一種基于概率的社交網(wǎng)絡(luò)確定方法及系統(tǒng)的制作方法
【專利摘要】一種基于概率的社交網(wǎng)絡(luò)確定方法，其包括如下步驟：S1、確定用戶行為的概率性，確定用戶屬性的概率性，確定用戶關(guān)系的概率性；用戶行為的概率性用于表示用戶行為的不確定性，用戶屬性的概率性用于表示用戶扮演社會角色或從事職業(yè)的不確定性，用戶關(guān)系的概率性用于表示不同用戶間的關(guān)聯(lián)不斷發(fā)生變化的不確定性；S2、通過步驟S1中的確定結(jié)果表示社交網(wǎng)絡(luò)中的用戶關(guān)系的建立和解除，用戶屬性和用戶行為的發(fā)生受到的因素的影響，以及隨著時間的推移呈現(xiàn)不確定性變化規(guī)律。本發(fā)明還提供一種基于概率的社交網(wǎng)絡(luò)確定系統(tǒng)。
【專利說明】
一種基于概率的社交網(wǎng)絡(luò)確定方法及系統(tǒng)
技術(shù)領(lǐng)域
[0001] 本發(fā)明涉及社交網(wǎng)絡(luò)研究技術(shù)領(lǐng)域，特別涉及一種基于概率的社交網(wǎng)絡(luò)確定方法 及系統(tǒng)。
【背景技術(shù)】
[0002] 隨著社交網(wǎng)絡(luò)的迅猛發(fā)展，社交網(wǎng)絡(luò)中呈現(xiàn)形態(tài)各異的各種網(wǎng)絡(luò)結(jié)構(gòu)和網(wǎng)絡(luò)關(guān) 系。在線社交網(wǎng)絡(luò)已逐漸成為連接各類網(wǎng)絡(luò)信息和人類現(xiàn)實世界不可或缺的紐帶。對社交 網(wǎng)絡(luò)的深度剖析能幫助人們更好的理解社交網(wǎng)絡(luò)的構(gòu)造機理、網(wǎng)絡(luò)中用戶的行為模式和網(wǎng) 絡(luò)結(jié)構(gòu)的演化過程。其中，著名的社交平衡理論對社交網(wǎng)絡(luò)中最基本的群體結(jié)構(gòu)做了深刻 的詮釋，最簡單的三角關(guān)系是無向網(wǎng)絡(luò)中的三角結(jié)構(gòu)。三角結(jié)構(gòu)描述了社交網(wǎng)絡(luò)中用戶關(guān) 系的四種結(jié)構(gòu)，如圖1所示。圖1中給出了用戶間構(gòu)造朋友和非朋友關(guān)系的四種可能性組合， 對三人間友好或敵對的關(guān)系進行了研究。但是，社交網(wǎng)絡(luò)中的用戶關(guān)系并非只是友好或敵 對關(guān)系這么簡單。事實上，對建立朋友關(guān)系的用戶之間，受到某些因素的影響和制約時，這 種看似牢固的用戶關(guān)系也會隨之被打破(朋友與非朋友會相互轉(zhuǎn)化）。
[0003] 本發(fā)明以典型的社交網(wǎng)絡(luò)(新浪微博、微信和Twitter)為研究平臺，對影響用戶轉(zhuǎn) 化關(guān)系的因素進行歸納總結(jié)，同時研究這些因素是如何對構(gòu)造牢固的用戶關(guān)系造成干擾。 由此，建立一種概率社交網(wǎng)絡(luò)對社交平衡理論進行了有力的補充。概率社交網(wǎng)絡(luò)以用戶轉(zhuǎn) 化關(guān)系的影響因素為基礎(chǔ)進行建模，能對用戶關(guān)系的親密程度進行指標量化，同時能描述 各種指標對這種量化親密程度是如何造成影響的。
[0004] 當(dāng)前，國內(nèi)外學(xué)者針對社交網(wǎng)絡(luò)領(lǐng)域的研究做了很多的相關(guān)工作。現(xiàn)把與本文研 究密切相關(guān)的研究進行總結(jié)，主要可概括為以下幾個方面：
[0005] 社交網(wǎng)絡(luò)關(guān)系的定性分析:主要涉及用戶建立關(guān)聯(lián)與地理分布、同質(zhì)性的關(guān)系，和 它們在隱式交互、社交平衡理論中存在的用戶關(guān)系。
[0006] 地理分布：社交網(wǎng)絡(luò)中，用戶行為與地理位置呈現(xiàn)關(guān)聯(lián)關(guān)系，例如，基于微博平臺 上"互粉"關(guān)系與現(xiàn)實生活中人們的地理區(qū)域劃分存在互推斷關(guān)系。社交網(wǎng)絡(luò)打破了現(xiàn)實生 活中人們的地理差距，用戶關(guān)聯(lián)的建立不會過于受到地理因素的限制。
[0007] 同質(zhì)性:具有相似特性(性別、身份等）的用戶更傾向于建立彼此間的社交關(guān)系，即 基于某種特性的社交網(wǎng)絡(luò)。用戶間的多鏈路關(guān)聯(lián)關(guān)系會使得鏈路同質(zhì)性表現(xiàn)的愈加明顯， 而基于某種特性的同質(zhì)性會大大加強用戶間建立關(guān)聯(lián)關(guān)系的概率。
[0008] 隱式交互:隱式交互的提取來自于用戶的"提到和"轉(zhuǎn)發(fā)"行為。當(dāng)用戶間存 在互動（"提到"或"轉(zhuǎn)發(fā)"）行為時，用戶間建立關(guān)聯(lián)的概率將增大。
