用于社交关系分析和管理的方法和装置的制造方法
【专利摘要】提供一种用于在极性方面对社交关系进行分析的方法。一种方法包括：收集与社交网络中的第一用户与第二用户之间的交互相关联的数据；以及基于所收集的数据来估计第一用户与第二用户之间的社交关系的极性，以指示第一用户与第二用户之间的社交关系是积极的、消极的或中性的。
【专利说明】
用于社交关系分析和管理的方法和装置
技术领域
[0001]本发明总体上涉及在社交网络中对社交关系的分析和管理。更具体地，本发明涉及通过测量社交网络服务中的用户之间的社交交互的极性来对用户之间的关系进行分析。
【背景技术】
[0002]网络在迅速地发展，其很大程度上改变了人们的信息寻源和信息共享的方式。一个明显的改进在于因特网已经将寻源和共享操作从线下生活带到了线上生活。当前，通过网络服务，用户不但可以订阅源账户，诸如公司、组织、或个人的公共账号，而且可以相对地在源账号上张贴意见和感受。两个账号之间的交互是重要的，这是因为它包含彼此之间的互相的态度，无论是由词语所表达的明确的意见还是由某些操作所表达的隐含的意见，这些意见是在社交关系分析中的有价值的线索。
[0003]用于对用户关系进行分析的传统的方法在新出现的交互场景中是失败的。例如，在两个用户之间的社交链接通常只示出它们是连接的。然而，它不能展示该社交链接是积极的或消极的。举例而言，作为公司经理，你不会知道相关联的用户是支持者还是反对者。此外，你将也不知道交互示出的是亲密还是敌意。然而，社交关系的这种方向对商业所有者是重要的和有利的，这是因为它示出了你的消费者的直接或间接的反馈、潜在的忠实的消费者和失去的消费者的群集等。
[0004]社会关系的传统的分析方法的关键思想是估计两个用户之间的交互频率。例如，对话、消息、评论、对问题的回复都是交互。然而，紧密的关系并不意味着好的关系，并且因此仅测量频率可以引起社交关系的误解。因此，在现有技术中分析社交关系的方向以便测量用户之间的互相的态度将是进步。
[0005]—些示例实施例
【发明内容】
[0006]为了克服上文中所描述的问题，并且为了克服在阅读和理解现有技术的时候将是明显的限制，本公开提供了用于有效地且高效地检测离线和/或在运行时间的恶性软件的方法。
[0007]根据一个实施例，一种方法包括收集与社交网络中的第一用户与第二用户之间的交互相关联的数据；以及基于所收集的数据来估计第一用户与第二用户之间的社交关系的极性，以指示第一用户与第二用户之间的社交关系是积极的、消极的或中性的。
[0008]在示例性实施例中，交互中所涉及的文字和操作的至少一项的极性可以被标识，以用于估计社交关系的极性。情绪词语可以从被交互中所涉及的文字中被提取，并且然后可以标识所提取的情绪词语中的每个情绪词语的极性。所标识的情绪词语的极性可以被合成以获得整个交互数据的极性。操作可以从交互中被提取，并且然后可以标识操作中的每个操作的极性。所标识的操作的极性可以被合成以获得整个交互操作的极性。通过组合所合成的情绪词语的极性和所合成的操作的极性，可以估计社交关系的极性。
[0009]在示例性实施例中，社交关系的极性被估计以进一步估计社交关系的极性的强度。
[0010]在示例性实施例中，方法可以进一步包括基于所估计的社交关系的极性来管理第一用户与第二用户之间的社交关系。
[0011 ] 根据另一个实施例，一种装置包括至少一个处理器和包括计算机程序代码的至少一个存储器，至少一个存储器和计算机程序代码被配置成与至少一个处理器一起至少部分地使得装置:收集与社交网络中的第一用户与第二用户之间的交互相关联的数据;并且基于所标识的极性来估计社交关系的极性。
[0012]根据另一个实施例，一种承载一条或多条指令的一个或多个序列的计算机可读存储介质，一条或多条指令的一个或多个序列当由一个或多个处理器执行时，至少部分地使得装置执行上文所讨论的方法中的一种方法。
[0013]根据另一个实施例，一种包括用于执行上文所讨论的方法中的一种方法的装置的设备。
