤402之前，步骤402也可以位于步骤401之前，步骤401和步骤402也可以同时并行进行。本实施例中可以以步骤401在前，步骤402在后进行示例。

其中，对于包括用户账号数量较少的社群，其惩罚值可以提升匹配分值，对于包括用户账号数量较多的社群，其惩罚值可以拉低匹配分值。

在一个示例中，最大用户账号数量是用于限制每个社群的用户账号数量的数值，可以通过社群的数量，以及用户账号的数量来确定，例如，可以使用如下公式确定：

其中，C为社群的最大用户账号数量，n为社群的总数量，m为用户账号的总数量，m和n均为正整数，且m大于n。

在一个示例中，服务器在确定每个社群的惩罚值的过程中，可以首先确定每个社群的用户账号数量差值，其中，用户账号数量差值为最大用户账号数量与每个社群的用户账号数量之差。然后，服务器再根据每个社群的用户账号数量差值分别与最大用户账号数量之间的比值，确定每个社群的惩罚值。例如，可以使用如下公式确定：

其中，

为在第t轮对第i个用户账号进行匹配时的惩罚值，

如上述所述，表示第j个社群在第t轮迭代对第i个用户账号进行匹配时的用户账号集合，

表示

中所包括的用户账号数量。

根据上述公式3可知，某一个社群中当前所包括的用户账号数量越大，则其惩罚值可以拉低与关系账号集的匹配分值，当前所包括的用户账号数量越小，则其惩罚值可以提升与关系账号集的匹配分值。这样，进而可以降低由于各个社群中的当前所包括的用户账号数量差距较大，而带来的用户账号匹配不均衡的问题，进而可以提高用户账号匹配的均衡性。

在步骤403中，服务器根据每个社群的交集账号数量与惩罚值的乘积，确定第i个用户账号的关系账号集分别与每个社群的匹配分值。

在一个示例中，在第t轮对第i个用户账号进行匹配时，对于此时的每一个社群，确定出其交集账号数量和惩罚值之后，便可以通过两者的乘积，确定每一个社群分别与第i个用户账号对应的关系账号集的匹配分值。例如，可以使用如下公式表示：

其中，

表示在第t轮迭代中对第i个用户账号进行匹配时，第i个用户账号对应的关系账号集与第j个社群之间的匹配分值。

上述是确定各个社群分别与关系账号集之间的匹配分值的过程，服务器确定匹配分值之后，再将第i个用户账号匹配至一个社群中，其中，服务器根据匹配分值，在n个社群中确定一个社群的方式可以是：

服务器首先可以将第i个用户账号的关系账号集与每个社群之间的匹配分值进行排序，确定出最大匹配分值。然后，再将第i个用户账号，匹配至n个社群中具有最大匹配分值对应的社群中。

而服务器将第i个用户账号的关系账号集与所述每个社群之间的匹配分值进行排序，确定出最大匹配分值之后，如果最大匹配分值为至少两个，则可以将第i个用户账号随机匹配至具有最大匹配分值的至少两个社群中的一个。

例如，在第1轮迭代中对第1个用户账号进行匹配的过程中，n个社群为技术人员预先配置的社群，为了减少社群的差异化，相应的，这n个社群可以均是空集。那么，按照上述确定匹配分值的方法，确定出的每个社群分别与第1个用户账号的关系账号集的匹配分值均为零，这种情况下，可以将第1用户账号，随机匹配至n个社群中的一个社群中。例如，将第1个用户账号匹配至社群2中。

之后，在第1轮迭代中对第2个用户账号进行匹配时，按照上述所述，此时的n个社群中只有社群2中包括有一个用户账号，且为第1个用户账号，其它的社群仍然是空集。如果第1个用户账号与第2个用户账号存在社交关系，则第2个用户账号对应的关系账号集与社群2的匹配分值，各匹配分值中，属于最大的一个分值，故第2个用户账号匹配至社群2中。而如果第1个用户账号与第2个用户账号不存在社交关系，则第2个用户账号对应的关系账号集与n个社群的匹配分值均为零，那么可以将第2个用户账号随机分配至n个社群中的任意一个社群中。

再之后，服务器可以继续按照上述方式，对第1轮迭代中的剩余的未完成匹配的用户账号进行匹配。当第1轮迭代中的m个用户账号全部完成匹配时，服务器再接着对m个用户账号执行第2轮迭代，其中，第2轮迭代中的第1个用户账号匹配时，所使用的n个社群是第1轮迭代结束时，得到的n个社群。在第2轮迭代中，对于剩下的每一个未匹配的用户账号按照上述方式进行匹配。

这样，服务器按照上述方式，对m个用户账号中的每个用户账号经过T轮迭代，将m个用户账号匹配至n个社群中。

基于上述所述，服务器根据关系账号集与每个社群之间的匹配分值，对每个用户账号经过T轮迭代，将m个用户账号匹配至n个社群中的流程可以按照如图5所示执行：

其中，图5是对包括m个用户账号的网络进行平衡划分的流程示意图，也即是，将包括m个用户账号的网络平衡划分为n个社群的流程示意图，其中，该处的网络，如上述所述，指的是人际关系网络。

在步骤501中，服务器进行初始化处理。

在一个示例中，技术人员可以将m个用户账号所对应的编号，以及每个用户账号对应的关系账号集，录入到服务器中。该过程中，技术人员还可以将n个社群中每个社群的编号录入到服务器中，如上述所述，为了减少社群间的差异化，初始化中的各个社群可以均为空集。这样，服务器便可以获取到m个用户账号，每个用户账号对应的关系账号集，以及n个社群。

在步骤502中，在某一轮迭代中对某一个用户账号进行匹配时，获取该用户账号的关系账号集。

在步骤503中，计算各个社群分别与步骤502中的关系账号集的匹配分值。

在步骤504中，对各个社群的匹配分值进行排序，确定出一个社群，将步骤502中的用户账号匹配至确定出的社群中。

在步骤505中，判断步骤502中的当前轮迭代中的m个用户账号是否已经全部完成匹配，如果已经全部完成匹配，则执行步骤506，结束步骤502中当前轮迭代，之后执行步骤507。

在步骤507中，判断是否达到最大迭代次数，也即是，判断步骤502中的当前轮迭代是否等于第T轮迭代。如果达到最大迭代次数，也即是，如果步骤502中当前轮迭代等于第T轮迭代，则执行步骤508，结束匹配。

而在步骤505中，如果步骤502中的当前轮迭代中的m个用户账号存在未进行匹配的用户账号，也即是，步骤505中的判断结果为否，则按照步骤502至步骤505，对当前轮迭代中的剩下的未进行匹配的用户账号继续执行匹配处理，直到在步骤505中判断出步骤502中的当前轮迭代中的m个用户账号全部完成本轮匹配。

而在步骤507中，如果步骤502中的当前轮迭代次数未达到最大迭代次数，也即是，步骤502中的当前轮迭代不等于第T轮迭代，则转至步骤502，进行下一轮迭代，在下一轮迭代中，对于每一个用户账号依然按照步骤502至步骤505执行匹配处理。直到在每一轮中的m个用户账号均完成匹配，且轮迭代次数达到最大迭代次数时，结束匹配。

服务器结束匹配之后，服务器可以输出用户账号的划分情况，例如，可以输出n个社群，以及每个社群中所包括的用户账号。

以上是关于将m个用户账号划分至n个社群中的过程，服务器将m个用户账号划分至n个社群之后，可以将属于同一个社群的用户账号，确定为同一个待评估方案的体验用户账号，来执行A-B实验。