[0009] 社交平衡理論：主要研究三人間的友好或敵對關(guān)系。該理論認為，"朋友-朋友-朋 友"的社會關(guān)系比"朋友-朋友-敵人"更常見，也更加穩(wěn)定。而建立雙邊結(jié)構(gòu)關(guān)系的用戶形成 平衡結(jié)構(gòu)的概率比單邊結(jié)構(gòu)更大。
[0010] 閉合社交網(wǎng)絡(luò)的規(guī)律的研究主要包括動態(tài)性規(guī)律和傳播性規(guī)律兩大類。
[0011] 閉合社交網(wǎng)絡(luò)的動態(tài)規(guī)律:主要涉及用戶屬性和他們所對應(yīng)的網(wǎng)絡(luò)結(jié)構(gòu)，以及他 們相應(yīng)的社會屬性。
[0012] 用戶屬性：主要包括用戶的check-ins(登入所在地理位置）、用戶資料、用戶興趣 點等。這些用戶屬性可以由同質(zhì)性構(gòu)成一定的社交網(wǎng)絡(luò)結(jié)構(gòu)，并且這種結(jié)構(gòu)會隨著時間的 變化而展現(xiàn)出動態(tài)性的變化規(guī)律。同樣，用戶屬性與地理位置相結(jié)合的研究對于構(gòu)造社交 網(wǎng)絡(luò)的閉合概率具有一定的指導(dǎo)意義。
[0013] 閉合社交網(wǎng)絡(luò)的傳播定律:社交網(wǎng)絡(luò)中構(gòu)造的閉合用戶結(jié)點間會相互產(chǎn)生影響， 繼而形成三角形閉合傳播效應(yīng)。
[0014] 但是現(xiàn)有技術(shù)中社交網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)會隨著用戶行為、用戶屬性(個人屬性和社 會屬性）、用戶關(guān)系的變化而發(fā)生動態(tài)性的改變，這種變化規(guī)律事先無法確定。

【發(fā)明內(nèi)容】

[0015] 有鑒于此，本發(fā)明提出一種基于概率的社交網(wǎng)絡(luò)確定方法及系統(tǒng)。
[0016] -種基于概率的社交網(wǎng)絡(luò)確定方法，其包括如下步驟：
[0017] S1、確定用戶行為的概率性，確定用戶屬性的概率性，確定用戶關(guān)系的概率性；用 戶行為的概率性用于表示用戶行為的不確定性，用戶屬性的概率性用于表示用戶扮演社會 角色或從事職業(yè)的不確定性，用戶關(guān)系的概率性用于表示不同用戶間的關(guān)聯(lián)不斷發(fā)生變化 的不確定性；
[0018] S2、通過步驟S1中的確定結(jié)果表示社交網(wǎng)絡(luò)中的用戶關(guān)系的建立和解除，用戶屬 性和用戶行為的發(fā)生受到的因素的影響，以及隨著時間的推移呈現(xiàn)不確定性變化規(guī)律。
[0019] 在本發(fā)明所述的基于概率的社交網(wǎng)絡(luò)確定方法中，
[0020] 所述步驟S1中確定用戶行為的概率性包括：
[0021] 建立用戶集合U所在的社交網(wǎng)絡(luò)SN中未來時間劃分集合了={^山，丨3，...以；
[0022] 各個時間段分別對應(yīng)于用戶行為集合方=其中氣表示丨1時刻 用戶從事的事件，并依序類推；
[0023] 分別定義用戶行為發(fā)生的空間位置集合A = %，V心…，4丨和誘因集合 ，={'，W · · ·，?其中4和\分別表示。時刻用戶行為發(fā)生時的空間位置和導(dǎo)致 用戶行為發(fā)生的誘因；
[0024] 用戶行為的概率性表示如下A-T-L-E-W，其中各個集合中各元素依次為多對 多的映射關(guān)系。
[0025] 在本發(fā)明所述的基于概率的社交網(wǎng)絡(luò)確定方法中，
[0026] 所述步驟S1中確定用戶屬性的概率性包括：
[0027]對用戶及其對應(yīng)的用戶角色或職業(yè)建立映射關(guān)系矩陣Mm，行標識序列{Mm，MU2， MU3，…,Μυη}和列標識序列{MRl，MR2，MR3···，MRm}分別表不用戶集合和各用戶對應(yīng)的用戶角色 或職業(yè)集合;行與列的交叉所對應(yīng)的數(shù)值表示二者之間是否存在映射關(guān)系，映射關(guān)系矩陣 是一個n*m階的布爾矩陣，行列交叉數(shù)值為1表示二者存在映射關(guān)系，為0則表示無映射關(guān) 系；
[0028] 建立對用戶角色或職業(yè)轉(zhuǎn)換關(guān)系矩陣Rf-b，行標識序列{RF1，RF2，RF3···，R Fn}和列標 識序列{1^，1^，1^-_，1^}分別表示轉(zhuǎn)換前后的用戶角色或職業(yè);行與列的交叉所對應(yīng)的數(shù) 值用以表示用戶角色或職業(yè)轉(zhuǎn)換的概率；
[0029] 矩陣Rm如下：
[0031]
表明用戶角色或職業(yè)在轉(zhuǎn)換前后均應(yīng)保持其閉合性;在 一個閉合空間內(nèi)的用戶角色或職業(yè)在轉(zhuǎn)換前后，，表明用戶角色或職業(yè) 保持不變時，轉(zhuǎn)換關(guān)系概率恒定為〇;
[0032]建立用戶角色或職業(yè)與用戶屬性間的從屬關(guān)系矩陣Mr-a，行標識序列{MR1，MR2， Mr3···，MRn}和列標識序列{Mai，Μα2，Μα3·"，Μαπ}分另U對應(yīng)用戶角色或耳只業(yè)種類和用戶屬性類 另IJ，舉證行與列的交叉所對應(yīng)的數(shù)值用以表示用戶角色或職業(yè)與用戶屬性間是否存在從屬 關(guān)系；
