发明 基于联合嵌入学习模型的跨社交网络用户身份识别方法
社交平台/用户画像/数据挖掘/用户推荐 【社交平台/用户画像/数据挖掘/用户推荐】 3人
G06F16/9536 G06Q50/00 G06K9/62 G06N3/04 G06N3/08
摘要：本发明公开了一种基于联合嵌入学习模型的跨社交网络用户身份识别方法。首先利用用户名相似度和网络结构从两个社交网络中选取候选配对用户对；然后以所有的候选配对用户对为节点构建用户对网络图；其次在构建的UPG和已标注的用户对数据的基础上，融合标注好的配对用户信息标签、结构信息和属性信息搭建联合嵌入学习模型，并将其设计成1个输入和2个输出的深度神经网络结构；最后利用随机梯度下降算法对联合嵌入模型的损失函数进行最小化学习，学习结束后利用模型的参数对需要预测的用户对进行预测，并判断输出是否为相同用户。本发明能有效预测来自不同网络的两个用户是否为相同用户，对商业上的跨社交网络的相关应用起着至关重要的作用。
