CN104933139A - 一种社交网络用户身份虚实映射的方法及装置 - Google Patents

一种社交网络用户身份虚实映射的方法及装置 Download PDF

Info

Publication number
CN104933139A
CN104933139A CN201510337334.2A CN201510337334A CN104933139A CN 104933139 A CN104933139 A CN 104933139A CN 201510337334 A CN201510337334 A CN 201510337334A CN 104933139 A CN104933139 A CN 104933139A
Authority
CN
China
Prior art keywords
identity
complete subgraph
characteristic attribute
good friend
user
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201510337334.2A
Other languages
English (en)
Other versions
CN104933139B (zh
Inventor
梁英
胡开先
许洪波
苏立新
程学旗
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Institute of Computing Technology of CAS
Original Assignee
Institute of Computing Technology of CAS
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Institute of Computing Technology of CAS filed Critical Institute of Computing Technology of CAS
Priority to CN201510337334.2A priority Critical patent/CN104933139B/zh
Publication of CN104933139A publication Critical patent/CN104933139A/zh
Application granted granted Critical
Publication of CN104933139B publication Critical patent/CN104933139B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/951—Indexing; Web crawling techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/01—Social networking

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Databases & Information Systems (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Primary Health Care (AREA)
  • Marketing (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Health & Medical Sciences (AREA)
  • General Business, Economics & Management (AREA)
  • Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明提供一种社交网络用户身份虚实映射的方法及装置，涉及网络数据挖掘技术，能够较准确地推测出社交网络中个体用户的真实身份。所述方法包括：获取身份待定用户的三度好友并生成相应的社交网络拓扑结构图，所述三度好友包括所述身份待定用户的好友、好友的好友以及好友的好友的好友；在所述社交网络拓扑结构图中查找完全子图；根据所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性。

