摘要
鉴于社交网络服务的发展,如何有效整合不同社交网络上的数据依然是一个挑战,而发现同一用户在不同网络上的帐号信息是数据资源整合的前提.提出一种全新的融合用户表面特征(属性信息)与网络嵌入学习(朋友匹配度)的跨社交网络身份匹配方法JFA(joint friend-attribute).该方法包含候选用户对选取和匹配过程2部分.前者主要根据网络的拓扑结构选出候选用户对;后者在候选用户对集合中通过计算多个匹配因子(属性匹配度和朋友匹配度),并根据贪心优化原理每次选择匹配分值最大的用户对作为匹配用户对.将该方法应用于随机网络和真实世界网络,实验结果表明:该方法比其他传统方法有更高的准确率和查全率.
基金项目
浙江省自然科学基金(LY19F020022)
浙江省自然科学基金联合基金(LHY21E090004)
中国工程科技知识中心项目(CKCEST-2020-1-25)
国家自然科学基金(61602402)
国家科技期刊平台
NSTL
万方数据