[发明专利]通过基于核的学习对社交强度进行建模

权利要求书

1.一种用于测量社交网站内用户相似性的方法，所述方法包括：

计算社交网站上可用的各个模态中用于测量用户相似性的核；

采用基于核的学习技术将计算出的核进行组合以得出最优核；

采用基于学习的框架和最优核函数来推断用户之间的社交强度，

其中与所述各个模态相关联的多模态异类数据包括对寻找隐含的社交关系有用的丰富上下文信息。

2.如权利要求1所述的方法，其特征在于，基于核的学习技术包括多核学习(MKL)方案。

3.如权利要求1所述的方法，其特征在于，计算出的核用于测量以下至少之一：可视空间内的用户相似性、文本空间内的用户相似性、通过相互评论的用户相似性、通过共同兴趣分组的用户相似性、通过共有朋友的用户相似性、通过地理标签的用户相似性以及通过最喜爱照片的用户相似性。

4.如权利要求1所述的方法，其特征在于，采用基于核的学习技术将计算出的核进行组合以得出最优核进一步包括使用核目标对齐算法来学习每个计算出的核的权重。

5.如权利要求4所述的方法，其特征在于，所述方法进一步包括将经加权的每个核进行相加来得出最优核。

6.如权利要求4所述的方法，其特征在于，使用核目标对齐算法来学习每个计算出的核的权重进一步包括最大化地对齐经组合的核与目标核来学习每个计算出的核的权重。

7.如权利要求1所述的方法，其特征在于，所述方法进一步包括基于最优核，导出排序学习(learning to rank)框架来推断用户之间的社交强度，其中所述社交强度对一对用户之间的亲密程度进行排序。

8.一种用于对社交网站内用户的社交强度进行建模的方法，所述方法包括：

将社交网站上可用的各个模态中用于测量用户相似性的核进行组合以得出最优核；

基于所述最优核，导出排序学习框架来推断用户之间的社交强度，

其中与所述各个模态相关联的多模态异类数据包括对寻找隐含的社交关系有用的丰富上下文信息。

9.如权利要求8所述的方法，其特征在于，所述核用于测量以下至少之一：可视空间内的用户相似性、文本空间内的用户相似性、通过相互评论的用户相似性、通过共同兴趣分组的用户相似性、通过共有朋友的用户相似性、通过地理标签的用户相似性以及通过最喜爱照片的用户相似性。

10.如权利要求8所述的方法，其特征在于，将社交网站上可用的各个模态中用于测量用户相似性的核进行组合以得出最优核进一步包括使用核目标对齐算法来学习每个核的权重。

11.如权利要求10所述的方法，其特征在于，进一步包括将经加权的每个核进行相加来得出最优核。

12.如权利要求10所述的方法，其特征在于，使用核目标对齐算法来学习每个核的权重进一步包括最大化地对齐经组合的核与目标核来学习每个计算出的核的权重。

13.如权利要求8所述的方法，其特征在于，社交强度对一对用户之间的亲密程度进行排序。

14.如权利要求8所述的方法，其特征在于，排序学习框架是成对(pair-wise)排序学习框架。