Description

一种社交网络用户身份虚实映射的方法及装置
技术领域
本发明涉及数据挖掘技术领域，尤其涉及一种社交网络用户身份虚实映射的方法及装置。
背景技术
在互联网时代，社交网络已经成为人们生活中不可分割的一部分，是人们获取信息、交友的主要媒体。随着社交网络不断发展，其自身虚拟性、匿名性等特点使之成为一把双刃剑，在给人们带来便利的同时也成为造谣者违法犯罪的新渠道。造谣者躲在虚拟的身份背后在网络上炮制虚假新闻、故意歪曲事实，进行传播谣言、诈骗、侵害他人名誉等犯罪行为。
为构筑文明有序的网络社会，用技术手段协助定位网络谣言制造者、追查网络犯罪行为，需要开展社交网络用户真实身份识别。
然而，目前社交网络用户身份识别，主要是通过社交网络用户公开的信息推测用户群体信息或倾向，应用于舆情分析、好友推荐和电商网站精准营销等，比较擅长对用户群体进行分类，在用户属性的识别粒度不够细，难以推测个体用户真实身份。
发明内容
本发明要解决的技术问题是，提供一种社交网络用户身份虚实映射的方法及装置，能够较准确地推测出社交网络中个体用户的真实身份。
根据本发明的一个方面，本发明提供一种社交网络用户身份虚实映射的方法，包括：获取身份待定用户的三度好友并生成相应的社交网络拓扑结构图，所述三度好友包括所述身份待定用户的好友、好友的好友以及好友的好友的好友；在所述社交网络拓扑结构图中查找完全子图；根据所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性。
可选的，所述在所述社交网络拓扑结构图中查找完全子图包括：生成所述社交网络拓扑结构图对应的邻接矩阵；通过完全子图搜索算法在所述邻接矩阵中搜索完全子图。
可选的，所述根据所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性包括：将查找到的所述完全子图分为多度包含完全子图和多度传递完全子图，其中，所述多度包含完全子图包含所述身份待定用户，所述多度传递完全子图不包含所述身份待定用户；通过所述多度包含完全子图或所述多度传递完全子图使用多数投票方法确定所述身份待定用户的身份特征属性。
可选的，所述通过所述多度包含完全子图或所述多度传递完全子图使用多数投票方法确定所述身份待定用户的身份特征属性包括：根据所述多度包含完全子图中最大完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性；或者根据所有所述多度包含完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性。
可选的，所述通过多度包含完全子图或所述多度传递完全子图使用多数投票方法确定所述身份待定用户的身份特征属性包括：根据所述多度传递完全子图中最大完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性；或者根据所有所述多度传递完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性。
另一方面，本发明还提供一种社交网络用户身份虚实映射的装置，包括：获取单元，用于获取身份待定用户的三度好友并生成相应的社交网络拓扑结构图，所述三度好友包括所述身份待定用户的好友、好友的好友、好友的好友的好友；查找单元，用于在所述社交网络拓扑结构图中查找完全子图；确定单元，用于根据所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性。
可选的，所述查找单元包括：生成模块，用于生成所述社交网络拓扑结构图对应的邻接矩阵；搜索模块，用于通过完全子图搜索算法在所述邻接矩阵中搜索完全子图。
可选的，所述确定单元，包括：分类模块，用于将查找到的所述完全子图分为多度包含完全子图和多度传递完全子图；其中，所述多度包含完全子图包含所述身份待定用户，所述多度传递完全子图不包含所述身份待定用户；投票模块，用于通过所述多度包含完全子图或所述多度传递完全子图使用多数投票方法确定所述身份待定用户的身份特征属性。
可选的，所述投票模块，具体用于：根据所述多度包含完全子图中最大完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性；或者根据所有所述多度包含完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性。
可选的，所述投票模块，具体用于：根据所述多度传递完全子图中最大完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性；或者根据所有所述多度传递完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性。
本发明实施例提供的社交网络用户身份虚实映射的方法及装置，能够获取身份待定用户的三度好友并生成相应的社交网络拓扑结构图，在所述社交网络拓扑结构图中查找完全子图，然后根据所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性，从而深度利用用户间结构化的社交关系较为准确地推测出社交网络中未知的用户身份特征属性。
