[發明專利]基于雙層迭代補償和全貌表示的跨電商書城用戶對齊方法

有效

• 申請號: 202011225114.8
• 申請日: 2020-11-05
• 公開（公告）號: CN112307343B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 韋世紅;楊旭;肖寒春;肖云鵬;李暾;盧星宇;劉紅
• 申請（專利權）人: 重慶郵電大學
• 主分類號: G06F16/9535
• 分類號: G06F16/9535;G06Q30/0201;G06Q30/0601;G06N3/045;G06N3/047;G06N3/088
• 代理公司: 重慶輝騰律師事務所 50215
• 代理人: 王海軍

本發明屬于網絡對齊領域，具體涉及一種基于雙層迭代補償和全貌表示的跨電商書城用戶對齊方法，該方法包括：獲取用戶數據，對用戶數據進行預處理；提取預處理后用戶數據的相關屬性；將提取的相關屬性輸入到基于雙層迭代和全貌信息的跨書城電商系統用戶對齊模型中，得到用戶的數據分布；根據用戶的數據分布對用戶進行對齊處理；本發明采用交替迭代補償機制對異質平臺稀疏數據進行補償，獲取更有效的實驗數據。

技術領域

本發明屬于網絡對齊領域，具體涉及一種基于雙層迭代補償和全貌表示的跨電商書城用戶對齊方法。

背景技術

異質網絡對齊是當今研究的熱點問題，異質電商網絡對齊就是識別不同電商平臺下的同一用戶的不同賬號之間的匹配問題，通過對不同電商平臺上的用戶屬性進行計算分析，發現異質網絡間的用戶匹配關系。用戶對齊也稱用戶匹配、用戶身份識別等，用戶實體對齊在很多領域都有重要應用，比如，跨商業網站的推薦系統、社交網絡的好友推薦和通信錄合并、網絡輿論安全等領域都有著極強的研究價值和實際應用。

隨著Internet的廣泛普及，各類電子商務平臺走進人們的視野，用戶為了滿足不同的服務需求，往往不會局限于單一的電商網絡平臺中，因此，跨電商網絡環境下的用戶識別問題成為研究熱點。其主要研究可以分為3大類：基于用戶屬性相似性的方法，基于網絡結構的方法和基于多因素混合的方法。基于用戶屬性信息的網絡對齊方法，這類方法通過衡量字符串之間的轉換規則以及相似性進行識別；基于用戶行為信息的網絡對齊方法，這類方法通過提取用戶行為特征相似性進行識別；基于用戶結構信息的網絡對齊方法，這類方法將用戶結構抽象成最大公共子圖問題進行相似度求解。

目前，雖然對異質網絡對齊進行了大量了研究，取得了很好的成果，但仍存在一些問題，比如電商平臺消費者有效行為數據稀疏性。雖然電商平臺用戶產生的數據量十分可觀，但是有效的用戶行為數據卻極其稀少，這給有效的用戶身份匹配造成了不便。

發明內容

為解決以上現有技術存在的問題，本發明提出了一種基于雙層迭代補償和全貌表示的跨電商書城用戶對齊方法，該方法包括：獲取用戶數據，對用戶數據進行預處理；提取預處理后用戶數據的相關屬性；將提取的相關屬性輸入到基于雙層迭代和全貌信息的跨書城電商系統用戶對齊模型中，得到用戶的數據分布；根據用戶的數據分布對用戶進行對齊處理；

構建基于雙層迭代和全貌信息的跨書城電商系統用戶對齊模型對數據進行的過程包括：

S1：提取書城電商平臺用戶的基本信息數據和歷史行為數據；

S2：采用Double-GAN算法對稀疏的用戶歷史行為數據進行數據補償，得到補償后的數據；

S3：采用UBS2vec異質網絡對補償后的數據進行處理，得到包含豐富結構信息和語義信息節點的嵌入向量；

S4：采用“用戶-圖書”二部圖模型對包含豐富結構信息和語義信息節點的嵌入向量進行用角色劃分；

S5：計算相似興趣群體節點用戶向量間的相似度，根據戶向量間的相似度對劃分好角色的用戶進行綜合匹配，得到用戶的數據分布。

優選的，提取預處理后用戶數據的相關屬性包括提取用戶商品興趣度、用戶商品交換度以及用戶興趣集合。

優選的，對稀疏的用戶行為數據進行數據補償的過程為：

S21：將稀疏的用戶行為數據輸入到用戶行為數據生成模型G中，生成真實數據；

S22：將生成的真實數據輸入到判別模型D中，判斷輸入的數據是生成模型G生成的數據，還是采集到的真實數據；

S23：將判別模型D中的輸出的數據循環迭代輸入生成模型G；使生成模型和判別模型不斷學習和優化參數，得到補償后的數據；