其中，A-B实验中可以至少包括两个待评估方案，为这些待评估方案选取体验用户账号的过程可以按照如图6所示的流程执行：

在步骤204中，服务器获取每个待评估方案所需的社群的数量k。

其中，k为正整数，其值可以是技术人员通过理论计算、试验，以及经验值等来确定。

在一个示例中，对于用户可以同时体验不同待评估方案的情况下，一个社群可以对应一个或者多个待评估方案，例如，如图7所示，社群5和社群8均是既对应待评估方案1，又对应待评估方案2。而对于用户不可以同时体验不同的待评估方案的情况下，如图8所示，一个社群唯一对应一个待评估方案。

其中，关于社群与待评估方案的对应关系，技术人员可以根据实际情况来灵活设定，本实施例中为便于介绍，可以以一个社群唯一对应一个待评估方案，一个待评估方案对应多个不同的社群，而且，一个用户账号唯一对应一个社群，这样，一个用户账号对应的用户只能体验多个待评估方案中的一个。

在步骤205中，服务器为每个待评估方案随机分配k个社群，得到待评估方案与社群的对应关系。

在一个示例中，服务器为每个待评估方案随机分配k个社群的方式具有多种。例如，一种方式可以是，如图9所示，服务器首先将n个社群划分至q个社群组中，得到社群与社群组的对应关系，每个社群组中包括

个社群。然后，服务器根据每个待评估方案所需的社群的数量k，以及每个社群组中所包括的社群的数量

确定每个待评估方案所需的社群组的数量

之后，服务器为每个待评估方案分配

个社群组，得到待评估方案与社群组的对应关系。最后，服务器可以根据待评估方案与社群组的对应关系，以及社群与社群组的对应关系，确定待评估方案与社群的对应关系。

在步骤206中，服务器根据待评估方案与社群的对应关系，以及社群与用户账号的对应关系，确定每个待评估方案对应的体验用户账号。

在一个示例中，如图9所示，服务器确定待评估方案与社群的对应关系之后，便可以根据社群与用户账号的对应关系，确定每个待评估方案对应的体验用户账号。

在步骤207中，服务器将每个待评估方案下放给对应的体验用户账号。

在一个示例中，服务器确定每一个待评估方案所对应的体验用户账号之后，便可以将各个待评估方案下方至对应的体验用户账号。

这种将属于同一个社群的用户账号，作为体验同一种待评估方案的体验用户账号，而社群又是根据用户账号的社交关系确定的，这样具有社交关系的体验用户体验同一种待评估方案，可以避免因所体验的待评估方案不相同无法互动的情况，使体验用户尽可能对各自使用的方案进行客观地评价，进而可以提高A-B实验结果的准确性。

基于上述所述，服务器使用该方法进行用户账号选择，来进行A-B实验时，确定实验策略配置的过程可以按照如图10所示的流程执行：

在步骤1001中，数据输入。也即是，向服务器输入数据。例如，向服务器输入用户账号总数量m，每个用户账号对应的关系账号集，社群总数n，最大的迭代次数，待评估方案的编号，待评估方案的数量，每一个待评估方案对应的社群的数量等。

在一个示例中，服务器可以创建json(JavaScript Object Notation，JS对象简谱)进行数据存储。例如，存储的内容可以包括但不限于如下内容：各个待评估方案的编号、每个待评估方案所需的社群的数量、待评估方案的数量和社群的总数量等。例如，待评估方案的数量可以为四个，这四个待评估方案的编号可以分别为1、2、3和4，每个待评估方案所需的社群的数量可以是100000，那么，这四个待评估方案所需的社群的总数量可以是400000。

在步骤1002中，平衡社群划分。也即是，服务器将m个用户账号通过多轮迭代平衡均匀划分至n个社群中。

其中，平衡社群划分，也可以称为平衡网络划分，该处的网络如上述所述指的是包括m个用户账号的人际网络。

该步骤1002中，服务器对获取到的人际网络进行平衡化和均衡化划分，得到n个社群，这n个社群中的用户账号的数量相当，进而实现平衡化和均衡化。也即是，服务器将人际网络中的m个用户账号，通过多轮迭代，平衡划分至n个社群中，其中，多轮迭代是实现平衡划分的方式。

