近期，實驗室碩士畢業(yè)生周淇在讀期間作為第一作者的論文“Exploring Cross-site User Modeling Without Cross-site User Identity Linkage: A Case Study of Content Preference Prediction”被期刊ACM Transaction on Information System （ACM TOIS）錄用。該文章提出了一種不進(jìn)行跨平臺用戶身份鏈接的跨平臺用戶建模方法，通過借鑒隱私保護(hù)推薦系統(tǒng)研究的核心思想，將社交媒體賬戶組織成特征組，隱藏跨平臺的身份鏈接關(guān)系。通過啟發(fā)式搜索，探究了構(gòu)建特征組的構(gòu)建方法，并在此基礎(chǔ)上構(gòu)建了跨平臺用戶建模模型，該模型利用節(jié)點間的顯式關(guān)系、隱式關(guān)系構(gòu)建特征組，能有效地利用跨平臺信息對用戶進(jìn)行精確、全面的建模。在真實數(shù)據(jù)集上的實驗表明，該方法在部分指標(biāo)方面優(yōu)于現(xiàn)有的使用跨平臺用戶身份鏈接的跨平臺用戶建模方法。
期刊簡介
ACM TOIS（ACM Transactions on Information Systems）是信息檢索領(lǐng)域的頂級期刊，由美國計算機學(xué)會（ACM）出版。該期刊于1983年創(chuàng)刊，被視為信息處理領(lǐng)域的最權(quán)威國際學(xué)術(shù)期刊之一，特別是在信息檢索、推薦系統(tǒng)和文本挖掘等領(lǐng)域。ACM TOIS被中國計算機學(xué)會（CCF）推薦為A類國際期刊。
論文簡介
隨著社交媒體平臺的蓬勃發(fā)展，其功能不斷豐富，已經(jīng)成為人們分享觀點、收集信息以及進(jìn)行社交活動的重要渠道。用戶在這些平臺上留下的足跡包含了豐富的個人特征和行為習(xí)慣，為深入了解用戶提供了獨特的視角。為了滿足不同的信息需求，用戶參與多個不同的社交媒體平臺，且在這些平臺中呈現(xiàn)出不同的行為模式。局限于單平臺信息的用戶行為建模無法全面反映用戶的多樣化行為，跨社交媒體平臺用戶建模（即跨平臺用戶建模）成為一個備受關(guān)注的研究領(lǐng)域。然而，目前的跨平臺用戶建模研究大多基于跨平臺用戶身份鏈接，即在不同的平臺上準(zhǔn)確地鏈接屬于同一個用戶的賬戶，并在平臺之間共享用戶特征。基于跨平臺用戶身份鏈接的用戶建?？赡軙^度地挖掘用戶信息，帶來了嚴(yán)峻的隱私問題。因此，本文針對跨平臺用戶建模和用戶隱私之間的沖突展開了研究。提出了基于特征組的無身份鏈接的跨平臺用戶建模方法，實現(xiàn)了隱私和個性化的平衡。
圖1 模型整體結(jié)構(gòu)
代碼鏈接：
評論 0