[发明专利]在多个社交网络中识别同一用户的方法及装置

权利要求书

1.一种在多个社交网络中识别同一用户的方法，其特征在于，定义所述同一用户在同一社交网络中只有一个账号，账号组合中账号的个数等于社交网络的个数，所述账号组合中每个账号分别来自不同的社交网络；所述方法包括：

输入从至少两个不同的社交网络的注册账号中获取的测试集的账号，并将所述测试集的账号生成测试集账号组合；

抽取所述测试集账号组合中每个账号的至少两个不同的与所述账号的用户的行为数据相关的特征；

将所述测试集账号组合中每个账号的至少两个不同的与所述账号的用户的行为数据相关的特征输入到已建立的分类预测模型中，获得所述测试集账号组合的可能属于同一用户的预测值或预测值集合；

通过关联算法对所述测试集账号组合的预测值或预测值集合进行计算，输出所述计算出的测试集账号组合的预测结果；

所述至少两个不同的与所述账号的用户的行为数据相关的特征包括：所述账号组合中账号的社交特征、所述账号组合中账号发布信息的空间特征、所述账号组合中账号发布信息的时间特征中的一个或多个，以及所述账号组合中账号发布信息的文本特征；

其中所述账号组合中账号发布信息的文本特征包括所述账号组合中账号发布信息的语言习惯。

2.根据权利要求1所述的方法，其特征在于，所述将所述测试集账号组合中每个账号的至少两个不同的与所述账号的用户的行为数据相关的特征输入到已建立的分类预测模型中，获得所述测试集账号组合的可能属于同一用户的预测值或预测值集合的步骤之前，包括：

输入从所述至少两个不同的社交网络中获取的训练集的账号，并将所述训练集的账号中属于同一用户的账号生成训练集账号组合；

抽取所述训练集账号组合中每个账号的至少两个不同的与所述账号的用户的行为数据相关的特征；

通过监督分类算法，利用所述训练集账号组合中每个账号的至少两个不同的与所述账号的用户的行为数据相关的特征对所述训练集进行训练，获得所述分类预测模型。

3.根据权利要求2所述的方法，其特征在于，所述账号组合中账号的社交特征包括：公共相邻元素个数、杰卡德Jaccard相似系数以及亚当-阿达尔Adamic/Adar度量；其中，所述公共相邻元素个数是指所述账号组合中账号具有相同朋友的个数，所述相同朋友的账号在所述训练集中；所述Jaccard相似系数是指所述账号组合中账号具有相同朋友的个数占所述账号组合中账号的所有朋友个数的比例；所述Adamic/Adar度量是指所述账号组合中账号的相同朋友在各自社交网络中的影响力。

4.根据权利要求1或2所述的方法，其特征在于，所述账号组合中账号发布信息的空间特征包括：所述账号组合中所有账号发布信息的相同地点的个数、所述账号组合中所有账号发布信息的地点集合的余弦相似度以及所述账号组合中所有账号发布信息的地点集合的平均距离。

5.根据权利要求3所述的方法，其特征在于，所述账号组合中账号发布信息的时间特征包括：所述账号组合中所有账号发布信息的相同时间段的个数和所述账号组合中所有账号发布信息的时间段集合的余弦相似度。

6.根据权利要求2所述的方法，其特征在于，所述账号组合中账号发布信息的文本特征包括：所述账号组合中所有账号发布信息的词袋向量的内积和所述账号组合中所有账号发布信息的词袋向量的余弦相似度。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

通过自然语言处理技术对所述测试集或训练集账号组合中账号发布的信息进行处理；

利用词频-逆向文件频率(TF-IDF)权重模型将所述经过处理的信息生成所述账号的词袋向量。

8.根据权利要求1-2，5，7中的任一项所述的方法，其特征在于，所述通过关联算法对所述测试集账号组合的预测值或预测值集合进行计算，输出所述计算出的测试集账号组合的预测结果的步骤，包括：通过多网络定向MNA算法对所述测试集账号组合的预测值或预测值集合进行计算，输出所述计算出的测试集账号组合的预测结果。