[0033] 矩陣Mr-a如下：
[0035] 從屬關(guān)系矩陣Mr-a對應(yīng)的是一個布爾矩陣，表明用戶角色或職業(yè)與用戶屬性間是 否存在從屬關(guān)系，若存在行列交叉概率為1，否則為〇。
[0036] 根據(jù)矩陣Mlmr、Rf-b、Mr~^對用戶屬性的概率性建立矩陣運算關(guān)系：
[0037] Uproperty - MlMR X Mr-X Rf-^B
[0038] 其中U_perty表示用戶屬性的概率矩陣。
[0039] 在本發(fā)明所述的基于概率的社交網(wǎng)絡(luò)確定方法中，
[0040] 所述步驟S1中確定用戶關(guān)系的概率性包括：
[0041] 建立不同用戶集合間的映射關(guān)系矩陣Mu-u，，其中，行標識序列{1]1，1]2，1] 3-，1]11}和 列標識序列{1]'1，1]'2，1]' 3-，1]'11}分別表示用戶集合1]與1]'之間建立或破裂的用戶關(guān)系；行 與列的交叉所對應(yīng)的數(shù)值用以表示不同的用戶集合之間是否建立了映射關(guān)系；
[0042] 矩陣Μι^υ'如下：
[0044] 矩陣Μικτ中，不同用戶集合之間的映射關(guān)系矩陣對應(yīng)的是一個布爾矩陣，用于表 示用戶之間是否建立了社會關(guān)系或該關(guān)系已由于某種原因而導(dǎo)致破裂，若用戶間建立關(guān)系 則行列交叉概率為1，若用戶間未建立關(guān)系則行列交叉概率為〇,若用戶間的關(guān)系由于某種 原因而導(dǎo)致破裂則交叉概率為-1;
[0045] 建立用戶與位置映射關(guān)系矩陣Mlml
[0047] 矩陣Μικ中用戶活動所對應(yīng)的每個位置都存在一定的概率，該概率的取值為一個 介于0-1之間的數(shù)值，數(shù)值越大表明該用戶在該位置的活動頻度越大，從而說明該位置是用 戶活動的常用位置。
[0048] 本發(fā)明還提供一種基于概率的社交網(wǎng)絡(luò)確定系統(tǒng)，其包括如下單元：
[0049] 概率性確定單元，用于確定用戶行為的概率性，確定用戶屬性的概率性，確定用戶 關(guān)系的概率性；用戶行為的概率性用于表示用戶行為的不確定性，用戶屬性的概率性用于 表示用戶扮演社會角色或從事職業(yè)的不確定性，用戶關(guān)系的概率性用于表示不同用戶間的 關(guān)聯(lián)不斷發(fā)生變化的不確定性；
[0050] 社交網(wǎng)絡(luò)預(yù)測單元，用于通過概率性確定單元中的確定結(jié)果表示社交網(wǎng)絡(luò)中的用 戶關(guān)系的建立和解除，用戶屬性和用戶行為的發(fā)生受到的因素的影響，以及隨著時間的推 移呈現(xiàn)不確定性變化規(guī)律。
[0051 ]在本發(fā)明所述的基于概率的社交網(wǎng)絡(luò)確定系統(tǒng)中，
[0052]所述概率性確定單元中確定用戶行為的概率性包括：
[0053]建立用戶集合U所在的社交網(wǎng)絡(luò)SN中未來時間劃分集合. . .tn};
[0054] 各個時間段分別對應(yīng)于用戶行為集合五=k，氣，\，…，}，其中氣表示tl時刻 用戶從事的事件，并依序類推；
[0055] 分別定義用戶行為發(fā)生的空間位置集合? ·…，i}和誘因集合 IT = {&，^，^，···，'}，其中和\分別表示^時刻用戶行為發(fā)生時的空間位置和導(dǎo)致 用戶行為發(fā)生的誘因；
[0056]用戶行為的概率性表示如下A-T-L-E-W，其中各個集合中各元素依次為多對 多的映射關(guān)系。
[0057]在本發(fā)明所述的基于概率的社交網(wǎng)絡(luò)確定系統(tǒng)中，
[0058]所述概率性確定單元中確定用戶屬性的概率性包括：
[0059]對用戶及其對應(yīng)的用戶角色或職業(yè)建立映射關(guān)系矩陣Mm，行標識序列{Mm，MU2， MU3，…,Μυη}和列標識序列{MRl，MR2，MR3···，MRm}分別表不用戶集合和各用戶對應(yīng)的用戶角色 或職業(yè)集合;行與列的交叉所對應(yīng)的數(shù)值表示二者之間是否存在映射關(guān)系，映射關(guān)系矩陣 是一個n*m階的布爾矩陣，行列交叉數(shù)值為1表示二者存在映射關(guān)系，為0則表示無映射關(guān) 系；
[0060] 建立對用戶角色或職業(yè)轉(zhuǎn)換關(guān)系矩陣Rf-B，行標識序列{RF1，RF2，RF3···，R Fn}和列標 識序列{1^，1^，1^-_，1^}分別表示轉(zhuǎn)換前后的用戶角色或職業(yè);行與列的交叉所對應(yīng)的數(shù) 值用以表示用戶角色或職業(yè)轉(zhuǎn)換的概率；
[0061 ] 矩陣Rm如下：
[0063]
表明用戶角色或職業(yè)在轉(zhuǎn)換前后均應(yīng)保持其閉合性;在 一個閉合空間內(nèi)的用戶角色或職業(yè)在轉(zhuǎn)換前后，
，表明用戶角色或職業(yè) 保持不變時，轉(zhuǎn)換關(guān)系概率恒定為〇;
