CN104639649B - 一种计算个人网络属性值的方法及其系统 - Google Patents

Abstract

本发明提供提供一种计算个人网络属性值的方法及其系统，计算个人网络属性值的方法包括：个人网络属性数据库的建立，数据库中存储有用于计算个人网络属性值的至少两种不同的数据，并且数据可以用线上点格式和线上边格式分别进行存储数据；个人网络属性数据源的获取，数据源可以基于个人在社交网络活动中的数据，并进行预处理操作；个人网络属性数据的处理，将预处理操作后的数据源以线上点格式和线上边格式分别进行存储；个人网络属性值的计算，将以线上点格式和线上边格式存储的所有数据按照预定的控制条件，计算出个人网络属性值。因此，可以通过社交网络中更多的数据源，更多维度地计算个人网络属性，这样对个人网络属性值计算的更加准确。

Description

一种计算个人网络属性值的方法及其系统

技术领域

本发明涉及互联网信息处理的技术领域，尤其涉及一种计算个人网络属性值的方法及其系统。

背景技术

随着互联网技术的发展，在个人网络属性值(不仅仅限于Internet网络)方面的研究取得了非常大的成果，正是因为这些技术不断发展、完善，才促使社会的不断进步。

例如，为了解决现有技术中签订电子商务合同的方式不够智能化，而且非常耗时的问题；在中国申请号为CN00803695.0的发明授权专利中，公开了一种电子商务合同调停方法与移动通讯设备，该服务器设备为移动通信网络的中继节点，包括：存储器装置，用于存储至少一个用户口令以及由移动通信网络提供服务的移动通信终端的用户信息，服务器设备基于该用户信息在移动通信终端和由合同提供服务的机构的服务器终端之间中继通信；第一传输装置，用于响应来自访问移动通信终端的服务请求，将要显示在访问移动通信终端的显示屏上的第一登录屏幕数据传输给访问服务器设备的移动通信终端，第一登录屏幕数据提示访问移动通信终端的用户输入口令；用户认证装置，用于通过将用户输入的口令和对应于存储在存储器装置中的访问移动通信终端的口令相匹配，从而引导用户的用户认证；第二传输装置，用于在服务器设备从已由用户认证装置认证的用户中接收对与提供服务的机构的服务合同的请求的情况下，将要显示在移动通信终端的显示屏上的第二登录屏幕数据传输给访问移动通信终端，第二登录屏幕数据提示用户输入合同所需的信息；决定装置，用于基于从访问移动通信终端中传输的第二登录屏幕数据，并根据由提供服务的机构提供的预定条件，从而决定所请求的合同是否被批准；以及第三传输装置，用于将用于接收服务所需的合同信息传输给访问移动通信终端，合同信息在合同被批准的情况下已从服务器终端中接收，合同信息存储在访问移动通信终端的存储器中。

另一份中国申请号为CN201310126132.4的授权专利中，公开了一种基于风险评估和多重可信的移动支付方法，涉及用户、商户和移动支付提供商，其特征在于：移动支付方法以互联网、通信网络和第三方网籍库服务器为硬件基础，包含：网籍信息注册步骤，用户通过移动终端采用现有支付方式完成首次交易，商户的终端记录该首次交易的用户身份信息、移动支付提供商信息、移动终端ID、手机号码和消费特征，并通过互联网上传至第三方网籍库服务器存档，现有支付方式至少为采用移动终端的二维码、条码形式的应用支付；网籍信息更新步骤，用户通过移动终端采用各种支付方式完成第二次或三次以上交易，同一或不同商户的终端记录每次交易的用户身份信息、移动支付提供商信息、移动终端ID、手机号码和消费特征，并通过互联网上传至第三方网籍库服务器按时间先后存档；多重可信判别步骤，商户的终端设有风险评估模块，用户持移动终端至商户在支付行为发起后，由商户的终端采集移动终端及其呈现的信息，且商户的终端通过与第三方网籍库服务器同步所得的数据资源由风险评估模块基于设备、消费特征和通信信道三重可信判别机制之一或多项进行支付认证，其中设备可信机制指的是手机号码与移动终端ID绑定且与网籍库中注册并更新的网籍信息相一致，消费特征可信机制指的是用户本次支付所对应的消费特征是否包含于网籍库中注册并更新的网籍信息，通信信道可信机制指的是移动终端与通信网络的移动后台之间的加密信道；完成支付步骤，在多重可信判别后认证的用户完成支付，而认证失败时提示报错。

