基于多模態特征融合的社交媒體賬號分類方法
網絡安全與數據治理 10期
湯智偉，明 楊，費高雷，翟學萌，胡光岷
（電子科技大學信息與通信工程學院，四川成都611731）
摘要： 社交媒體賬號分類方法從賬號的屬性信息出發，通過構建賬號特征從而對賬號進行分類，對從海量社交媒體數據中挖掘有價值的信息具有十分重要的作用?，F有社交媒體賬號分類一般基于用戶發布的信息提取特征，存在賬號信息描述不完整、分類有效性低的問題。針對上述問題，提出了一種基于多模態特征融合的社交媒體賬號分類方法。該方法綜合考慮賬號自身屬性、文本以及賬號之間的社交關系等信息，使用張量分析的方法對賬號所表現的多模態特征進行融合。相比現有方法，所提方法可以更好地利用賬號的各種信息，獲得更好的分類效果。通過實驗，所提方法準確率達到了93.74%。
中圖分類號：TP181
文獻標識碼：A
DOI:10.19358/j.issn.2097-1788.2023.10.001
引用格式：湯智偉，明楊，費高雷,等.基于多模態特征融合的社交媒體賬號分類方法［J］.網絡安全與數據治理，2023，42（10）：1-7.
文獻標識碼：A
DOI:10.19358/j.issn.2097-1788.2023.10.001
引用格式：湯智偉，明楊，費高雷,等.基于多模態特征融合的社交媒體賬號分類方法［J］.網絡安全與數據治理，2023，42（10）：1-7.
Social media account classification based on multimodal feature fusion
Tang Zhiwei，Ming Yang，Fei Gaolei，Zhai Xuemeng，Hu Guangmin
(School of Information and Communication Engineering, University of Electronic Science and Technology of China, Chengdu 611731, China)
Abstract： Social media account classification methods start from the attribute information of the account, construct the account features and classify the account, which is very important for mining valuable information from the massive social media data. Existing social media account classification is generally based on extracting features from the information posted by users, which has the problems of incomplete description of account information and low effectiveness of classification. To solve the problems above, the paper proposes a social media account classification method based on multimodal feature fusion. The method uses tensor analysis to fuse the multimodal features expressed by the account after comprehensively considering the information of the account′s own attributes, the text, and the social relationships between the accounts. Compared with the existing methods, the method proposed in this paper can better utilize the various information of accounts and obtain better classification results. Through experiments, the method in this paper achieves an accuracy rate of 93.74%.
Key words : social media; account classification; feature fusion; tensor decomposition
0 引言
隨著社交媒體的興起，用戶賬號的分類成為了研究者關注的問題。這涉及檢測異常賬號和識別相關主題賬號。傳統方法主要從賬號文本信息或社交關系中提取特征，但存在特征單一和缺乏融合的問題［1］ 。
為了更充分挖掘數據信息［2］ ，多模態學習嶄露頭角。多模態學習充分利用不同信息類型之間的相關性與互補性，提供更全面的特征表示［3］ 。多模態融合有兩大優點：模態之間互補相關［4］ ，且系統具備強容錯性。然而，在社交媒體賬號分類領域，多模態研究相對較少。
本文提出了一種多模態特征融合的社交媒體賬號分類方法。在特征提取階段，綜合考慮了賬號屬性、文本和社交關系等多模態信息。在融合過程中，采用張量方法將這些多模態特征整合，以張量分解降低數據復雜性。多模態特征融合有助于捕捉各模態之間的聯系，提高賬號分類準確性和模型泛化性。
本文詳細內容請下載：http://m.jysgc.com/resource/share/2000005731
作者信息：
湯智偉，明楊，費高雷，翟學萌，胡光岷
（電子科技大學信息與通信工程學院，四川成都611731）
此內容為AET網站原創，未經授權禁止轉載。