附图说明
图1为本发明实施例提供的社交网络用户身份虚实映射的方法的一种流程图；
图2为本发明实施例提供的社交网络用户身份虚实映射的方法的一种详细流程图；
图3为图2中步骤S200的具体实现的一种流程图；
图4为图2中步骤S400的具体实现的一种流程图；
图5为图2中步骤S610的具体实现的一种流程图；
图6为图2中步骤S620的具体实现的一种流程图；
图7为本发明实施例提供的社交网络用户身份虚实映射的装置的一种结构示意图；
图8为本发明实施例提供的社交网络用户身份虚实映射的装置的另一种结构示意图。
具体实施方式
为更进一步阐述本发明为达成预定目的所采取的技术手段及功效，以下结合附图及较佳实施例，对本发明进行详细说明如后。通过具体实施方式的说明，应当可对本发明为达成预定目的所采取的技术手段及功效得以更加深入且具体的了解，然而所附图示仅是提供参考与说明之用，并非用来对本发明加以限制。
如图1所示，本发明的实施例提供一种社交网络用户身份虚实映射的方法，包括：
S11，获取身份待定用户的三度好友并生成相应的社交网络拓扑结构图，所述三度好友包括所述身份待定用户的好友、好友的好友以及好友的好友的好友；
S12，在所述社交网络拓扑结构图中查找完全子图；
S13，根据所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性。
本发明实施例提供的社交网络用户身份虚实映射的方法，能够获取身份待定用户的三度好友并生成相应的社交网络拓扑结构图，在所述社交网络拓扑结构图中查找完全子图，然后根据所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性，从而深度利用用户间结构化的社交关系较为准确地推测出社交网络中未知的用户身份特征属性。
需要说明的是，本发明实施例中的好友内涵非常广泛，可以包括各种社交网络中具有相互关注关系的用户，例如微信中的朋友、QQ中的互为好友、微博或贴吧中的互粉等，本发明的实施例对此不做限定。
具体的，在步骤S11中，可以根据身份待定用户的唯一标识获取其三度好友关系及对应各好友已知的用户信息，并生成相应的社交网络拓扑结构图，主要包括下列步骤：
获得身份待定用户的好友及其用户信息；
获得身份待定用户的好友的好友及其用户信息；
获得身份待定用户的好友的好友的好友及其用户信息；
根据上述三步获得的身份待定用户的好友及其社交关系，生成社交网络拓扑结构图。
可选的，在步骤S12中，所述在所述社交网络拓扑结构图中查找完全子图包括：
生成所述社交网络拓扑结构图对应的邻接矩阵；
通过完全子图搜索算法在所述邻接矩阵中搜索完全子图。
具体而言，社交网络的拓扑结构可以用图G＝(V，Edge)表示，指由社交网络用户和社交关系组成的无向图，V代表身份待定用户vc的三度好友(即好友、好友的好友以及好友的好友的好友)用户节点集合，Edge代表上述用户节点之间边关系的集合。vi，vj表示用户节点，vi∈V，vj∈V，i，j＝(1，2，...，n}，其中n＝|V|；(vi，vj)表示用户节点vi和vj之间的边，代表vi和vj有好友关系，(vi，vj)∈Edge。
其中，所述通过完全子图搜索算法在所述邻接矩阵中搜索完全子图包括：
遍历所有用户节点，求解完全子图，解集大小大于2，即当前完全子图包含节点数大于2时，获得一个合法完全子图；
针对当前用户节点之外的其他用户节点，依次判断将该用户节点加入解集后是否能与解集中其他用户节点构成一个完全子图；
如果解集中用户节点仍然构成一个完全子图，将当前用户节点加入解集，递归当前用户节点的下一个用户节点作为当前用户节点；
不将当前用户节点加入解集，递归当前用户节点的下一个用户节点作为当前用户节点。
可选的，在步骤S13中，根据所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性具体可包括：
将查找到的所述完全子图分为多度包含完全子图和多度传递完全子图；其中，所述多度包含完全子图包含所述身份待定用户，所述多度传递完全子图不包含所述身份待定用户；
通过所述多度包含完全子图或所述多度传递完全子图使用多数投票方法确定所述身份待定用户的身份特征属性。
其中：多度包含完全子图和多度传递完全子图的定义如下：
多度包含完全子图Gcsc，指完全子图Gcs中包含身份待定用户vc，令Gcsc＝(Vcsc，Edgecsc)，如果且身份待定用户vc∈Vcsc，则称Gcsc为身份待定用户的多度包含完全子图。
多度传递完全子图Gcsu，指完全子图Gcs中不包含身份待定用户vc，令Gcsu-(VcswEdgecsu)，如果且身份待定用户vc∈(V-Vcsu)，且最短路径d满足0＜d(vi，vc)≤2，则称Gcsu为身份待定用户的多度传递完全子图。多度传递完全子图指组成完全子图的用户中不包含身份待定用户，但是组成完全子图的用户中至少有一名用户与身份待定用户是好友，或者是好友的好友。
使用多度包含完全子图，也就是，在身份待定用户的三度好友关系构成的社交网络拓扑结构图中，搜索包含身份待定用户的完全子图，通过完全子图中其他用户身份特征已知用户的身份特征属性，推测身份待定用户未知的身份特征属性。
当与某个身份待定用户直接相关的社交网络数据较少时，可能不存在多度包含完全子图，此时可以使用多度传递完全子图。也就是，在身份待定用户的三度好友关系构成的社交网络拓扑结构图中，搜索不包含身份待定用户的完全子图，该完全子图中至少有一名用户是身份待定用户的好友，或者好友的好友，通过该完全子图中各身份已知用户的身份特征属性推测身份待定用户未知的身份特征属性。
对于一个身份待定的用户来讲，在一个社交网络拓扑结构图中，可能同时存在着包含该身份待定用户的多度包含完全子图，以及不包含该身份待定用户的多度传递完全子图，可选的，可以根据各好友与身份待定用户的网络位置关系，使用相应的完全子图确定该身份待定用户的身份特征属性。
需要说明的是，在一个三度好友的社交网络拓扑结构图中，可能存在着若干个完全子图，这些完全子图中有的包含预设的身份待定用户，有的则不包含，各个完全子图中包含的元素和数目也不尽相同，因此，上述实施例中，既可以根据所述完全子图的最大(即包含元素数目最多)完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性；也可以根据所有所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性。
具体的，在本发明的一个实施例中，可以根据所述多度包含完全子图中最大完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性；或者也可以根据所有所述多度包含完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性。
在本发明的另一个实施例中，可以根据所述多度传递完全子图中最大的完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性；也可以根据所有多度传递完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性。
下面以微博用户为例，通过具体实施例对本发明提供的社交网络用户身份虚实映射的方法进行详细说明。
结合图2至图6，本实施例中，对身份待定用户的身份确定可包括如下步骤：
步骤S100，获得给定身份待定微博用户唯一标识。
步骤S200，获得身份待定用户三度互粉关系及其用户信息，并据此生成对应的社交网络拓扑结构图。
所述步骤S200包括下列步骤：
步骤S201，获得身份待定用户的互粉用户及其用户信息；
步骤S202，获得身份待定用户的互粉用户的互粉用户及其用户信息；
步骤S203，获得身份待定用户的互粉用户的互粉用户的互粉用户及其用户信息；
步骤S204，根据上述三步获得的微博用户及其社交关系生成社交网络拓扑结构图。
步骤S300，生成社交网络拓扑结构图对应的邻接矩阵；
步骤S400，通过完全子图搜索算法在邻接矩阵中搜索完全子图；
所述步骤S400，包括下列步骤：
步骤S401，遍历所有用户节点，求解完全子图，解集大小大于2，即当前完全子图包含节点数大于2时，获得一个合法完全子图；
步骤S402，针对当前用户节点之外的其他用户节点，依次判断将该用户节点加入解集后是否能与解集中其他用户节点构成一个完全子图；
步骤S403，如果解集中用户节点仍然构成一个完全子图，将当前用户节点加入解集，递归求解，设当前用户节点的下一个用户节点为当前用户节点；
步骤S404，不将当前用户节点加入解集，递归求解，设当前用户节点的下一个用户节点为当前用户节点。
步骤S500，根据完全子图中是否包含身份待定用户将其分为多度包含完全子图和多度传递完全子图。
步骤S610，用多度包含完全子图中其他信息已知用户的用户身份特征属性推测身份待定用户身份特征属性。
所述步骤S610，包括下列步骤：
步骤S611，获得多度包含完全子图中信息已知用户的身份特征属性；
步骤S612，将S611获得用户身份特征属性作为多数投票分类器的输入，输出多数投票分类结果；
步骤S613，将多数投票分类结果作为多数投票计数器的输入，输出身份待定用户未知身份特征属性的推测结果；
步骤S620，用多度传递完全子图中其他信息已知用户的用户身份特征属性推测身份待定用户身份特征属性。
所述步骤S620，包括下列步骤：
步骤S621，获得多度传递完全子图中信息已知用户的身份特征属性；
步骤S622，将S621获得用户身份特征属性作为多数投票分类器的输入，输出多数投票分类结果；
步骤S623，将多数投票分类结果作为多数投票计数器的输入，输出身份待定用户未知身份特征属性的推测结果。
步骤S700，将推测结果按可能性降序排列后推荐给目标用户。
本实施例提供的社交网络用户身份虚实映射的方法，深度利用微博用户结构化的社交关系推测微博用户未知的用户身份特征属性，解决了用户社交关系稀疏时，无法准确推测微博用户未知的用户身份特征属性的问题。
相应的，如图7所示，本发明还提供一种社交网络用户身份虚实映射的装置，包括：
获取单元91，用于获取身份待定用户的三度好友并生成相应的社交网络拓扑结构图，所述三度好友包括所述身份待定用户的好友、好友的好友以及好友的好友的好友；
查找单元92，用于在所述社交网络拓扑结构图中查找完全子图；
确定单元93，用于根据所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性。
本发明实施例提供的社交网络用户身份虚实映射的装置，其获取单元91能够获取身份待定用户的三度好友并生成相应的社交网络拓扑结构图，查找单元92能够在所述社交网络拓扑结构图中查找完全子图，确定单元93能够根据所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性，从而深度利用用户结构化的社交关系较为准确地推测出社交网络用户未知的用户身份特征属性。
可选的，查找单元92可包括：
生成模块，用于生成所述社交网络拓扑结构图对应的邻接矩阵；
搜索模块，用于通过完全子图搜索算法在所述邻接矩阵中搜索完全子图。
可选的，所述搜索模块，具体可用于：
求解完全子图时，遍历所有用户节点后，解集大小大于2，即当前完全子图包含节点数大于2时，获得一个合法完全子图；
针对当前用户节点之外的其他用户节点，依次判断将该用户节点加入解集后是否能与解集中其他用户节点构成一个完全子图；
如果解集中用户节点仍然构成一个完全子图，将当前用户节点加入解集，递归当前用户节点的下一个用户节点；
不将当前用户节点加入解集，递归所述当前用户节点的下一个用户节点。
可选的，确定单元93，可包括：
分类模块，用于将查找到的所述完全子图分为多度包含完全子图和多度传递完全子图；其中，所述多度包含完全子图包含所述身份待定用户，所述多度传递完全子图不包含所述身份待定用户；
投票模块，用于通过所述多度包含完全子图或所述多度传递完全子图使用多数投票方法确定所述身份待定用户的身份特征属性。
可选的，投票模块，具体可用于：根据多度包含完全子图的最大完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性；或者根据所有多度包含完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性。
可选的，投票模块，还可具体用于：
根据所述多度传递完全子图中最大完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性；或者根据所有所述多度传递完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性。
下面以微博为例，对本发明提供的社交网络用户身份虚实映射的装置进行详细说明。如图8所示，该装置1主要包括，微博用户社交关系获取单元11、完全子图计算单元12、用户身份特征推测单元13。以下分别对系统中的各个模块进行详细的描述。
A.微博用户社交关系获取单元11
微博用户社交关系获取单元用于从微博服务器2获取所需要的数据，包括身份待定用户的三度互粉(互粉、互粉的互粉以及互粉的互粉的互粉)的社交关系和对应的用户信息。
在一个实施例中，微博用户社交关系获取单元11可以包括身份待定用户社交关系获取模块111、社交关系用户信息获取模块112和社交网络拓扑结构图生成模块113。
社交网络用户身份虚实映射的装置获得给定身份待定用户微博的唯一标识后，首先通过身份待定用户社交关系获取模块111获得当前用户的互粉、互粉的互粉以及互粉的互粉的互粉的三度互粉社交关系，然后通过社交关系用户信息获取模块112获得上述所有用户的用户信息，并通过社交网络拓扑结构图生成模块113生成由社交网络用户和社交关系组成的无向图，即社交网络拓扑结构图。
B.完全子图查找单元12
完全子图查找单元12用于使用完全子图搜索算法在社交网络拓扑结构图中搜索多度包含完全子图和多度传递完全子图。
在一个实施例中，完全子图查找单元12可包括邻接矩阵生成模块121和完全子图搜索模块122。其中，邻接矩阵生成模块121用于生成社交网络拓扑结构图对应的邻接矩阵，完全子图搜索模块122用于在该邻接矩阵中搜索完全子图。
邻接矩阵生成模块121用于将拓扑结构图转化为对应的邻接矩阵保存。得到邻接矩阵后，完全子图搜索模块122通过完全子图搜索算法在邻接矩阵中递归搜索完全子图。
C.用户身份特征确定单元13
用户身份特征确定单元13，通过完全子图查找单元12获得的多度包含完全子图和多度传递完全子图中其信息已知的用户的用户身份特征，使用多数投票方法推测身份待定用户的用户身份特征属性。
在一个实施例中，用户身份特征确定单元13可包括身份待定用户完全子图分类模块131、多数投票模块132和结果推荐模块133。
其中，身份待定用户完全子图分类模块131用于将搜索到的完全子图划分为多度包含完全子图和多度传递完全子图。多数投票模块132利用完全子图中其他用户信息已知的用户身份特征属性作为多数投票分类器的输入，输出多数投票分类结果，并将结果作为多数投票计数器的输入，最终输出推测结果。结果推荐模块133将推测结果按可能性降序排列后推荐给目标用户。
尽管为示例目的，已经公开了本发明的优选实施例，本领域的技术人员将意识到各种改进、增加和取代也是可能的，因此，本发明的范围应当不限于上述实施例。

