跨社交網(wǎng)絡(luò)用戶身份識(shí)別是在線社交網(wǎng)絡(luò)研究的重要組成部分,在多源數(shù)據(jù)融合、跨網(wǎng)絡(luò)信息傳播以及網(wǎng)絡(luò)空間治安管理等方面具有重要的現(xiàn)實(shí)意義。近年來(lái)跨網(wǎng)絡(luò)用戶身份識(shí)別研究受到越來(lái)越多的關(guān)注,基于社交網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的用戶身份識(shí)別算法層出不窮。但當(dāng)前研究中仍然存在用戶特征提取不全面、跨社交網(wǎng)絡(luò)用戶間關(guān)系建模不準(zhǔn)確的問(wèn)題。本文聚焦于從網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的角度解決用戶身份識(shí)別問(wèn)題,主要工作和創(chuàng)新點(diǎn)如下:1.針對(duì)現(xiàn)有研究中僅利用鄰近性結(jié)構(gòu)學(xué)習(xí)用戶特征表示而導(dǎo)致用戶特征提取不全面的問(wèn)題,提出了基于社區(qū)結(jié)構(gòu)表示學(xué)習(xí)的跨社交網(wǎng)絡(luò)用戶身份識(shí)別算法。首先,在學(xué)習(xí)社交網(wǎng)絡(luò)中節(jié)點(diǎn)向量表示的過(guò)程中同時(shí)考慮一階/二階鄰近性結(jié)構(gòu)和社區(qū)結(jié)構(gòu),盡可能地保留社交網(wǎng)絡(luò)原始結(jié)構(gòu)信息;然后,將已知錨鏈接作為監(jiān)督信息,訓(xùn)練BP神經(jīng)網(wǎng)絡(luò),學(xué)習(xí)源網(wǎng)絡(luò)和目標(biāo)網(wǎng)絡(luò)之間的非線性映射函數(shù)。在真實(shí)社交網(wǎng)絡(luò)數(shù)據(jù)集和合成數(shù)據(jù)集上進(jìn)行的一系列實(shí)驗(yàn)表明,該算法不僅提高了用戶身份識(shí)別的準(zhǔn)確性,其中0)（84）4)9)@1超過(guò)45%,比最先進(jìn)的Deep Link算法提高了30%以上;而且在已知錨鏈接較少的場(chǎng)景下,仍然具有十分優(yōu)異的表現(xiàn),當(dāng)已知錨鏈接僅有10%時(shí),0)（84... 

【文章來(lái)源】：戰(zhàn)略支援部隊(duì)信息工程大學(xué)河南省

【文章頁(yè)數(shù)】：63 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 跨社交網(wǎng)絡(luò)用戶身份識(shí)別算法研究現(xiàn)狀
        1.2.2 網(wǎng)絡(luò)表示學(xué)習(xí)技術(shù)研究現(xiàn)狀
    1.3 現(xiàn)有研究存在的問(wèn)題
    1.4 主要研究?jī)?nèi)容
    1.5 論文組織架構(gòu)
第二章 跨社交網(wǎng)絡(luò)用戶身份識(shí)別研究框架
    2.1 術(shù)語(yǔ)定義及相關(guān)概念
    2.2 問(wèn)題描述及形式化定義
    2.3 用戶身份識(shí)別基本研究框架
    2.4 評(píng)價(jià)指標(biāo)
    2.5 本章小結(jié)
第三章 基于社區(qū)結(jié)構(gòu)表示學(xué)習(xí)的跨社交網(wǎng)絡(luò)用戶身份識(shí)別
    3.1 問(wèn)題分析
    3.2 社區(qū)一致性現(xiàn)象分析
    3.3 算法框架和基本步驟
        3.3.1 網(wǎng)絡(luò)擴(kuò)展
        3.3.2 融合社區(qū)結(jié)構(gòu)特征的網(wǎng)絡(luò)表示學(xué)習(xí)
        3.3.3 基于BP神經(jīng)網(wǎng)絡(luò)的映射學(xué)習(xí)
    3.4 實(shí)驗(yàn)
        3.4.1 實(shí)驗(yàn)數(shù)據(jù)
        3.4.2 實(shí)驗(yàn)設(shè)置
        3.4.3 在真實(shí)數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果及討論
        3.4.4 在合成數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果及討論
    3.5 本章小結(jié)
第四章 基于神經(jīng)張量網(wǎng)絡(luò)的跨社交網(wǎng)絡(luò)用戶身份識(shí)別
    4.1 問(wèn)題分析
    4.2 算法框架和基本步驟
        4.2.1 基于Random Walks和 Skip-gram的網(wǎng)絡(luò)表示學(xué)習(xí)
        4.2.2 基于神經(jīng)張量網(wǎng)絡(luò)的跨社交網(wǎng)絡(luò)用戶間關(guān)系建模
        4.2.3 基于多層感知機(jī)的用戶身份識(shí)別
    4.3 實(shí)驗(yàn)
        4.3.1 實(shí)驗(yàn)數(shù)據(jù)
        4.3.2 實(shí)驗(yàn)設(shè)置
        4.3.3 實(shí)驗(yàn)結(jié)果及分析
    4.4 本章小結(jié)
第五章 基于圖注意力網(wǎng)絡(luò)的跨社交網(wǎng)絡(luò)用戶身份識(shí)別
    5.1 問(wèn)題分析
    5.2 算法框架和基本步驟
        5.2.1 基于Node2vec的網(wǎng)絡(luò)表示學(xué)習(xí)
        5.2.2 基于圖注意力網(wǎng)絡(luò)的節(jié)點(diǎn)特征強(qiáng)化
        5.2.3 基于神經(jīng)張量網(wǎng)絡(luò)的用戶身份識(shí)別
    5.3 實(shí)驗(yàn)
        5.3.1 實(shí)驗(yàn)數(shù)據(jù)
        5.3.2 實(shí)驗(yàn)設(shè)置
        5.3.3 實(shí)驗(yàn)結(jié)果及分析
    5.4 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
致謝
參考文獻(xiàn)
作者簡(jiǎn)歷


【參考文獻(xiàn)】：
期刊論文
[1]網(wǎng)絡(luò)表示學(xué)習(xí)綜述[J]. 涂存超,楊成,劉知遠(yuǎn),孫茂松.  中國(guó)科學(xué):信息科學(xué). 2017(08)
[2]基于用戶名特征的用戶身份同一性判定方法[J]. 劉東,吳泉源,韓偉紅,周斌.  計(jì)算機(jī)學(xué)報(bào). 2015(10)
[3]基于多屬性決策的社交網(wǎng)絡(luò)用戶識(shí)別（英文）[J]. 葉娜,張銀亮,董麗麗,邊根慶,Enjie LIU,Gordon J.Clapworthy.  中國(guó)通信. 2013(12)
[4]FourSquare:移動(dòng)社交新星[J]. 許秀全.  互聯(lián)網(wǎng)天地. 2010(03)

碩士論文
[1]基于深度學(xué)習(xí)的火焰檢測(cè)算法研究[D]. 薛港城.西安電子科技大學(xué) 2019
[2]結(jié)合圖嵌入與矩陣分解的社會(huì)化推薦系統(tǒng)研究[D]. 張洪磊.北京交通大學(xué) 2019
[3]多源異構(gòu)數(shù)據(jù)的跨域關(guān)聯(lián)方法研究及應(yīng)用[D]. 郭馨蔚.電子科技大學(xué) 2016



本文編號(hào)：3643352