[發(fā)明專利]虛擬人建立方法及裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 201410814330.4
• 申請(qǐng)日: 2014-12-23
• 公開（公告）號(hào): CN104504264A
• 公開（公告）日: 2015-04-08
• 發(fā)明（設(shè)計(jì)）人: 蔡立宇;賈西貝
• 申請(qǐng)（專利權(quán)）人: 深圳市華傲數(shù)據(jù)技術(shù)有限公司
• 主分類號(hào): G06F19/00
• 分類號(hào): G06F19/00
• 代理公司: 深圳市華優(yōu)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44319
• 代理人: 余薇

技術(shù)領(lǐng)域

本發(fā)明涉及數(shù)據(jù)處理技術(shù)領(lǐng)域，尤其涉及一種基于行為日志的虛擬人建立方法及裝置。

背景技術(shù)

當(dāng)前，即時(shí)通訊，電子郵件，網(wǎng)絡(luò)游戲，P2P軟件下載，網(wǎng)絡(luò)論壇，網(wǎng)絡(luò)招聘，電子商務(wù)交易，網(wǎng)絡(luò)預(yù)定機(jī)票酒店等各種網(wǎng)絡(luò)服務(wù)給網(wǎng)絡(luò)用戶的生活帶來極大的便利。各種網(wǎng)絡(luò)服務(wù)一般會(huì)給每個(gè)用戶分配一個(gè)帳號(hào)，該帳號(hào)跟用戶的注冊(cè)信息相關(guān)聯(lián)并用以對(duì)各用戶進(jìn)行記錄和識(shí)別，比如網(wǎng)絡(luò)用戶的即時(shí)通信號(hào)碼(如QQ賬號(hào))或電子郵件地址，網(wǎng)絡(luò)游戲帳號(hào)，論壇登陸帳號(hào)，以及P2P軟件帳號(hào)等等。

每個(gè)網(wǎng)絡(luò)用戶都擁有類型多樣的賬號(hào)，而大量的網(wǎng)絡(luò)用戶則帶來的巨量的賬號(hào)數(shù)據(jù)，對(duì)相關(guān)部門來說，有效管理網(wǎng)絡(luò)用戶信息已經(jīng)成為艱巨的任務(wù)。為有效管理網(wǎng)絡(luò)用戶信息，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)帳號(hào)歸屬關(guān)系的分析，即哪些帳號(hào)屬于同一個(gè)人(虛擬人)，現(xiàn)已成為亟需解決的問題。

現(xiàn)有技術(shù)在面對(duì)構(gòu)建虛擬人的問題時(shí)，大多歸于屬性匹配方式。屬性匹配的方案大致如下：

A)指定網(wǎng)絡(luò)帳號(hào)屬性匹配的規(guī)則，在哪種情況下用哪些屬性進(jìn)行匹配，以及相應(yīng)的匹配成功判定方法。比如，當(dāng)匹配一個(gè)QQ帳號(hào)和一個(gè)淘寶帳號(hào)時(shí)，如果兩帳號(hào)的“姓名”和“聯(lián)系方式”兩個(gè)字段的編輯距離(edit?distance)均小于3，則認(rèn)為這兩個(gè)帳號(hào)匹配成功。

B)根據(jù)屬性匹配的情況，構(gòu)建帳號(hào)之間屬于同一個(gè)人的程度(相似度)。并最終根據(jù)相似度分辨出哪些帳號(hào)屬于同一個(gè)人。比如，上例中，只要匹配成功則認(rèn)為屬于同一個(gè)人。

但是，實(shí)際生活中存在如下情況：

1.賬號(hào)數(shù)據(jù)中經(jīng)常出現(xiàn)屬性缺失的情況，例如賬號(hào)注冊(cè)時(shí)只填寫了部分屬性值。

2.不同類型的賬號(hào)數(shù)據(jù)，共有的屬性少。而且共有的屬性中，不一定都能用于屬性匹配。

3.不同類型的賬號(hào)數(shù)據(jù)，對(duì)同一語義的屬性不同，需要對(duì)齊，這進(jìn)一步增加了難度。比如在A類帳號(hào)中，姓名對(duì)應(yīng)的字段就是“姓名”這一個(gè)字段，但在B類帳號(hào)中，姓名實(shí)際上是用“姓”和“名”兩個(gè)字段來表示。

