社交網(wǎng)絡(luò)平臺(例如新浪微博、Facebook等)用戶身份挖掘是數(shù)據(jù)挖掘領(lǐng)域的新興研究內(nèi)容,本文針對其中兩個(gè)重要問題,即用戶身份標(biāo)注和跨平臺用戶身份匹配開展研究,主要取得以下創(chuàng)新成果:1.提出能適應(yīng)用戶標(biāo)記數(shù)變化的單標(biāo)記用戶身份標(biāo)注算法。以往用戶身份標(biāo)注算法通常假設(shè)標(biāo)記數(shù)不變,如果出現(xiàn)訓(xùn)練數(shù)據(jù)中未見過的標(biāo)記,模型準(zhǔn)確性將會(huì)受到影響。本文在單標(biāo)記假設(shè)下,根據(jù)應(yīng)用對準(zhǔn)確性和高效性的不同要求,分別提出能適應(yīng)用戶標(biāo)記數(shù)變化的算法SENCForest和SENC-MaS。真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)測試驗(yàn)證了本文算法的有效性。2.提出能適應(yīng)用戶標(biāo)記數(shù)變化的多標(biāo)記用戶身份標(biāo)注算法。以往多標(biāo)記用戶身份標(biāo)注算法在標(biāo)記數(shù)變化的場景中,模型準(zhǔn)確性將會(huì)受到影響。本文提出基于用戶全局特征和局部特征的用戶身份標(biāo)注算法NL-Forest,不僅可以標(biāo)注已知標(biāo)記,還能夠在多標(biāo)記場景中檢測出新出現(xiàn)的標(biāo)記,并且對模型更新。真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)測試驗(yàn)證了本文算法的有效性。3.提出能適應(yīng)用戶數(shù)變化的跨平臺用戶身份匹配算法。以往用戶身份匹配算法通�；陟o態(tài)用戶數(shù)據(jù)建模,然而現(xiàn)實(shí)任務(wù)中用戶數(shù)通常會(huì)發(fā)生變化。本文提出一種新的用戶身份匹配框架,即基于用戶隱空間的框架,并提出算法ULink-On,能隨著用戶數(shù)變化不斷更新隱空間模型,最終在隱空間中匹配用戶身份。真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)測試驗(yàn)證了本文算法的有效性。4.提出能適應(yīng)用戶生成內(nèi)容變化的跨平臺用戶身份匹配算法。以往跨平臺用戶匹配算法,通常假定用戶生成內(nèi)容不發(fā)生變化。然而現(xiàn)實(shí)任務(wù)中用戶生成內(nèi)容是經(jīng)常變化的。本文提出一種適應(yīng)用戶生成內(nèi)容變化的跨平臺用戶身份匹配算法AD-Link,通過學(xué)習(xí)帶權(quán)重的匹配模型更好地量化生成內(nèi)容間的重要性。真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)測試驗(yàn)證了本文算法的有效性。5.提出能適應(yīng)用戶描述變化的跨平臺用戶身份匹配算法。以往用戶身份匹配算法通常假設(shè)用戶描述是不可變的,然而現(xiàn)實(shí)任務(wù)中用戶描述會(huì)隨著社交平臺功能的發(fā)展而變化。本文提出一種適應(yīng)用戶描述變化的跨平臺用戶身份匹配算法AD-Link-f,通過建立已有描述和新描述間的聯(lián)系使模型更快地適應(yīng)新環(huán)境。真實(shí)數(shù)據(jù)上的實(shí)驗(yàn)測試驗(yàn)證了本文算法的有效性。
【學(xué)位單位】：南京大學(xué)
【學(xué)位級別】：博士
【學(xué)位年份】：2018
【中圖分類】：TP181
【部分圖文】：

