[發明專利]基于啟發式算法的動態社交用戶對齊方法及系統

有效

• 申請號: 202010620580.X
• 申請日: 2020-07-01
• 公開（公告）號: CN111814066B
• 公開（公告）日: 2022-06-03
• 發明（設計）人: 劉立;何佳薇;顏子涵;肖敏
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06Q50/00
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 王海軍

本發明屬于社交網絡分析領域，具體涉及一種基于啟發式算法的動態社交用戶對齊方法及系統；所述方法包括：跨網絡新增節點權重自適應學習方法，在單網絡環境下引入注意力機制獲取新節點在單網絡中的局部影響權重，在多網絡環境下使用跨網絡特有的錨節點作為監督信息，啟發式學習新節點在用戶對齊任務驅動下的局部影響權重；網絡局部動態更新，融合上述兩種權重，選擇需要更新的網絡范圍，在保持二階鄰居相似度的前提下進行網絡局部動態更新，完成用戶對齊任務驅動下的多網絡用戶表示，進而完成動態跨網絡用戶對齊；本發明可以在不失準確率的情況下在較短的時間完成動態網絡的更新，有效解決動態網絡用戶對齊時間開銷大、模型重訓練等問題。

技術領域

本發明屬于社交網絡分析領域，具體涉及一種基于啟發式算法的動態社交用戶對齊方法及系統。

背景技術

隨著互聯網的蓬勃發展，越來越多人愿意在虛擬網絡中交友與生活。很多用戶為了享受社交網絡不同的功能，會加入不同類型的社交網絡平臺，形成一個用戶擁有多個社交網絡賬號的現象。然而，由于平臺之間的封閉性，同一用戶在不同社交網絡平臺產生的數據無法有效連通，這為基于多源異構的網絡數據挖掘任務帶來了一定的困難。因此，跨社交網絡用戶對齊成為這一研究領域的一個關鍵問題，其主要目標是在不同的社交網絡中找出屬于同一個人的賬號進行關聯，從而完成跨平臺的數據融合。相關研究可以有效緩解社區發現，信息傳播，用戶推薦等社交網絡分析相關任務中的“數據稀疏”和“冷啟動”問題。

現階段，社交網絡對齊任務的研究大多是基于靜態網絡環境，忽略了網絡具有動態更新的內在屬性。在現實世界中，用戶可能加入或者退出一個社交網絡，用戶的友鄰關系也在不斷變化，即網絡的節點和邊都在不斷地演進和變化。動態性是社交網絡的一個重要屬性，然而這一重要維度在社交網絡對齊問題中尚未探索。

與靜態網絡相比，動態網絡更符合目前社交網絡演化的真實情形，其具有能夠及時反映網絡變化、為網絡增加信息、減少數據陳舊等優勢；動態性是社交網絡的天然特性。用戶間動態的交互行為，如增刪好友、關注、點贊和評論@等都是動態性的體現。然而，直接將針對靜態網絡構建用戶對齊的模型應用至動態網絡時，通常會面臨著模型需要重新訓練的問題。隨著社交網絡平臺用戶更新迭代速度的增加，社交網絡平臺變化得越來越快，并且隨著網絡規模的增大，模型重新訓練的資源開銷也會急劇增加。因此，構建高效快速的動態跨社交網絡用戶對齊模型是目前這一研究領域面臨的一個重要挑戰。

發明內容

為解決以上現有技術問題，針對目前的動態網絡環境，本發明提供了基于啟發式算法的動態社交用戶對齊方法及系統用以解決上述問題，本發明主要采用跨網絡新增節點權重自適應學習方法，在單網絡環境下引入注意力機制獲取新節點在單網絡中的局部影響權重，在多網絡環境下使用跨網絡特有的錨節點作為監督信息，啟發式學習新節點在用戶對齊任務驅動下的局部影響權重；網絡局部動態更新，融合上述兩種權重，選擇需要更新的網絡范圍，在保持二階鄰居相似度的前提下進行網絡局部動態更新，完成用戶對齊任務驅動下的多網絡用戶表示，進而完成動態跨網絡用戶對齊。

本發明的技術方案為：

在本發明的第一方面，本發明提供了一種啟發式算法的動態社交網絡用戶對齊方法，其步驟包括：

從多個不同的社交網絡平臺中獲取每個用戶的社交關系和平臺間的錨用戶即共同用戶，并將存在社交關系的兩用戶作為鄰居用戶；

根據初始社交網絡平臺用戶的社交關系提取結構信息構建出用戶關系概率模型，通過最小化經驗概率和概率模型之間的相對熵建立出初始網絡表示模型，得到每個用戶的網絡表示，并進行用戶全局對齊；

在社交網絡平臺中增加新用戶，使用注意力機制獲取新用戶與其鄰居用戶在每個社交網絡平臺中的第一權重；

使用跨社交網絡平臺的共同用戶作為監督信息，利用啟發式算法計算出該新用戶與其鄰居用戶在不同社交網絡平臺中的第二權重；