基于合并子圖的雙通道跨網(wǎng)絡(luò)用戶身份識(shí)別

摘要： 跨社交網(wǎng)絡(luò)的用戶身份識(shí)別（UIL）的本質(zhì)是通過各種方法發(fā)現(xiàn)跨社交平臺(tái)上的同一用戶或者實(shí)體. 現(xiàn)有方法的最新思路主要是對(duì)網(wǎng)絡(luò)中節(jié)點(diǎn)的各種結(jié)構(gòu)或?qū)傩蕴卣鬟M(jìn)行聚合，然后構(gòu)建相應(yīng)的深度學(xué)習(xí)模型，學(xué)習(xí)相同用戶在不同網(wǎng)絡(luò)中特征的相似性，以此來實(shí)現(xiàn)不同網(wǎng)絡(luò)中相同用戶的對(duì)齊. 但是大多數(shù)方法較少考慮用戶的屬性信息或者是只用單一方法來處理不同類型的屬性特征，這樣處理的后果就是不能完美捕獲到屬性文本中的有效特征. 此外，現(xiàn)有的方法是對(duì)2 個(gè)網(wǎng)絡(luò)分別在各自的嵌入空間進(jìn)行學(xué)習(xí)然后映射到同一個(gè)公共空間，也就只能學(xué)習(xí)到各自網(wǎng)絡(luò)的信息. 本文提出了一個(gè)新的方法，即基于合并子圖的雙通道跨網(wǎng)絡(luò)用戶身份識(shí)別（TCUIL）. 為了解決獲取節(jié)點(diǎn)特征單一性問題，提出了多維特征提取方法實(shí)現(xiàn)了針對(duì)不同特征采用不同方法進(jìn)行處理. 為了解決2 個(gè)網(wǎng)絡(luò)嵌入空間互不相交的問題，提出了圖合并方法實(shí)現(xiàn)了2 個(gè)網(wǎng)絡(luò)中信息的交互. 此外，為了能學(xué)習(xí)到2 個(gè)網(wǎng)絡(luò)的多維度信息，設(shè)計(jì)了雙通道網(wǎng)絡(luò)結(jié)構(gòu)實(shí)現(xiàn)了對(duì)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)、屬性特征、節(jié)點(diǎn)間關(guān)系特征的有效學(xué)習(xí). 通過在2個(gè)真實(shí)數(shù)據(jù)集上的大量實(shí)驗(yàn)，證明了本文方法優(yōu)于現(xiàn)有最先進(jìn)的對(duì)齊方法. 我們?cè)? 個(gè)真實(shí)數(shù)據(jù)集（社交網(wǎng)絡(luò)和合著網(wǎng)絡(luò)）上進(jìn)行了大量實(shí)驗(yàn)，在F1 方面社交網(wǎng)絡(luò)至少提高了44. 32%，合著網(wǎng)絡(luò)至少提高了25. 04%.

關(guān)鍵詞： 社交網(wǎng)絡(luò)； 用戶身份識(shí)別； 合并子圖； 圖神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào)： TP391. 1 文獻(xiàn)標(biāo)志碼： A DOI： 10. 19907/j. 0490-6756. 2024. 040001

1 引言

隨著在線社交網(wǎng)絡(luò)平臺(tái)（Online Social Network，OSN）的日益普及，各種各樣的社交網(wǎng)絡(luò)平臺(tái)應(yīng)運(yùn)而生，如微博、豆瓣、騰訊、Facebook、Twitter和LinkedIn 等. 這些平臺(tái)迅速融入并在一定程度上豐富了人們的生活. 不同社交媒體平臺(tái)的內(nèi)容風(fēng)格迥異，用戶為滿足不同的需求，會(huì)同時(shí)使用多個(gè)社交媒體平臺(tái). 每個(gè)平臺(tái)只有很小一部分用戶僅使用該平臺(tái). 而跨社交網(wǎng)絡(luò)用戶身份識(shí)別的本質(zhì)在于通過分析多個(gè)虛擬賬號(hào)的交互模式、行為模式和偏好等，推斷出背后的實(shí)體用戶. 該問題的研究對(duì)網(wǎng)絡(luò)安全、推薦系統(tǒng)和數(shù)據(jù)挖掘等領(lǐng)域都有著重要意義［1］.

早期的研究通過利用用戶配置文件屬性來解決UIL 問題，包括用戶簡(jiǎn)介［2-4］（例如：用戶名，頭像，地理位置）和用戶生成的內(nèi)容［5- 7］（例如：推文，帖子）. 許多基于屬性的方法大都是轉(zhuǎn)化為對(duì)特定字符串的相似性比較的問題. 然而，對(duì)于像用戶名或者地理位置這類屬性，它們都極短，由幾個(gè)詞組成. 而用戶的生成內(nèi)容則通常是長(zhǎng)文本，包含多個(gè)段落，語句間具有強(qiáng)相關(guān)性. 因此，在進(jìn)行特征處理時(shí)，不區(qū)分內(nèi)容長(zhǎng)度而采用單一的方法既不能覆蓋整個(gè)不同屬性的特征集，也不能捕獲屬性文本中的高級(jí)語義特征. 直觀地說，每個(gè)用戶的社交鄰居只能涉及來自同一社交網(wǎng)絡(luò)的用戶. 因此大多數(shù)方法都是在2 個(gè)網(wǎng)絡(luò)分別學(xué)習(xí)，然后通過投影將2 個(gè)網(wǎng)絡(luò)映射到1 個(gè)公共相關(guān)空間或者直接將一個(gè)網(wǎng)絡(luò)映射到另一個(gè)網(wǎng)絡(luò)［8-10］. 但是這類方法存在一個(gè)問題：2 個(gè)網(wǎng)絡(luò)分別在各自的嵌入空間進(jìn)行特征學(xué)習(xí)，那么所提取的用戶對(duì)特征是相互獨(dú)立毫無交集的. 一方面，這可能會(huì)導(dǎo)致一對(duì)錨節(jié)點(diǎn)的嵌入表示差別很大；另一方面，如果對(duì)2 個(gè)網(wǎng)絡(luò)中的信息分別進(jìn)行學(xué)習(xí)，這可能忽略跨網(wǎng)絡(luò)的許多有價(jià)值的補(bǔ)充信息.

為了解決上述問題，本文提出了基于合并子圖的雙通道跨網(wǎng)絡(luò)用戶身份識(shí)別方法TCUIL. 本文的主要研究貢獻(xiàn)總結(jié)如下.

（1） 提出新的監(jiān)督UIL 方法TCUIL，該方法由多維特征提取、子圖合并、雙通道圖網(wǎng)絡(luò)結(jié)構(gòu)組成. 與現(xiàn)有的方法不同，TCUIL 將跨網(wǎng)絡(luò)的鏈路預(yù)測(cè)轉(zhuǎn)化為單個(gè)網(wǎng)絡(luò)內(nèi)的鏈路預(yù)測(cè)問題.

（2） TCUIL 根據(jù)屬性信息的類型采用不同的嵌入方法，以此得到每個(gè)屬性更有效的嵌入表示.

（3） 提出子圖合并的方法，將2 個(gè)目標(biāo)節(jié)點(diǎn)及各自鄰居節(jié)點(diǎn)提取至1 個(gè)圖中，可以同時(shí)捕獲目標(biāo)節(jié)點(diǎn)對(duì)在2 個(gè)網(wǎng)絡(luò)的交互關(guān)系.

