基于社交網(wǎng)絡(luò)的垃圾信息協(xié)同過(guò)濾模型.pdf

1、當(dāng)前，垃圾信息數(shù)量爆炸式增長(zhǎng)，且形式多樣變化，傳統(tǒng)垃圾信息過(guò)濾方法應(yīng)對(duì)時(shí)存在諸多不足。因此提高垃圾信息過(guò)濾質(zhì)量和過(guò)濾效率，改變傳統(tǒng)依賴信息特征為主的過(guò)濾方法，探討利用社交網(wǎng)絡(luò)協(xié)同過(guò)濾方法，不僅可以減少垃圾信息所帶來(lái)的社會(huì)問(wèn)題，提高用戶體驗(yàn)，也是當(dāng)前信息安全技術(shù)的研究熱點(diǎn)之一。文章旨在提出一種智能模型，一方面能夠克服傳統(tǒng)過(guò)濾模型依賴信息特征屬性的缺點(diǎn);另一方面能夠增強(qiáng)模型的動(dòng)態(tài)適應(yīng)性。
　　基于社交網(wǎng)絡(luò)的垃圾信息協(xié)同過(guò)濾模型主要利用

2、社交網(wǎng)絡(luò)社區(qū)聚集特性，并結(jié)合系統(tǒng)反饋更新建立高效的垃圾信息過(guò)濾機(jī)制。文章分析了手機(jī)短信和常見(jiàn)及時(shí)通訊軟件中垃圾信息的內(nèi)容和形式，以及社交網(wǎng)絡(luò)中作為社區(qū)劃分理論基礎(chǔ)的小世界特性和無(wú)標(biāo)度特性，以此為基礎(chǔ)，提出了基于多目標(biāo)的k-means聚類(lèi)算法對(duì)社交網(wǎng)絡(luò)進(jìn)行社區(qū)劃分形成協(xié)同推薦框架，同時(shí)結(jié)合社區(qū)成員重要性分組進(jìn)一步提高垃圾信息過(guò)濾質(zhì)量。
　　文章針對(duì)模型設(shè)計(jì)測(cè)試數(shù)據(jù)以及完整的評(píng)價(jià)體系，并使用該數(shù)據(jù)編寫(xiě)相應(yīng)程序?qū)δＰ瓦M(jìn)行了測(cè)試。測(cè)試結(jié)果