模式无关的社交网络用户识别算法
【作者】
叶娜
[1,2] ;
赵银亮
[1] ;
边根庆
[1] ;
李健
[3] ;
何箐
[1,2]
【关键词】
用户识别
二部图
实例匹配
跨系统个性化
【摘要】针对识别社交网络用户时存在的模式不一致问题,提出了基于分块和二部图的用户识别算法.该算法通过将传统分块算法中的属性值精确匹配扩展为无模式信息下的属性值近似匹配,避免了传统用户识别时所需的模式对齐;使用加权二部图及Kuhn Munkres (KM)最大权匹配算法进行源用户档案与待匹配用户档案间的相似度计算,解决了用户档案间属性个数不同及语义语法异构的问题.在社交网站Profilactic上采集了965个用户的公开数据,采用召回率、精确率和综合指标等评价指标对算法进行了实验评估.实验结果表明,所提算法能够不依赖模式信息进行实例级跨系统用户识别,与基于属性值精确匹配的算法相比,所提算法的召回率提高了6.2%~9.5%,综合评价指标提高了3%~4.2%.
上一篇:自然场景下运动目标检测与阴影剔除方法
下一篇:用于无线多跳网络视频流传输的优先级机会网络编码