（4） 設(shè)計(jì)雙通道網(wǎng)絡(luò)結(jié)構(gòu). 具體來說，使用圖卷積神經(jīng)網(wǎng)絡(luò)GCN 提取網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)以及傳統(tǒng)的屬性特征，同時(shí)，使用DeepWalk 提取節(jié)點(diǎn)間的關(guān)系特征. 2 個(gè)通道并行執(zhí)行，從多個(gè)維度學(xué)習(xí)合并子圖的節(jié)點(diǎn)表示.

（5） 進(jìn)行了充分實(shí)驗(yàn)，從準(zhǔn)確率、召回率等維度與CENALP、MAUIL 等方法進(jìn)行了比較，驗(yàn)證了本文方法的有效性.

2 相關(guān)工作

跨在線社交網(wǎng)絡(luò)的用戶身份鏈接是社交媒體中的新興任務(wù)，近年來受到越來越多的關(guān)注. 跨社交網(wǎng)絡(luò)用戶身份識(shí)別也被稱為用戶身份關(guān)聯(lián)、錨鏈路預(yù)測(cè)和實(shí)體對(duì)齊等，按照傳統(tǒng)的方法對(duì)數(shù)據(jù)挖掘和機(jī)器學(xué)習(xí)模型進(jìn)行分類，我們將現(xiàn)有的模型歸納為3 組：監(jiān)督模型、半監(jiān)督模型和無監(jiān)督模型［11］.

基于監(jiān)督學(xué)習(xí)的用戶對(duì)齊方法需要將預(yù)先匹配的用戶對(duì)作為標(biāo)記數(shù)據(jù)，然后使用訓(xùn)練好的模型對(duì)待匹配的候選用戶對(duì)進(jìn)行預(yù)測(cè)［12］. 大多數(shù)文獻(xiàn)涉及監(jiān)督學(xué)習(xí)的方法，其目的是學(xué)習(xí)排名模型或二進(jìn)制分類器來識(shí)別用戶身份. 由于獲取帶標(biāo)簽的匹配用戶身份對(duì)的成本較高，因此提出了一些無監(jiān)督模型來解決UIL 問題. 目前，基于無監(jiān)督學(xué)習(xí)的方法來實(shí)現(xiàn)用戶身份識(shí)別主要有2 種模式：一種是設(shè)計(jì)一組規(guī)則，對(duì)具有較強(qiáng)辨識(shí)度的屬性特征自動(dòng)獲取標(biāo)記數(shù)據(jù)，然后進(jìn)行有監(jiān)督的對(duì)齊；另一種模式就是通過無監(jiān)督的表示學(xué)習(xí)抽取候選用戶特征，然后利用對(duì)齊算法識(shí)別匹配用戶. 無監(jiān)督方法不依賴標(biāo)記數(shù)據(jù)，但是無監(jiān)督方法通常比有監(jiān)督方法性能差. 于是，一些半監(jiān)督方法充分利用少量標(biāo)記樣本和大量未標(biāo)記數(shù)據(jù)被用來解決UIL 問題.

無論上述哪種方法，其核心大都是需要通過一定的方式提取用戶不同維度的特征，然后基于特征訓(xùn)練相應(yīng)的模型實(shí)現(xiàn)鏈路預(yù)測(cè). 在特征提取方面，現(xiàn)有方法主要關(guān)注用戶的屬性和結(jié)構(gòu)特征，對(duì)節(jié)點(diǎn)間關(guān)系特征關(guān)注較少，而用戶關(guān)系中含的虛假信息量更少. 同時(shí)，采取單一方法提取特征既不能涵蓋整個(gè)不同屬性特征集，也不能捕獲屬性文本中的高級(jí)語義特征. 在模型方面，近年來，部分研究將圖神經(jīng)網(wǎng)絡(luò)應(yīng)用于用戶對(duì)齊任務(wù)，現(xiàn)有的GNN 模型大多局限于局部結(jié)構(gòu)信息，然而部分研究多直接將GNN 模型“ 移植”到無權(quán)跨社交網(wǎng)絡(luò)用戶對(duì)齊任務(wù)中，未結(jié)合現(xiàn)實(shí)需求做出有針對(duì)性的改進(jìn)與調(diào)整. 這些問題導(dǎo)致跨網(wǎng)絡(luò)用戶對(duì)齊的效果還有很大的提升空間，因此，如何進(jìn)一步挖掘能夠反應(yīng)用戶相似性的特征，進(jìn)一步構(gòu)造能夠更加敏銳地捕獲到相似性特征的模型，是跨網(wǎng)絡(luò)對(duì)齊領(lǐng)域需要持續(xù)進(jìn)行研究的內(nèi)容.

3 TCUIL 方法

3. 1 概述

本節(jié)主要介紹方法TCUIL 的詳細(xì)信息. 如圖1 所示，該模型有3 個(gè)組成部分：多維特征提取、圖合并和雙通道網(wǎng)絡(luò)結(jié)構(gòu). 結(jié)合用戶屬性和網(wǎng)絡(luò)結(jié)構(gòu)信息的應(yīng)用是近年來的研究熱點(diǎn). 而這些信息從內(nèi)容上來看差異性很大，所以針對(duì)不同的特征，用不同的方法進(jìn)行提取和處理. 多維特征提取則用于融合2 個(gè)網(wǎng)絡(luò)中所有節(jié)點(diǎn)的屬性信息和拓?fù)浣Y(jié)構(gòu)，以此得到信息量更為豐富的節(jié)點(diǎn)低維嵌入.

圖合并則是基于將2 個(gè)網(wǎng)絡(luò)的嵌入空間交互在一起的思想而提出的. 基于合并后的子圖進(jìn)行特征學(xué)習(xí)，不僅能夠?qū)崿F(xiàn)對(duì)網(wǎng)絡(luò)中相鄰節(jié)點(diǎn)特征的學(xué)習(xí)，還能實(shí)現(xiàn)對(duì)另外一個(gè)網(wǎng)絡(luò)中間接相鄰節(jié)點(diǎn)特征的學(xué)習(xí). 因此，這就將網(wǎng)絡(luò)間鏈路預(yù)測(cè)轉(zhuǎn)換為網(wǎng)絡(luò)內(nèi)兩節(jié)點(diǎn)的鏈路預(yù)測(cè)問題.

雙通道網(wǎng)絡(luò)結(jié)構(gòu)則是對(duì)由每個(gè)節(jié)點(diǎn)對(duì)構(gòu)建的新網(wǎng)絡(luò)中的特征進(jìn)行學(xué)習(xí). 為了能夠使用用戶的多個(gè)維度的信息進(jìn)行用戶身份識(shí)別，本文設(shè)計(jì)了雙通道結(jié)構(gòu)，一方面使用多層圖卷積神經(jīng)網(wǎng)絡(luò)GCN［13］挖掘網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)并提取傳統(tǒng)的屬性特征，另一方面使用深度游走（DeepWalk）［14］構(gòu)建頂點(diǎn)序列并從中學(xué)習(xí)節(jié)點(diǎn)間的關(guān)系特征. 雙通道并行學(xué)習(xí)，將輸出特征進(jìn)行拼接，然后送入Transformer［15］得到節(jié)點(diǎn)最終特征表示. 最后通過前饋神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)二分類任務(wù).

