社交网络账号的智能分类方法

发布时间：2023-09-24 17:20

　　随着信息技术的发展,以推特(Twitter)、领英(LinkedIn)、微博为代表的在线社交网络越来越受到人们的青睐和关注。推特作为全球最大的在线社交网络,已经成为国外网民发表自己意见和分享讯息的重要平台。推特每日活跃着海量的账号(用户),推特中的账号又会发布或者转发大量的文本信息,通常账号发布或者转发的文本信息与账号的兴趣爱好及个人生活息息相关,另一方面,账号也会倾向于关注与自己有相同兴趣爱好的其他账号,彼此之间的如转发、提及等互动行为也会更加频繁。社交网络账号的分类问题正是基于上述的情况,利用账号发布的文本内容以及账号间的关系信息来实现账号分类,以达到特定类别账号个性化推荐、识别封禁垃圾账号等目的。本文以推特社交网络中的账号为研究对象,从账号发布的文本内容和账号关系的角度出发,对推特的账号分类问题展开研究,主要研究内容如下:1.针对账号的文本表征问题,本文以分布式词嵌入模型word2vec为基础,考虑到传统的词嵌入模型是一个无监督的训练过程,提出了半监督账号文本嵌入表示模型Semi-User2vec,将账号的文本信息映射为一个稠密的低维向量,生成带有标签信息的账号文本特征向量,然后...

【文章页数】：75 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 研究背景及意义
    1.2 国内外相关研究现状
        1.2.1 基于机器学习的账号分类方法
        1.2.2 基于深度学习的账号分类
    1.3 论文研究内容
    1.4 论文结构
第二章 账号分类研究基础
    2.1 社交网络账号分类理论基础
        2.1.1 社交网络基本概念
        2.1.2 复杂网络科学基础理论
    2.2 机器学习
        2.2.1 机器学习的分类
        2.2.2 机器学习常用分类器
    2.3 文本信息表征方法
        2.3.1 词袋模型
        2.3.2 word2vec
    2.4 本章小结
第三章 基于半监督User2vec的账号分类方法
    3.1 数据预处理
    3.2 基于半监督User2vec的账号特征表示
        3.2.1 半监督账号文本嵌入表示
        3.2.2 基于文本特征的账号分类方法
    3.3 基于账号文本特征的邻居相似度
        3.3.1 邻居相似度
        3.3.2 基于邻居相似度的账号分类方法
    3.4 基于集成学习的账号分类方法
    3.5 实验及结果分析
        3.5.1 实验数据
        3.5.2 分类性能评估
        3.5.3 Semi-User2vec实验结果分析
        3.5.4 邻居相似度实验结果分析
    3.6 本章小结
第四章 基于多维网络的深度学习账号分类方法
    4.1 多维关系网络的构建
    4.2 基于多维图卷积网络的账号分类方法
        4.2.1 多维图卷积网络的基本组成
        4.2.2 图卷积网络
        4.2.3 注意力机制
        4.2.4 账号分类方法
    4.3 实验及结果分析
        4.3.1 实验内容
        4.3.2 实验结果及分析
        4.3.3 注意力机制分析
    4.4 本章小结
第五章 结论
    5.1 后续工作展望
    5.2 全文总结
致谢
参考文献
攻读硕士学位期间取得的研究成果



本文编号：3848433