基于SUP-LightGBM的跨社交网络用户识别

作     者：赵涛 卞怡倩 王泽成 高恒 ZHAO Tao;BIAN Yiqian;WANG Zecheng;GAO Heng

作者机构：安徽财经大学管理科学与工程学院安徽蚌埠233030 

基　　金：安徽省高校自然科学研究重点项目(KJ2021A0483 KJ2019A0656) 

出 版 物：《苏州科技大学学报（自然科学版）》 (Journal of Suzhou University of Science and Technology（Natural Science Edition）)

年 卷 期：2023年第40卷第2期

页      码：65-71页

摘      要：对同一用户在多个社交网络中的信息进行整合,以支持用户画像、个性化推荐等应用需求,跨社交网络用户身份识别成为研究热点,但现有识别方法存在数据难获取、真实性不足、识别精度不高等问题。针对这些问题,论文设计网络爬虫程序,从真实社交网络Facebook和Twitter网站中获取用户好友关系数据,解决了数据难获取与真实性不足的问题,并首次加入好友昵称特征(SUP),使用SUP-LightGBM算法对Facebook和Twitter中相同的用户进行识别,提高了识别精度。实验结果表明,SUP-LightGBM算法的精确率、召回率、F_(1)值和准确率分别达到了98.35%、96.08%、97.19%和97.09%;相比不使用SUP特征时分别提高11.06%、21.43%、16.74%和15.8%,证实了文中方法的有效性。

主 题 词：机器学习 社交网络 用户识别 SUP-LightGBM算法 用户昵称 

学科分类：081203[081203] 08[工学] 0835[0835] 0812[工学-测绘类] 

D　O　I：10.12084/j.issn.2096-3289.2023.02.010

馆 藏 号：203122291...