基于用户关系的跨社交网络用户身份关联方法

为识别出不同社交网络平台中属于同一自然人的账号,提出了一种基于用户关系的跨社交网络用户身份关联方法。首先,设计了基于网络表示学习的用户关系提取模块,将大规模用户关系转换至低维向量空间进行表示;然后,针对异构信息网络改进了传统网络表示学习算法,提出了CSNLINE算法,实现融合跨社交网络先验关联关系的网络表示;最后,构建了基于多层感知机的用户身份关联模型。实验结果表示,提出的方法与目前先进的方法相比,综合指标F1值和正确率的提高均超过12%,证明了该方法的合理性和有效性。

跨社交平台的用户识别方法研究

随着互联网及应用的快速发展,社交网络对人们的生活影响越来越大.一个用户可能同时具有多个社交网络账号.如果能够关联出同一用户在不同社交网络中的账号,对于网络安全监管有很大帮助.对主流社交平台Facebook和Twitter采用基于账号属性信息结合熵权法的方法进行用户身份关联.通过分析以及融合用户数据,选择出用户名、个人主页、地理位置和个人描述四个属性作为用户身份关联的特征,采用不同的相似度匹配算法计算四个属性的相似度,并利用熵权法计算出最终的相似度,最后根据决策判定方法确定出关联结果.实验结果表明,基于属性信息用户身份关联方法具有一定的用户身份关联能力,关联结果召回率可以达到90.26%,为社交网络的用户身份关联提供参考.