发明人在实现本发明的过程中发现，上述现有技术方案虽然为信息技术的发展提供了便捷、安全的技术方案；但是这些系统中预定的用户网络属性值的评定条件是从大量的数据中挖掘出来的，这样仍然存在一些不足：1、系统自动评定的范围有限，因为评估模型是经验性的，带有较强的行业属性和时间性，很难复制和迁移应用这些模型；2、成本高，建立和维护多种模型需要消耗大量时间，而且系统成本高。

发明内容

为了解决现有技术中存在的不足，本发明提供一种能够更加准确获取用户网络属性值信息的计算个人属性值的方法及其系统。

本发明提供的技术方案是：

一方面，提供一种计算个人网络属性值的方法，其特征在于，包括：

个人网络属性数据库的建立，所述数据库中存储有用于计算个人网络属性值的至少两种不同的数据，并且所述数据可以用线上点格式和线上边格式分别进行存储数据；

个人网络属性数据源的获取，所述数据源可以基于个人在社交网络活动中的数据，并进行预处理操作；

个人网络属性数据的处理，将预处理操作后的数据源以线上点格式和线上边格式分别进行存储；

个人网络属性值的计算，将以线上点格式和线上边格式存储的所有数据按照预定的控制条件，计算出个人网络属性值。

因此，可以通过社交网络中更多的数据源，更多维度地计算个人网络属性，这样对个人网络属性值计算的更加准确；并且线上点和线上边的的格式存储数据，可以更加便于数据的计算。

优选地，所述个人网络属性数据库的建立中，用于存储线上点格式和线上边格式的数据库数据是空的。

优选地，所述个人网络属性数据源的获取中可以从交友社交网络中获取数据，还可以从社交网络中的购物网络获取数据和/或从社交网络中的银行数据中心获取数据。因为这些数据可以都更加真实可信，尤其是交友社交网络中获取数据是直接从每个人周围的朋友圈中获取的数据，所以对个人网络属性值计算的更加准确。

优选地，针对数据源获取的方式不同，采用不同的数据处理方法，并且以不同的数据格式进行存储。

优选地，所述线上点格式和线上边格式的数据组合成矩阵的形式进行存储。

优选地，个人网络属值的计算采用等级评定的算法，其中等级评定的算法包括将社交网络中其他用户的评价按照加权值进行求和。

优选地，所述计算个人网络属性值的方法还包括对个人网络属性值的计算结果进行排序。

优选地，所述计算个人网络属性的方法还包括对排序后个人网络属性值进行校正的步骤。这样可以结合现有技术中的优点对个人网络属性值真实、准确性进一步进行优化。

另一方面，本发明还提供一种计算个人网络属性值的系统，其特征在于，包括：

个人网络属性数据库模块，所述数据库模块中存储有用于计算个人网络属性值的至少两种不同的数据，并且所述数据可以用线上点格式和线上边格式分别进行存储数据；

个人网络属性数据源获取模块，可以基于个人在社交网络活动中的数据，并进行预处理操作；

个人网络属性数据处理模块，将预处理操作后的数据源以线上点格式和线上边格式分别进行存储；

个人网络属性值计算模块，将以线上点格式和线上边格式存储的所有数据按照预定的控制条件，计算出个人网络属性值。

优选地，所述个人网络属性数据获取模块中不同社交网络中获取的数据，存储至不同的线上边内。

采用上述技术方案，可以通过社交网络中更多的数据源，更多维度地计算个人网络属性，这样对个人网络属性值计算的更加准确；并且通过线上点和线上边的格式存储数据，可以更加便于数据的计算。

