[发明专利]基于时空关系学习的移动社交网络用户关系推断方法

说明书

本发明提供了一种基于时空关系学习的移动社交网络用户关系推断方法，本发明同时考虑了个体之间的移动性和社交性。考虑社交网结构对社会联系预测的有效性，该模型首先基于用户的移动性构建一个初步的社交图，然后从初步构建的社交图中抽取用户对的社交网络结构特征，最后综合移动性和社交性两个方面的特征进行朋友关系推断。我们的模型一旦训练完成，可以较好地迁移不同的场景对用户之间的朋友关系进行预测。通过对两个真实世界数据集的实验证明我们的方法始终优于现有的方法。此外，我们的模型对于具有少量签到数据和不具备碰面事件的关系也有效。

技术领域

本发明涉及一种基于时空关系学习的移动社交网络用户关系推断方法，利用用户的移动信息。

背景技术

近些年来，随着Facebook、Twitter和微博这类移动社交网络应用的普及，用户可以及时地发布其正在访问的感兴趣地点(一家网红餐厅、一个旅游景点等)与好友共享。虽然这类社交方式给人们的交友带来了极大的方便，但存在泄露用户社交关系的风险。移动社交网络的用户也逐渐意识到这一点，例如，一项针对Facebook用户的大规模研究表明：Facebook用户隐藏好友列表的比例从2010年的17.2％上升到2011年的56.2％。但很少有用户知道利用具有时空关系的签到记录可以推断其朋友，从而准确地揭露用户之间隐藏的社交关系。

现有的基于时空关系的社交关系推断方法主要分为两类：第一类是基于特征选择的启发式方法，通过观察选择碰面次数、共享位置数、共享位置流行程度等有效特征作为衡量用户之间是否具有朋友关系的衡量标准。但这些方法对所需的移动数据提出了很多假设和限制，这在很大程度上缩小了它们的适用范围。例如，几乎所有现有的有效方法都只能在两个个体共享位置的情况下使用。另一类方法是基于特征学习的方法，通过机器学习的方法将用户的移动特征向量化，利用向量之间的相似程度作为推断用户对是否具有朋友关系的标准。但该类方法针对个体建模且丢失移动数据中的时间信息，因此无法直接获得较为准确的关系推断。

发明内容

本发明的目的是提供一种能够利用用户移动信息准确推断用户社交关系的模型。

为了达到上述目的，本发明的技术方案是提供了一种基于时空关系学习的移动社交网络用户关系推断方法，其特征在于，包括以下步骤：

步骤1、提取用户对之间的交互行为特征，利用该特征推断两个用户之间是否具有朋友关系，包括以下步骤：

步骤101、将移动数据所有用户签到涉及的兴趣点POIs按照经纬度划分到I×J的网格中，同时将时间划分为M个时间片段，构建一个I×J×M的时空矩阵STD，其中，时间维度上将时间分为长度τ的等长时间片，空间维度上将空间均匀地划分为大小相等的网格，递归地将每个网格划分为四个相等的网格，直到兴趣点POIs的数量在每个网格小于阈值σ；

步骤102、将每个用户对(u_a,u_b)的轨迹均投影到时空矩阵STD中，用户的每一个签到都可以投影到一个特定的方格中，对于每个方格，计算：该时间段内用户u_a访问过的兴趣点数n_a；用户u_b访问过的兴趣点数n_b；用户u_a和用户u_b共同访问过的兴趣点数n_a,b，由此获得用户对(u_a,u_b)的时空矩阵式中三元组表示第m时间段内用户u_a和u_b在第i行第j列的位置网格中移动信息的统计量；