通过标记行为跨社交网络的一种改进的用户识别方法

与跨社交网站(SNS)识别具有多个虚拟身份的同一人有关的用户标识问题。 现有的大多数方法都密切关注配置文件属性的相似性,好友的生成内容和链接或这些功能的简单组合。 只有一种方法可以分析用户标签在用户识别问题中的可行性,而不能分析标签的特殊性和不一致性,这些标签属于不同社交网络中的用户。 在本文中,提出了一种通过标记行为跨社交网络的改进的用户识别方法,即一种新的BM25对称变体(BM25是袋词检索功能,该函数根据出现在每个文档中的查询词对一组文档进行排名,无论使用不同社交网络之间不一致标签之间的语义关系来确定文档中查询词之间的相互关系。 通过使用从不一致的标记行为,配置文件属性和SVM监督的学习技术中提取的功能,开发了用于在两个社交网站之间执行用户身份匹配的分类器。 对豆瓣和微博真实世界数据集的评估表明,该方法的准确性比基于普通标签的方法的准确性高30%。