[0014]一种包括一条或多条指令的一个或多个序列的计算机程序产品，其中一条或多条指令的一个或多个序列当由一个或多个处理器执行时，使得设备至少执行上文所讨论的方法中的一种方法。
[0015]简单地通过图示多个特定的实施例和实现方式(包括预期用于执行本发明的最好的模式)，本发明的其它方面、特征、以及优点从以下详细的描述中变得显而易见。本发明还能够具有其它的和不同的实施例，并且在不脱离本发明的精神和范围的情况下，本发明的多个细节可以以在各种明显的方面被修改。因此，附图和说明书被当作本质上是说明性的，而不是限制性的。
【附图说明】
[0016]在附图的图中，通过示例的方式而不是通过限制的方式图示了本发明的实施例。
[0017]图1图示了基于用户交互的对社交关系的传统的分析；
[0018]图2图示了根据实施例的用于社交关系分析和管理的系统的示意框图；
[0019]图3是根据本发明的一些实施例的用于社交关系分析和管理的过程的概述的流程图；
[0020]图4图示了根据本发明的一些实施例的在极性方面的社交关系的管理和可视化；以及
[0021]图5图示了在其中本发明的各种示例性实施例可以被应用的装置的示例框图。
【具体实施方式】
[0022]公开了用于通过测量社交关系的极性来分析和管理用户之间的社交关系的方法、装置、系统和计算机程序的示例。在以下的描述中，为了解释的目的，很多特定的细节被阐述以便提供对于本发明的实施例的透彻的理解。然而，对于本领域的技术人员来说，很明显本发明的实施例可以在没有这些特定的细节或具有等价的布置的情况下也可以被实现。在其它情况下，公知的结构和设备以框图的形式被示出，以便避免不必要地模糊发明的实施例。
[0023]社交关系估计的问题主要来自两个方面，包括应用方面和计算方面。在应用方面，随着铺天盖地的在线内容和交互每天以不可思议的高速度涌现，对于公共账号来说，以人工的方式有效地保持和区分大量的用户之间的社交关系变得更加不可能。迫切地需要用于社交关系的新的管理和可视化方法。在计算方面，就用于社交关系的细粒度的识别的新的要求而言，社交关系估计的传统方式是不充分的和不正确的。特别地，在传统的社交关系分析中，交互总是被用来测量两个用户的亲密性。直观上，假设在两个用户之间发生更多的交互，则两个用户更紧密。然而，这项假设可能在社交关系分析中引起误会，这是因为在两个用户之间的紧的关系(即频繁的交互)可能不意味着他们之间的好的关系。在真实世界中，紧的交互可以是问候和祝福;然而，它们也可以是争吵或争论。因此，难以得到对于社交关系的细粒度和精确的理解，例如，以确定在两个用户之间是好的关系还是坏的关系。
[0024]以下图示了在计算方面的问题的具体的示例。在图1中，实线意味着积极的文本或执行积极的操作，诸如问候或投票操作，而虚线则意味着给出消极的文本或执行消极的动作，诸如责骂或反对想法。具体的场景可以是像这样的:用户A和用户B是恋人，他们经常与彼此聊天、评论新发表的状态、并且向彼此重定向有趣的内容。因此，他们的在线交互是相当频繁的，可以被计算为5+10+5 = 20。相反，而当用户B和用户C是彼此的对手时，这意味着他们在一些话题、事件上不是完全地达成一致意见，并且他们可能已经在网络平台上开始了大量和长时间持续的争吵。他们的交互也是频繁的，也可以等于5+10+5 = 20。
[0025]从频率方面来看，这两种关系(A与B以及B与C)是完全一样的，二者的数量都是20。然而，我们不能断定用户A与用户B之间的关系和用户B与用户C之间的关系是相同的。这是因为用户A和用户B之间的关系是积极的，而用户B和用户C之间的关系是消极的。因此，仅基于交互的频率来估计用户关系将引起用户关系的误解或不适当的理解。这可能对基于社交关系的服务带来坏的影响，例如推荐服务和商业智能服务。