[0064] 建立用戶角色或職業(yè)與用戶屬性間的從屬關(guān)系矩陣Mr-a，行標識序列{MR1，MR2， Mr3···，MRn}和列標識序列{Mai，Μα2，Μα3·"，Μαπ}分另U對應(yīng)用戶角色或耳只業(yè)種類和用戶屬性類 另IJ，舉證行與列的交叉所對應(yīng)的數(shù)值用以表示用戶角色或職業(yè)與用戶屬性間是否存在從屬 關(guān)系；
[0065] 矩陣Mr-a如下：
[0067]從屬關(guān)系矩陣Mr-a對應(yīng)的是一個布爾矩陣，表明用戶角色或職業(yè)與用戶屬性間是 否存在從屬關(guān)系，若存在行列交叉概率為1，否則為〇。
[0068] 根據(jù)矩陣Mlmr、Rf-b、Mr~^a對用戶屬性的概率性建立矩陣運算關(guān)系：
[0069] Uproperty - MlMR X Mr-X Rf-^B
[0070] 其中U_pCTty表示用戶屬性的概率矩陣。
[0071 ]在本發(fā)明所述的基于概率的社交網(wǎng)絡(luò)確定系統(tǒng)中，
[0072]所述概率性確定單元中確定用戶關(guān)系的概率性包括：
[0073]建立不同用戶集合間的映射關(guān)系矩陣Mu-u，，其中，行標識序列{1]1，1]2，1] 3-_，1]11}和 列標識序列{1]'1，1]'2，1]'3-，1]'11}分別表示用戶集合1]與1]'之間建立或破裂的用戶關(guān)系；行 與列的交叉所對應(yīng)的數(shù)值用以表示不同的用戶集合之間是否建立了映射關(guān)系；
[0074] 矩陣Μι^υ'如下：
[0076]矩陣Μικτ中，不同用戶集合之間的映射關(guān)系矩陣對應(yīng)的是一個布爾矩陣，用于表 示用戶之間是否建立了社會關(guān)系或該關(guān)系已由于某種原因而導(dǎo)致破裂，若用戶間建立關(guān)系 則行列交叉概率為1，若用戶間未建立關(guān)系則行列交叉概率為〇,若用戶間的關(guān)系由于某種 原因而導(dǎo)致破裂則交叉概率為-1;
[0077]建立用戶與位置映射關(guān)系矩陣Μικ
[0079] 矩陣Μικ中用戶活動所對應(yīng)的每個位置都存在一定的概率，該概率的取值為一個 介于0-1之間的數(shù)值，數(shù)值越大表明該用戶在該位置的活動頻度越大，從而說明該位置是用 戶活動的常用位置。
[0080] 實施本發(fā)明提供的基于概率的社交網(wǎng)絡(luò)確定方法及系統(tǒng)與現(xiàn)有技術(shù)相比具有以 下有益效果：通過概率性確定單元中的確定結(jié)果表示社交網(wǎng)絡(luò)中的用戶關(guān)系的建立和解 除，用戶屬性和用戶行為的發(fā)生受到的因素的影響，以及隨著時間的推移呈現(xiàn)不確定性變 化規(guī)律;對于概率性社交網(wǎng)絡(luò)體系的研究有助于提前推斷用戶關(guān)系、用戶屬性和用戶行為 的變化，從而達到改善社交人際關(guān)系，規(guī)范用戶個人行為的目的。
【附圖說明】
[0081] 圖1是本發(fā)明實施例的無向網(wǎng)絡(luò)中的四種三角結(jié)構(gòu)示意圖；
[0082] 圖2是本發(fā)明實施例的基于概率的社交網(wǎng)絡(luò)研究體系圖；
[0083] 圖3是本發(fā)明實施例的概率社交網(wǎng)絡(luò)示意圖；
[0084] 圖4是本發(fā)明實施例的基于概率的社交網(wǎng)絡(luò)確定系統(tǒng)結(jié)構(gòu)框圖。
【具體實施方式】
[0085] 如圖1至4所示，針對現(xiàn)有技術(shù)的缺陷，本發(fā)明提出了一種基于概率的社交網(wǎng)絡(luò)確 定方法及系統(tǒng)?；诖罅康难芯砍晒砻?，社交網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)會隨著用戶行為、用戶屬性 (個人屬性和社會屬性）、用戶關(guān)系的變化而發(fā)生動態(tài)性的改變，這種變化規(guī)律事先無法確 定。因此，這種現(xiàn)象的存在就導(dǎo)致了社交網(wǎng)絡(luò)的概率關(guān)系。
[0086] 社交網(wǎng)絡(luò)的概率性
[0087] 社交網(wǎng)絡(luò)的概率性是針對社交網(wǎng)絡(luò)中用戶行為、用戶屬性和用戶關(guān)系等與社交網(wǎng) 絡(luò)結(jié)構(gòu)密切相關(guān)的一系列研究體系。用戶行為會隨著時間、地點、人物、事件、誘因等一系列 情境要素的改變而發(fā)生變化。雖然用戶屬性在一定時期內(nèi)保持穩(wěn)定，一旦用戶行為造成了 用戶關(guān)系的改變，同樣也會對用戶屬性造成影響。這樣，就導(dǎo)致了用戶關(guān)系隨時間周期性變 化的概率性問題。文中稱之為社交網(wǎng)絡(luò)的概率性研究：用戶行為的概率性、用戶屬性的概率 性和用戶關(guān)系的概率性，這三者共同構(gòu)成了社交網(wǎng)絡(luò)的概率性研究體系。該研究體系的相 互關(guān)系和意義如圖2所不。
