基于深度学习的跨社交网络用户匹配方法

来源：电子与信息学报杂志2023年第7期北京时间：

作者：马强, 戴军

单位：西南科技大学信息工程学院 绵阳 621010

摘要：现有基于时空信息的跨社交网络用户匹配方案，存在着难以耦合时空信息、特征提取困难问题，导致匹配精度下降。该文提出一种基于深度学习的跨社交网络用户匹配方法(DLUMCN)，首先对用户签到数据进行时空尺度的网格映射，生成包含用户特征的签到矩阵集合，对其归一化后构成用户签到图。然后采用卷积从签到图中生成高维度的时空特征图，利用深度可分离卷积对特征图权重变换和特征融合，对特征图1维展开获得特征向量。最后利用全连接前馈网络构建分类器并输出用户匹配评分。通过在两组真实社交网络的数据集上进行实验验证，实验结果表明，与现有相关算法相比，所提算法在匹配的准确率以及F1-值均得到提升，验证了所提算法的有效性。

关键词：跨社交网络, 用户匹配, 深度学习, 签到相似度

基金资助：国家自然科学基金 (62071170, 62072158)，河南省杰出青年科学基金(222300420006)，河南省高校科技创新团队支持计划(21IRTSTHN015)，西南科技大学博士基金(17zx7158)