结合全局种子最优局部扩展的跨网络用户识别

摘要：

跨网络用户匹配的目的是识别不同社交网络上属于同一用户的不同账户,在好友推荐、网络安全和链路预测等方面有重要意义.现有方法通常利用部分已知匹配用户,迭代识别其余待匹配用户.然而,目前大部分方法受限于已知匹配用户的数量,无法在较低的时间内精准地识别用户.提出了结合全局种子最优局部扩展的跨网络用户识别方法(GLE).首先,为有效解决冷启动问题,提出了全局种子扩展模型(GSE)来丰富已知匹配用户数量;然后,为了在较低的时间代价上确保较高的准确性,提出了最优局部扩展模型来找到最优候选匹配对.最后,实验结果表明,该算法可显著提高用户识别的召回率和准确率,具有较低的时间开销,并解决了已知匹配用户数量不足时的识别问题.

关键词：用户识别、社交网络、全局种子扩充模型、最优局部扩展模型

所属期刊栏目：14

分类号：TP311(计算技术、计算机技术)

资助基金：The National Key Research and Development Program of China under Grant No. 2018YFB1003404 国家重点研发计划;the National Natural Science Foundation of China under Grant Nos. 61672142, 61602103 国家自然科学基金

在线出版日期：2020-06-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：928-938