摘要
本发明公开了一种去标识化场景下的多源社交网络对齐方法,包括:构造源网络和目标网络的去标识化邻接矩阵及独热编码初始特征;基于扩散矩阵执行多轮图热扩散;对扩散后特征矩阵按行升序排序并L2归一化;根据网络规模动态选择全局最优匹配或快速匹配生成锚点对;基于锚点对重编码特征矩阵迭代优化,直至节点全匹配。本发明仅利用拓扑结构实现高精度对齐,解决了去标识化场景下属性缺失与拓扑噪声导致的鲁棒性难题。
技术关键词
社交网络对齐方法
标识
矩阵
场景
感知特征
编码向量
生成结构
编码特征
源节点
鲁棒性
偏差
规模
噪声
算法
元素
动态
系统为您推荐了相关专利信息
状态空间模型
变流器并网
系统建模方法
变流器模块
坐标系
数据推送系统
语音意图识别
多媒体
语音识别模块
转移概率矩阵
颜色特征编码
视频推荐方法
异质
神经网络模型
矩阵
异常检测方法
系统日志
表达式
节点
孤立森林算法