[发明专利]网络用户的角色识别方法及系统

说明书

本发明属于智能识别领域，提供了一种网络用户的角色识别方法及系统。其中，该方法包括获取用户行为数据，构建当前用户所属的用户关系图；从用户行为数据中提取当前用户的行为特征；将当前用户的行为特征进行向量表示，得到当前用户行为特征向量表示；基于用户关系图和用户行为特征向量表示，构建当前用户的特征向量表示；将当前用户的特征向量表示输入分类器中，得到当前用户在每个类别上的概率分布，预测出当前用户的角色类别。其以端到端的方式进行，无需人工设计特征，因而具有更好的建模效率和更广的适用性。

技术领域

本发明属于智能识别领域，尤其涉及一种网络用户的角色识别方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

角色识别技术对于分析和理解复杂、多样化网络生态环境中的用户来说具有重要意义，可广泛应用于诸多场景，例如：在社交网络生态中，角色分析技术可用来发现社群中的专家、意见领袖等角色，有助于用户获得最权威信息及有关部门把握舆情导向；在企业内部网络生态中，角色分析技术可用于辨别正常用户和恶意攻击者，有助于企业安全管理人员及时发现内部威胁。

目前，已有的角色分析技术主要有以下四类：一类是基于内容的技术，根据用户产生的文本、图像等形式的内容语义通过机器学习技术实现对用户角色的预测；另一类是基于网络结构的技术，通过分析用户与同一网络生态环境中其他用户的关系结构来对用户角色的预测；第三类技术融合上述两类来实现对网络用户角色的预测；第四类技术通过数学或统计的方法来分析用户的行为规律来识别用户角色。

发明人发现，上述技术存在的局限性在于：(1)多以静态视角来识别用户角色，未考虑用户特性的动态变化对其角色的影响；(2)在角色判别时仅分析目标用户自身的特性，忽略了网络生态环境中其他用户的特性对目标用户角色的影响；(3)角色判别模型多依赖于人工设计的特征，适应性较弱。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种网络用户的角色识别方法及系统，其构建了目标用户的表示向量，该向量融合了目标用户的动态行为特性和关系结构特征，并聚合了目标用户的关系网络中高阶邻居用户的信息，在此基础上构建角色分类模型，整个角色识别过程以端到端的方式进行，无需人工设计特征。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种网络用户的角色识别方法。

一种网络用户的角色识别方法，其包括：

获取用户行为数据，构建当前用户所属的用户关系图；

从用户行为数据中提取当前用户的行为特征；

将当前用户的行为特征进行向量表示，得到当前用户行为特征向量表示；

基于用户关系图和用户行为特征向量表示，构建当前用户的特征向量表示；

将当前用户的特征向量表示输入分类器中，得到当前用户在每个类别上的概率分布，预测出当前用户的角色类别。

本发明的第二个方面提供一种网络用户的角色识别系统。

一种网络用户的角色识别系统，其包括：

用户关系图构建模块，其用于获取用户行为数据，构建当前用户所属的用户关系图；

行为特征提取模块，其用于从用户行为数据中提取当前用户的行为特征；

行为特征向量表示模块，其用于将当前用户的行为特征进行向量表示，得到当前用户行为特征向量表示；

特征向量表示模块，其用于基于用户关系图和用户行为特征向量表示，构建当前用户的特征向量表示；