网络用户身份识别及信任评估机制

本书针对社交网络中跨平台用户身份难识别、信息可信度难评估的问题，提出基于多维特征融合和嵌入优化的用户身份识别方法，研究从单一网络到跨网络环境下的用户信任传播机制，以及用户和内容可信度评估方法，从而通过跨网络身份关联、信任评估构建一个安全可信、服务可靠的社交网络环境。本书首先介绍跨社交网络、用户身份识别、信任评估与传播机制的基本概念；然后针对跨平台用户身份难识别问题，通过多维特征分析和嵌入优化提高关联用户的相似度，保证用户匹配的准确率；最后针对信息可信度难评估问题，研究用户信息量化计算、混杂用户有效分离的用户可信度评估方法，通过贝叶斯信任网络分析用户信任传播规律，提出基于情感极性影响力和基于协同关键点的内容可信度评估算法，实现可信用户和恶意用户的准确识别，以及信息可信的传播。

目录
“信息科学技术学术著作丛书”序
前言
第1章 社交网络 1
1.1 跨社交网络 1
1.2 用户身份识别 3
1.3 信任评估与传播机制 4
参考文献 5
第2章 多维特征分析的用户身份识别 7
2.1 用户身份识别的基本概念 7
2.1.1 问题描述 7
2.1.2 相关研究 8
2.1.3 理论框架 12
2.1.4 相似度计算 13
2.1.5 评价指标 15
2.2 基于个性化行为分析与权重分配的用户身份识别算法 16
2.2.1 用户档案信息预处理及相似度计算 17
2.2.2 用户行为信息相似度计算 19
2.2.3 用户信息权重分析 22
2.2.4 用户信息权重分配 23
2.2.5 用户身份识别过程 23
2.2.6 实验与结果分析 25
2.3 基于稳定婚姻匹配的用户身份识别算法 28
2.3.1 相似度评分公式 28
2.3.2 稳定婚姻匹配模型 29
2.3.3 随机森林二次确认模型 29
2.3.4 算法描述 31
2.3.5 实验与结果分析 32
参考文献 34
第3章 嵌入优化的用户身份识别 38
3.1 嵌入优化的用户身份识别相关概念 38
3.1.1 问题描述 38
3.1.2 相关研究 38
3.1.3 理论框架 40
3.2 基于语义增强的用户身份识别算法 43
3.2.1 问题描述 44
3.2.2 算法概述 46
3.2.3 多层次语义表征 48
3.2.4 语义噪声自适应的图数据增广 50
3.2.5 多头注意力语义融合 53
3.2.6 多视图对比学习 54
3.2.7 实验与结果分析 56
3.3 基于反事实推断的用户身份识别算法 60
3.3.1 问题描述 61
3.3.2 算法概述 62
3.3.3 双曲图注意力网络特征聚合 63
3.3.4 反事实分析 65
3.3.5 反事实学习 67
3.3.6 实验与结果分析 70
参考文献 73
第4章 社交网络用户可信度评估 77
4.1 社交网络用户可信度评估的基本概念 77
4.1.1 问题描述 77
4.1.2 相关研究 77
4.1.3 理论框架 80
4.1.4 用户信息权重分配 81
4.1.5 用户可信度评估方法分析 85
4.1.6 评价指标 88
4.2 基于多维信息的用户可信度评估算法 89
4.2.1 用户档案信息量化 89
4.2.2 用户生成内容信息量化 91
4.2.3 用户拓扑结构信息量化 93
4.2.4 多维信息层次分析 94
4.2.5 实验与结果分析 96
4.3 基于邻接用户双重剪枝的用户可信度评估算法 97
4.3.1 用户信息的剪枝处理 97
4.3.2 用户自相关可信度量化计算 99
4.3.3 用户自相关可信度的剪枝处理 101
4.3.4 用户互相关可信度量化计算 102
4.3.5 实验与结果分析 103
4.4 基于软间隔支持向量机的用户可信度评估算法 106
4.4.1 用户信息处理方法 106
4.4.2 用户可信度评估框架 107
4.4.3 用户可信度量化 108
4.4.4 用户可信度评估方法 111
4.4.5 实验与结果分析 112
参考文献 115
第5章 用户信任传播机制 118
5.1 信任传播的基本概念 118
5.1.1 社交网络的信任机制 118
5.1.2 相关研究 121
5.1.3 贝叶斯信任网络 123
5.1.4 经典信任模型 125
5.2 多属性综合的直接信任评估算法 126
5.2.1 局部影响力计算 127
5.2.2 内在相似性计算 128
5.2.3 行为态度值计算 129
5.2.4 综合信任评估 131
5.2.5 实验与结果分析 131
5.3 基于贝叶斯网络的信任推断算法 136
5.3.1 单社交网络信任传播 137
5.3.2 跨社交网络信任传播 138
5.3.3 算法复杂度分析 140
5.3.4 实验与结果分析 140
参考文献 144
第6章 社交网络内容可信度评估方法 147
6.1 内容可信度评估的基本概念 147
6.1.1 可信度评估 147
6.1.2 相关研究 148
6.1.3 深度学习的相关模型 153
6.2 基于协同关键点的内容可信度评估算法 157
6.2.1 数据分析与处理 157
6.2.2 获取词语关键点 160
6.2.3 获取句子关键点 162
6.2.4 内容可信度评估 163
6.2.5 实验与结果分析 163
6.3 基于情感极性影响力的内容可信度评估算法 168
6.3.1 数据分析与处理 169
6.3.2 内容语义特征提取 170
6.3.3 评论情感特征分析 172
6.3.4 内容可信度评估 173
6.3.5 实验与结果分析 174
6.4 基于加强路径的内容可信度评估算法 179
6.4.1 由根至叶特征获取 180
6.4.2 由叶至根特征获取 181
6.4.3 池化层 182
6.4.4 内容可信度评估 183
6.4.5 实验与结果分析 184
参考文献 187