申请/专利权人:上海颂艺信息科技有限公司
申请日:2021-08-25
公开(公告)日:2021-11-19
公开(公告)号:CN113673615A
主分类号:G06K9/62(20060101)
分类号:G06K9/62(20060101);G06F17/16(20060101);G06N3/04(20060101)
优先权:
专利状态码:在审-公开
法律状态:2021.11.19#公开
摘要:本发明公开了一种无监督的跨平台用户身份关联方法,包括以下步骤:获取源网络和目标网络的表征图和然后通过一个共享编码器对源网络和目标网络的表征图进行表征学习,获取源网络和目标网络的表征图各自初始的节点特征Zs和Zt;根据获取的节点表征Zs和Zt重构源网络的邻接矩阵和属性矩阵,并根据邻接矩阵和属性矩阵与原网络对比计算获取整体模型关于网络重构部分的损失函数,引入对抗训练模型。本发明中,利用自动编码器对源网络和目标网络进行表征学习,再利用鉴别器鉴别输入样本的真伪,最终通过训练得到的节点表征计算用户节点之间对齐的可能性。
主权项:1.一种无监督的跨平台用户身份关联方法,其特征在于,包括以下步骤:S1:获取源网络和目标网络的表征图和然后通过一个共享编码器对源网络和目标网络的表征图进行表征学习,获取源网络和目标网络的表征图各自初始的节点特征Zs和Zt;S2:根据获取的节点表征Zs和Zt重构源网络的邻接矩阵和属性矩阵,并根据邻接矩阵和属性矩阵与原网络对比计算获取整体模型关于网络重构部分的损失函数,引入对抗训练模型;S3:在对抗训练模型末端设置一个有多层感知机构构成的鉴别器D,将Zt作为虚假的节点表征,将Zs作为真实节点表征训练鉴别器D,使鉴别器D能够将Zs和Zt区分开;S4:通过鉴别器D鉴别来源于不同网络的节点表征,最终得到分布非常相近的节点表征向量,进而计算余弦距离判断相似度完成关联匹配。
全文数据:
权利要求:
百度查询: 上海颂艺信息科技有限公司 一种无监督的跨平台用户身份关联方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。