隨著社交網(wǎng)絡(luò)的興起與普及,社交網(wǎng)絡(luò)與人們的生活聯(lián)系愈發(fā)緊密,與社交網(wǎng)絡(luò)相關(guān)的各類研究也在不斷的擴(kuò)展和深化。社交網(wǎng)絡(luò)的多樣化和差異化使得單一社交網(wǎng)絡(luò)已無法滿足人們需求,為享受不同社交平臺提供的個性化服務(wù),越來越多的用戶開始在不同平臺注冊賬號,在互聯(lián)網(wǎng)上擁有多個虛擬身份。但由于不同社交網(wǎng)絡(luò)間的信息并不互通,虛擬身份之間缺乏有效關(guān)聯(lián),在單一社交網(wǎng)絡(luò)中只能獲取片面的信息,無法形成數(shù)據(jù)的匯聚融合,因此亟需要一種能夠在不同虛擬身份間建立“溝通橋梁”的科學(xué)方法。準(zhǔn)確的虛擬身份映射可以為諸多科學(xué)研究提供支持,如刻畫完整的用戶畫像、實現(xiàn)精準(zhǔn)的好友推薦等。綜上所述,虛擬身份映射研究具有廣泛的研究價值,是一項十分有意義的課題。目前虛擬身份映射方面的研究主要是針對虛擬身份的屬性,即用戶在注冊賬號或完善個人資料時所填寫的個人信息。但由于社交平臺之間存在差異,不同平臺間的用戶屬性鮮有交叉重疊,基于多用戶屬性的映射方法往往局限于少數(shù)社交平臺。另一方面,基于的單一屬性的映射方法,由于僅針對多數(shù)平臺共存的單一屬性進(jìn)行研究,往往具有較好的適用性。但由于單一屬性特征對用戶的識別能力有限,算法在提升應(yīng)用擴(kuò)展性的同時犧牲了識別... 

【文章頁數(shù)】：63 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 課題背景及研究目的和意義
        1.1.1 課題研究的背景
        1.1.2 課題研究的目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 基于用戶屬性的虛擬身份映射算法
        1.2.2 基于用戶行為的虛擬身份映射算法
        1.2.3 基于社交網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的虛擬身份映射算法
        1.2.4 基于多維信息的虛擬身份映射算法
    1.3 本文的主要研究內(nèi)容
    1.4 論文組織結(jié)構(gòu)
第2章 相關(guān)理論基礎(chǔ)
    2.1 字符串相似度比較方法
        2.1.1 最長公共子串
        2.1.2 最長公共子序列
        2.1.3 編輯距離
        2.1.4 杰卡德系數(shù)
    2.2 短文本相似度比較方法
        2.2.1 余弦相似度
        2.2.2 TF-IDF
        2.2.3 Word2Vec
    2.3 相關(guān)分類模型
        2.3.1 邏輯回歸
        2.3.2 SVM
        2.3.3 決策樹
        2.3.4 隨機(jī)森林
    2.4 評價指標(biāo)
    2.5 本章小結(jié)
第3章 虛擬身份數(shù)據(jù)集構(gòu)建
    3.1 數(shù)據(jù)來源
    3.2 數(shù)據(jù)獲取
    3.3 數(shù)據(jù)內(nèi)容及統(tǒng)計分析
        3.3.1 用戶屬性概述
        3.3.2 字符串屬性
        3.3.3 半結(jié)構(gòu)化屬性
        3.3.4 文本屬性
    3.4 數(shù)據(jù)預(yù)處理
        3.4.1 缺失值與異常值處理
        3.4.2 數(shù)據(jù)格式處理
        3.4.3 匿名化處理
    3.5 數(shù)據(jù)存儲
    3.6 本章小結(jié)
第4章 基于特征分類的屬性相似度算法及實驗
    4.1 虛擬身份屬性相似度算法
        4.1.1 字符串屬性相似度算法
        4.1.2 半結(jié)構(gòu)化屬性相似度算法
        4.1.3 文本屬性相似度算法
        4.1.4 異構(gòu)屬性相似度算法
    4.2 實驗及分析
        4.2.1 字符串屬性相似度計算結(jié)果分析
        4.2.2 半結(jié)構(gòu)化屬性相似度計算結(jié)果分析
        4.2.3 文本屬性相似度計算結(jié)果分析
        4.2.4 異構(gòu)屬性相似度計算結(jié)果分析
    4.3 本章小結(jié)
第5章 虛擬身份映射生成算法及實驗
    5.1 虛擬身份映射生成算法
    5.2 實驗設(shè)計
    5.3 實驗結(jié)果分析
        5.3.1 分類模型比較
        5.3.2 區(qū)分效果評估
        5.3.3 輸入?yún)?shù)比較
        5.3.4 分類參數(shù)比較
        5.3.5 同類算法比較
    5.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文及其它成果
致謝


【參考文獻(xiàn)】：
期刊論文
[1]一種基于用戶軌跡的跨社交網(wǎng)絡(luò)用戶身份識別算法[J]. 陳鴻昶,徐乾,黃瑞陽,程曉濤,吳錚.  電子與信息學(xué)報. 2018(11)
[2]基于信息熵的跨社交網(wǎng)絡(luò)用戶身份識別方法[J]. 吳錚,于洪濤,劉樹新,朱宇航.  計算機(jī)應(yīng)用. 2017(08)
[3]跨社交網(wǎng)絡(luò)的實體用戶關(guān)聯(lián)技術(shù)研究[J]. 羅梁,王文賢,鐘杰,王海舟.  信息網(wǎng)絡(luò)安全. 2017(02)
[4]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.  計算機(jī)學(xué)報. 2015(10)
[5]基于多屬性決策的社交網(wǎng)絡(luò)用戶識別（英文）[J]. 葉娜,張銀亮,董麗麗,邊根慶,Enjie LIU,Gordon J.Clapworthy.  中國通信. 2013(12)

碩士論文
[1]跨社交網(wǎng)絡(luò)用戶身份鏈接算法研究[D]. 盧思變.電子科技大學(xué) 2018
[2]多社交網(wǎng)絡(luò)用戶身份識別算法研究[D]. 孟波.大連理工大學(xué) 2015



本文編號：3692278