跨社交网络用户身份关联：基于用户关系的新方法

"基于用户关系的跨社交网络用户身份关联方法" 本文是一篇研究论文，重点关注在不同的社交网络平台上识别同一自然人所拥有的账号。作者通过利用用户关系来进行跨社交网络的身份关联，提出了一种创新的方法。研究由刘奇飞、杜彦辉和芦天亮共同完成，得到了国家重点研发计划和国家自然科学基金等多个项目的资助。 首先，论文介绍了用户关系提取模块，该模块基于网络表示学习，目的是将大规模的用户关系转化为低维向量空间进行表示。这种转化有助于处理和理解复杂的社交网络数据，为后续的身份关联分析奠定基础。 接着，作者针对异构信息网络对传统的网络表示学习算法进行了改进，提出了名为CSN_LINE的新算法。CSN_LINE算法考虑了跨社交网络的先验关联关系，使得网络表示更全面、更准确。这一算法能够捕捉到不同社交网络间的用户行为模式和联系，从而更好地识别潜在的同一用户。 最后，为了实现用户身份的关联，研究者构建了一个基于多层感知机（MLP）的模型。多层感知机是一种深度学习模型，适用于处理复杂的数据关联问题，它能够学习用户特征并预测不同社交网络中的用户是否为同一个人。 实验结果显示，与现有的先进方法相比，提出的CSN_LINE算法和MLP模型在综合指标F1值和正确率上均有超过12%的提升。这表明该方法在识别跨社交网络用户身份关联方面具有更高的效率和准确性，验证了其在实际应用中的合理性和有效性。 关键词涵盖了用户关系、跨社交网络、用户身份关联、网络表示学习和多层感知机，这些都是研究的核心内容。这篇论文对于理解社交网络用户行为、提升数据挖掘和用户隐私保护技术具有重要意义，尤其在信息安全领域具有广泛的应用前景。 中图分类号和文献标志码表明了论文的学术性质，文章编号和doi则提供了引用该研究的标准化途径。总体而言，这项工作为跨社交网络的用户身份关联提供了一个新的视角和有效工具，对于社交网络分析和用户隐私保护的研究具有重要参考价值。