【技术实现步骤摘要】
本专利技术属于社交网络分析领域，具体涉及一种基于纵向联邦和典型相关性分析的动态社交网络对齐方法。
技术介绍
1、社交网络对齐是将不同社交网络上的同一用户进行对齐，也叫做锚链接预测。被广泛应用在跨域推荐、链接预测和网络融合中。在当今信息化社会，社交网络已经成为人们日常生活的重要组成部分，人们参加多个社交媒体，以满足自身不同的精神需求。然而，随着各类社交网络平台的不断涌现，如何有效地将这些平台上的用户及其关系信息进行整合，以实现跨平台的信息共享和用户行为分析，成为了当前研究的一大挑战。这一挑战的核心在于社交网络对齐，即把来自不同社交网络平台的用户信息进行匹配和关联。
2、针对社交网络对齐，现有的研究方法大致分为两类：一是基于图神经网络的网络对齐方法，主要利用社交网络的图结构信息以及用户的特征信息进行用户对齐。二是基于网络表征学习的异构社交网络对齐方法，利用异构社交网络中的结构信息和用户间复杂的交互关系来进行用户对齐。但是现阶段的用户对齐仍存在以下不足：
3、1.社交网络的动态性。现实世界中社交网络拓扑结构总是随着时间...
【技术保护点】
1.一种基于纵向联邦和典型相关性分析的动态社交网络对齐方法，其特征在于，包括：
2.根据权利要求1所述的一种基于纵向联邦和典型相关性分析的动态社交网络对齐方法，其特征在于，通过动态时空图自编码记忆模型、注意力机制模拟用户时空关系，包括：
3.根据权利要求2所述的一种基于纵向联邦和典型相关性分析的动态社交网络对齐方法，其特征在于，所述S14步骤的主要流程，包括：
4.根据权利要求1所述的一种基于纵向联邦和典型相关性分析的动态社交网络对齐方法，其特征在于，构建用户属性矩阵，并融合用户关系矩阵，包括：
5.根据权利要求1所述的...
【技术特征摘要】
1.一种基于纵向联邦和典型相关性分析的动态社交网络对齐方法，其特征在于，包括：
2.根据权利要求1所述的一种基于纵向联邦和典型相关性分析的动态社交网络对齐方法，其特征在于，通过动态时空图自编码记忆模型、注意力机制模拟用户时空关系，包括：
3.根据权利要求2所述的一种基于纵向联邦和典型相关性分析的动态社交网络对齐方法，其特征在于，所述s14步骤的主要流程，包括：
4.根据权利要求1所述的一种基于纵向联邦和典型相关性分析的动态社交网络对齐方法，其特征在于，构建用户属性矩阵，并融合用户关系矩阵，包括：
5.根据权利要求1所述的一种基于纵向联邦和典型相关性分析的动态社交网络对齐方法，其特征在于，将平台x、y的用户特征矩阵...
【专利技术属性】
技术研发人员：王蓉，吕娜，陈莉，乐俊，李茜，段思睿，肖云鹏，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。