利用实体解析的跨社交媒体同一用户识别

发布时间：2019-02-17 15:12

【摘要】：[目的 /意义]跨领域关联实体一直是实体解析研究的主题,本文旨在不同的社交媒体(跨社交媒体)中找到属于同一用户的账户。[方法/过程]在传统近似字符串匹配技术的基础上,提出使用属性值结合社交媒体中的链接和文本内容的方法,比较两个不同社交媒体账户的属性相似度、邻域相似度和关键词相似度这三个匹配函数,以此提高识别这两个账户是否是同一个人的精确度。并利用社交媒体Facebook和Twitter数据作为实验数据集,针对匹配函数的不同组合进行试验。[结果 /结论]结果表明,三个匹配函数的组合能够得到更多的账户匹配为同一用户,同时精确度也很高,达到0.923。本文提出的方法在Facebook和Twitter上的成功运用,给其他社交媒体平台或者其他领域的实体关联的研究提供了一条新的路径。
[Abstract]:Objective / meaning: Cross-domain associative entities have been the subject of entity analysis. This paper aims to find accounts belonging to the same user in different social media (cross-social media). [method / procedure] based on the traditional approximate string matching technique, a method of combining attribute values with link and text content in social media is proposed to compare the attribute similarity between two different social media accounts. Neighborhood similarity and keyword similarity are three matching functions to improve the accuracy of identifying whether the two accounts are the same person. Social media Facebook and Twitter data are used as experimental data sets to test different combinations of matching functions. [results / conclusions] the results show that the combination of the three matching functions can get more account matching as the same user, and the accuracy is also very high, reaching 0.923. The successful application of the proposed method on Facebook and Twitter provides a new path for the research of entity association in other social media platforms or other fields.
【作者单位】： 上海大学图书情报档案系;
【分类号】：G206;TP391.1

【相似文献】

相关期刊论文 前10条

1 黄立威;李德毅;;社交媒体中的信息推荐[J];智能系统学报;2012年01期

2 王博然;;基于社交媒体的对象多维度用户情感和意向分析[J];北京工业职业技术学院学报;2014年01期

3 包俊君;;社交商务助力企业转型发展[J];软件和信息服务;2012年10期

4 罗志刚;;引领社交媒体之旅 助力国内教育转型——戴尔教育博客发布会[J];中国教育信息化;2011年06期

5 崔伟;;社交媒体时代的档案信息资源传播[J];兰台世界;2014年05期

6 Gwen Moran;Cross Zheng;;Storenvy当电商遇到SNS[J];创业邦;2013年05期

7 陈亿f;;零售业多渠道拉动销售 技术先行[J];信息与电脑;2013年03期

8 阿什莉·维里尔;沈建苗;;汲取四大CRM经验[J];IT经理世界;2013年09期

9 王晓民;;软件中国梦[J];软件和信息服务;2013年05期

10 ;[J];;年期

相关重要报纸文章 前4条

1 编译 年双渡;两大社交媒体巨头同步挖掘电商价值[N];中国商报;2014年

2 方亚;企业2.0,考验CIO的新魔咒[N];电脑商报;2011年

3 何勇海;碎片化的“微博书”能走多远？[N];中国艺术报;2014年

4 本报记者 周家杰 童薇菁;科技红娘深受年轻人青睐[N];文汇报;2014年

相关博士学位论文 前4条

1 罗准辰;社交媒体中的信息检索与传播分析[D];国防科学技术大学;2013年

2 朱星玮;社交媒体信息结构化组织及其应用研究[D];清华大学;2015年

3 谢松县;社交媒体中观点信息分析与应用[D];国防科学技术大学;2014年

4 唐李洋;基于社交媒体大数据的Twitter营销策略研究[D];合肥工业大学;2015年

相关硕士学位论文 前10条

1 蒋胜;基于社交媒体网络的消费者网购决策及商品推荐研究[D];安徽工程大学;2015年

2 景悦诚;基于丰富语言特征的中文社交媒体事件发掘[D];上海交通大学;2015年

3 李叶;面向热点感知的社交媒体数据获取与懫样[D];华东师范大学;2016年

4 张驰;社交媒体热点话题中合作行为检测[D];华东师范大学;2016年

5 王晶;基于社交媒体的热点主题挖掘及主题演化分析[D];西南大学;2016年

6 汪me洲;大数据环境下社交媒体信息流界面布局优化方法研究[D];东南大学;2016年

7 王道琳;当代动画的变体—动图[D];北京服装学院;2017年

8 朱建其;移动互联网时代游客使用社交媒体行为的影响因素研究[D];浙江工商大学;2017年

9 何伟名;中文社交媒体话题关键词抽取算法[D];北京交通大学;2017年

10 姜杰;社交媒体文本情感分析[D];南京理工大学;2017年

，

本文编号：2425294