近年来,各种社交网络如雨后春笋般应运而生,如微博、豆瓣、知乎等,并逐渐成为人们生活中不可或缺的组成部分。跨社交网络用户身份识别算法研究作为在线社交网络研究的重要组成部分,在网络空间安全、个性化服务推荐和社交网络数据挖掘等领域具有重要的意义。目前,跨社交网络用户身份识别算法研究已经取得相当大的进展,各种身份识别算法相继被提出,但是相关研究中仍然存在标签的非一致性、匹配结果的不稳定性和档案特征提取的片面性等问题。本文针对这些问题提出两种用户身份识别算法。首先,为了解决标签非一致性问题,提出了一种基于用户标签语义相似性的用户身份识别算法。首先,该算法使用用户名相似度作为标准来挑选候选匹配账号;其次,使用基于标签语义的相似度计算两个账号标签之间的相似度特征,并针对标签缺失的情况使用主题生成模型从用户发布的文本信息中提取主题关键字作为用户标签;最后,该算法通过计算两个账户的标签相似度是否大于某个阈值来确定两个账户的匹配。与传统基于标签的用户身份识别算法的对比实验表明,平均倒数排名提高了 15%,准确率、精确率、召回率和Fl-score分别提高了 22%、15.7%、24%和20.5%。其次,为了解决匹配结果的不稳定性和档案特征提取的片面性,提出了一种基于稳定婚姻匹配的用户身份识别算法。首先,使用用户名和好友链接结合的方式选择候选账号;其次,对用户档案的属性项提取字符、语义以及属性间的相似性特征;最后,使用双向匹配算法实现账号的匹配。与前人提出相关算法的对比实验表明,在精确率、召回率和F1-score分别提高了2%、28%和18.8%。最后,本文对跨社交网络用户身份识别算法做了总结,分析了文中提出的跨社交网络见户身份识别算法的优缺点,并对该领域的发展方向进行了展望。