更接近正常數(shù)據(jù)�！拜^遠(yuǎn)”的異常子區(qū)域中的??數(shù)據(jù)應(yīng)該遠(yuǎn)離正常區(qū)域和異常子區(qū)域。如果測試數(shù)據(jù)屬于“較遠(yuǎn)”的異常子區(qū)??域，則認(rèn)為該數(shù)據(jù)很大概率屬于新類，圖２．２給出了示意圖。異常檢測器構(gòu)建正??常和異常區(qū)域，異常區(qū)域被進(jìn)一步分成兩個(gè)子區(qū)域。異常子區(qū)域以外的區(qū)域是??“較遠(yuǎn)”的異常子區(qū)域。??在ＳＥＮＣ問題中，如果將分類問題與檢測問題分離，那么分類問題可以采??用很多傳統(tǒng)的分類器解決。然而，為了模型在數(shù)據(jù)流上能夠高效的工作，本節(jié)??提出了一種集成方法，采用完全隨機(jī)樹作為基模型，檢測和分類任務(wù)建立在一??個(gè)共同核心框架下。而且以往的研究［３５，?８４］也表明，集成的完全隨機(jī)樹［１５２］??能夠作為一個(gè)有效的分類器。在一個(gè)框架下，更加易于模型更新。在以下將給??出本文使用的一些重要概念。??定義２．２樣本分?jǐn)?shù)．？測試樣本ｘ輸入模型／時(shí)，模型將輸出一個(gè)分?jǐn)?shù)，這個(gè)分??數(shù)說明ｘ屬于新類還是已知類別。??定義２．３已知類區(qū)域和異常區(qū)域．？基于模型對樣本產(chǎn)生的分?jǐn)?shù)

；?：?？?？?？?－Ｊ??圖２．２構(gòu)造“較遠(yuǎn)”的異常子區(qū)域。??更接近正常數(shù)據(jù)�！拜^遠(yuǎn)”的異常子區(qū)域中的??數(shù)據(jù)應(yīng)該遠(yuǎn)離正常區(qū)域和異常子區(qū)域。如果測試數(shù)據(jù)屬于“較遠(yuǎn)”的異常子區(qū)??域，則認(rèn)為該數(shù)據(jù)很大概率屬于新類，圖２．２給出了示意圖。異常檢測器構(gòu)建正??常和異常區(qū)域，異常區(qū)域被進(jìn)一步分成兩個(gè)子區(qū)域。異常子區(qū)域以外的區(qū)域是??“較遠(yuǎn)”的異常子區(qū)域。??在ＳＥＮＣ問題中，如果將分類問題與檢測問題分離，那么分類問題可以采??用很多傳統(tǒng)的分類器解決。然而，為了模型在數(shù)據(jù)流上能夠高效的工作，本節(jié)??提出了一種集成方法，采用完全隨機(jī)樹作為基模型，檢測和分類任務(wù)建立在一??個(gè)共同核心框架下。而且以往的研究［３５，?８４］也表明，集成的完全隨機(jī)樹［１５２］??能夠作為一個(gè)有效的分類器。在一個(gè)框架下，更加易于模型更新。在以下將給??出本文使用的一些重要概念。??定義２．２樣本分?jǐn)?shù)．？測試樣本ｘ輸入模型／時(shí)

?（２．１）??Ｔ??Ｚ／和Ｚ／分別為路徑長度較短和較長的路徑長度列表。圖２．４說明閾值選擇的一??個(gè)示例，假設(shè)ｉＴｒｅｅ產(chǎn)生一個(gè)列表Ｌ，曲線ＳＤ．ｂＫｔ／）－〇＂（廣）１），切，的最??小值點(diǎn)可以將列表Ｌ分為兩個(gè)部分：異常區(qū)域和正常區(qū)域。最終最小值點(diǎn)將作??為閾值ｆ。注意，閾值ｆ將自動(dòng)確定，不會(huì)引入其它參數(shù)。??構(gòu)建“較遠(yuǎn)”的異常子區(qū)域。在完成了構(gòu)建異常區(qū)域Ａ后，ＳＥＮＣＦｏｒｅｓｔ??將繼續(xù)構(gòu)建“較遠(yuǎn)”的異常子區(qū)域。在閾值ｆ確定以后，可以在每個(gè)樹的異常??區(qū)域Ａ中構(gòu)建一個(gè)球型的區(qū)域Ｓ。當(dāng)球型的區(qū)域５完成構(gòu)建后，ＳＥＮＣＦｏｒｅｓｔ??己經(jīng)準(zhǔn)備好檢測新類。當(dāng)樣本落在Ｂ以外時(shí)，這個(gè)樣本將被認(rèn)為是新類。??從檢測器中構(gòu)建一個(gè)分類器。這個(gè)功能只要記錄每個(gè)節(jié)點(diǎn)中的類別分布??情況Ｆ［／］，可以理解為記錄類別數(shù)目，類別種類等。一旦在完成上述步驟??后
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王杰;跨企業(yè)網(wǎng)絡(luò)環(huán)境下的用戶身份管理[J];信息網(wǎng)絡(luò)安全;2005年09期

