基于用户表示学习的跨网络用户虚拟身份关联映射研究

With the benefit of socialized online services, users are often active across multiple online social networks simultaneously. Anchor link prediction aims to identify the hidden anchor links, which is a fundamental problem for user identification, user profiling, public opinion monitoring, and cross-domain recommendation. However, the user data, e.g., behaviors, network structure and contents, is characteristics in high-dimensional and sparse, which causes the great challenges in exploring efficient clues for predicting anchor links. ..In this proposal, we propose a framework for anchor link prediction based on learning user representations. In this framework, high-dimensional and sparse data is mapped into a low-dimensional and dense space. In the learning process, we regularize the user representations with the few labeled user identities and formalize the cross-network matching function for anchor link prediction. Furthermore, we propose indexing methods for highly efficient searching user representations across multiple networks.

随着在线社交服务的发展，用户的使用习惯被不断分散。在不同的社交平台中，用户身份隐匿、信息碎片化，成为了一个普遍现象。关联用户在不同社交平台上的虚拟身份，整合用户信息，是精准用户识别、用户画像、舆情监控和跨领域推荐等问题的关键基础。然而，用户数据在社交平台上，呈现高维、稀疏的特点，使得在利用用户行为、网络结构和内容等用户数据时，不易找到鲁棒、相关的关联线索，将不同平台的虚拟用户进行身份关联。本项目主要从用户数据的表示学习着手，分别研究如何将动态/静态的用户数据，从高维、稀疏的原始数据空间映射到低维、稠密的表示空间，通过少量的标注用户数据，建立跨网络的用户表示的关联关系，并提出利用索引技术，建立用户表示索引，高效地跨网络查找用户虚拟身份的关联关系。

项目以在线社交服务中的用户身份隐匿、信息碎片问题为背景，研究跨网络用户身份映射问题。本项目主要从用户数据的表示学习着手，分别研究如何将动态/静态的用户数据，从高维、稀疏的原始数据空间映射到低维、稠密的表示空间，通过少量的标注用户数据，建立跨网络的用户表示的关联关系，并提出利用索引技术，建立用户表示索引，高效地跨网络查找用户虚拟身份的关联关系。项目在执行期内完成了计划内的指标要求，相关成果支撑或应用于国家重大应用工程及系统，具有较强的应用潜力。