国内外跨社交网络用户身份识别综述

随着社交网络的兴起,跨社交网络用户身份识别技术成为国内外学者和产业界关注和研究的热点。本文通过对国内外研究现状进行述评,梳理和展望了跨社交网络用户身份识别技术的发展,有助于帮助国内外学者了解跨社交网络身份识别技术的研究动态和发展趋势,为进一步研究提供新的方向和思路。

基于深度学习的跨社交网络用户身份识别研究

近年来跨社交网络用户身份识别技术成为众多学者研究的一个热点领域。但现有的跨社交网络身份识别技术存在诸如识别的成本高、准确率低和普适度不足等缺点。而依靠社交网络上的用户昵称采用深度学习方法进行身份识别可以克服这些缺点。该方法首先采用网络爬虫爬取了同一用户在社交网络Facebook和Twitter上的昵称对,然后在对数据清洗、转换、集成和处理后作为实验数据集;最后对实验数据集采用深度学习算法进行训练和识别。实验表明,基于深度学习的身份识别算法的准确率、精确率、召回率,和F1值分别达到了92.44%、94.29%、92.44%、93.11%和92.49%,结果优于传统机器学习算法以及该领域其他相似研究的识别效果,证实了该方法可以以较低数据获取成本实现较高识别效果并在不同社交网络使用。

基于朴素贝叶斯算法的*ST企业财务状况预测研究

随着我国经济的迅猛发展,金融市场中*ST企业不断增多。上市企业达到连续三年亏损就会被执行退市预警,这不仅使普通投资者回报下降、也使企业股东权益受损。为了对*ST企业发展状况更好的评价,文章以基于朴素贝叶斯算法的财务状况预测模型分析为研究课题,以沪深A股主板*ST企业t-1和t-2年的财务数据为研究样本,运用混淆矩阵评价指标构建具有适用性的财务状况预测模型。实证结果显示模型具有较好的推广效果与泛化作用,对*ST企业财务状况具备一定的预测效果。