任尊晓，王 莉

（太原理工大学大数据学院，晋中 030600）

引 言

信息技术的快速发展提供了越来越多的服务平台，用户会在不同平台上使用不同的服务内容，产生了不同的数据信息。多平台数据融通将会为提升服务质量提供有利支撑。融合异构网络的首要问题是如何对齐不同平台的对象，即异构网络对齐问题［1］。

实际应用中，异构网络对齐往往首先选择节点的属性信息作为匹配依据。例如，社交网络平台或电商平台中，节点属性特征一般包括用户名、性别、地域、签名爱好等属性信息。早期的网络对齐研究中，一些研究者以用户名为出发点，从词汇的角度对其进行分析［2］，或将从不同网络获取的用户名和用户简介抽取出来，采用Jaccard 相似度等方法计算文本字段的相似性来匹配用户身份［3‑6］。这类方法直观简单，但是出于隐私保护［7］等考虑，用户名及一些自报道信息经常缺失或具有伪装、虚假等性质，误导判断。因此，这种依靠节点属性特征的方法对异构网络对齐问题解决有局限性。

节点间的关系结构提供了节点对齐的新特征［8］。社交平台上用户间的行为关系往往是用户真实意图的反映，这种结构信息为异构网络对齐提供了较为可信的计算依据。文献［9‑11］通过统计共享的好友数来计算节点之间的匹配度。有研究通过分析节点的公共邻居集、Jaccard 系数等［12］邻居特征来对齐节点，有利弥补了基于节点属性特征的异构网络对齐的不足。但是，这类方法面临一个严重挑战，即网络结构对噪声和结构变化非常敏感，当网络结构发生细微变化时，节点对齐的性能往往会下降。……