利用邻近度与内容特征的用户识别方法

社交网络对用户拓扑结构进行了获取限制,使得利用结构特征进行识别的方法准确率大大下降。利用邻近度与内容特征的用户识别方法构建了一个融合属性特征、结构特征与内容特征的基于XGboost的半监督网络模型,将跨社交网络用户识别问题转换为二分类问题。针对无法获得完整用户拓扑结构与种子用户不足的问题,提出显式好友与隐式好友的提取方法,根据待匹配用户对好友网络中的显式匹配用户对、隐式匹配用户对与其他好友将好友网络融合,结合用户重要度改进LINE算法二阶邻近度的经验概率,获取待匹配用户对的结构特征;将用户发文时间序列特征、生成内容关键词重叠度特征与关注用户标签特征作为生成内容特征;最后将属性特征、结构特征与内容特征进行融合完成用户识别。在真实数据集上的实验证明了本方法的有效性。