[0088] 圖2中，具有相似用戶屬性的用戶之間存在相似性格和興趣的可能性較大。因此， 可以推薦具有相似用戶屬性的用戶，使得他們之間建立用戶關(guān)聯(lián)。由于用戶屬性具備概率 性特征，因此具有較大概率性的用戶屬性可用于用戶屬性的推斷。同時，由于用戶屬性的概 率性所導(dǎo)致的用戶角色的不穩(wěn)定性，就會造成用戶角色發(fā)生迀移，因此可對用戶角色的迀 移進行分析和預(yù)測。當(dāng)用戶角色發(fā)生迀移時，用戶的職業(yè)可能隨之發(fā)生改變，因此用戶屬性 的概率性研究同樣可用于用戶職業(yè)推斷。
[0089] 對于用戶關(guān)系概率性的研究，可用于用戶親密程度的關(guān)系推斷。而用戶關(guān)系概率 性與用戶活動的地理位置特征相結(jié)合，則可以對用戶的活動域進行概率預(yù)測，從而達到對 用戶活動規(guī)律進行描述的目的。
[0090] 用戶行為的概率性與用戶活動的情境相關(guān)，在不同情境要素的影響下，用戶可能 會做出不同的用戶行為。因此，利用用戶活動的情境要素與用戶的歷史行為相集合，可以達 到對用戶行為進行概率預(yù)測的目的。同時，基于不同情境要素的用戶行為概率性分析的反 饋結(jié)果，同樣可達到對用戶活動情境要素概率性分析的目的。
[0091] 用戶行為的概率性
[0092] 用戶行為的概率性，指的是用戶行為的不確定性。用戶在未來可能從事的事件（BP 用戶行為)并不能完全被確定，但是用戶未來從事事件的集合（用戶行為集合)卻可以被預(yù) 測。例如，假設(shè)用戶U所在的社交網(wǎng)絡(luò)為SN，將他的將來時間劃分為集合 ? · .tn}，各個時間段分別對應(yīng)于用戶行為集合萬=_丨氣._，_氣，.氣_，.:·、· *_氣），其中氣表不tl時刻 用戶從事的事件，依序類推。研究表明，用戶行為的產(chǎn)生通常發(fā)生在具體情境中，情境要素 除用戶行為的時間和事件外，還包括空間位置和事件誘因。因此，分別定義用戶行為發(fā)生的 空間位置集合z = Κ，4,4，···，々}和誘因集合y = {'，'，'，..·，'丨。其中Λ和％分 別表示時刻用戶行為發(fā)生時的空間位置和導(dǎo)致用戶行為發(fā)生的誘因。由此，可對用戶行 為的概率性給出形式化描述如圖3所示。
[0093] 圖3中的User(用戶）、Time(時間）、Location(位置）、Event(事件）、Why(誘因）分別 表示影響用戶行為產(chǎn)生概率性的情境要素集合。從圖3中可以看出，不同的用戶在從事社交 網(wǎng)絡(luò)活動的過程中，其用戶行為在以時間、位置、事件和誘因等情境要素為集合的不同組合 中均表現(xiàn)出可預(yù)測的概率性。
[0094]用戶屬性的概率性
[0095] 所謂用戶屬性的概率性，指的是用戶扮演社會角色（或從事職業(yè)）的不確定性。例 如，用戶在一定時期tnft (若干時間段組成)扮演的是一種角色(或從事一種職業(yè)），在另一 個時期仏內(nèi)（若干時間段組成)扮演的是另一種角色(或從事另一種職業(yè)）。因此，當(dāng)用戶扮 演不同角色（或從事不同職業(yè))時，他們具有不同的用戶屬性?；谟脩羯鐣巧ɑ蚵殬I(yè)） 的用戶屬性實現(xiàn)無法預(yù)知，但用戶屬性的轉(zhuǎn)換過程卻可以被描述，并以此為依據(jù)對用戶可 能的屬性做出概率性預(yù)測。由此，可歸納影響用戶屬性出現(xiàn)概率性變化的影響因素:時間、 位置、用戶社會關(guān)系、用戶從事工作等。用戶在不同時期的用戶屬性會發(fā)生轉(zhuǎn)變，例如用戶 通常在6-22周歲完成學(xué)業(yè)，因此具備學(xué)生的各項屬性，但22周歲后，用戶會進入社會從事不 同職業(yè)，扮演不同社會角色，因此具備不同社會角色的用戶屬性。用戶在不同位置的用戶屬 性會發(fā)生轉(zhuǎn)變，例如用戶在教室講課，他具備教師的用戶屬性，但他在商場購買商品，他則 具備消費者的用戶屬性。用戶的社會關(guān)系對用戶屬性的轉(zhuǎn)變產(chǎn)生影響，例如，教師-學(xué)生，提 供者-消費者，醫(yī)生-病人等各種社會關(guān)系之間均存在相互轉(zhuǎn)化的可能性。因此，當(dāng)社會關(guān)系 發(fā)生變化時，用戶屬性隨之轉(zhuǎn)變。
[0096] 基于此，對用戶和他們對應(yīng)的用戶角色(或職業(yè))建立映射關(guān)系矩陣M_，行標識序 列{Mui，Mu2Mu3,…,Μ?Ιη}和列標識序列{Mr1，Mr2，Mr3···，MRm}分別表不用戶集合和各用戶對應(yīng)的 用戶角色(或職業(yè))集合。行與列的交叉所對應(yīng)的數(shù)值表示二者之間是否存在映射關(guān)系。顯 然，映射關(guān)系矩陣是一個n*m階的布爾矩陣，行列交叉數(shù)值為1表示二者存在映射關(guān)系，為0 則表示無映射關(guān)系。
[0097] 對用戶角色(或職業(yè))建立關(guān)系矩陣Rf-b，行標識序列{RF1，RF2，RF3···，R Fn}和列標識 序列{1^，如，1^-，1^}分別表示轉(zhuǎn)換前后的用戶角色(或職業(yè)）。行與列的交叉所對應(yīng)的數(shù) 值用以表示用戶角色(或職業(yè))轉(zhuǎn)換的概率。

