[發(fā)明專利]一種基于多元化關(guān)系畫像技術(shù)的在線社會(huì)關(guān)系搜索方法

有效

• 申請(qǐng)?zhí)枺?/td>: 202010153660.9
• 申請(qǐng)日: 2020-03-06
• 公開（公告）號(hào): CN111488401B
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計(jì)）人: 王博;楊毅
• 申請(qǐng)（專利權(quán)）人: 天津大學(xué)
• 主分類號(hào): G06F16/28
• 分類號(hào): G06F16/28;G06F16/26;G06F16/245
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 李麗萍

1.一種基于多元化關(guān)系畫像技術(shù)的在線社會(huì)關(guān)系搜索方法，其特征在于，首先，針對(duì)指定的語料數(shù)據(jù)基于非直觀畫像方法和直觀畫像方法得到人際關(guān)系畫像；然后，通過人際關(guān)系在線畫像系統(tǒng)將人際關(guān)系畫像進(jìn)行可視化，即得到與該人際關(guān)系畫像結(jié)果對(duì)應(yīng)的社會(huì)關(guān)系網(wǎng)絡(luò)拓?fù)鋱D，根據(jù)設(shè)定的好友關(guān)系數(shù)量和好友關(guān)系類型在該社會(huì)關(guān)系網(wǎng)絡(luò)拓?fù)鋱D中進(jìn)行人物搜索，根據(jù)與設(shè)定的關(guān)系個(gè)例最相似的關(guān)系在該社會(huì)關(guān)系網(wǎng)絡(luò)拓?fù)鋱D中進(jìn)行人物關(guān)系搜索，并實(shí)時(shí)顯示人物和人物關(guān)系的搜索結(jié)果；

所述語料數(shù)據(jù)包括第三方描述數(shù)據(jù)和人物語言數(shù)據(jù)，第三方描述數(shù)據(jù)是指以第三人稱的方式對(duì)人物進(jìn)行描述的語料數(shù)據(jù)，人物語言數(shù)據(jù)是指人物在社交媒體上以第一人稱的方式發(fā)表的一些互動(dòng)語言或者觀點(diǎn)看法；

所述非直觀畫像包括基于關(guān)系嵌入方法的非直觀畫像或是基于向量差方法的非直觀畫像；所述直觀畫像是基于主題詞方法的直觀畫像。

2.根據(jù)權(quán)利要求1所述的基于多元化關(guān)系畫像技術(shù)的在線社會(huì)關(guān)系搜索方法，其特征在于，所述語料數(shù)據(jù)是第三方描述數(shù)據(jù)或是人物語言數(shù)據(jù)，針對(duì)指定的語料數(shù)據(jù)基于關(guān)系嵌入方法得到的人物A和人物B之間人際關(guān)系的非直觀畫像，包括以下步驟：

1)定義語料數(shù)據(jù)集的最小語料單位，其中，第三方描述數(shù)據(jù)的最小語料單位為段落，人物語言數(shù)據(jù)的最小語料單位為一次互動(dòng)語言；

2)對(duì)語料數(shù)據(jù)集進(jìn)行分詞處理，分詞時(shí)將人物A的名稱和人物B的名稱加入到分詞詞典中，確保人物A的名稱和人物B的名稱被分割成獨(dú)立的詞語；

3)在語料數(shù)據(jù)集中找到同時(shí)出現(xiàn)人物A和人物B的所有最小語料單位，構(gòu)成集合w；

4)定義人物A和人物B的關(guān)系為字符串A-B，將所述關(guān)系A(chǔ)-B以步長2n等距離嵌入到集合w中的每個(gè)最小語料單位中，不夠2n整數(shù)倍的最后一次嵌入直接將關(guān)系A(chǔ)-B嵌入到最小語料結(jié)尾處；

5)使用word2vec方法，設(shè)置詞向量窗口大小為n，對(duì)嵌入關(guān)系A(chǔ)-B后的語料數(shù)據(jù)集進(jìn)行訓(xùn)練，從而生成詞向量文件；

6)在詞向量文件中找到與關(guān)系A(chǔ)-B對(duì)應(yīng)的向量作為描述人物A和人物B的關(guān)系的向量，即為人物A和人物B之間人際關(guān)系的非直觀畫像。

3.根據(jù)權(quán)利要求1所述的基于多元化關(guān)系畫像技術(shù)的在線社會(huì)關(guān)系搜索方法，其特征在于，所述語料數(shù)據(jù)為第三方描述數(shù)據(jù)，針對(duì)指定的第三方描述數(shù)據(jù)基于向量差方法得到的人物A和人物B之間人際關(guān)系的非直觀畫像，包括以下步驟：

1)對(duì)包含有人物A和人物B的語料數(shù)據(jù)文件進(jìn)行分詞處理，分詞時(shí)將人物A的名稱和人物B的名稱加入到分詞詞典中，確保人物A的名稱和人物B的名稱被分割成獨(dú)立的詞語；

2)利用word2vec方法，對(duì)分詞后的包含有人物A和人物B的語料數(shù)據(jù)文件進(jìn)行訓(xùn)練獲得相應(yīng)的詞向量文件；

3)搜索該詞向量文件，分別獲得人物A的名稱和人物B的名稱對(duì)應(yīng)的詞向量，其中，

人物A的名稱對(duì)應(yīng)的詞向量記為：

v_A＝(d₁，d₂，...，d₁₀₀)

人物B的名稱對(duì)應(yīng)的詞向量記為：

v_B＝(p₁，p₂，...，p₁₀₀)

定義人物A和人物B的關(guān)系為字符串A-B，將所述關(guān)系A(chǔ)-B表示為向量：

v_A-B＝(d₁-p₁，d₂-p₂，...，d₁₀₀-p₁₀₀)

定義關(guān)系A(chǔ)-B的關(guān)系強(qiáng)度為：

-|v_A-B|

定義關(guān)系A(chǔ)-B的關(guān)系相似度為向量v_A和向量v_B的余弦值，該余弦值越大，則關(guān)系A(chǔ)-B關(guān)系類型相似度越高，反之相似度越低。