基于图结构与多特征的微博水军团体识别

发布时间：2024-12-26 00:29

　　随着以Twitter、微博等为代表的在线社交网络快速发展,网络水军利用这些平台传播谣言、欺骗大众,严重影响了社会的稳定和网络的发展。如何快速而有效地识别出这些社交网络水军,对维护网络秩序、营造良好的网络环境具有重要的意义。传统的网络水军识别研究已经取得了阶段性进展,他们主要通过内容特征、用户特征,环境特征及综合特征进行水军识别。然而,网络水军逐渐形成团体规模,对整个网络产生了更大的影响,不少研究者开始将网络水军团体作为研究对象,他们先利用以往的水军识别技术发现网络水军,再利用聚类、社区划分等算法挖掘网络水军团体。虽然能有效地发现部分水军团体成员,但是越来越多的水军用户隐藏自己的内容、行为等异常特征,使个体趋向于正常用户,导致现有的网络水军团体识别方法准确率不高。考虑到水军团体成员往往会为了同一个目标集体行动,其呈现出的整体特征是无法掩盖的,因此本文将水军团体作为一个整体进行研究,以图的方式全局分析水军成员之间的关系,并利用网络水军团体的多个特征进一步检测,提出了一种基于图结构和多特征的微博水军团体识别方法。主要识别过程如下:(1)对每篇炒作博文下的参与用户构建用户关系图,利用改进的最大频...

【文章页数】：61 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 国内外网络水军研究现状
        1.2.1 国内研究现状
        1.2.2 国外研究现状
    1.3 本文研究内容
    1.4 论文的组织结构
第二章 相关研究
    2.1 网络水军概述
        2.1.1 网络水军概念及其特征
        2.1.2 网络水军团体概念及其特征
    2.2 网络水军识别技术研究
        2.2.1 网络水军识别
        2.2.2 网络水军团体识别
    2.3 现有研究不足和本文研究改进
        2.3.1 现有研究的不足
        2.3.2 本文研究改进
    2.4 本章小结
第三章 基于图结构的疑似水军团体发现
    3.1 用户关系图的构建
    3.2 基于频繁子图的疑似水军团体挖掘
        3.2.1 频繁子图的引入
        3.2.2 改进的频繁子图挖掘算法
        3.2.3 算法伪代码
    3.3 疑似水军团体中的正常用户过滤
        3.3.1 离群点的引入
        3.3.2 用户特征属性的选取及相似度计算
        3.3.3 基于用户相似度的离群点算法
        3.3.4 算法伪代码
    3.4 疑似网络水军团体发现
    3.5 本章小结
第四章 基于多特征的水军团体检测
    4.1 网络水军团体特征的选取和量化
        4.1.1 网络水军团体结构特征
        4.1.2 网络水军团体内容特征
        4.1.3 网络水军团体时间特征
    4.2 基于机器学习的网络水军团体分类模型
        4.2.1 网络水军团体特征模块
        4.2.2 分类决策模块
    4.3 基于C4.5决策树的网络水军团体检测
        4.3.1 决策树C4.5算法
        4.3.2 生成决策树
        4.3.3 网络水军团体检测
    4.4 本章小结
第五章 实验与结果分析
    5.1 实验准备
        5.1.1 实验环境搭建
        5.1.2 数据集获取
        5.1.3 数据集预处理
        5.1.4 数据集人工标识与划分
    5.2 频繁子图的发现
        5.2.1 构建用户关系图
        5.2.2 最小支持度阈值的设定
        5.2.3 评价指标
        5.2.4 实验结果与分析
    5.3 属性权重的设定
    5.4 对比实验
        5.4.1 实验评估标准
        5.4.2 实验及结果分析
    5.5 本章小结
第六章 研究工作总结与展望
    6.1 研究工作总结
    6.2 对未来工作的展望
参考文献
附录1 攻读硕士学位期间撰写的论文
致谢



本文编号：4020243