[0099]上述矩陣Rf-β中用戶角色（或職業(yè)）轉(zhuǎn)換關(guān)系矩陣對應(yīng)的是一個隨機矩陣，因此 表明用戶角色（或職業(yè))在轉(zhuǎn)換前后均應(yīng)保持其閉合性，因為用戶角色 (或職業(yè))并不存在已知確定性與未知不確定性之間的轉(zhuǎn)換。在一個閉合空間內(nèi)的用戶角色 (或職業(yè))在轉(zhuǎn)換前后，
，表明用戶角色（或職業(yè))保持不變時，轉(zhuǎn)換關(guān)系 概率恒定為0。
[0100]對用戶角色（或職業(yè)）與用戶屬性之間建立映射關(guān)系矩陣Mr-a，行標識序列{MR1， Mr2，Mr3···，MRn}矛口列f示i只序列{Mai，Μα2，Μα3··_，Μαπ}分另lj對應(yīng)著用戶角色(或耳只業(yè))種類矛口用戶 屬性類別。行與列的交叉所對應(yīng)的數(shù)值用以表示用戶角色(或職業(yè))與用戶屬性間是否存在 從屬關(guān)系。
[0102] 從矩陣Mr-a中可以看出，用戶角色(或職業(yè))與用戶屬性間的從屬關(guān)系矩陣對應(yīng)的 是一個布爾矩陣，表明用戶角色(或職業(yè))與用戶屬性間是否存在從屬關(guān)系，若存在行列交 叉概率為1，否則為0。
[0103] 由此，可對用戶屬性的概率性建立矩陣運算關(guān)系，
[0104] Uproperty = MlMR X Mr-^A X Rf-^B (1)
[0105] 公式1中的Uprcipe3rty表示用戶屬性的概率矩陣，通過矩陣Rf-b中的轉(zhuǎn)換關(guān)系矩陣和 矩陣 Mr-A中的從屬矩陣的運算后可以得出用戶角色(或職業(yè))在轉(zhuǎn)換前后的用戶屬性的概率 分布情況。
[0106] 另外，通過圖3以及矩陣Rf-b、Mr-a的用戶特征屬性的研究，可挖掘出具有相似屬性 的用戶特征。通常，具有相似屬性的用戶可能具有相似的人生閱歷、興趣特征和生活習(xí)性。 因此，具有相似用戶屬性的概率值越大，推薦他們建立用戶關(guān)系的可能性就越大。
[0107] 用戶關(guān)系的概率性
[0108] 用戶關(guān)系的概率性，指的是不同用戶間的關(guān)聯(lián)不斷發(fā)生變化的不確定性。用戶關(guān) 系的建立與轉(zhuǎn)換，受到社會需求、用戶主觀意愿等各種誘因的驅(qū)動，同時也受到用戶間相互 作用的制約。誘因驅(qū)動在用戶事件發(fā)生前，事先無法被預(yù)知，但它造成用戶多次歷史行為的 重復(fù)，卻為用戶關(guān)系的概率性預(yù)測創(chuàng)造了契機。另外，用戶間的相互作用、用戶言論傳播的 影響力等因素均會對用戶關(guān)系的概率性造成影響。例如，通過用戶的自薦或用戶間的互相 推薦，通過傳播媒介(報紙、互聯(lián)網(wǎng)、廣播等)對相關(guān)人物或事件的報道均可導(dǎo)致用戶關(guān)系的 建立或破裂。
[0109] 基于此，可基于影響用戶關(guān)系概率性的因素建立用戶關(guān)系映射矩陣Μι^υ，。其中，行 標識序列和列標識序列{1]'1，1]' 2，1]'3"_，1]'11}分別表示用戶集合1]與1]'之間 建立或破裂的用戶關(guān)系。行與列的交叉所對應(yīng)的數(shù)值用以表示不同的用戶集合之間是否建 立了映射關(guān)系。如下矩陣所示，
[0111] 從矩陣MhLr中可以看出，不同用戶集合之間的映射關(guān)系矩陣對應(yīng)的是一個布爾矩 陣，用于表示用戶之間是否建立了社會關(guān)系或該關(guān)系已由于某種原因而導(dǎo)致破裂，若用戶 間建立關(guān)系則行列交叉概率為1，若用戶間未建立關(guān)系則行列交叉概率為〇,若用戶間的關(guān) 系由于某種原因而導(dǎo)致破裂則交叉概率為-1。
[0112] 為了研究用戶關(guān)系與用戶活動地理位置之間存在的某種必然聯(lián)系，本專利建立了 用戶與活動位置的映射關(guān)系矩陣，如矩陣Mi^l所示。
[0114] 從矩陣Mi^l中可以看出，用戶活動所對應(yīng)的每個位置都存在一定的概率，該概率的 取值為一個介于0-1之間的數(shù)值，數(shù)值越大表明該用戶在該位置的活動頻度越大，從而說明 該位置是用戶活動的常用位置，從而達到捕獲用戶活動域的目的。而將和Mpl中的映射 矩陣相結(jié)合，則可用于計算不同用戶活動軌跡的相互關(guān)系和他們各自的活動軌跡。
[0115] 將用戶關(guān)系與用戶活動的地理位置特征相結(jié)合，可用于對用戶活動域的初步劃 定。一般而言，具有較近地理位置的用戶建立用戶關(guān)系的可能性大于地理位置相隔較遠的 用戶。因此，無論是利用用戶關(guān)系的概率性對用戶活動區(qū)域進行預(yù)測，還是利用用戶活動區(qū) 域促進用戶關(guān)系的建立，都能夠達到提升二者之間相互推斷準確率的目的。
[0116] 可以理解的是，對于本領(lǐng)域的普通技術(shù)人員來說，可以根據(jù)本發(fā)明的技術(shù)構(gòu)思做 出其它各種相應(yīng)的改變與變形，而所有這些改變與變形都應(yīng)屬于本發(fā)明權(quán)利要求的保護范 圍。
【主權(quán)項】
