[發明專利]行為模式數據的發布方法及終端設備

有效

• 申請號: 201710605631.X
• 申請日: 2017-07-24
• 公開（公告）號: CN107798249B
• 公開（公告）日: 2020-02-21
• 發明（設計）人: 王健宗;吳天博;黃章成;肖京
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G06F21/62
• 分類號: G06F21/62
• 代理公司: 深圳中一專利商標事務所 44237
• 代理人: 官建紅

1.一種行為模式數據的發布方法，其特征在于，包括：

獲取多個用戶發布的社交媒體數據；

建立所述社交媒體數據對應的行為模式分布函數；

將預設的隨機噪聲函數與所述行為模式分布函數進行整合，得到加噪行為模式分布函數；

將行為模式數據查詢參數輸入所述加噪行為模式分布函數，以得到加噪行為模式數據；

發布所述加噪行為模式數據；

所述建立所述社交媒體數據對應的行為模式分布函數，包括：將所述多個用戶劃分為多個用戶集，所述用戶集所對應的社交媒體數據為用戶集中各個用戶所發布的社交媒體數據；對每一所述用戶集對應的所述社交媒體數據進行解析處理，得到所述用戶集的行為模式數據；將每一所述用戶集的行為模式數據輸入預設的行為模式分布模型；最大化所述行為模式分布模型的熵，以確定所述行為模式分布模型中的屬性參數；將所述屬性參數確定后的所述行為模式分布模型輸出為所述社交媒體數據對應的行為模式分布函數，所述行為模式分布函數用于歸納出多個用戶的社交媒體數據之間的行為模式分布的總體狀況。

2.如權利要求1所述的行為模式數據的發布方法，其特征在于，所述行為模式分布模型為：

其中，所述x為用戶集，所述y為包含社交媒體數據中的各個詞語的集合，所述f_j(x,y)為用戶的第j個特征在所述y中所占的比重，λ_j,y為用戶的第j個特征所對應的屬性參數，所述Z(x)為正規化因子。

3.如權利要求2所述的行為模式數據的發布方法，其特征在于，所述將行為模式數據查詢參數輸入所述加噪行為模式分布函數，以得到加噪行為模式數據，包括：

獲取攜帶有行為模式數據查詢參數的數據查詢請求，所述行為模式數據查詢參數包括用戶集以及特征；

生成所述特征對應的隨機參數；

將所述隨機參數以及所述行為模式數據查詢參數輸入所述加噪行為模式分布函數，以得到加噪行為模式數據。

4.如權利要求1所述的行為模式數據的發布方法，其特征在于，所述預設的所述隨機噪聲函數服從尺度參數為的拉普拉斯分布；

其中，所述Δf為所述行為模式分布函數的全局敏感度，所述ε為預設的隱私保護預算參數。

5.一種終端設備，其特征在于，所述終端設備包括存儲器、處理器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述處理器執行所述計算機程序時實現如下步驟：

獲取多個用戶發布的社交媒體數據；

建立所述社交媒體數據對應的行為模式分布函數；

將預設的隨機噪聲函數與所述行為模式分布函數進行整合，得到加噪行為模式分布函數；

將行為模式數據查詢參數輸入所述加噪行為模式分布函數，以得到加噪行為模式數據；

發布所述加噪行為模式數據；

所述建立所述社交媒體數據對應的行為模式分布函數的步驟，包括：將所述多個用戶劃分為多個用戶集，所述用戶集所對應的社交媒體數據為用戶集中各個用戶所發布的社交媒體數據；對每一所述用戶集對應的所述社交媒體數據進行解析處理，得到所述用戶集的行為模式數據；將每一所述用戶集的行為模式數據輸入預設的行為模式分布模型；最大化所述行為模式分布模型的熵，以確定所述行為模式分布模型中的屬性參數；將所述屬性參數確定后的所述行為模式分布模型輸出為所述社交媒體數據對應的行為模式分布函數，所述行為模式分布函數用于歸納出多個用戶的社交媒體數據之間的行為模式分布的總體狀況。

6.如權利要求5所述的終端設備，其特征在于，所述行為模式分布模型為：

其中，所述x為用戶集，所述y為包含社交媒體數據中的各個詞語的集合，所述f_j(x,y)為用戶的第j個特征在所述y中所占的比重，λ_j,y為用戶的第j個特征所對應的屬性參數，所述Z(x)為正規化因子。