微博網(wǎng)絡(luò)水軍識(shí)別技術(shù)研究.pdf

1、隨著移動(dòng)互聯(lián)網(wǎng)時(shí)代的到來(lái)，以微博為代表的社會(huì)化媒體成為熱點(diǎn)信息傳播的重要平臺(tái)。同時(shí)，網(wǎng)絡(luò)中活躍的大量水軍用戶受利益驅(qū)動(dòng)，散布網(wǎng)絡(luò)謠言與虛假信息，嚴(yán)重干擾正常的網(wǎng)絡(luò)秩序，影響社會(huì)和諧穩(wěn)定。目前，針對(duì)微博網(wǎng)絡(luò)中水軍用戶識(shí)別的研究，主要存在以下問題：（1）傳統(tǒng)傳播模型刻畫不夠準(zhǔn)確，無(wú)法有效發(fā)現(xiàn)水軍的存在；（2）網(wǎng)絡(luò)水軍隱藏策略的升級(jí)，使傳統(tǒng)基于內(nèi)容與基于行為的識(shí)別方法對(duì)新型水軍識(shí)別準(zhǔn)確率低；（3）微博用戶數(shù)據(jù)存在海量高維問題，同時(shí)現(xiàn)實(shí)中常伴有

2、數(shù)值缺失，使得現(xiàn)有算法無(wú)法實(shí)現(xiàn)高效檢測(cè)。
　　針對(duì)以上問題，本文從微博網(wǎng)絡(luò)結(jié)構(gòu)與傳統(tǒng)信息傳播模型入手，分析了影響網(wǎng)絡(luò)信息傳播的幾大因素，建立一種基于局域信息的微博網(wǎng)絡(luò)信息傳播模型，并通過分析正常傳播與水軍鼓動(dòng)的非正常傳播的差異，實(shí)現(xiàn)對(duì)水軍群體的定位。然后通過對(duì)傳播者用戶關(guān)系網(wǎng)絡(luò)的分析，提出一種融合關(guān)系圖特征的微博水軍識(shí)別方法，對(duì)新型微博造勢(shì)水軍有更好的識(shí)別效果。最后，為解決微博用戶數(shù)據(jù)的海量高維性對(duì)識(shí)別時(shí)間的挑戰(zhàn)以及存在的數(shù)值缺失

3、問題，提出一種基于MapReduce隨機(jī)森林的微博水軍識(shí)別算法，提高對(duì)網(wǎng)絡(luò)水軍的識(shí)別效率。主要工作和研究成果如下：
　　1.針對(duì)傳統(tǒng)傳播模型刻畫不準(zhǔn)確的問題，提出一種基于局域信息的微博網(wǎng)絡(luò)信息傳播模型。該模型中引入網(wǎng)絡(luò)結(jié)構(gòu)中的局域信息，同時(shí)考慮到每個(gè)傳播者的影響力差異，從而細(xì)粒度展現(xiàn)信息傳播過程，通過觀察微博網(wǎng)絡(luò)中用戶個(gè)體對(duì)傳播路徑的影響，發(fā)現(xiàn)網(wǎng)絡(luò)中摻雜水軍干擾的非正常信息傳播，為微博網(wǎng)絡(luò)中的水軍識(shí)別和管控防范策略的制定奠定基礎(chǔ)。

4、
　　2.傳統(tǒng)基于用戶內(nèi)容特征和行為特征的識(shí)別方法對(duì)新型造勢(shì)水軍識(shí)別率低，針對(duì)該問題，提出一種用戶關(guān)系圖特征表示與提取方法，并在貝葉斯網(wǎng)絡(luò)、C4.5決策樹和樸素貝葉斯三種常用的機(jī)器學(xué)習(xí)框架下融合包括關(guān)系圖特征在內(nèi)的多種特征識(shí)別水軍用戶，通過實(shí)驗(yàn)驗(yàn)證了方法的有效性。仿真結(jié)果表明，添加關(guān)系圖特征后對(duì)水軍賬號(hào)的識(shí)別準(zhǔn)確率、召回率提高5％以上，從而驗(yàn)證了關(guān)系圖特征在水軍識(shí)別中的有效性。
　　3.針對(duì)水軍識(shí)別中存在特征項(xiàng)缺失和用戶數(shù)據(jù)