基于纵向联邦和典型相关性分析的动态社交网络对齐方法

本发明属于社交网络分析领域，具体涉及一种基于纵向联邦和典型相关性分析的动态社交网络对齐方法，包括：通过动态时空图自编码记忆模型、注意力机制模拟用户时空关系，得到用户关系矩阵；构建用户属性矩阵，并融合用户关系矩阵，得到用户矩阵；通过基于联邦学习的训练模型，将平台X、Y的用户特征矩阵输入到模型中进行训练，得到跨域用户对齐的预测结果。本发明针对用户关系的时序特性，结合动态关系表示更新与建模，并融合其他非时序特征进行跨平台用户对齐预测，通过该方法，可以有效解决跨域数据隐私泄露和社交网络动态性等问题，最终实现精准的跨平台网络用户对齐。