2 王杰;企業(yè)信息安全中的用戶身份管理[J];信息網(wǎng)絡(luò)安全;2004年07期

3 王剛;劉海玲;;實(shí)施統(tǒng)一用戶身份管理系統(tǒng)建設(shè) 做好數(shù)字油田建設(shè)基礎(chǔ)工作[J];科技創(chuàng)新與應(yīng)用;2012年28期

4 王磊;鄭任兒;;淺談校園用戶身份管理系統(tǒng)設(shè)計(jì)與應(yīng)用[J];科技信息;2012年26期

5 遲文德;;云計(jì)算環(huán)境中用戶身份認(rèn)證及訪問控制的探索與實(shí)踐[J];中國傳媒科技;2016年05期

6 王亮;;網(wǎng)絡(luò)安全用戶身份優(yōu)化認(rèn)證仿真研究[J];計(jì)算機(jī)仿真;2016年10期

7 房超;蔡忠閩;沈超;牛非;管曉宏;;基于鼠標(biāo)動(dòng)力學(xué)模型的用戶身份認(rèn)證與監(jiān)控[J];西安交通大學(xué)學(xué)報(bào);2008年10期

8 ;牛津大學(xué)研發(fā)新技術(shù):通過擊鍵方式驗(yàn)證用戶身份[J];保密科學(xué)技術(shù);2014年09期

9 那罡;徐健淞;;迷失的用戶身份[J];中國計(jì)算機(jī)用戶;2007年03期

10 史揚(yáng),曹立明;基于擊鍵特征的用戶身份校驗(yàn)[J];計(jì)算機(jī)工程;2005年06期

相關(guān)博士學(xué)位論文 前2條

1 慕鑫;社交網(wǎng)絡(luò)平臺用戶身份挖掘的研究[D];南京大學(xué);2018年

2 徐欽桂;虛擬儀器網(wǎng)絡(luò)化測控系統(tǒng)可信分析及增強(qiáng)方法研究[D];華南理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 董學(xué)雄;基于擊鍵特征的用戶身份識別算法研究[D];蘭州理工大學(xué);2018年

2 葉濛;面向移動(dòng)云計(jì)算平臺的用戶身份管理系統(tǒng)研究[D];浙江大學(xué);2017年

3 陳茂隆;云計(jì)算平臺下用戶身份管理系統(tǒng)的設(shè)計(jì)與開發(fā)[D];天津大學(xué);2012年

4 肖亮;基于ASP.NET的網(wǎng)絡(luò)用戶身份認(rèn)證研究[D];昆明理工大學(xué);2004年

5 張曉芳;基于網(wǎng)格的用戶身份管理系統(tǒng)研究[D];華北電力大學(xué);2012年

6 李思琦;社交網(wǎng)絡(luò)間用戶身份識別算法研究[D];大連理工大學(xué);2017年

7 畢開圓;社會(huì)網(wǎng)絡(luò)中用戶身份隱私保護(hù)模型的研究[D];大連海事大學(xué);2015年

8 范寬;基于網(wǎng)絡(luò)數(shù)據(jù)流的用戶身份近似關(guān)聯(lián)[D];南京郵電大學(xué);2013年

9 金明星;基于802.1X的園區(qū)網(wǎng)絡(luò)用戶身份認(rèn)證的研究[D];北京林業(yè)大學(xué);2005年

10 吳夢溪;基于輸入特征的用戶身份認(rèn)證的研究[D];華南理工大學(xué);2017年

本文編號：2856894