[发明专利]基于合作博弈支持向量机的用户账号关联方法及其装置

说明书

本发明涉及一种基于合作博弈支持向量机的用户账号关联方法及其装置，该方法包含：采用Pairwise思想通过源网络中的账号和目标网络中的账号构建出账号对集合，划分出训练集和测试集，使用高斯核支持向量机进行训练；对测试集中的账号对通过模型分别计算后验概率，并进行排序构建偏好顺序集；根据每个账号的偏好顺序集进行稳定匹配，得到所有账号之间的关联结果；在账号的偏好顺序基础上增加已关联账号作为先验知识，通过先验知识提升稳定匹配算法中的关联优先级，最终得到加强的账号关联结果。本发明方法简单，易于实现，能准确高效地发现用户关联的账号，为全面了解认识用户、充分管控检测用户提供了技术基础，具有较强的实际应用价值。

技术领域

本发明属于网络分析技术领域，特别涉及一种基于合作博弈支持向量机的用户账号关联方法及其装置。

背景技术

在过去的十年中，网络中的各种服务飞速增长。随之而产生的网络匿名用户的虚拟社交账号更是如雨后春笋一般呈指数增长。截至2016年第三季度，Facebook活跃用户达17.9亿，意味着全球30亿网民中一半以上的用户每月至少浏览Facebook一次。当中6成半，即约11.8亿用户，每日都会登录。然而一些传统的社交网站如今面临着很大的发展问题，据Twitter 2016年度第3季度业绩显示，其月活跃用户平均增长率仅为约3％。截止2016年第三季度月活跃用户为3.17亿，而同期基于图片社交的新型社交网络Instagram月活跃用户已经突破5亿。这样的变化说明，随着时代发展，用户对不同网络平台所提供的服务的兴趣产生了分化，因此，网络服务提供商们也针对用户兴趣发展了不同的社交服务。如今，每一种社交服务往往都有其独特的信息分享模式来维持其社交关系。这些独特的分享方式吸引了不同的用户群体，例如用户选择Twitter来分享一些公共信息，对于那些私人圈子则选择Facebook，而对于分享旅行中的风景和美食，Instagram则是最佳选择。在这些社交服务平台上，用户通常通过唯一标识的用户名以及其他一些属性标签，例如基本信息、兴趣爱好、好友关系以及历史活动等来唯一的标识自己。如果能够有效地将这些属于某一特定用户的账号关联起来，在全方位的认识用户的同时不仅能够大幅提高推荐系统的用户体验，还可以对用户的隐私泄露情况进行评估，给予用户更好的匿名保护策略。对于网络安全方面，当检测在多个平台上拥有大量账号的恶意攻击者时，通过这种手段可以将跨媒体的信息整合在一起，大大提升了对恶意用户的发现能力，对于提高政府舆论引导能力、维护社会和谐稳定具有重要的现实意义。

然而由于服务提供商对于用户隐私的匿名保护以及用户在不同社交平台中选择分享不同的属性信息，导致同一个匿名用户的多个账号往往看上去并没有很强的关联性。这种大量变化的无直接关联的账号对完整地描述这个匿名用户造成了很大的困难。现有的研究主要通过分析用户的命名习惯、个人简介、写作风格、用户行为轨迹以及社会关系等通过传统的统计学习方法和机器学习等手段对用户多个账号进行关联。这些方法通过对人工寻找的大量账号特征进行建模，最终在实验数据集上取得了一定的效果。然而，从现实中来看，稀疏的网络数据中往往并不能获得足够多的账号特征，而且这些账号背后所代表的人的行为往往在不断变化，很难用稳定的数学模型对其描述。而真实的人类行为既非随机、也非完全理性和对立。因此，考虑到人的行为因素以及稀疏的网络数据，需要对现有的用户账号关联技术进行改进与优化。

发明内容

针对现有技术中的不足，本发明提供一种基于合作博弈支持向量机的用户账号关联方法及其装置，有效解决稀疏数据中的用户账号关联问题，方法简单，易操作实现。

按照本发明所提供的设计方案，一种基于合作博弈支持向量机的用户账号关联方法，包含如下步骤：

步骤1、针对候选账号集中源网络账号集和目标网络账号集，采用pairwise算法构建源账号和目标账号之间的偏好顺序集；

步骤2、通过稳定匹配方法对每个账号的偏好顺序集在源网络账号集和目标网络账号集之间进行稳定匹配，得到所有账号之间的关联结果。