為了實(shí)現(xiàn)用戶身份鏈接，給定任意節(jié)點(diǎn)對(duì)（vs，vt），節(jié)點(diǎn)分別來自2 個(gè)不同的網(wǎng)絡(luò)Gs 和Gt. 我們預(yù)測(cè)該節(jié)點(diǎn)對(duì)是否屬于現(xiàn)實(shí)世界同一用戶通過觀察前饋神經(jīng)網(wǎng)絡(luò)最后輸出的二分類預(yù)測(cè)值，如果預(yù)測(cè)值為True，則表明vs 和vt 屬于同一用戶，反之，則屬于不同用戶. 圖1 展示了TCUIL 的概述.

3. 2 多維特征提取

綜合考慮用戶屬性信息和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)來實(shí)現(xiàn)跨社交網(wǎng)絡(luò)的用戶身份鏈接，包含信息更為豐富，可以提高用戶身份識(shí)別的性能［16］. 用戶屬性信息根據(jù)文本長(zhǎng)短劃分為詞級(jí)別屬性嵌入和文本級(jí)別屬性嵌入.

3. 2. 1 詞級(jí)別屬性嵌入

短文本主要由用戶配置信息組成，包括用戶名和位置信息等屬性. 在大多數(shù)情況下，1 個(gè)用戶在1 個(gè)社交網(wǎng)絡(luò)中只擁有1個(gè)賬戶，該賬戶由唯一的用戶名標(biāo)識(shí)，而同一用戶在不同的社交網(wǎng)絡(luò)中的多個(gè)賬戶通常是相同或相似的用戶名. 本節(jié)采用Word2vec［17］方法來捕獲用戶屬性信息的詞級(jí)別特征.

用戶vi 在社交網(wǎng)絡(luò)中的詞級(jí)別屬性文本表示為awi. 在我們選取的這些社交平臺(tái)上，主要是以中文和英文為主，對(duì)中英文分別使用jieba 和NLTK分詞工具，將屬性awi劃分為有m 個(gè)單詞的序列w wi = w wi1， w wi2，…，w wik，…， w wim，其中w wik 是awi中第k 個(gè)單詞. 使用用戶名屬性來對(duì)上述表達(dá)進(jìn)行解釋. 假設(shè)網(wǎng)絡(luò)中某用戶的用戶名為awi=\"ThumbPeak 拇指山\"，它可以被標(biāo)記為如下所示的單詞序列，其后跟著的是單詞的計(jì)數(shù)數(shù)字：w wi =\"ThumbPeak\"：1， \"拇指\"：1，\"山\"：1， others：0. 所有詞級(jí)別屬性信息構(gòu)成1 個(gè)詞匯表，每個(gè)單詞在詞匯表中的ID 唯一.

我們將具有n 個(gè)用戶的社交網(wǎng)絡(luò)中的詞級(jí)別屬性集合表示為Aw = { aw1，aw2，…，awi，…，awn }. 每1個(gè)屬性awi的w wi 都可以看作1 個(gè)用于深度學(xué)習(xí)的詞級(jí)別文檔，則共有n 個(gè)詞級(jí)別文檔構(gòu)成訓(xùn)練時(shí)的語料庫(kù). 本文計(jì)劃使用CBOW 語言模型訓(xùn)練語料庫(kù)中的詞向量. 在訓(xùn)練過程中，文檔w wi 中的任意w wik 的詞向量都是dw 維的向量，記為xik ∈ Rdw × 1. 用戶vi 的詞級(jí)別屬性集的特征向量x wi 是通過對(duì)文檔wi 中的所有詞的詞向量求和得到，將所有用戶的詞級(jí)嵌入向量構(gòu)造為詞級(jí)特征矩陣Fw.

3. 2. 2 文本級(jí)別屬性嵌入

文本級(jí)屬性主要指用戶生成內(nèi)容UGC，如用戶發(fā)布的帖子、關(guān)注的電影信息等. 我們認(rèn)為同一用戶在不同社交網(wǎng)絡(luò)平臺(tái)上關(guān)注的內(nèi)容和發(fā)布評(píng)論的語言風(fēng)格是相似的. 這里我們對(duì)長(zhǎng)文本使用長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）［18］進(jìn)行嵌入學(xué)習(xí).

用戶vi 在社交網(wǎng)絡(luò)中的文本級(jí)別屬性文本表示為atei ，用戶的每個(gè)行為信息作為1 個(gè)句子，該用戶發(fā)布的所有內(nèi)容聚合在一起構(gòu)成相應(yīng)的長(zhǎng)文本屬性. 屬性atei 的每個(gè)句子都可以劃分為有m 個(gè)單詞的序列w tei = w tei1， w tei2，…，w teik，…， w teim，其中w teik 表示句子中的第k個(gè)單詞. 因此可以得到網(wǎng)絡(luò)中所有用戶的文本級(jí)別屬性集合Ate ={ ate1，ate2，…，atei ，…，aten }，文本級(jí)別屬性atei 中的每個(gè)句子對(duì)應(yīng)的序列w tei 被視為文本級(jí)別文檔. 同樣使用CBOW 語言模型來訓(xùn)練語料庫(kù)中的詞向量，文檔w tei 中的任意wik 的詞向量都是dte 維的向量. 句向量則通過將該句子的所有詞向量累加得到，記為xik ∈ Rdte × 1.

由于文本級(jí)別屬性是用戶生成內(nèi)容，每個(gè)文本的句子長(zhǎng)短不一致，文本級(jí)別文檔中詞語總數(shù)也不一致. 因此文本級(jí)屬性經(jīng)過詞嵌入轉(zhuǎn)換成低維向量后需要進(jìn)行補(bǔ)齊或截?cái)嗖僮? 考慮到過長(zhǎng)的文本反而會(huì)給LSTM 帶來超長(zhǎng)訓(xùn)練時(shí)間的問題，我們?cè)O(shè)置每個(gè)用戶文本級(jí)別屬性的最大句子數(shù)Wmax 為200，然后將文本句子總數(shù)低于Wmax 的嵌入用0 補(bǔ)齊，高于Wmax 的則截?cái)? 最終得到用戶vi 的初始文本級(jí)別屬性特征F tei0 ∈ RWmax × dte 作為L(zhǎng)STM 的輸入. LSTM 會(huì)返回output 和hidden，其中output 包含輸入序列中每個(gè)句子的輸出向量，最后1 個(gè)句子的輸出向量x tei 代表用戶vi 的文本語義向量；hidden 是1 個(gè)元組，元組中的第1 個(gè)元素代表每個(gè)詞的隱藏層向量，第2 個(gè)元素代表所需遺忘的元素. 因此取output 的最后1 個(gè)輸出向量構(gòu)成文本級(jí)別屬性集合的特征矩陣Fte.

Fte ={x tei |i = 1，…，n} （3）

3. 2. 3 拓?fù)浣Y(jié)構(gòu)嵌入

中心性（Centrality）是社交網(wǎng)絡(luò)分析（Social Network Analysis， SNA）中的重要概念，可以幫助我們理解節(jié)點(diǎn)（即網(wǎng)絡(luò)中的個(gè)體或群體）在網(wǎng)絡(luò)中的位置和影響力，通常用數(shù)字或度量來表示，被稱為中心度［19］. 對(duì)于節(jié)點(diǎn)的中心性而言，有表征節(jié)點(diǎn)局部結(jié)構(gòu)特征的局部中心性，有表征節(jié)點(diǎn)全局結(jié)構(gòu)特征的全局中心性，還有一些其他中心性，我們從不同類型的中心性指標(biāo)中，分別選取了一些知名的中心性方法，捕獲用戶在社交網(wǎng)絡(luò)中的結(jié)構(gòu)特征. 本文采用了8 種判定中心性的度量指標(biāo)來捕獲整個(gè)網(wǎng)絡(luò)的結(jié)構(gòu)性特征.具體包括以下8 個(gè)指標(biāo)：度中心性、特征向量中心性、介數(shù)中心性、緊密中心性、PageRank、K-core、聚類系數(shù)、局部中心性. 節(jié)點(diǎn)vi 的結(jié)構(gòu)向量是上述8個(gè)度量指標(biāo)的拼接. 將所有用戶的結(jié)構(gòu)嵌入向量拼接起來構(gòu)成結(jié)構(gòu)特征矩陣Fs.