Claims (10)

1.一种社交网络用户身份虚实映射的方法，其特征在于，包括：
获取身份待定用户的三度好友并生成相应的社交网络拓扑结构图，所述三度好友包括所述身份待定用户的好友、好友的好友以及好友的好友的好友；
在所述社交网络拓扑结构图中查找完全子图；
根据所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性。
2.根据权利要求1所述的方法，其特征在于，所述在所述社交网络拓扑结构图中查找完全子图包括：
生成所述社交网络拓扑结构图对应的邻接矩阵；
通过完全子图搜索算法在所述邻接矩阵中搜索完全子图。
3.根据权利要求1所述的方法，其特征在于，所述根据所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性包括：
将查找到的所述完全子图分为多度包含完全子图和多度传递完全子图，其中，所述多度包含完全子图包含所述身份待定用户，所述多度传递完全子图不包含所述身份待定用户；
通过所述多度包含完全子图或所述多度传递完全子图使用多数投票方法确定所述身份待定用户的身份特征属性。
4.根据权利要求3所述的方法，其特征在于，所述通过所述多度包含完全子图或所述多度传递完全子图使用多数投票方法确定所述身份待定用户的身份特征属性包括：
根据所述多度包含完全子图中最大完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性；
或者
根据所有所述多度包含完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性。
5.根据权利要求3所述的方法，其特征在于，所述通过多度包含完全子图或所述多度传递完全子图使用多数投票方法确定所述身份待定用户的身份特征属性包括：
根据所述多度传递完全子图中最大完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性；
或者
根据所有所述多度传递完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性。
6.一种社交网络用户身份虚实映射的装置，其特征在于，包括：
获取单元，用于获取身份待定用户的三度好友并生成相应的社交网络拓扑结构图，所述三度好友包括所述身份待定用户的好友、好友的好友、好友的好友的好友；
查找单元，用于在所述社交网络拓扑结构图中查找完全子图；
确定单元，用于根据所述完全子图中各身份已知的好友的身份特征属性，确定所述身份待定用户的身份特征属性。
7.根据权利要求6所述的装置，其特征在于，所述查找单元包括：
生成模块，用于生成所述社交网络拓扑结构图对应的邻接矩阵；
搜索模块，用于通过完全子图搜索算法在所述邻接矩阵中搜索完全子图。
8.根据权利要求6所述的装置，其特征在于，所述确定单元，包括：
分类模块，用于将查找到的所述完全子图分为多度包含完全子图和多度传递完全子图；其中，所述多度包含完全子图包含所述身份待定用户，所述多度传递完全子图不包含所述身份待定用户；
投票模块，用于通过所述多度包含完全子图或所述多度传递完全子图使用多数投票方法确定所述身份待定用户的身份特征属性。
9.根据权利要求8所述的装置，其特征在于，所述投票模块，具体用于：
根据所述多度包含完全子图中最大完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性；
或者
根据所有所述多度包含完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性。
10.根据权利要求8所述的装置，其特征在于，所述投票模块，具体用于：
根据所述多度传递完全子图中最大完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性；
或者
根据所有所述多度传递完全子图中各身份已知的好友的身份特征属性，使用多数投票方法确定所述身份待定用户的身份特征属性。
CN201510337334.2A 2015-06-17 2015-06-17 一种社交网络用户身份虚实映射的方法及装置 Active CN104933139B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201510337334.2A CN104933139B (zh) 2015-06-17 2015-06-17 一种社交网络用户身份虚实映射的方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201510337334.2A CN104933139B (zh) 2015-06-17 2015-06-17 一种社交网络用户身份虚实映射的方法及装置