附图说明

图1为本发明实施例一提供的一种计算个人网络属性值的方法的流程图；

图2为本发明实施例一提供的一种计算个人网络属性值系统的框图；

图3为本发明实施例二提供的一种计算个人网络属性值的方法中个人属性数据获取关系图；

图4为本发明实施例二提供的一种计算个人网络属性值的方法的流程图；

图5为本发明实施例三提供的一种计算个人网络属性值的方法的流程图；

图6为本发明实施例三提供的一种计算个人网络属性值系统的框图。

具体实施方式

下面结合附图对本发明的具体实施方式做详细的说明，需要说明的是，这些具体的说明只是让本领域普通技术人员更加容易、清晰理解本发明，而非对本发明的限定性解释。

实施例一

如图1所示，本实施例提供的一种计算个人网络属性值的方法，包括：

S1，个人网络属性数据库的建立，数据库中存储有用于计算个人网络属性值的至少两种不同的数据，例如，社交朋友圈中，个人身边的朋友圈的评价和个人在电子商务领域交易中的历史交易数据；并且数据可以用线上点格式和线上边格式分别进行存储数据；

其中，线上，是相对线下来说的，是指数据的来源。线上点格式是指记录互联网社交服务中一个个账号单点属性的数据；在图上表现为一个个的点。线上账号也可以对应成线下的人，因此点也可以理解为人。边数据，是记录线上账号之间关系的数据；在图上表现为点与点之间的连线。而图(下文会有详细介绍)是指在应用数学图论中的概念，它是由若干给定的点及连接两点的线所构成的图形，这种图形通常用来描述某些事物之间的某种特定关系，用点代表事物，用连接两点的线表示相应两个事物间具有这种关系。

S2，个人网络属性数据源的获取：数据源可以基于个人在社交网络活动中的数据，并进行预处理操作；

S3，个人网络属性数据的处理：将预处理操作后的数据源以线上点格式和线上边格式分别进行存储；

S4，个人网络属性值的计算：将以线上点格式和线上边格式存储的所有数据按照预定的控制条件，计算出个人网络属性值。

优选地，步骤S4中的个人网络属性值数据获取，可以采用PageRank算法(一种网页排名的计算方法)进行预处理操作。其中，PageRank算法的计算公式为：

其中：PR(A)：页面A的PageRank值；

d：阻尼系数，由于某些页面没有入链接或者出链接，无法计算PageRank值，为避免这个问题(即LinkSink问题)，而提出的；阻尼系数常指定为0.85。

R(Pi)：页面Pi的PageRank值；

C(Pi)：页面链出的链接数量。

然后可以将获取得数据，按照预定的线上点格式和线上边格式分别进行存储。

优选地，步骤S4中的个人网络属性值的计算还可以采用HITS算法(英文全称为Hypertext-Induced Topic Search，也是一种网页搜索算法)。其中，HITS算法网页搜索规则为：

以Hub网页为顶点集V1,以权威网页为顶点集V2。

V1中的网页到V2中的网页的超链接为边集E,形成一个二分有向图.对V1中的任一个顶点v,用h(v)表示网页v的Hub值,且h(v)收敛；对V2中的顶点u,用a(u)表示网页的Authority值。

开始时h(v)＝a(u)＝1,

对u执行I操作,修改它的a(u)，

对v执行O操作,修改它的h(v),然后规范化a(u),h(v),

如此不断的重复计算下面的I操作和O操作,直到a(u),h(v)收敛。

上述I操作:a(u)＝Σh(v)；O操作:h(v)＝Σa(u)。每次迭代对a(u)、h(v)进行规范化处理:a(u)＝a(u)/Max|a(q)|；h(v)＝h(v)/Max|h(q)|。

因此，可以通过社交网络中更多的数据源，更多维度地计算个人网络属性，这样对个人网络属性值计算的更加准确；并且线上点和线上边的的格式存储数据，可以更加便于数据的计算。

