دانلود مقاله انگلیسی رایگان:تطبیق حساب های کاربری با آگاهی مکانی-زمانی در سراسر شبکه های اجتماعی - 2021
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2

وایرا اکسپنچ

دانلود مقاله انگلیسی حسابداری و حسابرسی رایگان
  • Matching user accounts with spatio-temporal awareness across social networks Matching user accounts with spatio-temporal awareness across social networks
    Matching user accounts with spatio-temporal awareness across social networks

    سال انتشار:

    2021


    عنوان انگلیسی مقاله:

    Matching user accounts with spatio-temporal awareness across social networks


    ترجمه فارسی عنوان مقاله:

    تطبیق حساب های کاربری با آگاهی مکانی-زمانی در سراسر شبکه های اجتماعی


    منبع:

    ScienceDirect- Elsevier- Information Sciences, 570 (2021) 1-15: doi:10:1016/j:ins:2021:04:030


    نویسنده:

    Yongjun Li


    چکیده انگلیسی:

    User identification aims at matching user accounts across social sites, which benefits many real-world applications. Existing works based on user trajectories usually address spatial and temporal data separately while not fully utilizing the coupling relation between them. Differently, in this work, we jointly consider spatialtemporal information in users’ acitvities to improve the user identification method. In particular, we observe that check-in records of different users tend to create inconsistent spatialtemporal information. These inconsistencies are useful for eliminating false user matching. Inspired by this observation, we propose a novel user identification method that captures the correlation of spatial and temporal information and the inconsistency in check-in records. It contains three main steps. 1) We measure the similarity of users’ trajectories based on a kernel density estimation, which considers spatial and temporal information simultaneously. 2) We assign a weight to each check-in record to favor discriminative ones. 3) We utilize the inconsistency among check-in records to compute penalties for trajectory similarity. The pair of accounts with higher similarity (than a predefined threshold) is then considered to be from the same user. We evaluate our approach on three ground-truth datasets. The results show that the proposed method offers competitive performance, with F1 values reaching 86.12%, 85.08% and 78.34%, which demonstrates the superiority of the proposed method over state-of-theart methods.
    keywords: شناسه کاربر | آگاهی مکانی-زمانی | مطابقت با حساب های کاربری | داده های ورود | مسیر کاربر | User identification | Spatio-temporal awareness | Match user accounts | Check-in data | User trajectory


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 15
    حجم فایل: 1031 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi