[發明專利]基于時空關系學習的移動社交網絡用戶關系推斷方法

有效

• 申請號: 202010572405.8
• 申請日: 2020-06-22
• 公開（公告）號: CN111738447B
• 公開（公告）日: 2022-07-29
• 發明（設計）人: 陶玉婷;常姍;朱弘恣;王佳程;杜坷坷
• 申請（專利權）人: 東華大學
• 主分類號: G06N5/04
• 分類號: G06N5/04;G06F16/9536;G06F16/9537;G06K9/62;G06Q50/00
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 徐俊

本發明提供了一種基于時空關系學習的移動社交網絡用戶關系推斷方法，本發明同時考慮了個體之間的移動性和社交性。考慮社交網結構對社會聯系預測的有效性，該模型首先基于用戶的移動性構建一個初步的社交圖，然后從初步構建的社交圖中抽取用戶對的社交網絡結構特征，最后綜合移動性和社交性兩個方面的特征進行朋友關系推斷。我們的模型一旦訓練完成，可以較好地遷移不同的場景對用戶之間的朋友關系進行預測。通過對兩個真實世界數據集的實驗證明我們的方法始終優于現有的方法。此外，我們的模型對于具有少量簽到數據和不具備碰面事件的關系也有效。

技術領域

本發明涉及一種基于時空關系學習的移動社交網絡用戶關系推斷方法，利用用戶的移動信息。

背景技術

近些年來，隨著Facebook、Twitter和微博這類移動社交網絡應用的普及，用戶可以及時地發布其正在訪問的感興趣地點(一家網紅餐廳、一個旅游景點等)與好友共享。雖然這類社交方式給人們的交友帶來了極大的方便，但存在泄露用戶社交關系的風險。移動社交網絡的用戶也逐漸意識到這一點，例如，一項針對Facebook用戶的大規模研究表明：Facebook用戶隱藏好友列表的比例從2010年的17.2％上升到2011年的56.2％。但很少有用戶知道利用具有時空關系的簽到記錄可以推斷其朋友，從而準確地揭露用戶之間隱藏的社交關系。

現有的基于時空關系的社交關系推斷方法主要分為兩類：第一類是基于特征選擇的啟發式方法，通過觀察選擇碰面次數、共享位置數、共享位置流行程度等有效特征作為衡量用戶之間是否具有朋友關系的衡量標準。但這些方法對所需的移動數據提出了很多假設和限制，這在很大程度上縮小了它們的適用范圍。例如，幾乎所有現有的有效方法都只能在兩個個體共享位置的情況下使用。另一類方法是基于特征學習的方法，通過機器學習的方法將用戶的移動特征向量化，利用向量之間的相似程度作為推斷用戶對是否具有朋友關系的標準。但該類方法針對個體建模且丟失移動數據中的時間信息，因此無法直接獲得較為準確的關系推斷。

發明內容

本發明的目的是提供一種能夠利用用戶移動信息準確推斷用戶社交關系的模型。

為了達到上述目的，本發明的技術方案是提供了一種基于時空關系學習的移動社交網絡用戶關系推斷方法，其特征在于，包括以下步驟：

步驟1、提取用戶對之間的交互行為特征，利用該特征推斷兩個用戶之間是否具有朋友關系，包括以下步驟：

步驟101、將移動數據所有用戶簽到涉及的興趣點POIs按照經緯度劃分到I×J的網格中，同時將時間劃分為M個時間片段，構建一個I×J×M的時空矩陣STD，其中，時間維度上將時間分為長度τ的等長時間片，空間維度上將空間均勻地劃分為大小相等的網格，遞歸地將每個網格劃分為四個相等的網格，直到興趣點POIs的數量在每個網格小于閾值σ；

步驟102、將每個用戶對(u_a,u_b)的軌跡均投影到時空矩陣STD中，用戶的每一個簽到都可以投影到一個特定的方格中，對于每個方格，計算：該時間段內用戶u_a訪問過的興趣點數n_a；用戶u_b訪問過的興趣點數n_b；用戶u_a和用戶u_b共同訪問過的興趣點數n_a,b，由此獲得用戶對(u_a,u_b)的時空矩陣式中三元組表示第m時間段內用戶u_a和u_b在第i行第j列的位置網格中移動信息的統計量；