[0026]根据各种示例性实施例，可以通过测量在极性方面的用户关系而提供社交关系的细粒度和准确的理解。“极性”从交互的“方向”被估计，例如指示两个单个用户之间的社交关系是积极的、消极的、或中性的。参考图2，描绘了根据示例性实施例的用于在社交网络中分析和管理用户关系的系统100。如在图2中所示出的，系统100包括具有经由通信网络105到社交网络服务(SNS)提供者107、其它用户设备(UE) 101、以及其它通信实体(诸如第三方111)的连接的用户设备UE 101。
[0027]通过示例的方式，系统100的通信网络105包括一个或多个网络，诸如数据网络(未示出)、无线网络(未示出)、电话网络(未示出)、或它们的任意组合。预期数据网络可以是任何局域网(LAN)、城域网(MAN)、广域网(WAN)、公共数据网(例如因特网)、自组织移动网、或任何其他适合的分组交换网络(诸如商业拥有的、私人拥有的分组交换网络，例如私人拥有的电缆或光纤网络)。此外，无线网络可以是例如蜂窝网络并且可以采用各种技术，包括用于全球演进的增强的数据速率(EDGE)、通用分组无线电服务(GPRS)、全球移动通信系统(GSM)、因特网络协议多媒体子系统(MS)、通用移动电信系统(UMTS)等，以及任何其他适用的无线媒介，例如全球微波访问互操作性(WiMAX)、无线局域网(WLAN)、长期演进(LTE)网络、码分多址接入(⑶MA)、宽带码分多址接入(WCDMA)、无线保真(WiFi)、卫星、移动自组织网络(MANET)，等等。
[0028]UE 101可以是任何类型的移动终端、固定终端、或便携式终端，包括移动手持终端、站、单元、设备、多媒体板、因特网节点、通信器、台式计算机、膝上型计算机、个人数字助理(PDA)、或它们的任意组合。还预期UE 101可以支持到用户的任何类型的接口(诸如“可穿戴”电路等)。如在图1中示出的，用户设备(UE)1la-1Oln可以被利用以执行社交网络应用103a-103n。这些网络应用103可以利用通信网络105以与其它UE、SNS提供者107和其它通信实体(例如第三方111)进行通信，以用于执行社交网络服务。
[0029]社交网络服务(SNS)提供者107可以在数据库109中存储用户信息(例如简档)和其他数据，以用于提供社交网络服务，诸如微博、博客、消息通信、电话通信、社交网络游戏等。尽管在图2中仅示出一个SNS，任意数量的SNS提供者可以被提供，以用于提供各种社交网络服务。
[0030]在一些实施例中，SNS服务提供者107可以进一步分析UE101的用户的历史行为，以用于分析和管理用户的社交关系。在一些实施例中，第三方111(诸如特定的服务器)可以被提供用于从SNS 107收集用户的历史社交行为的数据，并且基于所收集的数据来分析和管理用户的社交关系。在其它实施例中，例如可以通过利用社交网络应用，来在用户的UE101中执行对用户的社交关系分析和管理。就这一点而言，两个用户之间的社交关系的极性可以基于两个用户之间的各种交互而被估计。与这些交互相关联的数据可以从该两个用户参加的各种社交服务中收集。例如，可以从在线社交服务中收集评论、消息、重定向、支持、或不同意等。
[0031]两个用户之间的交互可以分成两个类别:纯文本和相互操作。极性信息可以相对于文本和操作而被标识。例如，自然语言处理、文本分析或计算语言学等可以被用来在交互文本中标识和提取主观信息。基于主观信息，说话者或写作者的态度可以被确定。在示例中，可以通过在文件、句子、或特征/方面级别处分类它的极性一在文件、句子、或实体特征/方面所表达的态度是积极的、消极的、或中性的，来对给定的交互文本进行分析。交互操作还可以被分析以探索隐藏在交互操作(诸如“取消关系”、“支持用户的内容”、“删除用户的内容”等)后面的态度。相当可能的是，在两个用户之间没有表达积极的词语或消极的词语，但是他们确实共享极性的关系，这是因为他们投票赞成或反对彼此、添加、删除或重定向共同相关的内容、跟随感兴趣的话题等。因此，可以通过对交互文本和操作进行分析来测量社交关系的极性。而且，文本和操作可以被给出积极的或消极的情绪强度分数。
