[发明专利]社交网络中基于多视图融合的用户审计方法

权利要求书

1.一种社交网络中基于多视图融合的用户审计方法，其特征是，包括三个阶段：

第一阶段：特征提取；从用户的用户行为、社交关系和文章内容这三个视图中提取13个特征，所提取的13个特征分别为：发文间隔标准差、转发比率、阳光信用、粉丝比率、双向连接率、粉丝平均双向连接率、集群系数、基于社区的双向连接率、基于社区的集群系数、平均标签数、内容标签相似度、平均URL数和单一提及率；其中，基于用户行为的特征包括发文间隔标准差、转发比率和阳光信用，基于社交关系的特征包括粉丝比率、双向连接率、粉丝平均双向连接率、集群系数、基于社区的双向连接率和基于社区的集群系数，基于文章内容的特征包括平均标签数、内容标签相似度、平均URL数和单一提及率；所提取的13个特征构成一个数据集X，数据集X是一个行数为n、列数为13的矩阵；行数n对应用户数，列数13对应13个特征；

第二阶段：多视图融合；根据数据集X针对每一视图分别训练一个基分类器，利用线性加权函数将来自每一视图的分类结果进行线性加权融合，并通过最小化近似误差求得最优融合系数，进而得到最终的分类结果；

第三阶段：利用最终的分类结果对用户进行审计，审计前首先要提取用户的13个特征；

粉丝比率由如下公式计算：

其中，U_F代表用户u的粉丝集合，U_L代表用户u关注的人的集合；

粉丝平均双向连接率由如下公式计算：

其中，U_F代表用户u的粉丝集合，u_v代表用户u的粉丝集合中的一个用户，R(u_v)表示用户u_v在观测时间内转发文章的数量；

基于社区的双向连接率由如下公式计算：

其中，m为用户所在社区的个数，|Ci|表示第i个社区中的用户总数，BR(Ci(j))表示用户所在的第i个社区的第j个成员的双向连接率；

基于社区的集群系数由如下公式计算：

其中，m为用户所在社区的个数，CC_i为第i个社区的集群系数；

阳光信用由整数1-5来表示，整数1-5分别对应阳光信用等级由低到高的五个级别；

内容标签相似度的计算过程如下：

a、提取每篇文章中的主题标签t₁,t₂,...,t_n，n为标签数；

b、利用概率主题模型LDA计算每篇文章中排名前三的3个主题词w₁、w₂、w₃及其对应的概率值p₁、p₂、p₃；

c、计算每篇文章的内容标签相似程度其中s_ij表示第i个主题词与第j个标签在内容上的相似度；s_ij由函数包synonyms计算得到；

d、依据如下公式计算内容标签相似度

其中，N(u)表示在观测时间段内用户发布文章的总数；

最优融合系数θ的计算方法如下：

a、定义其中表示第i个用户来自第v个视图的概率型预测的值；是通过相应基分类器来获得的；

b、定义基于融合的函数，以获取最终的分类结果：

c、定义带有L2正则化的最小二乘损失函数，其中为第i个用户的真实值，λ为正则化参数；

d、最优融合系数θ的求解转化为

arg_θminL(θ)

令P＝[p₁,p₂,...,p_n]∈R^n×3，则最优融合系数θ的求解转化为

e、用正则方程法对步骤d中的θ求解，得到最优融合系数θ＝(P^TP+λI)^-1P^TY⁰。