(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111387539.3 (22)申请日 2021.11.22 (71)申请人 西北工业大 学 地址 710072 陕西省西安市碑林区友谊西 路127号 (72)发明人 李勇军　张银银　黄丽蓉　颜兆洁　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 代理人 王艾华 (51)Int.Cl. G06K 9/62(2022.01) G06V 10/74(2022.01) G06Q 50/00(2012.01) G06Q 10/04(2012.01) G06F 16/9536(2019.01)G06F 16/9537(2019.01) G06F 16/906(2019.01) (54)发明名称 一种跨社交平台的用户身份同一性识别的 方法 (57)摘要 本发明公开了一种跨社交平台的用户身份 同一性识别的方法， 通过4个模块的处理， 考虑了 稀疏数据带来的消极影响， 提取了用户行动模 式， 并且在基于轨迹计算相似度时提出了一个地 点具备全局流行度和局部流行度， 这对两个用户 之间的相似计算有不同的权重。 经过真实的数据 集的验证， 本发明的方法具有很好的准确率， 同 时只要是基于轨迹相似计算的场景， 都可应用， 具有良好的扩 展性。 权利要求书3页 说明书6页 附图2页 CN 113988217 A 2022.01.28 CN 113988217 A 1.一种跨社交平台的用户身份同一 性识别的方法， 其特 征在于， 包括以下步骤： 1)数据预处 理 从第一个社交平台上获取第 一用户账户的活动轨迹序列， 获取第 二个社交平台上第 二 用户账户的活动轨迹序列， 在上述的轨迹序列中包含很多轨迹点， 每一个轨迹点由时间， 经 度， 纬度组成， 为了全面分析每个用户， 收集一段时间内一个用户的活动轨迹， 比如三个月， 直接处理这样的数据是复杂和稀疏的， 所以在数据预处 理阶段， 做如下处 理： 对于经度和纬度， 根据精度的需求， 将地理区域按照网格间隔(例如， 0.01)划分为网格 的二维矩阵形式， 其中每个小区域就可以用一个网格gr id_id表示， 对于每一个用户将其经 过的轨迹点按照下面的公式转换落入到二维网格矩阵的小区域中； grid_id＝(lat_i ndex‑1)*n+lng_index 其中， 假设整个地理区域的纬度范围是[lng_d,lng_u],经度范围是[lat_d,lat_u]， 在 给定一个用户的轨迹点tra＝(t,lat,lng)后， 通过公式转换得到落入的网格编号， 接下来， 针对时间， 将一天24h按照时间间隔， 如， 15min， 30min进行划分， 最后取每一个时间段内最 频繁出现的轨迹点落入的gr id_id作为当前时间段的活动点， 至此， 将第一用户账户和第二 用户账户的轨 迹序列表示 为一个一维向量； 2)轨迹相似度衡量 基于两个账户的轨迹序列判断用户是否属于同一身份， 轨迹序列又是通过很多轨迹点 组成， 所以衡量轨迹点之间的距离就极其重要， 为此设定一个距离下限阈值θ1和距离上限 阈值θ2， 当给定两个不同的轨 迹点trai， traj， 通过下面的公式定义 他们之间的距离为： 其中d(·)是任意一种距离计算公式， 比如欧式距离计算公式或者曼哈顿距离计算公 式， 如果两个轨迹点之间的距离大于距离上限阈值， 则认为这两点的距离很远， 此时将其计 算距离置为无穷远， 加大差异； 如果计算得到的距离小于距离下限阈值， 则认 为这两点的距 离很近， 为了缩小差异增大相似， 此时将距离置为0； 如果计算得到的距离介于上下距离阈 值之间， 不做任何 处理； 3)轨迹嵌入 经过1)处理后， 将第一平台的第一用户账户可以表示为一个一维向量， 这里记为ui＝权　利　要　求　书 1/3 页 2 CN 113988217 A 2[grid_id1,...,grid_idi,...,grid_idm]， 同理将第二平台的第二用户账户记为uj＝ [grid_id1,...grid_idi,..,grid_idn]， 首先， 定义这一用户对的联合 概率为： 其中， θtime是时间划分间隔阈值； 4)相似验证判断 在将原始用户轨迹序列表示为嵌入向量后， 选择用余弦距离计算嵌入向量的相似度， 同时设定一个过滤阈值， 当计算得到的相似度大于该阈值， 认为这两个用户账户很大概率 属于同一身份， 否则表示没有找到匹配的用户。 2.根据权利要求1所述的一种跨社交平台的用户身份同一性识别的方法， 其特征在于， 所述步骤3)为了保证嵌入前后的相似度， 需要遵循下面的损失函数： 此时， 将用户的轨迹序列从原始 的物理空间嵌入到另一向量空间， 嵌入后的表示能够 捕捉到用户行动模式， 并且表示的更加简单。 3.根据权利要求1所述的一种跨社交平台的用户身份同一性识别的方法， 其特征在于， 所述步骤2)计算两个单轨迹点间的距离， 为了解决平台采样率带来的偏差， 结合滑动窗口 机制计算整个序列之 间的距离， 在这之前， 为了提高基于轨迹计算得到的相似度， 引入了局 部流行度和全局流行度的概念。 4.根据权利要求3所述的一种跨社交平台的用户身份同一性识别的方法， 其特征在于， 局部流行度LP： 将其定义为在特定的时间段到访的人数， 即表示某一特定时间段内地点的 流行度， 它是一个 变化的值， 用公式可以表示 为： 5.根据权利要求3所述的一种跨社交平台的用户身份同一性识别的方法， 其特征在于， 全局流行度GP： 将其定义为到访过该地点的访问人数， 即表示一个地点的平均流行度， 总体 上它是一个稳定的值； 因此， 经过上述的数据预处理， 将不等长度和不规则的第一用户账户 和第二账户分别 表示为相同长度的一维向量表示， 规定第一账户为待计算用户， 第二账户为其候选匹配用 户， 针对待计算用户的每一个时间段内的轨迹点， 考虑候选匹配用户对应时间段及其前后 时间段的轨迹点， 并且在原始的距离计算值上乘 候选用户轨迹点的全局流行度和局部流行 度， 对待计算用户轨迹序列中每一个时间段 的轨迹点都进行上述的操作， 最后加和得到的 距离就是第一用户账户和第二用户账户之间的距离值， 方便解释， 将这一步得到的距离值 记为OD， 具体的计算公式如下：权　利　要　求　书 2/3 页 3 CN 113988217 A 3