韓亞全+曹春萍

摘要摘要：對(duì)用戶(hù)多賬戶(hù)檢測(cè)識(shí)別是信息整合研究目標(biāo)之一。針對(duì)目前用戶(hù)識(shí)別技術(shù)普遍存在的準(zhǔn)確率低和局域性問(wèn)題，提出了基于交叉配血的多賬戶(hù)識(shí)別模型。該模型要求根據(jù)用戶(hù)行為相似度和語(yǔ)義相似度繪制出多個(gè)賬戶(hù)的關(guān)系圖，然后利用交叉配血原則來(lái)平衡語(yǔ)義和行為，在配置信息的協(xié)同下，對(duì)語(yǔ)義行為模型進(jìn)行一致性識(shí)別。要求用戶(hù)多個(gè)賬戶(hù)互相匹配以提高識(shí)別率，通過(guò)交叉匹配降低假種子賬戶(hù)對(duì)結(jié)果的影響。實(shí)驗(yàn)證明該算法大大提高了識(shí)別準(zhǔn)確率。

關(guān)鍵詞關(guān)鍵詞：交叉配血；賬戶(hù)識(shí)別；語(yǔ)義分析；用戶(hù)相似度

DOIDOI：10.11907/rjdk.162322

中圖分類(lèi)號(hào)：TP302文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)文章編號(hào)：16727800（2017）001000105

0引言

互聯(lián)網(wǎng)中存在大量重復(fù)的用戶(hù)身份信息[1]，以國(guó)外知名網(wǎng)站Twitter、Facebook為例，約有47%的用戶(hù)擁有超過(guò)一個(gè)應(yīng)用賬戶(hù)，整合這些重復(fù)用戶(hù)信息很有意義，對(duì)網(wǎng)絡(luò)應(yīng)用中的多賬戶(hù)進(jìn)行判定[2]并整合，能夠幫助網(wǎng)絡(luò)服務(wù)提供商全面了解用戶(hù)，從而提供更好的個(gè)性化服務(wù)。從網(wǎng)絡(luò)安全角度鑒別用戶(hù)多賬戶(hù)，能夠協(xié)助網(wǎng)絡(luò)安全管理者發(fā)現(xiàn)虛假或不法身份[3]，保護(hù)用戶(hù)權(quán)益。

為了整合用戶(hù)信息，首先需要對(duì)用戶(hù)進(jìn)行身份識(shí)別、判定。影響網(wǎng)絡(luò)用戶(hù)身份識(shí)別的特征值主要有：配置信息、好友圈、行為和語(yǔ)義[4]信息等。目前識(shí)別方法主要有兩種：①基于用戶(hù)檔案判定[5]的用戶(hù)識(shí)別。該方法針對(duì)賬戶(hù)公有屬性進(jìn)行判定，然而賬戶(hù)公有屬性相似度很大，導(dǎo)致準(zhǔn)確率極其低下；②基于好友關(guān)系的多賬戶(hù)識(shí)別。該方案依據(jù)賬戶(hù)公共好友進(jìn)行識(shí)別，但是多個(gè)賬戶(hù)并不擁有共同的好友圈，這嚴(yán)重影響識(shí)別準(zhǔn)確度。

目前用戶(hù)識(shí)別檢測(cè)處于快速發(fā)展階段，許多學(xué)者對(duì)傳統(tǒng)用戶(hù)識(shí)別進(jìn)行了改進(jìn)，例如周松松等[6]提出了基于URL的相似度會(huì)話(huà)識(shí)別方法，通過(guò)對(duì)URL的處理進(jìn)行用戶(hù)檢測(cè)；業(yè)寧等提出一種Web用戶(hù)行為聚類(lèi)算法，通過(guò)對(duì)Web日志的處理，提取用戶(hù)的訪(fǎng)問(wèn)行為。這些基于用戶(hù)日志和URL的方法，在一定程度上改善了識(shí)別的準(zhǔn)確率，但同時(shí)也引入噪聲，沒(méi)有充分利用用戶(hù)行為，忽視了用戶(hù)的語(yǔ)義。