1. 一種基于概率的社交網(wǎng)絡(luò)確定方法，其特征在于，其包括如下步驟： 51、 確定用戶行為的概率性，確定用戶屬性的概率性，確定用戶關(guān)系的概率性；用戶行 為的概率性用于表示用戶行為的不確定性，用戶屬性的概率性用于表示用戶扮演社會角色 或從事職業(yè)的不確定性，用戶關(guān)系的概率性用于表示不同用戶間的關(guān)聯(lián)不斷發(fā)生變化的不 確定性； 52、 通過步驟S1中的確定結(jié)果表示社交網(wǎng)絡(luò)中的用戶關(guān)系的建立和解除，用戶屬性和 用戶行為的發(fā)生受到的因素的影響，W及隨著時間的推移呈現(xiàn)不確定性變化規(guī)律。2. 如權(quán)利要求1所述的基于概率的社交網(wǎng)絡(luò)確定方法，其特征在于， 所述步驟S1中確定用戶行為的概率性包括： 建立用戶集合U所在的社交網(wǎng)絡(luò)SN中未來時間劃分集合Τ= Ui，t2，t3，. . . tn}; 各個時間段分別對應(yīng)于用戶行為集合f = Η，Λ，^，…·，^}，其中^表示ti時刻用戶 從事的事件，并依序類推； 分別定義用戶行為發(fā)生的空間位置集合么=^，七，· ··，V和誘因集合 f "'f:，…，巧中與和分別表示時刻用戶行為發(fā)生時的空間位置和導(dǎo)致 用戶行為發(fā)生的誘因； 用戶行為的概率性表示如下:U^T^L^E^W，其中各個集合中各元素依次為多對多的 映射關(guān)系。3. 如權(quán)利要求2所述的基于概率的社交網(wǎng)絡(luò)確定方法，其特征在于， 所述步驟S1中確定用戶屬性的概率性包括： 對用戶及其對應(yīng)的用戶角色或職業(yè)建立映射關(guān)系矩陣Mu-R，行標識序列{Mui，Mu2， Mu3 ,…,Mun巧日列標識序列{MrI ,Mr2 ,Mr3··· ,Mrih}分別表不用戶集合和各用戶對應(yīng)的用戶角色 或職業(yè)集合;行與列的交叉所對應(yīng)的數(shù)值表示二者之間是否存在映射關(guān)系，映射關(guān)系矩陣 是一個n*m階的布爾矩陣，行列交叉數(shù)值為1表示二者存在映射關(guān)系，為0則表示無映射關(guān) 系； 建立對用戶角色或職業(yè)轉(zhuǎn)換關(guān)系矩陣Rf-B，行標識序列IRfI，化2，化3···，Rf。}和列標識序 列郵1而2瓜3-而。}分別表示轉(zhuǎn)換前后的用戶角色或職業(yè);行與列的交叉所對應(yīng)的數(shù)值用 W表示用戶角色或職業(yè)轉(zhuǎn)換的概率； 矩陣如下：對于良明用戶角色或職業(yè)在轉(zhuǎn)換前后均應(yīng)保持其閉合性;在一個閉 合空間內(nèi)的用戶角色或職業(yè)在轉(zhuǎn)換前后，存巧表明用戶角色或職業(yè)保持不 變時，轉(zhuǎn)換關(guān)系概率恒定為0; 建立用戶角色或職業(yè)與用戶屬性間的從屬關(guān)系矩陣Mr-A，行標識序列{Mri，Mr2，Mr3···， Mr。巧日列標識序列{Mai,Ma2，Ma3···，MAn}分別對應(yīng)用戶角色或職業(yè)種類和用戶屬性類別，舉證 行與列的交叉所對應(yīng)的數(shù)值用W表示用戶角色或職業(yè)與用戶屬性間是否存在從屬關(guān)系； 矩陣Mr-^a如下：從屬關(guān)系矩陣Mr_^a對應(yīng)的是一個布爾矩陣，表明用戶角色或職業(yè)與用戶屬性間是否存 在從屬關(guān)系，若存在行列交叉概率為1，否則為0。 根據(jù)矩陣Mι^^、Rw3、Ml^^A對用戶屬性的概率性建立矩陣運算關(guān)系： Uproperty -Μ|_Μ? X Mr-^A X Rp-^ 其中IVnperty表示用戶屬性的概率矩陣。 4 .如權(quán)利要求3所述的基于概率的社交網(wǎng)絡(luò)確定方法，其特征在于， 所述步驟S1中確定用戶關(guān)系的概率性包括： 建立不同用戶集合間的映射關(guān)系矩陣11^^'，其中，行標識序列化1，化，化一，山巧日列標識 序列{11'1，1]'2，1]'3-，1]'。}分別表示用戶集合1]與1]'之間建立或破裂的用戶關(guān)系；行與列的 交叉所對應(yīng)的數(shù)值用W表示不同的用戶集合之間是否建立了映射關(guān)系； 矩陣Mlwi'如下：矩陣Miwi'中，不同用戶集合之間的映射關(guān)系矩陣對應(yīng)的是一個布爾矩陣，用于表示用 戶之間是否建立了社會關(guān)系或該關(guān)系已由于某種原因而導(dǎo)致破裂，若用戶間建立關(guān)系則行 列交叉概率為1，若用戶間未建立關(guān)系則行列交叉概率為0,若用戶間的關(guān)系由于某種原因 而導(dǎo)致破裂則交叉概率為-1; 建立用戶與位置映射關(guān)系矩陣11^^矩陣11^^1中用戶活動所對應(yīng)的每個位置都存在一定的概率，該概率的取值為一個介于 0-1之間的數(shù)值，數(shù)值越大表明該用戶在該位置的活動頻度越大，從而說明該位置是用戶活 動的常用位置。