[发明专利]基于空间一致性表示的跨社交网络用户身份识别方法及系统

权利要求书

1.一种基于空间一致性表示的跨社交网络用户身份识别方法，其特征在于，包括：

通过堆叠多个图卷积层作为编码器，将源网络和目标网络从结构空间编码到一个统一的向量表示空间，获取用户节点的空间一致性表示；所述源网络和目标网络均为社交网络；

利用内积解码器重构源网络和目标网络的网络结构，通过最小化重构网络和原始网络之间的差异构建重构损失；

将已知锚链接作为正样本，并随机地为每个正样本构造一定比例的负样本，通过在向量表示空间中正样本距离比负样本距离更近的约束构建对比损失；

利用重构损失和对比损失的共同约束优化节点的空间一致性表示；

基于优化后的节点的空间一致性表示进行跨社交网络用户身份识别。

2.根据权利要求1所述的基于空间一致性表示的跨社交网络用户身份识别方法，其特征在于，所述重构损失的表达式为：

其中y^s和y^t分别表示源网络邻接矩阵A^s和目标网络邻接矩阵A^t中的元素，其值为0或1；和分别表示源网络重构邻接矩阵和目标网络重构邻接矩阵中的元素；N^s和N^t分别表示源网络和目标网络中节点数量；且U^s、U^t分别表示源网络、目标网络的编码器输出的节点表示，(U^s)^T、(U^t)^T分别表示U^s、U^t的转置，σ为激活函数Sigmoid。

3.根据权利要求2所述的基于空间一致性表示的跨社交网络用户身份识别方法，其特征在于，所述对比损失为：

其中y_label表示样本的标签，正样本为1，负样本为0；表示样本的欧氏距离；表示训练样本集中的样本数量；margin为设定的阈值。

4.根据权利要求3所述的基于空间一致性表示的跨社交网络用户身份识别方法，其特征在于，所述利用重构损失和对比损失的共同约束优化节点的空间一致性表示包括：

结合公式(6)、(7)、(8)，通过加权组合的方式构造整体损失函数：

其中α为控制重构损失和对比损失比例的权重系数；

采用Adam优化器最小化整体损失函数(9)，应用误差反向传播算法实现迭代优化，得到基于优化后的节点的空间一致性表示。

5.一种基于空间一致性表示的跨社交网络用户身份识别系统，其特征在于，包括：

节点一致性表示模块，用于通过堆叠多个图卷积层作为编码器，将源网络和目标网络从结构空间编码到一个统一的向量表示空间，获取用户节点的空间一致性表示；所述源网络和目标网络均为社交网络；

网络结构重构模块，用于利用内积解码器重构源网络和目标网络的网络结构，通过最小化重构网络和原始网络之间的差异构建重构损失；

对比损失构建模块，用于将已知锚链接作为正样本，并随机地为每个正样本构造一定比例的负样本，通过在向量表示空间中正样本距离比负样本距离更近的约束构建对比损失；

联合优化模块，用于利用重构损失和对比损失的共同约束优化节点的空间一致性表示；

用户身份识别模块，用于基于优化后的节点的空间一致性表示进行跨社交网络用户身份识别。