為了提高用戶(hù)多賬戶(hù)識(shí)別準(zhǔn)確率，本文提出了基于交叉配血原則的用戶(hù)身份同一性[7]判定方法。通過(guò)對(duì)行為和語(yǔ)義進(jìn)行交叉匹配，生成準(zhǔn)確的種子用戶(hù)，進(jìn)而進(jìn)行綜合判定識(shí)別。

交叉配血最初來(lái)源于生物學(xué)，其原理是將獻(xiàn)血人的紅細(xì)胞和血清分別與受血人的血清和紅細(xì)胞混合，若無(wú)凝集反應(yīng)說(shuō)明兩血型相合，反之不相匹配。依據(jù)上述方法可以解決臟血問(wèn)題，從而保證安全輸血。

交叉配血識(shí)別模型設(shè)計(jì)：①將各個(gè)賬戶(hù)的行為看作紅細(xì)胞、語(yǔ)義看作血清，分別與其它賬戶(hù)進(jìn)行交叉匹配；②把匹配度最高的賬戶(hù)作為種子用戶(hù)進(jìn)行下一輪測(cè)試，從而識(shí)別出用戶(hù)所有賬戶(hù)。

在交叉匹配前需要對(duì)賬戶(hù)的行為、語(yǔ)義進(jìn)行處理，識(shí)別處理過(guò)程如下：①采用矩陣聚類(lèi)算法對(duì)用戶(hù)行為相似度進(jìn)行度量；②采用GVSM 的語(yǔ)義相似度算法對(duì)用戶(hù)語(yǔ)義進(jìn)行分析；③構(gòu)造行為-語(yǔ)義加權(quán)無(wú)向圖；④結(jié)合用戶(hù)的配置相似度并按照交叉配血原則對(duì)用戶(hù)行為-語(yǔ)義進(jìn)行識(shí)別，從而得到準(zhǔn)確的用戶(hù)組。

1基于交叉配血算法的行為-語(yǔ)義識(shí)別

1.1多賬戶(hù)識(shí)別模型

定義1：多賬戶(hù)識(shí)別模型： 通過(guò)用戶(hù)行為和語(yǔ)義相似度構(gòu)建交叉配血的多賬戶(hù)識(shí)別模型G=，其中V表示賬戶(hù)，E表示兩個(gè)賬戶(hù)相連，Weight表示兩個(gè)賬戶(hù)語(yǔ)義、行為的相似度。

根據(jù)行為、語(yǔ)義相似度構(gòu)建無(wú)向圖，行為、語(yǔ)義都存在噪聲干擾，為防止噪聲影響實(shí)驗(yàn)結(jié)果，經(jīng)過(guò)大量實(shí)驗(yàn)分析，本文采取9%為行為噪聲，14%為語(yǔ)義噪聲。根據(jù)選定噪聲閾值構(gòu)建加權(quán)無(wú)向圖，大于閾值的為有效信息，通過(guò)計(jì)算多個(gè)頂點(diǎn)相似距離從而得到賬戶(hù)相似度。

其中，Wij表示用戶(hù)i和用戶(hù)j的相似度，作為權(quán)值參與相似計(jì)算。

1.2用戶(hù)行為相似度識(shí)別分析

用戶(hù)的行為特征主要表現(xiàn)在時(shí)間和空間上，時(shí)間特征包含每次瀏覽頁(yè)面的時(shí)間及有向路徑[8]的瀏覽時(shí)間，空間特征包含頁(yè)面的瀏覽順序和點(diǎn)擊信息等瀏覽行為。本文主要根據(jù)賬戶(hù)的訪(fǎng)問(wèn)日志和登錄日志提取時(shí)間和空間特征值，通過(guò)對(duì)兩個(gè)特征值進(jìn)行聚類(lèi)分析，得出各賬戶(hù)之間的行為相似度，如表1所示。

行為識(shí)別步驟：①通過(guò)用戶(hù)訪(fǎng)問(wèn)模式分析得到賬戶(hù)時(shí)間特征值；②基于用戶(hù)瀏覽相似度矩陣的聚類(lèi)算法得出用戶(hù)行為相似度。

