随着互联网科技的飞速发展,在线社交网络已经成为人们娱乐交友、获取信息、分享信息等的重要渠道。人们为了享受各种极好的智能化的网络服务和满足个性化多样化的需求,往往同时加入不同的在线社交网络。多网络锚链接推断,即发现同一个人在不同社交平台上的不同账号之间的相关性。它是很多跨网络应用的先决条件,比如跨网络社交链接推荐,跨网络信息融合等,研究多网络间的锚链接具有非常重要的意义。本文首先明确地阐述了多网络锚链接推断问题的研究内容,充分地分析了多网络锚链接推断问题的研究现状,总结了基于用户文档的相似性比较方法和基于网络拓扑结构的分析方法中存在的不足,提出了一个基于元路径的多网络锚链接推断算法(MALI)来更好地解决锚链接推断问题。本文主要做出了如下贡献:1.针对基于网络拓扑结构的锚链接推断算法对网络噪声和缺失数据非常敏感的问题,本文提出了一个PU链接预测模型来建立结构丰富的概率网络以抑制噪声的干扰;同时丰富的网络结构能够进一步提供更多的社交信息以得到性能更佳的锚链接推断结果。2.针对部分对齐的多异构网络结构复杂,提取有效的跨网络特征困难的问题,本文提出利用扩展的跨网络社交元路径来提取特征向量。具体地,本文首先建立9种网络内的社交元路径,然后结合部分对齐网络中已知的少量锚链接关系,建立跨网络社交元路径来提取功能全面的特征向量,这样能够很好地建模多异构网络中用户节点之间的复杂关系。3.考虑到用户在自己的社交圈子内,为了和其他的朋友等区别开来,每个人一般都会拥有一个不同的用户名;当找到相似性比较大的用户对时,我们提出使用与用户名相结合的稳定匹配算法来进一步提高锚链接推断结果的性能。两个部分对齐的真实网络数据集上的实验验证了我们提出的MALI算法能够很好地解决多网络锚链接问题。最后,本文把多网络锚链接推断的结果应用于解决两个实际问题,跨网络信息推荐和识别潜在用户。