典型文献
一种基于深度学习的动态社交网络用户对齐方法
文献摘要：
社交网络对齐旨在从不同的社交网络中识别出属于同一自然人的社交账户.现有的相关研究大多着眼于静态社交网络的对齐上,然而,社交网络是动态发展的.本文观察到,这种动态性可以揭示出更多的决定性模式,从而更有利于社交网络的对齐,这种现象促使本文在动态场景中重新思考这个问题.于是,本文利用社交网络的动态性,设计一个深度学习架构来解决动态社交网络的对齐问题,其称为DeepDSA(Deep learning based Dynamic Social net-work Alignment method).首先设计一个深度序列模型来分别捕捉社交网络结构和属性的动态性;其次,对于每一个社交网络,通过保持相同用户结构和属性之间的相关性来融合二元动态,得到原始的综合嵌入表示;最后,以半监督的方式进行空间变换学习,并将每个网络的原始嵌入投影到一个目标子空间中,在该子空间中自然人是唯一表示的.本文在真实世界的数据集上进行大量的实验,证明DeepDSA方法相较于目前的主流算法提升了10％的对齐效果.
文献关键词：
社交网络对齐;动态性;深度学习;特征融合;子空间学习
中图分类号：
作者姓名：
王飞扬;冀鹏欣;孙笠;危倩;李根;张忠宝
作者机构：
北京邮电大学计算机学院,北京100876
文献出处：
引用格式：
[1]王飞扬;冀鹏欣;孙笠;危倩;李根;张忠宝-.一种基于深度学习的动态社交网络用户对齐方法)[J].电子学报,2022(08):1925-1936
A类：
动态社交网络,社交网络对齐,DeepDSA,变换学习
B类：
社交网络用户,对齐方法,自然人,交账,账户,多着,于静,动态发展,动态场景,新思考,深度学习架构,learning,Dynamic,Social,net,work,Alignment,method,度序列,序列模型,社交网络结构,同用,嵌入表示,半监督,行空,空间变换,真实世界,流算法,特征融合,子空间学习
AB值：
0.308279
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
