在线社交网络用户分类算法研究

发布时间：2020-05-10 13:54

【摘要】：近些年来,随着互联网的普及,各类在线社交网络、在线服务应运而生,社交网络也成为人们日常生活沟通交流的主要平台。社交网络以用户为主体,以现实生活中的人际关系为原型,用户借助该平台互动交流、传播信息。社交网络在给人们带来便利的同时,也带来了各种各样的问题。用户频繁的在线互动、信息的爆炸,一方面使用户无法正确选择有价值的信息,另一方面攻击者伪装成正常用户盗用正常用户身份传播虚假、恶意消息,使得用户的隐私安全以及正确的价值观受到威胁。因此如何从海量信息中提取出有用的信息,进行个性化推荐、检测异常用户成为关键问题,针对这个问题,本文以新浪微博为研究对象,根据不同的需求对用户进行分类,重点研究在线社交网络中识别不同水军用户的问题,主要的工作如下:1.基于现有互信息算法的不足提出了改进的特征评价函数。传统互信息由于忽略词频因素导致了低词频特征词作用被放大,有用特征词被漏选,针对这个问题,在特征评价函数中引入权重因子、类内离散因子和类间离散因子来弥补其不足,并通过实验验证了改进的方法在性能方面优于现有互信息方法。2.在属性约简的基础上,针对现有朴素贝叶斯加权算法在求取权值时不能从全局考虑的局限性和初始权值设置时的随机盲目性,采用粒子群优化算法,以词频比率为初始权值,迭代优化求取最优权值,构建加权朴素贝叶斯分类器,并通过实验验证了改进的朴素贝叶斯算法在分类精确率方面优于现有的朴素贝叶斯分类算法。3.在属性约简的基础上,针对现有支持向量机算法都只是在核函数和多分类模型做了单方面改进的问题,首先利用粒子群优化算法对混合核函数中的参数进行迭代求取最优参数组合,然后结合改进的决策树多分类模型构建多分类支持向量机分类器,并通过实验验证了改进的多分类支持向量机算法在分类精确率方面优于现有的支持向量机分类算法。
【学位授予单位】：长春理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP393.09;TP181

【参考文献】

相关期刊论文 前10条

1 王军强;刘建平;;基于朴素贝叶斯的社交网络消息文本分类算法的研究[J];工业控制计算机;2015年09期

2 王辉;黄自威;刘淑芬;;新型加权粗糙朴素贝叶斯算法及其应用研究[J];计算机应用研究;2015年12期

3 王道明;鲁昌华;蒋薇薇;肖明霞;李必然;;基于粒子群算法的决策树SVM多分类方法研究[J];电子测量与仪器学报;2015年04期

4 贺超波;杨镇雄;洪少文;汤庸;陈国华;郑凯;;应用随机游走的社交网络用户分类方法[J];计算机科学;2015年02期

5 李锋刚;梁钰;GAO Xiao-zhi;ZENGER Kai;;基于LDA-wSVM模型的文本分类研究[J];计算机应用研究;2015年01期

6 孟祥飞;徐路;王思雨;;基于新浪微博的社交网络垃圾用户分析与检测[J];科技与创新;2014年15期

7 刘海峰;姚泽清;苏展;;基于词频的优化互信息文本特征选择方法[J];计算机工程;2014年07期

8 赵芳;马玉磊;;自训练半监督加权球结构支持向量机多分类方法[J];重庆邮电大学学报(自然科学版);2014年03期

9 汪海燕;黎建辉;杨风雷;;支持向量机理论及算法研究综述[J];计算机应用研究;2014年05期

10 刘春卫;罗健旭;;基于混合核函数的PSO-SVM分类算法[J];华东理工大学学报(自然科学版);2014年01期

，

本文编号：2657403