[發明專利]面向個性化應用的跨網絡行為關聯方法

在審

• 申請號: 201410341643.2
• 申請日: 2014-07-17
• 公開（公告）號: CN104090971A
• 公開（公告）日: 2014-10-08
• 發明（設計）人: 徐常勝;嚴明;?；w
• 申請（專利權）人: 中國科學院自動化研究所
• 主分類號: G06F17/30
• 分類號: G06F17/30
• 代理公司: 中科專利商標代理有限責任公司 11021
• 代理人: 宋焰琴

技術領域

本發明屬于社會媒體計算技術領域，涉及一種面向個性化應用的跨網絡行為關聯方法。

背景技術

隨著互聯網技術的發展，各種社會媒體和網絡應用應運而生。為更好進行社交和信息獲取，用戶越來越頻繁的使用多種社會媒體服務，這也使得用戶的信息分散在不同的網絡平臺上，只從單一的網絡平臺去分析用戶的行為無法全方位的理解用戶。因此，將不同網絡平臺用戶的行為進行整合可以更好的分析用戶興趣，從而有助于設計更加精準的個性化應用。然而，用戶在不同網絡平臺的行為往往是異構的，這種異構的跨網絡行為經常無法簡單的進行一一加和。因此，如何將不同網絡平臺的異構行為進行有效的整合是一個亟待解決的問題，而這里的關鍵就是找到跨網絡異構行為之間的關聯模式。

目前，跨網絡分析和應用研究是一個相對嶄新的領域，還處在起步階段。研究者們目前主要從兩方面研究該領域：多網絡拓撲結構分析和跨網絡用戶建模。多網絡拓撲結構分析主要利用社會網絡分析(Social?Network?Analysis，SNA)的方法研究多網絡下總體網絡拓撲結構和屬性，并分析不同網絡平臺屬性和結構的相似性和差異性，以及信息在多網絡結構下的傳播機制?？缇W絡用戶建模專注于將不同網絡平臺的同質用戶行為進行聚合，比如將不同網絡平臺用戶的標簽和簡介聚合起來，作為一個更加完整的用戶文檔來表示用戶，然后基于該聚合文檔對用戶進行用戶建模，得到多網絡聚合的用戶興趣。這兩方面研究目前還是主要分別從社會關系結構和同質行為(比如用戶標簽)來研究多網絡場景下的相應特性，然而多網絡情形下往往伴隨著多種異構行為(比如用戶標簽和用戶好友關系)，這些異構的跨網絡行為有時才能反映更加穩定的用戶興趣，因此如果能挖掘出跨網絡異構行為之間的關聯模式，則可以更好的理解跨網絡下的用戶興趣和不同網絡的知識特性。

遷移學習(Transfer?Learning)和子空間學習(Subspace?Learning)是學習不同網絡空間關聯的兩種重要技術。前者通過找一些共現數據(Co-occurrence?Data)來學習得到不同平臺的潛在關聯模式，并將知識從源網絡遷移到目標網絡來解決目標網絡上的分類、回歸等問題。后者的主要思想是通過學習一個公共的子空間來同時表達不同類型的異構數據，使得不同形式的異構數據可以在這個公共的子空間進行直接的比較。但這些技術都沒有考慮過從跨網絡關聯用戶的角度去對不同網絡的異構行為進行關聯，進而以用戶集體智慧的方式發現不同網絡間的關聯模式。

發明內容

(一)要解決的技術問題

本發明的目的是將不同網絡上的異構行為信息進行用戶層的關聯，并基于此關聯設計個性化的應用。為此提出利用跨網絡關聯用戶作為連接不同網絡的橋梁，基于潛在用戶屬性發現的跨網絡行為關聯方法。

(二)技術方案

為實現上述目的，本發明提供面向個性化應用的跨網絡行為關聯方法包括：

S1、分別對兩個具有異構知識實體和用戶行為的網絡進行主題建模，分別得到反映用戶行為的異構知識在不同主題空間的主題分布；

S2、將用戶在所述兩個網絡的行為信息進行主題聚合，得到用戶在所述兩個網絡的主題分布；

S3、基于潛在用戶屬性發現對所述兩個網絡進行跨網絡主題關聯；

S4、將所述跨網絡的主題關聯轉換為跨網絡的用戶行為分布關聯。

(三)有益效果

從上述技術方案可以看出，本發明面向個性化應用的跨網絡行為關聯方法具有以下有益效果：

(1)利用跨網絡關聯用戶的集體智慧，使不同網絡的異構行為能在用戶層上進行跨網絡關聯，同時通過引入主題模型和用戶感知，使該關聯突破語義關聯的局限性，在更細的粒度下進行感知。

(2)該發明提出了一種用戶感知的跨網絡異構行為關聯方法，基于該關聯可以從多種方向設計跨網絡的個性化應用，有效的緩解了冷啟動和數據稀疏性問題。

附圖說明

圖1是本發明面向個性化應用的跨網絡行為關聯方法的流程圖；

圖2是本發明一個實施例中視頻主題空間多模態主題建模(iCorr-LDA)的圖表示；

圖3和圖4分別是本發明實施例中對步驟S1異質主題建模學到的視頻主題空間和社交網絡用戶興趣空間的可視化表示。

具體實施方式