微博應用中“轉世賬號”的研判技術與實現(xiàn).pdf

1、隨著中文微博平臺的快速發(fā)展，微博已經(jīng)融入并且開始影響人們的日常生活，微博上的很多觀點言論正在潛移默化地影響著人們的價值判斷。而人是言論傳播的主體，微博平臺的開放性使一個人在微博上可以對應多個虛擬身份，轉世賬號就是一類在網(wǎng)絡輿論監(jiān)測過程中出現(xiàn)的一個用戶對應多個賬號的情況，本文主要研究轉世賬號的研判問題。
　　轉世賬戶現(xiàn)象是在不同時間上同一微博平臺上存在的兩個或者多個賬號對應同一個用戶的現(xiàn)象。本文在調研了微博用戶研究所用信息來源的基礎

2、上，篩選出賬戶名、博文時間和內容三個具有高可信性的信息來源，作為研究的基礎數(shù)據(jù)，接著提出了一種基于時序和相似性的轉世賬戶研判模型，論文主要包括以下四個研究貢獻：
　?。?）由于受記憶、知識和時間及習慣等原因限制，同一用戶命名自己的不同賬戶時傾向于選擇相似賬戶名。本文通過研究轉世賬戶不同賬戶名的命名規(guī)則及賬戶名間的高相似性，利用相似性設計并實現(xiàn)了待查賬戶候選賬戶集產(chǎn)生算法。該算法將賬戶名中包含待查賬戶名任一中文字符的賬戶選入候選集，

3、在最大程度上保留了相似賬號。
　　（2）針對轉世賬戶的特殊性，提出了一種博文時序樹算法。由于轉世賬戶的前世賬戶與現(xiàn)世賬戶的博文一般在時間維度上有一個嚴格的先后順序，即現(xiàn)世賬戶的博文不早于前世賬戶的博文發(fā)表時間，并且其第一條博文的時間不會滯后于前世賬戶發(fā)表最后一條博文太長時間。借助這種時序關系對博文進行處理，最終形成一棵以待查賬戶為根，疑似前世賬戶為節(jié)點的時序樹，完成候選賬戶集的時序篩選驗證。
　　（3）研究文本相似度計算方法

4、，改進了余弦相似度計算方法。本文針對兩個應用改進了余弦相似度算法。首先對于賬戶名這種超短文本，其相似性不能僅依靠判斷所使用的字相同就認為其相似，故本文針對余弦相似度算法不能區(qū)別文本結構上的不同，通過加權最少編輯距離算法進行改進，取得了更好的研判效果；另外是對博文相似度，本文認為對于命名實體相同的微博文本，其談論的話題是相似的，因而本文將文本向量空間分為命名實體空間和其他特征項空間，并且加大了命名實體在特征向量里的權重，該算法可以推廣至基

5、于話題的相似性計算。
　　（4）基于以上算法，提出了一種基于時序和相似性的轉世賬戶研判模型，并在新浪數(shù)據(jù)上進行了有效性驗證。模型主要分為兩大模塊：候選賬戶集產(chǎn)生模塊（Identity Search）和篩選驗證模塊（Identity Matching）。前者使用候選賬戶集產(chǎn)生算法生成待查賬戶的候選賬戶集，盡可能避免漏掉可能的前世賬號；后者進行時序和相似性的篩選驗證，盡可能甄別刪除不是前世賬戶的賬戶。
　　本文在對模型設計的基礎