【摘 要】
：
在线社交网络为人们提供了交流和信息共享的媒体平台,由于不同的在线社交网络分别为人们提供不同的服务,为了使用不同的社交媒体平台,用户普遍拥有多个在线社交媒体账号。此时利用在线社交网络中的数据从多个维度对用户身份进行标识,进而进行跨社交媒体用户对齐操作,实现社交网络中用户身份标识,对网络安全、推荐系统等领域有重要发展意义。现有用户身份标识方法,未充分利用用户特征数据,用户身份标识效果难以体现,针对上述
论文部分内容阅读
在线社交网络为人们提供了交流和信息共享的媒体平台,由于不同的在线社交网络分别为人们提供不同的服务,为了使用不同的社交媒体平台,用户普遍拥有多个在线社交媒体账号。此时利用在线社交网络中的数据从多个维度对用户身份进行标识,进而进行跨社交媒体用户对齐操作,实现社交网络中用户身份标识,对网络安全、推荐系统等领域有重要发展意义。现有用户身份标识方法,未充分利用用户特征数据,用户身份标识效果难以体现,针对上述问题,本文从如何融合社交网络多源用户信息,实现对用户身份进行表示,同时基于用户标识进行跨社交网络用户对齐,迭代的进行用户身份表示,以及用户表示评价指标等方面展开研究。论文的主要研究工作如下:第一,从社交网络用户数据特征出发,研究了一种基于用户网络拓扑结构信息、用户属性信息、用户文本信息三个维度的用户标识方法NAT。三个维度的信息分别表征为三个独立的向量表示,包括:由网络拓扑结构信息使用图嵌入的方法产生的Net Embedding,由用户属性信息进行特征抽取编码得到的Attribute Embedding,由用户文本信息采用Doc2vec方法产生的Text Embedding。使用链路预测作为多维嵌入用户身份标识的评价指标,基于NAT方法得到的用户向量表示,对比数十种链接预测算法,取得较好的AUC表现,证明了用户标识方法NAT的有效性。第二,基于NAT得到的用户身份标识,借助图像翻译领域的pix2pix模型,将不同社交网络的用户表示分别作为输入和输出,训练跨社交网络的pix2pix对齐模型,使用含Attention机制的BiLSTM模型作为社交网络间用户表示翻译的生成器,含Attention机制的多层BiLSTM模型作为判别器,训练社交网络间用户表示的双向翻译模型。实验阶段通过多种算法对比,验证该对抗用户翻译模型的有效性,可以有效地将社交网络用户表示翻译到另一社交网络,将跨社交网络的同一用户进行识别、对齐。对齐融合后的社交网络,包含更多的用户信息,可以进一步有效的迭代和提升用户身份标识效果。实验结果表明,本文的基于多维度用户信息的表征方法有效,可以对社交网络用户身份进行标识,同时实现了跨社交网络用户翻译对齐模型,为在线社交网络中用户的迭代标识提供解决方案。
其他文献
随着5G技术逐渐成熟及其商业应用产品慢慢普及,原本发展了数年的边缘计算进一步成为了研究热点,将人工智能技术与边缘计算领域融合更是引起了研究者们的强烈兴趣。但是,内存消耗型和计算密集型的深度学习算法与资源匮乏型的边缘终端硬件形成巨大冲突。本文针对边缘计算与深度学习的融合需求,将只有8KB内存的微型开发板作为研究和移植目标平台,深入分析了模型压缩、模型拆解、自动编码和模型存储关键技术,并在此基础上提出
党的十九届六中全会通过的《中共中央关于党的百年奋斗重大成就和历史经验的决议》强调,确立习近平同志党中央的核心、全党的核心地位,确立习近平新时代中国特色社会主义思想的指导地位,反映了全党全军全国各族人民共同心愿,对新时代党和国家事业发展、对推进中华民族伟大复兴历史进程具有决定性意义。"两个确立"既是深刻总结党的百年奋斗、党的十八大以来伟大实践得出的重大历史结论,更是新时代党和国家事业发展、推进
海杂波下的弱小目标检测一直是雷达检测跟踪识别领域的重难点问题。该课题在军事、民用上均有重要应用,军事方面可以用来检测潜望镜、远距离水面舰艇、掠海飞行器等,民用上可用来监控海上偷渡、非法贸易、预防船只相撞。高海况下,海杂波的后向电磁散射特性较强,雷达回波中的目标信号容易被海面浪、涌造成的海尖峰掩盖,给检测带来困难。传统的雷达目标检测方法存在诸多缺陷,低信杂噪比下虚警较多、海杂波复杂多变,传统方法在拟
卫星测控通信模拟器是一种专门与地面测控通信系统在卫星发射前进行联试和对接的仿真设备,主要用于验证地面测控通信系统在接口、信息交换、测控程序的正确性和协调性。在历次卫星发射测控中,测控通信模拟器发挥了至关重要的作用。随着我国第三代航天测量船的投入使用并将参加各项测控任务,为确保测量船测控通信系统的功能正确,必须利用卫星测控通信模拟器进行联试检验,为新测量船研制新的卫星测控通信模拟器成为必然。在分析了
卫星遥感影像是一种高度结构化的数据资源。将以深度学习为代表的现代计算机视觉技术与遥感数据分析结合起来,是当前研究的热点。其成果可能会对人们理解环境方式产生巨大影响,在农业、城市规划、可持续发展、应急救援、自然灾害的早期探测和预防等方面都可以提供关键支撑。地表覆盖类型分类是上述应用的基础,其目的是将卫星图像中的每一个像素划分为一个特定的土地覆盖类别。论文在此基础上展开基于深度学习的遥感影像地表覆盖类
在网络运维管理工作中,为了有效保证网络系统稳定可靠运行,网络管理者需要密切监控KPI（Key Performance Indicator,关键性能指标）的变化情况,基于指标中呈现出的异常现象,及时的发现网络服务故障,以规避网络系统升级与技术变更所带来的风险。然而,随着互联网公司业务及服务规模,以及网络系统规模的不断增长,传统网络运维管理手段在复杂实际场景下KPI异常检测任务中面临诸多挑战与困难。基
类增量学习技术在近年来逐渐成为机器学习领域的研究热点,其技术特点是在增量学习过程中随着数据规模的持续扩大,数据类别也随之增长。其中,面向高速动态数据流的类增量学习技术的研究,更是在诸如数据流异常检测、网络入侵检测、系统异常诊断和金融市场行为监控等现实场景存在较为迫切的应用需求。然而,流式数据模型具有数据分布动态变化、数据流速快、数据规模大且维度高等特点,给面向数据流的类增量学习技术提出了新的更大挑