优选地，个人网络属性数据源的获取中可以从交友社交网络中获取数据，例如，微博类和微信朋友圈类的社交产品中；还可以从社交网络中的购物网络获取数据和/或从社交网络中的银行数据中心获取数据。因为这些数据可以都更加真实可信，尤其是交友社交网络中获取数据是直接从每个人周围的朋友圈中获取的数据，所以对个人网络属性值计算的更加准确。

如图2所示，本实施例还提供一种计算个人网络属性值的系统1，包括：

个人网络属性数据库模块2，数据库模块中存储有用于计算个人网络属性值的至少两种不同的数据，并且数据可以用线上点格式和线上边格式分别进行存储数据；

个人网络属性数据源获取模块3，可以基于个人在社交网络活动中的数据，并进行预处理操作；

个人网络属性数据处理模块4，将预处理操作后的数据源以线上点格式和线上边格式分别进行存储；

个人网络属性值计算模块5，将以线上点格式和线上边格式存储的所有数据按照预定的控制条件，计算出个人网络属性值。

采用上述技术方案，可以通过社交网络中更多的数据源，更多维度地计算个人网络属性，这样对个人网络属性值计算的更加准确；并且线上点和线上边的的格式存储数据，可以更加便于数据的计算。

实施例二

实施例二提供的一种计算个人网络属性值的方法与实施例一设置有相同的步骤：个人网络属性数据库的建立；个人网络属性数据源的获取；个人网络属性数据的处理；个人网络属性值的计算。实施例二与实施例一的不同之处在于：

优选地，本实施例中步骤S1，个人网络属性数据库的建立中，用于存储线上点格式和线上边格式的数据库数据是空的。

优选地，本实施例的步骤S2，针对数据源获取的方式不同，采用不同的数据处理方法，并且以不同的数据格式进行存储。

例如，表1记录了社交网络网络图谱点(账号)的性质，一个点一条记录，包括如下四种数据：

表1.线上点表样表

例如，表2记录了社交网络图谱中边(社交行为)的性质，边是以社交行为中单向行为来定义，在不同社交产品中表现为不同的外延。如在微博类和微信朋友圈类的社交产品中，边可定义为2个点(账号)间的文章转发和赞行为。一条边一条记录，字段包括下面4个。

表2.线上边表样表

优选地，计算个人网络属性值的方法还包括对个人网络属性值的计算结果进行排序。

如图3为本实施例提供的一种计算个人网络属性值的方法中个人属性数据获取关系图，其中，每个点A、B、C……代表一个人的网络属性值，每条有向线代表网络属性是获取的数据源，圆的大小代表最后的个人网络属性值的排名。

优选地，线上点格式和线上边格式的数据组合成矩阵的形式进行存储。

优选地，个人网络属值的计算采用等级评定的算法，其中等级评定的算法包括将社交网络中其他用户的评价按照加权值进行求和。

优选地，个人网络属性数据获取模块中不同社交网络中获取的数据，存储至不同的线上边内。

如图4为本实施例提供的一种计算个人网络属性值的方法，包括：

S10、开始；

S11，个人网络属性数据库的生成，根据数据结构设计，设立数据库字段，初始化数据库；

S12，个人网络属性数据源的获取，根据实际计算需要提取数据，并对数据进行清理、规范化以方便后面的计算；

S13,个人网络属性数据的处理，针对步骤S12中预处理完的数据，将每一条边的信息，即边的出入点信息填入边表(以线上边格式存储)；再根据优选的算法填充每条边的T和I值，其中：

T——关系网络属性类型的计算，设互动行为的频数的变量为h，Ti＝hi/Max(h)

I——关系网络属性强度的计算，设表示社交图有向边的单向行为的频数的变量H，Ii＝Hi/Max(H)。

S14，初始化线上点表格式数据库，即将预处理完的数据中每个点的ID号填入线上点格式表中的NUID字段；并初始化Cre_Valu、Cre_Judg、Cre_Rank字段。

