[发明专利]社交信息服务中用户属性推演方法及系统

说明书

本发明公开了一种社交信息服务中用户属性推演方法及系统，所述方法包括以下步骤：S1，根据用户属性值挖掘多种属性之间的关联性并使用Kulc系数度量关联性，得到多种属性之间关联性的值；S2，根据多种属性之间关联性和用户节点的第一特征向量，对用户的第一特征向量进行特征变换，得到用户节点的第二特征向量；S3，根据用户节点的第二特征向量以及SVM分类方法，得到用户有该属性的先验概率；S4，利用马尔可夫随机场对用户社交关系信息进行建模，在马尔可夫随机场中对用户先验概率进行置信传播，获得用户有该属性的后验概率。根据本发明的方法可以实现根据社交网络中部分已知属性信息，高效地推演出其他未知属性信息，提高了推演的准确性和扩展性。

技术领域

本发明涉及信息安全技术领域，尤其是涉及一种社交信息服务中用户属性推演方法及系统。

背景技术

随着在线社交网络的日益发展，社交网络在人和人之间的联系交往中变得愈发重要，网络信息也变得十分丰富。社交网络信息分析和挖掘已经成为了工业界和学术界的热门研究问题。社交网络中汇聚着大量的用户属性信息、人际关系信息和用户行为信息，比如用户提供的性别、电话、家庭住址等属性信息，在即时通讯应用中用户的好友以及群组关系，在各类网络服务中用户购买物品、给出评价、观看视频等行为信息。分析社交网络中用户的各类信息的关联性能够帮助挖掘出更深层次的用户属性，更准确的预测用户下一步的行为，为研究社交网络发展方向提供数据支撑。

目前在社交网络属性推演的研究中，主要有以下三种方法：基于特征的方法、基于网络结构的方法以及结合二者的方法。每种方法有各自的优缺点，适用于不同的场景。基于用户特征的方法是指分析已标记的用户数据，找出具有区分意义的特征，利用机器学习算法等方法构建模型，推测未标记用户的属性数据；基于网络结构的方法利用用户的好友关系、社区分类进行建模，进一步推演用户的属性；将二者相结合的方法是指对用户的特征进行分析处理，通过用户关系建模，利用随机游走等算法进行属性推演的方法。

然而，现有技术中的属性推演方法缺少应用于大规模社交网络数据集的算法性能测试，另外在大规模社交网络数据集中，已知的用户属性占少部分，从部分已知属性推演未知属性的精确度有待提高，推演算法的精度和扩展性差。因此，上述技术存在改进空间。

发明内容

本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明的一个目的在于提出一种社交信息服务中用户属性推演方法，所述方法可以实现根据社交网络中部分已知属性信息，高效地推演出其他未知属性信息，提高了推演的准确性和扩展性。

本发明还提出了一种具有上述社交信息服务中用户属性推演方法的系统。

根据本发明实施例的社交信息服务中用户属性推演方法，包括以下步骤：

S1，根据用户属性值挖掘多种属性之间的关联性并使用Kulc系数度量关联性，得到多种属性之间关联性的值；

S2，根据多种属性之间关联性和用户节点的第一特征向量，对用户的第一特征向量进行特征变换，得到用户节点的第二特征向量；

S3，根据用户节点的第二特征向量以及SVM分类方法，得到用户有该属性的先验概率；

S4，利用马尔可夫随机场对用户社交关系信息进行建模，在马尔可夫随机场中对用户先验概率进行置信传播，获得用户有该属性的后验概率。

根据本发明的社交信息服务中用户属性推演方法，所述方法可以实现根据社交网络中部分已知属性信息，高效地推演出其他未知属性信息，提高了推演的准确性和扩展性。

根据本发明一个实施例的社交信息服务中用户属性推演方法，步骤S2包括以下步骤：

S201，初始化已知标签的用户节点的属性行为向量，即