随着在线社交网络的普及,越来越多的用户同时具有多个虚拟账号。在这种情况下,跨社交网络识别出用户的多个社交账号对用户信息对齐、个性化服务推荐以及信息融合都具有重要意义。目前,跨社交网络多用户身份识别已经得到了广泛的研究,但现有的工作中还存在以下问题:(1)经典的多用户身份识别算法对用户档案信息关注过多而缺乏融合分析用户个性化行为信息;(2)在多用户账号匹配过程中,缺乏对已匹配的用户账号对进行二次确认;(3)目前,用户自身隐私意识的提高导致无法获取大量的用户数据信息且获取代价较高,如何利用少量且具有高访问性的用户信息进行多用户身份识别;(4)针对用户信息权重分配问题,现有的基于主观导向的赋权算法忽略了不同用户信息对多用户身份识别的贡献程度。本文就现有工作中存在的不足,提出了四种针对不用应用场景的多用户身份识别算法,以进一步提高跨社交网络多用户身份识别算法的普适性和精确性,主要贡献如下:1.由于经典的多用户身份识别算法仅依靠用户档案信息而缺乏对用户个性化行为信息的融合,致使这些识别算法在高精确度应用场景中受限。针对此类应用场景,提出了基于个性化行为分析的多用户身份识别算法。对用户档案信息进行预处理,并采用不同的相似度计算方法来测量各项用户信息的相似度。此外,个性化分析用户行为信息,并融合用户档案信息以构成一个多维的相似度向量。同时,采用基于后验概率的权重分配算法来解决用户各项信息之间的权重失衡问题。利用相关的账号匹配算法实现多用户身份识别的目的,与仅基于用户档案信息的识别算法相比,所提算法有效提高了精确率、召回率以及F1。2.由于多用户账号识别过程中缺乏对获取的账号匹配对进行二次确认,致使大部分的识别算法在实际应用场景中识别性能受限。针对此类应用场景,提出了基于稳定婚姻匹配的随机森林二次确认算法。通过对用户各项信息进行相似度计算和赋权,以构建相似度评分公式,并将其与稳定婚姻匹配算法相结合来获取多用户账号的候选匹配对。同时,将获取的用户相似度向量训练集合用于训练随机森林模型,以此对获取的多用户账号候选匹配对进行随机森林二次确认来进一步提高多用户身份识别的性能。3.由于社交网络和用户自身隐私意识的提高,致使一些依靠大量用户信息而进行多用户身份识别的算法普适性较差。针对此类应用场景,提出了基于用户行为习惯的多用户身份识别算法。通过提取用户显示名称所含的特征,分别利用不同的相似度计算方法来计算显示名称所含特征的相似度,并结合变种熵值为提取的特征进行赋权。同时,分析用户的发布内容,测量不同用户兴趣图谱之间的相似度。在多用户账号匹配过程中,针对出现的一对多和多对多问题进行一对一约束,并结合Gale-Shapley算法来实现多用户账号匹配,有效的提高了识别性能。4.由于现有的基于主观导向的赋权算法忽略了用户各项信息的特殊含义,致使大多数多用户身份识别算法存在权重失衡问题。针对此类应用场景,提出了基于两级信息熵的多用户身份识别算法。基于内容一对多项用户信息进行分析和相似度测量,并利用提出的基于后验概率的权重分配算法来获取用户信息的一级权重。将获得的一级权重组成一个多维向量作为Softmax函数的输入值,对各个权重进行归一化处理,得到归一化概率,并再次利用信息熵的概念来获取用户信息的两级权重。同时,采用双向稳定婚姻匹配算法实现多用户账号匹配,有效改善了现有权重分配方案造成的权重失衡问题,并提高了所提算法的通用性。