跨網(wǎng)絡(luò)節(jié)點關(guān)聯(lián)是將不同在線社交網(wǎng)絡(luò)（OSN）中屬于同一實體用戶的多個賬戶進行關(guān)聯(lián)。它作為社交數(shù)據(jù)挖掘和網(wǎng)絡(luò)安全的核心任務(wù)之一,已經(jīng)成為現(xiàn)今的研究熱點。然而相同的用戶由于平臺的異質(zhì)特征或個人不明確的原因,在不同OSN平臺中的表現(xiàn)可能不同,這就相應(yīng)地帶來了很多挑戰(zhàn)�，F(xiàn)有的跨網(wǎng)絡(luò)節(jié)點關(guān)聯(lián)方法受限于屬性的偽造性、處理用戶生成內(nèi)容的時間復(fù)雜度,總體效果不理想。本文主要研究一種基于節(jié)點表示的在線社交網(wǎng)絡(luò)的跨網(wǎng)絡(luò)節(jié)點關(guān)聯(lián)方法。從OSN網(wǎng)站賬戶中提取好友關(guān)系及用戶屬性信息,通過隨機游走學習用戶的潛在節(jié)點表征,來關(guān)聯(lián)不同OSN平臺上屬于同一實體用戶的多個賬戶。論文工作的主要研究內(nèi)容如下:（1）提出了一種易擴展的綜合多種信息的節(jié)點表示方法。利用用戶的好友關(guān)系,個人簡介,家鄉(xiāng)信息,通過用戶-用戶游走和用戶-屬性游走刻畫用戶的特征,學習包含了網(wǎng)絡(luò)結(jié)構(gòu)和節(jié)點屬性的節(jié)點向量表示,該表示能更準確全面地表示節(jié)點的特征,從而提升賬戶關(guān)聯(lián)的準確度。（2）提出了一種用于大規(guī)模網(wǎng)絡(luò)的關(guān)聯(lián)算法。根據(jù)先驗的錨節(jié)點對應(yīng)的向量表示,求解轉(zhuǎn)換矩陣將兩個網(wǎng)絡(luò)的節(jié)點轉(zhuǎn)換到同一空間去,進而基于相似度尋找關(guān)聯(lián)用戶或候選集。該方法在準確度、MA... 

【文章頁數(shù)】：92 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 研究背景與意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 主要研究內(nèi)容
        1.3.1 節(jié)點表示算法的設(shè)計
        1.3.2 跨網(wǎng)絡(luò)節(jié)點關(guān)聯(lián)模型
    1.4 論文結(jié)構(gòu)安排
第二章 相關(guān)理論及技術(shù)研究
    2.1 用戶節(jié)點的基本信息
        2.1.1 用戶節(jié)點的基本信息與類型
        2.1.2 處理不同用戶信息的算法
    2.2 節(jié)點表示相關(guān)理論
        2.2.1 節(jié)點表示問題定義
        2.2.2 圖論概念及符號表示
        2.2.3 節(jié)點表示原理與算法分類
            2.2.3.1 矩陣分解模型
            2.2.3.2 淺層概率模型
            2.2.3.3 深層結(jié)構(gòu)模型
    2.3 跨網(wǎng)絡(luò)關(guān)聯(lián)算法分類
    2.4 本章小結(jié)
第三章 基于節(jié)點表示的跨網(wǎng)絡(luò)節(jié)點關(guān)聯(lián)算法
    3.1 跨網(wǎng)絡(luò)關(guān)聯(lián)問題定義
    3.2 算法原理概述
    3.3 跨網(wǎng)絡(luò)關(guān)聯(lián)評價指標
    3.4 基于空間轉(zhuǎn)換的跨網(wǎng)絡(luò)關(guān)聯(lián)算法詳述
    3.5 試驗數(shù)據(jù)集上的測試結(jié)果
        3.5.1 數(shù)據(jù)集生成方法說明
        3.5.2 參數(shù)敏感分析
        3.5.3 降維可視化
        3.5.4 大規(guī)模數(shù)據(jù)集的實驗結(jié)果
    3.6 實際數(shù)據(jù)集上的測試結(jié)果
        3.6.1 數(shù)據(jù)集
        3.6.2 對比算法介紹
        3.6.3 測試結(jié)果與分析
    3.7 基于融合的跨網(wǎng)絡(luò)關(guān)聯(lián)算法
        3.7.1 相關(guān)算法介紹
        3.7.2 網(wǎng)絡(luò)融合的過程設(shè)計
        3.7.3 關(guān)聯(lián)實驗結(jié)果
    3.8 兩種關(guān)聯(lián)方法的優(yōu)缺點分析
    3.9 時間性能優(yōu)化
    3.10 本章小結(jié)
第四章 基于信息綜合節(jié)點表示的關(guān)聯(lián)算法
    4.1 信息綜合的節(jié)點表示研究背景
    4.2 信息綜合的節(jié)點表示問題定義
    4.3 現(xiàn)有信息綜合的節(jié)點表示算法
        4.3.1 結(jié)合文本生成內(nèi)容的節(jié)點表示算法介紹
        4.3.2 結(jié)合屬性的節(jié)點表示算法介紹
    4.4 信息綜合的節(jié)點表示算法設(shè)計
        4.4.1 信息采集
        4.4.2 簡介和家鄉(xiāng)信息預(yù)處理
        4.4.3 信息綜合的網(wǎng)絡(luò)模型
        4.4.4 信息綜合的游走方式
    4.5 信息綜合的跨網(wǎng)絡(luò)節(jié)點關(guān)聯(lián)實驗結(jié)果
    4.6 自學習迭代框架
    4.7 本章小結(jié)
第五章 總結(jié)
    5.1 工作總結(jié)
    5.2 未來工作展望
致謝
參考文獻
碩士期間取得的研究成果


【參考文獻】：
期刊論文
[1]面向社會網(wǎng)絡(luò)融合的關(guān)聯(lián)用戶挖掘方法綜述[J]. 周小平,梁循,趙吉超,李志宇,馬躍峰.  軟件學報. 2017(06)
[2]知識表示學習研究進展[J]. 劉知遠,孫茂松,林衍凱,謝若冰.  計算機研究與發(fā)展. 2016(02)
[3]知識表示方法研究與應(yīng)用[J]. 年志剛,梁式,麻芳蘭,李尚平.  計算機應(yīng)用研究. 2007(05)



本文編號：3716293