[0032]可以组合文本和操作的极性，以用于确定用户之间的社交关系的整体极性。例如，所有的文本极性和操作极性可以作为单一的线性方程被组合在一起，以预测两个用户之间的社交极性。此外，极性强度可以通过该组合而被进一步测量，以估计关系是积极的或消极的到程度。该测量结果可以被显示以促进用户关系管理。此外，基于这些细粒度和精确的测量结果有助于支持服务(例如做出推荐)。如此，用户之间的社交关系可以从极性方面被自动地收集、分析、维持以及可视化。
[0033]在一些实施例中，新的属性(诸如极性和极性强度)可以被引入以对用户之间的社交关系进行建模。例如，针对两个用户A和B，他们之间的社交关系传统地被表示成有序对(A，B)。根据一些实施例，社交关系可以被表示成(A，B，P)，其中参数P代表关系的极性。例如，P的值的符号可以表示两个用户之间的极性，并且P的值的大小可以表示极性的强度。
[0034]图3图示了用于社交关系分析和管理的过程的概述。在这样的实施例中，处理器300由一个或多个设备(诸如SNS提供者107、UE 101、或者社交关系管理服务器111)执行，并且在例如包括如图5中所示出的处理器和存储器的芯片集合来实现。如此，计算设备可以提供用于完成处理器300的各个部分的装置以及用于与其它组件结合来完成其它过程的装置。
[0035]如图3中所示出的，社交关系分析和管理的整体过程主要包括三个阶段，包括用于数据收集的阶段310、用于极性估计的阶段330、以及用于关系管理和可视化的阶段350。给定两个用户的在线行为内容，针对社交关系分析的主要任务是估计两个用户之间的社交关系的极性和强度。令u和V表示在线社交网络中的两个用户。在引入用于社交关系分析的方法之前，我们首先做如下一些定义。
[0036]mS(U，v):在两个用户之间交换的消息。
[0037]cm(U，v):在两个用户之间交换的评论。
[0038]rd(u，v):在两个用户之间交换的重定向。
[0039]br(U，v):在两个用户之间交换的浏览。
[0040 ] agr (u，V):在两个用户之间交换的明确的同意操作，诸如收集信息、支持信息等。
[0041]dagr(U，V):在两个用户之间交换的明确的不同意操作，诸如取消账户、取消内容、投票反对用户等。
[0042]在阶段310，与社交网络中的两个用户(被表示成u和V)的交互相关联的数据被收集以用于社交关系分析。可以从在线社交信息共享和通信服务(诸如微博、博客、即时消息、社交网络、评论等)中收集数据。例如，可以使用爬虫以从因特网网络中聚集(311)尽可能多的相关信息，诸如评论cm(u, V)、消息ms(u，v)、浏览br(u，v)、重定向消息rd(u，v)、同意操作agr (U，V)、以及不同意操作dagr (U，V)等。信息可以反映用户u和V之间的交互的特点。所聚集的数据可以被存储(313)到数据库中，并且被索引(315)以用于进一步的计算。与相应的交互相关联的上下文也可以被存储，以用于促进社交关系分析。
[0043]在阶段330，基于所收集的交互数据来估计用户u和V之间的社交关系的极性。在真实的生活中，根据个人之间的线下的社交交互，关系的极性可以被容易地标识以将好的关系与不好的关系分开。例如，在线下社交关系分析中，诸如“甜蜜的微笑”、“热情的拥抱”、“鼓励的话语”以及“温柔的关怀”的友好的行为常常被当成好的关系的指示;而相反地，诸如“生气的脸”、“猛烈的击打”、“沉重的责骂”以及“冷淡的话语”的不礼貌或冷淡的行为常常被当成坏的关系的指示。正如线下社交关系分析那样，在线交互的极性也可以经由在线交互中的特征而被标识。
[0044]在计算中，可以从几个方面测量极性，诸如文本和操作的方面。在一些实施例中，可以分析(331)交互文本和操作以标识文本和操作的极性。可以合成文本和操作的极性，以用于分析(333)社交关系的极性。在文本交互方面，极性多以“情绪词语”来表达。例如，文本中的词语“好”通常意味着积极的交互，而文本中的词语“坏”通常意味着消极的交互。在许多积极的表达出现在两个用户之间交换的文本中的情况下，很可能该两者之间共享好的关系。相反，如果消极的表达占据了交互，对应的关系常常是坏的。因此，社交关系的极性可以通过使用文本分析而被估计。
