基于对偶映射学习的跨网络身份关联算法

作     者：程佳琳 袁得嵛 陈梓彦 

作者机构：中国人民公安大学信息网络安全学院 安全防范与风险评估公安部重点实验室 

出 版 物：《数据分析与知识发现》 (Data Analysis and Knowledge Discovery)

年 卷 期：2024年

核心收录：

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 081104[工学-模式识别与智能系统] 08[工学] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：“高等学校学科创新引智基地资助”(项目编号:B20087) “中国人民公安大学基本科研业务费重点项目”(项目编号:2022JKF02007)的研究成果之一 

主　　题：网络嵌入 社交网络 深度学习 身份关联 DeepWalk 

摘      要：[目的] 为了判别来自两个不同社交网络的用户是否属于同一自然人。[方法] 提出一种结合了图嵌入和深度学习的身份关联算法eDual-ViewUIL，先通过网络扩展扩充潜在用户关系，然后使用DeepWalk算法学习用户节点的低维表示，并引入了对偶映射学习的思想，同时利用排序敏感似然损失函数训练映射函数，进而进行跨网络用户身份关联。[结果] 通过在三个数据集上进行实验验证，本文提出的算法对比其他三个基线算法精确率均提升6%以上。[局限] 由于社交网络用户量巨大，整体计算量相对较大，算法运算效率还有待提升。[结论] eDual-ViewUIL算法在标签数据不足和正负样本不平衡的情况下表现出较强的泛化能力。因此，本研究对于解决跨网络身份关联问题具有重要的现实意义和应用价值。