4.實(shí)際賬號(hào)數(shù)據(jù)中，屬性值的可信度并不是很高。例如，因?yàn)槿狈?shí)名認(rèn)證，可能存在身份證號(hào)不真實(shí)的情況。

5.需要進(jìn)行屬性級(jí)別的比較，復(fù)雜度較高。

這些情況使得屬性匹配的過程復(fù)雜、計(jì)算量大且實(shí)際結(jié)果不理想，尤其是針對(duì)大量數(shù)據(jù)處理時(shí)，準(zhǔn)確度較低。

發(fā)明內(nèi)容

因此，本發(fā)明的目的在于提供一種基于行為日志的虛擬人建立方法，解決因帳號(hào)類型多樣等帶來的虛擬人構(gòu)建復(fù)雜、準(zhǔn)確度低的問題。

本發(fā)明的另一目的在于提供一種基于行為日志的虛擬人建立裝置，解決因帳號(hào)類型多樣等帶來的虛擬人構(gòu)建復(fù)雜、準(zhǔn)確度低的問題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供了一種虛擬人建立方法，包括如下步驟：

從行為日志中提取賬號(hào)及與賬號(hào)對(duì)應(yīng)的登陸時(shí)間、登陸終端信息；

根據(jù)賬號(hào)之間協(xié)同出現(xiàn)的情況計(jì)算賬號(hào)之間的相似度，構(gòu)造以節(jié)點(diǎn)表征賬號(hào)的連通圖，并以節(jié)點(diǎn)之間的邊的長(zhǎng)度表征賬號(hào)之間的相似度，節(jié)點(diǎn)之間的邊越短，節(jié)點(diǎn)所表征的賬號(hào)之間相似度越高；

對(duì)所述連通圖中的節(jié)點(diǎn)進(jìn)行聚類，根據(jù)聚類結(jié)果建立虛擬人。

其中，還引入賬號(hào)之間協(xié)同出現(xiàn)的情況以外的因素計(jì)算所述賬號(hào)之間的相似度。

其中，對(duì)所述連通圖中的節(jié)點(diǎn)進(jìn)行聚類的過程包括如下步驟：

分別求出每個(gè)節(jié)點(diǎn)的本地密度Rho，Rho定義為連接本節(jié)點(diǎn)的長(zhǎng)度低于某個(gè)預(yù)定義值Dc的鄰邊的數(shù)目；

分別求出每個(gè)節(jié)點(diǎn)的離散度Delta，Delta定義為本節(jié)點(diǎn)所有連接更高Rho值鄰居節(jié)點(diǎn)的鄰邊中最短邊的邊長(zhǎng)；若不存在這樣的鄰居節(jié)點(diǎn)，則取本節(jié)點(diǎn)最長(zhǎng)鄰邊的邊長(zhǎng)。

將Rho值和Delta值分別高于預(yù)設(shè)閾值R_T和D_T的節(jié)點(diǎn)標(biāo)識(shí)為類的中心節(jié)點(diǎn)；

將非中心節(jié)點(diǎn)歸類為到該非中心節(jié)點(diǎn)距離最短且Rho值高于該非中心節(jié)點(diǎn)的中心節(jié)點(diǎn)所屬的類；

相同類的各個(gè)節(jié)點(diǎn)一同構(gòu)成一個(gè)虛擬人，也就是屬于同一個(gè)虛擬人。

其中，采用K-Means方法或?qū)哟尉垲惙椒▽?duì)所述連通圖中的節(jié)點(diǎn)進(jìn)行聚類。

其中，還包括合并所有虛擬人及與虛擬人對(duì)應(yīng)的賬號(hào)成為虛擬人數(shù)據(jù)庫(kù)。

本發(fā)明還提供了一種虛擬人建立裝置，包括：

信息提取單元，用于從行為日志中提取賬號(hào)及與賬號(hào)對(duì)應(yīng)的登陸時(shí)間、登陸終端信息；

連通圖構(gòu)造單元，用于根據(jù)賬號(hào)之間協(xié)同出現(xiàn)的情況計(jì)算賬號(hào)之間的相似度，構(gòu)造以節(jié)點(diǎn)表征賬號(hào)的連通圖，并以節(jié)點(diǎn)之間的邊的長(zhǎng)度表征賬號(hào)之間的相似度，節(jié)點(diǎn)之間的邊越短，節(jié)點(diǎn)所表征的賬號(hào)之間相似度越高；