用戶(hù)訪(fǎng)問(wèn)模式[9]的訪(fǎng)問(wèn)路徑包含超鏈接，用戶(hù)點(diǎn)擊鏈接訪(fǎng)問(wèn)網(wǎng)站。如果不同賬戶(hù)有相同的訪(fǎng)問(wèn)順序，就意味著用戶(hù)訪(fǎng)問(wèn)行為有一定的相似性。這是一個(gè)抽象的用戶(hù)訪(fǎng)問(wèn)，可以被視為知識(shí)一致性頁(yè)面，通過(guò)路徑聚類(lèi)[10]找到用戶(hù)的訪(fǎng)問(wèn)行為，每個(gè)集合代表一類(lèi)用戶(hù)訪(fǎng)問(wèn)模式的相似路徑。通過(guò)處理Web用戶(hù)找到訪(fǎng)問(wèn)模式和用戶(hù)行為偏好，用戶(hù)訪(fǎng)問(wèn)行為偏好不僅反映在瀏覽網(wǎng)頁(yè)的路徑上，而且反映在用戶(hù)訪(fǎng)問(wèn)Web頁(yè)面的時(shí)間上。因此，通過(guò)挖掘用戶(hù)的訪(fǎng)問(wèn)時(shí)間，可以分析多個(gè)賬戶(hù)的行為時(shí)間特征，得到各賬戶(hù)的時(shí)間特征值。

1.2.2基于用戶(hù)瀏覽相似度矩陣的聚類(lèi)算法

基于用戶(hù)瀏覽相似度矩陣的聚類(lèi)算法中，L=用來(lái)表達(dá)Web服務(wù)器的日志，uid代表網(wǎng)絡(luò)用戶(hù)ID，ip代表用戶(hù)IP，url表示用戶(hù)請(qǐng)求的url地址，time是相應(yīng)地址的瀏覽時(shí)間。通過(guò)對(duì)日志的處理，可以分析出用戶(hù)在一段時(shí)間內(nèi)的瀏覽行為。該算法降低了對(duì)日志文件、會(huì)話(huà)識(shí)別和事務(wù)標(biāo)識(shí)的要求。

定義1：用戶(hù)瀏覽行為：用于記錄用戶(hù)瀏覽頁(yè)面留下的信息，如公式（1）所示：

M=（1）

其中，lm_userid=UserIDm，lm∈L，lm_ip=IPm，n≥1，hits代表了用戶(hù)瀏覽lm_userid頁(yè)面的次數(shù)。

定義2：網(wǎng)站模型G： 網(wǎng)站的拓?fù)浣Y(jié)構(gòu)可以看作是一個(gè)有向圖，如公式（2）所示：

G=（2）

定義3：urlID-UserID關(guān)聯(lián)矩陣Mm×n：根據(jù)有向圖G的節(jié)點(diǎn)集N可以得到所有網(wǎng)站的url，從相應(yīng)的節(jié)點(diǎn)屬性設(shè)置Np可以獲得每個(gè)節(jié)點(diǎn)的標(biāo)識(shí)和相應(yīng)值的訪(fǎng)問(wèn)，可以創(chuàng)建urlID-UserID的相關(guān)矩陣Mm×n，如式（3）所示。

Sij是用戶(hù)訪(fǎng)問(wèn)頁(yè)面的數(shù)量，i是用戶(hù)j訪(fǎng)問(wèn)頁(yè)面的時(shí)間，每一列向量M[ ，j]表示用戶(hù)j訪(fǎng)問(wèn)該網(wǎng)站的所有頁(yè)面；每一行向量M[i，]意味著訪(fǎng)問(wèn)頁(yè)面i的所有用戶(hù)。行向量反映了用戶(hù)的類(lèi)型，描述了用戶(hù)個(gè)性化的訪(fǎng)問(wèn)子圖，列向量代表網(wǎng)站結(jié)構(gòu)，包含用戶(hù)常見(jiàn)的訪(fǎng)問(wèn)模式[11]。通過(guò)測(cè)量每一個(gè)行向量和列向量的相似性可以直接得到相似度。

Hij=0，表示用戶(hù)沒(méi)有訪(fǎng)問(wèn)的頁(yè)面，Hij =1，表示用戶(hù)j訪(fǎng)問(wèn)了i頁(yè)面，Hij =2，用戶(hù)j對(duì)i頁(yè)面非常感興趣，i是閾值（根據(jù)聚類(lèi)情況而定）。