Publications (2)

Publication Number Publication Date
CN104933139A true CN104933139A (zh) 2015-09-23
CN104933139B CN104933139B (zh) 2018-06-01

Family

ID=54120306

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201510337334.2A Active CN104933139B (zh) 2015-06-17 2015-06-17 一种社交网络用户身份虚实映射的方法及装置

Country Status (1)

Country Link
CN (1) CN104933139B (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678625A (zh) * 2015-12-29 2016-06-15 联动优势科技有限公司 一种确定用户身份信息的方法及设备
CN105678129A (zh) * 2015-12-29 2016-06-15 联动优势科技有限公司 一种确定用户身份信息的方法及设备
CN106407455A (zh) * 2016-09-30 2017-02-15 深圳市华傲数据技术有限公司 基于图数据挖掘的数据处理方法及装置
CN106874392A (zh) * 2017-01-13 2017-06-20 微梦创科网络科技（中国）有限公司 受众用户信息的索引存储及广告信息投放的方法和装置
WO2018219223A1 (zh) * 2017-05-31 2018-12-06 腾讯科技（深圳）有限公司 数据处理方法、装置及存储介质
CN110110218A (zh) * 2018-02-01 2019-08-09 重庆邮电大学 一种身份关联方法及终端
CN110391964A (zh) * 2018-04-17 2019-10-29 成都野望数码科技有限公司 一种好友信息的处理方法及装置
CN111444440A (zh) * 2020-06-15 2020-07-24 腾讯科技（深圳）有限公司 一种身份信息识别方法、装置、电子设备和存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101911066A (zh) * 2008-01-04 2010-12-08 雅虎公司 识别和使用社交网络关系
CN102355664A (zh) * 2011-08-09 2012-02-15 郑毅 一种基于用户的社交网络对用户身份进行识别与匹配的方法
CN103309990A (zh) * 2013-06-18 2013-09-18 上海晶樵网络信息技术有限公司 基于互联网用户公开信息的用户多维度分析与监测方法
CN103795613A (zh) * 2014-01-16 2014-05-14 西北工业大学 一种在线社交网络中朋友关系预测的方法
CN104346408A (zh) * 2013-08-08 2015-02-11 中国移动通信集团公司 一种对网络用户进行标注的方法与设备

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101911066A (zh) * 2008-01-04 2010-12-08 雅虎公司 识别和使用社交网络关系
CN102355664A (zh) * 2011-08-09 2012-02-15 郑毅 一种基于用户的社交网络对用户身份进行识别与匹配的方法
CN103309990A (zh) * 2013-06-18 2013-09-18 上海晶樵网络信息技术有限公司 基于互联网用户公开信息的用户多维度分析与监测方法
CN104346408A (zh) * 2013-08-08 2015-02-11 中国移动通信集团公司 一种对网络用户进行标注的方法与设备
CN103795613A (zh) * 2014-01-16 2014-05-14 西北工业大学 一种在线社交网络中朋友关系预测的方法

