如今,各式各样的在线社交网络已成为人们生活中的重要组成部分。人们通过Facebook、微博等社交平台来分享和获取信息。由于不同社交网络展现出不同的功能性,用户行为数据存在不同的侧重。若能匹配用户在多个社交网络中的帐号,对于构建完整用户信息和维护网络安全皆具有重要的意义。跨社交网络用户匹配问题旨在识别出同一用户在多个社交网络中相应虚拟账号。跨社交网络用户匹配为整合多源数据提供了一种可行的方案,协助众多社交网络应用,如好友推荐和内容定制,从而提升用户粘性并提高网站营收。因此如何准确地识别不同账号背后的同一用户成为了研究的热点。本文提出一种两阶段的跨社交网络用户匹配算法,可以消除用户匹配算法对种子用户的依赖,分阶段迭代匹配网络中的用户。第一阶段是基于用户名的初始用户匹配算法,该算法利用用户名优先匹配一小部分用户;第二阶段是基于多维特征的全局用户匹配算法,该算法从第一阶段匹配的初始用户出发,以宽度优先策略选择待匹配用户,利用匹配模型整合用户名、文本和网络结构等多维特征之间的特征相似度,计算用户对匹配概率并生成新的匹配用户,新匹配的用户将用于重新训练匹配模型,迭代匹配网络中剩余用户。此外,本文还提出基于社区划分的跨社交网络用户匹配算法,算法包括四个步骤:社区划分、社区匹配、并行匹配和全局匹配。基于社区划分的跨社交网络用户匹配算法可以在社区层面并行匹配用户,从而提升匹配效率以应对大规模网络。实验结果表明,本文设计的跨社交网络用户匹配方法在匹配效果、匹配鲁棒性和匹配效率上均优于对比算法。