网络专家可信度判断装置的制造方法
【专利摘要】网络专家可信度判断装置，包括：行为收集器(1)、数据累积器(2)、第一特征提取器(3)和第一神经网络识别器(4)，行为收集器(1)用于收集网络专家在现实世界与其他用户之间产生的社交行为；数据累积器(2)，用于累积社交行为的相关数据；第一特征提取器(3)用于提取累积的社交行为的相关数据的第一特征值；第一神经网络识别器(4)用于根据第一特征值对网络专家的可信度判断。由于社交行为是网络专家在现实世界中与用户之间产生的社交行为，这种行为具有不可模拟性，因此，使得获取的第一特征值更为真实可靠，进而第一神经网络识别器(4)得到的网络专家可信度也更具参考价值，从而为用户提供更加可靠有价值的专家意见。
【专利说明】
网络专家可信度判断装置
技术领域
[0001]本发明涉及互联网技术领域，具体涉及网络专家可信度判断装置。
【背景技术】
[0002]随着互网络的迅速发展，人们越来越依附于网络。当遇有难题时，也依靠互联网搜索，期望网络上的专家给出指导性意见。但是，网络上的专家的水平也都参差不齐，有些专家给出的意见也不太可信，甚至于存在一些伪专家。那么，如何判定网络上专家的可信程度成为目前亟待解决的一个问题。
[0003]目前，常规的专家可信程度的判定方法是通过人员对专家的意见进行解读以进行判定，对于不同的人往往具有不同的判定结果，具有主观性，从而使判定结果缺乏真实性。
【发明内容】
[0004]针对上述问题，本申请提供一种网络专家可信度判断装置，包括:
[0005]行为收集器，用于收集网络专家在现实世界与其他用户之间产生的社交行为；
[0006]数据累积器，用于累积社交行为的相关数据；
[0007]第一特征提取器，用于提取累积的社交行为的相关数据的第一特征值；
[0008]第一神经网络识别器，用于根据第一特征值对网络专家的可信度判断。
[0009]—种实施例中，收集器包括:
[0010]搜索单元，用于通过网络专家持有的第一移动智能终端搜索附近的移动智能终端；
[0011 ]连接及位置信息交换单元，用于当发现一用户持有的第二移动智能终端时，则与第二移动智能终端建立会话连接，并与第二移动智能终端进行实时位置的交换；
[0012]实时行为识别单元，用于通过实时位置信息以及会话连接的状态信息，识别所述网络专家与用户当前正在进行的社交行为。
[0013]一种实施例中，收集器包括:
[0014]实时空间位置信息获取单元，用于通过网络专家持有的第一移动智能终端以及用户持有的第二移动智能终端，获取网络专家以及用户在现实世界中的实时空间位置信息；
[0015]记录及分析单元，用于将在现实世界中的实时空间位置信息上传给服务器，以便在服务器侧对的在现实世界中的实时空间位置信息进行记录，并根据记录的实时空间位置信息分析网络专家与用户的行动轨迹，根据行动轨迹识别网络专家与用户在现实世界中的社交行为。
[0016]一种实施例中，数据累积器包括:
[0017]记录子单元，用于记录网络专家在现实世界中与其他用户之间产生社交行为的时间、地点、次数；
[0018]复制子单元，用于将社交行为的相关信息复制到互联网中，以便其他用户在互联网中对社交行为进行线上评价或反馈，累积评价或反馈的数据；
[0019]数据分析子单元，用于分析记录子单元的数据，并根据分析结果将其他用户相对于网络专家分类为好友类和非好友类。
[0020]—种实施例中，数据累积器还包括计数器，计数器用于记录网络专家的好友的数量。
[0021]—种实施例中，网络专家可信度判断装置还包括:
[0022]信息收集器，用于从互联网上获取网络专家的可信程度的影响因素信息；
[0023]第二特征提取器，用于提取可信程度的影响因素信息的第二特征值；
[0024]第二神经网络识别器，用于结合第一特征值和第二特征值对网络专家的可信度判断。
[0025]—种实施例中，可信程度的影响因素信息包括以下影响因素中的至少一种:
[0026]用户评论内容、点赞量、点踩量、用户评论分数、用户评论数量、专家职称、专家在专业领域内的认可度、专家发表的文章数量、专家发表文章的总时长和最后一篇文章离现在的时间长短。
[0027]依据上述实施例的网络专家可信度判断装置，由于社交行为是网络专家与用户之间产生的社交行为，这种行为具有不可模拟性，因此，使得获取的第一特征值更为真实可靠，进而第一神经网络识别器得到的网络专家可信度也更具参考价值，从而为用户提供更加可靠有价值的专家意见。
【附图说明】
[0028]图1为网络专家可信度判断装置原理图；
[0029]图2为另一种行为收集器原理图；
[0030]图3为另一种网络专家可信度判断装置原理图。
【具体实施方式】
[0031 ]下面通过【具体实施方式】结合附图对本发明作进一步详细说明。
[0032]在本实用新型实施例中，根据网络专家与其他用户在现实世界中的社交行为，判断该网络专家的可信度。
[0033]在本实用新型实施例中，根据两个用户在现实世界中的社交行为，并基于神经网络对用户的可信度进行认定。
[0034]本例提供一种网络专家可信度判断装置，其原理图如图1所示，包括:行为收集器
1、数据累积器2、第一特征提取器3和第一神经网络识别器4。
[0035]具体的，行为收集器I用于收集网络专家在现实世界与其他用户之间产生的社交行为;本例的行为收集器I包括搜索单元11、连接及位置信息交换单元12和实时行为识别单元13。
[0036]搜索单元11用于通过网络专家持有的第一移动智能终端搜索附近的移动智能终端;如，将本例的网络专家可信度判断装置安装于网络专家持有的第一移动智能终端内，网络专家打开使用的第一移动智能终端并开启网络专家可信度判断装置后，搜索单元11就可以自动搜索附近同样装有该网络专家可信度判断装置的移动智能终端。其中，移动智能终端可以通过蓝牙、NFC(Near Field Communicat1n、近距离无线通信)、Wif1、红外等近距离传输技术发出握手信号，这种信号可以通过频谱中无线频率部分的电磁感应耦合等方式进行传递，传输距离比较有限。因此，对于某第一移动智能终端而言，如果能够接收到第二移动智能终端发出的握手信号，则证明这两个移动智能终端的距离比较近，相应的，这两个移动智能终端的持有者就可能在进行某种社交行为。
[0037]连接及位置信息交换单元12用于当发现一用户持有的第二移动智能终端时，则与第二移动智能终端建立会话连接，并与第二移动智能终端进行实时位置的交换;如果第一移动智能终端与第二移动智能终端都装有本例的网络专家可信度判断装置，则会以同样的协议发出握手信号，如果这两个终端的距离比较近，就可以互相接收到对方发出的握手信号，此时，这两个终端握手成功。握手成功之后，就说明第一移动智能终端发现了第二移动智能终端，进而就可以建立起这两个终端之间的会话连接，同时，还可以相互交换一些信息，这些信息可以是各自的实时位置信息。其中，关于移动智能终端的实时位置信息，可以是通过移动智能终端的GPS等定位装置获取，一个移动智能终端在获取到自己的实时位置信息之后，再通过建立的会话连接发送给与其握手成功的其他移动智能终端。
[0038]实时行为识别单元13用于通过实时位置信息以及会话连接的状态信息，识别网络专家与用户当前正在进行的社交行为;在现实世界中，网络专家与不同的用户之间进行的社交行为可能有会面、同行、路过等。在本例中，首先要识别出网络专家与不同用户之间正在进行的社交行为类型，然后用这种现实世界中的行为来影响虚拟世界中的社交行为，进而还可以再通过虚拟世界中的信息来影响现实世界中的行为。
[0039]具体在识别网络专家与其他用户之间在现实世界中的社交行为时，就可以以之前获取到的移动智能终端各自的实时位置信息以及这两个移动智能终端之间的会话连接状态信息来进行判断。本例的移动智能终端为手机、ipad、或笔记本电脑等，具体的，以手机为例，为了便于理解，首先需要说明的是，在第一手机与第二手机之间的会话链接建立起来之后，第一手机与第二手机仍然需要互发握手信号，只有在两个手机能够互相接收到对方的握手信号的情况，才能保持会话的连接状态，如果会话连接建立起来之后的某时刻，两个手机接收不到对方的握手信号了，则这两个手机之间的会话连接就会断开。因此，本例的两个手机之间的会话连接的状态信息可以包括，会话处于连接状态的持续时间、建立会话的起始时间以及结束时间，等等。通过两个手机之间的会话连接状态信息，可以判断出网络专家与用户之间的距离在何时比较近，以及处于这种近距离的持续时间是多长，这可以作为判断这网络专家与用户之间正在发生怎样的社交行为的一方面的依据。
[0040]而另一方面的依据就在于网络专家与用户之间的相对位置变化信息。具体在识别网络专家与用户之间的相对位置变化信息时，就可以依据手机各自的实时位置信息来确定。例如，对于第一手机而言，其自身的实时位置信息可以通过自身的GPS系统(或者，移动通信网络基站定位，室内定位系统定位，红外定位等)获知，第二手机的实时位置信息可以在前述的交换信息的过程中获取，因此，就可以通过两个手机的实时位置信息的比对，来获取到两个用户之间的相对位置变化信息。具体的，这种相对位置变化信息包括:网络专家与用户都处于静止状态(也即没有走动)、网络专家与用户都处于运动状态并且运动的方向相同、网络专家与用户都处于运动状态，但是运动的方向相反、网络专家与用户都在某固定区域内活动等等D
[0041]在分析出网络专家与用户处于近距离状态的时间，以及两者之间的相对位置变化信息之后，就可以大致判断出网络专家与用户正在进行何种社交行为。例如，如果网络专家与用户处于近距离状态的时间比较长，并且网络专家与用户在此期间内都处于静止状态，则这网络专家与用户可能正在进行会面，此时，还可以记录下会面的时间、地点等信息，将这些信息记录到各自的社交网络中；如果网络专家与用户处于近距离状态的时间比较长，并且网络专家与用户在此期间内是在向同一方向运动，则这网络专家与用户可能正在同行，同样可以记录下一起行走的时间长短、路线等，记录到各自的社交网络中；如果网络专家与用户处于近距离状态的时间比较短，并且网络专家与用户在此期间内的运动方向相反，则这网络专家与用户可能仅仅是路过，等等。
[0042]另一种实施例中，通过另一种方式获取社交行为，进一步，提供另外一种行为收集器I，如图2所示，包括实时空间位置信息获取单元14和记录及分析单元15。
[0043]由于网络专家持有的第一移动智能终端，以及用户持有的第二移动智能终端中，一般都带有定位系统，因此，可以通过移动智能终端上的定位系统获取到各自的实时空间位置信息，并将这种信息实时或者在能够连接到网络时上报给服务器，在服务器侧进行记录。这样，在服务器侧经过一段时间的记录之后，就可以分析出网络专家与用户的运动轨迹，进而就可以根据运动轨迹分析出网络专家与用户之间是否发生过某种社交行为，或者是否规律性地发生过某种社交行为，等等，进而，就可以根据分析出的社交行为，向用户进行社交网络中的信息的推荐了。
[0044]本例的实时空间位置信息获取单元14用于通过网络专家持有的第一移动智能终端以及用户持有的第二移动智能终端，获取网络专家以及用户在现实世界中的实时空间位置信息；记录及分析单元15用于将在现实世界中的实时空间位置信息上传给服务器，以便在服务器侧对的在现实世界中的实时空间位置信息进行记录，并根据记录的实时空间位置信息分析网络专家与用户的行动轨迹，根据行动轨迹识别网络专家与用户在现实世界中的社交行为。
