基于关系图特征的微博水军发现方法

被引:26
作者
程晓涛
刘彩霞
刘树新
机构
[1] 国家数字交换系统工程技术研究中心
基金
国家高技术研究发展计划(863计划);
关键词
词微博网络; 机器学习; 网络水军; 图特征; 分类器;
D O I
10.16383/j.aas.2015.c140906
中图分类号
D669 [社会生活与社会问题]; TP393.092 [];
学科分类号
1204 ; 080402 ;
摘要
随着网络水军策略的不断演变,传统的基于用户内容和用户行为的发现方法对新型社交网络水军的识别效果不断下降,水军用户可以变更自身的博文内容与转发行为,但无法改变与网络中正常用户的连结关系,形成的结构图具有一定的稳定性,因此,相对于用户的内容特征与行为特征,用户关系特征在水军识别中具有更强的鲁棒性与准确度.由此,本文提出一种基于用户关系图特征的微博水军账号识别方法.实验中通过爬虫程序抓取新浪微博网络数据;然后,提取用户的属性特征、时间特征、关系图特征;最后,利用三种机器学习算法对用户进行分类预测.仿真结果表明,添加新特征后对水军账号的识别准确率、召回率提高5%以上,从而验证了关系图特征在水军识别中的有效性.
引用
收藏
页码:1533 / 1541
页数:9
相关论文
共 13 条
[1]   基于R-C模型的微博用户社区发现 [J].
周小平 ;
梁循 ;
张海燕 .
软件学报, 2014, 25 (12) :2808-2823
[2]   微博网络上的重叠社群发现与全局表示 [J].
胡云 ;
王崇骏 ;
吴骏 ;
谢俊元 ;
李慧 .
软件学报, 2014, 25 (12) :2824-2836
[3]   基于文本挖掘和网络分析的“东突”活动主要特征研究 [J].
付举磊 ;
刘文礼 ;
郑晓龙 ;
樊瑛 ;
汪寿阳 .
自动化学报, 2014, (11) :2456-2468
[4]  
基于LDA的双通道在线主题演化模型[J]. 曹建平,王晖,夏友清,乔凤才,张鑫.自动化学报. 2014(12)
[5]   网络水军识别研究 [J].
莫倩 ;
杨珂 .
软件学报, 2014, 25 (07) :1505-1526
[6]   基于科研知识图谱的近年国内外自动化学科发展综述 [J].
陆浩 ;
王飞跃 ;
刘德荣 ;
张楠 ;
赵学亮 .
自动化学报, 2014, 40 (05) :994-1015
[7]   基于用户行为的微博用户社会影响力分析 [J].
毛佳昕 ;
刘奕群 ;
张敏 ;
马少平 .
计算机学报, 2014, 37 (04) :791-800
[8]   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, 37 (01) :207-218
[9]   面向微博的概率图水军识别模型 [J].
韩忠明 ;
许峰敏 ;
段大高 .
计算机研究与发展 , 2013, (S2) :180-186
[10]   微博关注关系网络K-核结构实证分析 [J].
白林根 ;
谌志群 ;
王荣波 ;
黄孝喜 .
现代图书情报技术, 2013, (11) :68-74