Fs ={x si |i = 1，…，n} （4）

3. 2. 4 用戶中間表示

通過上述對(duì)社交網(wǎng)絡(luò)中用戶的多維特征進(jìn)行建模，分別得到描述用戶詳細(xì)信息的屬性特征和代表用戶社交關(guān)系的結(jié)構(gòu)特征矩陣，并將3 個(gè)特征矩陣串聯(lián)起來構(gòu)建用戶中間特征矩陣.

F = Fw ∥ Fte ∥ Fs （5）

3. 3 圖合并

通過上一部分，將屬性嵌入與結(jié)構(gòu)嵌入進(jìn)行拼接即可得到帶有節(jié)點(diǎn)特征矩陣F 的網(wǎng)絡(luò). 接著是圖合并，由2 部分組成：子圖提取和子圖合并. 2個(gè)節(jié)點(diǎn)之間的鏈接是否存在，可以通過以節(jié)點(diǎn)為中心的圖拓?fù)鋪泶_定. 通常，當(dāng)涉及到更多拓?fù)湫畔r(shí)，我們可以獲得更好的性能. 然而在實(shí)際問題中，1 個(gè)網(wǎng)絡(luò)中的節(jié)點(diǎn)可能非常多，每次預(yù)測(cè)如果都考慮整個(gè)圖，會(huì)帶來更多的計(jì)算成本和內(nèi)存消耗［20］. 為了在計(jì)算成本和預(yù)測(cè)性能之間尋求平衡，我們對(duì)2 個(gè)目標(biāo)節(jié)點(diǎn)分別在各自網(wǎng)絡(luò)中提取了khop子圖來學(xué)習(xí)特征和預(yù)測(cè)潛在鏈接的存在［21］. 與此同時(shí)，一般的跨網(wǎng)絡(luò)鏈路預(yù)測(cè)方法都是將2 個(gè)網(wǎng)絡(luò)的高維數(shù)據(jù)空間通過某種形式的映射函數(shù)表示成低維連續(xù)的向量空間，然后基于它們的向量表示學(xué)習(xí)相似度評(píng)分函數(shù)去匹配實(shí)體. 在整個(gè)過程中，最明顯的缺陷就是2 個(gè)網(wǎng)絡(luò)都只能學(xué)習(xí)到該網(wǎng)絡(luò)本身的信息. 于是，我們提出子圖合并的方法，通過預(yù)先對(duì)齊的節(jié)點(diǎn)對(duì)將2 個(gè)子圖合并為1 個(gè)網(wǎng)絡(luò)，這就轉(zhuǎn)換為在1 個(gè)網(wǎng)絡(luò)中預(yù)測(cè)用戶對(duì)齊的問題. 更重要的是，在后續(xù)圖卷積的過程中，基于合并后的子圖進(jìn)行卷積，不僅能夠?qū)崿F(xiàn)對(duì)網(wǎng)絡(luò)中相鄰節(jié)點(diǎn)特征的聚合，還能實(shí)現(xiàn)對(duì)另外1 個(gè)網(wǎng)絡(luò)中間接相鄰節(jié)點(diǎn)特征的聚合.

3. 3. 1 子圖提取

具體做法如下：給定1 個(gè)節(jié)點(diǎn)對(duì)（vs， vt），根據(jù)節(jié)點(diǎn)id 分別找到各自對(duì)應(yīng)所在的網(wǎng)絡(luò). 以節(jié)點(diǎn)vs 為例，首先提取1 跳鄰域. 給定網(wǎng)絡(luò)Gs 和列表NodeList 即可得到鄰域，其中，NodeList 是存有要找尋1 跳鄰域的節(jié)點(diǎn)id 的列表，初始列表只有目標(biāo)節(jié)點(diǎn)id，即NodeList=［vs］. 經(jīng)過1 輪后，將找到的與vs 直接相連的節(jié)點(diǎn)集N_neighbor 加入至列表NodeList 中. 以此類推，如果想要得到目標(biāo)節(jié)點(diǎn)的k-hop 子圖，將上述過程執(zhí)行k 次即可得到該子圖所包含的所有節(jié)點(diǎn). 需要注意的是，每輪更新節(jié)點(diǎn)集合NodeList 后都要進(jìn)行去重操作. 根據(jù)子圖包含的全部節(jié)點(diǎn)就可從原始圖Gs 中誘導(dǎo)出節(jié)點(diǎn)vs 的子圖Sub_Gs （ v ），同時(shí)，子圖中節(jié)點(diǎn)的屬性表示和原始圖共享. 子圖提取的總體過程如算法1 所示.

3. 3. 2 子圖合并

該方法的具體做法如下：通過第3. 3. 1 節(jié)的處理，我們已經(jīng)得到由1 個(gè)節(jié)點(diǎn)對(duì)（vs， vt）所提取的2 個(gè)k-hop 子圖. 首先，對(duì)2 個(gè)子網(wǎng)絡(luò)Sub_Gs 和Sub_Gt 的節(jié)點(diǎn)集和邊集進(jìn)行并集操作，即可得到由2 個(gè)互不相交的子圖構(gòu)成的合并圖Gm. Gm 中節(jié)點(diǎn)的屬性表示和2 個(gè)原始圖共享. 然后依次遍歷少量已知的預(yù)先對(duì)齊種子集S. 對(duì)于每個(gè)種子節(jié)點(diǎn)對(duì)（vs1， vt1），我們首先將2 個(gè)節(jié)點(diǎn)的特征表示做平均，并將該值賦給節(jié)點(diǎn)vs1，替換其原有特征. 其次，找到與vt1 直接相連的鄰域節(jié)點(diǎn)集合N_neighbor，然后依次增加由N_neighbor 中所有節(jié)點(diǎn)和vs1 組成的邊，最后刪除節(jié)點(diǎn)vt1. 重復(fù)此操作，直到將種子集S 中所有節(jié)點(diǎn)對(duì)遍歷結(jié)束，最后得到的網(wǎng)絡(luò)就是將2 個(gè)子圖合并后的結(jié)果. 子圖合并的偽代碼如算法2 所示.

