一种基于扩散概率模型的社交网络节点对齐方法

本发明提出了一种基于扩散概率模型的社交网络节点对齐方法，属于计算机知识图谱分析相关领域，在基于扩散概率模型的社交网络节点对齐框架中，设计了一个扩散信息模块，以源域用户嵌入为条件，通过反向扩散过程生成目标域的节点嵌入表示。该方法不仅在训练阶段引入随机性增强模型多样性，在推理阶段也具备生成能力，从而提升模型适应性和泛化性能。此外，为缓解混淆匹配问题，提出一种基于节点嵌入相似度的负采样策略，选取非锚节点中与锚节点最相似的节点作为硬负样本，强化匹配准确性。本发明无需依赖用户公开属性信息，仅利用网络结构即可实现高效对齐，具有良好的隐私保护特性，适用于跨平台用户识别、社区发现、推荐系统等下游任务。