[发明专利]一种基于全局和局部特征的跨在线社交网络用户匹配方法

摘要

本发明公开了一种基于全局和局部特征的跨在线社交网络用户匹配方法，属于社交网络领域的节点匹配技术。所述方法包括初始种子发掘和种子扩张两个阶段。本发明针对使用多个社交网络的同一用户，利用全局和局部的结构化信息，设计高效的匹配算法，来识别属于同一用户的所有账号，从而整合用户多个来源的信息，为社会科学的研究和提供个性化服务奠定基础。本发明将社交网络建模成有权图，将用户之间的亲密程度作为边的权重，更符合实际；较现有技术，本发明具有更高的精度和召回率，更有效地实现了跨网络的用户匹配。

主权项

1.一种基于全局和局部特征的跨在线社交网络用户匹配方法，其特征在于：所述方法包括初始种子发掘和种子扩张两个阶段；所述的种子发掘阶段，首先假定有个用户已匹配，作为种子用户，简称种子，形成初始种子集合I；N为现实社交网络G中的节点数量；计算两个在线社交网络中所有节点的GlobalRank值，并按GlobalRank值降序排列，分别存放到链表L₁和L₂中；对于链表L₁中每个未匹配的节点u，将其匹配到链表L₂中的节点v；反向匹配链表L₂中的节点v到链表L₁中节点u，如果节点u和节点v双向都匹配，就将节点u和节点v视为一次成功的节点匹配，将节点对(u,v)加入种子集合I中，最终得到种子节点集合S；所述的种子扩张阶段，将第一阶段中发掘的种子节点集合S中所有种子作为根节点，对于每个已发掘的种子节点s∈G₁，G₁为G中的一个在线社交网络，从邻居节点中按GlobalRank值从大到小挑选节点；如果节点u₁是种子节点s的一个邻居并且节点u₁的已匹配的邻居节点集合N(u₁)中已匹配节点数目超过了一个预定义的阈值，挑选节点u₁并利用节点u₁已匹配的邻居节点来找到节点u₁的候选节点集合；接下来，根据两个节点的相似度从候选节点集合中挑选出跟节点u₁具有最高相似度的候选节点v₁；将节点对(u₁,v₁)加入节点集合M中，形成最终的扩张节点集合M；所述的GlobalRank值是指全局重要性，通过如下方式得到：把节点u₁到邻居节点v₂的转移概率定义为从节点u₁到随机节点w的跳转概率定义为其中，L(v₂)、L(w)、L(k₁)和L(k₂)分别表示邻居节点v₂、随机节点w、节点k₁和节点k₂的连接强度；Ngh(u₁)表示节点u₁的邻居节点集；用迭代的方式来计算节点的全局重要性GlobalRank，具体为：输入:在线社交网络G₁和G₂，输出:每个节点的GlobalRank，步骤1，给定一个容忍误差ε，步骤2，初始迭代轮数i＝0，步骤3，第i+1轮迭代的R⁽ⁱ⁺¹⁾等于T·R⁽ⁱ⁾；步骤4，计算第i+1轮与第i轮迭代后全局重要性的差值和δ，δ＝||R⁽ⁱ⁺¹⁾‑R⁽ⁱ⁾||；步骤5，迭代次数加1，即i＝i+1，返回步骤3；步骤6，直到δ＜ε；步骤7，得到所有节点的全局重要性GlobalRank；其中，T是包含所有节点转移概率和跳转概率的转移矩阵，R是包含了所有节点全局重要性GlobalRank的行向量，δ是两轮迭代所有节点全局重要性GlobalRank的差值和。