定義5：相似性sim（pi，pj）：假設(shè)pi和pj是兩個(gè)m維空間向量，pi=（ai1，…，aik …，aim），pj=（aj1，…，ajk …，ajm）， 1

其中，pi 和 pj 表示Nm×n 中第i和第j行向量，pi *pj是兩個(gè)向量的向量積，|pi|×|pj|是向量模的乘積。

1.2.3算法步驟

1.3用戶(hù)語(yǔ)義相似度識(shí)別

定義6：語(yǔ)義相似度：當(dāng)兩個(gè)元素（文字或者符號(hào)）具有某種特征時(shí)，則定義它們是相似的，可以用sim（x，y）（0≤sim（x，y）≤1）表示兩個(gè)元素x、y的相似度。

每個(gè)用戶(hù)都有自己的語(yǔ)言表達(dá)特點(diǎn)，使用獨(dú)特的敘述方式、頻用詞匯、斷句方式、標(biāo)點(diǎn)符號(hào)等；通過(guò)分析每個(gè)賬戶(hù)發(fā)表的評(píng)論、帖子、回復(fù)信息等，從而分析賬戶(hù)的語(yǔ)義相似度。本文采用的賬戶(hù)語(yǔ)義相似度計(jì)算流程如圖2所示。

圖2語(yǔ)義分析流程

采用基于GVSM 的語(yǔ)義相似度算法計(jì)算多個(gè)賬戶(hù)的語(yǔ)義相似度，通過(guò)構(gòu)建語(yǔ)義網(wǎng)計(jì)算兩個(gè)詞的關(guān)聯(lián)度，從而計(jì)算兩個(gè)詞的相似性。語(yǔ)義相關(guān)度 SR（Semantic Relatedness）表示兩個(gè)詞的相似性，采用語(yǔ)義網(wǎng)絡(luò)建設(shè)模式，將每種類(lèi)型的邊賦予權(quán)值，權(quán)值越高說(shuō)明兩個(gè)詞的關(guān)聯(lián)度越高。

其中，si. m和sj . n分別是ci和cj的詞義，m是ci的詞義數(shù)，n是cj的詞義數(shù)。

基于GVSM的文本相似度[12]計(jì)算模型：

R（ci，cj）=SR（ci，cj）·（ si. m， si.n，O）

其中，SR（ci，cj）表示語(yǔ)義相關(guān)度，O是詞庫(kù)，本文定義文本向量，增加了ci、cj在文本W(wǎng)k中的權(quán)值，定義如下：

Wk（ci，cj）=（tf-idf（ci，Wk）+tf-idf（cj，Wk））

·R（ci，cj）（6）

由文本向量構(gòu)造GVSM模型，兩個(gè)賬戶(hù)的語(yǔ)義相似度可以定義為：

sim（Wk，Wp）=

∑ni=1∑nj=1wk（ci，cj）·wp（ci，cj）∑ni=1∑nj=1wk（ci，cj）2×∑ni=1∑nj=1wp（ci，cj）2（7）

1.4行為-語(yǔ)義加權(quán)無(wú)向圖模型構(gòu)建

定義7：配置相似度（PAS）：給出兩個(gè)用戶(hù)：v0∈V0和v1∈V1，v0和v1的配置文件，分別表示屬性向量P0={f0i}mi=0（p0∈P0）和P1={f0j}nj=0（p1∈P1），p0和p1的配置屬性相似度PAS（p0， p1）=H（Sp0，p1）∈[0，1]，其中Sp0，p1是記錄向量的相似字段，H是C4.5分類(lèi)決策樹(shù)算法模型。

為了把配置文件的屬性與用戶(hù)賬戶(hù)聯(lián)系起來(lái)，本文采用賬戶(hù)親密度（UC）函數(shù)來(lái)衡量?jī)蓚€(gè)賬戶(hù)之間的親密程度，采用賬戶(hù)的距離（UD）函數(shù)[13]衡量?jī)蓚€(gè)賬戶(hù)之間語(yǔ)義和行為的差異性。如果兩個(gè)賬戶(hù)鄰接賬戶(hù)的相似度越大，那么它們的相似度就越高。

