基于表示学习的跨社交网络用户身份关联

摘要

随着社交网络的兴起,越来越多用户在不同的社交网络同时拥有多个社交账号.在不同社交网络间关联相同的用户身份有益于跨社交网络的信息传播、跨域推荐等应用.跨网络的用户身份关联就是在不知道用户真实身份的情况下找出不同网络中属于同一用户的账号.大多数现有的身份关联方法,包括监督和无监督的方法,仅仅利用社交网络中的用户信息,比如用户属性信息、内容信息,而没有利用网络固有的结构信息,因此它们的效率通常受特征空间的高维度和稀疏性影响较大.本文提出了一个创新的EUIA模型,基于网络表示学习的方法,将网络的结构信息用低维向量表示,利用已知的跨网络用户身份对,即锚链接作为监督信息,学习两个网络间的映射关系,并且提出了高效率的优化方案提高了模型的精度.通过在facebook数据集上的实验,证明提出的EUIA模型在准确率方面相较其他现有算法有显著的提高.