[发明专利]基于神经张量网络的跨社交网络用户身份识别方法

说明书

本发明提供一种基于神经张量网络的跨社交网络用户身份识别方法。该方法包括：步骤1、基于Random Walks和Skip‑gram模型的网络表示学习，将源网络Gsupgt;s/supgt;和目标网络Gsupgt;t/supgt;的网络结构空间均各自映射到向量空间；步骤2、基于步骤1得到的向量空间，使用神经张量网络模型对源网络Gsupgt;s/supgt;和目标网络Gsupgt;t/supgt;中的用户节点之间的关联关系进行建模；步骤3、将步骤2中建模得到的关联关系向量输入至多层感知机模型进行二分类，根据分类结果判断源网络Gsupgt;s/supgt;和目标网络Gsupgt;t/supgt;之间的用户节点对是否指向同一个真实用户。本发明采用神经张量网络模型替换了标准的神经网络模型，该模型具有更强的表达跨网络用户之间关系的能力，可以在多个维度上关联两个用户向量。

技术领域

本发明涉及身份识别技术领域，尤其涉及一种基于神经张量网络的跨社交网络用户身份识别方法。

背景技术

随着互联网的快速发展和移动设备的逐渐普及，在线社交网络已经变得越来越流行，这给人们之间的交流带来了极大的便利。不同的社交网络提供不同类型的服务，人们通常根据工作与生活的需要加入到不同的社交网络中。每个用户通常在不同的社交网络中拥有账户，但是属于同一个人的账户之间往往是相互隔离的，彼此之间几乎没有联系。跨社交网络用户身份识别问题的典型目标是检测来自不同社交网络的账户是否属于现实世界中的同一个自然人，也称为账户关联、锚链接预测和网络对齐。

用户身份识别问题在社交网络分析中起着重要作用。它是许多有趣的互联网应用之间的关键先决条件，实现了从单一网络分析向多个网络分析的跳跃，例如用户行为预测、跨平台好友推荐和跨网络信息传播。

早期的研究通常利用用户自身的属性特征和统计特征将属于同一用户的账户关联在一起。例如，Goga等人(Goga,O.,Lei,H.,Parthasarathi,S.,Friedland,G.,Sommer,R.,Teixeira,R.:Exploiting innocuous activity for correlating users acrosssites.In:The 22nd International Conference on World Wide Web.pp.447–458.WWW(2013))利用从用户帖子中提取的地理位置、时间戳以及语言等特征识别用户多重身份。Zafarani等人(Zafarani,R.,Liu,H.:Connecting users across social media sites:Abehavioral-modeling approach.In:The 19th ACM SIGKDD International Conferenceon Knowledge Discovery and Data Mining.pp.41-49.ACM(2013))应用社会学和心理学的理论建模用户行为模式特征，通过计算行为模式特征的相似性将同一用户的账户关联在一起。然而由于隐私意识的增强，许多用户在不同的社交网络中登记不同的信息或者虚假信息，并且社交网络中的用户属性信息随时可能被更改；此外，不能保证用户信息的丰富性，不同社交网络的用户属性信息存在较大的差异,存在不平衡的现象。