[0045]上述社交行为的两种获取方式都是通过网络专家与用户的移动智能终端来发现网络专家与用户之间是否发生某种社交行为，而不是通过单个网络专家自身执行的某种行为来进行识别。这是因为，单个网络专家自身执行的某种行为，是可以伪造的，例如某网络专家在某地吃饭等，这种行为可以通过模拟GPS数据等方式来进行伪造，并且难以区分出真伪。而在通过移动智能终端来发现附近的用户时，只有网络专家与用户在现实世界中的距离确实比较接近时，才能发现对方，这种数据是无法伪造的，因此，能够提高识别出的社交行为的真实性。
[0046]数据累积器2用于累积社交行为的相关数据;本例中，数据累积器2包括记录子单元21和复制子单元22;网络专家在现实世界中与其他用户发生了社交行为之后，可以对相关数据进行记录，然后将多个记录进行累积，以此作为评判一个网络专家可信度的依据。其中，社交行为的相关数据可以包括网络专家与其他用户发生某种社交行为的时间、地点、次数等等，
[0047]记录子单元21就是用于记录网络专家在现实世界中与其他用户之间产生社交行为的时间、地点、次数;此外，还可以将网络专家与用户在现实世界中发生的社交行为复制到线上，这样，其他用户都可以对此次行为进行评价、反馈信息等等，而复制子单元22用于将社交行为的相关信息复制到互联网中，以便其他用户在互联网中对社交行为进行线上评价或反馈。
[0048]为了进一步明确网络专家与其他用户之间的关系，本例的数据累积器2还包括数据分析子单元23，数据分析子单元23用于分析记录子单元21记录的数据，并根据分析结果将其他用户相对于网络专家分类为好友类和非好友类，具体的，数据分析子单元23分析网络专家在现实世界中与其他用户之间产生社交行为的次数将其分类为好友类或非好友类，如，判断会面或同行的次数达到10次以上，即判定该某一用户是该网络专家的好友，将其标志为好友类，否则标志为非好友类;进一步，数据累积器2还包括计数器24，计数器24用于记录该网络专家的好友的数量;第一特征提取器3用于提取累积的社交行为的相关数据的第一特征值，本例的第一特征值是网络专家的好友的数量。
[0049]第一神经网络识别器4根据第一特征值对网络专家的可信度认证;具体的，构建第一神经网络识别器4的训练模型，该训练模型根据已设定样本集进行训练，该样本集为好友的权重和好友的数量，直至训练至期望可信度权重;将第一特征提取器3提取的第一特征值输入第一神经网络识别器4，第一神经网络识别器4的训练模型对第一特征值进行训练，并将训练结果与期望可信度进行比较，若误差值小于预先设定的误差值，则判断该网络专家是权威专家，否则判断该网络专家是伪专家，预先设定的误差值为0.001。
[0050]另一种实施例中，将上述网络专家在现实世界中的社交行为与其在在线网络中的可信程度的影响因素信息相结合，综合判断其可信度，该网络专家可信度判断装置原理图如图3所示，网络专家可信度判断装置还包括:信息收集器5、第二特征提取器6和第二神经网络识别器7。
[0051]信息收集器5用于从互联网上获取网络专家的可信程度的影响因素信息；本例的可信程度的影响因素信息包括:用户评论内容、点赞量、点踩量、用户评论分数、用户评论数量、专家职称、专家在专业领域内的认可度、专家发表的文章数量、专家发表一篇文章的总时长和最后一篇文章离现在的时间长短。第二特征提取器6用于提取可信程度的影响因素信息的第二特征值，该第二特征值为网络专家发表的文章数量、网络专家发表文章的总时长和最后一篇文章离现在的时间长短。