作者:
基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
针对现有基于用户名的跨社交网络用户身份匹配算法,匹配时需要设计复杂的用户名字符串统计特征用于机器学习模型输入,本文提出了一个端到端的基于卷积神经网络的用户名字符级嵌入身份匹配算法。
推荐文章
采用用户名相似度传播模型的线上用户身份属性关联方法
线上应用
属性关联分析
用户名相似
特征传播
基于用户兴趣的跨网络用户身份识别算法
跨网络用户身份识别
分块
用户兴趣
用户产生内容
基于用户关系的跨社交网络用户身份关联方法
用户关系
跨社交网络
用户身份关联
网络表示学习
多层感知机
基于隐藏标签节点挖掘的跨网络用户身份识别
用户身份识别
跨网络
社团聚类
隐藏标签节点
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于卷积神经网络的字符级用户名嵌入跨社交网络身份匹配算法
来源期刊 电脑知识与技术:学术版 学科 工学
关键词 卷积神经网络 用户名嵌入 字符级 用户身份匹配
年,卷(期) 2021,(5) 所属期刊栏目
研究方向 页码范围 197-198
页数 2页 分类号 TP311
字数 语种
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2021(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
卷积神经网络
用户名嵌入
字符级
用户身份匹配
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电脑知识与技术:学术版
旬刊
1009-3044
34-1205/TP
安徽合肥市濉溪路333号
26-188
出版文献量(篇)
41621
总下载数(次)
23
总被引数(次)
0
论文1v1指导