3. 4 雙通道網(wǎng)絡(luò)結(jié)構(gòu)

通過上述多維特征提取和圖合并，已經(jīng)得到由1 個(gè)節(jié)點(diǎn)對(duì)（vs， vt）所誘發(fā)的合并子圖，接下來就需要學(xué)習(xí)該圖所有節(jié)點(diǎn)的特征表示來實(shí)現(xiàn)鏈路預(yù)測(cè)功能. 隨著圖結(jié)構(gòu)變得越來越普遍、信息變得越來越豐富，圖神經(jīng)網(wǎng)絡(luò)（GNN）已經(jīng)成為許多重要應(yīng)用的強(qiáng)大工具［22］. 本文采用的圖卷積網(wǎng)絡(luò)GGN通過聚合來自其鄰域的特征信息來封裝每個(gè)節(jié)點(diǎn)的隱藏表示，它能直接對(duì)圖的拓?fù)浣Y(jié)構(gòu)和頂點(diǎn)的屬性信息進(jìn)行學(xué)習(xí). 與此同時(shí)，TCUIL 采用Deep?Walk 對(duì)網(wǎng)絡(luò)中節(jié)點(diǎn)的關(guān)系特征進(jìn)行并行學(xué)習(xí).DeepWalk 基于隨機(jī)游走策略得到一系列節(jié)點(diǎn)序列，每條序列包含目標(biāo)節(jié)點(diǎn)的1 跳或2 跳鄰域節(jié)點(diǎn). 基于此，DeepWalk 能學(xué)習(xí)到鄰域間甚至鄰域的鄰域間的關(guān)聯(lián). GCN 與DeepWalk 雙通道互相補(bǔ)充提取到用戶的多維度特征. 基于GNNs 的模型難以解決長(zhǎng)期依賴問題，縮放GNN 的深度或?qū)挾炔蛔阋詳U(kuò)大感受野，GNNs 過深或過寬反而會(huì)導(dǎo)致梯度消失和過度平滑問題［23］，我們?cè)趯?duì)2 種表征方法進(jìn)行拼接的基礎(chǔ)上提出使用基于Transformer的自我關(guān)注來學(xué)習(xí)長(zhǎng)距離的成對(duì)關(guān)系.

GCN 是一種直接處理圖結(jié)構(gòu)數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型，它們將1 個(gè)圖作為輸入，并為每個(gè)節(jié)點(diǎn)輸出1個(gè)標(biāo)簽. GCN 基于信息擴(kuò)散機(jī)制，通過與鄰域節(jié)點(diǎn)周期性交換信息來更新節(jié)點(diǎn)表示，直到達(dá)到穩(wěn)定均衡. 節(jié)點(diǎn)的隱藏狀態(tài)由式（6）可以得到，其中f是將輸入投影到d 維空間的轉(zhuǎn)移函數(shù)，h（ t ）v 表示節(jié)點(diǎn)的狀態(tài)向量，xv 表示節(jié)點(diǎn)的特征向量，節(jié)點(diǎn)的初始特征向量由特征矩陣F 得到，xe（ v，u ） 表示邊的特征矩陣. 每個(gè)GCN 編碼器都以當(dāng)前層節(jié)點(diǎn)表示的隱藏狀態(tài)作為輸入，計(jì)算新的節(jié)點(diǎn)表示，如式（7）所示. 其中A 是表示節(jié)點(diǎn)間連通性的鄰接矩陣，H 是當(dāng)前節(jié)點(diǎn)表示，H （ 0 ） = F，W 是學(xué)習(xí)到的參數(shù)，σ 為激活函數(shù).

給定屬性社交網(wǎng)絡(luò)Gs =（Vs，Es，As ），DeepWalk采用隨機(jī)游走的方式隨機(jī)選擇起點(diǎn)vsi，然后從與節(jié)點(diǎn)vsi存在連接關(guān)系的所有節(jié)點(diǎn)中以相同概率選擇下一跳節(jié)點(diǎn)，由此得到長(zhǎng)度為L(zhǎng) 的節(jié)點(diǎn)序列. 可以同時(shí)設(shè)置多個(gè)游走器并行執(zhí)行. 接著，DeepWalk利用與詞嵌入skip-gram 模型相同的思路，將隨機(jī)游走序列與文本中的詞進(jìn)行類比，實(shí)現(xiàn)對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)的表示學(xué)習(xí). 在長(zhǎng)度為L(zhǎng) 的隨機(jī)游走序列{ vs1，vs2 ，. . . ，vsi，. . . ，vsL } 中，DeepWalk 使用節(jié)點(diǎn)vsi預(yù)測(cè)其上下文節(jié)點(diǎn)來學(xué)習(xí)其嵌入，其目標(biāo)是最小化損失函數(shù)，如式（8）所示.

-log p （{vsi- w ，…，vsi+ w }＼vsi|vsi） （8）

其中，{ vsi- w ，. . . ，vsi+ w } ＼vsi是節(jié)點(diǎn)vsi在滑動(dòng)窗口為w 的范圍內(nèi)的上下文節(jié)點(diǎn)所構(gòu)成的序列，不包括vsi本身. p （ { vsi- w ，. . . ，vsi+ w } ＼vsi|vsi） 表示節(jié)點(diǎn)vsi出現(xiàn)的情況下序列中其他節(jié)點(diǎn)出現(xiàn)的概率. 通過使用獨(dú)立性假設(shè)，條件概率p （ { vsi- w ，. . . ，vsi+ w } ＼vsi|vsi）近似為式（9）形式.

通過借助隨機(jī)梯度下降算法更新節(jié)點(diǎn)的向量表示，得到網(wǎng)絡(luò)中所有節(jié)點(diǎn)的嵌入表示HD. 然后將其與GCNs 得到的嵌入表示HG 做拼接處理得到H. H 是整個(gè)合并子圖的嵌入，將其作為Transformer的輸入.

H = HG ∥ HD （10）

然后，我們將鏈路預(yù)測(cè)任務(wù)視為二元分類問題，并通過最小化所有潛在鏈路的交叉熵?fù)p失來訓(xùn)練神經(jīng)網(wǎng)絡(luò)，如式（11）所示.

其中，Lt 是要預(yù)測(cè)的鏈接集合；pl 是鏈接l 在網(wǎng)絡(luò)中存在的概率；yl ∈ （ 0，1 ） 是目標(biāo)鏈接的標(biāo)簽，表示該鏈路是否存在.

4 實(shí)驗(yàn)

本節(jié)主要介紹實(shí)驗(yàn)所使用的數(shù)據(jù)集、實(shí)驗(yàn)設(shè)計(jì)以及實(shí)驗(yàn)結(jié)果與分析.

4. 1 數(shù)據(jù)集

為了更好地評(píng)估TCUIL 模型的性能，本文在2 個(gè)數(shù)據(jù)集上進(jìn)行實(shí)驗(yàn)，包括2 個(gè)社交網(wǎng)絡(luò)和2 個(gè)學(xué)術(shù)合著網(wǎng)絡(luò)，均由Chen 等［8］提供.

社交網(wǎng)絡(luò)：該數(shù)據(jù)集被稱為微博-豆瓣（WD），指的是中國(guó)2 個(gè)流行的社交網(wǎng)絡(luò)平臺(tái)：新浪微博和豆瓣. 該社交網(wǎng)絡(luò)數(shù)據(jù)集包含9714 個(gè)微博用戶以及9526 個(gè)豆瓣用戶，每個(gè)用戶都包含了用戶名、地理位置和用戶生成內(nèi)容等信息.

合著網(wǎng)絡(luò)：DBLP 是計(jì)算機(jī)領(lǐng)域內(nèi)以作者為核心的英文文獻(xiàn)數(shù)據(jù)庫(kù)系統(tǒng)，并且公開免費(fèi). 本文所使用的數(shù)據(jù)集由Chen 等［10］提取的2 個(gè)不同時(shí)期的DBLP 數(shù)據(jù)庫(kù)中的部分?jǐn)?shù)據(jù)構(gòu)成. WD 和DBLPs數(shù)據(jù)集的具體信息如表1 所示.