Cited By (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105678625A (zh) * 2015-12-29 2016-06-15 联动优势科技有限公司 一种确定用户身份信息的方法及设备
CN105678129A (zh) * 2015-12-29 2016-06-15 联动优势科技有限公司 一种确定用户身份信息的方法及设备
CN105678129B (zh) * 2015-12-29 2018-11-16 联动优势科技有限公司 一种确定用户身份信息的方法及设备
CN105678625B (zh) * 2015-12-29 2019-09-17 联动优势科技有限公司 一种确定用户身份信息的方法及设备
CN106407455A (zh) * 2016-09-30 2017-02-15 深圳市华傲数据技术有限公司 基于图数据挖掘的数据处理方法及装置
CN106874392A (zh) * 2017-01-13 2017-06-20 微梦创科网络科技（中国）有限公司 受众用户信息的索引存储及广告信息投放的方法和装置
CN106874392B (zh) * 2017-01-13 2019-12-31 微梦创科网络科技（中国）有限公司 受众用户信息的索引存储及广告信息投放的方法和装置
WO2018219223A1 (zh) * 2017-05-31 2018-12-06 腾讯科技（深圳）有限公司 数据处理方法、装置及存储介质
CN110110218A (zh) * 2018-02-01 2019-08-09 重庆邮电大学 一种身份关联方法及终端
CN110110218B (zh) * 2018-02-01 2023-10-31 西安华企众信科技发展有限公司 一种身份关联方法及终端
CN110391964A (zh) * 2018-04-17 2019-10-29 成都野望数码科技有限公司 一种好友信息的处理方法及装置
CN111444440A (zh) * 2020-06-15 2020-07-24 腾讯科技（深圳）有限公司 一种身份信息识别方法、装置、电子设备和存储介质

Also Published As

Publication number Publication date
CN104933139B (zh) 2018-06-01

Similar Documents

Publication Publication Date Title
CN104933139A (zh) 一种社交网络用户身份虚实映射的方法及装置
CN106909643B (zh) 基于知识图谱的社交媒体大数据主题发现方法
Barbier et al. Provenance data in social media
US10218800B2 (en) Systems and methods for providing recommendations and explanations
CN109344326B (zh) 一种社交圈的挖掘方法和装置
Chen et al. Effective and efficient user account linkage across location based social networks
CN102281207A (zh) 社区网络中确定用户匹配度并撮合用户聊天的方法和设备
Uddin et al. On diversifying source selection in social sensing
CN103823888A (zh) 一种基于节点亲密度的社交网站好友推荐方法
CN103942298B (zh) 基于线性回归的推荐方法及系统
US9489428B2 (en) Search ranking method and system for community users
Tiwari et al. Implicit preferences discovery for biography recommender system using twitter
Dhumal et al. Survey on community detection in online social networks
US20150006635A1 (en) Global relationship model and a relationship search method for internet social networks
WO2017050991A1 (en) Aggregating profile information
Srivastava et al. Importance of User's Profile Attributes in Identity Matching Across Multiple Online Social Networking Sites
WO2018145610A1 (zh) 数据处理方法、服务器以及存储介质
Luceri et al. Infringement of tweets geo-location privacy: an approach based on graph convolutional neural networks
Feng et al. A unified microblog user similarity model for online friend recommendation
Kim et al. Friend recommendation using offline and online social information for face-to-face interactions
Jiang et al. Efficiency improvements in social network communication via MapReduce
Maiti et al. Detecting influential users using spread of communications
Xie et al. Make best use of social networks via more valuable friend recommendations
Parvathy et al. Friend recommendation system for online social networks: A survey
CN110717051A (zh) 基于社交网络的知识图谱构建方法

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant