基于聚類分析的傳播短信溯源方法研究.pdf

1、作為一種簡單實(shí)用的通信工具，短信方便了人們生活中的信息交流，但也給違法信息提供了擴(kuò)散的渠道，尤其是短信量大且駁雜，人工發(fā)現(xiàn)“傳播短信”并追溯傳播源頭往往耗時(shí)耗力還得不到好的結(jié)果。為此本課題通過對短信數(shù)據(jù)集進(jìn)行聚類分析，使得能發(fā)現(xiàn)其中的傳播短信，并進(jìn)行溯源，為遏制違法信息和影響社會安定的輿情的傳播提供有效地發(fā)現(xiàn)方法。
　　為進(jìn)行傳播短信溯源，首先對短信文本相似度進(jìn)行了分析，然后對相似短信進(jìn)行聚類，最后篩選出傳播短信，并通過有向圖生成

2、的方式將短信的傳播路徑還原，從而達(dá)到發(fā)現(xiàn)短信傳播源頭的目的。
　　首先，針對短信文本超短、內(nèi)容口語化以及文字易于修改等特點(diǎn)，采用基于改進(jìn)編輯距離的短信文本相似度計(jì)算方法計(jì)算短信之間的相似度。同時(shí)，將該算法與現(xiàn)有的文本相似度計(jì)算算法進(jìn)行實(shí)驗(yàn)對比，證明該算法得到的結(jié)果能有效地衡量短信之間的相似程度且具有一定的效率。
　　其次，對于短信數(shù)據(jù)集比較大的特點(diǎn)，采用效率較高的K中心點(diǎn)（K-Mediods）算法進(jìn)行聚類。對于該算法隨機(jī)選取

3、初始聚類中心導(dǎo)致聚類結(jié)果不穩(wěn)定的問題，提出一種通過抽樣后分析樣本從而得到原數(shù)據(jù)集的分布情況并選取理想的聚類中心的優(yōu)化方法，然后改進(jìn)樣本聚類的方法進(jìn)一步提高聚類質(zhì)量，并將該方法同現(xiàn)有的聚類方法就短信數(shù)據(jù)集進(jìn)行對比實(shí)驗(yàn)，證明該算法能優(yōu)化短信聚類質(zhì)量。
　　最后，基于獲取的聚類結(jié)果，分析傳播短信聚類簇的特征，提出傳播短信簇篩選算法，將包含傳播短信的簇篩選出來。根據(jù)所篩選的短信簇，通過短信傳播有向圖生成算法，對短信的傳播路徑進(jìn)行還原，繼而