摘要 | 第4-5页 |
Abstract | 第5-6页 |
第一章 绪论 | 第12-22页 |
1.1 研究背景与意义 | 第12-14页 |
1.2 跨网络用户身份识别算法研究现状 | 第14-17页 |
1.2.1 基于网络拓扑结构信息的身份识别算法研究现状 | 第14-15页 |
1.2.2 基于用户属性信息的身份识别算法研究现状 | 第15-16页 |
1.2.3 基于用户行为信息的身份识别算法研究现状 | 第16-17页 |
1.2.4 基于多维信息的身份识别算法研究现状 | 第17页 |
1.3 问题提出 | 第17-18页 |
1.4 本文主要内容和组织结构 | 第18-22页 |
1.4.1 主要内容 | 第18-20页 |
1.4.2 组织结构 | 第20-22页 |
第二章 跨社交网络用户身份识别技术基础 | 第22-34页 |
2.1 问题定义 | 第22-23页 |
2.2 跨网络身份识别的基本框架 | 第23-32页 |
2.2.1 账号相似性计算 | 第23-28页 |
2.2.1.1 网络拓扑结构相似性计算 | 第24页 |
2.2.1.2 用户属性信息相似性计算 | 第24-27页 |
2.2.1.3 用户轨迹相似性计算 | 第27-28页 |
2.2.2 账号匹配 | 第28-32页 |
2.2.2.1 双网络匹配算法 | 第28-31页 |
2.2.2.2 多网络匹配算法 | 第31-32页 |
2.3 评价指标 | 第32-33页 |
2.3.1 双网络评价指标 | 第32页 |
2.3.2 多网络评价指标 | 第32-33页 |
2.4 本章小结 | 第33-34页 |
第三章 基于带权超图的跨社交网络用户身份识别算法 | 第34-46页 |
3.1 引言 | 第34页 |
3.2 基于好友关系的跨网络用户身份识别 | 第34-35页 |
3.3 超图模型构建 | 第35-38页 |
3.3.1 超图 | 第35页 |
3.3.2 超图模型 | 第35-36页 |
3.3.3 在好友关系网络上构建超图模型 | 第36-38页 |
3.4 基于带权超图的用户身份识别 | 第38-40页 |
3.4.1 节点的拓扑结构表示与相似性计算 | 第38-39页 |
3.4.2 跨网络用户身份识别 | 第39-40页 |
3.5 实验结果与分析 | 第40-44页 |
3.5.1 实验数据说明 | 第40-42页 |
3.5.2 算法有效性验证 | 第42-44页 |
3.6 本章小结 | 第44-46页 |
第四章 基于属性值转移规律的跨社交网络用户身份识别算法 | 第46-58页 |
4.1 引言 | 第46-47页 |
4.2 属性值转移模型 | 第47-51页 |
4.2.1 属性值转移表创建 | 第48-49页 |
4.2.2 属性值转移概率 | 第49-51页 |
4.3 基于属性值转移规律的身份识别算法 | 第51-52页 |
4.3.1 用户档案相似性 | 第51-52页 |
4.3.2 算法描述 | 第52页 |
4.4 实验结果与分析 | 第52-56页 |
4.4.1 实验数据集 | 第52-54页 |
4.4.2 算法有效性验证 | 第54-56页 |
4.5 本章小结 | 第56-58页 |
第五章 基于轨迹信息位置访问顺序特征的跨网络用户身份识别 | 第58-72页 |
5.1 引言 | 第58-59页 |
5.2 相关定义 | 第59页 |
5.3 数据预处理 | 第59-61页 |
5.3.1 训练样本构建方法 | 第60-61页 |
5.4 基于用户轨迹的身份识别算法 | 第61-65页 |
5.4.1 基于paragraph2vec的轨迹模型构建 | 第61-63页 |
5.4.2 CDTraj2vec算法 | 第63-65页 |
5.5 实验结果与分析 | 第65-71页 |
5.5.1 实验数据集 | 第65-66页 |
5.5.2 参数设置 | 第66页 |
5.5.3 单个类型训练样本匹配结果分析 | 第66-69页 |
5.5.4 对比算法 | 第69页 |
5.5.5 结果分析 | 第69-71页 |
5.6 本章小结 | 第71-72页 |
第六章 总结与展望 | 第72-74页 |
6.1 全文总结与主要创新点 | 第72-73页 |
6.2 下一步研究工作展望 | 第73-74页 |
致谢 | 第74-76页 |
参考文献 | 第76-82页 |
作者简历 | 第82页 |