[發(fā)明專利]一種社交網(wǎng)絡(luò)用戶虛實映射方法和系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201410042782.5
• 申請日: 2014-01-29
• 公開（公告）號: CN103745014A
• 公開（公告）日: 2014-04-23
• 發(fā)明（設(shè)計）人: 梁英;胡開先;許洪波;程學(xué)旗;張國清
• 申請（專利權(quán)）人: 中國科學(xué)院計算技術(shù)研究所
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 北京泛華偉業(yè)知識產(chǎn)權(quán)代理有限公司 11280
• 代理人: 王勇

技術(shù)領(lǐng)域

本發(fā)明涉及計算機(jī)數(shù)據(jù)挖掘分析領(lǐng)域，尤其涉及一種社交網(wǎng)絡(luò)用戶虛實映射方法和系統(tǒng)。

背景技術(shù)

隨著互聯(lián)網(wǎng)的不斷發(fā)展，社交網(wǎng)絡(luò)在人們生活中扮演著重要的角色，微博、微信、人人網(wǎng)等已經(jīng)成為人們獲取信息、展示自我和營銷推廣的重要手段。通過社交網(wǎng)絡(luò)，人們可以方便地以虛擬身份自由發(fā)表觀點和意見，每個人都是信息的生產(chǎn)者和消費者，形成“自媒體”。匿名的社交網(wǎng)絡(luò)在一定程度上保護(hù)了用戶的隱私，但同樣也帶來了很多問題。比如，不易追蹤網(wǎng)絡(luò)虛假消息的發(fā)布者、不易定位危害國家治安言論的發(fā)布者、不易在網(wǎng)絡(luò)中追查違法犯罪行為等。盡管我國推出了網(wǎng)絡(luò)實名制注冊政策，但面對無邊界的網(wǎng)絡(luò)社會，實名制需要全國統(tǒng)一，甚至需要與世界接軌，因此在實施過程中困難重重。此外，即使是采用了實名制注冊也是后臺實名，而前臺顯示仍使用昵稱的匿名形式。因此，在網(wǎng)絡(luò)的虛擬性、匿名性等特征下，根據(jù)用戶在社交網(wǎng)絡(luò)中的虛擬身份來識別用戶的真實身份，即實現(xiàn)用戶的虛實映射，具有積極的社會意義。

目前，針對社交網(wǎng)絡(luò)中用戶虛實映射的研究主要包括以下兩個方面：一類是基于網(wǎng)絡(luò)IP地址定位網(wǎng)絡(luò)設(shè)備，如通過分析移動設(shè)備IP地址，網(wǎng)絡(luò)設(shè)備IP地址及臺式電腦IP地址等來獲取設(shè)備所在的省市信息；另一類是通過人物特征屬性對某個用戶群體進(jìn)行識別，用戶的特征屬性可以包括性別、年齡段、居住地、畢業(yè)院校、性格、星座、愛好、職業(yè)等，通過挖掘網(wǎng)絡(luò)數(shù)據(jù)來識別用戶特征屬性，可以將擁有相同或相似特征屬性的用戶群挖掘出來，以便為網(wǎng)絡(luò)營銷、電商廣告提供服務(wù)。

然而，由于實踐中難以獲得社交網(wǎng)絡(luò)用戶的IP信息，因此前一類方法的適用范圍受到一定限制，不能滿足IP缺失的社交網(wǎng)絡(luò)用戶的虛實映射需求；而第二類方法面向擁有相似特征的用戶群，并不是面向個人用戶，其偏向于挖掘用戶的特征屬性分類，并不能識別用戶的真實身份。

發(fā)明內(nèi)容

為解決現(xiàn)有技術(shù)中存在的問題，本發(fā)明提供一種社交網(wǎng)絡(luò)用戶虛實映射方法，所述方法包括：

步驟1）、根據(jù)社交網(wǎng)絡(luò)用戶的唯一標(biāo)識獲取該社交網(wǎng)絡(luò)用戶的地理位置信息，并且獲取該地理位置信息對應(yīng)的地理位置的周邊單位名稱列表；

步驟2）、將所述周邊單位名稱列表中的每個單位名稱與所述社交網(wǎng)絡(luò)用戶發(fā)布的消息內(nèi)容進(jìn)行匹配，根據(jù)匹配程度選擇一個或多個單位名稱。

在一個實施例中，步驟1）還包括：對所述周邊單位名稱列表中的每個單位名稱進(jìn)行分詞，得到該單位名稱的分詞結(jié)果。

在一個實施例中，在步驟2）中，將周邊單位名稱列表中的每個單位名稱與社交網(wǎng)絡(luò)用戶發(fā)布的消息內(nèi)容進(jìn)行匹配包括：

步驟21）、將每個單位名稱的全稱與所述社交網(wǎng)絡(luò)用戶發(fā)布的消息內(nèi)容進(jìn)行匹配，如果匹配成功則使用下式計算該單位名稱的近似度權(quán)重：

weight(str)＝word.size(str)*factor^{matchtime(sstr)}

其中，str表示單位名稱，weight(str)表示單位名稱的近似度權(quán)重，word.size(str)表示單位名稱的長度，factor表示乘數(shù)因子，matchtimes(str)表示單位名稱與消息內(nèi)容的匹配成功次數(shù)；

步驟22）、如果匹配不成功，則將該單位名稱的分詞結(jié)果中除該單位名稱的全稱外的每個分詞與所述社交網(wǎng)絡(luò)用戶發(fā)布的消息內(nèi)容進(jìn)行匹配，將每個分詞的匹配成功次數(shù)之和作為該單位名稱的近似度權(quán)重。

在一個實施例中，步驟2）還包括：

步驟23）、合并近似度權(quán)重相同且具有共同的最大前綴的單位名稱，使得所述共同的最大前綴包含在前綴詞庫中或者其長度達(dá)到預(yù)定長度；其中，合并后的單位名稱為所述共同的最大前綴且其近似度權(quán)重為所合并的單位名稱的近似度權(quán)重之和，所述前綴詞庫用于存放指示地理位置的前綴詞。

在進(jìn)一步的實施例中，步驟23）包括：

步驟231）、對于一種近似度權(quán)重，新建一棵Trie樹；

步驟232）、將具有該近似度權(quán)重的單位名稱插入所述Trie樹，得到具有共同的最大前綴的單位名稱；

步驟233）、如果該共同的最大前綴包含在前綴詞庫中或者其長度達(dá)到預(yù)定長度，則合并具有該共同的最大前綴且具有該近似度權(quán)重的單位名稱；其中，合并后的單位名稱為該共同的最大前綴且其近似度權(quán)重為所合并的單位名稱的近似度權(quán)重之和，所述前綴詞庫用于存放指示地理位置的前綴詞；

步驟234）、銷毀所述Trie樹；

步驟235）、對于未處理的近似度權(quán)重，返回步驟231）進(jìn)行處理。