S15，个人网络网络属性值的计算，和实施例一种的步骤S4相同。；

S16，结果输出，即将步骤S15的结果更新到点表中的Cre_Valu、Cre_Judg、Cre_Rank字段

S17，结束。

因此，本实施例提供了一种对个人网络属性值计算的更加准确、优化的实现方式；并且线上点和线上边的的格式存储数据，可以更加便于数据的计算。

实施例三

如图5所示，实施例三提供的一种计算个人网络属性值的方法与实施例一设置有相同的：

S1，个人网络属性数据库的建立；

S2，个人网络属性数据源的获取；

S3，个人网络属性数据的处理；

S4，个人网络属性值的计算。

实施例二与实施例一的不同之处在于：

增加了步骤S5，个人网络属性值校正；即计算个人网络属性的方法还包括对排序后个人网络属性值进行校正的步骤。具体地，可以结合其他的网络属性值计算方法，比如，用户网络属性值的评定条件是从大量的数据中挖掘出来；并且这种校正后的数据可以作为步骤S4中个人网络属性值的计算中采用预定计算公式的修正提供了基础。这样可以结合现有技术中的优点对个人网络属性值真实、准确性进一步进行优化。

如图6所示，实施例三提供的一种计算个人网络属性值系统同样设置有个人网络属性数据库模块2，个人网络属性数据源获取模块3，个人网络属性数据处理模块4，个人网络属性值计算模块5；并且还设置有个人网络属性值校正模块6。

当然，实施例三还可以在实施例二的基础上进行改进，即在实施例二提供的计算个人网络属性值的方法基础上增加个人网络属性值进行校正的步骤，并在计算个人网络属性值的基础上增加个人网络属性值校正模块。

最后需要说明的是，上述说明仅是本发明的最佳实施例而已，并非对本发明做任何形式上的限制。任何熟悉本领域的技术人员，在不脱离本发明技术方案范围内，都可利用上述揭示的做法和技术内容对本发明技术方案做出许多可能的变动和简单的替换等，这些都属于本发明技术方案保护的范围。

Claims (7)

1.一种计算个人网络属性值的方法，其特征在于，包括：

个人网络属性数据库的建立，所述数据库中存储有用于计算个人网络属性值的至少两种不同的数据，并且所述数据可以用线上点格式和线上边格式分别进行存储数据；

个人网络属性数据源的获取，所述数据源可以基于个人在社交网络活动中的数据，并进行预处理操作；

个人网络属性数据的处理，将预处理操作后的数据源以线上点格式和线上边格式分别进行存储；

个人网络属性值的计算，将以线上点格式和线上边格式存储的所有数据按照预定的控制条件，计算出个人网络属性值；

所述个人网络属性数据库的建立中，用于存储线上点格式和线上边格式的数据库数据是空的。

2.如权利要求1所述的计算个人网络属性值的方法，其特征在于，所述个人网络属性数据源的获取中可以从交友社交网络中获取数据；还可以从社交网络中的购物网络获取数据和/或从社交网络中的银行数据中心获取数据。

3.如权利要求2所述的计算个人网络属性值的方法，其特征在于，针对数据源获取的方式不同，采用不同的数据处理方法，并且以不同的数据格式进行存储。

4.如权利要求1所述的计算个人网络属性值的方法，其特征在于，所述线上点格式和线上边格式的数据组合成矩阵的形式进行存储。

5.如权利要求1所述的计算个人网络属性值的方法，其特征在于，个人网络属性值的计算采用等级评定的算法，其中等级评定的算法包括将社交网络中其他用户的评价按照加权值进行求和。

6.如权利要求1所述的计算个人网络属性值的方法，其特征在于，所述方法还包括对个人网络属性值的计算结果进行排序。

7.如权利要求6所述的计算个人网络属性值的方法，其特征在于，所述方法还包括对排序后个人网络属性值进行校正的步骤。