基于深度学习的跨社交网络用户匹配方法
现有基于时空信息的跨社交网络用户匹配方案,存在着难以耦合时空信息、特征提取困难问题,导致匹配精度下降.该文提出一种基于深度学习的跨社交网络用户匹配方法(DLUMCN),首先对用户签到数据进行时空尺度的网格映射,生成包含用户特征的签到矩阵集合,对其归一化后构成用户签到图.然后采用卷积从签到图中生成高维度的时空特征图,利用深度可分离卷积对特征图权重变换和特征融合,对特征图1维展开获得特征向量.最后利用全连接前馈网络构建分类器并输出用户匹配评分.通过在两组真实社交网络的数据集上进行实验验证,实验结果表明,与现有相关算法相比,所提算法在匹配的准确率以及F1-值均得到提升,验证了所提算法的有效性.
跨社交网络、用户匹配、深度学习、签到相似度
45
TN915;TP391
2023-08-21(万方平台首次上网日期,不代表论文的发表时间)
共9页
2650-2658