在移动互联网时代,人们在网络上的社交需求日益增加,各种社交平台也应运而生,用户数量和账号数量都呈现爆炸式增长。跨社交网络的用户识别技术能够通过处理和分析用户的账号资料、好友关系、关注内容等信息识别出用户的身份,对于好友推荐、广告投放、国防安全等领域均具有重要价值。现有的用户识别方法一般通过统计信息或特征表示等方法得到用户身份的向量化表示,然后利用各种数学模型识别用户的身份。但是,现有方法仍存在两个方面的问题:1)在信息利用上,没有充分考虑与用户识别相关的多方面信息以及这些信息之间的关联性。2)在特征提取上,现有的方法未能够针对于用户的身份信息提取一些具有针对性的特征。针对上述的问题,本文选择了用户识别中账号匹配和属性识别两个细分方向进行研究,主要贡献如下:（1）使用了一种基于多模态特征张量融合的账号匹配方法。该方法选取了与用户身份相关的四方面模态的信息,并使用了张量融合的方法捕捉各模态信息之间的关联性,解决了信息利用不充分的问题,建立了信息间的关联性。此外,该方法利用个人简介构建用户信息异质图,并利用改进的随机游走算法提取特征,这样的方式能够更准确地表征用户身份。实验表明,本文所使用的账号匹配方法相比于传统方法F1值高出1.34%。（2）使用了一种基于语境特征的用户属性识别方法。除了常规的词嵌入特征之外,该方法针对用户属性制定了大量的有针对性的语境特征,对于推文中可能出现的拼写错误的单词引入了字符级嵌入,并使用了双向长短时记忆网络和条件随机场的组合模型对工作单位进行识别。实验表明,本文所使用的用户属性识别方法相比于传统方法F1值高出10.30%。