垃圾微博信息過濾技術(shù)的研究.pdf_第1頁
已閱讀1頁,還剩59頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領

文檔簡介

1、社交網(wǎng)絡以其用戶量大,信息傳播速度快,范圍廣,互動性強的特點成為目前最大且活躍的社交平臺。如新浪微博,微信朋友圈,Google+等社交網(wǎng)絡平臺已經(jīng)成為互聯(lián)網(wǎng)用戶生活的重要組成部分。社交網(wǎng)絡在給人們的生活帶來便利的同時,其本身也成為了一些廣告,傳銷分子散布垃圾微博信息的工具。所以,社交網(wǎng)絡中垃圾微博信息的過濾和微博僵尸賬號的識別已經(jīng)成為了重要的熱點研究課題。
  本文以新浪微博為研究平臺,采用數(shù)據(jù)挖掘和機器學習的方法,從分類和排序的

2、兩種角度識別新浪微博中的僵尸賬號,從而有效地過濾垃圾微博信息,主要工作分為以下四個部分:
  首先:采用統(tǒng)計機器學習中的在線主動學習算法,設計并實現(xiàn)了基于邏輯回歸,樸素貝葉斯,支持向量機三種統(tǒng)計機器學習模型的在線分類系統(tǒng),分別對單條微博信息進行分類。
  其次:從分類的角度,由于微博屬于短文本,可以提取到的有價值的特征少,特征向量稀疏,機器學習分類器對單條微博的分類效果有限。因此,引入序貫概率比模型,根據(jù)第一部分前端分類器對

3、每個賬號發(fā)布的單條微博分類結(jié)果序列,來對微博賬號進行分類,從而有效識別微博僵尸賬號。
  再次:以賬號為單位,從用戶社交行為和微博內(nèi)容兩方面提取賬號的特征,通過數(shù)據(jù)分析選取有效的特征,采用libSVM的分類器進行離線建模和微博賬號分類。
  最后:從排序的角度,通過對微博平臺上某個領域的子網(wǎng)中賬號之間的社交關系,構(gòu)建這個子網(wǎng)的社交關系矩陣,采用PageRank算法對子網(wǎng)中賬號的價值度進行排序,根據(jù)排序結(jié)果來對賬號進行群體劃分

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論