[0045]在示例性实施例中，可以从交互数据中提取文本中的情绪词语，并且然后分配有极性。例如，通过遍历用户u和V之间的所有交互文本，可以从文本提取所有的情绪词语，形成由SW( u，V)所表示的集合，其中被表示成sw的每个元素表示单一的情绪词语。根据常常作为项目和对应的极性之间的映射的预构造的情绪词语库，每个情绪词语可以被分配有极性。例如，情绪词语词典可以是键-值集合，每对表示情绪词语并且对应于极性符号和强度。例如，集合“好，+ 1”可以意味着积极的词语“好”，集合“可爱，+3”可以意味着非常积极的词语“可爱”，集合“坏，-1”可以意味着消极的词语“坏”，并且“恨，-3”可以意味着非常消极的词语“恨”。
[0046]所有情绪词语的极性可以被汇总，以获得整个交互文本的极性。例如，整个交互文本Ptext(u，v)可以根据公式(I)而被计算:
[0047]Ptext(u,v) = Epl(sw) ,swe Sff(u,v) (I)
[0048]其中pi函数被定义为针对个别的情绪词语的分配，其可以是积极的或消极的。
[0049]在操作交互方面，极性主要由具体操作的理由来传达。例如，操作“浏览”、“评论”、“投票”通常表达朝向目标用户的积极的态度，而操作“投反对票”、“屏蔽”、“删除”通常代表朝向目标用户的消极的态度。因此，可以预期的是当两个用户具有好的关系时，可以存在更多的积极交互，反之亦然。
[0050]在示例性实施例中，可以从所收集的交互数据中提取交互操作，并且然后被分配有极性。例如，所提取的操作可以被存储为集合OP，其可以包括所有的情绪操作，诸如评论、发消息、内容重定向、投票、不同意等。在集合OP中的每个元素op代表单一的操作。
[0051]根据常常作为项目和对应的极性之间的映射的预构建的情绪操作库，每个操作可以被分配有极性。在一些实施例中，可以通过人类注解者来构建情绪操作库(OPL)以确定操作是积极的还是消极的。例如，在SNS服务中的所有的普通用户交互操作可以被收集用于0PL，诸如“跟随用户”、“跟随用户的话题”、“取消跟随用户”、“投票赞成用户的状态”、“不同意用户的评论”、“删除好友”、“转发消息”等。然后，可以邀请具有在SNS服务中使用所提到的不同种类的操作的经验的一组人类注解者，以利用标签对每个操作做标记。例如，针对在OPL中的每个交互操作opl，要求人类注解者使用他们过去的SNS服务的经验来阅读、理解，并且标识操作opl是否指示两个用户之间的积极或消极的关系。如果人类注解者同意操作opl意味着积极的交互，那么它就被分配“积极的”标签，否则就被分配“消极的”标签。例如，操作“跟随朋友”可以被给予标签“积极的，+ 1”，而操作“不同意用户的评论”可以被附加标签“消极的，-1”。在一些实施例中，操作极性标记任务可以被执行为多层标记，这意味着可以根据特定的服务的要求而将标记映射到多于两个极性，诸如“非常积极的，+2”、“积极的，+ 1”、“消极的，-1”、以及“非常消极的，_2”等。为了避免标记偏差，OPL中的每个opl利用达到了所有人类注解者的最多的同意的标签进行标记。
[0052]针对在OP中所提取的每个情绪操作op，可以根据预构造的情绪操作库OPL来标识极性。例如，针对所提取的操作op，0PL可以被搜索以找到指示操作的极性和强度的对应的极性分数。例如，操作op “跟随用户”可以在OPL中被细化以被映射到标签“非常积极的，+2”，而操作“取消跟随用户”可以被映射到标签“非常消极的，_2”。
[0053]可以汇总所有操作的极性以获得整个交互操作的极性，其表示在操作方面的整个情绪方向的综合的结论。例如，整个交互操作ΡοΡ(ιι，ν)的极性可以根据公式(2)而被计算:
[0054]Pop(u,v) = Epl7 (op) ,opeOP(u,V) (2)
[0055]其中ρΓ函数被定义成用于个体操作的极性的分配，其可以是积极的或消极的。
