欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018115529938
申请人: 苏州大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种异质社交网络跨平台关联用户账户挖掘方法,其特征在于,包括:

针对不同社交网络特点,建立各自社交网络结构,任一社交网络OSNi的结构用图G(i)=(V(i),R(i))表示,其中V(i)表示顶点集合,由社交网络OSNi内多种不同类型的顶点集合构成,R(i)表示顶点间的关系集合;

根据上述步骤得到各异质社交网络的网络结构,分别提取各异质社交网络的用户交互元路径,任一社交网络OSNi的交互元路径集合用P(i)={pab}表示,其中pab表示任意一对交互用户间的元路径;

根据上述步骤得到的各异质社交网络的交互元路径集合,分别对各自网络中的用户及交互元路径进行迁移嵌入,将单个社交网络中用户账户及交互元路径嵌入到统一向量空间;

根据上述步骤的结果,利用已知关联用户训练集进行半监督学习,在异质社交网络间进行迁移嵌入,将异质社交网络用户账户和锚链接嵌入统一向量空间,基于嵌入结果进行关联用户账户挖掘,在挖掘出的关联用户账户间建立锚链接,并采用迭代式策略挖掘更多潜在关联用户账户。

2.如权利要求1所述的异质社交网络跨平台关联用户账户挖掘方法,其特征在于,“针对不同社交网络特点,建立各自社交网络结构,任一社交网络OSNi的结构用图G(i)=(V(i),R(i))表示,其中V(i)表示顶点集合,由社交网络OSNi内多种不同类型的顶点集合构成,R(i)表示顶点间的关系集合;”具体包括:对任一社交网络OSNi,根据该网络平台所属类别,抽象出其网络结构中顶点的类型;所述网络顶点类型包括用户、博文、时间戳、文字、位置、图片、语音和视频,将这些类型的顶点集合并在一起构成顶点集合V(i);

其次,根据OSNi的功能和用户参与方式,抽象出该网络平台顶点间的关系类型;已知社交网络的关系类型主要包括关注/关注-1、发布/发布-1、包含/包含-1、发布于/发布于-1、附带/附带-1、签到/签到-1、签到于/签到于-1、转发/转发-1和评论/评论-1,其中关系r-1与r互为逆向关系,将这些类型的关系集合并在一起构成关系集合R(i)。

3.如权利要求1所述的异质社交网络跨平台关联用户账户挖掘方法,其特征在于,“根据上述步骤得到各异质社交网络的网络结构,分别提取各异质社交网络的用户交互元路径,任一社交网络OSNi的交互元路径集合用P(i)={pab}表示,其中pab表示任意一对交互用户间的元路径;”中,交互元路径是指在发生交互行为的一对用户之间,用一条包含网络结构中的顶点和关系边的路径来表示该对用户间的交互;对于社交网络OSNi中任意一对有交互的用户ua和ub,根据该网络存在的交互方式,可从上述步骤获得的网络结构中提取出对应的交互元路径。

4.如权利要求1所述的异质社交网络跨平台关联用户账户挖掘方法,其特征在于,“根据上述步骤得到的各异质社交网络的交互元路径集合,分别对各自网络中的用户及交互元路径进行迁移嵌入,将单个社交网络中用户账户及交互元路径嵌入到统一向量空间;”中迁移嵌入针对单个社交网络,具体为:用户账户与元路径分属不同语义空间,利用迁移嵌入进行统一;定义三元组(ua,pab,ub),其中ua和ub是一对交互用户账户,pab是他们之间的交互元路径;根据迁移模型,该三元组表示在低维向量空间存在交互元路径向量pab,使得账户ua向量能够近似转化为账户ub向量,即ua+pab≈ub;

利用单个社交网络内用户及其交互信息构造三元组,交互元路径向量pab可由路径上关系边向量r组合得到;

