跨社交网络用户（身份）识别任务是社交网络研究领域的一项重要任务,旨在利用用户在社交网络上的不同维度的信息来判断两个分属不同社交网络的账号是否属于同一用户。跨社交网络用户识别任务能够很好地整合用户信息,这样不仅能够更好地了解用户,甚至可以了解到用户群体背后的区域文化、经济和政治特点等,从而推动世界电子商务和全球经济的发展。跨社交网络用户识别工作在近几年已经受到了广泛关注并且取得了一些进展,但随着互联网隐私政策的不断加紧,以往在用户识别任务中被普遍使用的各种用户私密信息已经难以获取。同时,现有基于传统机器学习算法的用户识别分类模型无法很好地挖掘用户特征之间的相关性,导致无法进一步提高识别准确率。因此,本文针对上述问题,对跨社交网络用户识别任务进行深入研究,并在此基础上实现了跨社交网络用户识别系统。本文的研究内容包括三个方面:（1）本文仅使用极易获取的数据,即利用用户推文文本信息提出了跨社交网络用户识别特征抽取框架。其核心思想在于从用户的内容视角、写作风格局部视角及全局视角充分挖掘用户特征,将用户的推文文本信息映射到特征空间,并通过相似度建模层对用户之间的相似度两两建模。针对中英文语料环境下的多个真实网络数据的实验验证了本文提出的仅基于用户推文文本信息的用户特征抽取框架能够包含更多的有效信息。（2）本文基于上述的相似度特征,提出了基于自注意力机制的卷积神经网络分类模型判断账号是否属于同一用户。首先通过自注意力机制来挖掘不同特征和不同相似度各自的相关性来增强相似度特征的表征能力,其次,使用卷积网络捕捉特征和相似度之间的局部相关性。实验结果表明本文提出的基于自注意力机制的卷积神经网络分类模型能够有效地进行跨社交网络用户分类,同时也验证了自注意力机制在该任务中的有效性。（3）本文深入分析了跨社交网络用户识别任务在实际场景下的应用痛点和社交网络上的用户行为习惯,设计开发了基于两阶段用户识别框架的跨社交网络用户识别系统。具体而言,针对不同用户在社交网络上的行为区别将用户分为普通用户、伪装用户和隐匿用户三类。为了高效解决不同类别用户的跨社交网络识别问题,本文使用了易于获取的用户名信息来构建第一阶段用户识别模型,使用基于用户推文文本信息的用户识别方法作为第二阶段模型。实验结果验证了两阶段用户识别框架能够有效地提升用户识别的效率。最后基于上述算法及框架,本文设计并实现了跨社交网络用户识别系统。