[發(fā)明專利]一種社交網(wǎng)絡(luò)賬號映射模型訓(xùn)練方法及映射方法和系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201510252840.1
• 申請日: 2015-05-18
• 公開（公告）號: CN104866558B
• 公開（公告）日: 2018-08-10
• 發(fā)明（設(shè)計(jì)）人: 許洪波;樊茜;梁英;程學(xué)旗
• 申請（專利權(quán)）人: 中國科學(xué)院計(jì)算技術(shù)研究所
• 主分類號: G06F17/30
• 分類號: G06F17/30;G06K9/66
• 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

本發(fā)明提供一種社交網(wǎng)絡(luò)賬號映射模型訓(xùn)練方法，包括：1)將映射關(guān)系已知的微博s賬號集合中的任一個賬號與微博t賬號集合中的任一個賬號進(jìn)行兩兩組合構(gòu)成訓(xùn)練集；2)對每一個賬號組合提取賬號組合特征向量，包括：該賬號組合中兩個賬號各自的文本特征，兩個賬號在各自所屬微博中的社交關(guān)系特征，以及兩個賬號的擴(kuò)展共同鄰居特征，擴(kuò)展共同鄰居是兩個賬號各自的鄰居賬號中，那些已知屬于同一個自然人的鄰居賬號對；3)基于機(jī)器學(xué)習(xí)技術(shù)進(jìn)行訓(xùn)練得到社交網(wǎng)絡(luò)賬號映射模型。本發(fā)明還提供了相應(yīng)的社交網(wǎng)絡(luò)賬號映射方法及系統(tǒng)。本發(fā)明能夠減少關(guān)系數(shù)據(jù)稀疏性對映射結(jié)果的不利影響，有效地提高社交網(wǎng)絡(luò)賬號映射的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及社會計(jì)算領(lǐng)域，具體地說，本發(fā)明涉及一種社交網(wǎng)絡(luò)賬號映射方法及系統(tǒng)。

背景技術(shù)

如今，全球使用社交網(wǎng)絡(luò)的人越來越多，人們通常會通過多個社交網(wǎng)絡(luò)展開發(fā)布信息、聯(lián)系他人等社交行為。不同的社交網(wǎng)絡(luò)中，屬于同一用戶的多個賬號大多彼此隔離，它們之間一般沒有任何的連接。而這些社交網(wǎng)絡(luò)沒有統(tǒng)一的組織或者連通數(shù)據(jù)的合作，因此導(dǎo)致難以獲取屬于同一用戶的賬號集合。如果能夠獲取不同社交網(wǎng)絡(luò)中屬于同一用戶的賬號集合，就可以在如鏈路推薦和基于多個社交網(wǎng)絡(luò)數(shù)據(jù)的社區(qū)分析等方面提供更有價(jià)值的服務(wù)。

目前，對賬號映射問題的相關(guān)研究中，數(shù)據(jù)特征主要包括賬號屬性、賬號社交關(guān)系和賬號的操作行為三個方面的特征。其中多數(shù)相關(guān)研究依賴的數(shù)據(jù)是賬號的文本數(shù)據(jù)與屬性。但僅以文本或?qū)傩宰鳛檠芯康臄?shù)據(jù)來源是不夠的，會造成數(shù)據(jù)嚴(yán)重的稀疏性。而作為一種新的互動工具，微博上擁有大量的互粉關(guān)系數(shù)據(jù)，可以作為賬號的相關(guān)數(shù)據(jù)進(jìn)行研究，不僅可以改善數(shù)據(jù)的稀疏性，還引入賬號的社交特點(diǎn)，更易發(fā)現(xiàn)賬號區(qū)別他人的特征。然而，如果將現(xiàn)有的賬號映射方案直接用于跨社交網(wǎng)絡(luò)的賬號對齊中，其準(zhǔn)確率和映射概率均存在不足。

綜上所述，當(dāng)前迫切需要一種能夠準(zhǔn)確實(shí)現(xiàn)跨社交網(wǎng)絡(luò)的賬號映射(即找出屬于同一個自然人的在不同社交網(wǎng)絡(luò)中的不同賬號的映射關(guān)系)的解決方案。

發(fā)明內(nèi)容

因此，本發(fā)明的任務(wù)是克服上述現(xiàn)有技術(shù)的缺陷，提出一種社交網(wǎng)絡(luò)賬號映射解決方案。

根據(jù)本發(fā)明的一個方面，提供了一種社交網(wǎng)絡(luò)賬號映射模型訓(xùn)練方法，包括下列步驟：

1)將已知映射的微博s賬號集合中的任一個賬號與微博t賬號集合中的任一個賬號進(jìn)行組合，得到的h*h個賬號組合構(gòu)成訓(xùn)練集；

2)對于訓(xùn)練集中的每一個賬號組合，提取賬號組合特征向量，所述賬號組合特征向量包括：該賬號組合中兩個賬號各自的文本特征，兩個賬號在各自所屬微博中的社交關(guān)系特征，以及兩個賬號的擴(kuò)展共同鄰居特征，擴(kuò)展共同鄰居是兩個賬號各自的鄰居賬號中，那些已知屬于同一個自然人的鄰居賬號對；

3)基于機(jī)器學(xué)習(xí)技術(shù)構(gòu)建分類模型，根據(jù)訓(xùn)練集中各個賬號組合特征向量，以及訓(xùn)練集中各賬號組合已知的映射關(guān)系正負(fù)例，對分類模型進(jìn)行訓(xùn)練得到社交網(wǎng)絡(luò)賬號映射模型。

其中，所述兩個賬號的擴(kuò)展共同鄰居特征包括：兩個賬號的擴(kuò)展共同鄰居數(shù)量，反映兩個賬號的擴(kuò)展共同鄰居數(shù)量與兩個賬號的總鄰居數(shù)量的比例的特征，以及反映擴(kuò)展共同鄰居的度的特征中的一項(xiàng)或多項(xiàng)。

其中，反映兩個賬號的擴(kuò)展共同鄰居數(shù)量與兩個賬號的總鄰居數(shù)量的比例的特征為擴(kuò)展共同鄰居的Jaccard相似性系數(shù)。

其中，所述反映擴(kuò)展共同鄰居的度的特征為兩個賬號的Adamic/Adar Measure系數(shù)。

其中，所述賬號組合特征向量中的文本特征包括：賬號自身的發(fā)言中的高頻詞組特征。

其中，所述賬號組合特征向量中的社交關(guān)系特征包括：以賬號的互粉賬號為等權(quán)值元素所構(gòu)建的特征向量。

根據(jù)本發(fā)明的另一方面，提供了一種社交網(wǎng)絡(luò)賬號映射方法，包括下列步驟：