[发明专利]一种基于社交网络拓扑图的关联用户身份识别方法

权利要求书

1.一种基于社交网络拓扑图的关联用户身份识别方法，其特征在于，包括：

S1：获取已知的两个社交网络数据集，其中，已知的社交网络数据集包括用户和用户之间的好友关系，两个社交网络数据集具有关联用户；

S2：根据社交网络数据集中的用户以及好友关系分别构建社交网络G₁和G₂的拓扑图，其中，社交网络拓扑图中包括节点和连边，节点表示用户，连边表示具有好友关系；分别根据社交网络G₁和G₂形成每个节点的一阶ego网络，其中，G₁网络中每个节点的一阶ego网络图组合形成一个ego拓扑图集合，G₂网络中每个节点的一阶ego网络图组合形成一个ego拓扑图集合；

S3：分别将两个社交网络G₁和G₂中每个节点的ego拓扑图集合依据每个节点的ego网络形成s个节点序列，其中，节点序列提取采用随机游走的方法，形成两个社交网络的节点序列集合；

S4：利用skip-gram模型将形成的两个社交网络的节点序列集合分别映射成两个特征空间，并在映射的特征空间中学习节点的低维向量表示，得到每个节点的特征向量表示；

S5：根据两个社交网络数据集的关联用户训练得到一个目标特征映射矩阵，将两个特征空间映射成同一个的特征空间，然后计算社交网络G₁中的新节点与社交网络G₂中每一个节点之间的相似度，并根据计算出的相似度，进行关联用户身份识别，其中，社交网络G₁中的新节点为G₁中的原有节点根据训练得到的目标特征映射矩阵进行映射后得到的节点。

2.如权利要求1所述的基于社交网络拓扑图的关联用户身份识别方法，其特征在于，两个社交网络数据集包括数据集一和数据集二，步骤S2包括：

S2.1：根据数据集一构建社交网络G₁的拓扑图，其中，G₁中包括n个节点，分别为v₁,v₂…v_n，从G₁中的节点v₁出发，提取该节点和它的所有一阶邻居，然后根据G₁中的边补充所提取的节点和一阶邻居之间的连边以及各个一阶邻居之间的连边，形成节点v₁的ego网络图Gv₁，v₂-v_n重复此过程直到形成n个节点的ego网络图，最后形成一个ego网络集合

S2.2：根据数据集二构建社交网络G₂的拓扑图，其中，G₂中包括m个节点，分别为v′₁,v′₂…v′_m，从G₂中的节点v′₁出发，提取该节点和它的所有一阶邻居，然后根据G₂中的边补充所提取的节点和一阶邻居之间的连边以及各个一阶邻居之间的连边，形成节点v′₁的ego网络图Gv₁'，v′₂-v′_m重复此过程直到形成m个节点的ego网络图，最后形成一个ego网络集合