[发明专利]一种基于多身份空间映射的关系网络构建方法

摘要

本发明公开了一种基于多身份空间映射的关系网络构建方法，利用个体身份相关数据将个体映射至多元身份空间，然后根据不同属性维度组合具备不同的身份辨识粒度和社会语义区分度，选取高辨识粒度和高社会语义区分度的属性组合作为个体的聚类维度，将用户在这些属性空间中进行聚类处理，最后通过个体间共现的频度来判定个体间是否存在关系，进而实现关系网络的构建。本发明具有高效、准确、去参数化等特点，可应用于推荐系统，网络安全等领域。

主权项

1.一种基于多身份空间映射的关系网络构建方法，其特征在于，包括以下步骤：步骤1：获取节点身份相关属性向量，记为I_i＝{Ar_i1,Ar_i2,…,Ar_in}，其中I_i表示第i个节点，Ar_ij表示I_i第j个身份属性的属性值，其中身份属性包含具有个体辨识性的属性；步骤2：定义节点身份核心标识集；在节点身份空间中，称属性集合M为节点a的身份核心标识集，如果M满足：1)M能够唯一识别出节点a；2)M的任何真子集都无法唯一识别出节点a；节点的身份核心标识集不唯一，节点可以不具备核心标识集，也可具备多个核心标识集；定义由两个或两个以上身份属性组成的核心标识集为群体性核心标识集；步骤3：对属性集合{Ar_i}进行全排列，根据排列路径计算每个节点的核心标识集；步骤4：根据步骤2，挑选出每由两个或两个以上属性组成的身份核心标识集作为节点的群体性核心标识集，记为{Agroup_i}_j，其中i表示第j个节点的第个群体性核心标识集序号，j表示第j个节点；任意节点对之间进行对应{Agroup_i}_j的交集运算，得到具有群体划分性的属性组合Bgruop；Bgruop在群体性核心标识集中出现的频度计算公式为：步骤5：按照频度顺序排序Bgruop，选取大于阈值Θ的Bgruop作为下一步的聚类的维度标准，由此得到具有群体划分性的属性组集合{Bgourp_i}；步骤6：对于集合{Bgourp_i}任一元素Bgruop_j，提取出节点在Bgruop_j属性维度下的属性数据，构成身份向量，对身份向量进行聚类处理，得到K个聚类结果，其中K是{Bgourp_i}中元素的个数；步骤7：统计节点的聚类结果，根据每个节点与其他节点出现在不同分类结果中的次数，计算出关注节点i与任一节点j之间的联系强度cor(i,j)，其中，co(k,i,l)表示节点i与节点l在第k个聚类结果中是否属于同一类，如果是则值为1，否则为0；步骤8：判断节点间关联强弱，联系强度cor(i,j)大于阈值Δ的节点之间存在联系，节点之间存在连边，进而构建出节点集合的关系网络，实现了节点可信内在关系的挖掘。