基于融合表示学习的跨社交网络用户身份匹配

• 作者: 于洪涛 刘正铭 杨奕卓 黄瑞阳
• 来源期刊: 计算机工程
• 学科: 工学
• 关键词: 社交网络 用户身份匹配 用户名 信息融合 网络表示学习
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 先进计算与数据处理
• 页码范围: 45-51
• 页数: 7页
• 分类号: TP391
• 字数: 7400字
• 语种: 中文
• DOI: 10.19678/j.issn.1000-3428.0050766

摘要

针对现有跨社交网络用户身份匹配算法准确率较低与数据难以获取等问题,提出一种新的跨社交网络用户身份匹配算法.利用已知匹配的账号节点,通过网络融合算法使跨网络问题转化为单一网络问题,对用户名信息进行向量化表示,并与拓扑结构信息向量融合,运用网络表示学习技术,得到融合用户名和拓扑结构2种信息的账号节点向量,实现用户身份匹配.实验结果表明,该算法的平均F1值达到79.7％,比传统的机器学习算法及现有2种基准算法高7.3％～28.8％,有效提升了用户身份匹配的效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	于洪涛		44	339	10.0	16.0
2	黄瑞阳		50	146	7.0	8.0
3	刘正铭		5	17	2.0	4.0
4	杨奕卓		3	16	2.0	3.0