定義8：（User Closeness（UC） ）：給出兩個(gè)賬戶(hù)va ， vb∈V和一個(gè)賬戶(hù)vm，其中vm與va和vb都相似，F(xiàn)m代表va和vb鄰接頂點(diǎn)的集合[14]，a是a的鄰接頂點(diǎn)，b是b的鄰接頂點(diǎn)，UC函數(shù)表示兩個(gè)賬戶(hù)的鄰接賬戶(hù)權(quán)重和越大，兩個(gè)賬戶(hù)越相似。

UC（va，vb）=w（va，vb）*

1-2（∑fm∈Fmw（va，vm）*w（vb，vm））∑a′∈Faw（va′，vm）+∑b′∈Fbw（vb′，vm）（8）

w（va，vm）表示鄰接兩頂點(diǎn)的路徑權(quán)重。

為了避免噪聲的影響，本文舍棄了部分相似賬戶(hù)，但并不說(shuō)明它們兩個(gè)不相似，如果它們的鄰接頂點(diǎn)相似度很高，證明兩個(gè)賬戶(hù)很近，也就是說(shuō)，它們之間的距離是接近的（語(yǔ)義和行為達(dá)到平衡）。定義賬戶(hù)距離（UD）函數(shù)如下：

定義9：（User Distance （UD） ）：給出兩個(gè)不相鄰賬戶(hù)（va∈V，vb∈V ）和一個(gè)與va，vb都鄰接的賬戶(hù)vm，那么va 和vb的距離可以表示為：

UD（va，vb）=∑fm∈Fmw（va，vm）*w（vb，vm）deg（Fm）（9）

deg（Fm）表示鄰接頂點(diǎn)集合個(gè)數(shù)。

定義10：用戶(hù)環(huán)繞分?jǐn)?shù)（USS）：給出一個(gè)用戶(hù)v∈V，那么v的環(huán)繞分?jǐn)?shù)USS的計(jì)算公式如下：

USS（v）=∑s∈SseedUC（v，s）*ηvs

UD（v，s）*ηv-s（10）

其中，η是增量系數(shù)，“”表示兩個(gè)賬戶(hù)之間直接鄰接，“-”表示不直接相連。

定義11：用戶(hù)關(guān)系相似分?jǐn)?shù)（URS）：給出兩個(gè)用戶(hù)v0∈V0和v1∈V1，v0和v1的關(guān)系相似度計(jì)算公式如下：

URS（v0，v1）=∑s∈Sseed*

UC（v1，s）*ηv0sandv1s

（1-UD（v1，s））*ηv0sandv1-s

（1-UC（v1，s））*ηv0-sandv1s

UD（v1，s）*ηv0-sandv1-s（11）

定義12：用戶(hù)匹配分?jǐn)?shù)（UMS）：給出兩個(gè)用戶(hù)vselect∈V0和v∈V1，vselect和v的配置文件是pselect∈P0和pv∈P1，vselect和v的UMS定義為：

UMS（vselect，v）=PAS（pselect，pv）*|Sseed|+

URS（vselect，v）（12）

其中，|Sseed|為識(shí)別的種子賬戶(hù)。

1.5賬戶(hù)選擇及交叉匹配過(guò)程

賬戶(hù)選擇過(guò)程分為3步：

（1）每次迭代的第一步均從行為圖或語(yǔ)義圖中選擇一個(gè)賬戶(hù)，選擇用戶(hù)基于以下兩個(gè)規(guī)則：①如果兩個(gè)賬戶(hù)的配置文件具有很高的相似度，那么它們很可能是相同用戶(hù)；②USS分值最高的用戶(hù)更可能是匹配的，應(yīng)該被選中?；谏鲜鲆?guī)則生成候選賬戶(hù)。

（2）計(jì)算每個(gè)賬戶(hù)（行為/語(yǔ)義）的USS。

（3）對(duì)行為和語(yǔ)義選出的用戶(hù)進(jìn)行排序，最高的作為下一組候選用戶(hù)匹配，過(guò)程如下：在有一個(gè)候選人用戶(hù)v后，需要匹配v用戶(hù)，首先，需要從行為圖或語(yǔ)義圖確定候選用戶(hù)vselect，利用交叉配血方法計(jì)算最匹配的用戶(hù)，然后返回UMS分值最高的賬戶(hù)。

