本发明涉及数据通信，具体而言，涉及一种社交网络的用户关系确定方法、装置、计算机可读存储介质和分析系统。
背景技术：
1、预测不同社交网络之间的锚链接具有重要应用意义，例如通过获取社交网络用户锚链接实现跨网络为现实用户进行朋友推荐。其中具有挑战性的问题是用于进行锚链接的用户自然属性信息在实际情况下难以获取，因为大多数用户具有隐私保护意识。此外，在社交网络中，用户数量以及他们之间的关系并不是一成不变的，从而导致社交网络拓扑发生变化，进而影响基于静态网络特征提取方法的可用性。图嵌入是一类先进的面向网络的特征提取方法，本专利基于上述问题，重点对面向社交网络用户锚链接预测的图嵌入方法进行研究，图嵌入主要是通过生成图中节点的向量表达方式将图的特征映射到一个低维向量空间。图嵌入可以很好地捕获网络的主要结构规律，对网络结构的微小变化具有鲁棒性。
2、目前存在的问题是由于社交网络中存在隐私保护，会弱化图的拓扑信息，对关系的描述不完整，容易形成稀疏的拓扑图，这种情况下，锚链接预测很难实现。这个问题就是本专利的研究内容之一，对deepwalk算法进行改进，得到一个能够完成锚链接预测的面向稀疏图的deepwalk图嵌入算法。
3、现有的嵌入算法大部分都侧重于对静态图的嵌入算法，然而在实际应用中，很多图都是随着时间动态变化的。在静态图的嵌入算法中，如果图结构发生改变，需要对所有的节点进行重新嵌入，因此会造成很大的开销和时间的浪费。当图发生改变时，需要把所有节点重新嵌入，会耗费更多的时间，而且sdne算法本身就是一个时间复杂度很大的算法。
技术实现思路
1、本技术的主要目的在于提供一种社交网络的用户关系确定方法、装置、计算机可读存储介质和分析系统，以至少解决现有技术中进行锚链接预测时图嵌入过程消耗时间过长的问题。
2、为了实现上述目的，根据本技术的一个方面，提供了一种社交网络的用户关系确定方法，包括：获取第一图像并确定所述第一图像的图像类型，所述图像类型包括动态图和静态图，所述第一图像中的点用于表征社交网络中的账号，所述第一图像中的边用于表征所述账号之间的账号关系，所述动态图随所述社交网络中所述账号和/或所述账号关系的变化进行更新，所述静态图不随所述社交网络中所述账号和/或所述账号关系的变化进行更新；在所述第一图像为所述静态图的情况下，基于深度游走算法对第一目标点集和第一目标边集进行运算得到目标矩阵，所述第一目标点集包括所述第一图像中的部分所述点，所述第一目标边集包括与所述第一目标点集中所述点存在连接关系的所述边，所述目标矩阵包括多个用于表征所述第一目标点集中各所述点之间结构和关系的嵌入向量；在所述第一图像为所述动态图的情况下，基于sdne算法对第二目标点集和第二目标边集进行运算得到所述目标矩阵，所述第二目标点集包括与第二图像相比所述第一图像中的新增所述点和/或发生变化的所述点，所述第二目标边集包括与所述第二目标点集中所述点存在连接关系的所述边，所述第一图像为所述第二图像更新得到；根据所述目标矩阵进行锚链接预测，得到目标映射关系，所述锚链接预测用于确定不同所述社交网络中的所述账号是否为同一用户，所述目标映射关系为所述账号和所述用户的映射关系。
3、可选地，在基于深度游走算法对第一目标点集和第一目标边集进行运算得到目标矩阵之前，所述方法还包括：对所述第一图像进行分析，确定所述第一图像中各所述点的节点度，所述节点度为所述点的相邻节点的数量，所述相邻节点为与所述点之间通过所述边连接的所述点，所述点与所述节点度一一对应；根据各所述点对应的所述节点度绘制特征图像得到第三图像并根据预设步长对所述第三图像横轴进行分割得到多个目标区间；根据各所述目标区间和所述第三图像计算多个目标面积，所述目标面积与所述目标区间一一对应；计算各所述目标面积和所述第三图像的面积的比值，得到多个目标比例，所述目标比例与所述目标区间一一对应；根据各所述目标区间对所述第一图像中的所述点进行分组，得到多个第一节点组，所述第一节点组与所述目标区间一一对应；根据各所述目标比例随机选取对应所述第一节点组中的所述点，得到多个第二节点组，各所述第二节点组中的所述点的数量与对应所述第一节点组中的所述点的数量的比值为所述目标比例。
4、可选地，在得到多个第二节点组之后，所述方法还包括：根据各所述第二节点组构建对应第三节点组，所述第三节点组中包括多个第一目标点，所述第一目标点包括所述第二节点组中的所有所述点和各所述点的所述相邻节点；根据各所述目标比例随机选取对应所述第三节点组中的所述第一目标点，得到多个所述第一目标点集，所述第一目标点集中的所述第一目标点的数量与所述第三节点组中的所述第一目标点的数量的比值为所述目标比例；根据所述第一目标点集确定所述第一目标边集。
5、可选地，基于深度游走算法对第一目标点集和第一目标边集进行运算得到目标矩阵，包括：第一确定步骤，将所述第一目标点集中任意一个所述第一目标点确定为当前节点；第二确定步骤，以所述当前节点为起始点确定目标路径，所述目标路径的路径长度大于第一预设值，所述路径长度为所述目标路径中包括的所述第一目标节点的数量；分析步骤，将所述目标路径输入第一目标模型，得到所述嵌入向量，所述第一目标模型用于将所述点之间的结构和关系以向量形式表示；依次重复所述第一确定步骤、所述第二确定步骤、所述分析步骤至少一次，直至确定所有所述第一目标点对应的所述嵌入向量，并根据各所述嵌入向量构建所述目标矩阵。
6、可选地，以所述当前节点为起始点确定目标路径，包括：第一更新步骤，将所述当前节点更新为所述当前节点的任意一个所述相邻节点；第二更新步骤，在更新后的所述当前节点存在所述相邻节点的情况下，将更新后的所述当前节点更新为所述当前节点的任意一个所述相邻节点，在更新后的所述当前节点不存在所述相邻节点的情况下，将更新后的所述当前节点更新为更新前的所述当前节点；重复所述第二更新步骤，直至所述目标路径的长度大于所述第一预设值。
7、可选地，在基于sdne算法对第二目标点集和第二目标边集进行运算得到所述目标矩阵之前，所述方法还包括：
8、对所述第二图像进行分割得到多个第一目标分区；根据所述第一图像和所述第二图像确定多个第二目标分区，多个所述第二目标分区包括相对所述第二图像所述第一图像中新增的所述点；根据所述第一图像和所述第二图像确定多个第三目标分区，多个所述第三目标分区为所述第一图像中与所述第二图像对应所述第一目标分区相似度小于第二预设值的分区；根据所述第二目标分区和第三目标分区构建所述第二目标点集，所述第二目标点集包括所述第二目标分区和所述第三目标分区中的所有所述点；根据所述第二目标点集确定所述第二目标边集。
9、可选地，基于sdne算法对第二目标点集和第二目标边集进行运算得到所述目标矩阵，包括：根据所述第二目标点集和所述第二目标边集构建相邻矩阵，所述相邻矩阵用于表征所述第二目标点集中各所述点之间的连接关系；将所述相邻矩阵输入第二目标模型，得到多个所述嵌入向量并根据各所述嵌入向量构建所述目标矩阵，所述第二目标模型用于将所述点和所述边之间的连接关系以向量形式表示。
10、根据本技术的另一方面，提供了一种社交网络的用户关系确定装置，所述装置包括：第一确定单元，用于获取第一图像并确定所述第一图像的图像类型，所述图像类型包括动态图和静态图，所述第一图像中的点用于表征社交网络中的账号，所述第一图像中的边用于表征所述账号之间的账号关系，所述动态图随所述社交网络中所述账号和/或所述账号关系的变化进行更新，所述静态图不随所述社交网络中所述账号和/或所述账号关系的变化进行更新；第一运算单元，用于在所述第一图像为所述静态图的情况下，基于深度游走算法对第一目标点集和第一目标边集进行运算得到目标矩阵，所述第一目标点集包括所述第一图像中的部分所述点，所述第一目标边集包括与所述第一目标点集中所述点存在连接关系的所述边，所述目标矩阵包括多个用于表征所述第一目标点集中各所述点之间结构和关系的嵌入向量；第二运算单元，用于在所述第一图像为所述动态图的情况下，基于sdne算法对第二目标点集和第二目标边集进行运算得到所述目标矩阵，所述第二目标点集包括与第二图像相比所述第一图像中的新增所述点和/或发生变化的所述点，所述第二目标边集包括与所述第二目标点集中所述点存在连接关系的所述边，所述第一图像为所述第二图像更新得到；预测单元，用于根据所述目标矩阵进行锚链接预测，得到目标映射关系，所述锚链接预测用于确定不同所述社交网络中的所述账号是否为同一用户，所述目标映射关系为所述账号和所述用户的映射关系。
11、根据本技术的再一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行任意一种所述的方法。
12、根据本技术的又一方面，提供了一种分析系统，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行任意一种所述的方法。
13、应用本技术的技术方案，在上述社交网络的用户关系确定方法，首先，获取第一图像并确定上述第一图像的图像类型，上述图像类型包括动态图和静态图，上述第一图像中的点用于表征社交网络中的账号，上述第一图像中的边用于表征上述账号之间的账号关系，上述动态图随上述社交网络中上述账号和/或上述账号关系的变化进行更新，上述静态图不随上述社交网络中上述账号和/或上述账号关系的变化进行更新；然后，在上述第一图像为上述静态图的情况下，基于深度游走算法对第一目标点集和第一目标边集进行运算得到目标矩阵，上述第一目标点集包括上述第一图像中的部分上述点，上述第一目标边集包括与上述第一目标点集中上述点存在连接关系的上述边，上述目标矩阵包括多个用于表征上述第一目标点集中各上述点之间结构和关系的嵌入向量；之后，在上述第一图像为上述动态图的情况下，基于sdne算法对第二目标点集和第二目标边集进行运算得到上述目标矩阵，上述第二目标点集包括与第二图像相比上述第一图像中的新增上述点和/或发生变化的上述点，上述第二目标边集包括与上述第二目标点集中上述点存在连接关系的上述边，上述第一图像为上述第二图像更新得到；最后，根据上述目标矩阵进行锚链接预测，得到目标映射关系，上述锚链接预测用于确定不同上述社交网络中的上述账号是否为同一用户，上述目标映射关系为上述账号和上述用户的映射关系。本技术对用于表征社交网络中账号和账号关系的图进行分析，确定其为动态图或静态图，动态图采用sdne算法进行图嵌入，静态图采用深度游走算法进行图嵌入，将图结构中的节点映射到低维向量空间中，得到用于表征节点之前关系和结构的嵌入向量，在此基础上，本技术设置深度游走算法仅选取各区间中的特征点以及相关边进行运算，相比现有技术针对静态图中所有点进行运算，在保证捕捉节点之间主要结构规律的基础上大大减少了计算量，本技术设施sdne仅针对更新图像中的新增点和变化较大的点进行嵌入，相比于现有技术中针对动态图进行图嵌入时，针对所有节点进行重新嵌入，较少计算资源占用和时间消耗。综上，本技术解决了现有技术中进行锚链接预测时图嵌入过程消耗时间过长的问题。
1.一种社交网络的用户关系确定方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，在基于深度游走算法对第一目标点集和第一目标边集进行运算得到目标矩阵之前，所述方法还包括：
3.根据权利要求2所述的方法，其特征在于，在得到多个第二节点组之后，所述方法还包括：
4.根据权利要求3所述的方法，其特征在于，基于深度游走算法对第一目标点集和第一目标边集进行运算得到目标矩阵，包括：
5.根据权利要求4所述的方法，其特征在于，以所述当前节点为起始点确定目标路径，包括：
6.根据权利要求1所述的方法，其特征在于，在基于sdne算法对第二目标点集和第二目标边集进行运算得到所述目标矩阵之前，所述方法还包括：
7.根据权利要求6所述的方法，其特征在于，基于sdne算法对第二目标点集和第二目标边集进行运算得到所述目标矩阵，包括：
8.一种社交网络的用户关系确定装置，其特征在于，所述装置包括：
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，在所述程序运行时控制所述计算机可读存储介质所在设备执行权利要求1至7中任意一项所述的方法。
10.一种分析系统，其特征在于，包括：一个或多个处理器，存储器，以及一个或多个程序，其中，所述一个或多个程序被存储在所述存储器中，并且被配置为由所述一个或多个处理器执行，所述一个或多个程序包括用于执行权利要求1至7中任意一项所述的方法。
