[發(fā)明專利]融合用戶多屬性信息的跨社交網(wǎng)絡(luò)用戶身份識別方法

有效

• 申請?zhí)枺?/td>: 202010031369.4
• 申請日: 2020-01-13
• 公開（公告）號: CN111242218B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計(jì)）人: 邢玲;鄧凱凱;吳紅海;高建平;謝萍
• 申請（專利權(quán)）人: 河南科技大學(xué)
• 主分類號: G06F18/22
• 分類號: G06F18/22;G06F18/2321;G06F18/25;G06F18/26;G06Q50/00;G06F16/951
• 代理公司: 成都行之專利代理事務(wù)所(普通合伙) 51220
• 代理人: 溫利平;陳靚靚

1.一種融合用戶多屬性信息的跨社交網(wǎng)絡(luò)用戶身份識別方法，其特征在于，包括以下步驟：

S1：當(dāng)需要對社交網(wǎng)絡(luò)A中的用戶識別其在社交網(wǎng)絡(luò)B中的相同賬號時(shí)，分別從社交網(wǎng)絡(luò)A和社交網(wǎng)絡(luò)B中爬取各自用戶的顯示名稱、用戶好友網(wǎng)絡(luò)和歷史發(fā)布內(nèi)容，記兩個社交網(wǎng)絡(luò)中用戶數(shù)量分別為N_A和N_B；預(yù)先在兩個社交網(wǎng)絡(luò)中獲取已知屬于同一用戶的賬號對作為種子賬號對；

S2：從每個用戶的顯示名稱中提取出預(yù)設(shè)的C個特征屬性的數(shù)據(jù)，然后計(jì)算社交網(wǎng)絡(luò)A中各個用戶i和社交網(wǎng)絡(luò)B中各個用戶j每個特征屬性的相似度c＝1,2,…,C；

S3：從每個用戶的好友網(wǎng)絡(luò)中提取出預(yù)設(shè)的D個特征屬性的數(shù)據(jù)，然后計(jì)算社交網(wǎng)絡(luò)A中各個用戶i和社交網(wǎng)絡(luò)B中各個用戶j每個特征屬性的相似度d＝1,2,…,D；好友網(wǎng)絡(luò)的特征屬性包括好友關(guān)系、朋友圈、聚類系數(shù)，其相似度計(jì)算方法分別如下：

社交網(wǎng)絡(luò)A中各個用戶i和社交網(wǎng)絡(luò)B中各個用戶j的好友關(guān)系相似度的計(jì)算公式如下：

其中，表示社交網(wǎng)絡(luò)A中用戶i的第p跳鄰居節(jié)點(diǎn)集合和社交網(wǎng)絡(luò)B中用戶j的第q跳鄰居節(jié)點(diǎn)集合的好友關(guān)系相似度，p,q＝1,2,…,P，P表示預(yù)設(shè)的跳數(shù)，num()表示集合中的用戶數(shù)量；

社交網(wǎng)絡(luò)A中各個用戶i和社交網(wǎng)絡(luò)B中各個用戶j的不同跳數(shù)的最大朋友圈相似度和最小朋友圈相似度計(jì)算公式如下：

其中，表示社交網(wǎng)絡(luò)A中用戶i的第p′跳最大朋友圈和社交網(wǎng)絡(luò)B中用戶j的第q跳最大朋友圈的好友關(guān)系相似度，表示社交網(wǎng)絡(luò)A中用戶i的第p′跳最小朋友圈和社交網(wǎng)絡(luò)B中用戶j的第q跳最小朋友圈的好友關(guān)系相似度；

聚類系數(shù)的相似度包括平均聚類系數(shù)差值相似度和平均聚類系數(shù)比值相似度，其中社交網(wǎng)絡(luò)A中各個用戶i和社交網(wǎng)絡(luò)B中各個用戶j的平均聚類系數(shù)差值相似度的計(jì)算公式如下：

社交網(wǎng)絡(luò)A中各個用戶i和社交網(wǎng)絡(luò)B中各個用戶j的平均聚類系數(shù)比值相似度的計(jì)算公式如下：

其中，AC_A,i表示社交網(wǎng)絡(luò)A中用戶i的平均聚類系數(shù)，AC_B,j表示社交網(wǎng)絡(luò)B中用戶j的平均聚類系數(shù)；平均聚類系數(shù)為用戶和其鄰居節(jié)點(diǎn)集合中所有用戶的聚類系數(shù)的平均值；

S4：從每個用戶的歷史發(fā)布內(nèi)容中提取出預(yù)設(shè)的E個特征屬性的數(shù)據(jù)，然后計(jì)算社交網(wǎng)絡(luò)A中各個用戶i和社交網(wǎng)絡(luò)B中各個用戶j每個特征屬性的相似度e＝1,2,…,E；歷史發(fā)布內(nèi)容的特征屬性包括文本信息特征、標(biāo)點(diǎn)符號特征和狀態(tài)時(shí)間戳特征，其相似度計(jì)算方法分別如下：

社交網(wǎng)絡(luò)A中各個用戶i和社交網(wǎng)絡(luò)B中各個用戶j的文本信息特征相似度的計(jì)算公式如下：

其中，F(xiàn)表示頻繁項(xiàng)，分別表示社交網(wǎng)絡(luò)A中用戶i和社交網(wǎng)絡(luò)B中用戶j對應(yīng)的頻繁項(xiàng)F的支持度計(jì)數(shù)，C_F表示頻繁項(xiàng)F的項(xiàng)集數(shù)；

社交網(wǎng)絡(luò)A中各個用戶i和社交網(wǎng)絡(luò)B中各個用戶j的標(biāo)點(diǎn)符號相似度的計(jì)算方法為：從社交網(wǎng)絡(luò)A中用戶i和社交網(wǎng)絡(luò)B中用戶j所發(fā)布的文本信息中統(tǒng)計(jì)得到每種標(biāo)點(diǎn)符號的使用次數(shù)與用戶所發(fā)布文本數(shù)量的比值，形成標(biāo)點(diǎn)符號向量，計(jì)算兩個向量之間的相似度即為標(biāo)點(diǎn)符號相似度

社交網(wǎng)絡(luò)A中各個用戶i和社交網(wǎng)絡(luò)B中各個用戶j的時(shí)間狀態(tài)戳相似度的計(jì)算方法為：

將每天劃分為G個時(shí)間段，統(tǒng)計(jì)得到預(yù)設(shè)日期內(nèi)各個用戶在每個時(shí)間段的平均動態(tài)數(shù)，采用以下公式計(jì)算社交網(wǎng)絡(luò)A中用戶i和社交網(wǎng)絡(luò)B中用戶j的時(shí)間狀態(tài)戳相似度：

其中，V_i^A(g)、分別表示社交網(wǎng)絡(luò)A中用戶i和社交網(wǎng)絡(luò)B中用戶j在第g個時(shí)間段的平均動態(tài)數(shù)，||表示求取絕對值；

S5：設(shè)置C+D+E個權(quán)重，對步驟S2、S3和S4中計(jì)算得到的C+D+E個特征屬性相似度進(jìn)行加權(quán)求和，將求和值作為社交網(wǎng)絡(luò)A中各個用戶i和社交網(wǎng)絡(luò)B中各個用戶j的匹配評分score_i,j：

S6：根據(jù)社交網(wǎng)絡(luò)A中各個用戶i和社交網(wǎng)絡(luò)B中各個用戶j的匹配評分score_i,j對兩個社交網(wǎng)絡(luò)中的用戶進(jìn)行匹配，從而得到用戶身份識別結(jié)果。