多社交網(wǎng)絡(luò)用戶身份識(shí)別算法研究.pdf

1、近年來，各式各樣的在線社交網(wǎng)絡(luò)，如Facebook，Twitter，LinkedIn等，都在以驚人的速度迅猛發(fā)展，并逐漸成為人們網(wǎng)絡(luò)生活中不可或缺的一部分。然而，各個(gè)社交網(wǎng)站的賬號(hào)之間是孤立沒有聯(lián)系的，用戶網(wǎng)絡(luò)行為散落在各個(gè)網(wǎng)站中使得對(duì)網(wǎng)民的社交行為分析變得十分困難。同時(shí)由于缺乏一個(gè)全局的用戶身份標(biāo)識(shí)來關(guān)聯(lián)各個(gè)社交賬號(hào)，因此導(dǎo)致無法獲得一個(gè)完整的社交用戶網(wǎng)絡(luò)圖。
　　身份識(shí)別問題就是用來識(shí)別出在各個(gè)社交網(wǎng)絡(luò)擁有多個(gè)虛擬賬號(hào)背后的用

2、戶?，F(xiàn)階段關(guān)于身份識(shí)別問題的研究還存在一些缺陷:一方面，現(xiàn)階段的識(shí)別技術(shù)大多依賴屬性字符串的匹配以及對(duì)匹配結(jié)果的組合。另一方面，用戶在各個(gè)社交網(wǎng)絡(luò)中的非好友關(guān)系沒有得到充分的利用。
　　本文圍繞解決局部身份識(shí)別問題展開了研究，針對(duì)以種子用戶為中心的ego-network中的用戶匹配進(jìn)行建模和算法分析。
　　在充分利用用戶屬性信息和鏈接信息的基礎(chǔ)上，本文提出了一種用于識(shí)別多社交網(wǎng)絡(luò)用戶的基于排名的交叉匹配算法（RCM）。身份鑒

3、別分為三個(gè)步驟賬號(hào)選擇，賬號(hào)匹配和匹配剪枝。在RCM算法中，首先，通過利用賬號(hào)屬性相似度(Profile Attributes Similarity，PAS)和用戶環(huán)境得分(User Surrounding Score，USS)，然后選擇當(dāng)前得分排名最高用戶來作為候選的匹配用戶。然后提出用戶匹配得分(User Matching Score，UMS)的概念，UMS結(jié)合了PAS和網(wǎng)絡(luò)結(jié)構(gòu)，算法根據(jù)這個(gè)得分來決定與候選用戶匹配的用戶。為了進(jìn)一