跨社交网络的用户身份关联技术研究

发布时间：2020-06-12 05:16

【摘要】：为了识别出同一个自然人在不同社交网络平台中的虚拟身份,跨社交网络的用户身份关联技术已经成为当前的研究热点。对于公安工作而言,实现跨社交网络的用户身份关联、形成人员的全息档案意义重大,特别是面向境外或小众的社交网络,公安部门很难掌握此类社交网络平台全面的用户基础数据,该技术可以为用户身份核查、情报线索扩展等业务提供有力的数据支撑。因此该技术的研究具有重要的理论意义和实用价值。论文的主要工作有以下三个方面:(1)提出了融合分类法和赋权法的跨社交网络用户身份关联算法。该算法通过串行处理模式,融合了分层级联的机器学习模型(HCML)和基于信息熵赋权的结果修正模型,不仅充分利用了不同维度的用户属性信息,也考虑了属性综合相似度的统计分布特征,提升了关联准确性。此外,该算法所使用的用户属性特征抽取方法对大部分社交网络具有普适性,面向用户名、地理位置、个人描述和头像进行了多种不同指标的相似度计算,更全面地反映了不同平台用户之间的相似性。(2)提出了基于网络表示学习的跨社交网络用户身份关联算法。面向异构信息网络,改进了传统网络表示学习算法LINE,提出融合跨平台先验关联关系的网络表示学习算法CSN_LINE,将用户关系的网络拓扑信息转化为低维向量进行表示,以此作为跨社交网络用户关系的特征向量。然后构建了基于多层感知机的用户身份关联模型。该算法通过有效的网络表示,提高了用户身份关联的准确性。(3)设计并实现了跨社交网络的用户身份关联原型系统。该系统集成了基于用户属性和用户关系的身份关联算法,形成技术关联子系统,同时也开发了基于用户基础信息的硬匹配关联子系统。该系统可以针对常见类型的社交网络用户数据,提供用户身份关联的功能。目前该系统已作为国家重点研发计划“网络空间安全”重点专项(项目编号:2016YFB0801100)的成果,在某地公安业务部门进行了测试验证。在论文研究中,爬取了来自豆瓣网和新浪微博的用户数据,其中豆瓣网用户量约200万,微博用户量约80万,数据类型包括文本、图像、网络拓扑等。利用真实数据对本文提出的两种用户身份关联算法和原型系统进行了实验测试,两种算法的综合评价指标F1值分别达到0.8720和0.8563,相比传统方法有大幅提高,证明了身份关联算法的有效性,同时原型系统在测试中也能准确关联用户的身份,证明了系统的可用性。
【图文】：

中国网,普及率,互联网,社交

截至2018 年 12 月，我国的网民规模已达到8.29 亿，相比于2017 年底增加了 3.8%，同时，互联网的普及率达到 59.6%，网民和互联网普及率的增长情况如图1.1 所示。随着互联网的影响力不断扩大，社交网络在人类社会中也发挥出越来越深远的影响，在政务信息、舆论舆情、商品贸易、生活娱乐、金融经济等领域，社交网络平台已经承担起传统渠道的许多作用，，在日益发展中成为了互联网时代不可或缺的社会基础元素。图 1.1 中国网民规模和互联网普及率社交网络普及于网民的日常生活中，丰富多样的社交网络平台已经改变了人们的生活方式，网民用户普遍拥有多个不同社交网络平台的账号，甚至在同一平台中拥有多个不同账号。不同类型社交网络为用户提供不同种类的服务，例如用户会在新浪微博中关注热点事件，发表观点和评论，也会在豆瓣网中发布关于书籍、影视方面的信息，还会在领英网站中发布关于个人职业、教育的相关情况等

框架图,用户身份,社交,框架

状网络用户身份关联（User Identity Linkage）也常被称为用户身份olution）、用户账号关联（User Account Linkage）、锚点链接预tion）等[2]。由于社交网络用户数据的多源异构性，所以基于不同路区别很大，当前主要的研究路线有三种：基于用户属性（Use基于用户关系（Network）的身份关联、基于用户生成内容（Us身份关联[3]，当然也包括许多综合不同维度数据的研究。由于用关系拓扑规模巨大、用户生成内容的海量低质且多噪声，实现用难的任务[5]。网络的用户身份关联技术的通用框架如图 1.2 所示，主要包括特个部分。在特征抽取中，从跨平台用户对的用户属性、用户关系特征。然后将抽取到的特征作为关联模型的输入，根据训练集是关联关系，关联模型可以分为有监督、半监督或无监督的模式。来预测两个不同社交网络平台的用户身份是否关联。
【学位授予单位】：中国人民公安大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：D918.2

【相似文献】