[发明专利]一种基于用户情绪分布的在线社交距离估计方法

说明书

本发明提出一种基于用户情绪分布的在线社交距离估计方法，包括训练集构建、不均衡处理、在线社交距离估计；所述训练集构建，根据整个社交网络的用户社交距离分布，等比例抽取用户距离样本以及对应用户的社交情绪分布。所述不均衡处理，利用抽样信息，通过统计学习方法的组合采样与加权投票等提高稀有距离用户对的有效识别，继而训练并生成对未知用户距离的估计模型。所述在线社交距离估计，利用估计模型，仅基于情绪分布估计用户间的在线社交距离。本发明无需任何社交网络结构信息，仅依赖用户情绪分布即可准确地估计任意用户间的在线社交距离，能够避免直接通过网络结构推断导致的复杂计算量和高时间成本，且可广泛应用于常见的结构信息缺失的场景中。

技术领域

本发明涉及在线社交距离估计方法，尤其涉及一种基于用户情绪分布的在线社交距离估计方法。

背景技术

随着互联网的发展，在线社交平台迅速兴起。以微博为例，截至2018年3月，微博月活跃用户共4.11亿，同比增长21％。与传统社交形式相比，网络社交具有虚拟性、多元性、创新性、自由性等特点，用户可以在社交平台上发布任意类型的内容用以表达个人情绪。同时，随着近年来在线社交平台的快速发展，社交网络的规模迅速膨胀，具体表现在用户数量以及用户互动的急剧增加。一方面计算用户的社交距离(即网络中两节点的最短距离)有利于更好的理解用户关系，是进一步提供推荐、营销等服务的基础；另一方面，在大规模复杂的网络中计算用户的社交距离计算量及时间成本巨大，经济性和可操作性较差。本发明方法仅利用用户的情绪分布实现对社交距离的准确估计，与传统距离计算相比，在极大压缩计算成本的同时，也降低了对结构信息的依赖，极大地扩展了在线社交距离估计的应用场景。

发明内容

本发明提出一种基于用户情绪分布的在线社交距离估计方法，其特征在于包括：训练集构建、不均衡处理、在线社交距离估计；所述训练集构建，根据训练社交网络的全局结构，计算用户社交距离分布，等比例抽取用户距离样本以及对应用户的社交情绪分布。所述不均衡处理，利用以上抽样信息，基于统计学习中的组合采样及加权投票等方法，训练并生成对未知距离用户间距离的估计模型。所述在线社交距离估计，基于估计模型，实现仅利用用户情绪分布估计社交用户之间的在线社交距离。

本估计方法在社交网络完整结构信息缺失的常见应用情景下，仅依赖用户情绪分布作为模型输入，可以避免直接通过网络计算用户社交距离带来的巨大计算量并保证较高的精准度。

附图说明

图1为本发明的组成框图；

图2为本发明中的用户社交距离估计模型实现流程图；

图3为本发明中的结合EUS技术的分类器的实现流程图；

图4为本发明中的实际应用流程图；

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1所示，本方法收集用户情绪信息、统计真实社交网络中不同距离的分布、从社交网络中按比例抽取不同的用户距离样本、利用抽取的样本，用于用户社交距离估计模型的训练、利用得到的模型，计算其他未知距离的用户之间的社交距离几个步骤。

所述在线社交距离，对任意两用户a,b，定义其存在关注(如在新浪微博中，包括a关注b和b关注a)等行为的，记距离为1；对任意两用户a和b，不存在上述行为的，但存在另一用户c，有a和c的距离为1，b和c的距离为1，则记距离为2；对任意两用户a，b不存在上述关系，且存在另两用户c、d，使得a到c的距离、d到c的距离、b到d的距离均为1，则记距离为3；以此类推定义距离4。距离的定义，等同于将用户视作无向无权图中的节点。