基于好友亲密度的用户匹配

• 作者: 郭磊 马廷淮
• 来源期刊: 计算机科学
• 学科: 工学
• 关键词: 用户匹配 社交网络 好友亲密度 网络嵌入 注意力机制
• 年，卷（期）: 2022,（3）
• 所属期刊栏目: 数据库&大数据&数据科学|Database & Big Data & Data Science
• 页码范围: 113-120
• 页数: 8页
• 分类号: TP311
• 语种: 中文
• DOI: 10.11896/jsjkx.210200137

摘要

用户匹配的目的是检测来自不同社交网络的用户是否是同一个人.现有的研究主要集中在用户属性和网络嵌入上,而这些研究方法往往忽略了用户与好友间的亲密关系.因此,文中提出一种基于好友亲密度的用户匹配算法(FCUM).该算法是一种半监督、端到端的跨社交网络用户匹配算法,其中注意力机制被用于量化用户与好友之间的亲密度.好友亲密度的量化能够提高FCUM的泛化能力.通过在单一目标函数中对用户个体相似性和亲密好友相似性进行联合优化,能充分利用用户个体相似性和亲密好友相似性.文中还设计了一种双向匹配策略,用于解决人工标记匹配用户代价较高的问题.在真实数据集上的实验表明,FCUM算法优于其他只考虑用户个体相似性的方法.在如今用户隐私保护限制愈发严格、难以获取用户其他完整属性信息的情形下,该算法具有实用和易于推广的特性.