文章目录

1 相关研究

2 识别算法

2.1 模型定义与特征选择

    2.1.1 模型定义

    2.1.2 特征选择

2.2 深度学习算法

    (1）神经网络模型搭建

    (2）神经网络参数优化

    (3）优化器选择

    (4）过拟合处理

3 仿真实验

3.1 数据准备

3.2 实验结果

3.3 比较分析

    3.3.1 深度学习算法与传统机器学习识别效果横向对比

        (1）利用RC曲线及相关评价指标

        (2）利用ROC曲线和AUC值选择分类器

    3.3.2 该研究识别效果与Zafarani等[5]和刘东等[6]的研究成果纵向对比分析

4 总结

文章摘要:近年来跨社交网络用户身份识别技术成为众多学者研究的一个热点领域。但现有的跨社交网络身份识别技术存在诸如识别的成本高、准确率低和普适度不足等缺点。而依靠社交网络上的用户昵称采用深度学习方法进行身份识别可以克服这些缺点。该方法首先采用网络爬虫爬取了同一用户在社交网络Facebook和Twitter上的昵称对,然后在对数据清洗、转换、集成和处理后作为实验数据集;最后对实验数据集采用深度学习算法进行训练和识别。实验表明,基于深度学习的身份识别算法的准确率、精确率、召回率,和F1值分别达到了92.44%、94.29%、92.44%、93.11%和92.49%,结果优于传统机器学习算法以及该领域其他相似研究的识别效果,证实了该方法可以以较低数据获取成本实现较高识别效果并在不同社交网络使用。

文章关键词:

项目基金: 上一篇：计算机软件及计算机应用论文_基于文本分析与机 下一篇：地质学论文_基于多尺度特征和元学习的智能预测