4. 2 實(shí)驗(yàn)設(shè)計(jì)

4. 2. 1 基線方法

在這項(xiàng)工作中，我們選擇以下基線方法來評(píng)估本文模型的性能.

（1） PALE［9］：一種基于嵌入的技術(shù)，它通過最大化邊緣頂點(diǎn)的共現(xiàn)似然來學(xué)習(xí)節(jié)點(diǎn)嵌入，然后應(yīng)用線性或多層感知器（MLP）作為映射函數(shù).PALE 是一個(gè)基于監(jiān)督學(xué)習(xí)的UIL 模型.

（2） DeepLink［10］：一種新穎的基于半監(jiān)督學(xué)習(xí)方式的端到端方法，DeepLink 對(duì)網(wǎng)絡(luò)節(jié)點(diǎn)進(jìn)行采樣，并學(xué)習(xí)將網(wǎng)絡(luò)節(jié)點(diǎn)編碼為矢量表示，以捕獲局部和全局網(wǎng)絡(luò)結(jié)構(gòu)，進(jìn)一步通過深度神經(jīng)網(wǎng)絡(luò)對(duì)齊錨節(jié)點(diǎn).

（3） MAUIL［8］：一種新穎的半監(jiān)督模型，可以實(shí)現(xiàn)對(duì)任意2 個(gè)社交網(wǎng)絡(luò)進(jìn)行用戶身份識(shí)別. 首先使用無監(jiān)督方法表達(dá)不同類型的屬性特征，然后基于正則規(guī)范化相關(guān)分析（RCCA）的線性投影將社會(huì)網(wǎng)絡(luò)投射到用于用戶身份鏈接的公共關(guān)聯(lián)空間中.

（4） CENALP［24］：一個(gè)聯(lián)合鏈接預(yù)測(cè)和網(wǎng)絡(luò)對(duì)齊的框架. CENALP 通過跨網(wǎng)絡(luò)帶偏隨機(jī)游走得到節(jié)點(diǎn)嵌入，然后基于節(jié)點(diǎn)相似性找尋最可靠的候選節(jié)點(diǎn).

4. 2. 2 參數(shù)設(shè)置

本節(jié)概述了訓(xùn)練TCUIL 模型參數(shù)，涉及屬性嵌入、圖合并和網(wǎng)絡(luò)結(jié)構(gòu)設(shè)置.

（1） 在對(duì)屬性文本嵌入過程中，即便對(duì)不同類型的屬性采用不同的嵌入方法，所有特征的維度仍是相同的. 例如，dw = dte = 100.

（2） 在對(duì)2 個(gè)目標(biāo)節(jié)點(diǎn)提取子圖過程中，提取鄰域的范圍是2 跳鄰域，即hop=2；在去除掉重復(fù)鄰域的情況下，每個(gè)節(jié)點(diǎn)在每跳鄰域上都最多采樣20 個(gè)鄰域節(jié)點(diǎn).

（3） 在圖網(wǎng)絡(luò)結(jié)構(gòu)中，我們使用了具有2 層卷積層的GCN，輸入維度為308，中間層維度為128，輸出維度為64. DeepWalk 的輸出維度也為64.Transformer 的詞嵌入維度為128，編碼層數(shù)為1.

4. 2. 3 研究問題

在這項(xiàng)工作中，我們解決了以下研究問題.

RQ1：與基準(zhǔn)方法相比，TCUIL 的表現(xiàn)如何.與基線模型進(jìn)行比較，驗(yàn)證所提出的TCUIL 模型的總體表現(xiàn)性能的優(yōu)越性.

RQ2：如何驗(yàn)證TCUIL 中每個(gè)組件的有效性. 研究使用不同文本嵌入方法對(duì)TCUIL 性能的影響、采用合并和不合并2 種方式進(jìn)行后續(xù)特征學(xué)習(xí)以此驗(yàn)證基于合并子圖進(jìn)行用戶對(duì)齊的有效性和研究等3 個(gè)TCUIL 變體以評(píng)估雙通道網(wǎng)絡(luò)結(jié)構(gòu)的有效性.

4. 3 實(shí)驗(yàn)結(jié)果與分析

4. 3. 1 RQ1：與以往工作的比較

表2 顯示了我們的對(duì)齊模型與基線方法在2 個(gè)數(shù)據(jù)集上的總體結(jié)果. 總的來說，我們的模型在準(zhǔn)確率、精確率、召回率和F1 值4 個(gè)分類評(píng)估指標(biāo)上都優(yōu)于所有基線模型（在WD 數(shù)據(jù)集，準(zhǔn)確率至少提高了14. 11%，F(xiàn)1 值至少提高了44. 32%；在DBLSs 數(shù)據(jù)集，準(zhǔn)確率至少提高了9. 58%，F(xiàn)1 值至少提高了25. 04%）

所有的基線方法根據(jù)訓(xùn)練數(shù)據(jù)可以劃分為2類：一類是使用帶標(biāo)簽數(shù)據(jù)訓(xùn)練的監(jiān)督學(xué)習(xí)執(zhí)行UIL，包括PALE、TCUIL；一類是僅有一部分帶標(biāo)簽數(shù)據(jù)的半監(jiān)督學(xué)習(xí)方法，包括DeepLink、CENALP、MAUIL. 從表2 可以清楚地看出，數(shù)據(jù)集的質(zhì)量會(huì)很大程度上影響模型的表現(xiàn)性能，所有模型在DBLPs 數(shù)據(jù)集上的表現(xiàn)都優(yōu)于WD. 例如，PALE 在DBLPs 上的F1 值提高了11. 72%，Deeplink 提高了5. 12%，MAUIL 提高了20. 76%，CENALP 提高了29. 75%，TCUIL 提高了2. 98%.這主要是因?yàn)閃D 真實(shí)社交網(wǎng)絡(luò)的數(shù)據(jù)結(jié)構(gòu)完整性較低，無法為識(shí)別用戶身份提供有效線索. 首先是第1 類與TCUIL 模型同為監(jiān)督學(xué)習(xí)方法的PALE，雖然它利用觀察到的錨鏈路作為監(jiān)督信息，但是其在嵌入階段只捕獲了網(wǎng)絡(luò)的主要結(jié)構(gòu)規(guī)律. 因此，我們模型在WD 和DBLPs 上關(guān)于F1值的表現(xiàn)分別比PALE 模型高出多達(dá)79. 81% 和71. 07%. 然后是第2 類半監(jiān)督學(xué)習(xí)方法的實(shí)驗(yàn)結(jié)果. DeepLink 模型采用深度神經(jīng)網(wǎng)絡(luò)來對(duì)UIL 進(jìn)行自動(dòng)特征提取與表示，在整個(gè)對(duì)比實(shí)驗(yàn)中表現(xiàn)最差，在WD 中F1 值僅有7. 38%. CENALP 雖然提出了跨圖的節(jié)點(diǎn)嵌入技術(shù)，但它僅是基于概率值在2 個(gè)網(wǎng)絡(luò)來回選取節(jié)點(diǎn)構(gòu)成節(jié)點(diǎn)序列以此學(xué)習(xí)節(jié)點(diǎn)表示，而TCUIL 是通過已知的錨節(jié)點(diǎn)在2個(gè)網(wǎng)絡(luò)間建立連接，在F1 值上至少提高了25. 04%. 在對(duì)比的所有基線模型中，MAUIL 是整體性能相對(duì)最好的方法. 這是因?yàn)镸AUIL 與我們的方法類似，它同時(shí)考慮到了社交網(wǎng)絡(luò)結(jié)構(gòu)信息和社交賬戶文本屬性信息，涵蓋信息豐富. 但是其對(duì)文本嵌入和特征學(xué)習(xí)的方法與TCUIL 模型不同，我們模型在WD 上的F1 值提高了44. 32%，由此可看出我們提出的模型與基線方法相比，綜合考慮了用戶的結(jié)構(gòu)、屬性和關(guān)系特征，有較好的表現(xiàn).

