[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

说明书

本发明公开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，该方法包括：应用图卷积神经网络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；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；基于已知锚链接构造正样本和负样本，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，使学习到的节点特征表示更有利于解决跨社交网络用户身份识别问题。本发明将不同社交网路编码到一个统一的向量表示空间，使不同网络中用户节点表示具有空间一致性，提高了跨社交网络用户身份识别的准确性。

技术领域

本发明涉及人工智能技术领域，尤其涉及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及系统。

背景技术

跨社交网络用户身份识别旨在发现同一用户在不同社交网络中账户之间对应关系，对信息跨域传播、跨平台好友推荐等具有十分重要的意义。

跨社交网络用户身份识别问题一经提出，就受到了学术界和工业界学者的广泛关注，涌现出了许多优秀的研究成果，主要可以分为三类。第一类，基于用户名、头像、地理位置等用户属性特征的方法，利用用户注册的属性信息提取代表用户身份的特征，该类方法的性能完全依赖于属性信息的准确性。第二类，基于推文内容、书写习惯、活动轨迹等用户行为特征的方法，从用户参与社交活动时产生的行为信息中获取用户身份特征，此类方法主要受限于用户行为信息的丰富性。第三类，基于用户结构特征的方法，该类方法大多基于结构一致性假设，即同一用户在不同的社交网络中往往具有一致的关系结构，从社交关系中提取局部结构特征和全局结构特征来表征用户身份。从发展进程来看，基于结构的方法大体可以分为两类：基于矩阵分解的方法，从传统图的角度利用矩阵分解将用户身份识别问题转化为两个或者多个网络之间节点的匹配问题；以及基于图表示的方法，借助图嵌入以及图神经网络等在图结构上的强大表达能力，提取用户的结构特征表示，将用户身份识别问题转化为用户之间的相似性度量问题。近年来，也有不少学者尝试将用户属性信息或用户行为信息与网络结构信息相结合，开展了基于多维信息联合的相关研究。但是如何准确地提取社交网络结构特征仍是此类方法最关键的一步，因此基于用户结构特征的方法仍然是当前研究的主流。本发明中本发明在仅有社交网络关系结构可用的场景下开展相关研究。