异构社交平台中用户身份解析

跨社交平台的用户身份解析是社交网络一个重要的研究方向，其可以有效集成不同平台的同一用户信息。现有的用户身份解析工作大多针对类型相似的社交平台，平台间的信息相对对称，通过用户在不同平台上的档案属性、空间位置、网络关系等信息的相似度来判别是否为同一用户。然而，在两个异构社交平台中用户信息是不对称的，难以直接获取到用于用户身份解析的相应属性信息。本文研究跨评论类与活动类平台间的用户身份解析方法。为了解决两类社交平台的用户信息属性不对称问题，把用户信息按档案属性、语义序列、特征词序列3类信息组织，从各自的社交平台中抽取相应的信息建立映射关系，提出了综合3类信息的集成匹配算法。考虑了用户活动的时间偏移现象，采用反向传播学习的方法获取时间偏移权重，提出了基于反向传播学习的语义序列与特征词序列相似性度量方法。同时，设计了总体相似度度用于用户身份解析。利用真实数据集进行了充分的实验，实验结果表明了所提出用户身份解析算法的有效性。