4. 3. 2 RQ2：不同的文本嵌入方法

為了找出在我們提出的TCUIL 模型框架下，使用哪種長(zhǎng)文本嵌入的模型達(dá)到的效果最好，我們進(jìn)行了對(duì)比實(shí)驗(yàn). 表3 展示了使用不同方法處理長(zhǎng)文本屬性信息對(duì)最終鏈路預(yù)測(cè)結(jié)果的影響. 這部分對(duì)4 種嵌入方法進(jìn)行了比較. 首先是word2vec，它是最早的以詞語為基本處理單元的文本向量化方法. 在本次實(shí)驗(yàn)中，首先得到屬性文本涵蓋的所有單詞的嵌入. 對(duì)于每個(gè)文本，將包含的單詞對(duì)應(yīng)的詞嵌入相加之后計(jì)算平均值即作為該長(zhǎng)文本的最終嵌入表示. 其次，主題模型LDA 是一種文檔-主題生成模型，在生成文檔時(shí)，LDA 模型首先根據(jù)一定概率選擇主題，然后從這個(gè)主題的詞匯分布中以一定概率選擇詞語. 然后是BERT 模型，其本質(zhì)上是通過在海量語料庫(kù)上進(jìn)行訓(xùn)練，學(xué)習(xí)到了從語境中理解和生成文本的能力，從而用于為單詞學(xué)習(xí)好的特征表示. 對(duì)比試驗(yàn)借助Simple Transformers庫(kù)，使用BERT 來實(shí)現(xiàn)文本向量化. 最后則是長(zhǎng)短期記憶網(wǎng)絡(luò)LSTM，LSTM 是RNN 特殊的類型，可以學(xué)習(xí)長(zhǎng)期依賴信息. 從表3 可以看出在4 個(gè)分類指標(biāo)中，使用LSTM 對(duì)文本進(jìn)行嵌入達(dá)到的效果最好. 在DBLPs 中，召回率相比另外3 種方法至少高出10. 49%，F(xiàn)1 值高出7. 18%. 因此，LSTM因其獨(dú)特的設(shè)計(jì)結(jié)構(gòu)天然地適合處理序列數(shù)據(jù).但用戶的屬性信息通常是變長(zhǎng)序列數(shù)據(jù)，最直觀的方式是使用文本截?cái)喾椒ㄊ剐蛄虚L(zhǎng)度相等，本文則通過截?cái)嗟姆绞焦潭ㄐ蛄虚L(zhǎng)度在200.

4. 3. 3 RQ3：子圖合并

為了驗(yàn)證TCUIL 模型所提出的子圖合并的有效性，進(jìn)行了對(duì)比實(shí)驗(yàn).TCUIL-unmerged 表示對(duì)提取的2 個(gè)子圖不進(jìn)行合并操作，其具體實(shí)現(xiàn)過程如下：針對(duì)所提取的每個(gè)子圖都單獨(dú)送進(jìn)設(shè)計(jì)的雙通道網(wǎng)絡(luò)結(jié)構(gòu)中進(jìn)行特征學(xué)習(xí)，得到嵌入表示后再分別提取目標(biāo)節(jié)點(diǎn)對(duì)的輸出向量進(jìn)行拼接操作，最后得到最終表示進(jìn)行鏈路預(yù)測(cè). 從圖2 的柱狀圖明顯看出，TCUIL相比于TCUIL-unmerged 的表現(xiàn)效果更好，在WD和DBLPs 上精確率分別提高了57. 65% 和24. 73%，在F1 值上更是提升了65. 68% 和47. 51%. 這主要得益于子圖合并通過錨鏈路將2個(gè)網(wǎng)絡(luò)緊密聯(lián)系起來，不僅能夠?qū)崿F(xiàn)對(duì)網(wǎng)絡(luò)中相鄰節(jié)點(diǎn)特征的學(xué)習(xí)，還能實(shí)現(xiàn)對(duì)另外一個(gè)網(wǎng)絡(luò)中間接相鄰節(jié)點(diǎn)特征的學(xué)習(xí).

4. 3. 4 RQ4：子圖參數(shù)

為了有效地學(xué)習(xí)良好的高階特征，我們似乎需要1 個(gè)非常大的跳數(shù)，以便提取的子圖包含整個(gè)網(wǎng)絡(luò)的絕大部分，這將導(dǎo)致大多數(shù)實(shí)際網(wǎng)絡(luò)無法承受時(shí)間和內(nèi)存消耗. 圖3和圖4 則是對(duì)所提取子圖的跳數(shù)以及對(duì)每個(gè)節(jié)點(diǎn)截取的鄰域數(shù)進(jìn)行的對(duì)比實(shí)驗(yàn)，從圖3 可知，預(yù)測(cè)結(jié)果的正確性并不是隨著跳數(shù)的增加而增加，當(dāng)跳數(shù)大于等于2 后整體性能通常不增反減，這主要因?yàn)樽钣杏玫男畔⑼ǔＴ诰植拷Y(jié)構(gòu)中，于是我們使用2 跳子圖來預(yù)測(cè)鏈路是否存在. 同時(shí)在提取子圖時(shí)并非選取所有的2 跳鄰域節(jié)點(diǎn)，由圖4 可看到當(dāng)截取的鄰域數(shù)增加到30 時(shí)，2 個(gè)數(shù)據(jù)集的模型性能都有所下降. 繼續(xù)增加到40 后，DBLPs 上的精確率更是降低了23. 14%，即便在WD 上的表現(xiàn)可與鄰域數(shù)為20 時(shí)抗衡，但是從時(shí)間和內(nèi)存消耗方面考慮，我們?nèi)耘f選擇20 作為截取鄰域節(jié)點(diǎn)的數(shù)量. 由此可以看出，當(dāng)子圖過大時(shí)反而會(huì)因?yàn)橐恍o用信息帶來干擾，使模型性能降低.4. 3. 5 RQ5：雙通道網(wǎng)絡(luò)結(jié)構(gòu) 在得到合并子圖中每個(gè)節(jié)點(diǎn)的低維嵌入后，需要通過特定的網(wǎng)絡(luò)結(jié)構(gòu)來對(duì)節(jié)點(diǎn)特征進(jìn)行學(xué)習(xí)，進(jìn)而提取所要預(yù)測(cè)節(jié)點(diǎn)對(duì)的嵌入來進(jìn)行二分類的鏈路預(yù)測(cè). 實(shí)驗(yàn)研究了3 個(gè)變體主要用于驗(yàn)證本文設(shè)計(jì)的雙通道網(wǎng)絡(luò)結(jié)構(gòu)的有效性. 其中，TCUIL-GT 表示只使用GCN 和Transformer 學(xué)習(xí)節(jié)點(diǎn)特征，TCUIL-GD 表示保留GCN 和DeepWalk 并刪除Transformer 部分，TCUIL-DT 表示保留DeepWalk 和Transformer，刪除GCN 部分. 從圖5 柱狀圖可以看出，我們提出的雙通道網(wǎng)絡(luò)結(jié)構(gòu)在4 個(gè)分類評(píng)估指標(biāo)上均是表現(xiàn)最好的. 在DBLPs 數(shù)據(jù)集上關(guān)于召回率的表現(xiàn)比3 個(gè)變體高出至少14. 8%，這主要是因?yàn)樵摼W(wǎng)絡(luò)結(jié)構(gòu)既考慮了目標(biāo)節(jié)點(diǎn)的鄰域?qū)ζ涞挠绊?，又考慮了目標(biāo)節(jié)點(diǎn)的鄰域間的相互影響.

