[發明專利]通過基于核的學習對社交強度進行建模

有效

• 申請號: 201110411497.2
• 申請日: 2011-11-21
• 公開（公告）號: CN103136309B
• 公開（公告）日: 2018-02-23
• 發明（設計）人: 梅濤;華先勝;李世鵬;莊金峰
• 申請（專利權）人: 微軟技術許可有限責任公司
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 上海專利商標事務所有限公司31100
• 代理人: 胡利鳴

1.一種用于測量社交網站內用戶相似性的方法，所述方法包括：

計算社交網站上可用的各個模態中用于測量用戶相似性的核；

采用基于核的學習技術將計算出的核進行組合以得出最優核；

采用基于學習的框架和最優核函數來推斷用戶之間的社交強度，

其中與所述各個模態相關聯的多模態異類數據包括對尋找隱含的社交關系有用的豐富上下文信息。

2.如權利要求1所述的方法，其特征在于，基于核的學習技術包括多核學習(MKL)方案。

3.如權利要求1所述的方法，其特征在于，計算出的核用于測量以下至少之一：可視空間內的用戶相似性、文本空間內的用戶相似性、通過相互評論的用戶相似性、通過共同興趣分組的用戶相似性、通過共有朋友的用戶相似性、通過地理標簽的用戶相似性以及通過最喜愛照片的用戶相似性。

4.如權利要求1所述的方法，其特征在于，采用基于核的學習技術將計算出的核進行組合以得出最優核進一步包括使用核目標對齊算法來學習每個計算出的核的權重。

5.如權利要求4所述的方法，其特征在于，所述方法進一步包括將經加權的每個核進行相加來得出最優核。

6.如權利要求4所述的方法，其特征在于，使用核目標對齊算法來學習每個計算出的核的權重進一步包括最大化地對齊經組合的核與目標核來學習每個計算出的核的權重。

7.如權利要求1所述的方法，其特征在于，所述方法進一步包括基于最優核，導出排序學習(learning to rank)框架來推斷用戶之間的社交強度，其中所述社交強度對一對用戶之間的親密程度進行排序。

8.一種用于對社交網站內用戶的社交強度進行建模的方法，所述方法包括：

將社交網站上可用的各個模態中用于測量用戶相似性的核進行組合以得出最優核；

基于所述最優核，導出排序學習框架來推斷用戶之間的社交強度，

其中與所述各個模態相關聯的多模態異類數據包括對尋找隱含的社交關系有用的豐富上下文信息。

9.如權利要求8所述的方法，其特征在于，所述核用于測量以下至少之一：可視空間內的用戶相似性、文本空間內的用戶相似性、通過相互評論的用戶相似性、通過共同興趣分組的用戶相似性、通過共有朋友的用戶相似性、通過地理標簽的用戶相似性以及通過最喜愛照片的用戶相似性。

10.如權利要求8所述的方法，其特征在于，將社交網站上可用的各個模態中用于測量用戶相似性的核進行組合以得出最優核進一步包括使用核目標對齊算法來學習每個核的權重。

11.如權利要求10所述的方法，其特征在于，進一步包括將經加權的每個核進行相加來得出最優核。

12.如權利要求10所述的方法，其特征在于，使用核目標對齊算法來學習每個核的權重進一步包括最大化地對齊經組合的核與目標核來學習每個計算出的核的權重。

13.如權利要求8所述的方法，其特征在于，社交強度對一對用戶之間的親密程度進行排序。

14.如權利要求8所述的方法，其特征在于，排序學習框架是成對(pair-wise)排序學習框架。