可定义隐私模糊度的多维度体系化交互机制的制作方法
发明涉及计算社会学、分布式计算和软件工程学技术交叉领域，具体是一种可定义隐私模糊度的多维度体系化交互机制。
背景技术：
社交网络是指由许多节点构成的一种社会结构。节点通常是指个人或组织，而社交网络代表着各种社会关系。在互联网诞生前，社交网络分析是社会学和人类学重要的研究分支，但随着互联网的发展，社交网络逐渐向即时消息类应用、在线社交类应用、微博类应用、共享空间类应用类发展转化，上述社交网络即在线社交网络有着迅捷性、蔓延性、平等性与自组织性等四大特点，正因为这些特性，其在互联网出现的短短数十年内已经拥有数十亿用户并对现实社会的方方面面产生着影响。
互联网以迅猛的速度发展，它渗透到社会的各个方面包括政治、经济、文化、教育、科技等领域并使他们的发展发生了深刻的变化，同时也给人类的生活带来极大的便利。然而，网络在给人们带来繁荣便利的同时，也打破了时间和空间的界限，个人隐私空间缩小、网络环境中侵犯隐私的事件发生频率相比过去有明显的上升趋势，知情权等权力逐渐被人类重视。
互联网推动在线社交网络发展，是人与人之间距离拉近，在线社交网络逐渐向虚拟社区演化，该过程非常复杂，影响因素很多，用户个体的累积效应、结构多样性和结构平衡性三个基本因素对虚拟社区演化都存在影响，当用户被邀请加入一个虚拟社区时，会面临需要用户确认其是否加入该用户想要加入的虚拟社区的或未经用户允许使其加入该用户不想加入的虚拟社区的问题，在解决上述问题时，会产生隐私泄露，用户知情权受侵犯问题。
体系结构：
数据图谱：数据图谱能记录实体中的基本属性，但是在没有上下文语境的情况下，它们本身没有意义；数据图谱可以用数组、链表、队列、树、栈、图等数据结构来表达；数据图谱只能进行静态分析，无法表达实体之间的交互关系；同时数据图谱上也未对数据的准确性进行分析，可能出现不同的实体但表示同一含义，例如番茄和西红柿，这两种实体所具有的属性都是相同的，这就产生了数据冗余；
信息图谱：信息是通过数据和数据组合之后的上下文来传达的，经过概念映射和相关关系组合之后的适合分析和解释的信息；信息图谱可以根据关系数据库来表达；信息图谱上进行数据清洗，消除冗余数据；信息图谱可以记录实体之间的交互关系；
知识图谱：知识图谱根据数据图谱和信息图谱进一步完善了实体之间的语义关系，通过信息推理和实体链接提高知识图谱的边密度和结点密度，知识图谱的无结构特性使得自身可以无缝链接。
一种可定义隐私模糊度的多维度体系化交互机制，其具体实施步骤如下：
实施实例1
步骤1）对应图1中001所示，用户向系统输入自身标签，具体包括性别、年龄、兴趣、职业和省份五个维度的数据，由系统生成用户画像；
步骤2）对应图1中002所示，用户向系统输入自身喜恶标签，具体包括性别、年龄、兴趣、职业和省份五个维度的数据，由系统生成用户喜恶画像；
步骤3）对应图1中003所示，结合步骤1、2，系统对数据进行隐私模糊化处理，即多维度数据混合、系统数据对用户不可见，保证用户知情权，系统完成用户以及用户喜恶数据图谱、信息图谱以及知识图谱；
步骤4）对应图1中004所示，系统检测用户是否被邀请加入一个社交网络，若用户没有被邀请，则结束并持续监听，若用户被邀请，则进入图1中005所示步骤；
步骤5）对应图1中005所示，当用户被邀请加入一个社交网络时，系统便获取该社交网络的数据图谱、信息图谱以及知识图谱，形成社交网络群画像；
步骤6）对应图1中006所示，结合步骤2）、步骤5），系统通过隐私模糊化处理计算得出含用户喜恶标签用户在该社交网络中占比；
……
其中
步骤7）对应图1中007所示，系统进行置信度判断，若符合要求则进入图1中008所示步骤8），若不符合要求则进入图1中009所示步骤9）；
步骤8）对应图1中008所示，系统不向用户发送确认请求，用户直接进入该社交网络；
步骤9）对应图1中009所示，系统向用户发送确认请求，用户根据该社交网络中，n个维度中，自身喜恶所占权重判断是否加入该社交网络。
技术实现要素：
本发明提供一种可定义隐私模糊度的多维度体系化交互机制，系统对用户的数据信息进行模糊化处理，在维护用户知情权的情况下，通过基于数据图谱、信息图谱和知识图谱多维度计算的置信度，判断是否向用户发送决策请求。
