近期，實驗室碩士畢業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，通過借鑒隱私保護推薦系統研究的核心思想，將社交媒體賬戶組織成特征組，隱藏跨平臺的身份鏈接關系。通過啟發式搜索，探究了構建特征組的構建方法，并在此基礎上構建了跨平臺用戶建模模型，該模型利用節點間的顯式關系、隱式關系構建特征組，能有效地利用跨平臺信息對用戶進行精確、全面的建模。在真實數據集上的實驗表明，該方法在部分指標方面優于現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）是信息檢索領域的頂級期刊，由美國計算機學會（ACM）出版。該期刊于1983年創刊，被視為信息處理領域的最權威國際學術期刊之一，特別是在信息檢索、推薦系統和文本挖掘等領域。ACM TOIS被中國計算機學會（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展，其功能不斷豐富，已經成為人們分享觀點、收集信息以及進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）成為一個備受關注的研究領域。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模可能會過度地挖掘用戶信息，帶來了嚴峻的隱私問題。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，實現了隱私和個性化的平衡。
圖1 模型整體結構
代碼鏈接：
評論 0