[0056]基于文本和操作的极性，可以确定(333)u和V之间的社交关系的整体极性，以指示第一用户和第二用户之间的关系是积极的、消极的或中性的。例如，社交关系P(U，V)的极性可以被根据式公(3)而被计算:
[0057]P(u,v) =α XPtext(u,v)+PXP0p(u,v) (3)
[0058]其中，参数α和β是对应的方面的权重，其被用于在文本和操作之间进行平衡。在实践中，可以针对不同的场景和应用而调整这些参数。类似于操作极性，社交关系的极性可以被分成多于两个层级。例如，非常积极的、积极的、消极的、非常消极的。
[0059]在一些实施例中，可以计算P(u，v)以表示对称的关系。那意味着从用户u和用户V的视角，关系是相同的。
[0060]在其他实施例中，可以计算P(u，V)以表示不对称的关系，意味着用户u对于用户V的态度可以不同于用户V对于用户u的态度。在那种情况下，P(U，V)可以被用来表示从用户u的视角的用户U和V之间的社交关系。它可以基于来源于用户U的交互文本和操作的极性而被计算。相应地，另一个参数P(V，U)可以被用来代表从用户V的视角的用户V和U之间的社交关系。它可以基于来源于用户V的交互文本和操作的极性而被计算。
[0061]在阶段350，可以显示极性分析结果以促进用户的社交关系管理。在一些实施例中，就特定的用户而言，可以根据相关联的用户的与特定的用户所共享的社交极性来列出相关联的用户。例如，如图4中所示出的，可以以直接的和可理解的方式可视化并且展示分析结果。在图4中，根据他们的社交极性将特定用户的朋友分类成两组。在虚线上方所列出的人与用户共享积极的关系，而虚线下方所列出的人与用户共享消极的关系。另外，在每个组中的人根据对应的极性强度而被列在多个等级中。例如，特定的人离分割虚线越远，所共孚的关系的极性强度越大。
[0062]极性分析结果也可以用于社交关系管理。这可以帮助得到用户关系和用户行为的更充足的理解，其作为结果提供更多的证据用于更精确的推荐、决策支持、结果排名以及定制的用户体验设计，并且还用于用户关系预测以及用户关系趋势预测。例如，通过对于历史行为的自动极性分析，管理者或个体用户不需要人工地标识在他们的社交圈中的积极的和消极的关系。极性分析结果的可视化使得阅读和管理用户的社交关系变得高效。通过社交关系极性的可视化，用户可以确定需要被小心地维持的好的关系或应该被修补或丢弃的坏的关系。
[0063]在一些实施例中，针对不同的社交关系，SNS提供者可以设计不同的推荐模式或提升策略。如通常所理解的，一个人通常乐于从最好的朋友接收信息，而不是从不被喜欢的某个人。因此，基于社交关系的极性，可以被高效地做出推荐。例如，针对积极的社交关系，SNS提供者可以给出更多的信息披露，诸如推荐新的更新或列出活动通知等。相反地，针对消极的社交关系，SNS提供者可能需要设计更非直接的提升措施从而不引起客户的恼怒。
[0064]现在参考图示装置500的示例框图的图5，在装置500中，可以应用发明的各种实施例。其可以被体现在SNS提供者、用户设备(UE)、或诸如用于社交关系的服务器的第三方中。装置500的一般的结构包括处理模块501、耦合到处理模块501的通信接口模块509。装置500可以还包括耦合到处理模块501的用户接口模块511，以及耦合到处理模块501的非易失性存储器513。而且通信接口模块509、用户接口模块511、以及非易失性存储器513可以与彼此通信。
[0065]处理模块501包括处理器503和存储器505。处理模块501还包括存储在存储器505中并且可操作以及在处理器503中被加载以及被执行的软件507。软件507可以包括一个或多个软件模块以及可以以计算机程序产品的形式。处理模块501可以包括用于应用软件或数据以及用于装置500的正常操作的分离处理和存储器区域。
