刘甜甜

摘要：针对现有基于用户名的跨社交网络用户身份匹配算法，匹配时需要设计复杂的用户名字符串统计特征用于机器学习模型输入，本文提出了一个端到端的基于卷积神经网络的用户名字符级嵌入身份匹配算法。

关键词：卷积神经网络;用户名嵌入;字符级;用户身份匹配

1 概述

跨社交网络用户身份匹配技术是跨多个在线社交平台进行信息融合的先决条件。现有的许多跨社交网络用户身份匹配模型主要是基于监督算法提出的，即给定一组标记的匹配用户，锚链接推理预测问题可以建模为二分类任务。

用户在选择用户名时通常会表现出某些行为模式，多个社交网络平台中倾向于使用具有个人特点的相似用户名显示自己的偏好，也具有独特性[1]，因此基于用户名的跨社交网络用户身份匹配方法最简单直观，提取用户名特征，设计基于相似度的学习匹配模型来预测锚链接。

Zafarani 等人[2]通过对多个社交网络平台中用户名相似度的统计验证分析，以实证的方式研究了在不同社交网络平台中识别相应身份的可能性。Li等人[3]利用有监督的机器学习算法来实现用户身份匹配，该工作仅依靠不同的用户名命名方式来提取冗余信息特征，在此特征集上进行模型的训练。

用户名是最直观、最易获取的数据形式，基于用户名的跨网络用户身份匹配方法通过挖掘取名行为习惯特征进行匹配建模（如图 1），取得了一定的研究成果。……