为打破现存研究普遍以网络拓扑一致性假设为前提的限制,弱化锚节点数量和质量对链接任务的影响,提出一种基于跨网络语义表征的用户链接算法CSRMA(cross-network semantic representation link algorithm based on mask attention mechan...为打破现存研究普遍以网络拓扑一致性假设为前提的限制,弱化锚节点数量和质量对链接任务的影响,提出一种基于跨网络语义表征的用户链接算法CSRMA(cross-network semantic representation link algorithm based on mask attention mechanism)。该算法框架包含3个模块:多视角采样与注意力机制相结合的跨网络表征模块、不同网络共性特征学习的语义空间映射模块、基于k-d树改进Gale-Shapley算法的用户身份精准链接模块。通过4个公开数据集上的实验验证了所提算法的有效性。与多个身份链接算法对比,CSRMA具有更高的精确率。展开更多
文摘为打破现存研究普遍以网络拓扑一致性假设为前提的限制,弱化锚节点数量和质量对链接任务的影响,提出一种基于跨网络语义表征的用户链接算法CSRMA(cross-network semantic representation link algorithm based on mask attention mechanism)。该算法框架包含3个模块:多视角采样与注意力机制相结合的跨网络表征模块、不同网络共性特征学习的语义空间映射模块、基于k-d树改进Gale-Shapley算法的用户身份精准链接模块。通过4个公开数据集上的实验验证了所提算法的有效性。与多个身份链接算法对比,CSRMA具有更高的精确率。