基于多头注意力的社交网络用户身份链接方法
电子技术应用
臧文羽1，颉夏青2，邱莉榕2，陆月明2
1.网络空间研究院；2.北邮可信分布式计算与服务教育部重点实验室
摘要： 随着社交网络的快速发展，人们在社交网络中拥有越来越多的虚拟身份，识别同一自然人不同网络虚拟身份的网络用户身份链接问题变得越来越重要。用户身份链接有助于挖掘网络用户的隐信息，构建全面的网络用户画像，进而促进跨网络的推荐、链接预测、信息传播等多个研究领域发展。现有的基于用户属性和基于网络结构的用户身份链接方法，没有考虑不同用户之间影响力差异因素，收敛速度较慢。基于深度游走的用户身份链接方法，融入多头注意力机制，对用户间影响力进行建模，实验结果表明，该方法可以很好地改进算法有效性，提高训练效率。
中图分类号：TP39 文献标志码：A DOI: 10.16157/j.issn.0258-7998.245904
中文引用格式： 臧文羽，颉夏青，邱莉榕，等. 基于多头注意力的社交网络用户身份链接方法[J]. 电子技术应用，2024，50(12)：61-64.
英文引用格式： Zang Wenyu，Xie Xiaqing，Qiu Lirong，et al. Social network user identity linkage method based on multi-head attention[J]. Application of Electronic Technique，2024，50(12)：61-64.
中文引用格式： 臧文羽，颉夏青，邱莉榕，等. 基于多头注意力的社交网络用户身份链接方法[J]. 电子技术应用，2024，50(12)：61-64.
英文引用格式： Zang Wenyu，Xie Xiaqing，Qiu Lirong，et al. Social network user identity linkage method based on multi-head attention[J]. Application of Electronic Technique，2024，50(12)：61-64.
Social network user identity linkage method based on multi-head attention
Zang Wenyu1，Xie Xiaqing2，Qiu Lirong2，Lu Yueming2
1.Academy of Cyber； 2.Key Laboratory of Trustworthy Distributed Computing and Service （BUPT）， Ministry of Education
Abstract： With the rapid development of social networks, people have various virtual identities in social networks. User identity linkage problem that aims to identify various virtual identities of the same natural person is becoming increasingly important. User identity linkage method can unearth some hidden information and form a complete user profile to promote the development of multiple research fields, such as cross-network recommendation, link prediction, information dissemination, etc. Existing user-profile based model and network-structure based user identity linkage model do not consider the influence difference between different users, and the convergence speed is slow. In order to model the influences between users, multi-head attention mechanism is added to network random-walk based user linkage method in this paper. The experimental results show that it can improve the effectiveness of social network user identity linkage method and improve training efficiency.
Key words : graph embedding；user identity linkage；multi-head attention mechanism
引言
根据中国互联网信息中心发布的第51次《中国互联网络发展状况统计报告》，我国的在线社交网络数量已经增长到10.67亿，互联网的普及率也达到了75.6%[1]。社交网络已经成为人们日常生活中不可或缺的社交工具，抖音、微信、微博、X（Twitter）等社交网络层出不穷，人们在社交平台上拥有越来越多的虚拟身份。根据全球网络指数（Global Web Index，GWI)发布的《2019年社交媒体趋势报告》[2]，平均每个互联网用户拥有的社交网络账号已经从2015年的约6.2个上升到2019年的近8个。因此，社交网络的用户身份链接（User Identity Linkage）问题成为近年来的研究热点，为跨平台的用户画像[3]、虚假身份信息监测[4]、社交网络朋友推荐[5]、信息传播[6]、链接预测[7]、网络动力学分析[8]等很多下游任务提供了新的研究思路。
现有的用户身份链接方法仍然存在许多问题，例如仅仅关注社交网络的社群结构，而忽略了其局部结构、忽视了用户和邻居之间相互影响力差异，算法收敛速度慢等。因此，全面分析社交网络特征结构、提高用户身份链接算法训练效率仍然是十分重要的课题。
本文详细内容请下载：
https://www.chinaaet.com/resource/share/2000006249
作者信息：
臧文羽1，颉夏青2，邱莉榕2，陆月明2
（1.网络空间研究院，北京 100041；
2.北邮可信分布式计算与服务教育部重点实验室，北京 100876）
此内容为AET网站原创，未经授权禁止转载。