基于事实嵌入的无监督用户身份关联
社会与信息网络
2019-01-23 v1
摘要
用户身份关联（UIL），即跨多个在线社交网络（OSNs）匹配用户账号的问题，已被广泛研究并对许多现实应用具有重要意义。大多数现有的 UIL 解决方案采用监督或半监督方法，这些方法通常受限于标记数据的稀缺性。在本文中，我们提出了一种采用无监督方法的新框架 Factoid Embedding。它旨在应对不同 OSN 的不同个人资料属性、内容类型和网络链接。其核心思想是，关于用户身份的每条信息都描述了真实的身份所有者，从而将该所有者与其他用户区分开来。我们将这样的一条信息表示为一个事实元组，并将其建模为由用户身份、谓词以及一个客体或另一个用户身份组成的三元组。通过嵌入这些事实元组，我们学习用户身份的潜在表示，如果来自不同 OSN 的两个用户身份在用户嵌入空间中彼此接近，则将它们关联起来。我们的 Factoid Embedding 算法的设计使得在学习嵌入空间时，每个被嵌入的事实元组被“翻译”为用户嵌入空间中的一种运动，以使相似的用户身份更近，不同的用户身份更远。进行了大量实验以在两个真实 OSN 数据集上评估 Factoid Embedding。实验结果表明，即使没有训练数据，Factoid Embedding 也优于最先进的方法。
引用
@article{arxiv.1901.06648,
title = {Unsupervised User Identity Linkage via Factoid Embedding},
author = {Wei Xie and Xin Mu and Roy Ka-Wei Lee and Feida Zhu and Ee-Peng Lim},
journal= {arXiv preprint arXiv:1901.06648},
year = {2019}
}
备注
Preprint for 2018 IEEE International Conference on Data Mining (ICDM)