融合多类时空轨迹特征的跨网络用户身份识别

随着位置社交网络的蓬勃发展，用户移动行为数据得到极大丰富，推动了基于时空数据的身份识别问题的相关研究。跨位置社交网络的用户身份识别，强调学习不同平台时空序列间的相关性，旨在发现同一用户在不同平台的注册账号。为解决现有研究面临的数据稀疏、低质量和时空不匹配问题，提出了一种融合双向时空依赖和时空分布的识别算法UI-STDD。该算法主要包含3个模块：时空序列模块通过结合成对注意力的双向长短时记忆网络来刻画用户移动模式；时间偏好模块从粗、细两个粒度定义用户个性化模式；空间位置模块挖掘位置点的局部和全局信息，量化空间邻近性。基于上述模块得到的用户轨迹对特征，UI-STDD利用多层前馈网络判断跨网络的两个账户是否对应于现实中的同一个人。为验证UI-STDD的可行性和有效性，在3组公开的数据集上进行了实验。实验结果表明，所提算法能够提高基于时空数据的用户身份识别率，F1值平均高于最优对比方法10%以上。