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)集進行聚類分析，使得能發(fā)現(xiàn)其中的傳播短信，并進行溯源，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。
　　為進行傳播短信溯源，首先對短信文本相似度進行了分析，然后對相似短信進行聚類，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，采用基于改進編輯距離的短信文本相似度計算方法計算短信之間的相似度。同時，將該算法與現(xiàn)有的文本相似度計算算法進行實驗對比，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，采用效率較高的K中心點（K-Mediods）算法進行聚類。對于該算法隨機選取

3、初始聚類中心導致聚類結(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，然后改進樣本聚類的方法進一步提高聚類質(zhì)量，并將該方法同現(xiàn)有的聚類方法就短信數(shù)據(jù)集進行對比實驗，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行還原，繼而