买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉西南科技大学申请的专利基于网格聚类和时空特征的社交网络用户匹配方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN115238757B 。

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202111660942.9，技术领域涉及：G06F18/23213；该发明授权基于网格聚类和时空特征的社交网络用户匹配方法是由马强;高建平;邢玲;张琦;吴红海;戴军设计研发完成，并于2021-12-30向国家知识产权局提交的专利申请。

本基于网格聚类和时空特征的社交网络用户匹配方法在说明书摘要公布了：本发明公开了一种基于网格聚类和时空特征的社交网络用户匹配方法，首先从待匹配用户对的两个社交网络中获取若干对已知为同一用户的用户对作为种子用户对，通过种子用户对获取负例用户对，共同作为样本用户对，获取各个用户签到记录，基于网格聚类获取每个用户的合格网格簇，从用户的签到记录中提取出时空特征，包括用户签到平稳度、用户签到偏好时间和用户轨迹锚点，计算用户对的用户合格网格簇相似度、用户签到平稳度相似度、用户签到偏好时间相似度以及用户轨迹锚点相似度，构建用户匹配模型并采用样本用户对的数据进行训练，将待匹配用户对的数据输入训练好的用户匹配模型，得到匹配结果。本发明可以在签到数据不平衡情况下实现用户匹配。

本发明授权基于网格聚类和时空特征的社交网络用户匹配方法在权利要求书中公布了：1.一种基于网格聚类和时空特征的社交网络用户匹配方法，其特征在于包括以下步骤： S1：在需要对分属两个社交网络A、B的两个用户进行用户匹配时，记该用户对为从两个社交网络中获取若干对已知为同一用户的用户对作为种子用户对，设置其匹配得分为1；然后从种子用户对中将属于社交网络A的某个用户与属于社交网络B的其他用户进行随机配对得到负例用户对，设置其匹配得分为0；将种子用户对和负例用户对均作为样本用户对，记样本用户对的数量为M，第m′个样本用户对中属于社交网络A的用户为第m′个样本用户对中属于社交网络B的用户为 对于每个用户获取该用户在所属社交网络发布的签到记录集合记签到记录集合中每条签到记录为其中表示用户第j条签到记录中的坐标经度、坐标纬度，表示用户第j条签到记录中的时间戳，表示用户的签到记录集合中的签到记录数量； S2：基于网格聚类获取每个用户的合格网格簇，具体方法包括以下步骤： S2.1：将用户的签到记录集合合并得到集合S0，从集合S0中所有签到记录中获取经度最小值lonmin、经度最大值lonmax和纬度最小值latmin、纬度最大值latmax，然后将经度lonmin-▽lon至lonmax+▽lon、纬度latmin-▽lat至latmax+▽lat的区域作为公共区域，其中▽lon表示预设的经度偏差，▽lat表示预设的纬度偏差； S2.2：将步骤S2.1得到的公共区域的经纬度分别进行K等距划分，得到包含K2个网格的网格阵列，然后对于每个签到记录集合确定该签到记录集合中落个每个网格的签到记录数量作为用户在对应网格的签到密度；将签到密度大于0的网格作为有效网格，对于每个用户筛选出有效网格构建得到网格集合，记用户的有效网格数量为所构成的网格集合为其中表示用户的第d个有效网格在网格阵列中的坐标，表示用户的第d个有效网格的签到密度； S2.3：对于每个用户根据坐标对网格集合中的所有网格进行聚类，记聚类得到的网格簇数量为记网格簇集合为其中表示用户的第q个网格簇， S2.4：对于每个用户所对应的网格簇集合计算得到每个网格簇中用户的签到密度均值作为该网格簇的签到密度判断是否签到密度如果是，则判定网格簇为合格网格簇，否则记与用户属于同一用户对的用户为其网格集合为对于用户的每个网格簇计算网格簇中每个网格与网格集合中每个网格在网格阵列中的坐标距离，如果有任意一对网格的距离小于预设阈值，则判定网格簇为合格网格簇，否则判定网格簇不为合格网格簇； 记用户所对应的合格网格簇集合为其中表示用户的第v个合格网格簇，表示合格网格簇数量； S3：从用户的签到记录中提取出时空特征，包括用户签到平稳度、用户签到偏好时间和用户轨迹锚点，每个时空特征的提取方法如下： 1用户签到平稳度：对于每个用户从其所有签到记录为中提取出时间戳序列计算出相邻两个时间戳的时间差得到时间差序列计算时间差序列的变异系数作为用户的签到平稳度； 2用户签到偏好时间：将每天划分为H个时间区间，对于每个用户根据其时间戳序列得到每个时间区间的签到数量将时间区间按照签到数量从大到小排序，筛选出签到数量最多的Z个时间段作为用户的签到偏好时间，记其时间区间序号分别为 3用户轨迹锚点：对于用户和用户记其时间戳序列和对于任意两个时间戳和其中如果满足Δt表示预设的时间差阈值，如果是，则判定时间戳和为合格时间戳对，将该时间戳对作为轨迹锚点存放至时间戳对集合Tm,pair中，否则不作任何操作； S4：计算用户对的多属性相似度，包括用户合格网格簇相似度、用户签到平稳度相似度、用户签到偏好时间相似度以及用户轨迹锚点相似度，每个属性相似度的具体计算方法如下： 1用户合格网格簇相似度：对于用户获取其合格网格簇集合中所包含的网格数量当令用户用户网格数量否则令用户用户网格数量计算用户的合格网格簇中每个网格到用户的每个合格网格簇的最短距离，记为ωm,y，y＝1,2,…,Ym，得到偏差向量 然后采用如下公式计算得到用户之间的合格网格簇相似度Sim_Gm： 其中，e表示自然常数，Dis_Gm表示用户合格网格簇之间的距离，其计算公式如下： εm,y表示偏差分量ωm,y的权重，其计算公式为： 其中，表示合格网格簇中第y个网格签到密度，表示合格网格簇中第y个网格所属合格网格簇的签到密度； 2用户签到平稳度相似度：对于用户其签到平稳度相似度Sim_CVm的计算公式如下： 3用户签到偏好时间相似度：对于用户其签到偏好时间相似度Sim_tm的计算公式如下： 其中： 3用户轨迹锚点相似度：对于用户其用户轨迹锚点相似度Sim_ancm的计算公式如下： 其中，|Tm,pair|表示时间戳对集合Tm,pair中的时间戳对数量，表示时间戳对集合Tm,pair中的第个时间戳对，表示在第个时间戳对中两个时间戳时用户所在坐标之间的距离，为预设的距离函数； S5：根据实际需要构建用户匹配模型，其输入为用户的4个属性相似度，输出为用户的匹配得分； S6：将每个样本用户对的4个属性相似度作为用户匹配模型的输入，所对应的匹配得分作为用户匹配模型的期望输出，对用户匹配模型进行训练，得到训练好的用户匹配模型； S7：将待匹配用户的4个属性相似度输入步骤S6训练好的用户匹配模型，得到用户的匹配得分，当匹配得分大于预设阈值，则用户匹配成功，属于同一用户，否则用户匹配不成功。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西南科技大学，其通讯地址为：621000 四川省绵阳市涪城区青龙大道中段59号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。