Structure Based User Identification across Social Networks

Summary

Research Objective

纯粹通过朋友关系用无监督方法识别不同社交网络中的匿名的相同用户

提出了一种无监督的用户身份识别算法 —— Friend Relationship-based User Identification without Prior Knowledge（FRUI-P）。从网络结构中提取每个用户的多个维度的特征， 然后从多维特征中评价任意两个不同SNs用户的相似性。

提出一个 Friend Feature Vector Machine（FFVM）来进行网络的随机游走。

Problem Statement

1 Candidate Identical User Pair

2 Identical Users

$$\ddot{\mathrm{I}}\left(\mathrm{U}_{i}^{A}, \mathrm{U}_{j}^{B}\right) \\ 如果 U_i^A 和 U_j^B是真实世界的一个人，那么 U_i^A = U_j^B$$

3 Context

具有较高概率预测用户$U_i$的用户集合，通过随机游走来构建用户的上下文

4 Positive Sample

$(C_i, U_i)$

5 Negative User Set，Negative Sample

除了$U_i$以外的用户定义为$N_i$, 是$C_i$的负用户，$N_i = U - {U_i}$

6 Friend Feature Vector

嵌入 friend 特征的 x 维向量

7 Friend Feature Similarity

跨平台的用户识别问题可以定义为：

$$f\left(\mathrm{U}_{i}^{A}, \mathrm{U}_{j}^{B} | \mathrm{SN}^{A}, \mathrm{SN}^{B}\right)=\left\{\begin{array}{ll}{1,} & {\mathrm{U}_{i}^{A}=\mathrm{U}_{j}^{B}} \\ {0,} & {\text { otherwise }}\end{array}\right.$$

Methods

Related Work

Profile-Based User Identification

Screen name，gender，birthday，city，profile image

Content-Based User Identification

基于用户发布 posts 的时间和位置以及用户的写作风格

Network Structure-Based User Identification

• 监督方法

• 半监督方法

• 无监督方法

Network Embedding

无先验知识的用户识别

Evaluation

Conclusion

Notes