當(dāng)前互聯(lián)網(wǎng)中廣泛存在著敏感實(shí)體利用社交網(wǎng)絡(luò)進(jìn)行極端思想傳播和聯(lián)絡(luò)潛在人員等行為。為解決網(wǎng)絡(luò)安全治理工作中敏感實(shí)體發(fā)現(xiàn)的首要問(wèn)題,本文提出了一種基于廣度學(xué)習(xí)的多源異構(gòu)社交網(wǎng)絡(luò)環(huán)境下敏感實(shí)體識(shí)別模型,為新時(shí)代網(wǎng)絡(luò)信息安全治理的"中國(guó)之治"提供參考。獲取Twitter和Facebook兩個(gè)異構(gòu)社交網(wǎng)絡(luò)實(shí)驗(yàn)數(shù)據(jù)集,采用廣度學(xué)習(xí)網(wǎng)絡(luò)嵌入技術(shù)將處理過(guò)后的敏感用戶(hù)節(jié)點(diǎn)和推文節(jié)點(diǎn)嵌入同一低維特征空間,并將嵌入結(jié)果融合到矩陣因子分解框架中,實(shí)現(xiàn)多源異構(gòu)敏感實(shí)體的識(shí)別工作。將多源數(shù)據(jù)與單源數(shù)據(jù)的識(shí)別結(jié)果進(jìn)行對(duì)比,本文提出的模型具有更好的性能表現(xiàn)。 

【文章來(lái)源】：情報(bào)學(xué)報(bào). 2020,39(06)北大核心CSSCICSCD

【文章頁(yè)數(shù)】：10 頁(yè)

【部分圖文】：

HSNs中敏感實(shí)體識(shí)別相關(guān)技術(shù)

本文提出的敏感實(shí)體識(shí)別模型主要由有效信息提取、異構(gòu)網(wǎng)絡(luò)嵌入和敏感實(shí)體識(shí)別三個(gè)部分組成，模型結(jié)構(gòu)如圖3所示。首先，通過(guò)基于元路徑的隨機(jī)游走策略，生成節(jié)點(diǎn)序列并加以約束；然后，采用基于廣度學(xué)習(xí)的網(wǎng)絡(luò)嵌入技術(shù)將兩個(gè)不同的大型HSNs中的用戶(hù)節(jié)點(diǎn)和敏感項(xiàng)目節(jié)點(diǎn)映射到同一低維特征空間中；最后，引入一組融合函數(shù)用于學(xué)習(xí)用戶(hù)和敏感項(xiàng)目的有效嵌入表示，并將最終表示融合到基于矩陣因子分解框架的關(guān)聯(lián)度分?jǐn)?shù)預(yù)測(cè)模型中，通過(guò)計(jì)算用戶(hù)與敏感項(xiàng)目之間的關(guān)聯(lián)度分?jǐn)?shù)，識(shí)別出HSNs中潛在的敏感實(shí)體。3.2 模型研究

首先，分別為異構(gòu)社交網(wǎng)絡(luò)G(1)和G(2)中的所有用戶(hù)節(jié)點(diǎn)定義一組元路徑?k∈{?0,?1,?2,?,?n}，并采用基于元路徑的隨機(jī)游走模型作為遍歷策略，分別生成G(1)和G(2)的所有節(jié)點(diǎn)序列P(1)和P(2)，以便捕捉HSNs中包含的復(fù)雜關(guān)系。以異構(gòu)社交網(wǎng)絡(luò)G(1)為例，給定一個(gè)元路徑可以根據(jù)公式(1)所示的分布生成所需的游走路徑，式中，nt是隨機(jī)游走模型中的第t個(gè)節(jié)點(diǎn)；At是對(duì)象v的類(lèi)型；表示與節(jié)點(diǎn)v一階相鄰的所有節(jié)點(diǎn)的集合。

【參考文獻(xiàn)】：
期刊論文
[1]基于信息級(jí)聯(lián)的網(wǎng)絡(luò)意見(jiàn)傳播及扭曲效應(yīng)國(guó)外研究進(jìn)展[J]. 魏建良,朱慶華.  情報(bào)學(xué)報(bào). 2019(10)
[2]社交網(wǎng)絡(luò)關(guān)鍵節(jié)點(diǎn)檢測(cè)的積極效應(yīng)問(wèn)題[J]. 王新棟,于華,江成.  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2019(03)
[3]基于XGBoost方法的社交網(wǎng)絡(luò)異常用戶(hù)檢測(cè)技術(shù)[J]. 袁麗欣,顧益軍,趙大鵬.  計(jì)算機(jī)應(yīng)用研究. 2020(03)
[4]知乎平臺(tái)用戶(hù)影響力分析與關(guān)鍵意見(jiàn)領(lǐng)袖挖掘[J]. 郭博,許昊迪,雷水旺.  圖書(shū)情報(bào)工作. 2018(20)
[5]基于熵權(quán)灰色關(guān)聯(lián)模型的重大突發(fā)輿情意見(jiàn)領(lǐng)袖識(shí)別研究[J]. 朱志國(guó),張翠,丁學(xué)君,苗蕊.  情報(bào)學(xué)報(bào). 2017(07)
[6]基于可信反饋的微博用戶(hù)情緒異常預(yù)警模型研究[J]. 熊建英.  情報(bào)科學(xué). 2017(04)
[7]基于雙層采樣主動(dòng)學(xué)習(xí)的社交網(wǎng)絡(luò)虛假用戶(hù)檢測(cè)方法[J]. 譚侃,高旻,李文濤,田仁麗,文俊浩,熊慶宇.  自動(dòng)化學(xué)報(bào). 2017(03)
[8]基于用戶(hù)聚類(lèi)的異構(gòu)社交網(wǎng)絡(luò)推薦算法[J]. 陳克寒,韓盼盼,吳健.  計(jì)算機(jī)學(xué)報(bào). 2013(02)



本文編號(hào)：3385758