社交网络中网络空间安全用户挖掘模型研究

发布时间：2021-08-14 05:15

　　当下如何从社交网络平台中自动准确地挖掘网络空间安全相关用户具有重要意义。在现有的基于社交关系的相似度算法基础上,结合基于动态交互信息的相似度算法,加权综合两种用户相似度算法,提出一种新的用户相似度算法,从而初步计算社交网络中网络空间安全相似用户。再通过基于机器学习的用户分类算法,从网络空间安全相似用户中进一步准确地检测网络空间安全领域的用户,最终构建社交网络的网络空间安全用户挖掘模型。 

【文章来源】：现代计算机. 2020,(12)

【文章页数】：6 页

【部分图文】：

网络安全领域用户挖掘模型

实验结果

在确定最优的特征组合和最佳分类算法后，本文构建网络空间安全领域用户分类检测模型，该模型的总体结构如图2所示。对于一个推特用户，在提取各类用户数据后，构造其特征向量，最后通过分类算法检测其是否为网络安全领域的用户。3 实验与分析

【参考文献】：
期刊论文
[1]基于深度主动学习的信息安全领域命名实体识别研究[J]. 彭嘉毅,方勇,黄诚,刘亮,姜政伟.  四川大学学报(自然科学版). 2019(03)
[2]基于用户关系和文本的微博用户相似性度量[J]. 黄建军,方勇,何祥.  现代计算机(专业版). 2019(09)
[3]基于多源信息相似度的微博用户推荐算法[J]. 姚彬修,倪建成,于苹苹,李淋淋,曹博.  计算机应用. 2017(05)
[4]基于复杂网络重叠社团发现的微博话题检测[J]. 尹兰,程飞,任亚峰,姬东鸿.  四川大学学报(自然科学版). 2016(06)
[5]基于随机森林分类的微博机器用户识别研究[J]. 刘勘,袁蕴英,刘萍.  北京大学学报(自然科学版). 2015(02)
[6]微博用户的相似性度量及其应用[J]. 徐志明,李栋,刘挺,李生,王刚,袁树仑.  计算机学报. 2014(01)

硕士论文
[1]面向在线微博网络的相似用户发现方法研究[D]. 郁启麟.中国矿业大学 2017



本文编号：3341840