1.一种基于启发式算法的动态社交用户对齐方法，其特征在于，所述方法包括：从多个不同的社交网络平台中获取每个用户的社交关系和平台间的锚用户即共同用户，并将存在社交关系的两用户作为邻居用户；

根据初始社交网络平台用户的社交关系提取结构信息构建出用户关系概率模型，通过最小化经验概率和概率模型之间的相对熵建立出初始网络表示模型，得到每个用户的网络表示，并进行用户全局对齐；

在社交网络平台中增加新用户，使用注意力机制获取新用户与其邻居用户在每个社交网络平台中的第一权重；

使用跨社交网络平台的共同用户作为监督信息，利用启发式算法计算出该新用户与其邻居用户在不同社交网络平台中的第二权重；

采用加和的方式融合第一权重和第二权重，并获得新用户以及其邻居用户的启发式权重；

对该新用户的所有邻居用户的启发式权重进行排序，确定出启发式权重值最高的前K个邻居用户和该新用户共同作为待更新的局部网络；

利用监督学习到的启发式权重对初始网络表示模型进行更新；在保持二阶相似度的目标下，根据更新后的初始网络表示模型对待更新的局部网络中的所有用户进行用户对齐。

2.根据权利要求1所述的一种基于启发式算法的动态社交用户对齐方法，其特征在于，用户关系概率模型的构建公式如下：其中，p1(vj|vi)表示用户vi关注用户vj的概率；p2(vi|vj)表示用户vj被用户vi关注的概率； 表示用户vi本身的向量， 表示该用户vi作为输入上下文时的向量，表示该用户vi作为输出上下文时的向量，V表示社交网络平台用户集合，i,j,k∈|V|。

3.根据权利要求1所述的一种基于启发式算法的动态社交用户对齐方法，其特征在于，根据初始网络表示模型中的两个初始目标函数，同时最小化这两个初始目标函数，从而求解出每个用户的网络表示，按照每个用户的网络表示对用户进行全局对齐；其中两个初始目标函数的表示公式如下：其中，O1表示社交网络平台内部的用户相似度的初始目标函数；O2社交网络平台间的用户相似度的初始目标函数；EX社交网络平台X中的所有用户边；EY表示社交网络平台Y中的所有用户边； 表示在社交网络平台X中用户vi和用户vj所构成的边权重； 表示在社交网平台Y中用户vi和用户vj所构成的边权重； 表示在社交网络平台X的用户vi关注在社交网络平台Y的用户vk的概率； 表示在社交网络平台Y的用户vk被在社交网络平台X的用户vi关注的概率。

4.根据权利要求1所述的一种基于启发式算法的动态社交用户对齐方法，其特征在于，所述第一权重的计算公式表示为：其中， 表示新用户v*与其邻居用户vi的第一权重；softmax表示归一化指数函数；

v*∈Rd表示新用户的嵌入向量，d为嵌入向量的维度；vi,vj∈N(v*)表示v*的邻居节点向量，N(v*)表示新用户v*的邻居用户。

5.根据权利要求1所述的一种基于启发式算法的动态社交用户对齐方法，其特征在于，所述第二权重的计算公式表示为：

1*d

其中， 表示新用户v*与其邻居用户vi的第二权重；w∈R 为监督学习要学的参数向量，d为嵌入向量的维度；v*为新用户的嵌入向量，vi表示v*的邻居节点向量；(v*+vi)∈Rd*1为节点向量对应位置元素相加。

6.根据权利要求5所述的一种基于启发式算法的动态社交用户对齐方法，其特征在于，所述第二权重的训练过程包括对链接到不同社交网络平台的共同用户赋予更多的权重，采用了监督学习的方法，使用平方差损失函数训练出一种启发式的学习机制，通过监督学习得到的第二权重计算出用户的类型对用户的影响的大小；其中平方差损失函数表示为：其中， 表示为第二权重所对应的平方差损失函数；n为局部网络中的

社交关系数； 表示为根据共同用户个数所定义的权重。

7.根据权利要求1所述的一种基于启发式算法的动态社交用户对齐方法，其特征在于，对新用户进行初始化，以获得更好的更新效率，其中初始化的公式表示为：其中，vj∈N(v*)表示新用户v*的邻居用户， 表示模型学习得到的邻居用户vj的启发式权重。

8.根据权利要求1所述的一种基于启发式算法的动态社交用户对齐方法，其特征在于，使用连接多个社交网络平台的共同用户作为监督信息，利用启发式学习新用户在跨网络用户对齐任务中的局部影响；融合上述两种权重，基于保持网络二阶相似度的目标进行网络局部更新，进而完成动态跨社交网络用户对齐任务；更新后的初始网络表示模型中的二阶相似度的目标函数分别表示为：其中，O1′表示社交网络平台内部的用户相似度的更新目标函数；O2′社交网络平台间的X Y用户相似度的更新目标函数；E社交网络平台X中的所有用户边；E表示社交网络平台Y中的所有用户边； 表示在社交网络平台X中新用户v*和用户vj所学习到的启发式权重；

表示在社交网络平台Y中新用户v*和用户vj所学习到的启发式权重 表示

在社交网络平台X中的新用户v*关注用户vj的概率； 表示在社交网络平台X的用户vj被在社交网络平台X的新用户v*关注的概率。

9.根据权利要求1所述的一种基于启发式算法的动态社交用户对齐方法，其特征在于，进行用户对齐包括全局对齐和局部对齐，采用余弦相似度的计算方式获取用户的相似程度，对于社交网络平台中一个用户，计算另一社交网络平台中除已知共同用户以外的所有用户与之相似程度，并将相似程度较高的用户作为对齐用户的候选。

10.一种基于启发式算法的动态社交用户对齐系统，其特征在于，所述系统包括：平台接口API，用于获取社交网络平台中的每个用户的社交关系；

模型建模模块，用于构造出社交网络平台的图网络，将社交网络用户作为图节点，将存在社交关系的两邻居用户作为图边；

注意力机制模块，用于根据注意力机制获取新用户与其邻居用户在每个社交网络平台中的第一权重；

监督训练模块，用于根据启发式算法计算出新用户与其邻居用户在不同社交网络平台中的第二权重；

排序模块，用于对新用户的所有邻居用户的启发式权重进行排序，确定出启发式权重值最高的前K个邻居用户和该新用户共同作为待更新的局部网络；

用户对齐模块，用于获取不同社交网络平台中的用户相似程度，在保持二阶相似度的目标下，对待对齐的局部网络中的所有用户进行用户对齐。