[發明專利]基于用戶命名習慣映射學習的社交網絡賬號對齊方法及系統

有效

• 申請號: 202110291127.3
• 申請日: 2021-03-18
• 公開（公告）號: CN113127752B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 劉琰;趙媛;魏亮;郭曉宇;朱世杰;孫嫻
• 申請（專利權）人: 中國人民解放軍戰略支援部隊信息工程大學
• 主分類號: G06F16/9536
• 分類號: G06F16/9536;G06F40/295;G06N3/044;G06N3/084;G06Q50/00
• 代理公司: 鄭州大通專利商標代理有限公司 41111
• 代理人: 周艷巧

本發明屬于社交媒體數據處理技術領域，特別涉及一種基于用戶命名習慣映射學習的社交網絡賬號對齊方法及系統，從異構社交網絡中基于用戶名命名習慣提取網絡賬號特征，并將網絡賬號特征轉化為特征向量；利用特征向量將不同社交網絡用戶名特征向量進行映射；依據向量之間的距離差判定用戶名是否屬于同一個人，實現跨社交網絡的賬號對齊。本發明基于用戶命名習慣實現跨社交網絡的賬號對齊，提升網絡社交賬號對齊的準確度，并進一步結合BP神經網絡模型數據將社交網絡用戶名分類問題轉換為向量之間的映射問題，通過對比基準方法，本案方案中精確度提高4％，并且在較小的訓練集比例和訓練次數進行實驗比基準方法精度高、收斂快，具有較好的應用前景。

技術領域

本發明屬于社交媒體數據處理技術領域，特別涉及一種基于用戶命名習慣映射學習的社交網絡賬號對齊方法及系統。

背景技術

現如今，不同的社交網絡提供通信、娛樂、學習、購物、工作等各種各樣不同類型的服務，人們可以根據工作與生活的需要加入到不同的社交網絡中,平均擁有8.5個社交媒體賬號。然而由于目前單點登錄技術應用還不夠廣泛，同一個用戶在不同社交網絡上注冊的多個賬號之間往往是孤立開來的，用戶在不同網絡中的信息很少形成互通，同時也缺乏一個可以關聯各個社交賬戶的用戶身份標識。在缺乏統一用戶身份標識的情況下，將多個社交網絡中同屬一個真實用戶的賬戶關聯起來，是實現跨社交網絡用戶賬號對齊的主要目的，該問題也被稱作社交網絡節點對齊。社交網絡節點對齊是指在多個輸入的社交網絡之間找到對應的用戶，這些在不同社交網絡中的對應用戶對應真實世界中的同一個自然人。跨社交網絡賬號對齊是許多跨社交網絡應用的基礎，是跨不同平臺進行深度數據挖掘的前提。人們在不同的社交網絡中登記著不同的信息，包括個人信息(自我描述、所在地、興趣愛好等)，好友關系，分享的鏈接，簽到地點，最新狀態等等。這些信息在一起構成了用戶在互聯網上的完整形象。對齊同一用戶在不同網絡下的多個賬號就可以實現數據融合，最大限度地收集、整合和完善用戶的個人信息，從而能夠對用戶海量社交元數據進行充分挖掘，在信息檢索、跨平臺推薦系統、網絡安全等實際應用中具有十分重要的現實意義。

現有算法針對不用的應用場景，利用用戶公開屬性信息或者網絡結構信息，在一定程度上解決了用戶賬號對齊問題。基于屬性的方法簡單，在一定場景中具有較好效果，但是，這類方法中依賴的用戶屬性信息大部分是用戶自報道屬性，出于隱私保護的考慮，這部分信息通常缺失、有噪音，不是特別可靠；另外，社交網絡上屬性差異性較大、共同屬性稀少時，此類方法適用范圍受限。而基于網絡結構的方法沒有考慮網絡結構的規則性，由此帶來對于網絡結構噪音、變化等極其敏感，不具有魯棒性，導致跨網絡用戶間關系建模不準確等問題。

發明內容

為此，本發明提供一種基于用戶命名習慣映射學習的社交網絡賬號對齊方法及系統，基于用戶命名習慣實現跨社交網絡的賬號對齊，提升網絡社交賬號對齊的準確度。

按照本發明所提供的設計方案，提供一種基于用戶命名習慣映射學習的社交網絡賬號對齊方法，包含如下內容：

從異構社交網絡中基于用戶名命名習慣提取網絡賬號特征，并將網絡賬號特征轉化為特征向量；

利用BP神經網絡將不同社交網絡用戶名特征向量進行映射；依據向量之間的距離差判定用戶名是否屬于同一個人，實現跨社交網絡的賬號對齊。

作為本發明基于用戶命名習慣映射學習的社交網絡賬號對齊方法，進一步地，采用用戶命名模式從人類局限性、個體外在因素和個體內在因素三個方面提取網絡賬號特征。