文件名称：论文研究-基于隐藏标签节点挖掘的跨网络用户身份识别.pdf
文件大小：1.47MB
文件格式：PDF
更新时间：2022-08-11 15:40:40
用户身份识别,跨网络,社团聚类,隐藏标签节点
随着各种社交网络不断涌现，以及针对社交网络的安全和商业应用的不断普及，跨网络用户身份识别成为当前的研究热点。针对现有的基于自中心网络环境（Ego-UI）算法对标签节点利用率不高的缺点，提出一种基于隐藏标签节点挖掘的跨网络用户身份识别（HLNM-UI）算法。该算法通过给待匹配节点添加社团聚类信息，将挖掘出的隐藏标签节点加入到自中心网络里，通过对潜在的关系信息加以利用，提高待匹配节点的辨识度，然后利用标签节点找寻最佳匹配，最后通过迭代运算实现全网络所有节点的身份识别。在多个人工随机网络和真实社交网络实验结果表明，提出的算法相比现有的基于自中心网络算法具有更高的召回率和F1值。