第二神经网络识别器7用于结合第一特征值和第二特征值对网络专家的可信度进行判断；具体的，构建第二神经网络识别器7的训练模型，该训练模型根据已设定样本集进行训练，该样本集为好友的权重、好友的数量、网络专家发表的文章数量、网络专家发表文章的总时长和最后一篇文章离现在的时间长短，直至训练至期望可信度权重;将第二特征提取器6提取的第二特征值和第一特征提取器3提取的第一特征值分别输入第二神经网络识别器7，第二神经网络识别器7的训练模型结合第二特征值和第一特征值进行训练，并将训练结果与期望可信度进行比较，若误差值小于预先设定的误差值，则判断该网络专家是权威专家，否则判断该网络专家是伪专家，预先设定的误差值为0.001。
[0052]以上应用了具体个例对本发明进行阐述，只是用于帮助理解本发明，并不用以限制本发明。对于本发明所属技术领域的技术人员，依据本发明的思想，还可以做出若干简单推演、变形或替换。
【主权项】
1.网络专家可信度判断装置，其特征在于，包括: 行为收集器(I)，用于收集网络专家在现实世界与其他用户之间产生的社交行为； 数据累积器(2)，用于累积所述社交行为的相关数据； 第一特征提取器(3)，用于提取所述累积的社交行为的相关数据的第一特征值； 第一神经网络识别器(4)，用于根据所述第一特征值对所述网络专家的可信度判断。2.如权利要求1所述的网络专家可信度判断装置，其特征在于，所述行为收集器(I)包括: 搜索单元(11)，用于通过网络专家持有的第一移动智能终端搜索附近的移动智能终端； 连接及位置信息交换单元(12)，用于当发现一用户持有的第二移动智能终端时，则与所述第二移动智能终端建立会话连接，并与所述第二移动智能终端进行实时位置的交换；实时行为识别单元(13)，用于通过所述实时位置信息以及会话连接的状态信息，识别所述网络专家与所述用户当前正在进行的社交行为。3.如权利要求1所述的网络专家可信度判断装置，其特征在于，所述行为收集器(I)包括: 实时空间位置信息获取单元(14)，用于通过网络专家持有的第一移动智能终端以及用户持有的第二移动智能终端，获取网络专家以及用户在现实世界中的实时空间位置信息；记录及分析单元(15)，用于将所述在现实世界中的实时空间位置信息上传给服务器，以便在服务器侧对的所述在现实世界中的实时空间位置信息进行记录，并根据记录的实时空间位置信息分析所述网络专家与所述用户的行动轨迹，根据所述行动轨迹识别网络专家与用户在现实世界中的社交行为。4.如权利要求2或3所述的网络专家可信度判断装置，其特征在于，所述数据累积器(2)包括: 记录子单元(21)，用于记录网络专家在现实世界中与其他用户之间产生社交行为的时间、地点、次数； 复制子单元(22)，用于将所述社交行为的相关信息复制到互联网中，以便其他用户在所述互联网中对所述社交行为进行线上评价或反馈，累积评价或反馈的数据； 数据分析子单元(23)，用于分析所述记录子单元(21)的数据，并根据分析结果将其他用户相对于所述网络专家分类为好友类和非好友类。5.如权利要求4所述的网络专家可信度判断装置，其特征在于，所述数据累积器(2)还包括计数器(24)，所述计数器(24)用于记录所述网络专家的好友的数量。6.如权利要求5所述的网络专家可信度判断装置，还包括: 信息收集器(5)，用于从互联网上获取网络专家的可信程度的影响因素信息； 第二特征提取器(7)，用于提取所述可信程度的影响因素信息的第二特征值； 第二神经网络识别器(8)，用于结合所述第一特征值和第二特征值对所述网络专家的可信度判断。
【文档编号】G06F17/30GK205427846SQ201620147538
【公开日】2016年8月3日
【申请日】2016年2月26日
【发明人】张怡宁, 张小春
【申请人】云南六个人网络科技有限公司