[发明专利]基于用户命名习惯映射学习的社交网络账号对齐方法及系统

说明书

本发明属于社交媒体数据处理技术领域，特别涉及一种基于用户命名习惯映射学习的社交网络账号对齐方法及系统，从异构社交网络中基于用户名命名习惯提取网络账号特征，并将网络账号特征转化为特征向量；利用特征向量将不同社交网络用户名特征向量进行映射；依据向量之间的距离差判定用户名是否属于同一个人，实现跨社交网络的账号对齐。本发明基于用户命名习惯实现跨社交网络的账号对齐，提升网络社交账号对齐的准确度，并进一步结合BP神经网络模型数据将社交网络用户名分类问题转换为向量之间的映射问题，通过对比基准方法，本案方案中精确度提高4％，并且在较小的训练集比例和训练次数进行实验比基准方法精度高、收敛快，具有较好的应用前景。

技术领域

本发明属于社交媒体数据处理技术领域，特别涉及一种基于用户命名习惯映射学习的社交网络账号对齐方法及系统。

背景技术

现如今，不同的社交网络提供通信、娱乐、学习、购物、工作等各种各样不同类型的服务，人们可以根据工作与生活的需要加入到不同的社交网络中,平均拥有8.5个社交媒体账号。然而由于目前单点登录技术应用还不够广泛，同一个用户在不同社交网络上注册的多个账号之间往往是孤立开来的，用户在不同网络中的信息很少形成互通，同时也缺乏一个可以关联各个社交账户的用户身份标识。在缺乏统一用户身份标识的情况下，将多个社交网络中同属一个真实用户的账户关联起来，是实现跨社交网络用户账号对齐的主要目的，该问题也被称作社交网络节点对齐。社交网络节点对齐是指在多个输入的社交网络之间找到对应的用户，这些在不同社交网络中的对应用户对应真实世界中的同一个自然人。跨社交网络账号对齐是许多跨社交网络应用的基础，是跨不同平台进行深度数据挖掘的前提。人们在不同的社交网络中登记着不同的信息，包括个人信息(自我描述、所在地、兴趣爱好等)，好友关系，分享的链接，签到地点，最新状态等等。这些信息在一起构成了用户在互联网上的完整形象。对齐同一用户在不同网络下的多个账号就可以实现数据融合，最大限度地收集、整合和完善用户的个人信息，从而能够对用户海量社交元数据进行充分挖掘，在信息检索、跨平台推荐系统、网络安全等实际应用中具有十分重要的现实意义。

现有算法针对不用的应用场景，利用用户公开属性信息或者网络结构信息，在一定程度上解决了用户账号对齐问题。基于属性的方法简单，在一定场景中具有较好效果，但是，这类方法中依赖的用户属性信息大部分是用户自报道属性，出于隐私保护的考虑，这部分信息通常缺失、有噪音，不是特别可靠；另外，社交网络上属性差异性较大、共同属性稀少时，此类方法适用范围受限。而基于网络结构的方法没有考虑网络结构的规则性，由此带来对于网络结构噪音、变化等极其敏感，不具有鲁棒性，导致跨网络用户间关系建模不准确等问题。

发明内容

为此，本发明提供一种基于用户命名习惯映射学习的社交网络账号对齐方法及系统，基于用户命名习惯实现跨社交网络的账号对齐，提升网络社交账号对齐的准确度。

按照本发明所提供的设计方案，提供一种基于用户命名习惯映射学习的社交网络账号对齐方法，包含如下内容：

从异构社交网络中基于用户名命名习惯提取网络账号特征，并将网络账号特征转化为特征向量；

利用BP神经网络将不同社交网络用户名特征向量进行映射；依据向量之间的距离差判定用户名是否属于同一个人，实现跨社交网络的账号对齐。

作为本发明基于用户命名习惯映射学习的社交网络账号对齐方法，进一步地，采用用户命名模式从人类局限性、个体外在因素和个体内在因素三个方面提取网络账号特征。