为实现上述目的，一种可定义隐私模糊度的多维度体系化交互机制，用户社交网络专指在线社交网络具体为：即时消息类应用、在线社交类应用、微博类应用以及共享空间类应用。通过用户交互，收集用户个人标签数据、用户喜恶标签数据集合和特定社交网络中标签集合，具体包括n个维度t的数据，在对用户数据进行模糊化处理后，通过计算当用户被邀请加入一个社交网络时，该社交网络中含有用户喜恶标签数据集合的用户数量与该社交网络中用户总量的比值，即依据上述用户喜恶标签数据集合和特定社交网络中标签集合计算得出置信度，为决策系统判断当用户被邀请加入社交网络时是否向用户发送确认加入该社交网络信息，包括系统向用户发送判断请求和用户无需判断直接加入社交网络两种情况。
本发明通过多维度数据混合、系统数据对用户不可见等方式进行隐私数据模糊化处理，考虑用户社交网络以及基于数据图谱、信息图谱和知识图谱多维度计算的置信度，决策系统为用户提供决策操作，在维护用户知情权的情况下，为用户提供网络社交便利，是用户满意度最大化。
本发明有益效果
1.通过数据图谱、信息图谱以及知识图谱提供数据计算参数并进行决策，避免用户判断是否加入其想要加入的社交网络，为用户提供便利；
2.通过数据图谱、信息图谱以及知识图谱提供数据计算参数并进行决策，避免未经用户同意直接被要请进入其不想加入的社交网络，从而解决进入容易推出困难的问题；
3.通过多维度数据混合、系统数据对用户不可见等方式进行隐私数据模糊化处理，维护用户知情权，隐藏用户意图，保护用户隐私。
附图说明
图1是一种可定义隐私模糊度的多维度体系化交互机制的实施流程图。
具体实施方式
本发明为一种可定义隐私模糊度的多维度体系化交互机制，其具体实施步骤如下：
实施实例1
步骤1）对应图1中001所示，用户向系统输入自身标签，具体包括性别、年龄、兴趣、职业和省份五个维度的数据，由系统生成用户画像；
步骤2）对应图1中002所示，用户向系统输入自身喜恶标签，具体包括性别、年龄、兴趣、职业和省份五个维度的数据，由系统生成用户喜恶画像；
步骤3）对应图1中003所示，结合步骤1、2，系统对数据进行隐私模糊化处理，即多维度数据混合、系统数据对用户不可见，保证用户知情权，系统完成用户以及用户喜恶数据图谱、信息图谱以及知识图谱；
步骤4）对应图1中004所示，系统检测用户是否被邀请加入一个社交网络，若用户没有被邀请，则结束并持续监听，若用户被邀请，则进入图1中005所示步骤；
步骤5）对应图1中005所示，当用户被邀请加入一个社交网络时，系统便获取该社交网络的数据图谱、信息图谱以及知识图谱，形成社交网络群画像；
步骤6）对应图1中006所示，结合步骤2）、步骤5），系统通过隐私模糊化处理计算得出含用户喜恶标签用户在该社交网络中占比；
……
其中
步骤7）对应图1中007所示，系统进行置信度判断，若符合要求则进入图1中008所示步骤8），若不符合要求则进入图1中009所示步骤9）；
步骤8）对应图1中008所示，系统不向用户发送确认请求，用户直接进入该社交网络；
步骤9）对应图1中009所示，系统向用户发送确认请求，用户根据该社交网络中，n个维度中，自身喜恶所占权重判断是否加入该社交网络。
实施实例2
步骤10）例如，用户a向系统输入自身标签数据，具体包括：性别男、年龄30、兴趣绘画、职业会计以及省份hn省五个维度的数据；
步骤11）用户a向系统输入自身厌恶标签数据，具体包括：性别男、年龄30及以上、兴趣编程、省份hn省五个维度的数据，自身喜好标签数据，具体包括：性别女、兴趣绘画、职业会计五个维度的数据；
步骤12）当用户a被用户b邀请加入一个社交网络m时，社交网络m名称为第一小组群，系统先将用户输入数据进行加密处理，使该数据仅对系统可见，然后获取社交网络m数据图谱、信息图谱和知识图谱数据信息，具体包括性别、年龄、兴趣、职业和省份五个维度的数据，将社交网络中各用户数据整合，计算在特定维度下，特定数值用户数量，并与用户输入的自身厌恶标签数据进行计算，得出以下比例：性别男占比70%、年龄30及以上占比80%、兴趣编程占比95%、职业占比100%、省份hn省占比100%以及平均权重89%，该平均权重大于置信度80%，因为上述为用户厌恶标签数据，所以系统不推荐用户加入该社交网络，系统向用户发送判断请求，并向用户发送社交网络m的权重数据以及不推荐加入信息。
- 还没有人留言评论。精彩留言会获得点赞！