用于确定社交网络用户关系强度的方法及系统的利记博彩app
【技术领域】
[0001] 本发明涉及社交网络与数据挖掘，尤其涉及用于测量社交网络用户关系强度的方 法。
【背景技术】
[0002] 诸如维基百科，Facebook和Twitter之类的社交网络应用，在最近几年取得了 巨大成功，并已经逐渐改变了人们的工作和生活方式。与此同时，诸如智能手机，平板电 脑等智能终端日趋普遍。越来越多的人开始使用基于位置的服务（LBS, Location-Based Service)，例如定位、位置共享等等，大量GPS信息被上传和共享。这些位置信息在记录用 户移动历史的同时，也能够在一定程度上反应用户的兴趣、偏好以及相互关系。为此，基于 位置的用户关系强度计算作为计算机应用的一大研究热点，在普适计算、数据挖掘和社会 网络等领域受到了广泛关注。
[0003] 用户关系强度实际上是用于表示社交网络中用户之间关系的密切程度。目前，通 常采用二元指标来评价在社交网络中的用户关系强度，例如，用〇表示关系强度较弱的陌 生人，1表示关系强度较强的好友。这类指标的二元性使得它们只能提供粗粒度的信息，而 无法对用户之间关系的强弱进行更好的区分。
【发明内容】
[0004] 因此，本发明的目的在于克服上述现有技术的缺陷，提供一种用于确定社交网络 用户关系强度的方法，用连续值来更细致有效地刻画用户关系强度。
[0005] 本发明的目的是通过以下技术方案实现的：
[0006] -方面，本发明提供了一种用于确定社交网络用户关系强度的方法，包括：
[0007] (a)从社交网络中获取与第一用户和第二用户的地理信息相关的数据以及与第一 用户和第二用户之间的交互相关的数据；
[0008] (b)基于所获取的数据，确定用于表征第一用户和第二用户的用户地理偏好相似 性、用户移动相似性、用户交互强度的多个特征；
[0009] (C)将所确定的多个特征作为可观测变量，将用户地理偏好相似性、用户移动相似 性和用户交互强度作为不可观测变量，建立结构方程模型的路径分析图，其中各个变量作 为该路径分析图的节点，节点之间以带箭头的线连接，箭头的指向表示变量之间的影响关 系；
[0010] (d)基于所述路径分析图，构建结构方程模型并求解出用户交互强度，以所得到的 用户交互强度作为第一用户和第二用户之间的用户关系强度。
[0011] 在上述方法中，所述路径分析图中所述变量之间的影响关系可包括：
[0012] 与反映用户地理偏好相似性的特征对应的可观测变量受用户地理偏好相似性的 影响；
[0013] 与反映用户移动相似性的特征对应的可观测变量受用户移动相似性的影响；
[0014] 与反映用户交互强度的特征对应的可观测变量受用户交互强度的影响；
[0015] 用户交互强度受用户地理偏好相似性和用户移动相似性的影响；以及
[0016] 用户移动相似性受用户地理偏好相似性的影响。
[0017] 上述方法中，所述表征用户地理偏好相似性的特征可包括下列中的一个或多个：
[0018] 第一用户与第二用户共同感兴趣的区域的个数；
[0019] 第一用户与第二用户访问二者共同感兴趣的区域的频率比；
[0020] 第一用户与第二用户访问二者共同感兴趣的区域的停留时间比。
[0021] 上述方法中，所述表征用户移动相似性的特征可包括下列中的一个或多个：
[0022] 第一用户与第二用户共同的起-终点对的个数，所述起-终点对指由用户的移动 轨迹的起始点和终止点构成的点对；
[0023] 第一用户与第二用户访问二者共同的起-终点对的频率比；
[0024] 第一用户与第二用户的活跃程度比；其中对于一个用户而言，其活跃程度定义如 下：
[0025] 对给定社交网络中的某个用户，记为u，其感兴趣的区域的集合为{iv Iyri… rN}，N为该集合中元素的个数，N和i为整数，N彡1，1彡i彡N，巧表示用户u的第i个感 兴趣区域，假设A被用户u访问的次数为c i，则用户u的活跃程度ALu为：
[0027] 上述方法中，所述表征用户交互强度的特征可包括下列中的一个或多个：第一用 户与第二用户之间的历史通话次数、历史平均通话时间、月通话频率、历史短信次数。
[0028] 上述方法中，还可包括对所构建的结构化模型进行评估，以及根据评估的结果对 该结构化模型进行调整直到满足需求为止，其中所述对结构化模型的调整包括下列中的一 个或多个或其组合：
[0029] 删除某些可观测变量；
[0030] 改变部分变量之间的影响关系；
[0031] 调整或改变用于表征第一用户和第二用户的用户地理偏好相似性、用户移动相似 性、用户交互强度的部分特征；以及
[0032] 增加用于表征第一用户和第二用户之间的关系密切程度的新特征，并将该增加的 特征作为新的可观测变量。
[0033] 又一方面，本发明提供了一种用于确定社交网络用户关系强度的系统，包括：
[0034] 用于从社交网络中获取与第一用户和第二用户的地理信息相关的数据以及与第 一用户和第二用户之间的交互相关的数据的装置；
[0035] 用于基于所获取的数据，确定用于表征第一用户和第二用户的用户地理偏好相似 性、用户移动相似性、用户交互强度的多个特征的装置；
[0036] 用于将所确定的多个特征作为可观测变量，将用户地理偏好相似性、用户移动相 似性和用户交互强度作为不可观测变量，建立结构方程模型的路径分析图的装置，其中各 个变量作为该路径分析图的节点，节点之间以带箭头的线连接，箭头的指向表示变量之间 的影响关系；
[0037] 用于基于所述路径分析图，构建结构方程模型并求解出用户交互强度，以所得到 的用户交互强度作为第一用户和第二用户之间的用户关系强度的装置。
[0038] 在上述系统中，所述路径分析图中所述变量之间的影响关系可包括：
[0039] 与反映用户地理偏好相似性的特征对应的可观测变量受用户地理偏好相似性的 影响；
[0040] 与反映用户移动相似性的特征对应的可观测变量受用户移动相似性的影响；
[0041] 与反映用户交互强度的特征对应的可观测变量受用户交互强度的影响；
[0042] 用户交互强度受用户地理偏好相似性和用户移动相似性的影响；以及
[0043] 用户移动相似性受用户地理偏好相似性的影响。
[0044] 在上述系统中，还包括模型评估和调整装置，用于对所构建的结构化模型进行评 估，以及根据评估的结果对该结构化模型进行调整直到满足需求为止，其中所述对结构化 模型的调整包括下列中的一个或多个或其组合：
[0045] 删除某些可观测变量；
[0046] 改变部分变量之间的影响关系；
[0047] 调整或改变用于表征第一用户和第二用户的用户地理偏好相似性、用户移动相似 性、用户交互强度的部分特征；以及
[0048] 增加用于表征第一用户和第二用户之间的关系密切程度的新特征，并将该增加的 特征作为新的可观测变量。
[0049] 与现有技术相比，本发明的优点在于：
[0050] 结合用户交互记录、用户地理偏好、用户移动轨迹等信息，采用结构方程模型来更 好地拟合影响用户关系强度的各个因素之间的关系，得到以连续的值衡量的关系强度，关 系强度由强到弱都可以由具体数据表示，从而便于更精细的比较和筛选。
【附图说明】
[0051] 以下参照附图对本发明实施例作进一步说明，其中：
[0052] 图1为根据本发明一个实施例的用于确定社交网络用户关系强度的方法的流程 示意图；
[0053] 图2为根据本发明一个实施例的结构方程模型的路径分析图；
[0054] 图3为根据本发明实施例的方法与现有的计算用户关系强度方法的ROC曲线对比 示意图；
[0055] 图4为根据本发明实施例的方法与现有的计算用户关系强度方法的性能对比示 意图。
【具体实施方式】
[0056] 为了使本发明的目的，技术方案及优点更加清楚明白，以下结合附图通过具体实 施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并 不用于限定本发明。
[0057] 在传统社交网络中，用户好友关系，用户交互记录等特征可用于衡量用户之间关 系的密切程度，而在移动社交网络又