在線(xiàn)社交網(wǎng)絡(luò)用戶(hù)的特征分析與分類(lèi)檢測(cè).pdf

1、近年來(lái)，隨著互聯(lián)網(wǎng)技術(shù)的不斷發(fā)展，在線(xiàn)社交網(wǎng)站已逐漸成為人們生活中不可或缺的交往方式之一。不同于現(xiàn)實(shí)中的社交網(wǎng)絡(luò)，信息在在線(xiàn)社交網(wǎng)絡(luò)中的傳播速度更快，覆蓋人群更多，交互更頻繁。
　　微博是一種已經(jīng)被廣泛應(yīng)用的信息傳播載體，是人們互動(dòng)交流的重要方式。隨著時(shí)間的發(fā)展，微博平臺(tái)產(chǎn)生多種不同性質(zhì)的用戶(hù)，包括僵尸賬戶(hù)、馬甲賬戶(hù)、垃圾賬戶(hù)等，它們出于不同的目的，擾亂著微博秩序。作為衡量微博用戶(hù)知名度及受歡迎程度的重要指標(biāo)，粉絲數(shù)的真實(shí)性越發(fā)受

2、到人們的關(guān)注。投機(jī)者受到經(jīng)濟(jì)利益的驅(qū)使，制造大量的機(jī)器用戶(hù)，引發(fā)信任危機(jī)。機(jī)器用戶(hù)作為僵尸用戶(hù)的進(jìn)化，它與僵尸用戶(hù)具有許多相似之處:同樣是利用程序產(chǎn)生的賬戶(hù)，一樣主要以“買(mǎi)賣(mài)粉絲”為存在的目的。不同的是這類(lèi)進(jìn)化的僵尸用戶(hù)更具活性，它們的行為更加接近正常用戶(hù)，以至于新浪微博不能檢測(cè)出這類(lèi)賬戶(hù)，面對(duì)其封號(hào)。如何快速有效的識(shí)別機(jī)器用戶(hù)，已成為維護(hù)微博平臺(tái)正常秩序亟待解決的問(wèn)題。
　　為了探究這一問(wèn)題，采用機(jī)器學(xué)習(xí)的方法，以新浪微博為例，

3、對(duì)中文微博用戶(hù)特征進(jìn)行了深入研究，并且對(duì)相關(guān)的分類(lèi)算法進(jìn)行了詳細(xì)學(xué)習(xí)及分析，提出了一種最優(yōu)分類(lèi)模型，具體工作如下:
　　1、數(shù)據(jù)采集。介紹了本研究數(shù)據(jù)采集的步驟，首先分別基于熱門(mén)話(huà)題及“買(mǎi)粉”獲得非機(jī)器用戶(hù)集和機(jī)器用戶(hù)集，又詳細(xì)介紹了新浪API的調(diào)用原理，最后通過(guò)本文提出的多方法組合的數(shù)據(jù)提取方案，得到用戶(hù)和微博的基本信息，構(gòu)成了本研究的原始數(shù)據(jù)集。
　　2、特征分析。首先結(jié)合新浪微博的特點(diǎn)，獲得13項(xiàng)原始特征。再通過(guò)分析用

4、戶(hù)關(guān)系特征、用戶(hù)行為特征、微博內(nèi)容特征，對(duì)原始特征進(jìn)行再加工，得到9項(xiàng)有效特征，將其表示成向量，作為分類(lèi)器的輸入。最后用累積分布函數(shù)圖對(duì)這些特征進(jìn)行特征分析。
　　3、最優(yōu)分類(lèi)模型。本文首先運(yùn)用SVM算法驗(yàn)證了特征組合的有效性，用BP神經(jīng)網(wǎng)絡(luò)和決策樹(shù)兩種曾經(jīng)運(yùn)用在用戶(hù)分類(lèi)中的分類(lèi)算法進(jìn)行分類(lèi)，其結(jié)果與SVM比較以期得到更好的分類(lèi)效果。在結(jié)果不令人滿(mǎn)意的情況下，創(chuàng)造性的引入隨機(jī)森林算法，提高了分類(lèi)效果。然后，為了進(jìn)一步提高分類(lèi)效率，

5、采用剔減特征法得到最優(yōu)特征組合，提出了本研究的最優(yōu)分類(lèi)模型SBS-Random Forest。
　　4、實(shí)例驗(yàn)證。本文隨機(jī)選取一個(gè)用戶(hù)，采用多方法組合的數(shù)據(jù)提取方案獲取其粉絲的信息，生成粉絲用戶(hù)的特征集，用SBS-Random Forest分類(lèi)模型對(duì)這些用戶(hù)進(jìn)行分類(lèi)，再與人工投票結(jié)果進(jìn)行比較，最終發(fā)現(xiàn)分類(lèi)效果在接受范圍內(nèi)，得到了用戶(hù)的機(jī)器用戶(hù)粉絲的比例，再與其他方法進(jìn)行比較，證明本研究提出的分類(lèi)模型有效可行，對(duì)機(jī)器用戶(hù)的甄別有積極