[发明专利]基于熵权法的跨社交网络用户身份匹配方法、介质及装置

权利要求书

1.一种基于熵权法的跨社交网络用户身份匹配方法，其特征在于，包括如下步骤：

S10，数据收集：采集多个社交网络的用户属性信息；

S20，特征提取和融合：基于用户属性信息提取并融合用户属性特征；

S30，相似度计算：计算两用户不同属性特征的相似度；

S40，身份匹配：利用熵权法为两用户不同属性分配权重，基于两用户不同属性特征的相似度以及权重计算两用户的总体相似度；

S50，输出结果：根据两用户的总体相似度判断两用户是否身份匹配；

步骤S10中采集多个社交网络的用户属性信息的方法包括：

S11，利用网络爬虫技术对多个社交网络的用户属性信息进行数据采集；所述用户属性信息包括用户名、性别、学历、职业、个人描述、兴趣、关注话题、发布内容、关注数、粉丝数、获赞数、文章数、个人主页URL、Email、地理位置和好友列表；

S12，对采集的用户属性信息进行数据预处理；所述数据预处理包括噪声数据去除和混乱文本重组；

步骤S20中基于用户属性信息提取并融合用户属性特征的方法包括：

S21，基本属性特征提取：

对于采用字符串存储的用户名、性别、学历、职业、兴趣、个人主页URL、Email和好友列表，将数据预处理后的字符串作为属性特征；

对于关注数和粉丝数，将关注数和粉丝数组成二维向量作为属性特征；

对于获赞数和文章数，将获赞数和文章数组成二维向量作为属性特征；

对于地理位置，将地理位置统一转换为WGS84坐标信息；所述地理位置包括详细地址、GPS定位和城市名称；

S22，短文本特征提取：

对于采用短文本方式存储的个人描述、关注话题和发布内容，将社交网络中用户的个人描述、关注话题和发布内容分别视作由多个词语组成的文档，每个词语的重要程度用TF-IDF值进行评估，从而通过计算文档中每个词语的TF-IDF值，来提取短文本的属性特征；

S23，特征融合：

对社交网络A中任一用户u_k和社交网络B中任一用户u_j进行属性特征提取和融合；

融合后，用户u_k的属性特征为，其中，属性特征总数g=14；分别表示用户u_k的用户名、性别、学历、职业、兴趣、个人主页URL、Email和好友列表属性特征；表示由关注数与粉丝数组成的二维向量；表示由获赞数与文章数组成的二维向量；表示用户的WGS84坐标信息；是由不同词语的TF-IDF值组成的向量，分别表示用户u_k的个人描述、关注话题和发布内容的特征向量；

同理得到用户u_j的属性特征为，其中，属性特征总数g=14；分别表示用户u_j的用户名、性别、学历、职业、兴趣、个人主页URL、Email和好友列表属性特征；表示由关注数与粉丝数组成的二维向量；表示由获赞数与文章数组成的二维向量；表示用户的WGS84坐标信息；是由不同词语的TF-IDF值组成的向量，分别表示用户u_j的个人描述、关注话题和发布内容的特征向量；

步骤S22中短文本特征提取的方法包括：

计算TF值：

其中，TF表示词频，即一个词语在文档中出现的频率；表示词语在文档中出现的频率；表示词语在文档中出现的次数；表示所有词语在文档中出现的次数之和；

计算IDF值：

其中，表示文档包含词语，表示包含词语的所有文档数目，加1以避免分母为0的情况，|D|表示文档总数；

计算TF-IDF值：

其中，表示词语的词频，表示词语的逆文档频率，表示词语的TF-IDF值。