在步骤1003中，随机抽取社群。也即是，服务器为至少两个待评估方案中的每一个待评估方案随机抽取k个社群。

在一个示例中，服务器可以使用MurmurHash(非加密型哈希)函数将得到的社群的编号映射到q个社群组中，例如，q可以为10000，那么，每个社群组包含n/10000个社群，n为社群总数。之后，服务器根据每个待评估方案所需的社群的数量k，得到每个待评估方案所需的社群组的数量

最后，服务器根据每个待评估方案所需的社群组的数量，为每个待评估方案分配社群组，并根据社群组与社群的对应关系，确定待评估方案与社群的对应关系。

例如，服务器中也可以创建json进行数据存储，其中，存储的内容可以包括：各个待评估方案所对应的社群组。例如，编号为1的待评估方案对应的社群组为[1、2、3、4和5]；编号为2的待评估方案对应的社群组为[6、7、8、9和10]；编号为3的待评估方案对应的社群组为[11、12、13、14和15]；编号为4的待评估方案对应的社群组为[16、17、18、19和20]。其中，上述每个社群组中的数字表示该社群组所包括的社群的编号。

在步骤1004中，实验策略配置。实验策略配置，也即是，为每一个待评估方案确定用户账号的配置。

在一个示例中，服务器根据待评估方案与社群的对应关系，以及社群与用户账号的对应关系，确定待评估方案与用户账号的对应关系，然后，基于待评估方案与用户账号的对应关系，将每一个待评估方案下发至相对应的用户账号。

例如，基于上述对应关系，服务器中也可以创建json进行数据存储，其中，存储的内容可以包括：每个用户账号所对应的待评估方案。例如，编号为10001的用户账号所对应的待评估方案的编号为1，也即是，为编号为10001下发编号为1的待评估方案；编号为10002的用户账号所对应的待评估方案的编号为2，也即是，为编号为10002的用户账号下发编号为2的待评估方案；编号为10003的用户账号所对应的待评估方案的编号为3，也即是，为编号为10003的用户账号下发编号为3的待评估方案；编号为10004的用户账号所对应的待评估方案的编号为4，也即是，为编号为10004的用户账号下发编号为4的待评估方案。最后，实验系统的后台服务器可以将上述json数据发送到社交应用程序对应的后台服务器中。社交应用程序对应的后台服务器可以根据上述json数据，按照实验策略，对每个用户账号生效相对应的方案，进行A-B实验。

基于上述所述，本实施例中，通过多个用户账号对多个待评估方案进行实验的一种场景可以如图11所示，实验系统的后台服务器获取多个用户账号后，按照上述的用户账号的选择方法，确定用户账号与待评估方案的对应关系，然后，将确定出的用户账号与待评估方案的对应关系，下发给社交应用程序后台的服务器，社交应用程序后台对应的服务器可以根据待评估方案与用户账号之间的对应关系，让各个用户账号使用相对应的待评估方案，其中，如图11所示，属于同一个社群中的用户账号使用同一个待评估方案。

在本申请实施例中，在进行A-B实验，为待评估方案选择体验用户账号时，可以将属于同一个社群的用户账号，确定为同一种待评估方案的体验用户账号，而社群中的每个用户账号都是基于该用户账号的关系账号集来选取的，使得社群中的多个用户账号之间存在社交关系。可见，这种为待评估方案选择体验用户账号的方法，考虑到了体验用户之间的社交关系，让具有社交关系的体验用户，体验同一个待评估方案，可以提高A-B实验结果的准确性。

基于相同的技术构思，本申请实施例还提供了一种用户账号的选择装置，该装置可以是上述所述的服务器，如图12所示，该装置包括：

第一获取模块1010，用于获取m个用户账号以及所述m个用户账号中每个用户账号对应的关系账号集；

划分模块1011，用于根据所述关系账号集将所述m个用户账号划分至n个社群中；

第一确定模块1012，用于将属于同一个社群的用户账号，确定为同一个待评估方案的体验用户账号；

其中，m和n均为正整数，且m大于n。

可选的，划分模块1011，具体用于根据所述关系账号集与每个社群之间的匹配分值，对每个用户账号经过T轮迭代，将所述m个用户账号匹配至所述n个社群中；

其中，所述匹配分值是用于表示所述关系账号集与所述社群的接近程度的分值，T为正整数。

可选的，所述划分模块1011，具体用于：

在第t轮迭代中，根据所述第i个用户账号的所述关系账号集与所述每个社群之间的匹配分值，将所述第i个用户账号匹配至所述n个社群中的一个社群中；

当所述m个用户账号在所述第t轮迭代中均完成匹配且t不等于T时，开始第t+1轮迭代；

当所述m个用户账号在所述第t轮迭代中均完成匹配且t等于T时，迭代完毕，得到所述n个社群。

可选的，当i＝1时，所述n个社群是第t-1轮迭代结束时得到的社群，t为不大于T的正整数；

当i大于1且不大于m时，所述n个社群是第i-1个用户账号在所述第t轮迭代中完成匹配时得到的社群。

可选的，所述划分模块1011，具体用于：

将所述第i个用户账号的所述关系账号集与所述每个社群之间的匹配分值进行排序，确定出最大匹配分值；

将所述第i个用户账号，匹配至所述n个社群中具有所述最大匹配分值对应的社群中。

可选的，所述划分模块1011，具体用于：

将所述第i个用户账号的所述关系账号集与所述每个社群之间的匹配分值进行排序，确定出最大匹配分值；

当所述最大匹配分值为至少两个时，将所述第i个用户账号随机匹配至具有所述最大匹配分值的至少两个社群中的一个。

可选的，所述装置还包括：

计算模块，用于根据所述第i个用户账号的所述关系账号集中的各个用户账号，所述每个社群中的用户账号，所述每个社群所能包括的最大用户账号数量，以及所述每个社群包括的用户账号数量，计算所述第i个用户账号的所述关系账号集与所述每个社群之间的匹配分值。

可选的，所述计算模块，具体用于：

根据所述第i个用户账号的所述关系账号集中的各个用户账号，所述每个社群中的用户账号，确定所述每个社群的交集账号数量，所述交集账号数量为每个所述社群与所述关系账号集存在相同用户账号的数量；

根据所述最大用户账号数量，以及所述每个社群的用户账号数量，确定所述每个社群的惩罚值；

根据所述每个社群的交集账号数量与惩罚值的乘积，确定所述第i个用户账号的所述关系账号集分别与所述每个社群的匹配分值。

可选的，所述计算模块，具体用于：

确定所述每个社群的用户账号数量差值，所述用户账号数量差值为所述最大用户账号数量与所述每个社群的用户账号数量之差；

根据所述每个社群的用户账号数量差值分别与所述最大用户账号数量之间的比值，确定所述每个社群的惩罚值。

可选的，所述待评估方案为至少两个，如图13所示，所述装置还包括：

第二获取模块1013，用于获取每个待评估方案所需的社群的数量k，其中，k为正整数；

第二确定模块1014，用于为所述每个待评估方案随机分配k个社群，得到所述待评估方案与所述社群的对应关系；

第三确定模块1015，用于根据所述待评估方案与所述社群的对应关系，以及所述社群与所述用户账号的对应关系，确定所述每个待评估方案对应的体验用户账号；

方案下放模块1016，用于将所述每个待评估方案下放给对应的体验用户账号。

可选的，所述第二确定模块具体用于：

将所述n个社群划分至q个社群组中，得到所述社群与所述社群组的对应关系，每个社群组中包括

个社群，其中，q为正整数；

根据所述每个待评估方案所需的社群的数量k，以及所述每个社群组中所包括的社群的数量

确定所述每个待评估方案所需的所述社群组的数量

为所述每个待评估方案分配

个所述社群组，得到所述待评估方案与所述社群组的对应关系；

根据所述待评估方案与所述社群组的对应关系，以及所述社群与所述社群组的对应关系，确定所述待评估方案与所述社群的对应关系。

在本申请实施例中，在进行A-B实验，为待评估方案选择体验用户账号时，该装置可以将属于同一个社群的用户账号，确定为同一种待评估方案的体验用户账号，而社群中的每个用户账号都是基于该用户账号的关系账号集来选取的，使得社群中的多个用户账号之间存在社交关系。可见，这种为待评估方案选择体验用户账号的装置，考虑到了体验用户之间的社交关系，让具有社交关系的体验用户，体验同一个待评估方案，可以提高A-B实验结果的准确性。

需要说明的是：上述实施例提供的用户账号的选择装置在选择用户账号时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的用户账号的选择装置与用户账号的选择方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。

图14是本申请实施例提供的一种计算机设备的结构示意图，该计算机设备可以是上述的服务器，该计算机设备1100可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上处理器(Central Processing Units，CPU)1101和一个或一个以上的存储器1102，其中，所述存储器1102中存储有至少一条指令，所述至少一条指令由所述处理器1101加载并执行以实现上述所述的用户账号的选择方法。

本实施例还提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现上述所述的用户账号的选择方法。

以上所述仅为本申请的可选实施例，并不用以限制本申请，凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。

Claims (15)

1.一种用户账号的选择方法，其特征在于，所述方法包括：

获取m个用户账号以及所述m个用户账号中每个用户账号对应的关系账号集；

根据所述关系账号集将所述m个用户账号划分至n个社群中；

将属于同一个社群的用户账号，确定为同一个待评估方案的体验用户账号；

其中，m和n均为正整数，且m大于n。

2.根据权利要求1所述的方法，其特征在于，所述根据所述关系账号集将所述m个用户账号划分至n个社群中，包括：

根据所述关系账号集与每个社群之间的匹配分值，对每个用户账号经过T轮迭代，将所述m个用户账号匹配至所述n个社群中；

其中，所述匹配分值是用于表示所述关系账号集与所述社群的接近程度的分值，T为正整数。

3.根据权利要求2所述的方法，其特征在于，所述根据所述关系账号集与每个社群之间的匹配分值，对每个用户账号经过T轮迭代，将所述m个用户账号匹配至所述n个社群中，包括：

在第t轮迭代中，根据所述第i个用户账号的所述关系账号集与所述每个社群之间的匹配分值，将所述第i个用户账号匹配至所述n个社群中的一个社群中；

当所述m个用户账号在所述第t轮迭代中均完成匹配且t不等于T时，开始第t+1轮迭代；

当所述m个用户账号在所述第t轮迭代中均完成匹配且t等于T时，迭代完毕，得到所述n个社群。

4.根据权利要求3所述的方法，其特征在于，

当i＝1时，所述n个社群是第t-1轮迭代结束时得到的社群，t为不大于T的正整数；

当i大于1且不大于m时，所述n个社群是第i-1个用户账号在所述第t轮迭代中完成匹配时得到的社群。

5.根据权利要求3所述的方法，其特征在于，所述根据所述第i个用户账号的所述关系账号集与所述每个社群之间的匹配分值，将所述第i个用户账号匹配至所述n个社群中的一个社群中，包括：

将所述第i个用户账号的所述关系账号集与所述每个社群之间的匹配分值进行排序，确定出最大匹配分值；

将所述第i个用户账号，匹配至所述n个社群中具有所述最大匹配分值对应的社群中。

6.根据权利要求3所述的方法，其特征在于，所述根据所述第i个用户账号的所述关系账号集与所述每个社群之间的匹配分值，将所述第i个用户账号匹配至所述n个社群中的一个社群中，包括：

将所述第i个用户账号的所述关系账号集与所述每个社群之间的匹配分值进行排序，确定出最大匹配分值；

当所述最大匹配分值为至少两个时，将所述第i个用户账号随机匹配至具有所述最大匹配分值的至少两个社群中的一个。

7.根据权利要求2至5任一所述的方法，其特征在于，所述方法还包括：

根据所述第i个用户账号的所述关系账号集中的各个用户账号，所述每个社群中的用户账号，所述每个社群所能包括的最大用户账号数量，以及所述每个社群包括的用户账号数量，计算所述第i个用户账号的所述关系账号集与所述每个社群之间的匹配分值。

8.根据权利要求7所述的方法，其特征在于，所述根据所述第i个用户账号的所述关系账号集中的各个用户账号，所述每个社群中的用户账号，所述每个社群所能包括的最大用户账号数量，以及所述每个社群包括的用户账号数量，计算所述第i个用户账号的所述关系账号集与所述每个社群之间的匹配分值，包括：

根据所述第i个用户账号的所述关系账号集中的各个用户账号和所述每个社群中的用户账号，确定所述每个社群的交集账号数量，所述交集账号数量为每个所述社群与所述关系账号集存在相同用户账号的数量；

根据所述最大用户账号数量和所述每个社群的用户账号数量，确定所述每个社群的惩罚值；

根据所述每个社群的所述交集账号数量与所述惩罚值的乘积，确定所述第i个用户账号的所述关系账号集分别与所述每个社群的匹配分值。

9.根据权利要求8所述的方法，其特征在于，所述根据所述最大用户账号数量，以及所述每个社群的用户账号数量，确定所述每个社群的惩罚值，包括：

确定所述每个社群的用户账号数量差值，所述用户账号数量差值为所述最大用户账号数量与所述每个社群的用户账号数量之差；

根据所述每个社群的用户账号数量差值分别与所述最大用户账号数量之间的比值，确定所述每个社群的惩罚值。

10.根据权利要求1至6任一所述的方法，其特征在于，所述待评估方案为至少两个，所述方法还包括：

获取每个待评估方案所需的社群的数量k，其中，k为正整数；

为所述每个待评估方案随机分配k个社群，得到所述待评估方案与所述社群的对应关系；

根据所述待评估方案与所述社群的对应关系，以及所述社群与所述用户账号的对应关系，确定所述每个待评估方案对应的体验用户账号；

将所述每个待评估方案下放给对应的体验用户账号。

11.根据权利要求10所述的方法，其特征在于，所述为所述每个待评估方案随机分配k个社群，得到所述待评估方案与所述社群的对应关系，包括：

将所述n个社群划分至q个社群组中，得到所述社群与所述社群组的对应关系，每个社群组中包括

个社群，其中，q为正整数；

根据所述每个待评估方案所需的社群的数量k，以及所述每个社群组中所包括的社群的数量

确定所述每个待评估方案所需的所述社群组的数量

为所述每个待评估方案分配

个所述社群组，得到所述待评估方案与所述社群组的对应关系；

根据所述待评估方案与所述社群组的对应关系，以及所述社群与所述社群组的对应关系，确定所述待评估方案与所述社群的对应关系。

12.一种用户账号的选择装置，其特征在于，所述装置包括：

第一获取模块，用于获取m个用户账号以及所述m个用户账号中每个用户账号对应的关系账号集；

划分模块，用于根据所述关系账号集将所述m个用户账号划分至n个社群中；

第一确定模块，用于将属于同一个社群的用户账号，确定为同一个待评估方案的体验用户账号；

其中，m和n均为正整数，且m大于n。

13.根据权利要求12所述的装置，其特征在于，所述划分模块，具体用于：

根据所述关系账号集与每个社群之间的匹配分值，对每个用户账号经过T轮迭代，将所述m个用户账号匹配至所述n个社群中；

其中，所述匹配分值是用于表示所述关系账号集与所述社群的接近程度的分值，T为正整数。

14.一种计算机设备，其特征在于，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如权利要求1至11任一所述的用户账号的选择方法。

15.一种计算机可读存储介质，其特征在于，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如权利要求1至11任一所述的用户账号的选择方法。

Images