近期，实验室硕士毕业生周淇在读期间作为第一作者的论文“Exploring Cross-site User Modeling Without Cross-site User Identity Linkage: A Case Study of Content Preference Prediction”被期刊ACM Transaction on Information System （ACM TOIS）录用。该文章提出了一种不进行跨平台用户身份链接的跨平台用户建模方法，通过借鉴隐私保护推荐系统研究的核心思想，将社交媒体账户组织成特征组，隐藏跨平台的身份链接关系。通过启发式搜索，探究了构建特征组的构建方法，并在此基础上构建了跨平台用户建模模型，该模型利用节点间的显式关系、隐式关系构建特征组，能有效地利用跨平台信息对用户进行精确、全面的建模。在真实数据集上的实验表明，该方法在部分指标方面优于现有的使用跨平台用户身份链接的跨平台用户建模方法。
期刊简介
ACM TOIS（ACM Transactions on Information Systems）是信息检索领域的顶级期刊，由美国计算机学会（ACM）出版。该期刊于1983年创刊，被视为信息处理领域的最权威国际学术期刊之一，特别是在信息检索、推荐系统和文本挖掘等领域。ACM TOIS被中国计算机学会（CCF）推荐为A类国际期刊。
论文简介
代码链接：
https://github.com/Yekkiii/CUMnoUIL
随着社交媒体平台的蓬勃发展，其功能不断丰富，已经成为人们分享观点、收集信息以及进行社交活动的重要渠道。用户在这些平台上留下的足迹包含了丰富的个人特征和行为习惯，为深入了解用户提供了独特的视角。为了满足不同的信息需求，用户参与多个不同的社交媒体平台，且在这些平台中呈现出不同的行为模式。局限于单平台信息的用户行为建模无法全面反映用户的多样化行为，跨社交媒体平台用户建模（即跨平台用户建模）成为一个备受关注的研究领域。然而，目前的跨平台用户建模研究大多基于跨平台用户身份链接，即在不同的平台上准确地链接属于同一个用户的账户，并在平台之间共享用户特征。基于跨平台用户身份链接的用户建模可能会过度地挖掘用户信息，带来了严峻的隐私问题。因此，本文针对跨平台用户建模和用户隐私之间的冲突展开了研究。提出了基于特征组的无身份链接的跨平台用户建模方法，实现了隐私和个性化的平衡。
图1 模型整体结构