算法2：當(dāng)?shù)玫狡ヅ溆脩?hù)vmatched時(shí)，將這個(gè)用戶(hù)作為一個(gè)新的候選用戶(hù)，然后通過(guò)UserMatch方法得到一個(gè)新的匹配候選人v′matched。如果v′matched恰好也是vselect ，則意味著 vselect的最佳匹配的確是vmatched，也就是說(shuō)這是一個(gè)穩(wěn)定的匹配；如果Va、Vs是一組穩(wěn)定匹配，那么Va和Vs是相似的兩個(gè)賬戶(hù)，否則將用戶(hù)vselect放進(jìn)不匹配的數(shù)組，重置vselect和vmatched進(jìn)行下一次迭代。如果沒(méi)有新的種子用戶(hù)，也就是所有的用戶(hù)都已經(jīng)參與匹配，則終止迭代過(guò)程，從而得到相似賬戶(hù)組。

2實(shí)驗(yàn)

2.1實(shí)驗(yàn)環(huán)境及數(shù)據(jù)

實(shí)驗(yàn)環(huán)境配置：使用Java語(yǔ)言，實(shí)驗(yàn)機(jī)器采用2G內(nèi)存、500G硬盤(pán)，操作系統(tǒng)是Windows XP。

為了驗(yàn)證本文所提出方法的有效性，實(shí)驗(yàn)設(shè)計(jì)了5個(gè)對(duì)比。為了保護(hù)用戶(hù)隱私安全，本文實(shí)驗(yàn)數(shù)據(jù)來(lái)自Twitter和Facebook公布的匿名數(shù)據(jù)集，由于系統(tǒng)數(shù)據(jù)龐大，實(shí)驗(yàn)僅采取2013-2014年部分區(qū)域網(wǎng)絡(luò)內(nèi)用戶(hù)日志作為實(shí)驗(yàn)數(shù)據(jù)，共得到1 678 156條記錄，經(jīng)過(guò)數(shù)據(jù)清洗，刪除一些gif、jpg等非文本記錄，最終

得無(wú)論是TFR算法還是基于單個(gè)行為或語(yǔ)義的算法，雖然可以實(shí)現(xiàn)比較高的精確度，但卻導(dǎo)致召回率和F1值比較低。所有版本的CMT比TFR擁有更高的F1值，CMTwc算法效果要比CMTbe差，事實(shí)上這些算法包含了很強(qiáng)的修剪過(guò)程，因?yàn)闆](méi)有交叉配血過(guò)程提供一個(gè)嚴(yán)格的條件，會(huì)有很多錯(cuò)誤的種子用戶(hù)作為結(jié)果影響實(shí)驗(yàn)精確度，所以必須以犧牲精確度為代價(jià)獲得較高的召回率。

根據(jù)上述比較，可以看到CMT大多數(shù)版本擁有很高的召回率，這也意味著交叉配血策略行之有效。CMT除了CMTts外都有較高的性能，CMTwc通過(guò)很強(qiáng)的修剪過(guò)程來(lái)平衡召回率和精確率。在所有算法中，CMT性能最佳，這表明結(jié)合配置文件和行為語(yǔ)義是有效的方法。

實(shí)驗(yàn)2：為了驗(yàn)證種子用戶(hù)數(shù)量對(duì)不同算法F1值的影響，針對(duì)上述實(shí)驗(yàn)數(shù)據(jù)集，采用不同算法分別選取1 000～4 000個(gè)種子用戶(hù)進(jìn)行實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如圖5所示。

由圖5可知，隨著種子數(shù)目的增加，CMT和TFR的F值都會(huì)相應(yīng)遞增，當(dāng)增加到一定數(shù)量后遞增速率會(huì)變緩從而達(dá)到穩(wěn)定。CMT算法隨著種子用戶(hù)數(shù)量的增加始終比TFR擁有較高的F值，說(shuō)明CMT算法在處理大量用戶(hù)數(shù)據(jù)時(shí)更為準(zhǔn)確。