[0066]通信接口模块509可以是有线通信模块，或无线通信模块，诸如WLAN、蓝牙、GSM/GPRS、⑶MA、WCDMA、或LTE(长期演进)无线电模块。通信接口模块509可以被集成到装置500或可以被插入到装置500的合适的槽或端口的适配器、卡等。尽管图5示出了一个通信接口模块509，装置500可以包括多个通信接口模块509。
[0067]处理器503可以为例如中央处理单元(CPU)、微处理器、数字信号处理器(DSP)、图形处理单元等。图5示出了一个处理器503，但是装置500可以包括多个处理器。
[0068]存储器505可以包括例如非易失性存储器或易失性存储器，诸如只读存储器(ROM)、可编程只读存储器(PROM)、可擦除可编程只读存储器(EPR0M)、随机访问存储器(RAM)、闪速存储器、数据盘、光存储器、磁存储器、智能卡等。装置500可以包括多个存储器。存储器505可以被构建为装置500的一部分或者可以由用户插入到装置500的槽、端口等。存储器505的唯一目的可以服务于存储数据，或者它可以被构建成服务于其它目的的装置的一部分，诸如处理数据或采取恶意软件检测。非易失性存储器513可以是闪速存储器并且可以示例目的服务于接收和存储软件更新，非易失性存储器513可以被构建成装置500的一部分或它可以由用户插入到装置500的槽、端口等。
[0069]用户接口模块511可以包括电路，其用于例如经由键盘、示出在装置500的显示器的图形用户接口、语音识别电路、或诸如耳机的附属装置从装置500的用户接收输入，以及用于经由例如图形用户接口或扩音器向用户提供输出。
[0070]本领域的技术人员理解除了图5中所示出的元件之外，装置500可以包括其它元件，诸如麦克风、显示器、以及用于特定目的的附加电路(诸如输入/输出(I/o)电路、存储器芯片、专用集成电路(ASIC))，用于特定目的的处理电路(诸如源编码/解码电路，信道编码/解码电路、加密/解密电路)，等等。此外，装置500可以包括用于当外部电源(如果外部电源)不可用时为装置500供电的一次性的或可再充电的电池(未示出)。
[0071]通常，各种示例性实施例可以在硬件或专用电路、软件、逻辑或它们的任何组合中被实现。例如，一些方面可以被实现在硬件中，而其他方面可以被实现在可以由控制器、微处理器或其他计算设备所执行的固件或软件中，然而本发明不限于此。虽然本发明的示例性实施例的各个方面可以被图示和描述成框图、流程图、或使用一些其他的图形表示，但是应当理解，在本文中所描述的这些块、装置、系统、技术、或方法可以被实现在作为非限制的示例的硬件、软件、固件、专用的电路或逻辑、通用的硬件或控制器或其他计算设备，或它们的一些组合中。
[0072]应该理解本发明的示例性实施例的至少一些方面可以被实现在计算机可执行指令中，诸如在由一个或多个计算机或其他设备执行的一个或多个程序模块中。一般而言，程序模块包括当在计算机或其他设备中由处理器执行时执行特定的任务或实现特定的抽象数据类型的例程、程序、对象、组件、数据结构等。计算机可执行指令可以存储在诸如硬盘、光盘、可移动存储介质、固态存储器、RAM等的计算机可读介质上。如将被本领域技术人员所理解的，程序模块的功能可以如在各种实施例中所希望的那样被组合或被分布。此外，功能可以全部或部分被体现在诸如集成电路、现场可编程门阵列(FPGA)等的固件或硬件等价物中。
[0073]本发明的各种实施例的各种特征可以提供各种优点。根据一些实施例，通过检查在离线和在运行二者时的恶意软件，其可以将恶意软件的风险降低到最小。在离线恶意软件检测期间，静态完整调用地图、部分调用地图和在不同时间的调用地图可以被检查以找到恶意软件。在实时的恶意软件检测期间，调用地图模式可以被检查以发现由功能调用所引起的安全漏洞。此外，数据访问行为可以被检查以找到有风险的本地数据访问，特别是不同于过去的不正常的访问。此外，通过对应用的网络行为的检查，应用的入站流量可以被检查以找到潜在的入侵，而且应用的出站流量可以被检查以找出由例如使得计算设备成为机器人的一些突然的攻击所引起的可能的感染。如此，处理窃取并出售用户信息、操纵内容交付、发送垃圾邮件、或在计算设备上的突然入侵的恶意软件，并且提供全面的检测和保护变得可能。