5 結(jié)論

本文提出了基于合并子圖的雙通道跨網(wǎng)絡(luò)用戶身份識(shí)別方法TCUIL，其目標(biāo)是在2 個(gè)帶屬性的網(wǎng)絡(luò)中尋找潛在的同一用戶身份. TCUIL 模型建立在多維屬性嵌入的基礎(chǔ)上，其核心是得到包含用戶結(jié)構(gòu)特征和屬性特征的嵌入. 具體來說，用戶初始嵌入由2 部分拼接而成：一是根據(jù)屬性文本的類型使用不同的文本嵌入方法得到的屬性嵌入；二是由多個(gè)中心性方法提取得到的結(jié)構(gòu)嵌入.最后通過設(shè)計(jì)的雙通道網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行有效的表示學(xué)習(xí)，提升預(yù)測(cè)結(jié)果的準(zhǔn)確性. 特別地，我們提出了子圖合并的方法，對(duì)于每個(gè)預(yù)測(cè)的節(jié)點(diǎn)對(duì)，將提取的2 個(gè)子圖通過已知錨鏈接進(jìn)行合并，即可得到1 個(gè)同時(shí)包含2 個(gè)網(wǎng)絡(luò)部分節(jié)點(diǎn)的合并圖，使得基于1 個(gè)合并圖的表示學(xué)習(xí)即可同時(shí)實(shí)現(xiàn)對(duì)2 個(gè)網(wǎng)絡(luò)中節(jié)點(diǎn)特征的學(xué)習(xí). 我們的實(shí)驗(yàn)證明了本文模型在各方面的優(yōu)越性. 進(jìn)一步，本文提出的用戶身份識(shí)別方法在實(shí)際社交網(wǎng)絡(luò)分析、推薦系統(tǒng)或其他相關(guān)領(lǐng)域中都有著重要的實(shí)際價(jià)值.

參考文獻(xiàn)：

［1］ Luan M M， Zhao T， Yang X H， et al. A survey ofcross social network user identification at home and abroad［J］. Journal of Qilu University of Technology，2020， 34： 55.［欒孟孟，趙濤，楊星華，等. 國(guó)內(nèi)外跨社交網(wǎng)絡(luò)用戶身份識(shí)別綜述［J］. 齊魯工業(yè)大學(xué)學(xué)報(bào)， 2020， 34： 55.］

［2］ Li Y， Peng Y， Zhang Z， et al. A deep dive into userdisplay names across social networks［J］. InformationSciences， 2018， 447： 186.

［3］ Wu Z， Yu H， Liu S， et al. User identification acrossmultiple social networks based on information entropy［J］. Journal of Computer Applications， 2017，37： 2374.

［4］ Chen H， XU Q， Huang R， et al. User identificationacross social networks based on user trajectory［J］.Journal of Electronics amp; Information Technology，2018， 40： 2758.

［5］ Kong X， Zhang J， Yu P S. Inferring anchor linksacross multiple heterogeneous social networks［C］//Proceedings of the 22nd ACM international conferenceon Information amp; Knowledge Management.New York： ACM， 2013： 179.

［6］ Li Y， Zhang Z， Peng Y， et al. Matching user accountsbased on user generated content across socialnetworks［J］. Future Generation Computer Systems，2018， 83： 104.

［7］ Nie Y， Jia Y， Li S， et al. Identifying users across socialnetworks based on dynamic core interests［J］.Neurocomputing， 2016， 210： 107.

［8］ Chen B， Chen X. MAUIL： Multilevel attribute em ?bedding for semisupervised user identity linkage［J］.Information Sciences， 2022， 593： 527.

［9］ Man T， Shen H， Liu S， et al. Predict anchor linksacross social networks via an embedding approach［C］// Proceedings of the Twenty-Eighth InternationalJoint Conference on Artificial Intelligence，IJCAI-16. New York： AAAI， 2016， 16： 1823.

［10］ Zhou F， Liu L， Zhang K， et al. Deeplink： A deeplearning approach for user identity linkage［C］//IEEE INFOCOM 2018-IEEE conference on computercommunications. Honolulu， HI， USA：IEEE，2018： 1313.

［11］ Shu K， Wang S， Tang J， et al. User identity linkageacross online social networks： A review［J］. ACMSigkdd Explorations Newsletter， 2017， 18： 5.

［12］ Chen B Y， Chen X L. A survey on user alignmentacross social networks［J］. Journal of Xihua University（Natural Science Edition）， 2021， 40： 11.

［13］ Kipf T N， Welling M. Semi-supervised classificationwith graph convolutional networks［ EB/OL］. https：//doi. org/10. 48550/arXiv. 1609. 02907.

［14］ Perozzi B， Al-Rfou R， Skiena S. Deepwalk： Onlinelearning of social representations［C］//Proceedingsof the 20th ACM SIGKDD international conferenceon Knowledge discovery and data mining. New York：ACM， 2014： 701.

［15］ Vaswani A， Shazeer N， Parmar N， et al. Attentionis all you need［J］. Advances in Neural InformationProcessing Systems， 2017， 30： 6000.

［16］ Samad A， Qadir M， Nawaz I， et al. A comprehensivesurvey of link prediction techniques for social network［J］. EAI Endorsed Transactions on IndustrialNetworks and Intelligent Systems， 2020， 7： e3.

［17］ Mikolov T， Chen K， Corrado G， et al. Efficient estimationof word representations in vector space［EB/OL］. https：//doi. org/10. 48550/arXiv. 1301. 3781.

［18］ Hochreiter S， Schmidhuber J. Long short-termmemory［J］. Neural Computation， 1997， 9： 1735.

［19］ Opsahl T， Agneessens F， Skvoretz J. Node centralityin weighted networks： Generalizing degree andshortest paths［ J］. Social networks， 2010， 32： 245.

［20］ Zhang M， Chen Y. Link prediction based on graphneural networks［J］. Advances in Neural InformationProcessing Systems， 2018， 31： 5171.

［21］ Cai L， Li J， Wang J， et al. Line graph neural networksfor link prediction［J］. IEEE Transactions onPattern Analysis and Machine Intelligence， 2021，44： 5103.

［22］ Wu Z， Pan S， Chen F， et al. A comprehensive surveyon graph neural networks［J］. IEEE Transactionson Neural Networks and Learning Systems， 2020，32： 4.

［23］ Wu Z， Jain P， Wright M， et al. Representing longrangecontext for graph neural networks with globalattention［J］. Advances in Neural Information ProcessingSystems， 2021， 34： 13266.

［24］ Du X， Yan J， Zha H. Joint link prediction and networkalignment via cross-graph embedding［C］//Proceedings of the Twenty-Eighth International JointConference on Artificial Intelligence， IJCAI-19. NewYork： AAAI， 2019： 2251.

（責(zé)任編輯： 伍少梅）

基金項(xiàng)目： 四川省科技廳重點(diǎn)研發(fā)項(xiàng)目（2021YFG0156）