實(shí)驗(yàn)3：為了更加清晰展示實(shí)驗(yàn)結(jié)果，生成如圖6所示各個(gè)系統(tǒng)性能損耗對(duì)比，它展示了5個(gè)系統(tǒng)在用戶(hù)識(shí)別上的性能。采用傳統(tǒng)的方式來(lái)計(jì)算相似度，雖然不需要處理用戶(hù)的行為信息，但復(fù)雜的關(guān)系網(wǎng)使其效率很低。而交叉配血算法提高了識(shí)別率，穩(wěn)定性也是最強(qiáng)的。本文提出的按照交叉配血原則來(lái)計(jì)算用戶(hù)多賬戶(hù)相似度，大大提高了識(shí)別效率，降低了系統(tǒng)開(kāi)銷(xiāo)。3結(jié)語(yǔ)

為了解決用戶(hù)多賬戶(hù)識(shí)別問(wèn)題，本文提出了一種新穎的交叉配血策略。結(jié)合配置文件屬性、用戶(hù)行為和語(yǔ)義信息，在CMT中使用交叉配血策略，用于檢測(cè)種子用戶(hù)，不僅降低了計(jì)算成本，還避免了復(fù)雜的修剪過(guò)程，提高了實(shí)驗(yàn)的準(zhǔn)確性。實(shí)驗(yàn)證明該方案提高了識(shí)別算法性能和準(zhǔn)確率。

圖6算法實(shí)現(xiàn)效率對(duì)比

參考文獻(xiàn)參考文獻(xiàn)：

[1]ZHOU XIAOPING. Crossplatform identification of anonymous identical users in multiple social media networks [J].IEEE Transactions on Knowledge and DataEngineering，2015， 28（2）：411423.

[2]YE NA， ZHAO YINLIANG， DONG LILI，et al. User identification based on multiple attribute decision making in social networks [C]. IEEE China Communications，2013：3739.

[3]蘭麗輝，鞠時(shí)光，金華. 社會(huì)網(wǎng)絡(luò)數(shù)據(jù)發(fā)布中的隱私保護(hù)研究進(jìn)展[J].小型微型計(jì)算機(jī)系統(tǒng)，2010，31（12）：23182323.

[4]L ZHIQIANG， S WERIMIN， Y ZHENHUA.Measuring semantic similarity between words using wikipedia [C].2009International Conference on Web Information Systems and Mining，2009：251255.

[5]MOHTASSEB H ，AHMED A. Twolayer lassification and distinguished representations of users and documents for grouping and authorshipidentification [C]. Intelligent Computing and Intelligent Systems， 2009：651657.

[6]周松松，馬建紅.基于URL的相似度會(huì)話(huà)識(shí)別方法[J]. 計(jì)算機(jī)系統(tǒng)應(yīng)用，2014，23（12）：191196.

[7]業(yè)寧，李威，梁作鵬，等.一種Web用戶(hù)行為聚類(lèi)算法[J].小型微型計(jì)算機(jī)系統(tǒng)，2010，25（7）：13641367.

[8]MARISA GUTIERREZ，SILVIA BTONDATO.On models of directed path graphs non rooted directed path graphs[J]. Graphs and Combinatorics，2016，32（2）：663684.

[9]SMITA NIRKHI.Comparative study of authorship identification techniques for cyber forensics analysis[J].（IJACSA） International Journal of Advance Computer Science and Applications，2013，4（5）：299320.

[10]WANG WEN QI，IANGLIA FUZZY.Clustering algorithm based on weighted index and optimization of clustering number[C].the series Advances in Intelligent Systemsand Computing，2014：349359.

[11]BONCHI F， GIANNOTTI F. Web log data warehousing and mining for intelligent Web caching[J].Data and Knowledge Engineering，2001，39（2）：165189.

[12]劉東，吳泉源，韓偉紅，等.基于用戶(hù)名特征的用戶(hù)身份同一性判定方法[J].計(jì)算機(jī)學(xué)報(bào)，2015，38（10）：20282040.

[13]R ZAFARANI，H LIU.Connecting users across social media sites： a behavioralmodeling approach [C]. Proc.of the 19th ACM SIGKDD International Conference on Knowledge Discovery and Data Mining （KDD13）， 2013：4149.

[14]孫琛琛，申德榮，寇月，等. 面向關(guān)聯(lián)數(shù)據(jù)的聯(lián)合式實(shí)體識(shí)別方法[J].計(jì)算機(jī)學(xué)報(bào)，2015，38（9）：17391754.