5. -種基于概率的社交網(wǎng)絡(luò)確定系統(tǒng)，其特征在于，其包括如下單元： 概率性確定單元，用于確定用戶行為的概率性，確定用戶屬性的概率性，確定用戶關(guān)系 的概率性；用戶行為的概率性用于表示用戶行為的不確定性，用戶屬性的概率性用于表示 用戶扮演社會角色或從事職業(yè)的不確定性，用戶關(guān)系的概率性用于表示不同用戶間的關(guān)聯(lián) 不斷發(fā)生變化的不確定性； 社交網(wǎng)絡(luò)預(yù)測單元，用于通過概率性確定單元中的確定結(jié)果表示社交網(wǎng)絡(luò)中的用戶關(guān) 系的建立和解除，用戶屬性和用戶行為的發(fā)生受到的因素的影響，W及隨著時間的推移呈 現(xiàn)不確定性變化規(guī)律。6. 如權(quán)利要求5所述的基于概率的社交網(wǎng)絡(luò)確定系統(tǒng)，其特征在于， 所述概率性確定單元中確定用戶行為的概率性包括： 建立用戶集合U所在的社交網(wǎng)絡(luò)SN中未來時間劃分集合Τ= Ui，t2，t3，. . . tn}; 各個時間段分別對應(yīng)于用戶行為集合f = K，e,，吃，· · ·，Cf.,}，其中氣表示ti時刻用戶 從事的事件，并依序類推； 分別定義用戶行為發(fā)生的空間位置集合A =峰，4,4，...，心和誘因集合 W "V ...，，其中與和^^分別表示時刻用戶行為發(fā)生時的空間位置和導(dǎo)致 用戶行為發(fā)生的誘因； 用戶行為的概率性表示如下:U^T^L^E^W，其中各個集合中各元素依次為多對多的 映射關(guān)系。7. 如權(quán)利要求6所述的基于概率的社交網(wǎng)絡(luò)確定系統(tǒng)，其特征在于， 所述概率性確定單元中確定用戶屬性的概率性包括： 對用戶及其對應(yīng)的用戶角色或職業(yè)建立映射關(guān)系矩陣Mu-R，行標識序列{Mui，Mu2， Μυ3，···，Μυη}和列標識序列{1[^，11?2，11?-，，11?。}分別表示用戶集合和各用戶對應(yīng)的用戶角色 或職業(yè)集合;行與列的交叉所對應(yīng)的數(shù)值表示二者之間是否存在映射關(guān)系，映射關(guān)系矩陣 是一個n*m階的布爾矩陣，行列交叉數(shù)值為1表示二者存在映射關(guān)系，為0則表示無映射關(guān) 系； 建立對用戶角色或職業(yè)轉(zhuǎn)換關(guān)系矩陣Rf-B，行標識序列郵1瓜2瓜3-瓜。巧日列標識序 列郵1而2瓜3-而。}分別表示轉(zhuǎn)換前后的用戶角色或職業(yè);行與列的交叉所對應(yīng)的數(shù)值用 W表示用戶角色或職業(yè)轉(zhuǎn)換的概率； 矩陣如下：對3表明用戶角色或職業(yè)在轉(zhuǎn)換前后均應(yīng)保持其閉合性;在一個閉 合空間內(nèi)的用戶角色或職業(yè)在轉(zhuǎn)換前后，存在表明用戶角色或職業(yè)保持不 變時，轉(zhuǎn)換關(guān)系概率恒定為0; 建立用戶角色或職業(yè)與用戶屬性間的從屬關(guān)系矩陣Mr-A，行標識序列{Mri，Mr2，Mr3···， Mr。巧日列標識序列{Mai,Ma2，Ma3···，MAn}分別對應(yīng)用戶角色或職業(yè)種類和用戶屬性類別，舉證 行與列的交叉所對應(yīng)的數(shù)值用W表示用戶角色或職業(yè)與用戶屬性間是否存在從屬關(guān)系； 矩陣Mr-^a如下：從屬關(guān)系矩陣Mr~^a對應(yīng)的是一個布爾矩陣，表明用戶角色或職業(yè)與用戶屬性間是否存 在從屬關(guān)系，若存在行列交叉概率為1，否則為0。 根據(jù)矩陣Mι^^、Rw3、Ml^^A對用戶屬性的概率性建立矩陣運算關(guān)系： Uproperty -Μ|_Μ? X Mr-^A X Rp-^ 其中Uproperty表示用戶屬性的概率矩陣。 8 .如權(quán)利要求7所述的基于概率的社交網(wǎng)絡(luò)確定方法，其特征在于， 所述概率性確定單元中確定用戶關(guān)系的概率性包括： 建立不同用戶集合間的映射關(guān)系矩陣11^^'，其中，行標識序列化1，化，化…，山巧日列標識 序列{11'1，1]'2，1]'3-，，1]'。}分別表示用戶集合1]與1]'之間建立或破裂的用戶關(guān)系；行與列的 交叉所對應(yīng)的數(shù)值用W表示不同的用戶集合之間是否建立了映射關(guān)系； 矩陣Mlwi'如下：矩陣Miwi'中，不同用戶集合之間的映射關(guān)系矩陣對應(yīng)的是一個布爾矩陣，用于表示用 戶之間是否建立了社會關(guān)系或該關(guān)系已由于某種原因而導(dǎo)致破裂，若用戶間建立關(guān)系則行 列交叉概率為1，若用戶間未建立關(guān)系則行列交叉概率為0,若用戶間的關(guān)系由于某種原因 而導(dǎo)致破裂則交叉概率為-1; 建立用戶與位置映射關(guān)系矩陣11^^矩陣11^^1中用戶活動所對應(yīng)的每個位置都存在一定的概率，該概率的取值為一個介于 0-1之間的數(shù)值，數(shù)值越大表明該用戶在該位置的活動頻度越大，從而說明該位置是用戶活 動的常用位置。
【文檔編號】G06Q50/00GK106097115SQ201610475149
【公開日】2016年11月9日
【申請日】2016年6月24日
【發(fā)明人】王峰
【申請人】長江大學(xué)