[0074]本发明包括任何新的特征或本文中无论是明确地或它们的任何概括所公开的特征的组合。鉴于上文的描述，当结合附图进行阅读时，对于相关领域的技术人员来说，对于本发明的上述示例性实施例的各种修改和改编可以变得明显。然而，任何以及所有的修改仍将落入本发明的非限制性和示例性的实施例的范围。
【主权项】
1.一种方法，包括: 收集与社交网络中的第一用户与第二用户之间的交互相关联的数据；以及基于所收集的数据来估计所述第一用户与所述第二用户之间的社交关系的极性，以指示所述第一用户与所述第二用户之间的所述社交关系是积极的、消极的或中性的。2.根据权利要求1所述的方法，其中估计所述社交关系的所述极性包括: 标识所述交互中所涉及的文本和操作中的至少一项的极性；以及 基于所标识的极性来估计所述社交关系的所述极性。3.根据权利要求2所述的方法，还包括: 从所述交互中所涉及的所述文本提取至少一个情绪词语； 标识所述至少一个情绪词语中的每个情绪词语的极性；以及 合成所标识的情绪词语的极性。4.根据权利要求3所述的方法，还包括: 提取所述交互中所涉及的至少一个操作； 标识所述至少一个操作中的每个操作的极性；以及 合成所标识的操作的极性。5.根据权利要求4所述的方法，其中所述社交关系的所述极性通过组合所合成的情绪词语的极性和所合成的操作的极性而被估计。6.根据权利要求1所述的方法，其中所述社交关系的所述极性被估计以进一步指示所述社交关系的所述极性的所述强度。7.根据权利要求1所述的方法，还包括: 基于所估计的所述社交关系的极性来管理所述第一用户与所述第二用户之间的所述社交关系。8.一种装置，包括: 至少一个处理器；以及 包括计算机程序代码的至少一个存储器， 所述至少一个存储器和所述计算机程序代码被配置为与所述至少一个处理器一起使得所述装置至少执行以下操作: 收集与社交网络中的第一用户与第二用户之间的交互相关联的数据；以及基于所收集的数据来估计所述第一用户与所述第二用户之间的社交关系的极性，以指示所述第一用户与所述第二用户之间的所述社交关系是积极的、消极的或中性的。9.根据权利要求8所述的装置，其中估计所述社交关系的所述极性包括: 标识所述交互中所涉及的文本和操作中的至少一项的极性；以及 基于所标识的极性来估计所述社交关系的所述极性。10.根据权利要求9所述的装置，其中所述装置还被使得: 从所述交互中所涉及的所述文本提取至少一个情绪词语； 标识所述至少一个情绪词语中的每个情绪词语的极性；以及 合成所标识的情绪词语的极性。11.根据权利要求10所述的装置，其中所述装置还被使得: 提取所述交互中所涉及的至少一个操作； 标识所述至少一个操作中的每个操作的极性；以及 合成所标识的操作的极性。12.根据权利要求11所述的装置，其中所述社交关系的所述极性通过组合所合成的情绪词语的极性和所合成的操作的极性而被估计。13.根据权利要求8所述的装置，其中所述社交关系的所述极性被估计以进一步指示所述社交关系的所述极性的所述强度。14.根据权利要求8所述的装置，其中所述装置还被使得: 基于所估计的所述社交关系的极性来管理所述第一用户与所述第二用户之间的所述社交关系。15.—种承载一条或多条指令的一个或多个序列的计算机可读存储介质，所述一条或多条指令的所述一个或多个序列当由一个或多个处理器执行时，使得装置至少执行权利要求1-7中的任一项所述的方法。16.—种设备，包括用于执行根据权利要求1-7中的任一项所述的方法的装置。17.—种包括一条或多条指令的一个或多个序列的计算机程序产品，所述一条或多条指令的所述一个或多个序列当由一个或多个处理器执行时，使得装置至少执行权利要求1-7中的任一项所述的方法的步骤。
【文档编号】G06F17/27GK105940393SQ201480074173
【公开日】2016年9月14日
【申请日】2014年1月27日
【发明人】韩闻文, 田野, 王文东, 马建
【申请人】诺基亚技术有限公司