MAUIL：用于半监督用户身份对齐的多级属性嵌入

跨社交网络的用户身份对齐（UIL）因其重大的研究挑战与实际价值近来吸引了越来越多的关注。现有多数方法使用单一方式表达不同类型的属性特征。然而，这种简单模式既无法覆盖全部不同类型的属性特征，也难以捕捉属性文本中更高层次的语义特征。本文建立了一个新颖的半监督模型，即用于半监督用户身份对齐的多级属性嵌入（MAUIL），以寻找跨社交网络的共同用户身份。MAUIL 包含两个部分：多级属性嵌入与基于正则化典型相关分析（RCCA）的线性投影。具体而言，首先将每个网络的文本属性划分为三类：字符级、词级和主题级属性。其次，采用无监督方法提取相应的三类文本属性特征，并将用户关系嵌入作为补充特征。所有所得特征被组合以形成每个用户的最终表示。最后，在少量预匹配用户对的辅助下，通过 RCCA 将目标社交网络投影到一个公共相关空间。我们在两个真实数据集上的大量实验证明了所提方法优于最先进的方法。