基于多源数据整合的跨社交网络用户匹配方法

• 作者: 胡三宁 李玉祥
• 来源期刊: 计算机仿真
• 关键词: 多源数据整合 数据挖掘 高斯模型 属性相似度 二分类问题
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 仿真服务化
• 页码范围: 352-355,466
• 页数: 5页
• 分类号: TP472
• 语种: 中文
• DOI: 10.3969/j.issn.1006-9348.2021.04.071

摘要

针对跨社交网络用户匹配数据整合不完善、准确率较低的问题,提出基于多源数据整合的跨社交网络用户匹配方法.通过对多源数据相关挖掘获得用户在不同社交媒体网络中账号的对应关系,采用高斯模型处理账号依据对应关系完成数据整合.拟采用用户名、链接地址、姓名和用户Email信息来表示不同网络用户间的属性相似度,将已知匹配用户的相似度向量作为训练向量,同时将身份匹配转化为二分类问题,计算用户匹配度,完成跨社交网络用户匹配.实验结果表明,上述匹配方法获得的准确率、召回率、F1值等各项指标效果较好,具有一定的应用价值.