在嵌入过程中,用E(ua,pab,ub)表示嵌入后利用pab实现从ua到ub转变的能量函数(Energy function),该函数定义为:E(ua,pab,ub)=||ua+p-ub||,则从ua到ub转变的能量函数可表示为:其中R(pab|ua,ub)表示用户ua和ub间存在路径pab的置信水平(reliability),Pab是ua和ub间所有元路径的集合,Г为归一化因子,即 利用单个社交网络内用户账户信息以及交互信息,对迁移模型进行训练,获得嵌入向量,引入边际得分函数(margin-based score function):其中P(i)表示任一社交网络OSNi的交互元路径集合,L(ua,r,ub)和L(pab,r)分别表示(ua,r,ub)和(pab,r)的边际损失函数,具体定义如下:P-={(u′a,r,ub)|u′a∈V}∪{(ua,r,u′b)|u′b∈V}∪{(ua,r′,ub)|r′∈R},(ua,r,ub)∈PP-为P的负样本集合,该集合通过任意替换三元组中一个元素得到。

5.如权利要求1所述的异质社交网络跨平台关联用户账户挖掘方法,其特征在于,“根据上述步骤的结果,利用已知关联用户训练集进行半监督学习,在异质社交网络间进行迁移嵌入,将异质社交网络用户账户和锚链接嵌入统一向量空间,基于嵌入结果进行关联用户账户挖掘,在挖掘出的关联用户账户间建立锚链接,并采用迭代式策略挖掘更多潜在关联用户账户。”中迁移嵌入与关联用户账户挖掘在两个异质社交网络间展开,具体方法为:根据迁移模型,若存在锚链接边r(ij)使得ua(i)能近似转变为ux(j),即ua(i)+r(ij)≈ux(j),锚链接对应的迁移为线性关系,定义一个转化矩阵M(ij),使得M(ij)ua(i)≈ux(j)成立,由此定义跨异质网络嵌入的能量函数为:(i) (j) (ij) (i) (j)

E(ua ,ux )=||M ua -ux ||.     (4)

相应的得分函数定义为所有锚链接迁移的能量函数之和,即

其中A表示由已知关联用户构成的锚链接集合,λ为权值;

其次,利用已知锚链接集合A为训练集,以SP/L为目标函数进行半监督学习,获得转化矩阵;社交网络OSNi内当前每个非关联用户账户ua(i),求解arg min E(ua(i),ub(j))得到在网络OSNj中最近似的账户ux(j),通过引入超参数θ作为阈值判断账户是否关联,若超过阈值则判定ua(i)和ux(j)是一对关联账户,在账户间建立锚链接;

再次,将上述挖掘过程迭代执行,每执行一轮将该轮新挖掘的关联用户账户间锚链接添加到已知锚链接集合A,从而为下一轮挖掘提供更大训练集,该迭代过程一直执行直到没有新关联用户被发现为止。

6.如权利要求5所述的异质社交网络跨平台关联用户账户挖掘方法,其特征在于,具体的迭代方法如下:将每一轮新关联的账户锚链接(ua(i),ux(j))放入集合A,定义锚链接的综合置信度为(i) (j) (i) (j)R(ua ,ux )=φ(α(θ-E(ua ,ux ))),     (6)

其中φ(·)是一个Sigmoid函数,α为超参数。集合A中所有锚链接的综合置信度计算如下:其中Φ(ua(i),ux(j))表示添加锚链接(ua(i),ux(j))的损失函数,而L’(ua,r,ub)则表示三元组(ua,r,ub)的损失函数,具体定义为每一轮结束后计算综合置信度,若置信度显著下降(比如超过预设的阈值δ),则说明本轮产生较多错误关联,退回至上一轮结束处,更新集合A,重新执行,直到置信度不再显著下降才继续迭代执行挖掘。

7.一种计算机设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现权利要求1到6任一项所述方法的步骤。

8.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1到6任一项所述方法的步骤。

9.一种处理器,其特征在于,所述处理器用于运行程序,其中,所述程序运行时执行权利要求1到6任一项所述的方法。