[發(fā)明專利]一種預(yù)測(cè)社交網(wǎng)絡(luò)用戶屬性的方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201710475429.X
• 申請(qǐng)日: 2017-06-21
• 公開（公告）號(hào): CN107368534B
• 公開（公告）日: 2020-06-12
• 發(fā)明（設(shè)計(jì)）人: 王夢(mèng)伊;陳志;岳文靜;劉亞威
• 申請(qǐng)（專利權(quán)）人: 南京郵電大學(xué)
• 主分類號(hào): G06F16/35
• 分類號(hào): G06F16/35;G06F16/901;G06Q50/00
• 代理公司: 南京經(jīng)緯專利商標(biāo)代理有限公司 32200
• 代理人: 葉連生

1.一種預(yù)測(cè)社交網(wǎng)絡(luò)用戶屬性的方法，其特征在于：包括以下步驟：

步驟1)采集社交網(wǎng)絡(luò)信息數(shù)據(jù)，并對(duì)數(shù)據(jù)進(jìn)行清洗，獲得社交網(wǎng)絡(luò)清洗后的數(shù)據(jù)，具體步驟如下：

步驟11)將同一用戶的屬性封裝成一個(gè)類，將值為字符串的，每個(gè)字符串分配一個(gè)唯一的數(shù)字ID，將包含地點(diǎn)的轉(zhuǎn)化為經(jīng)緯度表示；

步驟12)去除不具備分類能力的屬性；

步驟13)將屬性少于60個(gè)的用戶刪除，選擇一個(gè)用戶的屬性有多個(gè)值的，提取排在其最前面的值；

步驟2)定義社交網(wǎng)絡(luò)圖模型，具體步驟如下：

步驟21)定義社交網(wǎng)絡(luò)圖G＝(V,E)，其中，V為節(jié)點(diǎn)，表示用戶；E為邊，表示用戶間的關(guān)系；

步驟22)對(duì)于表示用戶i的節(jié)點(diǎn)v_i,v_i∈V,i＝{1,2,3....,n}，用一個(gè)向量A_i表示用戶i的屬性，其中，n為用戶的數(shù)量，m為用戶i的屬性數(shù)，為用戶i的第j個(gè)屬性；

步驟23)定義D_c為標(biāo)記過的數(shù)據(jù)集，定義L_c為標(biāo)記過的數(shù)據(jù)集D_c對(duì)應(yīng)的標(biāo)簽集，其中，D_c＝(d₁,d₂,...,d_l)，d_i∈D,i∈(1,2,...,l)，L_c＝(L₁,L₂,...,L_l)，L_i∈τ,i∈(1,2,...,l)，D為數(shù)據(jù)集，τ為標(biāo)簽集，l為標(biāo)記過的標(biāo)簽集；

步驟24)定義D_u為未標(biāo)記過的數(shù)據(jù)集，定義L_u為未標(biāo)記過的標(biāo)簽集，其中，D_u＝(d_1+l,d_2+l,...,d_q)，L_u＝(L_1+l,L_2+l,...,L_q)，q為標(biāo)簽的數(shù)量；

步驟3)對(duì)數(shù)據(jù)進(jìn)行分析，具體步驟如下：

步驟31)計(jì)算用戶屬性相同時(shí)成為朋友的概率S_a，其中，a_i,a_k∈A,i,k∈(1,2,...,n)，A為所有用戶的屬性的集和；E為用戶間關(guān)系的集合，s.t.表示受約束于，是subject to的縮寫；

步驟32)計(jì)算屬性值相同時(shí)成為朋友的經(jīng)驗(yàn)概率P_a，其中，T_i為在屬性a中，值為第i個(gè)值的個(gè)數(shù)，k為屬性a的值的個(gè)數(shù)，a∈A；

步驟33)計(jì)算屬性的密切度C_a，所述其中，S_a為用戶屬性相同時(shí)為朋友的概率，P_a為屬性值相同時(shí)成為朋友的經(jīng)驗(yàn)概率；

步驟4)對(duì)數(shù)據(jù)進(jìn)行特征提取，具體步驟如下：

步驟41)計(jì)算數(shù)據(jù)的信息熵Entropy(S)、信息增益Gain(S,a)、分裂情況Split(S,a)和增益比GainRatio(S,a)，通過這些評(píng)價(jià)值，來選取需要的特征和需要預(yù)測(cè)的特征，

其中，

其中，M為屬性集合的大小；S_i為與用戶i屬性相同時(shí)為朋友的預(yù)測(cè)結(jié)果，P_i為屬性值的第i個(gè)相同時(shí)成為朋友的經(jīng)驗(yàn)概率P_i，S為預(yù)測(cè)結(jié)果；|Q_x|為屬性的值為x的用戶成為朋友的概率；

步驟42)選取增益比的值最大的三個(gè)屬性作為用來預(yù)測(cè)的訓(xùn)練屬性；

步驟5)采用局部全局一致性算法預(yù)測(cè)隱藏屬性，具體步驟如下：

步驟51)對(duì)于每個(gè)V_i,V_j∈V,i,j＝{1,2,...,n}，計(jì)算相似度d(i,j)，其中，為屬性相似度，為組相似度，為關(guān)系相似度，A_i和A_j為用戶i和j的屬性集，為A_i的逆矩陣，G_i和G_j為用戶i和j所在的組，r為用戶i和j建立聯(lián)系所經(jīng)過的用戶數(shù)；

步驟52)初始化相似-矩陣W為0，對(duì)于所有i,j＝(1,2,...,n)，如果i不等于j，計(jì)算w_ij，當(dāng)v_i,v_j∈V且L_i＝L_j,i,j＝{1,2,...,l}時(shí)，w_ij＝0；當(dāng)v_i,v_j∈V且L_i≠L_j,i,j＝{1,2,...l}時(shí)，w_ij＝1；其他情況L_i和L_j分別為用戶i和j的標(biāo)簽，v_i和v_j便是用戶i和j的節(jié)點(diǎn)，d(i,j)為用戶i和j的相似度，σ為相似度的平均值，n為用戶的個(gè)數(shù)；

步驟53)初始化對(duì)角矩陣D，計(jì)算預(yù)測(cè)結(jié)果S，

步驟54)初始化初始化迭代次數(shù)t＝0，選擇α∈[0,1)，l為標(biāo)記過的標(biāo)簽集；

步驟55)計(jì)算第t+1次迭代S是預(yù)測(cè)結(jié)果，t為迭代次數(shù)；

步驟56)判斷是否收斂，如果收斂，結(jié)束循環(huán)，否則，t＝t+1，執(zhí)行步驟55)；

步驟6)獲得預(yù)測(cè)結(jié)果，步驟如下：

步驟61)獲得預(yù)測(cè)結(jié)果S，其中n為用戶的數(shù)量，τ為標(biāo)簽集，l為標(biāo)記過的標(biāo)簽集，s_i∈S；

步驟62)將得到的集合S添加到最終解空間S_olution，集合S是預(yù)測(cè)結(jié)果。