设计应用

基于多模态特征融合的社交媒体账号分类方法

作者：汤智伟，明 杨，费高雷，翟学萌，胡光岷
发布日期：2023-11-01
来源：网络安全与数据治理 10期

0     引言

随着社交媒体的兴起，用户账号的分类成为了研究者关注的问题。这涉及检测异常账号和识别相关主题账号。传统方法主要从账号文本信息或社交关系中提取特征，但存在特征单一和缺乏融合的问题［1］ 。

为了更充分挖掘数据信息［2］ ，多模态学习崭露头角。多模态学习充分利用不同信息类型之间的相关性与互补性，提供更全面的特征表示［3］ 。多模态融合有两大优点：模态之间互补相关［4］ ，且系统具备强容错性。然而，在社交媒体账号分类领域，多模态研究相对较少。

本文提出了一种多模态特征融合的社交媒体账号分类方法。在特征提取阶段，综合考虑了账号属性、文本和社交关系等多模态信息。在融合过程中，采用张量方法将这些多模态特征整合，以张量分解降低数据复杂性。多模态特征融合有助于捕捉各模态之间的联系，提高账号分类准确性和模型泛化性。




本文详细内容请下载：https://www.chinaaet.com/resource/share/2000005731




作者信息：

汤智伟，明杨，费高雷，翟学萌，胡光岷

（电子科技大学信息与通信工程学院，四川成都611731）


微信图片_20210517164139.jpg

此内容为AET网站原创，未经授权禁止转载。
社交媒体 账号分类 特征融合 张量分解

Copyright © 2005-2024 华北计算机系统工程研究所版权所有 京ICP备10017138号-2